Cover des Buchs: Künstliche Intelligenz und Strafzumessung
Im Shop erwerben
, um zu prüfen, ob Sie einen Vollzugriff auf diese Publikation haben.
Monographie Kein Zugriff

Künstliche Intelligenz und Strafzumessung

Wie der Einsatz technischer Hilfsmittel für eine gerechtere Sanktionspraxis im digitalen Zeitalter sorgen könnte
Autor:innen:
Verlag:
 11.10.2021

Zusammenfassung

Große regionale Unterschiede im Strafmaß sind in Deutschland ein lange bekanntes Problem. Der Autor untersucht in seinem Werk, ob und wie mit Hilfe von Künstlicher Intelligenz eine Verbesserung erzielt werden kann. Dabei begibt er sich zunächst auf eine Reise in andere Länder aus Europa und der Welt, in denen bereits heute technische Unterstützung im Bereich der Justiz im Einsatz ist und diskutiert verfassungsrechtliche und praktische Fragen hinsichtlich einer Verwendung in Deutschland. Sodann stellt er mögliche Einsatzformen von Künstlicher Intelligenz im deutschen Strafzumessungsrecht dar und benennt konkrete Anforderungen an die Umsetzung eines solchen Projekts.

Schlagworte

Publikation durchsuchen

Bibliographische Angaben

Copyrightjahr
2021
Erscheinungsdatum
11.10.2021
ISBN-Print
978-3-8487-7274-2
ISBN-Online
978-3-7489-1283-5
Verlag
Nomos, Baden-Baden
Reihe
Schriften zur Kriminologie
Band
22
Sprache
Deutsch
Seiten
440
Produkttyp
Monographie

Inhaltsverzeichnis

KapitelSeiten
  1. Titelei/Inhaltsverzeichnis Kein Zugriff 1 - 22
  2. Einleitung Kein Zugriff 23 - 24
      1. 1. Fehlende Basis: Was ist Intelligenz? Kein Zugriff
      2. 2. Definitionsversuche: Was ist Künstliche Intelligenz? Kein Zugriff
      3. 3. Grund des Scheiterns: Heterogenität des Forschungsfeldes Kein Zugriff
      4. 4. Annäherung an den Begriff: Eine Arbeitsdefinition Kein Zugriff
        1. a) Erste Visionen: Antike Kein Zugriff
        2. b) Die Grundsteine: Mittelalter und das Zeitalter der Aufklärung Kein Zugriff
        3. c) Automatisierung: Zeitalter der Industrialisierung Kein Zugriff
        4. d) Der Durchbruch: Computerzeitalter Kein Zugriff
        1. a) Der Startschuss: Turing als „Vater der KI‑Forschung“ Kein Zugriff
        2. b) Die Geburt des KI‑Begriffes: „Dartmouth Summer Project“ Kein Zugriff
          1. aa) Die Anfangsphase: Ehrgeizige Ziele Kein Zugriff
          2. bb) Fortschritt durch Heuristik: Das erste KI‑Programm Kein Zugriff
          1. aa) KI als Gegner: Erprobung in Brettspielen Kein Zugriff
          2. bb) Verstärkte Spezialisierung Kein Zugriff
          1. aa) Expertensysteme Kein Zugriff
          2. bb) „KI‑Winter“ Kein Zugriff
        1. a) Formen des Lernens Kein Zugriff
        2. b) Symbolbasiertes Maschinelles Lernen Kein Zugriff
        1. a) Rückbesinnung auf einen alten Forschungszweig Kein Zugriff
          1. aa) Künstliche Neuronen und deren Verbindungen Kein Zugriff
          2. bb) Training der Künstlichen Neuronalen Netze Kein Zugriff
    4. IV. Ergebnis Kein Zugriff
          1. aa) Der gesetzliche Strafrahmen Kein Zugriff
            1. (1) Die Grundlagenformel: § 46 Abs. 1 S. 1 StGB Kein Zugriff
            2. (2) Die Abwägung und der Katalog des § 46 Abs. 2 StGB Kein Zugriff
          1. aa) Phasen der Strafzumessung Kein Zugriff
            1. (1) Absolute Strafzwecke: Sühne und Vergeltung Kein Zugriff
                1. (aa) Negative Generalprävention Kein Zugriff
                2. (bb) Positive Generalprävention Kein Zugriff
                1. (aa) Negative Spezialprävention Kein Zugriff
                2. (bb) Positive Spezialprävention Kein Zugriff
              1. (a) Klassische Vereinigungstheorien Kein Zugriff
                1. (aa) Theorie der verhältnismäßigen Generalprävention Kein Zugriff
                2. (bb) Theorie der retributiven Generalprävention Kein Zugriff
              1. (a) Theorie der Punktstrafe Kein Zugriff
              2. (b) Theorie der Strafe als sozialer Gestaltungsakt Kein Zugriff
              3. (c) Theorie der generalpräventiven Strafzumessung Kein Zugriff
              4. (d) Stellenwerttheorie Kein Zugriff
              5. (e) Tatproportionalitätslehre Kein Zugriff
              6. (f) Schuldrahmenlehre (Spielraumtheorie) Kein Zugriff
              1. (a) Theorie der Punktstrafe Kein Zugriff
              2. (b) Theorie der Strafe als sozialer Gestaltungsakt Kein Zugriff
              3. (c) Theorie der generalpräventiven Strafzumessung Kein Zugriff
              4. (d) Stellenwerttheorie Kein Zugriff
              5. (e) Tatproportionalitätslehre Kein Zugriff
              6. (f) Schuldrahmenlehre (Spielraumtheorie) Kein Zugriff
          4. dd) Problem der Umwertung: Der Einstieg in den Strafrahmen Kein Zugriff
        1. a) Freiheitsstrafe oder Geldstrafe? § 47 StGB Kein Zugriff
        2. b) Strafaussetzung zur Bewährung? § 56 StGB Kein Zugriff
        3. c) Genügt eine Verwarnung? § 59 StGB Kein Zugriff
        4. d) Einsatzmöglichkeiten Künstlicher Intelligenz bei der Strafzumessung im weiteren Sinne Kein Zugriff
          1. aa) Empirische Befunde Kein Zugriff
          2. bb) Erklärungsansätze Kein Zugriff
            1. (1) Strafzumessungsunterschiede als Wertungspluralität Kein Zugriff
            2. (2) Örtliche Zuordnung möglich? Kein Zugriff
            3. (3) Empirischer Nachweis fehlt Kein Zugriff
            1. (1) Vertrauensverlust in den Rechtsstaat Kein Zugriff
            2. (2) Optimierungsgebot Kein Zugriff
            3. (3) Kein Ausdruck von modernen Werten Kein Zugriff
            4. (4) Unmut bei den Betroffenen Kein Zugriff
        3. c) Zwischenergebnis Kein Zugriff
          1. aa) Benachteiligung von Minderheiten? Kein Zugriff
          2. bb) Einfluss von Geschlecht Kein Zugriff
          1. aa) Hunger und Erschöpfung Kein Zugriff
          2. bb) Schlafdefizite Kein Zugriff
          1. aa) Selektive Verarbeitung von Informationen Kein Zugriff
          2. bb) Ankereffekte in der Hauptverhandlung Kein Zugriff
          1. aa) „Verdeckte“ Strafzumessungsgründe Kein Zugriff
          2. bb) „Schematisierung“ der Strafzumessung Kein Zugriff
        5. e) Zwischenergebnis Kein Zugriff
    3. III. Ergebnis Kein Zugriff
      1. 1. Die Gründe für Risk‑Assessment‑Tools Kein Zugriff
      2. 2. Die Geschichte der Risk‑Assessment‑Tools Kein Zugriff
        1. a) Arten von Systemen Kein Zugriff
        2. b) Funktionsweise Kein Zugriff
        3. c) Auswirkung Kein Zugriff
      4. 4. Atypische Verwendung von Risk‑Assessment‑Tools Kein Zugriff
          1. aa) Vorgeschichte Kein Zugriff
          2. bb) ProPublica‑Studie Kein Zugriff
          3. cc) Reaktionen auf die Studie Kein Zugriff
          4. dd) Zwischenergebnis Kein Zugriff
        2. b) Genauigkeit Kein Zugriff
        3. c) Transparenz Kein Zugriff
        4. d) Zwischenergebnis Kein Zugriff
        1. a) Gegenstand des Falles Kein Zugriff
        2. b) Entscheidung des Supreme Courts of Wisconsin Kein Zugriff
        3. c) Vorgaben des Supreme Courts of Wisconsin für die Nutzung von COMPAS Kein Zugriff
      7. 7. Zwischenergebnis Kein Zugriff
        1. a) Modernisierung des Rechtswesens durch KI‑Unterstützungssysteme: Verwirklichung einer nationalen Strategie Kein Zugriff
          1. aa) Die Entwicklung des 206 Systems: Interdisziplinäre Zusammenarbeit, KI und Big Data Kein Zugriff
          2. bb) Die Funktionen des 206 Systems: Strafrechtliche Full‑Service‑Unterstützung Kein Zugriff
        3. c) Shanghai AI Assistive System for Civil and Administrative cases (Civil and Administrative 206 System) Kein Zugriff
        4. d) Zwischenergebnis Kein Zugriff
        1. a) Estland: Projekt Künstlicher Richter Kein Zugriff
        2. b) Niederlande und Großbritannien: Online Dispute Resolution durch KI Kein Zugriff
        1. a) Malaysia: KI-Unterstützung für den Richter bei der Beurteilung von Drogendelikten und Vergewaltigungen Kein Zugriff
        2. b) Indien: Aufsehen erregende Forderung des obersten Richters Kein Zugriff
        3. c) Australien: Bringen drei Rechtslehrer den Stein ins Rollen? Kein Zugriff
        1. a) Konkretisierung unbestimmter (Rechts‑)Begriffe: Fuzzy Logik Kein Zugriff
        2. b) Lösung von (Rechts‑)Problemen durch Klassifizierung: Künstliche Neuronale Netze Kein Zugriff
        1. a) Zunächst geringes Interesse an der Thematik Strafzumessung Kein Zugriff
        2. b) Giannoulis‘ Decision‑Support‑System Kein Zugriff
      3. 3. Zwischenergebnis: Aktueller Stand und Ausblick Kein Zugriff
    4. IV. Ergebnis Kein Zugriff
        1. a) Weites Verständnis sachlicher Unabhängigkeit Kein Zugriff
        2. b) Die Unabhängigkeit von der Judikative selbst Kein Zugriff
        1. a) Bindende Entscheidungen: KI als Richterersatz Kein Zugriff
            1. (1) Menschliche richterliche Empfehlungen in Bezug auf Art. 92, 97 Abs. 1 GG nicht zu beanstanden Kein Zugriff
            2. (2) Nichts anderes kann für maschinelle Empfehlungen gelten Kein Zugriff
          2. bb) Erstellung des Systems unter maßgeblicher Beteiligung der Legislative Kein Zugriff
          3. cc) Erstellung des Systems unter maßgeblicher Beteiligung der Exekutive Kein Zugriff
          1. aa) Appetit in der Praxis Kein Zugriff
          2. bb) Erstellung des Systems unter maßgeblicher Beteiligung der Legislative Kein Zugriff
          3. cc) Erstellung des Systems unter maßgeblicher Beteiligung der Judikative Kein Zugriff
      3. 3. Zwischenergebnis Kein Zugriff
        1. a) Menschenwürde als höchster Wert Kein Zugriff
        2. b) Sachlicher Schutzbereich: Die Objektformel Kein Zugriff
          1. aa) Der Gewährleistungsgehalt von Art. 103 Abs. 1 GG Kein Zugriff
          2. bb) Keine Beeinträchtigung durch unterstützenden Einsatz von KI bei der Strafzumessung Kein Zugriff
        2. b) Verletzung des Schuldprinzips? Kein Zugriff
        3. c) Objektstellung des Angeklagten durch Einsatz eines Computers? Kein Zugriff
          1. aa) Gewährleistungsgehalt von Art. 22 DSGVO Kein Zugriff
            1. (1) Beeinträchtigung durch bindende maschinelle Entscheidung Kein Zugriff
            2. (2) Keine Beeinträchtigung durch unterstützenden Einsatz Kein Zugriff
      3. 3. Zwischenergebnis Kein Zugriff
        1. a) Allgemeines Kein Zugriff
        2. b) Materieller Gehalt Kein Zugriff
        1. a) Ersetzung des Richters durch bindende Entscheidung Kein Zugriff
        2. b) Unterstützungs‑Tool für den Richter Kein Zugriff
      3. 3. Zwischenergebnis Kein Zugriff
    4. IV. Ergebnis Kein Zugriff
      1. 1. Notwendige Maßnahmen: Elektronische Datenerfassung und flächendeckender Aufbau von IT Kein Zugriff
        1. a) Notwendigkeit einer verstärkten interdisziplinären Zusammenarbeit Kein Zugriff
        2. b) Smart‑Sentencing‑Database des Legal Tech Lab Cologne Kein Zugriff
      3. 3. Beitrag der Politik: (Zu) große Defizite bei E‑Government und E‑Justice Kein Zugriff
      4. 4. Zwischenergebnis Kein Zugriff
          1. aa) “Algorithm Aversion”… Kein Zugriff
          2. bb) …oder “Algorithm Appreciation”? Kein Zugriff
          3. cc) Starke negative Auswirkung von Fehlern Kein Zugriff
          4. dd) Zwischenergebnis Kein Zugriff
          1. aa) Große Skepsis gegenüber automatisierten Entscheidungen – vor allem im Bereich der Justiz Kein Zugriff
          2. bb) Überwiegend negative Assoziationen mit Algorithmen Kein Zugriff
          3. cc) Erklärungsversuche Kein Zugriff
          1. aa) Erkennen von mehr Vorteilen als Problemen – trotz geringer Kenntnis über Algorithmen und ihre Einsatzfelder Kein Zugriff
          2. bb) Gemischte Assoziationen mit Algorithmen Kein Zugriff
          3. cc) Große Skepsis gegenüber automatisierten Entscheidungen nährt den Wunsch nach Kontrolle Kein Zugriff
        4. d) Konsequenz für Akzeptanz der Strafzumessungsentscheidung Kein Zugriff
          1. aa) Dauerhafte Qualität Kein Zugriff
          2. bb) Transparenz Kein Zugriff
          3. cc) Kontrolle Kein Zugriff
          4. dd) Gesellschaftlicher Diskurs Kein Zugriff
        1. a) Einführung in die Problematik Kein Zugriff
          1. aa) Ergebnisse Kein Zugriff
          2. bb) Fehlerhafter Umgang von Menschen mit automatisierten Entscheidungen Kein Zugriff
          3. cc) Zwischenergebnis Kein Zugriff
          1. aa) Das „Wie“ der Verwendung Kein Zugriff
          2. bb) Das „Ob“ der Verwendung Kein Zugriff
      3. 3. Zwischenergebnis Kein Zugriff
          1. aa) Verschmutzte Daten und deren Auswirkungen Kein Zugriff
          2. bb) Die Entstehung von verschmutzten Datensätzen Kein Zugriff
          3. cc) Problem: Proxy‑Variablen Kein Zugriff
        2. b) Einfallstor Mensch Kein Zugriff
          1. aa) Was ist Fairness? Kein Zugriff
          2. bb) Error‑Rate‑Balance Kein Zugriff
          3. cc) Predictive Parity Kein Zugriff
          4. dd) Zwingendes Ergebnis Kein Zugriff
          1. aa) Vermeidung der Problematik Kein Zugriff
          2. bb) Gesellschaftspolitische Auseinandersetzung mit der Problematik Kein Zugriff
      3. 3. Filter: Voreingenommenheit bei der Verarbeitung des Ergebnisses Kein Zugriff
        1. a) Vorurteilsfreie maschinelle Entscheidungen als gesamtgesellschaftliche Aufgabe Kein Zugriff
        2. b) Maschinelle Entscheidungen als Fortschritt gegenüber rein menschlichen Kein Zugriff
        1. a) Transparenz – mehr als die Offenlegung technischer Details Kein Zugriff
          1. aa) Mögliche Ansätze der Erklärung von KI Kein Zugriff
          2. bb) Notwendigkeit einer Kombination von Erklärungsformen Kein Zugriff
        3. c) Zwischenergebnis Kein Zugriff
        1. a) Belehrung über Bestehen und Tragweite der maschinellen Entscheidungsfindung Kein Zugriff
          1. aa) Kein Anspruch auf Offenlegung aus dem Informationsfreiheitsgesetz bei privaten Herstellern Kein Zugriff
          2. bb) Zurückhaltung in Rechtsprechung und Wissenschaft Kein Zugriff
          3. cc) Interesse an Offenlegung überwiegt Kein Zugriff
        3. c) Zwischenergebnis Kein Zugriff
        1. a) Erklärung durch Erkläralgorithmen Kein Zugriff
        2. b) Erklärung durch Kontrafaktuale Kein Zugriff
      4. 4. Zwischenergebnis Kein Zugriff
        1. a) Technische und organisatorische Maßnahmen Kein Zugriff
        2. b) Qualitätssicherung bei Erstellung und Kontrolle durch die Öffentlichkeit Kein Zugriff
        1. a) Aktuell: Eingeschränkte Überprüfungsmöglichkeit in der Revision Kein Zugriff
        2. b) Revisionsgerichtliche Strafmaßüberprüfung – quo vadis? Kein Zugriff
        1. a) Schulung der Verwender Kein Zugriff
        2. b) Gebrauchshinweise Kein Zugriff
      4. 4. Zwischenergebnis Kein Zugriff
    6. VI. Ergebnis Kein Zugriff
          1. aa) Generelle Studien zur Überlegenheit von maschinellen Prognosen Kein Zugriff
          2. bb) Studien zur Überlegenheit von Risk‑Assessment‑Tools in den USA Kein Zugriff
          3. cc) Abweichung von maschinellen Risk‑Assessment‑Entscheidungen Kein Zugriff
          1. aa) Frage des „Ob“: Einsatz im Rahmen der Strafzumessung sinnvoll Kein Zugriff
            1. (1) Phasen der Strafzumessung und mögliche Einsatzfelder Kein Zugriff
            2. (2) Sinnvollste Einsatzfelder Kein Zugriff
        1. a) Wertungen der DSGVO widersprechen automatisierten Entscheidungen Kein Zugriff
        2. b) Konzeption des Jugendstrafrechts für automatisierte Entscheidungen ungeeignet Kein Zugriff
        1. a) Einsatz bei schematisierten Massendelikten? Kein Zugriff
        2. b) Einsatz bei seltenen Delikten? Kein Zugriff
        3. c) Stufenweiser Einsatz sinnvoll Kein Zugriff
          1. aa) Zusammensetzungsmöglichkeiten Kein Zugriff
          2. bb) Vorzugswürdige Zusammensetzung Kein Zugriff
          1. aa) Auswahl der relevanten Strafzumessungsfaktoren Kein Zugriff
          2. bb) Entwicklung von Skalen zur Quantifizierung der Strafzumessungsfaktoren Kein Zugriff
          1. aa) Mögliche Vorgehensweise Kein Zugriff
              1. (a) Strafzumessung durch reine Subsumption nicht denkbar Kein Zugriff
              2. (b) Bereits heute Orientierung an vergangenen Urteilen Kein Zugriff
              1. (a) Vergangene Entscheidungen als kristallisierte Wertvorstellung der Gesellschaft Kein Zugriff
              2. (b) Vergangene Entscheidungen als „Rechtserkenntnisquelle“ Kein Zugriff
              1. (a) Ablehnung einer vergleichenden Orientierung Kein Zugriff
              2. (b) Befürwortung einer vergleichenden Orientierung Kein Zugriff
              3. (c) Fazit Kein Zugriff
          1. aa) Beurteilung von Sachverhalten durch die Kommission Kein Zugriff
            1. (1) Mögliche Vorgehensweise Kein Zugriff
              1. (a) Problemaufriss Kein Zugriff
              2. (b) Relevanz der Bevölkerungsmeinung für die Strafzumessungsentscheidung Kein Zugriff
              3. (c) Anknüpfungspunkt der Berücksichtigung wissenschaftlicher Erkenntnisse bereits im Strafzumessungsrecht vorhanden Kein Zugriff
          1. aa) Parallele Verwendung: Unterschiedliche Empfehlungen für den Richter Kein Zugriff
          2. bb) Entscheidungsregel: Empfehlung des geringeren Strafmaßes bei groben Differenzen Kein Zugriff
          3. cc) Gemischter Strafvorschlag: Training anhand vergangener Urteile und unter Berücksichtigung von Strafbedürfnissen der Bevölkerung Kein Zugriff
        4. d) Zwischenergebnis Kein Zugriff
          1. aa) Entscheidungsbäume und Random Forests: Transparenz trifft auf Genauigkeit Kein Zugriff
          2. bb) Stützvektoren: Gute Ergebnisse mit wenig Trainingsdaten? Kein Zugriff
        2. b) Hersteller des Modells Kein Zugriff
        3. c) Einsatz von wissenschaftlich anerkannten statistischen Verfahren Kein Zugriff
        1. a) Entwicklung Kein Zugriff
        2. b) Auswirkung Kein Zugriff
        1. a) Keine vergleichbare Entwicklung in Deutschland Kein Zugriff
        2. b) Bewertung: Übernahme nicht sinnvoll – eigenes System begrüßenswert Kein Zugriff
    4. IV. Ergebnis Kein Zugriff
  9. Schluss Kein Zugriff 374 - 378
  10. Literaturverzeichnis Kein Zugriff 379 - 426
    1. Deutsche Rechtsakte Kein Zugriff
    2. Europäische Rechtsakte Kein Zugriff
    3. US-amerikanische Rechtsakte Kein Zugriff
    4. Sonstige Rechtsakte Kein Zugriff
    5. Bundestag-Drucksachen Kein Zugriff
    6. Entscheidungen des Bundesverfassungsgerichts Kein Zugriff
    7. Entscheidungen des Bundesgerichtshofs Kein Zugriff
    8. Entscheidungen US‑amerikanischer Gerichte Kein Zugriff
    9. Sonstige Gerichtsentscheidungen Kein Zugriff
    1. Zeitungsartikel Kein Zugriff
    2. Sonstige Internetverweise Kein Zugriff

Literaturverzeichnis (589)

