Forscher k�nnen mithilfe von Tweets bessere Vorhersagen �ber k�nftige Straftaten in Chicago treffen. Die Beh�rden d�rfte es freuen ? doch die Risiken sind gro�.
Grippewellen, Wahlen, Kinohits: Mithilfe von Twitter lassen sich so manche Ereignisse mal mehr, mal weniger genau voraussagen. Eine Studie der Universit�t von Virginia konnte nun anhand von Tweets korrekte Aussagen �ber Straftaten in Chicago treffen. F�r 19 von 25 Typen von Straftaten kamen die Wissenschaftler dank der Auswertung von Twitter auf genauere Prognosen als mit herk�mmlichen Daten.
Gew�hnlich identifiziert die Polizei auf Basis vergangener Straftaten aktuelle Problemzonen, die sogenannten Hot Spots und Crime Maps. Dass etwa die Berliner Polizei inzwischen am Wochenende mehr Beamte auf dem Alexanderplatz stationiert, ist wiederholten Pr�geleien und �bergriffen an diesem Ort zu verdanken. Viel Hightech ben�tigt es f�r diese Entscheidung nicht.
Doch das predictive policing, die voraussehende Polizeiarbeit, geht l�ngst viel weiter. In den USA durchforsten und analysieren die Beh�rden einiger St�dte wie etwa Santa Cruz weitere Datenbanken, um Muster vergangener und zuk�nftiger Straftaten zu erstellen: Demografische Daten, Kfz-Registrierungen, Verkehrskameras, Wetterberichte und Veranstaltungskalender ? alles wird zur automatischen Mustererkennung herangezogen. Auch das Bundeskriminalamt interessiert sich f�r solche Data-Mining-Techniken.
Das erkl�rte Ziel von Polizei und Beh�rden: Straftaten nicht nur im Nachhinein zu analysieren, sondern m�glichst schon im Voraus zu erkennen, wo welche geschehen k�nnten und das dann mit verst�rkter Pr�senz zu verhindern. F�r dieses Szenario, das gerne mit der Handlung des Films Minority Report verglichen wird, sind die Daten aus den sozialen Netzwerken besonders interessant. Denn die sind sowohl vielf�ltig, aktuell, personenbezogen und k�nnen im besten Fall die Beziehungen zwischen mehreren Menschen offenlegen.
F�r ihre Studie mit dem Titel Predicting Crime Using Twitter and Kernel Density Estimation untersuchten die Wissenschaftler aus Virginia deshalb rund 1,5 Millionen mit Ortsdaten versendete Tweets und 60.000 Straftaten zwischen dem 1. Januar und dem 31. M�rz 2013 im Stadtgebiet von Chicago.
Eine Software teilte das Stadtgebiet dazu in jeweils ein Quadratkilometer gro�e Zellen ein, f�r die anschlie�end mithilfe der Tweets Themencluster erstellt wurden. Im Gebiet rund um den Flughafen etwa war das dominante Thema Reisen; Begriffe wie Gate, Flugzeug und Versp�tung kamen besonders h�ufig vor.
Der Algorithmus lernt aus vergangenen Straftaten
Mit den Daten des ersten Monats musste der Algorithmus zun�chst lernen, zwischen welchen Straftaten und Begriffen m�glicherweise eine Verbindung besteht. Ein Beispiel: In einem Gebiet, in dem vermehrt Sachbesch�digungen vorkamen, h�uften sich Begriffe wie united center und bulls in den Tweets: Ein Indiz f�r Basketball-Fans, die m�glicherweise frustriert oder betrunken eher zu Zerst�rung neigen.
Auf dieser Grundlage konnten die Forscher f�r die kommenden beiden Monate der Untersuchung einen Stadtplan Chicagos mit Hot Spots erstellen, unterteilt in Kategorien wie Autodiebstahl, Einbruch oder Prostitution.
Das Ergebnis: Die Analyse, in der die Tweets mit einflossen, f�hrte zu einer deutlich detaillierteren Karte als die Analyse, die einzig auf dem bestehenden Straftatenregister basierte. F�r 19 von 25 Straftaten war die Projektion mit Twitter genauer ? und damit f�r die Polizei hilfreicher.
Lediglich bei Straftaten wie Brandstiftung oder Erpressung wichen die Ergebnisse von der traditionellen Methode ab. Eine Erkl�rung daf�r haben die Forscher nicht. Da diese Straftaten aber generell weniger auftreten als etwa Diebstahl oder K�rperverletzung, k�nnte die Begriffsanalyse im begrenzten Rahmen der Studie m�glicherweise nicht ausreichen. �berhaupt war das eines der gr��ten Probleme f�r die Forscher: Da die Sprache auf Twitter h�ufig aus Abk�rzungen und Slang besteht, ist sie f�r die Algorithmen schwieriger zu kategorisieren.
Keine Kommentare:
Kommentar veröffentlichen