Predictive Policing als Treiber rechtlicher Innovation?

Recht und Innovation

Recht und Innovation(en) sind durch multiple Verweisungszusammenhänge gekennzeichnet. Ihre Beziehung kann sowohl aus Perspektive von Innovation(en) im Recht als auch Innovation(en) durch Recht gefasst werden (Roßnagel 2007: 12–18). Während erstere auf Neuerungen in rechtlichen Bestimmungen und/oder Auslegungspraktiken abstellen, fokussieren zweitere auf veränderte gesellschaftliche Bedingungen des Innovierens durch Rechtsprechung bzw. -setzung. Diese können sowohl eine rechtsinterne – z. B. durch eine neuartige Auslegung des Rechts – wie auch eine rechtsexterne Innovation anstoßen. Technologische oder soziale Neuerungen werden im Falle letzterer beeinflusst durch das Recht – in hemmender oder fördernder Manier (Hornung 2015: 161–172; Hoffmann-Riem 2019a: 2). Innovation im Recht wiederum, also rechtsinterne Innovation, wird zumeist durch rechtsexterne Innovationen, wie z. B. neue Technologien, animiert, beispielsweise indem durch neue informationstechnische Möglichkeiten neuartig in grundrechtlich geschützte Freiheiten der Bürger*innen eingegriffen werden kann, wodurch rechtlicher Ordnungsbedarf entsteht und folglich das Recht zum Zwecke „gemeinwohlverträgliche(r) Umhegung“ (Eifert 2016: 37) herangezogen wird – was zu Innovationen im Recht führen kann (Hoffmann-Riem 2011: 14).

Der Terminus Innnovation bezieht sich dabei auf Neuheit sowie dem daraus entstammenden Wandel einerseits, auf dessen gesellschaftliche Wirksamkeit andererseits (Schulz-Schaeffer 2019: 2, 5; vgl. a. Hornung 2015: 2, 142–150). Nicht jede (technische) Neuheit ist mithin als Innovation zu verstehen, sondern nur eine solche, die als hinreichend relevant, wirkmächtig etc. gelten kann. Das trifft per definitionem ebenfalls für Rechtsinnovationen zu, unter die folglich nur jene rechtlichen Veränderungen fallen, die einen hinreichenden „qualitativen Sprung“ beinhalten (Eifert 2016: 39). Der Neuheitscharakter gewinnt dabei insofern besondere Bedeutung, als es sich um Innovationen handelt, die so neu sind, dass bestimmte (antizipierte) negative Folgen noch gar nicht eingetreten bzw. konkret vorhersehbar sind. Notwendig wird in diesen Fällen somit die Generierung von Zukunftswissen, das, qua seiner vorgreifenden Natur, stets unsicher und von vorläufigem Charakter bleiben muss (Roßnagel 2007: 16 f.; Hoffmann-Riem 2019a: 8 f.). Darüber hinaus wird als Definitionskriterium für Innovationen die bewusste und aktive Verwirklichung des Neuen samt Verbesserungsabsicht hervorgehoben – als Innovation gilt also keine (wirkmächtige) Neuerung, die unbeabsichtigt vollzogen wurde (Schulz-Schaeffer 2019: 4 f., 14). Hierbei ist die besondere Doppelrolle des Rechts hervorzuheben, gleichzeitig Innovationsbestrebungen grundsätzlich ermöglichen, negative Auswirkungen derselben indes möglichst eindämmen zu sollen. In den Worten Hoffmann-Riems (2016: 29–35) sollte Recht mithin hinreichend offen für Innovationen sein („Innovationsoffenheit“), simultan dazu aber unerwünschte Innovationsfolgen tunlichst – am besten schon präventiv – zu eliminieren bzw. abzuschwächen helfen („Innovationsverantwortung“).

Gerade die Digitalisierung hat sich in den letzten Jahren als rechtsexterne Innovation ausgezeichnet, die vielfältigen rechtlichen Regelungsbedarf impliziert (Martini 2019). Algorithmen^[4] gelten folgerichtig als die aktuell „wohl wichtigsten Innovationstreiber“ (Hoffmann-Riem 2019b: 4). An diese Diagnosen anknüpfend wird im Folgenden die Digitalisierung bzw. die damit zusammenhängende Datafizierung der Polizeiarbeit und das sich daraus ergebende Potential für Rechtsinnovationen analysiert.

Predictive Policing und die Algorithmisierung polizeilicher Arbeit

Predictive Policing ist zunächst definierbar als die polizeiliche Anwendung von Verfahren algorithmisch mediatisierter Datenanalyse, um operative Prognosen in Bezug auf wahrscheinliche Ursprünge bzw. Zeiten und Orte zukünftiger Kriminalität zu generieren und umzusetzen (vgl. a. Perry et al. 2013: 1 f.). Diese können sich sowohl auf Räume oder Personen beziehen (v. f. Ferguson 2017: 34 ff.; Sommerer 2020: 36 f.). Operative Prognosen meinen dabei explizit jene Vorhersagen, die unmittelbar in polizeiliche Aktivitäten umgesetzt werden können (Gluba 2015: 1 f.; Singelnstein 2018: 3). Gleichzeitig ist, wie später noch deutlich wird, die soziotechnische Begriffskomponente hervorzuheben: Predictive Policing, eben verstanden als prognosebasierte Polizeiarbeit, bezeichnet einen neuen polizeistrategischen Ansatz, der nicht nur aus dem technischen Element der Prognoseerstellung allein besteht, sondern gleichfalls die praktische Umsetzung der Prognose ebenso wie die keineswegs neutrale Form der Datenerhebung umfasst (Egbert & Leese 2021: 4 f.). Bei der Frage, welches rechtsinnovative Potential Predictive Policing besitzt, gilt es also ebenfalls mitzudenken, wie Kriminalitätsprognosen auf der Straße umgesetzt werden und wie sie Polizeieinsätze neuartig (explizit wie implizit) anleiten. Denn obgleich es richtig ist, dass Prognosen immer schon Teil der Gefahrenabwehr waren – z. B. in Form von Legal- oder Gefährdungsprognosen –, konstituiert polizeiliche Prognosesoftware eine neue Art polizeilichen Prognosewissens und mithin eine qualitativ neuartige zukunftsgerichtete Polizeipraxis (vgl. a. Singelnstein 2018: 3).

