Ein Überblick über ausgewählte standardisierte Instrumente zur Erfassung des Risikos von Entweichungen im Kontext von Lockerungsprognosen in forensisch-psychiatrischen Einrichtungen

Vollzugslockerungen spielen in forensisch-psychiatrischen Einrichtungen in Deutschland eine zentrale Rolle. Sie bieten eine Möglichkeit für Patient*innen, die Einrichtungen unter bestimmten Bedingungen für eine begrenzte Zeit zu verlassen (Köhne und Lesting 2012) und sollen so die Behandlung fördern (Neumann und Bauer 2022), motivationale Anreize für Patient*innen schaffen, als Informationsgrundlage für prognostische Einschätzungen dienen und letztlich die erfolgreiche Resozialisierung unterstützen (z. B. Rasch 1986; Wedler und Maaß 2016). Daher werden Vollzugslockerungen in der Regel im Rahmen von sog. Stufenplänen eng in die Behandlungsplanung und Entlassungsvorbereitung eingebunden (z. B. Müller et al. 2017a, 2017b; Pollähne 2018a). Dabei ergeben sich zwischen den verschiedenen Rechtsgrundlagen der Unterbringung (§§ 63 und 64 StGB) aufgrund der unterschiedlichen Rahmenbedingungen auch Unterschiede in Bezug auf die jeweilige Lockerungspraxis. Gerade die deutlich kürzeren Unterbringungsdauern im Vollzug nach § 64 StGB führen beispielsweise dazu, dass in der Regel früher gelockert wird als im Vollzug nach § 63 StGB (Neumann et al. 2019).

Vor allem bei unbegleiteten Vollzugslockerungen liegt jedoch der Gedanke nahe, dass diese im Vergleich zu einer Unterbringung ohne Lockerungen mit einem erhöhten Risiko für passive Entweichungen oder erneute Straftaten einhergehen. Auch wenn die tatsächliche Häufigkeit schwerwiegender Zwischenfälle während Lockerungen in forensisch-psychiatrischen Einrichtungen (§ 63 StGB und § 64 StGB) in Anbetracht der Anzahl an gewährten Lockerungsmaßnahmen sehr gering ist (Berthold und Riedemann 2021; Neumann et al. 2019; Mahler et al. 2000; Pollähne 1994; Seifert und Leygraf 2016; Watson und Choo 2020), gilt es, vor etwaigen Lockerungsgewährungen für jeden Einzelfall das Risiko für die Allgemeinheit unter Voraussetzung der Gewährung einer bestimmten Vollzugslockerung mittels einer Lockerungsprognose einzuschätzen. Wie in der Praxis bei diesen Lockerungsprognosen vorgegangen wird, ist leider noch recht wenig beforscht. Bereits in den 1990er-Jahren weist Kobbé (1992) darauf hin, dass das Fehlen von einheitlichen Regelungen für Lockerungsentscheidungen im deutschen Maßregelvollzug kritisiert wurde. Bei einer Untersuchung von Neumann et al. (2019) im niedersächsischen Maßregelvollzug zeigte sich zwar, dass das Vorgehen bei der Lockerungsgewährung innerhalb der einzelnen Kliniken klar geregelt ist, sich aber zwischen den Kliniken Unterschiede in Bezug auf die Stufenabfolge und den organisatorischen Ablauf des Lockerungsprozesses ausmachen lassen. Auch Neutze et al. (2023) beschreiben in ihrer Arbeit den geringen Standardisierungsgrad im Rahmen des Lockerungsprozesses im bayerischen Maßregelvollzug und empfehlen die Ausarbeitung von detaillierten und klinikübergreifenden Leitlinien für die Entscheidungsfindung. Zwar sind einige der in den Studien identifizierten Unterschiede zwischen den Einrichtungen vor dem Hintergrund großer räumlicher, baulicher und regionaler Differenzen gerechtfertigt oder sogar unvermeidbar, aber die Festlegung von übergeordneten Qualitätsmaßstäben und eine Orientierung an empirischen Erkenntnissen erscheint in jedem Fall sinnvoll. Wedler und Maaß (2016) monieren etwa die „spärliche empirische Datenlage zu Ursachen und Prädiktoren von Lockerungszwischenfällen sowie zu Lockerungsprognosen“ und betonen die Notwendigkeit von „Verfahren, die – wie etablierte Risk-Assessment-Instrumente für Entlassungsprognosen – als einheitliche Grundlage für Lockerungsentscheidungen herangezogen werden können“ (S. 549). In ähnlichem Sinne schließen auch Neumann et al. (2019) ihre Analyse u. a. mit einer Empfehlung für die „Förderung der Entwicklung und Verwendung von validen Prognoseinstrumenten im Maßregelvollzug“ (S. 124). Es stellt sich also zunächst die Frage, ob es trotz der anscheinend spärlichen Nutzung in der forensischen Praxis überhaupt Instrumente gibt, die sich für den Kontext der Lockerungsprognose eignen.

