{"id":248,"date":"2020-09-05T12:00:23","date_gmt":"2020-09-05T10:00:23","guid":{"rendered":"podlove-2020-09-01t08:23:23+00:00-96b9fa64e9324e8"},"modified":"2020-09-01T21:44:09","modified_gmt":"2020-09-01T19:44:09","slug":"folge-004-racial-profiling","status":"publish","type":"podcast","link":"https:\/\/www.datenleben.de\/index.php\/2020\/09\/05\/folge-004-racial-profiling\/","title":{"rendered":"Folge 004: Racial Profiling"},"content":{"rendered":"\n\t\t\n            <div class=\"podlove-web-player intrinsic-ignore podlove-web-player-loading\" id=\"player-69f22005826d7\"><root data-test=\"player--xl\" style=\"max-width:950px;min-width:260px;\">\n  <div class=\"tablet:px-6 tablet:pt-6 mobile:px-4 mobile:pt-4 flex flex-col\">\n    <div class=\"flex-col items-center mobile:flex tablet:hidden\">\n      <show-title class=\"text-sm\"><\/show-title>\n      <episode-title class=\"text-base mb-2\"><\/episode-title>\n      <subscribe-button class=\"mb-4 mobile:flex tablet:hidden\"><\/subscribe-button>\n      <poster class=\"rounded-sm w-48 shadow overflow-hidden\"><\/poster>\n      <divider class=\"w-full my-6\"><\/divider>\n    <\/div>\n\n    <div class=\"tablet:flex flex-grow\">\n      <div class=\"w-64 mobile:hidden tablet:block tablet:mr-6\">\n        <poster class=\"rounded-sm shadow overflow-hidden\"><\/poster>\n      <\/div>\n      <div class=\"w-full\">\n        <div class=\"hidden tablet:block\">\n          <show-title class=\"text-base\"><\/show-title>\n          <episode-title class=\"text-xl desktop:text-2xl\"><\/episode-title>\n          <divider class=\"w-full my-4\"><\/divider>\n        <\/div>\n        <div class=\"flex items-center justify-between\">\n          <div class=\"block\">\n            <play-state on=\"active\">\n              <speed-control class=\"flex items-center\"><\/speed-control>\n            <\/play-state>\n          <\/div>\n\n          <div class=\"flex\">\n            <play-state on=\"active\">\n              <chapter-previous class=\"mx-2 block\"><\/chapter-previous>\n            <\/play-state>\n            <play-state on=\"active\">\n              <step-backward class=\"mx-2 block\"><\/step-backward>\n            <\/play-state>\n\n            <play-button class=\"mx-2 block\" :label=\"$t('PLAYER.PLAY_EPISODE')\"><\/play-button>\n\n            <play-state on=\"active\">\n              <step-forward class=\"mx-2 block\"><\/step-forward>\n            <\/play-state>\n            <play-state on=\"active\">\n              <chapter-next class=\"mx-2 block\"><\/chapter-next>\n            <\/play-state>\n          <\/div>\n\n          <div class=\"block\">\n            <play-state on=\"active\">\n              <volume-control class=\"flex items-center\"><\/volume-control>\n            <\/play-state>\n          <\/div>\n        <\/div>\n        <div class=\"flex w-full\">\n          <progress-bar><\/progress-bar>\n        <\/div>\n        <div class=\"flex w-full -mt-2\">\n          <div class=\"w-3\/12 text-left\">\n            <timer-current class=\"text-sm\"><\/timer-current>\n          <\/div>\n          <div class=\"w-6\/12 text-center truncate\">\n            <play-state on=\"active\">\n              <current-chapter class=\"text-sm\"><\/current-chapter>\n            <\/play-state>\n          <\/div>\n          <div class=\"w-3\/12 text-right\">\n            <timer-duration class=\"text-sm\"><\/timer-duration>\n          <\/div>\n        <\/div>\n      <\/div>\n    <\/div>\n    <divider class=\"w-full mt-6 mb-3\"><\/divider>\n    <div class=\"flex justify-between\">\n      <div class=\"flex mobile:w-full tablet:w-3\/12 desktop:w-3\/12 justify-between\">\n        <tab-trigger tab=\"chapters\">\n          <icon type=\"chapter\"><\/icon>\n        <\/tab-trigger>\n        <tab-trigger tab=\"transcripts\">\n          <icon type=\"transcripts\"><\/icon>\n        <\/tab-trigger>\n        <tab-trigger tab=\"files\">\n          <icon type=\"download\"><\/icon>\n        <\/tab-trigger>\n        <tab-trigger tab=\"playlist\">\n          <icon type=\"playlist\"><\/icon>\n        <\/tab-trigger>\n        <tab-trigger tab=\"share\">\n          <icon type=\"share\"><\/icon>\n        <\/tab-trigger>\n      <\/div>\n      <subscribe-button class=\"mt-1 mobile:hidden tablet:flex\"><\/subscribe-button>\n    <\/div>\n  <\/div>\n  <div class=\"w-full relative overflow-hidden\">\n    <tab name=\"chapters\">\n      <tab-chapters><\/tab-chapters>\n    <\/tab>\n    <tab name=\"transcripts\">\n      <tab-transcripts><\/tab-transcripts>\n    <\/tab>\n    <tab name=\"files\">\n      <tab-files><\/tab-files>\n    <\/tab>\n    <tab name=\"playlist\">\n      <tab-playlist><\/tab-playlist>\n    <\/tab>\n    <tab name=\"share\">\n      <tab-share><\/tab-share>\n    <\/tab>\n    <tab-overflow><\/tab-overflow>\n  <\/div>\n  <error><\/error>\n<\/root>\n<\/div>\n            <script>\n              document.addEventListener(\"DOMContentLoaded\", function() {\n                var player = document.getElementById(\"player-69f22005826d7\");\n                podlovePlayerCache.add([{\"url\":\"https:\\\/\\\/www.datenleben.de\\\/index.php\\\/wp-json\\\/podlove-web-player\\\/shortcode\\\/publisher\\\/248\",\"data\":{\"version\":5,\"show\":{\"title\":\"datenleben\",\"subtitle\":\"der podcast \\u00fcber data science\",\"summary\":\"Was ist Data Science? Was bedeuten die Daten f\\u00fcr unser Leben? Woher kommen sie und wozu werden sie benutzt?\\r\\nDas sind alles Fragen, mit denen wir uns auseinander setzen werden.\\r\\nWer schon immer mehr \\u00fcber Daten und deren Effekt auf unser Leben wissen wollte, ist hier genau richtig.