Download the Full Version of textbook for Fast Typing at textbookfull.

com

Deploy Machine Learning Models to Production: With

Flask, Streamlit, Docker, and Kubernetes on Google
Cloud Platform 1st Edition Pramod Singh

https://textbookfull.com/product/deploy-machine-learning-
models-to-production-with-flask-streamlit-docker-and-
kubernetes-on-google-cloud-platform-1st-edition-pramod-
singh/

OR CLICK BUTTON

DOWNLOAD NOW

Download More textbook Instantly Today - Get Yours Now at textbookfull.com

 Recommended digital products (PDF, EPUB, MOBI) that
you can download immediately if you are interested.

Deploy Machine Learning Models to Production: With Flask,

Streamlit, Docker, and Kubernetes on Google Cloud Platform
1st Edition Pramod Singh
https://textbookfull.com/product/deploy-machine-learning-models-to-
production-with-flask-streamlit-docker-and-kubernetes-on-google-cloud-
platform-1st-edition-pramod-singh/
textboxfull.com

Biota Grow 2C gather 2C cook Loucas

https://textbookfull.com/product/biota-grow-2c-gather-2c-cook-loucas/

textboxfull.com

Cloud Native Apps on Google Cloud Platform Use Serverless

Microservices and Containers to Rapidly Build and Deploy
Apps on Google Cloud English Edition Gilchrist
https://textbookfull.com/product/cloud-native-apps-on-google-cloud-
platform-use-serverless-microservices-and-containers-to-rapidly-build-
and-deploy-apps-on-google-cloud-english-edition-gilchrist/
textboxfull.com

Learn PySpark: Build python-based machine learning and

deep learning models 1st Edition Pramod Singh

https://textbookfull.com/product/learn-pyspark-build-python-based-
machine-learning-and-deep-learning-models-1st-edition-pramod-singh/

textboxfull.com
Practical Machine Learning with AWS : Process, Build,
Deploy, and Productionize Your Models Using AWS Himanshu
Singh
https://textbookfull.com/product/practical-machine-learning-with-aws-
process-build-deploy-and-productionize-your-models-using-aws-himanshu-
singh/
textboxfull.com

Machine Learning with PySpark: With Natural Language

Processing and Recommender Systems 1st Edition Pramod
Singh
https://textbookfull.com/product/machine-learning-with-pyspark-with-
natural-language-processing-and-recommender-systems-1st-edition-
pramod-singh/
textboxfull.com

Practical Machine Learning with AWS Process Build Deploy

and Productionize Your Models Using AWS 1st Edition
Himanshu Singh
https://textbookfull.com/product/practical-machine-learning-with-aws-
process-build-deploy-and-productionize-your-models-using-aws-1st-
edition-himanshu-singh/
textboxfull.com

Getting Started with Containers in Google Cloud Platform :

Deploy, Manage, and Secure Containerized Applications
Shimon Ifrah
https://textbookfull.com/product/getting-started-with-containers-in-
google-cloud-platform-deploy-manage-and-secure-containerized-
applications-shimon-ifrah/
textboxfull.com

Getting Started with Containers in Google Cloud Platform

Deploy Manage and Secure Containerized Applications 1st
Edition Shimon Ifrah
https://textbookfull.com/product/getting-started-with-containers-in-
google-cloud-platform-deploy-manage-and-secure-containerized-
applications-1st-edition-shimon-ifrah/
textboxfull.com
Pramod Singh

Deploy Machine Learning Models to

Production
With Flask, Streamlit, Docker, and Kubernetes on
Google Cloud Platform
1st ed.
Pramod Singh
Bangalore, Karnataka, India

Any source code or other supplementary material referenced by the

author in this book is available to readers on GitHub via the book’s
product page, located at www.​apress.​com/​978-1-4842-6545-1. For
more detailed information, please visit www.​apress.​com/​source-code.

ISBN 978-1-4842-6545-1 e-ISBN 978-1-4842-6546-8

https://doi.org/10.1007/978-1-4842-6546-8

© Pramod Singh 2021

Apress Standard

The use of general descriptive names, registered names, trademarks,

service marks, etc. in this publication does not imply, even in the
absence of a specific statement, that such names are exempt from the
relevant protective laws and regulations and therefore free for general
use.

The publisher, the authors and the editors are safe to assume that the
advice and information in this book are believed to be true and accurate
at the date of publication. Neither the publisher nor the authors or the
editors give a warranty, expressed or implied, with respect to the
material contained herein or for any errors or omissions that may have
been made. The publisher remains neutral with regard to jurisdictional
claims in published maps and institutional affiliations.

Distributed to the book trade worldwide by Springer Science+Business

Media New York, 1 New York Plaza, Suite 4600, New York, NY 10004-
1562, USA. Phone 1-800-SPRINGER, fax (201) 348-4505, email orders-
ny@springer-sbm.com, or visit www.springeronline.com. Apress Media,
LLC is a California LLC and the sole member (owner) is Springer
Science + Business Media Finance Inc (SSBM Finance Inc). SSBM
Finance Inc is a Delaware corporation.
Introduction
This book helps upcoming data scientists who have never deployed any
machine learning model. Most data scientists spend a lot of time
analyzing data and building models in Jupyter Notebooks but have
never gotten an opportunity to take them to the next level where those
ML models are exposed as APIs. This book helps those people in
particular who want to deploy these ML models in production and use
the power of these models in the background of a running application.
The term ML productionization covers lots of components and
platforms. The core idea of this book is not to look at each of the
options available but rather provide a holistic view on the frameworks
for productionizing models, from basic ML-based apps to complex ones.
Once you know how to take an ML model and put it in production, you
will become more confident to work on complicated applications and
big deployments. This book covers different options to expose the ML
model as a web service using frameworks such as Flask and Streamlit.
It also helps readers to understand the usage of Docker in machine
learning apps and the end-to-end process of deployment on Google
Cloud Platform using Kubernetes.
I hope there is some useful information for every reader, and
potentially they can apply it in their workstreams to go beyond Jupyter
Notebooks and productionalize some of their ML models.
Acknowledgments
I want to take a moment to thank the most important person in my life:
my wife, Neha. Without her support, this book wouldn’t have seen the
light of day. She is the source of my energy, motivation, and happiness
and keeps me going despite challenges and hardships. I dedicate this
book to her.
I also want to thank a few other people who helped a great deal
during these months and provided a lot of support. Let me start with
Aditee, who was very patient and kind to understand the situation and
help to reorganize the schedule. Thanks to Celestian John as well to
offer me another opportunity to write for Apress. Last but not the least,
my mentors: Barron Beranjan, Janani Sriram, Sebastian Keupers,
Sreenivas Venkatraman, Dr. Vijay Agneeswaran, Shoaib Ahmed, and
Abhishek Kumar. Thank you for your continuous guidance and support.
Table of Contents
Chapter 1:​Introduction to Machine Learning
History
The Last Decade
Rise in Data
Increased Computational Efficiency
Improved ML Algorithms
Availability of Data Scientists
Machine Learning
Supervised Machine Learning
Unsupervised Learning
Semi-supervised Learning
Reinforcement Learning
Gradient Descent
Bias vs.​Variance
Cross Validation and Hyperparameters
Performance Metrics
Deep Learning
Human Brain Neuron vs.​Artificial Neuron
Activation Functions
Neuron Computation Example
Neural Network
Training Process
Role of Bias in Neural Networks
CNN
RNN
 Industrial Applications and Challenges
Retail
Healthcare
Finance
Travel and Hospitality
Media and Marketing
Manufacturing and Automobile
Social Media
Others
Challenges
Requirements
Conclusion
Chapter 2:​Model Deployment and Challenges
Model Deployment
Why Do We Need Machine Learning Deployment?​
Challenges
Challenge 1:​Coordination Between Stakeholders
Challenge 2:​Programming Language Discrepancy
Challenge 3:​Model Drift
Challenge 4:​On-Prem vs.​Cloud-Based Deployment
Challenge 5:​Clear Ownership
Challenge 6:​Model Performance Monitoring
Challenge 7:​Release/​Version Management
Challenge 8:​Privacy Preserving and Secure Model
Conclusion
Chapter 3:​Machine Learning Deployment as a Web Service
 Introduction to Flask
route Function
run Method
Deploying a Machine Learning Model as a REST Service
Templates
Deploying a Machine Learning Model Using Streamlit
Deploying a Deep Learning Model
Training the LSTM Model
Conclusion
Chapter 4:​Machine Learning Deployment Using Docker
What Is Docker, and Why Do We Need It?​
Introduction to Docker
Docker vs.​Virtual Machines
Docker Components and Useful Commands
Docker Image
Docker Hub
Docker Client and Docker Server
Docker Container
Machine Learning Using Docker
Step 1:​Training the Machine Learning Model
Step 2:​Exporting the Trained Model
Step 3:​Creating a Flask App Including UI
Step 4:​Building the Docker Image
Step 5:​Running the Docker Container
Step 6:​Stopping/​Killing the Running Container
Conclusion
Chapter 5:​Machine Learning Deployment Using Kubernetes
Kubernetes Architecture
Kubernetes Master
Worker Nodes
ML App Using Kubernetes
Google Cloud Platform
Conclusion
Index
About the Author
Pramod Singh
is a manager of data science at Bain &
Company. He has more than 11 years of
rich experience in the data science field
working with multiple product- and
service-based organizations. He has been
part of numerous large-scale ML and AI
projects. He has published three books
on large-scale data processing and
machine learning. He is also a regular
speaker at major AI conferences such as
O’Reilly AI and Strata.
About the Technical Reviewer
Manohar Swamynathan
is a data science practitioner and an avid
programmer, with 14+ years of
experience in various data science areas
that include data warehousing, business
intelligence (BI), analytical tool
development, ad hoc analysis, predictive
modeling, data science product
development, consulting, formulating
strategy, and executing analytics
programs. He’s had a career covering the
life cycle of data across different
domains such as US mortgage banking,
retail/e-commerce, insurance, and
industrial IoT. He has a bachelor’s degree
with a specialization in physics, mathematics, and computers, and a
master’s degree in project management. He’s currently living in
Bengaluru, the Silicon Valley of India.
He has also been the technical reviewer of books such as Data
Science Using Python and R.
© Pramod Singh 2021
P. Singh, Deploy Machine Learning Models to Production
https://doi.org/10.1007/978-1-4842-6546-8_1

1. Introduction to Machine Learning

Pramod Singh1
(1) Bangalore, Karnataka, India

In this first chapter, we are going to discuss some of the fundamentals of machine learning and deep
learning. We are also going to look at different business verticals that are being transformed by using
machine learning. Finally, we are going to go over the traditional steps of training and building a rather
simple machine learning model and deep learning model on a cloud platform (Databricks) before moving on
to the next set of chapters on productionization. If you are aware of these concepts and feel comfortable
with your level of expertise on machine learning already, I encourage you to skip the next two sections and
move on to the last section, where I mention the development environment and give pointers to the book’s
accompanying codebase and data download information so that you are able to set up the environment
appropriately. This chapter is divided into three sections. The first section covers the introduction to the
fundamentals of machine learning. The second section dives into the basics of deep learning and the details
of widely used deep neural networks. Each of the previous sections is followed up by the code to build a
model on the cloud platform. The final section is about the requirements and environment setup for the
remainder of the chapters in the book.

