Vor die Lage kommen: Predictive Policing in Deutschland

Policy Brief

Chancen und Gefahren datenanalytischer Prognosetechnik und Empfehlungen für den Einsatz in der Polizeiarbeit

Seit etwa drei Jahren wird Predictive Policing in Deutschland praktiziert. Sechs Bundesländer nutzen entsprechende Software meist, um städtische Gebiete, in denen am wahrscheinlichsten Wohnungseinbrüche, Gewerbeeinbrüche oder Kfz-Diebstähle stattfinden werden, zu identifizieren. Die Erfahrungen zeigen erstens, dass Predictive Policing, wie es derzeit in Deutschland praktiziert wird, keinen Eingriff in die Bürgerrechte darstellt. Zweitens wird deutlich, dass Predictive Policing abseits der Verhinderung von Verbrechen, was sich als Wirkung kaum nachweisen lässt, so viel positives Potential entfaltet, das es sich durchaus lohnt, diesen Ansatz mit Bedacht weiter zu verfolgen.

Die unterschiedlichen, in Deutschland im Einsatz befindlichen – lizensierten und selbst entwickelten – Systeme verarbeiten ausschließlich ortsbezogene Informationen, keine personenbezogenen. Wie gut das Einkreisen von Kriminalitäts-Hotspots funktioniert, weiß man nicht, weil die Wirkung sehr schwer messbar ist. Andere mögliche Einflussfaktoren lassen sich nicht so isolieren, dass man Wirkungen unmittelbar auf Predictive Policing zurückführen kann. Obwohl von 2015 bis 2017 in Baden-Württemberg die weltweit erste wissenschaftliche Begleitevaluation des Testbetriebs eines Predictive-Policing-Systems stattgefunden hat, lässt sich kaum mehr als vermuten, dass solche Systeme einen positiven Einfluss auf die Entwicklung von Wohnungseinbruchszahlen haben, indem sie eine gezieltere polizeiliche Präsenz und Prävention ermöglichen. Das macht es zweitens nicht nur schwierig, die Ausgaben der öffentlichen Hand für entsprechende Systeme zu rechtfertigen. Es erschwert den Anwendern der Systeme auch, den Erfolg ihrer Arbeit zu sehen. Denn Erfolg in der Logik des Predictive Policing heißt ja, dass gerade kein Einbruch oder Diebstahl stattfindet. Für Beamt:innen des Streifendienstes kann das frustrierend sein.

Um diesem drohenden Frust entgegen zu wirken, muss man Predictive Policing als das beschreiben, was es ist, nämlich als ein technisches Hilfsmittel zur Unterstützung der polizeilichen Intuition und des kriminalistischen Gespürs. Beides wird nach wie vor gebraucht, um ein Lagebild und einen darauf abgestimmten Einsatzplan zu erstellen – womit wir bei den positiven Effekten von Predictive Policing sind. Die Verwendung von Algorithmen zwingt dazu, bisherige Erkenntnisquellen und Vorgehensweisen auf den Prüfstand zu stellen. Um Algorithmen einsetzen zu können, muss man die Ziele seines Handelns benennen können. Und man muss sagen können, woraus man seine Erkenntnisse bezieht und wie man normalerweise vorgeht, um seine Ziele zu erreichen. Mit anderen Worten: Alles, was intransparent ist, was un- oder nur halb bewusst geschieht, muss explizit gemacht werden.

Um Predictive Policing als ein wirksames Zusatzinstrument einsetzen zu können, müssen Behörden beispielsweise die Datenquellen, aus denen die Software gespeist wird, auf den Prüfstand stellen: Welche Güte haben Polizeidaten und wie vollständig sind sie? Was lässt sich an Vorgangsbearbeitungssystemen – durchaus auch im Hinblick auf den Bedienkomfort für die Mitarbeiter:innen – verändern, um Qualität und Vollständigkeit der Datenbasis zu verbessern? Welcher weiterer Informationsquellen (z. B. soziodemografische Daten und Geodaten) bedarf es, um zu den gewünschten Erkenntnissen zu gelangen und entsprechend robuste Modelle zu erstellen? Auch die Arten der internen Zusammenarbeit an Lagebild, Einsatzplanung und Bewertung derselben müssen offengelegt und gegebenenfalls hinterfragt werden, wenn Software zum Einsatz kommen soll. Denn Maschinen brauchen, wenn sie uns unterstützen sollen, in weiten Teilen nach wie vor explizite Anweisungen. Bei Behörden, deren Auftrag es ist, die Sicherheit der Bevölkerung und ihres Besitzes zu gewährleisten, ist das ein guter Ansatzpunkt zur Verbesserung ihrer Arbeit – und zwar ganz unabhängig davon, wie man zu Predictive Policing steht.