Predictive Policing nahm im deutschsprachigen Raum im Jahre 2013 mit der Pilotierung der Prognosesoftware PRECOBS („Pre Crime Observation System“) der Stadtpolizei Zürich konkrete Züge an und hat sich seitdem vergleichsweise rasant ausgebreitet. Mit seiner fest implementierten polizeilichen Nutzung in Bayern (München und Mittelfranken), Zürich, Aargau und Basel-Landschaft sowie bei der Pilotierung in Sachsen ist dabei die kommerzielle PRECOBS-Software hiesiger Marktführer. Daneben werden sowohl in Nordrhein-Westfalen mit dem Programm SKALA („System zur Kriminalitätsanalyse und Lageantizipation“), als auch in Berlin mit dem System „KrimPro“, in Niedersachsen mit dem Programm „PreMAP“ („Predictive Mobile Analytics for Police“) und in Hessen mit der Software „KLB-operativ“ („Kriminalitätslagebild-operativ“) bei vier Landeskriminalämtern prognostische Eigenkreationen angewendet (Egbert & Kornehl i. E.; vgl. a. Bode & Seidensticker 2020). Auch beim österreichischen Bundeskriminalamt kommt eine selbst programmierte Software zum Einsatz (Heitmüller 2019), ebenso in der Schweiz, bei der Kantonspolizei Zürich mit dem System CRAFT 13 (Crime Research and Forecast 13) (B62: 55 ff.; B81: 15 f.).

Die polizeitaktische Idee hinter raumbezogenem Predictive Policing ist, durch algorithmisch generiertes Zukunftswissen rationale Selektions- und Priorisierungsentscheidungen zu treffen, welche Gebiete verstärkt bestreift („präventiver Ansatz“) oder Objekte von Observationen („repressiver Ansatz“) werden sollen (Schweer 2015: 15). Im Zuge dessen wird stets auf musterbasierte Datenanalytik zurückgegriffen, die durch die Wahl der jeweils operationalisierten (ätiologischen) Kriminalitätstheorien bestimmt, welche Delikte und Täter*innentypen in den prognostischen Fokus rücken (Kaufmann et al. 2019). Im deutschsprachigen Raum – z. B. bei der Software PRECOBS (Schweer 2015: 13 f.) – kommt in diesem Zusammenhang allen voran die near-repeat pattern prediction zur Anwendung, die auf der These basiert, dass Serientäter*innen im Deliktfeld Wohnungseinbruchdiebstahl dazu neigen, nach erfolgreicher Tat in räumlicher und zeitlicher Nähe derselben erneut zuzuschlagen (z. B. Gluba 2017; Schweer 2020: 135 ff.). Die algorithmische Prognoseleistung der jeweiligen Software besteht dabei primär aus der Bewertung, ob ein neu registrierter Wohnungseinbruch von einem*r professionellen Täter*in ausgeführt wurde. Am Beispiel von PRECOBS lässt sich das treffend verdeutlichen (vgl. a. Schweer 2015: 14 f.; 2020: 132 ff.; Balogh 2016: 336 f.): Es werden hier zur Einstufung der Tat sogenannte Trigger- und Anti-Trigger-Kriterien genutzt, z. B. in Bezug auf den Modus Operandi. Wenn die Spuren am Tatort beispielsweise auf bewusst leises, unauffälliges, gleichzeitig kenntnisreiches Vorgehen hindeuten, wird von professionellen Täter*innen ausgegangen (B1: 35 f.; B2: 254 ff.; B7: 123 ff.). Ebenso, wenn handliche Gegenstände mit hohem Wiederverkaufswert entwendet werden. Liegen demgegenüber Indizien vor, dass Beziehungs- oder Gelegenheitstäter*innen am Werk waren, beispielsweise weil sich stümperhaft Einlass verschafft wurde oder wertlose Objekte gestohlen wurden, gilt der betreffende Einbruch als Anti-Trigger-Delikt (B3: 1431). Diesem wird keine Wiederholungswahrscheinlichkeit zugesprochen, weshalb keine Prognose generiert und folglich kein Alarm ausgelöst wird (B2: 205 ff.; B19: 122 f.).^[5] Von PRECOBS werden allerdings nicht jegliche Wohnungseinbruchstaten im jeweiligen polizeilichen Verantwortungsbereich für die Bestimmung von Wiederholungswahrscheinlichkeit analysiert, sondern nur solche, die in einem der sogenannten „Near Repeat Areas“ stattgefunden haben. Darunter fallen solche Areale, in denen in den vergangenen Jahren, zumeist sind es fünf, das Aufkommen von Einbruchsdelikten hinreichend hoch war (B2: 182 ff.; B19: 421 ff.).

Abbildung 1:

PRECOBS-Operatoransicht (D 98)

Wenn die Prognosesoftware also einen Alarm ausgibt, da sie die analysierte Einbruchstat als professionell einstuft und gemäß near-repeat pattern von hoher Wiederholungswahrscheinlichkeit ausgeht, wird die Prognose von dem sogenannten PRECOBS-Operator, oft ein*e Polizist*in aus der Lage- bzw. Analyseabteilung, geprüft. Wenn kein Grund besteht, die Prognose abzulehnen, wird die zuständige Dienstelle über den Alarm informiert. Dort wird dann geprüft, ob das lokale Lagebild und die zur Verfügung stehenden Personalressourcen einen polizeilichen Einsatz im prognostizierten Risikogebiet ermöglichen.

Zumeist werden auf Basis der Prognosen präventive Einsätze gefahren – uniformierte Kräfte bewegen sich verstärkt in den prognostizierten Risikogebieten und versuchen auf diese Weise, geneigte Täter*innen abzuschrecken bzw. verdächtige Personen zu kontrollieren und ggf. Einbrecher*innen in flagranti zu erwischen. Den betreffenden Kräften wird im Zuge dessen die in Abb. 1 im oberen rechten Teil sichtbare Karte ausgehändigt, die mit unterschiedlich gefärbten Kacheln auf die jeweilige Einbruchsgefahr hindeuten soll (D1: 7).^[6]

Predictive Policing, so lässt sich zusammenfassen, ist zu begreifen als soziotechnische Praktik, die sich die Geschwindigkeitsvorteile algorithmischer Datenanalytik zunutze macht und auf diese Weise operative Prognosen zu erstellen im Stande ist, die wiederum neue polizeiliche Interventionsstrategien – im Sinne von zeitnaher, fokussierter Abschreckung (präventiv) bzw. Observation (repressiv) in den vorhergesagten Risikoräumen – umzusetzen ermöglichen. Und obgleich dieser raumbezogenen Variante des Predictive Policing kaum rechtliche Relevanz zugeordnet wird, da in der einschlägigen Diskussion vor allem auf den Prozess der Prognoseerstellung bzw. Datenverarbeitung fokussiert wird, der in der Tat vor allem bei der personenbezogenen Prognosevariante rechtlich relevant ist, gilt: Stellt man die polizeiliche Umsetzung der erstellten Prognosen in Rechnung, verändert sich diese Sachlage signifikant – wie im Folgenden zu zeigen sein wird.