\",\"poster\":\"https:\\\/\\\/www.datenleben.de\\\/podlove\\\/image\\\/687474703a2f2f7777772e646174656e6c6562656e2e64652f77702d636f6e74656e742f75706c6f6164732f323032302f30362f636f7665722e706e67\\\/500\\\/0\\\/0\\\/datenleben\",\"link\":\"https:\\\/\\\/www.datenleben.de\"},\"title\":\"Folge 004: Racial Profiling\",\"subtitle\":\"Struktureller Rassismus zeigt sich in den Daten\",\"summary\":\"Der Begriff Racial Profiling wird aktuell viel diskutiert. Der Tod von George Floyd hat in den USA und international eine neue Welle von Protesten ausgel\\u00f6st. Die Berichterstattung ebbt ab, aber das Thema Polizeigewalt gegen BIPoC bleibt und ist wichtig. Deswegen sehen wir uns das Thema Racial Profiling an und m\\u00f6chten verschiedene Aspekte aus der Perspektive von Data Science betrachten. Wichtige Stichw\\u00f6rter sind hierbei Predictive Policing und struktureller Rassismus. Uns ist auch die Frage wichtig, welche Rolle ein Data Scientist in diesem komplexen Thema spielt und spielen kann.\",\"publicationDate\":\"2020-09-05T12:00:23+02:00\",\"duration\":\"00:55:49.810\",\"poster\":\"https:\\\/\\\/www.datenleben.de\\\/wp-content\\\/cache\\\/podlove\\\/6c\\\/74b70b1f881265e69212c0e94fad25\\\/racial-profiling_500x.png\",\"link\":\"https:\\\/\\\/www.datenleben.de\\\/index.php\\\/2020\\\/09\\\/05\\\/folge-004-racial-profiling\\\/\",\"chapters\":[{\"start\":\"00:00:00.000\",\"title\":\"Intro\",\"href\":\"\",\"image\":\"\"},{\"start\":\"00:00:18.589\",\"title\":\"Thema des Podcasts und der Folge\",\"href\":\"\",\"image\":\"\"},{\"start\":\"00:02:19.463\",\"title\":\"Warum ist das Thema Racial Profiling wichtig?\",\"href\":\"\",\"image\":\"\"},{\"start\":\"00:04:03.034\",\"title\":\"Einspieler: Racial Profiling und Predictive Policing\",\"href\":\"\",\"image\":\"\"},{\"start\":\"00:09:23.359\",\"title\":\"Struktureller Rassismus als Grundlage von Racial Profiling\",\"href\":\"\",\"image\":\"\"},{\"start\":\"00:13:51.384\",\"title\":\"Wie verschlimmert Predictive Policing Diskriminierung?\",\"href\":\"\",\"image\":\"\"},{\"start\":\"00:20:05.481\",\"title\":\"Was ist der Implicit Racial Bias?\",\"href\":\"\",\"image\":\"\"},{\"start\":\"00:22:39.971\",\"title\":\"Wie wirken sich personenbezogene Vorhersagen aus?\",\"href\":\"\",\"image\":\"\"},{\"start\":\"00:27:05.227\",\"title\":\"Algorithmen und Entscheidungen \\u00fcber Haftentlassungen\",\"href\":\"\",\"image\":\"\"},{\"start\":\"00:32:18.257\",\"title\":\"Will man einen solchen Algorithmus \\u00fcberhaupt haben?\",\"href\":\"\",\"image\":\"\"},{\"start\":\"00:40:42.111\",\"title\":\"Kurzer Blick auf Deutschland\",\"href\":\"\",\"image\":\"\"},{\"start\":\"00:43:42.107\",\"title\":\"Wie wirkt sich Racial Profiling auf Betroffene aus?\",\"href\":\"\",\"image\":\"\"},{\"start\":\"00:47:11.486\",\"title\":\"Fazit: Sei ein antirassistischer Data Scientist\",\"href\":\"\",\"image\":\"\"},{\"start\":\"00:54:54.863\",\"title\":\"Call to Action\",\"href\":\"\",\"image\":\"\"},{\"start\":\"00:55:37.028\",\"title\":\"Outro\",\"href\":\"\",\"image\":\"\"}],\"audio\":[{\"url\":\"https:\\\/\\\/www.datenleben.de\\\/podlove\\\/file\\\/4\\\/s\\\/webplayer\\\/c\\\/website\\\/DL004_Racial_Profiling.mp3\",\"size\":\"64876241\",\"title\":\"MP3 Audio (mp3)\",\"mimeType\":\"audio\\\/mpeg\"}],\"files\":[{\"url\":\"https:\\\/\\\/www.datenleben.de\\\/podlove\\\/file\\\/4\\\/s\\\/webplayer\\\/DL004_Racial_Profiling.mp3\",\"size\":\"64876241\",\"title\":\"MP3 Audio\",\"mimeType\":\"audio\\\/mpeg\"}]}}, {\"url\":\"https:\\\/\\\/www.datenleben.de\\\/index.php\\\/wp-json\\\/podlove-web-player\\\/shortcode\\\/config\\\/default\\\/theme\\\/datenleben\",\"data\":{\"activeTab\":\"chapters\",\"subscribe-button\":null,\"share\":{\"channels\":[\"link\",\"facebook\",\"twitter\",\"whats-app\",\"linkedin\",\"pinterest\",\"xing\",\"mail\"],\"outlet\":\"https:\\\/\\\/www.datenleben.de\\\/wp-content\\\/plugins\\\/podlove-web-player\\\/web-player\\\/share.html\",\"sharePlaytime\":true},\"related-episodes\":{\"source\":\"disabled\",\"value\":null},\"version\":5,\"theme\":{\"tokens\":{\"brand\":\"#fff\",\"brandDark\":\"#fff\",\"brandDarkest\":\"#000\",\"brandLightest\":\"#8cc240\",\"shadeDark\":\"#807E7C\",\"shadeBase\":\"#807E7C\",\"contrast\":\"#000\",\"alt\":\"#8cc240\"},\"fonts\":{\"ci\":{\"name\":\"ci\",\"family\":[\"-apple-system\",\"BlinkMacSystemFont\",\"Segoe UI\",\"Roboto\",\"Helvetica\",\"Arial\",\"sans-serif\",\"Apple Color Emoji\",\"Segoe UI Emoji\\\", \\\"Segoe UI Symbol\"],\"src\":[],\"weight\":800},\"regular\":{\"name\":\"regular\",\"family\":[\"-apple-system\",\"BlinkMacSystemFont\",\"Segoe UI\",\"Roboto\",\"Helvetica\",\"Arial\",\"sans-serif\",\"Apple Color Emoji\",\"Segoe UI Emoji\\\", \\\"Segoe UI Symbol\"],\"src\":[],\"weight\":300},\"bold\":{\"name\":\"bold\",\"family\":[\"-apple-system\",\"BlinkMacSystemFont\",\"Segoe UI\",\"Roboto\",\"Helvetica\",\"Arial\",\"sans-serif\",\"Apple Color Emoji\",\"Segoe UI Emoji\\\", \\\"Segoe UI Symbol\"],\"src\":[],\"weight\":700}}},\"base\":\"https:\\\/\\\/www.datenleben.de\\\/wp-content\\\/plugins\\\/podlove-web-player\\\/web-player\\\/\"}}]);\n                podlovePlayer(player, \"https:\/\/www.datenleben.de\/index.php\/wp-json\/podlove-web-player\/shortcode\/publisher\/248\", \"https:\/\/www.datenleben.de\/index.php\/wp-json\/podlove-web-player\/shortcode\/config\/default\/theme\/datenleben\").then(function() {\n                  player && player.classList.remove(\"podlove-web-player-loading\");\n                });\n              });\n            <\/script>\n            <style>\n              .podlove-web-player.podlove-web-player-loading {\n                opacity: 0;\n              }\n            <\/style>\n        \n\t\n\t\t\n\n<h3 class=\"wp-block-heading\">Intro (00:00:00)<\/h3>\n\n\n\n<h3 class=\"wp-block-heading\">Thema des Podcasts und der Folge (00:00:18)<\/h3>\n\n\n\n<p>Willkommen zu Folge 4 beim datenleben-Podcast!<br>Wir sind Helena und Janine und m\u00f6chten mit euch die Welt der Daten erkunden.<br>Data Science ist ein vielseitiges Berufsfeld, das in nahezu alle Bereiche unseres Lebens hineinreicht.<br>Wir wollen mit euch den Effekt von Daten auf unser Leben genauer ansehen.