Am 14. Juli 2025 beaufsichtigte Angela Lipps vier Kinder in ihrem Heim im Carter County, Tennessee, als ein Team von U.S. Marshals vor ihrer Tür erschien. Sie wurde mit vorgehaltener Waffe festgenommen. Der Vorwurf: Bankbetrug in Fargo, North Dakota, einer Stadt, die sie nie besucht hatte, in einem Bundesstaat, in dem sie niemanden kannte. Die einzige Grundlage für den Haftbefehl war ein Treffer der GesichtserkennungAutomatisierte Identifizierung von Personen durch Analyse ihrer Gesichtsmerkmale in Bildern oder Videos mittels KI-Algorithmen. Ein Treffer gilt als Ermittlungshinweis, nicht als Beweis., der sich als falsch herausstellte.
Die Polizei von Fargo hatte eine Serie von Betrugsfällen aus April und Mai 2025 untersucht. Überwachungsaufnahmen zeigten eine Frau, die einen gefälschten US-Armeeausweis nutzte, um Tausende von Dollar von einer Bank in Fargo abzuheben. Die Ermittler schickten ein Standbild aus der Aufnahme an ein Unternehmen für Gesichtserkennung. Die Software lieferte einen Treffer: Angela Lipps, eine 50-jährige Großmutter von fünf Enkeln, die mehr als 1.900 Kilometer entfernt lebte.
Ein Ermittler aus Fargo verglich den Treffer mit Lipps’ Social-Media-Fotos und ihrem Führerschein aus Tennessee. In seinem Anklagedokument schrieb er, sie scheine aufgrund von „Gesichtszügen, Körperbau sowie Frisur und Haarfarbe” die Verdächtige zu sein. Niemand vom Polizeipräsidium Fargo rief Lipps jemals an, um ihr auch nur eine einzige Frage zu stellen, bevor ein Haftbefehl beantragt wurde.
Was folgte, waren 163 Tage im Gefängnis.
108 Tage ohne Stimme
Nach ihrer Verhaftung wurde Lipps in einem Gefängnis in Tennessee als Flüchtige aus North Dakota festgehalten. Eine Freilassung gegen Kaution wurde abgelehnt. Sie konnte die Anschuldigungen nicht anfechten, da sie in einer Zuständigkeit mehr als 1.500 Kilometer entfernt entstanden waren. 108 Tage lang saß sie in dieser Zelle, während die Polizisten aus Fargo keinerlei Anstrengungen unternahmen, sie abzuholen, zu befragen oder zu prüfen, ob der Gesichtserkennungstreffer korrekt war.
Am 30. Oktober brachten schließlich Beamte aus North Dakota Lipps nach Fargo. Am nächsten Tag hatte sie ihren ersten Gerichtstermin. Es war auch das erste Mal, dass jemand von den Strafverfolgungsbehörden mit ihr über den Fall sprach.
Fast zwei Monate später, am 19. Dezember, saß die Polizei von Fargo schließlich mit Lipps zu einem formellen Verhör zusammen. Zu diesem Zeitpunkt war sie bereits 158 Tage inhaftiert. Ihr Verteidiger Jay Greenwood hatte inzwischen ihre Kontoauszüge eingeholt. Diese bewiesen eindeutig, dass Lipps sich zum Zeitpunkt des Betrugs in Fargo in Tennessee aufhielt.
An Heiligabend wurden die Anklagen fallen gelassen.
Was sie verlor
Lipps wurde aus dem Gefängnis entlassen, ohne Geld und ohne Mantel, in einem North-Dakota-Dezember. Die Polizei von Fargo bot keinerlei Unterstützung für ihre Heimreise an. The F5 Project, eine gemeinnützige Organisation in Fargo, die Menschen hilft, die von Inhaftierung betroffen sind, sprang ein: Gründer Adam Martin fuhr Lipps bis nach Chicago, damit sie ihren Weg zurück nach Tennessee finden konnte. Ihre Verteidiger bezahlten ein Hotel.
Als Lipps schließlich nach Hause zurückkehrte, waren 163 Tage vergangen. Sie hatte ihr Haus verloren. Ihr Auto. Ihren Hund. Sie hatte die Feiertage mit ihren Enkelkindern verpasst. Eine GoFundMe-Spendenkampagne wurde gestartet, um bei den Kosten zu helfen.
Was die Polizei sagte
Polizeipräsident Dave Zibolski behauptete, die Ermittler hätten vor dem Haftbefehlsantrag „zusätzliche, von der KI unabhängige Ermittlungsschritte durchgeführt”, weigerte sich jedoch, diese zu spezifizieren, und verwies auf eine laufende Untersuchung. Verteidiger Greenwood äußerte sich unverblümt: „Er nutzt nur eine geschickt formulierte Ausdrucksweise, um zu sagen: ‘Ja, unsere Polizisten haben sich ihr Social-Media-Profil angeschaut, und das schien zu passen.'”
