Eine Überwachungskamera spiegelt sich am 07.06.2017 in Berlin in einer Glasscheibe.

4.8.2017 | Von:
Simon Egbert

Siegeszug der Algorithmen?
Predictive Policing im deutschsprachigen Raum

Varianten des Predictive Policing

Trotz dieser Bestrebungen, die Möglichkeiten des Predictive Policing weiter auszubauen und auf Personen zu beziehen, sind raumbezogene Verfahren die derzeitige Hauptform vorhersagebasierter Polizeiarbeit. Dabei wird spezielle Prognosesoftware genutzt, um auf Grundlage von statistisch fundierten, algorithmisch prozessierenden Analysen polizeilicher und zunehmend auch weiterer Daten – wie beispielsweise zur örtlichen Infrastruktur und zu sozioökonomischen Aspekten – zukünftige Risikoorte und -zeiträume von Wohnungseinbruchdiebstählen zu prognostizieren. In allen Regelanwendungen im deutschsprachigen Raum wird (bislang) rein auf polizeiliche Daten zurückgegriffen, während im baden-württembergischen Modellversuch mit "PRECOBS" bereits mit sozioökonomischen und infrastrukturellen Daten experimentiert wurde.[20] Dies wird auch im nordrhein-westfälischen Projekt "SKALA" getan, in dessen Rahmen das dortige Landeskriminalamt zusätzlich zu den polizeilichen Daten öffentlich zugängliche infra- und soziostrukturelle sowie sozioökonomische Daten käuflich erworben hat.[21]

Bei den raumbezogenen Verfahren des Predictive Policing können drei Varianten unterschieden werden. Die Strategie des Hotspot-Policing ist eine altbekannte Methode, räumlich zuordenbare Kriminalitätsschwerpunkte gezielt mit polizeilichen Interventionen zu bedenken.[22] Dabei werden geocodierte polizeiliche Falldaten genutzt, um vergangene und zeitlich stabile, also mindestens mehrere Wochen andauernde, Kriminalitätscluster zu dokumentieren. Sobald ein robustes Muster aus der Vergangenheit extrahiert werden kann, ist dieses problemlos auf die Zukunft übertragbar, indem die sogenannten Hotspots schlicht in die Zukunft fortgeschrieben werden. Damit haben wir es hier also mit einer denkbar einfachen Variante des Predictive Policing zu tun. Tatsächlich ist es so, dass in einigen Polizeibehörden diese prognostizierten räumlichen Ballungen von Kriminalität gar nicht an die örtlichen Kräfte weitergeleitet werden, da die Stärke von Predictive Policing – wie mehrere Anwenderinnen und Anwender berichten – gerade in der Vorhersage bisher unbekannter Tatorte gesehen und davon ausgegangen wird, dass sich die örtlichen Polizeikräfte ohnehin in die bekannten Brennpunkte begeben.

Beim Near-repeat-Ansatz basiert die Prognose auf der Annahme, dass vorherige beziehungsweise gegenwärtige Viktimisierung ein guter Prädiktor für Wiederholungstaten ist, die im unmittelbaren zeitlichen und räumlichen Kontext der Ersttat auftreten. Die wesentlichen kriminologischen Thesen, auf denen diese Methodik fußt, der zum Beispiel die Software "PRECOBS" bis dato im Wesentlichen folgt,[23] beruhen auf der Rational-choice-Theorie und dem verwandten Routine-activity-Approach sowie auf dem Postulat der near repeats.[24] Während die ersten beiden Ansätze von streng rational denkenden Täterinnen und Tätern ausgehen, die ihr Handeln an Kosten-Nutzen-Kalkulationen orientieren, besagt letzterer, "dass geografische Bezirke, in denen ein Einbruch erfolgt ist, häufig in kurzer Zeit und im direkten Umfeld mit Folgedelikten rechnen müssen".[25] Dieser Gedankengang basiert auf der These, dass bestimmte Tätertypen überdurchschnittlich häufig nach spezifischen Wiederholungsmustern vorgehen, die sich aus der (statistisch erhobenen) Vergangenheit in die Zukunft fortschreiben lassen. Auf den Wohnungseinbruchdiebstahl bezogen, sind mit diesen Tätertypen insbesondere professionelle und/oder reisende Täterinnen und Täter sowie organisierte Diebesbanden gemeint. Diese würden, so die These, wenn sie denn einmal erfolgreich eingebrochen sind und dabei ein Gebiet ausgekundschaftet haben, im dortigen Umfeld abermals zuschlagen, da sie mögliche Risiken besser einschätzen könnten (auch als Boost-Hypothese bezeichnet).[26] Die alleinige Fokussierung auf rationales, hochgradig kalkulierendes Vorgehen impliziert, dass Gelegenheits- und Affekttaten auf Basis dieser Methodik nicht vorhersagbar sind.

