Welcome to the Forensic Machine Learning Technology Center

Ziel der Organisation

Gegründet im Jahr 2022 nimmt sich das Center der Grundlagenforschung für maschinelles Lernen ebenso an wie für anwendungsorientierte Verfahren in den Kriminalwissenschaften. Es ist interne Anlaufstelle für das Forensische Institut Zürich (FOR) und das Institut für Rechtsmedizin Zürich (IRM) bei Fragen zu Statistik und Rechenmodellen.

Wo aus Daten oder Datenbanken forensische Fragen oder Zusammenhänge erkannt und bewertet werden sollen, bietet ForMaLTeC Unterstützung von der Datenerhebung bis zur Auswertung mit Hilfe von Computeralgorithmen und statistischen Modellen.

Wir unterstützen die sachverständige Person dahingehend, dass grosse Datenmengen aus einer oder gar mehrerer Quellen gleichzeitig effizienter und effektiver ausgewertet werden können. Dies ist insbesondere bei Vergleichsuntersuchungen und Individualisierungen (gleiche Quelle vs. unterschiedliche Quelle) hilfreich. Sei es bei Einzelvergleichen oder der Gegenüberstellung eines inkriminierten Gegenstandes oder Spur mit einer Datenbank.

Es werden Themen bearbeitet und auf Gebieten geforscht, die für beide Institute von Relevanz sind.

Das Center wird durch die Co-Leitung von Dr. Michael Bovens (FOR) und PD Dr. Akos Dobay (IRM) operativ geführt.

Dr. Michael Bovens (FOR)

Kernkompetenz und Schwerpunkte im ForMaLTeC

Einsatz von Maschinellem Lernen und Tiefem Lernen in der Forensik

„Maschinelles Lernen“ (ML) und „Tiefes Lernen“, sogenanntes Deep Learning (DL), gehören zu den neusten wissenschaftlichen Forschungsgebieten. Diese Entwicklung entstand durch die ständige Evolution von Mikroprozessoren und vor allem Graphikkarten, die mittlerweile nicht nur Bildschirme steuern, aber auch als Rechnereinheit benutzt werden. Ziel von ML/DL ist in erster Linie, Teile der Arbeitsprozesse zu automatisieren und Entscheidungsgrundlagen objektiver auf die verfügbaren Daten abzustützen.

Forensische Digitaltechnologie

Dokumente, Internethandel, usw. werden mit dem Trend nach Digitalisierung immer häufiger gefälscht und missbräuchlich verwendet. Deshalb sind auch die Entwicklung von neuen Methoden und der Aufbau von einer Grundexpertise in diesem Bereich zur frühzeitigen Erkennung oder Fallaufklärung immer mehr gefragt.

Mathematische Methoden und Expertenkompetenz

Die hinter den angewandten Methoden stehende Mathematik ist als reines Werkzeug zu verstehen. Viel bedeutender sind die Datenauswahl, das Methodendesign, die Methodenvalidierung wie beispielsweise die Normalverteilung der Residuen. Ebenso zentral ist die Kenntnis der Modellgrenzen, deren Aussagen sowie ein vertieftes Verständnis bezüglich Overfitting. Letztendlich gehört auch die Überprüfung des gerechneten oder modellierten Ergebnisses mit den Fallgegebenheiten dazu. Mit der Interpretation des Resultates zur Beantwortung der gestellten Frage bleibt die Expertise immer beim Fachexperten.