Predictive Policing – vorhersagende Polizeiarbeit

Predictive Policing bei der Polizei

Begriffserläuterung

Unter Predictive Policing versteht man das Nutzen großer Datenmengen, um vorhersagen zu können, in welchen Bereich sich die nächsten Straftaten wahrscheinlich ereignen werden. Der Unterschied zu den schon in breiter Fläche genutzten Kriminalitätslagebildern, liegt in der Verknüpfung mehrerer bzw. vieler Daten zu einer konkreten Vorhersage durch ein Programm. Gängig ist inzwischen, dass diese Programme das Ergebnis visualisieren und damit einfach und schnell zugänglich machen.

In den Medien wurden bislang folgende Programme genannt:

CRUSH von IBM: Nach eigenen Angaben Marktführer. Dieses Programm wird bereits in mehreren Städten in den USA eingesetzt, unter anderem in Memphis seit August 2005. CRUSH verwendet polizeiliche Erkenntnisse über Tatorte, -zeiten und Delikte und verbindet diese mit öffentlichen Quellen, darunter Wetterberichte, geplante größere Veranstaltungen und Zahltage.Neben der polizeilichen Nutzung werden in Memphis via eines anderen Programms namens Cyberwatch die Daten auch der breiten Öffentlichkeit zugänglich gemacht: Wo kam es zu den letzten Verstößen gegen das Gesetz, aber auch: Wo wohnen in meinem Areal Personen, die man als Gefährder ansehen könnte, inklusive derer Fotos (z.B. Vergewaltiger, polizeilich gesuchte Personen).
Anfänglich konnte die Verbrechensrate angeblich um bis zu 30% gesenkt werden, 2012 soll es einen Anstieg um 10% gegeben haben. Dies wurde jedoch damit erklärt, dass die Mittel für die Polizeiarbeit gekürzt worden waren und damit nicht mehr genug Personal zur Verfügung stand.
Angeblich soll das Budget für Blue CRUSH (so der volle Name des Programms in Memphis) bei 2,3 Mio $ jährlich liegen.

COPLINK der Firma i2, welche zu IBM gehört, bietet eine noch weitergehende Lösung an: Hier sollen auch nicht öffentliche Datenquellen einbezogen werden, unter anderem Daten von Mobiltelefonen, dort abgehörten Informationen sowie Informationen über Fahrzeuge.

PredPol wird u.a. in London und Los Angeles eingesetzt. Das Programm wurde von der University of California entwickelt. Hier sollen, wie in der Grundversion von CRUSH, Daten der Kriminalitätsstatistik mit Kaufkraftzahlen und Wetterdaten zusammengeführt werden. Außerdem werden Echtzeitdaten von Verkehrs- und Überwachungskameras eingespeist.

PreCobs ist eine deutsche Variante. Hier wird der Schwerpunkt vor allem auf die Analyse der Straftaten gelegt: Tatort, -zeit, Straftat, Modus Operandi, Art des Diebesgutes. Das Prinzip, was dahintersteckt, ist u.a. dass der sogenannten „Near Repeats“: Unter bestimmten Voraussetzungen schlagen Täter in der Nähe wieder zu. Auch hier soll bis hinunter zur untersten Ebene (z.B. Polizeistreifen) die Prognose mittels Bildschirm visualisiert werden.
Anwendung findet PreCobs bislang in Bayern, in Zürich und vermutlich ab 2015 in NRW. Einen ersten Pilotversuch gab es bereits 2009 über vier Wochen in Duisburg. Auch in Berlin gibt es Überlegungen, PreCobs in Zukunft einzusetzen.

Programme deutscher Universitäten: Ulm „Statistische Raum-Zeit-Analyse von Kriminalitätsdaten“ in Kooperation mit dem Bayerischen LKA, und Freiburg mit dem „Centre for Security and Society“ in Kooperation mit IBM. Letzteres zielt darauf ab, Programme, wie die IBMs, in Einklang mit dem Datenschutz und gesellschaftlichen Werten zu bringen.

Während die ersten drei genannten Programme für fast alle Straftaten in Frage kommen, liegt der Anwendungsbereich von PreCobs vor allem im Bereich der Wohnungseinbruchs- und KFZ-Aufbruchsdelikte. Je planvoller das Vorgehen, desto wertvoller die Daten, je dilettantischer, desto wertloser (Aufhebeln eines Fensters vs. Einschlagen eines Fensters).

