Überblick

Im Projekt KIRaPol.5G wird eine Radartechnologie entwickelt mit dem Ziel, Gefahrensituationen für Bürger im öffentlichen Bereich frühzeitig erkennen und die Sicherheitsbehörden automatisch zu verständigen zu können. Zu dem Gesamtsystem, um Gefahrenszenarien zu erkennen, gehören neben Radarmodulen auch Kameras, Computer zur Bearbeitung der Sensordaten und ein Kommunikationssystem nach dem neuen Standard 5G. Das System wird entsprechend der aktuellen Datenschutzverordnung eingerichtet und betrieben, so dass alle Persönlichkeitsrechte gewahrt bleiben. Eine Besonderheit des Systems ist, dass langfristig auf Videodaten verzichtet werden soll, so dass man den öffentlichen Raum mit möglichst wenig Eingriffen in Persönlichkeitsrechte überwachen kann.

Radar-Technologien sind schon lange im Einsatz

Die zum Einsatz kommende Radartechnologie stammt aus dem Verkehrsbereich. Die Anwendung ist unter dem Begriff „adaptiver Abstandsassistent“ weitestgehend bekannt. Beim Einsatz des adaptiven Abstandsassistenten sind die Fahrzeuge mit einem Radarmodul in der Front ausgerüstet. Diese beobachten den Verkehr und Hindernisse vor dem Fahrzeug. Das System unterstützt dabei den Fahrer, indem es beispielsweise die Eigengeschwindigkeit der Geschwindigkeit des vorausfahrenden Fahrzeuges anpasst oder automatisch eine Bremsung einleitet, um Unfälle zu vermeiden.

Das Radar „schaut“ dabei ca. 150m nach vorne, wobei der Radarstrahl wie bei einer Taschenlampe mit einer Linse stark gebündelt wird. Somit kann sichergestellt werden, dass im Wesentlichen die Straße und nicht die Umgebung rechts und links neben der Fahrbahn erfasst wird. Diese Technologie erhöht sowohl die Sicherheit im Verkehr als auch den Komfort für den Fahrer. Im Projekt KIRaPol.5G wird ein weiter Öffnungswinkel für das Radar eingesetzt, so dass ein Bereich von ca. 30 Meter erfasst werden kann.

Radar wird ein wesentlicher Bestandteil für die Einführung des autonomen Fahrens in Europa werden, wobei nicht nur Fahrzeuge mit Module ausgerüstet werden, sondern auch die Straßeninfrastruktur. So ist beispielweise geplant, Kreuzungen oder andere unfallkritische Verkehrsbereiche mit Radar zu beobachten, um gefährliche Verkehrssituationen frühzeitig zu erkennen und durch geeignete Verkehrsteuerung (z.B. Ampelschaltung, Verkehrswarnungen über Anzeigen oder Car-to-Car bzw. Car-to-X Kommunikation) einzuleiten. Dabei spielt der Schutz vulnerabler Verkehrsteilnehmer, die nicht mit Sensorik und Kommunikation für den Verkehr ausgerüstet sind, eine besondere Rolle.

Für das Anlernen der KI werden Radarsignale als Trainingsdaten benötigt, die in entsprechen-den Szenen aufgezeichnet werden. Um die erfassten Radardaten bewerten und in Bezug auf eine vorhandene oder keine vorhandene Gefahr zuordnen zu können, werden parallel zur Erfassung der Radarsignale Videodaten mit einer Kamera aufgezeichnet. Die Videodaten werden von einer Person ausgewertet, um die Zuordnung der Radardaten zur entsprechenden Klasse vornehmen zu können.
Zudem können die Bilddaten dazu verwendet werden, für die sich in der Szene bewegenden Personen „Skelett“-Daten zu erzeugen, um diese für eine Simulation einer Radarbeobachtung mit einer künstlichen Bestimmung von Mikro-Doppler-Spektren zu benutzen. Die aus den „Skelett“-Daten ableitbare Modellierung eines Körpers ist beispielhalft in der Abbildung dargestellt.