  1. Abel, Ralf B.: Automatisierte Entscheidungen im Einzelfall gem. Art. 22 DS GVO. Anwendungsbereich und Grenzen im nicht öffentlichen Bereich, Zeitschrift für Datenschutz 2018, S. 304–307 [zit.: Abel, ZD 2018]. Google Scholar öffnen
  2. Ægisdóttir, Stefanía u.a.: The Meta Analysis of Clinical Judgment Project: Fifty Six Years of Accumulated Research on Clinical Versus Statistical Prediction, The Counseling Psychologist 2006, S. 341–382 [zit.: Ægisdóttir u.a., Meta Analysis of Clinical Judgment]. Google Scholar öffnen
  3. Albrecht, Hans Jörg: Die Entwicklung des Strafzumessungsrechts im internationalen Vergleich, in: Fehérváry, János/Melnizky, Walter/Müller, Otto F. (Hrsg.): Strafrecht, Strafprozessrecht und Kriminologie: Festschrift für Franz Pallin. Zum 80. Geburtstag, Wien 1989, S. 11–30 [zit.: Albrecht, FS Pallin]. Google Scholar öffnen
  4. Albrecht, Hans Jörg: Empirische Strafzumessungsforschung, in: Safferling, Christoph u.a. (Hrsg.): Festschrift für Franz Streng zum 70. Geburtstag, Heidelberg 2017, S. 185–199 [zit.: Albrecht, FS Streng]. Google Scholar öffnen
  5. Albrecht, Hans Jörg: Sentencing in Germany: Explaining long term stability in the structure of criminal sanctions and sentencing, Law and Contemporary Problems 2013, S. 211–236 [zit.: Albrecht, Sentencing in Germany]. Google Scholar öffnen
  6. Albrecht, Hans Jörg: Strafzumessung bei schwerer Kriminalität im Vergleich. Theoretische Konzeptionen und empirische Befunde, Zeitschrift für die gesamte Strafrechtswissenschaft 1990, S. 596–626 [zit.: Albrecht, ZStW 1990]. Google Scholar öffnen
  7. Albrecht, Hans Jörg: Strafzumessung bei schwerer Kriminalität. Eine vergleichende theoretische und empirische Studie zur Herstellung und Darstellung des Strafmaßes, Berlin 1994 [zit.: Albrecht, Strafzumessung bei schwerer Kriminalität]. Google Scholar öffnen
  8. Albrecht, Hans Jörg: Strafzumessung im Vergleich Deutschland und Österreich, in: Pfeiffer, Christian/Oswald, Margit (Hrsg.): Strafzumessung. Empirische Forschung und Strafrechtsdogmatik im Dialog. Internationales Symposion, 9. 12. März 1988 in Lüneburg, Stuttgart 1989, S. 59–70 [zit.: Albrecht, Strafzumessung Deutschland und Österreich]. Google Scholar öffnen
  9. Albrecht, Hans-Jörg: Strafzumessung und Vollstreckung bei Geldstrafen: unter Berücksichtigung des Tagessatzsystems. Die Geldstrafe im System strafrechtlicher Sanktionen, Berlin 1980 [zit.: Albrecht, Strafzumessung und Vollstreckung bei Geldstrafen]. Google Scholar öffnen
  10. Andrews, Donald A./Bonta, James/Wormith, J. Stephen: The Recent Past and Near Future of Risk and/or Need Assessment, Crime & Delinquency 2006, S. 7–27 [zit.: Andrews/Bonta/Wormith, Past and Near Future of Risk Assessment]. Google Scholar öffnen
  11. Andrissek, Tobias R.: Vergeltung als Strafzweck. Empirisch soziologische Begründung und kriminalpolitische Folgerungen, Tübingen 2017 [zit.: Andrissek, Vergeltung als Strafzweck]. Google Scholar öffnen
  12. Angwin, Julia u.a.: Machine Bias. There’s software used across the country to predict future criminals. And it’s biased against blacks, ProPublica 2016, abrufbar unter: <www.propublica.org/article/machine bias risk assessments in criminal sentencing> (zuletzt abgerufen am 09.04.2019, 8:02 Uhr) [zit.: Angwin u.a., Machine Bias]. Google Scholar öffnen
  13. Aristoteles: Organon, in: Holzinger, Michael (Hrsg.), übersetzt von Julius H. von Kirchmann, 2. Auflage, Berlin 2013, abrufbar unter <www.zeno.org/Lesesaal/N/9781484030530?page=0> (zuletzt abgerufen am 04.03.2019, 18:16 Uhr) [zit.: Aristoteles, Organon]. Google Scholar öffnen
  14. Aspray, William: Logic Machines, in: Aspray, William (Hrsg.): Computing Before Computers, Ames (IA) 1990, S. 99–121, abrufbar unter: <ed thelen.org/comp hist/CBC.html> (zuletzt abgerufen am 29.04.2019, 11:51 Uhr) [zit.: Aspray, Logic Machines]. Google Scholar öffnen
  15. Barocas, Solon/Selbst, Andrew D.: Big Data’s Disparate Impact, California Law Review 2016, S. 671 732 [zit.: Barocas/Selbst, Big Data’s Disparate Impact]. Google Scholar öffnen
  16. Barry Jester, Anna M./Casselman, Ben/Goldstein, Diana: The New Science of Sentencing. Should prison sentences be based on crimes that haven’t been committed yet?, The Marshall Project 2015, abrufbar unter: <www.themarshallproject.org/2015/08/04/the new science of sentencing> (zuletzt abgerufen am 02.06.2019, 17:23 Uhr) [zit.: Barry Jester/Casselman/Goldstein, The New Science of Sentencing]. Google Scholar öffnen
  17. Barthelmeß, Ulrike/Furbach, Ulrich: IRobot – uMan. Künstliche Intelligenz und Kultur: Eine jahrtausendealte Beziehungskiste, Berlin u.a. 2012 [zit.: Barthelmeß/Furbach, IRobot]. Google Scholar öffnen
  18. Baurmann, Michael: Vorüberlegungen zu einer empirischen Theorie der positiven Generalprävention, in: Schünemann, Bernd/Hirsch, Andrew von/Jareborg, Nils (Hrsg.): Positive Generalprävention. Kritische Analysen im deutsch englischen Dialog. Uppsala Symposium 1996, Heidelberg 1998, S. 1–16 [zit.: Baurmann, Vorüberlegungen]. Google Scholar öffnen
  19. Beck, Roman u.a.: Digitale Transformation der Verwaltung. Empfehlungen für eine gesamtstaatliche Strategie, Bertelsmann Stiftung (Hrsg.), Gütersloh 2017, abrufbar unter: <www.bertelsmann stiftung.de/fileadmin/files/Projekte/Smart_Country/DigiTransVerw_2017_final.pdf> (zuletzt abgerufen am 01.01.2020, 20:03 Uhr) [zit.: Beck u.a., Digitale Transformation der Verwaltung]. Google Scholar öffnen
  20. Beck, Susanne: Diskriminierung durch Künstliche Intelligenz?, Zeitschrift für Rechtspolitik 2019, S. 185 [zit.: Beck, ZRP 2019]. Google Scholar öffnen
  21. Beck, Wolfgang: Legal Tech und Künstliche Intelligenz. Ein Überblick zum aktuellen Stand, Die Öffentliche Verwaltung 2019, S. 648–653 [zit.: Beck, DÖV 2019]. Google Scholar öffnen
  22. Beck'scher Online Kommentar zum Grundgesetz: Epping, Volker/Hillgruber, Christian (Hrsg.): 43. Auflage, München 2020 [zit.: BeckOK GG]. Google Scholar öffnen
  23. Beck'scher Online Kommentar zum Strafgesetzbuch: Heintschel Heinegg, Bernd von (Hrsg.): 46. Auflage, München 2020 [zit.: BeckOK StGB]. Google Scholar öffnen
  24. Bellamy, Rachel K. E. u.a.: AI Fairness 360: An Extensible Toolkit for Detecting, Understanding, and Mitigating Unwanted Algorithmic Bias, 2018, abrufbar unter: <arxiv.org/abs/1810.01943> (zuletzt abgerufen am 15.06.2019, 9:48 Uhr) [zit.: Bellamy u.a., AI Fairness 360]. Google Scholar öffnen
  25. Bennett, Mark W.: Confronting Cognitive “Anchoring Effect” and “Blind Spot” Biases In Federal Sentencing: a Modest Solution For Reforming a Fundamental Flaw, Journal of Criminal Law and Criminology S. 489–534 [zit.: Bennett, Confronting Cognitive “Anchoring Effect”]. Google Scholar öffnen
  26. Berger, Ariane: Der automatisierte Verwaltungsakt. Zu den Anforderungen an eine automatisierte Verwaltungsentscheidung am Beispiel des § 35 a VwVfG, Neue Zeitschrift für Verwaltungsrecht 2018, S. 1260–1264 [zit.: Berger, NVwZ 2018]. Google Scholar öffnen
  27. Berk, Richard u.a.: Fairness in Criminal Justice Risk Assessments: The State of the Art, Sociological Methods & Research 2018, S. 1–42, abrufbar unter: <journals.sagepub.com/doi/abs/10.1177/0049124118782533?journalCode=smra> (zuletzt abgerufen am 14.06.2019, 17:44 Uhr) [zit.: Berk u.a., Fairness in Criminal Justice Risk Assessments]. Google Scholar öffnen
  28. Berk, Richard/Bleich, Justin: Forecasts of Violence to Inform Sentencing Decisions, Journal of Quantitative Criminology 2014, S. 79–96 [zit.: Berk/Bleich, Forecasts of Violence to Inform Sentencing Decisions]. Google Scholar öffnen
  29. Berk, Richard/Hyatt, Jordan M.: Machine Learning Forecasts of Risk to Inform Sentencing Decisions, Federal Sentencing Reporter 2015, S. 222–228 [zit.: Berk/Hyatt, Machine Learning Forecasts of Risk]. Google Scholar öffnen
  30. Berk, Richard/Sorenson, Susan B./Barnes, Geoffrey: Forecasting Domestic Violence: A Machine Learning Approach to Help Inform Arraignment Decisions, Journal of Empirical Legal Studies 2016, S. 94–115 [zit.: Berk/Sorenson/Barnes, Forecasting Domestic Violence]. Google Scholar öffnen
  31. Berk, Richard: Accuracy and Fairness for Juvenile Justice Risks Assessments, Journal of Empirical Legal Studies 2017, S. 175–194 [zit.: Berk, Accuracy and Fairness]. Google Scholar öffnen
  32. Berk, Richard: An impact assessment of machine learning risk forecasts on parole board decisions and recidivism, Journal of Experimental Criminology 2017, S. 193–216 [zit.: Berk, An impact assessment of machine learning risk forecasts]. Google Scholar öffnen
  33. Berk, Richard: Criminal Justice Forecasts of Risk. A Machine Learning Approach, New York u.a. 2012 [zit.: Berk, Criminal Justice Forecasts of Risk]. Google Scholar öffnen
  34. Berman, Donald/Hafner, Carole D.: The Potential of Artificial Intelligence to Help Solve the Crisis in Our Legal System, Communications of the ACM 1989, S. 928–938 [zit.: Berman/Hafner, The Potential of Artificial Intelligence]. Google Scholar öffnen
  35. Berry, Dianne C./Broadbent, Donald E.: Explanation and Verbalization in a Computer Assisted Search Task, The Quarterly Journal of Experimental Psychology 1987, S. 585–609 [zit.: Berry/Broadbent, Explanation and Verbalization]. Google Scholar öffnen
  36. Bilsdorfer, Peter: Die Entwicklung des Steuerstraf und Steuerordnungswidrigkeitenrechts, Neue Juristische Wochenschrift 2019, S. 1499–1503 [zit.: Bilsdorfer, NJW 2019]. Google Scholar öffnen
  37. Bilski, Nico/Schmid, Thomas: Verantwortungsfindung beim Einsatz maschinell lernender Systeme, Neue Juristische Online Zeitschrift 2019, S. 657–661 [zit.: Bilski/Schmid, NJOZ 2019]. Google Scholar öffnen
  38. Bleckmann, Dominik: Künstliche Intelligenz – Fluch oder Segen?, Datenschutz und Datensicherheit 2018, S. 539 [zit.: Bleckmann, DuD 2018]. Google Scholar öffnen
  39. Boden, Margaret A.: AI. Its nature and future, Oxford 2016 [zit.: Boden, AI]. Google Scholar öffnen
  40. Boden, Margaret A.: Artificial Intelligence and Natural Man, Brighton u.a. 1977 [zit.: Boden, Artificial Intelligence and Natural Man]. Google Scholar öffnen
  41. Bonner Kommentar zum Grundgesetz: Kahl, Wolfgang/Waldhoff, Christian/Walter, Christian (Hrsg.), Loseblattsammlung, Stand: 203. Lieferung, Heidelberg u.a. 2020 [zit.: BK]. Google Scholar öffnen
  42. Bonta, James: Risk needs assessment and treatment, in: Harland, Alan T. (Hrsg.): Choosing correctional options that work. Defining the demand and evaluating the supply, Thousand Oaks u.a. 1996, S. 18–32 [zit.: Bonta, Risk needs assessment and treatment]. Google Scholar öffnen
  43. Bontrager, Stephanie/Barrick, Kelle/Stupi, Elizabeth: Gender and sentencing: A meta ana¬lysis of contemporary research, Journal of Gender, Race & Justice 2013, S. 349–372 [zit.: Bontrager/Barrick/Stupi, Gender and sentencing]. Google Scholar öffnen
  44. Borden, Howard G.: Factors for Predicting Parole Success, Journal of Criminal Law and Criminology 1928, S. 328–336 [zit.: Borden, Factors for Predicting Parole Success]. Google Scholar öffnen
  45. Borgulya, István: Two examples of decision support in the law, Artificial Intelligence and Law 1999, S. 303–321 [zit.: Borgulya, Two examples of decision support in the law]. Google Scholar öffnen
  46. Boyd, Christina L./Epstein, Lee/Martin, Andrew D.: Untangling the Causal Effects of Sex on Judging, American Journal of Political Science 2010, S. 389–411 [zit.: Boyd/Epstein/Martin, Effects of Sex on Judging]. Google Scholar öffnen
  47. Boyd, Christina L.: Representation on the Courts? The Effects of Trial Judges’ Sex and Race, Political Research Quarterly 2016, S. 788–799 [zit.: Boyd, Representation on the Courts?]. Google Scholar öffnen
  48. Breidenbach, Stephan/Glatz, Florian: Die Digitalisierung des Rechts, in: Breidenbach, Stephan/Glatz, Florian (Hrsg.): Rechtshandbuch Legal Tech, München 2018, S. 1–7 [zit.: Breidenbach/Glatz, in: Rechtshandbuch Legal Tech]. Google Scholar öffnen
  49. Breiman, Leo: Random Forests, in: Schapire, Robert E. (Hrsg.): Machine Learning, Berkeley 2001, S. 5–32, abrufbar unter: <link.springer.com/content/pdf/10.1023%2FA%3A1010933404324.pdf> (zuletzt abgerufen am 02.06.2019, 18:01 Uhr) [zit.: Breiman, Random Forests]. Google Scholar öffnen
  50. Brennan, Tim/Dieterich, William/Ehret, Beate: Evaluating the Predictive Validity of the Compas Risk and Needs Assessment System, Criminal Justice and Behavior 2009, S. 21–40 [zit.: Brennan/Dieterich/Ehret, Evaluating the Predictive Validity]. Google Scholar öffnen
  51. Brennan, Tim/Dieterich, William: Correctional Offender Management Profiles for Alternative Sanctions (COMPAS), in: Singh, Jay P. u.a. (Hrsg.): Handbook of Recidivism Risk/Needs Assessment Tools, Hoboken u.a. 2018, S. 49–75 [zit.: Brennan/Dieterich, COMPAS]. Google Scholar öffnen
  52. Brewer, Noel T. u.a.: The Influence of Irrelevant Anchors on the Judgments and Choices of Doctors and Patients, Medical Decision Making 2007, S. 203–211 [zit.: Brewer u.a., The Influence of Irrelevant Anchors]. Google Scholar öffnen
  53. Brögelmann, Jens: Methodik der Strafzumessung, Juristische Schulung 2002, S. 903–908 [zit.: Brögelmann, JuS 2002]. Google Scholar öffnen
  54. Bromley, Allan G.: Difference and Analytical Engines, in: Aspray, William (Hrsg.): Computing Before Computers, Ames 1990, S. 59–98, abrufbar unter: <ed-thelen.org/comp-hist/CBC-Ch-02.pdf > (zuletzt abgerufen am 02.11.2020, 10:07 Uhr) [zit.: Bromley, Difference and Analytical Engines]. Google Scholar öffnen
  55. Bruckmann, Ernst Otto: Vorschlag zur Reform des Strafzumessungsrechts, Zeitschrift für Rechtspolitik 1973, S. 30–34 [zit.: Bruckmann, ZRP 1973]. Google Scholar öffnen
  56. Bruderer, Herbert: Meilensteine der Rechentechnik. Zur Geschichte der Mathematik und der Informatik, Berlin u.a. 2015 [zit.: Bruderer, Meilensteine]. Google Scholar öffnen
  57. Bruns, Hans Jürgen: Anmerkung zu BGH, Beschl. v. 13.9.1976 – 3 StR 313/76, Juristische Rundschau 1977, S. 164–166 [zit.: Bruns, JR 1977]. Google Scholar öffnen
  58. Bruns, Hans Jürgen: Grundprobleme des Strafzumessungsrechts, Zeitschrift für die gesamte Strafrechtswissenschaft 1982, S. 111–126 [zit.: Bruns, ZStW 1982]. Google Scholar öffnen
  59. Bruns, Hans Jürgen/Güntge, Georg Friedrich: Das Recht der Strafzumessung, 3. Auflage, Köln 2019 [zit.: Bruns/Güntge, Strafzumessung]. Google Scholar öffnen
  60. Bruns, Hans Jürgen: Der „Bestimmtheitsgrad“ der Punktstrafe im Strafzumessungsrecht, Neue Juristische Wochenschrift 1979, S. 290–292 [zit.: Bruns, NJW 1979]. Google Scholar öffnen
  61. Bruns, Hans Jürgen: Die Bedeutung des Durchschnitts , des Regel und des Normalfalls im Strafzumessungsrecht, JuristenZeitung 1988, S. 1053–1058 [zit.: Bruns, JZ 1988]. Google Scholar öffnen
  62. Bruns, Hans Jürgen: Gedanken zum Thema „Strafzumessung und relative Gerechtigkeit“, JuristenZeitung 1985, S. 63–68 [zit.: Bruns, JZ 1985]. Google Scholar öffnen
  63. Bruns, Hans Jürgen: Neues Strafzumessungsrecht? „Reflexionen“ über eine geforderte Umgestaltung, Köln u.a. 1988 [zit.: Bruns, Neues Strafzumessungsrecht?]. Google Scholar öffnen
  64. Bues, Micha Manuel: Artificial Intelligence im Recht, in: Hartung, Markus/Bues, Micha Manuel/Halbleib, Gernot (Hrsg.): Legal Tech. Die Digitalisierung des Rechtsmarkts, München 2018, S. 275–285 [zit.: Bues, in: Legal Tech]. Google Scholar öffnen
  65. Bünau, Paul von: Künstliche Intelligenz im Recht. Möglichkeiten und Mythos, in: Breidenbach, Stephan/Glatz, Florian (Hrsg.): Rechtshandbuch Legal Tech, München 2018, S. 47–58 [zit.: von Bünau, in: Rechtshandbuch Legal Tech]. Google Scholar öffnen
  66. Buolamwini, Joy/Gebru, Timnit: Gender Shades: Intersectional Accuracy Disparities in Commercial Gender Classification, in: Friedler, Sorelle A./Wilson, Christo (Hrsg.): Proceedings of the 1st Conference on Fairness, Accountability and Transparency, New York 2018, S. 77–91 [zit.: Buolamwini/Gebru, Gender Shades]. Google Scholar öffnen
  67. Burgstaller, Manfred: Regionale Unterschiede der Strafzumessung in Österreich, in: Pfeiffer, Christian/Oswald, Margit (Hrsg.): Strafzumessung. Empirische Forschung und Strafrechtsdogmatik im Dialog. Internationales Symposion, 9.-12. März 1988 in Lüneburg, Stuttgart 1989, S. 7–15 [zit.: Burgstaller, Regionale Unterschiede]. Google Scholar öffnen
  68. Burr, Marcel: Die Entwicklung von Legal Robots am Beispiel der grunderwerbsteuerlichen Konzernklausel, Betriebs Berater 2018, S. 476–483 [zit.: Burr, BB 2018]. Google Scholar öffnen
  69. Burri, Thomas: Künstliche Intelligenz und internationales Recht, Datenschutz und Datensicherheit 2018, S. 603–607 [zit.: Burri, DuD 2018]. Google Scholar öffnen
  70. Capes, Tim u.a.: Siri On Device Deep Learning Guided Unit Selection Text to Speech System, Interspeech 2017, S. 4011–4015 [zit.: Capes u.a., Siri On Device]. Google Scholar öffnen
  71. Card, Dallas: The “black box” metaphor in machine learning, Towards Data Science 2017, abrufbar unter: <towardsdatascience.com/the black box metaphor in machine learning 4e57a3a1d2b0> (zuletzt abgerufen am 14.04.2019, 7:38 Uhr) [zit.: Card, The “black box” metaphor]. Google Scholar öffnen
  72. Casey, Pamela M./Warren, Roger K./Elek, Jennifer K.: Using Offender Risk and Needs Assessment Information at Sentencing. Guidance for Courts from a National Working Group, National Center for State Courts (NCSC), 2011, abrufbar unter: <www.ncsc.org/~/media/Microsites/Files/CSI/RNA%20Guide%20Final> (zuletzt abgerufen am 15.04.2019, 10:20 Uhr) [zit.: Casey/Warren/Elek, Using Offender Risk and Needs Assessment]. Google Scholar öffnen
  73. Casper, Johannes D.: Having Their Day in Court: Defendant Evaluations of the Fairness of Their Treatment, Law & Society Review 1978, S. 237–251 [zit.: Casper, Having Their Day in Court]. Google Scholar öffnen
  74. Ceruzzi, Paul E.: Electronic Calculators, in: Aspray, William (Hrsg.): Computing Before Computers, Ames 1990, S. 223–249, abrufbar unter: <ed-thelen.org/comp-hist/CBC-Ch-07.pdf> (zuletzt abgerufen am 02.11.2020, 10:41 Uhr) [zit.: Ceruzzi, Electronic Calculators]. Google Scholar öffnen
  75. Ceruzzi, Paul E.: Relay Calculators, in: Aspray, William (Hrsg.): Computing Before Computers, Ames (IA) 1990, S. 200–222, abrufbar unter: <ed-thelen.org/comp-hist/CBC-Ch-06.pdf> (zuletzt abgerufen am 02.11.2020, 10:42 Uhr) [zit.: Ceruzzi, Relay Calculators]. Google Scholar öffnen
  76. Chander, Anupam: The racist algorithm?, Michigan Law Review 2017, S. 1023–1045 [zit.: Chander, The racist algorithm?]. Google Scholar öffnen
  77. Chanenson, Steven L./Hyatt, Jordan M.: The Use of Risk Assessment at Sentencing: Implications for Research and Policy, 2016, abrufbar unter: <digitalcommons.law.villanova.edu/cgi/viewcontent.cgi?article=1201&context=wps> (zuletzt abgerufen am 07.04.2019, 10:06 Uhr) [zit.: Chanenson/Hyatt, The Use of Risk Assessment]. Google Scholar öffnen
  78. Chatziathanasiou, Konstantin: Der hungrige, ein härterer Richter? Zur heiklen Rezeption einer vielzitierten Studie, JuristenZeitung 2019, S. 455–458 [zit.: Chatziathanasiou, JZ 2019]. Google Scholar öffnen
  79. Cheek, Nathan N./Coe Odess, Sarah/Schwartz, Barry: What have I just done? Anchoring, self knowledge, and judgments of recent behavior, Judgment and Decision Making 2015, S. 76–85 [zit.: Cheek/Coe Odess/Schwartz, What have I just done?]. Google Scholar öffnen
  80. Cho, Kyoungmin/Barnes, Christopher M./Guanara, Cristiano L.: Sleepy Punishers Are Harsh Punishers: Daylight Saving Time and Legal Sentences, Psychological Science 2017, S. 242–247 [zit.: Cho/Barnes/Guanara, Sleepy Punishers Are Harsh Punishers]. Google Scholar öffnen
  81. Chouldechova, Alexandra/Roth, Aaron: The Frontiers of Fairness in Machine Learning, 2018, abrufbar unter: <arxiv.org/pdf/1810.08810.pdf> (zuletzt abgerufen am 08.07.2019, 13:12 Uhr) [zit.: Chouldechova/Roth, The Frontiers of Fairness in Machine Learning]. Google Scholar öffnen
  82. Chouldechova, Alexandra: Fair Prediction with Disparate Impact: A Study of Bias in Recidivism Prediction Instruments, abrufbar unter: <arxiv.org/abs/1703.00056> (zuletzt abgerufen am 07.06.2019, 12:09 Uhr), Erstveröffentlichung in: Big Data 2017, S. 153–163 [zit.: Chouldechova, Fair Prediction with Disparate Impact]. Google Scholar öffnen
  83. Christaller, Thomas: Fliegen lernen, ohne Vogel zu werden, GMD Spiegel 1990, S. 26–29 [zit.: Christaller, GMD Spiegel 1990]. Google Scholar öffnen
  84. Christianini, Nello/Shawe Taylor, John: An Introduction to Support Vector Machines and other kernel based learning methods, Cambridge u.a. 2000 [zit.: Christianini/Shawe Taylor, An Introduction to Support Vector Machines]. Google Scholar öffnen
  85. Clements, Carl B.: Offender Classification: Two Decades of Progress, Criminal Justice and Behavior 1996, S. 121–143 [zit.: Clements, Offender Classification]. Google Scholar öffnen
  86. Cohen, Thomas H./Lowenkamp, Christopher T./Robinson, Charles: The Federal Post‐Conviction Risk Assessment Instrument, in: Singh, Jay P. u.a. (Hrsg.): Handbook of Recidivism Risk/Needs Assessment Tools, Hoboken u.a. 2018, S. 77–100 [zit.: Cohen/Lowenkamp/Robinson, The Federal Post‐Conviction Risk Assessment Instrument]. Google Scholar öffnen
  87. Cohen, Thomas H./Pendergast, Bailey/Vanbenschoten, Scott W.: Examining overrides of risk classifications for offenders on federal supervision, Federal Probation 2016, S. 12–21 [zit.: Cohen/Pendergast/Vanbenschoten, Examining overrides]. Google Scholar öffnen
  88. Copeland, Jack u.a: The Turing Guide, New York 2017 [zit.: Copeland u.a., Turing Guide]. Google Scholar öffnen
  89. Corbett Davies, Sam u.a.: A computer program used for bail and sentencing decisions was labeled biased against blacks. It’s actually not that clear, Washington Post 2016, abrufbar unter: <www.washingtonpost.com/news/monkey cage/wp/2016/10/17/can an algorithm be racist our analysis is more cautious than propublicas> (zuletzt abgerufen am 09.04.2019, 13:12 Uhr) [zit.: Corbett Davies u.a., Washington Post 2016]. Google Scholar öffnen
  90. Crevier, Daniel: AI. The Tumultuous History of the Search for Artificial Intelligence, New York 1993 [zit.: Crevier, AI]. Google Scholar öffnen
  91. Cui, Yadong: Artificial Intelligence and Judicial Modernization, ins Englische übersetzt von Cao Yan und Liu Yan, Shanghai 2020 [zit.: Cui, Artificial Intelligence and Judicial Modernization]. Google Scholar öffnen
  92. Cummings, Mary L.: Automation Bias in Intelligent Time Critical Decision Support Systems, AIAA 3rd Intelligent Systems Conference 2004, abrufbar unter: <citeseerx.ist.psu.edu/viewdoc/summary?doi=10.1.1.91.2634> (zuletzt abgerufen am 21.09.2019, 11:20 Uhr) [zit.: Cummings, Automation Bias]. Google Scholar öffnen
  93. Cutler, D. Richard u.a.: Random Forests for Classification in Ecology, Ecology 2007, S. 2783–2792 [zit.: Cutler, Random Forests for Classification]. Google Scholar öffnen
  94. Daljord, Øystein/Urminsky, Oleg/Ureta, Jose Manuel: The Status Quo Theory of Depletion Does not Explain the Israeli Parole Decisions, 2017, abrufbar unter: <home.uchicago.edu/ourminsky/Status%20Quo%20Theory%20Revisited.pdf> (zuletzt abgerufen am 13.08.2019, 16:10 Uhr) [zit.: Daljord/Urminsky/Ureta, The Status Quo Theory of Depletion]. Google Scholar öffnen
  95. Dammann, Ulrich: Erfolge und Defizite der EU Datenschutzgrundverordnung. Erwarteter Fortschritt, Schwächen und überraschende Innovationen, Zeitschrift für Datenschutz 2016, S. 307–314 [zit.: Dammann, ZD 2016]. Google Scholar öffnen
  96. Danziger, Shai/Levav, Jonathan/Avnaim Pesso, Liora: Extraneous factors in judicial decisions, Proceedings of the National Academy of Sciences of the United States of America 2011, S. 6889–6892 [zit.: Danziger/Levav/Avnaim Pesso, PNAS 2011]. Google Scholar öffnen
  97. Danziger, Shai/Levav, Jonathan/Avnaim Pesso, Liora: Reply to Weinshall Margel and Shapard: Extraneous factors in judicial decisions persist, Proceedings of the National Academy of Sciences of the United States of America 2011, S. E834 [zit.: Danzinger/Levav/Avnaim Pesso, PNAS 2011]. Google Scholar öffnen
  98. Das, Amit K./Ashrafi, Aziza/Ahmmad, Muktadir: Joint Cognition of Both Human and Machine for Predicting Criminal Punishment in Judicial System, 2019 IEEE 4th International Conference on Computer and Communication Systems 2019, S. 36–40 [zit.: Das/Ashrafi/Ahmmad, Joint Cognition of Both Human and Machine for Predicting Criminal Punishment in Judicial System]. Google Scholar öffnen
  99. Davis, Randall/King, Jonathan J.: The Context of the MYCIN Experiments, in: Buchanan, Bruce G./Shortliffe, Edward H. (Hrsg.): Rule Based Expert Systems. The MYCIN Experiments of the Stanford Heuristic Programming Project, Reading 1984, S. 1–19, abrufbar unter: <www.shortliffe.net/Buchanan Shortliffe 1984/MYCIN%20Book.htm> (zuletzt abgerufen am 28.04.2019, 12:00 Uhr) [zit.: Davis/King, The Context of the MYCIN Experiments]. Google Scholar öffnen
  100. de Sousa e Brito, José: Strafzwecke im Rechtsstaat, in: Herzog, Felix/Neumann, Ulfrid (Hrsg.): Festschrift für Wilfried Hassemer. Zum 70. Geburtstag am 17. Februar 2010, Heidelberg u.a. 2010, S. 305–320 [zit.: de Sousa e Brito, FS Hassemer]. Google Scholar öffnen
  101. DeClue, Gregory/Zavodny, Denis L.: Forensic Use of the Static 99R: Part 4. Risk Communication, Journal of Threat Assessment and Management 2014, S. 145–161 [zit.: DeClue/Zavodny, Forensic Use of the Static 99R]. Google Scholar öffnen
  102. Deeks, Ashley: The Judicial Demand for Explainable Artificial Intelligence, Columbia Law Review 2019, S. 1829–1850 [zit.: Deeks, The Judicial Demand for Explainable Artificial Intelligence]. Google Scholar öffnen
