Daten aus Twitter<\/em> oder Facebook <\/em>haben zunehmende Bedeutung f\u00fcr Polizei und Nachrichtendienste. Die Massendaten aus der unmittelbaren Kommunikation der Bev\u00f6lkerung sollen Aufschl\u00fcsse \u00fcber Gef\u00e4hrdungspotenziale und Risikotr\u00e4gerInnen geben \u2013 ohne wirksame Kontrolle \u00fcber die Verarbeitung und Auswertung.<\/strong><\/p>\n \u201eK\u00fcnstliche Intelligenz trifft Risikoanalyse!\u201c So wirbt das Wiener Un\u00adternehmen Prewave <\/em>f\u00fcr seine Dienstleistungen, darunter die Streik-Vor\u00adher\u00adsage anhand von Daten aus den Sozialen Medien. \u201eEin Streik kann definiert werden als eine geplante Aktion von Besch\u00e4ftigten oder Gewerk\u00adschaften, um die Arbeit anzuhalten oder zu verlangsamen\u201c, hei\u00dft es in einem wissenschaftlichen Beitrag der Prewave-Gr\u00fcnderin Lisa Madlber\u00adger von 2016.[1]<\/a> Aber: \u201eSch\u00e4den k\u00f6nnen durch rechtzeitige und effiziente Reaktion verringert werden. Allerdings geht oft wertvolle Zeit verloren, weil die Unternehmen zu sp\u00e4t von einem Streik bei ihren Zuliefern oder Transporteuren erfahren.\u201c Dagegen soll Prewave <\/em>helfen, indem die Sozialen Medien in Regionen von Interesse systematisch ausgewertet werden, um sich anbahnende Arbeitsniederlegungen zu erkennen. Den Zulieferer zu wechseln, ist \u00fcbrigens eine g\u00e4ngige Ma\u00dfnahme im Supply Change Management<\/em>. Laut eigenen Angaben geh\u00f6ren zu den Auftraggebern der Firma \u201egro\u00dfe Automobilhersteller, Banken, Logistikkonzerne und Reedereien\u201c.[2]<\/a><\/p>\n Funktioniert so etwas? Vielleicht. Die Prewave-Algorithmen durchforsten Twitter, Facebook <\/em>oder andere Plattformen. Zun\u00e4chst werden die Texte sozusagen bereinigt, um sie sodann maschinell auszuwerten. Aus den Tweets <\/em>oder Posts <\/em>werden die Merkmale \u201eOrt\u201c, \u201eZeitpunkt\u201c und \u201ePer\u00adson\/\u00adOr\u00adganisation\u201c extrahiert. Weil es Prewave <\/em>um die Streik-Vorher\u00adsage geht, schlie\u00dft Person\/Organisation in diesem Fall auch Berufsgruppen wie \u201eTaxifahrer\u201c oder \u201eHafenarbeiter\u201c ein. Mit den festgestellten H\u00e4ufigkeiten dieser Merkmale werden dann Prognosen erstellt. Das Beispiel hat zwar mit Strafverfolgung nichts zu tun, aber es illus\u00adtriert das Wesentliche von Social Media Intelligence <\/em>(SOCMINT), der Aus\u00adwertung von offen zug\u00e4nglichen Internetquellen: Massendaten aus dem Netz werden mit K\u00fcnstlicher Intelligenz untersucht, um Muster zu identifizieren und diese mit statistischen Verfahren in die Zukunft zu ver\u00adl\u00e4ngern. Natural Language Processing,<\/em> die automatische Analyse von nat\u00fcrlich-sprachigen \u00c4u\u00dferungen, ist eine wesentliche Grundlage daf\u00fcr.