Die Anklage wurde „ohne PräjudizJuristischer Begriff für eine Verfahrenseinstellung, die es nicht ausschliesst, dieselben Anklagepunkte zu einem späteren Zeitpunkt erneut einzubringen und das Verfahren wieder aufzunehmen.” fallen gelassen, was bedeutet, dass sie theoretisch neu eingereicht werden könnte. Zibolski erklärte, Lipps sei „in unserer Untersuchung bisher nicht ausgeschlossen worden”. Stand März 2026 wurde keine Entschuldigung ausgesprochen.
Am 11. März 2026, demselben Tag, an dem die Geschichte öffentlich bekannt wurde, kündigte Zibolski seinen Rücktritt an. Der Fargo Board of City Commissioners hielt anschließend eine nicht öffentliche Sitzung ab, um über „vernünftigerweise vorhersehbare oder anhängige zivil- oder strafrechtliche Klagen im Zusammenhang mit Angela Lipps” zu beraten. Rechtsanwalt Eric Rice aus Saint Paul, Minnesota, prüft mögliche Verletzungen der Bürgerrechte im Namen von Lipps.
Gesichtserkennung und das Muster falscher Verhaftungen
Der Fall Lipps ist nicht das erste Mal, dass Gesichtserkennung der falschen Person Handschellen angelegt hat. Es ist mindestens der achte dokumentierte Fall in den Vereinigten Staaten.
Im Jahr 2020 wurde Robert Williams vor seinem Haus in Detroit, vor den Augen seiner Frau und Töchter, verhaftet, nachdem ein fehlerhafter Identifizierungsprozess ihn mit verschwommenem Überwachungsmaterial aus einem Ladendiebstahlfall in Verbindung gebracht hatte. Er verbrachte 30 Stunden in Haft. Im Jahr 2023 wurde Porcha Woodruff, im achten Monat schwanger, in Detroit aufgrund derselben Technologie wegen Carjackings verhaftet. Randal Quran Reid, ein Bewohner Georgias, der noch nie in Louisiana gewesen war, saß fast eine Woche lang in Haft, nachdem die Software von Clearview AI ihn mit einem Verbrechen in der Gemeinde Jefferson Parish in Verbindung gebracht hatte. Nijeer Parks verbrachte 2019 zehn Tage in einem Gefängnis in New Jersey.
Mindestens sieben der acht dokumentierten Fälle betreffen Schwarze Personen. Lipps’ Fall könnte der erste öffentlich bekannte Fall sein, der eine weiße Frau betrifft, was etwas darüber aussagt, wie lange die Fehler der Technologie in anderen Bevölkerungsgruppen unbemerkt blieben.
Die bekannten Schwächen der Technologie
Die Probleme mit der Gesichtserkennung im Strafverfolgungsbereich sind nicht neu. Im Dezember 2019 veröffentlichte das National Institute of Standards and Technology (Nationales Institut für Standards und Technologie) die bislang umfassendste Bewertung: 189 Algorithmen von 99 Entwicklern, getestet an 18,27 Millionen Bildern von 8,49 Millionen Personen. Die Ergebnisse waren eindeutig. Viele Algorithmen erzeugten bei Schwarzen oder ostasiatischen Gesichtern mit 10 bis 100-facher Wahrscheinlichkeit einen falschen Treffer im Vergleich zu weißen Gesichtern. Afroamerikanische Frauen wiesen die höchsten Fehlerquoten bei der Identifizierung auf. Bei amerikanischen Ureinwohnern wurden die höchsten Falsch-Positiv-Raten unter den in den USA entwickelten Systemen festgestellt.
NIST-Forscher Patrick Grother stellte fest, dass Algorithmen, die mit vielfältigeren Trainingsdaten entwickelt wurden, gerechtere Ergebnisse lieferten, und dass die genauesten Systeme auch dazu neigten, die fairsten zu sein. Das Problem: Polizeibehörden setzen nicht unbedingt die genauesten Systeme ein, und selbst genaue Systeme produzieren falsche Treffer, die eine menschliche Überprüfung erfordern, was genau der Schritt ist, der immer wieder versagt.
Jeder Anbieter von Gesichtserkennung und jede Leitlinie der Strafverfolgung sagt dasselbe: Ein Treffer ist ein Ermittlungshinweis, kein hinreichender TatverdachtRechtlicher Standard, der verlangt, dass die Polizei begründete tatsächliche Anhaltspunkte hat, dass eine bestimmte Person eine Straftat begangen hat, bevor eine Festnahme oder ein Haftbefehl erfolgt.. Er erfordert BestätigungÜbereinstimmung zwischen mehreren Quellen oder Zeugen. Die Annahme, dass wenn mehrere unabhängige Quellen etwas bestätigen, es wahrscheinlich wahr ist. Bestätigung ist jedoch unzuverlässig, wenn Quellen einen gemeinsamen Ursprung haben. durch weitere Beweise. Wie Manjeet Rege, Direktor des Center for Applied Artificial Intelligence (Zentrum für angewandte künstliche Intelligenz) der University of St. Thomas, gegenüber MPR News über den Fall Lipps sagte: „Da würde ein Mensch einschreiten und sagen: ‘Okay, schauen wir uns weitere Informationen an. War diese Person wirklich an diesem Ort?'”
