Skip to main content
SpringerLink
Log in

Predictive policing: Eine methodische und operative Bewertung

  • Living reference work entry
  • First Online:
Handbuch Cyberkriminologie

  • 245 Accesses

Zusammenfassung

Predictive Policing (vorausschauende oder prädiktive Polizeiarbeit) ist die Verwendung von Kriminalitätsdaten und anderen (großen) Datenmengen (Big Data) in komplexen statistischen Modellen zur Vorherzusage, wo und wann ein hohes Risiko für die Begehung neuer Straftaten besteht. Ziel ist es, Polizeistreifen proaktiv zu steuern. Trotz des zunehmenden Einsatzes von Predictive Policing durch die Polizeibehörden weltweit sowie der immer weiter umsichgreifenden Kommerzialisierung von Predictive Policing Modellen hinkt die akademische Forschung im Bereich der vorausschauenden Polizeiarbeit immer noch hinterher. Seit 2015 haben wir daher mehrere Vorhersagemodelle auf der Grundlage von Daten aus verschiedenen belgischen Polizeizonen methodisch und operationell getestet. Mit diesem Beitrag wollen wir nach mehr als sechs Jahren empirischer Forschung zum Predictive Policing eine Bilanz ziehen und einen Blick in die Zukunft werfen.

This is a preview of subscription content, log in via an institution to check access.

Access this chapter

Log in via an institution

Institutional subscriptions

Similar content being viewed by others

Notes

  1. 1.

    Inzwischen bekannt als Geolitica.

  2. 2.

    Für eine ausgebreitete Auswahl von in Deutschland getesteten Anwendungen siehe Thüne, 2020.

  3. 3.

    Diese Konferenz fand statt am 18. November 2009 in Los Angeles (USA) und wurde vom US National Institute of Justice (NIJ) organisiert.

  4. 4.

    In Form von z. B. Rastern (z. B. 200 × 200 m) oder Straßenabschnitten, der Teil einer Straße von Kreuzung zu Kreuzung.

  5. 5.

    Nach Angaben von Statbel nutzten im Jahr 2018 96 % aller Einwohner Belgiens ein Mobiltelefon.

  6. 6.

    Ein Proxy ist eine messbare Variable, die wir verwenden können, um eine andere Variable zu schätzen, an der wir interessiert sind, die wir aber nicht direkt messen können. Im Idealfall steht ein Proxy also in einem sehr engen Zusammenhang mit der Variablen, die uns wirklich interessiert.

  7. 7.

    Außerdem ist anzumerken, dass diese Studien im Gegensatz zu den oben genannten amerikanischen Studien kein strenges experimentelles Design aufweisen.

  8. 8.

    Allerdings unter bestimmten Bedingungen: So spielt beispielsweise die effektive Nutzung durch die Polizeikräfte eine Rolle, und wir sollten vorsichtig sein mit Interpretationen, die sich auf die mitunter niedrigen Kriminalitätshäufigkeiten aufgrund der kleinen prognostizierten Zeitfenster und/oder prognostizierten Gebiete stützen.

  9. 9.

    Im Zennevallei selbst haben wir zum Beispiel geografische Verlagerungseffekte beobachtet.

  10. 10.

    In diesem Beitrag sind wir nicht auf die verschiedenen ethischen Überlegungen und Fragen eingegangen oder die Probleme, die bei der Anwendung der vorausschauenden Polizeiarbeit auftreten können. Wir verweisen den interessierten Leser auf Hardyns und Rummens (2017); Rienks und Schuilenburg (2020) und Van Brakel (2016).

Literatur

  • Andresen, M. A. (2007). Location quotients, ambient populations, and the spatial analysis of crime in Vancouver, Canada. Environment and Planning A: Economy and Space, 39(10), 2423–2444. https://doi.org/10.1068/a38187

    Article  Google Scholar 

  • Bachner, J. (2013). Predictive policing: Preventing crime with data and analytics (Improving Performance Series). IBM Centre for The Business of Government.