Predictive Policing als Treiber rechtlicher Innovation?

Die rechtliche und vor allem rechtssoziologische Diskussion zu Predictive Policing beginnt sich erst langsam zu entwickeln. Und obgleich – gerade von Anwender*innen wie Entwickler*innen – gemeinhin behauptet wird, rechtliche Fragen stellen sich im Zuge von Predictive Policing auf Grund ihres bis dato alleinigen raumzeitlichen Fokusses (noch) nicht, wird im Folgenden aufgezeigt, dass diese Einschätzung fehlgeht, da sie die praktischen Auswirkungen der Prognosesoftware auf die polizeiliche Tätigkeit unterschätzt. Denn obschon Predictive Policing in der Tat auf herkömmlicher Polizeiarbeit aufbaut, und damit weniger eine revolutionäre denn eine evolutionäre Entwicklung darstellt (Egbert & Leese 2021: 19 ff.), impliziert die polizeiliche Nutzung von Prognosesoftware und das auf diese Weise erstmals generierte unmittelbar operativ nutzbare Zukunftswissen sowie die entsprechende Nutzung von Algorithmen, mit denen wirkmächtige Assoziationen verbunden werden, eine soziotechnische Neukonfiguration polizeilicher Tätigkeit, die durchaus rechtliche Relevanz besitzen kann.

Prognostizierte Risikoräume als ‚kognitive Gefahrengebiete‘

Die Polizeibeamt*innen, die in einem prognostizierten Risikogebiet verstärkt patrouillieren sollen, haben zumeist allein die Information über die Lage und Größe des zu bestreifenden Raums sowie über die via farblich codiertem Kachelformat visuell aufbereitete Risikolage (vgl. Abb. 1 und FN 5). Grundsätzlich ist es im Prognoseraum erst einmal nur ihre Aufgabe, Präsenz zu zeigen und geneigte Täter*innen auf diese Weise abzuschrecken, was auch damit zu tun hat, dass eine Observation der Risikogebiete, um Täter*innen gezielt in flagranti ertappen zu können, erheblich ressourcenaufwändiger ist (Pett & Gluba 2017).

Wie Interviews mit Streifenkräften, die präventive Einsätze in prognostizierten Risikogebieten fahren, zeigen, hat die gezielte Einbruchsprognose in der Tat einen Effekt auf die Art und Weise, wie sie in diesen Arealen agieren und wie sie ihr Vorgehen kontextualisieren. Grundsätzlich wird in diesen Gebieten zumeist langsamer gefahren (B6: 209 f.; B9: 393; B24: 182), Fahrtrouten werden zudem so angepasst, dass möglichst viel Zeit in dem Risikoraum verbracht und dort möglichst flächendeckend Präsenz gezeigt werden kann – z. B. indem in Schneckenform gefahren wird (B34: 81 ff.). Zudem existieren Strategien, das Polizeifahrzeug bewusst für kürzere Zeitabschnitte abzustellen und auch verstärkt auszusteigen, um nach „außergewöhnliche(n) Umstände(n)“ Ausschau zu halten (B6: 211; B23a: 127 ff.; B9: 395). Daraus folgt: „Man ist dann intensiver in einem Gebiet als in anderen, in denen man keine Meldung hatte“ (B23b: 127 ff.) und man habe mithin „viel mehr Augenmerk auf die kleinen Details.“ (B23a: 134)

Die von der Software ausgegebenen Prognosegebiete werden also sorgfältiger und intensiver kontrolliert – ein Vorgehen, das ganz im Sinne von Predictive Policing, eben konzipiert als ganzheitliche Polizeistrategie, ist. Faktisch agieren die betreffenden Polizist*innen damit in einer Weise, als ob sie in einem Gefahrengebiet wären. Gefahrengebiete, auch „Kriminalitätsschwerpunkte“ (z. B. in Baden-Württemberg, nach § 26 (1) Nr. 2 PolG), „kriminalitätsbelastete Orte“ (z. B. in Berlin, nach § 21 (2) Nr. 1 ASOG Bln) oder „gefährliche Orte“ (z. B. in Bayern, nach Art. 13 (1) Nr. 2 PAG) genannt,^[7] sind Räume, in denen die Polizei stärkere Eingriffbefugnisrechte besitzt und Eingriffsschwellen niedriger sind. So kann sie in betreffenden Gebieten beispielsweise anlasslose Identitätsfeststellungen oder Personendurchsuchungen durchführen (Ernst 2014). Begründet wird dies mit einem allgemein hohen Gefahrenpotenzial und Kriminalitätsrisiko in diesen Gebieten (z. B. Bürgerschaft HH 2004: 13 f.). Auf praktischer Ebene sehr ähnlich verhält es sich, wie oben gesehen, mit prognostizierten Risikoräumen, mit dem wichtigen Unterschied allerdings, dass die Polizei dort keine außergewöhnlichen Eingriffsrechte besitzt – Prognosegebiete sind keine „Sonderrechtszonen“ (Assall & Gericke 2016: 62), sie sind, formal gesehen, eben keine Gefahrengebiete. Analog dazu gehen Polizist*innen aber dennoch auch dort von einem erhöhten Kriminalitätsrisiko aus, das sie dazu bringt, diese Gebiete situativ intensiver zu bestreifen und dort stärker nach verdächtigen Gegebenheiten und Personen Ausschau zu halten und diese zu kontrollieren (B6: 211; B9: 395; B23a: 134; B23b: 127 ff.; vgl. a. Egbert 2018b; Egbert & Leese 2021: 145 ff.) (s. u.).

