In diesem Essay wird gezeigt, dass es eine große Diskrepanz gibt zwischen dem, was in der kriminologischen Forschung an Mitteln für eine erfolgreiche Kriminalitäts- und Terrorismusbekämpfung vorgeschlagen und angewendet und was auf der anderen Seite an staatlichen Mitteln und Instrumenten dafür verwendet werden.
Der größte Unterschied hierbei ist das Menschenbild, bzw. das Epistem, wie Mehozay und Fisher sich ausdrücken. Auf der einen Seite wird eine emotionsbetonte, kulturelle Kontextualisierung vorgenommen, um die Ursachen einer terroristischen Handlung zu erforschen, um gegen die Ursachen, die bei dem Menschen zu finden sind, vorzugehen, und den Menschen somit als komplexes und wandelbares Wesen verstehen; auf der anderen Seite wird der Mensch als Datenbündel reduziert, dem keine Handlungsmacht oder Wandelbarkeit zugesprochen wird. Es wird aus letzterer, algorithmischer Perspektive also nicht versucht, Umstände, die schädliches Verhalten hervorbringen zu beseitigen, sondern die Menschen zu beseitigen, die aus diesen Umständen erwachsen sind. Dieses letztere System kann schließlich nur wirklichen Erfolg verbuchen, wenn es stark repressiv ist und die Umstände tatsächlich kontrollieren kann, was aktuell nicht der Fall ist. Erklären, erforschen oder gar beheben kann dieses algorithmische System die Umstände nicht. Dazu bedarf es der Theorie und eines humanistischen Menschenbildes.
Inhaltsverzeichnis
1. Perspektiven auf ein Subjekt (potenzieller) krimineller Handlungen
2. Predictive Policing und das algorithmische Selbst
3. Narrative Kriminologie - Narrative Analysen
4. Conclusio
Zielsetzung & Themen
Das Essay untersucht die Diskrepanz zwischen staatlichen Methoden der Kriminalitäts- und Terrorismusbekämpfung, die auf algorithmischen Risikoeinschätzungen basieren, und kriminologischen Ansätzen, die den Menschen als komplexes, durch sozio-kulturelle Narrative geprägtes Wesen verstehen. Die Forschungsfrage fokussiert dabei auf die Auswirkungen unterschiedlicher Menschenbilder auf die Behandlung und Einordnung potenzieller Täter.
- Algorithmische Risikoeinschätzung (Predictive Policing)
- Das "algorithmische Selbst" als neues Epistem
- Narrative Analysen und ihre Bedeutung für die Kriminologie
- Kritische Gegenüberstellung von technokratischen und humanistischen Menschenbildern
- Bedeutung von Ursachenforschung in der Terrorismusbekämpfung
Auszug aus dem Buch
Predictive Policing und das algorithmische Selbst
Feeley und Simon, sowie Mehozay und Fisher führen aus, wie das manageriale Denken seit den 1970/80ern in der Pönologie zu der Zielsetzung des „Managens“ von Kriminalität anstatt einer Bekämpfung oder Beseitigung derselben geführt hat (Feeley, 1992, S. 450). Seit dieser Zeit wurden die technischen Möglichkeiten weitaus effizienter gestaltet, bis zum heutigen Zeitalter von Big Data, in dem Algorithmen Risikoeinschätzungen vornehmen. Dabei behaupten Mehozay und Fisher auch, dass mit dieser neuen Betrachtungsweise ein neues Menschenbild einhergeht, bzw. dass dieses durch ein neues Epistem, das algorithmische Selbst, konstruiert wird (Mehozay & Fisher, 2019, S. 524). Dieses zeichnet das Bild eines Menschen, der weder „rational“ noch „pathologisch“ ist noch durch soziale und kulturelle Gegebenheiten geprägt ist. Der Mensch besteht nur noch aus Daten Punkten von Ereignissen, die dann in einer Risikokalkulation verarbeitet werden.
