KISTRA
Einsatz von KI zur Früherkennung von Straftaten
KISTRA ist ein CATALPA-Projekt.
Projektziele und Forschungsfragen
Die polizeiliche Kriminalstatistik zeigt in den letzten Jahren einen deutlichen Anstieg von politisch motivierten Straftaten mit Internetbezug. Ermittlungsbehörden benötigen bedarfsgerechte Werkzeuge, die ein Vorfiltern ermöglichen und sie bei der Strafverfolgung unterstützen. KISTRA erforscht die Möglichkeiten den Einsatz von Künstlicher Intelligenz zur Erkennung, Vorbeugung und Verfolgung von Straftaten. Das von CATALPA Forschungsprofessor Torsten Zesch verantwortete Teilprojekt beschäftigt sich konkret mit der Frage wie die Strafbarkeit von Hassrede in sozialen Medien computerlinguistisch modelliert werden kann.
-
-
Gefördert wird das Projekt durch das Bundesministerium für Bildung und Forschung (BMBF) im Rahmen der Förderlinie
Förderbekanntmachung:
Förderkennzeichen: 13N15344
-
- Zentrale Stelle für Informationstechnik im
- Sicherheitsbereich (ZITiS), München
- Ruhr-Universität Bochum
- Bundeskriminalamt, Wiesbaden
- Ludwig-Maximilians-Universität München
- Rheinisch-Westfälische Technische Hochschule Aachen
- Technische Universität Berlin
- Technische Universität Darmstadt
- Universität Duisburg-Essen, Duisburg
- Munich Innovation Labs GmbH, München
-
-
Juli 2020 - Dezember 2023
-
2022
Konferenzbeiträge
- Ludwig, F., Dolos, K., Zesch, T., & Hobley, E. (2022). Improving Generalization of Hate Speech Detection Systems to Novel Target Groups via Domain Adaptation. Proceedings of the Sixth Workshop on Online Abuse and Harms (WOAH), 29–39. https://doi.org/10.18653/v1/2022.woah-1.4
- Zufall, F., Hamacher, M., Kloppenborg, K., & Zesch, T. (2022). A Legal Approach to Hate Speech – Operationalizing the EU’s Legal Framework against the Expression of Hatred as an NLP Task. Proceedings of the Natural Legal Language Processing Workshop 2022, 53–64. https://aclanthology.org/2022.nllp-1.5
Software
- Hamacher, M., & Zesch, T. (2022). INCEpTALYTICS - An easy-to-use API for analyzing INCEpTION annotation projects. Zenodo. https://doi.org/10.5281/ZENODO.7095346