Zo help je arme landen om met AI meer geld te krijgen uit het Groene Klimaatfonds

Het Groene Klimaatfonds (GCF) heeft 13,5 miljard euro in kas om arme landen te helpen beschermen tegen klimaatverandering en over te stappen op duurzame energie. Het probleem is alleen dat juist de landen die het meest lijden onder klimaatverandering, moeilijk toegang tot het fonds krijgen. Odgerel Chintulga uit New York gebruikt AI om ze daarmee te helpen, ondersteund door het Analytics for a Better World Institute (ABW) in Amsterdam.

Bangladesh GCF
Het Groene Klimaatfonds (GCF) helpt landen als Bangladesh zich voor te bereiden op zeespiegelstijging en overstromingen. | Credit: Green Climate Fund

Het GCF is het grootste klimaatfonds ter wereld. Het is in 2010 opgericht door 194 landen. Die landen hebben inmiddels 13,5 miljard dollar ingelegd, waarmee 243 projecten in 129 landen worden gefinancierd. Met dat geld kunnen de armste landen en kleine eilandstaten hun uitstoot van broeikasgassen verminderen, investeren in schone energie en hun land weerbaarder maken tegen klimaatrampen en zeespiegelstijging. De goedgekeurde projecten variëren van het beschermen van de eilanden van de Malediven tegen zeespiegelstijging tot het bouwen van klimaatbestendige huizen in de kustgebieden van Bangladesh. Van het versterken van koraalriffen als kustbescherming tot het vervangen van dieselgeneratoren door een waterkrachtcentrale op de Solomoneilanden. Tijdens de afgelopen klimaattop in Dubai doneerden de VS nog eens 3 miljard dollar aan het klimaatfonds.

Gat overbruggen

Toch hebben kleine eilandstaten in ontwikkeling (SIDS) en de minst ontwikkelde landen (LDC) op de wereld grote moeite om geld uit dit fonds te krijgen. Het duurt vaak een tot twee jaar voor een aanvraag wordt goedgekeurd. In 2020 ging slechts 12 procent van alle financiering uit het fonds gaat naar deze landen. “Terwijl dat eigenlijk 50 procent zou moeten zijn”, zegt Chintulga. “Zoals je tijdens COP28 zag, beloven rijkere landen veel geld om klimaatmaatregelen te ondersteunen in deze landen, maar de werkelijkheid is dat ze moeilijk toegang hebben tot dit geld. Het landschap voor klimaatfinanciering is zeer complex en kan bureaucratisch zijn. Veel van deze landen worden het meest aangetast door klimaatverandering, maar het ontbreekt hen aan de middelen en de technische expertise om goede voorstellen voor financiering te ontwikkelen. Ik hoop met mijn werk dat gat te overbruggen.”

Hulp met data-analyse

Zij werkt als senior associate bij het Rocky Mountains Institute (RMI) in New York. Daar helpt ze ontwikkelingslanden en kleine eilandstaten om financiering te krijgen voor klimaatinvesteringen. Daarvoor werkte ze zelf voor het Groene Klimaatfonds. Geholpen door het Analytics for a Better World Institute (ABW) in Amsterdam ontwikkelt ze in haar vrije tijd een manier waarop landen een succesvolle aanvraag bij dat Groene Klimaatfonds kunnen indienen.

Kijk hier hoe het Groene Klimaatfonds werkt:

Wat werkt en wat niet

Eerst onderzocht ze de criteria die het GCF aan projectvoorstellen stelt. Daarna bekeek ze welke aanvragen succesvol waren en welke niet voor de armste landen en eilandstaten. Daarna gebruikte ze taalmodellen met kunstmatige intelligentie, zogeheten Large Language Models (LLM’s) – samen met AI-tool ChatGPT om te onderzoeken wat de overeenkomsten van de succesvolle aanvragen zijn en wat je daarvan kunt leren. Vervolgens is ze met deze AI-tools een allesomvattende methode aan het ontwikkelen voor armere landen om projectvoorstellen in te dienen. Dat moet uiteindelijk uitmonden in een gestandaardiseerde, digitale aanvraagprocedure die alle landen kunnen gebruiken.

Hogere slagingskans

Het model wordt de komende tijd verder getest, ook in de armere landen. “De eerste stap is om uit te vinden welke specifieke taal en informatie je in een GCF-voorstel moet stoppen om aan de criteria te voldoen en goedgekeurd te worden. Als mensen leren hoe ze Large Language Models kunnen gebruiken, kunnen ze sneller hun eigen voorstellen schrijven met een hogere slagingskans. Je kunt die modellen als het ware trainen om succesvolle GCF-aanvragen te doen”, zegt Chintulga. “Door dit soort technologie te gebruiken die voor iedereen toegankelijk is, hoop ik het technologische gat te overbruggen tussen ontwikkelingslanden en rijkere landen en deze landen in staat te stellen hun projectvoorstellen sneller goedgekeurd te krijgen.”

Maldives
Het GCF helpt eilandstaten zoals de Malediven om zich voor te bereiden op zeespiegelstijging. | Credit: Green Climate Fund

Honderd mensen getraind

Het ABW-instituut is een initiatief van de Amsterdam Business School van de Universiteit van Amsterdam, analytics- en technologiebedrijf ORTEC en professor Dimitris Bertsimas van het Massachusetts Institute of Technology (MIT). Het wil problemen als klimaatverandering, honger, ziekte, armoede, ontbossing en het uitsterven van flora en fauna helpen aanpakken met behulp van betere data en analytics. De afgelopen maanden kregen honderd mensen van 55 non-profitorganisaties een training om datagedreven oplossingen voor problemen te vinden, onder wie dus Odgerel Chintulga. Ze was altijd al geïnteresseerd in data-analyse en hoorde over ABW via haar nicht, die in Amsterdam studeert. Daar diende ze het idee voor haar project in en dat werd goedgekeurd. Haar mentor was data scientist Wouter van Gils. “Zijn mentorschip was de sleutel voor het ontwikkelen van mijn project”, zegt ze.

Lees ook:

Change Inc.

schrijf je in voor de nieuwsbrief

Wil jij iedere ochtend rond 7 uur het laatste nieuws over duurzaamheid ontvangen? Dat kan!

Schrijf je nu in

Nieuws & Verhalen

Changemakers

Bedrijven

Events


Producten & Diensten


Lidmaatschap

Inloggen

Nieuwsbrief & Memberships


Over Change Inc.

Over ons

Waarom Change Inc.

Team

Partnerships & Adverteren

Werken bij Change Inc.

Pers & media

Onze partners

Contact

Start

Artikelen

Changemakers

Bedrijven

Menu