Studie: Algorithmen prognostizieren Rückfallkriminalität besser als Laien


Big-Data-Programme können Rückfallwahrscheinlichkeiten offenbar unter gewissen Bedingungen doch genauer voraussagen als zufällig gewählte Clickworker.

Stefan Krempl | heise online

Seit Jahren schon entzweit die Menschheit die Frage, ob Maschinen die besseren Richter sein könnten. Eine am Freitag im Fachjournal „Science Advances“ erschienene Studie liefert einen weiteren Beitrag zu dieser Debatte. Sie zeigt laut ihren Autoren, dass Algorithmen unter realistischen Bedingungen Rückfallwahrscheinlichkeiten bei Kriminellen zumindest besser einschätzen können als menschliche Laien. Ob sie auch ausgebildete Juristen, erfahrene Richter und Bewährungshelfer schlagen, haben die Forscher nicht getestet.

Die neue Analyse knüpft an eine Anfang 2018 publizierte Vorläuferuntersuchung zu dem in den USA eingesetzten Algorithmus Correctional Offender Management Profiling for Alternative Sanctions (Compas) an. Damals hatte das Ergebnis noch gelautet, dass die Vorhersagen von Laien zur Rückfallgefahr von Straftätern ähnlich genau waren wie die des Systems für maschinelles Lernen. Auch die Macher der Folgestudie lassen Compas wieder gegen zufällig über den Crowdworking-Dienst Mechanical Turk von Amazon ausgewählte Clickworker antreten. Die Resultate decken sich zunächst zudem mit denen von vor zwei Jahren, wenn Menschen und Maschine je nur auf Basis von fünf Risikofaktoren ein Urteil fällen sollten.

weiterlesen