SpyShop Europe Research · Untersuchung 2026

Stadtüberwachungsindex 2026

Häufig ausgebaut und selten überprüft – wir quantifizieren den realen Zusammenhang zwischen der Zunahme von Überwachungskameras, Kriminalitätstrends und dem Vertrauen der Öffentlichkeit in 100 Städten.

Über diese Studie

Die Kosten des Überwachungs-Kompromisses im Jahr 2026

Bei SpyShop Europe sind wir seit fast zwei Jahrzehnten eng mit der Überwachungs- und Gegenüberwachungsbranche verbunden. In dieser Zeit haben wir beobachtet, wie Regierungen Hunderte Millionen Kameras in europäischen Hauptstädten, Verkehrsknotenpunkten und auf öffentlichen Plätzen installiert haben. Der Ausbau wurde den Bürgern als fairer Kompromiss verkauft: ein gewisser Verlust an Privatsphäre im Austausch für einen messbaren Gewinn an Sicherheit. Jahrelang wurde dieser Kompromiss weithin akzeptiert, und es wurden immer mehr Kameras installiert.

Aber ist die versprochene Sicherheit tatsächlich eingetreten? Und hat das Vertrauen der Öffentlichkeit in den Umgang des Staates mit den Daten seiner Bürger mit der Geschwindigkeit Schritt gehalten, mit der die Kameras diese Daten gesammelt haben? Das sind die beiden Fragen, die dieser Datensatz beantworten soll, und zwar für jede einzelne Gerichtsbarkeit.

Zur Durchführung der Studie haben wir drei Indikatoren über denselben Referenzzeitraum verfolgt. Bei den Kameras verglichen wir die Marktprognosen der Branche zum nationalen CCTV-Bestand im Jahr 2015 mit den Daten des letzten verfügbaren Jahres, die von Comparitech 2025, IHS Markit / Omdia, BSIA für das Vereinigte Königreich und nationalen Sicherheitsverbänden in anderen Ländern stammen. Für die Kriminalität verwendeten wir die Zahlen des letzten Jahres für die Gesamtzahl der polizeilich registrierten Straftaten im Vergleich zur Zahl von 2015, die von nationalen Statistikämtern oder, für die Europäische Union, von Eurostat stammen. Für das Vertrauen verwendeten wir die relative Veränderung des Anteils der Bürger, die angaben, dass sie sich keine Sorgen darüber machen, wie der Staat mit ihren personenbezogenen Daten umgeht, entnommen aus Pew Research für die Vereinigten Staaten und den englischsprachigen Ländern, dem Special Eurobarometer 487a und 551 für die EU sowie dem Edelman Trust Barometer für den Rest der befragten Welt.

Die Qualität der polizeilichen Erfassung variiert von Land zu Land, und dort, wo die Veränderung der Erfassungspraxis selbst einen bedeutenden Anteil an dem offensichtlichen Kriminalitätstrend ausmacht (wie dies in England und Wales der Fall ist, wo die HMICFRS eine Zunahme der Einhaltung der Vorschriften von 80,5 % auf 94,8 % im Betrachtungszeitraum feststellte), weisen wir direkt auf diesen Vorbehalt hin. Für Länder, deren Datenreihen zu Kriminalität und Vertrauen von staatlich kontrollierten Stellen ohne unabhängige statistische Aufsicht erstellt werden (Russland, China, weite Teile der Golfregion und Teile Subsahara-Afrikas), veröffentlichen wir die Kameradaten, kennzeichnen jedoch die Zellen zu Kriminalität und Vertrauen als nicht unabhängig überprüfbar. Unten können Sie beliebige zwei Städte nebeneinander vergleichen oder den vollständigen Datensatz mit 100 Städten nach einer beliebigen Spalte sortieren.

Anleitung für Journalisten

So nutzen Sie diesen Datensatz.

Ein kurzer Leitfaden dazu, was die Daten belegen, was nicht und wie jede Zahl in diesem Bericht zuzuordnen ist.

„Die folgenden Tabellen dokumentieren die Dichte staatlich betriebener CCTV-Kameras in 100 Städten sowie Indikatoren zur Entwicklung der registrierten Kriminalität und des öffentlichen Vertrauens im Referenzzeitraum (2015 bis zum aktuellsten verfügbaren Jahr, in der Regel 2024 oder 2024/25). Alle im Text zitierten Zahlen sind die von der ursprünglichen Quelle veröffentlichten Werte. Richtungscodes und Umfangsangaben folgen der in § 3.5 der Methodik definierten Taxonomie.“

Vergleichen Sie zwei Städte

Wählen Sie zwei beliebige Städte aus und betrachten Sie deren Indikatoren nebeneinander.

