Literature by the same author
plus at Google Scholar

Bibliografische Daten exportieren
 

Ein Blick in die Blackbox : Künstliche Intelligenz und Machine Learning als Beweismittel im Strafverfahren

Title data

Rückert, Christian:
Ein Blick in die Blackbox : Künstliche Intelligenz und Machine Learning als Beweismittel im Strafverfahren.
In: Goltdammer's Archiv für Strafrecht. Vol. 170 (2023) Issue 7 . - p. 361.
ISSN 0017-1956

Official URL: Volltext

Abstract in another language

Künstliche Intelligenz und Methoden des maschinellen Lernens kommen bereits jetzt in straf- rechtlichen Ermittlungsverfahren zum Einsatz, in naher Zukunft werden sich die Use Cases für Strafverfolgungsbehörden vervielfachen. Beispiele sind die Gesichtserkennung, Programme zur Identifikation von DeepFakes und kinderpornographischen Inhalten sowie Data Mining Tools zur Erkennung von Verbindungen in großen Datensätzen. Aus einer IT-forensischen Perspektive weisen diese Werkzeuge einen entscheidenden Nachteil auf. Die Methoden, mit welchen die Programme zu einem Ergebnis gelangen, sind für die Beteiligten eines Strafverfahrens nicht nachvollziehbar und nur eingeschränkt überprüfbar. Dies wirft die Frage auf, wie die Tatgerichte im Rahmen ihrer Beweiswürdigung mit solchen „Blackbox"-Beweismitteln umzugehen haben. Der Beitrag erarbeitet einen Lösungsvorschlag unter Heranziehung anerkannter Prinzipien der strafrichterlichen Beweiswürdigung und der Amtsaufklärungspflicht.

Further data

Item Type: Article in a journal
Refereed: Yes
Institutions of the University: Faculties > Faculty of Law, Business and Economics > Department of Law > Chair Criminal Law II - Strafrecht, Strafprozessrecht und IT-Strafrecht
Faculties > Faculty of Law, Business and Economics > Department of Law > Chair Criminal Law II - Strafrecht, Strafprozessrecht und IT-Strafrecht > Chair Criminal Law II - Strafrecht, Strafprozessrecht und IT-Strafrecht - Univ.-Prof. Dr. Christian Rückert
Result of work at the UBT: No
DDC Subjects: 300 Social sciences > 340 Law
Date Deposited: 21 Feb 2024 08:57
Last Modified: 21 Feb 2024 08:57
URI: https://eref.uni-bayreuth.de/id/eprint/88655