Bayessche Netze in der Rechtsprechung

Paola Janßen formuliert richterliche Überzeugungsbildung als subjektives statistisches Entscheidungsproblem und bezieht sich damit auf eine methodische Schnittstelle zwischen Statistik und Jurisprudenz. Die Anwendung der bayesschen Statistik stellt hierbei die logische Konsistenz der Informationsverwertung und der Entscheidungsfindung sicher. Sie erfordert aber die Festlegung von a-priori-Wahrscheinlichkeiten, über die ein intersubjektiver Konsens möglicherweise nicht hergestellt werden kann. Sensitivitätsanalysen können dieses Problem abmildern. Die Autorin illustriert diese Sachverhalte anhand des Strafprozesses gegen den ehemaligen Wettermoderator Jörg Kachelmann, indem sie die Beweislage als bayessches Netz darstellt und auswertet.

Eine Studie an der methodische Schnittstelle zwischen Statistik und Jurisprudenz Richterliche Überzeugungsbildung als subjektives statistisches Entscheidungsproblem Includes supplementary material: sn.pub/extras

Autorentext

Paola Janßen ist wissenschaftliche Mitarbeiterin an der Professur für empirische Wirtschaftsforschung und angewandte Statistik der Universität Bremen. Derzeit promoviert sie im Bereich Statistik und Rechtsprechung.

Klappentext

Paola Janßen formuliert richterliche Überzeugungsbildung als subjektives statistisches Entscheidungsproblem und bezieht sich damit auf eine methodische Schnittstelle zwischen Statistik und Jurisprudenz. Die Anwendung der bayesschen Statistik stellt hierbei die logische Konsistenz der Informationsverwertung und der Entscheidungsfindung sicher. Sie erfordert aber die Festlegung von a-priori-Wahrscheinlichkeiten, über die ein intersubjektiver Konsens möglicherweise nicht hergestellt werden kann. Sensitivitätsanalysen können dieses Problem abmildern. Die Autorin illustriert diese Sachverhalte anhand des Strafprozesses gegen den ehemaligen Wettermoderator Jörg Kachelmann, indem sie die Beweislage als bayessches Netz darstellt und auswertet.

Inhalt
Beweiswürdigung und richterliche Überzeugungsbildung.- Bayessche Netze als probabilistische Expertensysteme.- Sensitivitätsanalysen.- Anwendungsbeispiel: Der Fall Kachelmann.