Hoe kan het dat er in de ene wijk meer criminaliteit plaatsvindt dan in de andere wijk? Is misdaad te voorspellen en daarmee te voorkomen? Nieuwe technologieën creëren volop mogelijkheden, zo ook voor de politie. Een onderzoek van de Universiteit Gent analyseert met behulp van artificial intelligence (AI) in 19 politiezones criminaliteit om misdaad te voorspellen. Het project is getiteld BIGDATPOL en hiermee wordt getracht om patronen te ontdekken in de prevalentie van misdaad. Dit wordt ook wel predictive policing genoemd.

Predictive policing is een politietactiek waarbij gebruik wordt gemaakt van data-analyse, algoritmes en statistische methoden om potentiële criminele activiteiten te identificeren voordat ze plaatsvinden. Actuele data zorgen voor de meest nauwkeurige voorspellingen. En gebruik van een goed uitgewerkte database kan helpen om in de toekomst in te schatten waar en wanneer misdaad zal plaatsvinden. Gelet op ethische bezwaren ligt de focus hierbij niet op personen, maar op tijdstippen en locaties. Bij eerdere pogingen om gebruik te maken van AI ten behoeve van predictive policing bleek dat daarin raciale vooroordelen in stand gehouden werden. Het is van belang dat hiervoor gewaakt wordt. Het grootste doel van predictive policing is gericht preventief werken en het voorkomen van misdaad. Door risicogebieden in kaart ter brengen kunnen bijvoorbeeld politiepatrouilles anders georganiseerd worden.

Hoewel het voorspellen van criminaliteit tal van voordelen kan bieden als het gaat om effectiviteit en efficiëntie, zijn hierbij ook de nodige kanttekeningen te plaatsen. Predictive policing biedt de mogelijkheid om de efficiëntie te verhogen en criminaliteit te verminderen, maar brengt ook serieuze zorgen met zich mee over privacy, vooringenomenheid en het risico dat bestaande ongelijkheden worden versterkt. Critici waarschuwen dat deze systemen raciale profilering kunnen bevorderen en onevenredig gericht kunnen zijn op gemarginaliseerde gemeenschappen, omdat ze vaak gebaseerd zijn op bevooroordeelde historische gegevens. Daarnaast is er bezorgdheid over het gebrek aan transparantie in de werking van deze algoritmes en over de kans op misbruik van de informatie door wetshandhavers.

Politiediensten doen er verstandig aan om enkele tips op te volgen teneinde predictive policing op efficiënte en ethische wijze te kunnen inzetten. Allereerst is het van belang dat gezorgd wordt voor transparantie en verantwoordelijkheid. Ten tweede is gebruik van diverse en representatieve data cruciaal. Het is van belang om vooringenomenheid te minimaliseren en de afhankelijkheid van technologie te beperken. Door de gemeenschap te betrekken in het geheel kunnen eventuele zorgen bij burgers weggenomen worden en kan de samenwerking met de politie gesterkt worden. Privacy dient te allen tijde gewaarborgd te blijven. Het systeem van predictive policing dient continu geëvalueerd en verbeterd te worden. Politiediensten zijn gebaat bij goed getrainde agenten, zowel wat betreft de technische als de ethische aspecten van predictive policing. Verder is het raadzaam om duidelijke beleidslijnen op te stellen. Afsluitend is het ontzettend belangrijk om de impact van predictive policing op de gemeenschap te monitoren. Dit geldt vooral voor gemeenschappen die kwetsbaar of historisch gemarginaliseerd zijn. Door voorgaande tips op te volgen kan predictive policing bijdragen aan een veiligere samenleving zonder individuele rechten en vrijheden in gevaar te brengen.