In Verbindung mit Künstlicher Intelligenz (KI) wird die Radartechnologie weiterentwickelt

In KIRaPol.5G ist es Ziel der Radarmessung, nicht nur die Entfernung, Richtung (Winkel) und Geschwindigkeit von Zielobjekten zu messen, sondern auch die Art bzw. Klasse eines Ziels zu bestimmen. Die Klassifizierung wird ermöglicht durch den Einsatz von künstlicher Intelligenz (KI). Am anschaulichsten ist das zu vergleichen mit der KI-basierten Erkennung von Objekten und Personen auf Fotos oder Videos. Neuronale Netze (NN) werden mit sehr vielen Bild- und Videodaten trainiert, um anschließend eigenständig durch Ausführung dieser NNe die vorher erlernten Bild- und Videoklassen wiederzuerkennen. Beim „Radarbild“ sind es aber keine Fotopixel, die das Bild ausmachen, sondern Geschwindigkeitspunkte in einem Geschwindigkeits-/Zeitdiagramm. Das heißt, mit dem Radar werden Geschwindigkeitsanteile eines sich bewegenden Ziels gemessen und über die Zeit (z.B. wenige Sekunden) aufgenommen. Dabei entsteht ein charakteristisches Bild, wobei die unterschiedlichen Geschwindigkeitsanteile farbig dargestellt werden.

Auf dem Foto oben ist eine Person zu sehen, die geht und sich vom Radarsensor entfernt. Dann dreht sie sich dann und geht wieder auf das Radar zu. Die Laufgeschwindigkeit (velocity) der Person wird in Metern pro Sekunde (m/s) gemessen. Geht die Person vom Radar weg, so ist die Laufgeschwindigkeit positiv. Geht sie auf das Radar zu, wird die Geschwindigkeit negativ. Dreht sich die Person um, so kommt sie kurz zum Stehen und die Geschwindigkeit beträgt Null.

Über diesen Geschwindigkeitsverlauf der roten Kurve sieht man eine Art Sägezahnmuster. Auch dies sind gemessene Geschwindigkeiten, nämlich die von der Bewegung der Arme und Beine. Beim Gehen bewegen sich diese gleichmäßig nach vorne und hinten, so dass eine Schwingbewegung mit einer bestimmten Geschwindigkeit entsteht, die man als sogenannter Mikro-Doppler messen kann.

Die Künstliche Intelligenz (KI) wird in dieses Projekt in Form eines Neuronalen-Netzes integriert. Dabei handelt es sich um eine vorher festgelegte Struktur, die auf eine Eingabe eine Reihe von Operationen anwendet. Diese Operationen verwenden jeweils Gewichte, mit denen die Verarbeitung gesteuert wird. Diese Gewichte werden während des Trainings gelernt.Es wird nur während des Trainings gelernt. Beim späteren Einsatz erfolgt die Verarbeitung fest mit den beim Training gelernten Gewichten.

"Anlernen" der KI

Zum Anlernen werden Beispiele (hier Radardaten) mit bekannten Klassen-Zuordnung (hier die aus den Kameradaten abgeleiteten Label) mit dem Neuronalen-Netz verarbeitet. Aus der Abweichung zwischen der berechneten und der bekannten Lösung wird eine Anpassung des Systems bestimmt. Dabei werden die in den einzelnen Operationen verwendeten Gewichte angepasst.Dieses Vorgehen wird wiederholt durchgeführt, bis Gewichte gefunden werden, mit denen die vorgegebene Struktur eine möglichst gute Vorhersage trifft.

