Vom 17. bis 22. Mai findet in Baku, Aserbaidschan, das 13. UN-Weltstädteforum (WUF) statt. Zum zweiten Mal in Folge und zum dritten Mal seit 2020 richtet ein autoritärer Staat UN-Habitats wichtigste Konferenz zur Stadtentwicklung aus. Während Deutschland und andere demokratische Staaten ihre Präsenz auf dem Forum zurückfahren, wächst die Sichtbarkeit autoritärer Staaten. Setzt sich dieser Trend fort, droht die Konferenz zu einer globalen Bühne für autoritären Urbanismus zu werden.

Das letzte WUF im Jahr 2024 war dafür ein Paradebeispiel. Gastgeberland Ägypten nutzte die globale mediale und politische Aufmerksamkeit in Kairo, um sein umstrittenes Projekt einer neuen Hauptstadt zu präsentieren: die mehrere Milliarden US-Dollar teure Planstadt wurde heftig dafür kritisiert vor allem einer kleinen wohlhabenden Minderheit zu dienen, weitgehend unbewohnt zu sein und Investitionen aus Ägyptens bestehenden Städten abzuziehen. Das Magazin „The Economist“ bezeichnete das Projekt pointiert als „Egypt‘s new pyramid scheme“ (übersetzt „Ägyptens neues Schneeballsystem“ – womit auf eine Betrugsmasche angespielt wird).

An städtischen Herausforderungen, die neue Entwicklungsansätze erfordern, mangelt es nicht. In Afrika schreitet die Urbanisierung rasant voran; die städtische Bevölkerung wird sich Prognosen zufolge von 700 Millionen im Jahr 2020 auf 1,4 Milliarden im Jahr 2050 verdoppeln. Weltweit leben noch immer rund eine Milliarde Menschen in informellen Siedlungen, oft ohne ausreichenden Zugang zu sauberem Wasser und sanitären Einrichtungen. Gleichzeitig verursachen Städte über 70 % der globalen Treibhausgasemissionen und spielen damit eine zentrale Rolle im Klimaschutz.

Doch der von vielen Autokratien bevorzugte Planungsansatz – der in ihren WUF-Pavillons deutlich sichtbar wird – scheitert häufig bei der Bewältigung dieser Herausforderungen, vor allem, weil er nicht darauf ausgelegt ist, der Mehrheit der Bevölkerung zugutezukommen. Vielmehr dient dieser Ansatz, den der Politikwissenschaftler James Scott als „autoritären Hochmodernismus“ bezeichnet hat, in der Regel vor allem den Interessen und Fantasien des Regimes, etwa der Festigung politischer Macht und der Ausübung sozialer Kontrolle. Als Ideologie setzt dieser Ansatz auf von oben gesteuerte Masterpläne, die notfalls auch mit Gewalt durchgesetzt werden und von den Lebensrealitäten der Menschen losgelöst sind.

Abgesehen davon, dass dieser Planungsansatz autoritäre Regime stärkt, zeigt sich historisch, dass er städtische Probleme häufig eher verschärft als löst. Der Ansatz geht in der Regel mit einer enormen Verschwendung öffentlicher und privater Ressourcen einher und verursacht meist erhebliche soziale und ökologische Schäden. Prominente Beispiele für gescheiterten autoritären Hochmodernismus sind Planstädte wie etwa Malaysias „Forest City“, Saudi-Arabiens „The Line“ und Abu Dhabis gescheiterte Ökostadt „Masdar City“. Schätzungen zufolge stehen zwei Drittel dieser neuen Stadtprojekte nahezu leer oder sind vollständig unbewohnt und resultieren in sogenannten „Geisterstädten“. Projekte wie diese kommen in erster Linie politischen Eliten, Interessengruppen und Investor*innen zugute – nicht den Bedürfnissen der Stadtbevölkerung oder deren Menschenrechten.

