Big-Data.AI Summit in Berlin: Nils war vor Ort und berichtet

„Using AI to Prevent Residental Burglary in Berlin“

In dem Vortrag von Lukas Lötters, Senior Data Scientist bei Oraylis wurde sich die Frage gestellt, ob es möglich ist, Wohnungseinbrüche mithilfe von KI vorherzusagen und zu verhindern. Kurz und knapp: Ja, es ist möglich! Zusammen mit der Berliner Polizei wurde ein KI-System zur Vorhersage von Wohnungseinbrüchen in Berlin entwickelt. Diese Lösung ist seit 2017 im produktiven Einsatz und unterstützt die Erkennung und Prävention von Wohnungseinbrüchen in der Hauptstadt.

Ausgangslage

2015 hatten die deutschlandweiten Wohnungseinbrüche einen neuen Höchststand erreicht und das Thema war vor allem in den Medien sehr präsent. Das führte dazu, dass das oben beschriebene Projekt gestartet wurde.

Dabei wurde sich die sogenannte „Near Repeat Theory“ zunutze gemacht. Diese besagt im Wesentlichen, dass organisiertes Verbrechen in der gleichen Gegend mehrfach nacheinander zuschlägt. Das bedeutet in den Datenbanken der Polizei sollten sich eine Vielzahl von Einbruchsserien dieser Gegenden befinden, wodurch eine KI im Stande sein könnte die Muster, nach denen organisierte Verbrechergruppen vorgehen, zu lernen.

Die Wahl des richtigen Modells

Da es sich um Vorhersagen für die Polizei handelte war ein sehr wichtiger Aspekt des Projektes, dass das Modell für Menschen interpretierbar ist. Es musste also verständlich sein, wie das Modell zu seiner Entscheidung kommt. Deshalb kamen komplexe Modelle wie zum Beispiel neuronale Netze nicht in Frage.

Es wurde zunächst auf einen Entscheidungsbaum gesetzt, der später zu einem kleineren Random Forest erweitert wurde. Mit Hilfe der Expert:innen von der Polizei Berlin wurden dann die entscheidenden Features für das Modell bestimmt und das Modell trainiert. Genau genommen wurde aber nicht ein Modell trainiert, sondern zwei. Das erste Modell sagt Voraus, ob ein Einbruch zu einer Serie gehört. Für das zweite Modell wurde Berlin in viele kleine Quadranten unterteilt. Das Modell hat dann für Punkte, bei denen das erste Modell vorhergesagt hat, dass es sich um eine Serie handelt, die Wahrscheinlichkeit bestimmt, dass in demselben Quadranten innerhalb der nächsten 72 Stunden ein neuer Einbruch stattfindet. So entstand nach und nach eine Art Heatmap von Berlin, in der besonders gefährdete Regionen gut erkennbar sind. Auf Basis dieser Heatmap können dann die Routen der Polizeistreifen optimal geplant und Einbrecher idealerweise abgeschreckt werden.

Die Ergebnisse des Modells waren dabei mehr als zweimal so gut wie die bisherigen Methoden, die von der Polizei bisher verwendet wurden.

KI kann auch einfach sein

Das Beispiel zeigt sehr schön, dass KI auch einfach sein kann und keine komplexe technische Infrastruktur benötigt. Aus der Kombination von einem guten Verständnis der Daten und kreativen Lösungsansätzen, lassen sich mit sehr einfachen Mitteln gute Ergebnisse erzielen. Wenn die daraus resultierende Lösung für Menschen interpretierbar ist, ist das in der Regel eben ein sehr großer Vorteil, denn so erübrigt sich häufig die Frage, wie vertrauenswürdig beziehungsweise sicher die Ergebnisse eigentlich sind. Das Feld der Künstlichen Intelligenz, oder besser gesagt des Maschinellen Lernens, ist also nicht den großen IT-Konzernen dieser Welt vorbehalten.

Und was ist das Fazit zum Summit?

Der Summit hat gezeigt, dass KI und Big Data bei vielen Unternehmen bereits ein fester Bestandteil der Strategie sind und bereits erfolgreich zum Einsatz kommen. Allerdings gibt es auch noch viele Probleme, die es zu lösen gilt. Eine wichtige Vorrausetzung für die erfolgreiche Umsetzung von Projekten in diesem Bereich ist eine funktionierende Datenarchitektur. Die starke Präsenz von Vorträgen zum Thema „Data Mesh“ zeigt, dass viele Unternehmen diese noch nicht gefunden haben oder mit den aktuellen Lösungen noch nicht vollends zufrieden sind.

Es gibt in dem Bereich zwar noch einige Probleme, aber diese werden erkannt und aktiv angegangen. Die Entwicklung schreitet rasant voran und uns erwarten ein paar spannende Jahre voll mit KI und Big Data – was uns natürlich sehr freut!