Inferenz

(Dieser Schritt ist separat nach den anderen hier beschriebenen Vorgängen.)
Nach dem Training kann das Neuronale-Netz dazu verwendet werden, um für neue Radardaten eine Vorhersage durchzuführen. Dabei werden die gleichen Operationen mit den im Training gelernten Gewichten auf die neuen Daten angewendet. Hier ist keine Speicherung der Radardaten nötig. Außerdem werden keine Label mehr benötigt. Da keine Label mehr benötigt werden, werden auch keine Kameradaten mehr benötigt.Ein späteres System kann dann nur die sich ergebenden Alarmmeldungen verschicken. Als Reaktion darauf kann dann z.B. eine separate Kamera zur Prüfung durch einen Menschen dazugeschaltet werden.

5G im KIRaPol Projekt

Im Rahmen des KIRaPol Projektes wird die m3connect zwei private Mobilfunknetze im Umfeld des Mönchengladbacher Hauptbahnhofes aufbauen und betreiben. Ein Mobilfunknetz wird in der Eingangshalle des Hauptbahnhofes und ein Mobilfunknetz am Platz der Republik installiert.

Private Mobilfunknetze sind anders als die Netze der großen Mobilfunknetzbetreiber in Deutschland auf kleine geographische Areale beschränkt. Diese Netze werden in der Regel für die Kommunikation zwischen Maschinen und IT-Systemen verwendet. Nur selten sind diese Netze auch für Telefonie ausgelegt. Für diese lokalen und privaten Mobilfunknetze ist der Frequenzbereich von 3,7 GHz bis 3,8 GHz vorgesehen. Sie werden in erster Linie im Industrieumfeld eingesetzt, um die drahtlose Kommunikation in der Produktion und Logistik bereitzustellen.

Im Gegensatz zu WiFi ist es erheblich schwieriger, ein solches Funknetz zu stören, weil nur wenige Geräte auf solchen Frequenzen senden können. Zudem sind das Einwählen und Authentifizieren in ein solches Funknetz nur mit einer speziell konfigurierten SIM-Karte möglich. Eine solche SIM-Karte wird nur vom Betreiber des spezifischen Netzes ausgegeben und kann nicht im Handel gekauft werden. Deswegen eignen sich private Mobilfunknetze besonders für Hochsicherheitsnetze, die kritische und sensible Informationen übertragen. Im Rahmen des KIRaPol Projektes kann so sichergestellt werden, dass keine unautorisierte Person Zugriff auf die drahtlos übertragenen Daten erhalten kann.