Alternative Stadtentwicklungsmodelle, die auf Stadterneuerung statt Masterpläne, auf Bürger*innenbeteiligung statt Eliteprojekte und auf die Bedürfnisse der Bevölkerung statt auf Regimeinteressen setzen, wirken oft weniger spektakulär. Diese pluralistischen Planungsansätze funktionieren jedoch häufig nicht nur besser, sondern sind auch unerlässlich für den Abbau städtischer Ungleichheit, auch und gerade in informellen Siedlungen.

Daher ist es wichtig, auf Konferenzen wie dem WUF pluralistische Ansätze der Stadtentwicklung sichtbar zu machen. Tausende politische Entscheidungsträger*innen, Investor*innen, Journalist*innen und Vertreter*innen der Zivilgesellschaft kommen bei solchen Veranstaltungen zusammen, um Planungskonzepte der Stadtentwicklung zu beleuchten, zu diskutieren und zu entwerfen. Beim letzten WUF in Kairo bot der deutsche Pavillon eine wichtige Insel demokratischen Diskurses inmitten einer Flut überwiegend autoritärer urbaner Visionen. Er war als öffentliches Forum konzipiert, brachte unterschiedliche Perspektiven und Denkweisen zusammen und ermöglichte somit wichtige inklusive Diskussionen.

In diesem Jahr in Baku wird es jedoch keinen deutschen Pavillon geben. Auch andere Demokratien reduzieren aufgrund von Kürzungen ihrer Entwicklungsprogramme ihre Präsenz auf der Konferenz. Die Abwesenheit dieser Pavillons und Begegnungsräume bedeutet verpasste Gelegenheiten, WUF-Teilnehmenden aus aller Welt demokratischere, pluralistische und nachhaltigere Wege der Stadtentwicklung vorzustellen.

Die in den Pavillons präsentierten Stadtvisionen sind natürlich nur eine Dimension der Veranstaltung. Doch wenn Deutschland und andere Demokratien ihre Partner bei der Bewältigung drängender städtischer Herausforderungen wirksam und zugleich finanziell verantwortungsvoll unterstützen wollen, dürfen sie sich dem globalen Wettbewerb um die Gestaltung der Städte von morgen nicht entziehen. Deutschland sollte daher erwägen, beim nächsten WUF 2028 in Mexiko-Stadt wieder einen Pavillon zu organisieren und gemeinsam mit demokratischen Partnerländern Möglichkeiten auszuloten, dem autoritären Trend entgegenzuwirken. Dies könnte auch bedeuten, selbst in der Zukunft ein Weltstädteforum auszurichten.

Tax expenditures (TEs) are benefits granted through the tax system that lower government revenue and the taxliability of beneficiaries. Governments worldwide use TEs to pursue different policy goals such as attracting investment, boosting innovation and mitigating inequality. At the same time, TEs are costly: according to the Global Tax Expenditures Database (GTED), the worldwide average over the 1990-2023 period is 3.7 percent of GDP and 23.0 percent of tax revenue (Redonda et al., 2025). When ill designed, they can be ineffective in reaching their stated goals. They can also be highly distortive and trigger negative externalities. Yet, despite the fact that TEs have similar effects on public budgets as direct spending programmes, the lack of transparency in the TE field is striking, as only 116 out of 218 jurisdictions have reported on TEs at least once since 1990.1 In addition, the quality, regularity and scope of such reports are highly heterogeneous and, in many cases, do not allow to engage in meaningful discussions on the effectiveness and efficiency of TEs. The Global Tax Expenditures Transparency Index (GTETI) is the first comparative assessment of TE reporting covering jurisdictions worldwide. It provides a systematic framework to rank jurisdictions according to the regularity, quality and scope of their TE reports, and seeks to increase transparency and accountability in the TE field. Note that countries are not scored, ranked or compared on the size of revenue forgone reported, nor on the quality of their TE policy as such. This new version of the Companion Paper introduces the GTETI, outlines the updates made to the index since December 2024, and provides an in-depth explanation of its five dimensions and 25 indicators. It also discusses the rationale, scope, methodology, and assumptions underpinning the GTETI assessment process. The Companion Paper explains the limitations and issues users should bear in mind when consulting the index, which is publicly available free of charge on the Tax Expenditures Lab website, www.taxexpenditures.org.

