Sie befinden sich hier: Start |Publikationen |vorgänge |Online-Artikel |

vorgänge: Artikel, Polizei - 26.11.19

Predictive Policing: Die Algorithmisierung der Polizei als Risiko für die Bürgerrechte?

Roman Thurn und Simon Egbert

In: vorgänge Nr. 227 (3/2019), S. 71-84


Der Trend zur Ausweitung der polizeilichen Gefahrenabwehr scheint ungebrochen: immer früher soll die Polizei auf mögliche Gefahren reagieren und mögliche Schäden abwehren können. Neben den dafür nötigen gesetzlichen Befugnissen bedarf es dafür auch geeigneter technischer und informationeller Hilfsmittel. Neue Analyse- und Prognoseprogramme, die unter dem Begriff des Predictive Policing zusammengefasst werden, versprechen hier nicht weniger als eine Zäsur in der klassischen Polizeiarbeit, weil sie Voraussagen bieten sollen, wann und wo die nächsten Straftaten zu erwarten sind. Was diese Programme wirklich leisten, welche Chancen dies für die Polizeiarbeit bietet, aber auch welche rechtspolitischen und freiheitlichen Risiken damit verbunden sind, schildert der folgende Aufsatz.

Einleitung

Prävention, auch prognosebasierte, ist kein neues Aufgabenfeld der Polizei. Die in den jeweiligen Landespolizeigesetzen normierte Gefahrenabwehr ist, neben der reaktiven repressiven Strafverfolgung, ihr genuines Tätigkeitsfeld. Jedoch mehren sich in den letzten Jahren, mit nochmals stärkerer Tendenz seit 9/11, die verschiedenen Anstrengungen der Sicherheitsinstitutionen, ‚vor die Lage‘ zu kommen: Sie versuchen nicht erst dann aktiv zu werden, wenn der Eintritt einer Gefahr unmittelbar oder in absehbarer Zeit bevorsteht, sondern schon (deutlich) vorher, also proaktiv, präventiv zu intervenieren (vgl. Frankenberg 2010, insb. 119ff.; Albrecht 2010). Das spezifische Novum beim Predictive Policing besteht dabei in der Automatisierung der Datenverarbeitung. In Bezug auf die Prognoseerstellung bedeutet dies, dass eine rein algorithmisch generierte raumbezogene Risikoproduktion und -konstruktion stattfindet. Ebenfalls neu ist, dass die Prognoseberechnung und die dafür notwendige Analyse von (Kriminalitäts-)Daten kontinuierlich stattfindet und mithin grundsätzlich anlasslos ist (Singelnstein 2018a: 5). Das prognostische Wissen über solcherlei Risiken ist notwendigerweise probabilistisch, beinhaltet also stets interpretativen Spielraum und deshalb auch Fehlerpotenziale. In der Folge gewinnen (Prognose-)Technologien an Relevanz, die eine Objektivierung dieses prospektiven Wissens versprechen (Ferguson 2017: 28f.). Predictive Policing ist nicht zuletzt deshalb als genuine soziotechnische Interaktion, als Ensemble von Mensch und Maschine, zu verstehen (Paul/Egbert 2017: 95f.). Damit geht u. a. einher, dass die datenverarbeitenden Algorithmen der Prognosesoftware in die polizeilichen Entscheidungsprozesse nachhaltig eingreifen und einen wesentlichen Anteil des bereitgestellten präventiven Wissens generieren.

