{"id":13349,"date":"2017-10-11T14:12:23","date_gmt":"2017-10-11T14:12:23","guid":{"rendered":"https:\/\/www.cilip.de\/?p=13349"},"modified":"2017-10-11T14:12:23","modified_gmt":"2017-10-11T14:12:23","slug":"soziale-kontrolle-per-software-zur-kritik-an-der-vorhersagenden-polizeiarbeit","status":"publish","type":"post","link":"https:\/\/wp-dev.daten.cool\/?p=13349","title":{"rendered":"Soziale Kontrolle per Software:\u00a0Zur Kritik an der vorhersagenden Polizeiarbeit"},"content":{"rendered":"<p><strong>Mehrere<\/strong> <strong>Bundesl\u00e4nder testen Software zur Vorhersage von Straftaten, andere setzen sie bereits ein. Auch das Risiko von \u201eGef\u00e4hrdern\u201c oder die R\u00fcckf\u00e4lligkeit von Straft\u00e4terInnen soll errechnet werden. Eine Senkung von Kriminalit\u00e4t mithilfe von Computerprognosen l\u00e4sst sich jedoch bislang nicht belastbar nachweisen. Stattdessen erweisen sich die Anwendungen als vorurteilsbeladen.<\/strong><\/p>\n<p>Das Predictive Policing (\u201evorhersagende Polizeiarbeit\u201c) ist der Versuch einer Wahrscheinlichkeitsberechnung zuk\u00fcnftiger Straftaten, die auf der \u201eNear-Repeat-Theorie\u201c oder der Annahme einer \u201eRepeat Victimisation\u201c beruht. \u00c4hnlich wie bei der \u201eBroken Windows\u201c-Theorie wird dabei angenommen, dass auf fr\u00fchere delinquente Handlungen wahrscheinlich weitere folgen. Daten zu Tatort und -zeit, Beutegut und Vorgehensweise werden nach einem bestimmten Verfahren (Scoring) verarbeitet und gewichtet. Mithilfe von Data Mining sollen Muster erkannt und Serient\u00e4terInnen aufgesp\u00fcrt werden.<!--more--><\/p>\n<p>Die Grenze der Vorhersagbarkeit ist nach dieser Logik nicht von den Algorithmen bestimmt, sondern von der Rechenleistung der Computer oder den Datenquellen, die in die Analyse einbezogenen werden. Tats\u00e4chlich weist eine vom Landeskriminalamt Niedersachsen in Auftrag gegebene Studie<a href=\"#_ftn1\" name=\"_ftnref1\">[1]<\/a> darauf hin, dass Predictive Policing letztlich eine Weiterentwicklung des Crime Mapping ist, mit dem Polizeibeh\u00f6rden fr\u00fcher ihre Stecknadeln auf der Landkarte digitalisierten. Nur die schwachen Rechner h\u00e4tten damals verhindert, die Daten in Beziehung zu setzen.<\/p>\n<p>Die Bundesl\u00e4nder Bayern, Berlin, Baden-W\u00fcrttemberg, Hessen, Niedersachsen und Nordrhein-Westfalen haben bereits Anwendungen zum Predictive Policing eingef\u00fchrt. Niedersachsen, Brandenburg und Hamburg f\u00fchren zun\u00e4chst Studien durch. Das Bundeskriminalamt koordiniert die Anstrengungen in einer Bund-L\u00e4nder-Projektgruppe und st\u00f6\u00dft Forschungen auf europ\u00e4ischer Ebene an.<a href=\"#_ftn2\" name=\"_ftnref2\">[2]<\/a> S\u00e4mtliche Projekte starten dabei mit dem Ph\u00e4nomen Wohnungseinbruch: Hier ist die Anzeigebereitschaft hoch, ein hoher Prozentsatz k\u00f6nnten dabei Wiederholungstaten sein. Der jeweilige Modus Operandi k\u00f6nnte im \u00fcberregionalen Vergleich R\u00fcckschl\u00fcsse auf zu erwartende Ereignisse zulassen.<\/p>\n<h4>\u201eWir m\u00fcssen vor die Lage kommen\u201c<\/h4>\n<p>\u201eWas ist denn so kritisch daran, wenn sich die Polizei in einer digitalisierten Gesellschaft solcher Instrumente bedient?