26.07.2016, 12:45 Uhr | 0 |

Vorhersagen zur Straffälligkeit Mit Algorithmen gegen Kriminalität

Der Einzug der Computer und vor allem der Software-Algorithmen in die Justiz und den Polizei-Apparat hat schon vor längerer Zeit begonnen. Inzwischen aber geht es immer mehr darum, die Computer nicht nur für die Datenverwaltung zu nutzen, sondern zugleich mit ihrer analytischen Hilfe möglichst präzise Vorhersagen zur künftigen Straffälligkeits-Gefahr von Personen treffen zu können.

Angeklagter im Prozess-Saal
Á

Wird ein Täter wieder straffällig werden? Solche Risiken mittels hoch entwickelter Algorithmen zu bewerten, wird zunehmend zu einem wichtigen Faktor in der Strafzuweisung. 

Foto: Armin Weigel/dpa

Der amerikanische Soziologe Richard Berk, der an der Universität von Pennsylvania Statistik und Kriminologie lehrt, schreibt seit Jahrzehnten ausgefeilte Computerprogramme, mit dem Ziel immer genauere Vorhersagen zum Verhalten von Menschen treffen zu können. Wird jemand zum Verbrecher werden oder wird jemand erneut eine Straftat begehen? 

In Amerika werden seine Programme in den Verwaltungen der Gefängnisse, in den Polizeistationen und in den Sozialämtern bereits in vielfältiger Weise eingesetzt. Derzeit arbeitet Berk an einem besonders umfangreichen Algorithmus, der vom Moment der Geburt eines Menschen an die Wahrscheinlichkeit berechnet, ob er bis zum 18. Lebensjahr straffällig wird oder nicht.

Risikobewertungen beeinflussen Strafmaß

Risikobewertungen, mittels hoch entwickelter Algorithmen erzeugt, werden zunehmend zu einem wichtigen Faktor in der Strafzuweisung. Computer analysieren Daten wie Verhaftungen, begangene Straftaten sowie demografische Informationen und produzieren daraus eine Risikoeinstufung.

ARCHIV - ILLUSTRATION - Ein Motorradpolizist in blauer Uniformen fährt am 18.09.2013 auf einer Straße vor dem Polizeipräsidium in Bonn (Nordrhein-Westfalen). Ein Motorradpolizist hat in Düsseldorf einer Frau mit einem Schlag ins Gesicht die Nase gebrochen. Am Dienstag könnte das Urteil in dem Prozess gesprochen werden. Foto: Rolf Vennenbernd/dpa +++(c) dpa - Bildfunk+++
Á

Polizist auf Streife: Softwareprogramme berechnen auch, wo und in welcher Intensität Polizeipräsenz vonnöten ist.

Foto: Rolf Vennenbernd/dpa

Der Gedanke ist es, dafür eine Richtlinie zu finden, die unbewusste systematische Verzerrungen so weit wie irgend möglich zu verhindern versucht. Ähnliche Instrumente werden heute in den Vereinigten Staaten auch benutzt, um beispielsweise zu bestimmen, in welchem Wohngebiet der Polizist seine Runden dreht und wo die Häftlinge im Gefängnis genau untergebracht werden. 

Auch in Bayern Polizeiarbeit mit Hilfe von Computervorhersagen 

Der Bundesstaat Pennsylvania plant im Herbst ein Pilot-Programm, das mit Berks Computerprogramm zur statistischen Verbrechensprognose in Gerichtssälen arbeiten soll. Eine Behörde in Pennsylvania bedient sich zudem des neuesten Algorithmus, um zu entscheiden, wann jemand auf Bewährung entlassen werden darf. In verschiedenen deutschen Bundesländern, darunter Baden-Württemberg und Bayern, gibt es ebenfalls Pilot-Versuche mit ‘Predictive Policing’, das heißt Polizeiarbeit mit Hilfe von Computervorhersagen. 

„Maschinen können es besser“

Mitte der 1990er-Jahre konzentrierte sich Berk in seinen Arbeiten auf das maschinelle Lernen, wo Computer nach Mustern in Datensätzen suchen, die zu groß für den Menschen sind um sie manuell zu durchforsten. „Maschinen werden immer mehr Entscheidungen treffen, weil sie es einfach besser können“, so Berk.

Ein Polizist nimmt am 19.07.2016 im Landgericht in Deggendorf (Bayern) dem Angeklagten Johann G. die Handschellen ab. Die Staatsanwaltschaft wirft dem 30-Jährigen schweren sexuellen Missbrauch von Kindern in 19 Fällen und eine Vielzahl weiterer Sexualstraftaten vor. Foto: Armin Weigel/dpa +++(c) dpa - Bildfunk+++
Á

Können Computerprogramme besser einschätzen, welche Gefahr von einem Täter ausgeht oder verwässern zu viele Daten das Ergebnis womöglich? 

Foto: Armin Weigel/dpa

Für die Erstellung eines Modells gibt Berk Tausende von Profilen in einen Computer ein. Dessen Rechenkraft ist so groß und die Speicher sind so riesig, dass es möglich wird immer mehr Variablen einzubeziehen. Jedes Profil beinhaltet Daten von jemandem der festgenommen wurde, einschließlich des Alters, wann die Person zum ersten Mal verhaftet wurde, aus welcher Nachbarschaft die Person kommt, wie lange sie im Gefängnis war und vieles mehr. Der Computer findet dann Muster, die als Basis für Vorhersagen dazu dienen, welche Verhafteten erneut eine Straftat begehen werden.

Die wahren Bösen finden

Nach Aussagen von Berk liegt der große Vorteil maschinellen Lernens darin, dass dadurch die Notwendigkeit die Gründe dafür zu finden, warum jemand eine Straftat begeht, eliminiert wird. „Für derartige Probleme haben wir keine guten Theorien“, sagt Berk. „Füttere den Computer aber mit genügend Daten und er kann es allein herausfinden, ohne dass man sich mit der Philosophie über die Ursachen der Kriminalität beschäftigen muss“, so Berk. Nach seinen Aussagen geht es darum die „Darth Vaders“ also die wahren Bösen zu finden.

Big Data stößt auch auf Kritik

Das Konzept von Berk stößt aber auch auf herbe Kritik. Darf man einen Menschen ins Gefängnis einsperren, weil ein Computer entschieden hat, dass die Wahrscheinlichkeit sehr groß ist, dass er wieder eine Straftat begeht? Der große Nachteil von Berks Methode ist, dass der menschliche Einfluss völlig ignoriert wird. Hinzu kommt das Argument, dass zu viele Daten die Prognose sogar verschlechtern können. Gelangen zu viele Daten ins System, kann das die Vorhersagen verwässern, betonen einzelne Kriminalexperten.

Bedenklich ist in diesem Zusammenhang auch, dass das britische Innenministerium in London eine Großrechenanlage plant, in der sämtliche Daten zu jeder Person im Land jede Minute greifbar sind und in Sekundenschnelle zu kompletten Personenprofilen zusammengestellt werden können.

Anzeige
Von Peter Odrich
Zur StartseiteZur Startseite
schlagworte: 
kommentare

Aktuell wurden noch keine Kommentare zu diesem Artikel abgegeben. Loggen Sie ich ein oder melden Sie sich neu an, wenn Sie noch keine Zugangsdaten haben
> Zum Login     > Neu anmelden