Predictive Policing

aus Wikipedia, der freien Enzyklopädie
Wechseln zu: Navigation, Suche
DECHlastige Artikel Dieser Artikel oder Absatz stellt die Situation in Deutschland und der Schweiz dar. Hilf mit, die Situation in anderen Staaten zu schildern.

Predictive Policing [prɪˈdɪktɪv pəˈliːsɪŋ] (deutsch Vorhersagende Polizeiarbeit) bezeichnet die Analyse von Falldaten zur Berechnung der Wahrscheinlichkeit zukünftiger Straftaten zur Steuerung des Einsatzes von Polizeikräften.[1]

Predictive Policing basiert auf verschiedenen Aspekten der Statistik und/oder der Sozialforschung.

Theoretische Grundlagen[Bearbeiten | Quelltext bearbeiten]

Repeat-Victimisation[Bearbeiten | Quelltext bearbeiten]

Grundlage der Theorie sind statistische Erhebungen, z. B. 4 % (2 %) der Bürger erleiden 44 % (41 %) der Straftaten und Befragungen von Straftätern[2] (z. B. ⅔ der Einbrecher dringen erneut in ein bereits angegangenes Gebäude ein[3]). Daraus folgt, dass eine vorherige Viktimisierung ein guter Prädiktor für weitere Opferwerdungen ist:[4]

  • Je häufiger eine Viktimisierung in der Vergangenheit festgestellt wurde, desto höher ist die Chance auf eine weitere zukünftige Viktimisierung.
  • Re-Viktimisierungen finden in der Regel sehr bald nach den vorherigen Ereignissen statt.

Routine-Activity-Ansatz[Bearbeiten | Quelltext bearbeiten]

Nach dieser Theorie bedarf es

  • eines motivierten Täters
  • eines tauglichen Tatobjekts und
  • fehlender Schutzmechanismen,

damit eine Straftat geschehen kann. Wenn man einen dieser Faktoren eliminiert, werden Straftaten verhindert.

Rational-Choice-Theorie (Theorie der rationalen Entscheidung)[Bearbeiten | Quelltext bearbeiten]

Bei der Rational-Choice-Theorie wird von rational denkenden und handelnden Tätern ausgegangen, die Vorteile und Nachteile abwägen.

Boost-Hypothese[Bearbeiten | Quelltext bearbeiten]

Die Boost-Hypothese ist täterorientiert. Sie geht davon aus, dass ein Täter den Aufwand bei der Suche nach dem nächsten Tatobjekt möglichst gering halten will und somit bekannte Gegenden bevorzugt werden.

Flag-Hypothese[Bearbeiten | Quelltext bearbeiten]

Die Flag-Hypothese ist objektorientiert. Der Grund für Reviktimisierung liegt demnach in dem Objekt selbst und seinen Eigenschaften, z. B. die Einsehbarkeit eines Hauses, die Abwesenheitszeiten der Bewohner, eine nicht vorhandene Alarmanlage oder auch Einstiegs- und Fluchtmöglichkeiten.

Near-Repeat-Victimisation[Bearbeiten | Quelltext bearbeiten]

  • Bei einer Deliktsart in einem Gebiet steigt die Wahrscheinlichkeit in diesem Gebiet für Folgetaten.
  • Getestet wurde die Hypothese hauptsächlich am Delikt des Wohnungseinbruchs.
  • Gebäude, die auf derselben Straßenseite liegen wie das zunächst angegangene, sind gefährdeter als diejenigen auf der anderen Seite.
  • Das Risiko einer Viktimisierung ist nicht dauerhaft, sondern nur für ca. einen Monat erhöht.
  • Sie ist 48 Stunden nach der ersten Tat am höchsten.

Funktionsweise[Bearbeiten | Quelltext bearbeiten]

Pro Deliktsgruppe, z. B. Einbruchsdiebstahl, wiederholen sich Muster in der ihrer zeitlichen Wiederkehr und in der Art der angegriffenen Objekte (z. B. Villenviertel). Diese Daten werden in eine Formel als Parameter für einen geographisch bestimmten Bereich automatisiert eingespeist. Hierdurch entstehen Algorithmen und so wird durch Wahrscheinlichkeitsrechnung eine Prognose getroffen, ob ein Bezirk wieder von dem Deliktsbereich betroffen sein wird und wann: In seiner Gesamtheit entsteht eine Operatorprognose. Ab einer vordefinierten Wahrscheinlichkeit innerhalb eines Bezirks für das Eintreten eines sog. Triggerdelikts (z. B. Einbruchsdiebstahl[5]) wird ein Alarm bei der Leitstelle ausgelöst. Sodann werden Zivilstreifen in die Gebiete beordert, um die Taten aufzudecken. Häufig wird eine Erfolgsquote von 85 % erzielt.

