PreprintPDF Available

Bitship Troopers - Big Data und informationsgeleitete Polizeiarbeit in Deutschland

Authors:
Preprints and early-stage research may not have been peer reviewed yet.

Abstract

Der gesellschaftliche Wandel ist in diesen Zeiten spürbarer denn je. Schlagworte wie Big Data, maschinelles Lernen, Digitalisierung und Automatisierung von Prozessen sowie die neuesten Methoden aus der Informatik sind nur einige wenige Indikatoren für die Omnipräsenz des digitalen Zeitalters. Unternehmen wie Behörden sind mit immer kürzer werdenden Innovationszirkeln und einer zunehmenden Komplexität auf allen Ebenen konfrontiert. Durch die neuesten Entwicklungen der Technik des frühen 21. Jahrhunderts verändern sich zwangsläufig auch die Arbeit und das Tätigkeitsfeld der Polizei. Die Organisation und ihre MitarbeiterInnen müssen sich nun mehr denn je mit der technischen Entwicklung auseinandersetzen. Um mit diesen Entwicklungen schritthalten zu können, ist neben einem Zugewinn an notwendigen Kompetenzen auch die Entwicklung eines neuen Selbstverständ-nisses von Polizeiarbeit unabdingbar. Welche tiefgreifenden Veränderungen dies bedeuten kann, wird beispielsweise an Raewyn Connells Aussage über ManagerInnen im Sicherheitssektor aus dem Jahr 2016 deutlich. Deren Selbstverständnis wird noch immer als deutlich „Low-Tech“ beschrieben: „Einige äußern eine ausgesprochene Abneigung gegen Informationstechnologien […]. Die meisten sind kompetente Nutzer von Kommunikationstechnik […]. Aber mehr auch nicht. Keiner von ihnen stützt seine Managementarbeit durch Informations- und Kommunikationstechnologien, wie wir es in der Finanz- und Unternehmensberatung beobachten konnten“ (Connell 2016: 41). Auf dieser schwierigen Basis findet die zunehmende Digitalisierung der Gesellschaft und damit auch der Polizeiarbeit statt. Der Einfluss dieser Entwicklung auf die Art des Polizierens, greifbar beispielsweise bei der Nutzung von Daten für die polizeiliche Tätigkeit, wird insbesondere unter dem Begriff des Intelligence-Led Policing diskutiert.
1
Merbach, Lana; Seidensticker, Kai
Bitship Troopers - Big Data und informationsgeleitete Polizeiarbeit in
Deutschland
Einleitung
Der gesellschaftliche Wandel ist in diesen Zeiten spürbarer denn je. Schlagworte wie
Big Data, maschinelles Lernen, Digitalisierung und Automatisierung von Prozessen
sowie die neuesten Methoden aus der Informatik sind nur einige wenige Indikatoren
für die Omnipräsenz des digitalen Zeitalters. Unternehmen wie Behörden sind mit
immer kürzer werdenden Innovationszirkeln und einer zunehmenden Komplexität auf
allen Ebenen konfrontiert. Durch die neuesten Entwicklungen der Technik des frühen
21. Jahrhunderts verändern sich zwangsläufig auch die Arbeit und das Tätigkeitsfeld
der Polizei. Die Organisation und ihre MitarbeiterInnen müssen sich nun mehr denn
je mit der technischen Entwicklung auseinandersetzen. Um mit diesen Entwicklungen
schritthalten zu können, ist neben einem Zugewinn an notwendigen Kompetenzen
auch die Entwicklung eines neuen Selbstverständnisses von Polizeiarbeit unabding-
bar. Welche tiefgreifenden Veränderungen dies bedeuten kann, wird beispielsweise
an Raewyn Connells Aussage über ManagerInnen im Sicherheitssektor aus dem
Jahr 2016 deutlich. Deren Selbstverständnis wird noch immer als deutlich „Low-
Tech“ beschrieben: „Einige äußern eine ausgesprochene Abneigung gegen Informa-
tionstechnologien […]. Die meisten sind kompetente Nutzer von Kommunikations-
technik […]. Aber mehr auch nicht. Keiner von ihnen stützt seine Managementarbeit
durch Informations- und Kommunikationstechnologien, wie wir es in der Finanz- und
Unternehmensberatung beobachten konnten“ (Connell 2016: 41). Auf dieser schwie-
rigen Basis findet die zunehmende Digitalisierung der Gesellschaft und damit auch
der Polizeiarbeit statt. Der Einfluss dieser Entwicklung auf die Art des Polizierens,
greifbar beispielsweise bei der Nutzung von Daten für die polizeiliche Tätigkeit, wird
insbesondere unter dem Begriff des Intelligence-Led Policing diskutiert.