<\/p>\n Der Ausdruck SOCMINT stammt aus dem nachrichtendienstlichen Milieu, wie auch sein Oberbegriff Open Source Intelligence <\/em>(OSINT). Mittlerweile nutzt aber auch die Polizei diese Informationsquelle. OSINT kann in die Erstellung von Lagebildern einflie\u00dfen und damit gro\u00dffl\u00e4chig bestimmte Bev\u00f6lkerungsgruppen in den Blick nehmen \u2013 wie im obi\u00adgen Bei\u00adspiel der Streikvorhersage \u2013 oder operativ einzelne, bereits bekannte Verd\u00e4chtige. Zwischen den beiden Extremen \u201efl\u00e4chendeckende Rasterfahndung\u201c einerseits und \u201espezifische Observation\u201c andererseits breitet sich allerdings ein weites Feld aus. Der deutsche Verfassungsschutz beispielsweise nutzt \u201elinguistische Algorithmen\u201c, um \u201eextremistische Bestrebungen\u201c in Sozialen Medien mithilfe von Stichwortkatalogen auszumachen. Die unterschiedlichen Ph\u00e4nomenbereiche von Salafismus bis Linksextremismus werden arbeitsteilig von den Landesbeh\u00f6rden und dem Bundesamt betreut, wobei die Aufgabenverteilung ebenso wenig bekannt ist wie die Funktionsweise dieser Internetauswertung. Am anderen Ende des Spektrums stehen Observationen von Verd\u00e4chtigen oder sogenannten Gef\u00e4hrderInnen. Mittlerweile werden sie in Hessen mit der Palantir-Software Gotham durchgef\u00fchrt. Nun verschwimmt aber die Grenze zwischen dem sozusagen gesellschaftsanalytischen Ansatz des Inlandsgeheimdienstes und der pr\u00e4ventiven polizeilichen \u00dcberwachung, wenn die eingesetzte Software zu beidem in der Lage ist. So zielt die Internetauswertung des Verfassungsschutzes durchaus auch auf ganz bestimmte Individuen und ihre Netzwerke, w\u00e4hrend zu der \u00dcberwachung der islamistischen Gef\u00e4hrderInnen die teilautomatisierte Analyse ihres politischen Milieus anhand von h\u00e4ufig gebrauchten Stichworten oder Phrasen geh\u00f6rt \u2013 dazu gleich mehr.<\/p>\n Die wachsende Bedeutung von Social Media Intelligence <\/em>(SOCINT) erschlie\u00dft sich aus einem tiefgreifenden und umfassenden Wandel der Polizeiarbeit, dessen Leitbilder das Intelligence led-policing <\/em>und die Pr\u00e4vention sind. Der englische Ausdruck wird meist, wenig elegant, mit \u201einformationsgeleitete Polizeiarbeit\u201c \u00fcbersetzt, besser treffender w\u00e4re \u201edatengetriebene Polizeiarbeit\u201c: Informationen sollen systematisch erfasst und in der Organisation verteilt werden, um operative und strategische Entscheidungen auf eine objektive Grundlage zu stellen.<\/p>\n Letztlich verspricht dieser Ansatz eine bessere Auslastung der Ressourcen. \u201eMit weniger mehr erreichen\u201c ist denn auch das Versprechen, mit denen die Software-Hersteller ihre Produkte anpreisen. F\u00fcr die Leitungen von personell ausged\u00fcnnten Polizeibeh\u00f6rden ist dieses Versprechen \u00e4u\u00dferst attraktiv. Mit Hilfe von Predictive Policing <\/em>sollen beispielsweise die verf\u00fcgbaren Einsatzkr\u00e4fte zur richtigen Zeit am richtigen Ort sein. Besonders deutlich ist dies in den USA, wo die entsprechenden Bem\u00fchungen f\u00fcr eine \u201eRundum-Digitalisierung\u201c der Polizei deutlich weiter fortgeschritten sind als in Deutschland. Tats\u00e4chlich schwingt dort das Pendel teils schon wieder zur\u00fcck: In einigen amerikanischen St\u00e4dten k\u00fcndigen Polizeibeh\u00f6rden ihre Lizenzvereinbarungen mit den Software-Herstellern auf.<\/p>\n Die Effizienzgewinne von Predictive Policing <\/em>sind nach Meinung vieler ExpertInnen, die nicht mit der Software-Industrie verwoben sind, klein oder fragw\u00fcrdig.