London versus Tokio. Stockholm versus Singapur. Berlin versus Peking.
Der Datensatz lässt sich anders interpretieren, wenn zwei Gerichtsbarkeiten nebeneinander liegen.

Alle 100 Städte sind in den Auswahlfeldern verfügbar. Das Panel verwendet dieselbe differenzierte Heatmap wie die vollständige Tabelle unten, sodass der visuelle Kontrast zwischen zwei beliebigen Zeilen in beiden Ansichten identisch ist.

vs
London
Vereinigtes Königreich · Europa
Washington D.C.
Vereinigte Staaten · Amerika
Der Datensatz

Der Datensatz für 100 Städte mit Veränderungen seit 2015.

Zehn Spalten. Alle sortierbar. Als Heatmap dargestellt.
Jeder Wert lässt sich auf eine genannte öffentliche Quelle zurückführen, jede Bewegungsrichtung wird aus Endpunktzahlen berechnet, die Sie überprüfen können, und jede Zelle ist so aufgebaut, dass sie zeilenweise zitiert werden kann.

Klicken Sie auf eine beliebige Überschrift, um zu sortieren. Alle drei Deltas seit 2015 sind prozentuale Veränderungen gegenüber 2015: Kameras aus Schätzungen der Branche (Comparitech, IHS Markit, BSIA, nationale Verbände); Kriminalität von nationalen Statistikämtern oder Eurostat; Vertrauen von Pew (USA, Anglosphäre), Eurobarometer Spezial 487a und 551 (EU), Edelman Trust Barometer (Rest der Welt). Die Hintergrundfarbe kodiert sowohl Richtung als auch Ausmaß auf einer divergierenden Skala, die über alle drei Spalten hinweg vergleichbar ist.

Seit 2015
# Stadt Land Region Kameras / 1.000 Einwohner Kameras / km² Kameras Kriminalität Vertrauen Datenschutzrecht

Wie die Veränderungen seit 2015 berechnet werden.

Kameras.
Nationale Bestandsschätzung für 2025 geteilt durch die nationale Bestandsschätzung für 2015, minus 1. Quelle: Branchenmarktberichte (IHS Markit / Omdia, Comparitech 2025, BSIA für das Vereinigte Königreich, nationale Verbände der Sicherheitsbranche in anderen Ländern). Überschreibung durch Schätzungen auf Stadtebene, sofern vorhanden: London, Stockholm, Paris, Moskau, die vier chinesischen Megastädte, Dubai, Riad, Hyderabad, Seoul.

Kriminalität.
Gesamtzahl der von der Polizei registrierten Straftaten im letzten Jahr geteilt durch den Wert von 2015, abzüglich 1. Quelle: nationale Statistikämter oder Eurostat crim_off_cat. Städte werden vorrangig berücksichtigt, wenn die Datenreihe für die Stadt zuverlässig ist: London (MOPAC), Berlin (PKS), Stockholm (BRÅ), Paris (SSMSI), Tokio (NPA), Singapur (SPF), Washington DC (MPD), New York (NYPD), LA, Chicago.

Vertrauen.
Relative Veränderung des Anteils der Bürger, die keine Bedenken hinsichtlich des Umgangs des Staates mit Daten äußern. Pew Research für USA / Großbritannien / Kanada / Australien / Neuseeland. Eurobarometer Spezial 487a (2019) vs. 551 (2024) / 553 (2025) für die EU. Edelman Trust Barometer für den Rest der befragten Welt.

Zellen, die n/a sind Länder ohne vergleichbare Zeitreihen, überwiegend staatlich kontrollierte Kriminalitätsstatistiken (Russland, China, große Teile der Golfstaaten und Subsahara-Afrika), bei denen die veröffentlichten Zahlen nicht unabhängig überprüft werden können.

Vertrauen.
Schätzungen auf Länderebene weisen eine Unsicherheit von ±20 % auf; Abweichungen auf Stadtebene sind geringer (typischerweise ±5 bis 10 %). Ersetzen Sie die camsD / crimeD / trustD Felder im cities Array durch Werte aus dem Projekt-Datensatz, um eine Zeile zu präzisieren.

Auslesen der Zellen.
Die Hintergrundfarbe kodiert sowohl Richtung als auch Ausmaß auf einer divergierenden Skala: Gelb für positive Veränderung (zunehmend bei +50 %, +150 %, +300 %), Rot für negative Veränderung (zunehmend bei -15 %, -30 %), Neutral für n/a. Die gleiche Skala gilt für alle drei Spalten „Seit 2015“, sodass die Zellen direkt vergleichbar bleiben.

