22.09.2023

Ihre Modelle visualisieren zukünftige Armut auf Landkarten

Lisette Espín-Noboa entwickelt in Wien mit Big Data Machine-Learning-Modelle und zeigt uns mit Poverty Maps, wo die Ärmsten in Zukunft leben.
/artikel/ihre-modelle-visualisieren-zukuenftige-armut-auf-landkarten
Lisette Espín-Noboa liefert Politiker:innen neue Entscheidungsgrundlagen. Foto: Map Box/OpenStreetMap/Bimal Viswanath
Lisette Espín-Noboa liefert Politiker:innen neue Entscheidungsgrundlagen. Foto: Map Box/OpenStreetMap/Bimal Viswanath

Heuer präsentierte ein wissenschaftliches Team von der Central European University (CEU) und dem Complexity Science Hub (CSH) einen Durchbruch: Sie können Armut auf Landkarten sichtbar machen.

Konkret nahmen sich die Forscher:innen dafür Sierra Leone und Uganda vor. Die beiden Staaten in Subsahara-Afrika zählen zu den ärmsten der Welt. Das Wiener Forscherteam entwickelte dazu das interaktive Online-Tool Poverty Maps, mit dem User:innen die Wohlstandsentwicklung in beiden Ländern vergleichen können. Sogar einen Ausblick auf die Zukunft können die Karten geben. Unmengen abstrakter Daten werden damit auf einen Blick zu aussagekräftiger Information.

Vom Taxiverhalten zu Armutskarten

“Die Idee wäre, dass politische Entscheidungsträger:innen, die Menschen unterhalb der Armutsgrenze helfen möchten, diese Art von Instrumenten nutzen können. Um zu verstehen, wo die Menschen sind, die wirklich Hilfe brauchen”, erklärt Lisette Espín-Noboa im brutkasten-Interview.

Die aus Ecuador stammende Computerwissenschaftlerin ist extra für das Projekt nach Wien gekommen. Sie ist Expertin für Predictive Analytics, Netzwerkanalysen und Machine Learning. Davor arbeitete sie vor allem mit Mobilitätsdaten, auf deren Basis sie Prognosen für die Zukunft erstellte. Espín-Noboa erforschte unter anderem, wie sich Taxis in der Metropole New York verhalten.

Wiederverwendbare ML-Modelle

“Sie gaben mir dieses Projekt und ich hatte die Freiheit, zu schauen, wie es funktioniert”, sagt die Computerwissenschaftlerin. Sie entwickelte ein eigenes Framework für drei Machine-Learning-Modelle. Damit visualisieren die Forscher:innen die Wohlstandsentwicklung auf Landkarten. Am Beispiel von Sierra Leone und Uganda bewies das Team bereits, dass es möglich ist.

Espín-Noboa erklärt, dass sie die Modelle nun auch für andere Länder verwenden. Dafür müsse nur die sogenannte Ground Truth für jedes Land anhand einer eigenen Datenbasis neu in das Modell gefüttert werden. Ground Truth ist die genaue und verlässliche Referenz, anhand derer die Richtigkeit von Daten oder Vorhersagen bewertet wird.

Wie viele Antennen, welche Toilette?

Für die beiden afrikanischen Länder verwendeten die Forscher:innen Umfragedaten als Basis. “In Afrika werden Umfragen zum Haushalt oder Lebensstandard durchgeführt. Diese Fragebögen ermitteln, wie viele Zimmer Ihr Haus hat, welche Art von Toilette Sie benutzen, wie Sie an Ihr Wasser kommen, ob Sie ein Auto habe oder ob Sie eine Haus- und Sanitäranlage haben”, erklärt die Computerwissenschaftlerin. Mit dem Internationalen Wohlstandsindex (IWI) wurden auf dieser Basis dann Grundwerte errechnet.