  103. Deloitte: State of AI in the Enterprise, 3. Ausgabe, 2020, abrufbar unter: <www2.deloitte.com/de/de/pages/technology-media-and-telecommunications/articles/ki-studie-2020.html> (zuletzt abgerufen am 06.09.2020, 15:43 Uhr) [zit.: Deloitte, State of AI]. Google Scholar öffnen
  104. Dengel, Andreas: Künstliche Intelligenz in Anwendungen, in: Fachbereich „Künstliche Intelligenz“ der Gesellschaft für Informatik e.V. (Hrsg.): KI – Künstliche Intelligenz, Berlin u.a. 2011, S. 317–319 [zit.: Dengel, Künstliche Intelligenz in Anwendungen]. Google Scholar öffnen
  105. Deutscher Ethikrat (Hrsg.): Big Data und Gesundheit – Datensouveränität als informationelle Freiheitsgestaltung. Stellungnahme, Berlin 2018, abrufbar unter: <www.ethikrat.org/fileadmin/Publikationen/Stellungnahmen/deutsch/stellungnahme-big-data-und-gesundheit.pdf> (zuletzt abgerufen am 20.09.2020, 11:15 Uhr) [zit.: Deutscher Ethikrat, Big Data und Gesundheit]. Google Scholar öffnen
  106. Diab, Dalia L. u.a.: Lay Perceptions of Selection Decision Aids in US and Non US Samples, International Journal of Selection and Assessment 2011, S. 209–216 [zit.: Diab u.a., Perceptions of Selection Decision Aids]. Google Scholar öffnen
  107. Dieterich, William/Mendoza, Christina/Brennan, Tim: COMPAS Risk Scales: Demonstrating Accuracy Equity and Predictive Parity, 2016, abrufbar unter: <assets.documentcloud.org/documents/2998391/ProPublica Commentary Final 070616.pdf> (zuletzt abgerufen am 09.04.2019, 10:27 Uhr) [zit.: Dieterich/Mendoza/Brennan, COMPAS Risk Scales]. Google Scholar öffnen
  108. Dietvorst, Berkeley J./Simm, Joseph P./Massey, Cade: Overcoming Algorithm Aversion: People Will Use Imperfect Algorithms If They Can (Even Slightly) Modify Them, Management Science 2016, S. 1155–1170 [zit.: Dietvorst/Simmons/Massey, Overcoming Algorithm Aversion]. Google Scholar öffnen
  109. Dietvorst, Berkeley J./Simmons, Joseph P./Massey, Cade: Algorithm Aversion: People Erroneously Avoid Algorithms After Seeing Them Err, abrufbar unter: <opim.wharton.upenn.edu/risk/library/WPAF201410 AlgorthimAversion Dietvorst Simmons Massey> (zuletzt abgerufen am 01.04.2019, 15:00 Uhr), Erstveröffentlichung in: Journal of Experimental Psychology: General 2014, S. 114–126 [zit.: Dietvorst/Simmons/Massey, Algorithm Aversion]. Google Scholar öffnen
  110. Djeffal, Christian: Künstliche Intelligenz in der öffentlichen Verwaltung, Nationales E-Government Kompetenzzentrum e. V. (Hrsg.), Berlin 2018, abrufbar unter: <www.hiig.de/wp-content/uploads/2019/03/NEGZ-Kurzstudie-3-KuenstlIntelligenz-20181113-digital.pdf> (zuletzt abgerufen am 22.09.2020, 16:52 Uhr) [zit.: Djeffal, Künstliche Intelligenz in der öffentlichen Verwaltung]. Google Scholar öffnen
  111. Djeffal, Christian: Normative Leitlinien für künstliche Intelligenz in Regierung und öffentlicher Verwaltung, in: Mohabbat Kar, Resa/Thapa, Basanta E./Parycek, Peter (Hrsg.): (Un)berechenbar? Algorithmen und Automatisierung in Staat und Gesellschaft, Berlin 2018, S. 493–515 [zit.: Djeffal, in: (Un)berechenbar]. Google Scholar öffnen
  112. Döbel, Inga u.a.: Maschinelles Lernen. Eine Analyse zu Kompetenzen, Forschung und Anwendung, Fraunhofer Gesellschaft zur Förderung der angewandten Forschung e.V. (Hrsg.), München 2018, abrufbar unter: <www.bigdata.fraunhofer.de/content/dam/bigdata/de/documents/Publikationen/Fraunhofer_Studie_ML_201809.pdf> (zuletzt abgerufen am 28.12.2019, 9:47 Uhr) [zit.: Döbel u.a., Maschinelles Lernen]. Google Scholar öffnen
  113. Dölling, Dieter: Generalprävention durch Strafrecht: Realität oder Illusion?, Zeitschrift für die gesamte Strafrechtswissenschaft 1990, S. 1–20 [zit.: Dölling, ZStW 1990]. Google Scholar öffnen
  114. Donohue, Michael E.: A Replacement for Justitia’s Scales?: Machine Learning’s Role in Sentencing, Harvard Journal of Law & Technology 2019, S. 657–678 [zit.: Donohue, A Replacement for Justitia’s Scales?]. Google Scholar öffnen
  115. Doshi Velez, Finale u.a.: Accountability of AI Under the Law. The Role of Explanation, 2017, abrufbar unter: <dash.harvard.edu/handle/1/34372584> (zuletzt abgerufen am 14.04.2019, 19:02 Uhr) [zit.: Doshi Velez u.a., Accountability of AI]. Google Scholar öffnen
  116. Dreher, Eduard: Anmerkung zu OLG Stuttgart, Urteil vom 26.8.1960 – 1 Ss 348/60, Monatsschrift für Deutsches Recht 1961, S. 343–344 [zit.: Dreher, MDR 1961]. Google Scholar öffnen
  117. Dreher, Eduard: Das schlechte Gewissen des Strafrichters, in: Kaufmann, Arthur u.a. (Hrsg.): Festschrift für Paul Bockelmann. Zum 70. Geburtstag am 7. Dezember 1978, München 1979, S. 45–65 [zit.: Dreher, FS Bockelmann]. Google Scholar öffnen
  118. Dreher, Eduard: Über die gerechte Strafe. Eine theoretische Untersuchung für die deutsche strafrechtliche Praxis, Heidelberg 1947 [zit.: Dreher, Über die gerechte Strafe]. Google Scholar öffnen
  119. Dreher, Eduard: Über Strafrahmen, in: Frisch, Wolfgang/Schmidt, Werner (Hrsg.): Festschrift für Hans Jürgen Bruns. Zum 70. Geburtstag, Köln u.a. 1978, S. 141–164 [zit.: Dreher, FS Bruns]. Google Scholar öffnen
  120. Dreher, Eduard: Zur Spielraumtheorie als der Grundlage der Strafzumessungslehre des Bundesgerichtshofs, JuristenZeitung 1967, S. 41–46 [zit.: Dreher, JZ 1967]. Google Scholar öffnen
  121. Dreier, Horst (Hrsg.): Grundgesetz Kommentar, Band III, Artikel 83–146, 3. Auflage, Tübingen 2018 [zit.: Dreier]. Google Scholar öffnen
  122. Dressel, Julia/Farid, Hany: The Accuracy, Fairness, and Limits of Predicting Recidivism, Science Advances 2018, S. 1–5, abrufbar unter: <www.researchgate.net/publication/322573250_The_accuracy_fairness_and_limits_of_predicting_recidivism> (zuletzt abge¬rufen am 26.06.2019, 10:35 Uhr) [zit.: Dressel/Farid, Accuracy, Fairness, and Limits of Predicting Recidivism]. Google Scholar öffnen
  123. Ecker, Alejandro/Ennser Jedenastik, Laurenz/Haselmayer, Martin: Gender Bias in Asylum Adjudications: Evidence for Leniency toward Token Women, Sex Roles 2020, S. 117–126, [zit.: Ecker/Ennser Jedenastik/Haselmayer, Gender Bias]. Google Scholar öffnen
  124. Edwards, Lilian/Veale, Michael: Slave to the Algorithm? Why a ‘Right to Explanation’ is Probably Not the Remedy You are Looking For, Duke Law & Technology Review 2017, S. 18–84 [zit.: Edwards/Veale, Slave to the Algorithm]. Google Scholar öffnen
  125. Ehmann, Eugen/Selmayr, Martin (Hrsg.): DSGVO. Datenschutz-Grundverordnung Kommentar, 2. Auflage, München 2018 [zit.: Ehmann/Selmayr DSGVO]. Google Scholar öffnen
  126. Eisenberg, Ulrich/Kölbel, Ralf: Kriminologie, 7. Auflage, Tübingen 2017 [zit.: Eisenberg/Kölbel, Kriminologie]. Google Scholar öffnen
  127. Enders, Peter: Einsatz künstlicher Intelligenz bei juristischer Entscheidungsfindung, Juristische Arbeitsblätter 2018, S. 721–727 [zit.: Enders, JA 2018]. Google Scholar öffnen
  128. Engel, Martin: Algorithmisierte Rechtsfindung als juristische Arbeitshilfe, JuristenZeitung 2014, S. 1096–1100 [zit.: Engel, JZ 2014]. Google Scholar öffnen
  129. Englich, Birte/Mussweiler, Thomas/Strack, Fritz: Playing Dice With Criminal Sentences: The Influence of Irrelevant Anchors on Experts’ Judicial Decision Making, Personality and Social Psychology Bulletin 2006, S. 188–200 [zit.: Englich/Mussweiler/Strack, Playing Dice With Criminal Sentences]. Google Scholar öffnen
  130. Englich, Birte/Mussweiler, Thomas/Strack, Fritz: The Last Word in Court: A Hidden Disadvantage for the Defense, Law and Human Behavior 2005, S. 705–722 [zit.: Englich/Mussweiler/Strack, The Last Word in Court]. Google Scholar öffnen
  131. Englich, Birte/Mussweiler, Thomas: Sentencing Under Uncertainty: Anchoring Effects in the Courtroom, Journal of Applied Social Psychology 2001, S. 1535–1551 [zit.: Englich/Mussweiler, Sentencing Under Uncertainty]. Google Scholar öffnen
  132. Englich, Birte: „Geben Sie ihm doch einfach fünf Jahre!“, Zeitschrift für Sozialpsychologie 2005, S. 215–225 [zit.: Englich, „Geben Sie ihm doch einfach fünf Jahre!“]. Google Scholar öffnen
  133. Epping, Volker/Hillgruber, Christian (Hrsg.): Grundgesetz Kommentar, 3. Auflage, München 2020 [zit.: Epping/Hillgruber]. Google Scholar öffnen
  134. Esser, Josef: Vorverständnis und Methodenwahl in der Rechtsfindung. Rationalitätsgarantien der richterlichen Entscheidungspraxis, Frankfurt am Main 1970 [zit.: Esser, Vorverständnis und Methodenwahl]. Google Scholar öffnen
  135. Eßer, Martin/Kramer, Philipp/Lewinski, Kai von (Hrsg.): Auernhammer DSGVO BDSG. Datenschutz-Grundverordnung, Bundesdatenschutzgesetz und Nebengesetze Kommentar, 7. Auflage, Köln 2020 [zit.: Auernhammer DSGVO]. Google Scholar öffnen
  136. European Commission for the Efficiency of Justice (CEPEJ): European ethical Charter on the use of Artificial Intelligence in judicial systems and their environment, adopted at the 31st plenary meeting of the CEPEJ (Strasbourg, 3–4 December 2018) 2018, abrufbar unter: <rm.coe.int/ethical charter en for publication 4 december 2018/16808f699c> (zuletzt abgerufen am 24.12.2019, 7:03 Uhr) [zit.: CEPEJ, European ethical Charter on the use of Artificial Intelligence in judicial systems]. Google Scholar öffnen
  137. Exner, Franz: Studien über die Strafzumessungspraxis der deutschen Gerichte, Leipzig 1931 [zit.: Exner, Studien]. Google Scholar öffnen
  138. Fadavian, Benjamin: Chancen und Grenzen der algorithmischen Verwaltung im demokratischen Verfassungsstaat, in: Mohabbat Kar, Resa/Thapa, Basanta E./Parycek, Peter (Hrsg.): (Un)berechenbar? Algorithmen und Automatisierung in Staat und Gesellschaft, Berlin 2018, S. 294–314 [zit.: Fadavian, in: (Un)berechenbar]. Google Scholar öffnen
  139. Fass, Tracy L. u.a.: The LSI R And The COMPAS Validation Data on Two Risk Needs Tools, Criminal Justice and Behavior 2008, S. 1095–1108 [zit.: Fass u.a., LSI R And COMPAS Validation]. Google Scholar öffnen
  140. Fateh-Moghadam, Bijan: Innovationsverantwortung im Strafrecht: Zwischen strict liability, Fahrlässigkeit und erlaubtem Risiko – Zugleich ein Beitrag zur Digitalisierung des Strafrechts, Zeitschrift für die gesamte Strafrechtswissenschaft 2019, S. 863–887 [zit.: Fateh-Moghadam, ZStW 2019]. Google Scholar öffnen
  141. Feeley, Malcolm M./Simon, Jonathan: The New Penology: Notes on the Emerging Strategy of Corrections and Its Implications, Criminology 1992, S. 449–474 [zit.: Feeley/Simon, The New Penology]. Google Scholar öffnen
  142. Feigenbaum, Edward A./Feldman, Julian: Artificial Intelligence. Introduction, in: Feigenbaum, Edward A./Feldman, Julian (Hrsg.): Computers and Thought, New York u.a. 1963, S. 1–8 [zit.: Feigenbaum/Feldman, Artificial Intelligence]. Google Scholar öffnen
  143. Feuerbach, P. J. Anselm von: Lehrbuch des gemeinen in Deutschland gültigen Peinlichen Rechts, 14. Auflage, Gießen 1847 [zit.: Feuerbach, Lehrbuch des gemeinen in Deutschland gültigen Peinlichen Rechts]. Google Scholar öffnen
  144. Fischer, Sarah/Petersen, Thomas: Was Deutschland über Algorithmen weiß und denkt. Ergebnisse einer repräsentativen Bevölkerungsumfrage, in: Bertelsmann Stiftung (Hrsg.): Impuls Algorithmenethik #7, Gütersloh 2018, abrufbar unter: <www.bertelsmann stiftung.de/fileadmin/files/BSt/Publikationen/GrauePublikationen/Was_die_Deutschen_ueber_Algorithmen_denken.pdf> (zuletzt abgerufen am 08.07.2019, 10:39 Uhr) [zit.: Fischer/Petersen, Was Deutschland über Algorithmen weiß und denkt]. Google Scholar öffnen
  145. Fischer, Thomas: Strafgesetzbuch, 67. Auflage, München 2020 [zit.: Fischer]. Google Scholar öffnen
  146. Flores, Anthony W./Bechtel, Kristin/Lowenkamp, Christopher T.: False Positives, False Negatives, and False Analyses: A Rejoinder to “Machine Bias: There’s Software Used Across the Country to Predict Future Criminals. And It’s Biased Against Blacks”, Federal Probation 2016, S. 38–46 [zit.: Flores/Bechtel/Lowenkamp, False Positives]. Google Scholar öffnen
  147. Flotho, Manfred: Richterpersönlichkeit und Richterauslese, Deutsche Richterzeitung 1988, S. 167–171 [zit.: Flotho, DRiZ 1988]. Google Scholar öffnen
  148. Fornauf, Marc: Die Marginalisierung der Unabhängigkeit der Dritten Gewalt im System des Strafrechts, Frankfurt am Main 2010 [zit.: Fornauf, Die Marginalisierung der Unabhängigkeit]. Google Scholar öffnen
  149. Frank, Ulrich: Anmerkung zu BGH, Beschl. v. 13.9.1976 – 3 StR 313/76, Neue Juristische Wochenschrift 1977, S. 686–687 [zit.: Frank, NJW 1977]. Google Scholar öffnen
  150. Frese, Yorck: Recht im zweiten Maschinenzeitalter, Neue Juristische Wochenschrift 2015, S. 2090–2092 [zit.: Frese, NJW 2015]. Google Scholar öffnen
  151. Freund, Georg: Straftatbestand und Rechtsfolgebestimmung, Goltdammer’s Archiv für Strafrecht 1999, S. 509–538 [zit.: Freund, GA 1999]. Google Scholar öffnen
  152. Frisch, Wolfgang: Gegenwärtiger Stand und Zukunftsperspektiven der Strafzumessungsdogmatik. Das Recht der Strafzumessung im Lichte der systematischen Darstellungen von Hans-Jürgen Bruns und Franz Pallin (Teil I), Zeitschrift für die gesamte Strafrechtswissenschaft 1987, S. 349–388 [zit.: Frisch, ZStW 1987]. Google Scholar öffnen
  153. Frisch, Wolfgang: Revisionsrechtliche Probleme der Strafzumessung. Eine Untersuchung über die Struktur und Revisibilität des richterlichen Ermessens bei der Strafzumessung, München 1971 [zit.: Frisch, Revisionsrechtliche Probleme]. Google Scholar öffnen
  154. Frisch, Wolfgang: Strafkonzept, Strafzumessungstatsachen und Maßstäbe der Strafzumessung in der Rechtsprechung des Bundesgerichtshofs, in: Canaris, Claus Wilhelm (Hrsg.): 50 Jahre Bundesgerichtshof /4: Strafrecht, Strafprozeßrecht, München 2000, S. 269–308 [zit.: Frisch, Strafkonzept]. Google Scholar öffnen
  155. Gajane, Pratik/Pechenizkiy, Mykola: On Formalizing Fairness in Prediction with Machine Learning, 2017, abrufbar unter: <arxiv.org/abs/1710.03184> (zuletzt abgerufen am 08.06.2019, 8:41 Uhr) [zit.: Gajane/ Pechenizkiy, Formalizing Fairness in Prediction with Machine Learning]. Google Scholar öffnen
  156. Galeano, Isabella (Begr.): Estonia will prepare to have Robot Judges based on Artificial Intelligence, The Technolawgist 2019, S. 4–5, abrufbar unter: <issuu.com/thetechnolawgist/docs/the_technolawgist_eng> (zuletzt abgerufen am 13.01.2020, 10:20 Uhr) [zit.: Galeano, Estonia will prepare to have Robot Judges]. Google Scholar öffnen
  157. Galeano, Isabella (Begr.): How Artificial Intelligence Will Transform Judicial Processes, The Technolawgist 2019, S. 14–15, abrufbar unter: <issuu.com/thetechnolawgist/docs/the_technolawgist_eng> (zuletzt abgerufen am 04.02.2020, 8:25 Uhr) [zit.: Galeano, How Artificial Intelligence Will Transform Judicial Processes]. Google Scholar öffnen
  158. Galeano, Isabella (Begr.): Ott Velsberg, Government Chief Data Officer of Estonia: robot judges, artificial intelligence and the future of digitalisation, The Technolawgist 2019, S. 8–13, abrufbar unter: <issuu.com/thetechnolawgist/docs/the_technolawgist_eng> (zuletzt abgerufen am 13.01.2020, 11:30 Uhr) [zit.: Ott Velsberg, in: The Technolawgist 2019]. Google Scholar öffnen
  159. Gebhardt, Hans Jürgen: Das verkehrsrechtliche Mandat. Band 1: Verteidigung in Verkehrsstraf und Ordnungswidrigkeitenverfahren, 9. Auflage, Bonn 2020 [zit.: Gebhardt, Das verkehrsrechtliche Mandat]. Google Scholar öffnen
  160. Ghumman, Sonia/Barnes, Christopher M.: Sleep and prejudice: a resource recovery approach, Journal of Applied Social Psychology 2013, S. E166–E178 [zit.: Ghumman/Barnes, Sleep and prejudice]. Google Scholar öffnen
  161. Giannoulis, Georgios: Studien zur Strafzumessung: ein Beitrag zur Dogmatik, Rechtstheorie und Rechtsinformatik mit Vertiefung in den Eigentums- und Vermögensdelikten, Tübingen 2014 [zit.: Giannoulis, Studien zur Strafzumessung]. Google Scholar öffnen
  162. Gierschmann, Sibylle u.a. (Hrsg.): Kommentar Datenschutz Grundverordnung, Köln 2018 [zit.: Gierschmann DSGVO]. Google Scholar öffnen
  163. Glaser, Daniel: Book Reviews. The Effectiveness of Correctional Treatment: A Survey of Treatment Evaluation Studies, by Douglas Lipton, Robert Martinson, and Judith Wilks. New York (NY), Praeger Publishers, 1975. Pp. Xxii, 735. $37.50, Journal of Research in Crime and Delinquency 1976, S. 179–182 [zit.: Glaser, Book Reviews]. Google Scholar öffnen
  164. Global Judicial Integrity Network, United Nations Office on Drugs and Crime: The Role of Artificial Intelligence in Judiciaries, 2019, abrufbar unter: <qcai.qcri.org/index.php/2019/09/03/the role of artificial intelligence in judiciaries/> (zuletzt abgerufen am 13.09.2019, 17:36 Uhr) [zit.: Global Judicial Integrity Network, The Role of Artificial Intelligence in Judiciaries]. Google Scholar öffnen
  165. Glöckner, Andreas: The irrational hungry judge effect revisited: Simulations reveal that the magnitude of the effect is overestimated, Judgment and Decision Making 2016, S. 601–610 [zit.: Glöckner, The irrational hungry judge effect revisited]. Google Scholar öffnen
  166. Göbbels, Svenja/Zimmermann, Lavinia: Rehabilitation von Straftätern. Das „Risk need responsivity“ Modell, Forensische Psychiatrie, Psychologie, Kriminologie 2013, S. 12–21 [zit.: Göbbels/Zimmermann, Rehabilitation von Straftätern]. Google Scholar öffnen
  167. Goodfellow, Ian/Bengio, Yoshua/Courville, Aaron: Deep Learning, 2016, abrufbar unter: <www.deeplearningbook.org> (zuletzt abgerufen am 23.03.2019, 17:46 Uhr) [zit.: Goodfellow/Bengio/Courville, Deep Learning]. Google Scholar öffnen
  168. Goodwin, Paul/Fildes, Robert: Judgmental Forecasts of Time Series Affected by Special Events: Does Providing a Statistical Forecast Improve Accuracy?, Journal of Behavioral Decision Making 1999, S. 37–53 [zit.: Goodwin/Fildes, Judgmental Forecasts]. Google Scholar öffnen
  169. Götting, Bert: Gesetzliche Strafrahmen und Strafzumessungspraxis. Eine empirische Untersuchung anhand der Strafverfolgungsstatistik für die Jahre 1987 bis 1991, Frankfurt am Main u.a. 1997 [zit.: Götting, Strafzumessungspraxis]. Google Scholar öffnen
  170. Graevenitz, Albrecht von: „Zwei mal Zwei ist Grün“ – Mensch und KI im Vergleich, Zeitschrift für Rechtspolitik 2018, S. 238–241 [zit.: Von Graevenitz, ZRP 2018]. Google Scholar öffnen
  171. Grasnick, Walter: Strafzumessung als Argumentation. Der „richtige“ Weg zur „richtigen“ Strafe, Juristische Arbeitsblätter 1990, S. 81–88 [zit.: Grasnick, JA 1990]. Google Scholar öffnen
  172. Graßberger, Roland: Die Strafzumessung, Berlin u.a. 1932 [zit.: Graßberger, Die Strafzumessung]. Google Scholar öffnen
  173. Greco, Luís: Richterliche Macht ohne richterliche Verantwortung: Warum es den Roboter-Richter nicht geben darf, Rechtswissenschaft 2020, S. 29–62 [zit.: Greco, RW 2020]. Google Scholar öffnen
  174. Green, Ben/Chen, Yiling: Disparate Interactions: An Algorithm in the Loop Analysis of Fairness in Risk Assessments, FAT’19: Conference on Fairness, Accountability, and Transpa¬rency, 2019, abrufbar unter: <yiling.seas.harvard.edu/wp content/uploads/19 fat_1.pdf> (zuletzt abgerufen am 31.03.2019, 9:56 Uhr) [zit.: Green/Chen, Disparate Interactions]. Google Scholar öffnen
  175. Green, Ben: “Fair” Risk Assessments: A Precarious Approach for Criminal Justice Reform, 5th Workshop on Fairness, Accountability, and Transparency in Machine Learning (FAT/ML) 2018, abrufbar unter: <www.fatml.org/media/documents/fair_risk_assessments_criminal_justice.pdf> (zuletzt abgerufen am 06.07.2019, 9:37 Uhr) [zit.: Green, “Fair” Risk Assessments]. Google Scholar öffnen
  176. Greger, Reinhard: Der Zivilprozess auf dem Weg in die digitale Sackgasse, Neue Juristische Wochenschrift 2019, S. 3429–3432 [zit.: Greger, NJW 2019]. Google Scholar öffnen
  177. Grewal, Dalvinder S.: A Critical Conceptual Analysis of Definitions of Artificial Intelligence as Applicable to Computer Engineering, IOSR Journal of Computer Engineering 2014, S. 9–13 [zit.: Grewal, A Critical Conceptual Analysis]. Google Scholar öffnen
  178. Gröpl, Christoph/Windthorst, Kay/Coelln, Christian von (Hrsg.): Grundgesetz Studienkommentar, 4. Auflage, München 2020 [zit.: Gröpl/Windthorst/Coelln]. Google Scholar öffnen
  179. Grosse-Wilde, Thomas: Brauchen wir ein neues Strafzumessungsrecht? Gedanken anlässlich der Diskussion in der Strafrechtsabteilung des 72. Deutschen Juristentages in Leipzig 2018, Zeitschrift für Internationale Strafrechtsdogmatik 2019, S. 130–143 [zit.: Grosse-Wilde, ZIS 2019]. Google Scholar öffnen
  180. Grove, William M. u.a.: Clinical Versus Mechanical Prediction: A Meta Analysis, Psychological Assessment 2000, S. 19–30 [zit.: Grove u.a., Clinical Versus Mechanical Prediction]. Google Scholar öffnen
  181. Grundies, Volker/Light, Michael: Die Sanktionierung der „Anderen“ in der Bundesrepublik, in: Niggli, Marcel A./Marty, Lukas (Hrsg.): Risiken der Sicherheitsgesellschaft. Sicherheit, Risiko & Kriminalpolitik, Mönchengladbach 2014, S. 225–239 [zit.: Grundies/Light, Die Sanktionierung der „Anderen“]. Google Scholar öffnen
  182. Grundies, Volker: Gleiches Recht für alle? Eine empirische Analyse lokaler Unterschiede in der Sanktionspraxis in der Bundesrepublik Deutschland, in: Neubacher, Frank/Bögelein, Nicole (Hrsg.): Krise – Kriminalität – Kriminologie, Mönchengladbach 2016, S. 511–525 [zit.: Grundies, Gleiches Recht für alle?]. Google Scholar öffnen
  183. Grundies, Volker: Regionale Unterschiede in der gerichtlichen Sanktionspraxis in der Bundesrepublik Deutschland. Eine empirische Analyse, in: Hermann, Dieter/Pöge, Andreas (Hrsg.): Kriminalsoziologie. Handbuch für Wissenschaft und Praxis, Baden-Baden 2018, S. 295–315 [zit.: Grundies, Regionale Unterschiede in der gerichtlichen Sanktionspraxis]. Google Scholar öffnen
  184. Grupp, Michael: Legal Tech – Impulse für Streitbeilegung und Rechtsdienstleistung, Anwaltsblatt 2014, S. 660–665 [zit.: Grupp, AnwBl 2014]. Google Scholar öffnen
  185. Grupp, Michael: Wie baut man einen Rechtsautomaten? Modellierung juristischer Entscheidungsstrukturen mit Lexalgo, in: Hartung, Markus/Bues, Micha Manuel/Halbleib, Gernot (Hrsg.): Legal Tech. Die Digitalisierung des Rechtsmarkts, München 2018, S. 259–266 [zit.: Grupp, in: Legal Tech]. Google Scholar öffnen
  186. Grzymek, Viktoria/Puntschuh, Michael: Was Europa über Algorithmen weiß und denkt. Ergebnisse einer repräsentativen Bevölkerungsumfrage, in: Bertelsmann Stiftung (Hrsg.): Impuls Algorithmenethik #10, Gütersloh 2019, abrufbar unter: <www.bertelsmann-stiftung.de/fileadmin/files/BSt/Publikationen/GrauePublikationen/WasEuropaUEberAlgorithmenWeissUndDenkt.pdf> (zuletzt abgerufen am 02.10.2020, 12:31 Uhr) [zit.: Grzymek/Puntschuh, Was Europa über Algorithmen weiß und denkt]. Google Scholar öffnen
  187. Guggenberger, Nikolas: KI und Recht: Neue Methodik, billige Entscheidungen und Ergebnisvorgaben, Multimedia und Recht 2019, S. 777–778 [zit.: Guggenberger, MMR 2019]. Google Scholar öffnen
  188. Günther, Hans Ludwig: Systematische Grundlagen der Strafzumessung. Eine Bestandsaufnahme, JuristenZeitung 1989, S. 1025–1030 [zit.: Günther, JZ 1989]. Google Scholar öffnen
  189. Hacker, Philipp: Europäische und nationale Regulierung von Künstlicher Intelligenz, Neue Juristische Wochenschrift 2020, S. 2142–2147 [zit.: Hacker, NJW 2020]. Google Scholar öffnen
  190. Haft, Fritjof: Juristische Erwartungen an Expertensysteme, in: Erdmann, Ulrich u.a. (Hrsg.): Computergestützte juristische Expertensysteme, Neue Methoden im Recht, Band 1, 1986, S. 21–48 [zit.: Haft, Juristische Erwartungen an Expertensysteme]. Google Scholar öffnen
  191. Hähnchen, Susanne u.a.: Legal Tech. Rechtsanwendung durch Menschen als Auslauf¬modell?, Juristische Schulung 2020, S. 625–635 [zit.: Hähnchen u.a., JuS 2020]. Google Scholar öffnen
  192. Haman, Christian: Integration neuronaler Netze in regelbasierte juristische Expertensysteme, Frankfurt am Main u.a. 1998 [zit.: Haman, Integration neuronaler Netze]. Google Scholar öffnen
  193. Hammond, Kristian: 5 unexpected sources of bias in artificial intelligence, Tech Crunch 2016, abrufbar unter: <tcrn.ch/2gn7Sb5> (zuletzt abgerufen am 15.06.2019, 8:19 Uhr) [zit.: Hammond, 5 unexpected sources of bias]. Google Scholar öffnen
  194. Händel, Konrad: Das Verhältnis der Geldstrafe zur kurzfristigen Freiheitsstrafe. Eine Erwiderung, Blutalkohol 1970, S. 204–209 [zit.: Händel, Blutalkohol 1970]. Google Scholar öffnen
  195. Hardt, Moritz/Price, Eric/Srebro, Nathan: Equality of Opportunity in Supervised Learning, 2016, abrufbar unter: <arxiv.org/pdf/1610.02413.pdf> (zuletzt abgerufen am 08.07.2019, 13:04 Uhr), Erstveröffentlichung in Auszügen in: NIPS'16 Proceedings of the 30th International Conference on Neural Information Processing Systems in Barcelona 2016, S. 3323–3331 [zit.: Hardt/Price/Srebro, Equality of Opportunity in Supervised Learning]. Google Scholar öffnen
  196. Hart, Hornell: Predicting Parole Success, Journal of Criminal Law and Criminology 1924, S. 405–413 [zit.: Hart, Predicting Parole Success]. Google Scholar öffnen
  197. Hartung, Markus: Gedanken zu Legal Tech und Digitalisierung, in: Hartung, Markus/Bues, Micha-Manuel/Halbleib, Gernot (Hrsg.): Legal Tech. Die Digitalisierung des Rechtsmarkts, München 2018, S. 5–18 [zit.: Hartung, in: Legal Tech]. Google Scholar öffnen
  198. Hassemer, Winfried: Die Formalisierung der Strafzumessungsentscheidung, Zeitschrift für die gesamte Strafrechtswissenschaft 1978, S. 64–99 [zit.: Hassemer, ZStW 1978]. Google Scholar öffnen
  199. Hassemer, Winfried: Variationen der positiven Generalprävention, in: Schünemann, Bernd/Hirsch, Andrew von/Jareborg, Nils (Hrsg.): Positive Generalprävention. Kritische Analysen im deutsch-englischen Dialog. Uppsala Symposium 1996, Heidelberg 1998, S. 29–50 [zit.: Hassemer, Variationen der positiven Generalprävention]. Google Scholar öffnen