Aus praxeologischer Perspektive, die die performativen Effekte einer solchen Risikozuschreibung in den Fokus rückt, kann in diesem Zusammenhang von ‚kognitiven Gefahrengebieten‘ gesprochen werden; von Gebieten, die (allein) in den Köpfen der Polizist*innen existieren, trotzdem (rechtlich relevante) praktische Effekte zeitigen, aber keine rechtliche Legitimität für sich beanspruchen können – weil es sich aus rechtlicher Perspektive eben (noch) nicht um Gefahrengebiete, im Sinne von Sonderrechtszonen, handelt.

Um dieses Phänomen ‚kognitiver Gefahrengebiete‘ mit konkretem Bezug auf das algorithmisch-digitale Charakteristikum von Predictive Policing (praxis-)soziologisch detaillierter auszuleuchten, hilft der Rückgriff auf das Konzept der „mechanischen Objektivität“, wie es von Daston und Galison (2007: 121 ff.) formuliert wurde. Mit diesem rückt nämlich die Frage in den Vordergrund, wie Polizist*innen die Software – als technisches Artefakt – und deren Prognosen wahrnehmen und welche Attribute sie damit verbinden – was sich wiederum bestärkend darauf auswirken kann, wie sie in den prognostizierten Risikogebieten agieren.^[8] Daston und Galison (2007: 121 ff.) konstatieren, dass mit der (Weiter-)Entwicklung der Fotografie Mitte des 19. Jahrhunderts eine neue Vorstellung von Objektivität entstanden ist, die jegliche menschliche Intervention zu minimieren und eine möglichst automatisierte Herstellung wissenschaftlicher Bilder durchzuführen suchte, um die Natur, fernab menschlich-subjektiver Missdeutungen, für sich selbst sprechen lassen zu können (vgl. a. Galison 2003). Dieses, grundsätzlich auf jegliches technische Instrumentarium beziehbare Attribuierungsmuster bekommt im Zuge algorithmisch mediatisierter Datenanalytik nochmals stärkere Relevanz, da in diesem Zusammenhang eine Kombination aus „blackboxing“ (Latour 2002: 222) und dem omnipräsenten „(a)lgorists dream of objectivity“ (Galison 2019: 231) wirksam wird. Ersteres bezieht sich auf die Tendenz von Anwender*innen wissenschaftlicher und technischer Instrumente, den inneren Funktionszusammenhang derselben zu ignorieren, solange sie reibungslos funktionieren (Latour 2002: 373). Bei algorithmischer Datenverarbeitung kommt verstärkend noch ein grundsätzliches Transparenz- bzw. Komplexitätsproblem hinzu, da die algorithmischen Operationen oft nicht einsehbar und aus Kenntnismangel ohnehin nicht nachvollziehbar sind (Pasquale 2015). Zweiteres nimmt Bezug auf die wiederholt propagierte Hoffnung, mit großen Datenmengen und deren algorithmischen Analysen objektive, von der Gesellschaft unabhängige Ergebnisse zu generieren (paradigmatisch: Anderson 2008). Gerade aus diesem weit verbreiteten Vertrauen in die objektive Erkenntnisproduktion von algorithmischen big data-Analysen speist sich die mit ihnen verbundene praktische Wirkmächtigkeit, da ihren Ergebnissen Glauben geschenkt wird und sie in Entscheidungs- und Bewertungsprozesse Eingang finden und damit praktisch umgesetzt werden.

In Bezug auf Predictive Policing ist mit dieser, Algorithmen zugeschriebenen ‚mechanischen Objektivität‘ ein praktisch wirksamer Verstärkereffekt verbunden, wie folgendes Zitat zeigt:

„Also die Aufmerksamkeit [in Prognosegebieten; d. Verf.] ist sicherlich erhöht. Also nicht dass es im normalen Dienst anders wäre, aber es ist dort, man weiß hier könnte etwas sein. Also rein rechnerisch MUSS hier irgendetwas geschehen, ist ja alles Rechenaufgabe schlussendlich. Dann achtet man natürlich schon ein bisschen mehr auf die kleinen Details.“ (B23a: 141 ff.)

Der performative Charakter von ‚kognitiven Gefahrengebieten‘ und der Zusammenhang zwischen Wahrnehmung und Bewertung des technischen Instruments und den daran anschließenden Praktiken wird in diesem Zitat besonders deutlich. Im Ergebnis zeigt sich: Obgleich (noch) keine rechtlichen Sonderbestimmungen für prognostizierte Risikogebiete vorliegen, agieren dort patrouillierende Streifenkräfte, wie das Zitat nahelegt, aufmerksamer, da sie den Prognosen Glauben schenken und bisweilen tatsächlich davon ausgehen, es könne jeden Moment ein Verbrechen passieren (vgl. a. B24: 182). Sie folgen mithin einer Denkweise und Erwartungshaltung, die derjenigen in Gefahrengebieten sehr ähnlich ist, was wiederum strukturanaloge Kontrollpraktiken und Interventionsformen zur Folge hat.

Präemptive ökologische Kontaminierung und die Potenzierung von Racial Profiling

Die raumbezogenen Predictive Policing-Ansätze zeichnen sich, wie vielfältig von Seiten der Polizei und den Entwickler*innen betont, in der Tat dadurch aus, dass sie keine personenbezogenen Daten für die Prognoseerstellung benutzen. Das heißt aber keineswegs, dass Predictive Policing eine gänzlich personenunbezogene Polizeipraxis konstituiert. Denn die Streifenkräfte kontrollieren nicht allein den Raum, sondern vor allem auch die dort anzutreffenden Personen – eine Erkenntnis, die bereits im Kontext von Gefahrengebieten hervorgebracht wurde (Belina & Wehrheim 2011: 211) – womit Fragen nach Datenschutz und informationeller Selbstbestimmung nun doch virulent werden.