\u201c, fragt der nordrhein-westf\u00e4lische Landeskriminaldirektor Dieter Sch\u00fcrmann.<a href=\"#_ftn3\" name=\"_ftnref3\">[3]<\/a> Das Predictive Policing folgt der Verlagerung von Kriminalit\u00e4tsbek\u00e4mpfung ins Vorfeld, wie es der fr\u00fchere BKA-Pr\u00e4sident Ziercke mit seinem Motto \u201ewir m\u00fcssen vor die Lage kommen\u201c vor \u00fcber zehn Jahren formulierte.<a href=\"#_ftn4\" name=\"_ftnref4\">[4]<\/a> Mit der Nutzung von immer mehr digital erzeugten und auf Vorrat gespeicherten Daten agiert die Polizei im digitalen Bereich oft hart an der Grenze des Erlaubten.<a href=\"#_ftn5\" name=\"_ftnref5\">[5]<\/a> Die Automatisierung polizeilicher Gefahrenabwehr durch die Einf\u00fchrung von Vorhersagesoftware d\u00fcrfte diesen Trend verst\u00e4rken. Schon vor \u00fcber zwei Jahren hat die Konferenz der Datenschutzbeauftragten des Bundes und der L\u00e4nder vor einer \u201eweiteren Verschiebung der polizeilichen Eingriffsschwelle in das Vorfeld von Gefahren und Straftaten\u201c gewarnt.<a href=\"#_ftn6\" name=\"_ftnref6\">[6]<\/a> Es ist heute v\u00f6llig unklar, welche Delikte zuk\u00fcnftig automatisiert ermittelt und welche Datenquellen dabei einbezogen werden. Bei digitalen Ermittlungen gilt, dass der Heuhaufen vergr\u00f6\u00dfert werden muss, um die Nadel zu finden. Auch besteht die Gefahr fehlerhafter Prognosen, was den Datenschutzbeauftragten zufolge besonders bei der zunehmenden Vorfeldanalyse zu erwarten ist und mit bedeutenden Auswirkungen auf die dabei in Verdacht geratenen Personen verbunden ist.<\/p>\n<p>In Bayern und Nordrhein-Westfalen soll der Einsatzzweck der Software auf weitere Kriminalit\u00e4t im \u00f6ffentlichen Raum ausgedehnt werden, im Gespr\u00e4ch sind KFZ-Diebstahl oder Raubdelikte. Auch die Datenquellen werden erweitert. Derzeit k\u00f6nnen unter anderem das Wetter, Verkehrsdaten oder zu erwartende Veranstaltungen verarbeitet werden. Aus polizeilicher Sicht sind diese Daten jedoch kaum relevant. Aussagekr\u00e4ftiger sind beispielsweise die Anbindung einer Gegend an Autobahnen oder den Nahverkehr oder auch Angaben zur Bebauung.<\/p>\n<p>Die Kriminal\u00e4mter w\u00fcnschen sich au\u00dferdem die Nutzung sozio\u00f6konomischer Daten zur Einkommensverteilung, Kaufkraft und Bonit\u00e4t oder zum Wert von Geb\u00e4uden. Einige Beh\u00f6rden lassen sich hierzu bereits von Statistikunternehmen beliefern. Auch der aktuelle Wasser- und Stromverbrauch kann R\u00fcckschl\u00fcsse auf Straftaten erm\u00f6glichen, da dies auf Abwesenheit der Wohnungsinhaber hindeutet. Das Institut f\u00fcr musterbasierte Prognosetechnik testet in Baden-W\u00fcrttemberg, ob die Software \u201ePrecobs\u201c mit Informationen \u00fcber den Ausl\u00e4nderanteil eines Wohnviertels verbessert werden kann.<\/p>\n<h4>Breites Spektrum von Datenquellen<\/h4>\n<p>Der nordrhein-westf\u00e4lische Landeskriminaldirektor denkt laut \u00fcber die Nutzung von \u201eEchtzeitdaten\u201c von Telefonen nach, wobei unklar bleibt, ob dabei die Seriennummern der genutzten SIM-Karten gemeint sind oder ob sich Sch\u00fcrmann Funkzellenabfragen w\u00fcnscht, durch die bereits zuvor in Tatortn\u00e4he festgestellte Telefone in die Vorhersage einbezogen werden.