    Google Scholar 

  • Beck, C., & McCue, C. (2009). Predictive policing: What can we learn from Wal-Mart and Amazon about fighting crime in a recession? Police Chief, 76(11), 18.

    Google Scholar 

  • Bernasco, W. (2008). Them again? Same offender involvement in repeat and near repeat burglaries. European Journal of Criminology, 5(4), 411–431. https://doi.org/10.1177/1477370808095124

    Article  Google Scholar 

  • Bogomolov, A., Lepri, B., Staiano, J., Oliver, N., Pianesi, F., & Pentland, A. S. (2014). Once upon a crime: Towards crime prediction from demographics and mobile data. Paper presented at the 16th International Conference on Multimodal Interaction, Istanbul, Turkey, S. 427–434. https://doi.org/10.1145/2663204.2663254

  • Boman, J. H., & Gallupe, O. (2020). Has COVID-19 changed crime? Crime rates in the United States during the pandemic. American Journal of Criminal Justice, 45, 534–545. https://doi.org/10.1007/s12103-020-09551-3

    Article  Google Scholar 

  • Bullinger, L. R., Carr, J. B., & Packham, A., (2020). Covid-19 and crime: Effects of stay-at-home orders on domestic violence. National Bureau of Economic Research Working Paper. https://www.nber.org/system/files/working_papers/w27667/w27667.pdf. Zugegriffen am 1.09.2021.

  • Campedelli, G. M., Favarin, S., Aziani, A., & Piquero, A. R. (2020). Disentangling community-level changes in crime trends during the COVID-19 pandemic in Chicago. Crime Science, 9(1), 21. https://doi.org/10.1186/s40163-020-00131-8

    Article  Google Scholar 

  • Chainey, S. (2012). JDI Briefs: Predictive mapping (predictive policing). UCL Jill Dando Institute of Security and Crime Science, University College London. https://discovery.ucl.ac.uk/id/eprint/1344080/

    Google Scholar 

  • Chan, J., & Moses, L. B. (2015). Is Big Data challenging criminology? Theoretical Criminology, 20(1), 21–39. https://doi.org/10.1177/13624806155866143

    Article  Google Scholar 

  • Gerell, M., Kardell, J., & Kindgren, J. (2020). Minor covid-19 association with crime in Sweden. Crime Science, 9(1), 1–9. https://doi.org/10.1186/s40163-020-00128-3

    Article  Google Scholar 

  • Gerstner, D. (2018). Predictive policing in the context of residential burglary: An empirical illustration on the basis of a pilot project in Baden-Württemberg, Germany. European Journal for Security Research, 3(2), 115–138. https://doi.org/10.1007/s41125-018-0033-0

    Article  Google Scholar 

  • Groff, E. R., Weisburd, D., & Yang, S. M. (2010). Is it important to examine crime trends at a local „micro“ level?: A longitudinal analysis of street to street variability in crime trajectories. Journal of Quantitative Criminology, 26(1), 7–32. https://doi.org/10.1007/s10940-009-9081-y

    Article  Google Scholar 

  • Hardyns, W., & Rummens, A. (2016). Predictieve analyse voor politiediensten: Een kennismaking. In Handboek Politiediensten (120. Aufl., S. 75–116). Wolters Kluwer.

    Google Scholar 

  • Hardyns, W., & Rummens, A. (2017). Predictive policing as a new tool for law enforcement? Recent developments and challenges. European Journal on Criminal Policy and Research, 24(3), 201–218. https://doi.org/10.1007/s10610-017-9361-2

    Article  Google Scholar 

  • Hardyns, W., & Rummens, A. (2021). Predictive policing: een balans na zes jaar empirisch evaluatieonderzoek in België. Tijdschrift voor Veiligheid, 20(4), 9–23.