Die Polizist*innen übersetzen die raumbezogene Risikoprognose der Software, wie oben gesehen, auf die dort präsenten Menschen; es kommt tendenziell zur einer „‚Ortshaftung‘“ (Assall & Gericke 2016: 67), die Folge einer „ecological contamination“ (Smith 1986: 316) ist. Ganz ähnlich wie Kretschmann (2017) im Kontext des Gefährderbegriffs analysiert, liegt dieser Inferenzschluss in der situativ notwendigen Operationalisierung von Nichtwissens und der ansonsten drohenden Handlungsfähigkeit begründet – wie heißt es schon im Kontext von Gefahrengebieten: „anonym(e) Gefahrenlagen“ kennzeichnet ein „naturgemäß fehlende(r) individuelle(r) Zurechnungszusammenhang“ (Bürgerschaft HH 2004: 14). Denn den Streifenkräften werden, wenn überhaupt, nur wenig Kontextinformationen zu den personenbezogenen Hintergründen der raumbezogenen Risiken mitgegeben, was dazu führt, dass sie gemeinhin auf ihre persönlichen und im Rahmen ihrer professionellen Sozialisation angeeigneten Erfahrungswerte zurückgreifen, wenn sie in den Risikogebieten nach verdächtigen Personen Ausschau halten (s. dazu bereits Reichertz 1990). Die mit Predictive Policing indes anvisierten Wohnungseinbruchdelikte werden sodann – einem dominanten innerpolizeilichen Narrativ folgend (Winter 2015) – vor allem reisenden Täter*innen und hier besonders professionellen Serieneinbrecher*innen aus dem Ausland, vor allem aus Osteuropa, zugeschrieben (B2: 1586 f.; B7: 29 ff.; B18: 94 f.).^[9]

Vor diesem Hintergrund ist wenig überraschend, auf welche Personen(-gruppen) sich Streifenkräfte in den prognostizierten Risikogebieten hauptsächlich konzentrieren: „Man schaut dann nach Fahrzeugen mit ausländischem Nummernschild oder so … oder passen die Leute ins Gebiet.“ (B23a: 132 ff.; vgl. a. B6: 209 ff.; B25:112 ff.) Der Fokus liegt also auf „täterspezifischen Fahrzeugen, Ostblockkennzeichen und so“ (B23b: 90 f.).

Predictive Policing, zumindest in der derzeit fast ausschließlich im deutschsprachigen Raum angewendeten präventiven Spielart, verfolgt folglich ein ähnlich klar konturiertes „Zielgruppenkonzept“ (Assall & Gericke 2016: 65), wie es aus den Gefahrgebietsregelungen bekannt ist: im (Prognose-)Raum wird auf Personen fokussiert, die, gemäß der „lageabhängigen Zielgruppe“ (Bürgerschaft HH 2004: 13 f), also bei Predictive Policing abgeleitet aus der Risikoprognose und dem dahinter wirksamen Narrativ der reisenden Täter*innen aus dem Ausland, als mögliche soon-to-be-Einbrecher*innen in Betracht kommen. Infolge der Prognosen werden mithin diejenigen Personen besonders beobachtet und kontrolliert, die auf Basis von ad hoc-Kategorisierungen und unter Rückgriff auf visuelle Indikatoren sowie Erfahrungswissen den genannten, als risikoträchtig definierten Personengruppen situativ zugeordnet werden können (dazu bereits mit Bezug auf Gefahrengebiete: Belina & Wehrheim 2011: 212; Tullney & Ullrich 2012):

„Wir haben (…) teilweise osteuropäische Banden, ja, die wirklich auch von Osteuropa her in [anonymisiert; betreffende Stadt] kommen. Wir haben aber auch Romagruppierungen, die über Frankreich in [anonymisiert; betreffende Stadt] kommen. Von dieser Seite her halt, aber ich sag jetzt mal rein vom Optischen her, sind die nicht groß verschieden. Von daher ist es schon eigentlich das Haupttäterbild, dass man so ein bisschen im Kopf hat“. (B9: 350 ff.)

Empirisch illustriert wird hier eine Verstärkung von Praktiken des Racial Profiling, wie es von Legnaro und Kretschmann (2015: 99 ff.) bereits früh in Bezug auf Predictive Policing vorausgesagt wurde. Es sind, analog zu den Beobachtungen von polizeilichen Praktiken in Gefahrengebieten (z. B. Belina & Wehrheim 2011: 225; Assall & Gericke 2016: 68), vor allem die ‚üblichen Verdächtigen‘, die unter der Senkung der Verdachtsschwelle in Prognosegebieten zu leiden haben (vgl. a. Belina 2016: 95). Fremdheit stellt also eine zentrale Facette im Predictive Policing dar – und zwar nicht als datenbezogenes Ausgangsdatum in den Prognosen, sondern am Ende der damit einhergehenden Polizeistrategie, im Kontext ihrer praktischen Umsetzung auf der Straße (vgl. a. Egbert & Leese 2021: 158 f.). Der Fokus auf visuelle Kennzeichen potenzieller Kriminalität liegt dabei, vergleichbar mit der Operationalisierung des Nichtwissens bei der Figur des Gefährders (Kretschmann 2017), in dem Mangel an alternativen Informationsquellen über die im Prognoseraum befindlichen Personen – z. B. konkrete, eindeutig einzuordnende Verdachtsmomente – sowie der einfachen situativen Operationalisierbarkeit sichtbarer Indikatoren begründet. Denn Personen auf Basis visueller Anzeichen in relevante, weil potenziell riskante, oder irrelevante Subjekte einzuteilen, bedarf keines weiteren (technischen) Instrumentariums. Es muss lediglich einschlägiges (stereotypes) Wissen aktualisiert und mit den sichtbaren Eindrücken in Verbindung gebracht werden.

Die dargestellte ‚ökologische Kontaminierung‘ basiert dabei auf einem ökologischen Fehlschluss, der ein auf Aggregatebene berechnetes Risiko auf individuelle Ebene herunterbricht bzw. inkorrekt von dem raumbezogenen Risiko auf die Gefährlichkeit der diesen Raum passierenden oder sich dort aufhaltenden Personen schließt. Mit Andrejevic (2017: 882) gesprochen haben wir es in diesem Zusammenhang mit einer Praktik der „near-term preemption“ zu tun. Diese Vorgehensweise ist der präemptiven Präventionslogik zuordenbar,^[10] da die eigentlich probabilistisch fundierten Softwareprognosen eine possibilistische^[11] Wendung bekommen, weil die Prognosesoftwares keine personenbezogenen Informationen bereitstellen und somit aus einer raumbezogenen Prognose keine Rückschlüsse auf dort befindliche Personen gezogen werden können. Wenn aber eine Person, die sich in dem ausgewiesenen Risikobereich oder in dessen Nähe befindet, auf Grund der – originär allein raumgezogenen – Risikoprognose unter polizeilichen Verdacht gerät und mit polizeilichen Maßnahmen belegt wird, ist dies eine unmittelbare Folge eines eigenmächtigen possibilistischen Denkens der Polizist*innen. Eine Folge also ihrer spekulativen und der statistischen Logik der Prognosesoftware widersprechenden Erwartung, dass sich in der konkreten Kontrollsituation in dem angezeigten Risikogebiet tatsächlich Einbrecher*innen befinden (Egbert & Krasmann 2019a: 8).