Wenn die Kamera falsch liegt

Der Ausbau ist institutionell. Die Kosten sind persönlich.

Dokumentierte Fälle von Fehlidentifizierungen durch Gesichtserkennung, biometrischer Übergriffigkeit und Durchsetzungsmaßnahmen der DSGVO, entnommen aus Gerichtsakten und namentlich genannten Presseberichten.

Wenn Systeme, die auf unvollständigen Daten trainiert wurden, Entscheidungen über echte Menschen treffen, verteilen sich die Fehler nicht gleichmäßig. Die folgenden Fälle sind diejenigen, die in die öffentlichen Aufzeichnungen gelangten.
Fehlerhafte Identifizierung · Vereinigte Staaten
Robert Williams
Detroit, Januar 2020
Zu Unrecht vor den Augen seiner Familie festgenommen und dreißig Stunden lang in Gewahrsam gehalten, nachdem ein Gesichtserkennungssystem ein unscharfes Standbild aus einer Überwachungskamera mit seinem Führerscheinfoto abgeglichen hatte. Die erste öffentlich dokumentierte unrechtmäßige Festnahme in den Vereinigten Staaten, die durch einen Fehler der Gesichtserkennung verursacht wurde. Der Fall wurde 2024 von der Stadt Detroit mit einer Zahlung von 300.000 US-Dollar und verbindlichen Auflagen darüber, wie die Polizei von Detroit die Technologie bei künftigen Ermittlungen einsetzen darf, beigelegt.
Quelle: Vergleich zwischen der ACLU und der Stadt Detroit, 2024
Fehlerhafte Identifizierung · Vereinigte Staaten
Porcha Woodruff
Detroit, Februar 2023
Sie war im achten Monat schwanger, als sie vor den Augen ihrer beiden Töchter festgenommen und elf Stunden lang festgehalten wurde, beschuldigt eines Autoraubs. Sie war von demselben Gesichtserkennungssystem identifiziert worden, das drei Jahre zuvor Williams falsch identifiziert hatte. Der Fall veranlasste die US-amerikanische Federal Trade Commission zu einer Untersuchung darüber, wie Polizeibehörden Übereinstimmungen bei der Gesichtserkennung überprüfen, bevor sie Festnahmen vornehmen.
Quelle: New York Times, August 2023; FTC-Untersuchungsakte 2024
Durchsetzung der DSGVO · Schweden
Gemeinde Skellefteå
20.000 € Geldbuße, August 2019
Eine Schule in Skellefteå führte im Rahmen eines Pilotprojekts Gesichtserkennung ein, um die Anwesenheit der Schüler zu erfassen. Die schwedische Datenschutzbehörde entschied, dass die von den Eltern eingeholte Einwilligung ungültig sei, da das Machtgefälle zwischen Schule und Schüler dazu führe, dass die Einwilligung nicht frei gegeben werden könne. Dies war die erste DSGVO-Geldstrafe in Schweden und ein Präzedenzfall, der mittlerweile in europäischen Fällen im Bildungs- und Arbeitsbereich häufig zitiert wird.
Quelle: Entscheidung der Datainspektionen, 21. August 2019
Durchsetzung der DSGVO · Italien
Clearview AI
Geldbuße in Höhe von 20.000.000 €, März 2022
Die italienische Datenschutzbehörde verhängte gegen Clearview AI eine Geldstrafe in Höhe von 20 Millionen Euro wegen des unrechtmäßigen Sammelns und Indexierens von Fotos von Personen in Italien von öffentlichen Websites und sozialen Medien, um eine Gesichtserkennungsdatenbank zu füllen, die an Strafverfolgungsbehörden und private Kunden verkauft wurde. Clearview wurde angewiesen, alle Daten von in Italien ansässigen Personen zu löschen, und es wurde ihr die weitere Verarbeitung untersagt. Vergleichbare Urteile folgten von Behörden in Frankreich, dem Vereinigten Königreich und Griechenland.
Quelle: Garante per la protezione dei dati personali, 9. März 2022
Biometrischer Übergriff · Vereinigtes Königreich
Ed Bridges
Cardiff, Berufungsgericht 2020
Bridges, ein Bürgerrechtler, reichte die weltweit erste erfolgreiche Klage gegen den Einsatz von Live-Gesichtserkennung durch die Polizei ein. Die Polizei von Südwales hatte sein Gesicht zweimal gescannt, einmal in der Innenstadt und einmal bei einer friedlichen Demonstration. Das Berufungsgericht befand den Einsatz in drei Punkten für rechtswidrig, darunter die unterlassene Sorgfaltspflicht hinsichtlich der Voreingenommenheit des Systems. Die britischen Polizeibehörden überarbeiteten ihre Richtlinien; an anderen Orten wird der Einsatz fortgesetzt.
Quelle: Bridges gegen South Wales Police, EWCA Civ 1058 (2020)
Überwachung am Arbeitsplatz · Spanien
López Ribalda gegen Spanien
Europäischer Gerichtshof für Menschenrechte, 2019
Ein Supermarkt in Katalonien installierte versteckte Kameras, um Mitarbeiter zu identifizieren, die des Diebstahls verdächtigt wurden. Fünf Kassierer wurden auf der Grundlage der Aufzeichnungen entlassen. Der Europäische Gerichtshof für Menschenrechte entschied 2019, dass die verdeckte Überwachung unter den gegebenen Umständen nicht gegen Artikel 8 der Europäischen Menschenrechtskonvention verstieß. Das Urteil ist nun die maßgebliche Rechtsquelle für die verdeckte Überwachung am Arbeitsplatz durch Arbeitgeber in den 46 Mitgliedstaaten des Europarats und wird in der aktuellen Rechtsprechung zum EU-KI-Gesetz angefochten.
Quelle: Große Kammer des EGMR, López Ribalda u. a. gegen Spanien, Oktober 2019
Was diese Fälle gemeinsam haben
Jeder Fall begann mit dem Einsatz einer Technologie, die auf den ersten Blick einen legitimen Zweck hatte. Der Schaden trat an dem Punkt auf, an dem das System auf einen realen Menschen traf, den es kategorisierte, identifizierte oder aufzeichnete. Der rechtliche Rahmen holte erst nach, nachdem der Schaden öffentlich geworden war. Es gibt kein zentrales Register von Fällen, in denen dies nicht geschah.
Ausnahme China

