Software bewertet Rückfallrisiko von Straftätern: Die Schattenseiten

Bis Ende 2018 wenden alle Deutschschweizer Kantone den Risikoorientierten Sanktionenvollzug (ROS) an. Mit ROS werden verurteilte Straftäter daraufhin bewertet, wie gross die Wahrscheinlichkeit ist, dass sie nach der Freilassung rückfällig werden. Das System soll den Strafvollzug in der Schweiz vereinheitlichen.

Die Bewertung beruht auf einem Algorithmus, dem «Fall-Screening-Tool»: Dieser teilt die Insassen in die Kategorien A (unbedenklich), B (könnten wieder leichte Straftaten begehen) und C (könnten erneut schwere Delikte begehen). Diese Einteilung («Triage») ist effizient: sie dauert lediglich 20 Minuten.

«SRF Data» hat nun erstmals die Funktionsweise dieses Algorithmus' aufgezeigt – bisher war das System nicht bekannt. Die Software wird mit Daten wie dem aktuellen Delikt, den Vorstrafen sowie persönlichen Daten gefüttert. Seit 2016 wurden über 4500 Straftäter derart kategorisiert.

40 Prozent sind B- und C-Fälle. Jedoch mit grossen kantonalen Unterschieden (Tessiner und welsche Kantone wenden den Algorithmus nicht an): Sind es im Kanton Bern 67 Prozent, sind es in St. Gallen nur 36 Prozent. Dies kann sich das Zürcher Amt für Justizvollzug – die Entwickler des Tools – nicht erklären.

Im Test wurden nur ein Viertel der mit C gelabelten Straftäter tatsächlich rückfällig. Hat ein Insasse aber einmal diese Bewertung, bleibt sie über die gesamte Strafdauer, eine Verbesserung ist nicht möglich. Und: 83 Prozent der Personen, die später mit einem Sexual- und Gewaltdelikt rückfällig wurden, sind nicht als C-Fälle erkannt worden.

Welsche und Tessiner Kantone wenden das System nicht an, da sie Straftäter nicht rein aktenbasiert abklären wollen. In der Tat verlangte das Bundesgericht mehrfach, dass der Betroffene bei der Risikobewertung direkt angehört werden müsse.

Am richtigen Ort gespart?

Beim Einsatz von Algorithmen wird ein Grundprinzip missachtet: Eine Person darf nur aufgrund ihrer Taten, nicht wegen ihres Herkommens, ihres Geschlechts oder ihrer Hautfarbe verdächtigt, überwacht und verfolgt werden. Das Problem: Algorithmen werden mit Daten aus der Vergangenheit trainiert.

Als ein Algorithmus in den 80er Jahren Bewerber für ein Medizinstudium in London auswählen sollte, wurden nur weisse, europäische Männer ausgewählt. Frauen und Bewerber mit nicht-europäisch klingenden Namen hatten das Nachsehen – ungeachtet ihrer akademischen Leistungen. Und auch heute zeigt Google Frauen mehr Stellenangebote für schlecht bezahlte Jobs an als Männern.