Predictive Policing als Treiber rechtlicher Innovation

Was bergen die dargestellten praktisch-epistemischen Implikationen von Predictive Policing für die Frage ihres rechtlichen Innovationpotenzials?

Grundsätzlich ist mit Predictive Policing eine temporale Vorverlagerung von operativem Wissen verbunden, die es der Polizei früher als bisher ermöglicht, Räume zu bearbeiten, in denen Wohnungseinbrüche drohen. Diese Bewegung hinein ins Vorfeld von (möglichen) Einbruchstaten fügt sich bruchlos in langjährige Entwicklungen ein (z. B. Albrecht 2010; Singelnstein/Stolle 2012), die Eingriffsmöglichkeiten der Strafverfolgungsbehörden zeitlich nach vorne zu verschieben und Eingriffsschwellen zu senken, um zunehmend abstrakte Kriminalitätsrisiken bearbeitbar zu machen (Apostel 2019: 156; Hofmann 2020: 294 f.). Die Nutzung von polizeilicher Prognosesoftware repräsentiert dabei indes eine neue Stufe, sie konstituiert eine „Zuspitzung des Präventionsparadigmas“ (Belina 2016: 88), da via algorithmischer Datenverarbeitung erstmals operativ unmittelbar umsetzbares Zukunftswissen zur Verfügung steht, an das polizeiliche Interventionen mehr oder minder bruchlos anknüpfbar sind. Bisherige einschlägige rechtliche Regelungen laufen beim Predictive Policing tendenziell ins Leere, da die mit ihm verbundene temporale Vorverlagerung im prinzipiellen Widerspruch zur grundsätzlich retrospektiven Orientierung des Strafrechts steht sowie die in Teilen des Polizeirechts konstitutive antizipative Dimension gleichsam radikalisiert (Singelnstein 2018: 5).

Selbstverständlich sind Präventionsorientierung und mithin Zukunftsbezug sowie polizeiliche Maßnahmen auf Basis von antizipativem Wissen bereits seit langem Gegenstand des Polizeirechts (z. B. in Form der Gefahrenabwehr) (z. B. Gusy 2017: 55; Sommerer 2020: 118 f.). Auf Grund der grundsätzlichen Abstraktheit der Gefahrenberechnung im derzeitigen Predictive Policing sowie deren fehlender individueller Konkretheit, sind daran anschließende personenbezogene Maßnahmen von den rechtlichen Grundlagen dieser bekannten zukunftsgerichteten Gefahrenverhütungsmaßnahmen indes nicht gedeckt (Singelnstein 2018: 5). Am Beispiel des Gefahrentatbestand lässt sich dies verdeutlichen: Das Vorliegen einer konkreten Gefahr „setzt eine Sachlage voraus, die bei ungehindertem Ablauf des objektiv zu erwartenden Geschehens im Einzelfall in absehbarer Zeit mit hinreichender Wahrscheinlichkeit zu einer Verletzung eines polizeilichen Schutzguts führt.“ (BVerfGE 141, 220, Rn. 111; vgl. a. Poscher 2008: 363 ff.) Es ist unzweifelhaft, dass die Güte der von der polizeilichen Vorhersagesoftware generierten Prognosen diesen epistemischen Ansprüchen nicht genügt. Weder wird mit ihnen eine konkrete Sachlage antizipiert, noch kann auf deren Basis von einer hinreichenden Schadenseintrittswahrscheinlichkeit ausgegangen werden – mit Verweis auf solcher Art Prognosen ist das Vorhandensein einer Gefahr somit nicht begründ-, die jeweiligen Rechtsnormen folglich nicht anwendbar (z. B. Meinicke 2015: 377; Rademacher 2017: 383 f.).^[12] Deutlich wird dies nicht zuletzt mit Verweis auf die Rechtslage bei der Rasterfahndung, die als anlassloses und automatisiertes Datenabgleichverfahren grundsätzlich sehr starke Ähnlichkeiten zu polizeilicher Prognosesoftware aufweist und nur beim Vorliegen einer konkreten Gefahr für hochrangige Rechtsgüter als zulässig angesehen wird (Gless 2016: 169; Gusy 2017: 160). Im Ergebnis heißt das: Predictive Policing lässt sich „kaum in die hergebrachte rechtliche Struktur polizeilicher Tätigkeit integrieren“, es macht also „eine Neubestimmung notwendig“ (Singelnstein 2018: 5) – wobei die Aufweichung des Gefahrenbegriffs hin zur „drohenden Gefahr“ bereits in ebendiese Richtung zeigt (s. u.).

Neben dieser temporalen Verschiebung, die bereits für sich genommen rechtlichen Regelungsbedarf impliziert, sind es ferner die oben beschriebenen konkreten vor-Ort-Umsetzungen von polizeilichen Prognosen, die die These stützen, dass Predictive Policing zukünftig zu Rechtsinnovationen führen wird. Denn es ist davon auszugehen, dass das raumbezogene Predictive Policing im Sinne ‚ökologischer Ansteckung‘, also der verdachtsunabhängigen, oft Racial Profiling-artigen Kontrolle von Personen in prognostizierten Risikogebieten, bei gerichtlicher Überprüfung keinen Bestand haben wird. Dies ist vor allem auf drei Gründe zurückzuführen: Zum ersten ist, wie gesehen, eindeutig, dass aus dem Vorliegen einer Prognose keine konkrete Gefahr abgeleitet werden kann; es handelt sich mithin um eine anlasslose bzw. verdachtsunabhängige Kontrolle, die einer Gesetzesgrundlage bedarf, die hier nicht vorliegt. Zum zweiten ist auch die Gefahrengebietsregelung, die, wie besprochen, zahlreiche Parallelen zum raumbezogenen Predictive Policing aufweist, vom Hamburgischen Oberverwaltungsgericht mit Bezug auf die in deren Rahmen stattfindenden anlasslosen Personenkontrollen bereits als verfassungswidrig eingestuft worden (OVG Hamburg, Urteil vom 13.05.2015, Az. 4 Bf 226/12). Begründet wurde diese Entscheidung mit Verweis auf die mangelnde Bestimmtheit der Gründe für die Ausweisung von Gefahrengebieten – im Übrigen u. a. von der Polizei explizit gerechtfertigt mit Verweis auf „Einbruchsserien“ (Bürgerschaft HH 2004: 14) – mit spezifischem Bezug auf das Erfordernis „konkreter Lageerkenntnisse“, das ebenso „selbstreferenziell“ wie abstrakt sei, da sich die Polizei somit ihre Einsatzermächtigung selbst schaffe und diese wiederum gerichtlich kaum kontrolliert werden könne (Assall & Gericke 2016: 64 f.). Und zum dritten erkannte das Gericht im Anschluss daran und mit besonderem Fokus auf das in den Gefahrengebieten praktizierte „Zielgruppenkonzept“ einen unverhältnismäßigen Eingriff in das Recht auf informationelle Selbstbestimmung, da den polizeilichen Kontrollen eine hohe Eingriffsintensivität durch Stigmatisierungseffekte zu eigen sei, weil auf Basis der polizeilicherseits zugeschriebenen Gruppenzugehörigkeit per se von einer höherem Kriminalitätsrisiko ausgegangen werde, was wiederum gegen den Gleichheitssatz aus Art. 3 Abs. 1 GG verstoße (ebd.: 65).

