In Kenias KI-Wirtschaft: Was die Silicon Savannah wirklich gebaut hat

Kenia hat das am weitesten entwickelte Ökosystem für künstliche Intelligenz in Ostafrika, und es besteht wegen einer einzigen Infrastrukturentscheidung von vor beinahe zwei Jahrzehnten: mobiles Bezahlen.

Das Fundament des mobilen Geldes:

M-Pesa machte Mobiltelefone für Dutzende Millionen Kenianerinnen und Kenianer zu Bankkonten und schuf damit etwas in Schwellenmärkten Seltenes: dichte, häufige Finanztransaktionsdaten über eine Bevölkerung, die im formalen Bankwesen weitgehend fehlte.

Dieser Datenbestand ist die Grundlage von Kenias KI-Wirtschaft. Digitale Kreditgeber bewerten die Kreditwürdigkeit anhand von Zahlungsströmen im Mobile Money, Guthabenkäufen, Transaktionsmustern und Rückzahlungsverhalten statt anhand von Gehaltsabrechnungen oder Sicherheiten. Das ermöglichte Kleinkredite in einem Umfang, den herkömmliche Prüfung nie gewinnbringend erreicht hätte, und machte Nairobi zu einem weltweiten Bezugspunkt für alternative Bonitätsbewertung.

Dieselbe Infrastruktur trägt Betrugserkennung, Händleranalytik, Versicherungsvertrieb und Sparprodukte, die praktisch allesamt Lasten des maschinellen Lernens sind.

Die Folgen waren nicht durchweg positiv. Das rasche Wachstum digitaler Kredite brachte belegte Probleme mit Überschuldung, aggressivem Inkasso und Wucherzinsen mit sich, was zu aufsichtlichem Eingreifen und Lizenzpflichten für digitale Kreditgeber führte. Kenias Erfahrung ist heute die Fallstudie, die andere Länder prüfen, bevor sie algorithmische Kreditvergabe im großen Maßstab zulassen.

Das Ökosystem Nairobi:

Nairobi beherbergt die dichteste Ballung der Region an Technologieunternehmen, Investoren, Gründerzentren und Entwicklungsorganisationen. Internationale Technologiefirmen und Forschungseinrichtungen haben Büros eröffnet, und die Stadt wirkt als Drehscheibe der ostafrikanischen Technologie insgesamt.

Jenseits der Finanzwelt sind Agrartechnik, Gesundheitstechnik, Logistik und Energie aktive Felder, besonders Solarstrom auf Nutzungsbasis, wo maschinelles Lernen Kreditentscheidungen und Geräteverwaltung für netzferne Kunden trägt.

Kenia wurde zudem ein bedeutender Standort für Datenannotation, mit Firmen, die Tausende Menschen beschäftigen, um Bilder und Texte zu kennzeichnen, mit denen anderswo gebaute Modelle trainiert werden. Diese Arbeit brachte Beschäftigung und Devisen und hat anhaltende Kritik an Vergütungshöhe und an der psychischen Belastung von Moderationsaufgaben ausgelöst. Sie ist das klarste Beispiel eines größeren Musters: afrikanische Arbeit, die KI-Systeme trägt, deren Wert anderswo anfällt.

Landwirtschaft und Klima:

Die Landwirtschaft beschäftigt einen großen Teil der Kenianerinnen und Kenianer, und die Anwendungen sind praktisch: satellitengestützte Bestandsüberwachung, Erkennung von Schädlingen und Krankheiten anhand von Fotos, wetterindexierte Versicherung, die nach gemessenem Niederschlag statt nach Begutachtung auszahlt, und Marktpreisinformationen per SMS.

Der Übertragungsweg zählt mehr als die Modellgüte. Systeme, die Bäuerinnen und Bauern über einfache Telefone, SMS und Sprache erreichen, gelingen dort, wo Smartphone-Anwendungen scheitern.

Schranken:

Rechenleistung fehlt weitgehend. Kenia verfügt über wenig Rechenzentrumskapazität gemessen an der Nachfrage, und die meisten KI-Lasten laufen auf ausländischer Cloudinfrastruktur, was Abhängigkeit, Devisenkosten und Latenz schafft.

Strom ist ein echter relativer Vorteil: Kenia erzeugt einen sehr hohen Anteil seiner Energie aus erneuerbaren Quellen, besonders Geothermie, die verlässlich, kohlenstoffarm und für Rechenzentren gut geeignet ist. Das ist ein unterausgeschöpftes Gut, und Investitionen in örtliche Kapazität nehmen zu.

Das Talent ist fähig, aber auf Seniorebene dünn, da erfahrene Ingenieure von ausländischen Arbeitgebern stark umworben werden, die Fernarbeit zu internationalen Gehältern bieten.

Die Regulierung entwickelt sich. Kenia hat ein Datenschutzgesetz mit einer aktiven Aufsicht, und eine eigene KI-Politik entsteht gerade erst.

Der Ausblick:

Kenia hat bewiesen, dass KI-gestützte Finanzdienste in einem Markt mit niedrigem Einkommen im großen Maßstab funktionieren können, und das ist wirklich bedeutsam.

Die nächste Frage lautet, ob das Land vom Anwenden fremder Modelle zum Aufbau eigener Fähigkeit übergeht: örtliche Rechenleistung aus Geothermie, Sprachtechnologie für Suaheli und andere kenianische Sprachen und Unternehmen, die besitzen, was sie bauen, statt für andere zu annotieren.