Es ist die HSNR, die über Zweck und Mittel der Datenverarbeitung entscheidet. Allein die Hochschule erhebt die Daten für das Forschungsvorhaben auf der Grundlage des §17 DSG NRW. Demnach ist die Verarbeitung personenbezogener Daten auch ohne Einwilligung für wissenschaftliche Forschungszwecke zulässig, wenn die Verarbeitung zu diesen Zwecken er-forderlich ist und schutzwürdige Belange der betroffenen Person nicht überwiegen. Der wis-senschaftliche Forschungszweck im Bereich der angewandten Forschung gem. Erwägungs-grund 159 (Verarbeitung zu wissenschaftlichen Forschungszwecken) ist mit dem Projekt KIRaPol.5G als Forschungsvorhaben gegeben, das durch ein Forschungsförderprogram des Ministeriums für Wirtschaft, Industrie, Klimaschutz und Energie des Landes Nordrhein-West-falen unterstützt wird. Die Verarbeitung der Daten zu den vorab genannten Forschungszwe-cken ist auch erforderlich, da ohne die Daten ein Trainieren der KI nicht möglich ist. Nur mit diesen Daten kann die Künstliche Intelligenz auf das Erkennen der sicherheitsrelevanten Sze-narien trainiert werden. „Ziel dieses überwachten Lernens ist es, ein KI-System mit Trainings-daten so lange zu trainieren, bis das erwartete Ergebnis geliefert wird“ (vgl. Positionspapier der Konferenz der unabhängigen Datenschutzaufsichtsbehörden des Bundes und der Länder vom 06.11.2019).
Unter „schutzwürdige Belange“ i.S.d. §17 DSG-NRW versteht der Gesetzgeber die Interessen und Rechte der Personen, deren Daten verarbeitet werden. Die Berücksichtigung schutzwür-diger Belange der Betroffenen ist ein grundlegendes Prinzip des Datenschutzes und gewährleistet, dass die Datenverarbeitung im Einklang mit den Datenschutzrechten und -vorschriften erfolgt. Dies ist entscheidend, um die Privatsphäre und die Rechte der Betroffenen zu schüt-zen. Dies kann sich auf verschiedene Aspekte beziehen, darunter:
1.
Datenschutz: Personen haben ein berechtigtes Interesse daran, dass ihre persönlichen Informationen angemessen und sicher behandelt werden, um vor Missbrauch, Diebstahl oder unbefugtem Zugriff geschützt zu werden.
➔
Der Schutz der Daten bis zur relativen Anonymisierung wird durch adäquate technische und organisatorische Maßnahmen (TOM) gewährleistet.
2.
Privatsphäre: Die Verarbeitung von personenbezogenen Daten darf nicht unverhältnis-mäßig in die Privatsphäre der Betroffenen eingreifen. Schutzwürdige Belange können beispielsweise die Offenlegung sensibler Informationen oder das Sammeln umfangrei-cher Datenmengen betreffen.
➔
Im Rahmen von KIRaPol.5G werden keine sensiblen Informationen offengelegt und keine umfangreichen personenbezogenen Datenmengen gesammelt.
3.
Recht auf informationelle Selbstbestimmung: Betroffene haben das Recht, über die Verarbeitung ihrer Daten informiert zu werden. Schutzwürdige Belange könnten sich auf die Transparenz und die Art und Weise beziehen, wie Informationen über die Datenverarbeitung bereitgestellt werden.
➔
An den Messstellen werden Hinweisschilder mittels QR-Code auf eine spezielle Informationsseite verweisen. Dort wird über das Projekt, seine Ziele und die Beteiligten mit Hilfe umfangreicher FAQs informiert. Insbesondere die Art der Datener-hebung, das Anonymisierungsverfahren sowie die Verwendung der anonymisierten Daten wird erläutert. Weiterhin wird ein Ansprechpartner genannt, der auf spezielle Fragen und/oder Kritik reagieren kann.
4.
Einwilligung: Schutzwürdige Belange können auch die Notwendigkeit einer wirksamen Einwilligung der Betroffenen in die Datenverarbeitung betreffen. Dies bedeutet, dass die Betroffenen über die Zwecke der Verarbeitung und andere relevante Informationen informiert werden sollten und die Möglichkeit haben sollten, ihre Zustimmung zu geben oder zu verweigern.
➔
Die direkt akquirierten Beteiligten der Messkampagnen haben ihre schriftliche Einwilligung nach einer umfangreichen Information über die Erhebung und Verarbei-tung der Daten freiwillig erteilt. Im Rahmen der öffentlichen Messkampagne wird rechtzeitig durch Hinweisschilder auf die Datenerhebung hingewiesen und welcher Bereich davon tangiert ist, so dass durch Umgehung des Bereichs einer Beteiligung am Verfahren widersprochen werden kann.
5.
Diskriminierung: Betroffene sollten vor diskriminierender Verwendung ihrer Daten ge-schützt werden, wie beispielsweise bei der automatisierten Entscheidungsfindung.
➔
Dadurch, dass die Daten nur anonymisiert zur Validierung der Trainingsdaten verwendet werden, ist eine diskriminierende Verwendung der Daten nicht anzunehmen.
Die zum frühestmöglichen Zeitpunkt anonymisierten Daten, die im weiteren Projektverlauf von keinem Projektbeteiligten individualisiert werden können, sind zum Erreichen des Forschungs-zwecks erforderlich. Schutzwürdige Belange von betroffenen Personen überwiegen nicht, weil diese Aspekte bis zur Anonymisierung nur in geringem Maße tangiert werden. Das Gewährleistungsziel ist immer Datenminimierung. Bis zum Zeitpunkt der Anonymisierung werden tech-nische und organisatorische Maßnahmen getroffen, d.h. die Daten sind sowohl physisch be-sonders gesichert, indem das Speichermedium im verschlossenen Serverraum in einem zusätzlich verschlossenen Schrank verwahrt und nur einem festen Personenkreis zugänglich gemacht wird (vgl. Gewährleistungsziel Vertraulichkeit, Positionspapier DSK; Seite 11; s. Ka-pitel 7.1: Rollenkonzept). Generell ist sichergestellt, dass das KI-System nur durch Befugte konzipiert, programmiert, trainiert, genutzt und überwacht wird (i.S.d. Positionspapier der Kon-ferenz der unabhängigen Datenschutzaufsichtsbehörden des Bundes und der Länder vom 06.11.2019; vgl. ebenda, Seite 7). Die HSNR entscheidet über Zweck und Mittel der Datenverarbeitung. Aufgrund der beschriebenen Datenerhebung und -verarbeitung sowie des alleinigen Zugriffs gehen wir von einer alleinigen Verantwortung der Hochschule Niederrhein aus. Einer entsprechenden Informationspflicht gem. § 12 DSG NRW kommen wir durch Kennzeich-nung der betroffenen Flächen mit einem Hinweisschild nach. Genannt werden Präsident der HSNR als juristisch Verantwortlicher, Datenschutzbeauftragte sowie die Landesbeauftragte für Datenschutz und Informationsfreiheit in NRW. Zudem wird ein QR-Code sowie ein ausge-schriebener Link auf eine spezielle Informationsseite verweisen, auf der Projektziel sowie die eingesetzte Technik in verständlicher Sprache erläutert werden. Zusätzlich werden FAQs auf der Landingpage angeboten, um somit höchstmögliche Transparenz zu gewährleisten. Einem darüberhinausgehenden Informationsbedarf wird durch die Nennung eines speziellen An-sprechpartners für Fragen und Kritik der Betroffenen entsprochen.