<\/p>\n\n\n\n<ul class=\"wp-block-list\"><li>Der Begriff Racial Profiling wird aktuell viel diskutiert<\/li><li>Der Tod von George Floyd hat in den USA und international eine neue Welle von Protesten ausgel\u00f6st<\/li><li>Berichterstattung ebbt ab, aber das Thema Polizeigewalt gegen BIPoC bleibt und ist wichtig<\/li><li>Deswegen sehen wir uns das Thema Racial Profiling an und m\u00f6chten verschiedene Aspekte bereden<\/li><li>Hierbei gucken wir vor allem auf die USA, wo das Thema seit Langem diskutiert und untersucht wird<\/li><li>Ein wichtiges Stichwort ist hier Predictive Policing<\/li><li>Das Thema ist nicht nur eines der USA, wir versuchen auch Seitenblicke auf Deutschland zu werfen<\/li><li>Hier ist gerade in den letzten Wochen das Thema Racial Profiling medial aufgegriffen worden<\/li><li>Insbesondere in der Debatte um die vom <a href=\"https:\/\/www.tagesschau.de\/inland\/racial-profiling-studie-101.html\">Innenministerium abgesagte Studie zu Racial Profiling<\/a> bei der deutschen Polizei<\/li><li>Inzwischen ist erfolgreich eine <a href=\"https:\/\/epetitionen.bundestag.de\/petitionen\/_2020\/_07\/_06\/Petition_113349.$$$.a.u.html\">ePetition beim Deutschen Bundestag<\/a> eingereicht worden, die das Quorum von 50.000 Mitzeichnern \u00fcberschritten hat<\/li><li>Damit wird sich der Bundestag mit dieser Petition f\u00fcr eine Racial Profiling Studie befassen m\u00fcssen<\/li><\/ul>\n\n\n\n<h3 class=\"wp-block-heading\">Warum ist das Thema Racial Profiling wichtig? (00:02:19)<\/h3>\n\n\n\n<ul class=\"wp-block-list\"><li>Disclaimer: Wir sprechen beide aus der wei\u00dfen Perspektive<\/li><li>Finden das thema wichtig, weil uns klar sein muss, gerade als wei\u00dfe, was um uns herum passiert<\/li><li>Wie immer werden wir das Thema aus Data Science-Sicht betrachten, darin liegtunser Kompetenzbereich<\/li><li>Was nicht in unserer Kompetenz liegt, ist die Perspektive der betroffenen Menschen<\/li><li>Daher m\u00f6chten wir euch einfach unsere Linkliste ans Herz legen, wenn ihr dar\u00fcber mehr h\u00f6ren m\u00f6chtet<\/li><li>Bleibt die Frage: Was hat Racial Profiling mit Data Science zu tun?<\/li><li>Wir befassen uns in dieser Folge nicht so sehr mit konkreten Daten<\/li><li>Sondern eher damit, wie die Daten erhoben werden und sich das auf die Praxis auswirkt<\/li><li>Wichtig ist: Woher kommen die Daten, wie entstehen sie, getreu dem Motto \"Kenne Dein Messverfahren\"<\/li><\/ul>\n\n\n\n<h3 class=\"wp-block-heading\">Einspieler: Racial Profiling und Predictive Policing (00:04:00)<\/h3>\n\n\n\n<ul class=\"wp-block-list\"><li>Fangen wir bei der Frage an, was <a href=\"https:\/\/de.wikipedia.org\/wiki\/Racial_Profiling\">Racial Profiling<\/a> eigentlich ist.<\/li><li>Als Racial Profiling bezeichnet man das Vorgehen, wenn Polizei-, Sicherheits-, Einwanderungs- und Zollbeamt*innen jemanden als verd\u00e4chtig einsch\u00e4tzen, weil ein Mensch aufgrund ethnischer Merkmale, der Religionszugeh\u00f6rigkeit oder seiner Nationalit\u00e4t auff\u00e4llt und nicht, weil es einen konkreten Verdacht gegen diese Person gibt.<\/li><li>Gepr\u00e4gt wurde der Begriff in der Kriminalistik der Vereinigten Staaten<\/li><li>Racial Profiling ist aus guten Gr\u00fcnden verboten, z.B. in den USA, Gro\u00dfbritannien und anderen L\u00e4ndern<\/li><li><a href=\"https:\/\/www.bpb.de\/gesellschaft\/migration\/kurzdossiers\/308350\/racial-profiling-institutioneller-rassismus-und-interventionsmoeglichkeiten\">In Deutschland verst\u00f6\u00dft Racial Profiling gegen das Grundgesetz (Art. 3 Abs. 3 GG.) und das Allgemeine Gleichbehandlungsgesetz (AGG).<\/a><\/li><li>Und gegen die Europ\u00e4ische Menschenrechtskonvention und die internationalen Anti-Rassismus-Konvention<\/li><li>Warum ist Racial Profiling so ein gro\u00dfes Thema ist, wenn es eigentlich verboten ist?<\/li><li>In Deutschland kein explizites Verbot, aber implizit Handlungsspielr\u00e4ume f\u00fcr Racial Profiling<\/li><li>Und hier kommt auch das Stichwort Predictive Policing zum Tragen, die Vorhersagende Polizeiarbeit<\/li><li>Kurzer Ausflug in die Science-Fiction: Der <a href=\"https:\/\/de.wikipedia.org\/wiki\/Der_Minderheiten-Bericht\">Minderheiten-Bericht von Philip K. Dick<\/a>, eine Kurzgeschichte aus dem Jahr 1956<\/li><li>Behandelt das Thema der Verbrechensbek\u00e4mpfung basierend auf Visionen \u00fcber zuk\u00fcnftige Ereignisse<\/li><li>Straftaten werden seltener begangen, weil die Verbrecher vorher verhaftet werden k\u00f6nnen<\/li><li>Philip K. Dick nimmt in seiner Erz\u00e4hlung bereits wesentliche Problematiken vorweg<\/li><li>Kann jemand schuldig sein, der nichts getan hat? Wie sehr ist das System dahinter vorgepr\u00e4gt?<\/li><li>Diese Frage muss sich auch das <a href=\"https:\/\/de.wikipedia.org\/wiki\/Predictive_Policing#Echtbetrieb\">Predictive Policing<\/a> gefallen lassen<\/li><li>Dabei wird aus den Daten die Wahrscheinlichkeit f\u00fcr zuk\u00fcnftige Straftaten berechnet.<\/li><li>Auf dieser Berechnung k\u00f6nnen dann Polizeieins\u00e4tze koordiniert werden<\/li><li>Warum ist Predictive Policing aber beim Thema Racial Profiling relevant?<\/li><li>Das hat vor allem damit zu tun, wie stark Rassismus in unseren Gesellschaften verankert ist.<\/li><li>Man spricht hierbei vor allem von <a href=\"https:\/\/de.wikipedia.org\/wiki\/Institutioneller_Rassismus\">strukturellem oder auch institutionellem Rassismus<\/a><\/li><li>Racial Profiling entsteht dort, wo Menschen oder Maschinen von un\u00fcberpr\u00fcften Vorannahmen ausgehen<\/li><li>Daten aus der Vergangenheit, die wir daf\u00fcr heranziehen, m\u00fcssen also genau angesehen werden<\/li><\/ul>\n\n\n\n<h3 class=\"wp-block-heading\">Struktureller Rassismus als Grundlage von Racial Profiling (00:09:23)<\/h3>\n\n\n\n<ul class=\"wp-block-list\"><li>Rassismus ist f\u00fcr Betroffene nicht nur psychisch belastend, sondern bedroht auch ihr Leben<\/li><li>Beispiel aus den USA: <a href=\"https:\/\/features.propublica.org\/diabetes-amputations\/black-american-amputation-epidemic\/\">BIPoc mit Diabetes sind h\u00e4ufiger von Amputationen betroffen<\/a><\/li><li>Weiteres sehr aktuelles Beispiel aus den USA: <a href=\"https:\/\/katapult-magazin.de\/de\/artikel\/artikel\/fulltext\/schwarze-sterben-in-den-usa-haeufiger-an-covid-19\/\">Schwarze sterben in Amerika h\u00e4ufiger an Covid-19<\/a><\/li><li>Und das Ganze steigert sich so weit, dass Schwarze h\u00e4ufiger durch die Polizei get\u00f6tet werden<\/li><li>Die <a href=\"https:\/\/www.washingtonpost.com\/graphics\/investigations\/police-shootings-database\/\">Washington