    Article  Google Scholar 

  • Hardyns, W., Keygnaert, I., Ponnet, K., & Vandeviver, C. (2020). Partner and domestic violence during the COVID-19 crisis. Freedom from Fear, 16, 48–55. https://doi.org/10.18356/e7286301-en

    Article  Google Scholar 

  • Hunt, P., Saunders, J., & Hollywood, J. S. (2014). Evaluation of the Shreveport predictive policing experiment. RAND Safety and Justice Program.

    Google Scholar 

  • Kassambara, A. (2018). Machine learning essentials: Practical guide in R. CreateSpace Independent Publishing Platform.

    Google Scholar 

  • Kennedy, L., & Caplan, J. (2010). Risk terrain modelling manual: Theoretical framework and technical steps of spatial risk assessment for crime analysis. Rutgers Center on Public Security.

    Google Scholar 

  • Kitchin, R. (2014). The data revolution: Big data, open data, data infrastructures and their consequences. Sage.

    Google Scholar 

  • Mali, B., Bronkhorst-Giesen, C., & den Hengst, M. (2016). Predicitve policing: lessen voor de toekomst. Een evaluatie van de landelijke pilot. Politieacademie Nederland.

    Google Scholar 

  • Mali, B., Bronkhorst-Giesen, C., & den Hengst, M. (2017). Predictive policing: lessen voor de toekomst. Politieacademie Apeldoorn.

    Google Scholar 

  • Malleson, N., & Andresen, M. A. (2015). Spatiotemporal crime hotspots and the ambient population. Crime Science, 4(10), 1–8. https://doi.org/10.1186/s40163-015-0023-8

    Article  Google Scholar 

  • Mohler, G., Bertozzi, A. L., Carter, J., Short, M. B., Sledge, D., Tita, G. E., Uchida, C. G., & Brantingham, P. J. (2020). Impact of social distancing during COVID-19 pandemic on crime in Los Angeles and Indianapolis. Journal of Criminal Justice, 68, 101692. https://doi.org/10.1016/j.jcrimjus.2020.101692

    Article  Google Scholar 

  • Mohler, G. O., Short, M. B., Malinowski, S., Johnson, M., Tita, G. E., Bertozzi, A. L., & Brantingham, P. J. (2015). Randomized controlled field trials of predictive policing. Journal of the American Statistical Association, 110(512), 1399–1411. https://doi.org/10.1080/01621459.2015.1077710

    Article  Google Scholar 

  • Moreto, W. D., Piza, E. L., & Caplan, J. M. (2014). „A plague on both your houses?“: Risks, repeats and reconsiderations of urban residential burglary. Justice Quarterly, 31(6), 1102–1126. https://doi.org/10.1080/07418825.2012.754921

    Article  Google Scholar 

  • Moses, L. B., & Chan, J. (2018). Algorithmic prediction in policing: Assumptions, evaluation, and accountability. Policing and Society, 28(7), 806–822. https://doi.org/10.1080/10439463.2016.1253695

    Article  Google Scholar 

  • Oberwittler, D., & Wikström, P.-O. H. (2009). Why smaller is better: Advancing the study of the role of behavioral contexts in crime causation. In D. Weisburd, W. Bernasco, & G. J. N. Bruinsma (Hrsg.), Putting crime in its place: Units of analysis in geographic criminology (S. 36–60). Springer Science Business Media LLC.

    Google Scholar 

  • Ohyama, T., & Amemiya, M. (2018). Applying crime prediction techniques to Japan: A comparison between risk terrain modelling and other methods. European Journal on Criminal Policy and Research, 24(4). https://doi.org/10.1007/s10610-018-9378-1

  • Perry, W. L., McInnis, B., Price, C. C., Smith, S. C., & Hollywood, J. S. (2013). Predictive policing: The role of crime forecasting in law enforcement operations. RAND Research Reports: RAND Safety and Justice Program.

    Google Scholar 

  • Ratcliffe, J. (2014). What is the future of… predictive policing? Translational Criminology, 6(2), 4–5.

