Gefahr lauert unterwegs

Den grösseren Einfluss auf die Kriminalitätsraten haben dabei sogar die Durchquerungen. Mit anderen Worten: Kriminalität entsteht am häufigsten dort, wo Menschen zwischen zwei Routine-​Aktivitäten durchreisen. Also zum Beispiel auf dem Weg zwischen Arbeit, Einkauf und Freizeitaktivitäten. Die Ergebnisse belegen eine bekannte Theorie aus der Kriminalistik, wonach Delikte dort geschehen, wo sich die Wege von Tätern und Opfern kreuzen.

Cristina Kadar sagt: «Ich bin begeistert, dass sich mit Daten, die primär nichts mit Kriminalität zu tun haben, Kriminaliät so gut beschreiben lässt». Noch nie habe man den Zusammenhang zwischen der Mobilität von Menschen und Kriminalität zeitlich und räumlich so feinkörnig aufzeigen können.

Die Forschenden schlüsselten die Analyse auch auf verschiedene Aktivitätstypen und Delikte auf. Dabei zeigte sich, dass an Orten und in Zeitfenstern, wo viele Freizeitaktivitäten stattfanden, auch mehr Kriminalität verzeichnet wurde, während dies etwa beim Shopping nicht zutraf. Bei den Delikten fanden die Forschenden den stärksten Zusammenhang zwischen Aktivität und Diebstählen, den schwächsten zwischen Aktivität und Raubüberfällen.

Zusätzlich prüften die Forschenden, ob es mit Hilfe der Mobilitätsdaten auch möglich ist, mittels maschinellem Lernen Kriminalität vorherzusagen. Dazu trainierten sie verschiedene Modelle einmal mit den Foursquare-​Datensätzen und einmal nur mit Daten zu vergangenen Delikten. Danach prüften sie die Prognosegenauigkeit anhand der effektiv verzeichneten Delikte. Das Resultat: Die Vorhersagemodelle mit Mobilitätsdaten schnitten deutlich besser ab als Vorhersagen, die auf Deliktdaten beruhen.

Kadar sieht ihre Studie primär als Beitrag zur Forschung. Indem sie Beweise für die Crime-​Pattern-Theorie liefere, helfe sie, die Entstehung von Kriminalität besser zu verstehen. Zudem zeige sie die Nützlichkeit von Big Data für die computergestützte Sozialwissenschaft.

Bevor jedoch die öffentliche Hand die Erkenntnisse dafür nutzen kann, um Städte sicherer zu gestalten, müssten sie durch weitere Studien validiert werden. Um mögliche Verzerrungen im Datensatz auszugleichen, müsste die Analyse demnach mit einer Reihe von zusätzlichen Datensätzen überprüft werden. Zudem würden die Aussagen für Grossstädte gelten, womöglich aber nicht für kleinere.