Wie wird Afrika KI nutzen?

Die Stunde der KI schlägt unter ungewöhnlich komprimierten Bedingungen. Die weltweiten Investitionen in KI-Technologien bewegen sich mittlerweile im Bereich von Billionen Dollar, doch erste Anzeichen deuten darauf hin, dass die Renditen stark auf eine kleine Zahl von Unternehmen und Regionen konzentriert sind. Viele Projekte werden nie kommerziell rentabel. Die Kluft zwischen technischem Versprechen und wirtschaftlicher Nachhaltigkeit wird so immer größer.

Wer auch die früheren Technologiezyklen miterlebt hat, etwa die Dotcom-Ära, dem dürfte folgende Erkenntnis bekannt vorkommen: Ein Hype bricht nicht plötzlich in sich zusammen, sondern zerbröckelt Stück für Stück. Wirklich gute Ideen überstehen solche Brüche, kapitalintensive Illusionen hingegen nicht. 

Im Fall Afrikas wird die Debatte häufig so geführt, als ginge es darum, ob der Kontinent eigene KI-Technologien „baut“. Die eigentliche Frage lautet jedoch, ob der Kontinent eigene KI-Technologien besitzen oder lediglich nutzen wird. Zwei gegensätzliche Visionen prägen angesichts dessen derzeit die Vorstellung davon, wie Afrikas KI-Zukunft aussehen wird. Sie unterscheiden sich nicht nur hinsichtlich der Kosten und Zeithorizonte, sondern auch in der Frage, wer profitiert, wie Risiken gehandhabt werden und ob daraus abermals Abhängigkeiten oder neue Handlungsspielräume entstehen. 

Die eine Vision setzt auf den Aufbau eigener Infrastruktur: Rechenzentren, souveräne Cloud-Systeme und eigene Rechenkapazitäten, wie in den fortgeschrittenen Volkswirtschaften. Die andere setzt darauf, im Sinne des sogenannten „Leapfrogging“ einige klassische Entwicklungsschritte zu überspringen und direkt spezialisierte, kontextbezogene KI-Systeme zu entwickeln, die reale Probleme lösen und mit vergleichsweise geringer Infrastruktur weltweit eingesetzt werden können.

Vision eins: Nachbau von Infrastruktur

In vielen Teilen Afrikas treiben Regierungen und Institutionen Pläne voran, in nationale KI-Infrastruktur zu investieren. Dazu gehören etwa lokale Rechenzentren, souveräne Cloud-Plattformen und die Entwicklung eigener großer Modelle. Solche infrastrukturorientierte Ansätze erscheinen Entscheidungsträger*innen attraktiv, weil sie angesichts der strategischen Bedeutung von Informationen Hoheit über die eigenen Daten versprechen, die Abhängigkeit von ausländischen Plattformen verringern und so einen geopolitischen Anspruch signalisieren.

Diese Logik erinnert an frühere Entwicklungsphasen: So wie die Industrialisierung Kraftwerke und Verkehrsnetze erforderte, wird nun angenommen, dass die Wettbewerbsfähigkeit im KI-Bereich den Besitz grundlegender Infrastruktur voraussetzt. In kapitalarmen Regionen gelten solche sichtbaren Investitionen auch als Beweis dafür, dass der Staat entschlossen handelt.

Diese Vision entbehrt nicht einer gewissen politischen Logik, weist aber strukturelle Schwächen auf. KI-Infrastruktur ist kapitalintensiv und technologisch sehr schnelllebig. Rechenzentren erfordern nicht nur Milliardeninvestitionen, sondern auch eine zuverlässige Stromversorgung, Kühlung, Wasser und langfristige Betriebskapazitäten. Gleichzeitig verlieren Hardware und Modellstrukturen rasch an Wert. Was heute strategisch sinnvoll erscheint, kann innerhalb weniger Jahre veraltet sein.

Grundsätzlich bringt der Nachbau von Infrastruktur afrikanische Staaten in direkte Konkurrenz zu globalen sogenannten Hyperscalern, mit denen sie nur schwer mithalten können. Öffentliches Kapital, das in solche festen Vermögenswerte gesteckt wird, fehlt dann an anderer Stelle für den Aufbau von Märkten, die Ausbildung von Personal oder die Entwicklung eigener Anwendungen. Massiv in infrastrukturelle Grundlagen zu investieren, kann sich als strategisch falsch herausstellen, wenn sich die tatsächliche Wertschöpfung eher in Richtung konkreter Anwendungen, Datenrechte und spezialisierter KI verlagert.

Vision zwei: „Leapfrogging“ bei Anwendungen

Die andere Vision hat sich aus der Beobachtung heraus entwickelt, wie im Bereich von KI-Technologien überhaupt Wert geschaffen wird. Statt auf Größe und Infrastruktur zu setzen, betont dieser Ansatz Spezialisierung, Geschwindigkeit und Exportfähigkeit. Die globale KI-Wirtschaft entfernt sich zunehmend von der Annahme, dass größere Modelle automatisch besser sind. Wertschöpfung entsteht immer häufiger durch kleinere, spezialisierte Systeme: etwa bereichsspezifische Sprachmodelle, Entscheidungstools und hybride KI-Werkzeuge, die Daten mit Regeln und menschlicher Kontrolle zusammenführen. Solche Systeme sind günstiger zu trainieren, schneller verfügbar und leichter auf verschiedene Märkte anzupassen.