<a href=\"#_ftn7\" name=\"_ftnref7\">[7]<\/a> Denkbar ist auch die Einbindung der Kennzeichenerfassung, wie es in einigen US-St\u00e4dten bereits praktiziert wird. Der Softwarekonzern Microsoft bietet hierzu ein \u201eDomain Awareness System\u201c an, das neben gesuchten Fahrzeugen auch verd\u00e4chtige Personen finden soll und Informationen anderer Sensoren, darunter etwa Kameras, verarbeitet. Hierzulande w\u00fcrde eine solche Anwendung eher als aufgemotzte polizeiliche Leitstelle firmieren, Microsoft vermarktet das System zur polizeilichen Auswertung verschiedenster Datenquellen jedoch als Predictive Policing.<a href=\"#_ftn8\" name=\"_ftnref8\">[8]<\/a><\/p>\n<p>Schlie\u00dflich k\u00f6nnen auch offen verf\u00fcgbare Informationen aus sozialen Netzwerken eingebunden werden. Entsprechende, bereits vorgefilterte Daten k\u00f6nnten die Polizeibeh\u00f6rden selbst anliefern. Eine moderne polizeiliche Leitstelle verf\u00fcgt heutzutage \u00fcber Funktionen zur Auswertung von Trends auf Twitter, Facebook oder Instagram. Eine solche Software stammt von der Oberhausener Firma rola Security, die mittlerweile von T-Systems \u00fcbernommen wurde.<a href=\"#_ftn9\" name=\"_ftnref9\">[9]<\/a> Damit k\u00f6nnte die Polizei w\u00e4hrend eines Einsatzes Hashtags oder Geodaten bei Twitter verfolgen. F\u00fcr die Lagebeurteilung w\u00e4re beispielsweise von Vorteil, sich Tweets von Fu\u00dfballfans oder Demonstrierenden georeferenziert anzeigen zu lassen, um daraus R\u00fcckschl\u00fcsse auf bald notwendige Einsatzma\u00dfnahmen zu ziehen. Das Oberhausener Institut f\u00fcr musterbasierte Prognosetechnik, Hersteller von \u201ePrecobs\u201c, entwickelt hierzu mit der Schweizer Firma Futurelab in Z\u00fcrich ein System gegen \u201eGraffitti-Sprayerbanden\u201c, das unter anderem Facebook auswertet.<\/p>\n<p>Andersherum landen auch die Ergebnisse des Predictive Policing in Sozialen Medien. Das Institut f\u00fcr musterbasierte Prognosetechnik hat f\u00fcr Precobs eine Android-App entwickelt, die vom Schweizer Kanton Aargau unter dem Namen \u201eKAPO\u201c (\u201eKantonspolizei\u201c) eingesetzt wird. Ihre NutzerInnen k\u00f6nnen sich unter dem Motto \u201eDie Polizei warnt\u201c mit Push-Nachrichten \u00fcber vermeintlich bevorstehende Straftaten im eigenen Wohnviertel informieren lassen. Durch die Meldungen \u00fcber Verbrechen, die noch gar nicht passiert sind, wird die Bev\u00f6lkerung zum Blockwart gemacht.<\/p>\n<h4>Herausfinden, wer sich gerade radikalisiert?<\/h4>\n<p>Bislang werden beim Predictive Policing in Deutschland lediglich statistische Informationen genutzt. In L\u00e4ndern wie den USA oder Gro\u00dfbritannien wird die Software aber l\u00e4ngst personenbezogen eingesetzt. So werden Personendaten verarbeitet, um sogenannte \u201eHeat Lists\u201c zu bestimmen. Bei Notrufen errechnen manche St\u00e4dte in den USA die Gef\u00e4hrlichkeit des Einsatzes, indem die anrufende Person mit dem Vorstrafenregister abgeglichen wird.