Post erfasst seit 2015 alle F\u00e4lle von durch die Polizei get\u00f6teten Menschen<\/a><\/li><li>In absoluten zahlen, hat es vor allem wei\u00dfe Menschen getroffen<\/li><li>Anders sieht es aus, wenn man sich aber Bev\u00f6lkerungsanteile ansieht, demnach sind:<\/li><li>31 Schwarze\/Million Schwarze, 23 Hispanic\/Million Hispanic, 13 Wei\u00dfe\/Million Wei\u00dfe, 4 \"Andere\"\/Million \"Andere\" get\u00f6tet worden<\/li><li>Zeigt sehr deutlich einen vorhandenen strukturellen Rassismus f\u00fcr Polizeigewalt in den USA<\/li><li>Deswegen schauen wir auch besonders auf die USA, da ist das Thema lange pr\u00e4sent und untersucht<\/li><li>Deswegen h\u00e4tten wir es gut gefunden, wenn die Studie vom Innenministerium nicht abgesagt worden w\u00e4re<\/li><li>Struktureller Rassismus ist eine Grundbedingung f\u00fcr Racial Profiling und Polizeigewalt<\/li><li>Wie es dazu kommt, wurde in ihrem <a href=\"https:\/\/www.transcript-verlag.de\/media\/pdf\/7a\/cd\/e7\/oa9783839441459.pdf\">Sammelband zum Thema Racial Profiling<\/a> sehr gut auf den Punkt gebracht:<\/li><li>Meinung: Racial Profiling st\u00fctzt sich auf k\u00f6rperliche, religi\u00f6se oder kulturelle Unterschiede<\/li><li>Aber: Mithilfe von Racial Profiling werden Praktiken der Rassifizierung legitimiert und normalisiert<\/li><li>Racial Profiling ist: struktureller Rassismus, Alltagsrassismus, Produktion und Reproduktion von Rassismus durch institutionelle Praktiken des Rechtsstaats.<\/li><li>Und wie verh\u00e4lt es sich jetzt aber in der Realit\u00e4t mit Racial Profiling?<\/li><\/ul>\n\n\n\n<h3 class=\"wp-block-heading\">Wie verschlimmert Predictive Policing Diskriminierungen? (00:13:51)<\/h3>\n\n\n\n<ul class=\"wp-block-list\"><li>Studie aus M\u00e4rz 2019 der New York University School of Law and NYU\u2019s AI Now Institute<\/li><li>Besagt: <a href=\"https:\/\/www.nyu.edu\/about\/news-publications\/news\/2019\/march\/predictive-policing-is-tainted-by--dirty-data---study-finds.html\">Predictive Policing hat ein gro\u00dfes Risiko bestehnde Diskriminierungen noch zu verschlimmern<\/a><\/li><li>Grund: <a href=\"https:\/\/papers.ssrn.com\/sol3\/papers.cfm?abstract_id=3333423\">Predictive Policing Systeme werden mit <em>dirty data<\/em> gef\u00fcttert<\/a><\/li><li>Es gibt in den USA viele Jurisdiktionen in denen die Polizeiarbeit voreingenommen ist<\/li><li>Voreingenommen wird auch in den Statistiken gerne als biased bezeichnet<\/li><li>Voreingenommenheit bezieht sich hier auf bestimmte Gruppen<\/li><li>Beispiel: Polizei Chicago versucht Opfer\/T\u00e4ter von T\u00f6tungsdelikten oder Schie\u00dfereien vorherzusagen<\/li><li>Ergebnis: Es sind die Gruppen betroffen, gegen die die Polizei vorher schon voreingenommen war<\/li><li>Wie wirkt sich Voreingenommenheit aus?<\/li><li>Angenommen es gibt 3 Pl\u00e4tze in einer Stadt, auf denen gleich viel Kriminalit\u00e4t passiert<\/li><li>Hat die Polizei ein Vorurteil bzgl. eines Platzes, kontrolliert diesen daher mehr<\/li><li>So wird sie dort mehr Kriminali\u00e4t entdecken als auf den anderen Pl\u00e4tzen<\/li><li>Wenn mehr entdeckt wird, taucht auch mehr in der Statistik auf<\/li><li>Das Predictive Policing System soll jetzt auf diesen Statistiken Vorhersagen treffen<\/li><li>Ergebnis wird sein: Platz hat mehr Kriminalit\u00e4t, sollte h\u00e4ufiger kontrolliert werden<\/li><li>Und das l\u00e4sst sich genauso auf Racial Profiling anwenden<\/li><li>Zum Beispiel wenn dieser Platz in einem Wohnviertel liegt, in dem vor allem Schwarze Menschen leben<\/li><li>Wie verschlimmert Predicitve Policing dann bestehende Diskrimienierung?<\/li><li>Polizeiarbeit konzentriert sich st\u00e4rker auf diesen Platz, Vorhersage f\u00fchrt zu mehr Kontrollen<\/li><li>Verlagert sich dann nicht die Kriminalit\u00e4t zu anderen Pl\u00e4tzen wechseln? Hebt sich das nicht auf?<\/li><li>In dem Moment wo es ganze Wohngebiete betrifft, greift das nicht, das Gebiet ist zu gro\u00df<\/li><li>Korruptes Vorgehen der Polizei ist ebenfalls ein Thema bei <em>dirty data<\/em><\/li><li>Verh\u00e4lt sich die Polizei an einem Ort korrupt, \u00fcbertr\u00e4gt sich das auch in die vorhandenen Daten<\/li><li>Somit werden Menschen die ohnehin unter der Korruption zu leiden haben, noch weiter diskriminiert<\/li><li>Fazit: Bei Predictive Policing Systemen, muss man sich fehlerhafter Eingangsdaten bewusst sein<\/li><\/ul>\n\n\n\n<h3 class=\"wp-block-heading\">Was ist der Implicit Racial Bias? (00:20:01)<\/h3>\n\n\n\n<ul class=\"wp-block-list\"><li><a href=\"https:\/\/www.peterlang.com\/view\/title\/67322\">Dissertation \u00fcber Racial Profiling in Deutschland<\/a> verweist auf Implicit Racial Bias als eine Grundbedingung von Racial Profiling<\/li><li>Beispiel darin: Eine vom Psychologen Joshua Corell entwickelte Testreihe, die 2002 publiziert wurde<\/li><li>Experimente: Videosimulation, in der auf eine Person entweder geschossen oder nicht geschossen wird<\/li><li>Inhalt: Gezeigt wird eine unbewaffnete Person mit harmlosen Gegenstand oder eine bewaffnete Person<\/li><li>Die gezeigten Personen sind entweder Schwarz oder wei\u00df<\/li><li>Ergebnis: Es wird eher auf Schwarze unbewaffnete, als auf wei\u00dfe bewaffnete Personen geschossen<\/li><li>Auch dann, wenn der Proband selber Schwarz war<\/li><li>Erkl\u00e4rung: Schwarze Teilnehmer sind als \"Teil der US-amerikanischen Gesellschaft\"<\/li><li>Sie sind den gleichen negativen Stereotypen ausgesetzt und \u00fcbernehmen den Implicit Bias<\/li><li><a href=\"https:\/\/www.technologyreview.com\/2020\/07\/17\/1005396\/predictive-policing-algorithms-racist-dismantled-machine-learning-bias-criminal-justice\/\">Auswirkung des Implicit (Racial) Bias<\/a><\/li><li>Ein Schwarzer Mensch wird f\u00fcnfmal so oft grundlos von der Polizei angehalten wie ein wei\u00dfer Mensch<\/li><li>Schwarze haben eine doppelt so hohe Wahrscheinlichkeit, verhaften zu werden wie wei\u00dfe Menschen<\/li><\/ul>\n\n\n\n<h3 class=\"wp-block-heading\">Wie wirken sich Personenbezogene Vorhersagen aus? (00:22:41)<\/h3>\n\n\n\n<ul class=\"wp-block-list\"><li>Vorhin