History
Machine learning/deep learning is not new; in fact, it goes back to 1940s when for the first time an attempt
was made to build something that had some amount of built-in intelligence. The great Alan Turing worked
on building this unique machine that could decrypt German code during World War II. That was the
beginning of machine intelligence era, and within a few years, researchers started exploring this field in
great detail across many countries. ML/DL was considered to be significantly powerful in terms of
transforming the world at that time, and an enormous number of funds were granted to bring it to life.
Nearly everybody was very optimistic. By late 1960s, people were already working on machine vision
learning and developing robots with machine intelligence.
While it all looked good on the surface level, there were some serious challenges that were impeding the
progress in this field. Researchers were finding it extremely difficult to create intelligence in the machines.
Primarily it was due to a couple of reasons. One of them was that the processing power of computers in
those days was not enough to handle and process large amounts of data, and the reason was the availability
of relevant data itself. Despite the support of government and the availability of sufficient funds, the ML/AI
research hit a roadblock from the period of the late 1960s to the early 1990s. This block of time period is
also known as the “AI winters” among the community members.
In the late 1990s, corporations once again became interested in AI. The Japanese government unveiled
plans to develop a fifth-generation computer to advance machine learning. AI enthusiasts believed that soon
computers would be able to carry on conversations, translate languages, interpret pictures, and reason like
people. In 1997, IBM’s Deep Blue became the first computer to beat a reigning world chess champion, Garry
Kasparov. Some AI funding dried up when the dot-com bubble burst in the early 2000s. Yet machine learning
continued its march, largely thanks to improvements in computer hardware.

The Last Decade

There is no denying the fact that the world has seen significant progress in terms of machine learning and AI
applications in the last decade or so. In fact, if it were to be compared with any other technology, ML/AI has
been path-breaking in multiple ways. Businesses such as Amazon, Google, and Facebook are thriving on
these advancements in AI and are partly responsible for it as well. The research and development wings of
organizations like these are pushing the limits and making incredible progress in bringing AI to everyone.
Not only big names like these but thousands of startups have emerged on the landscape specializing in AI-
based products and services. The numbers only continue to grow as I write this chapter. As mentioned
earlier, the adoption of ML and AI by various businesses has exponentially grown over the last decade or so,
and the prime reason for this behavior has been multifold.
Rise in data
Increased computational efficiency
Improved ML algorithms
Availability of data scientists

Rise in Data
The first most prominent reason for this trend is the massive rise in data generation in the past couple of
decades. Data was always present, but it’s imperative to understand the exact reason behind this abundance
of data. In the early days, the data was generated by employees or workers of particular organizations as
they would save the data into systems, but there were limited data points holding only a few variables. Then
came the revolutionary Internet, and generic information was made accessible to virtually everyone using
the Internet. With the Internet, the users got the control to enter and generate their own data. This was a
colossal shift as the total number of Internet users in the world grew at an exploding rate, and the amount of
data created by these users grew at an even higher rate. All of this data—login/sign-up forms capturing user
details, photos and videos uploads on various social platforms, and other online activities—led to the
coining of the term Big Data. As a result, the challenges that ML and AI researchers faced in earlier times due
to a lack of data points were completely eliminated, and this proved to be a major enabler for the adoption of
in ML and AI.
Finally, from a data perspective, we have already reached the next level as machines are generating and
accumulating data. Every device around us is capturing data such as cars, buildings, mobiles, watches, and
flight engines. They are embedded with multiple monitoring sensors and are recording data every second.
This data is even higher in magnitude than the user-generated data and commonly referred as Internet of
Things (IoT) data.

Increased Computational Efficiency

We have to understand the fact that ML and AI at the end of the day are simply dealing with a huge set of
numbers being put together and made sense out of. To apply ML or AI, there is a heavy need for powerful
processing systems, and we have witnessed significant improvements in computation power at a breakneck
pace. Just to observe the changes that we have seen in the last decade or so, the size of mobile devices has
reduced drastically, and the speed has increased to a great extent. This is not just in terms of physical
changes in the microprocessor chips for faster processing using GPUs and TPUs but also in the presence of
data processing frameworks such as Spark. The combination of advancement in processing capabilities and
in-memory computations using Spark made it possible for lots of ML algorithms to be able to run
successfully in the past decade.

Improved ML Algorithms
Over the last few years, there has been tremendous progress in terms of the availability of new and
upgraded algorithms that have not only improved the predictions accuracy but also solved multiple
challenges that traditional ML faced. In the first phase, which was a rule-based system, one had to define all
the rules first and then design the system within those set of rules. It became increasingly difficult to control
and update the number of rules as the environment was too dynamic. Hence, traditional ML came into the
picture to replace rule-based systems. The challenge with this approach was that the data scientist had to
spent a lot of time to hand design the features for building the model (known as feature engineering), and
there was an upper threshold in terms of predictions accuracy that these models could never go above no
matter if the input data size increased. The third phase was the introduction of deep neural networks where
the network would figure out the most important features on its own and also outperform other ML
algorithms. In addition, some other approaches that have been creating a lot of buzz over the last few years
are as follows:
Meta learning
 Transfer learning (nano nets)
Capsule networks
Deep reinforcement learning
Generative adversarial networks (GANs)

Availability of Data Scientists

ML/AI is a specialized field as the skills required to be able to do this is indeed a combination of multiple
disciplines. To be able to build and apply ML models, one needs to have a sound knowledge of math and
statistics fundamentals. Along with that, a deep understanding of machine learning algorithms and various
optimization techniques is critical to taking the right approach to solve a business problem using ML and AI.
The next important skill is to be extremely comfortable at coding, and the last one is to be an expert of
particular domain (finance, retail, auto, healthcare, etc.) or carry deep knowledge of multiple domains.
There is a huge excitement in the job markets with respect to data scientist roles, and there are a huge
number of requirements for data scientists everywhere, especially in countries such as the United States,
United Kingdom, and India.

Machine Learning
Now that we know a little bit of history around machine learning, we can go over the fundamentals of
machine learning. We can break down ML into four parts, as shown in Figure 1-1.
Supervised machine learning
Unsupervised machine learning
Semi-supervised machine learning
Reinforcement machine learning

Figure 1-1 Machine learning categories (source: en.proft.me)

Supervised Machine Learning

Supervised machine learning is the major category of machine learning that drives a lot of applications and
value for businesses. In this type of learning, the model is trained on the data for which we already have the
correct labels or output. In short, we try to map the relationship between input data and output data in such
a way that it can generalize well on unseen data as well, as shown in Figure 1-2. The training of the model
takes place by comparing the actual output with the predicted output and then optimizing the function to
reduce the total error between the actual and predicted.
Figure 1-2 Generalization
This type of learning is predominantly used in cases where historical data is available and predictions
need to be made on future data. The further categorization of supervised learning is based on types of labels
being used for prediction, as shown in Figure 1-3. If the nature of the output variable is numerical, it falls
under regression, whereas if it is categorical, it is in the classification category.

Figure 1-3 Regression versus classification

Classification refers to the case when the output variable is a discrete value or categorical in nature.
Classification comes in two types.
Binary classification
Multiclassification
When the target class is of two categories, it is referred to as binary, and when it is more than two
classes, it is known as multiclassifications, as shown in Figure 1-4.
Figure 1-4 Binary versus multiclass
Another property of supervised learning is that the model’s performance can be evaluated. Based on the
type of model (classification or regression), the evaluation metric can be applied, and performance results
can be measured. This happens mainly by splitting the training data into two sets (the train set and the
validation set) and training the model on the train set and testing its performance on the validation set since
we already know the right label/outcome for the validation set.

Unsupervised Learning
Unsupervised learning is another category of machine learning that is used heavily in business applications.
It is different from supervised learning in terms of the output labels. In unsupervised learning, we build the
models on similar sort of data as of supervised learning except for the fact that this dataset does not contain
any label or outcomes column. Essentially, we apply the model on the data without any right answers. In
unsupervised learning, the machine tries to find hidden patterns and useful signals in the data that can be
later used for other applications. The main objective is to probe the data and come up with hidden patterns
and a similarity structure within the dataset, as shown in Figure 1-5. One of the use cases is to find patterns
within the customer data and group the customers into different clusters. It can also identify those
attributes that distinguish between any two groups. From a validation perspective, there is no measure of
accuracy for unsupervised learning. The clustering done by person A can be totally different from that of
person B based on the parameters used to build the model. There are different types of unsupervised
learning.
K-means clustering
Mapping of nearest neighbor

Figure 1-5 Clustering

Semi-supervised Learning
As the name suggests, semi-supervised learning lies somewhere in between supervised and unsupervised
learning. In fact, it uses both of the techniques. This type of learning is mainly relevant in scenarios when we
are dealing with a mixed sort of dataset, which contains both labeled and unlabeled data. Sometimes it’s just
unlabeled data completely, but we label some part of it manually. The whole idea of semi-supervised
learning is to use this small portion of labeled data to train the model and then use it for labeling the other
remaining part of data, which can then be used for other purposes. This is also known as pseudo-labeling as
it labels the unlabeled data using the predictions made by the supervised model. To quote a simple example,
say we have lots of images of different brands from social media and most of it is unlabeled. Now using semi-
supervised learning, we can label some of these images manually and then train our model on the labeled
images. We then use the model predictions to label the remaining images to transform the unlabeled data to
labeled data completely.
The next step in semi-supervised learning is to re-train the model on entire labeled dataset. The
advantage that it offers is that the model gets trained on a bigger dataset, which was not the case earlier and
is now more robust and better at predictions. The other advantage is that semi-supervised learning saves a
lot of effort and time that could go in to manually label the data. The flipside of doing all this is that it’s
difficult to get the high performance of the pseudo-labeling as it uses a small part of the labeled data to make
the predictions. However, it is still a better option rather than manually labeling the data, which can be
expensive and time-consuming at the same time. This is how semi-supervised learning uses both the
supervised and unsupervised learning to generate the labeled data. Businesses that face challenges
regarding costs associated with the labeled training process usually go for semi-supervised learning.

Reinforcement Learning
Reinforcement learning is the fourth kind of learning and is little different in terms of the data usage and its
predictions. Reinforcement learning is a big research area in itself, and an entire book could be written just
on it. The main difference between the other kinds of learning and reinforcement learning is that we need
data, mainly historical data, to train the models, whereas reinforcement learning works on a reward system,
as shown in Figure 1-6. It is primarily decision-making based on certain actions that the agent takes to
change its state while trying to maximize the rewards. Let’s break this down to individual elements using a
visualization.

Figure 1-6 Reinforcement learning

Autonomous agent: This is the main character in this whole learning who is responsible for taking
action. If it is a game, the agent makes the moves to finish or reach the end goal.
Actions: These are set of possible steps that the agent can take to move forward in the task. Each action
will have some effect on the state of the agent and can result in either reward or penalty. For example, in a
game of tennis, the actions might be to serve, return, move left or right, etc.
Reward: This is the key to making progress in reinforcement learning. Rewards enable the agents to
take actions based on if they’re positive rewards or penalties. It is an instant feedback mechanism that
differentiates it from traditional supervised and unsupervised learning techniques.
Environment: This is the territory in which the agent gets to play in. The environment decides whether
the actions that the agent takes results in rewards or penalties.
State: The position the agent is in at any given point of time defines the state of the agent. To move
forward or reach the end goal, the agent has to keep changing states in the positive direction to maximize
the rewards.
 The unique thing about reinforcement learning is that there is an immediate feedback mechanism that
drives the next behavior of the agent based on a reward system. Most of the applications that use
reinforcement learning are in navigation, robotics, and gaming. However, it can be also used to build
recommender systems.
Now let’s go over some of the important concepts in machine learning as its critical to have a good
understanding of these aspects before moving on to the machine learning in production.