  200. Hastie, Trevor/Tibshirani, Robert/Friedman, Jerome: The Elements of Statistical Learning. Data Mining, Inference, and Prediction, 2. Auflage, New York 2009 [zit.: Hastie/Tibshirani/Friedman, The Elements of Statistical Learning]. Google Scholar öffnen
  201. Hegel, Georg W. F.: Grundlinien der Philosophie des Rechts, Berlin 1821 [zit.: Hegel, Grundlinien der Philosophie des Rechts]. Google Scholar öffnen
  202. Heintschel Heinegg, Bernd von (Hrsg.): StGB. Strafgesetzbuch Kommentar, 3. Auflage, München 2018 [zit.: Heintschel Heinegg]. Google Scholar öffnen
  203. Heinz, Wolfgang: Gleiches Recht – ungleiche Handhabung! Die Sanktionierungspraxis in Baden Württemberg im Ländervergleich, 2011, abrufbar unter <www.uni konstanz.de/rtf/kis/GleichesRecht.pdf> (zuletzt abgerufen am 18.03.2019, 8:39 Uhr) [zit.: Heinz, Gleiches Recht]. Google Scholar öffnen
  204. Heinz, Wolfgang: Strafzumessung im Spiegel der empirischen Strafzumessungsforschung, in: Jehle, Jörg Martin (Hrsg.): Individualprävention und Strafzumessung. Ein Gespräch zwischen Strafjustiz und Kriminologie, Wiesbaden 1992, S. 85–149 [zit.: Heinz, Strafzumessung]. Google Scholar öffnen
  205. Heinz, Wolfgang: Valide und aussagekräftige statistische Erfassung von Kriminalität und Kriminalitätskontrolle – eine notwendige Bedingung für evidenzbasierte Kriminalpolitik, Neue Kriminalpolitik 2020, S. 3–23 [zit.: Heinz, NK 2020]. Google Scholar öffnen
  206. Heithecker, Jan: Fuzzy Logic und der „Tierhalter“, Künstliche Intelligenz 1993, S. 7–10 [zit.: Heithecker, Fuzzy Logic und der „Tierhalter“]. Google Scholar öffnen
  207. Heldt, Amélie: Algorithmen und künstliche Intelligenz in der Verwaltung. Tagungsbericht zur wissenschaftlichen Tagung in Hamburg, Neue Zeitschrift für Verwaltungsrecht 2019, S. 862–863 [zit.: Heldt, NVwZ 2019]. Google Scholar öffnen
  208. Henkel, Heinrich: Die „richtige“ Strafe. Gedanken zur richterlichen Strafzumessung, Tübingen 1969 [zit.: Henkel, Die „richtige“ Strafe]. Google Scholar öffnen
  209. Herberger, Maximilian: „Künstliche Intelligenz“ und Recht. Ein Orientierungsversuch, Neue Juristische Wochenschrift 2018, S. 2825–2829 [zit.: Herberger, NJW 2018]. Google Scholar öffnen
  210. Hermann, Dieter: Werte und Kriminalität: Konzeption einer allgemeinen Kriminalitätstheorie, Wiesbaden 2003 [zit.: Hermann, Werte und Kriminalität]. Google Scholar öffnen
  211. Herzog, Sergio/Oreg, Shaul: Chivalry and the Moderating Effect of Ambivalent Sexism: Individual Differences in Crime Seriousness Judgments, Law & Society Review 2008, S. 45–74 [zit.: Herzog/Oreg, Chivalry and the Moderating Effect of Ambivalent Sexism]. Google Scholar öffnen
  212. Hettinger, Michael: Die Strafrahmen des StGB nach dem 6. Strafrechtsreformgesetz, in: Hettinger, Michael u.a. (Hrsg.): Festschrift für Wilfried Küper zum 70. Geburtstag, Heidelberg 2007, S. 95–121 [zit.: Hettinger, FS Küper]. Google Scholar öffnen
  213. Hilterman, Ed L./Nicholls, Tonia L./ van Nieuwenhuizen, Chijs: Predictive validity of risk assessments in juvenile offenders: Comparing the SAVRY, PCL:YV, and YLS/CMI with unstructured clinical assessments, Assessment 2014, S. 324–339 [zit.: Hilterman/Nicholls/van Nieuwenhuizen, Predictive validity of risk assessments]. Google Scholar öffnen
  214. Hinton, Geoffrey E./Osindero, Simon/Teh, Yee Whye: A fast learning algorithm for deep belief nets, Neural Computation 2006, S. 1527–1554 [zit.: Hinton/Osindero/The, A fast learning algorithm for deep belief nets]. Google Scholar öffnen
  215. Hirsch, Andrew von/Jareborg, Nils: Strafmaß und Strafgerechtigkeit. Die deutsche Strafzumessungslehre und das Prinzip der Tatproportionalität, Bonn 1991 [zit.: Hirsch/Jareborg, Strafmaß und Strafgerechtigkeit]. Google Scholar öffnen
  216. Hirsch, Andrew von: Die englischsprachige Strafrechtstheorie – von Interesse für die deutsche Strafrechtsdiskussion?, in: Hefendehl, Roland (Hrsg.): Empirische und dogmatische Fundamente, kriminalpolitischer Impetus. Symposium für Bernd Schünemann zum 60. Geburtstag, Köln u.a. 2005, S. 257–266 [zit.: Hirsch, Strafrechtstheorie]. Google Scholar öffnen
  217. Hirsch, Andrew von: Gegenwärtige Tendenzen in der amerikanischen Strafzumessungslehre, Zeitschrift für die gesamte Strafrechtswissenschaft 1982, S. 1047–1079 [zit.: Hirsch, ZStW 1982]. Google Scholar öffnen
  218. Hoffmann, Anke/Wintermann, Ole: Die Auswirkungen der Corona-Krise auf die Arbeitswelt: Was bleibt und was nicht?, Bertelsmann Stiftung (Hrsg.), 2020, abrufbar unter: <www.bertelsmann-stiftung.de/de/unsere-projekte/betriebliche-arbeitswelt-digitalisierung/projektnachrichten/die-auswirkungen-der-corona-krise-auf-die-arbeitswelt> (zuletzt abgerufen am 10.10.2020, 11:38 Uhr) [zit.: Hoffmann/Wintermann, Die Auswirkungen der Corona-Krise auf die Arbeitswelt]. Google Scholar öffnen
  219. Hoffmann-Riem, Wolfgang: Rechtliche Rahmenbedingungen für und regulative Herausforderungen durch Big Data, in: Hoffmann-Riem, Wolfgang (Hrsg.): Big Data – Regulative Herausforderungen, Baden-Baden 2018, S. 11–78 [zit.: Hoffmann-Riem, Rechtliche Rahmenbedingungen für Big Data]. Google Scholar öffnen
  220. Hofstätter, Peter R.: Gruppendynamik. Kritik der der Massenpsychologie, Hamburg 1957 [zit.: Hofstätter, Gruppendynamik]. Google Scholar öffnen
  221. Holsinger, Alexander M. u.a.: A Rejoinder to Dressel and Farid: New Study Finds Computer Algorithm Is More Accurate Than Humans at Predicting Arrest and as Good as a Group of 20 Lay Experts, Federal Probation 2018, S. 50–55 [zit.: Holsinger u.a., A Rejoinder to Dressel and Farid]. Google Scholar öffnen
  222. Holsinger, Alexander M./Lowenkamp, Christopher T./Latessa, Edward J.: Exploring the validity of the Level of Service Inventory Revised with Native American offenders, Journal of Criminal Justice 2006, S. 331–337 [zit.: Holsinger/Lowenkamp/Latessa, Exploring validity of LSI R]. Google Scholar öffnen
  223. Holzinger, Andreas: Explainable AI (ex AI), Informatik Spektrum 2018, S. 138–143, abrufbar unter: <link.springer.com/article/10.1007/s00287 018 1102 5> (zuletzt abgerufen am 18.11.2019, 10:57 Uhr) [zit.: Holzinger, Explainable AI]. Google Scholar öffnen
  224. Homer: Ilias, übersetzt von Kurt Steinmann, München 2017 [zit.: Homer, Ilias]. Google Scholar öffnen
  225. Homer: Odyssee, in: Holzinger, Michael (Hrsg.), übersetzt von Johann H. Voß, Berlin 2013 [zit.: Homer, Odyssee]. Google Scholar öffnen
  226. Horn, Eckhard: Strafschärfung und Strafmilderung – im Verhältnis wozu?, Strafverteidiger 1986, S. 168–170 [zit.: Horn, StV 1986]. Google Scholar öffnen
  227. Horn, Eckhard: Wider die „doppelspurige“ Strafhöhenzumessung, in: Grünwald, Gerald u.a. (Hrsg.): Festschrift für Friedrich Schaffstein. Zum 70. Geburtstag am 28. Juli 1975, Göttingen 1975, S. 241–254 [zit.: Horn, FS Schaffstein]. Google Scholar öffnen
  228. Hörnle, Tatjana: Das antiquierte Schuldverständnis der traditionellen Strafzumessungsrechtsprechung und -lehre, JuristenZeitung 1999, S. 1080–1089 [zit.: Hörnle, JZ 1999]. Google Scholar öffnen
  229. Hörnle, Tatjana: Kriterien für die Herstellung von Tatproportionalität, in: Frisch, Wolfgang/Hirsch, Andrew von/Albrecht, Hans Jörg (Hrsg.): Tatproportionalität: Normative und empirische Aspekte einer tatproportionalen Strafzumessung. Buchenbach Symposium 1999, Heidelberg 2003, S. 99–127 [zit.: Hörnle, Tatproportionalität]. Google Scholar öffnen
  230. Hörnle, Tatjana: Sentencing in US-American Jurisdictions. A Commentary from a German Perspective, in: Ambos, Kai (Hrsg.): Strafzumessung. Angloamerikanische und deutsche Einblicke, Göttingen 2020, S. 183–190 [zit.: Hörnle, Sentencing in US-American Jurisdictions]. Google Scholar öffnen
  231. Hörnle, Tatjana: Straftheorien, 2. Auflage, Tübingen 2017 [zit.: Hörnle, Straftheorien]. Google Scholar öffnen
  232. Hörnle, Tatjana: Strafzumessung in US-amerikanischen Gerichtsbarkeiten. Ein Kommentar aus deutscher Sicht, in: Ambos, Kai (Hrsg.): Strafzumessung. Angloamerikanische und deutsche Einblicke, Göttingen 2020, S. 141–149 [zit.: Hörnle, Strafzumessung in US-amerikanischen Gerichtsbarkeiten]. Google Scholar öffnen
  233. Hörnle, Tatjana: Strafzumessungslehre im Lichte des Grundgesetzes, in: Schumann, Eva (Hrsg.): Das strafende Gesetz im sozialen Rechtsstaat. 15. Symposion der Kommission „Die Funktion des Gesetzes in Geschichte und Gegenwart“, Berlin u.a. 2010, S. 105–137 [zit.: Hörnle, Strafzumessungslehre]. Google Scholar öffnen
  234. Hörnle, Tatjana: Tatproportionale Strafzumessung, Berlin 1999 [zit.: Hörnle, Tatproportionale Strafzumessung]. Google Scholar öffnen
  235. Hörnle, Tatjana: Vorüberlegungen zu Decision Support Systemen aus der Sicht des Strafzumessungsrechts, in: Schünemann, Bernd/Tinnefeid, Marie Theres/Wittmann, Roland (Hrsg.): Gerechtigkeitswissenschaft – Kolloquium aus Anlass des 70. Geburtstages von Lothar Philipps, Berlin 2005, S. 393–410 [zit.: Hörnle, Vorüberlegungen]. Google Scholar öffnen
  236. Hörnle, Tatjana: Zur Lage der Strafzumessung in Deutschland, Goltdammer’s Archiv für Strafrecht 2019, S. 282–295 [zit.: Hörnle, GA 2019]. Google Scholar öffnen
  237. Horstkotte, Hartmuth: Gleichmäßigkeit und Schuldangemessenheit der Strafzumessung, in: Jehle, Jörg Martin (Hrsg.): Individualprävention und Strafzumessung. Ein Gespräch zwischen Strafjustiz und Kriminologie, Wiesbaden 1992, S. 151–180 [zit.: Horstkotte, Gleichmäßigkeit der Strafzumessung]. Google Scholar öffnen
  238. Hupfeld, Jörg: Richter und gerichtsbezogene Sanktionsdisparitäten in der deutschen Jugendstrafrechtspflege, Monatsschrift für Kriminologie und Strafrechtsreform 1999, S. 342–358 [zit.: Hupfeld, MschrKrim 1999]. Google Scholar öffnen
  239. Huq, Aziz Z.: Racial Equity in Algorithmic Criminal Justice, Duke Law Journal 2019, S. 1043–1134 [zit.: Huq, Racial Equity in Algorithmic Criminal Justice]. Google Scholar öffnen
  240. Iafrate, Fernando: Artificial Intelligence and Big Data. The Birth of a New Intelligence, London u.a. 2018 [zit.: Iafrate, Artificial Intelligence and Big Data]. Google Scholar öffnen
  241. Jacobson, Jonas u.a.: Predicting Civil Jury Verdicts: How Attorneys Use (and Misuse) a Second Opinion, Journal of Empirical Legal Studies 2011, S. 99–119 [zit.: Jacobson u.a., Predicting Civil Jury Verdicts]. Google Scholar öffnen
  242. Jagtap, Deepali/Sane, Shirish S.: Direct Discrimination Aware Data Mining, International Journal of Computer Applications 2014, S. 29–33 [zit.: Jagtap/Sane, Direct Discrimination Aware Data Mining]. Google Scholar öffnen
  243. Jakobs, Günther: Strafrecht Allgemeiner Teil. Die Grundlagen und die Zurechnungslehre. Lehrbuch, 2. Auflage, Berlin u.a. 1993 [zit.: Jakobs, Strafrecht AT]. Google Scholar öffnen
  244. Jandach, Thomas: Juristische Expertensysteme: methodische Grundlagen ihrer Entwicklung, Berlin u.a. 1993 [zit.: Jandach, Juristische Expertensysteme]. Google Scholar öffnen
  245. Jarass, Hans D./Pieroth, Bodo (Begr.)/Kment, Martin: Grundgesetz für die Bundesrepublik Deutschland. Kommentar, 16. Auflage, München 2020 [zit.: Jarass/Pieroth]. Google Scholar öffnen
  246. Jehle, Jörg-Martin u.a: Legalbewährung nach strafrechtlichen Sanktionen. Eine bundesweite Rückfalluntersuchung 2010 bis 2013 und 2004 bis 2013, Bundesministerium der Justiz und für Verbraucherschutz (Hrsg.), Berlin 2016, abrufbar unter: <www.bmjv.de/SharedDocs/Downloads/DE/Service/StudienUntersuchungenFachbuecher/Legalbewaehrung_nach_strafrechtlichen_Sanktionen_2010_2013.pdf?__blob=publicationFile&v=1> (zuletzt abgerufen am 12.10.2020, 18:41 Uhr) [zit.: Jehle u.a., Legalbewährung nach strafrechtlichen Sanktionen]. Google Scholar öffnen
  247. Jescheck, Hans Heinrich/Weigend, Thomas: Lehrbuch des Strafrechts. Allgemeiner Teil, 5. Auflage, Berlin 1996 [zit.: Jescheck/Weigend, Lehrbuch des Strafrechts AT]. Google Scholar öffnen
  248. Jung, Heike/Morsch, Anke: Gleichheit und Strafjustiz, in: Neubacher, Frank/Kubink, Michael (Hrsg.): Kriminologie – Jugendkriminalrecht – Strafvollzug. Gedächtnisschrift für Michael Walter, Berlin 2014, S. 707–726 [zit.: Jung/Morsch, Gleichheit und Strafjustiz]. Google Scholar öffnen
  249. Jung, Heike: Was ist eine gerechte Strafe?, JuristenZeitung 2004, S. 1155–1160 [zit.: Jung, JZ 2004]. Google Scholar öffnen
  250. Justizministerkonferenz 2019: Legal Tech: Herausforderungen für die Justiz. Abschlussbericht der Länderarbeitsgruppe, Travemünde 2019, abrufbar unter: <docplayer.org/161597856-Legal-tech-herausforderungen-fuer-die-justiz.html> (zuletzt abgerufen am 06.10.2020, 10:28 Uhr) [zit.: Justizministerkonferenz, Legal Tech]. Google Scholar öffnen
  251. Kahneman, Daniel: Schnelles Denken, langsames Denken, 23. Auflage, München 2014, Originalausgabe: Thinking, Fast and Slow, New York 2011 [zit.: Kahneman, Schnelles Denken, langsames Denken]. Google Scholar öffnen
  252. Kant, Immanuel: Die Metaphysik der Sitten, Königsberg 1798 (Erstausgabe 1797) [zit.: Kant, Die Metaphysik der Sitten]. Google Scholar öffnen
  253. Kant, Immanuel: Valentiner, Theodor (Hrsg.): Grundlegung zur Metaphysik der Sitten, Nachdruck, Stuttgart 2019, Universal Bibliothek, 4507 (Erstausgabe 1785) [zit.: Kant, Grundlegung zur Metaphysik der Sitten]. Google Scholar öffnen
  254. Kaplan, Andreas/Haenlein, Michael: Siri, Siri, in my hand: Who’s the fairest in the land? On the interpretations, illustrations, and implications of artificial intelligence, Business Horizons 2019, S. 15–25 [zit.: Kaplan/Haenlein, Siri, Siri, in my hand]. Google Scholar öffnen
  255. Karikkandathil, Sajith: How Digital Justice Is Transforming the Justice System, 2016, abrufbar unter: <news.microsoft.com/en-xm/2016/10/30/how-digital-justice-is-transforming-the-justice-system/> (zuletzt abgerufen am 30.10.2020, 8:35 Uhr) [zit.: Karikkandathil, How Digital Justice Is Transforming the Justice System]. Google Scholar öffnen
  256. Kaspar, Johannes/Höffler, Katrin/Harrendorf, Stefan: Datenbanken, Online-Votings und künstliche Intelligenz – Perspektiven evidenzbasierter Strafzumessung im Zeitalter von „Legal Tech“, Neue Kriminalpolitik 2020, S. 35–56 [zit.: Kaspar/Höffler/Harrendorf, NK 2020]. Google Scholar öffnen
  257. Kaspar, Johannes/Walter, Tonio: Vorwort, in: Kaspar, Johannes/Walter, Tonio (Hrsg.): Strafen „im Namen des Volkes“? Zur rechtlichen und kriminalpolitischen Relevanz empirisch feststellbarer Strafbedürfnisse der Bevölkerung, Baden-Baden 2019, S. 5–9 [zit.: Kaspar/Walter, Vorwort]. Google Scholar öffnen
  258. Kaspar, Johannes: „Verhältnismäßige Generalprävention“ und Zurechnung, Strafverteidiger 2014, S. 250–256 [zit.: Kaspar, StV 2014]. Google Scholar öffnen
  259. Kaspar, Johannes: Herausforderungen evidenzbasierter Strafgesetzgebung, Kriminalpolitische Zeitschrift 2020, S. 14–21 [zit.: Kaspar, KriPoZ 2020]. Google Scholar öffnen
  260. Kaspar, Johannes: Kriminologie und Strafrecht – getrennte Welten?, in: Neubacher, Frank/Kubink, Miachael (Hrsg.): Kriminologie – Jugendkriminalrecht – Strafvollzug. Gedächtnisschrift für Michael Walter, Berlin 2014, S. 83–100 [zit.: Kaspar, Kriminologie und Strafrecht]. Google Scholar öffnen
  261. Kaspar, Johannes: Sentencing Guidelines versus freies tatrichterliches Ermessen – Brauchen wir ein neues Strafzumessungsrecht?, München 2018 [zit.: Kaspar, Gutachten]. Google Scholar öffnen
  262. Kaspar, Johannes: Sentencing Guidelines vs. Free Judicial Discretion – Is German Sentencing Law in Need of Reform?, in: Ambos, Kai (Hrsg.): Strafzumessung. Angloamerikanische und deutsche Einblicke, Göttingen 2020, S. 337–352 [zit.: Kaspar, Sentencing Guidelines]. Google Scholar öffnen
  263. Kaspar, Johannes: Verfassungsrechtliche Aspekte einer empirisch fundierten Theorie der Generalprävention, in: Kaspar, Johannes/Walter, Tonio (Hrsg.): Strafen „im Namen des Volkes“? Zur rechtlichen und kriminalpolitischen Relevanz empirisch feststellbarer Strafbedürfnisse der Bevölkerung, Baden-Baden 2019, S. 61–90 [zit.: Kaspar, Verfassungsrechtliche Aspekte]. Google Scholar öffnen
  264. Kaspar, Johannes: Verhältnismäßigkeit und Grundrechtsschutz im Präventionsstrafrecht, Baden Baden 2014 [zit.: Kaspar, Präventionsstrafrecht]. Google Scholar öffnen
  265. Kaufmann, Annelie: Projekt an der Universität Köln. Mit Legal Tech zur einheitlichen Strafzumessung, lto – Legal Tribune Online 2019, abrufbar unter: <www.lto.de/recht/justiz/j/legal tech smart sentencing strafzumessung unterschiedlich hohe strafen vergleichen/> (zuletzt abgerufen am 13.09.2019, 17:27 Uhr) [zit.: Kaufmann, Projekt an der Universität Köln]. Google Scholar öffnen
  266. Kaulartz, Markus/Braegelmann, Tom: Einführung, in: Kaulartz, Markus/Braegelmann, Tom (Hrsg): Rechtshandbuch Artificial Intelligence und Machine Learning, München 2020, S. 2–14 [zit.: Kaulartz/Braegelmann, in: Rechtshandbuch AI/ML]. Google Scholar öffnen
  267. Kaulartz, Markus: Trainieren von Machine-Learning-Modellen, in: Kaulartz, Markus/Braegelmann, Tom (Hrsg): Rechtshandbuch Artificial Intelligence und Machine Learning, München 2020, S. 15–31 [zit.: Kaulartz, in: Rechtshandbuch AI/ML]. Google Scholar öffnen
  268. Ke, Da: Conceptual design on computer sentencing simulation based on SVM, 2018, abrufbar unter: <www.semanticscholar.org/paper/Conceptual Design on Computer Sentencing Simulation Ke/5a20c29300cdb480b44c0ed9c2c92a177023f0d2> (zuletzt abgerufen am 25.08.2019, 14:42 Uhr) [zit.: Ke, Conceptual design on computer sentencing simulation based on SVM]. Google Scholar öffnen
  269. Kehl, Danielle/Guo, Priscilla/Kessler, Samuel: Algorithms in the Criminal Justice System: Assessing the Use of Risk Assessments in Sentencing, Responsive Communities 2017, abrufbar unter: <dash.harvard.edu/handle/1/33746041> (zuletzt abgerufen am 08.04.2019, 9:14 Uhr) [zit.: Kehl/Guo/Kessler, Algorithms in the Criminal Justice System]. Google Scholar öffnen
  270. Kilian, Matthias: Die Zukunft der Juristen. Weniger, anders, weiblicher, spezialisierter, alternativer – und entbehrlicher?, Neue Juristische Wochenschrift 2017, S. 3043–3050 [zit.: Kilian, NJW 2017]. Google Scholar öffnen
  271. Kirste, Moritz/Schürholz, Markus: Einleitung: Entwicklungswege zur KI, in: Wittpahl, Volker (Hrsg.): iit Themenband Künstliche Intelligenz. Technologie – Anwendung – Gesellschaft, Berlin u.a. 2019, S. 21 35 [zit.: Kirste/Schürholz, Entwicklungswege]. Google Scholar öffnen
  272. Kitzmann, Katherine M./Emery, Robert E.: Procedural Justice and Parents’ Satisfaction in a Field Study of Child Custody Dispute Resolution, Law and Human Behavior 1993, S. 553–567 [zit.: Kitzmann/Emery, Procedural Justice and Parents’ Satisfaction]. Google Scholar öffnen
  273. Kleinberg, Jon/Mullainathan, Sendhil/Raghavan, Manish: Inherent Trade Offs in the Fair Determination of Risk Scores, in: Papadimitriou, Christos H. (Hrsg.): 8th Innovations in Theoretical Computer Science Conference 2017, Dagstuhl 2017, S. 43:1–43:23, abrufbar unter: <drops.dagstuhl.de/opus/volltexte/2017/8156/pdf/LIPIcs-ITCS-2017–43.pdf> (zuletzt abgerufen am 06.11.2020, 12:21 Uhr) [zit.: Kleinberg/Mullainathan/Raghavan, Inherent Trade Offs]. Google Scholar öffnen
  274. Klingele, Cecelia: The Promises and Perils of Evidence Based Corrections, Notre Dame Law Review 2016, S. 537–584 [zit.: Klingele, Evidence Based Corrections]. Google Scholar öffnen
  275. Köberer, Wolfgang: Iudex non calculat. Über die Unmöglichkeit, Strafzumessung sozialwissenschaftlich mathematisch zu rationalisieren, Frankfurt am Main u.a. 1996 [zit.: Köberer, Iudex non calculat]. Google Scholar öffnen
  276. Kölbel, Ralf/Singelnstein, Tobias: Strafrechtliche Sanktion und gesellschaftliche Erwartung – zu den Problemen und Gefahren eines publikumsorientierten Strafrechts, Neue Zeitschrift für Strafrecht 2020, S. 333–339 [zit.: Kölbel/Singelnstein, NStZ 2020]. Google Scholar öffnen
  277. Kolesnikov-Jessop, Sonia: Automatons and Ingenuity, The New York Times 2012, abrufbar unter: <www.nytimes.com/2012/03/08/fashion/08iht acaw jaquet08.html> (zuletzt abgerufen am 03.03.2019, 13:06 Uhr) [zit.: Kolesnikov Jessop, Automatons and Ingenuity]. Google Scholar öffnen
  278. Körner, Sven J.: Nachvollziehbarkeit von KI-basierten Entscheidungen, in: Kaulartz, Markus/Braegelmann, Tom (Hrsg): Rechtshandbuch Artificial Intelligence und Machine Learning, München 2020, S. 44–51 [zit.: Körner, in: Rechtshandbuch AI/ML]. Google Scholar öffnen
  279. Kotsoglou, Kyriakos N.: „Subsumptionsautomat 2.0“ reloaded? – Zur Unmöglichkeit der Rechtsprüfung durch Laien, JuristenZeitung 2014, S. 1100–1103 [zit.: Kotsoglou, JZ 2014]. Google Scholar öffnen
  280. Kotsoglou, Kyriakos N.: Subsumptionsautomat 2.0. Über die (Un )Möglichkeit einer Algorithmisierung der Rechtserzeugung, JuristenZeitung 2014, S. 451–457 [zit.: Kotsoglou, JZ 2014]. Google Scholar öffnen
  281. Krafft, Tobias D./Zweig, Katharina A.: Wie Gesellschaft algorithmischen Entscheidungen auf den Zahn fühlen kann, in: Mohabbat Kar, Resa/Thapa, Basanta E./Parycek, Peter (Hrsg.): (Un)berechenbar? Algorithmen und Automatisierung in Staat und Gesellschaft, Berlin 2018, S. 471–492, abrufbar unter: <www.oeffentliche it.de/publikationen/unberechenbar> (zuletzt abgerufen am 05.11.2019, 9:47 Uhr) [zit.: Krafft/Zweig, in: (Un)berechenbar]. Google Scholar öffnen
  282. Krauss, Detlef: Trifft Strafungleichheit das Strafrecht an seinem Nerv?, in: Pfeiffer, Christian/Oswald, Margit (Hrsg.): Strafzumessung. Empirische Forschung und Strafrechtsdogmatik im Dialog; internationales Symposion, 9.-12. März 1988 in Lüneburg, Stuttgart 1989, S. 134–137 [zit.: Krauss, Trifft Strafungleichheit das Strafrecht an seinem Nerv?]. Google Scholar öffnen
  283. Krimphove, Dieter/Niehaus, Sebastian: Maschinelle Entscheidungsfindung: Der Einsatz der Fuzzy Logik in der Rechtswissenschaft, in: Breidenbach, Stephan/Glatz, Florian (Hrsg.): Rechtshandbuch Legal Tech, München 2018, S. 249–262 [zit.: Krimphove/Niehaus, in: Rechtshandbuch Legal Tech]. Google Scholar öffnen
  284. Krimphove, Dieter: Der Einsatz von Fuzzy Logik in der Rechtswissenschaft, Rechtstheorie 1999, S. 540–576 [zit.: Krimphove, Rechtstheorie 1999]. Google Scholar öffnen
  285. Krüger, Julia/Lischka, Konrad: Was zu tun ist, damit Maschinen den Menschen dienen, in: Mohabbat Kar, Resa/Thapa, Basanta E./Parycek, Peter (Hrsg.): (Un)berechenbar? Algorithmen und Automatisierung in Staat und Gesellschaft, Berlin 2018, S. 440–470 [zit.: Krüger/Lischka, in: (Un)berechenbar]. Google Scholar öffnen
  286. Krumm, Carsten: „Normalfolgen“ der Verkehrsstraftat des Ersttäters, Neue Justiz 2015, S. 282–284 [zit.: Krumm, NJ 2015]. Google Scholar öffnen
  287. Kruse, Rudolf u.a.: Computational Intelligence. Eine methodische Einführung in Künstliche Neuronale Netze, Evolutionäre Algorithmen, Fuzzy Systeme und Bayes Netze, Wiesbaden 2015 [zit.: Kruse u.a., Computational Intelligence]. Google Scholar öffnen
  288. Kühling, Jürgen/Buchner, Benedikt (Hrsg.): Datenschutz Grundverordnung Kommentar, 3. Auflage, München 2020 [zit.: Kühling/Buchner DSGVO]. Google Scholar öffnen
  289. Kunz, Karl Ludwig/Singelnstein, Tobias: Kriminologie. Eine Grundlegung, 7. Auflage, Bern 2016 [zit.: Kunz/Singelnstein, Kriminologie]. Google Scholar öffnen
  290. Lackner, Karl/Kühl, Kristian: Strafgesetzbuch Kommentar, 29. Auflage, München 2018 [zit.: Lackner/Kühl]. Google Scholar öffnen
  291. Lackner, Karl: § 13 StGB – eine Fehlleistung des Gesetzgebers?, in: Lackner, Karl u.a. (Hrsg.): Festschrift für Wilhelm Gallas. Zum 70. Geburtstag am 22. Juli 1973, Berlin u.a. 1973, S. 117–136 [zit.: Lackner, FS Gallas]. Google Scholar öffnen
  292. Lahoti, Preethi/Gummadi, Krishna P./Weikum, Gerhard: iFair: Learning Individually Fair Data Representations for Algorithmic Decision Making, IEEE 35th International Conference on Data Engineering, Macau 2019, S. 1334–1345, abrufbar unter: <conferences.computer.org/icde/2019/pdfs/ICDE2019 21DqmQqM7YlfcW2ZceNbB3/2KxhKOHGu0fh6k6devgrca/6dDJGkEFfLejLOQ9Q0V6wU.pdf> (zuletzt abgerufen am 05.07.2019, 9:40 Uhr) [zit.: Lahoti/Gummadi/Weikum, iFair]. Google Scholar öffnen
  293. Langer, Wolfgang: Staatsanwälte und Richter. Justitielles Entscheidungsverhalten zwischen Sachzwang und lokaler Justizkultur, Stuttgart 1994 [zit.: Langer, Staatsanwälte und Richter]. Google Scholar öffnen
  294. Larenz, Karl: Methodenlehre der Rechtswissenschaft, 2. Auflage, Berlin u.a. 1969 [zit.: Larenz, Methodenlehre der Rechtswissenschaft]. Google Scholar öffnen
  295. Larson, Jeff u.a.: How We Analyzed the COMPAS Recidivism Algorithm, ProPublica 2016, abrufbar unter: <www.propublica.org/article/how we analyzed the compas recidivism algorithm> (zuletzt abgerufen am 09.04.2019, 8:17 Uhr) [zit.: Larson u.a., How We Analyzed COMPAS]. Google Scholar öffnen
  296. Larson, Jeff/Angwin, Julia: Machine Bias. Technical Response to Northpointe, ProPublica 2016, abrufbar unter: <www.propublica.org/article/technical response to northpointe> (zuletzt abgerufen am 09.04.2019, 10:42 Uhr) [zit.: Larson/Angwin, Technical Response to Northpointe]. Google Scholar öffnen
  297. Latessa, Edward J./Lovins, Brian K./Lux, Jennifer: The Ohio Risk Assessment System, in: Singh, Jay P. u.a. (Hrsg.): Handbook of Recidivism Risk/Needs Assessment Tools, Hoboken u.a. 2018, S. 147–163 [zit.: Latessa/Lovins/Lux, The Ohio Risk Assessment System]. Google Scholar öffnen
  298. Laubenthal, Klaus/Baier, Helmut/Nestler, Nina: Jugendstrafrecht, 3. Auflage, Heidelberg u.a. 2015 [zit.: Laubenthal/Baier/Nestler, Jugendstrafrecht]. Google Scholar öffnen
  299. Le, Quoc V. u.a.: Building High-level Features Using Large Scale Unsupervised Learning, 2012, abrufbar unter: <arxiv.org/pdf/1112.6209.pdf> (zuletzt abgerufen am 07.11.2020, 8:39 Uhr) [zit.: Le u.a., Building high level features]. Google Scholar öffnen