[3]<\/a> Diese Computerprogram\u00adme sind mitnichten eine Glaskugel, mit der sich in die Zukunft sehen lie\u00dfe. Die pr\u00e4ventive Ausrichtung ist denn auch keine Folge des technischen Fortschritts in der Datenverarbeitung, sondern hat soziale und politische Ursachen \u2013 wobei der Trend zur Pr\u00e4diktion und Pr\u00e4vention nat\u00fcrlich so nicht m\u00f6glich w\u00e4re, st\u00fcnde nicht entsprechende Software zur Verf\u00fcgung (etwa Predictive Analytics<\/em>\/Hana von SAP oder SPSS von IBM). Mit ihnen lassen sich prinzipiell statistisch fundierte Prognosen erzeugen. Ob und wie diese f\u00fcr das Polizieren genutzt werden, h\u00e4ngt ab von organisatorischen und sicherheitspolitischen Umst\u00e4nden.<\/p>\n Der Einsatz von Predictive Policing <\/em>entspricht \u00fcblicherweise der Strategie, sich auf besonders problematische T\u00e4tergruppen zu konzentrieren (zum Beispiel auf Gang-Mitglieder oder arbeitsteilig agierende EinbrecherInnen). Die Idee: Weil sie bestimmte Straftaten h\u00e4ufiger und auf die gleiche Art begehen, lassen sich die Kriminalit\u00e4tsmuster erfassen und prognostizieren. F\u00fcr spontane oder opportunistisch handelnde T\u00e4terInnen, die eine sich bieten\u00adde Gelegenheit ausnutzen, ist Predictve Policing <\/em>mithin kaum geeignet.<\/p>\n Im Mai 2016 reiste der hessische Innenminister Peter Beuth (CDU) mit seinem Ministerpr\u00e4sidenten Volker Bouffier ins kalifornische Silicon Valley, unter anderem mit dem Ziel, sich \u00fcber die neusten Entwicklungen in Sachen \u201eCybersicherheit\u201c zu informieren. Beuth und Bouffier wurden von Vertretern der Polizei- und Verfassungsschutzbeh\u00f6rden des Landes begleitet und lie\u00dfen sich von den Firmen Hewlett Packard<\/em> und Palantir Technologies<\/em> Software-L\u00f6sungen vorf\u00fchren. Letztere hatten offenbar das attraktivere Angebot, denn seit Anfang 2018 wird die Palantir-Software Gotham in Hessen eingesetzt. Sie firmiert unter dem Namen \u201eHessenDATA\u201c. Mit der \u201eAnalyseplattform zur effektiven Bek\u00e4mpfung des islamistischen Terrorismus und der schweren und Organisierten Kriminalit\u00e4t\u201c \u00fcberwacht das Polizeipr\u00e4sidium Frankfurt islamistische Gef\u00e4hrder. Ob das Programm auch gegen andere Kriminalit\u00e4tsformen eingesetzt wird, ist bislang nicht bekannt.<\/p>\n Die Anschaffung selbst war kostenlos, die Schulungskosten beliefen sich bisher lediglich auf 600.000 Euro. Dieses auf den ersten Blick \u00fcberraschende Vorgehen entspricht dem Gesch\u00e4ftsmodell der Firma Palantir, <\/em>die zun\u00e4chst die Anschaffungsosten niedrig h\u00e4lt, um \u201eeinen Fu\u00df in die T\u00fcr zu bekommen\u201c und ihren Umsatz sp\u00e4ter mit Lizenzgeb\u00fchren, Schulungen und Hardware macht, wenn sich die Anwender an das Programm gew\u00f6hnt haben. Palantir<\/em> hat eine Niederlassung in Frankfurt gegr\u00fcndet und d\u00fcrfte von dort aus auf dem deutschen Markt aktiv werden wollen.