KI (Künstliche Intelligenz) oder auch AI (Artificial Intelligence) ist modern und in aller Munde. Tatsächlich jedoch wird KI / AI bei Ermittlungen bzw. in der Kriminalistik präventiv und repressiv schon lange angewendet. Künstliche Intelligenz (KI) oder AI (Artificial Intelligence) wird bereits in verschiedenen Bereichen zur Unterstützung von Ermittlungen eingesetzt, beispielhaft genannt sind:
Datenanalyse:
KI-Algorithmen analysieren große Datenmengen, um Muster und Anomalien zu erkennen. Dies hilft bei der Identifizierung von Tatverdächtigen und in der Verbrechensprognose.
KI-Algorithmen verarbeiten dabei große Datenmengen, wie z.B. Kriminalitätsstatistiken, Zeugenaussagen oder Online-Verhaltensdaten. Durch Machine Learning können diese Systeme Muster erkennen, die auf kriminelle Aktivitäten hinweisen, und helfen, Tathergänge besser zu verstehen oder Zusammenhänge aufzudecken.
Gesichtserkennung:
KI wird zur automatisierten Gesichtserkennung in Überwachungsvideos eingesetzt, um gesuchte Personen zu identifizieren oder zum Wiedererkennen von Straftätern. Bei der Gesichtserkennung verwendet KI Algorithmen, um Gesichter in Überwachungsvideos zu identifizieren. Dies erfolgt durch den Vergleich der erfassten Gesichter mit einer Datenbank von gesuchten Personen. Der Einsatz ist jedoch rechtlich umstritten, da Datenschutzfragen eine Rolle spielen.
Sprachanalyse:
Spracherkennungstechnologien kommen bei Telefonabhörungen und in sozialen Medien zum Einsatz, um verdächtige Kommunikationen zu identifizieren. KI-gestützte Spracherkennung kann Sprache aus Telefonabhörungen oder Überwachungsprotokollen analysieren, um relevante Informationen oder verdächtige Inhalte herauszufiltern. Hierbei kommen auch natürliche Sprachverarbeitung (NLP) und Sentiment-Analysen zum Einsatz.
Predictive Policing:
Mit Hilfe von prädiktiven Analysen können Polizei und Ermittlungsbehörden potenzielle Tatorte und Tatzeiten vorhersagen, um Vorfälle besser zu verhindern. Dieses Konzept basiert auf der Vorhersage von Verbrechensgeschehen durch statistische Modelle. KI verarbeitet historische Daten, um zu ermitteln, wo und wann Straftaten wahrscheinlich auftreten werden. Polizeibehörden können dann ihre Ressourcen gezielt einsetzen.
Forensische Auswertung:
KI kann bei der Auswertung von forensischen Beweismitteln, wie DNA-Analysen oder digitalen Beweisen, unterstützen und die Geschwindigkeit und Genauigkeit erhöhen. KI-Technologien werden in der Forensik genutzt, um Beweismittel effizienter auszuwerten. Bei DNA-Analysen verbessern Algorithmen die Trefferquote und verkürzen die Auswertungszeit. Auch in der digitalen Forensik hilft KI, Datenmengen aus Smartphones, Computern oder Cloud-Diensten zu durchsuchen.
KI (Künstliche Intelligenz) bzw. AI (Artificial Intelligence) bei internen Ermittlungen
Bei internen Ermittlungen, wie beispielsweise in Unternehmen oder Organisationen, wird KI genutzt, um kriminelle Muster und unethisches Verhalten zu identifizieren. Hier sind einige Beispiele, wie das funktioniert:
Mustererkennung:
KI-Algorithmen analysieren Transaktionsdaten, Kommunikationsmuster oder Verhaltensweisen von Mitarbeitern, um Auffälligkeiten zu entdecken. Regelwidrigkeiten oder anomale Aktivitäten, die auf Betrug oder Korruption hindeuten, können so schnell erkannt werden. KI-Algorithmen können große Datenmengen analysieren und suchen nach spezifischen Mustern, die auf unreguläres oder kriminelles Verhalten hinweisen. Beispielsweise könnte die Analyse von Mitarbeitern zeigen, dass eine Person häufig ungewöhnlich hohe Ausgaben tätigt oder regelmäßig Transaktionen mit bestimmten Geschäftspartnern durchführt, die andere Mitarbeiter nicht nutzen. Solche Muster können ein Hinweis auf Betrug oder Unterschlagung sein.
Fraud Detection:
In der Finanzbranche kommt KI zum Einsatz, um verdächtige Aktivitäten, wie Geldwäsche oder Betrug, in Echtzeit zu identifizieren. Algorithmen vergleichen Transaktionen mit historischen Daten und markieren atypische Vorgänge (red flags) zur weiteren Überprüfung. In Banken und anderen Finanzinstituten wird KI verwendet, um Transaktionen zu überwachen. Wenn eine ungewöhnlich hohe Überweisung von einem neu eröffneten Konto erfolgt oder eine Transaktion außerhalb der üblichen Geschäftszeiten durchgeführt wird, könnte die KI diese Aktivitäten als verdächtig einstufen. Durch das Setzen von Alarmen und das Blockieren solcher Transaktionen können finanzielle Verluste minimiert werden.
Verhaltensüberwachung:
Mit Hilfe von KI können soziale Netzwerke oder interne Kommunikationskanäle analysiert werden, um toxisches Verhalten oder andere kriminelle Aktivitäten wie Belästigung zu identifizieren. Unternehmen setzen KI-Tools ein, um interne Kommunikationskanäle (wie E-Mails oder Instant Messaging-Dienste) auf unangemessenes Verhalten zu analysieren. KI kann Schlüsselwörter oder -phrasen identifizieren, die auf Mobbing oder Diskriminierung hindeuten, und diese Fälle zur weiteren Untersuchung kennzeichnen. So können Unternehmen proaktiv gegen toxisches Verhalten vorgehen.
Risikoanalyse:
Unternehmen können KI-gestützte Modelle verwenden, um das Risiko interner Bedrohungen zu bewerten und Maßnahmen zur Prävention sowie zur Schulung von Mitarbeitern zu entwickeln. Unternehmen nutzen KI, um potenzielle interne Risiken zu bewerten. Das kann durch die Erstellung von Risikomodellen geschehen, die verschiedene Faktoren berücksichtigen, wie z.B. die Geschichte von Mitarbeiterverhalten, Abteilungen mit häufigen Vorfällen oder spezifische Geschäftsprozesse. Basierend auf den Ergebnissen können gezielte Schulungen oder Änderungen in den Arbeitsabläufen initiiert werden, um Risiken zu minimieren.
Insgesamt zielt der Einsatz von KI in internen Ermittlungen darauf ab, potenzielle Probleme frühzeitig zu erkennen und entsprechende Maßnahmen zu ergreifen, um Schäden für das Unternehmen zu vermeiden. Dabei ist es wichtig, dass alle Maßnahmen im Einklang mit rechtlichen Vorgaben stehen, um die Rechte der Mitarbeiter zu wahren. Der Einsatz von KI im Rahmen interner Ermittlungen sollte jedoch immer unter Beachtung der datenschutzrechtlichen Bestimmungen erfolgen, insbesondere des Bundesdatenschutzgesetzes (BDSG) und der DSGVO, um die Rechte der Mitarbeiter zu schützen.