Hinzugefügt wurden in der Folge weitere Daten, die etwa von Satellitenbildern oder Social-Media-Postings stammen. Daraus konnten Espín-Noboa und ihre Kolleg:innen schließen, wie viele Menschen in einer Region ein iPhone besitzen oder wie viele Antennen sich in einem Gebiet befinden. “Wir dachten: Wenn der Ort viele Antennen hat, bedeutet das wahrscheinlich, dass er wohlhabend ist. Wenn er keine Antennen hat, ist er wahrscheinlich arm”, so Espín-Noboa. Daten aus OpenStreetMap würden wiederum verraten, wie weit die nächste Straße oder Schule entfernt ist.

Zukunftsvorhersagen auch für Europa

Nun versuchen Espín-Noboa und ihr Team diese Karten auch für Österreich und Ungarn zu erstellen. Noch fehlen ihr aber die dafür notwendigen Daten für ihre Modelle. Sie ist deshalb auf der Suche nach Organisationen, die Daten zur Verfügung stellen.

“Wir können nicht einfach die gleichen Daten verwenden, weil die Standards unterschiedlich sind. Etwa fragt man in Ungarn nicht, welche Art von Toiletten jemand benutzt”, erklärt Espín-Noboa. Stattdessen sei in etwa Ungarn aussagekräftiger, wie viel Immobilien kosten. Für jedes Land müsse deshalb eine eigene “Ground Truth” ermittelt werden, dann könnten die entwickelten Modelle für verschiedene Länder verwendet werden, glaubt die Expertin.

Bessere Entscheidungsgrundlage

Das Projekt ist ein Novum, denn bisher verließen sich Entscheidungsträger:innen vor allem auf Volkszählungsdaten, wenn es um den Umgang mit Armut ging. Die Karten stellen die Entwicklung jedoch viel detaillierter dar. “Mit der Ground Truth haben wir Armut vorhergesagt, aber Sie können alles vorhersagen. Wenn Sie fundierte Fakten zum Thema Bildung haben, können Sie etwa auch Bildung vorhersagen”, sagt Espín-Noboa. Sie hofft, dass künftig mehr Tools für politische Entscheidungsträger:innen zur Verfügung stehen – damit diese bessere und zielgerichtete Entscheidungen treffen können.

Deine ungelesenen Artikel:
10.05.2024

Grazer Startup mit Female Founder will Industriebauteile “erleichtern”

Mit ihrem Team wil Cornelia Leitner, CTO und Co-Founderin von royos joining solutions, die Industrie im wahrsten Sinne des Wortes leichter machen. Und zwar mit einem Mix aus Kunststoff und Metall.
/artikel/grazer-startup-mit-female-founder-will-industriebauteile-erleichtern
10.05.2024

Grazer Startup mit Female Founder will Industriebauteile “erleichtern”

Mit ihrem Team wil Cornelia Leitner, CTO und Co-Founderin von royos joining solutions, die Industrie im wahrsten Sinne des Wortes leichter machen. Und zwar mit einem Mix aus Kunststoff und Metall.
/artikel/grazer-startup-mit-female-founder-will-industriebauteile-erleichtern
Cornelia Leitner, CTO und Female Founder von royos joining solutions (c) royos joining solutions

Kunststoff und Metall in einem einzigen Prozessschritt zu verschweißen – und Industriebauteile damit deutlich zu erleichtern. Dass das geht, wissen und zeigen Cornelia und Mario Leitner. Sie sind Co-Founder des Grazer Leichtstoff-Startups royos joining solutions. Und mischen mit einer Kombination aus Female Founding und DeepTech in der Maschinenbauszene mit. Cornelia Leitner ist als Female Founder und CTO im Unternehmen tätig, Co-Founder Mario Leitner als CEO.

Mit ihrer Technologie lassen sich dichte Schweißverbindungen zwischen Kunststoff und Metall einfach herstellen. Bauteile – etwa für Luftfahrt, Automobil oder Industrie – seien damit direkt nach dem Schweißen einsetzbar. Und sollen sowohl den Produktionsprozess als auch das Gewicht der Bauteile erleichtern.

Die royos-Geschichte

Gegründet wurde royos joining solutions von den Leitners im Dezember 2021. Das Founderteam beschäftigt sich mit der Erforschung und Entwicklung eines Kunststoff-Metall-Rührschweißverfahrens. Das Startup fokussiert sich damit auf Nachhaltigkeit durch modernen Leichtbau und ein Fügeverfahren für Metall und Kunststoff. Seit der Gründung ist das Unternehmen zu einem fünfköpfigen Team herangewachsen.

