Guardian: KI-gestützte Risikokarten für die Suche nach vermissten Kindern

Die ersten 72 Stunden einer vermissten‑Kind-Ermittlung sind entscheidend für eine erfolgreiche Rückkehr. Trotz dieser Dringlichkeit kämpfen Polizeibehörden häufig mit fragmentierten, unstrukturierten Daten und einem Mangel an dynamischen, geospatialen Vorhersagewerkzeugen. Das neue System Guardian bietet eine komplette Entscheidungsunterstützung für die Untersuchung von vermissten Kindern und die frühzeitige Suchplanung.

Guardian wandelt heterogene, unstrukturierte Fallunterlagen in ein schema‑angleichtes, spatiotemporales Modell um, ergänzt die Fälle um Geocodierung und Transportkontext und liefert probabilistische Suchprodukte für die Zeiträume 0–72 Stunden. Dabei nutzt es eine dreischichtige Vorhersagearchitektur, die Transparenz und Handlungsrelevanz vereint.

Die erste Schicht ist ein sparsamer, interpretierbarer Markov‑Ketten‑Algorithmus, der Übergänge unter Einbeziehung von Straßenzugänglichkeit, Rückzugspräferenzen und Korridor‑Bias modelliert und dabei separate Parameter für Tag und Nacht verwendet. Die daraus resultierenden Wahrscheinlichkeitsverteilungen werden in der zweiten Schicht durch Reinforcement‑Learning in operative Suchpläne umgewandelt. Abschließend prüft die dritte Schicht, ein großes Sprachmodell, die Suchpläne post hoc, bevor sie freigegeben werden.

In einer synthetischen, aber realistischen Fallstudie konnten quantitative Ergebnisse für 24‑, 48‑ und 72‑Stunden‑Horizonte erzielt werden. Die Analyse zeigte, wie sensitiv das System auf Parameteränderungen reagiert, welche Fehlermodi auftreten können und welche Kompromisse zwischen Genauigkeit und Praktikabilität bestehen. Die Ergebnisse demonstrieren, dass Guardian mit seiner dreischichtigen Architektur interpretierbare Vorhersagen liefert, die sowohl für die Optimierung von Suchzonen als auch für die menschliche Überprüfung geeignet sind.