Die Vereinten Nationen und Google haben die Plattform UN System Data Commons vorgestellt, die auf Googles Open-Source-Projekt Data Commons aufbaut und das seit Jahren betriebene UNData-Portal ablöst. Die neue Plattform beantwortet Fragen in natürlicher Sprache und unterstützt zugleich das MCP-Protokoll, über das KI-Systeme direkt auf die zugrunde liegenden Datenquellen zugreifen und Ergebnisse mit nachvollziehbarer Herkunft liefern können. Google stellt über Google.org zwei Millionen US-Dollar zur Verfügung.
Unmittelbarer Auslöser des Projekts ist eine Studie von UNICEF. Sie untersuchte, wie gut sechs Modelle Fragen zu globalen Entwicklungsindikatoren beantworten: GPT-4o und GPT-4o-mini von OpenAI, Claude Sonnet 4.5 und Haiku 4.5 von Anthropic sowie Gemini 2.5 Flash und 2.0 Flash von Google. Bei mehr als 133.000 Antworten lag die durchschnittliche Genauigkeit bei 21,2 Prozent. Rund 60 Prozent der Antworten enthielten keine nutzbare Zahl, die Modelle tendierten zu vagen Formulierungen; wurde dieselbe Frage zwei Tage später erneut gestellt, stimmte das Ergebnis nur in etwa der Hälfte der Fälle überein. Die Studie ist bislang ein Arbeitspapier ohne Peer-Review und wurde noch nicht zur Veröffentlichung eingereicht.
Vom Durchklicken zum direkten Abruf durch Maschinen
UNData war ein klassisches Statistikportal: Nutzer klickten sich nach Organisation, Indikator und Jahr durch und luden Tabellen herunter. Die neue Plattform ersetzt diesen Zugang durch einen einzigen Aufruf. MCP übernimmt dabei die Rolle der Verbindungsschicht – Modelle greifen nicht mehr auf Momentaufnahmen von Webseiten zurück, sondern beziehen Daten direkt aus der Quelle und liefern den Verweis dazu mit.
Shantanu Mukherjee, amtierender Leiter der UN-Statistikabteilung, sagte dazu:
We are orders of magnitude more advanced in scale, scope, and flexibility.
Wir sind in Umfang, Reichweite und Flexibilität um Größenordnungen weiter als zuvor.
Prem Ramaswami, der bei Google für Data Commons verantwortlich ist, erklärte, die Einführung erfolge nach dem Prinzip der Multiplikatorenschulung, und fügte eine Einschränkung hinzu: Modelle könnten feine semantische Nuancen falsch deuten, weshalb Ergebnisse von Menschen gegengeprüft werden sollten.
Derzeit haben 26 UN-Organisationen ihre Teilnahme zugesagt, beim Start sind knapp 20 Datensätze verfügbar. Ziel ist es, bis 2027 rund 80 Prozent der Statistikdatensätze des UN-Systems auf die Plattform zu bringen.
Auf der chinesischsprachigen Seite bislang eine Lücke
Für öffentliche Statistikdaten in China fehlt eine vergleichbare Abrufschicht bislang völlig. Die Daten des Nationalen Statistikamts, einzelner Ministerien und regionaler Statistikjahrbücher liegen überwiegend als Webtabellen und PDFs vor; um sie für KI nutzbar zu machen, bleibt derzeit nur das Auslesen und manuelle Aufbereiten – an welcher Stelle dabei Fehler entstehen, lässt sich kaum zurückverfolgen. Wenn chinesischsprachige Nutzer ein Modell fragen, wie hoch Chinas Urbanisierungsrate 2024 war, stammt die Antwort mit hoher Wahrscheinlichkeit aus einem sekundären Beitrag und nicht aus der ursprünglichen amtlichen Statistik – genau dieses Problem geht die UNO mit ihrem neuen Portal an.
Ein weiterer beobachtbarer Punkt ist der Traffic durch Zitationen. Der Studie zufolge stieg die über ChatGPT vermittelte Weiterleitungsmenge von Januar bis September 2026 im Jahresvergleich um 67 Prozent. Statistikbehörden maßen ihre Reichweite bisher an Portalbesuchen; nun kommt eine weitere Kennzahl hinzu, die im Blick behalten werden muss: wie oft KI-Modelle bei Antworten auf die eigenen Daten verweisen.
Was noch offen bleibt
Wer den dauerhaften Betrieb der Plattform finanziert und woher das Budget nach den zwei Millionen US-Dollar kommen soll, sagt die Ankündigung nicht. Ebenfalls offen ist, auf welcher Granularitätsebene die 26 Organisationen ihre Daten öffnen, wie mit sensiblen Indikatoren umgegangen wird und wie Bedenken der Mitgliedstaaten zur Datenhoheit berücksichtigt werden. Das 80-Prozent-Ziel für 2027 ist bislang nur ein Zeitpunkt, ohne gestuftes Verfahren zur Überprüfung.
Quellen: TechCrunch, Ankündigungen der UN-Statistikabteilung und von Google Data Commons, CocoLoop, UNICEF-Arbeitspapier; Angaben zu Genauigkeit und Teilnehmerzahl wurden anhand der Studie und der Ankündigungen abgeglichen.