Wie Co-Founder Mario Leitner dem Medium leichtbau.de erzählte, wurde royos joining solutions ursprünglich als Lohnfertigungsunternehmen für das Rührreibschweißen gegründet, “da wir eine Marktlücke erkannten haben und das erforderliche Know-how besitzen. Heute liegt unser Fokus auf unserem neuartigen Kunststoff-Metall-Rührschweißverfahren, das die Herstellung von Leichtbauteilen revolutionieren kann”, erzählt Leitner dem deutschen Branchenmedium.

Kunststoff mischt bei Metall mit

Indes operiert das Gründerpaar in der Mission, “hochwertige und kosteneffiziente Lösungen für die Verbindung von Metall und Kunststoff anzubieten”. Das Tech-Startup ermöglicht es, Metall durch Kunststoff in vielen Stellen zu ersetzen und damit das Gewicht eines Bauteils oder einer Baukomponente zu verringern.

Ein in der Industrie verbreitetes Problem sei nämlich, dass aktuelle Verbindungen von Kunststoff und Metall – wie es Gründer Leitner für brutkasten schrieb – “ineffizient und umweltkritisch” seien und außerdem “teure Maschinen sowie eine Vielzahl von Prozessschritten” erfordern.

In Medienberichten erklärte Gründer Leitner es wie folgt: Eine Batteriewanne aus Kunststoff sei für ein Elektrofahrzeug wesentlich leichter als eine Metallwanne. Für das Temperaturmanagement eines solchen Batteriegehäuses brauche man jedoch Werkstoffe mit guter Wärmeübertragung wie Aluminium.

Hier setzt die Idee von royos joining solutions an: In einem Prozessschritt kann das Grazer Team Kunststoff und Metall verschweißen – ohne Vorbehandlung. Die Praxistauglichkeit und Zuverlässigkeit der Kunststoff-Metall-Kombi sei gesichert. Außerdem würden unter anderem Glasfasern in den Fügeprozess eingebunden, wie Leitner erzählte, wodurch eine höhere Verbindungsfestigkeit erreicht wird.

“Auch für Nicht-Experten”

Das von royos joining solutions entwickelte Verfahren soll damit “eine dauerhafte, feste und dichte Verbindung zwischen Kunststoff und Metall in einem einzigen Schritt” bieten, so der Gründer gegenüber brutkasten. Die Technologie des Startups sei patentiert, einfach anwendbar und kompatibel mit Standard-Robotern und -Maschinen in der Industrie – “auch für Nicht-Experten”. Der dafür entwickelte Werkzeugaufsatz ließe sich also “auf einem bestehenden Roboter oder der Werkzeugmaschine aufbauen”, so Leitner.

royos will CO2-Fußabdruck der Industrie verkleinern

Einsatzbereit sei die Prozesslösung des Grazer Startups also “überall dort, wo ein thermoplastischer Kunststoff mit einem anderen Material verbunden werden soll.” Leitner zufolge ist dies vor allem in der Automobil-Branche, in der Luftfahrt oder bei Schienenfahrzeugen der Fall. Auch in der Lebensmittelindustrie oder in der Architektur sieht der Co-Founder mögliche Anwendungsgebiete.

“Durch den Einsatz von Verbundbauteilen können Fahrzeuge leichter und effizienter werden, was zu einer Reduzierung des CO2-Fußabdrucks führt”, so Leitner. Darüber hinaus spiele das Recycling von Verbundbauteilen eine wichtige Rolle, “da der Kunststoff nach Gebrauch mechanisch abgelöst werden kann und die Rohstoffe recycelt werden können”.

