Precrime

Predictive Policing-Software soll der Polizei dabei helfen, Straftaten schneller aufzuklären oder sogar zu verhindern. Auf den ersten Blick klingt das vielversprechend, doch in der Praxis ist diese Art der Kriminalitätsbekämpfung heiß umstritten. Wenn das Stichwort "Predictive Policing" fällt, denkt jeder automatisch an den Spielfilm "Minority Report" aus dem Jahr 2002. In diesem Science-Fiction-Thriller nutzt die Washingtoner Polizei die sogenannte Präkognition, um Morde zu verhindern. Drei „Precogs“, die über hellseherische Fähigkeiten verfügen, sagen Morde in der Zukunft voraus – inklusive der Namen von Tätern und Opfern. Durch diese als "Precrime" bekannte Methode gelingt es schließlich, dass in Washington sechs Jahre lang keine Morde passieren. Irgendwann stellt sich das System jedoch als fehlerhaft heraus und die Hollywood-Action nimmt ihren Lauf. Was um die Jahrtausendwende noch futuristisch klang, ist heute bereits Realität. Zumindest teilweise. Natürlich basiert das Predictive Policing außerhalb der Hollywood-Studios nicht auf irgendwelchen Menschen mit übernatürlichen Fähigkeiten, sondern schlicht und ergreifend auf leistungsfähigen Computern, die riesige Datenmengen auswerten. Es werden auch keine Morde samt Opfern und Tätern präzise vorausgesagt, sondern meist nur Wohnungseinbrüche, die eventuell zu einem bestimmten Zeitpunkt stattfinden könnten. Die Betonung liegt hier auf dem Konjunktiv. Kann ein Computer Verbrechen vorhersagen? Das Landeskriminalamt Nordrhein-Westfalen setzt beispielsweise seit 2015 die Software "Skala" ein. Das System nutzt "Erfahrungen" (also Daten) aus der Vergangenheit, um Einbrüche vorherzusagen. Dabei geht die Software von der Grundannahme aus, dass Einbrecher zeitnah in Gebiete zurückkehren, in denen sie zuvor erfolgreich waren. Da Computer heutzutage dank Cloud-Anbindung auf enorme Rechenkapazitäten zurückgreifen können, werden aber auch Faktoren wie die Autobahnnähe (schnelle Flucht), soziale Kriterien (gibt es in einem bestimmten Ortsteil viel zu erbeuten) und sogar die Art der Bebauung mit einbezogen. Aus all diesen Daten generiert "Skala" dann regelmäßig eine Karte, auf der Gebiete mit hoher Einbruchswahrscheinlichkeit verzeichnet sind. Basierend auf diesen Vorhersagen entscheidet die Polizei wiederum, wo sie verstärkt Streife fährt und die Bewohner aufklärt. In Bayern und Baden-Württemberg kommt indes die Software "Precobs" zum Einsatz. Der Unterschied zu "Skala": das System nutzt für seine Vorhersagen ausschließlich in der Vergangenheit erfasste Straftaten und keine soziodemografischen Daten. Dominik Gerstner vom Max-Planck-Institut für ausländisches und internationales Strafrecht hat das Predictive-Policing-Projekt in Baden-Württemberg evaluiert und kommt im Interview mit T-Systems unter anderem zu folgenden Ergebnissen: "Probleme ergeben sich allerdings dadurch, dass die Einbrüche meist dann stattfinden, wenn niemand zu Hause ist. Bei längerer Abwesenheit der Bewohner wird die Tat oft sehr spät entdeckt und angezeigt. Das macht es schwer, regional beschränkte und kleine Deliktserien zu prognostizieren. Es bleibt ein großer Rest an Delikten, der sich nicht erklären lässt. Hier spielt der Zufall eine große Rolle, aber möglicherweise kann maschinelles Lernen in diesen Fällen helfen – und auch hier dürfen keine Wunder erwartet werden. Zusammenfassend lässt sich zu den in Deutschland derzeit eingesetzten Predictive Policing-Lösungen somit festhalten, dass sie bestenfalls unterstützende Funktion haben. Erfahrene Polizeibeamte kommen in der Praxis letztendlich zu ähnlichen Ergebnissen. Der einzige Vorteil der Software ist der kürzere Zeitraum, der zur Auswertung der Daten und der daraus resultierenden Wenn-Dann-Entscheidung benötigt wird. Predictive Policing: In den USA geht man einen Schritt weiter Während man sich in Deutschland gewohnt zurückhaltend gibt und versucht, möglichst sparsam und verantwortungsvoll mit den verfügbaren Daten umzugehen, sieht die Sache in den USA schon etwas anders aus. Das System "Predpol" sagt in Kalifornien basierend auf komplexen Machine Learning-Algorithmen neben Wohnungseinbrüchen auch Waffengewalttaten, Körperverletzungen, Drogendelikte und Fahrraddiebstähle voraus. Die Software "Beware" berechnet derweil, ob die Polizisten am Einsatzort mit einem Täter mit Vorstrafen oder einer Schusswaffe rechnen müssen. Das wohl kontroverseste System findet man jedoch in Chicago. Hier nimmt die eingesetzte Software gezielt einzelne Personen ins Visier und berechnet anhand von Vorstrafen, Gangmitgliedschaften und ihrem Alter die Wahrscheinlichkeit, dass sie Täter oder Opfer einer Schießerei werden könnten. Daraus generiert der Computer die "Strategic Subject List", die die Polizei zur Prävention nutzt. Eine solche Verarbeitung personenbezogener Daten wäre für deutsche Datenschützer ein Supergau. Bei allen Unterschieden, haben indes alle derzeitigen Predictive Policing-Lösungen eine Gemeinsamkeit: ihre Wirksamkeit ist kaum messbar. So sank beispielsweise in Chicago die Mordrate seit der Einführung der Software nicht. In Bayern ging die Zahl der Einbrüche zwar etwas zurück, allerdings kann dies ebenso an den Präventionsmaßnahmen von Polizei und Bürgern sowie einem veränderten Verhaltensmuster der Täter liegen. Selbst in den USA zeigt man sich inzwischen kritisch. So sagte die Polizeisprecherin von Palo Alto jüngst der LA Times mit Blick auf Machine Learning-basiertes Predictive Policing: "Es hat uns keinen Mehrwert gebracht und uns nicht dabei geholfen, Verbrechen aufzuklären."