Dabei soll rein präventiv eingegriffen werden. Soziale Theorien werden bei dieser Herangehensweise nicht berücksichtigt und weil die Algorithmen teilweise künstlich-intelligent, also selbst-lernend sind, sind sie auch schließlich sich selbst überlassen. Dies bedeutet, dass der Algorithmus beispielsweise Risikovariablen selbst auswählen kann. Darüber hinaus wird durch das fehlende Menschenverständnis auch eine Verbesserungsmöglichkeit eines Subjekts abgesprochen, welches dann ein Strafsystem zum Ergebnis hat, das keine humanistischen Standpfeiler hat und nicht auf Besserung der Betroffenen ausgelegt ist (ibidem 535-537), wie dies in einem Wohlfahrtsstaat sonst üblich ist.
Zusammenfassung der Kapitel
1. Perspektiven auf ein Subjekt (potenzieller) krimineller Handlungen: Einleitung in die Thematik der algorithmischen Kriminalitätsbekämpfung und die Gegenüberstellung von technokratischen Risikomodellen und humanistischen Erklärungsansätzen.
2. Predictive Policing und das algorithmische Selbst: Analyse der Funktionsweise und Auswirkungen von Systemen wie Hessen-Data und RADAR-iTE, die den Menschen auf Datensätze reduzieren.
3. Narrative Kriminologie - Narrative Analysen: Erläuterung des Ansatzes der narrativen Analyse, die durch Kontextualisierung und Ursachenforschung den Täter als handelndes Subjekt begreift.
4. Conclusio: Zusammenfassende Bewertung der Diskrepanz zwischen präventiven Algorithmen und der Notwendigkeit einer Theorie-basierten, humanistischen Ursachenbekämpfung.
Schlüsselwörter
Algorithmische Risikoeinschätzung, Predictive Policing, Kriminologie, Narrative Analyse, Menschenbild, Hessen-Data, RADAR-iTE, Cultural Criminology, Terrorismusbekämpfung, Pönologie, Big Data, Subjektivierung, Ursachenforschung, Diskursanalyse, Sicherheitsrisiken.
Häufig gestellte Fragen
Worum geht es in dieser Arbeit grundsätzlich?
Die Arbeit untersucht, wie staatliche Ermittlungsbehörden mittels Algorithmen Kriminalitätsrisiken bewerten und welches Menschenbild diesen technologischen Ansätzen zugrunde liegt.
Was sind die zentralen Themenfelder der Arbeit?
Zentrale Themen sind die algorithmische Risikoeinschätzung (Predictive Policing), die narrative Kriminologie und die kritische Analyse des Wandels in der Pönologie.
Was ist das primäre Ziel oder die Forschungsfrage?
Das Ziel ist die Diskussion darüber, welche Mittel sich besser zur Kriminalitätsbekämpfung eignen und wie sich die Darstellung des Subjekts durch verschiedene methodische Ansätze verändert.
Welche wissenschaftlichen Methoden werden verwendet?
Die Arbeit nutzt eine komparative Literaturanalyse und stützt sich auf theoretische Ansätze aus der Kriminologie, insbesondere die "Cultural Criminology" und das Konzept des "algorithmischen Selbst".
Was wird im Hauptteil behandelt?
Im Hauptteil werden zunächst die Funktionsweisen und Logiken von Predictive-Policing-Systemen (Hessen-Data, RADAR-iTE) analysiert, gefolgt von einer Darstellung narrativer Analysen als methodischem Gegenentwurf.
Welche Schlüsselwörter charakterisieren die Arbeit?
Wichtige Begriffe sind algorithmisches Selbst, Predictive Policing, narrative Kriminologie, humanistische Menschenbilder und Risikokalkulation.
Inwiefern unterscheiden sich Hessen-Data und RADAR-iTE?
Während Hessen-Data zur Zusammenführung großer Datenmengen aus verschiedenen Quellen dient, fokussiert RADAR-iTE spezifisch auf die Risikoeinschätzung potenzieller islamistischer Terroristen anhand standardisierter Kriterien.
Was kritisiert der Autor am algorithmischen Risikoeinschätzen?
Der Autor kritisiert, dass durch die Reduktion des Menschen auf reine Datenpunkte die Ursachen von Kriminalität ignoriert werden und die Möglichkeit zur Resozialisierung oder Verbesserung des Subjekts verloren geht.
- Arbeit zitieren
- Philipp Blaich (Autor:in), 2020, Predictive Policing versus narrative Kriminologie. Perspektiven auf ein Subjekt potenzieller kriminelle Handlungen, München, GRIN Verlag, https://www.grin.com/document/1030301