Intelligence-Led Policing
Intelligence-Led Policing (ILP) kann als informationsgeleitete Polizeiarbeit verstanden
werden und ist ein auf der Beurteilung und Organisation von Risiken basierendes
Handlungsmodell der Kriminalitätsanalyse und -bearbeitung (vgl. Ratcliffe 2016). In
2
dieser Philosophie werden verschiedene Informationen von polizeilichen Daten (Da-
ten von Taten, Tätern, Täter-Gruppen, Vorgehensweisen, etc.) gesammelt und ver-
arbeitet, um die vorhandenen Erfahrungen und Erkenntnisse der Polizeibeamtinnen
und -beamten mit neuem zusätzlichen Wissen anzureichern (vgl. Die föderale Polizei
Belgiens 2018). Die in diesem Zusammenhang notwendigen Analysen umfassen ei-
ne Reihe systematischer Prozesse, die darauf abzielen, Muster und Zusammenhän-
ge zwischen Kriminalitätsdaten und anderen relevanten Informationsquellen zu iden-
tifizieren, zu interpretieren und so Wissen zu erzeugen. Dabei richtet sich der Blick
der Analysen retrograd auf das Kriminalitätsgeschehen und versucht Aussagen über
mögliche zukünftige Entwicklungen aus den Daten abzuleiten. Gewonnene Erkennt-
nisse dieser Analysen können zur Unterstützung der strategischen Ausrichtung sowie
operativen Steuerung polizeilicher Aktivitäten und kriminalpräventiver Maßnahmen
genutzt werden. Somit geht dieser Policing-Ansatz über eine rein reaktive Strategie
im Umgang mit Kriminalität hinaus. In diesen Kontext lässt sich auch die Methode
des Predictive Policing einordnen, mit welcher auf Basis verschiedener kriminali-
tätsrelevanter Datenquellen und anhand komplexer mathematischer Verfahren
Aussagen darüber getroffen werden, wo in Zukunft Brennpunkte im räumlichen Kri-
minalitätsgeschehen wahrscheinlich sind (vgl. Bode & Seidensticker 2018: 537). So
entstehen Informationen aus zunächst schwierig zu interpretierenden Daten, indem
diese mit zusätzlichem Kontext angereichert werden. Diese Informationen können im
laufenden Predictive-Policing-Prozess durch das Zusammentragen und kombinieren
weiterer Informationen aus unterschiedlichen Datenquellen zu Wissen verdichtet
werden (vgl. Aamodt & Nygård 1995: 6-11). Dieses Wissen kann in der Folge zur
Gestaltung effektiver Maßnahmen zur Kriminalitätsbekämpfung und -prävention ge-
nutzt werden. Predictive Policing kann damit, auch im Rahmen des ILP, als ein Bau-
stein der polizeilichen Kriminalitätsbekämpfung verstanden werden.
Datenbeschaffung, -auswertung und -analyse
Intelligence-Led Policing umfasst im Rahmen der polizeilichen Datengewinnung drei
Eckpfeiler, die auch als „magisches Dreieck der polizeilichen Informationsgewinnung
bezeichnet werden können (Kühne 2012: 11 f.). Diese Eckpfeiler bestehen zunächst
aus dem Erkennen des Trägers von Informationen, den geeigneten Verfahren zur
Gewinnung der Informationen als Informationsbeschaffung und als rechtliche Si-
3
cherung aus einer gültigen Rechtslage zur Gewinnung und Nutzung dieser Infor-
mationen aus den Trägern. Fehlt einer dieser Eckpfeiler wird der gesamte Prozess
der polizeilichen Informationsgewinnung erschwert oder gar verunmöglicht.
Neben der Datengewinnung ist auch die Art der Verarbeitung von Informationen ein
erfolgskritischer Prozess. Dieser lässt sich ebenfalls in mehrere Phasen einteilen.
Zunächst dienen Anzeigen, Aussagen von Opfern, Zeugen und Tatverdächtigen, die
Spurensicherung am Tatort, technische Aufzeichnungsmethoden (TKÜ-
Maßnahmen), die eigene Wahrnehmung als auch öffentliche Bevölkerungs- und
Fahndungshinweise der Polizei initial zur Kenntniserlangung (Input). Die Verarbei-
tung der so gewonnenen Daten umfasst unter anderem die Bewertung dieser ersten
Informationen, den Vergleich sowie die Kombination mit anderen Erkenntnissen und
das Ziehen von Schlüssen, als auchals wichtige Kernfunktion des Intelligence-Led
Policing die Zusammenführung von Daten aus unterschiedlichen Quellen zur Ge-
nerierung verknüpfter oder neuer Informationen. Als Ergebnis (Output) eines solchen
Prozesses kann beispielsweise die aufgeklärte, mit Beweisen dokumentierte Straftat
oder auch die tägliche Lagebewältigung der Polizei angesehen werden. Eine strate-
gisch ausgerichtete Form der Darstellung dieser Ergebnisse finden sich in Lagebil-
dern ausgewählter Kriminalitätsbereiche und in den Aussagen der Polizeilichen Kri-
minalstatistik (PKS) wieder (vgl. Kühne 2012: 23). Grundsätzlich zeigt sich auch in-
nerhalb der Polizei ein gesteigerter Umgang mit großen Datenmengen: Durch die
polizeiliche Tätigkeit wird, beispielsweise durch die Aufnahme und Verarbeitung von
Anzeigen, Big Data im Sinne sehr großer Datenmengen produziert. Mit diesen Da-
tenmengen muss in der Folge umgegangen werden. Allerdings wird genau an dieser
Stelle zumeist deutlich, dass die Qualität der erfassten Daten aus den unterschied-
lichsten Gründen nicht ausreichend ist, um beispielsweise mit auf große Datenmen-
gen ausgelegten Analyseverfahren sinnvolle Ergebnisse zu erzielen.
Im Rahmen der Informationsverarbeitung durchläuft eine Information verschiedene
Medien, was zwangsläufig zu Medienbrüchen führt. Diese Medienbrüche sorgen da-
für, dass eine Information im Zuge des Transports zwischen zwei Medien an Gehalt
verlieren kann. Konsistenzprobleme sind der polizeilichen Informationsverarbeitung
inhärent, da unterschiedliche Erfassungssysteme und -modalitäten existieren und
verschiedene Auswertesysteme verwendet werden. Dies geschieht beispielsweise,
4
wenn eine Anzeigenaufnahme zunächst schriftlich dokumentiert, dann anhand eines
computergestützten Verfahrens in das Vorgangsdatenverarbeitungssystem der Poli-
zei übertragen und später zur Auswertung in andere Formate und Systeme exportiert
wird.