Grundsätzlich lassen sich im Rahmen der prognosebasierten Polizeiarbeit zwei Anwendungsformen unterscheiden: Zum einen die raumbezogenen Verfahren, die zum Ziel haben, mögliche Risikoräume zu identifizieren und diese verstärkt mit polizeilichen Interventionen – vor allem durch intensivierte Patrouillenfahrten – zu bedienen (Pett/Gluba 2017). Zum anderen die personenbezogenen Anwendungen, auch unter dem Oberbegriff "predictive profiling" (Sommerer 2017: 149) subsumiert, die auf mögliche Täter_innen und Opfer zukünftiger Kriminalität fokussieren und neben sozialwissenschaftlichen Netzwerkkonzepten [1] auch psychologisch-psychiatrische Diagnosen nutzbar machen. Letzteres ist etwa bei der "regelbasierte(n) Analyse potentiell destruktiver Täter zur Einschätzung des akuten Risikos – islamistischer Terrorismus" (RADAR-iTE) des BKA der Fall, bei der das Gewaltrisiko von relevanten Personen und Gefährdern "anhand eines wissenschaftlich geprüften Verrechnungsmodells" (BT-Drucksache 18/13422) individuell konkretisiert und polizeiliche Kontrollmaßnahmen entsprechend priorisiert werden sollen (BKA 2015; BT-Drucksache 19/1558).

Vor diesem Hintergrund werden wir im Folgenden beleuchten, welche bürgerrechtlichen Risiken aus dieser neuartigen Polizeipraxis erwachsen. Obgleich die bereits bekannten personengebundenen Verfahren ebenfalls relevante bürgerrechtliche Spannungen implizieren, da sie z. B. kritische strafprozessuale Fragen aufwerfen (wie z. B. die Frage nach Kontrollierbarkeit und Accountability) (Gless 2016; Singelnstein 2018b), wollen wir vorliegend von raumbezogenen Verfahren des Predictive Policing ausgehen, um (mögliche) bürgerrechtliche Risiken von prognosebasierter Polizeiarbeit zu illustrieren. Im Zuge dessen werden die rechtlichen Grundlagen des Predictive Policing unter Einschluss bereits bestehender Regelungen zu relevanten Praktiken – beispielsweise zu gefährlichen Orten – thematisiert und mögliche zukünftige Entwicklungen in diesem Bereich angesprochen.

Die raumbezogenen Verfahren des Predictive Policing sind derzeit im deutschsprachigen Raum mit Abstand am weitesten verbreitet. Aus bürgerrechtlicher Perspektive sind sie keineswegs so unproblematisch, wie von Befürworter_innen entsprechender Technologien sowie von Datenschutzbeauftragten – u. a. mit pauschalem Verweis auf die Nicht-Nutzung von personenbezogenen Daten bei der Prognoseerstellung – gemeinhin proklamiert wird (z. B. Schweer 2015: 16; Petri 2015). Im Fokus unserer Überlegungen steht dabei die polizeiliche Verdachtsgewinnung im prognostizierten Risikoraum und somit diejenige Konstellation, in der die raumbezogene, algorithmisch produzierte Prognose von Polizist_innen auf Personen angewendet werden muss. Auf diese Weise berührt Predictive Policing, so unsere Überzeugung, in der Tat bürgerrechtliche Fragen.

Wir werden dabei wie folgt vorgehen: Zunächst präsentieren wir die definitorischen und technischen Grundlagen von Predictive Policing und skizzieren die Verbreitung von prognosebasierter Polizeiarbeit in Deutschland. Dann thematisieren wir den Nexus von Predictive Policing und Bürgerrechten. Im Zuge dessen beschreiben wir die rechtlichen Grundlagen von Predictive Policing, gehen auf die rechtlichen Anforderungen an die polizeiliche Eingriffsschwelle, die anschließenden Folgemaßnahmen sowie die Rolle der Prognosen in diesem Ablauf ein.

Predictive Policing: Technische Grundlagen und Verbreitung

Predictive Policing, übersetzbar als prognosebasierte Polizeiarbeit, kann begrifflich bestimmt werden als die polizeiliche Anwendung von datenanalytischen Verfahren, um operative Prognosen in Bezug auf wahrscheinliche Täter_innen oder Opfer bzw. Zeiten und Orte zukünftiger Kriminalität zu generieren und umzusetzen (Egbert/ Krasmann i. E.: 11f.; vgl. a. Perry 2013: 1f.). Auf Grund der Potenz moderner Verfahren der Datenanalyse in puncto Geschwindigkeit und Datendurchfluss sowie deren mittlerweile relativ geringen Nutzungskosten können damit mittlerweile (operative) Prognosen generiert werden, aufgrund derer die Polizei unmittelbar agieren kann (Gluba 2014: 347). Die algorithmische Verarbeitung der Datenbestände macht es dabei prinzipiell möglich, aktuelle, buchstäblich gegenwartsnahe Lagebilder zu erstellen.