im Beispiel bezog sich Predictive Policing auf Orte<\/li><li>Das Beispiel der Polizei Chicago bezog sich aber auf ein andere Variante f\u00fcr Vorhersagen auf Basis:<\/li><li>Von Alter, Geschlecht, verheiratet\/ledig, Drogenerfahrungen, bereits kriminell auff\u00e4llig oder nicht<\/li><li>Es ist explizit in den USA verboten die Hautfarbe, bzw. \"race\" (Begriff nicht 1:1 ins Deutsche \u00fcbersetzbar) zu erfassen<\/li><li>Aber: Dieser Aspekt ist trotzdem in den anderen Punkten codiert<\/li><li>Kontrolliert man Schwarze Jugendliche h\u00e4ufiger auf Drogen, werden sie h\u00e4ufiger damit erwischt<\/li><li>Damit tauchen sie auch h\u00e4ufiger in der Statistik auf, als wei\u00dfe Jugendliche<\/li><li>Selbst wenn Schwarze Jugendliche insgesamt seltener Drogen nehmen, werden sie h\u00e4ufiger erwischt<\/li><li>Wer in der Statistik steht, wird dann auch \u00f6fter pers\u00f6nlich von Predictive Policing betroffen sein<\/li><li>Bei einem Verh\u00e4ltnis von 5:1 werden Schwarze st\u00e4rker in der Statistik auffallen, auch wenn Wei\u00dfe doppelt so oft kriminell sind.<\/li><li>Beispiel: Polizei Chicago nutzte personenbezogene Vorhersagen, f\u00fcr Gef\u00e4hrdergespr\u00e4che<\/li><li>Wenn eine so vorgewarnte Person sp\u00e4ter tats\u00e4chlich straff\u00e4llig wurde, fiel das Strafma\u00df h\u00f6her aus<\/li><li>Auch, wenn der Grund des Gef\u00e4hrdergespr\u00e4chs ein anderer Sachverhalt war, als die begangene Straftat<\/li><li>Auch das ist ein Beispiel f\u00fcr sich verst\u00e4rkende Diskriminierung durch Predicdiv Policing<\/li><li>M\u00fcssen uns bewusst sein, dass die Systeme zu missbr\u00e4uchlichen Schl\u00fcssen f\u00fchren k\u00f6nnen<\/li><li>Das f\u00fchrt hier dazu, dass jemand zus\u00e4tzlich f\u00fcr etwas bestraft wird, das er nicht getan hat<\/li><li>Fazit: Predictiv Policing verst\u00e4rkt Diskriminiering weiter, wenn die Systeme auf Basis bisheriger Polizeiarbeit trainiert werden<\/li><li>Hei\u00dft auch: Aktuell kann Predictive Policing nicht objectiver sein, als der Mensch selbst<\/li><\/ul>\n\n\n\n<h3 class=\"wp-block-heading\">Algorithmen und Entscheidungen \u00fcber Haftentlassungen (00:27:05)<\/h3>\n\n\n\n<ul class=\"wp-block-list\"><li>Predicitve Policing ist auch die Basis f\u00fcr <a href=\"https:\/\/www.latimes.com\/opinion\/la-xpm-2014-mar-13-la-ol-rall-early-release-inmates-algorithm-20140312-story.html\">Entscheidungsfindung bei (vorzeitigen) Haftentlassungen<\/a><\/li><li>Die Entscheidungen bauen auch auf Daten aus der Polizeiarbeit auf, daher hier das gleiche Problem<\/li><li>Haftentlassungen sind an zwei Punkten interessant:<\/li><li>1. Personen auf Kaution freilassen, 2. verurteilte Person fr\u00fchzeitig aus der Haft entlassen<\/li><li>Kaution: In Cook County\/Illinois haben Richter 30 Sekunden, f\u00fcr die Entscheidung Kaution vs. Haft<\/li><li>Bei so wenig Zeit pro Fall, ist die Wahrscheinlichkeit hoch, dass einer computergest\u00fctzten Entscheidung \u00fcber Wahrscheinlichkeiten blind vertraut wird<\/li><li>Es bleibt keine Zeit dar\u00fcber nachzudenken, ob der vorliegende Fall vielleicht anders aussieht<\/li><li>Haftentlassungen: Hierzu werden in einigen Jurisdiktionen der USA bereits Systeme verwendet<\/li><li>Idee: Man entl\u00e4sst Personen mit geringer Wahrscheinlichkeit wieder straff\u00e4llig zu werden fr\u00fcher<\/li><li>Beispiel: Es wird behauptet ein System im Bundesstaat Washington lag in 70% der F\u00e4lle richtig<\/li><li>Personen mit einem geringen R\u00fcckf\u00e4lligkeitsrisiko wurden zu 10% wieder straff\u00e4llig<\/li><li>Personen mit einem hohen R\u00fcckf\u00e4lligkeitsrisiko wudren zu 47% wieder straff\u00e4llig<\/li><li>Moralische Frage: Wenn weniger als die H\u00e4lfte der Personen, denen ein hohes Risiko bescheinigt wird, wieder straff\u00e4llig werden, wie ist es dann zu rechtfertigen, dass die Mehrheit der Personen daf\u00fcr bestraft wird, was andere tun, indem sie L\u00e4nger im Gef\u00e4ngnis verbleiben?<\/li><li>Weiterer Kritikpunkt: Der Algorithmus ist nicht transparent<\/li><li>Datengrundlage und Entscheidungsfindung sind von au\u00dfen nicht nachvollziehbar<\/li><li>Wie kann man dann Entscheidungen auf dieser Grundlage rechtfertigen, vern\u00fcnftig begr\u00fcndbar?<\/li><li>Wichtig w\u00e4re: beim Einsatz eines solchen Systems das ganze Verfahren transparent zu machen<\/li><\/ul>\n\n\n\n<h3 class=\"wp-block-heading\">Will man so einen Algorithmus \u00fcberhaupt haben? (00:32:18)<\/h3>\n\n\n\n<ul class=\"wp-block-list\"><li>Haben ja gesehen, dass es auch mit Bewusstsein \u00fcber Implicit Bias schwer ist, ihn rauszuhalten<\/li><li>Wenn das aber die Grundlage ist, wie kann so ein System dann sinnvoll funktionieren?<\/li><li>Wenn man davon ausgeht, dass man eine neutrale Datengrundlage hat und einen nachvollziehbaren Algorithmus, w\u00fcrde dieser dann nicht bessere Entscheidungen treffen als der Mensch?<\/li><li>Was hie\u00dfe nachvollziehbarer Algorithmus aber \u00fcberhaupt, wenn es um maschinelles Lernen geht?<\/li><li>Neuronale Netze: Ungeeignet, da sie langfristig nicht nachvollziehbar zu Entscheidungen kommen<\/li><li>Entscheidungsb\u00e4ume: Bilden eine nachvollziehbare Entscheidung ab<\/li><li>Nachvollziehbare Entscheidungen sind wichtig, um gegen Entscheidungen Einspruch einlegen zu k\u00f6nnen<\/li><li>Weil ein System vielleicht doch noch\/wieder einen Bias haben kann<\/li><li>Problem: Verbreitete Einstellung zu Computern: Der Computer sagt etwas, also hat er recht<\/li><li>K\u00f6nnte auch beim Predictive Policing zum Problem werden: Man schiebt die Antwortung von sich weg<\/li><li>Andere sagen, man sollte in solchen Systemen den Bias aktiv einf\u00fchren, zum Beispiel \"race\"<\/li><li>Das soll f\u00fcr einen Ausgleich in der Entscheidungsfindung sorgen, aber das kann auch schwierig werden<\/li><li>Vorschlag ist: Wenn Schwarze Menschen 5x so h\u00e4ufig kontrolliert werden, setzt man Werte anders<\/li><li>Beispiel: Wahrscheinlichkeiten werden bei wei\u00dfen mit 70% und mit Schwarzen mit 90-95% angegeben<\/li><li>So k\u00f6nnte Faktor des Racial Bias ausgleichen<\/li><li>Funktioniert