电子化和量刑问题
与中国社会科学院大学（UCASS）联合举办的中德刑事法会议

[Translate to Chinese:] Prof. Dr. Streng über den Einsatz von Big Data zur Strafzumessungsermittlung

量刑的数学化？

Streng教授在讲座中首先谈到了量刑问题。量刑由于地区、地域和法官的不同有很大程度的差异。不仅是一些判决有罪的人，而且也越来越多的普通公众也感觉到，这种差异违反了公正刑罚的要求。法官通过对比已经被判处的类似犯罪的刑罚量的方式，能化解在法定刑幅度中法官“量刑起点”（根据犯罪要素和犯罪人要素而生成的意见）上的不确定性的问题。德国司法实践中的所谓“刑罚率”（Straftaxen）就是这样产生的。过去的问卷调查表明，事实审法官通常会欣然接受既有的法官量刑幅度——特别是没有经验的法官和检察官。

随着现代信息处理技术的发展，最近甚至有人建议在量刑中实行数学运算来克服量刑随机性和个性化。在这种模式中，如何在因犯罪而异的法定刑幅度中确定起刑点，关键重要的是通过对民众的访谈而生成的锚定值。法官的任务便仅限于事实评价，即判断被纳入整体计算的具体量刑情节是否存在。在美国，也有类似的指引，即“量刑指南”。然而，这种“数学化模型”的批评者认为，一般社会公众的评价是否真的对裁判那么重要是有疑问的。目前在德国还看不出会搞一套类似于美国的量刑指南模式的趋势。而即使在美国，由于一些负面的经验，该模型的约束力现在也明显受到抑制。

[Translate to Chinese:] Prof. Wen sieht die regionalen Unterschiede in der Strafzumessung als problematisch

与之相反，Streng教授建议，应该推动在不同地域和不同地区间达成量刑共识并且让所有的刑事法律人知晓。另外还应为检察官、法院和辩护人提供德国有关量刑实践的详尽统计数据。搭建这种形式的量刑信息系统将意味着，每一个附带刑量的判决以及生效判决中记载的犯罪情状都将被存储进系统。当然，也应该避免不加批判地采取平均值来判刑。信息获取毋宁是为了得到一种可靠的粗略指引。

[Translate to Chinese:] Prof. Dr. Lin Wei

在中国类似的挑战

樊教授在评议中说道，他查看的研究报告印证了Streng教授在活动开始时提到的内容：即德国对相同犯罪行为的处罚存在有很大的差异。德国南部的处罚往往比北部更严厉。这或许构成了在制裁犯罪行为时理应适用的平等原则的一项重大挑战。在中国，也存在一些较大的地区差异。王贞会教授则解释说，在中国，检察院在量刑中的作用很大，他们首先要以书面形式向法院提交一份非常具体的量刑建议。中国目前尚未适用美国的“量刑指南”等模型，而是遵循按照上级部门的指示。

然而，这并不意味着在中国就较少被提及数字化量刑，相反，在说到诸如“智慧法庭”、“智慧公诉厅”等流行语时，也经常讨论如何将大数据或人工智能融入量刑。不过在这样的智慧司法可以被广泛和全面地使用之前，它在多大程度上是有利的这一点还必须进行详细的实证检验。方教授报告了几年前在山东省的一个测试项目，该省开发了一个软件，其中输入了盗窃和贿赂等11个不同类别的1000多项罪行以及所判处的刑期。

(Kopie 19)

该数据库可以搜索非常精确的构成要件，例如，可以搜索行为人是否承认犯罪的案件，以及其因此所获相应的刑期。

不过，该项目当时遭到国内众多法律工作者和学者的批判，因为担心它会过多影响法官的个人判断。

林教授在评议中批评了中国在这方面的研究还不够。国内研究的重点不是量刑或制裁理论，而是在犯罪学领域，这一点从发表的研究论文数量可以清楚地看到。同样的，对刑事侦查过程的不同领域如何相互关联也缺乏研究。总的来说，林教授赞成更多的法院和检察官使用如今的技术手段进行量刑——但仅用于纯粹的“辅助性”用途。无论如何都要避免对技术的“盲目信任”，基本上法院必须始终确定个体的刑期，而不是过多地依赖数据库的建议。此类数据库的另一个问题是，在许多地区没有足够的数据来给出有效建议。对数据的过度信任也可能导致某些少数群体处于不利地位。他引用了美国对非洲裔美国人的明显过重的判决作为例子。在这种情况下，基于过去犯罪数据的人工智能系统可能会进一步增加这种偏见。因此，数据输入和维护必须非常详细和全面，以确保准确描述犯罪事实。

作者：Ole Engelhardt