Agentische KI hält Einzug in die EZ, noch bevor der Sektor die Mittel hat, sie zu steuern. Anders als die bisher genutzten Chatbots handeln agentische Systeme eigenständig: Sie rufen Tools auf und verknüpfen Schritte, um Aufgaben zu lösen. Wenn das OECD-DAC-Governance-Netzwerk diesen Monat über KI berät, stellt sich daher eine schwierige Frage: Wie lässt sich eine derart schnelllebige, zunehmend autonome Technologie einführen und steuern?

Als größter Geber unter den DAC-Ländern sollte Deutschland eine Führungsrolle bei der technologischen Transformation des Entwicklungssektors übernehmen. Das Bundesministerium für wirtschaftliche Zusammenarbeit und Entwicklung (BMZ) könnte eine technische Einheit aufbauen, die mit KI-Tools experimentiert und Rechenschaftsstandards setzt. Dafür braucht es politischen Willen und einen institutionellen Rahmen, der KI als sich stetig verschiebende technologische Grenze begreift.

Der EZ-Sektor ist noch nicht bereit für agentische KI

Das erste Problem ist das enorme Tempo des Wandels. In nur 18 Monaten hat sich die Technologie deutlich gewandelt: von Chatbots, die Informationen abrufen, hin zu Systemen, die Daten generieren und eigenständig mit mehreren Tools arbeiten. Laut AI Index 2025 der Stanford University sanken die Betriebskosten dieser Modelle im selben Zeitraum um mehr als das 280-Fache. Die Hürden für fortschrittliche KI sinken entsprechend. Bei Innovationszyklen von Wochen kommt die EZ mit ihren langen Beschaffungsfristen und der starren Bürokratie kaum hinterher.

Aus dieser Diskrepanz ergibt sich ein Kapazitätsproblem. Entwicklungsorganisationen gelingt es kaum, KI-Innovationen zu verfolgen, eigene Tools zu entwickeln und zugleich Qualifikationslücken zu schließen. Die absehbare Folge: Einzelne Mitarbeitende experimentieren nebenbei, während kleinere Einheiten auf das jeweils günstigste kommerzielle Modell zurückgreifen.

Diese Kapazitätsengpässe haben zwei Folgen. Erstens wird die Skalierbarkeit beeinträchtigt: Laut einer OECD-Übersicht verbleiben die meisten KI-Pilotprojekte in der explorativen Phase. Zweitens führen ad-hoc eingesetzte KI-Anwendungen zu inkompatiblen Standards und Lücken in der Rechenschaftspflicht.

Die größere Hürde sind jedoch die Daten. KI ist nur so leistungsfähig wie die Informationen, auf denen sie beruht. In fragilen Staaten und Gemeinschaften mit eingeschränktem digitalen Zugang – etwa dort, wo viele unterrepräsentierte afrikanische Sprachen in Trainingsdaten kaum vorkommen – können agentische Systeme irreführende Ergebnisse liefern, mit teils gravierenden Folgen für Entwicklungsprogramme.

Das BMZ sollte eine Führungsrolle übernehmen

Das BMZ hat bereits Vorarbeit für sektorale Reformen geleistet. Das BMZ Data Lab hat Datenpipelines und einen ministeriellen Chatbot (KIEZ) entwickelt. FAIR Forward hat gemeinsam mit sieben Partnerländern an offenen KI-Daten gearbeitet und dabei aufschlussreiche Materialien produziert. Der neue Reformplan des BMZ greift KI ebenfalls an drei Stellen auf, darunter die Einrichtung einer neuen Einheit für strategische Vorausschau. Doch versteht er KI weiterhin als Instrument – und nicht als sich verschiebende Grenze, die kontinuierliche institutionelle Beobachtung erfordert.