Letzteres ist mit Verweis auf die oben veranschaulichten, verstärkten Praktiken des Racial Profilings in prognostizierten Gefahrengebieten gesondert zu diskutieren. Einigkeit herrscht dabei grundsätzlich in der Annahme, dass auch in Deutschland – und nicht nur beispielsweise in den USA – polizeiliches Racial Profiling existiert (z. B. Herrnkind 2014; Behr 2018). Einigkeit herrscht ebenso hinsichtlich der Feststellung, dass Racial Profiling, also die Überprüfung von Personen (allein) auf Grund ihrer Hautfarbe bzw. (sichtbaren) ethnischen Zugehörigkeit, gegen das Diskriminierungsverbot verstößt (z. B. OVG Rheinland-Pfalz, Urteil vom 29.10.2012, Az.: 7 A 10532/12.OVG; OVG Rheinland-Pfalz, Urteil vom 21.04.2016, Az.: 7 A 11108/14.OVG). Zwar wird diese Norm unterschiedlich ausgelegt – muss die Hautfarbe das alleinige Auswahlkriterium sein? (Tischbirek & Wihl 2013: 220) – es ist aber plausibel anzunehmen, dass der oben illustrierte Fokus auf Ausländer*innen und insbesondere Osteuropäer*innen im Rahmen von raumbezogenem Predictive Policing auch dann kaum als rechtskonform beurteilt werden kann, wenn der Einschätzung gefolgt wird, dass Racial Profiling nur dann vorliege, wenn die Auswahl der betroffenen Person(en) allein auf Basis ihrer ethnischen Zugehörigkeit getroffen wird. Denn die Prognosen lassen eben keine hinreichend konkreten Lageerkenntnisse zu, weil sie dafür schlicht zu abstrakt sind. Diese Argumentation wird bekräftigt durch das Urteil des Oberverwaltungsgerichts Rheinland-Pfalz vom 21.04.2016 (Az.: 7 A 11108/14.OVG), das unrechtmäßige Racial Profiling-Praktiken erkannte, obgleich die Bundespolizei ihre Kontrollen im verhandelten Fall, die in einer Regionalbahn stattfanden, mit Verweis auf die betreffende Bahnstrecke als „bekannten ‚Schleuserweg‘“, i. S. v. Lageerkenntnis, begründeten.

Wie würde die Polizei bzw. der Gesetzgeber auf die (bis dato) fiktive gerichtliche Unzulässigkeitserklärung von Predictive Policing reagieren? Die hier vertretene These lautet: mit Rechtsinnovation; mit der Anpassung der einschlägigen Rechtsnormen an diese neuartige Form des zukunftsgerichteten, algorithmengestützten Polizierens.^[13] Eine solche Reaktion ist nicht zuletzt deshalb wahrscheinlich, da Predictive Policing treffend mit bekannten, z. T. gegenwärtigen Entwicklungen im Polizeirecht und in der Polizeipraxis, allen voran mit Blick auf die Kategorie der „drohenden Gefahr“, konvergiert. Diese im novellierten Polizeiaufgabengesetz (PAG) in Bayern in Folge des Bundesverfassungsgerichtsurteils zur Neufassung des Bundeskriminalamtsgesetzes (BKAG) neu geschaffene Rechtsfigur macht einen wichtigen, womöglich entscheidenden Schritt in Richtung polizeirechtliche Predictive Policing-Kompatibilität (Apostel 2019). Im Zuge dessen wird nämlich das Kriterium der konkreten Gefahr aufgeweicht und der Zeitpunkt für polizeiliche Eingriffe zeitlich nach vorne verlagert. In dessen Folge werden nun auch abstraktere, bereits zeitiger erkennbare Indikatoren als ausreichend angesehen, um Gefahrenrealisierung bei Nichtintervention anzunehmen (z. B. Möstl 2018; Shirvani 2018).

Predictive Policing fügt sich in diesem Sinne nicht nur, wie bereits angemerkt, bestens in die Stoßrichtung vergangener und gegenwärtiger Entwicklungen von Polizei- und Strafrecht, sondern ebenfalls in gegenwärtige legale Dynamiken ein und kann folglich treffend an diese anknüpfen. So ist beispielsweise ein realistisches Szenario, dass zukünftig Versuche unternommen werden, mit den Prognosen hergestellte Kriminalitätsrisiken als drohende Gefahren rechtlich zu kontextualisieren und auf diese Weise an bestehende Regelungen anzudocken (Apostel 2019: 156 f.). Bereits aus der entgegengesetzten Perspektive, also ausgehend von der Frage, ab welcher Risikoschwelle die Polizei eingreifen muss, wird die Virulenz dieser Option deutlich. So schreibt Gluba (2016: 56):

„Die Polizei ist verpflichtet, tätig zu werden, wenn eine hinreichende Wahrscheinlichkeit für das Auftreten einer Straftat besteht und muss versuchen, diese abzuwenden. Möglicherweise reicht eine auf theoretisch fundierten und nachgewiesenen Einflussfaktoren beruhende Prognose einer großen Eintrittswahrscheinlichkeit bereits aus, diese hinreichende Wahrscheinlichkeit zu begründen.“ (vgl. a. G30: 119 ff.)