<\/p>\n Die Anschaffung der Palantir<\/em>-Software stie\u00df auf Kritik von Medien und hessischen Oppositionsparteien. Die Umst\u00e4nde der Vergabe soll nun ein Untersuchungsausschuss kl\u00e4ren (der sich allerdings nicht mit der b\u00fcrgerrechtlichen oder Datenschutz-Problematik befassen wird). Das Unternehmen fiel in den USA immer wieder mit Verst\u00f6\u00dfen gegen den Datenschutz auf. Seit der Gr\u00fcndung im Jahr 2004 ist es eng mit der CIA und anderen US-Nachrichtendiensten verwoben. Dass die AmerikanerInnen die Ermittlungsarbeit des hessischen Staatsschutzes \u00fcber Gotham quasi in Echtzeit mitlesen, ist insofern nicht abwegig. Immerhin verwies Innenminister Peter Beuth darauf, dass der Vertrag eine \u201eNo Spy\u201c-Klausel enthalte, weshalb ein Datenabfluss ausgeschlossen sei \u2013 w\u00fcrde ein Geheimdienst denn je l\u00fcgen?<\/p>\n Das Programm Gotham<\/em> (fr\u00fcher Government<\/em>) f\u00fchrt strukturierte und unstrukturierte Daten zusammen. Das klingt wenig spektakul\u00e4r, aber erleichtert die Arbeit enorm. Mithilfe einer graphischen Oberfl\u00e4che lassen sich die Beziehungen von Personen, Gegenst\u00e4nden und Orten als Netzwerk darstellen. Die Knoten in diesem Netz stellen Namen, Telefonnummern oder Fahrzeuge dar. Diese Knotenpunkte werden mit Linien verbunden, die ihre Beziehungen beschreiben: \u201eim Besitz von\u201c, \u201eKollege\u201c oder auch \u201eLiebhaber von\u201c, \u201ereist zu\u201c, \u201e\u00fcberweist Geld an\u201c \u2026 Die Software verbindet beh\u00f6rdeninterne Datenbest\u00e4nde mit externen Quellen, darunter auch Soziale Medien wie Twitter Feeds <\/em>oder Facebook-Accounts<\/em> oder die eigene Telekommunikations\u00fcberwachung. So lassen sich Beziehungsnetzwerke analysieren und Bewegungsprofile erzeugen.<\/p>\n Entscheidend ist nun, dass die Entit\u00e4ten automatisch in dem unstrukturierten Datenstrom detektiert werden und die Software dann eine Meldung absetzt. Die ErmittlerInnen erhalten beispielsweise immer dann eine Nachricht, wenn eine bestimmte Entit\u00e4t (etwa Personen- oder Ortsnamen, Stichworte, Gegenst\u00e4nde) in der Telekommunikation auftaucht, wenn ein bestimmtes KFZ-Kennzeichen erfasst wird oder eine Person sich bei einem Einwohnermeldeamt registriert. Laut Angaben von Hersteller (die nat\u00fcrlich mit Vorsicht zu genie\u00dfen sind) k\u00f6nnen s\u00e4mtliche Datenquellen in diese Analysen eingehen.<\/p>\n Dieses Verfahren ist also nicht insofern automatisiert, als dass auf Knopfdruck ein fertiges Beziehungsgeflecht oder ein Kreis von Verd\u00e4chtigen generiert w\u00fcrde. Die ErmittlerInnen entscheiden, welche Beziehun\u00adgen sie interessieren und welche Datenquellen eingehen. Automatisiert ist allerdings der permanente Abgleich mit diesen Quellen, letztlich eine Art Rasterfahndung in Echtzeit.<\/p>\n F\u00fcr die amerikanische Soziologin Sarah Brayne, die letztes Jahr Ergebnisse ihrer Feldforschungen in Los Angeles vorgelegt hat, ist dies eine der wesentlichen Ver\u00e4nderungen durch Programme wie Palantir<\/em>: \u201eDie Verbreitung von automatisierten Warnmeldungen erlaubt die systematische \u00dcberwachung einer so gro\u00dfen Anzahl von Personen, die beispiellos ist.\u201c[4]<\/a><\/p>\n Unterdessen setzt das LKA Niedersachsen auf eine Eigenentwicklung mit \u00e4hnlichen Funktionalit\u00e4ten. Mit der Open Source Software <\/em>KNIME wur\u00adde eine Plattform entwickelt, \u201eum damit M\u00f6glichkeiten zur Verbesserung polizeilicher Analysen von Massendaten im Rahmen von Ermittlungsverfahren zu erproben\u201c.