China: Ein Hinweis dazu, was der Index erfasst

Chinesische Städte liegen im Ranking der 100 Städte im Mittelfeld. Ob dies das Ausmaß des staatlichen Zugriffs auf Kamerabilder in China zutreffend widerspiegelt , hängt davon ab, wie „staatlich zugänglich“ definiert wird.

Gesamtzahl der CCTV-Kameras, China
~700 Millionen
Schätzungen reichen von 540 Millionen (Prognose von IHS Markit für 2021) bis zu über 700 Millionen (Comparitech, verschiedene Regierungsquellen). In China befindet sich mehr als die Hälfte aller Überwachungskameras weltweit.

Quellen: IHS Markit, Comparitech, Associated Press

Verhältnis von Kameras zu Einwohnern
1 : 2
Etwa eine Kamera pro zwei Personen. Der nationale Durchschnitt liegt bei ~494 Kameras pro 1.000 Einwohner, was etwa dem 37-fachen der Dichte in London entspricht.
Reisebeschränkungen (2018)
23 Millionen
Versuche, Flugtickets (17,5 Mio.) und Hochgeschwindigkeitsbahnfahrkarten (5,5 Mio.) zu kaufen, wurden 2018 aufgrund gerichtlich angeordneter Blacklists für säumige Schuldner blockiert, laut dem Nationalen öffentlichen Kreditinformationszentrum Chinas.

Quelle: AP / Bericht des National Public Credit Information Center 2019

Gesichtserkennungsfähigkeit
Über 200 Millionen KI-Kameras
Mindestens 200 Millionen Kameras sind mit KI-gestützter Gesichtserkennung ausgestattet und in der Lage, Personen innerhalb von Sekunden in stadtweiten Netzwerken zu identifizieren.

Sozialkreditsystem: Struktur

In populären Darstellungen des chinesischen Sozialkreditsystems wird oft von einer einheitlichen nationalen Punktzahl gesprochen, bei der jeder Bürger mit 1.000 Punkten startet, Belohnungen für gutes Verhalten erhält und bei schlechtem Verhalten Punkte verliert, wobei „D-Ratings“ und „AAA-Ratings“ mit realen Privilegien verbunden sind. Forschungsinstitute wie MERICS, die MIT Technology Review und das Freeman Spogli Institute der Stanford University beschreiben die tatsächliche Funktionsweise jedoch anders: Es gibt keine einheitliche nationale Punktzahl.

Das System, wie es derzeit funktioniert, besteht aus drei unterschiedlichen Komponenten: Compliance-Bewertungen für Unternehmen (die größte und am weitesten entwickelte Komponente, die auf Unternehmen angewendet wird), gerichtlich angeordnete schwarze Listen für säumige Schuldner (die landesweit durchgesetzt werden und zu den vielfach berichteten Reiseverboten führen) sowie regionale Pilotprogramme in rund 40 Städten. Das 1.000-Punkte-Bewertungsmodell mit den Noten A bis D stammt aus einem dieser Pilotprojekte, nämlich aus Rongcheng, einer Stadt mit 740.000 Einwohnern in der Provinz Shandong, und wurde nicht auf Provinz- oder nationaler Ebene ausgeweitet.