Da die drohende Gefahr geringere Ansprüche an die Konkretheit der Erkenntnisse über den zukünftigen Gang der Dinge stellt, hier also ein größeres Maß an Kontingenz als bei der konkreten Gefahr zugelassen wird, indem die Polizei „die notwendigen Maßnahmen treffen (kann), um (…) die Entstehung einer Gefahr für ein bedeutendes Rechtsgut zu verhindern, wenn im Einzelfall (…) Vorbereitungshandlungen für sich oder zusammen mit weiteren bestimmten Tatsachen [hier: eine Kriminalitätsprognose; d. Verf.] den Schluss auf ein seiner Art nach konkretisiertes Geschehen [hier: Wohnungseinbruchdiebstahl; d. Verf.] zulassen“ (Art. 11 Abs. 3 BayPAG; Hervorh. d. Verf.). Damit können identitätsfeststellende und darüberhinausgehende polizeiliche Maßnahmen im Rahmen von raumbezogenem Predictive Policing mit realistischer Durchsetzungschance begründet werden.

Eine weitere Option der Inkorporierung von verdachtsunabhängigen Personenkontrollen im Rahmen des Predictive Policing in bestehende Rechtsnormen ist schließlich, prognostizierte Risikoräume als „Gefahrengebiete“ bzw. „gefährliche Orte“, mithin als punktuell besonders kriminalitätsbelastete Orte, zu klassifizieren; als Orte also, „von dem Tatsachen [hier: die Prognosen; d. Verf.] die Annahme rechtfertigen, dass dort a) Personen Straftaten von erheblicher Bedeutung verabreden, vorbereiten oder verüben, b) Personen angetroffen werden, die gegen aufenthaltsrechtliche Straf- oder Ordnungswidrigkeitenvorschriften verstoßen, c) sich gesuchte Straftäter verbergen“ (§ 4 Absatz 1 Nummer 2 PolDVG). Auch hier sind die epistemischen Anforderungen für polizeiliche Eingriffe niedriger und z. B. anlassunabhängige Identitätsfeststellungen möglich – ein grundsätzlich prädestiniertes polizeirechtliches Umfeld für raumbezogenes Predictive Policing (Singelnstein 2018: 8).

Fazit: Algorithmisierte Gefahrenabwehr als rechtsexterne Innovation und die Notwendigkeit, Rechtssoziologie verstärkt als Techniksoziologie zu betreiben

Entgegen der oft getätigten Aussagen, die gegenwärtig im deutschsprachigen Raum verbreitete Praktiken des raumbezogenen Predictive Policing seien für den Rechtsdiskurs irrelevant, da sie polizeiliche Tätigkeit nur rudimentär veränderten und v. a. keine personenbezogenen Daten nutzten, wurde im vorliegenden Beitrag aufgezeigt, dass prognosebasierte Polizeiarbeit bereits in der gegenwärtig dominanten raumbezogenen Form nennenswertes Veränderungspotential besitzt. Dies tut sie in einer Weise, die für die juristische und rechtssoziologische Diskussion Relevanz hat, da davon auszugehen ist, dass es an die durch Predictive Policing ausgelösten epistemischen wie praktischen Transformationen polizeilicher Arbeit anschließende rechtliche Innovationen geben wird. Dargestellt wurde, dass in den prognostizierten Risikogebieten offensiveres polizeiliches Kontrollverhalten zu beobachten ist, dass zum einen mit jenem vergleichbar ist, welches in Gefahrengebieten gängig ist, zum anderen deutliche Anzeichen von Racial Profiling aufweist. Mithin wurde die These aufgestellt, dass eine solche Praxis, sofern gerichtlich überprüft, keinen Bestand haben dürfte und daher rechtliche Innovation impliziert, um Predictive Policing rechtssicher zu machen.

Predictive Policing hat sich in den letzten Jahren ebenso rasant wie stark ausgebreitet. Gleichzeitig bestehen allenthalben Erweiterungsbemühungen, sei es mit Bezug auf die zu prognostizierenden Delikte, die dabei genutzten Theorien oder die im Zuge dessen zu operationalisierenden Daten (z. B. LKA NRW 2018: 84; D126: 84; D156; D332). Es besteht also nicht zuletzt deshalb die berechtigte Annahme, dass entweder der Gesetzgeber in naher Zukunft von sich aus rechtlichen Adaptierungsbedarf sieht oder – was auf Grund dessen bisheriger weitgehender Inaktivität wahrscheinlicher ist – ein von Seiten der Judikative initiierter rechtsinterner Innovationsprozess, originär angestoßen durch lokale Praktiken der Polizeien (‚from below‘), in Gang gesetzt wird. Predictive Policing würde sich dann als Treiber rechtlicher Innovation erweisen, als Katalysator juridischen Wandels. Sofern personenbezogene Ansätze des Predictive Policing (predictive targeting) weiter gefördert werden, worauf derzeit einiges hindeutet (Egbert 2020; i. E.), gewinnt diese These noch weiter an Plausibilität. Gerade auch als Referenz für zukunftsgerichtete algorithmisierte Formen polizeilicher Datenverarbeitung und -analyse wird Predictive Policing vor diesem Hintergrund eine große Rolle in der ohnehin notwendigen Anpassung von Polizei- und Strafrecht an die Potenziale wie Herausforderungen der Digitalisierung spielen (vgl. a. Wischmeyer 2020: 213).^[14]

Für die Rechtssoziologie ist damit ein Forschungsdesiderat angesprochen, das sich auf die zukünftig verstärkte Integration von techniksensiblen Ansätzen und Vorgehensweisen bezieht. Es gilt – wie auch schon von Müller und Pöchhacker im Zusammenhang mit algorithmischen Verfahren des risk assessment gefordert (2019: 174 ff.) – die Rechtssoziologie stärker mit Ideen und Ansätzen der Science and Technology Studies ins Gespräch zu bringen (vgl. a. Cloatre & Pickersgill 2015; Cole & Bertenthal 2017). Dies konvergiert ebenfalls mit der Forderung von Rosenstock et al. (2019), Rechtsforschung als interdisziplinäre Forschung zu praktizieren. Gerade die transdisziplinären Science and Technology Studies (z. B. Vertesi & Ribes 2019) bieten vor diesem Hintergrund großes Analysepotential – nicht zuletzt mit Blick auf die umfassenden Effekte der Datafizierung und Algorithmisierung, die sich zukünftig noch stärker in Bereichen des Rechts – sei es in Form von legal technologies, predictive prosecution oder eben predictive targeting^[15] – zeigen werden.