<a href=\"#_ftn10\" name=\"_ftnref10\">[10]<\/a> Personen auf einer \u201eStrategic Subjects List\u201c der Polizei in Chicago gelten als besonders gef\u00e4hrdet, an einer Schie\u00dferei beteiligt zu sein. Als Risikopersonen sollen sie von der Polizei h\u00e4ufiger besucht werden. Auch soziale Programme sollen die gef\u00e4hrdeten Personen auffangen. Die RAND Corporation kritisiert, dass die potenziellen T\u00e4ter auf der Liste ein h\u00f6heres Risiko h\u00e4tten, festgenommen zu werden. Die Zielpersonen werden nicht in dem Ma\u00dfe wie angek\u00fcndigt mit Sozialma\u00dfnahmen unterst\u00fctzt.<\/p>\n<p>In den USA errechnen Justizbeh\u00f6rden in vielen Bundesstaaten die Wahrscheinlichkeit, nach der ein Straft\u00e4ter r\u00fcckf\u00e4llig wird.<a href=\"#_ftn11\" name=\"_ftnref11\">[11]<\/a> Das Ergebnis kann die Haftzeit beeinflussen. Auch die britische Polizei versuchte, die R\u00fcckf\u00e4lligkeit von Straft\u00e4tern zu berechnen.<a href=\"#_ftn12\" name=\"_ftnref12\">[12]<\/a> Die hiermit beauftragte Firma Accenture stellte ihre Studie auf der Verkaufsmesse \u201eEurop\u00e4ischer Polizeikongress\u201c vor, im Anschluss nahmen VertreterInnen Deutscher Landeskriminal\u00e4mter an einem Workshop teil.<\/p>\n<p>Anfang des Jahres startete das BKA ein Projekt zur Berechnung der Gef\u00e4hrlichkeit potenzieller Straft\u00e4ter.<a href=\"#_ftn13\" name=\"_ftnref13\">[13]<\/a> Die hierzu entwickelte Anwendung RADAR-iTE verarbeitet Daten sogenannter \u201eGef\u00e4hrder\u201c und soll errechnen, welche wom\u00f6glich einen Anschlag planen und deshalb eine Fu\u00dffessel tragen sollten. Dabei k\u00f6nnten auch Angaben aus Sozialen Netzwerken genutzt werden, um Verbindungen zwischen Personen zu finden und daraus abzuleiten, wer sich gerade radikalisiert. RADAR-iTE basiert allerdings (zun\u00e4chst?) auf Microsoft Word und Excel.<a href=\"#_ftn14\" name=\"_ftnref14\">[14]<\/a> Es handelt es sich hier also vermutlich nicht um eine algorithmierte Anwendung. Vielmehr werden die Informationen nach einem Punktesystem bewertet und flie\u00dfen dann in eine Gesamteinsch\u00e4tzung ein.<\/p>\n<p>In weiteren Forschungsprojekten unter Beteiligung des BKA werden M\u00f6glichkeiten erkundet, das Internet und soziale Medien nach \u201eradikaler Propaganda und Stimmungsmache\u201c zu durchsuchen.<a href=\"#_ftn15\" name=\"_ftnref15\">[15]<\/a> Mit \u201eIndikatoren zur Fr\u00fcherkennung radikaler Tendenzen\u201c wollen die Kriminal\u00e4mter mit Unterst\u00fctzung von Softwarefirmen die Entwicklung von \u201eRadikalisierungsprozessen\u201c m\u00f6glichst fr\u00fch erkennen und bek\u00e4mpfen. In einem der Projekte sollen ein \u201eAnalyse- sowie Bewertungsinstrument\u201c und eine Software zur \u201eErkennung extremistischer Netzwerkstrukturen\u201c entwickelt werden.