[5]<\/a> Auch sie kann Entit\u00e4ten extrahieren und Netzwerke graphisch darstellen. Die Software dient der \u201eDatenreduzierung auf beweisrelevante Inhalte\u201c, aber auch der Erhebung \u201evertiefender Infos zu Bedrohungsszenarien\u201c.[6]<\/a> Eingesetzt wird die Plattform gegen islamistischen Terrorismus und Cyberkriminalit\u00e4t. Wahrscheinlich wird sie auch vom G\u00f6ttinger Staatsschutz benutzt, der jedenfalls im April nach einem IT-Experten mit entsprechenden Fertigkeiten suchte.<\/p>\n Daten aus Sozialen Medien (Youtube, Twitter, Facebook u.a.) werden mit einem Webcrawler <\/em>erfasst, der die Inhalte einschl\u00e4giger Html-Seiten sichert und aufbereitet. Sie k\u00f6nnen anschlie\u00dfend mit Verfahren des Data Mining <\/em>und Text Mining <\/em>analysiert werden. Diese Verfahren dienen auch dazu, \u201ezu sichernde Datenbest\u00e4nden im Rahmen von Server\u00fcberwachungen DSL-Ausleitungen, E-Mail-Beschlagnahmen\u201c[7]<\/a> zu durchdringen.<\/p>\n Auf meine Nachfrage hin teilte mir das nieders\u00e4chsische Landeskriminalamt mit: \u201eDie Software wird zur Unterst\u00fctzung bei der Auswertung von sichergestellten digitalen Daten eingesetzt, beispielsweise um sichergestellte E-Mail-Datenbest\u00e4nde (teil-)automatisiert zu strukturieren oder im Rahmen von einzelfallbezogenen Ermittlungen diesbez\u00fcglich gezielt Informationen aus dem Internet zu erheben. Eine Zusammenf\u00fchrung von diesen im Internet erhobenen Daten mit polizeieigenen Datenbanken findet mit KNIME nicht statt.\u201c Bei dem Einsatz handle sich um einen Probebetrieb, wobei das Ende der Erprobung unklar sei. Das LKA Niedersachsen strebe im Rahmen des Projekts eine Zusammenarbeit mit Polizeibeh\u00f6rden in Bund und L\u00e4ndern an und habe \u00fcber die bisherigen Erfahrungen sowohl bilateral als auch in diversen polizeilichen Gremien berichtet.<\/p>\n Big Data Surveillance <\/em>geht, wie die Soziologin Sarah Brayne betont, gleichzeitig \u201ein die Breite wie die Tiefe\u201c. \u201eSie umfasst breitete Bev\u00f6lkerungsschichten und kann einzelne Individuum \u00fcber mehr institutionelle Rahmen als bisher verfolgen.\u201c[8]<\/a> Die Integration von Daten aus verschiedenen Kontexten spielt dabei eine entscheidende Rolle. In die Tiefe geht die SOCMINT-Analyse aber auch insofern, als dass aus den Daten zunehmend auf politische Haltungen und sogar emotionale Zust\u00e4nde und Pers\u00f6nlichkeitsmerkmale geschlossen werden soll.<\/p>\n Das Affective Computing<\/em> oder die Artificial Emotional Intelligence <\/em>sind derzeit das wohl dynamischste Feld in der K\u00fcnstlichen Intelligenz-Forschung. Text, Stimme, Mimik oder Gestik werden dabei automatisch analysiert und klassifiziert. Das Ziel der EntwicklerInnen sind Computer-Systeme vor allem f\u00fcr den Dienstleistungssektor, die sich fle\u00adxi\u00adbel an den Zustand der KundInnen anpassen. Die entsprechenden Funktionen k\u00f6nnen aber auch von Polizei und Nachrichtendiensten ein\u00adge\u00adsetzt werden, um etwa die Gef\u00e4hrlichkeit von einzelnen Verd\u00e4chtigen und Gruppen zu bestimmen. Dabei geht es bisher vor allem um semantische Analysen von Text (soweit dies bekannt ist). Sie sollen politische Neigungen erfassen oder auch den Grad der Radikalit\u00e4t einsch\u00e4tzen. Gelingt das, w\u00fcrden neue Ermittlungspraktiken m\u00f6glich, etwa das Auswerten einer Online-Debatte unbekannter Teilnehmer anhand ihres Sprach\u00adstils, und der Bereich der \u00dcberwachung w\u00fcrde sich noch einmal erweitern.