Gradient Descent
At the end of the day, the machine learning model is as good as the loss it’s able to minimize in its
predictions. There are different types of loss functions pertaining to a specific category of problems, and
most often in the typical classification or regression tasks, we try to minimize the mean squared error and
log loss during training and cross validation. If we think of the loss as a curve, as shown in Figure 1-7,
gradient descent helps us to reach the point where the loss value is at its minimum. We start a random point
based on the initial weights or parameters in the model and move in the direction where it starts reducing.
One thing worth remembering here is that gradient descent takes big steps when it’s far away from the
actual minima, whereas once it reaches a nearby value, the step sizes become very small to not miss the
minima.
To move toward the minimum value point, it starts with taking the derivative of the error with respect to
the parameters/coefficients (weights in case of neural networks) and tries to find the point where the slope
of this error curve is equal to zero. One of the important components in gradient descent is the learning rate
as it decides how quickly or how slowly it descends toward the lowest error value. If learning rate
parameters are set to be higher value, then chances are that it might skip the lowest value, and on the
contrary, if learning rate is too small, it would take a long time to converge. Hence, the learning rate becomes
an important part in the overall gradient descent process.
The overall aim of gradient descent is to reach to a corresponding combination of input coefficients that
reflect the minimum errors based on the training data. So, in a way we try to change these coefficient values
from earlier values to have minimum loss. This is achieved by the process of subtracting the product of the
learning rate and the slope (derivative of error with regard to the coefficient) from the old coefficient value.
This alteration in coefficient values keeps happening until there is no more change in the coefficient/weights
of the model as it signifies that the gradient descent has reached the minimum value point in the loss curve.

Figure 1-7 Gradient descent

Another type of gradient descent technique is stochastic gradient descent (SGD) , which deals with a
similar approach for minimizing the error toward zero but with sets of data points instead of considering all
data in one go. It takes sample data from input data and applies gradient descent to find the point of lowest
error.

Bias vs. Variance

Bias variance trade-off is the most common problem that gets attention from data scientists. High bias refers
to the situation where the machine learning model is not learning enough of the signal from the input data
and leads to poor performance in terms of final predictions. In such a case, the model is too simple to
approximate the output based on the given inputs. On the other hand, high variance refers to overfitting
(learning too much on training data). In the case of high variance, the learning of the model on the training
data affects the generalization performance on the unseen or test data due to an overcomplex model. One
needs to balance the bias versus variance as both are opposite of each other. In other words, if we increase
bias, the variance goes down, and vice versa, as shown in Figure 1-8.

Figure 1-8 Bias versus variance

Cross Validation and Hyperparameters

For most of the machine learning algorithms out there, there is a set of hyperparameters that can be
adjusted accordingly to have the best performance coming out of the model. The famous analogy of the
hyperparameters is that of tuning knobs in a radio/transistor to match the exact frequency of the radio
station to hear the sound properly. Likewise, hyperparameters provide the best possible combination for a
model’s performance for a given training data. The following are a few examples of hyperparameters in the
case of a machine learning model such as random forest:
Number of trees
Maximum number of features
Maximum depth of trees
For the different values of the previous hyperparameters, the model would learn the different
parameters for the given input data, and the prediction performance would vary accordingly. Most libraries
provide the default value of these parameters for the vanilla version of the model, and it’s the responsibility
of the data scientist to find out the best hyperparameters that work in that particular situation. We also have
to be careful that we don’t overfit the data. Now, hyperparameters and cross validations go hand in hand.
Cross validation is a technique where we split the training data in such a way that the majority of records in
the training set are used to train the model and the remaining set (smaller set) is used to test the
performance of the model. Depending on the type of cross validation (with repetition or without repetition),
the training data is split accordingly, as shown in Figure 1-9.
Figure 1-9 Cross validation

Performance Metrics
There are different ways in which the performance of a machine learning model can be evaluated depending
on the nature of algorithm used. As mentioned previously, there are broadly two categories of models:
regression and classification. For the models that predict a continuous target, such as R-square, root mean
squared error (RMSE) can be used, whereas for the latter, an accuracy measure is the standard metric.
However, the cases where there is class imbalance and the business needs to focus on only one out of the
positive or negative class, measures such as precision and recall can be used.
Now that we have gone over the fundamentals and important concepts in machine learning, it’s time for
us to build a simple machine learning model on a cloud platform, namely, Databricks.
Databricks is an easy and convenient way to get started with cloud infrastructure to build and run
machine learning models (single-threaded as well as distributed). I have given a deep introduction of the
Databricks platform in a couple of my earlier books (Machine Learning Using PySpark and Learn PySpark).
The objective of this section in this chapter is to give you a flavor of how to get up and running with ML on
the cloud by just signing up for any of the major cloud services providers (Google, Amazon, Microsoft,
Databricks). Most of these platforms allows users to simply sign up and use the ML services (in some cases
with limited capabilities) for a predefined period or up to the extent of exhausting the free credit points.
Databricks allows you to use the community edition of its platform that offers up to 6 GB of cluster size. We
are going to use the community edition to build and understand a decision tree model on a fake currency
dataset. The dataset contains four attributes of the currency notes that can be used to detect whether a
currency note is genuine or fake. Since we are using the community edition, there is a limitation on the size
of the dataset, and hence it’s been kept relatively small for demo purpose.

Note Sign up for the Databricks community edition to run this code.

The first step is to start a new cluster with the default settings as we are not building a complicated model
here. Once the cluster is up and running, we need to simply upload the data to Databricks from the local
system. The next step is to create a new notebook and attach it to the cluster we created earlier. The next
step is to import all required libraries and confirm that the data was uploaded successfully.

[In]: import pandas as pd

[In]: import numpy as np
[In]: from sklearn.model_selection import train_test_split
[In]: from sklearn.tree import DecisionTreeClassifier
[In]: from sklearn.metrics import classification_report
The following line of command will show the table (dataset) that was uploaded from the local system:

[In]: display(dbutils.fs.ls("/FileStore/tables/"))

The next step is to create a Spark dataframe from the table and later convert it to a pandas dataframe to
build the model.

[In:sparkDF=spark.read.csv('/FileStore/tables/currency_note_data.csv',
header="true", inferSchema="true")

[In]: df=sparkDF.toPandas()

We can take a look at the top five rows of the dataframe by using the pandas head function. This confirms
that we have a total of five columns including the target column (Class).

[In]: df.head(5)

[Out]:

As mentioned earlier, the data size is relatively small, and we can see that it contains just 1,372 records
in total, but the target class seems to be well balanced, and hence we are not dealing with an imbalanced
class.

[In]: df.shape
[Out]: (1372, 5)

[In]: df.Class.value_counts()

[Out]:
0 762
1 610

We can also check whether there are any missing values in the dataframe by using the info function. The
dataframe seems to contain no missing values as such.

[In]: df.info()

[Out]:
 The next step is to split the data into training and test sets using the train test split functionality

[In]: X = df.drop('Class', axis=1)

[In]: y = df['Class']

[In]:X_train,X_test,y_train,y_test=train_test_split(X,y,test_size=0.25,random_

Now that we have the training set separated out, we can build a decision tree with default
hyperparameters to keep things simple. Remember, the objective of building this model is simply to
introduce the process of training a model on a cloud platform. If you want to train a much more complicated
model, please feel free to add your own steps such as enhanced feature engineering, hyperparameter tuning,
baseline models, visualization, or more. We are going to build much more complicated models that include
all the previous steps in later chapters of this book.

[In]: dec_tree=DecisionTreeClassifier().fit(X_train,y_train)

[In]: dec_tree.score(X_test,y_test)

[Out]: 0.9854227405247813

We can see that the decision tree seems to be doing incredibly well on the test data. We can also go over
the other performance metrics apart from accuracy using the classification report function.

[In]: y_preds = dec_tree.predict(X_test)

[In]: print(classification_report(y_test,y_preds))

[Out]:

Deep Learning
In this section of the chapter, we will go over the fundamentals of deep learning and its underlying operating
principles. Deep learning has been in the limelight for quite a few years now and is improving leaps and
bounds in terms of solving various business challenges. From image captioning to language translation to
self-driving cars, deep learning has become an important component in the larger scheme of things. To give
you an example, Google’s products such as Gmail, YouTube, Search, Maps, and Assistance are all using deep
learning in some or the other way in the background due to its incredible ability to provide far better results
compared to some of the other traditional machine learning algorithms.
But what exactly is deep learning? Well, before even getting into deep learning, we must understand
what neural networks are. Deep learning in fact is sort of an extension to the neural network. As mentioned
earlier in the chapter, neural networks are not new, but they didn’t take off due to various limitations. Those
limitations don’t exist anymore, and businesses and research community are able to leverage the true power
of neural networks now.
In supervised learning settings, there is a specific input and corresponding output. The objective of the
machine learning algorithms is to use this data and approximate the relationship between input and output
variables. In some cases, this relationship is evident and easy to capture, but in realistic scenarios, the
relationship between the input and output variables is complex and nonlinear in nature. To give an example,
for a self-driving car, the input variables could be as follows:
Terrain
Distance from nearest object
Traffic light
Sign boards
The output needs to be either turn, drive fast or slowly, apply brakes, etc. As you might think, the
relationship between input variables and output variables is pretty complex in nature. Hence, the traditional
machine learning algorithm finds it hard to map this kind of relationship. Deep learning outperforms
machine learning algorithms in such situations as it is able to learn those nonlinear features as well.

Human Brain Neuron vs. Artificial Neuron

As mentioned, deep learning is extension of neural networks only and also known as deep neural networks.
Neural networks are a little different compared to other machine learning algorithms in terms of learning.
Neural networks are loosely inspired by neurons in the human brain. Neural networks are made up of
artificial neurons. Although I don’t claim to be an expert of neuroscience or functioning of the brain, let me
try to give you a high-level overview of “how the human brain functions.” As you might be already aware, the
human brain is made up of billions of neurons and an incredible number of connections between them. Each
neuron is connected to multiple other neurons, and they repeatedly exchange information (signal). Each
activity that we do physically or mentally fires up a certain set of neurons in our brains. Now, every single
neuron consists of three basic components.
Dendrites
Cell body
Terminals
As we can see in Figure 1-10, the dendrites are responsible for receiving the signal from other neurons. A
dendrite act as a receiver to the particular neuron and passes information to the cell body where this
specific information is processed. Now, based on the level of information, it either activates (fires up) or
doesn’t trigger. This activity depends on a particular threshold value of the neuron. If the incoming signal
value is below that threshold, it would not fire; otherwise, it activates. Finally, the third component are the
terminals that are connected with dendrites of other neurons. Terminals are responsible for passing on the
output of the particular neuron to other relevant connections.
Figure 1-10 Neuron
Now, we come to the artificial neuron, which is the basic building block of a neural network. A single
artificial neuron consists of two parts mainly; one is the summation, and other is activation, as shown in
Figure 1-11. This is also known as a perceptron . Summation refers to adding all the input signals, and
activation refers to deciding whether the neuron would trigger or not based on the threshold value.