Das BMZ könnte ein Team aufstellen, welches sektorweite KI-Kompetenz bereithält. Dies wäre eine agile Einheit aus Ingenieur*innen und Entwicklungspraktiker*innen, die Ressourcen verschiedener Akteure bündelt, Protokolle entwickelt und modernste KI-Tools für Geber und Entwicklungsorganisationen testet – für eine sichere und dennoch schnellere Einführung. Ihr Mandat ginge über die interne Unterstützung des Ministeriums hinaus. Es würde mit kürzeren Vertrags- und Beschaffungszyklen arbeiten als im Sektor üblich, mit Klauseln, die eine kontinuierliche Weiterentwicklung der Tools im Zuge des technologischen Fortschritts erlauben. Kleinere Geber und andere Organisationen könnten über Co-Entwicklung, gemeinsame Schulungen und offenen Zugang zu Tools und Protokollen auf dieselben Ressourcen zugreifen.       

Eine solche Einheit würde zwei Probleme zugleich adressieren. Das BMZ würde zu einem zentralen Knotenpunkt für die Bündelung von Ressourcen und den Aufbau gemeinsamer Kapazitäten im Sektor. Zugleich könnte es sektorspezifische Standards für algorithmische Rechenschaftspflicht entwickeln – etwa verpflichtende Prüfpfade für Entscheidungen in jedem agentischen KI-System. Diese Instrumente wiederum würden das BMZ stärken, indem sie die normativen Debatten über den Einsatz von KI in der EZ weltweit aktiv mitgestalten.

Dieselbe Einheit könnte auch das Datenproblem aufgreifen. Sie könnte Leitlinien für „Datenbereitschaftsbewertungen“ entwickeln – als Standardvoraussetzung für jede KI-gestützte Programmierung (vergleichbar mit Umweltverträglichkeitsprüfungen). Zudem könnte sie dazu beitragen, über Jahrzehnte gewachsenes institutionelles Erfahrungswissen des Sektors in öffentlich zugängliches, KI-gestütztes und handlungsorientiertes Wissen zu überführen (über KIEZ hinaus). Dieses könnte erstens digital benachteiligten Gemeinschaften mehr Sichtbarkeit verschaffen und zweitens Fachkräfte weltweit stärken. Statt eines 100-seitigen, statischen PDF-Toolkits wäre ein interaktives System denkbar, in dem Anwender*innen fragen können: „Was hat in ähnlichen Kontexten wie meinem funktioniert?“ und das daraufhin synthetisierte, quellenbasierte Antworten liefert. 

Deutschland sollte dieses enge Zeitfenster nicht verpassen, um zur führenden Stimme der KI-Transformation in der EZ zu werden.

KI ist für die Entwicklungszusammenarbeit (EZ) sowohl Herausforderung als auch Chance. In dieser Kolumne geht es um die Frage, wie Entwicklungsorganisationen KI nutzen können, um lernende Organisationen zu werden. Ob dies gelingt, hängt davon ab, wie KI-gestützte Analyse- und Lernprozesse in Organisationen verankert sind. Aus den Erfahrungen der 2025 geschlossenen US-Entwicklungsagentur USAID lassen sich Lehren für den Einsatz von KI in der EZ ziehen – und wo dieser an Grenzen stößt.

USAIDs vorzeitig beendete KI-Lerninitiative

Nach vielen Jahren als Mitarbeiterin verließ die Ko-Autorin USAID im Jahr 2021, um zu untersuchen, wie Entwicklungsorganisationen systematischer aus ihren eigenen Erfahrungen lernen können. Dies führte zur Entwicklung des Development Evidence Large Language Model (DELLM), eines speziell für die EZ entwickelten KI-Systems. USAID wurde einer der ersten Kunden. Um DELLM zu trainieren, annotierten und labelten Expert*innen zunächst manuell Textsegmente aus rund 100.000 USAID-Evaluierungsberichten aus über 60 Jahren. In einem zunehmend automatisierten aber von Expert*innen überwachten Prozess lernte das Modell, diese Berichte zu „lesen“ und zwischen Sektoren, Kooperationsansätzen, Ergebnissen sowie positiven und negativen Lehren zu unterscheiden.