<\/p>\n<h4>Personen aus S\u00fcd- und Osteuropa im Fokus<\/h4>\n<p>Die im Predictive Policing verarbeiteten Daten stammen aus der polizeilichen Kriminalstatistik, die tendenzi\u00f6s sein kann. Es werden Anzeigen, nicht tats\u00e4chliche Straftaten gez\u00e4hlt. Wenn die Polizei aufgrund dieser Daten Personen mit einem bestimmten Aussehen oder an sozialen Brennpunkten h\u00e4ufiger kontrolliert, werden dort auch mehr Kriminalit\u00e4tsmeldungen erfasst. Diese flie\u00dfen als Fallstatistik in die Vorhersage von Straftaten ein und best\u00e4tigen die scheinbare Annahme, dass die Kriminalit\u00e4t in besagten Vierteln oder durch besagte Personenkreise zunimmt. Der Hersteller von \u201ePredPol\u201c gew\u00e4hrt sogar einen Preisnachlass, wenn die Polizei die von der Firma (auf Basis der polizeilichen Statistiken durchgef\u00fchrten) Evaluierungen in Pressemitteilungen verbreitet.<a href=\"#_ftn16\" name=\"_ftnref16\">[16]<\/a><\/p>\n<p>Die zum Predictive Policing eingesetzte Software sagt nicht, wie EinbrecherInnen, die von der Polizei festgehalten werden sollen, eigentlich aussehen. Also legen sich die PolizistInnen nach den \u201e\u00fcblichen Verd\u00e4chtigen\u201c auf die Lauer, was bereits existierende Klassismen und Rassismen zementiert. Ein Fernsehbericht des ARD-Studios Washington hatte dies zur Einf\u00fchrung der Software \u201ePredPol\u201c in Santa Cruz eindrucksvoll demonstriert. In dem (leider nicht mehr online verf\u00fcgbaren) Beitrag mit dem Titel \u201e\u201aMinority Report\u2019 wird Wirklichkeit\u201c wurden nur \u201eauff\u00e4llige\u201c Personen hineingeschnitten, etwa Menschen mit Kapuzenpullovern, verwahrloster Kleidung oder dunkler Hautfarbe. Auch das investigative Journalistenb\u00fcro Propublica wies nach, dass Personen mit dunkler Hautfarbe tats\u00e4chlich durch den (meist unbekannten) Algorithmus systematisch benachteiligt werden.<a href=\"#_ftn17\" name=\"_ftnref17\">[17]<\/a><\/p>\n<p>\u00c4hnliche Stereotypen sind auch in Deutschland zu beobachten. In den deutschen Bundesl\u00e4ndern wollen die Landeskriminal\u00e4mter der Zielgruppe \u201ereisende Serieneinbrecher\u201c auf die Pelle r\u00fccken. Was nicht gesagt wird: Der Terminus steht im internationalen Kontext f\u00fcr \u201eMobile Organised Crime Groups\u201c, mit denen gew\u00f6hnlich sogenannte \u201eWanderkriminelle\u201c aus Rum\u00e4nien und Bulgarien gemeint sind.<a href=\"#_ftn18\" name=\"_ftnref18\">[18]<\/a> Das deutsche Predictive Policing nimmt also Personen in den Blick, deren Herkunft vornehmlich in S\u00fcd- und Osteuropa vermutet wird.<\/p>\n<h4>Funktionsweise der Algorithmen ist unbekannt<\/h4>\n<p>Nachweise daf\u00fcr, dass Predictive Policing zur Senkung von Kriminalit\u00e4t in einem gewissen Gebiet f\u00fchrt, gab es bisher nicht. Es fehlen belastbare Untersuchungen. Darauf weist \u00fcbrigens auch die nieders\u00e4chsische Polizei hin, die hierzu die bereits erw\u00e4hnte Studie in Auftrag gab. Bislang k\u00f6nnen also lediglich gef\u00fchlte Effekte festgestellt werden. Zwei Untersuchungen sollen hierzu Licht ins Dunkel bringen: Eine \u201eStudie neuer Technologien zur Vorhersage von Straftaten und ihrer Folgen f\u00fcr die polizeiliche Praxis\u201c wird derzeit an der Universit\u00e4t Hamburg erarbeitet, das Projekt endet jedoch erst im Dezember 2018.