<?xml version="1.0" encoding="utf-8"?>
<export-example>
  <doc>
    <id>4835</id>
    <completedYear>2025</completedYear>
    <publishedYear>2025</publishedYear>
    <thesisYearAccepted>2025</thesisYearAccepted>
    <language>deu</language>
    <pageFirst/>
    <pageLast/>
    <pageNumber>215</pageNumber>
    <edition/>
    <issue/>
    <volume/>
    <type>masterthesis</type>
    <publisherName/>
    <publisherPlace/>
    <creatingCorporation/>
    <contributingCorporation/>
    <belongsToBibliography>0</belongsToBibliography>
    <completedDate>2025-10-23</completedDate>
    <publishedDate>2025-09-08</publishedDate>
    <thesisDateAccepted>2025-09-08</thesisDateAccepted>
    <title language="deu">Dark LLMs im Kontext von OSINT: Prototypentwicklung und Analyse der Anwendung für die polizeiliche Gefahrenabwehr und Strafverfolgung in Nordrhein-Westfalen</title>
    <abstract language="deu">In dieser Arbeit wird der Einsatz von Dark LLMs zur Durchführung von OSINT-Recherchen im Rahmen der polizeilichen Gefahrenabwehr und Strafverfolgung in Nordrhein-Westfalen analysiert. Hierfür wird zunächst eine erste wissenschaftliche Definition des Begriffs Dark LLM erstellt. Anschließend werden relevante Dark LLMs vorgestellt, auf deren Gefahren aufmerksam gemacht und geeignete Gegenmaßnahmen erörtert. Danach erfolgt eine rechtliche Einordnung anhand mehrerer Gesetzestexte. Dann wird eine prototypische Entwicklung eines LLMs durchgeführt, welches für OSINT-Recherchen eingesetzt werden kann. Die rechtliche Analyse und die technische Implementierung ergeben, dass der Einsatz eines Dark LLMs in der polizeilichen Arbeit unzulässig 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 einschränken. Trotz dieser Einschränkungen ist ein Einsatz eines solchen LLMs sinnvoll, denn dieses kann viele OSINT-Informationen sekundenschnell zu einer gebündelten Antwort zusammenfassen, was die polizeiliche Arbeit erheblich erleichtert. Durch allgemeines OSINT-Training und die Anbindung weiterer OSINT-Quellen  kann die Qualität der Antwort deutlich verbessert werden.</abstract>
    <abstract language="eng">This paper analyses the use of dark LLMs to conduct OSINT research in the context of police hazard prevention and law enforcement in  North Rhine-Westphalia. To this end, an initial scientific definition of the term dark LLM is first established. Subsequently, relevant dark LLMs are presented, their dangers are highlighted, and appropriate countermeasures are discussed. This is followed by a legal classification based on several legal texts. Then a prototype LLM is developed that can be used for OSINT research.  The legal analysis and technical implementation show that the use of a dark LLM in police work is not permitted. In addition, according to the AI Regulation, a police LLM is classified as both a high-risk AI system and an AI model for general use, which results in a number of obligations that restrict the function of an LLM. Despite these restrictions, the use of such an LLM is useful because it can summarise a lot of OSINT information into a bundled response in a matter of seconds, which makes police work considerably easier. Through general OSINT training and the connection of additional OSINT sources, the quality of the response can be significantly improved.</abstract>
    <identifier type="urn">urn:nbn:de:hbz:1010-opus4-48354</identifier>
    <enrichment key="opus.source">publish</enrichment>
    <licence>Creative Commons - Namensnennung</licence>
    <author>Bastian Arping</author>
    <subject>
      <language>deu</language>
      <type>swd</type>
      <value>Künstliche Intelligenz</value>
    </subject>
    <subject>
      <language>deu</language>
      <type>swd</type>
      <value>Große Sprachmodelle</value>
    </subject>
    <subject>
      <language>deu</language>
      <type>swd</type>
      <value>Large Language Model</value>
    </subject>
    <subject>
      <language>deu</language>
      <type>swd</type>
      <value>Open Source Intelligence</value>
    </subject>
    <subject>
      <language>deu</language>
      <type>swd</type>
      <value>Cyberkriminalität</value>
    </subject>
    <subject>
      <language>deu</language>
      <type>uncontrolled</type>
      <value>Künstliche Intelligenz</value>
    </subject>
    <subject>
      <language>eng</language>
      <type>uncontrolled</type>
      <value>Dark LLM</value>
    </subject>
    <subject>
      <language>eng</language>
      <type>uncontrolled</type>
      <value>OSINT</value>
    </subject>
    <subject>
      <language>deu</language>
      <type>uncontrolled</type>
      <value>Polizei</value>
    </subject>
    <subject>
      <language>deu</language>
      <type>uncontrolled</type>
      <value>Große Sprachmodelle</value>
    </subject>
    <collection role="ddc" number="000">Informatik, Informationswissenschaft, allgemeine Werke</collection>
    <collection role="open_access" number="">open_access</collection>
    <collection role="institutes" number="FB 5">Wirtschaft und Informationstechnik Bocholt</collection>
    <collection role="collections" number="">Abschlussarbeiten an der Westfälischen Hochschule</collection>
    <thesisPublisher>Westfälische Hochschule Gelsenkirchen Bocholt Recklinghausen</thesisPublisher>
    <thesisGrantor>Westfälische Hochschule Gelsenkirchen Bocholt Recklinghausen</thesisGrantor>
    <file>https://opus4.kobv.de/opus4-w-hs/files/4835/Masterarbeit_Arping.pdf</file>
  </doc>
</export-example>