Die derzeit im deutschsprachigen Raum genutzten Verfahren operieren aber weder in Echtzeit noch sind sie in den meisten Fällen treffend als Big Data-Anwendungen zu beschreiben, sofern sie allein auf polizeieigene Daten zur registrierten Kriminalität – mit all den damit verbundenen Restriktionen und Selektivitäten – zurückgreifen und oft nur einmal täglich aktualisiert werden. Der durch die algorithmische Unterstützung errungene Zeitgewinn für die polizeiliche Praxis ist nichtsdestotrotz sehr wichtig, da hierzulande das hauptsächlich prognostizierte Delikt der Wohnungseinbruchdiebstahl darstellt, für den ein Near-Repeat Muster unterstellt wird. Dieses Muster folgt der rational choice-inspirierten Hypothese, dass professionelle Serieneinbrecher_ innen nach einer erfolgreichen Tat dazu neigten, kurz danach in der Nähe des ersten Tatorts erneut zuzuschlagen, z. B. weil Kosten und Nutzen besser abgeschätzt werden könnten (Schweer/Schweer 2015; Gluba 2017: 370). Obgleich auch Prognoseverfahren existieren (wie z. B. bei SKALA | MAP des LKA NRW), die weitere Datenquellen – z. B. aus Marktforschungen – einschließen, operieren derzeitige Prognosesoftwares weithin musterbezogen und maximal vergangenheitsorientiert. Sie stellen mithin eine Form der "prospective retrodiction" (Aradau/Blanke 2017: 378) dar und tendieren deshalb sowie auf Grund des engen Bezugs zu den polizeieigenen Kriminalitätsdaten dazu, die von der Polizei dokumentierte Kriminalitätswirklichkeit schlicht in die Zukunft zu projizieren. [2]

Im deutschsprachigen Raum dominieren derzeit also polizeiliche Prognoseverfahren, die auf Basis des Near Repeat-Musters aus polizeilichen Kriminalitätsdaten zum Wohnungseinbruchdiebstahl zukünftige Risikoräume antizipieren sollen. Im Zuge dessen wird in Bayern, Sachsen und Baden-Württemberg sowie in den schweizerischen Kantonen Zürich, Basel-Landschaft, Zug und Aargau die deutsche Prognosesoftware PRECOBS angewendet, die vom Institut für musterbasierte Prognosetechnik (IfmPt) entwickelt wurde (Schweer 2015; Balogh 2016). Andere Landeskriminalämter bevorzugen dagegen Inhouse-Lösungen, wie im Falle von SKALA | MAP in Nordrhein-Westfalen (LKA NRW 2018), PreMAP in Niedersachsen, KLB-operativ in Hessen und KrimPro in Berlin (Egbert/Krasmann 2019b: 27ff.). Dies gilt auch für das Bundeskriminalamt in Österreich, das seit 2015 eine Eigenentwicklung (ebenfalls auf Basis des Near Repeat-Ansatzes) anwendet (ebd.: 40f.).

Predictive Policing und Bürgerrechte

Den Befürworter_innen des Predictive Policing sowie den Datenschutzbeauftragten kann zunächst zugestimmt werden, dass dieses im Vergleich zu bislang üblichen polizeilichen Methoden der Beurteilung des Risikopotentials öffentlicher Räume – nämlich über subjektives Erfahrungswissen der jeweiligen Beamt_innen oder den Einsatz von Videokameras – grundrechtsschonender wirkt, solange personenbezogene Daten nicht oder nur unter engen Voraussetzungen erhoben und weiterverarbeitet werden (Singelnstein 2018a: 6). Dies kann etwa durch eine Selektivität des Vergessens gewährleistet werden, bei welcher bestimmte Merkmale (eines Delikts, der Täter_in oder von weiteren Personen) bewusst gelöscht werden, aber auch durch eine höhere Transparenz der Algorithmen im Vergleich mit den subjektiven Selektionen der Beamt_innen. Dazu trägt weiterhin der Umstand bei, dass die Software die Daten ohne Eigeninteresse, also immer und für alle gleich, verarbeitet – wovon freilich unberührt ist, dass in die algorithmischen Modelle durchaus spezifische Interessen eingeschrieben sein können (Kitchin 2017: 17f.).