Startup bereits Teil des EIT Smart Mobility Accelerators

Das sich harte Arbeit und innovatives Denken bewährt, hat royos joining solutions bereits gezeigt: Das Grazer Startup konnte in der ersten Runde die Fachjury des EIT Smart Mobility Accelerators überzeugen, wie es brutkasten mitteilt. Der europäische Impact-Hub investiert in Lösungen, die einen positiven Beitrag zu mindestens einem der Ziele für nachhaltige Entwicklung (Sustainable Development Goals, SDGs) in Bezug auf nachhaltige Städte und Gemeinden, saubere Energie und Klimaschutz leisten.

Female Founding auch im Maschinenbau

Neben Nachhaltigkeit und Prozessoptimierung forciert royos joining solutions die Integration weiblicher Gründerinnen und Führungskräfte in der Industrie: Co-Founderin Cornelia Leitner hebt hervor, dass “Frauen eine entscheidende Rolle in der technologischen Entwicklung spielen können und ihr Beitrag unverzichtbar ist, um die Herausforderungen unserer Zeit zu bewältigen.” Geschlechtervielfalt soll neben Innovation und Nachhaltigkeit in der Tech-Branche in den Mittelpunkt gestellt werden, so das Startup.

Derzeit bereite sich das Startup auch auf seine erste Finanzierungsrunde vor. Mit einer Finanzspritze wolle man Investitionen in Business und Prozessentwicklung tätigen. So plant das Unternehmen die Beschaffung eines Roboters für F&E-Tätigkeiten – sowie personellen Zuwachs aus dem Bereich der Kunststofftechnik. Indes wolle man Personal aufnehmen, um zu expandieren und die Marktposition zu stärken.

Toll dass du so interessiert bist!
Hinterlasse uns bitte ein Feedback über den Button am linken Bildschirmrand.
Und klicke hier um die ganze Welt von der brutkasten zu entdecken.

brutkasten Newsletter

Aktuelle Nachrichten zu Startups, den neuesten Innovationen und politischen Entscheidungen zur Digitalisierung direkt in dein Postfach. Wähle aus unserer breiten Palette an Newslettern den passenden für dich.

Montag, Mittwoch und Freitag

AI Summaries

Ihre Modelle visualisieren zukünftige Armut auf Landkarten

AI Kontextualisierung

Welche gesellschaftspolitischen Auswirkungen hat der Inhalt dieses Artikels?

Leider hat die AI für diese Frage in diesem Artikel keine Antwort …

Ihre Modelle visualisieren zukünftige Armut auf Landkarten

AI Kontextualisierung

Welche wirtschaftlichen Auswirkungen hat der Inhalt dieses Artikels?

Leider hat die AI für diese Frage in diesem Artikel keine Antwort …

Ihre Modelle visualisieren zukünftige Armut auf Landkarten

AI Kontextualisierung

Welche Relevanz hat der Inhalt dieses Artikels für mich als Innovationsmanager:in?

Leider hat die AI für diese Frage in diesem Artikel keine Antwort …

Ihre Modelle visualisieren zukünftige Armut auf Landkarten

AI Kontextualisierung

Welche Relevanz hat der Inhalt dieses Artikels für mich als Investor:in?

Leider hat die AI für diese Frage in diesem Artikel keine Antwort …

Ihre Modelle visualisieren zukünftige Armut auf Landkarten

AI Kontextualisierung

Welche Relevanz hat der Inhalt dieses Artikels für mich als Politiker:in?

Leider hat die AI für diese Frage in diesem Artikel keine Antwort …

Ihre Modelle visualisieren zukünftige Armut auf Landkarten

AI Kontextualisierung

Was könnte das Bigger Picture von den Inhalten dieses Artikels sein?

Leider hat die AI für diese Frage in diesem Artikel keine Antwort …

Ihre Modelle visualisieren zukünftige Armut auf Landkarten

AI Kontextualisierung

Wer sind die relevantesten Personen in diesem Artikel?

Leider hat die AI für diese Frage in diesem Artikel keine Antwort …

Ihre Modelle visualisieren zukünftige Armut auf Landkarten

AI Kontextualisierung

Wer sind die relevantesten Organisationen in diesem Artikel?

Leider hat die AI für diese Frage in diesem Artikel keine Antwort …

Ihre Modelle visualisieren zukünftige Armut auf Landkarten