Ziel dieser Arbeit ist es, einen Überblick über die durchgeführten Projekte sowie den aktuellen Stand der Forschung zu schaffen und herauszuarbeiten, welche Erfahrungen bisher mit Predictive Policing gemacht wurden, wie erfolgreich der Einsatz war und welche Probleme noch zu lösen sind, beziehungsweise wo noch Verbesserungspotenzial besteht.
Es sollen auch Faktoren identifiziert werden, die wesentlich für den erfolgreichen Einsatz von Predictive Policing sind.
Zu diesem Zweck wird eine systematische Literaturreview durchgeführt; die vorhandene theoretische Literatur sowie Berichte zu den Pilotprojekten werden untersucht. Es wird außerdem eine Marktanalyse durchgeführt, um einen Überblick über die aktuell am Markt verfügbaren Predictive Policing-Softwarelösungen zu geben.
In Kapitel zwei „Theoretische Grundlagen“ wird zuerst Big Data und Predictive Policing erläutert, sowie ein Überblick über verwandte Arbeiten gegeben. In Kapitel drei „Methodik“ wird anschließend die Vorgehensweise bei der systematischen Literaturreview und der Marktanalyse beschrieben. In Kapitel vier werden darauffolgend die Ergebnisse der Literaturreview behandelt. Diese sind aufgeteilt in die Ergebnisse der theoretischen Arbeiten und die der Pilotprojekte; hier werden auch die Ergebnisse der Marktanalyse beschrieben.
Aufbauend auf den Ergebnissen wird am Ende des Kapitels ein Predictive Policing Framework erstellt. Im Kapitel „Diskussion“ werden die wissenschaftlichen und praktischen Implikationen erläutert und mögliche Fragen für zukünftige Forschungen beschrieben. Außerdem werden in diesem Kapitel die Limitationen der Arbeit genannt. Im Fazit wird die Arbeit abschließend noch einmal zusammenfassend betrachtet.
Inhaltsverzeichnis
1 Einleitung
2 Theoretische Grundlagen
2.1 Big Data Analytics
2.2 Ziele und Methoden des Predictive Policing
2.3 Verwandte Arbeiten
3 Methodik
3.1 Systematische Literaturreview
3.2 Inhaltsanalyse, Marktanalyse
4 Ergebnisse
4.1 Status Quo der Praxis
4.2 Status Quo der Forschung
4.3 Marktanalyse
4.4 Anwendungsgebiete von Predictive Policing
4.5 Predictive Policing Framework
5 Diskussion
5.1 Wissenschaftliche und Praktische Implikationen
5.2 Limitationen
6 Fazit
Zielsetzung & Themen
Das primäre Ziel dieser Bachelorarbeit ist es, den aktuellen Stand der Forschung und Praxis zum Thema Predictive Policing zu analysieren, Erfahrungen aus bisherigen Pilotprojekten auszuwerten, Problemstellungen zu identifizieren und ein framework-basiertes Konzept für den erfolgreichen Einsatz dieser Technologien zu entwickeln.
- Grundlagen von Big Data Analytics im polizeilichen Kontext
- Analyse der theoretischen Ansätze hinter Predictive Policing
- Evaluation praktischer Pilotprojekte in Deutschland und den USA
- Marktübersicht aktueller Softwarelösungen
- Diskussion ethischer Fragen und datenschutzrechtlicher Herausforderungen
Auszug aus dem Buch
4.1 Status Quo der Praxis
Das Projekt Skala des Landeskriminalamt Nordrhein-Westfalen begann mit der Vorbereitungsphase im Februar 2015 gefolgt von der Umsetzungsphase von Oktober 2015 bis Dezember 2017. Ziel dieses Projektes war es, die Möglichkeiten und Grenzen der Prognose von Kriminalitätsbrennpunkten herauszufinden und die Effizienz und Effektivität von polizeilichen Interventionen auf Basis dieser Prognosen zu bestimmen. Die Implementierung von Skala fand in den Pilotbehörden Köln, Duisburg, Düsseldorf, Essen und Gelsenkirchen statt. Im Wesentlichen war das Projekt auf die Prognose von Wohnungseinbruchsdiebstahl fokussiert, es wurde aber auch die Möglichkeit zur Prognose von Einbruchsdelikten in Gewerbeobjekten und Kraftfahrzeugdelikte evaluiert (Landeskriminalamt NRW 2018, S. 1-4). Für die Prognosen wurden in diesem Fall, neben den polizeieigenen Kriminalstatistiken, die Daten wie Tatort, Tatzeit und Modus Operandi beinhalten, auch soziostrukturelle Daten verwendet. Diese wurden extern erworben.
Zu den soziostrukturellen Daten, die zur Anwendung gekommen sind, gehören: Einwohnerstruktur, Gebäudestruktur, Verkehrsanbindung, Kaufkraft und Mobilität. Als Software wurde für das Projekt IBM SPSS Modeler verwendet. Die dazugehörige Hardware wurde in einem geschlossenen Netzwerk, ohne Verbindung zum Internet oder polizeieigenen Netzwerk, betrieben. Außerdem wurde diese in einem separaten Raum betrieben, zu dem nur die dem Projekt zugehörigen Mitarbeiter Zugang hatten. SPSS Modeler wurde im Bericht für seine benutzerfreundliche Oberfläche und leichte Bedienbarkeit ohne die Voraussetzung von Programmierkenntnissen gelobt. Die Prognosen waren als Folge transparent und Fehlerquellen waren einfach zu identifizieren.