Figure 1-11 Artificial neuron

Let’s say we have two binary inputs (X1, X2) and the weights of their respective connections (W1, W2).
The weights can be considered similar to the coefficients of input variables in traditional machine learning.
These weights indicate how important the particular input feature is in the model. The summation function
calculates the total sum of the input. The activation function then uses this total summated value and gives a
certain output, as shown in Figure 1-12. Activation is sort of a decision-making function. Based on the type
of activation function used, it gives an output accordingly. There are different types of activation functions
that can be used in a neural network layer.

Figure 1-12 Neuron calculation

Activation Functions
Activation functions play a critical role in neural networks as the output varies based on the type of
activation function used. There are typically four main activation functions that are widely used. We will
briefly cover these in this section.

Sigmoid Activation Function

The first type of activation function is a sigmoid function. This activation function ensures the output is
always between 0 and 1 irrespective of the input, as shown in Figure 1-13. That’s why it is also used in
logistic regression to predict the probability of the event.

Figure 1-13 Sigmoid

Hyperbolic Tangent
The other activation function is known as the hyperbolic tangent activation function , or tanh. This function
ensures the value remains between -1 to 1 irrespective of the output, as shown in Figure 1-14. The formula
of the tanh activation function is as follows:

Figure 1-14 Tanh

Rectified Linear Unit

The rectified linear unit (relu) has been really successful over the past couple of years and has become the
default choice for the activation function. It is powerful as it produces a value between 0 and ∞. If the input
is 0 or less than 0, then the output is always going to be 0, but for anything more than 0, the output is similar
to the input, as shown in Figure 1-15. The formula for relu is as follows:
f(x)= max⁡(0,x)
Figure 1-15 Relu

Neuron Computation Example

Since we have basic understanding of different activation functions, let’s look at an example to understand
how the actual output is calculated inside a neuron. Say we have two inputs, X1 and X2, with values of 0.2
and 0.7, respectively, and the weights are 0.05 and 0.03, as shown in Figure 1-16. The summation function
calculates the total sum of incoming input signals as shown in Figure 1-17.

Figure 1-16 Neuron input

Here is the summation:

Figure 1-17 Summation

The next step is to pass this sum through an activation function. Let’s consider using a sigmoid function
that returns values between 0 and 1 irrespective of the input. The sigmoid function would calculate the
value as shown here and in Figure 1-18:

Figure 1-18 Activation

So, the output of this single neuron is equal to 0.5077.

Neural Network
When we combine multiple neurons, we end up with a neural network. The simplest and most basic neural
network can be built using just the input and output neurons, as shown in Figure 1-19.
Figure 1-19 Simple network
The challenge with using a neural network like this is that it can only learn linear relationships and
cannot perform well in cases where the relationship between the input and output is nonlinear. As we have
already seen, in real-world scenarios, the relationship is hardly simple and linear. Hence, we need to
introduce an additional layer of neurons between the input and output layers to increase its capability to
learn different kinds of nonlinear relationships as well. This additional layer of neurons is known as the
hidden layer , as shown in Figure 1-20. It is responsible for introducing the nonlinearities into the learning
process of the network. Neural networks are also known as universal approximators since they carry the
ability to approximate any relationship between the input and output variables no matter how complex and
nonlinear it is nature. A lot depends on the number of hidden layers in the networks and the total number of
neurons in each hidden layer. Given enough hidden layers, it can perform incredibly well at mapping this
relationship.

Figure 1-20 Neural network with hidden layer

Training Process
A neural network is all about the various connections (red lines) and different weights associated with these
connections. The training of neural networks primarily includes adjusting these weights in such a way that
the model can predict with a higher amount of accuracy. To understand how neural networks are trained,
let’s break down the steps of network training.
Step 1: Take the input values as shown in Figure 1-21 and calculate the output values that are passed to
hidden neurons. The weights used for the first iteration of the sum calculation are generated randomly.
Another Random Scribd Document
with Unrelated Content
Selbstmord auszuschliessen. Da, wie wir oben erwähnten,
Pistolenschüsse ungleich grössere Verwüstungen anrichten als
Schüsse aus Revolvern, und aus diesen rascher und mehrmals
hintereinander gefeuert werden kann, so ist es begreiflich, warum
bei ersteren verhältnissmässig seltener mehrere Schusswunden an
e i n e m Selbstmörder gefunden werden, als bei letzteren und bei
diesen desto häufiger, je kleiner das Caliber des Revolvers gewesen
ist und je weniger daher die unmittelbare Explosionsgewalt des
Pulvers, sondern nur das meist kleine Projectil zur Wirkung gelangte.
Dies gilt insbesondere von den Taschenrevolvern mit ihren winzigen
Projectilen, die so enge Schusscanäle erzeugen, dass der
Selbstmörder, selbst nachdem er bereits das Herz getroffen,
nochmals zu feuern vermag. Fig. 73 zeigt die Eingangsöffnungen
von zwei bei einem Selbstmörder gefundenen Revolverschüssen, von
denen der eine durch die linke, der andere durch die rechte
Herzkammer gegangen war, und unlängst kam ein Fall vor, wo an
dem Selbstmörder, einem alten Officier, 6 Schussöffnungen sich
fanden. Eine über der Glabella frontis, welche bis zur äusseren, eine
kreisförmige Fissur zeigenden Tafel des 1 Cm. dicken compacten
Schädels führte, der eine kuchenförmig plattgedrückte Spitzkugel
von 7 Mm. Caliber aufsass, ferner eine zweite am rechten Jochbein,
welche, ohne den Schädel zu eröffnen, in einen quer durch beide
Orbiten ziehenden Canal führte, der beide Nn. optici durchtrennte
und am linken Jochbein mit einer grossen Ausgangsöffnung endete
und endlich 3 dicht beisammenstehende Einschüsse in der
Herzgegend, von denen einer die linke Lunge und die zwei anderen
die linke Herzkammer und die Brustaorta durchdrangen. Offenbar
waren die 2 Schüsse in den Kopf die ersten, die Schüsse durch das
Herz die letzten gewesen. Aus dem Gesagten erklärt sich, warum
gegenwärtig ungleich häufiger verunglückte Selbstmordversuche
durch Erschiessen und Heilungen solcher Selbstmörder vorkommen,
als dies früher der Fall war, da sich herausstellt, dass die grösste
Mehrzahl dieser Fälle Verletzungen betrifft, die mit Revolvern
zugefügt waren.
 Einen Fall, in welchem ein Selbstmörder 4 Schüsse gegen seine Brust abfeuerte
und doch mit dem Leben davon kam, hat L o r i n s e r (Wiener med. Wochenschr.
1871, XXI, 12) veröffentlicht. Die Schusswaffe war ein vierläufiger Revolver. Ein
Schuss war zwischen der 2. und 3. Rippe links neben dem Brustbein, ein zweiter
zwischen der 3. und 4., der dritte zwischen der 4. und 5. und der vierte zwischen
der 5. und 6. Rippe in den Thorax eingedrungen. Alle Wunden waren in der
Umgebung geschwärzt; unterhalb des linken Schulterblattes eine blau sugillirte
Stelle, darunter eine Kugel zu fühlen. Pneumothorax, Heilung ohne Extraction der
Kugeln. Aehnliche Fälle hat K u m a r (Bericht des Rudolfspitales für 1875 und
Wiener med. Blätter. 1879, Nr. 28 u. s. f.) mitgetheilt. Ueber 7 Fälle geheilter
Schussverletzungen des Thorax berichtet N e d o p i l (Wiener med. Wochenschr.
1877, Nr. 18 bis 20). Nur in einem einzigen derselben war die Waffe eine kleine
Pistole, in allen übrigen ein kleiner Handrevolver.

Fig. 73.

Zwei Revolverschüsse, die beide durch das Herz gegangen waren.

(Selbstmord.) Nat. Gr.

Auch in einem von C a s p e r -L i m a n (l. c. II, 74) mitgetheilten Falle, wo bei

