Kann KI Verbrechen besser vorhersagen?

Science-Fiction-Bücher und -Filme haben eine Zukunft entworfen, in der die Polizei Verbrechen vorhersagen kann, lange bevor künstliche Intelligenz (KI) dies möglich machte. Heute ist dies nicht nur eine theoretische Möglichkeit, sondern Realität: Mehrere Städte experimentieren mit KI-gestützter prädiktiver Polizeiarbeit. Dennoch ist es noch nicht unbedingt gängige Praxis. Was steht dem also im Weg?

Genauigkeit und Zuverlässigkeit waren über die Jahre hinweg ein Problem bei allen Predictive-Analytics-Anwendungen. Die Technologie ist jedoch mittlerweile ausgereift genug, um in Branchen wie der Fertigung und dem Supply Chain Management für Aufsehen zu sorgen. Ist sie also bereit für einen breiteren Einsatz in der Kriminalitätsvorhersage?

Der aktuelle Stand der KI zur Verbrechensvorhersage

Predictive Policing ist zwar noch nicht die Norm, hat aber in den letzten Jahren einige wichtige Entwicklungen erlebt. Diese lassen sich in drei große Kategorien einteilen: KI zur Vorhersage realer Kriminalität, experimentelle Studien und angekündigte, aber noch nicht gestartete Projekte zur Kriminalitätsvorhersage.

1. Positive Ergebnisse in der Praxis

Einige Städte haben bereits beeindruckende Ergebnisse durch KI-gestützte Predictive Policing erzielt. Die Generaldirektion für Kriminalpolizei der Polizei von Dubai sagt: Die Rate schwerer Straftaten sank um 25 % nach der Implementierung eines KI-Tools zur Vorhersage von Straftaten. Weniger schwere Straftaten gingen um 7.1 % zurück.

Wie viele KI-Tools zur Kriminalitätsvorhersage analysiert die Lösung frühere Berichte und vergleicht sie mit den aktuellen Gegebenheiten. Durch die Hervorhebung von Trends bei früheren Straftaten können die Machine-Learning-Modelle Gebiete und Zeiten identifizieren, in denen ähnliche Ereignisse wahrscheinlich sind. Die Polizei kann so frühzeitig Ressourcen mobilisieren, um Kriminalität zu verhindern oder Ursachen zu bekämpfen, bevor sie auftreten.

San Jose, Kalifornien, hat mit einem anderen KI-Modell Erfolg gehabt. Die Stadt kann zwar noch keine Kriminalität vorhersagen, aber erkennt Schlaglöcher und Graffiti Mit KI können sie schneller erkannt werden. Laut Behörden verringert die Reinigung eines Gebiets die Wahrscheinlichkeit krimineller Aktivitäten, sodass dieser Prozess die Zahl der Vorfälle weiter reduziert.

2. Vielversprechende experimentelle Modelle

Mit der zunehmenden Verbreitung von Predictive Policing in der Praxis haben sich auch erste Tests ähnlicher Anwendungen als vielversprechend erwiesen. In vielen Ländern ist die vollständige Einführung eines Kriminalitätsvorhersagesystems mit erheblichen regulatorischen Hürden verbunden, was die Akzeptanz der Technologie verlangsamt. Beispiele in der Experimentalphase treiben die Entwicklung in der Zwischenzeit voran.

Eine Studie der Universität Chicago aus dem Jahr 2022 entwickelte ein Modell, das Verbrechen mit einer Genauigkeit von 90 % vorhersagen eine Woche im Voraus. Noch wichtiger ist, dass das System weniger anfällig für Verzerrungen ist als ältere Systeme, da es andere Daten verwendet. Anstatt die Stadt in Stadtteile oder politische Grenzen zu unterteilen, wird sie in unterschiedliche und gleich große Kacheln aufgeteilt, um einen neuen Blick auf das Gebiet zu ermöglichen.

Die Erstellung digitaler Zwillinge einer Stadt zur Abbildung der Kriminalität anhand eines Originalsystems anstelle der Verwendung älterer, verzerrungsanfälliger Aufzeichnungen könnte zu zuverlässigeren Erkenntnissen führen. Die Polizei nutzt dieses System noch nicht, aber die Forschung zeigt, was neue Technologien in diesem Bereich leisten können.

3. Kommende Investitionen in Predictive Policing

Mit Blick auf die Zukunft haben mehrere Bereiche kürzlich Ziele für die KI-basierte Kriminalitätsvorhersage vorgestellt. Diese Projekte sind noch nicht gestartet, signalisieren aber eine zunehmende Hinwendung zu dieser Technologie, möglicherweise aufgrund des gestiegenen Vertrauens der Regierungen in ihre Wirksamkeit.

Im Juli 2024 hat das argentinische Sicherheitsministerium kündigte Pläne zur KI-basierten Kriminalitätsvorhersage an und Reaktion. Laut der Resolution werden Polizeikräfte historische Kriminaldaten analysieren, um zukünftige Ereignisse vorherzusagen und entsprechend zu reagieren, um zu verhindern, dass etwas passiert. Sie erwähnt auch die Echtzeit-Anomalieerkennung, die mit dem Vorhersagemodell zusammenarbeiten könnte.

Vor kurzem gab Großbritannien bekannt, dass es Arbeit an einem Tool zur Mordvorhersage um Personen zu identifizieren, die das größte Risiko haben, zu Gewaltverbrechern zu werden. Es ist unklar, wie die Behörden auf diese Daten reagieren würden, und es gibt widersprüchliche Berichte darüber, welche Daten die Lösung verwenden wird. Das Justizministerium erklärte, das Projekt diene derzeit nur Forschungszwecken, doch die heutige Forschung könne morgen zu realen Projekten führen.

