Zielsetzung
von PREVISION ist es, Strafverfolgungsbehörden bei der Erfassung und Auswertung großer, heterogener Datenmengen mittels moderner Methoden der künstlichen Intelligenz zu unterstützen. Die hierdurch ermöglichte Verbesserung der Prävention und Aufklärung von Delikten im Bereich der organisierten Kriminalität trägt zur Erhöhung der öffentlichen Sicherheit bei.
Motivation
Die Gewährleistung der öffentlichen Sicherheit stellt Strafverfolgungsbehörden vor die Herausforderung, zunehmend große Mengen an Daten zu erfassen und zu analysieren. Im Einzelnen handelt es sich dabei um Text- und Nachrichtenformate wie Zeugenaussagen, E-Mails oder Social Network Posts aber auch Bilder, Videos, Telekommunikations- und Verkehrsdaten und einige weitere. Insbesondere Daten, die maschinell erzeugt werden wie etwa Videos von Überwachungskameras, fallen in so großer Masse an, dass eine umfassende Auswertung nur mit maschineller Unterstützung möglich ist. PREVISION hat zum Ziel, in enger Zusammenarbeit mit Strafverfolgungsbehörden dafür notwendige technische Hilfsmittel bereitzustellen.
Lösungsansatz
In PREVISION arbeiten zehn Institutionen mit polizeilichem und juristischem Hintergrund wie etwa Strafverfolgungsbehörden mit Schwerpunkt Terrorabwehr oder Personenschutz, Polizeibehörden, Polizeischulen, Ethikexperten und Soziologen mit achtzehn Projektpartnern mit technischer Expertise, darunter Universitäten, Forschungszentren und Softwareunternehmen, in einem interdisziplinären Konsortium aus dreizehn europäischen Ländern zusammen.
Anhand von fünf ausgewählten Einsatzszenarien aus den Anwendungsbereichen Terrorabwehr, Wirtschaftskriminalität und Kunstschmuggel werden zunächst die Notwendigkeit von Lösungen identifiziert, technische Anforderungen spezifiziert, ethische und rechtliche Richtlinien konkretisiert sowie Auswirkungen von Verbrechen und Methoden der Verbrechensbekämpfung auf die Gesellschaft erörtert.
Davon ausgehend werden sowohl etablierte Algorithmen der maschinellen Text-, Bild- und Audioverarbeitung auf den jeweiligen Anwendungsfall zugeschnitten als auch bestehende Methoden der künstlichen Intelligenz weiterentwickelt. Ein Kernziel des Forschungsprojektes ist die semantische Zusammenführung von manuell und maschinell gewonnenen Fakten in einem ontologiebasierten Wissensmodell. Durch Einsatz von Methoden der Datenklassifikation, des maschinellen Schließens und des Daten-Clusterings können hieraus im Datenbestand verborgene Informationen offengelegt und zeitliche Trends für die Entwicklung von Gefahrenpotentialen abgeleitet werden.
Herausforderung
Eine besondere Herausforderung stellt die Konzipierung der oben beschriebenen Funktionalität in einer modularen, standardisierbaren und somit zukunftssicheren Architektur mit offenen Schnittstellen dar, die die Entstehung eines neuen Marktes für Überwachungstechnologien begünstigt.