DataWil Tech

OSINT in der KI-Ära: Wie Large Language Models Polizei und Ermittlungsbehörden bei der Informationsanalyse unterstützen

Von DataWil Tech · Veröffentlicht am · aktualisiert am · 7 Min. Lesezeit · Cybersecurity

OSINT in der KI-Ära: Wie Large Language Models Polizei und Ermittlungsbehörden bei der Informationsanalyse unterstützen

Ein LKA-Ermittler erhält einen Hinweis auf einen geplanten Angriff auf eine Veranstaltung, diskutiert in Telegram-Kanälen mit über 40.000 Nachrichten auf Deutsch, Russisch, Arabisch und in Szenejargon. Statt tagelanger Sichtung liefert ein richtig eingesetztes Sprachmodell in Stunden Akteure, Zeitlinie, Orte und verdächtige Formulierungen samt Originalnachricht. Es ersetzt keinen Ermittler, sondern schafft Zeit für Bewertung, Entscheidung und Beweisführung.

Offene Quellen, unüberschaubare Mengen

Open Source Intelligence (OSINT) verknüpft offene Quellen wie soziale Netzwerke, Messenger-Kanäle, Foren, Online-Marktplätze, Medien, Register, Bilder, Videos und Geodaten methodisch zum belastbaren Lagebild. Da Täter öffentlich agieren, ist selten der Zugang das Problem, sondern die Menge: Ein Ermittlungskomplex umfasst oft zehntausende Beiträge, Bilder und Profile.

Was Sprachmodelle an der Auswertung grundlegend ändern

Sechs Fähigkeiten von Large Language Models (LLMs) sind für OSINT entscheidend. Sie kategorisieren tausende Nachrichten in Minuten und sortieren sie nach Relevanz, beherrschen Dutzende Sprachen samt Umgangssprache, Dialekten und arabischer Sprache in lateinischer Schrift. Ihre Entitätenerkennung überführt Namen, Orte, Telefonnummern, Kryptowallet-Adressen und Fahrzeuge automatisch in Tabellen. Anders als Suchwerkzeuge erkennen sie, ob „Schnee“ Wetter oder Kokain bedeutet und ob eine Drohung ernst gemeint ist. Sie verdichten lange Diskussionen mit Quellenverweis auf Kernaussagen und bilden Hypothesen, die Ausgangspunkt gezielter Prüfung sind, kein Ergebnis.

Wo der Nutzen im Ermittlungsalltag sichtbar wird

Einem Staatsschutzdezernat liefern 18 Monate Telegram-Verlauf eine Zeitlinie der Radikalisierung mit nach Schweregrad markierten Gewaltbezügen, drei Accounts mit auffällig gleichen Formulierungen verraten Mehrfachaccounts. Emoji-Codes in Drogenangeboten auf Instagram und Snapchat werden zu Substanzen, Mengen und Preisen übersetzt und nach mutmaßlichen Anbietern gruppiert.

Bei Online-Betrug und Fake-Shops, deren Schäden in Deutschland jährlich in die Milliarden gehen, zeigen von 300 Anzeigen zu Krypto-Investments 214 identische Skript-Formulierungen: Aus 300 Einzelverfahren wird ein Sammelverfahren gegen eine Tätergruppierung. Anzeigen für Finanzagenten und „Money Mules“ wie „Nebenjob, 500 Euro pro Woche, nur Überweisungen weiterleiten.“ verknüpft das Modell über gemeinsame Kontaktdaten zur Karte der Anwerbestruktur.

Bei Menschenhandel und sexueller Ausbeutung fallen identische Texte bei angeblich verschiedenen Frauen, dieselbe Nummer in fünf Städten innerhalb von drei Wochen oder Hinweise auf Minderjährigkeit auf; die Fachdienststelle erhält eine priorisierte Liste statt tausender Anzeigen. Bei Vermissten bündelt die KI öffentliche Aktivitäten der letzten 30 Tage und hebt neue Kontakte, Ortsbezüge und Hinweise auf Grooming oder Suizidgedanken hervor.

Bei Großeinsätzen wie Amoklagen, Anschlägen oder Demonstrationen verdichtet das Modell tausende Posts laufend zu Orten, Augenzeugenberichten, Widersprüchen und Gerüchten und hilft, Falschmeldungen schneller zu begegnen. Desinformation erkennt es an Account-Gruppen, die zeitgleich nahezu identische, oft maschinell übersetzte Aussagen posten. Multimodale Modelle werten Bilder und Videos aus und erkennen auf einem Waffenfoto Waffentypen, ein polnisches Ladenschild und eine Steckdosenart und grenzen so den Aufnahmeort ein, den ein Analyst verifiziert. Berichtsentwürfe, Zeitlinien und Personenübersichten prüft und gibt der Ermittler frei.