Darüber hinaus stellen sich auch solche Fragen, die das polizeiliche Selbstverständnis tangieren und gesellschaftlich sehr relevant sind: Wenn empirische Daten die Realität abbilden und daraus Prognosen erstellt werden, die für die Polizei handlungsleitend sind, dann wird die Zukunft immer ein Stück weit der Vergangenheit gleichen, egal wie die Realität der Zukunft tatsächlich aussieht. Ferner können sich aus der datenanalytischen Automatisierung weder intendierte noch für die Beteiligten unmittelbar ersichtliche Effekte ergeben: Eine stärkere Polizeipräsenz kann zu einem besseren oder zu einem schlechteren Sicherheitsempfinden beitragen. Und sie kann schlussendlich sogar dazu führen, dass Wohnquartiere als unsichere Ge- biete mit hoher Polizeipräsenz ökonomisch abgewertet werden. Behörden, die Predictive Policing als Erweiterung ihres Werkzeugkastens in Betracht ziehen, müssen sowohl realistisch die Frage beantworten, was sie damit erreichen wollen, als auch sich Aufschluss darüber geben, was sie damit unfreiwillig bewirken könnten.

Aus eben diesem Grund ist eine der am Ende dieses Papiers ausgesprochenen Empfehlungen als eine Art Mindeststandard zu betrachten: dass an 

der Entwicklung und Einführung von Predictive-Policing-Systemen schon frühzeitig interdisziplinäre Teams mitwirken. Hier braucht es nicht nur kriminalistischen, kriminologischen und informationstechnischen Sachverstand, sondern auch Datenschutz-Expertise, rechtliches, soziologisches, sozialpsychologisches und ethisches Wissen. Eine weitere wichtige Empfehlung lautet, dass die Behörden untereinander nicht nur ihre Erfahrungen und Erkenntnisse austauschen, sondern beispielsweise auch hochwertige Trainingsdaten zum Anlernen von Systemen. Während eine gewisse Systemvielfalt besonders in der Frühphase eines Trends durchaus zu begrüßen ist, wäre eine Harmonisierung oder sogar Standardisierung über Bundesländergrenzen hinweg besonders im Bereich der Datenerfassung wünschenswert. Andernfalls ist die Güte unterschiedlicher Systeme nämlich gar nicht vergleichbar.

Durch den zunehmenden Einsatz Datenanalyse gestützter staatlicher Überwachungstechniken wird sich die Polizeiarbeit insgesamt von der kriminalistischen Ermittlung hin zur präventiven Diagnostik entwickeln. Dadurch ist das rechtsstaatliche Prinzip der Unschuldsvermutung nicht unmittelbar in Gefahr. Potentiell gefährlich ist aber die Verschränkung von Tech- niken und Praktiken der Überwachung, wie wir sie heute bereits in den angelsächsischen und in einigen asiatischen Ländern sehen: Wenn überall Überwachungskameras mit Gesichtserkennung und Kennzeichenleser installiert sind, wenn jeder Polizeiwagen an eine lernende Prognosesoftware angeschlossen ist – dann ist es im Grunde gesellschaftlich nicht mehr hinnehmbar, dass überhaupt noch irgendwo ein Verbrechen geschehen kann. Es darf darüber aber nicht in Vergessenheit geraten, dass die Möglichkeit von Verbrechen die Kehrseite der Freiheit ist. Es lohnt sich daher, dass wir uns in Deutschland jetzt intensiv mit Predictive Policing auseinandersetzen und die eingesetzten Systeme kritisch beleuchten.

August 29, 2018
Authors: 

Tobias Knobloch