Die Videodaten werden nur zur Annotation der aufgenommenen Szenen und zur Ableitung von Skelettinformationen für die Simulation von Radarsignalen aufgezeichnet. Die Videodaten werden unverzüglich anonymisiert. Anschließend werden die originalen Aufnahmen gelöscht und alle weiteren Verarbeitungsschritte erfolgen auf Basis der anonymisierten Videodaten. Eine Anonymisierung erfolgt in allen Messkampagnen zum frühestmöglichen Zeitpunkt.

Nach § 40 DSG NRW ist eine Verarbeitung von personenbezogenen Daten in archivarischer, wissenschaftlicher oder statistischer Form zulässig, sofern dies im Rahmen wissenschaftlicher Forschung erfolgt.
„Personenbezogene Daten dürfen im Rahmen der in § 35 genannten Zwecke in archivarischer, wissenschaftlicher oder statistischer Form verarbeitet werden, wenn hieran ein öffentliches Inte-resse besteht und geeignete Garantien für die Rechtsgüter der betroffenen Personen vorgesehen werden. Solche Garantien können in einer so zeitnah wie möglich erfolgenden Anonymisierung der personenbezogenen Daten, in Vorkehrungen gegen ihre unbefugte Kenntnisnahme durch Dritte oder in ihrer räumlich und organisatorisch von den sonstigen Fachaufgaben getrennten Verarbei-tung bestehen.“
Nach § 36 Nr.6 DSG NRW ist das Anonymisieren das „Verändern personenbezogener Daten derart, dass die Einzelangaben über persönliche oder sachliche Verhältnisse nicht mehr oder nur mit einem unverhältnismäßig großen Aufwand an Zeit, Kosten, Arbeitskraft einer bestimm-ten oder bestimmbaren natürlichen Person zugeordnet werden können“. Die Unkenntlichkeit der Personen steht nicht konträr zur weiteren Datenverarbeitung, da die HSNR ebenfalls mit den anonymisierten Daten weiterarbeiten kann, d.h. eine Anonymisierung dem Forschungs-zweck nicht entgegensteht. Nach § 40 DSG NRW dürfen personenbezogene Daten in wissen-schaftlicher oder statistischer Form verarbeitet werden, wenn hieran ein öffentliches Interesse besteht und geeignete Garantien für die Rechtsgüter der betroffenen Personen vorgesehen sind. Solche Garantien können in einer so zeitnah wie möglich erfolgenden Anonymisierung der personenbezogenen Daten bestehen. KIRaPol.5G zielt darauf ab, Gefahrensituationen zu erkennen und dient damit der Verbesserung, der Verhütung, der Verfolgung und der Ahndung von Straftaten und verfolgt somit ein öffentliches Interesse. Werden die personenbezogenen Daten so früh wie möglich anonymisiert, d.h. an der Hochschule Niederrhein, so ist ihre Erhebung nach § 17 DSG NRW und Verarbeitung nach § 40 DSG NRW zulässig.