Mehr Zeit für die eigentliche Ermittlungsarbeit

Tage oder Wochen der Sichtung schrumpfen auf Stunden, die 30.000. Nachricht wird so aufmerksam gelesen wie die erste, Fremdsprachen und Jargon erschließen sich ohne knappe Dolmetscherkapazitäten. Es bleibt Raum für Bewerten, Entscheiden und gerichtsfestes Belegen.

Worauf Behörden beim Einsatz achten sollten

Der Mensch entscheidet, die Maschine bereitet vor: Jede KI-Erkenntnis ist Hinweis, nicht Beweis, „Human in the Loop“ ist nicht verhandelbar. Quellenverweise mit Nachrichten-ID, Zeitstempel, URL und Screenshot machen die Analyse nachvollziehbar und gerichtsverwertbar. Zentral ist eine kontrollierte, datenschutzfreundliche KI: Ermittlungsdaten bleiben unter Kontrolle der Behörde, trainieren keine fremden Systeme und laufen idealerweise in eigener, abgesicherter Infrastruktur. Präzise Aufgaben wie „Extrahiere alle Orts- und Zeitangaben in eine Tabelle mit Nachrichten-ID“ führen weiter als „Was ist hier verdächtig?“. Modell, Version, Aufgabenstellung und Datenbasis gehören in die Akte, größter Hebel bleibt die Schulung: typische Fehler kennen, Ergebnisse kritisch prüfen.

Grenzen, Risiken und rechtlicher Rahmen

Halluzinationen erfinden plausible Namen, Daten oder Zitate, daher gilt: keine Erkenntnis ohne Prüfung am Original. Verzerrungen bewerten mitunter Sprachen, Herkunftsgruppen oder Milieus systematisch anders, was bei der Priorisierung von Personen heikel ist. Weil auch Täter KI nutzen, verlangen Deepfakes und generierte Texte eine Echtheitsprüfung der Quellen, und Szenekenntnis wie Bauchgefühl bleiben beim Ermittler.

Laut Bundesverfassungsgericht (Februar 2023) braucht polizeiliche automatisierte Datenanalyse eine hinreichend bestimmte gesetzliche Grundlage und je nach Eingriffsintensität enge Voraussetzungen. Hinzu kommen Strafprozessordnung, Polizeigesetze der Länder, die Richtlinie (EU) 2016/680 und die europäische KI-Verordnung, die viele KI-Anwendungen in der Strafverfolgung als Hochrisikosysteme einstuft und bestimmte Praktiken untersagt. Vor Projektbeginn ist eine rechtliche Bewertung mit dem Datenschutzbeauftragten nötig.

Fazit: Der Vorsprung entsteht jetzt

Kriminelle nutzen KI längst für Betrugsskripte, gefälschte Profile und Übersetzungen; wer OSINT nur manuell betreibt, gerät strukturell ins Hintertreffen. LLMs sind kein Wundermittel, aber auf sicherer Infrastruktur, mit klaren Prozessen und geschulten Anwendern das wirksamste Werkzeug seit Jahren gegen die Informationsflut. Offen ist nur noch, wie schnell und verantwortungsvoll Behörden sie für OSINT nutzen.

DataWil Tech unterstützt Sicherheitsbehörden und Organisationen bei der Konzeption und Umsetzung souveräner KI-Lösungen für OSINT und Informationsanalyse, von der Machbarkeitsstudie bis zum Betrieb auf eigener Infrastruktur. Sprechen Sie uns an: info@datawiltech.de

Themen: OSINT, Künstliche Intelligenz, Large Language Models, Polizei, LKA, Ermittlungen, Informationsanalyse, Sicherheitsbehörden, KI-Verordnung, Kriminalitätsbekämpfung

Weitere Artikel

Über DataWil Tech

DataWil Tech aus Frankfurt am Main vereint drei Geschäftsbereiche: Digitale Detektei mit OSINT Recherche, Hintergrundrecherchen und Due Diligence, Cybersecurity mit autorisierten Penetrationstests und Risikoanalysen aus Angreifersicht sowie KI und Softwareentwicklung. Die Auswertung erfolgt vertraulich auf eigener Infrastruktur in Deutschland.

DataWil Tech, Leipzigerstraße 42, 60487 Frankfurt am Main, Deutschland. Geschäftsführer: Wilfried Talimeta.

Kontakt: info@datawiltech.de, Montag bis Freitag 09:00 bis 17:00 Uhr.

Impressum · Datenschutz