<a href=\"#_ftn19\" name=\"_ftnref19\">[19]<\/a> Mittlerweile fertiggestellt ist die Evaluierung eines Predictive Policing-Projekts in Baden-W\u00fcrttemberg durch das Freiburger Max-Planck-Institut f\u00fcr ausl\u00e4ndisches und internationales Strafrecht. <a href=\"#_ftn20\" name=\"_ftnref20\">[20]<\/a><\/p>\n<p>Der Ausarbeitung zufolge ist es weiterhin \u201eschwer zu beurteilen\u201c, ob die getestete Software PRECOBS zu einer Verminderung von Wohnungseinbr\u00fcchen und zu einer Trendwende in der Fallentwicklung beitragen kann. Die \u201ekriminalit\u00e4tsmindernden Effekte\u201c l\u00e4gen nur in einem moderaten Bereich und k\u00f6nnten allein durch Predictive Policing nicht deutlich reduziert werden. In einigen Gegenden des Pilotgebiets nahm die Zahl der Wohnungseinbr\u00fcche ab, in anderen gab es Zunahmen. Die meisten Vorhersagen betrafen zudem st\u00e4dtische Gebiete, die h\u00f6here Einbruchsraten und damit auch mehr statistische Daten mitbringen. Den Nutzen f\u00fcr l\u00e4ndliche Gebiete sieht die Evaluationsstudie deshalb kritisch.<\/p>\n<h4>Kontrolle oft Fehlanzeige<\/h4>\n<p>Eine \u00f6ffentliche oder parlamentarische Kontrolle der digitalen Gefahrenabwehr st\u00f6\u00dft regelm\u00e4\u00dfig an Grenzen. Zu Eins\u00e4tzen von Software werden meist keine Statistiken gef\u00fchrt. Auch Datensch\u00fctzer kontrollieren zun\u00e4chst nur, ob Personendaten verarbeitet werden und falls ja, ob diese dem Zweck ihrer Verarbeitung entsprechend genutzt werden. Die einflie\u00dfenden Informationen k\u00f6nnten aber durch ihre Auswahl und Kombination diskriminierend wirken \u2013 auch wenn keine personenbezogenen Daten genutzt werden. Zudem k\u00f6nnten die Daten aus dem Zusammenhang gerissen werden. Die Selbstlern-F\u00e4higkeit moderner Software, die gemeinhin als k\u00fcnstliche Intelligenz bezeichnet wird, d\u00fcrfte diese Gefahr verst\u00e4rken. Die Unschuldsvermutung wird dann durch die Maschinenlogik ersetzt, wie es der Hamburger Datenschutzbeauftrage Johannes Caspar treffend formuliert.<a href=\"#_ftn21\" name=\"_ftnref21\">[21]<\/a><\/p>\n<p>Problematisch ist auch, dass die Hersteller den Quellcode ihrer Software nicht offenlegen. So kann nicht gepr\u00fcft werden, wie die Algorithmen ihre Prognosen eigentlich errechnen und gewichten. Betroffene k\u00f6nnen sich nicht gegen eine m\u00f6glicherweise verf\u00e4lschende Einordnung wehren. Zu Recht weisen die Datenschutzbeauftragten des Bundes und der L\u00e4nder deshalb darauf hin, dass die st\u00e4ndig weiterentwickelten technischen Auswertem\u00f6glichkeiten \u201eschon heute das Potential daf\u00fcr (bergen), dass B\u00fcrgerinnen und B\u00fcrger die Kontrolle \u00fcber ihre Daten \u2013 in einem Umfang und auf eine Art und Weise \u2013 verlieren k\u00f6nnten, die in der Vergangenheit nicht vorstellbar gewesen ist\u201c. Es braucht deshalb eine politische Auseinandersetzung zum Predictive Policing. Denn einmal eingef\u00fchrt, kann die Berechnung von Einbr\u00fcchen oder \u201eGef\u00e4hrdern\u201c schrittweise zum Instrument sozialer Kontrolle ausgebaut werden.