aber nur, wenn vorher der Racial Bias auch analysiert wurde und bekannt ist<\/li><li>Ist das so m\u00f6glich? D\u00fcrfte man das \u00fcberhaupt machen? (Stichwort: Gleichheit der Menschen)<\/li><li>Schwierig einzusch\u00e4tzen, wie sich das in der rechtlichen Situation jeweils darstellen l\u00e4sst<\/li><li>Aber Gedanken dar\u00fcber und m\u00f6gliche Konsequenzen dazu zu betrachten, ist wichtig<\/li><\/ul>\n\n\n\n<h3 class=\"wp-block-heading\">Kurzer Blick auf Deutschland (00:40:42)<\/h3>\n\n\n\n<ul class=\"wp-block-list\"><li>Wir haben uns bisher haupts\u00e4chlich auf Amerika bezogen, weil das Thema dort sehr gro\u00df ist<\/li><li>Und das mussten schon viel zu viele Menschen selbst erfahren<\/li><li>Die Auswirkungen sind sehr drastisch f\u00fcr das gesamte Leben und sind immer wieder sehr erschreckend<\/li><li>Das hei\u00dft aber nicht, dass es das in anderen L\u00e4ndern nicht gibt<\/li><li>Struktureller Rassismus und Racial Profiling wird auch in Deutschland erlebt<\/li><li>Weil wir dar\u00fcber aus Betroffenensicht nicht sprechen k\u00f6nnen und uns das auch nicht anma\u00dfen wollen<\/li><li>haben wir eine kleine Sammlung von weiteren Quellen, Artikeln und Podcasts zusammengestellt<\/li><li>Besonders hervorheben m\u00f6chten wir hier aber trotzdem zwei Beispiele aus dem Alltag<\/li><li>Kontrollen im Zug: Am 7. Juli berichtete der <a href=\"https:\/\/twitter.com\/KarambaDiaby\/status\/1280481098649255936\">Bundestagsabgeordnete Karamba Diaby, dass er zusammen mit einer weiteren Schwarzen Person im Zug nach seinem Ausweis kontrolliert<\/a> wurde, aber keine einzige weiter Person im Wagon kontrolliert wurde<\/li><li>Typisches Beispiel f\u00fcr Racial Profiling in Deutschland<\/li><li>Wer auf Twitter ist, kann unter #RacialProfiling leider viele weitere Beispiele finden<\/li><li>Kontrollen auf Pl\u00e4tzen: <a href=\"https:\/\/taz.de\/Racial-Profiling-vor-Gericht\/!5702204&amp;s=racial+profiling\/\">Barakat H. wird als Anwohner seit Jahren in St. Pauli regelm\u00e4\u00dfig von der Polizei kontrolliert<\/a><\/li><li>Einige Polizisten kennen ihn bereits mit Namen und lassen es dennoch nicht<\/li><li>Es gibt bereits eine gerichtlich erwirkte Dienstanweisung, die diese Kontrollen untersagt<\/li><li>Dennoch finden sie weiterhin statt<\/li><\/ul>\n\n\n\n<h3 class=\"wp-block-heading\">Wie wirkt sich Racial Profiling auf Betroffene aus? (00:43:42)<\/h3>\n\n\n\n<ul class=\"wp-block-list\"><li>St\u00e4ndige Kontrollen oder die Angst davor hat Folgen und ist belastend<\/li><li>Darauf macht die <a href=\"https:\/\/www.bpb.de\/gesellschaft\/migration\/kurzdossiers\/308350\/racial-profiling-institutioneller-rassismus-und-interventionsmoeglichkeiten\">Bundeszentrale f\u00fcr Politische Bildung in einem kurzen Dossier zum Thema<\/a> aufmerksam:<\/li><li>\u00d6ffentliche Dem\u00fctigung, physische und psychosoziale Verletzungen und Krisen<\/li><li>Racial Profiling beansprucht viel Zeit und Energie, produziert psychischen und k\u00f6rperlichen Stress<\/li><li>Wird von vielen Betroffenen als Gewalt erlebt, kann langanhaltende psychische Belastungen ausl\u00f6sen<\/li><li>Es gibt keine unabh\u00e4ngigen Beschwerdestellen<\/li><li>Wie kommt es immer wieder dazu, wo es doch gegen verschiedene Gesetze und Konventionen verst\u00f6\u00dft?<\/li><li>Ein Grund: Es gibt gesetzlichen Bestimmungen, die den agierenden Institutionen Befugnisse einr\u00e4umen<\/li><li>Diese k\u00f6nnen im Sinne des Racial Profiling diskrimminierend eingesetzt werden<\/li><li>Anlasslose Kontrollen, die auf \u00e4u\u00dferlichen Merkmalen oder Orten wie L\u00e4ndergrenzen beruhen<\/li><li>Dazu eine Studie vom Deutschen Institut f\u00fcr Menschenrechte, die von Hendrik Cremer durchgef\u00fchrt wurde<\/li><li><a href=\"https:\/\/www.institut-fuer-menschenrechte.de\/uploads\/tx_commerce\/Studie_Racial_Profiling_Menschenrechtswidrige_Personenkontrollen_nach_Bundespolizeigesetz.pdf\">\"Racial Profiling\" \u2013 Menschenrechtswidrige Personenkontrollen nach \u00a7 22 Abs. 1 a Bundespolizeigesetz<\/a><\/li><li>Zum Beispiel wird dort explizit festgehalten:<\/li><\/ul>\n\n\n\n<blockquote class=\"wp-block-quote is-layout-flow wp-block-quote-is-layout-flow\"><p>Dass die Bundespolizei im Rahmen von \u00a7 22 Abs. 1 a BPolG diskriminierende Personenkontrollen vornimmt, dass es zu grund- und menschenrechtswidrigem Verhalten kommt, liegt vor allem in der Norm selbst begr\u00fcndet. Die Norm ist darauf angelegt, dass die Bundespolizisten anhand von Pauschalverd\u00e4chtigungen selektive und damit rassistische Personenkontrollen vornehmen.<\/p><\/blockquote>\n\n\n\n<ul class=\"wp-block-list\"><li>Diese Studie empfiehlt daher auch die Streichung von 22 Abs. 1a BPolG.<\/li><li>Es wird empfohlen, dass dieses Thema in der Ausbildung der Polizei eine gr\u00f6\u00dfere Rolle spielen soll<\/li><\/ul>\n\n\n\n<h3 class=\"wp-block-heading\">Fazit: Sei ein antirassistischer Data Scientist (00:47:07)<\/h3>\n\n\n\n<ul class=\"wp-block-list\"><li>Schlagworte dieser Folge waren also: Racial Profiling, struktureller Rassismus, Predictive Policing<\/li><li>Es ist eindeutig, dass bestimmte Gruppen von Menschen auf eine Art und Weise benachteiligt sind, die diskrimminierend, rassistisch und lebensbedrohlich ist.<\/li><li>Sind deswegen aber die Daten rassistisch und diskriminierend? Nein. Es ist der Mensch.<\/li><li>Der Mensch, die die Strukturen geschaffen hat, in denen die Daten erhoben und interpretiert werden<\/li><li>Er interpretiert die Daten entsprechend seiner Gewohnheiten, Sozialisation oder seiner \u00dcberzeugungen<\/li><li>Auf dem Weg in eine Zukunft mit Big Data m\u00fcssen wir diese Strukturen abschaffen<\/li><li>Daten sind ein Werkzeug und Werkzeuge k\u00f6nnen missbraucht \u2013 aber auch positiv eingestetzt werden<\/li><li>Daten k\u00f6nnten sogar helfen, Diskriminierung zu beenden, indem sie aufzeigen wo es strukturelle Diskriminierung gibt<\/li><li>Erst, wenn uns diese Strukturen auffallen, k\u00f6nnen wir sie verhindern<\/li><li>Es gilt, wie in jeder Folge: Kenne Dein Messverfahren.<\/li><li>Das hei\u00dft hier vor allem: Kenne die Geschichte der Daten und lerne mit ihr umzugehen.