  300. Legg, Shane/Hutter, Marcus: A Collection of Definitions of Intelligence, Technical Report 2007, abrufbar unter: <arxiv.org/pdf/0706.3639.pdf> (zuletzt abgerufen am 24.03.2019, 10:16 Uhr), Erstveröffentlichung in: Frontiers in Artificial Intelligence and Applications 2007, S. 17–24 [zit.: Legg/Hutter, Definitions of Intelligence]. Google Scholar öffnen
  301. Leipziger Kommentar zum Strafgesetzbuch: Cirener, Gabriele u.a. (Hrsg.), Band 4: §§ 38–55, 13. Auflage, Berlin 2020 [zit.: LK]. Google Scholar öffnen
  302. Levesque, Hector J.: Common Sense, the Turing Test, and the Quest for Real AI, Cambridge u.a. 2017 [zit.: Levesque, Common Sense]. Google Scholar öffnen
  303. Lewisch, Peter: Individuelles Strafverhalten im Spiegel rechtsökonomischer Experimente: Rationalität, Altruistik, Rache, in: Kaspar, Johannes/Walter, Tonio (Hrsg.): Strafen „im Namen des Volkes“? Zur rechtlichen und kriminalpolitischen Relevanz empirisch feststellbarer Strafbedürfnisse der Bevölkerung, Baden-Baden 2019, S. 237–262 [zit.: Lewisch, Individuelles Strafverhalten im Spiegel rechtsökonomischer Experimente]. Google Scholar öffnen
  304. Lichtenstein, Falk/Ruckteschler, Dorothee: Zivilverfahren online. Chinas erstes Digitalgericht, lto – Legal Tribune Online 2017, abrufbar unter: <www.lto.de/recht/hintergruende/h/china-gericht-justiz-online-digital-zivilverfahren-legal-tech/> (zuletzt abgerufen am 07.11.2020, 8:46 Uhr) [zit.: Lichtenstein/Ruckteschler, Zivilverfahren online]. Google Scholar öffnen
  305. Lim, Julian/Dinges, David F.: A Meta Analysis of the Impact of Short Term Sleep Deprivation on Cognitive Variables, 2010, abrufbar unter: <www.ncbi.nlm.nih.gov/pmc/articles/PMC3290659/pdf/nihms354534.pdf> (zuletzt abgerufen am 07.11.2020, 8:51 Uhr), Erstveröffentlichung in: Psychological Bulletin 2010, S. 375–389 [zit.: Lim/Dinges, A Meta Analysis of the Impact of Short Term Sleep Deprivation]. Google Scholar öffnen
  306. Lin, Zhiyuan u.a.: The limits of human predictions of recidivism, Science Advances 2020, abrufbar unter: <advances.sciencemag.org/content/6/7/eaaz0652/tab-pdf> (zuletzt abgerufen am 16.03.2020, 10:12 Uhr) [zit.: Lin u.a., The limits of human predictions of recidivism]. Google Scholar öffnen
  307. Lind, E. Allan u.a.: Individual and corporate dispute resolution: Using procedural fairness as a decision heuristic, Administrative Science Quarterly 1993, S. 224–251 [zit.: Lind u.a., Individual and corporate dispute resolution]. Google Scholar öffnen
  308. Lipton, Douglas/Martinson, Robert/Wilks, Judith: The Effectiveness of Correctional Treatment. A Survey of Treatment Evaluation Studies, New York 1975 [zit.: Lipton/Martinson/Wilks, The Effectiveness of Correctional Treatment]. Google Scholar öffnen
  309. Lischka, Konrad/Klingel, Anita: Wenn Maschinen Menschen bewerten. Internationale Fallbeispiele für Prozesse algorithmischer Entscheidungsfindung, in: Bertelsmann Stiftung (Hrsg.): Impuls Algorithmenethik #1, Gütersloh 2017, abrufbar unter: <www.bertelsmann stiftung.de/fileadmin/files/BSt/Publikationen/GrauePublikationen/ADM_Fallstudien.pdf> (zuletzt abgerufen am 29.06.2019, 18:09 Uhr) [zit.: Lischka/Klingel, Wenn Maschinen Menschen bewerten]. Google Scholar öffnen
  310. Liszt, Franz von: Kriminalpolitische Aufgaben, Zeitschrift für die gesamte Strafrechtswissenschaft 1889, S. 737–782 [zit.: Liszt, ZStW 1889]. Google Scholar öffnen
  311. Liszt, Franz von: Strafrechtliche Aufsätze und Vorträge. Erster Band. 1875 bis 1891, Berlin 1905 [zit.: Liszt, Strafrechtliche Aufsätze und Vorträge]. Google Scholar öffnen
  312. Logg, Jennifer M./Minson, Julia A./Moore, Don A.: Algorithm Appreciation: People Prefer Algorithmic to Human Judgment, Organizational Behavior and Human Decision Processes 2019, S. 90–103 [zit.: Logg/Minson/Moore, Algorithm Appreciation]. Google Scholar öffnen
  313. Lotz-Grütz, Günter: Homers Troia. Eine Reise durch die Ilias, Norderstedt 2017 [zit.: Lotz Grütz, Homers Troia]. Google Scholar öffnen
  314. Luger, George F.: Künstliche Intelligenz. Strategien zur Lösung komplexer Probleme, München 2001 [zit.: Luger, Künstliche Intelligenz]. Google Scholar öffnen
  315. Luo, Gang: Automatically explaining machine learning prediction results: a demonstration on type 2 diabetes risk prediction, Health Information Science and Systems 2016, S. 1–9 [zit.: Luo, Automatically explaining machine learning prediction results]. Google Scholar öffnen
  316. MacCoun, Robert J. u.a.: Alternative Adjudication. An Evaluation of the New Jersey Automobile Arbitration Program, Santa Monica 1988, abrufbar unter: <www.rand.org/pubs/reports/R3676.html> (zuletzt abgerufen am 07.11.2020, 9:04 Uhr) [zit.: MacCoun u.a., Alternative Adjudication]. Google Scholar öffnen
  317. Mainzer, Klaus: Künstliche Intelligenz – Wann übernehmen die Maschinen?, Berlin 2016 [zit.: Mainzer, Künstliche Intelligenz]. Google Scholar öffnen
  318. Mangoldt, Hermann von (Begr.)/Klein, Friedrich/Starck, Christian in: Huber, Peter M./Voßkuhle, Andreas (Hrsg.): Grundgesetz Kommentar, Band 1, Artikel 1–19, 7. Auflage, München 2018 [zit.: Mangoldt/Klein/Starck]. Google Scholar öffnen
  319. Mangoldt, Hermann von (Begr.)/Klein, Friedrich/Starck, Christian in: Huber, Peter M./Voßkuhle, Andreas (Hrsg.): Grundgesetz Kommentar, Band 3, Artikel 83–146, 7. Auflage, München 2018 [zit.: Mangoldt/Klein/Starck]. Google Scholar öffnen
  320. Mannino, Adriano u.a.: Künstliche Intelligenz: Chancen und Risiken. Diskussionspapier, Stiftung für Effektiven Altruismus, 2015, abrufbar unter: <ea stiftung.org/s/Kunstliche Intelligenz Chancen und Risiken.pdf> (zuletzt abgerufen am 07.11.2020, 9:07 Uhr) [zit.: Mannino u.a., Künstliche Intelligenz]. Google Scholar öffnen
  321. Marsden, Paul: Artificial Intelligence Defined: Useful list of popular definitions from business and science, Digital Wellbeing 2017, abrufbar unter: <digitalwellbeing.org/artificial intelligence defined useful list of popular definitions from business and science/> (zuletzt abge¬rufen am 30.05.2019, 11:37 Uhr) [zit.: Marsden, Artificial Intelligence Defined]. Google Scholar öffnen
  322. Martin, Glenn: How far has technology invaded the criminal justice system?, Speech delivered at the ANZELA (Australia & New Zealand Education Law Association Ltd) Legal Studies Teachers’ Conference, Parliament House, Brisbane, Friday 11 May 2018, abrufbar unter: <classic.austlii.edu.au/au/journals/QldJSchol/2018/10.pdf> (zuletzt abgerufen am 19.01.2020, 9:12 Uhr) [zit.: Martin, How far has technology invaded the criminal justice system?]. Google Scholar öffnen
  323. Martinez, Michael E.: Future Bright. A Transforming Vision of Human Intelligence, New York 2013 [zit.: Martinez, Future Bright]. Google Scholar öffnen
  324. Martini, Mario/Botta, Jonas: Der Algorithmus als universitärer Pfortenwächter? Zur rechtlichen Zulässigkeit einer Studienplatzvergabe durch Algorithmen, in: Bertelsmann Stiftung (Hrsg.): Automatisch erlaubt? Fünf Anwendungsfälle algorithmischer Systeme auf dem juristischen Prüfstand, Gütersloh 2020, S. 12–21, abrufbar unter: <www.bertelsmann-stiftung.de/fileadmin/files/BSt/Publikationen/GrauePublikationen/Automatisch_erlaubt_final.pdf> (zuletzt abgerufen am 25.09.2020, 16:48 Uhr) [zit.: Martini/Botta, Der Algorithmus als universitärer Pfortenwächter?]. Google Scholar öffnen
  325. Martini, Mario/Nink, David: Mit der algorithmischen Kristallkugel auf Tätersuche? Predictive Policing auf dem Prüfstand des deutschen Rechts, in: Bertelsmann Stiftung (Hrsg.): Automatisch erlaubt? Fünf Anwendungsfälle algorithmischer Systeme auf dem juristischen Prüfstand, Gütersloh 2020, S. 32–43, abrufbar unter: <www.bertelsmann-stiftung.de/fileadmin/files/BSt/Publikationen/GrauePublikationen/Automatisch_erlaubt_final.pdf> (zuletzt abgerufen am 25.09.2020, 16:48 Uhr) [zit.: Martini/Nink, Mit der algorithmischen Kristallkugel auf Tätersuche?]. Google Scholar öffnen
  326. Martini, Mario/Nink, David: Strafjustiz ex machina? Zu den Grenzen algorithmenbasierter Assistenzsysteme bei Haftentscheidungen, in: Bertelsmann Stiftung (Hrsg.): Automatisch erlaubt? Fünf Anwendungsfälle algorithmischer Systeme auf dem juristischen Prüfstand, Gütersloh 2020, S. 44–62, abrufbar unter: <www.bertelsmann-stiftung.de/fileadmin/files/BSt/Publikationen/GrauePublikationen/Automatisch_erlaubt_final.pdf> (zuletzt abgerufen am 25.09.2020, 16:48 Uhr) [zit.: Martini/Nink, Strafjustiz ex machina?]. Google Scholar öffnen
  327. Martini, Mario/Nink, David: Subsumtionsautomaten ante portas? – Zu den Grenzen der Automatisierung in verwaltungsrechtlichen (Rechtsbehelfs )Verfahren, Deutsches Verwaltungsblatt 2018, S. 1128–1138 [zit.: Martini/Nink, DVBl 2018]. Google Scholar öffnen
  328. Martini, Mario/Nink, David: Wenn Maschinen entscheiden ... – vollautomatisierte Verwaltungsverfahren und der Persönlichkeitsschutz, Neue Zeitschrift für Verwaltungsrecht – Extra 2017, S. 1–14 [zit.: Martini/Nink, NVwZ Extra 2017]. Google Scholar öffnen
  329. Martini, Mario: Algorithmen als Herausforderung für die Rechtsordnung, JuristenZeitung 2017, S. 1017–1025 [zit.: Martini, JZ 2017]. Google Scholar öffnen
  330. Martini, Mario: Transformation der Verwaltung durch Digitalisierung, Die Öffentliche Verwaltung 2017, S. 443–455 [zit.: Martini, DÖV 2017]. Google Scholar öffnen
  331. Martinson, Robert: What works? Questions and answers about prison reform, The Public Interest 1974, S. 22–54 [zit.: Martinson, What works?]. Google Scholar öffnen
  332. Maunz, Theodor/Dürig, Günther (Begr.)/Herzog, Roman u.a. (Hrsg.): Grundgesetz Kommentar, Loseblattsammlung, Stand: 90. Lieferung, München 2020 [zit.: Maunz/Dürig]. Google Scholar öffnen
  333. Maurer, Matthias: Komparative Strafzumessung. Ein Beitrag zur Fortentwicklung des Sanktionenrechts, Berlin 2005 [zit.: Maurer, Komparative Strafzumessung]. Google Scholar öffnen
  334. Mayer Schönberger, Viktor/Cukier, Kenneth: Big Data. Die Revolution die unser Leben verändern wird, übersetzt von Dagmar Mallett, München 2013 [zit.: Mayer Schönberger/Cukier, Big Data]. Google Scholar öffnen
  335. McCafferty, James T.: Professional Discretion and the Predictive Validity of a Juvenile Risk Assessment Instrument: Exploring the Overlooked Principle of Effective Correctional Classification, Youth Violence and Juvenile Justice 2017, S. 103–118 [zit.: McCafferty, Professional Discretion and Predictive Validity]. Google Scholar öffnen
  336. McCarthy, John u.a.: A Proposal for the Dartmouth Summer Research Project on Artificial Intelligence, 1955, abrufbar unter <www formal.stanford.edu/jmc/history/dartmouth/dartmouth.html> (zuletzt abgerufen am 28.03.2019, 8:06 Uhr) [zit.: McCarthy u.a., A Proposal for the Dartmouth Summer Research Project]. Google Scholar öffnen
  337. McCorduck, Pamela: Machines Who Think. A Personal Inquiry into the History and Prospects of Artificial Intelligence, 2. Auflage, Natick 2004 [zit.: McCorduck, Machines Who Think]. Google Scholar öffnen
  338. McCulloch, Warren S./Pitts, Walter H.: A Logical Calculus of the Ideas Immanent in Nervous Activity, Bulletin of Mathematical Biophysics 1943, S. 115–133 abrufbar unter: <link.springer.com/article/10.1007/BF02478259> (zuletzt abgerufen am 18.08.2019, 21:44 Uhr) [zit.: McCulloch/Pitts, A Logical Calculus of the Ideas Immanent in Nervous Activity]. Google Scholar öffnen
  339. Meier, Bernd Dieter: Strafrechtliche Sanktionen, 5. Auflage, Berlin 2019 [zit.: Meier, Strafrechtliche Sanktionen]. Google Scholar öffnen
  340. Mester, Britta A.: Künstliche Intelligenz (KI) in Zeiten des Datenschutzes, Datenschutz und Datensicherheit 2018, S. 535 [zit.: Mester, DuD 2018]. Google Scholar öffnen
  341. Miconi, Thomas: The impossibility of “fairness”: a generalized impossibility result for decisions, 2017, abrufbar unter: <arxiv.org/abs/1707.01195> (zuletzt abgerufen am 07.11.2020, 9:23 Uhr) [zit.: Miconi, The impossibility of “fairness”]. Google Scholar öffnen
  342. Mikula, Gerold: Kritik und Perspektiven der Strafzumessungsforschung aus sozialpsychologischer Sicht, in: Pfeiffer, Christian/Oswald, Margit (Hrsg.): Strafzumessung. Empirische Forschung und Strafrechtsdogmatik im Dialog; internationales Symposion, 9.-12. März 1988 in Lüneburg, Stuttgart 1989, S. 322–325 [zit.: Mikula, Kritik und Perspektiven der Strafzumessungsforschung]. Google Scholar öffnen
  343. Miller, Marc: Sentencing Information System (SIS) Experiments, in: Hirsch, Andrew von/Ashworth, Andrew/Roberts, Julian V. (Hrsg.): Principled Sentencing: Readings on Theory and Policy, 3. Auflage, Oxford u.a. 2009, S. 283–293 [zit.: Miller, SIS Experiments]. Google Scholar öffnen
  344. Minsky, Marvin L.: Introduction, in: Minsky, Marvin L. (Hrsg.): Semantic Information Processing, Cambridge u.a. 1968, S. 1–32 [zit.: Minsky, Introduction]. Google Scholar öffnen
  345. Minsky, Marvin L.: Preface, in: Minsky, Marvin L. (Hrsg.): Semantic Information Processing, Cambridge u.a. 1968, S. v [zit.: Minsky, Preface]. Google Scholar öffnen
  346. Minsky, Marvin L.: Steps toward Artificial Intelligence, Proceedings of the IRE 1961, S. 8–30 [zit.: Minsky, Steps toward Artificial Intelligence]. Google Scholar öffnen
  347. Mitchell, Shira: Mirror Mirror. Reflections on Quantitative Fairness, 2018, abrufbar unter: <shiraamitchell.github.io/fairness> (zuletzt abgerufen am 30.05.2019, 15:34 Uhr) [zit: Mitchell, Mirror Mirror]. Google Scholar öffnen
  348. Mitchell, Tom M.: Machine Learning, New York 1997 [zit.: Mitchell, Machine Learning]. Google Scholar öffnen
  349. Monahan, John/Skeem, Jennifer L.: Risk Redux: The Resurgence of Risk Assessment in Criminal Sanctioning, Federal Sentencing Reporter 2014, S. 158–166 [zit.: Monahan/Skeem, Risk Redux]. Google Scholar öffnen
  350. Moos, Flemming/Rothkegel, Tobias: Nutzung von Scoring Diensten im Online Versandhandel. Scoring Verfahren im Spannungsfeld von BDSG, AGG und DS-GVO, Zeitschrift für Datenschutz 2016, S. 561–568 [zit.: Moos/Rothkegel, ZD 2016]. Google Scholar öffnen
  351. Moos, Reinhard: Positive Generalprävention und Vergeltung, in: Fehérváry, János/Melnizky, Walter/Müller, Otto F. (Hrsg.): Strafrecht, Strafprozeßrecht und Kriminologie: Festschrift für Franz Pallin. Zum 80. Geburtstag, Wien 1989, S. 283–318 [zit.: Moos, FS Pallin]. Google Scholar öffnen
  352. Mosbacher, Andreas: Der Spielraum des Tatrichters bei Wertungs- und Wahrscheinlichkeitsurteilen, in: Schneider, Hendrik/Schumann, Heribert (Hrsg.): Festschrift für Manfred Seebode. Zum 70. Geburtstag am 15. September 2008, Berlin 2008, S. 227–243 [zit.: Mosbacher, FS Seebode]. Google Scholar öffnen
  353. Mosbacher, Andreas: Thesen zum Referat von Richter am BGH Prof. Dr. Andreas Mosbacher, Leipzig, in: 72. Deutscher Juristentag (Hrsg.): Thesen der Gutachter und Referenten, Bonn 2018, S. 28–30, abrufbar unter: <www.djt.de/fileadmin/downloads/72/72_thesen_180728.pdf> (zuletzt abgerufen am 04.08.2019, 9:47 Uhr) [zit.: Mosbacher, 72. Deutscher Juristentag]. Google Scholar öffnen
  354. Mosier, Kathleen L. u.a.: Automation Bias and Errors: Are Teams Better than Individuals?, Proceedings of the Human Factors and Ergonomics Society Annual Meeting 1998, S. 201–205 [zit.: Mosier u.a., Automation Bias]. Google Scholar öffnen
  355. Münch, Ingo von/Kunig, Philip (Hrsg.): Grundgesetz Kommentar, Band 1, Art. 1–69, 6. Auflage, München 2012 [zit.: Münch/Kunig]. Google Scholar öffnen
  356. Münch, Ingo von/Kunig, Philip (Hrsg.): Grundgesetz Kommentar, Band 2, Art. 70–146, 6. Auflage, München 2012 [zit.: Münch/Kunig]. Google Scholar öffnen
  357. Münchener Kommentar zum Strafgesetzbuch: Erb, Volker/Schäfer, Jürgen (Hrsg.), Band 2: §§ 38–79b, 4. Auflage, München 2020 [zit.: MüKo]. Google Scholar öffnen
  358. Munte, Oliver: Fuzzylogik und Ausbildungsunterhalt: Ein Expertensystem zur Bestimmung der Angemessenheit der Berufsausbildung, Rechtstheorie 2001, S. 533–557 [zit.: Munte, Rechtstheorie 2001]. Google Scholar öffnen
  359. Murmann, Uwe: Strafzumessung und Strafverfahren, in: Freund, Georg u.a. (Hrsg.): Grundlagen und Dogmatik des gesamten Strafrechtssystems. Festschrift für Wolfgang Frisch. Zum 70. Geburtstag, Berlin 2013, S. 1131–1151 [zit.: Murmann, FS Frisch]. Google Scholar öffnen
  360. Nakad Weststrate, Henriëtte u.a.: Digitally Produced Judgements in Modern Court Proceedings. International Journal of Digital Society 2015, S. 1102–1112 [zit.: Nakad Weststrate u.a., Digitally Produced Judgements]. Google Scholar öffnen
  361. Nationaler Normenkontrollrat: 10 Jahre NKR – gute Bilanz bei Bürokratieabbau und Folgekostenbegrenzung – alarmierender Rückstand bei E Government. Jahresbericht 2016 des Nationalen Normenkontrollrates, Berlin 2016, abrufbar unter: <www.normenkontrollrat.bund.de/resource/blob/267760/444052/cdf2763c2be98d3fd61b79d744645144/2016 09 21 nkr jahresbericht 2016 data.pdf?download=1> (zuletzt abgerufen am 06.10.2019, 10:47 Uhr) [zit.: NKR, Jahresbericht 2016]. Google Scholar öffnen
  362. Nationaler Normenkontrollrat: Bürokratieabbau. Bessere Rechtsetzung. Digitalisierung. Erfolge ausbauen – Rückstand aufholen. Jahresbericht 2017 des Nationalen Normenkontrollrates, Berlin 2017, abrufbar unter: <www.normenkontrollrat.bund.de/resource/blob/267760/444032/0277432480e047ede4be336b9fbf5f83/2017 07 12 nkr jahresbericht 2017 data.pdf?download=1> (zuletzt abgerufen am 06.10.2019, 10:52 Uhr) [zit.: NKR, Jahresbericht 2017]. Google Scholar öffnen
  363. Nationaler Normenkontrollrat: Chancen für Kostenbegrenzung verbessert. Digitale Chancen tatsächlich nutzen! Jahresbericht 2015 des Nationalen Normenkontrollrates, Berlin 2015, abrufbar unter: <www.normenkontrollrat.bund.de/resource/blob/267760/444056/e5c6b0557c4f393bad85bd888fe6a3ac/2015 10 012 nkr jahresbericht 2015 data.pdf?download=1> (zuletzt abgerufen am 06.10.2019, 11:05 Uhr) [zit.: NKR, Jahresbericht 2015]. Google Scholar öffnen
  364. Nationaler Normenkontrollrat: Deutschland: weniger Bürokratie, mehr Digitalisierung, bessere Gesetze Einfach machen! Jahresbericht 2018 des Nationalen Normenkontrollrates, Berlin 2018, abrufbar unter: <www.normenkontrollrat.bund.de/resource/blob/72494/1536236/1bed933ea006098d6807ab48bd3c8574/2018 10 10 download nkr jahresbericht 2018 data.pdf?download=1> (zuletzt abgerufen am 06.10.2019, 10:54 Uhr) [zit.: NKR, Jahresbericht 2018]. Google Scholar öffnen
  365. Nationaler Normenkontrollrat: Krise als Weckruf: Verwaltung modernisieren, Digitalisierungsschub nutzen, Gesetze praxistauglich machen, Jahresbericht 2020 des Nationalen Normenkontrollrates, Berlin 2020, abrufbar unter: <www.normenkontrollrat.bund.de/resource/blob/72494/1800428/44bc6f69bc0256967097282af768a05e/20201021-nkr-jahresbericht-2020-data.pdf> (zuletzt abgerufen am 24.10.2020, 14:30 Uhr) [zit.: NKR, Jahresbericht 2020]. Google Scholar öffnen
  366. Nationaler Normenkontrollrat: Monitor Digitale Verwaltung #3, Berlin 2019, abrufbar unter: <www.normenkontrollrat.bund.de/resource/blob/72494/1675854/b0a14cedf388ddb05f2b9b9e3827b32d/2019 09 26 monitor digitale verwaltung 3 data.pdf?download=1> (zuletzt abgerufen am 06.10.2019, 10:33 Uhr) [zit.: NKR, Monitor Digitale Verwaltung #3]. Google Scholar öffnen
  367. Nationaler Normenkontrollrat: Monitor Digitale Verwaltung #4, Berlin 2020, abrufbar unter: <www.normenkontrollrat.bund.de/resource/blob/72494/1783152/14635b15fe7f6902039abcd653de6c61/20200909-monitordigitaleverwaltung-4-data.pdf> (zuletzt abgerufen am 24.10.2020, 14:33 Uhr) [zit.: NKR, Monitor Digitale Verwaltung #4]. Google Scholar öffnen
  368. Nationaler Normenkontrollrat: Weniger Bürokratie, bessere Gesetze – Praxis mitdenken, Ergebnisse spürbar machen, Fortschritte einfordern. Jahresbericht 2019 des Nationalen Normenkontrollrates, Berlin 2019, abrufbar unter: <www.normenkontrollrat.bund.de/resource/blob/72494/1680506/031c2177c968abf4b7e12dff189d219c/2019–10–22-nkr-jahresbericht-2019-des-nationalen-normenkontrollrates-data.pdf> (zuletzt abgerufen am 20.09.2020, 11:32 Uhr) [zit.: NKR, Jahresbericht 2019]. Google Scholar öffnen
  369. Neumann, Ulfrid: Institution, Zweck und Funktion staatlicher Strafe, in: Köhler, Michael/Pawlik, Michael/Zaczyk, Rainer (Hrsg.): Festschrift für Günther Jakobs. Zum 70. Geburtstag am 26. Juli 2007, Köln u.a. 2007, S. 435–450 [zit.: Neumann, FS Jakobs]. Google Scholar öffnen
  370. Newell, Allen/Shaw, John C./Simon, Herbert A.: Empirical Explorations of the Logic Theory Machine: A Case Study in Heuristics, Proceedings of the 1957 Western Joint Computer Conference 1957, S. 218–230 [zit.: Newell/Shaw/Simon, Logic Theory Machine]. Google Scholar öffnen
  371. Newell, Allen/Shaw, John C./Simon, Herbert A.: Report on a General Problem Solving Program, Proceedings of the International Conference on Information Processing 1959, abrufbar unter: <bitsavers.informatik.uni stuttgart.de/pdf/rand/ipl/P 1584_Report_On_A_General_Problem Solving_Program_Feb59.pdf> (zuletzt abgerufen am 26.04.2019, 8:17 Uhr) [zit.: Newell/Shaw/Simon, Report on a General Problem Solving Program]. Google Scholar öffnen
  372. Newell, Allen/Simon, Herbert A.: Computer Science as Empirical Inquiry: Symbols and Search, Communications of the ACM 1976, S. 113–126 [zit.: Newell/Simon, Computer Science as Empirical Inquiry]. Google Scholar öffnen
  373. Newell, Allen/Simon, Herbert A.: GPS, A Program that Simulates Human Thought, in: Billing, Heinz (Hrsg.): Lernende Automaten, München 1961, S. 109–124 [zit.: Newell/Simon, GPS]. Google Scholar öffnen
  374. Newell, Allen: Foreword, in: Buchanan, Bruce G./Shortliffe, Edward H. (Hrsg.): Rule Based Expert Systems. The MYCIN Experiments of the Stanford Heuristic Programming Project, Reading 1984, S. xi–xvi, abrufbar unter: <www.shortliffe.net/Buchanan Shortliffe 1984/MYCIN%20Book.htm> (zuletzt abgerufen am 28.04.2019, 9:08 Uhr) [zit.: Newell, Foreword]. Google Scholar öffnen
  375. Nickolaus, Christoph: Ankereffekte im Strafprozess. Verstoß gegen das Prinzip des fairen Verfahrens?, Baden Baden 2018 [zit.: Nickolaus, Ankereffekte im Strafprozess]. Google Scholar öffnen
  376. Niebler, Engelbert: Richterliche Unabhängigkeit in der Bundesrepublik Deutschland, in: Frank, Richard (Hrsg.): Unabhängigkeit und Bindungen des Richters in der Bundesrepublik Deutschland, in Österreich und in der Schweiz. Ergebnisse einer internationalen Richtertagung, 2. Auflage, Basel u.a. 1997, S. 13–25 [zit.: Niebler, Richterliche Unabhängigkeit]. Google Scholar öffnen
  377. Niitler, Eric: Can AI Be a Fair Judge in Court? Estonia Thinks So, Wired 2019, abrufbar unter: <www.wired.com/story/can ai be fair judge court estonia thinks so/> (zuletzt abgerufen am 04.10.2019, 9:35 Uhr) [zit.: Niitler, Can AI Be a Fair Judge in Court?]. Google Scholar öffnen
  378. Nikolic, Momcilo: Was hinter Estlands AI Masterplan steckt, der brutkasten 2019, abrufbar unter <www.derbrutkasten.com/estland setzt ai ein/> (zuletzt abgerufen am 04.10.2019, 11:31 Uhr) [zit.: Nikolic, Was hinter Estlands AI Masterplan steckt]. Google Scholar öffnen
  379. Nilsson, Nils J.: The Quest for Artificial Intelligence. A History of Ideas and Achievements, Cambridge 2010 [zit.: Nilsson, Quest for AI]. Google Scholar öffnen
  380. Nink, David: Justiz und Algorithmen. Über die Schwächen menschlicher Entscheidungsfindung und die Möglichkeiten neuer Technologien in der Rechtsprechung, Berlin 2020 (im Erscheinen)[zit.: Nink, Justiz und Algorithmen]. Google Scholar öffnen
  381. Noble, William S.: What is a support vector machine?, Nature Biotechnology 2006, S. 1565–1567 [zit.: Noble, What is a support vector machine?]. Google Scholar öffnen
  382. Nomos Kommentar Datenschutzrecht. DSGVO mit BDSG: Simitis, Spiros /Hornung, Gerrit/Spiecker, Indra (genannt Döhmann) (Hrsg.), Baden Baden 2019 [zit.: NK DSGVO]. Google Scholar öffnen
  383. Nomos Kommentar zum Grundgesetz für die Bundesrepublik Deutschland: Wolff, Heinrich A. (Hrsg.)/Hörnig, Dieter, 12. Auflage, Baden Baden 2018 [zit.: NK GG]. Google Scholar öffnen
  384. Nomos Kommentar zum Strafgesetzbuch: Kindhäuser, Urs/Neumann, Ulfrid/Paeffgen, Hans-Ullrich (Hrsg.), Band 1, 5. Auflage, Baden-Baden 2017 [zit.: NK StGB]. Google Scholar öffnen
  385. Northcraft, Gregory B./Neale, Margaret A.: Experts, Amateurs, and Real Estate: An Anchoring and Adjustment Perspective on Property Pricing Decisions, Organizational Behavior and Human Decision Processes 1987, S. 84–97 [zit.: Northcraft/Neale, Experts, Amateurs, and Real Estate]. Google Scholar öffnen
  386. Nürnberger, Stefan/Bugiel, Stefan: Autonome Systeme. Autonome Probleme, Datenschutz und Datensicherheit 2016, S. 503–506 [zit.: Nürnberger/Bugiel, DuD 2016]. Google Scholar öffnen
  387. Oleson, James C. u.a.: Training to See Risk: Measuring the Accuracy of Clinical and Actuarial Risk Assessments among Federal Probation Officers, Federal Probation 2011, S. 52–56 [zit.: Oleson, Training to See Risk]. Google Scholar öffnen
  388. Olver, Mark E./Stockdale, Keira C./Wormith, J. Stephen: Thirty Years of Research on the Level of Service Scales: A Meta Analytic Examination of Predictive Accuracy and Sources of Variability, Psychological Assessment 2014, S. 156–176 [zit.: Olver/Stockdale/Wormith, Thirty Years of Research]. Google Scholar öffnen
  389. Önkal, Dilek u.a.: The Relative Influence of Advice From Human Experts and Statistical Methods on Forecast Adjustments, Journal of Behavioral Decision Making 2009, S. 390–409 [zit.: Önkal u.a., The Relative Influence of Advice]. Google Scholar öffnen
  390. Opp, Karl Dieter/Peuckert, Rüdiger: Ideologie und Fakten in der Rechtsprechung. Eine soziologische Untersuchung über das Urteil im Strafprozeß, München 1971 [zit.: Opp/Peuckert, Ideologie und Fakten]. Google Scholar öffnen
