Managament , Fachartikel

“Und jetzt zur aktuellen Verbrechensvorhersage…”

“Und jetzt zur aktuellen Verbrechensvorhersage…”

Christian Dornacher, Director, Storage and Analytics Solutions EMEA, Hitachi Data Systems

In den USA werden Systeme zum “Predictive Policing”, also zur vorausschauenden Polizeiarbeit, bereits von vielen Behörden eingesetzt und auch in Deutschland laufen schon mehrere Versuche. Wie arbeitet die dahinter stehenden Technologie und welche Perspektiven bietet sie?

Daten mit deren Auswertung man Verbrechen vorhersagen kann gibt es genug. Sie werden von Überwachungssystemen geliefert oder liegen in Kriminalstatistiken vor. Und die Menge an auswertbaren Daten wächst täglich. Strafverfolgungsbehörden können auf Basis dieser Big Data heute schon aussagefähige Erkenntnisse herausfiltern und so Entscheidungen treffen, etwa über die Präsenz von Beamten und Streifenwagen in definierten Problemgebieten. In der Praxis sind dazu drei Komponenten erforderlich.

In drei Schritten zur Crime-Prevention

Die erste Komponente sorgt dafür, dass zahlreiche unterschiedliche Datensätze aufgenommen werden können und diese Daten ständig aktualisiert werden, um Relevanz zu gewährleisten. Dies ist ein entscheidender Teil des Puzzles, für Organisationen der öffentlichen Sicherheit ist es oft extrem schwierig, diese Aufgabe in Echtzeit zu lösen. Hitachi hat dazu eine Software entwickelt, die Hitachi Visualization Suite (HVS), mit der wichtige Daten aus einer Vielzahl von Quellen kontinuierlich aufgenommen und an einen zentralen Speicherort in der Cloud übertragen werden können.

Die zweite Komponente bildet das Modell. Hitachi hat sich in seinem Crime-Prevention-System für ein variantenreiches, räumlich-zeitliches Modell entschieden, das die Sicherheitsbehörden in die Lage versetzt, jedes beliebige Merkmal in das HVS-System aufzunehmen, bei dem ein Zusammenhang zwischen Ursache und Wirkung vermutet wird. Wenn beispielsweise bei einer Serie von sexuellen Übergriffen angenommen wird, dass es einen Zusammenhang mit Polizei bekannten Sexualstraftätern geben könnte, kann dem Analysemodell selektiv ein Register bekannter Sexualstraftäter als Merkmal hinzufügt werden. Das Modell wird dieses Merkmal dann gewichten und die Polizei kann schnell feststellen, ob es einen entsprechenden Zusammenhang gibt. Darüber hinaus kann jedem Stadtteil eine Bedrohungsstufe zugeordnet - Experten bezeichnen diesen Ansatz als „Bedrohungsoberfläche“.

Zur Visualisierung dieser Bedrohungsoberfläche bietet HVS einen hochflexiblen und raumbezogenen Lageplan. Dunklere Farben repräsentieren darin höhere relative Risikostufen. Der Benutzer kann einen Schwellenwert wählen, zum Beispiel nur die 25 Bereiche einer Stadt anzeigen, in denen das Risiko sexueller Übergriffe am höchsten ausfällt. Es ist auch möglich, andere relevante Quellen einbeziehen, wie etwa Daten aus der Videoüberwachung oder frühere Vorkommnisse innerhalb dieser Bereiche und im Umfeld. Insgesamt versetzen die Tools die Sicherheitsbehörden in die Lage, erheblich proaktiver als bisher zu agieren. Sie können zuordnen, in welchen Nachbarschaften kriminelle Banden besonders verankert sind. Die Daten können darüber hinaus sehr nützlich sein, um die Bedrohungslage auf Basis der Banden-Standorte zu bestimmen. Darüber hinaus können andere Daten wie Wettervorhersagen, wirtschaftliche oder demografische Daten ebenfalls mit spezifischen Arten von Kriminalität in Verbindung stehen und im Rahmen des Modells genutzt werden.

Bald so normal wie die Wettervorhersage

Das gesamte Setting stellt aber hohe Ansprüche an die eingesetzte IT-Infrastruktur. Die Datenquellen und gelieferte Daten werden immer mehr – und mehr Daten erfordern schlicht mehr Rechenzyklen. Um die gesetzten Ziele zu erreichen, kommen virtuelle Maschinen in der Cloud zum Einsatz. Damit sich das zugrunde liegende Modell im Laufe der Zeit zu einem zunehmend nützlichen Werkzeug entwickeln kann, muss es kontinuierlich modifiziert und verbessert werden. Aus diesem Grund ist das Verständnis der zugrunde liegenden Risikofaktoren enorm wichtig. Bei Dutzenden von Variablen in einem Modell muss die Software einschätzen können, ob eine bestimmte Variable Einfluss auf die Wahrscheinlichkeit eines bevorstehenden Verbrechens hat.

Bei der Beschreibung von Predictive-Policing denken die Menschen immer noch reflexartig an Szenarien wie in Minority Report oder 1984, wo Technologie zu einem totalitären Polizeistaat führt. Diese Sichtweise ist aber nicht korrekt und zielführend. Generell zielen die eingesetzten Modelle nicht auf Individuen, sondern haben eher das große Ganze im Blick. Es geht im Kern darum, die Strafverfolger auf Basis realer Daten und historischer Entwicklungen darauf aufmerksam zu machen, wo sich in der Stadt mit höchster Wahrscheinlichkeit bestimmte Verbrechen ereignen werden, um auf diese Weise Ressourcen wirkungsvoller zuordnen zu können.

Die Budgets der öffentlichen Sicherheit halten aber leider nicht Schritt mit dem Bevölkerungswachstum und den allgegenwärtigen Gefahren, denen wir ausgesetzt sind. In Zeiten knapper Kassen und zunehmender Bedrohungsszenarien können moderne Technologien helfen, das optimale aus dem Budget zu holen und die Sicherheit zu steigern. Zur Unterstützung der Polizeiarbeit führt an Systemen zum “Predictive Policing” kein Weg vorbei, sowohl hinsichtlich gewalttätiger und gewaltfreier Verbrechen, als auch mit Blick auf den Terrorismus. In 20 Jahren werden Modelle zur Kriminalität wohl so normal sein wie die Wettervorhersage.