Die landesweit durchgesetzte schwarze Liste für säumige Schuldner führt zu den messbarsten Ergebnissen: Im Jahr 2018 wurden laut Chinas Nationalem Zentrum für öffentliche Kreditinformationen rund 23 Millionen Versuche, Tickets zu kaufen, blockiert. Branchenspezifische schwarze Listen schränken den Zugang zu Arbeitsplätzen, Krediten und staatlichen Dienstleistungen ein. Die zugrunde liegende Infrastruktur aus Kameras, KI-Analysen und obligatorischen Zahlungssystemen mit Realnamenspflicht funktioniert unabhängig davon, ob eine einzelne numerische Punktzahl vorliegt.

Strafen Folgen einer Aufnahme in die schwarze Liste
23 Mio.
Versuche, Tickets zu kaufen, wurden allein im Jahr 2018 blockiert – die bislang messbarste reale Auswirkung des Systems.
  • Reisebeschränkungen Sperrung für Flug- und Hochgeschwindigkeitszugtickets (gerichtlich angeordnet)
    National
  • Beschränkungen bei der Beschäftigung Ausschluss von Stellen im öffentlichen Dienst und in staatlichen Unternehmen
    National
  • Wohnungswesen und Kredite Eingeschränkter Zugang zu Hypotheken und bestimmten Finanzprodukten
    Sektor
  • Öffentliche Nennung Identitäten auf offiziellen Blacklist-Websites veröffentlicht
    National
  • Schulbildung von Kindern In einigen Pilotgebieten kein Zugang zu Privatschulen
    Pilotstädte
  • Langsamere Dienstleistungen Reduzierte Internetgeschwindigkeiten und langsamere Bearbeitung in Behörden
    Pilotstädte
Belohnungen Vergünstigungen in Pilotprogrammen
~40
Städte führen verschiedene Pilotprämienprogramme durch, die an lokale Vorschriften gebunden sind und nicht auf einem einheitlichen nationalen Punktesystem basieren.
  • Rabatte bei Versorgungsleistungen Reduzierte Rechnungen für Teilnehmer mit hoher Punktzahl in Rongcheng und ähnlichen Pilotprojekten
    Pilotstädte
  • Kreditbedingungen Vorzugskonditionen von Banken im Rahmen der teilnehmenden Programme
    Sektor
  • Schnelldienstleistungen Beschleunigte Bearbeitung bei Behörden
    Pilotstädte
  • Öffentliche Anerkennung : Status als „Vorzeigebürger“ wird lokal veröffentlicht
    Pilotstädte
  • Kautionbefreiung Vorteile bei Fahrradverleih-, Bibliotheks- und Mietprogrammen
    Pilotstädte

Quellen: Stanford Freeman Spogli Institute (Meritown SCS-Studie, 2024), MERICS, MIT Technology Review, Brussee (2023). Die Bereichs-Tags geben an, ob eine Auswirkung nach nationalem Recht, nach Sektoren (Banken, Gerichte, Arbeitgeber) oder nur in den ~40 Pilotstadtprogrammen gilt.

Die Überwachungsinfrastruktur

Chinas Kameranetzwerk funktioniert über drei integrierte Programme:

Programm 01 · Urban
天网SkyNet, stadtweite Überwachung
Das primäre städtische Überwachungsnetzwerk, das von den chinesischen Staatsmedien als „das größte Videoüberwachungssystem der Welt“ bezeichnet wird. SkyNet deckt Straßen, Verkehrsknotenpunkte und öffentliche Räume in Großstädten ab und bildet die Grundlage, auf der Gesichtserkennung und andere KI-Analysen laufen.
Programm 02 · Ländlich
雪亮工程Sharp Eyes, Abdeckung von Wohngebieten und ländlichen Gebieten
Erweitert die Überwachung auf Dörfer, Wohnsiedlungen und ländliche Gebiete, die vom städtischen Schwerpunkt von SkyNet nicht abgedeckt werden. Das Besondere an „Sharp Eyes“ ist, dass es die Bürger dazu ermutigt, die Kamerabilder von zu Hause aus über mobile Apps und TV-Set-Top-Boxen zu verfolgen, wodurch aus alltäglichen Zuschauern eine zusätzliche Überwachungsebene wird.
Programm 03 · Datenfusion
Integration von Blacklists, Zusammenführung von Video-, Finanz- und Regulierungsdaten
Kameraaufnahmen werden mit Gerichtsurteilen, Finanzdaten (über die obligatorischen Zahlungsdienste Alipay und WeChat Pay) und Daten von Aufsichtsbehörden kombiniert, um nationale und regionale Blacklist-Datenbanken zu füllen. Diese Blacklists – und nicht eine einzelne Punktzahl – sind es, die die tatsächlichen Sanktionen auslösen: Flug- und Bahnfahrverbote, abgelehnte Kreditanträge und eingeschränkter Zugang zu staatlichen Dienstleistungen.