Echtbetrieb[Bearbeiten | Quelltext bearbeiten]

Predictive Policing wird in einigen deutschen Bundesländern bereits von den Polizeibehörden eingesetzt. Teilweise handelt es sich um zeitlich befristete Pilotprojekte bzw. Testbetriebe.[6]

Ort Stand Software Status
Stuttgart/Karlsruhe Sep 15 PRECOBS 6-monatiger Testbetrieb ab Oktober 2015 (Kosten 220.000 €)
Hamburg Mai 16 Sachstandsbewertung Aktuell Forschungsprojekt[7]
Hannover Mai 15 PRECOBS, SPSS Modeler Test in Kooperation mit dem LKA, skeptischer Kommentar des LDI
Hessen Mai 16 Eigenentwicklung geplant[8]
Bonn Apr 15 PRECOBS geplant[9]
Rhein/Ruhrgebiet Mai 16 SPSS Modeler 2-jähriger Test in Duisburg, Köln, Essen, Gelsenkirchen und Düsseldorf
Nürnberg Apr 17 PRECOBS operativ im Einsatz seit 2016
München Apr 17 Precobs operativ im Einsatz seit 2016
Zürich, Baselland und Aargau Jan 16 Precobs 80 % richtige Vorhersagen, Senkung der Quote im Test um 15 % (8,7 % Stadtdurchschnitt), statistisch nicht aussagekräftig, vorerst keine Ausweitung des Testgebiets.

Aufgrund großer Datenmengen wird in der Praxis nur ein Deliktsfeld, z. B. Kfz-Sachwertdelikte oder Einbruchsdelikte, ein besonders belasteter Gebietsstand und nur für die nächsten Tage berechnet.

Kritik[Bearbeiten | Quelltext bearbeiten]

Ein Nachweis der Wirksamkeit von Predictive Policing dürfte aufgrund der Komplexität der Einflussfaktoren schwierig sein.[10] Eine materialreiche wissenschaftliche Evaluation des baden-württembergischen Pilotprojektes zum Wohnungseinbruchsdiebstahl kommt zum Ergebnis: "Inwieweit Predictive Policing zu einer Verminderung von Wohnungseinbrüchen und zu einer Trendwende in der Fallentwicklung beitragen kann, ist auch nach dem Pilotprojekt trotz einiger positiver Hinweise schwer zu beurteilen" [11]

Der internationale Generalsekretär von Amnesty International, Salil Shetty, sieht durch Predictive Policing die Unschuldsvermutung bedroht. Er warnt davor, dass die Diskriminierung ethnischer und religiöser Minderheiten durch Predictive Policing verstärkt werden kann.[12]

Rezeption[Bearbeiten | Quelltext bearbeiten]

In Philip K. Dicks Kurzgeschichte Der Minderheiten-Bericht von 1956 sowie im auf dieser Geschichte basierenden Spielfilm Minority Report von 2002 wurden Präverbrechen thematisiert.

2017 erschien Pre-Crime, ein eher kritischer Dokumentarfilm von Monika Hielscher und Matthias Heeder.[13]

Siehe auch[Bearbeiten | Quelltext bearbeiten]

Einzelnachweise[Bearbeiten | Quelltext bearbeiten]

  1. ÖFIT-Trendschau: Öffentliche Informationstechnologie in der digitalisierten Gesellschaft. Vorhersagende Polizeiarbeit (PDF). Öffentliche IT. März 2015. Abgerufen am 25. Februar 2016.
  2. G. Farrell, K. Pease: Once bitten, twice bitten: repeat victimisation and ist implications for crime prevention. 1993. (PDF)
  3. I. Hearndon, C. Magill: Decision Making by House Burglars: Offenders’ Perspective. 2004. (PDF)
  4. S. Cronje, J. M. Zietsman: Criminology. Pearson Education South Africa, Cape Town 2009, ISBN 978-1-77025-358-2.
  5. strafrechtlich „Besonders schwerer Diebstahl
  6. Wo Predictive Policing eingesetzt wird. Februar 2016.
  7. Polizeiwissenschaftliche Analyse im Landeskriminalamt Hamburg. auf: hamburg.de
  8. Kleine Anfrage ... betreffend Entwicklung der Einbruchszahlen in Hessen. im hessischen Landtag. Drucksache 19/3248.
  9. "Precobs" soll auch in Bonn Einbrecher fangen. In: Bonner Generalanzeiger. 1. April 2015.
  10. A. Gluba: Predictive Policing – eine Bestandsaufnahme. (PDF) 2014.
  11. Dominik Gerstner:Predictive Policing als Instrument zur Prävention von Wohnungseinbruchdiebstahl, Freiburg 2017, S. 85
  12. Salil Shetty: Technology: force for progress, or tool of repression? Amnesty International’s Secretary General Salil Shetty addresses Techfest in IIT Bombay on 16 December 2016. Abgerufen am 1. April 2017 (englisch).
  13. Badische Zeitung: Im Dokufilm "Pre-Crime" sagen Computer Verbrechen voraus - Computer & Medien - Badische Zeitung. (badische-zeitung.de [abgerufen am 3. November 2017]).