Einen besonderen Weg schlägt unter anderem Chicago ein: Dort werden ca. 14 000 Gangmitglieder bei Facebook und Twitter überwacht, ca. 400 werden durch das dort verwendete Programm als potentielle Gefährder ausgewiesen. In der Folge werden diese durch die Polizei kontaktiert, mit der Aufforderung, keine Verbrechen zu begehen.

Chancen des Predictive Policing

Predictive Policing ist kein Allheilmittel, das konkrete Straftaten durch einen konkreten Täter zu konkreten Zeiten vorhersagt. Es ermöglicht lediglich die Vorhersage einer Wahrscheinlichkeit, dass es in einem bestimmten Zeitraum in einem bestimmten Gebiet zu einer bestimmten Deliktsart kommen wird.

Selbst wenn man, wie in Deutschland, nur Daten der polizeilichen Datenbanken miteinander verknüpft, schaffen es gute Algorithmen in etwa doppelt so gut, Muster zu erkennen bzw. Vorhersagen zu treffen.

Die Kriminalität soll in allen Gebieten, in denen eines der genannten Programme genutzt wird, gesunken sein. Je nach Kriminalität und Programm liegt der Rückgang in den USA angeblich bei bis zu 30%, in Zürich soll PreCobs zu einem Rückgang der Einbrüche um 1/3 geführt haben Solche Zahlen können angezweifelt werden. Für Deutschland liegen bislang keine Zahlen vor.

Kritik

Bei den amerikanischen Varianten wird eine für deutsche Verhältnisse nicht akzeptable Verletzung des Datenschutzes begangen.

Weiterhin könnte der Rückgang der Kriminalitätsraten auch damit zusammenhängen, dass die Gebiete, die vorhergesagt werden, auch mehr bestreift werden. Mehr Präsenz führt zu Verdrängung und mehr Erfolgen bei der Aufklärung.

Predictive Policing kann zu einer Stigmatisierung von Wohngebieten und deren Einwohnern führen. Folge dessen können vorurteilsbehaftete Schlechterstellungen sein. Bewohner könnten im alltäglichen öffentlichen wie privaten Leben mit Vorurteilen konfrontiert sein. Beispielsweise könnten sie dann allein aufgrund ihrer Anschrift schwieriger einen Arbeits- oder Ausbildungsplatz finden. Dies kann dazu führen, dass derjenige wegzieht wer es sie leisten kann. Konsequenz dessen wird sehr wahrscheinlich sein, dass die soziale Lage, auch mit Auswirkungen auf die Kriminalität, sich negativ entwickelt.

Anforderungen an Predictive Policing aus Sicht von PolizeiGrün

  • Zur Analyse dürfen nur öffentlich zugängliche, nicht personenbezogene Daten sowie Daten der polizeilichen Lagebilder verwendet werden. Zu einer automatischen Auswertung von Überwachungskameras oder sozialen Netzwerken (Facebook, Twitter) darf es nicht kommen.
  • Um Stigmatisierungen zu vermeiden, muss sichergestellt sein, dass die Erkenntnisse allein der strategischen Kriminalitätsbekämpfung dienen, nicht an Private gelangen und auch von staatlichen Stellen nicht veröffentlich werden.
  • Predictive Policing bekämpft nur die Symptome. Man darf die Prävention und damit die Ursachenbekämpfung daher nicht vernachlässigen. Deshalb kann Predictive Policing nur eine Ergänzung einer umfassenden und qualitativ hochwertigen Polizeiarbeit sein, die alle Aspekte berücksichtigt.
  • Vorhersage von Kriminalität ist kein Ersatz für bürgernahe Präsenz der Polizei an Brennpunkten. Predictive Policing darf nicht dazu führen, dass die für Streifen zur Verfügung stehenden Beamten verringert werden.
  • Für die Nutzung großer Datenmengen müssen gesetzgeberisch klare Regelungen geschaffen werden, um Graubereiche der Datenverwendung zu beenden/vermeiden.
  • Sollte sich herausstellen, dass Programme, wie bspw. PreCobs, signifikante Vorteile in der Verbrechensbekämpfung bieten und datenschutzrechtliche Standards eingehalten werden können, dann sollte eine flächendeckende Einführung Bestandteil unserer Sicherheitsarchitektur sein. Eine wissenschaftliche Begleitung der aktuellen Projekte ist wünschenswert.

Hinterlasse eine Antwort

Deine E-Mail-Adresse wird nicht veröffentlicht. Erforderliche Felder sind markiert *

Du kannst folgende HTML-Tags benutzen: <a href="" title=""> <abbr title=""> <acronym title=""> <b> <blockquote cite=""> <cite> <code> <del datetime=""> <em> <i> <q cite=""> <strike> <strong>