Variablen, Einheiten und Quellklassen.

Jeder Datensatz im 100-Städte-Index dokumentiert die folgenden zehn Variablen.
Die Variablennamen entsprechen den vom JavaScript-Renderer verwendeten JSON-Feldern.

Variable Einheit / Typ Definition Quellklasse
Stadt, Land, Region Text Standard-Ortskennungen. Die Gruppierung der Regionen erfolgt gemäß UN M.49. n/a
cams1k Kameras/1.000 Einwohner Von der Regierung betriebene oder der Regierung zugängliche CCTV-Kameras pro 1.000 Einwohner, gemäß der Definition in den Quellstudien (Methodik von Comparitech / NeoMam / Surfshark). Ausgenommen sind rein private kommerzielle Kameras und Haussicherheitssysteme. Industrie / NGO
camskm Kameras/km² Gleiche Kameranzahl geteilt durch die Stadtfläche. Nützlich beim Vergleich von dicht besiedelten Städten (z. B. Seoul, Peking) mit weitläufigen Städten (z. B. Sydney, Los Angeles). Industrie / NGO
camsD Prozentuale Veränderung gegenüber 2015 Prozentuale Veränderung des Bestands an staatlich betriebenen CCTV-Kameras zwischen 2015 und dem letzten verfügbaren Jahr (in der Regel 2024 oder 2024/25). Schätzung auf Länderebene, wobei Daten auf Stadtebene Vorrang haben, sofern verlässliche Daten vorliegen. Industrie / NGO
crimeD Prozentuale Veränderung gegenüber 2015 Prozentuale Veränderung der Gesamtzahl der von der Polizei registrierten Straftaten im gleichen Referenzzeitraum. Null, wenn keine vergleichbare Zeitreihe vorliegt (staatlich kontrollierte Gerichtsbarkeiten). Auswahlregeln in § 3.3. Nationale Statistiken
VertrauenD Veränderung in % gegenüber 2015 Relative Veränderung des Anteils der Bürger, die angeben, dass sie sich keine Sorgen über den Umgang des Staates mit Daten machen. Pew (USA, anglophone Länder), Eurobarometer-Sonderumfrage 487a und 551 (EU), Edelman Trust Barometer (Rest der Welt). Auswahlkriterien in § 3.4. Umfrageinstitute
DSGVO text Geltende nationale oder subnationale Datenschutzregelungen, Stand 1. Quartal 2026. Regulatorisch

Wie die 100 Städte ausgewählt wurden, wie die einzelnen Variablen gebildet wurden und welche Einschränkungen bestehen.

In den Abschnitten 3.1 bis 3.8 unten werden alle Konstruktionsregeln, Konventionen zur Indikatorauswahl und bekannten Einschränkungen dieses Datensatzes definiert. So konzipiert, dass ein Faktenprüfer jede Zelle auf der Seite überprüfen kann.

3.1 Stichprobenrahmen

Die 100 Städte stammen aus dem globalen CCTV-Index von Comparitech / NeoMam (Aktualisierung 2025), der Städte nach der Dichte staatlich betriebener Kameras pro 1.000 Einwohner ordnet. Wir haben keine erneute Stichprobenziehung vorgenommen; die Rangfolge stammt von ihnen. Der Rahmen begünstigt Städte, für die eine glaubwürdige Zählung möglich ist, was bedeutet, dass Gebiete ohne öffentliche CCTV-Statistiken, Teile Zentralasiens, Subsahara-Afrika und die kleineren Pazifikstaaten unterrepräsentiert sind. Abdeckung nach Region: Asien 31, Europa 33, Amerika 19, Naher Osten 9, Afrika 11, Ozeanien 2.

3.2 Definitionen der Kamerazahlen

Die Kamerazahlen stammen aus Branchenberichten von Comparitech 2025 und IHS Markit / Omdia und wurden mit nationalen Verbänden der Sicherheitsbranche abgeglichen (BSIA für Großbritannien, SSAIB, ESS Industry Group für Deutschland).

