InquiryIQ war ein experimenteller Prototyp von Clearview AI, der einen Treffer aus einer Gesichtserkennung in eine breitere digitale Ermittlung überführen sollte. Vorgesehen waren Web- und Bildersuchen, das Durchsuchen von Webseiten, Bildanalysen und die Verknüpfung möglicher Identitäten in einem „Candidate Graph“. Ein Einsatz durch Strafverfolgungsbehörden ist nicht belegt; Clearview AI erklärte zudem, kein Polizeinutzer habe das System verwendet.
Was InquiryIQ ist – und was nicht
InquiryIQ war keine öffentlich vorgestellte Standardsoftware, sondern ein interner Prototyp für einen Ermittlungsablauf. Clearview AI beschrieb das System als Ansatz, der aus vorhandenen Hinweisen weitere Informationen ableiten sollte. Die bisher bekannten Funktionen beschreiben daher ein geplantes beziehungsweise erprobtes Design – keinen Nachweis, dass ein fertiges Produkt damit gearbeitet hat.
Der entscheidende Unterschied: Die Gesichtserkennung sollte nicht das Ende der Suche sein. Sie sollte den Ausgangspunkt liefern. Danach sollte InquiryIQ weitere Spuren im offenen Web und in Bildern verfolgen.
Vom Gesichtstreffer zum „Candidate Graph“
Der vorgesehene Ablauf lässt sich in vier Schritte zerlegen:
- Ausgangspunkt: Eine Ermittlerin oder ein Ermittler führt zunächst eine Clearview-Gesichtserkennung durch und übernimmt daraus relevante Hinweise.
- Zusätzliche Angaben: In die Suche können mögliche Merkmale wie Alter, Geschlecht, Hautfarbe, Haar- und Augenfarbe sowie weitere Details einfließen.
- Breitere Recherche: Das System soll Webseiten und Bilder durchsuchen, Seiten aufrufen, Fotos analysieren und auf darin gefundenen Bildern erneut Gesichtserkennung einsetzen.
- Verknüpfung: Die Ergebnisse sollen in einem „Candidate Graph“ als mögliche Identitäten und Beziehungen zusammengeführt werden.
Damit verschiebt sich die Rolle der Software: Aus einer Suche nach ähnlichen Gesichtern würde ein Werkzeug, das digitale Hinweise zu einer möglichen Personengeschichte anordnet. Genau diese Erweiterung macht den Prototypen gesellschaftlich brisanter als eine einzelne Bildsuche.
| Ermittlungsdimension | InquiryIQ-Prototyp | Bisher beschriebener Clearview-Ablauf |
| Ausgangspunkt | Hinweise aus einer Gesichtserkennung | Mögliche Treffer und Ermittlungsansätze aus der Gesichtssuche |
| Weitere Recherche | Vorgesehene Web- und Bildersuche, Webseiten, Bildanalyse und Gesichtserkennung in gefundenen Fotos | Ermittler verfolgen zusätzliche Links und recherchieren manuell weiter |
| Informationsumfang | Mögliche Identitäten, Kontakte, Arbeitgeber, Aliasnamen, Adressen, Telefonnummern, Social-Media-Konten, Festnahmehistorien und körperliche Merkmale | Vor allem Gesichtssuche und daraus entstehende Hinweise |
| Verknüpfung | Mögliche Beziehungen in einem „Candidate Graph“ | Manuelle Verbindung zusätzlicher Informationen durch Ermittler |
Welche Informationen könnte das System verbinden?
Die Oberfläche war darauf ausgelegt, ein Profil mit möglichen Angaben zu füllen. Dazu gehörten:
- Identitäten und Kontakte,
- Arbeitgeber und Aliasnamen,
- Adressen und Telefonnummern,
- Social-Media-Konten,
- Festnahmehistorien,
- körperliche Merkmale sowie demografische Angaben.
Bei Alter, Geschlecht und Hautfarbe sprach die Benutzeroberfläche davon, dass solche Angaben zu „schlauerem“ Entscheiden beitragen könnten. Daraus folgt jedoch nicht, dass diese Eingaben die Genauigkeit verbessern. Wie sie die Ergebnisse technisch beeinflussen würden, blieb offen.
Auch die Modellauswahl im Interface war kein Hinweis auf eine Auswahlfunktion für Polizeibehörden. Clearview AI testete dort Modelle im Zusammenhang mit xAI und Amazon Bedrock für interne technische Vergleiche.
