Mit Big Data gegen Serientäter

Ein statistisches Modell soll der Polizei künftig dabei helfen, Verbrechensserien aufzuklären. Die Software, die Michael D. Porter von der University of Alabama und Brian J. Reich von der North Carolina State University entwickelt haben, filtert Ähnlichkeiten bei kriminellen Delikten heraus, um Serientätern auf die Schliche zu kommen. Das Modell wurde bei einer Konferenz der American Statistical Association in Seattle (USA) vorgestellt.  Serientätern auf der Spur «Festzustellen, dass eine Reihe von Verbrechen einem einzelnen Täter oder einer Gruppe von Tätern zuzuordnen ist, ist ein erster wichtiger Schritt, um der Verbrechenstour ein Ende zu setzen und die Täter festzunehmen», erklärt Porter. In der polizeilichen Praxis müssen die Gesetzeshüter die Datenbanken selbst nach Ähnlichkeiten im Verhaltensmuster der Verbrecher durchsuchen und die richtigen Schlüsse ziehen. Das neue Modell löst diese Aufgabe viel effizienter und auf standardisierte Art und Weise. Es nützt Datengewinnungsalgorithmen und statistisches Lernen, um die Verhaltensweisen der Verbrecher zu vergleichen. Porter und Reich testeten ihr Modell an einem Sample von 10'670 Einbrüchen in Baltimore County, Maryland (USA). Die Software erkannte 85 Prozent der Einbruchsserien richtig. Es beobachtete Serienverbrechen sogar so effizient, dass es in 65 Prozent der Fälle auch den nächsten Einbruch vorhersagen konnte. Für Polizei gratis verfügbar Im Jahr 2010 folgten lediglich auf 12,4 Prozent der Einbrüche Inhaftierungen, der Grossteil blieb unaufgeklärt. Die beiden Forscher haben das Modell frei verfügbar gemacht, so dass es die Polizei gratis verwenden kann. «Wir hoffen, dass Gesetzeshüter und Strafverfolgungsbehörden dieses Modell nutzen werden, um gegen Verbrechensserien wie zum Beispiel Einbrüche anzukämpfen und diese zu reduzieren», meint Porter abschliessend. (www.pressetext.com)