Inleiding en context

Goede morgen allemaal op deze dinsdag 11 januari 2022. Vandaag een ´kennisparel´ over het gebruik van zogenaamde ´big data´ door de Nederlandse politie en de effecten hiervan op die organisatie. Het gebruik van ´big data´ wordt door de politie veelal gebruikt om verschillende misdaadpatronen in tijd en ruimte te karakteriseren en om deze kennis te benutten voor de preventie en opsporing daarvan. Er wordt ook wel gesproken van proactieve interventie-inspanningen. Er zijn verschillende voorbeelden van voorspellende politieprogramma’ waar voorspellende analyses de politie in staat stellen om potentiële schade aan kwetsbare gemeenschappen tot een minimum te beperken en kunnen zorgen voor een evenredige verdeling van de voordelen van bijvoorbeeld criminaliteitspreventie onder de bevolking en binnen geografische gebieden.

Big data, het is bijna een toverwoord, maar de auteurs van bijgesloten ´kennisparel´ maken een groot aantal relativerende opmerkingen over nut en onnut van de toepassing hiervan. Kortom: opnieuw een voorbeeld van ´ontmythologisering´ van denkbeelden en veronderstellingen over grote thema´s, waaronder ´big data´, binnen het domein van criminaliteit en rechtshandhaving. En om het af te leren, een ´gouden oude´ uit de rijke historie van de Nederlandse popmuziek: https://www.youtube.com/watch?v=fVpv5MnVoE0 Prachtig.

Bron

Schuilenburg, Marc & Melvin Soudijn (december 2021). Big data in het veiligheidsdomein: Onderzoek naar big data-toepassingen bij de Nederlandse politie en de positieve effecten hiervan voor de politieorganisatie. Tijdschrift voor Veiligheid, vol. 20, no. 4, pp. 1-19.

Samenvatting

In de afgelopen jaren hebben big data een revolutie teweeggebracht in veel domeinen, waaronder het politiewerk. Er is echter onvoldoende inzicht in de verschillende toepassingen die door de politie worden gebruikt en wat de mogelijke voordelen van big data-analyse zijn voor de politie. Literatuur over big data en politiewerk richt zich namelijk voornamelijk op predictive policing en de bijbehorende risico’s. Dit artikel geeft een actueel overzicht van de verschillende toepassingen van big data door de Nationale Politie in Nederland. We onderscheiden drie gebieden: werk op straat, opsporing en recherche, en intelligence. Uit het onderzoek blijkt dat er nauwelijks tot geen big data-toepassingen zijn die volledig autonoom (zonder menselijke interventie) werken. Vooralsnog gaat het om vrij simpele algoritmes en big data-toepassingen. Tot slot onderscheiden we twee positieve effecten van big data-toepassingen voor de politieorganisatie: versneld leren en de vorming van één politieel samenwerkingsverband.

Big data-toepassingen maken een steeds groter onderdeel uit van het functioneren en handelen van de Nederlandse politie. Belangrijke oorzaken hiervan zijn de toegenomen technische mogelijkheden om grote hoeveelheden data te verzamelen, te bewerken en te analyseren, maar ook de mogelijkheden om de uitkomsten ervan in het politiewerk te gebruiken. Daarnaast spelen politieke en culturele ontwikkelingen hierbij een belangrijke rol, van de politieke wil om bepaalde vormen van criminaliteit in een steeds vroegtijdiger stadium aan te pakken tot een sterk geloof in techniek als ‘de’ oplossing voor maatschappelijke problemen zoals onveiligheid. Ondanks de groeiende populariteit van en aandacht voor big data is er veel onduidelijkheid over de toepassing en de effecten ervan bij de politie. Niet alleen is het big data-gebied omgeven met allerlei technische begrippen die vaak door elkaar worden gebruikt, met elkaar worden verward of waarover weinig tot geen consensus over de precieze betekenis bestaat. Ook kunnen de doelstellingen en de tijdperspectieven van big data-toepassingen ingrijpend van elkaar verschillen. Bovendien beslaat de toepassing van big data binnen de politie een zeer breed terrein, van het gericht verzamelen van data ten behoeve van de opsporing van criminaliteit tot het automatiseren van interne bedrijfsprocessen in de politieorganisatie.

Op basis van het onderzoek valt te constateren dat big data-toepassingen door de politieorganisatie zeer breed worden ingezet. Zo maakt de klassieke handhaving op straat, maar ook de opsporing en intelligence stelselmatig gebruik van tal van applicaties en mogelijkheden op het gebied van big data. Opvallend daarbij is dat de toepassing van big data voor vormen van risico-inschatting nog het minst gebruikelijk is. Het gaat eigenlijk veelal om toepassingen waarmee grote databestanden gekoppeld worden, waardoor sneller informatie kan worden gevonden. De tweede constatering is dat de brede toepassing van big data door de politieorganisatie een aantal mogelijke positieve effecten oplevert. Op basis van literatuuronderzoek zijn deze globaal benoemd als ‘versneld leren’ en ‘een politieel samenwerkingsverband’. Dit houdt in dat het politieapparaat ‘sneller kan leren’ door de verwerking van grote datavolumes via algoritmes, vooral wanneer er een feedbackloop ontstaat, waardoor nieuwe data andere uitkomsten genereren of anders kan worden gereageerd door verschillende onderdelen in de politieorganisatie. Daarnaast, en dit hangt nauw samen met het vorige effect, kan de politieorganisatie zich hierdoor homogener bewegen, met duidelijke prioriteiten en gerichtere aansturing.