<\/p>\n<h6><a href=\"#_ftnref1\" name=\"_ftn1\">[1]<\/a>\u00a0\u00a0 Predictive Policing \u2013 eine Bestandsaufnahme, abrufbar unter <a href=\"https:\/\/netzpolitik.org\/wp-upload\/LKA_NRW_Predictive_Policing.pdf\">https:\/\/netzpolitik.org\/wp-upload\/LKA_NRW_Predictive_Policing.pdf<\/a><\/h6>\n<h6><a href=\"#_ftnref2\" name=\"_ftn2\">[2]<\/a>\u00a0\u00a0 Als \u00dcberblick zu vorhersagender Polizeiarbeit in den Bundesl\u00e4ndern siehe BT-Drs 18\/3703 v. 7.1.2015; \u201ePredictive Policing: Die deutsche Polizei zwischen Cyber-CSI und Minority Report\u201c, www.heise.de v. 17.4.2017<\/h6>\n<h6><a href=\"#_ftnref3\" name=\"_ftn3\">[3]<\/a>\u00a0\u00a0 \u201eBig Data: L\u00e4sst sich der n\u00e4chste Einbruch berechnen?\u201c, www.spektrum.de v. 28.6.2016<\/h6>\n<h6><a href=\"#_ftnref4\" name=\"_ftn4\">[4]<\/a> \u00a0 \u201eFortschritt durch Technik beim BKA\u201c, Telepolis v. 3.9.2010<\/h6>\n<h6><a href=\"#_ftnref5\" name=\"_ftn5\">[5]<\/a>\u00a0\u00a0 Beispiele sind die rasante Nutzung von Funkzellenabfragen oder der Versand von Stillen SMS als Standardma\u00dfnahme bei Ermittlungen, s. \u201eDie &#8217;stille SMS&#8216; ist nicht durch die Strafprozessordnung gedeckt\u201c, Telepolis v. 4.4.2012<\/h6>\n<h6><a href=\"#_ftnref6\" name=\"_ftn6\">[6]<\/a>\u00a0\u00a0 Abrufbar unter <a href=\"https:\/\/datenschutz-berlin.de\/attachments\/1095\/BigData_Entschlie__ ung.pdf?1426767018\">https:\/\/datenschutz-berlin.de\/attachments\/1095\/BigData_Entschlie__ ung.pdf?1426767018<\/a><\/h6>\n<h6><a href=\"#_ftnref7\" name=\"_ftn7\">[7]<\/a>\u00a0\u00a0 \u201eDatenanalyse der Dinge in Echtzeit: Das &#8217;schmutzige Geheimnis&#8216; der Polizei\u201c, www.n-tv.de v. 25.2.2015<\/h6>\n<h6><a href=\"#_ftnref8\" name=\"_ftn8\">[8]<\/a> \u00a0 <a href=\"https:\/\/enterprise.microsoft.com\/en-us\/articles\/industries\/government\/predictive-policing-the-future-of-law-enforcement\">https:\/\/enterprise.microsoft.com\/en-us\/articles\/industries\/government\/predictive-policing-the-future-of-law-enforcement<\/a><\/h6>\n<h6><a href=\"#_ftnref9\" name=\"_ftn9\">[9]<\/a> \u00a0 \u201eSocial Media in der aktiven Polizeiarbeit\u201c, heise.de v. 28.6.2016<\/h6>\n<h6><a href=\"#_ftnref10\" name=\"_ftn10\">[10]<\/a>\u00a0 \u201ePredictive Policing: Dem Verbrechen der Zukunft auf der Spur\u201c, Bundeszentrale f\u00fcr politische Bildung, abrufbar unter https:\/\/www.bpb.de<\/h6>\n<h6><a href=\"#_ftnref11\" name=\"_ftn11\">[11]<\/a>\u00a0 \u201ePr\u00e4zise berechneter Rassismus\u201c, www.zeit.de v. 6.6.2026<\/h6>\n<h6><a href=\"#_ftnref12\" name=\"_ftn12\">[12]<\/a>\u00a0 Pressemitteilung Accenture \u201eLondon Metropolitan Police Service and Accenture Complete Analytics Pilot Program to Fight Gang Crime\u201c v. 27.10.2014<\/h6>\n<h6><a href=\"#_ftnref13\" name=\"_ftn13\">[13]<\/a>\u00a0 Presseinformation des BKA \u201eNeues Instrument zur Risikobewertung von potentiellen Gewaltstraft\u00e4tern\u201c v. 2.2.2017<\/h6>\n<h6><a href=\"#_ftnref14\" name=\"_ftn14\">[14]<\/a>\u00a0 BT-Drs 18\/11578 v. 20.3.2017<\/h6>\n<h6><a href=\"#_ftnref15\" name=\"_ftn15\">[15]<\/a>\u00a0 <a href=\"http:\/\/www.sifo.de\/de\/bewilligte-projekte-aus-der-bekanntmachung-aspekte-und-massnahmen-der-1767.html\">http:\/\/www.sifo.de\/de\/bewilligte-projekte-aus-der-bekanntmachung-aspekte-und-massnahmen-der-1767.html<\/a><\/h6>\n<h6><a