Die Maschine, die Raster kennt, aber keine Gesichter
Die Drähte summen. Diesmal kommt das Signal aus einer anderen Ecke. Es klingt nach Fortschritt, riecht nach Akten.
Eine neue Apparatur hält Einzug bei den Polizeibehörden. Sie nennt sich prädiktive Polizeitechnologie — ein Wort, das mehr verspricht als es preisgibt. Die Maschine soll Verbrechen voraussehen, bevor sie geschehen. Kriminalität auf der Karte, ehe sie auf der Straße ist. Klingt nach Mathematik. Ist es nicht.
Denn was hier errechnet wird, sind keine reinen Zahlen. Die Algorithmen dieser Systeme werden mit historischen Daten gefüttert — Daten, gesammelt über Jahrzehnte polizeilicher Praxis. Eine Praxis, die nicht neutral ist. Wer in diesen Akten häufiger auftaucht, wird auch in den Vorhersagen häufiger auftauchen. Die Maschine verstärkt, was ihr eingegeben wurde. Sie ist kein Spiegel der Wirklichkeit. Sie ist ein Echo vergangener Entscheidungen.
Und wer kontrolliert das? Wer prüft die Logik hinter diesen Berechnungen? Hier beginnt die undurchsichtige Stelle — und hier beginnt dieser Bericht.
Die Algorithmen zur vorhersagenden Polizeiarbeit arbeiten, nach allem, was öffentlich zugänglich ist, oft wie eine Blackbox. Niemand außerhalb der Entwicklerkammern sieht, welche Faktoren gewichtet werden, welche Korrelationen gezogen, welche Ausschlusskriterien gesetzt sind. Eine Rechenschaftspflicht gegenüber der Öffentlichkeit ist in dieser Architektur nicht vorgesehen. Die Bürgerrechte bleiben auf der Strecke. Was als Effizienz verkauft wird, ist Abgeschlossenheit.
Was dabei herauskommt, ist keine neutrale Prognose. Es ist eine Verstärkung bestehender Schieflagen. Schwarze Gemeinschaften werden von diesen Systemen überwacht — nicht zufällig, sondern als logische Folge dessen, dass historische Polizeidaten genau dort dichter sind, wo die Polizei dichter war. Wo mehr Streife fuhr, mehr Festnahmen erfolgten, mehr Akten geschrieben wurden. Die Maschine lernt: hier gibt es mehr Verbrechen. Die Maschine schickt: hierhin mehr Streife. Ein Kreislauf, der sich selbst speist. Mehr Überwachung erzeugt mehr Daten. Mehr Daten erzeugen mehr Überwachung.
Gesichtserkennung kommt hinzu. Eine weitere Technologie, die auf denselben Daten sitzt. Algorithmen, die Gesichter identifizieren, sind nicht fehlerfrei — sie sind parteiisch. Sie erkennen manche besser als andere. Sie marginalisieren jene, die ohnehin am Rand stehen, noch ein Stück weiter. Die quantitative Analyse, die diese Auswirkungen messen könnte, ist unzureichend. Kaum jemand zählt nach. Die Wirksamkeit der Verfahren wird behauptet, nicht gemessen.
Das ist kein Zufall. Es ist ein Mechanismus. Wer Auswirkungen nicht zählt, muss die Auswirkungen nicht verantworten. Wer den Algorithmus nicht erklären kann, muss seine Entscheidung nicht erklären. Wer seine Datenbasis nicht offenlegt, muss keine Vergangenheit einräumen.
Wer profitiert? Die Hersteller solcher Systeme, die an öffentliche Aufträge verkaufen. Die Behörden, die sich den Anschein von Modernität und Effizienz geben. Wer zahlt den Preis? Diejenigen, die unter den Vorhersagen leben — ohne je angeklagt, ohne je verurteilt worden zu sein. Die Überwachten, die nicht wissen, warum sie auf der Liste stehen.
Algorithmische Entscheidungsfindung — nicht nur bei der Polizei, auch bei Wohnungsvergaben und vor Gericht — kann historische Ungleichheiten perpetuieren. Es ist dieselbe Logik, dieselbe Verschleierung, dieselbe fehlende Rechenschaft. Wo Verfahren automatisiert werden, ohne dass ihre Grundlagen offengelegt werden, wird Ungleichheit in Code gegossen. Was als Objektivität daherkommt, ist lediglich eine veraltete Subjektivität mit besserem Auftritt.
Die Struktur, die das trägt, ist alt. Sie heißt: Verantwortung verschwinden lassen, wenn sie unbequem wird. Wenn ein Mensch eine Entscheidung trifft, kann man ihn fragen. Wenn ein Algorithmus entscheidet, fragt man die Maschine — und die Maschine schweigt. Oder sie antwortet mit einer Wahrscheinlichkeit, die niemand deuten kann.
Was bleibt, sind offene Fragen. Wer überwacht die Überwacher? Wer prüft die Programme, bevor sie auf die Straße gehen? Wer legt fest, welche Daten die Maschine füttern — und wer tilgt die verfälschten? Unklar bleibt auch, warum über die Wirkungen dieser Werkzeuge so wenig Rechenschaft abgelegt wird, dass selbst die bloße Zählung der Folgen fehlt. Das öffentliche Vertrauen, das diese Apparate beanspruchen, beruht auf Glauben, nicht auf Beleg.
Die Drähte summen weiter. Über das Wochenende wurde die Frequenz nicht klarer. Sie wurde leiser — was meistens bedeutet, dass jemand die Lautstärke gedreht hat.