einem Selbstmörder zwei Schüsse in der Brust und ein Schuss mitten in der Stirne
gefunden wurden, handelte es sich offenbar um Revolverschüsse, da unter dem
linken Schulterblatt zwei Spitzkugeln extrahirt wurden. (Die Obduction wurde nicht
gemacht.) Dagegen wird an einer anderen Stelle (pag. 297) ein Fall beschrieben,
in welchem ein Mann, der sich einen Pistolenschuss in die Brust beigebracht hatte,
der das Zwerchfell und die Milz durchbohrt hatte, noch im Stande war, den Rock
und den Ueberrock bis an den Hals zuzuknöpfen und sich hierauf in einen wenige
Schritte entfernten Teich zu stürzen.
 Die Möglichkeit, dass Jemand, der sich eine perforirende
Schusswunde am Schädel beigebracht, noch einen weiteren Schuss
gegen sich abgeben kann, lässt sich nicht absolut negiren. Eine
solche Möglichkeit ist vielmehr dann gegeben, wenn der Schuss mit
keiner stärkeren Hirnerschütterung und keiner plötzlichen starken
Blutung verbunden war und nur solche Hirntheile traf, deren
Verletzung nicht sofort Bewusstlosigkeit oder Lähmung herbeiführt.
Solche Bedingungen sind wieder bei kleinen Schusswaffen,
namentlich kleinen Revolvern, gegeben, da bei diesen die
unmittelbare Gewalt der Pulvergase weniger zur Geltung kommt und
da daher nur das kleine Projectil wirkt, welches verhältnissmässig
schmale canal- oder rinnenförmige Durchbohrungen erzeugt und der
geringen Propulsionskraft wegen häufig genug nur in die peripheren
Partien des getroffenen Hirntheiles eindringt. Nach solchen
Verletzungen kann Handlungsfähigkeit noch bestehen, ebenso wie
man diese, wie später erwähnt werden wird, auch bei anderen
umschriebenen Verletzungen des Gehirnes, z. B. Stichwunden, und
selbst nach Hiebwunden und mit Schädelfractur verbundenen
Verletzungen mitunter in ganz auffälliger Weise beobachtet.
N ä g e l i (Vierteljahrschr. f. gerichtl. Med. 1884, XLI, pag. 231) berichtet über
einen Fall, wo, weil zwei in’s Gehirn gedrungene Schusswunden sich fanden, an
dem Selbstmord gezweifelt wurde. Der eine Schusscanal begann mit einer
erbsengrossen Oeffnung an der linken Incisura supraorbitalis, und durchbohrte
von links nach rechts ziehend den rechten Stirnlappen, den vorderen Winkel der
rechten S y l v i ’schen Grube und den vordersten Theil des rechten Schläfelappens,
ohne die innere Kapsel oder die Centralwindungen zu verletzen, während der
andere etwas unterhalb des inneren linken Augenwinkels beginnend von vorn nach
hinten und etwas nach rechts unter der Schädelbasis bis zur rechten Seite des
Clivus verlief, die Carotis im Sulcus caroticus durchriss und, das rechte Kleinhirn
quetschend, ohne Verletzung der centralen Theile rechts etwa in der halben Höhe
des Hinterhauptbeines endete. N ä g e l i und alle anderen befragten Experten
sprachen sich dahin aus, dass, wenn der Schuss, der durch den rechten
Stirnlappen drang, der erste war, die Möglichkeit nicht absolut ausgeschlossen
werden kann, dass der Untersuchte sich noch den zweiten Schuss hat beibringen
können. Complicirend und befremdend war aber der Umstand, dass der Revolver,
der rechts von der Leiche gefunden wurde, wegen Federbruches nur bei nach
abwärts gerichteter Mündung repetirte und sowohl beim Aufziehen als Abdrücken
sehr schwer ging. K a p p e l e r , der den Fall auch begutachtete, erwähnte mehrere
Fälle aus der Literatur, wo nach ähnlichen Schüssen, wie der durch den rechten
Stirnlappen, das Bewusstsein durch einige Zeit erhalten blieb und eine eigene
Beobachtung, wo ebenfalls zwei perforirende Schädelwunden bei einem
Selbstmörder sich fanden. Es war ein kleiner Revolver benutzt worden. Der eine
Schusscanal begann über der Nasenwurzel, drang durch den oberen Theil der
rechten Grosshirnhemisphäre und war mit Blutung in den rechten Seitenventrikel
verbunden; der zweite begann in der rechten Schläfegegend und endete, den
Knochen durchbohrend, mit einer 2 Francstückgrossen Quetschung des
Schläfelappens 3 Cm. hinter der Spitze desselben. Wir selbst besitzen in unserer
Sammlung ein Präparat, welches eclatant darthut, dass nach einer in’s Gehirn
eingedrungenen Schusswunde Bewusstsein und Handlungsfähigkeit sich noch
durch einige Zeit erhalten können. Dasselbe stammt von einem Manne, der in
seinem Zimmer mit einem Revolver sich zu erschiessen versucht hatte. Man fand
ihn Morgens in seinem Zimmer am Boden sitzend mit einer Wunde über dem
Ohre, von der er angab, dass sie durch Fall gegen eine Sophaecke entstanden sei.
Auf A l b e r t ’s Klinik gebracht, war er bei Bewusstsein und gab an, dass er durch
Jemanden gestossen worden und gegen eine Sophaecke gefallen sei. Die Form der
Wunde sprach nicht dagegen, da dieselbe pfeilspitzenförmig war (ähnlich der in
Fig. 59 abgebildeten). Die Versengung der Haare aber und die Schwärzung
charakterisirte die Schusswunde. Noch am selben Tage trat Bewusstlosigkeit ein
und am anderen der Tod. Die Obduction ergab einen fingerweiten geschwärzten
Schusscanal, der am Zusammenstoss des rechten grossen Keilbeinflügels mit dem
Schläfe- und Scheitelbein begann, quer durch die hintere Partie des rechten
Stirnlappens bis zum grossen Hirnspalt verlief, von dem er nur durch die Hirnrinde
getrennt war, die Spitze des Vorderhorns des rechten Seitenventrikels eröffnet und
das vordere Ende des rechten Corpus striatum gestreift hatte. Der Canal enthielt
ein stark deformirtes, nahezu gespaltenes Spitzgeschoss von beträchtlicher Grösse
(der betreffende Revolver hatte ein Caliber von 11 Mm.!). Das Projectil hatte
offenbar den ziemlich dicken Schädel schief durchbohrt, war an der scharfen Kante
der vorderen Peripherie der Schussöffnung im Knochen nahezu vollständig
gespalten worden und hatte dadurch so viel an Propulsionskraft verloren, dass es
nur bis zur Falx vorzudringen vermochte. In einem anderen 1888 obducirten Falle
war ein junger Mann, nachdem er seiner Geliebten einen Schuss in den Kopf und
in’s Herz und sich selbst einen in die Vorderohrgegend beigebracht hatte, welcher
die Unterfläche des rechten Stirnlappens streifte, noch im Stande, sich zum
Fenster zu begeben und sich herabzustürzen. Analoge Fälle werden von H a y e s -
A g n e w (Virchow’s Jahrb. 1887, I, pag. 508) mitgetheilt.

Combination von Selbstmord, respective

Selbstmordversuch durch Schuss mit anderen Combinirter Selbstmord
Tödtungsarten kommen nicht gar selten vor. Jene mit durch Schuss.
Ertrinken, wie der oben erwähnte Fall von L i m a n ,
sind verhältnissmässig am häufigsten, insbesondere solche, wo die Betreffenden
im oder am Wasser sich erschiessen. Diese Fälle können am ehesten Verdacht
erwecken, dass eine Einwirkung fremder Hand und nachträgliche Beseitigung der
Leiche stattgefunden hat. Andere Combinationen sind in der Regel derart, dass sie
als solche den Selbstmord ausser Zweifel stellen. In einem unserer Fälle hatte ein
Mann einen blinden Schuss in den Mund abgefeuert und hierauf sich den Hals
durchschnitten; in einem anderen hatte sich der Selbstmörder einen bis in das
Herzfleisch dringenden Stich und einen Schnitt am linken Handgelenk beigebracht,
worauf er sich durch einen Revolverschuss in die rechte Schläfe tödtete; in einem
dritten wurde der Erschossene unter einem Baume mit einer Schlinge um den Hals
gefunden, hatte sich daher entweder früher oder gleichzeitig zu erhängen
versucht. Am seltensten ist die Combination von Erschiessen mit Vergiftung. Von
B ě l o h r a d s k y (Zeitschr. d. böhm. Aerzte. 1880, pag. 85) werden zwei solche Fälle
aus dem Prager medicinisch-forensischen Institute mitgetheilt. In einem dieser
Fälle ergab sich ausser der tödtlichen Schusswunde Phosphor-, im anderen
Cyankaliumvergiftung. Anderseits berichtet B l u m e n s t o k (Vierteljahrschr. f.
gerichtl. Med. 1890, L, pag. 81) über einen Gensdarmen, bei dem ausser einer
Schusswunde durch den Mund eine frische Hiebwunde am Kopfe gefunden wurde.
Es war ihm kurz vor der That der Säbel entrissen und damit letztere Wunde
beigebracht worden, worauf aus Kränkung darüber der Selbstmord erfolgte.

Nicht selten ist die absichtliche

Selbsttödtung durch Sich-H e r a b s t ü r z e n v o n Selbstmord durch Sturz.
e i n e r H ö h e . In Wien betrug die Zahl solcher Fälle in den Jahren
1870–77 durchschnittlich 6·5 Procente aller Selbstmorde. In der
Regel handelt es sich um Sturz aus dem Fenster, seltener besteigen
Selbstmörder zu diesem Zwecke Höhen (Thürme, Monumente) oder
stürzen sich in Abgründe. Der Sectionsbefund zeigt in der
überwiegenden Zahl der Fälle keine auffallenden Verletzungen der
allgemeinen Decken, mitunter sogar gar keine äusseren
Verletzungen, ein Beweis der grossen Resistenzfähigkeit der Haut.
Meist finden sich blos Hautaufschürfungen, einzelne Sugillationen
oder unbedeutende Hautwunden. Derartige geringfügige äussere
Befunde ergeben sich insbesondere dann, wenn der Körper auf eine
ebene Fläche auffiel. Doch sind offene Fracturen nichts Seltenes und
wir haben besonders am Kopfe bei einer Geisteskranken, die aus
dem Fenster gesprungen und gerade auf den Kopf gefallen war, ein
vollständiges Auseinanderplatzen desselben in zwei fast
symmetrische Hälften gesehen. Leichter können sich äussere
Zusammenhangstrennungen entwickeln, wenn der Körper während
des Fallens an vorspringende harte Gegenstände auffiel oder auf
Steine oder ähnliche Dinge aufschlug.
Die Hauptbefunde ergeben sich bei der inneren Untersuchung
und können bestehen in mehr weniger ausgebreiteten Fracturen
oder Fissuren des Schädels, in Brüchen der Rippen, der Wirbelsäule
und des Beckens, namentlich aber in Rupturen innerer Weichtheile in
verschiedensten Combinationen.
Es ist selbstverständlich, dass sowohl die äusseren als die inneren
Befunde die gleichen sein können, ob nun der betreffende Sturz
durch Zufall oder in der Absicht, einen Selbstmord zu begehen,
erfolgte, oder durch fremde Hand veranlasst wurde, dass daher die
Obduction für sich allein nur selten im Stande ist, die Ursache des
Sturzes nach einer dieser Richtungen aufzuklären[287], und nur von
den sonstigen Umständen des Falles eine Aufklärung erwartet
werden kann.
Zufälliges Verunglücken durch Sturz ist namentlich
in grossen Städten häufig. In Wien kamen im Jahre Zufälliges Verunglücken
und Mord durch
1873 83, im Jahre 1874 52 und 1875 70 solche Fälle Herabstürzen.
vor. Sie betrafen vorzugsweise Arbeiter, die bei
Ausübung ihres Gewerbes von Dächern, Gerüsten etc., dann Dienstmägde, die
beim Fensterputzen, und Kinder, die von Fenstern, Stiegenhäusern u. dergl.
herabstürzten, seltener Individuen, die in unverwahrte Keller etc. hineingefallen
waren.
Absichtliche Tödtung Anderer durch Herabstürzen kommt noch am häufigsten
bei Neugeborenen vor und wir werden auf diesen Gegenstand bei der
Besprechung der Sturzgeburt zurückkommen. Bei älteren Kindern oder gar bei
Erwachsenen ist dieselbe selten.
In einem unserer Fälle hatte ein Vater in einem, einem Blatternausbruch
vorangegangenen Delirium sein 4jähriges Kind aus dem dritten Stock auf die
Strasse geworfen und dadurch getödtet. Aeusserlich fanden sich blos einige
Hautaufschürfungen an der linken Wange, am Gesässe und am Rücken, innerlich
ausgebreitete Suffusion der Kopfhaut und eine sagittale Fissur der
Hinterhauptschuppe, Suffusionen der Hirnhäute, seichte Einrisse in beiden Lungen.
Wir hatten ferner einen Fall zu begutachten, in dem ein Weib beschuldigt
wurde, ihren Mann an einem regnerischen Herbstabend von einem, längs eines 40
Schuh tiefen Abgrundes sich hinziehenden, unverwahrten und nur wenige Schuh
breiten Bergpfade herabgestossen und dadurch getödtet zu haben. Der Mann war
in einen Bach gefallen, hatte den Schädel zersplittert und bot zugleich Zeichen des
Ertrinkungstodes. Der Fall war durch seine Umstände (nachgewiesener Ehebruch
der Frau, Drohungen gegen ihren Mann etc.) im hohen Grade verdächtig; wir
mussten jedoch erklären, dass vom ärztlichen Standpunkte, namentlich nur aus
dem Sectionsbefunde, sich unmöglich entscheiden lasse, ob der Betreffende, wie
die Frau angab, in der Dunkelheit und bei dem durch Regen schlüpfrigen Boden
nur zufällig verunglückt oder von seinem Weibe absichtlich in die Tiefe
heruntergestossen worden sei.
Bekannt ist der in Bozen zur Hauptverhandlung gelangte Fall To u r v i l l e , in
welchem die Anklage erhoben wurde, dass T. seine Frau von der
Stilfserjochstrasse in einen Abgrund gestürzt, beziehungsweise sie zuerst betäubt
und dann zum Abgrund hingeschleift habe, während er selbst angab, dass seine
Frau an der betreffenden Stelle einen Selbstmord begangen habe. Auch in diesem
Falle waren es weniger die anatomischen Befunde an der Leiche, als die sonstigen
Umstände des Falles, welche Verdacht erwecken mussten, dass kein Selbstmord
vorliege. Sie bestanden unter Anderem darin, dass die Strasse an der betreffenden
Stelle keineswegs senkrecht abfiel, sondern in eine allerdings stark geneigte,
jedoch mit Steinen, Baumstrünken und ähnlichen Hindernissen besetzte Lehne
überging, die erst in ziemlicher Entfernung in einen Absturz endete, so dass
erstens die Stelle nicht wohl geeignet war zur Unternehmung eines Selbstmordes
und dass sie auch die Angabe des Angeklagten, dass die Frau, nachdem sie von
der kaum ein Meter über den Anfang der Lehne erhabenen Strasse
herabgesprungen, eine weite Strecke heruntergerollt sei, nicht glaublich
erscheinen liess; ferner in dem Umstande, dass schon in der nächsten Nähe der
doch so niedrigen Strasse bereits Blutspuren bemerkt wurden, die in einer Linie
sich bis zum Abgrund verfolgen liessen, und dass endlich zwischen dem Abgrund
und dem Fusse der Lehne ein Streifen constatirt wurde, der zufolge seiner Breite
und Gleichmässigkeit sich so verhielt, wie wenn er durch das Schleifen einer
Person über den betreffenden Grasfleck erzeugt worden wäre.
Ungleich schwieriger war die Beurtheilung in dem von K r a t t e r (Wiener klin.
Wochenschr. 1889, Nr. 31) begutachteten Falle eines Touristen, dessen Leiche in
einem Alpenthale unter einer 60 Meter hohen Felswand gefunden wurde und wo
zu entscheiden war, ob Denatus zufällig abgestürzt und dann ausgeraubt oder
früher umgebracht und dann herabgestürzt worden war, da die Leiche erst nach
mehreren Wochen in hochgradig faulem Zustande zur Untersuchung kam und nur
der Kopf, nicht aber auch die übrigen Körperhöhlen eröffnet worden waren.
Am 1. Mai 1892 secirten wir einen Arbeiter, der von einem Glasdache
herabgestürzt und sofort todt geblieben war. Er hatte mit einem Zweiten Nieten an
der Eisenconstruction einzuschlagen und Letzterer gab an, dass er fehlgeschlagen
und zufällig seinen Kameraden mit dem Hammer auf die Brust getroffen habe,
worauf dieser das Gleichgewicht verlor und herabstürzte. Es bestand aber der
Verdacht, dass die Zwei am Dach in Streit gekommen waren und dabei der Sturz
erfolgt sei. Positives konnte jedoch nicht herausgebracht werden.