    Google Scholar 

  • Ratcliffe, J. H., Taylor, R. B., Askey, A. P., Thomas, K., Grasso, J., Bethel, K., Fisher, R., & Koehnlein, J. (2020a). The Philadelphia predictive policing experiment. Journal of Experimental Criminology, 17(1), 15–41. https://doi.org/10.1007/s11292-019-09400-2

    Article  Google Scholar 

  • Ratcliffe, J. H., Taylor, R. B., Askey, A. P., Thomas, K., Grasso, J., Bethel, K., Fisher, R., & Koehnlein, J. (2020b). Conflicts and congruencies between predictive policing and the patrol officer’s craft. Policing and Society, 30(6), 639–655.

    Article  Google Scholar 

  • Rienks, R. (2015). Predictive policing: Kansen voor een veiligere toekomst. Brave New Books.

    Google Scholar 

  • Rienks, R., & Schuilenburg, M. (2020). Wat is er nieuw aan het voorspellen van criminaliteit? Over de ambities en knelpunten bij de implementatie van predictive policing. Cahiers Politiestudies, 54, 39–54.

    Google Scholar 

  • Rummens, A., & Hardyns, W. (2020a). Comparison of near-repeat, machine learning and risk terrain modelling for making spatiotemporal predictions of crime. Applied Spatial Analysis and Policy, 13(4), 1035–1053. https://doi.org/10.1007/s12061-020-09339-2

    Article  Google Scholar 

  • Rummens, A., & Hardyns, W. (2020b). De opkomst van neurale-netwerkanalyse in de criminologie. In W. Hardyns & T. Snaphaan (Hrsg.), Big data en innovatieve methoden voor criminologisch onderzoek (S. 335–359). Boom.

    Google Scholar 

  • Rummens, A., & Hardyns, W. (2021). The effect of spatiotemporal resolution on predictive policing model performance. International Journal of Forecasting, 37(1), 125–133. https://doi.org/10.1016/j.ijforecast.2020.03.006

    Article  Google Scholar 

  • Rummens, A., Snaphaan, T., Van de Weghe, N., Van den Poel, D., Pauwels, L. J., & Hardyns, W. (2021). Do mobile phone data provide a better denominator in crime rates and improve spatiotemporal predictions of crime? ISPRS International Journal of Geo-Information, 10(6), 369. https://doi.org/10.3390/ijgi10060369

    Article  Google Scholar 

  • Sammut, C., & Webb, G. (2010). Encyclopaedia of machine learning. Springer.

    Book  Google Scholar 

  • Short, M. B., D’Orsogna, M. R., Brantingham, P. J., & Tita, G. E. (2009). Measuring and modelling repeat and near-repeat burglary effects. Journal of Quantitative Criminology, 25(3), 325–339.

    Article  Google Scholar 

  • Snaphaan, T., & Hardyns, W. (2019). Environmental criminology in the big data era. European Journal of Criminology, 18(5), 713–734. https://doi.org/10.1177/1477370819877753

    Article  Google Scholar 

  • Solymosi, R., & Bowers, K. (2018). The role of innovative data collection methods in advancing criminological understanding. In G. J. N. Bruinsma & S. D. Johnson (Hrsg.), The Oxford handbook of environmental criminology (S. 210–237). Oxford University Press.

    Google Scholar 

  • Summers, L. (2010). Virtual repeats and near repeats. In B. S. Fisher & S. P. Lab (Hrsg.), Encyclopaedia of victimology and crime prevention (S. 1044–1049). Sage.

    Google Scholar 

  • Thüne, M. (2020). Predictive Policing – Eine interdisziplinäre Betrachtung unter besonderer Berücksichtigung polizeirechtlicher Implikationen (Dissertation).

    Google Scholar 

  • Townsley, M., Homel, R., & Chaseling, J. (2003). Infectious burglaries. A test of the near repeat hypothesis. British Journal of Criminology, 43(3), 615–633.

