Ernährungssicherheit, Handel mit Grundnahrungsmitteln und Geographic Targeting: Eine Untersuchung am Fallbeispiel Tansania

Kurzfassung/Abstract

In Anbetracht der gesundheitlichen, sozialen und ökonomischen Auswirkungen von Unterernährung, deren Ausmaß insbesondere in vielen Ländern Subsahara-Afrikas zuletzt zugenommen hat, stellt die Ernährungssicherung eine zentrale Herausforderung einer nachhaltigen Entwicklung dar. Mithilfe von Ansätzen aus der Wohlfahrtsökonomie (unter anderem der Maximin Social Welfare Function nach John Rawls) wird hier zunächst theoretisch hergeleitet, wie sozial orientierte Unternehmen im Bereich des Handels mit Grundnahrungsmitteln durch eine räumliche Fokussierung auf diejenigen Gebiete mit der gravierendsten Ernährungssituation den Wohlfahrtseffekt ihrer Handelsaktivitäten und somit ihren Beitrag zur Ernährungssicherheit maximieren können. Um ein solches Geographic Targeting im Fallbeispiel Tansania realisieren zu können, wird durch eine Anwendung der statistischen Methoden der Small Area Estimation untersucht, wie sich die Ernährungssituation auf kleinräumiger Ebene (Distrikte) darstellt, wofür die Datensätze des Demographic and Health Survey von 2015/2016 und des Zensus von 2012 kombiniert und ausgewertet werden. Damit der Nahrungsmittelhandel im Sinne eines möglichst großen gesellschaftlichen Wohlfahrtsgewinns dem Werturteil von John Rawls näherungsweise entsprechen kann, wird für die Betrachtung der Squared Malnutrition Gap im Gegensatz zur häufig verwendeten Stunting Prevalence bei der Identifizierung der Gebiete mit der kritischsten Ernährungslage argumentiert. Im Ergebnis besteht demnach in der im Westen Tansanias gelegenen Region Rukwa der größte Bedarf an zusätzlichen Lebensmitteln. Ferner sind auch Distrikte in den Regionen Njombe, Ruvuma, Mtwara und Kagera stark von Unterernährung betroffen. Die Methodik wird insgesamt als vielversprechend für ein Geographic Targeting im Rahmen politischer Programme sowie privatwirtschaftlicher Aktivitäten beurteilt, allerdings kann die Anwendbarkeit durch begrenzt verfügbare Datengrundlagen oder uneinheitliche Standards bei der Datenerhebung eingeschränkt werden.