@misc{Arping2025, type = {Master Thesis}, author = {Arping, Bastian}, title = {Dark LLMs im Kontext von OSINT: Prototypentwicklung und Analyse der Anwendung f{\"u}r die polizeiliche Gefahrenabwehr und Strafverfolgung in Nordrhein-Westfalen}, url = {http://nbn-resolving.de/urn:nbn:de:hbz:1010-opus4-48354}, school = {Westf{\"a}lische Hochschule Gelsenkirchen Bocholt Recklinghausen}, pages = {215}, year = {2025}, abstract = {In dieser Arbeit wird der Einsatz von Dark LLMs zur Durchf{\"u}hrung von OSINT-Recherchen im Rahmen der polizeilichen Gefahrenabwehr und Strafverfolgung in Nordrhein-Westfalen analysiert. Hierf{\"u}r wird zun{\"a}chst eine erste wissenschaftliche Definition des Begriffs Dark LLM erstellt. Anschließend werden relevante Dark LLMs vorgestellt, auf deren Gefahren aufmerksam gemacht und geeignete Gegenmaßnahmen er{\"o}rtert. Danach erfolgt eine rechtliche Einordnung anhand mehrerer Gesetzestexte. Dann wird eine prototypische Entwicklung eines LLMs durchgef{\"u}hrt, welches f{\"u}r OSINT-Recherchen eingesetzt werden kann. Die rechtliche Analyse und die technische Implementierung ergeben, dass der Einsatz eines Dark LLMs in der polizeilichen Arbeit unzul{\"a}ssig ist. Zudem wird ein polizeiliches LLM nach der KI-Verordnung sowohl als Hochrisiko-KI-System als auch als KI-Modell mit allgemeinem Verwendungszweck eingestuft, wodurch sich etliche Pflichten ergeben, die ein LLM in ihrer Funktion einschr{\"a}nken. Trotz dieser Einschr{\"a}nkungen ist ein Einsatz eines solchen LLMs sinnvoll, denn dieses kann viele OSINT-Informationen sekundenschnell zu einer geb{\"u}ndelten Antwort zusammenfassen, was die polizeiliche Arbeit erheblich erleichtert. Durch allgemeines OSINT-Training und die Anbindung weiterer OSINT-Quellen kann die Qualit{\"a}t der Antwort deutlich verbessert werden.}, subject = {K{\"u}nstliche Intelligenz}, language = {de} }