Im Zuge der Digitalisierung der Polizeiarbeit entstehen beispielsweise auch unstruk-
turiert abgelegte Daten, beispielsweise Kurzsachverhalte in Textform, die wertvolle
Hinweise bei der computergestützten Recherche und automatisierten Auswertung
der entsprechenden Vorgänge bergen können. Zur Verarbeitung solcher textuellen
Informationen werden Methoden aus der Computerlinguistik eingesetzt (vgl. Carsten-
sen et al. 2009: 1 ff.), welche grundlegende Anforderungen an die Datenqualität stel-
len, die aus polizeipraktischer Sicht allerdings nur schwer einzuhalten sind. Insbe-
sondere Vorgangsbearbeitungssysteme müssten an dieser Stelle nachbessern und
entsprechende Werkzeuge anbieten, wie beispielsweise Autokorrekturen oder Wort-
vervollständigungen. Nur so kann sichergestellt werden, dass die generierten großen
Datenmengen auch einer computergestützten Auswertung zugeführt werden und
damit ihren prominentesten Nutzen entfalten können.
Eine gewisse Fehleranfälligkeit bezüglich des Inputs durch die aufnehmenden Kräfte
und des Outputs der auswertenden Kräfte kann bei der Informationsverarbeitung
nicht ausgeschlossen werden. Darüber hinaus ist zumeist nicht bekannt, in welchem
Umfang Fehler in den verwendeten Daten enthalten sind (sogenannte Datenunsi-
cherheiten). Denkbar sind hier Probleme bei der Erfassung der Tatzeit eines Woh-
nungseinbruchdiebstahls oder die exakte räumliche Verortung eines Raubes auf öf-
fentlichen Straßen. Zudem ist es möglich, dass Straftaten zunächst rechtlich falsch
bewertet oder verspätet angezeigt werden (vgl. Stoffel, Bode & Keim 2017: 4). Diese
Unsicherheiten haben Auswirkungen auf den weiteren Auswertungs- und Analy-
seprozess sowie den Erkenntnisgewinn der hieraus erzielten Ergebnisse und spielen
insbesondere im Rahmen von prädiktiven Kriminalitätsanalysen eine große Rolle.
Predictive Policing
Der 2002 erschienene Hollywood-Blockbuster „Minority Report“ mit Tom Cruise und
die dazugehörige Romanvorlage von 1956 von Philip K. Dick deklarieren eine dysto-
pische Zukunftsvision, in der es möglich ist, Verbrechen vorherzusagen und mit der
5
Inhaftierung der zukünftigen Täter entsprechend präventiv zu handeln (Dick 2014).
Im Los Angeles Police Department (LAPD) läuft seit 2008 das erste Konzept zu Pre-
dictive Policing in der Wirklichkeit, das sich inzwischen in abgewandelter und ange-
passter Form auf dem ganzen Globus und unter anderem auch in Deutschland ver-
breitet hat (Knobloch 2018: 5ff). Dabei kann unter der Bezeichnung „vorhersagende“
oder „vorausberechnende Polizeiarbeit“ ein breites Spektrum unterschiedlicher Ziel-
richtungen abgebildet werden, die von der Berechnung raumbezogener Wahrschein-
lichkeiten für zukünftig auftretende Kriminalität über täterbezogene Prognosen bis hin
zu dem Versuch reichen, bereits begangene Delikte zu untersuchen und aufzuklären
(vgl. Perry et al. 2013: 1f.). Pearsall (2010: 16) definiert Predictive Policing umfas-
send als „[…] taking data from disparate sources, analysing them and then using re-
sults to anticipate, prevent and respond more effectively to future crime“.
Die für die Umsetzung von Predictive Policing durch die Polizeibehörden in Deutsch-
land gültige Definition fasst den Begriff enger und sieht in dieser Methode aus-
schließlich ein computergestütztes Verfahren zur delikt- und raumbezogenen Wahr-
scheinlichkeitsberechnung künftiger Straftaten (Seidensticker 2019: 7). Angelehnt an
diese Definition wird Predictive Policing aktuell in Baden-Württemberg, Bayern, Ber-
lin, Hessen, Niedersachsen und Nordrhein-Westfalen mit unterschiedlichen (Soft-
ware-)Lösungen angewendet. Zumeist beschränkt sich die Deliktpalette in Deutsch-
land bisher auf den Wohnungseinbruchdiebstahl, wobei beispielsweise in Nordrhein-
Westfalen auch Einbrüche in Gewerbeobjekte und KFZ-Delikte in den Predictive-
Policing-Prozess implementiert wurden und die Geeignetheit weiterer Delikte, wie z.
B. Raubdelikte, geprüft wird (LKA NRW 2018: 84). Das Ziel von Predictive Policing in
Deutschland ist die Identifizierung von Risikobereichen, in denen Kriminalität durch
die Auswahl, Planung und Durchführung geeigneter Maßnahmen begegnet werden
und somit die Kriminalitätsbelastung gesenkt werden soll. An dieser Stelle wird deut-
lich, dass Predictive Policing nur ein technisches Hilfsmittel ist, welches den Kern
polizeilicher Arbeit lediglich unterstützen kann (vgl. Knobloch 2018: 6).
Der Predictive-Policing-Prozess kann abstrakt in sechs respektive sieben Schritte
aufgeteilt werden (Abbildung 1), welche das Vorgehen bei der Erstellung und Ver-
wertung von Kriminalitätsprognosen abbilden. In jedem Schritt spielen die zu verar-
beitenden Daten und der Umgang mit diesen Daten durch die Polizei, beispielsweise
6
bei deren Erfassung und Aufbereitung, eine wichtige Rolle. Werden Straftaten bei der
Aufnahme rechtlich falsch eingeschätzt oder aber erst verspätet gemeldet, kann dies
zu unvollständigen Daten oder Unsicherheiten in den Daten führen und die Kriminali-
tätsprognosen negativ beeinflussen.