  391. Orchowsky, Stan: An Introduction to Evidence Based Practices, 2014, abrufbar unter: <www.jrsa.org/pubs/reports/ebp_briefing_paper_april2014.pdf> (zuletzt abgerufen am 13.04.2019, 11:25 Uhr) [zit.: Orchowsky, Introduction to Evidence Based Practices]. Google Scholar öffnen
  392. Orwat, Carsten: Diskriminierungsrisiken durch Verwendung von Algorithmen, Antidiskriminierungsstelle des Bundes (Hrsg.), Berlin 2019, abrufbar unter: <www.antidiskriminierungsstelle.de/SharedDocs/Downloads/DE/publikationen/Expertisen/Studie_Diskriminierungsrisiken_durch_Verwendung_von_Algorithmen.pdf?__blob=publicationFile&v=5> (zuletzt abgerufen am 07.11.2020, 10:50 Uhr) [zit.: Orwat, Diskriminierungsrisiken durch Verwendung von Algorithmen]. Google Scholar öffnen
  393. Ostendorf, Heribert/Drenkhahn, Kirstin: Jugendstrafrecht, 10. Auflage, Baden-Baden 2020 [zit.: Ostendorf/Drenkhahn, Jugendstrafrecht]. Google Scholar öffnen
  394. Ostrom, Brian u.a.: Offender Risk Assessment in Virginia. A Three stage Evaluation: Process of Sentencing Reform, Empirical Study of Diversion and Recidivism, Benefit Cost Analysis, 2002, abrufbar unter: <www.vcsc.virginia.gov/risk_off_rpt.pdf> (zuletzt abgerufen am 07.11.2020, 10:53 Uhr) [zit.: Ostrom u.a., Offender Risk Assessment in Virginia]. Google Scholar öffnen
  395. Ovid (Publius Ovidius Naso): Metamorphosen. Epos in 15 Büchern (Metamorphoseon Libri XV), in: Breitenbach, Hermann (Hrsg.), übersetzt von Hermann Breitenbach, 2. Auflage, Stuttgart 1964 [zit.: Ovid, Metamorphosen]. Google Scholar öffnen
  396. Paal, Boris P./Hennemann, Moritz: Rechtspolitik im digitalen Zeitalter, Zeitschrift für Rechtspolitik 2017, S. 215–216 [zit.: Paal/Hennemann, ZRP 2017]. Google Scholar öffnen
  397. Paal, Boris P./Pauly, Daniel A. (Hrsg.): Beck’sche Kompakt Kommentare. Datenschutz Grundverordnung. Bundesdatenschutzgesetz, 2. Auflage, München 2018 [zit.: Paal/Pauly DSGVO]. Google Scholar öffnen
  398. Palandt, Otto (Begr.): Bürgerliches Gesetzbuch mit Nebengesetzen. Kommentar, 79. Auflage, München 2020 [zit.: Palandt]. Google Scholar öffnen
  399. Paolacci, Gabriele/Chandler, Jesse: Inside the Turk: Understanding Mechanical Turk as a Participant Pool, Current Directions in Psychological Science 2014, S. 184–188 [zit.: Paollacci/Chandler, Inside the Turk]. Google Scholar öffnen
  400. Partnership on AI (Hrsg.): Report on Algorithmic Risk Assessment Tools in the U.S. Criminal Justice System, 2019, abrufbar unter: <www.partnershiponai.org/report on machine learning in risk assessment tools in the u s criminal justice system/> (zuletzt abgerufen am 11.09.2019, 16:23 Uhr) [zit.: PAI, Report on Algorithmic Risk Assessment Tools]. Google Scholar öffnen
  401. Pedreschi, Dino/Ruggieri, Salvatore/Turini, Franco: Discrimination aware data mining, Proceedings of the 14th ACM SIGKDD International Conference on Knowledge Discovery and Data Mining in Las Vegas, New York 2008, S. 560–568 [zit.: Pedreschi/Ruggieri/Turini, Discrimination aware data mining]. Google Scholar öffnen
  402. Perry, Walter L. u.a.: Predictive Policing. The Role of Crime Forecasting in Law Enforcement Operation, Santa Monica u.a. 2013 [zit.: Perry u.a., Predictive Policing]. Google Scholar öffnen
  403. Peters, Amadeus: Strafrecht, in: Kaulartz, Markus/Braegelmann, Tom (Hrsg): Rechtshandbuch Artificial Intelligence und Machine Learning, München 2020, S. 559–579 [zit.: Peters, in: Rechtshandbuch AI/ML]. Google Scholar öffnen
  404. Peters, Karl: Grundprobleme der Kriminalpädagogik, Berlin 1960 [zit.: Peters, Kriminalpädagogik]. Google Scholar öffnen
  405. Pfeiffer, Christian/Savelsberg, Joachim J.: Regionale und altersgruppenbezogene Unterschiede der Strafzumessung, in: Pfeiffer, Christian/Oswald, Margit (Hrsg.): Strafzumessung. Empirische Forschung und Strafrechtsdogmatik im Dialog. Internationales Symposion, 9.-12. März 1988 in Lüneburg, Stuttgart 1989, S. 17–41 [zit.: Pfeiffer/Savelsberg, Regionale Unterschiede]. Google Scholar öffnen
  406. Pfeiffer, Christian: Jugendkriminalität und jugendstrafrechtliche Praxis. Eine vergleichende Analyse zu Entwicklungstendenzen und regionalen Unterschieden, in: Sachverständigenkommission 8. Jugendbericht (Hrsg.): Materialien zum 8. Jugendbericht, Band 3: Risiken des Heranwachsens. Probleme der Lebensbewältigung im Jugendalter, Weinheim u.a. 1990, S. 153–291 [zit.: Pfeiffer, Jugendkriminalität]. Google Scholar öffnen
  407. Pfeiffer, Hartmut: Zusammenfassung der Plenumsdiskussion, in: Pfeiffer, Christian/Oswald, Margit (Hrsg.): Strafzumessung. Empirische Forschung und Strafrechtsdogmatik im Dialog. Internationales Symposion, 9.-12. März 1988 in Lüneburg, Stuttgart 1989, S. 71–74 [zit.: Pfeiffer, Zusammenfassung der Plenumsdiskussion]. Google Scholar öffnen
  408. Philipps, Lothar/Sartor, Giovanni: Introduction: From legal theories to neural networks and fuzzy reasoning, Artificial Intelligence and Law 1999, S. 115–128 [zit.: Philipps/Sartor, Introduction]. Google Scholar öffnen
  409. Philipps, Lothar: A Neural Network to Identify Legal Precedent, Proceedings of the 9th Symposium on Legal Data Processing in Europe Bonn, 10–12 October 1989. Systems based on artificial intelligence in the legal field, Straßburg 1991, S. 99–105 [zit.: Philipps, A Neural Network to Identify Legal Precedent]. Google Scholar öffnen
  410. Philipps, Lothar: Distribution of Damages in Car Accidents through the Use of Neural Networks, Cardozo Law Review 1991, S. 987–1000 [zit.: Philipps, Distribution of Damages in Car Accidents]. Google Scholar öffnen
  411. Philipps, Lothar: Ein bißchen Fuzzy Logic für Juristen, in: Tinnefeid, Marie Theres/Philipps, Lothar/Weis, Kurt (Hrsg.): Institutionen und Einzelne im Zeitalter der Informationstechnik. Machtpositionen und Rechte, München 1994, S. 219–224 [zit.: Philipps, Ein bißchen Fuzzy Logic für Juristen]. Google Scholar öffnen
  412. Philipps, Lothar: Iudex non calculat – jedenfalls nicht ohne Computer, Monatsschrift für Kriminologie und Strafrechtsreform 1998, S. 263–271 [zit.: Philipps, MschrKrim 1998]. Google Scholar öffnen
  413. Philipps, Lothar: Kompensatorische Verknüpfungen in der Rechtsanwendung – ein Fall für Fuzzy Logic, in: Martinek, Michael/Schmidt, Jürgen/Wadle, Elmar (Hrsg.): Festschrift für Günther Jahr zum siebzigsten Geburtstag. Vestigia iuris, Tübingen 1993, S. 169–180 [zit.: Philipps, FS Jahr]. Google Scholar öffnen
  414. Philipps, Lothar: Naheliegende Anwendungen neuronaler Netze in der Rechtswissenschaft, JurPC 1990, S. 820–827 [zit.: Philipps, JurPC 1990]. Google Scholar öffnen
  415. Philipps, Lothar: Unbestimmte Rechtsbegriffe und Fuzzy Logic. Ein Versuch zur Bestimmung der Wartezeit nach Verkehrsunfällen (§ 142 Abs. 2 StGB), in: Haft, Fritjof u.a. (Hrsg.): Strafgerechtigkeit. Festschrift für Arthur Kaufmann zum 70. Geburtstag, Heidelberg 1993, S. 265–280 [zit.: Philipps, FS Kaufmann]. Google Scholar öffnen
  416. Piovesan, Carole/Ntiri, Vivian: Adjudication by algorithm: The risks and benefits of artificial intelligence in judicial decision making, The Advocates’ Journal 2018, S. 42–45 [zit.: Piovesan/Ntiri, Adjudication by algorithm]. Google Scholar öffnen
  417. Plath, Kai Uwe (Hrsg.): DSGVO/BDSG. Kommentar zu DSGVO, BDSG und den Datenschutzbestimmungen von TMG und TKG, 3. Auflage, Köln 2018 [zit.: Plath DSGVO]. Google Scholar öffnen
  418. Prahl, Andrew/Van Swol, Lyn: Understanding algorithm aversion: When is advice from automation discounted?, Journal of Forecasting 2017, S. 691–702 [zit.: Prahl/Van Swol, Understanding algorithm aversion]. Google Scholar öffnen
  419. Prell, Lorenz: E Government: Paradigmenwechsel in Verwaltung und Verwaltungsrecht?, Neue Zeitschrift für Verwaltungsrecht 2018, S. 1255–1259 [Prell, NVwZ 2018]. Google Scholar öffnen
  420. Promberger, Marianne/Baron, Jonathan: Do Patients Trust Computers?, Journal of Behavioral Decision Making 2006, S. 455–468 [zit.: Promberger/Baron, Do Patients Trust Computers?]. Google Scholar öffnen
  421. Raji, I. Deborah/Buolamwini, Joy: Actionable Auditing: Investigating the Impact of Publicly Naming Biased Performance Results of Commercial AI Products, AAAI/ACM Conference on Artificial Intelligence, Ethics, and Society 2019, abrufbar unter: <www.aies conference.com/wp content/uploads/2019/01/AIES 19_paper_223.pdf> (zuletzt abgerufen am 05.07.2019, 10:29 Uhr) [zit.: Raji/Buolamwini, Actionable Auditing]. Google Scholar öffnen
  422. Redaktion beck-aktuell: Richterbund: Corona-Krise offenbart IT-Lücken in der Justiz, beck-aktuell 2020, becklink 2015868 [zit.: Redaktion beck-aktuell, beck-aktuell 2020, 2015868]. Google Scholar öffnen
  423. Redaktion Fachdienst Arbeitsrecht: Studie: Die Auswirkungen der Corona-Krise auf die Arbeitswelt: Was bleibt und was nicht?, FD-ArbR 2020, 430928 [zit.: Redaktion FD-ArbR, FD-ArbR 2020, 430928]. Google Scholar öffnen
  424. Redaktion MMR-Aktuell: Deloitte: KI-Studie 2020, MMR-Aktuell 2020, 429898 [zit.: Redaktion, MMR-Aktuell 2020, 429898]. Google Scholar öffnen
  425. Redding, Richard E.: Evidence Based Sentencing: The Science Of Sentencing Policy and Practice, Chapman Journal of Criminal Justice 1 2009, S. 1–19, abrufbar unter: <works.bepress.com/richard_redding/11> (zuletzt abgerufen am 08.04.2019, 12:57 Uhr) [zit.: Redding, Evidence Based Sentencing]. Google Scholar öffnen
  426. Reibach, Boris: Die Regulierung von Algorithmen unter der DS-GVO, Recht der Datenverarbeitung 2018, S. 198–201 [zit.: Reibach, RDV 2018]. Google Scholar öffnen
  427. Reichert, Christoph: Intersubjektivität durch Strafzumessungsrichtlinien. Eine Untersuchung mit Bezug auf die „sentencing guidelines“ in den USA, Berlin 1999 [zit.: Reichert, Intersubjektivität durch Strafzumessungsrichtlinien]. Google Scholar öffnen
  428. Ribeiro, Marco T./Singh, Sameer/Guestrin, Carlos: “Why Should I Trust You?” Explaining the Predictions of Any Classifier, 2016, abrufbar unter: <arxiv.org/pdf/1602.04938.pdf> (zuletzt abgerufen am 12.11.2019, 11:32 Uhr), Erstveröffentlichung in: KDD '16 Proceedings of the 22nd ACM SIGKDD International Conference on Knowledge Discovery and Data Mining 2016, S. 1135–1144 [zit.: Ribeiro/Singh/Guestrin, “Why Should I Trust You?”]. Google Scholar öffnen
  429. Richards, Neil M./Smart, William D.: How Should the Law Think About Robots?, in: Calo, Ryan/Froomkin, A. Michael/Kerr, Ian (Hrsg.): Robot Law, Cheltenham u.a. 2016, S. 3–22 [zit.: Richards/Smart, How Should the Law Think About Robots?]. Google Scholar öffnen
  430. Richter, Philipp: Big Data, Statistik und die Datenschutz Grundverordnung, Datenschutz und Datensicherheit 2016, S. 581–586 [zit.: Richter, DuD 2016]. Google Scholar öffnen
  431. Ridgeway, Greg: The Pitfalls of Prediction, National Institute of Justice Journal 2013, S. 34–40 [zit.: Ridgeway, The Pitfalls of Prediction]. Google Scholar öffnen
  432. Rieger, Alexander: Verfassungsrechtliche Legitimationsgrundlagen richterlicher Unabhängigkeit. Zugleich eine Auseinandersetzung mit der Debatte um eine Selbstverwaltung der Justiz, Frankfurt am Main 2011 [zit.: Rieger, Verfassungsrechtliche Legitimationsgrundlagen richterlicher Unabhängigkeit]. Google Scholar öffnen
  433. Rihaczek, Karl: Juristen & Techniker, Datenschutz und Datensicherheit 2016, S. 5 [zit.: Rihaczek, DuD 2016]. Google Scholar öffnen
  434. Ring, Stephan: Computergestützte Rechtsfindungssysteme: Voraussetzungen, Grenzen und Perspektiven, Köln u.a. 1994 [zit.: Ring, Computergestützte Rechtsfindungssysteme]. Google Scholar öffnen
  435. Roberts, Julian V./Padfield, Nicola: Sentencing in England and Wales, in: Ambos, Kai (Hrsg.): Strafzumessung. Angloamerikanische und deutsche Einblicke, Göttingen 2020, S. 71–90 [zit.: Roberts/Padfield, Sentencing in England and Wales]. Google Scholar öffnen
  436. Roberts, Julian V./Padfield, Nicola: Strafzumessung in England und Wales, in: Ambos, Kai (Hrsg.): Strafzumessung. Angloamerikanische und deutsche Einblicke, übersetzt von Mathis Schwarze, Göttingen 2020, S. 33–58 [zit.: Roberts/Padfield, Strafzumessung in England und Wales]. Google Scholar öffnen
  437. Robinson, Paul H.: Ein „Waffenstillstand“ im Krieg der Straftheorien? Die empirisch ermittelte verdiente Strafe, moralische Glaubwürdigkeit und die Verinnerlichung von gesellschaftlichen Normen, in: Kaspar, Johannes/Walter, Tonio (Hrsg.): Strafen „im Namen des Volkes“? Zur rechtlichen und kriminalpolitischen Relevanz empirisch feststellbarer Strafbedürfnisse der Bevölkerung, Baden Baden 2019, S. 13–37 [zit.: Robinson, Ein „Waffenstillstand“ im Krieg der Straftheorien?]. Google Scholar öffnen
  438. Robinson, Paul H.: Intuitions of justice and the utility of desert, New York 2013 [zit.: Robinson, Intuitions of justice]. Google Scholar öffnen
  439. Rolfes, Manfred: Predictive Policing: Beobachtungen und Reflexionen zur Einführung und Etablierung einer vorhersagenden Polizeiarbeit, Potsdamer Geographische Praxis 2017, S. 51–76 [zit.: Rolfes, Predictive Policing]. Google Scholar öffnen
  440. Romeo, Francesco: Das künstliche Recht, in: Schünemann, Bernd/Tinnefeid, Marie Theres/Wittmann, Roland (Hrsg.): Gerechtigkeitswissenschaft – Kolloquium aus Anlass des 70. Geburtstages von Lothar Philipps, Berlin 2005, S. 135–148 [zit.: Romeo, Das künstliche Recht]. Google Scholar öffnen
  441. Roßnagel, Alexander/Nebel, Maxi/Richter, Philipp: Was bleibt vom Europäischen Datenschutzrecht? Überlegungen zum Ratsentwurf der DS-GVO, Zeitschrift für Datenschutz 2015, S. 455–460 [zit.: Roßnagel/Nebel/Richter, ZD 2015]. Google Scholar öffnen
  442. Roxin, Claus/Greco, Luís: Strafrecht Allgemeiner Teil Band I: Grundlagen. Der Aufbau der Verbrechenslehre, 5. Auflage, München 2020 [zit.: Roxin, Strafrecht AT]. Google Scholar öffnen
  443. Roxin, Claus: Prävention und Strafzumessung, in: Frisch, Wolfgang/Schmidt, Werner (Hrsg.): Festschrift für Hans Jürgen Bruns. Zum 70. Geburtstag, Köln u.a. 1978, S. 183–204 [zit.: Roxin, FS Bruns]. Google Scholar öffnen
  444. Roxin, Claus: Prävention, Tadel und Verantwortung. Zur neuesten Strafzweckdiskussion, Goltdammer’s Archiv für Strafrecht 2015, S. 185–202 [zit.: Roxin, GA 2015]. Google Scholar öffnen
  445. Roxin, Claus: Strafe und Strafzwecke in der Rechtsprechung des Bundesverfassungsgerichts, in: Hassemer, Winfried/Kempf, Eberhard/Moccia, Sergio (Hrsg.): In dubio pro libertate. Festschrift für Klaus Volk. Zum 65. Geburtstag, München 2009, S. 601–616 [zit.: Roxin, FS Volk]. Google Scholar öffnen
  446. Roxin, Claus: Strafzumessung im Lichte der Strafzwecke, in: Walder, Hans/Trechsel, Stefan (Hrsg.): Lebendiges Strafrecht. Festgabe zum 65. Geburtstag von Hans Schultz, Bern 1977, S. 463–481 [zit.: Roxin, FG Schultz]. Google Scholar öffnen
  447. Roxin, Claus: Zur jüngsten Diskussion über Schuld, Prävention und Verantwortlichkeit im Strafrecht, in: Kaufmann, Arthur u.a. (Hrsg.): Festschrift für Paul Bockelmann. Zum 70. Geburtstag am 7. Dezember 1978, München 1979, S. 279–309 [zit.: Roxin, FS Bockelmann]. Google Scholar öffnen
  448. Rubio, Diego/Lastra-Alandon, Carlos X.: European Tech Insights 2019. Mapping European Attitudes to Technological Change and its Governance, IE Center for the Governance of Change (Hrsg.), Madrid 2019, abrufbar unter: <docs.ie.edu/cgc/European-Tech-Insights-2019.pdf> (zuletzt abgerufen am 25.09.2020, 10:42 Uhr) [zit.: Rubio/Lastra-Alandon, European Tech Insights 2019]. Google Scholar öffnen
  449. Rudin, Cynthia/Ustun, Berk: Optimized Scoring Systems: Toward Trust in Machine Learning for Healthcare and Criminal Justice, 2018, abrufbar unter: <pdfs.semanticscholar.org/b3d8/8871ae5432c84b76bf53f7316cf5f95a3938.pdf> (zuletzt abgerufen am 14.04.2019, 7:24 Uhr), Erstveröffentlichung in: INFORMS Journal on Applied Analytics 2018, S. 399–486 [zit.: Rudin/Ustun, Optimized Scoring Systems]. Google Scholar öffnen
  450. Ruger, Theodore W. u.a.: The Supreme Court Forecasting Project: Legal and Political Science Approaches to Predicting Supreme Court Decisionmaking, Columbia Law Review 2004, S. 1150–1210 [zit.: Ruger u.a., The Supreme Court Forecasting Project]. Google Scholar öffnen
  451. Russell, Stuart J./Norvig, Peter: Artificial Intelligence. A Modern Approach, 3. Auflage, Upper Saddle River u.a. 2010 [zit.: Russell/Norvig, Artificial Intelligence]. Google Scholar öffnen
  452. Rützel, Michael: „Legal Tech“ – Überblick, Anwendungsbeispiele und Auswahlkriterien, in: Schulz Martin R./Schunder Hartung, Anette (Hrsg.): Recht 2030. Legal Management in der digitalen Transformation, Frankfurt am Main 2019, S. 53–72 [zit.: Rützel, in: Recht 2030]. Google Scholar öffnen
  453. Sachs, Michael (Hrsg.): Grundgesetz Kommentar, 8. Auflage, München 2018 [zit.: Sachs]. Google Scholar öffnen
  454. Sachverständigenrat für Verbraucherfragen: Verbraucherrecht 2.0. Verbraucher in der digitalen Welt. Gutachten des Sachverständigenrats für Verbraucherfragen, Berlin 2016, abrufbar unter: <www.svr-verbraucherfragen.de/wp-content/uploads/Gutachten_SVRV-.pdf> (zuletzt abgerufen am 07.11.2020, 20:10 Uhr) [zit.: Sachverständigenrat für Verbraucherfragen, Verbraucherrecht 2.0]. Google Scholar öffnen
  455. Sander, Günther M./Hollering, Jörg: Strafrechtliche Verantwortlichkeit im Zusammenhang mit automatisiertem Fahren, Neue Zeitschrift für Strafrecht 2017, S. 193–206 [zit.: Sander/Hollering, NStZ 2017]. Google Scholar öffnen
  456. Sarre, Rick: Beyond ‘What Works?’ A 25 Year Jubilee Retrospective of Robert Martinson’s Famous Article, Australian & New Zealand Journal of Criminology 2001, S. 38–46 [zit.: Sarre, Beyond ‘What Works?’]. Google Scholar öffnen
  457. Satzger, Helmut/Schluckebier, Wilhelm/Widmeier, Gunter (Hrsg.): StGB – Strafgesetzbuch, 4. Auflage, Köln 2019 [zit.: Satzger/Schluckebier/Widmeier]. Google Scholar öffnen
  458. Saygin, Ayse Pinar/Cicekli, Ilyas/Akman, Varolin: Turing Test: 50 Years Later, in: Moor, James H. (Hrsg.): The Turing Test. The Elusive Standard of Artificial Intelligence, Dordrecht u.a. 2003, S. 23–78 [zit.: Saygin/Cicekli/Akman, Turing Test]. Google Scholar öffnen
  459. Scantamburlo, Teresa/Charlesworth, Andrew/Cristianini, Nello: Machine Decisions and Human Consequences, 2018, abrufbar unter: <arxiv.org/pdf/1811.06747.pdf> (zuletzt abgerufen am 07.07.2019, 22:58 Uhr), Erstveröffentlichung in: Yeung, Karen/Lodge, Martin (Hrsg.): Algorithmic Regulation, Oxford 2019 [zit.: Scantamburlo/Charlesworth/Cristianini, Machine Decisions and Human Consequences]. Google Scholar öffnen
  460. Schael, Christopher: Künstliche Intelligenz in der modernen Gesellschaft. Bedeutung der „Künstlichen Intelligenz“ für die Gesellschaft, Datenschutz und Datensicherheit 2018, S. 547–551 [zit.: Schael, DuD 2018]. Google Scholar öffnen
  461. Schäfer, Gerhard/Sander, Günther M./van Gemmeren, Gerhard: Praxis der Strafzumessung, 6. Auflage, München 2017 [zit.: Schäfer/Sander/Gemmeren, Praxis der Strafzumessung]. Google Scholar öffnen
  462. Schaffstein, Friedrich: Spielraum Theorie, Schuldbegriff und Strafzumessung nach den Strafrechtsreformgesetzen, in: Lackner, Karl u.a. (Hrsg.): Festschrift für Wilhelm Gallas. Zum 70. Geburtstag am 22. Juli 1973, Berlin u.a. 1973, S. 99–116 [zit.: Schaffstein, FS Gallas]. Google Scholar öffnen
  463. Schantz, Peter/Wolff, Heinrich A.: Das neue Datenschutzrecht. Datenschutz Grundverordnung und Bundesdatenschutzgesetz in der Praxis, München 2017 [zit.: Schantz/Wolff, Das neue Datenschutzrecht]. Google Scholar öffnen
  464. Schanzenbach, Max: Racial and Sex Disparities in Prison Sentences: The Effect of District‐Level Judicial Demographics, The Journal of Legal Studies 2005, S. 57–92 [zit.: Schanzenbach, Racial and Sex Disparities]. Google Scholar öffnen
  465. Schiel, Jürgen: Unterschiede in der deutschen Strafrechtsprechung. Eine Untersuchung an Hand von Urteilen der Schöffengerichte und Strafkammern in Koblenz, Frankfurt und München aus den Jahren 1962/63, Hamburg 1969 [zit.: Schiel, Unterschiede in der deutschen Strafrechtsprechung]. Google Scholar öffnen
  466. Schmidt, Georg: Die richterliche Unabhängigkeit – Eine Bestandsaufnahme, Die Verwaltung 2018, S. 227–263 [zit.: Schmidt, Die Verwaltung 2018]. Google Scholar öffnen
  467. Schmidt Bleibtreu, Bruno/Hofmann, Hans/Henneke, Hans Günter (Hrsg.): Kommentar zum Grundgesetz, 14. Auflage, Köln 2018 [zit.: Schmidt Bleibtreu]. Google Scholar öffnen
  468. Schmidt Räntsch, Günther (Begr.)/Schmidt Räntsch, Jürgen: Deutsches Richtergesetz. Richterwahlgesetz Kommentar, 6. Auflage, München 2009 [zit.: Schmidt Räntsch]. Google Scholar öffnen
  469. Schneider, Julia: Diskussionsbericht, in: Kaspar, Johannes/Walter, Tonio (Hrsg.): Strafen „im Namen des Volkes“? Zur rechtlichen und kriminalpolitischen Relevanz empirisch feststellbarer Strafbedürfnisse der Bevölkerung, Baden Baden 2019, S. 35–37 [zit.: Schneider, Diskussionsbericht]. Google Scholar öffnen
  470. Schöch, Heinz: Grundlage und Wirkungen der Strafe. Zum Realitätsgehalt des § 46 Abs. 1 StGB, in: Grünwald, Gerald u.a. (Hrsg.): Festschrift für Friedrich Schaffstein. Zum 70. Geburtstag am 28. Juli 1975, Göttingen 1975, S. 255–273 [zit.: Schöch, FS Schaffstein]. Google Scholar öffnen
  471. Schöch, Heinz: Kriminologische Aspekte der Strafzumessungslehre, in: Pfeiffer, Christian/Oswald, Margit (Hrsg.): Strafzumessung. Empirische Forschung und Strafrechtsdogmatik im Dialog. Internationales Symposion, 9.-12. März 1988 in Lüneburg, Stuttgart 1989, S. 132–134 [zit.: Schöch, Kriminologische Aspekte]. Google Scholar öffnen
  472. Schöch, Heinz: Strafzumessungspraxis und Verkehrsdelinquenz. Kriminologische Aspekte der Strafzumessung am Beispiel einer empirischen Untersuchung zur Trunkenheit im Verkehr, Stuttgart 1973 [zit.: Schöch, Verkehrsdelinquenz]. Google Scholar öffnen
  473. Schönke, Adolf/Schröder, Horst (Hrsg.): Strafgesetzbuch Kommentar, 30. Auflage, München 2018 [zit.: Schönke/Schröder]. Google Scholar öffnen
  474. Schott, Tilmann: Gesetzliche Strafrahmen und ihre tatrichterliche Handhabung. Eine empirische Untersuchung zu Gesetzessystematik und Rechtstatsächlichkeit bei ausgewählten Deliktsbereichen, Baden Baden 2004 [zit.: Schott, Strafrahmen]. Google Scholar öffnen
  475. Schulz, Martin R.: Digitale Transformation – Herausforderung und Chance für Rechtsanwälte, in: Schulz, Martin R./Schunder Hartung, Anette (Hrsg.): Recht 2030. Legal Management in der digitalen Transformation, Frankfurt am Main 2019, S. 29–52 [zit.: Schulz, in: Recht 2030]. Google Scholar öffnen
  476. Schünemann, Bernd: Nulla poena sine lege? Rechtstheoretische und verfassungsrechtliche Implikationen der Rechtsgewinnung im Strafrecht, Berlin 1978 [zit.: Schünemann, Nulla poena]. Google Scholar öffnen
  477. Schünemann, Bernd: Plädoyer für eine neue Theorie der Strafzumessung, in: Eser, Albin/Cornils, Karin (Hrsg.): Neuere Tendenzen der Kriminalpolitik – Beiträge zu einem deutsch skandinavischen Strafrechtskolloquium, Freiburg 1987, S. 209–238 [zit.: Schünemann, Plädoyer]. Google Scholar öffnen
  478. Schwabe, Jürgen: Der „Lügendetektor“ vor dem Bundesverfassungsgericht, Neue Juristische Wochenschrift 1982, S. 367–368 [zit.: Schwabe, NJW 1982]. Google Scholar öffnen
  479. Seebald, Rudolf: Ausgeglichene Strafzumessung durch tatrichterliche Selbstkontrolle, Goltdammer’s Archiv für Strafrecht 1974, S. 193–208 [zit.: Seebald, GA 1974]. Google Scholar öffnen
  480. Seebald, Rudolf: Strafmaßempfehlungen gemäß der typologischen Häufigkeit, Deutsche Richterzeitung 1975, S. 4–10 [zit.: Seebald, DRiZ 1975]. Google Scholar öffnen
  481. Sehl, Markus: Ex BVerfG Vizepräsident Kirchhof zu Algorithmen. „Wir brauchen einen ‚Menschenvorbehalt‘“, lto – Legal Tribune Online 2019, abrufbar unter: <www.lto.de/recht/hintergruende/h/interview ferdinand kirchhof bverfg digitalisierung gg algorithmen art 10/> (zuletzt abgerufen am 06.01.2020, 11:35 Uhr) [zit.: Sehl, Ex BVerfG Vizepräsident Kirchhof zu Algorithmen]. Google Scholar öffnen
  482. Seib, Herbert: Gleichmäßigkeit des Strafens, ein Prüfstein der Gerechtigkeit, Blutalkohol 1971, S. 18–25 [zit.: Seib, Blutalkohol 1971]. Google Scholar öffnen
  483. Seng, Leonie: Maschinenethik und Künstliche Intelligenz, in: Bendel, Oliver (Hrsg.): Handbuch Maschinenethik, Wiesbaden 2019, S. 185–205, abrufbar unter: <link.springer.com/chapter/10.1007/978–3–658–174> (zuletzt abgerufen am 12.05.2019, 10:17 Uhr) [zit.: Seng, Maschinenethik und KI]. Google Scholar öffnen
  484. Shelton, Tracey: Estonia: From AI judges to robot bartenders, is the post Soviet state the dark horse of digital tech?, ABC News (Australian Broadcasting Corporation) 2019, abrufbar unter: <www.abc.net.au/news/2019 06 16/estonia artificial intelligence technology robots automation/11167478> (zuletzt abgerufen am 04.10.2019, 10:12 Uhr) [zit.: Shelton, Estonia: From AI judges to robot bartenders]. Google Scholar öffnen
  485. Shortliffe, Edward H.: Computer Based Medical Consultations: MYCIN, New York u.a. 1976, abrufbar unter: <www.shortliffe.net/Shortliffe1976/MYCIN%20thesis%20Book.htm> (zuletzt abgerufen am 28.04.2019, 9:06 Uhr) [zit.: Shortliffe, MYCIN]. Google Scholar öffnen
  486. Shortliffe, Edward H.: Details of the Consultation System, in: Buchanan, Bruce G./Shortliffe, Edward H. (Hrsg.): Rule Based Expert Systems. The MYCIN Experiments of the Stanford Heuristic Programming Project, Reading 1984, S. 78–132, abrufbar unter: <www.shortliffe.net/Buchanan Shortliffe 1984/MYCIN%20Book.htm> (zuletzt abgerufen am 28.04.2019, 12:11 Uhr) [zit.: Shortliffe, Details of the Consultation System]. Google Scholar öffnen
  487. Simon, Herbert A./Newell, Allen: Heuristic Problem Solving: The Next Advance in Operations Research, Operations Research 1958, S. 1–10 [zit.: Simon/Newell, Heuristic Problem Solving]. Google Scholar öffnen
  488. Simon, Herbert A.: Artificial Intelligence: An Empirical Science, Artificial Intelligence 1995, S. 95–127 [zit.: Simon, Artificial Intelligence]. Google Scholar öffnen