Im Hinblick auf die Entlassungsprognose gibt es mittlerweile eine Vielzahl von validierten Verfahren zur Einschätzung des Risikos für erneute schwerwiegende Straftaten (z. B. Rettenberger und Franqué 2013). Ob diese Verfahren aber so einfach im Bereich der Lockerungsprognosen angewandt werden können, ist fraglich. Dagegen sprechen einige grundlegende Unterschiede zwischen Lockerungsprognosen und klassischen Entlassungsprognosen. So ist die Lockerungsprognose im Gegensatz zur Entlassungsprognose auf den konkreten zeitlichen und räumlichen Rahmen der geplanten Vollzugslockerung beschränkt (Nedopil et al. 2021; Neumann 2023). Die Lockerungsprognose wird daher häufig als eine Form der Kurzzeitprognose konzeptualisiert, bei der laut Expert*innenmeinungen die Relevanz von statischen Prognosefaktoren in den Hintergrund tritt und dynamische Faktoren an Wichtigkeit gewinnen sollten (Stübner et al. 2006; auch Quinsey et al. 1997). Außerdem unterscheidet sich oft die Art des zu prognostizierenden Verhaltens von anderen kriminalprognostischen Fragestellungen. In der Regel geht es um die Vorhersage von möglichen Zwischenfällen, die einer Lockerungsgewährung im Weg stehen könnten. Zu diesen Zwischenfällen zählen neben erneuten Straftaten aber auch andere Formen von Lockerungsmissbräuchen, die den Behandlungsfortschritt gefährden könnten (Grünebaum und Volckart 2015). Das Spektrum der relevanten Verhaltensweisen kann dabei sehr groß sein und u. a. Dinge wie Suchtmittelkonsum oder den Verstoß gegen Kontaktverbote oder andere Weisungen beinhalten. Ganz zentral bei der Lockerungsprognose ist aber in aller Regel die Betrachtung des Risikos, dass die gewährte Lockerung für eine Entweichung missbraucht werden könnte (z. B. Urwyler et al. 2021).

Trotz der Unterschiede zwischen den Prognoseformen zeigen sich im Rahmen von empirischen Untersuchungen einige vielversprechende Ergebnisse in Bezug auf die prognostische Validität von etablierten Rückfallprognoseinstrumenten für die Vorhersage von Lockerungsmissbräuchen. So berichten Campagnolo et al. (2019) in ihrem Literaturreview über Entweichungen in forensisch-psychiatrischen Einrichtungen von Studien, die höhere Werte in der PCL‑R (Hare 2003) und dem HCR-20 (Douglas et al. 2013) mit einem erhöhten Risiko für Entweichungen in Verbindung bringen (z. B. Martin et al. 2018; Simpson et al. 2015; Wilkie et al. 2014). Biedermann und Rettenberger (2020) konnten an einer deutschen Stichprobe von Personen in der Sozialtherapie zeigen, dass auch die OGRS 3 (Howard et al. 2009) und das SVG‑5 (Eher et al. 2012) gute Vorhersageleistungen in Bezug auf Lockerungsmissbräuche erzielen können. Auch Stück et al. (2022) haben eine Stichprobe aus der Sozialtherapie betrachtet und gezeigt, dass sowohl der HCR-20 als auch der SAPROF (dt. Version: Spehr und Briken 2010) mit dem Auftreten von Lockerungsrücknahmen assoziiert waren. Demgegenüber stehen einige Studien, die entsprechende Zusammenhänge nicht identifizieren konnten. Bei einer Untersuchung von Cullen et al. (2015) zeigte sich beispielsweise in Bezug auf den HCR-20 kein Unterschied zwischen Personen mit und ohne Entweichung im Betrachtungszeitraum, und auch bei der zuvor bereits angesprochenen Arbeit von Wilkie et al. (2014) konnte der PCL-R-Wert der betrachteten Patienten nicht zwischen Personen mit und ohne Entweichungen unterscheiden.