Bei der Risk-terrain-Analyse werden zukunftsbezogene räumliche Risikoprofile nicht nur auf Basis polizeilicher Falldaten kreiert, sondern zusätzlich mit Rückgriff auf etwa sozioökonomische und infrastrukturelle Daten wie Einkommensverteilung, Bausubstanz, Hauptverkehrsstraßen, Bars, Klubs oder Einkaufsmöglichkeiten erstellt.[27] Gleichzeitig ist hierbei keine alleinige Fokussierung auf die Annahme der near repeats gegeben, sondern es lassen sich prinzipiell alle als brauchbar wahrgenommenen (kriminologischen) Theorien beziehungsweise Thesen integrieren, um auf dieser Basis bislang unbekannte Risikozusammenhänge zwischen unterschiedlichen räumlichen Variablen abzuleiten. Tendenziell folgt diese Herangehensweise der klassischen Data-Mining-Maxime, wonach es nur genug Daten benötige, um bis dato "hidden patterns and relationships" zu entdecken.[28] Hierbei ist allerdings zwischen rein datengetriebenen und zumindest partiell theoriegestützten Ansätzen zu unterscheiden. Beispielhaft für letztere ist das Vorgehen des Landeskriminalamts in Nordrhein-Westfalen mit dem Projekt "SKALA". Hier wurden zahlreiche kriminologische Theorien in algorithmische Befehle übersetzt und neben den eigenen polizeilichen Daten weitere Informationen unter anderem zur Sozialstruktur und zur Einkommensverteilung in das System importiert, um daraus multifaktorielle Risikozusammenhänge für Wohnquartiere vorherzusagen.[29] International gibt es bereits Bestrebungen, Daten aus sozialen Netzwerken in solche Analysen zu integrieren.[30]

Die Unterteilung verschiedener Varianten des Predictive Policing gemäß der Art der Prognoseerstellung soll nicht überdecken, dass Predictive Policing als ganzheitliche polizeiliche Praxis zu verstehen ist und keineswegs nur die Prognoseerstellung selbst umfasst.[31] So muss die Polizei etwa streng darauf achten, dass die in die jeweiligen Vorgangsbearbeitungssysteme eingepflegten Falldaten zu den Einbruchsdelikten korrekt sind. Denn auch der beste Algorithmus generiert keine nutzbaren Prognosen, wenn die zugrunde liegenden Daten fehlerhaft sind.

Und auch wenn die Prognose noch so präzise ist – wird sie nicht adäquat vor Ort umgesetzt, indem beispielsweise nicht die geeignete Interventionsstrategie gewählt oder zu wenige Kräfte in das prognostizierte Risikogebiet geschickt werden, ist der gewünschte Effekt nicht erzielbar.[32] Die Polizei hat hierbei insbesondere zwei operative Möglichkeiten: Zum einen kann sie einem präventiven Ansatz folgen und uniformierte Streifenkräfte in den prognostizierten Risikogebieten patrouillieren lassen, um geneigte Täterinnen und Täter durch erhöhte polizeiliche Präsenz abzuschrecken. Zum anderen kann ein repressives Vorgehen gewählt werden, was die Entsendung von zivilen Kräften impliziert und die Festnahme in flagranti zum Ziel hat. Derzeit dominiert an den meisten Anwendungsorten ein präventiver Ansatz, da weniger die Steigerung der Aufklärungsquote als die Reduktion der Fallzahlen im Zentrum der Nutzung steht.[33]

Fußnoten

20.
Vgl. Balogh (Anm. 1), S. 340.
21.
Vgl. Schürmann (Anm. 5), S. 5.
22.
Vgl. Cody W. Telep/David Weisburd, Hot Spots and Place-Based-Policing, in: Gerben Bruinsma/David Weisburd (Hrsg.), Encyclopedia of Criminology and Criminal Justice, New York 2013, S. 2352–2363.
23.
Vgl. Schweer 2015 (Anm. 1), S. 13; Balogh (Anm. 1), S. 335f.
24.
Vgl. Lawrence E. Cohen/Marcus Felson, Social Change and Crime Rate Trends: A Routine Activity Approach, in: American Sociological Review 4/1979, S. 588–608; Michael Townsley/Ross Homel/Janet Chaseling, Infectious Burglaries. A Test of the Near Repeat Hypothesis, in: British Journal of Criminology 3/2003, S. 615–633.
25.
Schweer 2015 (Anm. 1), S. 14.
26.
Vgl. Gluba (Anm. 2), S. 348.
27.
Vgl. Perry et al. (Anm. 12), S. 50ff.
28.
Colleen McCue/Andre Parker, Connecting the Dots: Data Mining and Predictive Analytics in Law Enforcement and Intelligences Analysis, in: The Police Chief 10/2003, S. 115–122.
29.
Vgl. Schürmann (Anm. 5), S. 2, S. 4, S. 7.
30.
Vgl. Bernd Belina, Predictive Policing, in: Monatsschrift für Kriminologie und Strafrechtsreform 2/2016, S. 85–100, hier S. 90.
31.
Vgl. Alexander Gluba, Mehr offene Fragen als Antworten, in: Die Polizei 2/2016, S. 53–57, hier S. 56.
32.
Vgl. Perry et al. (Anm. 12), S. 14.
33.
Vgl. etwa Balogh (Anm. 1), S. 340.
Creative Commons License

Dieser Text ist unter der Creative Commons Lizenz veröffentlicht. by-nc-nd/3.0/ Der Name des Autors/Rechteinhabers soll wie folgt genannt werden: by-nc-nd/3.0/
Autor: Simon Egbert für Aus Politik und Zeitgeschichte/bpb.de
Urheberrechtliche Angaben zu Bildern / Grafiken / Videos finden sich direkt bei den Abbildungen.