An dieser Darstellung lässt sich erkennen, dass die Umsetzung von Predictive Poli-
cing in der Polizei auf Aspekte des ILP zurückgreift beziehungsweise ein Selbstver-
ständnis der polizeilichen Tätigkeit als informationsgeleitete Polizeiarbeit in der Or-
ganisation notwendig macht. Neben der Auswahl, Sammlung und Aufbereitung von
Daten müssen diese in Beziehung zueinander und zu anderen Daten(-quellen) ge-
setzt werden, um, anhand komplexer Verfahren, Kriminalitätsprognosen berechnen
zu können. Dies macht entweder Kompetenzen im Datenverständnis und der Model-
lierung in der Polizei selbst notwendig, oder diese Schritte (und damit auch die Da-
ten) müssen an externe Dienstleister ausgelagert oder durch vollständig automati-
sierte Lösungen realisiert werden. Letztere bergen den Nachteil, dass die Polizei kei-
nen vollständigen Einblick in die Verarbeitung der Daten im Prozess hat und zum
bloßen Empfänger von Auswertungen ohne eigenen Erkenntnisgewinn werden kann.
Zusätzlich würde hier das notwendige kriminalfachliche Wissen der PolizeibeamtIn-
nen nahezu vollständig aus dem Predictive-Policing-Prozess verdrängt werden.
Abbildung 1: Der (erweiterte) Predictive-Policing-Prozess
Quelle: Seidensticker 2017: 294
7
Intelligence-Led Policing am Beispiel von SKALA
Effektive und nachhaltige Kriminalitätsbekämpfung setzt Wissen voraus: Wissen über
das Delikt, über das Auftreten des Deliktes in Raum und Zeit und über seine Entste-
hungsbedingungen. Um dieses notwendige Wissen zu generieren bedarf es der
Auswahl, Sammlung und Aufbereitung der benötigten Daten und Informationen. Wel-
che Daten benötigt werden hängt entscheidend mit dem jeweiligen Delikt zusammen
und ergibt sich aus der Deliktanalyse und einem hypothesengestützten Vorgehen,
also auf der Grundlage theoretischer Überlegungen und bereits verfügbarer empiri-
scher Erkenntnisse. Im Rahmen von SKALA wurde bewusste dieses Vorgehen ge-
wählt, um dem Anspruch einer transparenten und nachvollziehbaren Methodik Rech-
nung zu tragen und einen Mehrwert für die polizeiliche Arbeit zu generieren. Aus die-
sem Grund basiert das Vorgehen auf der Erstellung wissenschaftlich-
theoriegeleiteter Hypothesen sowie einer bewussten Einbindung bereits vorhande-
nen kriminalfachlichen Wissens der Organisation. Dieses hypothesengestützte Vor-
gehen gewährleistet die Testung der Modell- und Prognoseerstellung auf Grundlage
belastbarer wissenschaftlicher Theorien und Forschungsbefunde und stellt gleichzei-
tig eine Abgrenzung zu den weit verbreiteten Predictive-Policing-Verfahren dar, die
ausschließlich den Near-Repeat-Ansatz in ihre Berechnungen einbeziehen.
Gerade der formulierte Anspruch, SKALA so zu gestalten, dass dieses System durch
jede/jeden PolizeibeamtIn bedienbar ist, machte Expertenwissen notwendig, welches
bisher organisationsintern zumeist nicht vorhanden ist. Die Modellierung von Progno-
sen und die Gestaltung von Programm- und Bedienoberflächen sind zunächst Anfor-
derungen, welchen PolizeibeamtInnen allein aufgrund ihres Studiums regelmäßig
nicht gerecht werden können. Zu diesem Zweck ist die Anreicherung des Wissens
durch externe Experten notwendig. Im Rahmen von SKALA wurde dies zunächst
durch externe Beraterleistungen realisiert und in der Folge durch die Einstellung von
drei Data Scientists intern verstetigt.
Neben den methodischen und technischen Fachexperten, welche sich zentral mit der
Modellierung von Kriminalitätsprognosen und der Weiterentwicklung vorhandener
Modelle befassen, bedarf die Einleitung und Durchführung des Predictive-Policing-
Prozesses (kriminal-) fachlicher Experten an den vorhandenen Schnittstellen der
Prognoseübermittlung und -bewertung, Visualisierung und Maßnahmenumsetzung
8
sowie der Deliktsanalyse. SKALA versteht sich als Plattform für einen regelmäßigen
Austausch von Wissen und Erfahrungen in Bezug auf den Umgang mit Kriminalität
und Kriminalitätsprognosen und verknüpft die Expertise von Wissenschaftlern unter-
schiedlicher Professionen und kriminalistischen Fachexperten. So sind es Selbstver-
ständnis und Anspruch von SKALA, ein Baustein bei der polizeilichen Kriminalitäts-
bekämpfung zu sein und in diesem Rahmen Informationen zu liefern, welche als zu-
sätzlicher Input in die Analyse und Auswertung der lokalen Kriminalitätslage einflie-
ßen. Ein Automatismus, welcher generierte Prognosegebiete direkt und ohne krimi-
nalfachliche Bewertung an die operativen Kräfte steuert, wurde bewusst und unter
Inkaufnahme zeitlicher Einbußen bei der Maßnahmenumsetzung vermieden. Prog-
nosen bzw. Wahrscheinlichkeitsaussagen werden vielmehr in die schon bestehenden
Analyseprozesse implementiert, lokal bewertet und tragen so zur Anreicherung der
örtlichen Informationslage bei. In diesem Kontext konnten dezentral bei den beteilig-
ten Polizeibehörden externe Fachexperten gewonnen und im Bereich der Analyse-
und Auswertestellen eingesetzt werden. Die Interdisziplinarität dieser Expertenteams,
bestehend aus PolizeipraktikerInnen und Spezialisten aus dem Bereich der Geoin-
formatik, wirkte sich positiv auf die Umsetzung von SKALA und auch auf die weiteren
behördeninternen Prozesse aus. Die dezentrale Verwendung ermöglichte es den
Behörden, lokalen Problemstellungen und Herausforderungen mit eigener Fachkom-
petenz innovativ zu begegnen.