Eingeschlossen sind: Kameras, die von staatlichen Behörden betrieben werden oder diesen routinemäßig zugänglich sind, typischerweise Stadtpolizei, Verkehrspolizei, Bundespolizei sowie integrierte „Safe City“-Plattformen mit formellen Vereinbarungen zum Datenaustausch.

Nicht in der Gesamtzahl enthalten: Türklingelkameras in Wohngebäuden, private gewerbliche Videoüberwachungsanlagen ohne Vereinbarung über den Zugriff durch die Polizei sowie Haussicherheitssysteme.

Für chinesische Städte wird die Definition der Quellstudie verwendet, die nur offiziell klassifizierte staatliche Kameras zählt. Die tatsächliche Verbreitung in chinesischen Städten ist wesentlich höher; die Einbeziehung privater und auf Anfrage zugänglicher Kameras würde Chinas größte Städte an die Spitze des Index bringen. Wir veröffentlichen die niedrigere, engere Zahl, weil (a) es sich um die Zahl handelt, auf die sich die Quellstudien einigen, und (b) sie die Vergleichbarkeit mit nicht-chinesischen Zeilen gewährleistet. Ein separater methodischer Hinweis im Hauptbericht erörtert die höhere Schätzung.

3.3 Auswahl der Kriminalitätsindikatoren

Für jedes Land verwendet der Kriminalitätsindex die öffentlich zugängliche Kriminalitätsreihe mit der höchsten Abdeckung, die vom nationalen Statistikamt oder der Polizei bereitgestellt wird:

Vorbehalt zur Erfassungsquote.
Die von der Polizei erfassten Straftaten werden durch Meldequoten und Änderungen in der Erfassungspraxis beeinflusst. Die HMICFRS hat in unabhängigen Bewertungen festgestellt, dass die Einhaltung der Erfassungsstandards durch die britische Polizei von 80,5 % im Jahr 2014 auf 94,8 % in jüngsten Berichten gestiegen ist; wir weisen bei jeder Analyse einzelner Rechtsordnungen auf diesen Vorbehalt hin. Opferbefragungsreihen (CSEW, Eurostat-Ad-hoc-Module) zeichnen oft ein anderes und positiveres Bild bei Eigentumsdelikten; wir betrachten die Abweichung zwischen den beiden als einen zu beleuchtenden Befund, nicht als einen Fehler, der unterdrückt werden sollte.

3.4 Auswahl der Vertrauensindikatoren

Die beiden wichtigsten Erhebungsreihen zur öffentlichen Besorgnis über den Umgang des Staates mit Daten sind:

Länderaufschlüsselungen sind in beiden Umfragen verfügbar, sofern die Stichprobengröße dies zulässt; wir verwenden nationale Werte, sofern vorhanden, andernfalls die EU- oder regionalen Aggregate, gekennzeichnet mit reg. Für nicht-demokratische Rechtsordnungen, in denen staatlich kontrollierte Umfragedaten keiner unabhängigen Aufsicht unterliegen, ist die Zelle mit ? gekennzeichnet und es wird keine Richtung veröffentlicht. Verwendete ergänzende regionale Reihen: Edelman Trust Barometer (28 Märkte, jährlich), Latinobarómetro (Lateinamerika), Afrobarometer (ausgewählte afrikanische Staaten).

3.5 Taxonomie des Geltungsbereichs

Jede Delta-Zelle trägt ein Geltungsbereichs-Symbol, das die geografische Ebene kennzeichnet, auf der die zugrunde liegende Reihe verfügbar ist:

3.6 Einschränkungen und bekannte Verzerrungen

3.7 Reproduzierbarkeit und Aktualisierungen

Datensatzversion 2026.1. Das Städte-Array, die Länderstandards und die Stadt-Überschreibungen sind im Quell-HTML dieses Berichts enthalten und können zur Überprüfung direkt extrahiert werden. Jährlich werden Neuberechnungen anhand neuerer Quellveröffentlichungen durchgeführt. Korrekturen zu bestimmten Zellen sind willkommen über [email protected] und werden in den versionierten Änderungsprotokollen berücksichtigt, die zusammen mit nachfolgenden Veröffentlichungen veröffentlicht werden.

Vorgeschlagene Zitierweise SpyShop Europe Research (2026). 2026 City Surveillance Index, Kameras, Kriminalität und öffentliches Vertrauen in 100 Städten. Datensatz v. 2026.1. Bezugszeitraum 2015–2024/25. Verfügbar unter spyshop.eu/research.

Namentlich genannte Quellen, geordnet nach Datenachsen.