  489. Simon, Herbert A.: The Shape of Automation for Men and Management, New York 1965 [zit.: Simon, The Shape of Automation]. Google Scholar öffnen
  490. Simon, Herbert A.: Why Should Machines Learn?, in: Michalski, Ryszard S./Carbonell, Jaime G./Mitchell, Tom M. (Hrsg.): Machine Learning. An Artificial Intelligence Approach, Berlin u.a. 1983, S. 25–37 [zit.: Simon, Why Should Machines Learn?]. Google Scholar öffnen
  491. Singelnstein, Tobias: Predictive Policing: Algorithmenbasierte Straftatprognosen zur vorausschauenden Kriminalintervention, Neue Zeitschrift für Strafrecht 2018, S. 1–9 [zit.: Singelnstein, NStZ 2018]. Google Scholar öffnen
  492. Siri Speech Recognition Team: Finding Local Destinations with Siri’s Regionally Specific Language Models for Speech Recognition, Apple Machine Learning Journal 2018, abrufbar unter: <machinelearning.apple.com/2018/08/09/regionally specific language models.html> (zuletzt abgerufen am 18.08.2019, 20:44 Uhr) [zit.: Siri Speech Recognition Team, Siri’s Speech Recognition]. Google Scholar öffnen
  493. Skeem, Jennifer/Lowenkamp, Christopher T.: Risk, Race, & Recidivism: Predictive Bias and Disparate Impact, Criminology 2016, S. 680–712 [zit.: Skeem/Lowenkamp, Risk, Race, & Recidivism]. Google Scholar öffnen
  494. Sodan, Helge (Hrsg.): Grundgesetz, 4. Auflage, München 2018 [zit.: Sodan]. Google Scholar öffnen
  495. Sommerer, Lucia M.: Personenbezogenes Predictive Policing. Kriminalwissenschaftliche Untersuchung über die Automatisierung der Kriminalprognose, Baden-Baden 2020 [zit.: Sommerer, Personenbezogenes Predictive Policing]. Google Scholar öffnen
  496. Spamann, Holger: Are Sleepy Punishers Really Harsh Punishers? Comment on Cho, Barnes, and Guanara (2017), Psychological Science 2018, S. 1006–1009 [zit.: Spamann, Are Sleepy Punishers Really Harsh Punishers?]. Google Scholar öffnen
  497. Spendel, Günter: Die Begründung des richterlichen Strafmaßes, Neue Juristische Wochenschrift 1964, S. 1758–1765 [zit.: Spendel, NJW 1964]. Google Scholar öffnen
  498. Spohn, Cassia: The effects of the offender’s race, ethnicity, and sex on federal sentencing outcomes in the guidelines era, Law and Contemporary Problems 2013, S. 75–104 [zit.: Spohn, The effects of the offender’s race, ethnicity, and sex]. Google Scholar öffnen
  499. Starr, Sonja B.: Evidence Based Sentencing and The Scientific Rationalization of Discrimination, Stanford Law Review 2014, S. 803–872 [zit.: Starr, Evidence Based Sentencing]. Google Scholar öffnen
  500. Steffensmeier, Darrell/Herbert, Chris: Women and Men Policymakers: Does the Judge’s Gender Affect the Sentencing of Criminal Defendants?, Social Forces 1999, S. 1163–1196 [zit.: Steffensmeier/Herbert, Women and Men Policymakers]. Google Scholar öffnen
  501. Stevenson, Megan: Assessing Risk Assessment in Action, Minnesota Law Review 2018, S. 303–384 [zit.: Stevenson, Assessing Risk Assessment]. Google Scholar öffnen
  502. Stiemerling, Oliver: Technische Grundlagen, in: Kaulartz, Markus/Braegelmann, Tom (Hrsg): Rechtshandbuch Artificial Intelligence und Machine Learning, München 2020, S. 15–58 [zit.: Stiemerling, in: Rechtshandbuch AI/ML]. Google Scholar öffnen
  503. Stobbs, Nigel/Hunter, Dan/Bagaric, Mirko: Can Sentencing Be Enhanced by the Use of Artificial Intelligence?, 2017, abrufbar unter: <eprints.qut.edu.au/115410/> (zuletzt abgerufen am 20.01.2020, 10:22 Uhr), Erstveröffentlichung in: Criminal Law Journal. 2018, S. 261–277 [zit.: Stobbs/Hunter/Bagaric, Can Sentencing Be Enhanced by the Use of Artificial Intelligence?]. Google Scholar öffnen
  504. Stone, Peter u.a.: Artificial Intelligence and Life in 2030. One Hundred Year Study on Artificial Intelligence: Report of the 2015–2016 Study Panel, Standford 2016, abrufbar unter: <ai100.stanford.edu/2016 report> (zuletzt abgerufen am 29.04.2019, 12:38 Uhr) [zit.: Stone u.a., AI and Life]. Google Scholar öffnen
  505. Stratenwerth, Günter: Tatschuld und Strafzumessung, Tübingen 1972 [zit.: Stratenwerth, Tatschuld]. Google Scholar öffnen
  506. Streng, Franz: Die Strafzumessungsbegründung und ihre Orientierungspunkte. Ein Beitrag zur Idee und Praxis vergleichender Strafzumessung, Neue Zeitschrift für Strafrecht 1989, S. 393–400 [zit.: Streng, NStZ 1989]. Google Scholar öffnen
  507. Streng, Franz: Kriminalpolitische Perspektiven – Jura Studienanfänger und Sanktionspolitik, in: Kühne, Hans Heiner (Hrsg.): Festschrift für Koichi Miyazawa. Dem Wegbereiter des japanisch deutschen Strafrechtsdiskurses, Baden Baden 1995, S. 405–418 [zit.: Streng, FS Miyazawa]. Google Scholar öffnen
  508. Streng, Franz: Strafrechtliche Sanktionen: Die Strafzumessung und ihre Grundlagen, Stuttgart 2012 [zit.: Streng, Strafrechtliche Sanktionen]. Google Scholar öffnen
  509. Streng, Franz: Strafzumessung und relative Gerechtigkeit. Eine Untersuchung zu rechtlichen, psychologischen und soziologischen Aspekten ungleicher Strafzumessung, Heidelberg 1984 [zit.: Streng, Strafzumessung und relative Gerechtigkeit]. Google Scholar öffnen
  510. Streng, Franz: Studien zu Strafbedürfnissen der Bevölkerung. Methoden und aktuelle Ergebnisse, in: Kaspar, Johannes/Walter, Tonio (Hrsg.): Strafen „im Namen des Volkes“? Zur rechtlichen und kriminalpolitischen Relevanz empirisch feststellbarer Strafbedürfnisse der Bevölkerung, Baden Baden 2019, S. 131–160 [zit.: Streng, Studien zu Strafbedürfnissen der Bevölkerung]. Google Scholar öffnen
  511. Systematischer Kommentar zum Strafgesetzbuch: Wolter, Jürgen (Hrsg.), Band 2, §§ 38–79b, 9. Auflage, Köln 2016 [zit.: SK]. Google Scholar öffnen
  512. Tegmark, Max: Leben 3.0. Mensch sein im Zeitalter Künstlicher Intelligenz, Berlin 2017, Originalausgabe: Life 3.0. Being Human in the Age of Artificial Intelligence, New York 2017 [zit.: Tegmark, Leben 3.0]. Google Scholar öffnen
  513. Theune, Werner: Gerechte Strafe. Notwendigkeit und Möglichkeiten einer Überprüfung der Strafzumessung durch die Revisionsgerichte, in: Gamm, Otto Friedrich von/Raisch, Peter/Tiedemann, Klaus (Hrsg.): Strafrecht, Unternehmensrecht, Anwaltsrecht. Festschrift für Gerd Pfeiffer zum Abschied aus dem Amt als Präsident des Bundesgerichtshofes, Köln u.a. 1988, S. 449–460 [zit.: Theune, FS Pfeiffer]. Google Scholar öffnen
  514. Theune, Werner: Grundsätze und Einzelfragen der Strafzumessung; aus der Rechtsprechung des Bundesgerichtshofs, Strafverteidiger 1985, S. 205–210 [zit.: Theune, StV 1985]. Google Scholar öffnen
  515. Thibaut, John/Walker, Laurens: Procedural Justice. A Psychological Analysis, Hillsdale 1975 [zit.: Thibaut/Walker, Procedural Justice]. Google Scholar öffnen
  516. Thüsing, Gregor: Automatisierte Einzelentscheidung in der PKV – Zur Europarechtskonformität des neuen § 37 Abs. 1 Nr. 2 BDSG –, Recht der Datenverarbeitung 2018, S. 14 20 [zit.: Thüsing, RDV 2018]. Google Scholar öffnen
  517. Tobschall, Dominik/Kempe, Johann: Der deutsche Legal Tech Markt, in: Breidenbach, Stephan/Glatz, Florian (Hrsg.): Rechtshandbuch Legal Tech, München 2018, S. 25–33 [zit.: Tobschall/Kempe, in: Rechtshandbuch Legal Tech]. Google Scholar öffnen
  518. Tolan, Songül: Fair and Unbiased Algorithmic Decision Making: Current State and Future Challenges. Digital Economy Working Paper 2018–10, in: European Commission Joint Research Centre (Hrsg.): JRC Technical Reports, Sevilla 2018, abrufbar unter: <arxiv.org/abs/1901.04730> (zuletzt abgerufen am 06.07.2019, 11:35 Uhr) [zit.: Tolan, Fair and Unbiased Algorithmic Decision Making]. Google Scholar öffnen
  519. Tröndle, Herbert: Das Problem der Strafzumessungsempfehlungen. Wider ihre Gegner – Für ihre Kritiker, Blutalkohol 1971, S. 73–83 [zit.: Tröndle, Blutalkohol 1971]. Google Scholar öffnen
  520. Tröndle, Herbert: Zum Wechsel zwischen staatsanwaltschaftlichem und richterlichem Amt, Deutsche Richterzeitung 1968, S. 364–365 [zit.: Tröndle, DRiZ 1968]. Google Scholar öffnen
  521. Turing, Alan M.: Computing Machinery and Intelligence, Mind. A Quarterly Review of Psychology and Philosophy 1950, S. 433–460 [zit.: Turing, Computing Machinery and Intelligence]. Google Scholar öffnen
  522. Tversky, Amos/Kahneman, Daniel: Judgment under Uncertainty: Heuristics and Biases, Science 1974, S. 1124–1131 [zit.: Tversky/Kahneman, Judgment under Uncertainty]. Google Scholar öffnen
  523. Tyler, Tom R.: Procedural Justice and the Courts, Court Review 2007, S. 26–32 [zit.: Tyler, Procedural Justice and the Courts]. Google Scholar öffnen
  524. Tyler, Tom R.: Social Justice: Outcome and Procedure, International Journal of Psychology 2000, S. 117–125 [zit.: Tyler, Social Justice]. Google Scholar öffnen
  525. Tyler, Tom R.: What is Procedural Justice?: Criteria used by Citizens to Assess the Fairness of Legal Procedures, Law & Society Review 1988, S. 103–136 [zit.: Tyler, What is Procedural Justice?]. Google Scholar öffnen
  526. Tyler, Tom R.: Why People Obey the Law, 2. Auflage, Princeton u.a. 2006 [zit.: Tyler, Why People Obey the Law]. Google Scholar öffnen
  527. Uphoff, Roland: Die deutsche Strafzumessung unter dem Blickwinkel amerikanischer Strafzumessungsrichtlinien: Strafzumessungsrecht und praxis in Deutschland in rechtsvergleichender Darstellung mit amerikanischen Strafzumessungsrichtlinien und der Idee der Tatproportionalität, Aachen 1998 [zit.: Uphoff, Strafzumessung]. Google Scholar öffnen
  528. Van Melle, William/Shortliffe, Edward H./Buchanan, Bruce G.: EMYCIN: A Knowledge Engineer’s Tool for Constructing Rule Based Expert Systems, in: Buchanan, Bruce G./Shortliffe, Edward H. (Hrsg.): Rule Based Expert Systems. The MYCIN Experiments of the Stanford Heuristic Programming Project, Reading 1984, S. 302–313, abrufbar unter: <www.shortliffe.net/Buchanan Shortliffe 1984/MYCIN%20Book.htm> (zuletzt abgerufen am 28.04.2019, 17:16 Uhr) [zit.: Van Melle/Shortliffe/Buchanan, EMYCIN]. Google Scholar öffnen
  529. Van Melle, William/Shortliffe, Edward H./Buchanan, Bruce G.: Use of the MYCIN Inference Engine, in: Buchanan, Bruce G./Shortliffe, Edward H. (Hrsg.): Rule Based Expert Systems. The MYCIN Experiments of the Stanford Heuristic Programming Project, Reading 1984, S. 294–301, abrufbar unter: <www.shortliffe.net/Buchanan Shortliffe 1984/MYCIN%20Book.htm> (zuletzt abgerufen am 28.04.2019, 13:21 Uhr) [zit.: Van Melle/Shortliffe/Buchanan, Use of the MYCIN Inference Engine]. Google Scholar öffnen
  530. Vasdani, Tara: Estonia set to introduce ‘AI judge’ in small claims court to clear court backlog, The Lawyer’s Daily 2019, abrufbar unter: <www.thelawyersdaily.ca/articles/11582> (zuletzt abgerufen am 04.10.2019, 10:01 Uhr) [zit.: Vasdani, Estonia set to introduce ‘AI judge’ in small claims court]. Google Scholar öffnen
  531. Verma, Sahil/Rubin, Julia: Fairness Definitions Explained, in: Association for Computing Machinery (Hrsg.): Fair Ware’18: IEEE/ACM International Workshop on Software Fairness am 29.05.2018 in Gothenburg, New York 2018, S. 1–7, abrufbar unter: <doi.org/10.1145/3194770.3194776> (zuletzt abgerufen am 07.06.2019, 20:15 Uhr) [zit.: Verma/Rubin, Fairness Definitions Explained]. Google Scholar öffnen
  532. Villani, Cédric: For a Meaningful Artificial Intelligence. Towards a French and European Strategy, 2018, abrufbar unter: <www.aiforhumanity.fr/pdfs/MissionVillani_Report_ENG VF.pdf> (zuletzt abgerufen am 13.09.2019, 17:43 Uhr) [zit.: Villani, For a Meaningful Artificial Intelligence]. Google Scholar öffnen
  533. Vogl, Roland: Changes in the US Legal Market Driven by Big Data/Predictive Analytics and Legal Platforms, in: Hartung, Markus/Bues, Micha Manuel/Halbleib, Gernot (Hrsg.): Legal Tech. Die Digitalisierung des Rechtsmarkts, München 2018, S. 53–65 [zit.: Vogl, in: Legal Tech]. Google Scholar öffnen
  534. Volokh, Eugene: Chief Justice Robots, Duke Law Journal 2019, S. 1135–1192 [zit.: Volokh, Chief Justice Robots]. Google Scholar öffnen
  535. Wachter, Sandra/Mittelstadt, Brent/Floridi, Luciano: Why a Right to Explanation of Automated Decision Making Does Not Exist in the General Data Protection Regulation, International Data Privacy Law 2017, S. 76–99 [zit.: Wachter/Mittelstadt/Floridi, Why a Right to Explanation]. Google Scholar öffnen
  536. Wachter, Sandra/Mittelstadt, Brent/Russell, Chris: Counterfactual Explanations Without Opening the Black Box: Automated Decisions and the GDPR, Harvard Journal of Law & Technology 2018, abrufbar unter: <arxiv.org/abs/1711.00399v3> (zuletzt abgerufen am 20.04.2019, 14:45 Uhr) [zit.: Wachter/Mittelstadt/Russell, Counterfactual Explanations]. Google Scholar öffnen
  537. Wagner, Jens: Legal Tech und Legal Robots. Der Wandel im Rechtsmarkt durch neue Technologien und künstliche Intelligenz, Wiesbaden 2018 [zit.: Wagner, Legal Tech und Legal Robots]. Google Scholar öffnen
  538. Wagner, Jens: Legal Tech und Legal Robots in Unternehmen und den diese beratenden Kanzleien, Betriebs Berater 2017, S. 898–905 [zit.: Wagner, BB 2017]. Google Scholar öffnen
  539. Walter, Tonio: Das Absolute wird relativ – wie sich Vergeltung als Strafzweck soziologisch begründen lässt. Zugleich eine Kritik alter und neuer Straftheorien, in: Neubacher, Frank/Kubink, Michael (Hrsg.): Kriminologie – Jugendkriminalrecht – Strafvollzug. Gedächtnisschrift für Michael Walter, Berlin 2014, S. 831–849 [zit.: Walter, Das Absolute wird relativ]. Google Scholar öffnen
  540. Walter, Tonio: Die Vergeltungsidee als Grenze des Strafrechts, JuristenZeitung 2019, S. 649–656 [zit.: Walter, JZ 2019]. Google Scholar öffnen
  541. Walter, Tonio: Grundlagen einer empirisch begründeten Vergeltungstheorie, in: Kaspar, Johannes/Walter, Tonio (Hrsg.): Strafen „im Namen des Volkes“? Zur rechtlichen und kriminalpolitischen Relevanz empirisch feststellbarer Strafbedürfnisse der Bevölkerung, Baden Baden 2019, S. 49–60 [zit.: Walter, Grundlagen einer empirisch begründeten Vergeltungstheorie]. Google Scholar öffnen
  542. Walter, Tonio: Strafe und Vergeltung – Rehabilitation und Grenzen eines Prinzips, Baden Baden 2016 [zit.: Walter, Strafe und Vergeltung]. Google Scholar öffnen
  543. Walter, Tonio: Vergeltung als Strafzweck. Prävention und Resozialisierung als Pflichten der Kriminalpolitik, Zeitschrift für Internationale Strafrechtsdogmatik 2011, S. 636–647 [zit.: Walter, ZIS 2011]. Google Scholar öffnen
  544. Walter, Tonio: Wozu Strafen? Nichts als Vergeltung, lto – Legal Tribune Online 2019, abrufbar unter: <www.lto.de/recht/hintergruende/h/wozu strafe straftheorien vergeltung praevention fall luegde/> (zuletzt abgerufen am 05.01.2010, 11:12 Uhr) [zit.: Walter, Wozu Strafen? 2019]. Google Scholar öffnen
  545. Warner, Sam B./Bates, Sanford: Information concerning Adult Male Criminals Which Should Be Published by Reformatories, Penitentiaries and State Prisons, Journal of the American Institute of Criminal Law and Criminology 1924, S. 177–238 [zit.: Warner/Bates, Information concerning Adult Male Criminals]. Google Scholar öffnen
  546. Warren, Roger K.: Evidence Based Sentencing in the State Courts, Federal Sentencing Reporter 2015, S. 248–251 [zit.: Warren, Evidence Based Sentencing in the State Courts]. Google Scholar öffnen
  547. Wartala, Ramon: Praxiseinstieg Deep Learning: Mit Python, Caffe, TensorFlow und Spark eigene Deep Learning Anwendungen erstellen, Heidelberg 2018 [zit.: Wartala, Praxiseinstieg Deep Learning]. Google Scholar öffnen
  548. Warwick, Kevin/Shah, Huma: Turing’s Imitation Game: Conversations with the Unknown, Cambridge u.a. 2016 [zit.: Warwick/Shah, Turing’s Imitation Game]. Google Scholar öffnen
  549. Weber, Klaus (Hrsg.): Creifelds. Rechtswörterbuch, 24. Auflage, München 2020, zitiert nach beck-online [zit.: Creifelds Rechtswörterbuch]. Google Scholar öffnen
  550. Wegner, Wolfgang: Täterschaftsermittlung durch Polygraphie, Köln u.a. 1981 [zit.: Wegner, Polygraphie]. Google Scholar öffnen
  551. Wei, Shuai/Xiong, Moulin: Judges’ Gender and Sentencing in China: An Empirical Inquiry, Feminist Criminology 2020, S. 217–250 [zit.: Wei/Xiong, Judges’ Gender and Sentencing in China]. Google Scholar öffnen
  552. Weigend, Thomas: „Neoklassizismus“ – ein transatlantisches Mißverständnis, Zeitschrift für die gesamte Strafrechtswissenschaft 1982, S. 801–814 [zit.: Weigend, ZStW 1982]. Google Scholar öffnen
  553. Weigend, Thomas: Die kurze Freiheitsstrafe – eine Sanktion mit Zukunft?, JuristenZeitung 1986, S. 260–269 [zit.: Weigend, JZ 1986]. Google Scholar öffnen
  554. Weinshall Margel, Keren/Shapard, John: Overlooked factors in the analysis of parole decisions, Proceedings of the National Academy of Sciences of the United States of America 2011, S. E833 [zit.: Weinshall Margel/Shapard, PNAS 2011]. Google Scholar öffnen
  555. Weizenbaum, Joseph: Computer Power and Human Reason. From Judgement to Calculation, San Francisco 1976 [zit.: Weizenbaum, Computer Power and Human Reason]. Google Scholar öffnen
  556. Welzel, Hans: Zum Notstandsproblem, Zeitschrift für die gesamte Strafrechtswissenschaft 1951, S. 47–56 [zit.: Welzel, ZStW 1951]. Google Scholar öffnen
  557. Werner, Wibke: Schutz durch das Grundgesetz im Zeitalter der Digitalisierung, Neue Juristische Online Zeitschrift 2019, S. 1041–1046 [zit.: Werner, NJOZ 2019]. Google Scholar öffnen
  558. Werth, Robert: Risk and Punishment: The Recent History and Uncertain Future of Actuarial, Algorithmic, and “Evidence‐based” Penal Techniques, Sociology Compass 2019, 13:e12659, abrufbar unter: <onlinelibrary.wiley.com/doi/abs/10.1111/soc4.12659> (zuletzt abgerufen am 09.11.2020, 8:47 Uhr) [zit.: Werth, The Recent History]. Google Scholar öffnen
  559. Whiteacre, Kevin W.: Testing the Level of Service Inventory–Revised (LSI R) for Racial/Ethnic Bias, Criminal Justice Policy Review 2006, S. 330–342 [zit.: Whiteacre, Testing the LSI R]. Google Scholar öffnen
  560. Whittaker, Meredith u.a.: AI Now Report 2018, AI Now Institute 2018, abrufbar unter: <ainowinstitute.org/AI_Now_2018_Report.pdf> (zuletzt abgerufen am 14.06.2019, 18:10 Uhr) [zit.: Whittaker u.a., AI Now Report 2018]. Google Scholar öffnen
  561. Winegrad, Dilys/Akera, Atsushi: A Short History of the Second American Revolution, 2019, abrufbar unter: <www.researchgate.net/publication/264876275_A_Short_History_of_the_Second_American_Revolution> (zuletzt abgerufen am 25.03.2019, 9:51 Uhr) [zit.: Winegrad/Akera, A Short History of the Second American Revolution]. Google Scholar öffnen
  562. Winograd, Terry: Understanding natural language, Cognitive Psychology 1972, S. 1–191 [zit.: Winograd, Understanding natural language]. Google Scholar öffnen
  563. Wischmeyer, Thomas: Artificial Intelligence and Transparency: Opening the Black Box, in: Wischmeyer, Thomas/Rademacher, Timo (Hrsg.): Regulating Artificial Intelligence, Cham 2020, S. 75–101 [zit.: Wischmeyer, Artificial Intelligence and Transparency]. Google Scholar öffnen
  564. Wischmeyer, Thomas: Regulierung intelligenter Systeme, Archiv des öffentlichen Rechts 2018, S. 1–66 [zit.: Wischmeyer, AöR 2018]. Google Scholar öffnen
  565. Wittig, Petra: „Lebensleistung“ als Strafmilderungsgrund?, in: Fahl, Christian u.a. (Hrsg.): Festschrift für Werner Beulke zum 70. Geburtstag, Heidelberg 2015, S. 1241–1255 [zit.: Wittig, FS Beulke]. Google Scholar öffnen
  566. Woerner, Otto: Die Frage der Gleichmässigkeit der Strafzumessung im Deutschen Reich, München 1907 [zit.: Woerner, Die Frage der Gleichmässigkeit der Strafzumessung im Deutschen Reich]. Google Scholar öffnen
  567. Wolf, Gerhard: Lösung von Rechtsfällen mit Hilfe von Computern? Bisher ungenutzte Chancen der Rechtsinformatik, in: Graul, Eva/Wolf, Gerhard (Hrsg.): Gedächtnisschrift für Dieter Meurer, Berlin 2002, S. 665–683 [zit.: Wolf, Lösung von Rechtsfällen mit Hilfe von Computern?]. Google Scholar öffnen
  568. Wolf, Marty J./Miller, Keith W./Grodzinsky, Frances S.: Why We Should Have Seen That Coming. Comments on Microsoft’s Tay “Experiment,” and Wider Implications, ORBIT Journal 2017, abrufbar unter: <www.orbit rri.org/ojs/index.php/orbit/article/view/49/85> (zuletzt abgerufen am 07.07.2019, 22:21 Uhr) [zit.: Wolf/Miller/Grodzinsky, Why We Should Have Seen That Coming]. Google Scholar öffnen
  569. Wong, Queenie: Why facial recognition’s racial bias problem is so hard to crack. Good luck if you’re a woman or a darker skinned person, CNET 2019, abrufbar unter: <www.cnet.com/news/why facial recognitions racial bias problem is so hard to crack/> (zuletzt abgerufen am 07.07.2019, 22:27 Uhr) [zit.: Wong, Why facial recognition’s racial bias problem is so hard to crack]. Google Scholar öffnen
  570. Wood, Gaby: Living Dolls: A Magical History Of The Quest For Mechanical Life by Gaby Wood, The Guardian 2002 [zit.: Wood, A Magical History]. Google Scholar öffnen
  571. Wormith, J. Stephen/Hogg, Sarah M./Guzzo, Lina: The predictive validity of the LS/CMI with Aboriginal offenders in Canada, Criminal Justice and Behavior 2015, S. 481–508 [zit.: Wormith/Hogg/Guzzo, The predictive validity of the LS/CMI]. Google Scholar öffnen
  572. Wormith, J. Stephen: Automated Offender Risk Assessment. The Next Generation or a Black Hole?, Criminology & Public Policy 2017, S. 281–303 [zit.: Wormith, Automated Offender Risk Assessment]. Google Scholar öffnen
  573. Wormith, J. Stephen: The risks of communicating sexual offender risk, Journal of Threat Assessment and Management 2014, S. 162–178 [zit.: Wormith, The risks of communicating sexual offender risk]. Google Scholar öffnen
  574. Wu, Tim: Will Artificial Intelligence Eat the Law? The Rise of Hybrid Social Ordering Systems, Columbia Law Review 2019, S. 2001–2028 [Wu, Will Artificial Intelligence Eat the Law?]. Google Scholar öffnen
  575. Xia, Yiwei/Cai, Tianji/Zhong, Hua: Effect of Judges’ Gender on Rape Sentencing: A Data Mining Approach to Analyze Judgment Documents, The China Review 2019, S. 125–149 [zit.: Xia/Cai/Zhong, Effect of Judges’ Gender on Rape Sentencing]. Google Scholar öffnen
  576. Yeomans, Mike u.a.: Making Sense of Recommendations, Journal of Behavioral Decision Making 2019, S. 403–414 [zit.: Yeomans u.a., Making Sense of Recommendations]. Google Scholar öffnen
  577. Yu, Victor L. u.a.: An Evaluation of MYCIN’s Advice, in: Buchanan, Bruce G./Shortliffe, Edward H. (Hrsg.): Rule Based Expert Systems. The MYCIN Experiments of the Stanford Heuristic Programming Project, Reading 1984, S. 589–596, abrufbar unter: <www.shortliffe.net/Buchanan Shortliffe 1984/MYCIN%20Book.htm> (zuletzt abgerufen am 29.04.2019, 9:29 Uhr) [zit.: Yu u.a, Evaluation of MYCIN]. Google Scholar öffnen
  578. Zadeh, Lofti A.: Fuzzy Sets, Information and Control 1965, S. 338–353 [zit.: Zadeh, Fuzzy Sets]. Google Scholar öffnen
  579. Zeisel, Hans: The Deterrent Effect of the Death Penalty: Facts v. Faiths, The Supreme Court Review 1976, S. 317–343 [zit.: Zeisel, Facts v. Faiths]. Google Scholar öffnen
  580. Zhong, Ziyuan: A Tutorial on Fairness in Machine Learning, Towards Data Science 2018, abrufbar unter: <towardsdatascience.com/a tutorial on fairness in machine learning 3ff8ba1040cb> (zuletzt abgerufen am 07.06.2019, 20:20 Uhr) [zit.: Zhong, A Tutorial on Fairness in Machine Learning]. Google Scholar öffnen
  581. Zipf, Heinz: Anmerkung zu BayObLG v. 4.11.1975 – RReg. 5 St 231/75, Juristische Rundschau 1976, S. 511–514 [zit.: Zipf, JR 1976]. Google Scholar öffnen
  582. Zipf, Heinz: Die Integrationsprävention (Positive Generalprävention), in: Fehérváry, János/Melnizky, Walter/Müller, Otto F. (Hrsg.): Strafrecht, Strafprozeßrecht und Kriminologie: Festschrift für Franz Pallin. Zum 80. Geburtstag, Wien 1989, S. 479–490 [zit.: Zipf, FS Pallin]. Google Scholar öffnen
  583. Zipf, Heinz: Kriminalpolitik. Ein Lehrbuch, 2. Auflage, Heidelberg u.a. 1980 [zit.: Zipf, Kriminalpolitik]. Google Scholar öffnen
  584. Zweig, Katharina A./Krafft, Tobias D.: Fairness und Qualität algorithmischer Entscheidungen, in: Mohabbat Kar, Resa/Thapa, Basanta E./Parycek, Peter (Hrsg.): (Un)berechenbar? Algorithmen und Automatisierung in Staat und Gesellschaft, Berlin 2018, S. 204–227 [zit.: Zweig/Krafft, in: (Un)berechenbar]. Google Scholar öffnen
  585. Zweig, Katharina A./Wenzelburger, Georg/Krafft, Tobias D.: On Chances and Risks of Security Related Algorithmic Decision Making Systems, European Journal for Security Research 2018, S. 181–203 [zit.: Zweig/Wenzelburger/Krafft, Chances and Risks of ADMs]. Google Scholar öffnen
  586. Zweig, Katharina A.: 2. Arbeitspapier: Überprüfbarkeit von Algorithmen, 2016, abrufbar unter: <algorithmwatch.org/publication/zweites arbeitspapier ueberpruefbarkeit algorithmen/> (zuletzt abgerufen am 28.12.2019, 8:20 Uhr) [zit.: Zweig, Überprüfbarkeit von Algorithmen]. Google Scholar öffnen
  587. Zweig, Katharina A.: Algorithmische Entscheidungen. Transparenz und Kontrolle, in: Konrad Adenauer Stiftung e. V. (Hrsg.): Analysen & Argumente. Digitale Gesellschaft, Berlin u.a. 2019, abrufbar unter: </www.kas.de/c/document_library/get_file?uuid=533ef913 e567 987d 54c3 1906395cdb81&groupId=252038> (zuletzt abgerufen am 03.11.2019, 11:06 Uhr) [zit.: Zweig, Algorithmische Entscheidungen]. Google Scholar öffnen
  588. Zweig, Katharina A.: Ein Algorithmus hat kein Taktgefühl. Wo künstliche Intelligenz sich irrt, warum uns das betrifft und was wir dagegen tun können, München 2019 [zit.: Zweig, Ein Algorithmus hat kein Taktgefühl]. Google Scholar öffnen
  589. Zweig, Katharina A.: Wo Maschinen irren können. Fehlerquellen und Verantwortlichkeiten in Prozessen algorithmischer Entscheidungsfindung, Gütersloh 2018, abrufbar unter: <algorithmenethik.de/wp content/uploads/sites/10/2018/02/ZweigADMFehlerquellen_final_ohneCover.pdf> (zuletzt abgerufen am 25.12.2019, 8:59 Uhr) [zit.: Zweig, Wo Maschinen irren können]. Google Scholar öffnen