Analoge Verletzungen wie beim Sturz von

einer Höhe werden auch durch Selbstmord durch
Sichüberfahrenlassen.
U e b e r f a h r e n w e r d e n erzeugt, eine Todesart,
die nicht blos als zufällige häufig vorkommt, sondern in neuerer Zeit
auch zum Behufe des Selbstmordes gar nicht selten gewählt wird.
Fast ausnahmslos sind es Eisenbahntrains, von denen sich die
Selbstmörder überfahren lassen. Die Verletzungen sind in der Regel
colossal und lassen schon dadurch auf ihre Provenienz schliessen.
Abtrennungen ganzer Körpertheile, auch des Kopfes, sind etwas sehr
Gewöhnliches und lassen sich durch die Scheerenwirkung der
Schiene einerseits und der Radkante anderseits erklären.
Zu bemerken ist, dass nicht alle Verletzungen, die
an einer solchen Leiche gefunden werden, von den Ueberfahren durch Trains.
Rädern des Trains herrühren müssen, sondern dass
auch die sogenannten Bahnräumer solche bewirken können, theils durch directe
Beschädigung des Körpers, theils, indem sie denselben von der Bahn
wegschleudern. Von verlässlicher Seite wird uns ein Fall mitgetheilt, in welchem
sich bei einem offenbar im trunkenen Zustand von einem Zuge überfahrenen Mann
ausser vielfachen Quetschungen und Zerreissungen auch eine Wunde am Halse
befand, die ganz das Aussehen einer Stichwunde und eine beträchtliche Tiefe
hatte, ohne jedoch wichtige Theile zu verletzen und wo sich mit grösster
Wahrscheinlichkeit herausstellte, dass die Wunde durch einen der „Bahnräumer“,
die aus steifen harten Besen bestanden, respective durch ein Reis dieses Besens
erzeugt worden war. Uebrigens können, wie wir wiederholt bei von Trains
Ueberfahrenen sahen, stichwundenähnliche Verletzungen sowohl der Haut, als
innerer Organe durch Knochensplitter, insbesondere durch die eingedrungenen
und wieder zurückgegangenen Bruchenden von Rippen, sich bilden.
In einem 1878 von uns obducirten Falle war eines Morgens ein Bahnwächter
innerhalb eines der Wiener Bahnhöfe bewusstlos neben den Schienen gefunden
worden, mit einer Impression in der rechten Hinterhauptgegend, und starb nach
drei Tagen. Die Obduction ergab eine 2 Cm. breite, vollkommen kreisrunde
Lochfractur der Hinterhauptschuppe, die auf ein, eine kugelige und kleine
Oberfläche besitzendes Werkzeug schliessen liess. Zufolge den Erhebungen hatte
sich der Betreffende in der Nähe der Schienen niedergelegt, um den
ankommenden Zug zu hören, war aber von diesem überrascht und von dem
abgerundeten und verhältnissmässig dünnen Ende einer der Kolbenstangen am
Kopfe getroffen worden.
Auf die Möglichkeit, dass anderweitig getödtete Individuen auf die Schienen
gelegt werden können, damit ein Selbstmord oder ein zufälliges Verunglücken
vorgetäuscht werde, haben wir bereits oben aufmerksam gemacht.[288]

Von anderen selteneren

Selbstmordsformen wollen wir nur den Selbstmord durch
Hiebwunden.
Selbstmord durch H i e b w u n d e n erwähnen.
Eine solche Selbstmordart gehört jedenfalls zu den ganz
ungewöhnlichen, ist aber wiederholt beobachtet worden.
C a s p e r -L i m a n (l. c. II, pag. 262) citiren drei solche Fälle, ebenso berichtet
S c h a u e n s t e i n von einem Lohnbedienten, welcher sich mit einem Beile 17 Hiebe
an der Stirne und am Schädeldache beigebracht, von welchen einige den Knochen
durchdrangen und den Tod durch Meningitis veranlassten. Ein anderer Fall dieser
Art findet sich im Bericht des k. k. allgemeinen Krankenhauses in Wien vom Jahre
1871, pag. 79. Ein 32jähriger Tischler hieb sich in selbstmörderischer Absicht mit
einem Hammer auf die rechte Schläfegegend. Es fand sich eine thalergrosse, den
Knochen nicht blosslegende Quetschwunde. Der Mann war bewusstlos, beide
untere Extremitäten gefühllos, blass, paretisch. Den nächsten Tag Wiederkehr des
Bewusstseins. Nach zwei Monaten vollständige Genesung.
Wir selbst haben eine alte Frau obducirt, die sich zuerst einen Stich in die
Leber versetzt hatte und als der Tod nicht eintrat, ein Küchenbeil ergriff und theils
mit der Schneide, theils mit dem Rücken desselben so lange gegen die Stirne und
den Scheitel (!) hieb, bis sie bewusstlos zusammensank. Als sie in’s Spital gebracht
wurde, war das Bewusstsein wiedergekehrt, es fanden sich theils lineare
Trennungen der Kopfhaut, theils Quetschungen derselben, es kam zur
Verjauchung und necrotischer Abstossung grosser Partien der Kopfhaut und der
Tod erfolgte nach mehreren Tagen an Pyämie. Bei der Section konnte
nachgewiesen werden, dass einzelne der mit der Schneide geführten Hiebe die
äussere Knochentafel des Schädeldaches durchtrennt hatten. Ferner sahen wir
einen Mann, der im geistesgestörten Zustand sein Kind mit der Hacke erschlagen,
seine Geliebte schwer verwundet und hierauf sich selbst mit dem Rücken der
Hacke vier Contusionen an der Stirne beigebracht hatte. Ueber eine Combination
von Selbstmord durch Erhängen und Hiebwunden mit einer Axt bei einem
Typhuskranken hat H a u m e d e r (Wiener med. Wochenschr. 1882, Nr. 18) berichtet.
F r a n k (Wiener med. Wochenschr. 1885, Nr. 15–17)hat die in der Literatur
enthaltenen derartigen Fälle gesammelt und einen neuen in unserem Institute
obducirten Fall mitgetheilt und abgebildet, der eine alte Frau betraf, die sich mit
der Schneide einer Hacke eine grosse Zahl zum Theile in den Schädel
eindringender, parallel von vorn nach hinten verlaufender, dicht beisammen
liegender Hiebe mitten in der hinteren Stirngegend und ausserdem seichte
Schnittwunden an der Innenfläche beider Oberarme und in beiden Kniekehlen
beigebracht hatte. Einen ähnlichen Fall hat B l u m e n s t o k (Vierteljahrschr. f.
gerichtl. Med. 1888, L, pag. 81) mitgetheilt und C i s s e l (Wiener klin. Wochenschr.
1892, Nr. 16) einen anderen, wo sich ein alter schwachsinniger Mann fünf Nägel in
den Kopf eingeschlagen hatte, ohne dass auffällige Functionsstörungen eintraten.
— In einem von K o r n f e l d (Friedreich’s Bl. 1891) begutachteten Falle war die
Frage zu beantworten, ob der Nagel, welcher in den Scheitel bis in den Sinus
eingedrungen war und den Tod veranlasst hatte, von dem Manne selbst
eingetrieben wurde oder durch einen Schlag mit einer Latte, in welcher er gesteckt
haben konnte. Wahrscheinlich lag Selbstmord vor, da der Mann Tags zuvor
Phosphorzündhölzchenköpfchen genommen hatte.

Fälle dieser Art könnten, wenn sie nicht durch die Umstände
klargelegt sind, die grössten Täuschungen veranlassen. In der Regel
betreffen sie jedoch entweder Geisteskranke oder Individuen, denen,
wie eben Geisteskranken oder Gefangenen, andere bequemere Mittel
zum Selbstmorde nicht zu Gebote stehen, doch sind thatsächlich
solche Vorgänge auch von Personen unternommen worden, denen
die Möglichkeit, sich durch andere und bequemere Methoden
umzubringen, nicht benommen war.

Untersuchung von Blutspuren.