    Article  Google Scholar 

  • Traunmueller, M., Quattrone, G., & Capra, L. (2014). Mining mobile phone data to investigate urban crime theories at scale. In L. M. Aiello & D. McFarland (Hrsg.), Social Informatics (S. 396–411). Springer.

    Chapter  Google Scholar 

  • Tseloni, A., & Pease, K. (2003). Repeat personal victimization. ‚Boosts‘ or ‚Flags‘? British Journal of Criminology, 43(1), 196–212. https://doi.org/10.1093/bjc/43.1.196

    Article  Google Scholar 

  • Uchida, C. (2014). Predictive policing. In G. Bruinsma & D. Weisburd (Hrsg.), Encyclopedia of criminology and criminal justice (S. 3871–3880). Springer.

    Chapter  Google Scholar 

  • Van Brakel, R. (2016). Pre-emptive big data surveillance and its (dis)empowering consequences: The case of predictive policing. In B. van der Sloot (Hrsg.), Exploring the boundaries of big data (S. 117–141). Amsterdam University Press.

    Google Scholar 

  • Van Brakel, R., & De Hert, P. (2011). Policing, surveillance and law in a pre-crime society: Understanding the consequences of technology based strategies. Cahiers Politiestudies, 3(20), 163–192.

    Google Scholar 

  • Weisburd, D. (2015). The law of crime concentration and the criminology of place. Criminology, 53(2), 133–157. https://doi.org/10.1111/1745-9125.12070

    Article  Google Scholar 

  • Weisburd, D., Bruinsma, G. J. N., & Bernasco, W. (2009). Putting crime in its place: Units of analysis in spatial crime research. Springer.

    Book  Google Scholar 

  • Weisburd, D., Groff, E. R., & Yang, S.-M. (2012). The criminology of place: Street segments and our understanding of the crime problem. Oxford University Press.

    Book  Google Scholar 

  • Weisburd, D., Eck, J. E., Braga, A. A., Telep, C. W., Cave, B., Bowers, K., Bruinsma, G., Gill, C., Groff, E. R., Hibdon, J., Hinkle, J. C., Johnson, S. D., Lawton, B., Lum, C., Ratcliffe, J. H., Rengert, G., Taniguchi, T., & Yang, S.-M. (2016). Place matters: Criminology for the twenty-first century. Cambridge University Press.

    Google Scholar 

Download references

Author information

Authors and Affiliations

  1. Universität Gent, Gent, Belgien

    Wim Hardyns & Noel Klima

Authors
  1. Wim Hardyns
    View author publications

    You can also search for this author in PubMed Google Scholar

  2. Noel Klima
    View author publications

    You can also search for this author in PubMed Google Scholar

Corresponding author

Correspondence to Wim Hardyns .

Editor information

Editors and Affiliations

  1. Institut für Cyberkriminologie, Hochschule der Polizei des Landes Brandenburg, Oranienburg, Deutschland

    Thomas-Gabriel Rüdiger

  2. CENTRIC, Sheffield Hallam University, Sheffield, UK

    P. Saskia Bayerl

Rights and permissions

Reprints and permissions

Copyright information

© 2022 Springer Fachmedien Wiesbaden GmbH, ein Teil von Springer Nature

About this entry

Check for updates. Verify currency and authenticity via CrossMark

Cite this entry

Hardyns, W., Klima, N. (2022). Predictive policing: Eine methodische und operative Bewertung. In: Rüdiger, TG., Bayerl, P.S. (eds) Handbuch Cyberkriminologie. Springer VS, Wiesbaden. https://doi.org/10.1007/978-3-658-35450-3_14-1

Download citation

  • DOI: https://doi.org/10.1007/978-3-658-35450-3_14-1

  • Received:

  • Accepted:

  • Published:

  • Publisher Name: Springer VS, Wiesbaden

  • Print ISBN: 978-3-658-35450-3

  • Online ISBN: 978-3-658-35450-3

  • eBook Packages: Social Science and Law (German Language)

Publish with us

Policies and ethics

Search

Navigation