Das Ziel von KIRaPol.5G ist die Entwicklung einer Radartechnologie zur Unterstützung der polizeilichen Videobeobachtung[1] mithilfe einer Künstlichen Intelligenz. Diese soll sicherheitsgefährdende Situationen erkennen. In dem Forschungsprojekt werden drei Anwendungsfälle als Szenen mit den dafür charakteristischen Bewegungsabläufen der beteiligten Personen betrachtet:

• • die gewalttätige Auseinandersetzung einschließlich der Anbahnung zwischen zwei Personen
  • eine liegende Person (hilflose oder verletzte Person)
  • das Fluchtverhalten einer Gruppe oder Einzelner

[1] Mit dem Begriff der Videobeobachtung ist die Datenerhebung durch den Einsatz optisch-technischer Mittel gemeint. Das übertragene Video wird hierbei von einem Beobachter oder Beobachterin in Echtzeit gesichtet und dient vorrangig der Gefahrenabwehr, da Interventionskräfte sofort unterrichtet werden und in das Geschehen eingreifen können. In Abgrenzung dazu handelt es sich bei einer Videoüberwachung um eine Aufzeichnung des Videos mit der Option eines späteren Zugriffs und dient dahingehend vorrangig der Strafverfolgung.

Im Wesentlichen werden drei Vorteile bei der Nutzung der Radartechnologie gesehen:

Erstens besitzt die Radartechnologie gegenüber der Videobeobachtung für sicherheitsrelevante Bereiche den Vorteil, dass äußere Einflüsse wie Dunkelheit, Regen und Blendungen (z.B. durch helle Leuchtreklame oder Blaulicht) Radarsignale nicht oder nur unwesentlich beeinflussen. Dahingegen ist die Bildqualität bei Einsatz der Videotechnologie wesentlich von Licht- und Wetterverhältnissen abhängig.

Zweitens wird der Eingriff in die Persönlichkeitsrechte der in einer beobachteten Szene vorhandenen Personen geringer eingeschätzt im Vergleich zu einer Videobeobachtung.

Drittens soll die KI als Assistenzsystem die menschliche Arbeit unterstützen. So könne die KI z. B. im Rahmen der polizeilichen Videobeobachtung den Ressourceneinsatz und die Belastungen (z. B. durch Dauerbeobachtungen) reduzieren.

Kann die KI-Anwendung Personen identifizieren oder sogar einzelne Gesichter erkennen?