Blutspuren oder Flecke, die den Verdacht erregen, dass sie von
Blut herrühren, können sich finden entweder beim Localaugenschein
oder an Individuen, beziehungsweise ihnen gehörigen
Gegenständen, insbesondere Waffen, die im Verdachte stehen, oder
eben solcher Befunde wegen in den Verdacht kommen, die That
begangen zu haben.
Das Verhalten der Blutspuren am Orte,
wo eine vermeintlich verbrecherische That Befund von Blutspuren.
begangen wurde, kann mitunter die wichtigsten Aufklärungen geben
über verschiedene, für die gerichtliche Untersuchung
bedeutungsvolle Umstände, und es ist daher jedesmal darauf ein
besonderes Augenmerk zu richten. Es ist sowohl das Verhalten der
Blutspuren an der Leiche selbst, als in der Umgebung zu beachten.
Wir haben bereits bei der Besprechung des Selbstmordes durch
Halsabschneiden darauf aufmerksam gemacht, wie wichtig das
Vertheiltsein der Blutspuren an der Leiche eines mit
durchschnittenem Halse gefundenen Individuums für die
Entscheidung der Frage sein kann, ob ein Selbstmord vorliegt oder
ein Mord begangen wurde. Diese Verhältnisse sind sofort zu
erheben, da es begreiflich ist, dass ihre Erhebung selten mehr einen
Werth hat, wenn bereits mit der Leiche herummanipulirt worden war.
Es ist ausser auf die Vertheilung des aus der Wunde
herausgeflossenen Blutes und auf das Verhalten der Hände der
Leiche auch darauf zu achten, ob sich nicht Spuren fremder blutiger
Hände an der Leiche finden.
Hochinteressant in dieser Beziehung ist der von
Blutspritzer.
Ta y l o r (l. c. I, 522) erwähnte Fall, wo auf dem
Rücken der l i n k e n Hand eines mit durchschnittenem
Halse todt gefundenen Individuums der Abdruck einer blutigen, ebenfalls l i n k e n
Hand constatirt und dadurch der Mord ausser Zweifel gestellt wurde. In einem von
uns begutachteten Falle (Vierteljahrschr. f. gerichtl. Med. N. F., XIX, 89) ergaben
sich an der Leiche eines erwürgten Mannes zahlreiche, blutig aufgekratzte Stellen
in der Kehlkopfgegend, und am Hemde, mit welchem die Leiche allein bekleidet
war, an beiden Oberarmen Blutspuren, die offenbar Abdrücke blutiger Hände
darstellten, so dass kein Zweifel bestehen konnte, dass der Thäter mit seinen noch
blutigen Händen den Erwürgten an den Oberarmen gefasst hatte, um gewisse
Lageveränderungen vorzunehmen.

Blutspuren an anderen Stellen der Localität als an der, wo die

Leiche lag, können Aufklärung darüber geben, wo die tödtliche oder
zuerst eine andere Wunde gesetzt, respective das Individuum
überfallen wurde, noch mehr, wenn von dieser Blutspur weitere
Spuren bis zur Leiche sich verfolgen lassen, und es wäre dann weiter
zu erwägen, ob von dieser Stelle der Verletzte noch selbst an den
Ort, wo seine Leiche gefunden wurde, gelangen konnte oder
hingebracht wurde. Der oben erwähnte Fall der angeblich von der
Stilfserjochstrasse herabgestürzten Frau gibt ein solches Beispiel.
 Wie wichtige Aufschlüsse in dieser Beziehung das Auffinden von Blutspuren
bieten kann, zeigt ein von Ta y l o r (l. c. I, 521) mitgetheilter Fall. Ein Weib wurde
am Fusse einer Kellerstiege todt aufgefunden und die Section ergab, dass sie
thatsächlich durch den Sturz an einer Fractur des Schädels und der Wirbelsäule
gestorben war. Es fanden sich jedoch bei der Localbesichtigung an der obersten
Stufe der Treppe in einer Höhe von 4–5 Fuss über dieser frische Blutspuren an der
Ziegelwand, die zufolge ihrer Beschaffenheit offenbar von einer spritzenden Arterie
herrührten. Die Leiche zeigte aber thatsächlich eine Wunde in der rechten
Schläfegegend, welche die rechte Schläfearterie durchtrennt hatte. Es lag sonach
nahe, zu erklären, dass das Weib diese Wunde oben auf der Stiege, während sie in
der Nähe der betreffenden Wand stand, erhielt und dann erst in den Keller
herabgestossen wurde, und diese Annahme wurde auch durch die weiteren
Erhebungen bestätigt.

Bei dieser Gelegenheit sei erwähnt, dass die Blutspuren, die

durch eine gegen eine Fläche schief spritzende Arterie an ersterer
erzeugt werden, die Gestalt von in eine Spitze ausgezogenen
Tropfen besitzen, deren dickeres abgerundetes Ende der Stelle
entspricht, wo zuerst der ausspritzende Blutstropfen die Wand
getroffen hatte, während die spitz auslaufende Fortsetzung dem
bekannten Beharrungsbestreben des in Bewegung begriffenen
Tropfens seine Entstehung verdankt, wobei die ganze Figur der Spur
desto mehr in die Länge gezogen scheint, mit je grösserer Kraft der
betreffende Tropfen gegen die Fläche angetrieben worden war. Die
Beachtung dieses Verhaltens, zusammengehalten mit der Lage und
dem Caliber der verletzt gefundenen Arterie, kann mitunter recht
wichtige Schlüsse ergeben über die Stellung, die die betreffende
Person in dem Momente eingenommen hatte, als sie jene Verletzung
erhielt.
Wie wichtig das Auffinden blutiger
Abdrücke blutiger Hände
Fussspuren oder von Abdrücken blutiger und Füsse.
Hände am Orte der That werden kann, liegt
auf der Hand.
In einem von Ta y l o r (l. c. 517) mitgetheilten Falle fanden sich am Fussboden
des Zimmers, in welchem eine offenbar ermordete Person lag, drei Spuren eines
nackten blutigen Fusses, die ihrer Schmalheit wegen sofort den Verdacht
erweckten, dass sie von einem weiblichen Fuss herrührten. Die eigenen Füsse der
Ermordeten waren viel grösser und nicht blutig, konnten daher diese Spuren nicht
erzeugt haben. Im Hause befanden sich nur noch zwei Personen, auf welche der
Verdacht, die That begangen zu haben, fallen konnte, ein Mann und ein Weib. Die
Füsse der Letzteren stimmten mit der Grösse der gefundenen Blutspuren überein,
und als mit Rindsblut Versuche angestellt wurden, ergab sich, dass die so
erzeugten Spuren sich in überraschender Weise gleich verhielten, wie jene, die im
Zimmer der Ermordeten entdeckt worden waren. Dieser Befund war eines von den
zahlreichen anderen Momenten, durch welches dieses Weib der That überführt
wurde.
An gleicher Stelle wird von Ta y l o r ein Fall mitgetheilt, in welchem sich von
dem Hause, in welchem der Ermordete lag, Spuren blutiger Hände entlang des
Hauses bis zu einem nach rückwärts gelegenen Wohnraume verfolgen liessen und
so zur Entdeckung des Mörders führten, der, indem er in der Finsterniss der Nacht
in seine Wohnung zurücktappte, jene Spuren hinterlassen hatte.

Bei der Verwerthung solcher Spuren ist natürlich

niemals zu übersehen, dass sie erst nachträglich Bedeutung von Blutspuren.
durch zur Leiche hinzugekommene Personen erzeugt
worden sein konnten, und nur wenn diese Möglichkeit sicher auszuschliessen ist,
erhalten die gefundenen Spuren die betreffende Bedeutung. Als warnendes
Beispiel in dieser Beziehung wird von B a y a r d (Ann. d’hyg. publ. 1847, 2, 219) ein
Fall erzählt, in welchem durch den zuerst herbeigerufenen Arzt (!), der in das Blut
getreten war, Blutspuren von dem Zimmer, in welchem die Leiche lag, in ein
Nachbarzimmer vertragen wurden, und dadurch nachträglich der Bewohner des
letzteren in Verdacht gerieth, die That begangen zu haben. Uns kam ein Fall vor, in
welchem es wichtig gewesen wäre, zu constatiren, ob der eines Raubmordes
Verdächtige im Blut herumgetreten sei, wo aber, wenn der Nachweis von Blut an
den Stiefeln des Betreffenden gelangen wäre, dieser Befund deshalb keine
Beweiskraft gehabt hätte, weil man den Mann wenige Stunden nach der That an
den Thatort geführt und mit der Leiche confrontirt hatte, wobei erst derselbe in
das Blut hineingetreten sein konnte. In der That wurden auch 15 offenbar
gespritzte Blutflecken, die sich an der Vorderseite des Oberrockes des Angeklagten
fanden, von dem Vertheidiger daraus erklärt, dass erst bei jener Confrontirung
durch das Eintreten des Mannes selbst oder Anderer in das noch feuchte Blut sein
Rock damit bespritzt worden sei.
Auch die Möglichkeit, dass die gefundenen Blutspuren vom Verstorbenen selbst
erzeugt worden sein konnten, ist nicht aus dem Auge zu lassen. Auch in dieser
Beziehung finden wir im Ta y l o r ’schen Buche eine interessante Angabe, betreffend
einen Mann, der erhängt gefunden wurde, ausserdem aber eine blutende Wunde
am Halse zeigte. Es fand sich eine grosse Blutspur in einem anderen Raume und in
einer geöffneten Lade mit Blut befleckte Stricke, woraus, sowie aus den übrigen
Umständen des Falles sich herausstellte, dass der Betreffende zuerst versucht
hatte, sich den Hals abzuschneiden, und als dies missglückte, mit seinen blutigen
Händen einen Strick aus jener Lade holte und damit sich erhing.

Bei der Bedeutung, die dem Auffinden derartiger

Spuren, insbesondere Fussspuren, für die Eruirung Conservirung dieser und
des Thäters zukommt, ist es angezeigt, dafür zu anderer Spuren.
sorgen, dass eine Vergleichung dieser Objecte noch
nachträglich ermöglicht werde. Lässt sich die Spur nicht als solche aufbewahren,
so ist ihre genaue Aufnahme zu veranlassen, wozu sich am besten die von
C a u s s é (Annal. d’hygiène, pag. 2, Sér. I, 175) angegebene Methode des
„Netzzeichnens“ eignet, welche darin besteht, dass man die Spur mit einem
Rechteck gerader Linien umzeichnet, die Seiten des Rechteckes in möglichst kleine
gleiche Theile theilt und die Theilungspunkte mit den gegenüberliegenden durch
gerade Linien verbindet. Die Spur erscheint dann mit einem Netz von Linien
bedeckt und kann, wenn man sich ein gleiches und ebenso eingetheiltes Rechteck
auf das Papier zeichnet, auf dieses auch von einem Nichtzeichner mit Leichtigkeit
übertragen werden.[289] Auf die Bedeutung von Blutspuren bei gewissen
Nothzuchtsfällen haben wir bereits in den betreffenden Capiteln hingewiesen und
auf jene für die Diagnose einer stattgehabten Entbindung werden wir noch bei der
Behandlung des Kindesmordes zurückkommen.

