Die Radikalisierung in Teilen der Querdenker-Szene nimmt zu, ebenso deren Gewaltbereitschaft. Stellvertretend für diese Entwicklung seien hier der tödliche Angriff auf einen Tankstellenkassierer in Idar-Oberstein, die Demonstrationen mit Fackeln vor dem Haus der sächsischen Sozialministerin Petra Köpping und die Morddrohungen gegen Sachsens Ministerpräsident Michael Kretschmer genannt. Wie können Sicherheitsbehörden darauf reagieren?
Zunehmende Radikalisierungstendenzen
Künstlicher Intelligenz (KI) werden viele Fähigkeiten nachgesagt. Vielen gilt sie als Allheilmittel. Taugt sie auch als Werkzeug gegen Radikalisierungstendenzen innerhalb der Querdenker-Szene? Typische Fragenstellungen in diesem Zusammenhang lauten:
- Wie lassen sich gewaltbereite Querdenker von harmlosen Impfskeptikern unterscheiden?
- Lassen sich gewalttätige Aktionen vorhersagen, Stichwort Frühwarnsystem?
- Wer sind die Drahtzieher von gewalttätigen Aktionen in sozialen Netzwerken?
- Tauchen bekannte Akteure in diesen Netzwerken auf und welche Rolle spielen sie?
Was Künstliche Intelligenz leistet
Die heute zur Verfügung stehenden Datenmengen erschweren es dem Ermittler, zeitnah und mit überschaubarem Aufwand relevante Informationen zu gewinnen. Genau hier setzen KI-Verfahren an. In kurzer Zeit extrahieren sie aus riesigen Datenmengen Informationen. So können beispielsweise Neuronale Netze das Gewaltrisiko auf Demonstrationen bewerten. Oder Netzwerkanalysen decken nicht offensichtliche Zusammenhänge und Strukturen in den Daten auf. Das kann dann zu ganz neuen Erkenntnisse und Bewertungen führen.
Um belastbare Ergebnisse zu erzeugen, benötigen solche Verfahren viele Daten, je mehr, desto besser. Und sie benötigen jemanden, der mit Daten und Analytik umgehen kann, einen Data Scientisten.
Interpretation: Statistische Ergebnisse in Wissen wandeln
Die gefundenen Zusammenhänge und Ergebnisse der Datenanalyse sind in Bezug auf die Relevanz in der Realität erst einmal unbewertet. Die Algorithmen haben keine Ahnung von der realen Welt. Sie finden nur Muster. In den meisten Fällen sagen die Ergebnisse auch dem Data Scientisten nicht viel. Diese „statistischen Fundstücke“ erhalten ihren Wert erst durch die Interpretation eines Experten mit fachlichem Hintergrund. Hier kommen Ermittler, Polizisten und Polizistinnen aus dem entsprechenden Phänomenbereich ins Spiel. Diese Experten bewerten beispielsweise ein maschinell erstelltes Netzwerk, indem sie relevante Akteure identifizieren oder neue erkennen. Sie gehen erhöhten Risikowerten für geplante gewalttätige Aktionen, die die KI beispielsweise im sozialen Netzwerk Telegram gefunden hat, auf den Grund und setzten geeignete Maßnahmen auf.
Wie kann Künstliche Intelligenz in den Polizeialltag integriert werden?
Der Schlüssel für die erfolgreiche Nutzung von KI ist, dass alle beteiligten Akteure perfekt zusammenarbeiten. Das aber ist erst einmal nicht trivial. Auf der einen Seite jonglieren Data Scientisten mit Bits und Bytes, schreiben seitenlange Programmcodes und schmeißen mit Neuronalen Netzen und anderen KI-Verfahren um sich. Woher aber soll er wissen, wonach genau er suchen soll, was wichtig ist? Auf der anderen Seite sitzen Ermittler, Polizisten und Polizistinnen, die über exzellente Kenntnisse in den entsprechenden Phänomenbereichen verfügen aber über kein KI-Knowhow. Wie bringt man diese beiden unterschiedlichen Rollen zusammen?
Zuerst einmal müssen beide Gruppen in der gleichen Umgebung arbeiten. Medienbrüche kosten wertvolle Zeit, führen zu Missverständnissen und produzieren unnötige Arbeit. Gleichzeitig sollte aber jeder mit einer an seine spezifische Rolle angepassten Benutzeroberfläche arbeiten. Der Data Scientist findet eine Umgebung vor, in der er Daten für seine Analyse aufbereiten, Modelle entwickeln, testen und überwachen kann. Der Fachexperte aus dem jeweiligen Phänomenbereich dagegen benötigt eine intuitiv zu bedienende Oberfläche, die die Komplexität in den Daten auf relevante Informationen reduziert und den Ermittlungsprozess überstützt. Beide arbeiten mit unterschiedlichem Fokus auf derselben Datenbasis. Diese Kooperation ermöglicht einen reibungslosen Austausch und das Verständnis füreinander auf beiden Seiten wächst.
Im Ergebnis werden so die KI-Verfahren laufend verbessert. Verändert die Szene ihr Verhalten, wird das sofort erkannt und in den analytischen Modellen berücksichtigt. Durch die enge Zusammenarbeit nimmt die Agilität deutlich zu und ist somit der Szene immer einen Schritt voraus.
Fazit: Die Kombination von Künstlicher Intelligenz und Polizeiarbeit ist machbar und sie wirkt!
Mehr Informationen finden Sie unter www.sas.de/polizei.