Wie hat sich die KI-gestützte Kriminalitätsvorhersage verbessert?

Diese aktuellen und zukünftigen Predictive-Policing-Anwendungen sind bei weitem nicht die ersten Beispiele dieser Technologie. Sie markieren jedoch einen positiven Wandel. Frühere Ansätze konnten nicht das gleiche Maß an Genauigkeit und Zuverlässigkeit erreichen. Die 90-prozentige Genauigkeit der Lösung der Universität Chicago und die 25-prozentige Reduzierung schwerer Straftaten in Dubai sind weit entfernt von früheren Versuchen.

Im Jahr 2024 wird das Sheriff-Büro von Pasco County, Florida zahlte eine Entschädigung in Höhe von 105,000 US-Dollar und stellte sein Predictive-Policing-Programm nach schlechten Ergebnissen ein. Das System führte dazu, dass Beamte wiederholt Bürger aufsuchten und sogar verhafteten, die den Vorhersagen des KI-Modells zufolge noch keine Straftaten begangen hatten. 

Ähnlich verhält es sich mit Chicago sein Kriminalitätsvorhersagemodell abgeschaltet Nach mehreren Beschwerden. Studien zeigten, dass das System trotz einer erhöhten Verhaftungswahrscheinlichkeit keinen signifikanten Einfluss auf die Schusswaffenkriminalität hatte. Noch beunruhigender war, dass Untersuchungen zeigten, dass der Algorithmus von Natur aus rassistisch voreingenommen war und die Wahrscheinlichkeit einer Verhaftung von Farbigen erhöhte.

Eine weitere beliebte Lösung, die von mehreren Städten verwendet wird, ist Geolitica, früher bekannt als PredPol, zeigte nur 0.6% Genauigkeit bei der Vorhersage schwerer Körperverletzungen. Bei Einbruchdiebstahl lag die Trefferquote in manchen Gebieten bei lediglich 0.1 %.

Im Vergleich zu diesen gescheiterten Programmen sind neuere KI-basierte Kriminalitätsvorhersagen bemerkenswert genau. Zwar gibt es nicht so viele Berichte über den Einsatz dieser fortschrittlicheren Lösungen bei Polizeikräften in der realen Welt, doch erste Ergebnisse zeigen einen deutlichen Kontrast zwischen der KI von gestern und der KI von heute. 

Die Schattenseiten der KI bei der Kriminalitätsvorhersage

Es ist leicht zu verstehen, warum so viele Gerichtsbarkeiten in KI-basierte Kriminalitätsvorhersagen investieren. Kriminelle Aktivitäten zu stoppen, bevor sie überhaupt beginnen, ist ein enormer Gewinn für die öffentliche Sicherheit. Zudem kann KI Trends erkennen, die menschlichen Annahmen widersprechen. Zum Beispiel: mehr als die Hälfte aller Einbrüche passieren tagsüber, obwohl allgemein angenommen wird, dass sie nachts wahrscheinlicher sind. KI kann scheinbare Wahrheiten durchschauen und so tatsächliche Trends erkennen.

Gleichzeitig bringt Predictive Policing erhebliche datenschutzrechtliche und ethische Bedenken mit sich. Es gibt einen Grund, warum 52 % der Amerikaner sind besorgter Sie sind eher an KI interessiert als daran, sich dafür zu begeistern. Selbst die fortschrittlichsten Modelle neigen zu Halluzinationen, und KI hat die Tradition, menschliche Vorurteile zu verewigen oder sogar zu übertreiben, wenn sie mit voreingenommenen Daten trainiert wird.

Historische Kriminalitätsdaten sind im besten Fall potenziell falsch und im schlimmsten Fall von Natur aus rassistisch. Festnahmeaufzeichnungen können auf Gebiete hinweisen, in denen die Polizei stärker kontrolliert wird, als sie die tatsächliche Kriminalität widerspiegeln. Folglich könnten die Daten langjährige rassistische Vorurteile widerspiegeln, die in der Strafverfolgung eine gut dokumentierte Geschichte haben.

KI-Modelle, die aus verzerrten Daten lernen, könnten dazu führen, dass die Polizei in schwarzen Vierteln verstärkt patrouilliert oder gegenüber Menschen mit dunkler Hautfarbe misstrauischer ist. Die Fälle in Chicago und Pasco County zeigen genau das. Daher könnte das Vertrauen auf KI-Vorhersagen ohne Berücksichtigung dieser Vorurteile die unfaire Behandlung historisch überpolizeilicher und benachteiligter Bevölkerungsgruppen verstärken.

Abgesehen von rassistischer Ungerechtigkeit könnte das Sammeln so vieler Daten über Bürger zu Datenschutzrisiken führen. Regierungsbehörden sind die achthäufigste Branche der CyberkriminalitätEin Angriff auf ein Predictive-Policing-Modell ist daher nicht nur schädlich, sondern auch sehr wahrscheinlich. Selbst wenn Cyberangriffe nicht erfolgreich sind, wirft die Überwachung von Bürgern, die möglicherweise eine Straftat begehen, Fragen zu Überüberwachung und ordnungsgemäßen Verfahren auf.

KI-basierte Kriminalitätsvorhersage verbessert sich, aber es bleiben Bedenken

KI-Modelle zur Kriminalitätsvorhersage sind heute deutlich präziser als noch vor einigen Jahren. Bedenken hinsichtlich Voreingenommenheit, Effektivität und Gerechtigkeit bleiben jedoch bestehen. Politiker und KI-Unternehmen müssen sich mit diesen Fragen auseinandersetzen, um sicherzustellen, dass diese Technologie tatsächlich für eine sicherere Zukunft sorgen kann.