Der Kostenunterschied ist erheblich. Große Modelle erfordern Rechenleistungen im zwei- oder dreistelligen Millionenbereich. Im Gegensatz dazu hat ein KI-Team auf Mauritius kürzlich ein Modell für weniger als einen Dollar pro Durchlauf auf einer standardmäßigen Cloud-Infrastruktur trainiert und getestet. Kapitalarme Entwicklungen sind also zunehmend auch außerhalb des Wettrüstens im Silicon Valley möglich. Solche Modelle sind zwar nicht so umfangreich wie jene großer Anbieter; sie eignen sich jedoch besonders für Schwellenländer wegen der Möglichkeit, sie schnell anzupassen und auch auf begrenzter Infrastruktur laufen zu lassen.

Afrikas Komplexität erfordert KI-Systeme, die auch unter begrenzten und schwierigen Bedingungen funktionieren. Dazu gehören etwa eine fragmentierte Logistik, informelle Wirtschaftszweige, mehrsprachige Gesellschaften und ungleich entwickelte Infrastruktur. Lösungen, die für diese Bedingungen entwickelt wurden, sind oft besonders robust. Entscheidend ist, dass sie auf andere Regionen im Globalen Süden mit ähnlichen Herausforderungen übertragbar sind.

Bereits jetzt zeigen afrikanische KI-Unternehmen, wie das gelingen kann. Einige exportieren etwa Systeme zur Entscheidungsoptimierung in der Logistik- und Fertigungsbranche, andere entwickeln Klimaanalysen mit nur wenig verfügbaren Daten, und wieder andere arbeiten an Sprachtechnologien für unterrepräsentierte Sprachen. Diese Firmen exportieren weder Hardware noch Rohdaten. Sie exportieren Informationstechnologie – also Modelle, Schnittstellen und Entscheidungshilfen, die afrikanisches Problemlösungs-Know-how enthalten. 

Diese Art von Leapfrogging passt auch besser zu Prioritäten im Entwicklungskontext. Spezialisierte KI-Systeme können über Mobiltelefone und Netzwerke mit geringer Bandbreite in lokalen Sprachen bereitgestellt werden und so auch Menschen mit begrenzten Lese- und Schreibkenntnissen unterstützen. Kleine Sprachmodelle senken außerdem die infrastrukturellen Hürden für ihre Nutzung erheblich, unter anderem, weil sie keine permanente Verbindung zu großen Rechenzentren benötigen. Hier ist Inklusion also von vornherein Teil des Designs.

Wirtschaftliche Anwendbarkeit statt teurer Infrastruktur

Das nur begrenzt vorhandene Kapital zwingt afrikanische Regierungen zu einer Entscheidung. Sie sollten bedenken: Aus Sicht der Kapitalallokation bergen KI-Strategien, die einen jahrelangen Aufbau von Infrastruktur erfordern, bevor einsetzbare Anwendungen entstehen, erhebliche Nachteile. Es geht hier um die Frage, ob das knappe Kapital sich vermehrt oder ob es in Vermögenswerten gebunden ist, die wenig vorhersehbare und allenfalls späte Erträge abwerfen.

Im Laufe meiner Arbeit als KI-Investor in verschiedenen Regionen hat sich eine Regel immer wieder bestätigt: Wenn ein System nicht innerhalb von zwölf Monaten eine nennenswerte Zahl an Nutzer*innen erreicht und nicht innerhalb von 18 Monaten auf andere Märkte übertragen werden kann, ist es nicht Teil einer Exportindustrie, sondern gilt als Pilotprojekt. Hinter dieser Einsicht steht ein Marktmechanismus: Kapital fließt eher in Modelle, die ihren Nutzen und ihre Skalierbarkeit frühzeitig unter Beweis stellen, als in solche, die erst nach einem langwierigen Ausbau der Infrastruktur validiert werden können.

Diese Logik gilt nicht nur für Investor*innen, sondern auch für staatliche Institutionen. Auf Märkten mit begrenzten Ressourcen und eingeschränkter Infrastruktur entsteht ein nachhaltiger Wettbewerbsvorteil durch Spezialisierung, schnelle Iteration und übertragbare Lösungsansätze. Deshalb sollten KI-Strategien nicht nur anhand ihrer Ambitionen beurteilt werden, sondern auch danach, wie schnell sie Feedback aus der Praxis und wirtschaftliche Ergebnisse liefern. In Volkswirtschaften mit wenig Kapital sind KI-Strategien, die Milliardeninvestitionen erfordern, bevor Wertschöpfung entsteht, also weniger eine echte Strategie, sondern vor allem ein Risiko.