Bei jeder dokumentierten Falschverhaftung wurde dieser Schritt übersprungen oder so oberflächlich durchgeführt, dass er praktisch nicht stattgefunden hatte. Jemandes Facebook-Fotos durchzuscrollen und zu entscheiden, dass sie ähnlich aussehen, ist keine Bestätigung. Das ist Bestätigungsfehler mit Dienstmarke.
Das strukturelle Problem
Mehr als 20 US-Gerichtsbarkeiten, darunter San Francisco, Boston und Pittsburgh, haben den Einsatz von Gesichtserkennung durch die Polizei verboten oder eingeschränkt. Diese Verbote existieren, weil das Versagensmuster vorhersehbar ist: Ein probabilistisches Werkzeug erzeugt einen Hinweis, Beamte behandeln ihn als Schlussfolgerung, und die Beweislast verlagert sich auf den Beschuldigten, der möglicherweise nicht die Mittel hat, seine Unschuld aus einer Gefängniszelle heraus zu beweisen.
Lipps war nur im engsten Sinne des Wortes glücklich. Sie fand schließlich Anwälte, die bereit waren, ihre Kontoauszüge einzuholen. Viele Angeklagte, insbesondere solche, die sich auf Pflichtverteidiger mit erdrückenden Fallzahlen verlassen müssen, wären vielleicht nicht so glimpflich davongekommen. Die Fehlerquote der Technologie ist ein Problem. Die institutionelle Bereitschaft, auf deren Ergebnisse ohne grundlegende Überprüfung zu reagieren, ist das größere.
Ein Telefonanruf hätte gereicht. Ein einziger Anruf bei Angela Lipps vor Beantragung des Haftbefehls hätte ergeben, dass sie in Tennessee lebte, keinen Bezug zu North Dakota hatte und nie einen gefälschten Militärausweis besessen hatte. Dieser Anruf wurde nie getätigt. Stattdessen verbrachte eine Großmutter 163 Tage im Gefängnis, verlor alles, was sie besaß, und wurde an Heiligabend entlassen, ohne dass ihr auch nur eine Heimfahrt angeboten wurde.
Was geschah
Angela Lipps, eine 50-jährige Großmutter von fünf Enkeln aus Tennessee, wurde am 14. Juli 2025 von U.S. Marshals mit vorgehaltener Waffe festgenommen. Die Polizei von Fargo, North Dakota, hatte Gesichtserkennungssoftware eingesetzt, um sie mit Überwachungsaufnahmen aus einem Bankbetrugfall in Verbindung zu bringen. Lipps war nie in North Dakota gewesen.
Sie verbrachte 163 Tage im Gefängnis. Niemand vom Polizeipräsidium Fargo nahm vor ihrer Verhaftung Kontakt mit ihr auf. Ihre Kontoauszüge, die bewiesen, dass sie sich zur Tatzeit in Tennessee befand, wurden erst überprüft, als ihr Verteidiger sie Monate später einholte. Die Anklagen wurden an Heiligabend 2025 fallen gelassen.
Was sie verlor
Als Lipps entlassen wurde, hatte sie ihr Zuhause, ihr Auto und ihren Hund verloren. Sie stand in Fargo ohne Geld und ohne Wintermantel da. Eine lokale gemeinnützige Organisation fuhr sie bis nach Chicago, damit sie den Weg zurück nach Tennessee finden konnte.
Das größere Muster
Dies ist mindestens der achte dokumentierte Fall einer Falschverhaftung in den Vereinigten Staaten auf der Grundlage von GesichtserkennungAutomatisierte Identifizierung von Personen durch Analyse ihrer Gesichtsmerkmale in Bildern oder Videos mittels KI-Algorithmen. Ein Treffer gilt als Ermittlungshinweis, nicht als Beweis.. Eine Studie des National Institute of Standards and Technology aus dem Jahr 2019 ergab, dass viele Gesichtserkennungsalgorithmen Schwarze oder ostasiatische Gesichter mit 10 bis 100-facher Wahrscheinlichkeit falsch identifizierten im Vergleich zu weißen Gesichtern. Jede wichtige Richtlinie besagt, dass ein Gesichtserkennungstreffer ein Hinweis ist, kein Beweis. Bei jeder dokumentierten Falschverhaftung behandelte die Polizei ihn trotzdem als Beweis.
Was als Nächstes passiert
Ein Anwalt prüft mögliche Verletzungen der Bürgerrechte. Die Stadtkommission von Fargo hat eine nicht öffentliche Sitzung über vorhersehbare Klagen abgehalten. Der Polizeichef, der den Fall beaufsichtigte, kündigte seinen Rücktritt an demselben Tag an, als die Geschichte öffentlich wurde. Mehr als 20 US-Städte haben den Einsatz von Gesichtserkennung durch die Polizei verboten. Fargo gehört nicht dazu.