Nach Abschluss des Trainings konnten die USAID-Mitarbeitenden das institutionelle Wissen der Organisation erstmals systematisch nutzen. DELLM konnte sowohl für die operative Planung als auch für das organisationale Lernen eingesetzt werden. Im Hinblick auf die operative Planung waren die Mitarbeiter*innen nun in der Lage, innerhalb weniger Minuten auf themenspezifische und regionale Erkenntnisse aus über sechs Jahrzehnten zuzugreifen. Zuvor hätte jede dieser Abfragen lange Recherchen erfordert und hohe Kosten verursacht. Aufgrund der plötzlichen Schließung von USAID konnte das Modell jedoch nicht mehr für das organisationale Lernen eingesetzt werden. Solange die Evaluierungsberichte noch intern zugänglich waren, wurde DELLM stattdessen genutzt, um zentrale Erkenntnisse zu sichern. Diese Auswertung der übergreifenden Erfolgsfaktoren von USAID-Maßnahmen liefert für sich genommen bereits aufschlussreiche Ergebnisse. Zugleich verdeutlichen sie, warum KI-gestützte Erkenntnisse nicht automatisch zu organisationalem Lernen führen.

Erfolgsfaktoren der Entwicklungszusammenarbeit

Die Suche nach den übergeordneten Erfolgsfaktoren der Entwicklungsmaßnahmen von USAID brachte folgende Erkenntnisse: (1) Entscheidungen sollten möglichst dezentral dort getroffen werden, wo die Umsetzung erfolgt, um rasches Feedback aus der Praxis zu erhalten und Kurskorrekturen vornehmen zu können. (2) Reformen sollten praxisorientiert sein, das heißt auf bestehenden Systemen aufbauen und darauf abzielen, diese weiterzuentwickeln. (3) Wirksame Lösungen sollten rasch vor Ort verankert werden, damit sie auch nach Auslaufen der Finanzierung fortwirken. (4) Reformprozesse sollten von lokalen Akteuren geleitet werden, anstatt diese lediglich beratend einzubinden. Schließlich ist (5) die Zusammenarbeit mit der mittleren Ebene entscheidend – also mit Partnern, die für die praktische Umsetzung der Maßnahmen verantwortlich sind. Welche Schlüsse lassen sich aus diesen Erkenntnissen über das Potenzial und die Grenzen von KI-gestütztem organisationalem Lernen in der EZ ziehen?

Für Entwicklungsexpert*innen sind diese Erfolgsfaktoren nicht neu. Dennoch werden darauf basierende, neue Ansätze der EZ, wie etwa Ansätze adaptiver EZ, nur selten genutzt. Obwohl sie auch in der deutschen EZ bereits erfolgreich umgesetzt wurden, bleiben sie Ausnahmen. Mangelndes organisationales Lernen hat neben der Orientierung der EZ an nationalen Interessen mit einem starken Fokus auf systemimmanente Rechenschaftsbeziehungen zu tun. Es wird aber auch durch die Strukturen und Anreize innerhalb von Entwicklungsorganisationen gebremst. Organisationales Lernen kann erst gelingen, wenn evidenzbasiertes Arbeiten gefördert wird, generalistische Karrierewege durch Fachlaufbahnen ergänzt werden, Ziele und Defizite offen diskutiert werden und die Organisationskultur all dies unterstützt.

Verankerung KI-gestützten Lernens für Entwicklung

KI hat das Potenzial, einen umfassenden, intuitiven und bedarfsgerechten Zugang zum institutionellen Wissen von Organisationen zu ermöglichen. Dies ist insbesondere für die operative Planung von großem Nutzen. Im Hinblick auf organisationales Lernen und entsprechende Reformen sollten jedoch die Besonderheiten von KI sowie die notwendigen Rahmenbedingungen berücksichtigt werden. Erstens gilt, wie bei allen KI-Tools, dass die Qualität ihrer Ergebnisse nur so gut ist wie die Qualität der zugrunde liegenden Daten und des Trainings. Zweitens müssen Erkenntnisse, um in organisationales Lernen überführt zu werden, in eine offene, selbstkritische und evidenzbasierte Organisationskultur eingebettet sein. Drittens gilt: Auch wenn KI-gestützte Erkenntnisse nicht vollständig neu sind, können sie in Verbindung mit anderen Wissensquellen, etwa der Entwicklungsforschung, dazu dienen, bestehendes Wissen zu überprüfen und zu ergänzen. In einem solchen förderlichen organisationalen Umfeld kann KI somit ein wichtiges Instrument unter anderen sein, um lernende Entwicklungsorganisationen hervorzubringen und die Effektivität und Effizienz der EZ zu steigern.