Eine Gesichtserkennung ist im Rahmen des Forschungsprojektes weder möglich noch vorgesehen. Die KI-gestützte Radartechnologie misst die Geschwindigkeitsanteile von Objekten. Personenspezifische Merkmale wie Körpergröße, Gangzyklus oder spezifische Gegenstände (z.B. ein Rollstuhl) verändern die reflektierten Radarsignalanteile. Zudem verfügt die im Projekt eingesetzte Radartechnologie nicht über das hohe Auflösungsvermögen, um kleinste Veränderungen der reflektierten Radarsignalanteile überhaupt zu erfassen. Somit ist die Identifizierung von Personen oder die Erkennung von spezifischen Körpermerkmalen wie Gangzyklus oder Geschlecht im Rahmen dieses Forschungsprojekts nicht möglich.

Wie erfolgt die Erprobung der KI-gestützten Radaranwendung?

Die Erprobung erfolgt im Rahmen verschiedener Messkampagnen, wobei für das Anlernen der KI sowohl Radarsignale als auch parallel aufgezeichnete Videodaten benötigt werden. Dies ist erforderlich, um die erfassten Radardaten bewerten und in Bezug auf eine vorhandene oder keine vorhandene Gefahr (Klassifikator) zuordnen zu können. Die Videodaten werden von den wissenschaftlichen Mitarbeitern der HSNR ausgewertet, um die Zuordnung der Radardaten zur entsprechenden Klasse vornehmen zu können.

Insgesamt werden – unter Einhaltung der Datenschutzkonformität – vier Messkampagnen durchgeführt:

Hochschulcampus der Hochschule Niederrhein (HSNR) Polizeitrainingszentrum in Linnich Platz der Republik in Mönchengladbach Bahnhofsvorhalle am Bahnhof Mönchengladbach

Für die Erprobung von KI-Anwendungen werden nicht nur viele Trainingsdaten (Quantität), sondern auch qualitativ hochwertige Trainingsdaten benötigt (Qualität). Um die hohe Qualität der Trainingsdaten zu gewährleisten, ist der Zugang zu realen Daten entscheidend. Zur Gewinnung von realen Daten finden zwei der insgesamt vier Messkampagnen im öffentlichen Raum statt (Platz der Republik und Bahnhofsvorhalle):

(1) Zunächst erfolgt eine Erprobung unter künstlichen Laborbedingungen auf dem Gelände des Hochschulcampus der HSNR, um grundsätzliche technische Abläufe zu testen. Daneben erfolgen Erprobungen auf dem Polizeitrainingsgelände in Linnich.

(2) Zudem ist eine Erprobung unter realen Bedingungen notwendig, um die technische Umsetzung zu testen und Trainingsdaten auf Basis realitätsnaher Situationen zu erhalten (Platz der Republik und Bahnhofsvorhalle).

KI-Anwendungen treffen algorithmusbasierte Entscheidungen. Bei der Erprobung der KI-Anwendung im praktischen Einsatz ist aber eine menschliche Kontrolle erforderlich. Daher werden die erfassten Radaraufnahmen mit den parallelen Videoaufnahmen abgeglichen und durch die Mitarbeitenden der HSNR kontrolliert.

Aus dem Bereich der Verhaltensforschung ist bekannt, dass menschliches Verhalten sich schnell an sich verändernde Umfeldbedingungen anpasst: So können Menschen z.B. Beobachtungstechnologien ausweichen. Daher müssen immer mehre Dimensionen für einen konkreten Anwendungsfall betrachtet werden. Insofern können keine validen Aussagen zu einem möglichen Rückgang von Kriminalität in den beobachteten Bereichen gegeben werden.

Das Projektkonsortium besteht aus mehreren unterschiedlichen Akteuren aus dem Wirtschafts-, Forschungs- und dem Polizeibereich. Verbundpartner sind IMST GmbH (IMST), Hochschule Niederrhein (HSNR), Telefonbau Arthur Schwabe GmbH & Co. KG (TAS), Polizei Mönchengladbach (Polizei MG) und m3connect GmbH (m3c). Dabei übernimmt die IMST GmbH die Konsortialführung.