Trotz der teils widersprüchlichen Befunde lässt sich auf Basis der Studienlage insgesamt vermuten, dass klassische Prognoseinstrumente auch im Rahmen der Lockerungsprognose einen Mehrwert haben können. Dennoch stellt die Anwendung von Instrumenten, die für die Vorhersage von krimineller Rückfälligkeit nach Entlassung entwickelt wurden, im Rahmen der Lockerungsprogose lediglich eine Ersatzlösung dar (Neutze et al. 2023). Wie zuvor bereits beschrieben, hat die Lockerungsprognose ganz eigene Kontextbedingungen und Anforderungen. Es ist zu erwarten, dass Instrumente oder Verfahren, die spezifisch für den Kontext der Lockerungsbegutachtung entwickelt wurden, auch bessere Ergebnisse erzielen. International finden sich dementsprechend bereits einige Verfahren, die sich speziell mit der Vorhersage von Entweichungsvorfällen auseinandersetzen und damit möglicherweise einen Mehrwert über die Nutzung von klassischen Rückfallprognoseinstrumenten liefern könnten. Da die meisten dieser Verfahren aber nicht in deutscher Sprache vorliegen, ist zu vermuten, dass sich die Bekanntheit hierzulande bisher noch in Grenzen hält. Daher soll diese Arbeit genutzt werden, um einige dieser Verfahren vorzustellen. In dem kommenden Abschnitt werden dafür folgende Instrumente näher beleuchtet: 1. Leave/Absconding Risk Assessment (LARA; Hearn et al. 2012); 2. Short-Term Assessment of Risk and Treatability (START; Webster et al. 2009); 3. Booth Evaluation of Absconding Tool (BEAT; Booth et al. 2022); 4. Waypoint Elopement Risk Scales (WERS; Marshall und Usinger 2016).¹

Bei dem LARA (Hearn et al. 2012) handelt es sich um ein Vorgehen, welches v. a. für die Lockerungsentscheidung und das Risikomanagement konzipiert worden ist. Das LARA besteht aus insgesamt 4 Schritten: 1. die Analyse verschiedener Risikofaktoren; 2. die Identifikation weiterer Risiko- und Schutzfaktoren; 3. eine zusammenfassende Synthese des Risikos; 4. eine abschließende Risikobewertung in 3 Risikokategorien. Wie genau diese Risikokategorien bestimmt werden, ist aber nicht näher spezifiziert. Tab. 1 zeigt die im ersten Schritt berücksichtigten Risikofaktoren. Die Risikoeinschätzung mithilfe des LARA sollte in das übergreifende Risikomanagement eingebunden sein. So empfehlen Hearn et al. (2012) außerdem die Einführung eines Präventionsangebots (Bowers et al. 2005), die Anwendung eines Prognoseinstruments wie der HCR-20 (Douglas et al. 2013) und die Etablierung eines „absconding pack“ nach dem Vorbild von Nichols (2007). Eine Evaluation des LARA steht aber noch aus (Campagnolo et al. 2019). Kasmi und Brennan (2015) kritisieren die fehlende Manualisierung, einschließlich fehlender Cut-off-Werte und fehlender Beispiele für die einzelnen Items (Booth et al. 2021). Außerdem ist das Instrument nicht spezifisch auf den forensischen Kontext zugeschnitten, sondern bezieht sich auf die geschlossene Unterbringung generell (Campagnolo et al. 2019). Nach jetzigem Stand eignet sich das LARA daher weniger als standardisiertes prognostisches Instrument und eher als grober Leitfaden für den Prozess der Entscheidungsfindung im Lockerungsprozess.

