Strafrecht und Überwachung aus Sicht des Datenanalytikers

Heute war die meine letzte Prüfung, im Rahmen meines Diplomstudiums: Es ging um Statistik und computergestützte Datenanalyse. Dabei ist mir spontan die Idee gekommen, die strafrechtliche Unschuldsvermutung als analog zu einem Bayes’schen Prior zu bezeichnen, der aufgrund einer Sicht auf die Gesellschaft angenommen werden soll. (Ja, ich mache in mündlichen Physik-Prüfungen Randbemerkungen zu sozialen und politischen Themen. Die Beispiele fallen mir halt ein und ehe ich nichts sage und planlos wirke, nehme ich lieber fachfremde Beispiele…)

Der Prüfer fand es nicht unbedingt super, quittierte meinen Exkurs mit einem „Im Strafrecht ist Bayes’sche Statistik untersagt“. Aussagen wollte ich, dass man die Unschuldsvermutung auf eine positive Weltsicht zurückführen könnte, in der jemand höchstwahrscheinlich keine Straftaten begeht. Erst, wenn kein Zweifel besteht, ist insgesamt die Irrtumswahrscheinlichkeit der Ermittler geringer als die Gesamtwahrscheinlichkeit, dass man den Täter hat. Dann wäre sie eben so ein Prior. Anderes Beispiel (mit erfundenen Zahlen, aber ähnlich der Vorlesung): Eine Krebsvorsorge erkennt eine bestehende Erkrankung mit 90%iger Wahrscheinlichkeit, doch in 5% der Fälle gibt es ein „positives“ Ergebnis, obwohl der Patient keinen Krebs hat. Angenommen, man kann sich sehr sicher sein, keinen Krebs zu haben, dann sollte man lieber keinen Test machen: Die Wahrscheinlichkeit, dass man durch den Test verunsichert wird ist deutlich größer als die, dass einem der Test hilft.

Aufbauend auf diesem Gedanken gibt es in der Klassifizierung zwei abgeleitete Größen: Die Reinheit und die Effizienz. Zwischen beiden Größen muss man abwägen, beides gleichzeitig geht nicht. Die Reinheit gibt an, wie viele Fehleinschätzungen sich in der Gruppe der positiv klassifizierten befinden. (An dieser Stelle bin ich in der Prüfung wieder auf Teilchenidentifikation umgeschwenkt.) In unserem Strafrechtsbeispiel gibt die Reinheit also an, wie viele Gefängnisinsassen tatsächlich Straftaten begangen haben. Die Effizienz ist die entgegengesetzte Größe, sozusagen die Aufklärungsqote. Der Rechtsstaat ist im Bild des Datenanalytikers bemüht, bei der Klassifikation von Verbrechern eine große Reinheit zu erzielen.

Effizienz-Reinheit-Plot (Purity-Efficiency-Plot)
Effizienz-Reinheit-Plot. Möglich sind nur Kombinationen auf der grauen Linie (oder schlechtere), mehr Infos zu Purity-Efficiency-Plots z.B. auf dieser Seite über Klassifikation mit neuronalen Netzen.

Das ändert sich beim Präventionsstaat: Wer Verbrechen verhindern will, auch wenn es sich nur um eine bestimmte Klasse handelt, muss notgedrungen mehr Effizienz wählen, die Reinheit leidet. Vor eben dieser Fragestellung stehen wir momentan gesellschaftlich: Wollen wir Verbrechen verhindern, indem wir in großen Datenbergen Indizien sammeln? Das kann funktionieren. Doch selbst wenn jeglicher Missbrauch ausgeschlossen werden kann, bleibt es eine Entscheidung hin zu mehr Fehlverurteilung: Auch wenn man nichts zu verbergen hat, kann man fälschlicherweise für einen Terroristen gehalten werden. Somit steht nicht nur Freiheit gegen Sicherheit, sondern in Wirklichkeit auch Sicherheit vor Terrorismus gegen Sicherheit vor staatlichen Fehlentscheidungen.

Leave a comment

Schreibe einen Kommentar

Deine E-Mail-Adresse wird nicht veröffentlicht. Erforderliche Felder sind mit * markiert.