Qualifizierung
Die interne Verstetigung von Expertenwissen kann als kritischer Erfolgsfaktor be-
zeichnet werden, welcher sich zukünftig noch stärker bemerkbar machen wird. Ins-
besondere die Anwerbung externer IT-Experten stellt für die Polizei ein schwieriges
Unterfangen dar, da im Kampf um die besten Köpfe auf dem Arbeitsmarkt die Kondi-
tionen in der freien Wirtschaft attraktiver sind (vgl. Peteranderl 2019). Durch die tech-
nische Entwicklung im IT-Bereich wird der Bedarf an Expertenwissen bei der Polizei
künftig noch stärker ansteigen. Die Polizeiorganisationen müssen sich in diesem
Kontext die Frage stellen, wie dieser Bedarf gedeckt werden kann. Können die benö-
tigten Kenntnisse intern durch die Ausbildung oder durch Fortbildungsangebote der
Polizei vermittelt werden oder muss auf Expertise und bestehende Bildungswege
außerhalb der Organisation zurückgegriffen werden? Betrachtet man die aktuelle
9
Bildungslandschaft der Polizei muss festgestellt werden, dass die Polizei aktuell nicht
in der Lage ist, PolizistInnen selbst mit dem notwendigen Expertenwissen auszustat-
ten. Zwar sind einige Fachkompetenzen in der Polizei bereits vorhanden, diese sind
allerdings zumeist nicht im internen Bildungsbereich etabliert. Auch bleibt zweifelhaft,
ob die Polizei die dynamischen Entwicklungen im IT-Bereich fortlaufend erfassen und
flächendeckend in ein internes Bildungsprogramm integrieren kann.
Grundsätzlich scheint in der Polizei eine Diskrepanz zwischen der Wertigkeit von
Fach- und Führungskompetenzen zu existieren. Dies ist insbesondere durch die feh-
lende beziehungsweise nur rudimentäre Ausgestaltung von Fachkarrieren in der or-
ganisationalen Struktur institutionalisiert. Karriere funktioniert in der Polizei meist nur
durch die Übernahme von Führungsfunktionen und eine damit verbundene Verschie-
bung des Aufgabenfeldes, ist also immer mit einem notwendigen Aufstieg in der Hie-
rarchie verbunden. In der Konsequenz wird vorhandenes Fachwissen nur bis zu ei-
nem gewissen Maße gefördert und muss bei einem Funktionswechsel des Fachex-
perten aufwendig und ineffizient nachersetzt werden.
Wie Eingangs durch Connell plakativ veranschaulicht besteht eine tendenzielle Ab-
wehrhaltung gegenüber moderner Möglichkeiten zur Datensammlung, -verarbeitung
und -auswertung, wie sie in außerbehördlichen Institutionen und Unternehmen nicht
zu sehen ist. Woher diese bisher eher ablehnende Haltung stammt, lässt sich nicht
mit Sicherheit bestimmen. Für die Polizei Nordrhein-Westfalen zeigt sich jedoch,
dass dem Umgang mit neueren Technologien innerhalb des Bachelorstudiums für
den gehobenen Polizeivollzugsdienst an der Fachhochschule für öffentliche Verwal-
tung Nordrhein-Westfalen (FHöV NRW) keine Bedeutung zuteilwird, diese sich allen-
falls erahnen lässt. Beispielsweise führen Teilmodul GS 7.2 „Sicherungsangriff in Fäl-
len der einfachen und mittleren Kriminalität“ sowie Teilmodul HS 1.5.2 „Auswer-
tungsangriff und Methodik der Spurensicherung“ jeweils das Kompetenzziel „Die
Studierenden sind in der Lage, […] polizeiliche Informations-, Kommunikations- und
Datenverarbeitungssysteme anzuwenden“ auf (FHöV NRW 2018), allerdings be-
schränkt sich der Lehrinhalt zumeist auf die theoretische Vermittlung der Kenntnisse
polizeilicher Standardanwendungen. Demgegenüber findet sich in der Modulüber-
sicht des Bachelorstudiengangs der Hessischen Hochschule für Polizei und Verwal-
tung (HfPV Hessen) explizit der Bereich der Informationstechnik für das Studium der
10
Schutzpolizei Modul S 4.2 im Bereich „Ermittlungsverfahren, Teilmodul 1“ mit einem
Workload von 30 Lehrveranstaltungsstunden (LVS), sowie in Modul S 6.2 „Besonde-
re Kriminalitätsphänomene und ihre eingriffsrechtliche Bewältigung II“ mit 10 LVS.