Dr. Michael Roll ist Soziologe und wissenschaftlicher Mitarbeiterin der Abteilung “Transformation of Political (Dis-) Order” des German Institute of Development and Sustainability (IDOS) in Bonn.

Lindsey Moore ist Geschäftsführerin und Gründerin von DevelopMetrics sowie außerordentliche Professorin für KI und Politik an der Georgetown University. Ihre Arbeit konzentriert sich auf verantwortungsvolle künstliche Intelligenz, Evidenzsynthese und Wissensmanagement im Bereich der internationalen Entwicklung.

Die Bereitstellung von Entwicklungsfinanzierung stützt sich in erster Linie auf zwei Säulen: erstens auf menschliches und organisatorisches Fachwissen und zweitens auf Finanzströme, die über vertrauenswürdige Organisationen vermittelt werden. Heute stehen gleich beide Säulen unter dem Druck disruptiver Innovationen: Das Fachwissen wird durch KI grundlegend umgestaltet, die Finanzströme durch blockchainbasierte Zahlungs- und Smart-Contract-Lösungen.

Traditionell stützt sich die Entwicklungsfinanzierung auf das Fachwissen von Expert*innen in Entwicklungsbanken, internationalen Organisationen, Ministerien und von anderen lokalen Partnern, die Projekte entwerfen und bewerten, Risiken einschätzen sowie Know-how und Kapital auf Grundlage gesammelten Wissens und (oft lückenhafter) Daten zuweisen.

KI-Systeme können durch die Verarbeitung riesiger Datensätze, die von Satellitenbildern bis hin zu Echtzeit-Wirtschaftsindikatoren reichen, Erkenntnisse schneller und umfassender als Menschen generieren. Für Entwicklungsfinanzierungsinstitute (DFIs) bedeutet dies sowohl eine Chance als auch eine Herausforderung: Sie müssen den Übergang von Wissensspeichern hin zu Koordinatoren KI-gestützter Wissenssysteme vollziehen.

Die zweite Säule der Entwicklungsfinanzierung, nämlich die Finanzströme, durchläuft einen ebenso tiefgreifenden Wandel. Bislang wurden Kapitalströme in der Entwicklungsfinanzierung größtenteils über zentrale Institutionen abgewickelt. Die Blockchain-Technologie bricht mit diesem Paradigma, indem sie dezentrale, transparente und unveränderliche Finanzinfrastrukturen ermöglicht. Mithilfe von Smart Contracts können Mittel automatisch ausgezahlt werden, sobald vordefinierte Bedingungen erfüllt sind.

Der tiefgreifendste Wandel ergibt sich aus dem Zusammenspiel dieser beiden Umbrüche. KI verändert die Entscheidungsfindung, Blockchain ihre Umsetzung. Zusammen schaffen sie ein neues Paradigma der Entwicklungsfinanzierung, in dem Kapitalzuweisung und -auszahlung – wenn die richtigen Kontroll- und Aufsichtsmechanismen vorhanden sind – automatisiert, datengesteuert und überprüfbar werden.

Vom Pilotprojekt zur Skalierung: bewährte Verfahren rund um den Globus

Äußerst erfolgreiche Pilotprojekte auf der ganzen Welt geben einen Einblick in diese nahe Zukunft: So testet die brasilianische Zentralbank beispielsweise tokenisierte Dekarbonisierungszertifikate. Wenn Satellitendaten eine Verringerung der CO₂-Emissionen bestätigen, werden diese automatisch an Kleinbäuer*innen ausgezahlt.