<\/li><li>Was k\u00f6nnen Data Scientists tun, um dagegen vorzugehen, dass Daten diskriminierend verwendet werden<\/li><li>Artikel auf Towards Data Science: <a href=\"https:\/\/towardsdatascience.com\/5-steps-to-take-as-an-antiracist-data-scientist-89712877c214\">5 Steps to Take as an Antiracist Data Scientist<\/a><\/li><li>Data scientists sind Datenverwalter: sie sammeln, speichern, transformieren und visualisieren Daten<\/li><li>Mit ihrer T\u00e4tigkeit haben sie auch einen Einfluss darauf, wie die Daten benutzt werden<\/li><li>Nicht-Schwarze Data Scientists sollten, nicht nur nicht rassistisch, sondern antirassistisch sein<\/li><li>Bedeutet: aktiv zu werden, sich seiner Verantwortung bewusst werden und Wandel unterst\u00fctzen<\/li><li>Die 5 Schritte, die empfohlen werden<\/li><li>1. Privilegien und tradierte Einstellungen erkennen, \u00e4ndern und aktiv gegen Rassismen vorgehen<\/li><li>2. Lernen, wie Daten und Algorithmen benutzt werden, um Rassismus zu verfestigen<\/li><li>3. Eigene Arbeit hinterfragen und rassistische Entscheidungen und Algorithmen vermeiden<\/li><li>Beispiel: Sammlung an Fragen anzulegen, die man sich standardm\u00e4\u00dfig bei neuen Projekten stellt:<\/li><li>Wie wurden die Daten gesammelt? Lag eine Erlaubnis f\u00fcr die Datensammlung vor? Zu welchem Zweck?<\/li><li>Welcher Bias steckt in den Daten? Erzeugen sie einen neuen Bias? Wie werden Ergebnisse verstanden?<\/li><li>4. Diversit\u00e4t im Berufsfeld Data Science f\u00f6rdern:<\/li><li>Anonymisierte Einstellungsprozesse, F\u00f6rderm\u00f6glichkeiten, F\u00fchrungspositionen divers besetzen<\/li><li>5. Finanzielle F\u00f6rderung an Organisationen spenden, die Data Awareness betreiben, Diversit\u00e4t f\u00f6rdern<\/li><li>Diese Schritte lassen sich auf anderen marginalisierten Gruppen und andere Berufsfelder \u00fcbertragen<\/li><li>Dabei ist auch klar, dass nicht jeder in der Position ist alle diese Schritte umzusetzen<\/li><li>Aber sich das bewusst zu machen, kann auch schon eine gro\u00dfe Hilfe sein, Handlungsspielr\u00e4ume zu sehen<\/li><li>F\u00fcr einen Weg zu einer diversen Gesellschaft, damit andere nicht weiter ausgrenzt, sondern r\u00e4ume ge\u00f6ffnet werden, die bisher verschlossen sind<\/li><\/ul>\n\n\n\n<h3 class=\"wp-block-heading\">N\u00e4chstes Thema: Wetterprojekt am 26.09.2020 (00:53:32)<\/h3>\n\n\n\n<ul class=\"wp-block-list\"><li>Beim Thema Predicitve Policing ging es jetzt auch schon um Wahrscheinlichkeitsaussagen<\/li><li>Wie man eigentlich Wahrscheinlichkeiten interpretieren kann, wird u.a. Thema der n\u00e4chsten Folge<\/li><li>Thema: Wetterprojekt von Helena und Rebecca zur Darstellung von Wettervorhersagen<\/li><li>Wie l\u00e4uft so ein Projekt? Zusammenarbeit, Designprozess, Konzeptentwicklung, Wahrscheinlichkeiten<\/li><li>Rebecca wird dazu als Gast in unserem Podcast zusammen mit Helena vom Projekt berichten<\/li><\/ul>\n\n\n\n<h3 class=\"wp-block-heading\">Call to Action (00:54:54)<\/h3>\n\n\n\n<ul class=\"wp-block-list\"><li>Wenn ihr uns weiter h\u00f6ren m\u00f6chtet, folgt uns auf Twitter unter <a href=\"https:\/\/twitter.com\/datenleben\">@datenleben<\/a><\/li><li>Oder besucht unsere Webseite: <a href=\"https:\/\/www.datenleben.de\/\">www.datenleben.de<\/a><\/li><li>Hinterlasst gerne Fragen, Themenvorschl\u00e4ge oder Feedback<\/li><li>Ausserdem w\u00fcrden wir uns auch freuen, wenn jemand Lust hat unseren Podcast auf iTunes zu bewerten<\/li><\/ul>\n\n\n\n<h3 class=\"wp-block-heading\">Outro (00:55:37)<\/h3>\n\n\n\n<h3 class=\"wp-block-heading\">Schlagworte zur Folge<\/h3>\n\n\n\n<p>Racial Profiling, Predictive Policing, struktureller Rassismus, Betrachtung von Wahrscheinlichkeiten, dirty data<\/p>\n\n\n\n<h3 class=\"wp-block-heading\">Quellen<\/h3>\n\n\n\n<ul class=\"wp-block-list\"><li><a href=\"https:\/\/www.tagesschau.de\/inland\/racial-profiling-studie-101.html\">tagesschau.de: Racial Profiling der Polizei \u2013 Innenministerium sagt Studie ab<\/a><\/li><li><a href=\"https:\/\/epetitionen.bundestag.de\/petitionen\/_2020\/_07\/_06\/Petition_113349.$$$.a.u.html\">Deutscher Bundestag: Petition 113349. \u00d6ffentliche Sicherheit. Durchf\u00fchrung einer Studie zum \"Racial Profiling\" bei den Polizeibeh\u00f6rden des Bundes\/der Bundesl\u00e4nder vom 06.07.2020<\/a><\/li><li><a href=\"https:\/\/de.wikipedia.org\/wiki\/Racial_Profiling\">Wikipedia: Racial Profiling<\/a><\/li><li><a href=\"https:\/\/www.bpb.de\/gesellschaft\/migration\/kurzdossiers\/308350\/racial-profiling-institutioneller-rassismus-und-interventionsmoeglichkeiten\">Bundeszentrale f\u00fcr politische Bildung: Racial Profiling, institutioneller Rassismus und Interventionsm\u00f6glichkeiten<\/a><\/li><li><a href=\"https:\/\/de.wikipedia.org\/wiki\/Der_Minderheiten-Bericht\">Wikipedia: Der Minderheiten-Bericht<\/a><\/li><li><a href=\"https:\/\/de.wikipedia.org\/wiki\/Predictive_Policing\">Wikipedia: Predictive Policing<\/a><\/li><li><a href=\"https:\/\/de.wikipedia.org\/wiki\/Institutioneller_Rassismus\">Wikipedia: Istitutioneller Rassismus<\/a><\/li><li><a href=\"https:\/\/features.propublica.org\/diabetes-amputations\/black-american-amputation-epidemic\/\">ProPublica: Black patients were losing limbs at triple the rate of others<\/a><\/li><li><a href=\"https:\/\/katapult-magazin.de\/de\/artikel\/artikel\/fulltext\/schwarze-sterben-in-den-usa-haeufiger-an-covid-19\/\">KATAPULT: Schwarze sterben in Amerika h\u00e4ufiger an Covid-19<\/a><\/li><li><a href=\"https:\/\/www.washingtonpost.com\/graphics\/investigations\/police-shootings-database\/\">Washington Post: 1,022 people have been shot and killed by police in the past year<\/a> (letzter Zugriff: 20.08.2020)<\/li><li><a href=\"https:\/\/www.transcript-verlag.de\/media\/pdf\/7a\/cd\/e7\/oa9783839441459.pdf\">Mohamed Wa Baile, Serena O. Dankwa, Tarek Naguib, Patricia Purtschert, Sarah Schilliger (Hg.): Racial Profiling. Struktureller Rassismus und antirassistischer Widerstand<\/a><\/li><li><a href=\"https:\/\/www.nyu.edu\/about\/news-publications\/news\/2019\/march\/predictive-policing-is-tainted-by--dirty-data---study-finds.html\">New York University: Predictive Policing is Tainted by \"Dirty Data\", Study Finds<\/a><\/li><li><a href=\"https:\/\/papers.ssrn.com\/sol3\/papers.cfm?abstract_id=3333423\">Rashida Richardson, Jason Schultz, Kate Crawford: Dirty Data, Bad Predictions: How Civil Rights Violations Impact Police Data, Predictive Policing Systems, and Justice<\/a><\/li><li><a href=\"https:\/\/www.peterlang.com\/view\/title\/67322\">Veronika Maria Apfl: Racial Profiling in Deutschland? Eine Untersuchung zu \u00a7 22 Absatz 1a Bundespolizeigesetz aus der Perspektive der Gleichheitsdogmatik und Kognitionswissenschaft<\/a><\/li><li><a href=\"https:\/\/www.technologyreview.com\/2020\/07\/17\/1005396\/predictive-policing-algorithms-racist-dismantled-machine-learning-bias-criminal-justice\/\">MIT Technology Review: Predictive policing algorithms are racist. They need to be dismantled.