Neben anderen unterbringungsbezogenen Verhaltensweisen kann mithilfe des START (Webster et al. 2009) auch eine Aussage über die Wahrscheinlichkeit von Entweichungen getroffen werden. Bei dem START handelt es sich ebenfalls um ein Instrument der strukturellen professionellen Urteilsbildung („structured professional judgement“, SPJ). Das Instrument besteht aus insgesamt 20 dynamischen Variablen, welche sowohl als Risiko- als auch als Schutzfaktoren konzeptioniert sind (Tab. 2). Jede Variable wird deshalb 2‑mal auf einer 3‑stufigen Skala eingeschätzt. Aus diesen Einschätzungen ergibt sich dann jeweils ein Gesamtwert für die Schutz- und Risikofaktoren. Mithilfe des START wird das Risiko für 7 verschiedene unterbringungsbezogene Verhaltensweisen bestimmt: 1. Gewalt gegenüber anderen Personen, 2. selbstverletzendes Verhalten, 3. Suizid, 4. Substanzmissbrauch, 5. Viktimisierung, 6. Vernachlässigung und 7. Entweichungen. Für diese 7 Bereiche nehmen Anwender*innen außerdem auf Basis ihres Gesamteindrucks eine Art generelle Einschätzung des Risikos (niedrig, mittel, hoch) vor (O’Shea und Dickens 2014). Die Befunde hinsichtlich der Prognose von Entweichungen sind gemischt. Braithwaite et al. (2010) konnten einen prädiktiven Zusammenhang zwischen den Risiko- und Schutzskalen und Entweichungen herstellen (AUC = 0,65 bzw. 0,66). Zwischen der spezifischen Risikoeinschätzung und Entweichungen konnte ein solcher Zusammenhang nicht etabliert werden (AUC = 0,55). Bei Kikuchi et al. (2021) erwies sich lediglich die Schutzskala als signifikanter Prädiktor für Entweichungen. Hier ist aber anzumerken, dass die Basisrate von Entweichungen in der Stichprobe so gering war, dass eine belastbare Aussage auf Basis der Ergebnisse schwierig zu treffen ist (Gleiches gilt für Nicholls et al. 2006). Andere Befunde ergeben sich bei einer Studie von O’Shea und Dickens (2015): Hier zeigte sich sowohl bei dem Risikowert (AUC = 0,64) als auch bei der spezifischen Risikoklassifikation (AUC = 0,66) ein signifikanter Zusammenhang zu Entweichungen, jedoch nicht mit dem Schutzwert. Außerdem erreichte die spezifische Risikokategorisierung des START lediglich einen positiven Vorhersagewert von 5,9 %, während der negative Vorhersagewert bei 98,4 % lag. Dieser hohe Anteil an falsch-positiven Prognosen ist auch im Rahmen der Lockerungsprognose als problematisch zu werten. Hinzu kommt, dass Entweichungen nur in wenigen Studien zum START überhaupt betrachtet wurden (O’Shea und Dickens 2014).

Das START ist in dieser Zusammenstellung vermutlich das etablierteste Instrument und liegt ebenfalls in einer deutschen Übersetzung vor (Born et al. 2015). Es ist auf jeden Fall positiv hervorzuheben, dass das START bereits mehrfach evaluiert wurde und mit Hinblick auf die meisten betrachteten unterbringungsbezogenen Verhaltensweisen (v. a. gewalttätiges Verhalten) konsistent gute prognostische Ergebnisse erzielt (auch Chu et al. 2011; Gray et al. 2011; Marriott et al. 2017). Problematisch ist hingegen, dass das START in Bezug auf Entweichungen deutlich weniger beforscht wurde (aufgrund der geringen Basisrate von Entweichungen; z. B. auch O’Shea et al. 2016) und dort eher gemischte Befunde vorzuweisen hat. Auch in einer umfangreichen Übersichtsarbeit von O’Shea und Dickens (2014) wurden aufgrund der geringen Anzahl an Studien auf eine Berechnung mittlerer Effektstärken für Entweichungen verzichtet. Hier ist also auf jeden Fall noch mehr Forschungsanstrengung notwendig.

