Kriminalwissenschaftliches Kolloquium zum Thema „Predictive Policing"

Am 6. November 2017 hielt Prof. Dr. Tobias Singelnstein von der Ruhr-Universität Bochum im Rahmen des kriminalwissenschaftlichen Kolloquiums einen Vortrag zum Thema „Predictive Policing" – Algorithmengestützte Straftatenprognosen zur vorausschauenden Kriminalintervention“. Durch neue technologische Entwicklungen ist eine computergestützte automatisierte Verwertung großer Datenmengen möglich. Computerprogramme sollen mit Hilfe polizeilicher Daten über vergangene Straftaten und auf Grundlage theoretischer Ansätze Algorithmen nutzen und den Polizeibeamten Risikogebiete anzeigen. Mit Hilfe der Informationen über die Gebiete sollen Delikte vorhergesagt und vor ihrer Begehung verhindert werden.

In den USA stehen der Polizei solche Programme bereits seit etwa zehn Jahren zur Verfügung. Heute ist die Verwendung der Programme in den USA die Regel. Die in den Programmen verwendeten Algorithmen stützen sich auf verschiedene Datenquellen. So dienen raumbezogene sowie personenbezogene Daten der Kriminalitätskartierung von Risikogebieten. Raumbezogene  Daten sind unter anderem Dokumentationen der Polizei, Angaben zur Infrastruktur,  aktuelle politische Ereignisse und Events, Wettervorhersagen, Wohnorte verurteilter Straftäter oder Mitteilungen in sozialen Medien (Facebook, Twitter etc.). Personenbezogene Daten können unter anderem Angaben zu Vorstrafen, Wohnort und sozialem Umfeld sein. Außerdem können aufgrund der Algorithmen sogenannte „Heat Listen“ erstellt  werden, auf welche Personen stehen, die verdächtig sind, in Zukunft Taten zu begehen oder Opfer werden (Beispiele: Kansas City und Chicago).

In Deutschland findet Predictive Policing erst seit drei, vier Jahren Eingang in die Polizeiarbeit. Bayern gilt hier mit seinem Programm „PreCobs“ (PreCrime Information System) als einer der Vorreiter in Deutschland. Das Programm gibt für bestimmte Wohngebiete (Radius: 500m) erhöhte Wahrscheinlichkeiten für Einbruchsdiebstähle an. Die Algorithmen hierfür werden auf Grundlage täglich eingepflegter polizeilicher Daten zu vergangenen Einbrüchen und unter Verwendung des theoretischen „Near Repeat“-Ansatzes entwickelt. In Zukunft soll „PreCobs“ auch weitere Delikte vorhersagen können, wie zum Beispiel KFZ-Diebstahl. Manche Bundesländer haben das System „PreCobs“ adaptiert, andere haben eigene Programme.

Aufgrund der Entwicklung von Big Data scheint es so, dass die Verlässlichkeit und das Potenzial künftiger Kriminalitätsprognosen mit Hilfe komplexer Algorithmen erheblich gesteigert werden könnte. So erlauben technologische Fortschritte automatisierte Auswertungen von großen Datenmengen, die über verschiedenste Medien gespeichert wurden. Singelnstein verwies jedoch darauf, dass es sich in Deutschland heute noch eher um „simple Technik als um Zauberei“ handele. Dienen heute noch theoretische kriminologische Ansätze als Grundlage für die Entwicklung von Algorithmen, so hofft man, künftig durch automatisierte Auswertungen großer Datenmengen Muster zu erkennen, welche wiederum der Generierung neuer Theorien dienen.

Die Idee der Verwendung von computergestützter automatisierter Datenverwertung zur Prognose von Kriminalität entstammt der Actuarial Justice (versicherungsmathematisch basierte Justiz). Dieses aktuelle theoretische Modell beinhaltet neue Ideen zur Sozialkontrolle. So sollen Straftaten nicht nur durch (Video-)Überwachung und durch Erschwerung der Tatbegehung (z.B. durch Wegfahrsperren) verringert werden, sondern es sollen Prognosen erstellt werden, um Straftaten im Vorhinein verhindern zu können. Bei der Actuarial Justice wird Kriminalität als normales Phänomen angesehen, welches mit einer bestimmten Wahrscheinlichkeit auftaucht. Durch versicherungsmathematische Strategien sollen mit Hilfe sozialer Daten Prognosen erstellt werden, welche das Risiko für Kriminalität berechnen, um so optimiert Ressourcen einsetzen zu können.