In Syrien hat die deutsche Entwicklungszusammenarbeit eine erfolgreiche Pilotinitiative zur Digitalisierung der Gehaltszahlungen für Beschäftigte im Gesundheitswesen gestartet. Jahrelange politische Instabilität hat das Bankensystem des Landes erheblich geschwächt. Herkömmliche Überweisungsmethoden sind häufig mit Korruptionsrisiken, aufwändigen Verwaltungsabläufen, langen Verzögerungen und hohen Transaktionskosten verbunden. Zahlungen an mehr als 900 Gesundheitsfachkräfte über eine stabile digitale Währung haben sich als hocheffiziente Alternative erwiesen. Darüber hinaus hat das UNHCR zwischen 2022 und 2025 rund 240.000 Menschen, die zur Flucht gezwungen waren, mit blockchainbasierten Zahlungen unterstützt und damit die Geschwindigkeit, Effizienz und Transparenz der Hilfslieferungen erhöht.

Wie sich Entwicklungsfinanzierungsinstitute anpassen können

Entscheidend ist, dass die doppelte Disruption die Bedeutung der Entwicklungsfinanzierungsinstitute nicht schmälert, sondern vielmehr erhöht. DFIs müssen Daten verwalten, Nachvollziehbarkeit gewährleisten und die dezentralen Systeme regulieren. Dies wird die Architektur der Entwicklungsfinanzierung grundlegend verändern.

Vor diesem Hintergrund lassen sich drei Beobachtungen anstellen. Was die Organisationsgestaltung betrifft, werden sich DFIs zu plattformbasierten Koordinatoren entwickeln, die Datenökosysteme, Stakeholder- und Partnermanagement sowie Infrastrukturen der dezentralen Finanzwirtschaft miteinander verbinden. Zweitens wird sich das Personalmanagement in DFIs voraussichtlich auf ein neues Kompetenzprofil ausrichten, das (i) KI für Routinetätigkeiten, (ii) menschliche Erfahrung für komplexe Entscheidungsprozesse und (iii) multidisziplinäre Vernetzungskompetenz verbindet. Drittens werden DFIs verstärkt in Partnerschaftsökosysteme investieren und sich zunehmend zu Plattform-Hubs entwickeln, um gemeinsam mit Technologieunternehmen und Datenanbietern Lösungen zu erarbeiten.

Zusammenfassend lässt sich sagen, dass die Entwicklungsfinanzierung in eine neue Ära eintritt, die von einem doppelten Umbruch geprägt ist, und dies ist natürlich mit Risiken verbunden. Um nur einige zu nennen: KI kann Vorurteile reproduzieren und halluzinieren. Dies macht eine menschenzentrierte KI (oder Augmented Intelligence) umso wichtiger. Bei der Bewertung jeder Blockchain-Lösung (z. B. Kryptowährungen, Stablecoins, digitale Zentralbankwährungen oder Smart Contracts) ist es unerlässlich, die gesamte Entstehungs- und Governance-Kette genau zu betrachten: Wer hat das Protokoll entworfen und entwickelt, wer gibt die darauf aufbauenden Vermögenswerte aus, wer betreibt und wartet das Netzwerk, welche externen Effekte (z. B. Energieverbrauch) entstehen und letztlich, wer nutzt es?

Trotz aller Risiken überwiegt aus unserer Sicht die Chance: Die doppelte Disruption verspricht erhebliche Effizienz- und Transparenzgewinne – wenn wir sie gut vorbereiten.

Prof. Dr. Clara Brandi ist Abteilungsleiterin am German Institute of Development and Sustainability (IDOS) und Professorin für Internationale Wirtschaft/Entwicklungsökonomie an der Universität Bonn.

Dr. Max Büge ist ein führender Experte für KI und Blockchain im Finanzwesen. Bei der GIZ leitet er ein internationales Projekt zum Thema digitale Finanzen für Nachhaltigkeit.

Die geäußerten Meinungen sind die der Autor*innen und spiegeln nicht unbedingt die ihrer Organisationen wider.