Der Studiengang Kriminalpolizei weist diesen Bereich sogar mit 10 LVS im Bereich
„Bearbeitung von Ermittlungsverfahren“ (Modul S 3.5) und zusätzlich in dem Modul S
4.4 „Kriminalität im Zusammenhang mit neuen Medien/Verdeckte Informationsbe-
schaffung“ mit 40 LVS (von insgesamt 120 LVS in diesem Modul) aus (HfPV Hessen
2016). Auch die Hochschule der Sächsischen Polizei legt größeren Wert auf die
Vermittlung von Kenntnissen im Bereich der Informationstechnologie. So werden den
Studierendenunter Beteiligung eines eigenen Lehrgebietes Informatik neben den
Grundlagen im Bereich polizeilicher Informations- und Bürokommunikationstechnik
sowie Informatik auch Kenntnisse polizeilicher Informationssysteme und Kriminal-
und informationstechnische Grundlagen im Laufe des Studiums in unterschiedlichen
Modulen vermittelt (Hochschule der Sächsischen Polizei 2018).
Neben dieser zumindest uneinheitlichen Vermittlung von Kenntnissen aus dem Be-
reich der Informationstechnologie kann zudem ein bisher in weiten Teilen nicht vor-
handene Fokus auf ein grundsätzliches Verständnis und Interesse an Informations-
technologie im Rahmen der Personalauswahlprozesse der PolizeianwärterInnen ei-
nen Anteil an der eher zurückhaltenden Einstellung gegenüber neuen Technologien
in der Polizei haben. Dies wird insbesondere an den Einstellungsvoraussetzungen
für den Polizeidienst deutlich, in welchen Kenntnisse im Bereich IT zumeist nicht
thematisiert werden.
Die Vermittlung von Kenntnissen in den Praxisphasen des Studiums könnte ebenfalls
einen Anteil an der nur in geringem Maße wahrgenommenen Notwendigkeit des Um-
gangs mit Informationstechnologie haben. In diesen Phasen wird, bedingt durch die
Gestaltung der Machtbeziehungen zwischen Praxisausbilder und Praktikant, der Fo-
kus auf die Vermittlung praxiserprobten Erfahrungswissens gelegt. Auf diese Weise
werden schlicht implizite und tradierte Wissensbestände der Cop Culture reproduziert
und Wissenspotenziale, welche aus der polizeilichen Praxis bisher fernen Anwen-
dungsgebieten stammen und bei PolizeianwärterInnen bereits vorhanden sind, als
nicht praxisrelevant marginalisiert beziehungsweise vollständig verdrängt (vgl. hierzu
Behr 2006: 44).
11
Einen interessanten Weg in Bezug auf die Einstellung von Nachwuchsfachkräften
schlägt die Landespolizei Mecklenburg-Vorpommern ein, welche im Jahr 2019 erst-
mals ein praxisintegrierendes duales Bachelorstudium im Bereich der Informatik an-
bietet. Damit bietet die Polizei Interessierten die Möglichkeit ein Studium im Bereich
Informatik und in unterschiedlichen informatikverwandten Wissenschaftsdisziplinen
(beispielsweise Elektrotechnik, Wirtschaftsinformatik, Informationstechnik, IT-
Sicherheit) an polizeiexternen Hochschulen zu studieren und gleichzeitig im Rahmen
von Praxisphasen das Arbeitsumfeld Polizei kennenzulernen. Nach Abschluss des
Studiums können diese Fachkräfte dann im Bereich Informatik, Digitalfunk, Cyber-
crime, digitale Forensik oder Wirtschaftsinformatik tätig werden, dies bei Vorliegen
beamtenrechtlicher Voraussetzungen potenziell auch als PolizeivollzugsbeamtIn-
nen1. Welchen Erfolg und welche Auswirkungen dies auf die polizeiliche Aufgabener-
füllung, den Umgang mit zukünftigen Herausforderungen und die Organisationsstruk-
tur haben wird, bleibt abzuwarten.
Fazit
Insbesondere die Umsetzung des Projektes SKALA bei der Polizei Nordrhein-
Westfalen machte deutlich, dass die Polizeiarbeit der Zukunft noch stärker auf da-
tenbasierte Informations- und Wissensbestände fokussiert. In diesem Kontext wird
deutlich, dass die Polizei nicht auf qualifizierte PolizistInnen verzichten kann. Das
polizeiliche Aufgabengebiet wird sich auch zukünftig nicht auf die bloße Erfassung
von Daten und die automatisierte Auswertung anhand von Algorithmen beschränken
lassen, da es insbesondere die Aufgabe kriminalistisch denkender PolizistInnen sein
wird, die Art und Aussagekraft gesammelter Daten und deren Analyse- und Auswer-
teergebnisse zu bewerten und hieraus für die Polizeiarbeit und den polizeilichen Auf-
trag die richtigen Schlüsse zu ziehen.
Ebenso kann die Organisation nicht auf externe Fachexpertise im Umgang mit Infor-
mationstechnik verzichten. Die Vorstellung von Polizeiarbeit als rein auf Erfahrung
und Adaption basierenden Tätigkeit, in welcher jede/r PolizistIn sich das für jede Tä-
1 Die Stellenausschreibung der Landespolizei Mecklenburg-Vorpommern ist online verfügbar unter
https://www.polizei.mvnet.de/static/POL/Dateien/PDF/IM/Stellenausschreibungen/IT-
Fachkr%C3%A4fte%20in%20der%20Landespolizei%20-%20duales%20Studium.pdf, zuletzt abgerufen im Febru-
ar 2019.