Warum weniger Ermittlungsaufwand ein Problem sein kann
Automatisierung klingt zunächst nach einem Effizienzgewinn: Ein System übernimmt Suchschritte, die Menschen sonst einzeln ausführen müssten. Bei polizeilichen Ermittlungen ist dieser Zeitgewinn aber nicht neutral. Wenn weitreichende Suchen schneller und billiger werden, sinkt auch die praktische Hürde für breit angelegte Nachforschungen ohne klar begrenzte Spur.
Andrew Guthrie Ferguson beschrieb die mögliche Folge als ein Profil, das aus vielen zufälligen digitalen Hinweisen einer Person entsteht. Woodrow Hartzog verwies auf die bisherige „Reibung“ staatlicher Datensammlung: Zeitaufwand und begrenzte menschliche Kapazitäten wirkten bislang als praktische Schranken. Werden diese Schranken automatisiert, reichen Datenschutzregeln allein möglicherweise nicht aus, wenn sie auf eine langsamere Welt zugeschnitten sind.
Hinzu kommen Fehlerquellen. Demografische Merkmale, Social-Media-Daten und Festnahmeangaben könnten falsch zugeordnet oder unzutreffend erzeugt werden. Ein System, das viele schwache Hinweise zu einem überzeugend wirkenden Profil verbindet, kann dadurch einen falschen Zusammenhang besonders plausibel aussehen lassen.
Menschliche Kontrolle hilft – aber sie löst das Problem nicht automatisch
Die Oberfläche verlangte eine unabhängige Prüfung, bevor Angaben in ein Profil übernommen werden. Das ist eine wichtige Grenze: Ein automatisch erzeugter Hinweis sollte nicht allein als Tatsache gelten.
Sie garantiert aber weder Richtigkeit noch ein faires Verfahren. Woodrow Hartzog warnte, ein Mensch in der Kontrollschleife könne am Ende zum bloßen „Abnickstempel“ werden. Michael Price verglich ein halluzinationsanfälliges Sprachmodell sinngemäß mit einer Informationsquelle, die unter normalen Umständen nicht als Grundlage für einen wahrscheinlichen Tatverdacht akzeptiert würde.
Die zentrale Frage lautet deshalb nicht nur, ob ein Mensch den Vorschlag prüft. Entscheidend ist, ob dieser Mensch die Zeit, die Informationen und die institutionelle Unabhängigkeit besitzt, um einen plausibel klingenden, aber falschen Zusammenhang tatsächlich zurückzuweisen.
Der mögliche Vorteil: ein besserer Prüfpfad
Andrew Guthrie Ferguson nannte auch einen möglichen positiven Effekt: Wenn ein System Eingaben, Suchvorgänge, Modellentscheidungen und den Weg von einer Spur zur nächsten speichert, könnte eine Ermittlung leichter nachvollziehbar sein als eine Recherche, die nur im Kopf oder in verstreuten Notizen stattfindet.
Das wäre ein Prüfpfad, kein Gütesiegel. Eine lückenlos gespeicherte Suche beweist nicht, dass ihre Annahmen richtig waren. Sie kann aber sichtbar machen, welche Eingabe eine Suche ausgelöst hat, welche Verbindung hergestellt wurde und an welcher Stelle menschliche Entscheidungen eingeflossen sind.
Was von InquiryIQ bleibt
InquiryIQ steht für eine Verschiebung: Gesichtserkennung liefert nicht mehr nur einen möglichen Treffer, sondern könnte als Startsignal für eine automatisierte Recherche im gesamten digitalen Umfeld dienen. Der „Candidate Graph“ sollte aus solchen Spuren mögliche Personen und Beziehungen zusammensetzen – mit erheblichen Risiken für Privatsphäre, Fehlzuordnungen und die Kontrolle polizeilicher Ermittlungen.
Gleichzeitig bleibt die entscheidende Grenze bestehen: Die beschriebenen Funktionen gehören zu einem experimentellen Prototypen. Sie belegen weder eine verlässliche Arbeitsweise noch einen konkreten Polizeieinsatz. Relevant ist deshalb weniger die Frage, ob eine Maschine bereits jede Spur verknüpft, sondern welche Kontrollmechanismen gelten müssten, bevor ein solcher Ablauf überhaupt als Ermittlungswerkzeug akzeptabel wäre.