Mithilfe des BEAT (Booth et al. 2022), ebenfalls ein SPJ-Instrument, wird alleinig das konkrete Entweichungsrisiko abgeschätzt. Die 27 Items in den 5 Risikokategorien „historical items“, „recent clinical items“, „recent psychosocial items“, „specific risks, if the patient did abscond“ und „protective factors“ wurden auf Grundlage einer Literaturrecherche und praktischer Überlegungen zusammengestellt (Tab. 3 für eine Übersicht). Neben der Einschätzung der einzelnen Bereiche umfasst BEAT auch die Bestimmung eines allgemeinen Entweichungsrisikos (von 0: „low probability of absconding“ bis 4: „high probability of absconding“) und Elemente des Risikomanagements. Darunter fällt die Diskussion verschiedener Entweichungsszenarien und möglicher Managementstrategien. Die Einschätzung der einzelnen Items erfolgt auf einer 3‑stufigen Skala von 0 bis 2, wobei der erreichte Wert der protektiven Items von dem Gesamtwert der restlichen Items subtrahiert wird. Unter Verwendung dieser Codiervorgaben erreicht das BEAT in der Entwicklungsstudie einen AUC-Wert von 0,77, einen positiven Vorhersagewert von 0,77 und einen negativen Vorhersagewert von 0,52. Wann eine Person entweicht, konnte jedoch mithilfe des BEAT nicht sicher bestimmt werden (Booth et al. 2021). Eine Validierung außerhalb der Entwicklungsstudie steht ebenfalls noch aus.

Die WERS (Marshall und Usinger 2016) wurden ebenfalls spezifisch zur Vorhersage von Entweichungen entwickelt. Das Instrument besteht aus 3 Unterskalen, der WERS Historical (WERS-H), der WERS Stable (WERS-S) und der WERS Acute (WERS-A). Die WERS‑H besteht aus 8 eher statischen Items und quantifiziert das Basisrisiko für Entweichungen. Die WERS‑S hingegen besteht aus 10 eher dynamischen Risikofaktoren. Die WERS‑A mit ihren 5 Items ist insbesondere für die Risikoeinschätzung der konkreten Lockerungssituation gedacht. Die Anwendung der einzelnen Skalen wird in unterschiedlichen zeitlichen Abständen empfohlen. Die WERS‑H kann bei Aufnahme und dann jährlich, die WERS‑S monatlich und die WERS‑A vor Lockerungen und somit täglich angewendet werden (die Werte der WERS‑A behalten laut Manual nur für 4 h nach der Erfassung ihre Gültigkeit und sind daher eher bei zeitlich sehr begrenzten Lockerungsmaßnahmen anwendbar). Die Einschätzung der insgesamt 23 Items (für eine Übersicht: Tab. 4) auf einer jeweils 3‑stufigen Antwortskala erlaubt die Quantifizierung des Entweichungsrisikos. Die erreichten Gesamtwerte sind außerdem mit verschiedenen Interventions- und Managementstrategien assoziiert, beispielsweise einer stärkeren Supervision während der Lockerungen (Penney et al. 2022). Im Vergleich mit der historischen Skala des HCR-20 besitzt die WERS‑H in einer ersten Validierungsstudie inkrementelle Validität bei der Vorhersage von Entweichungen und wies einen guten AUC-Wert auf (AUC = 0,73). Eine Validierung der restlichen Skalen steht noch aus (Penney et al. 2022). Das bisher unveröffentlichte Manual zeigt aber in ersten Analysen auch für die WERS‑S und WERS‑A vielversprechende Befunde in Bezug auf die prädiktive Validität (Marshall und Usinger 2016).

Bei den WERS handelt es sich um ein Instrument, das auf jeden Fall noch weiterer empirischer Überprüfung bedarf. Es ist aber hervorzuheben, dass die Aufteilung in eine Erfassung des statischen Risikos (WERS-H), des stabil-dynamischen Risikos (WERS-S) und des akut-dynamischen Risikos (WERS-A) einen Ansatz darstellt, der sich vermutlich gut in ein kontinuierliches Risikomanagement einbetten lässt und den spezifischen Anforderungen der Lockerungsprognose gerecht wird (Neumann 2023).