Zusammenfassung der Kapitel
1 Einleitung: Diese Einleitung führt in das wachsende wissenschaftliche Interesse an Predictive Policing ein und definiert das Ziel der Arbeit, einen Überblick über den aktuellen Forschungsstand sowie Pilotprojekte zu schaffen.
2 Theoretische Grundlagen: Das Kapitel definiert Big Data Analytics und erläutert die sechs zentralen Theorien, die den verschiedenen raum- oder personenbezogenen Methoden des Predictive Policing zugrunde liegen.
3 Methodik: Hier wird der systematische Literaturreview nach vom Brocke et al. sowie die qualitative Inhaltsanalyse beschrieben, um die Grundlage für die Ergebnisanalyse zu bilden.
4 Ergebnisse: Dieses Kapitel präsentiert die Erkenntnisse aus verschiedenen Pilotprojekten, bewertet den Stand der Forschung und Marktlösungen und führt die Entwicklung eines Predictive Policing Frameworks aus.
5 Diskussion: Die Diskussion analysiert die wissenschaftlichen und praktischen Implikationen sowie die Limitationen der vorliegenden Untersuchung hinsichtlich Datenbasis und Methodik.
6 Fazit: Das Fazit fasst die Arbeit zusammen und kommt zu dem Schluss, dass Predictive Policing das Potenzial hat, ein wesentlicher Bestandteil polizeilicher Präventivstrategien zu werden, sofern die Erfolgsfaktoren (Datenqualität, Know-How, Datenschutz) beachtet werden.
Schlüsselwörter
Predictive Policing, Big Data Analytics, Kriminalitätsprävention, Pilotprojekte, Wohnungseinbruchsdiebstahl, Data Mining, polizeiliche Strategien, algorithmische Vorhersage, Datenschutz, Risikogebiete, Near-Repeat-Hypothese, technologische Implementierung, Wirksamkeit, Kriminalitätsstatistik, Framework.
Häufig gestellte Fragen
Worum geht es in dieser Arbeit grundsätzlich?
Die Arbeit untersucht den Status quo von Predictive Policing in der aktuellen polizeilichen Praxis und Forschung, um Potenziale und Probleme dieser Technologie aufzuzeigen.
Was sind die zentralen Themenfelder der Arbeit?
Zu den Kernbereichen gehören die theoretischen Grundlagen der Kriminalitätsprognose, die Auswertung konkreter Pilotprojekte (z.B. Skala, PreMAP, PRECOBS) und die Analyse ethischer sowie datenschutzrechtlicher Aspekte.
Was ist das primäre Ziel der Forschungsarbeit?
Das Hauptziel ist es, ein besseres Verständnis für die Erfolgsfaktoren bei der Implementierung von Predictive Policing zu gewinnen und aus den Erfahrungen der untersuchten Projekte ein anwendbares Framework abzuleiten.
Welche wissenschaftliche Methode kommt zur Anwendung?
Es wurde ein systematischer Literaturreview nach vom Brocke et al. durchgeführt, ergänzt durch eine qualitative Inhaltsanalyse von Projektberichten und theoretischer Literatur.
Welche Aspekte werden im Hauptteil schwerpunktmäßig behandelt?
Der Hauptteil behandelt die detaillierte Analyse der Pilotprojekte, die theoretischen Methoden (wie Near-Repeat-Hypothese), eine Marktübersicht gängiger Tools sowie die Herleitung eines eigenen Predictive Policing Frameworks.
Welche Schlüsselwörter charakterisieren die Untersuchung?
Die Arbeit ist zentral durch Begriffe wie Predictive Policing, Big Data Analytics, Kriminalitätsprävention, polizeiliche Strategien und Datenschutz geprägt.
Welche Rolle spielt der Datenschutz beim Einsatz der Software?
Der Datenschutz ist essenziell. Die Arbeit betont, dass Hardware physisch und technisch vom Behördennetzwerk isoliert werden muss und der Umgang mit soziostrukturellen Daten strikten Kontrollen unterliegt, um Diskriminierung oder unfaire Benachteiligungen zu verhindern.
Warum ist die Einbindung von Polizeibeamten für den Projekterfolg so wichtig?
Ohne die Einbindung der Beamten entstehen oft Akzeptanzprobleme oder ein kontraproduktives Verständnis der Software; zudem können Beamte vor Ort durch ihr Erfahrungswissen Fehler in den Prognosen korrigieren, die rein datenbasierte Algorithmen übersehen.
- Arbeit zitieren
- Lukas Koch (Autor:in), 2020, Predictive Policing. Status Quo in Praxis und Forschung, München, GRIN Verlag, https://www.grin.com/document/1025673
