Tennessee-Frau wegen KI-Gesichtserkennungsfehler für sechs Monate inhaftiert

Fall Details
Angela Lipps, eine 50-jährige Mutter von drei und Großmutter von fünf Kindern aus dem nördlichen Zentraltennessee, wurde im Juli von US-Marshals in ihrem Zuhause verhaftet, während sie auf vier Kinder aufpasste. Sie wurde mit vorgehaltener Waffe abgeführt und als flüchtige Straftäterin aus North Dakota gebucht.
Wie der KI-Fehler zustande kam
Fargo-Polizeidetektive, die im April und Mai 2025 Bankbetrugsfälle untersuchten, sichteten Überwachungsvideos, die eine Frau zeigten, die mit einer gefälschten US-Armee-Militärausweis zehntausende Dollar abhob. Die Beamten nutzten Gesichtserkennungssoftware, um die Verdächtige als Lipps zu identifizieren. Ein Detektiv schrieb in Gerichtsdokumenten, dass Lipps der Verdächtigen aufgrund von Gesichtszügen, Körperbau und Frisur zu entsprechen schien.
Lipps erzählte Reportern, sie sei noch nie in North Dakota gewesen und kenne dort niemanden. Niemand von der Fargo-Polizei hatte sie vor der Verhaftung kontaktiert.
Rechtlicher Zeitablauf
- Lipps blieb fast vier Monate ohne Kaution in einem Gefängnis in Tennessee, während sie auf ihre Auslieferung wartete
- Ihr wurden vier Anklagepunkte wegen unbefugter Nutzung persönlicher Identifikationsdaten und vier Anklagepunkte wegen Diebstahls vorgeworfen
- Die Behörden von North Dakota transportierten sie erst Ende Oktober aus Tennessee ab, 108 Tage nach ihrer Verhaftung
- Sie erschien am nächsten Tag vor einem Gericht in North Dakota
- Sie wurde am Heiligabend freigelassen, nachdem ihr Anwalt Bankunterlagen erhalten hatte, die zeigten, dass sie zum Zeitpunkt der Fargo-Straftaten in Tennessee war
Folgen und Nachwirkungen
Während sie inhaftiert war und keine Rechnungen bezahlen konnte, verlor Lipps ihr Zuhause, ihr Auto und ihren Hund. Die Fargo-Polizei bezahlte nicht ihre Rückreise nach der Freilassung, sodass sie in North Dakota gestrandet war. Lokale Strafverteidiger übernahmen die Kosten für ein Hotelzimmer und Essen am Heiligabend und am ersten Weihnachtstag, und die gemeinnützige Organisation F5 Project half ihr, nach Tennessee zurückzukehren.
Ihr Anwalt, Jay Greenwood, sagte Reportern: "Wenn das Einzige, was man hat, Gesichtserkennung ist, sollte man vielleicht etwas genauer nachforschen."
Kontext: Andere KI-Fehler
Dies ist nicht der erste Fall, in dem KI-Fehler die falsche Verdächtige markiert hat. Im Oktober verwechselte ein KI-System offenbar eine Tüte Doritos eines Baltimore-Schülers mit einer Schusswaffe und rief die Polizei. Anfang dieses Jahres verhaftete die britische Polizei einen Mann wegen eines Einbruchs in einer Stadt, die er nie besucht hatte, nachdem Gesichtserkennungssoftware ihn mit einer anderen Person südasiatischer Herkunft verwechselt hatte.
📖 Read the full source: HN AI Agents
👀 Siehe auch

GitHub Copilot Individual Plan-Änderungen: Anmeldungen pausiert, strengere Limits, Modellanpassungen
GitHub pausiert neue Anmeldungen für Copilot Pro, Pro+ und Studentenpläne, während Nutzungslimits verschärft und Opus-Modelle aus Pro-Plänen entfernt werden. Diese Änderungen reagieren auf gestiegene Rechenanforderungen durch agentische Workflows.

Entkoppeltes DiLoCo: Robuster verteilter Training über Rechenzentren mit geringer Bandbreite
Google DeepMinds Decoupled DiLoCo trainiert große Sprachmodelle über entfernte Rechenzentren hinweg mittels 2-5 Gbps WAN, mit selbstheilenden Recheninseln, die Hardwareausfälle isolieren, ohne die ML-Leistung zu beeinträchtigen.

KI-Tools können zu homogenisierten Ergebnissen in kreativer und entwicklungsbezogener Arbeit führen.
Ein Reddit-Nutzer berichtet, dass mehrere Teams, die KI-Tools wie ChatGPT, Co-Pilot und Claude für Strategie-Roadmaps und Softwareentwicklung nutzen, ähnliche Ergebnisse mit identischen Buzzword-Mustern und Designstrukturen produzieren.

Meta veröffentlicht BOxCrete KI-Modell für Betonmischungsentwurf
Meta hat Bayesian Optimization for Concrete (BOxCrete) veröffentlicht, ein Open-Source-KI-Modell zur Gestaltung nachhaltiger Betonmischungen unter Verwendung von in den USA produzierten Materialien. Das Modell verbessert frühere Versionen durch bessere Robustheit gegenüber Störungen und verbesserte Vorhersagefähigkeiten für das Setzmaß.