Die HSNR ist für die im Forschungsprojekt erhobenen Daten und die anschließende Datenverarbeitung verantwortlich. Die Polizei MG ist Projektpartner, hat jedoch keinen Zugriff auf die von der HSNR erhobenen und verarbeiteten Daten.

Die Funktion der Radartechnologie ist vergleichbar mit der Echoortung von Fledermäusen. Auf dem Beutezug entsenden Fledermäuse ein Ultraschall-Signal, welches von einem Insekt reflektiert und von der Fledermaus wiederum empfangen wird. Damit kann die Fledermaus das Insekt orten und seine Position bestimmen. Durch die Analyse der Frequenzveränderung zwischen ausgesendetem und empfangenem Signal kann die Fledermaus aufgrund des Doppler-Effekts die Geschwindigkeit des Insekts bestimmen und das Objekt als Insekt identifizieren.

Ein Radarsensor sendet Signale im hochfrequenten Bereich (z.B. 77 GHz) aus. So kann man durch den Empfang und die Auswertung der vom jeweiligen Objekt reflektierten Signalanteile Objekte in seinem Sichtfeld erkennen. Durch die Bestimmung von Entfernung und Winkel kann man den Ort des Objekts bestimmen. Wie bei der Fledermaus werden aus den Frequenzveränderungen aufgrund des Doppler-Effekts die unterschiedlichen Geschwindigkeitsanteile eines sich bewegenden Objekts als sogenanntes Doppler-Spektrum bestimmt: Oberkörper, Arme und Beine besitzen beispielsweise unterschiedliche Geschwindigkeiten bei einem gehenden Menschen. Der Radarsensor kann dabei gleichzeitig eine große Anzahl von Doppler-Spektren in Abhängigkeit der Entfernung bestimmen. Man nennt das eine „Range-Doppler-Map“.

Es wird die gleiche Radartechnologie genutzt, wie sie schon heute bei den Fahrassistenzsystemen in Autos zur Kontrolle des Abstands eingesetzt wird. Diese Technologie ist gut geprüft und gesundheitlich unbedenklich.

5G ist die fünfte Generation des Mobilfunkstandards und wird in Deutschland seit 2020 zunehmend für die Endnutzer bereitgestellt. Im Rahmen der Messkampagnen wird die m3connect ein privates Mobilfunknetz im Umfeld des Mönchengladbacher Hauptbahnhofes aufbauen und betreiben. Ebenso wird am Platz der Republik ein Mobilfunknetz installiert. Aufgrund der räumlichen Verteilung ist der Einsatz einer Funktechnologie notwendig, um die zentrale Recheneinheit mit den Sensorknoten zu verbinden. 5G verspricht im Vergleich zu seinen Vorläufern höhere Bandbreiten, niedrigere Latenzen, mehr Teilnehmerkapazität und erhöhte Sicherheit. Private Mobilfunknetze unterscheiden sich von öffentlichen Mobilfunknetzen durch speziell konfigurierte SIM-Karten vom Betreiber. Dadurch ist kein Zugriff auf das private Mobilfunknetz mit öffentlich verfügbaren SIM-Karten möglich. Der Einsatz von 5G ist geprüft und hält die gesetzlichen Grenzwerte ein.[1]

[1] Genauere Informationen zu den Grenzwerten beim Mobilfunk sind beim Bundesamt für Strahlenschutz einzusehen: https://www.bfs.de/DE/themen/emf/mobilfunk/vorsorge/recht/grenzwerte.html

Es wurden im Vorfeld einige Interviews zu Bedrohungsszenarien im Alltag sowie zum Sicherheitsgefühl durch Überwachungstechnologien bei Pendlern durchgeführt. Auf Basis dieser Interviews wird eine breite Befragung der Bevölkerung durchgeführt, bei der Fragen zur Akzeptanz und zu möglichen Befürchtungen durch die Überwachungstechnologie erfasst werden. Diese Daten sollen dann der Öffentlichkeit vorgestellt und diskutiert werden.