12
tigkeit benötigte Wissen eigenständig und in kurzer Zeit aneignen kann, muss ver-
worfen werden: nicht jede/r PolizistIn kann und muss alle Herausforderungen der so
breit gefächerten polizeilichen Tätigkeit eigenständig meistern und den notwendigen
Qualitätsansprüchen genügen. Vielmehr bedarf es der Mitarbeit qualifizierter Exper-
ten, welche ihr Wissen auch außerhalb der polizeilichen Bildungswege erworben ha-
ben. Diese Mitarbeit beschränkt sich zukünftig nicht auf die Übernahme von Tätigkei-
ten, die von der Organisation nur im weitesten Sinne als originär polizeiliche Tätigkei-
ten bewertet werden, sondern betrifft zunehmend den Kern polizeilicher Arbeit. Aller-
dings stellt diese fortschreitende Entwicklung auch eine Chance für die Polizei dar,
die vorherrschenden organisationalen Strukturen und Kulturen zu formen und den
Herausforderungen der digitalen Gesellschaft innovativ zu begegnen.
Die Zukunft der Polizeiarbeit lässt sich anhand interdisziplinär zusammengesetzter
Expertenteams für bestimmte Tätigkeitsbereiche und Unterstützungsleistungen ima-
ginieren, welche dezentralisiert in den jeweiligen Polizeibehörden tätig sind und so
die lokalen Bedarfe fachgerecht bedienen können. Dabei ist es entscheidend, dass
die so zusammengesetzten Teams ein gegenseitiges Verständnis für die jeweils an-
deren Tätigkeitsbereiche der KollegInnen entwickeln und auf einer Ebene kommuni-
zieren lernen (vgl. hierzu Cope 2004). Nur wenn dies gelingt ist eine zielführende und
erfolgreiche Zusammenarbeit möglich. Bei der Polizei Nordrhein-Westfalen konnten
Analyse- und Auswertestellen der Polizeibehörden durch solche Expertenteams, be-
stehend aus PolizeibeamtInnen und Spezialisten aus dem Bereich der Geoinformatik
und Data Science, aufgewertet und wertvolle Erfahrungen gesammelt werden.
13
Literaturverzeichnis
Aamodt, A. & Nygård, M. (1995): Different roles and mutual dependencies of data,
information, and knowledge - an AI perspective on their integration. Data and
Knowledge Engineering, 16/1995, S. 191-222.
Behr, R. (2006): Polizeikultur. Routinen Rituale Reflexionen. Bausteine zu einer
Theorie der Praxis der Polizei. Wiesbaden: VS Verlag für Sozialwissenschaften.
Bode, F. & Seidensticker, K. (2018): Projekt SKALA - Predictive Policing in Nord-
rhein-Westfalen. Kriminalistik, 8-9/2018, S. 537-540.
Carstensen, K. U., Ebert, C., Ebert, C., Jekat, S., Langer, H., & Klabunde, R. (Hrsg.).
(2009): Computerlinguistik und Sprachtechnologie: Eine Einführung. Wiesba-
den: Springer-Verlag.
Connell, R. (2016): Verkörperung ernsthafter Macht. Männlichkeiten im Management
der Sicherheitsbranche. In: D. Lengersdorf & M. Meuser (Hrsg.), Männlichkeiten
und der Strukturwandel von Erwerbsarbeit in globalisierten Gesellschaftern. Di-
agnosen und Perspektiven, S. 37-54. Weinheim/Basel: Juventa.
Cope, N. (2004): Intelligence Led Policing or Policing Led Intelligence?: Integrating
Volume Crime Analysis into Policing. The British Journal of Criminology, 44 (2),
S. 188-203.
Dick, P. K. (2014): The Minority Report. Frankfurt/Main: Fischer.
Die föderale Polizei Belgiens (2018): Die informationsgeleitete Polizeiarbeit (Intelli-
gence Led Policing). Brüssel: Innenministerium Belgien. Online verfügbar unter
https://www.police.be/5998/de/ uber-uns/kriminalpolizei/die-
informationsgeleitete-polizeiarbeit-intelligence-led-policing, zuletzt abgerufen im
Dezember 2018.
FHöV NRW (2018): Modulhandbuch Bachelorstudiengang PVD 2016. Ab dem Ein-
stellungsjahrgang 2018. Online verfügbar unter https://www.fhoev.nrw.de/
dateien_studium/studium-und-lehre/BA/pvd/modulbeschreibung/Modulbe
schreibung_BA_PVD_ab_EJ_2018_idF_vom_05.06.2018_gueltig_ab_
01.09.2018.pdf, zuletzt abgerufen im Februar 2019.
14
HfPV Hessen (2016): Vorbemerkungen zu den Studiengängen Bachelor of Arts
„Schutzpolizei“ und „Kriminalpolizei“. Online verfügbar unter https://www.hfpv.de
/sites/default/files/public-type-files/Vorbemerkungen_2016-09_0.pdf, zuletzt ab-
gerufen im Februar 2019.
Hochschule der Sächsischen Polizei (2018): Modulhandbuch für den Studiengang
„Bachelor of Arts (B.A.) Polizeivollzugsdienst“ im 26. Studienjahrgang
(2018/2021). Online verfügbar unter https://www.polizei.sachsen.de/de
/dokumente/PolFH/181024XModulhandbuchX26XXStudienjahrgang.pdf, zuletzt
abgerufen im Februar 2019.
Knobloch, T. (2018): Vor die Lage kommen: Predictive Policing in Deutschland. Ber-
lin/Gütersloh: Stiftung Neue Verantwortung/Bertelsmann Stiftung.
Kühne, E. (2012): Informationsverarbeitung und Wissensmanagement der Polizei
beim Aufbruch in eine digitalisierte Welt. Frankfurt/Main: Verlag für Polizeiwis-
senschaft.
Landeskriminalamt NRW (2018): Abschlussbericht Projekt SKALA. Düsseldorf: LKA
NRW.
Pearsall, B. (2010): Predictive Policing: The Future of Law Enforcement. National
Institute of Justice Journal, 266, S. 16-19.
