Anekdoten aus der berechneten Zukunft

Nach drei Jahren hat die 70.000 Einwohner_innen Stadt Mipitas in Kalifornien ihren Vertrag mit Predpol aufgelöst. Als Grund wir unter anderem angeführt, dass sich ein Programm in einer Stadt dieser Größe nicht lohne und die internen Prozesse ausreichend genau seien.

„It was our experience that we often did not have sufficient staff to post officers at PredPol-identified locations and still remain responsive to priority calls for service,“ Pangelinan said.

He added his police force discovered that within Milpitas‘ approximately 14 square miles the „existing internal processes of tracking crime and identifying potential areas of exposure were often more accurate than results received from PredPol.“ (Zitiert von govtech.com, 14.07.2016)

Wie auch in anderen Städten war die Anzahl der Straften nach Einführung von Predpol erst rückläufig, dann normalisierten sich die Zahlen aber. Insgesamt rechtfertige der Effekt die Kosten aber nicht.

Wie auch in den meisten anderen Städten bestätigt sich scheinbar auch für München die wie wenig Nachhaltig Precobs sich auf die Rückgänge bei den Einbrüchen auswirkt.

Manchmal muss man unumstößliche Wahrheiten in die Tonne treten, weil sie umstößlich geworden sind und gestoßen werden müssen. Man nehme die Super-Vorhersagesoftware Precobs, deren Einsatz in München dazu führte, dass 2015 in den von Precobs überwachten Gebieten 25 bis 30 Prozent weniger Einbrüche passierten. Fantastisch? Nun sind die Halbjahreszahlen von 2016 da und im aktuellen gedruckten Behördenspiegel beklagt ein Polizeigewerkschaftler das satte Plus von 30 Prozent bei den Einbrüchen in München. Hat man im Vertrauen auf das „Predictive Policing“ die Belegschaft reduziert? Ist die Software wirkungslos geworden? Macht nichts, der Folgeauftrag, die Software zu optimieren, ist so gut wie sicher. Die prinzipielle Wirksamkeit ist ja „bewiesen“. (heise online vom 10.07.2016)

Geografisches Profiling – von Pendler*innen und Marodeur*innen

Jede predictive policing Software hat ihren eigenen Ansatz und spezialisiert sich auf eine bestimmte Theorie. Der folgende Beitrag beschäftigt sich mit BAIR Analytics, das in einigen US amerikanischen Bezirken eingesetzt wird und geografisches Profiling implementiert und Serientäter*innen in Pendler*innen und Marodeur*innen einteilt.

Continue reading

zum Blog passender Artikel bei Heise.

In den USA wird seit Jahren Software eingesetzt, die anhand verschiedener Faktoren das Rückfallrisiko von Angeklagten berechnen soll. Die funktioniert aber gar nicht so gut und bewertet vor allem Afroamerikaner systematisch zu schlecht.

Dynamic Pricing bei Uber

In einem Radio-Interview hat letzte Woche ein Mitarbeiter von Uber über deren Dynamic Pricing Praxis berichtet. Dazu gehört nicht nur die Frage wie höhere Preise entstehen, sondern auch, wann die Leute bereit sind höhere Preise zu zahlen.

Continue reading

Micro-Targeting vs. Trump – 0:1

Zum Thema „Präsidentschaftswahlkampf in den USA“  liegt schon länger eine Linkliste im Entwurfsordner dieses Blogs. Dabei geht es um Profiling von Wähler*innen und Mikro-targeting. Es ist deswegen interessant, weil bei Obamas Wahlkämpf Datenanalyse eine immer größere Rolle spielte und es spätestens seit 2012 für alle Wahlkämpfenden als unverzichtbar gilt den Einsatz von Werbung und Freiwillige mit Data-Mining zu steuern. Aber in 2016 scheint alles plötzlich wieder anders.

Continue reading

Precobs wirkt in Zürich auch im zweiten Jahr nicht

Im Herbst 2014 wurde Precobs in Zurück eingeführt. In den ersten Berichten wurden damals ein Rückgang der Einbruchsdelikte von bis zu 30% vermeintlich sofort erreicht. Am Ende war der Erfolg dann auf das Jahr gerechnet statistisch kaum signifikant, da die Zahl der Einbrüche in Zürich insgesamt zurück gegangen ist. In 2015 war Precobs nun ganzjährig im Einsatz, also im Prinzip genug Zeit die ganze Macht der Vorhersagekraft zu entfalten. Halten kann Precobs die Versprechen allerdings nicht.

Continue reading

Vorhersage vs. Einschätzung durch Social Media

Aus der Kategorie „Was sich aus Social Media nicht alles ‚vorhersagen‘ lässt“ stell‘ ich heute eine Studie vor, bei der Schäden, die durch Naturkatastropen verursacht wurden, anhand von Twitter vorhergesagt werden sollen. Anhand der Studie lassen sich auch gut die Grenzen der Big Data Analyse von Social Media Daten aufzeigen.

Continue reading

Bei Heise.de gibt es einen Update zur Nutzung von Precobs mit Infos von einem Polizeikongress.

Dort erfährt man das an einer Smartphone App für Precobs gearbeitet wird, aber auch, dass die Erfolge eher klein sind.

[Das System kann] 30 bis 40 Prozent gute Antworten für eng begrenzte Fragen bei Einbruchsserien liefern […]. „Wir stellen für manche Muster fest, dass unsere kriminalistischen Annahmen nicht stimmen. Es gibt immer wieder Enttäuschungen, wenn eine Datenrelation, die wir angenommen haben, nicht funktioniert.“

 

Intrado Beware und der Threat Score

In diesem Beitrag geht es um Intrado Beware, ein System, dass von Sicherheitsbehörden genutzt werden kann um für eine Person eine Threat Score oder Risk Index berechnet. Das System trifft zwar keine Vorhersagen, sondern ist eher ein Tool zu Datenaggregation, dennoch wird es als Predictive Policing beworben. Und letztendlich ist ein Score auch eine Aussagen darüber wie sich eine Person in Gegenwart und Zukunft verhalten wird.

Continue reading

« Older posts

Copyright © 2016 Anekdoten aus der berechneten Zukunft

Theme by Anders NorenUp ↑