New York bewertete 900.000 Grundstücke anhand von Branddaten – die Trefferquote bei Inspektionen stieg um das Fünffache

Mike Flowers, ein ehemaliger Staatsanwalt in Manhattan, der gesehen hatte, wie der US-Militärgeheimdienst sichere Routen in Bagdad durch die Auswertung von IED-Daten vorhersagte, wurde unter Bürgermeister Bloomberg New York Citys erster „Director of Analytics“. Sein erstes großes Ziel: illegale Umbauten – Wohnungen, die in Einheiten zerstückelt wurden, in denen bis zum Zehnfachen ihrer Auslegungslast untergebracht war – Brandsfallen, in denen dicht gepackte Bewohner regelmäßig starben und in denen 2005 zwei Feuerwehrleute ums Leben kamen.

Sein fünfköpfiges Team aus frisch gebackenen Wirtschaftswissenschaftlern – Flowers vermied bewusst erfahrene Statistiker, weil er Leute wollte, die gegen die unorthodoxe Methode nicht protestieren würden – begann mit den 900.000 Grundstücken der Stadt und goss Daten aus 19 Behörden hinein: Zahlungsrückstände bei der Grundsteuer, Zwangsversteigerungsverfahren, Anomalien und Abschaltungen bei Versorgungsleistungen, Gebäudetyp und -alter, Rettungswageneinsätze, Kriminalitätsraten, Beschwerden über Nagetiere. Sie glichen diese mit fünf Jahren Branddaten ab, geordnet nach Schweregrad, um vorherzusagen, welche Beschwerden eine dringende Inspektion verdienten.

Die Daten waren ein Durcheinander: Jede Behörde identifizierte Gebäude anders – Hausnummern, Borough-Block-Lot, kartesische Koordinaten der Polizei, Nähe zu Feuerwehr-Rufsäulen. Das Team nahm das Durcheinander an, glich Gebäude über eine kleine kartesische Fläche an der Vorderseite des Grundstücks ab und bezog die Daten jeder Behörde locker ein. Die Feldarbeit schärfte das Modell: Aufzeichnungen über Mauerwerksgenehmigungen etwa deuteten darauf hin, dass einige verdächtige Objekte wahrscheinlich keine großen Risiken darstellten.

Das System ging im Juni 2011 in Betrieb und leitete wöchentlich die obersten 5 % der bewerteten Beschwerden weiter. Zuvor fanden Inspektoren bei 13 % der Nachkontrollen Zustände, die so schlecht waren, dass eine Räumungsanordnung gerechtfertigt war; nach der Bewertung erhielten mehr als 70 % der inspizierten Gebäude Räumungsanordnungen – eine fünffache Effizienzsteigerung.

Alle 900.000 Grundstücke anhand von fünf Jahren Branddaten bewerten und Inspektoren nur zu den obersten 5 % des vorhergesagten Risikos schicken.

Die Stadt verfügte über reichlich Daten zu Brandausgängen, die niemand jemals mit Beschwerdedaten verknüpft hatte.

Erfahrene Intuition als Stellvertreter war irreführend: Eine Ratte an der Upper East Side zog 30 Anrufe in einer Stunde nach sich, während Bronx-Bewohner erst ein ganzes Bataillon Nagetiere brauchten, bevor sie 311 anriefen.

Eine perfekte Übereinstimmung der Datensätze war über 19 Behörden hinweg unmöglich, also glich das Team nach Geografie ab und ließ die Menge die Ungenauigkeit ausgleichen.

Die Bewertung wurde fortlaufend mit erfahrenen Inspektoren getestet, statt als Blackbox verordnet zu werden.

Die Datenmenge die Ungenauigkeit überlagern lassen, statt perfekte Entitätsauflösung anzustreben – und Bereichsintuitionen wie das Anrufvolumen bei 311 aufgeben, sobald die Daten ihnen widersprechen.

Bis 2013, als der Bericht als Auszug aus „Big Data“ veröffentlicht wurde, galt die Methode als Modell für vorausschauende städtische Inspektionen, und Flowers' Büro weitete den Ansatz weiter über die Stadtbehörden aus.