<\/p>\n Solche Ans\u00e4tze werden in der \u201eRadikalisierungsforschung\u201c erprobt, die im Rahmen der Forschung f\u00fcr die Zivile Sicherheit vom Bundesministerium f\u00fcr Wissenschaft und Forschung und vom Verband Deutscher Ingenieure (VDI) organisiert und finanziell gef\u00f6rdert wird. Die Forschungsprojekte vernetzen IT-Unternehmen mit Universit\u00e4tsfakult\u00e4ten und Polizeibeh\u00f6rden. \u201eDie automatisierte Auswertung und visuelle Aufbereitung von Daten k\u00f6nnte in Zukunft den Aufwand bei der Gef\u00e4hrdungseinsch\u00e4tzung und Lagebewertung deutlich verringern\u201c, hei\u00dft es in der Vorstellung des Forschungsprojekts INTEGER (Visuelle Entscheidungsunterst\u00fctzung bei der Auswertung von Daten aus sozialen Netzwerken).[9]<\/a> \u00c4hnlich wie bei Palantir Gotham <\/em>sollen durch automatische Bilderkennung Hinweise erzeugt werden, wenn sich in der Nutzerhistorie in einem Sozialen Netzwerk eine bestimmte Person oder Gegenst\u00e4nde (wie etwa Schusswaffen) zeigen.<\/p>\n Der Ansatz erinnert an das Predictive Policing<\/em>, und tats\u00e4chlich handelt es sich um digitaltechnische Pr\u00e4diktion mithilfe von Muster\u00ader\u00adkennung und Statistik. Allerdings sollen so nicht Wohneinbruchsdiebst\u00e4hle verhindert werden, sondern staatsgef\u00e4hrdende Straftaten. Es geht um nicht weniger als eine Risikobewertung von ExtremistInnen anhand ihres Verhaltens im Netz. Aus der digitalen Kommunikation \u00fcber die Sozialen Netzwerke soll eine Software verd\u00e4chtige Verhaltensmuster aussieben.<\/p>\n Die Forschungsprojekte verbinden kriminologische und psychologische Ans\u00e4tze, um entsprechende \u201eMuster der Radikalisierung\u201c zu finden. Zu diesen Projekten geh\u00f6ren PANDORA (Propaganda, Mobilisierung und Radikalisierung zur Gewalt in der virtuellen und realen Welt), X-SONAR (Extremistische Bestrebungen in Social Media Netzwerken), RADIG-Z (Radikalisierung im digitalen Zeitalter) und RISKANT (Risikoanalyse bei islamistisch motivierten Tatgeneigten). Bei RADIG-Z will man ein Prognoseinstrument entwickeln, das die Wahrscheinlichkeit einer sp\u00e4teren terroristischen Aktion misst. RISKANT, PANDORA und X-SONAR zielen auf Software f\u00fcr den praktischen Einsatz und wurden zum Teil von den Kriminal\u00e4mtern selbst angesto\u00dfen.<\/p>\n B\u00fcrgerrechtlich brisant ist unter anderem, dass \u201eRadikalit\u00e4t\u201c anhand sprachlicher \u00c4u\u00dferungen gemessen werden soll. Unterschiedliche Signale k\u00e4men daf\u00fcr in Frage, hei\u00dft es: die einschl\u00e4gigen Begriffe aus bestimmten politischen Milieus (zum Beispiel \u201eVolkssch\u00e4dling\u201c oder \u201esozialistische Revolution\u201c), aber auch Formulierungen, die gewaltsam klingen (etwa \u201emilitanter Widerstand\u201c) oder eine Ausdrucksweise, die den Unterschied zu anderen sozialen Gruppen betont (\u201ewir als Muslime\/Deut\u00adsche\/Arbeiter\u201c versus \u201edie Ungl\u00e4ubigen\/Einwan\u00adderer\/Ka\u00adpita\u00adlis\u00adten\u201c). Kurz, die Wortwahl entscheidet (mit) \u00fcber den entstehenden Risiko-Score.