href=\"#_ftnref16\" name=\"_ftn16\">[16]<\/a> s. hierzu die Ausf\u00fchrungen von Bernd Belina: \u2018Predictive Policing\u2018 ist diskriminierend \u2013 und ein dubioses Gesch\u00e4ftsmodell, unter <a href=\"http:\/\/www.rosalux.de\/news\/id\/14431\/schuldig-bei-verdacht\">www.rosalux.de\/news\/id\/14431\/schuldig-bei-verdacht<\/a><\/h6>\n<h6><a href=\"#_ftnref17\" name=\"_ftn17\">[17]<\/a>\u00a0 \u201eMachine Bias\u201c, ProPublica v. 23.5.2016, abrufbar unter www.propublica.org<\/h6>\n<h6><a href=\"#_ftnref18\" name=\"_ftn18\">[18]<\/a>\u00a0 \u201eResearch Conferences on Organised Crime at the Bundeskriminalamt in Germany\u201c, abrufbar unter www.bka.de<\/h6>\n<h6><a href=\"#_ftnref19\" name=\"_ftn19\">[19]<\/a>\u00a0 <a href=\"http:\/\/www.wiso.uni-hamburg.de\/fachbereich-sowi\/professuren\/hentschel\/forschung\/ predictive-policing.html\">www.wiso.uni-hamburg.de\/fachbereich-sowi\/professuren\/hentschel\/forschung\/ predictive-policing.html<\/a><\/h6>\n<h6><a href=\"#_ftnref20\" name=\"_ftn20\">[20]<\/a>\u00a0 <a href=\"http:\/\/www.mpicc.de\/de\/forschung\/forschungsarbeit\/kriminologie\/predictive_policing _p4.html\">www.mpicc.de\/de\/forschung\/forschungsarbeit\/kriminologie\/predictive_policing _p4.html<\/a><\/h6>\n<h6><a href=\"#_ftnref21\" name=\"_ftn21\">[21]<\/a>\u00a0 \u201eMit der Methode Bayern gegen Wohnungseinbrecher\u201c, www.handelsblatt.com v. 17.3.2017<\/h6>\n","protected":false},"excerpt":{"rendered":"<p>Mehrere Bundesl\u00e4nder testen Software zur Vorhersage von Straftaten, andere setzen sie bereits ein. Auch das<\/p>\n","protected":false},"author":3,"featured_media":0,"comment_status":"open","ping_status":"open","sticky":false,"template":"","format":"standard","meta":{"footnotes":""},"categories":[152,118],"tags":[400,1151,1153,1154,1178,1530],"class_list":["post-13349","post","type-post","status-publish","format-standard","hentry","category-artikel","category-cilip-113","tag-crime-mapping","tag-precobs","tag-predictive-policing","tag-predpol","tag-radar-ite","tag-vorhersagende-polizeiarbeit"],"_links":{"self":[{"href":"https:\/\/wp-dev.daten.cool\/index.php?rest_route=\/wp\/v2\/posts\/13349","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/wp-dev.daten.cool\/index.php?rest_route=\/wp\/v2\/posts"}],"about":[{"href":"https:\/\/wp-dev.daten.cool\/index.php?rest_route=\/wp\/v2\/types\/post"}],"author":[{"embeddable":true,"href":"https:\/\/wp-dev.daten.cool\/index.php?rest_route=\/wp\/v2\/users\/3"}],"replies":[{"embeddable":true,"href":"https:\/\/wp-dev.daten.cool\/index.php?rest_route=%2Fwp%2Fv2%2Fcomments&post=13349"}],"version-history":[{"count":0,"href":"https:\/\/wp-dev.daten.cool\/index.php?rest_route=\/wp\/v2\/posts\/13349\/revisions"}],"wp:attachment":[{"href":"https:\/\/wp-dev.daten.cool\/index.php?rest_route=%2Fwp%2Fv2%2Fmedia&parent=13349"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/wp-dev.daten.cool\/index.php?rest_route=%2Fwp%2Fv2%2Fcategories&post=13349"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/wp-dev.daten.cool\/index.php?rest_route=%2Fwp%2Fv2%2Ftags&post=13349"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}