Problematisch scheinen uns demgegenüber bei den raumbezogene Verfahren der prognosebasierten Polizeiarbeit weniger die Eingriffe selbst, die durch die (gegenwärtigen) Technologien der jeweiligen Prognosesoftware vollzogen werden, als deren potenziell legitimatorische Funktion für darauf aufbauende Maßnahmen, z. B. in Form einer intensiveren Bestreifung oder niedrigschwelligeren Kontrolle in den als (zukünftig) riskant geltenden Gebieten – analog zu den sog. 'Gefahrengebieten' (vgl. Belina/Wehrheim 2011; Ullrich/Tullney 2012). Für die sich in den Risikoräumen aufhaltenden Personen können daraus Einschränkungen ihrer Freizügigkeit, Eingriffe in ihre informationelle Selbstbestimmung bis hin zum Eindringen in ihren Wohnraum [3] folgen. Zwar ist es der Polizei bereits jetzt in den meisten Bundesländern erlaubt, beispielsweise über die Ausweisung und Festlegung von Gefahrengebieten, Personen ohne konkreten Anlass zu kontrollieren bzw. zu durchsuchen. Doch sehen wir bei Predictive Policing das Potenzial gegeben, dass künftig auch weiterführende Maßnahmen wie beispielsweise Platzverweise oder eben die Durchsuchung von Personen an raumbezogene Prognosen anschließen könnten. Diese zeichnen sich zwar durch eine geringe Eingriffsintensität aus, fokussieren jedoch häufig auf Personengruppen mit geringer Beschwerdemacht und werden in der Praxis (über die Konstruktion 'gefährlicher Orte') häufig bereits vor Eintritt einer konkreten Gefahr im polizeirechtlichen Sinne angewandt (Thurn 2019).

Rechtsgrundlage des Predictive Policing

Für den Einsatz von Predictive Policing liefert das Gefahrenabwehrrecht den rechtlichen Rahmen. Predictive Policing ist, wie Rademacher (2017: 392) feststellt, im Bereich der "Gefahrerkennung"  zu verorten: Ähnlich dem professionellen Blick der Beamt_ innen soll die Prädiktionssoftware risikoträchtige Situationen, Verhaltensweisen und Objekte identifizieren und damit Hinweise auf mögliche Bedrohungen geben. Für die Gefahrerkennung besteht jedoch keine eigenständige Dogmatik (ebd.: 402), weswegen verschiedentlich an den Einsatz von Predictive Policing die Schwelle einer konkreten Gefahr – also einer Sachlage, bei der im einzelnen Fall die hinreichende Wahrscheinlichkeit besteht, dass in absehbarer Zeit bei ungehindertem Fortgang ein Schaden für ein Rechtsgut eintreten wird – angelegt wird. Wir folgen zwar einerseits Rademacher, der diese Schwelle als für zu hoch angelegt hält (Rademacher 2017: 393f.), halten den Einsatz entsprechender Software indes aus anderen als den von ihm genannten Gründen für bedenklich. Entscheidend ist für uns nämlich nicht der rechtliche Rahmen, innerhalb dessen Predictive Policing stattfindet, sondern die an eine Prognose anschließende a) Konstruktion eines Eingriffsgrundes sowie b) die Wahl der darauffolgenden Maßnahme (Streife, Identitätsfeststellung, Durchsuchung etc.) und der zu adressierenden Personengruppe.


1

2

3

4

Vor