<\/a><\/li><li><a href=\"https:\/\/www.latimes.com\/opinion\/la-xpm-2014-mar-13-la-ol-rall-early-release-inmates-algorithm-20140312-story.html\">Los Angeles Times: An algorithm to decide early release of inmates: What could go wrong?<\/a><\/li><li><a href=\"https:\/\/twitter.com\/KarambaDiaby\/status\/1280481098649255936\">Dr. Karamba Diaby, @KarambaDiaby: \"Ich wurde - zusammen mit einer anderen Schwarzen Person - von Polizisten vor Hunderten von Mitpendler*innen kontrolliert. \u2026\" Tweet.<\/a><\/li><li><a href=\"https:\/\/taz.de\/Racial-Profiling-vor-Gericht\/!5702204&amp;s=racial+profiling\/\">taz: Racial Profiling vor Gericht \u2013 In der Kontrollschleife<\/a><\/li><li><a href=\"https:\/\/www.bpb.de\/gesellschaft\/migration\/kurzdossiers\/308350\/racial-profiling-institutioneller-rassismus-und-interventionsmoeglichkeiten\">Bundeszentrale f\u00fcr politische Bildung: Racial Profiling, institutioneller Rassismus und Interventionsm\u00f6glichkeiten<\/a><\/li><li><a href=\"https:\/\/www.institut-fuer-menschenrechte.de\/uploads\/tx_commerce\/Studie_Racial_Profiling_Menschenrechtswidrige_Personenkontrollen_nach_Bundespolizeigesetz.pdf\">Hendrik Cremer: \"Racial Profiling\" \u2013 Menschenrechtswidrige Personenkontrollen nach \u00a7 22 Abs. 1 a Bundespolizeigesetz<\/a><\/li><li><a href=\"https:\/\/towardsdatascience.com\/5-steps-to-take-as-an-antiracist-data-scientist-89712877c214\">towards data science: 5 Steps to Take as an Antiracist Data Scientist<\/a><\/li><\/ul>\n\n\n\n<h3 class=\"wp-block-heading\">Weiterf\u00fchrende Links<\/h3>\n\n\n\n<ul class=\"wp-block-list\"><li><a href=\"https:\/\/kanackischewelle.podigee.io\/27-polizeigewalt\">Kanackische Welle: Polizeigewalt &amp; Racial Profiling gegen Schwarze in Deutschland<\/a><\/li><li><a href=\"https:\/\/www.hanser-literaturverlage.de\/buch\/was-weisse-menschen-nicht-ueber-rassismus-hoeren-wollen\/978-3-446-26425-0\/\">Alice Hasters: Was wei\u00dfe Menschen nicht \u00fcber Rassismus h\u00f6ren wollen<\/a><\/li><li><a href=\"https:\/\/www.reclam.shop\/detail\/978-3-15-020534-1\/Lavorano__Stephanie\/Rassismus__100_Seiten\">Stephanie Lavorano: Rassismus. 100 Seiten<\/a><\/li><li><a href=\"https:\/\/www.instagram.com\/wakandischewelle\/?hl=de\">Wakandische Welle<\/a><\/li><li><a href=\"https:\/\/www.pnn.de\/potsdam\/interview-elisabeth-kaneza-rassismus-ist-teil-meines-alltags\/26123460.html\">Potsdamer Neueste Nachrichten: \"Rassismus ist Teil meines Alltags\"<\/a><\/li><li><a href=\"https:\/\/digitalegesellschaft.de\/2020\/06\/95-netzpolitischer-abend\/\">Digitale Gesellschaft: 95. Netzpolitischer Abend vom 29.06.2020. Marie Br\u00f6ckling \u2013 Neues Polizeigesetz. Berlin macht es besser<\/a> (u.a. zu Racial Profiling im Berliner Polizeigesetz)<\/li><li><a href=\"https:\/\/www.antidiskriminierungsstelle.de\/SharedDocs\/Downloads\/DE\/publikationen\/Expertisen\/Studie_Diskriminierungsrisiken_durch_Verwendung_von_Algorithmen.pdf;jsessionid=7B0AF7BE335442EA0829950282C6243A.1_cid369?__blob=publicationFile&amp;v=5\">Antidiskriminierungsstelle des Bundes, Carsten Orwat: Diskriminierungsrisiken durch Verwendung von Algorithmen<\/a><\/li><li><a href=\"https:\/\/www.zeit.de\/gesellschaft\/2020-06\/rassismus-deutschland-geschichte-kolonialismus-nationalsozialismus\">ZEIT: Der Rassismus ist nicht weit weg<\/a><\/li><li><a href=\"https:\/\/www.zeit.de\/politik\/deutschland\/2020-07\/rassismus-polizei-racial-profiling-deutschland-analyse\">ZEIT: Good Cop, bad Cop<\/a><\/li><li><a href=\"https:\/\/www.propublica.org\/article\/machine-bias-risk-assessments-in-criminal-sentencing\">ProPublica: Machine Bias. There\u2019s software used across the country to predict future criminals. And it\u2019s biased against blacks.<\/a><\/li><\/ul>\n","protected":false},"author":2,"featured_media":252,"comment_status":"open","ping_status":"open","template":"","meta":{"footnotes":""},"tags":[],"class_list":["post-248","podcast","type-podcast","status-publish","has-post-thumbnail","hentry","post"],"_links":{"self":[{"href":"https:\/\/www.datenleben.de\/index.php\/wp-json\/wp\/v2\/episodes\/248","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/www.datenleben.de\/index.php\/wp-json\/wp\/v2\/episodes"}],"about":[{"href":"https:\/\/www.datenleben.de\/index.php\/wp-json\/wp\/v2\/types\/podcast"}],"author":[{"embeddable":true,"href":"https:\/\/www.datenleben.de\/index.php\/wp-json\/wp\/v2\/users\/2"}],"replies":[{"embeddable":true,"href":"https:\/\/www.datenleben.de\/index.php\/wp-json\/wp\/v2\/comments?post=248"}],"version-history":[{"count":2,"href":"https:\/\/www.datenleben.de\/index.php\/wp-json\/wp\/v2\/episodes\/248\/revisions"}],"predecessor-version":[{"id":250,"href":"https:\/\/www.datenleben.de\/index.php\/wp-json\/wp\/v2\/episodes\/248\/revisions\/250"}],"wp:featuredmedia":[{"embeddable":true,"href":"https:\/\/www.datenleben.de\/index.php\/wp-json\/wp\/v2\/media\/252"}],"wp:attachment":[{"href":"https:\/\/www.datenleben.de\/index.php\/wp-json\/wp\/v2\/media?parent=248"}],"wp:term":[{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/www.datenleben.de\/index.php\/wp-json\/wp\/v2\/tags?post=248"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}