<\/p>\n von Matthias Becker Daten aus Twitter oder Facebook haben zunehmende Bedeutung f\u00fcr Polizei und Nachrichtendienste.<\/p>\n","protected":false},"author":2,"featured_media":0,"comment_status":"open","ping_status":"open","sticky":false,"template":"","format":"standard","meta":{"footnotes":""},"categories":[152,122],"tags":[1039,1153,1328,1329,1450],"class_list":["post-19757","post","type-post","status-publish","format-standard","hentry","category-artikel","category-cilip-117","tag-osint","tag-predictive-policing","tag-social-media","tag-socmint","tag-twitter"],"_links":{"self":[{"href":"https:\/\/wp-dev.daten.cool\/index.php?rest_route=\/wp\/v2\/posts\/19757","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\/2"}],"replies":[{"embeddable":true,"href":"https:\/\/wp-dev.daten.cool\/index.php?rest_route=%2Fwp%2Fv2%2Fcomments&post=19757"}],"version-history":[{"count":0,"href":"https:\/\/wp-dev.daten.cool\/index.php?rest_route=\/wp\/v2\/posts\/19757\/revisions"}],"wp:attachment":[{"href":"https:\/\/wp-dev.daten.cool\/index.php?rest_route=%2Fwp%2Fv2%2Fmedia&parent=19757"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/wp-dev.daten.cool\/index.php?rest_route=%2Fwp%2Fv2%2Fcategories&post=19757"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/wp-dev.daten.cool\/index.php?rest_route=%2Fwp%2Fv2%2Ftags&post=19757"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}Hessen prescht vor<\/h4>\n
Analyse mit KNIME-Software beim LKA Niedersachsen<\/h4>\n
SOCMINT von morgen: In die Tiefe?<\/h4>\n
[1]<\/a>\u00a0\u00a0\u00a0\u00a0\u00a0 Purwarianti, A.; Madlberger, L.; Ibrahim, M.: Supervised Entity Tagger for Indonesian Labor Strike Tweets using Oversampling Technique and Low Resource Features, in: Telkomnika 2016, no. 4, p. 1462 \u2013 1471 (1462). eigene \u00dcbersetzung<\/h6>\n
[2]<\/a>\u00a0\u00a0\u00a0\u00a0 www.prewave.ai<\/a><\/h6>\n
[3]<\/a>\u00a0\u00a0\u00a0\u00a0 f\u00fcr Deutschland z.B. Alexander Gluba von der Kriminologischen Forschungsstelle des LKA Niedersachsen und Dominik Gerstner vom Freiburger Max Planck-Institut: Gluba, A.: Predictive Policing<\/em> \u2013 eine Bestandsaufnahme, in: Kriminalistik 2014, H. 6, S. 347\u2013352; Gerstner, D.: Predictive Policing <\/em>als Instrument zur Pr\u00e4vention von Wohnungseinbruchdiebstahl, Freiburg 2017; www.mpicc.de\/de\/forschung\/forschungsarbeit\/kriminologie\/ predictive_policing_p4.html<\/a><\/h6>\n
[4]<\/a>\u00a0\u00a0\u00a0\u00a0 Brayne, S.: Big Data Surveillance: The Case of Policing, in: American Sociological Review 2017, no. 5, p. 977-1008 (978), eigene \u00dcbersetzung<\/h6>\n
[5]<\/a>\u00a0\u00a0\u00a0\u00a0 Stahlhut, A.: Automatisierte Datenreduzierung auf beweisrelevante Inhalte: Erg\u00e4nzende Analyse mit KNIME, in: der kriminalist 2017, H. 10, S. 26-30<\/h6>\n
[6]<\/a>\u00a0\u00a0\u00a0\u00a0 ebd.<\/h6>\n
[7]<\/a>\u00a0\u00a0\u00a0\u00a0 ebd.<\/h6>\n
[8]<\/a>\u00a0\u00a0\u00a0\u00a0 Brayne: Big data surveillance, a.a.O. (Fn. 4), S. 979<\/h6>\n
[9]<\/a>\u00a0\u00a0\u00a0\u00a0 https:\/\/www.sifo.de\/files\/Projektumriss_INTEGER.pdf<\/a><\/h6>\n","protected":false},"excerpt":{"rendered":"