In de duiding van de toepassing van big data in de politieorganisatie wordt in de literatuur gesproken van een ‘tweede revolutie’, ‘een nieuw tijdperk’ en een ‘paradigmaverschuiving’. Uit het onderzoek blijkt dat het vooralsnog om relatief eenvoudige big data-toepassingen gaat, zoals opsporingsapps met vrij simpele algoritmes ten behoeve van het werk op straat of het koppelen en aanleggen van grote databestanden. Zo’n type van gebruik wordt ook wel gekscherend ‘little data’ genoemd, om aan te geven dat een algoritme niet volledig de vrije hand wordt gegeven, maar door middel van bepaalde hypothesen wordt benaderd. Het gaat met andere woorden om vormen van zeer zwakke kunstmatige intelligentie. Daarmee lijkt de impact voor de burger, denk aan risico’s als discriminatie en etnisch profileren, vooralsnog gering.

Het ligt echter in de lijn der verwachtingen dat in de toekomst meer complexe – volledig zelflerende – algoritmes zullen worden ingezet bij de bestrijding en het voorkomen van criminaliteit. Vanuit de literatuur is bekend dat potentiële risico’s als discriminatie en etnisch profileren dan een grotere rol kunnen spelen dan bij eenvoudige – ‘rule based’ – algoritmes. Immers, de toepassing zal steeds complexer worden, doordat de keuzes niet volledig vrij zijn geprogrammeerd, maar gebaseerd worden op data en ervaringen van de toepassing zelf. Ethische principes, zoals genoemd door de High-Level Expert Group on Artificial Intelligence van de Europese Commissie in Ethics Guidelines for Trustworthy AI, als ‘respect for human autonomy’, ‘prevention of harm’, ‘fairness’ en ‘explicability’ worden daarom steeds belangrijker voor de politieorganisatie bij het ontwikkelen van nieuwe big data-toepassingen. Volgens ethics by design dient hierbij als uitgangspunt dat relevante publieke waarden worden beschermd door ze al in een zo vroeg mogelijk stadium van het ontwerpproces kenbaar te maken en in te bouwen in de technologie.

Het is voor vervolgonderzoek interessant om te kijken of en hoe de politieorganisatie ethische waarden zal kunnen integreren in het ontwerp van (nieuwe) big data-toepassingen. De eerste tekenen zijn in ieder geval gunstig. Op de wervingssites van de politie valt te lezen dat de politie van plan is zo veel mogelijk te werken met opensourcetechnologie bij oplossingen rondom big data. De uitkomsten (bedoeld worden de apps en algoritmes) zouden vervolgens gedeeld worden in het publiek domein. De gedachte hierachter is dat zulke applicaties geen black box moeten worden, maar open en transparant moeten zijn. Daarbij wordt opgetekend dat het belangrijk is om over deze kwesties na te denken, want de enorme omvang en variatie aan data afkomstig uit met name digitaal beslag kunnen anders de politie overweldigen.

Afsluitend

In situaties waar fysieke vrijheid of persoonlijke veiligheid op het spel staan, zoals bij predictive policing, de bepaling van recidive risico´s en veroordeling is het zaak om hier zeer kritisch op te zijn. Wanneer een big data bijvoorbeeld wordt gebruikt voor opsporing of veroordeling kan dat vertrekkende gevolgen hebben voor de betrokken mensen. Het kan fungeren als een black box waardoor het onmogelijk is voor juridische professionals, zoals rechters, advocaten en officieren van justitie om de redenering achter de uitkomsten van het systeem te begrijpen. De toekomst van het toepassen van voorspellen en risicobeoordeling binnen de politieorganisatie is dichtbij en eigenlijk al gearriveerd. Critici wijzen op de noodzaak van transparantie en toezicht op de door de politie gehanteerde nieuwe methoden. Ondanks goede intenties kunnen deze onder meer discriminatoire prakijken bevorderen en een bedreiging vormen voor elementaire burgerrechten. Ten slotte: ´bigger is not always better´, er kan inderdaad sprake zijn van een overweldigende hoeveelheid data waardoor het volgende effect kan optreden dat ook wel bekend staat onder het fenomeen van ´paralysis by analysis´. En dat kan natuurlijk ook niet de bedoeling zijn.