Die Qualität der Risikoberechnungen durch  Predictive Policing hängt jedoch einerseits von der Leistung der Programmierer und andererseits von den verwendeten Daten ab. Evaluiert wurden Predictive Policing-Systeme in Deutschland bisher nur selten, wobei die Evaluationsbefunde nicht eindeutig sind.

Mit Predictive Policing sind einige Probleme verbunden. Erstens kann das  Nutzen des Prognoseprogramms zu einem veränderten Täterverhalten führen. Zum einen können Verdrängungseffekte entstehen, wenn die Polizei in bestimmten Gebieten aktiver ist, und Straftäter aufgrund dessen ihr Gebiet wechseln. Zum anderen können sich Ausnutzungseffekte  entwickeln, wenn die Algorithmen der Software oder ihr Ergebnis den Straftätern bekannt sind und sie ihr Verhalten darauf einstellen können. Zweitens können Prognoseprogramme die Wahrnehmung der komplexen Kriminalitätslage vereinfachen, indem sie scheinbar eine objektive Lage abbilden.  Es ist jedoch Vorsicht geboten, da die Risikogebiete aufgrund von polizeilichen Hellfelddaten kalkuliert werden, welche nur einen Teil der in der Vergangenheit geschehenen Kriminalität abbilden. Wird die Polizei nun in den Risikogebieten aktiver, wird die bestehende Verzerrung der polizeilichen Kriminalstatistik verstärkt. Bisher werden recht simple theoretische Ansätze zur Entwicklung der Algorithmen verwendet (Near-Repeat-Ansatz, Broken-Windows-Theorie, Routine-Activity-Approach, …), welche der komplexen Realität mancher Delikte nicht gerecht werden. Zusätzlich ist es möglich, dass die Programmierer eigenständig Theorien entwickeln und diese in die Algorithmen einbauen. Drittens berührt Predictive Policing Fragen des Datenschutzes: Welche Daten dürfen für computergestützte Analysen genutzt werden? Die Verwendung regionenbezogener Daten ist in Deutschland unproblematisch. Anders sieht es bei personenbezogenen Daten aus, welche aufgrund des Grundrechts auf informationelle Selbstbestimmung besonders schützenswert sind. Staatliche Informationseingriffe müssen zum Beispiel durch das Gemeinwohl gerechtfertigt sein. Die Polizei darf (auch in Zukunft) nur eingeschränkt personenbezogene Daten erheben. Bereits polizeilich erhobene Daten dürfen polizeirechtlich für die Strafverfolgung verwendet werden. Das Erstellen umfassender Persönlichkeitsprofile ist jedoch verboten.

Predictive Policing berührt sowohl das Straf- als auch das Polizeirecht: Einerseits werden Präventionsmöglichkeiten durch neue  Grundlagen der Gefahrenabwehr verstärkt. Andererseits entstehen  aufgrund anlassloser Prognosen (durch abstrakte Risikoberechnung ohne Handlungsvorgabe) neue Repressionsmöglichkeiten in Form von interventiver Maßnahmen  entstehen. Die Polizei greift in die Grundrechte des Einzelnen ein, wenn sie Personen anhält und durchsucht, observiert oder Platzverweise erteilt. Diese Eingriffe sind nur bei einer konkreten Gefahr oder bei einem Tatverdacht gerechtfertigt. Predictive Policing beinhaltet jedoch weder eine individuelle Prognose aufgrund eines Einzelfalls, noch gibt es Auskunft darüber, ob sich ein prognostiziertes Geschehen in der Vergangenheit bereits realisiert hatte (Wiederholungstat). Eine abstrakte automatisierte Risikobewertung ist nicht mit einer menschlichen Beurteilung gleichzusetzen und gibt keine Auskunft über eine konkrete Gefahr oder einen Tatverdacht. Allerdings ist zu berücksichtigen, dass die Information über ein „Risikogebiet“ die Wahrnehmung von Gefahren oder von Tatverdächtigen in diesem Gebiet verstärken kann.

Zusammenfassend lässt sich feststellen, dass Predictive Policing  anhand folgender Aspekte kritisch zu hinterfragen ist: Transparenz der Algorithmen (Datenverwertung als Blackbox), Tauglichkeit des Programms und Möglichkeit des Eingriffs in die Grundrechte.