Ähnliche Veröffentlichungen

aus dem Schwerpunkt "Strafrecht & Kriminologie"
Cover des Buchs: Das erlangte Etwas bei Steuerstraftaten
Monographie Kein Zugriff
Stefan Holzmaier
Das erlangte Etwas bei Steuerstraftaten
Cover des Buchs: From Outlaws to Equal Players – Rebel Courts in International Law
Monographie Kein Zugriff
Isabella Poewe
From Outlaws to Equal Players – Rebel Courts in International Law
Cover des Buchs: Überobligatorische Compliance als Risiko strafrechtlicher Haftung
Monographie Kein Zugriff
Patricia Magdalena Labussek
Überobligatorische Compliance als Risiko strafrechtlicher Haftung
Cover des Buchs: Covid e impatto della pandemia sul diritto
Sammelband Kein Zugriff
Esther Happacher, Margareth Helfer, Francesco A. Schurr
Covid e impatto della pandemia sul diritto
Cover des Buchs: Kriminologie
Lehrbuch Kein Zugriff
Frank Neubacher
Kriminologie

Hinweis

Dieses Werk ist urheberrechtlich geschützt und darf nur nach den Vorgaben der Nutzungs- und Lizenzvereinbarung genutzt werden. Jede darüber hinaus gehende Nutzung des Werkes ist ausdrücklich untersagt und wird verfolgt.

Feedback geben

Wir freuen uns über Ihr Feedback zu Inhalten und Funktionen. Ihre Nachricht hilft uns, unseren Service stetig zu verbessern.

Bewertung
Bild anhängen
oder hier ablegen
PNG oder JPG (max. 3 MB)

Anmelden

Passwort vergessen?
Login via Open Athens
Noch kein Benutzerkonto?
Jetzt registrieren

Publikation zitieren

Download: RIS BibTex