Jede Zahl lässt sich auf einen der unten aufgeführten Herausgeber zurückführen.
URLs verweisen auf die Primärveröffentlichung. Ersetzen Sie jede Zahl durch Werte aus dem Projekt-Datensatz und die Zitierkette ist bereits vorhanden.

Kameradichte (cams1k, camskm)
  • Comparitech, Die am stärksten überwachten Städte der Welt, Aktualisierung 2025. comparitech.com
  • NeoMam Studios, globale Studien zum CCTV-Städte-Ranking, Veröffentlichungen 2024–2025.
  • IHS Markit / Omdia, Video Surveillance Intelligence Service, jährliche Markt- und Installationsbestandsberichte.
  • Surfshark, Surveillance State Report 2024. surfshark.com
  • British Security Industry Association (BSIA), Schätzungen zum nationalen CCTV-Bestand im Vereinigten Königreich, 2011 / 2020 / aktuell.
  • Grand View Research, Bericht zur Marktgröße der Videoüberwachung, Prognose von 148 Mrd. USD bis 2030.
  • Mordor Intelligence, regionale Marktberichte zur Videoüberwachung.
Registrierte Straftaten (crimeΔ)
  • Eurostat, Datenbank zu Kriminalität und Strafjustiz, Online-Code crim_off_cat. ec.europa.eu/eurostat/web/crime
  • Großbritannien, MOPAC, Mayor's Office for Policing and Crime, Veröffentlichungen zu registrierten Straftaten in London.
  • Großbritannien, HMICFRS, Her Majesty's Inspectorate of Constabulary, Bewertungen der Erfassungsqualität. hmicfrs.justiceinspectorates.gov.uk
  • Großbritannien, ONS, Crime Survey for England and Wales (CSEW), Opferbefragungsreihe.
  • Deutschland, BKA, Bundeskriminalamt, Polizeiliche Kriminalstatistik (PKS) 2024. bka.de
  • Deutschland, Polizei Berlin, Kriminalitätslagebild Berlin 2024.
  • Frankreich, SSMSI, Service Statistique Ministériel de la Sécurité Intérieure, Interstats. interieur.gouv.fr/Interstats
  • Schweden, BRÅ, Brottsförebyggande rådet, offizielle Kriminalitätsstatistik. bra.se
  • USA, FBI, Uniform Crime Reporting (UCR) und NIBRS. fbi.gov/services/cjis/ucr
Öffentliches Vertrauen / Bedenken hinsichtlich des Datenschutzes (VertrauenΔ)
  • Pew Research Center, Reihe „Americans and Privacy“, Werte von 2019 und 2023. pewresearch.org
  • Sonder-Eurobarometer 487a, Die Datenschutz-Grundverordnung, 2019. europa.eu/eurobarometer
  • Eurobarometer Spezial 551, Das digitale Jahrzehnt, 2024. europa.eu/eurobarometer
  • Edelman Trust Barometer, jährlich, 28 Märkte. edelman.com
  • Latinobarómetro, Latin-America-Trust-Reihe.
  • Afrobarometer, ausgewählte afrikanische Staaten.
Wissenschaftliche Literatur
  • Piza, E. L., Welsh, B. C., Farrington, D. P., Thomas, A. L. (2019). „CCTV-Überwachung zur Kriminalprävention: Eine 40-jährige systematische Übersicht mit Metaanalyse.“ Criminology & Public Policy, 18(1), 135–159., die in diesem Bericht mehrfach zitierte Metaanalyse zum 13-Prozent-Effekt.
  • Welsh, B. C. & Farrington, D. P. (2009). Making Public Places Safer: Surveillance and Crime Prevention. Oxford University Press., Vorgänger-Metaanalyse.
Rechtliche Rahmenbedingungen (Spalte DSGVO)
  • DSGVO (EU), Verordnung (EU) 2016/679. gdpr.eu
  • UK GDPR / DPA 2018, Information Commissioner's Office. ico.org.uk
  • CCPA / CPRA (Kalifornien), California Office of the Attorney General. oag.ca.gov
  • PIPL (China), Gesetz zum Schutz personenbezogener Daten der Volksrepublik China.
  • DPDP-Gesetz 2023 (Indien), Ministerium für Elektronik und Informationstechnologie.
  • APPI (Japan), Kommission für den Schutz personenbezogener Daten. ppc.go.jp
  • PDPA (Singapur), Kommission für den Schutz personenbezogener Daten. pdpc.gov.sg
  • Vollständige Liste der über 30 Rahmenwerke, auf die pro Stadtzeile verwiesen wird: siehe die Spalte „Datenschutzrecht“ im Hauptindex.