Warum internationale Zahlungen noch immer komplex sind

Physical AI: Wenn Künstliche Intelligenz die Welt bewegt

Ungesteuerte KI-Nutzung: Das unterschätzte Risiko für Compliance und Sicherheit

Finanzsysteme neu denken: Wie Mambu-Gründer Eugene Danilkis Banking von Grund auf…

Warum internationale Zahlungen noch immer komplex sind

Finanzsysteme neu denken: Wie Mambu-Gründer Eugene Danilkis Banking von Grund auf…

Innovation in Unternehmen durch Startups – Aluplast im Interview

Employee Advocacy im Mittelstand: Eine praktische Anleitung

Startup onsector im GründerView

Startup ScoreGO im GründerView

Finanzsysteme neu denken: Wie Mambu-Gründer Eugene Danilkis Banking von Grund auf…

Innovation in Unternehmen durch Startups – Aluplast im Interview

Wie viel Mensch verträgt die KI?

Vom Know-how zum Green Skill: Wenn Nachhaltigkeit zur Kompetenz wird

Was macht KI mit unserem Denken? Ein Blick auf die MIT-Studie

Vom Hype zum Helfer: Wie KI-Agenten Fahrt aufnehmen

Schlagwort: Precrime

Predictive Policing: Mit Big Data den Verbrechern auf der Spur

Startup onsector im GründerView

Warum internationale Zahlungen noch immer komplex sind

Startup ScoreGO im GründerView

Physical AI: Wenn Künstliche Intelligenz die Welt bewegt

Ungesteuerte KI-Nutzung: Das unterschätzte Risiko für Compliance und Sicherheit