Perry, W.; McInnis, B.; Price, C.; Smith, S. & Hollywood, J. (2013): Predictive Polic-
ing. The Role of Crime Forecasting in Law Enforcement Operations. In RAND
Safety and Justice Program. Online verfügbar unter
https://www.rand.org/content/dam/rand/pubs/research_reports/RR200/RR233/R
AND_RR233.pdf, zuletzt abgerufen im Dezember 2018.
Peteranderl, S. (2019): Bessere IT, junge Talente - so wollen Ermittler Cyberkriminel-
le bekämpfen. Spiegel Online. Online verfügbar unter http://www.spiegel.de/
netzwelt/netzpolitik/europaeischer-polizeikongress-wie-digitale-ermittlerarbeit-
kuenftig-aussehen-soll-a-1254348.html, zuletzt abgerufen im Februar 2019.
Ratcliffe, J.H. (2016): Intelligence-Led Policing. London: Routledge.
Seidensticker, K. (2019): Predictive Policing - Umsetzung und Wirkung von Kriminali-
tätsprognosen. Polizei Info Report, 1/2019, S. 7-12.
15
Seidensticker, K. (2017): Prädiktive Analysen in Raum und Zeit. Monatsschrift Krimi-
nologie und Strafrechtsreform (MSchrKrim), 4/2017, S. 291-306.
Stoffel, F.; Bode, F. & Keim, D. (2017): Qualitätsmetriken im Bereich Predictive Poli-
cing. Polizei & Wissenschaft, 04/2017, S. 2-15.
ResearchGate has not been able to resolve any citations for this publication.
Article
Full-text available
The unclear distinction between data, information, and knowledge has impaired their combination and utilization for the development of integrated systems. There is need for a unified definitional model of data, information, and knowledge based on their roles in computational and cognitive information processing. An attempt to clarify these basic notions is made, and a conceptual framework for integration is suggested by focusing on their different roles and frames of reference within a decision-making process. On this basis, ways of integrating the functionalities of databases, information systems and knowledge-based systems are discussed by taking a knowledge level perspective to the analysis and modeling of systems behaviour. Motivated by recent work in the area of case-based reasoning related to decision support systems, it is further shown that a specific problem solving episode, or case, may be viewed as data, information, or knowledge, depending on its role in decision making and learning from experience. An outline of a case-based system architecture is presented, and used to show that a focus on the retaining and reuse of past cases facilitates a gradual and evolutionary transition from an information system to a knowledge-based system.
Article
This paper explores the integration of volume crime analysis into policing. Based on qualitative research in two police forces, the paper outlines the importance of analysis for intelligence led policing. However, while the rhetoric of using analysis to target police activity is generally accepted, the practice is different. A poor understanding of analysis amongst police officers, and a lack of understanding of policing amongst analysts, influenced the usefulness of analytical products for operational policing. The paper also addresses police culture and the impact it has on perceptions of analysts and their products. The paper argues that training and development for both police officers and analysts is crucial to develop a productive working relationship.
Verkörperung ernsthafter Macht. Männlichkeiten im Management der Sicherheitsbranche
  • R Connell
Connell, R. (2016): Verkörperung ernsthafter Macht. Männlichkeiten im Management der Sicherheitsbranche. In: D. Lengersdorf & M. Meuser (Hrsg.), Männlichkeiten und der Strukturwandel von Erwerbsarbeit in globalisierten Gesellschaftern. Diagnosen und Perspektiven, S. 37-54. Weinheim/Basel: Juventa.
Vorbemerkungen zu den Studiengängen Bachelor of Arts "Schutzpolizei" und "Kriminalpolizei
  • Hfpv Hessen
HfPV Hessen (2016): Vorbemerkungen zu den Studiengängen Bachelor of Arts "Schutzpolizei" und "Kriminalpolizei". Online verfügbar unter https://www.hfpv.de /sites/default/files/public-type-files/Vorbemerkungen_2016-09_0.pdf, zuletzt abgerufen im Februar 2019.
Bachelor of Arts (B.A.) -Polizeivollzugsdienst" im 26. Studienjahrgang (2018/2021)
  • Hochschule Der Sächsischen
  • Polizei
Hochschule der Sächsischen Polizei (2018): Modulhandbuch für den Studiengang "Bachelor of Arts (B.A.) -Polizeivollzugsdienst" im 26. Studienjahrgang (2018/2021). Online verfügbar unter https://www.polizei.sachsen.de/de /dokumente/PolFH/181024XModulhandbuchX26XXStudienjahrgang.pdf, zuletzt abgerufen im Februar 2019.
Informationsverarbeitung und Wissensmanagement der Polizei beim Aufbruch in eine digitalisierte Welt. Frankfurt/Main: Verlag für Polizeiwissenschaft
  • E Kühne
Kühne, E. (2012): Informationsverarbeitung und Wissensmanagement der Polizei beim Aufbruch in eine digitalisierte Welt. Frankfurt/Main: Verlag für Polizeiwissenschaft.
Predictive Policing: The Future of Law Enforcement
  • B Pearsall
Pearsall, B. (2010): Predictive Policing: The Future of Law Enforcement. National Institute of Justice Journal, 266, S. 16-19.
Die informationsgeleitete Polizeiarbeit (Intelligence Led Policing)
Die föderale Polizei Belgiens (2018): Die informationsgeleitete Polizeiarbeit (Intelligence Led Policing). Brüssel: Innenministerium Belgien. Online verfügbar unter https://www.police.be/5998/de/ uber-uns/kriminalpolizei/dieinformationsgeleitete-polizeiarbeit-intelligence-led-policing, zuletzt abgerufen im Dezember 2018.