Was bereits funktioniert

Es gibt bereits afrikanische KI-Unternehmen, bei denen solche anwendungsorientierten Strategien funktionieren. InstaDeep zum Beispiel: Das tunesische Unternehmen hat weltweit eingesetzte Systeme zur Entscheidungsoptimierung entwickelt, bevor es für 682 Millionen Dollar von einem großen Biotechnologieunternehmen aufgekauft wurde. Amini AI aus Kenia erzeugt Klimaanalysen durch die Kombination lokaler Daten mit Satellitendaten. Lelapa AI entwickelt Sprachtechnologien für unterrepräsentierte afrikanische Sprachen. Und DataProphet aus Südafrika nutzt KI, um industrielle Produktionsprozesse für internationale Kunden zu optimieren.

Beispiele wie diese zeigen einen strukturellen Wandel: Afrikas Wettbewerbsvorteil in der KI-Branche liegt nicht im Besitz von Infrastruktur, sondern im Export intelligenter Lösungen. Diese Unternehmen haben sich international durchgesetzt, ohne eigene Rechenzentren zu betreiben. Sie senden auch ein wichtiges Signal an die Kapitalmärkte: Selbst mit bescheidenem Kapital lassen sich global wettbewerbsfähige Ergebnisse erzielen, wenn Lösungen genau auf die realen Rahmenbedingungen zugeschnitten sind. Gemeinsam ist den genannten Firmen eine begrenzte Infrastruktur, fundiertes Fachwissen und Know-how, das sich auf andere Kontexte übertragen lässt.

Wenn der Entwicklungssprung mit KI-Anwendungen erfolgreich sein soll, muss er bewusst politisch gelenkt werden. Drei Sofortmaßnahmen könnten eine anwendungsorientierte KI-Strategie Afrikas beschleunigen: Erstens sollten afrikanische Regierungen und Entwicklungsfinanzierer den Schwerpunkt auf Investitionen in KI-Anwendungen und deren Einsatz legen, statt KI-Infrastruktur zu finanzieren. Zweitens sollten sie panafrikanische Datenstandards etablieren, die Innovationen fördern und zugleich verhindern, dass Daten lediglich abfließen. Die entsprechende Initiative der Afrikanischen Union bildet hierfür eine gute Grundlage, muss jedoch schneller umgesetzt und verbindlicher gestaltet werden. Drittens sollten afrikanische KI-Initiativen nicht nur nach ihrer lokalen Wirkung bewertet werden, sondern auch danach, ob sie sich auch auf andere Märkte des Globalen Südens exportieren lassen.

Neokoloniale Strukturen vermeiden

Egal, welchen Weg die afrikanischen Regierungen und die lokale KI-Industrie einschlagen – kein afrikanisches Kind sollte in Minen arbeiten müssen, um dort Rohstoffe für die Chips und Batterien großer KI-Konzerne zu gewinnen. Kein*e afrikanische*r Arbeiter*in sollte unter äußerst prekären Bedingungen jene seltenen Erden abbauen, ohne die technologischer Fortschritt unmöglich wäre. Und kein*e Einwohner*in der Demokratischen Republik Kongo oder anderswo sollte unter der massiven Umweltverschmutzung leiden, die durch den Rohstoffabbau verursacht wird.

Gleichzeitig müssen wir verhindern, dass Afrika zu einer Datenkolonie wird. In der heutigen KI-Wirtschaft profitieren vor allem jene Unternehmen, die Plattformen, Kapital und geistiges Eigentum kontrollieren – und die meisten von ihnen haben ihren Sitz außerhalb von Afrika. So fließen die Daten afrikanischer KI-Nutzer*innen ab, während andere die Einnahmen abschöpfen und über die Entscheidungsgewalt verfügen. Darüber hinaus interpretieren Systeme, die überwiegend auf westlichen Datensätzen trainiert wurden, afrikanische Sprachen, soziale Normen und Verhaltensweisen oft falsch.

Diese Ausbeutung muss ein Ende haben. Afrika muss seine eigene KI-Entwicklung so weit wie möglich selbst gestalten. Ein großes Hindernis ist dabei der Mangel an Basisinfrastruktur: Eine zuverlässige Stromversorgung, eine Internetverbindung und moderne Geräte sind Voraussetzungen, die auf dem afrikanischen Kontinent nach wie vor sehr ungleich verteilt sind. Sind Maßnahmen schlecht konzipiert, bergen sie sogar die Gefahr, die digitale Kluft zu vertiefen, indem sie städtischen Eliten zugutekommen, während andere digital unsichtbar bleiben.

All diese Nachteile sprechen nicht gegen den Einsatz von KI an sich, wohl aber gegen die kapitalintensiven, undurchsichtigen und ausbeuterischen Modelle, die die aktuelle KI-Wirtschaft dominieren. Afrikanische Regierungen und KI-Institutionen sollten sicherstellen, dass sie ihren Teil zur Gestaltung einer neuen KI-Ära beitragen.

Roger B. Jantio ist KI-Investor und strategischer Berater. Er ist Gründer und CEO der Investmentfirma Sterling Merchant Finance und der damit verbundenen Investmentfonds sowie Absolvent der Harvard Business School. 
rjantio@sterlingus.com