Die höchste Bedeutung kann der Befund

von Blutspuren erlangen, wenn er sich an Blutspuren an der That
verdächtigen Personen.
einem der That verdächtigen Individuum Fussabdrücke.
oder an diesem gehörenden Gegenständen
ergibt. Dass in einer grossen Zahl der Fälle, in denen Jemand eine
blutige That begeht, dieselbe auch Blutspuren am Thäter
zurücklassen wird, ist begreiflich, doch wäre es irrig, sich der
Meinung hinzugeben, dass nothwendig Blutspuren zurückbleiben
müssen. Es wird dies abhängen zunächst von der Natur der Wunde
oder der Wunden, und zwar einestheils von dem Blutverluste, der
überhaupt, und zwar nach aussen, mit ihnen verbunden war,
andererseits aber auch davon, ob das Blut aus der Wunde blos
herausfloss oder spritzte. Ferner ist es klar, dass je nach der
Stellung, die der Thäter zu seinem Opfer einnahm, in einem Falle
leicht, in einem anderen schwerer und in einem dritten gar nicht
Blutspuren zurückbleiben werden, ebenso dass, wenn einem
Individuum im Schlafe der Hals abgeschnitten wurde, dies eher ohne
Zurücklassung von Blutspuren an dem Thäter geschehen kann, als
wenn dasselbe, während es wachte und sich wehren konnte,
umgebracht worden ist. Dass ausserdem eine Menge anderer
Zufälligkeiten mitwirken kann, liegt auf der Hand. Auch der
Umstand, ob der Thäter die Leiche unangetastet liegen liess oder
damit manipulirte, ferner das Raffinement des Thäters, die Vorsicht,
mit der er vorgeht, sogar die Uebung, die er eventuell besitzt
(Schlächter), können in dieser Beziehung sich geltend machen. Dies
wird z. B. illustrirt durch die Thatsache, dass in einem von Ta y l o r
(l. c. I, 523) erwähnten Falle der Mord von einem Individuum
begangen wurde, welches sich früher seiner Kleider vollständig
entledigt hatte, und durch einen zweiten, welchen D u f o u r (Virchow’s
Jahrb. 1880, I, pag. 654) mittheilt, wo der Thäter, ein an
Verfolgungswahn leidender Geisteskranker (!), vor Begehung des
Doppelmordes Leinwandfetzen über sein Gewand gezogen hatte, um
dieses vor Besudlung mit Blut zu schützen!
Ausser den Kleidern und Wäschestücken
des Thäters sind es vorzugsweise diesem Blutspuren auf Kleidern
und Werkzeugen.
gehörig verletzende Werkzeuge, z. B. Messer,
an denen Blutspuren oder ihnen ähnliche Flecke gefunden werden
können. Die Möglichkeit, dass ein Instrument, mit welchem eine
Stich-, Schnitt- oder Hiebwunde beigebracht wurde, unblutig bleiben
könne, lässt sich nicht ganz wegleugnen, namentlich dann nicht,
wenn das Instrument mit raschem Zuge geführt wurde und grössere
Gefässe nicht verletzt worden sind, oder wenn das Blut an den
ebenfalls durchstochenen Kleidungsstücken etc. beim Zurückziehen
des Messers wieder abgewischt wurde. C a s p e r hat (l. c. II, 168) aus
Anlass eines Falles, wo bei einem Individuum, das sich selbst den
Hals durchschnitten hatte, ein ganz blutfreies Tischlermesser
gefunden wurde, auf diese Möglichkeit aufmerksam gemacht. Doch
dürfte dies jedenfalls nur ausnahmsweise vorkommen, da zahlreiche
Versuche, die wir in dieser Richtung hin anstellten, immer negativ
ausgefallen sind, obwohl allerdings die Menge des Blutes, die dem
gebrauchten Instrumente anhaftete, eine sehr verschiedene
gewesen ist, und wiederholt nur unbedeutende Spuren daran
zurückgeblieben waren. Auch kann man sich bei solchen Versuchen
überzeugen, dass, wie begreiflich, unter sonst gleichen Verhältnissen
desto weniger Blut an der Klinge eines verletzenden Instrumentes
zurückbleibt, je blanker und glatter dieselbe gewesen war. In der
Regel erklärt sich das Fehlen von Blutspuren an einem thatsächlich
gebrauchten Werkzeuge ungezwungen daraus, dass dasselbe
nachträglich gereinigt worden ist. Wurde diese Reinigung nicht
sorgfältig vorgenommen, so z. B. das Messer nur einfach abgewischt,
dann können sich trotzdem Blutspuren an rauheren oder vertieften
Stellen des Heftes, besonders in dem Einschnitte, der zum Oeffnen
der Klinge bestimmt ist, oder in dem Charnier der Klinge, in dem
Spalt des Messers u. s. w., erhalten, ebenso bei Beilen in den
Vertiefungen zwischen Stiel und dem Loche des Beiles, durch
welches dieser durchgesteckt ist, durchaus Stellen, die, wenn solche
Untersuchungen vorkommen, besonders beachtet werden müssen.
Zweifellos gibt es eine grosse Reihe von Fällen, in denen schon
die makroskopische Besichtigung einer Spur hinreicht, um dieselbe
als durch Blut erzeugt erkennen zu lassen; dies gilt namentlich von
den Spuren, die sich bei der Vornahme des ersten
Localaugenscheines ergeben. Finden sich jedoch solche Spuren an
dem Thäter oder ihm gehörenden Dingen, dann genügt
selbstverständlich niemals die blosse makroskopische Untersuchung,
sondern es ist die Natur des verdächtigen Fleckes anderweitig
sicherzustellen.
Es ist zu diesem Behufe zweierlei anzustreben: erstens der
mikroskopische Nachweis der charakteristischen Blutkörperchen und
zweitens der Nachweis des ebenso charakteristischen
Blutfarbstoffes, des Hämoglobins und seiner Derivate.
Das A u f f i n d e n d e r B l u t k ö r p e r c h e n
beweist nicht blos in absoluter Weise die Nachweis von
Blutkörperchen.
Gegenwart von Blut, sondern ermöglicht
auch die Beantwortung gewisser Detailfragen, welche sich auf die
Abstammung des betreffenden Blutes beziehen. In frischen Fällen
unterliegt dieser Nachweis keinen Schwierigkeiten, da es blos
nothwendig ist, etwas von der Substanz, wenn sie etwa noch feucht
ist[290], unmittelbar, wenn nicht, mit ½procentiger Kochsalzlösung,
Zuckerwasser oder verdünntem Glycerin unter das Mikroskop zu
bringen, um, wenn die Spur von Blut als solchem und nicht etwa,
wie so häufig, blos von blutigem Wasser herrührt, in der Regel sofort
die charakteristischen Formelemente des Blutes zu erkennen. In
solchen Fällen ist es natürlich auch leicht, nicht blos die runden und
kernlosen Blutkörperchen der Säugethiere von den ovalen und
kernhältigen und überdies viel grösseren der anderen Thierclassen
zu unterscheiden, sondern es können auch mikroskopische
Messungen die Lösung der Frage gestatten, ob die Grösse der
vorliegenden runden Blutkörperchen mit jener übereinstimmt, die
den menschlichen zukommt.
Unter den Säugethierblutkörperchen sind bekanntlich die menschlichen die
grössten. Ihr durchschnittlicher Durchmesser beträgt 0·0077 Mm. (0·0074–
0·0080). Ihnen zunächst stehen die des Hundes mit 0·0074 Mm. (0·0060–0·0074),
dann folgen die des Kaninchens mit 0·0064, des Schweines mit 0·0062, des Rindes
mit 0·0058, des Pferdes mit 0·0057, der Katze mit 0·0056 und des Schafes mit
0·0045 Mm.
Da die Blutkörperchen sowohl des Menschen als der einzelnen Säugethiere
nicht alle gleich gross sind, sondern ihre Grösse innerhalb gewisser Grenzen
schwankt, so wird man sich selbstverständlich nicht mit der Messung einzelner
Blutkörperchen begnügen, sondern eine möglichst grosse Reihe von Messungen
unternehmen und aus dieser die Durchschnittszahl berechnen.

Aber auch alte Blutspuren können den mikroskopischen Nachweis

von Blutkörperchen gestatten, da sich dieselben im einfach
eingetrockneten und weiter unverändert gebliebenen Blute selbst
jahrelang erhalten, wovon man sich leicht und unmittelbar
überzeugen kann, wenn man Blut in dünnen Schichten auf
durchsichtigen Glasplatten eintrocknen lässt. Wir besitzen solche
Präparate von Blutkörperchen sowohl des Menschen als
verschiedener Thiere, die bereits mehr als zehn Jahre zu
Demonstrationszwecken dienen und in welchen sich trotz dieser
langen Zeit die Formelemente in ihrer charakteristischen Form
unverändert erhalten haben. H a m m e r l [291] fand sogar, dass so
angetrocknete Blutkörperchen selbst nach Erhitzung über 200° C.
ihre Form erhalten.
 In derartigen alten Blutspuren gelingt jedoch der Nachweis der
Blutzellen nicht mehr so ohne Weiteres, wie bei frischen, sondern
fordert eine bestimmte Behandlung des Objectes, namentlich mit
gewissen Zusatzflüssigkeiten, die geeignet sind, die Blutkörperchen
in der meist fest eingetrockneten und spröden Substanz wieder
sichtbar zu machen.
Von diesen Zusatzflüssigkeiten können wir aus eigener
Erfahrung[292] die etwas modificirte P a c i n i ’sche Flüssigkeit (300
Theile Wasser, 100 Theile Glycerin, 2 Theile Kochsalz und 1 Theil
Sublimat) empfehlen. Auch verdünnte, mit Glycerin versetzte Säuren
leisten gute Dienste, so die von R o u s s i n [293] angegebene Mischung
von 3 Theilen Glycerin und 1 Theil concentrirter Schwefelsäure bis
zum spec. Gewicht von 1·028 mit Wasser verdünnt.
Von V i r c h o w (Archiv, XII, 336) wurde concentrirte 30procentige
Kalilauge zu diesem Zwecke empfohlen, ebenso von B r ü c k e
(Vorlesungen, I, 76) und neuerdings wieder von A. R o l l e t [294],
welcher fand, dass an eingetrocknetem Blute die rasch
vorübergehenden Stadien der Schrumpfung und Quellung, welche
man nach der Einwirkung concentrirter (32procentiger) Kalilauge an
den feuchten Blutkörperchen hervortreten sieht, ausbleiben und dass
hier sogleich das an feuchten Blutkörperchen jenen stürmischen
Reactionen erst folgende Stadium der Härte auftritt, in welchem die
Blutkörperchen sich lange Zeit in einer ihrer natürlichen Form
ähnlichen Erscheinungsweise erhalten. Man kann auch concentrirte
Cyankaliumlösung zu diesem Zwecke verwenden. H. S t r u v e
(Virchow’s Arch. 79. Bd., pag. 524) empfiehlt concentrirte Weinsäure
oder noch besser die Anwendung der Kohlensäure. Zu diesem
Behufe lässt er in einem Probirgläschen CO2 durch Wasser
durchstreichen und legt dann die Spur sammt ihrer Unterlage in
dieses hinein. Nach etwa 20 Stunden ist die Spur erweicht und kann
untersucht werden. R e z z o n i c o (Rivista sperim. XV, 214) hat mit
10procentiger Lösung von Oxalsäure gute Resultate erhalten.
Wir haben uns ferner bei einer grossen Zahl einschlägiger
Untersuchungen überzeugt, dass, wenn schon sehr alte, hart
gewordene Blutspuren vorliegen, auch die blosse Anwendung
destillirten Wassers, welches bei frischen Blutspuren vermieden
werden muss, da es sofort den Blutzellen den Farbstoff entzieht und
diese durch Quellung verändert, sehr schöne Resultate ergibt, ein
Verhalten, welches offenbar darin seinen Grund hat, dass die
Blutkörperchen durch intensives Eintrocknen eine grössere Resistenz
gegen Wassereinwirkung erlangen und auch die Löslichkeit des
Hämoglobins und damit die Leichtigkeit, mit welcher es sonst durch
Wasser den Blutkörperchen entzogen wird, sich vermindert.
Der Vorgang bei solchen Untersuchungen hat in der Weise zu
geschehen, dass man zunächst winzige Partikelchen der
betreffenden Substanz auf einen Objectträger bringt, indem man
entweder mit einem Messerchen etwas von der angetrockneten Spur
abschabt, oder, was sich besonders bei an Stoffen befindlichen
Flecken empfiehlt, die Spuren unmittelbar über dem Objectträger mit
einer Nadel ritzt, wobei, wenn wirklich Blut vorliegt, der braunrothe
Strich auffällt, den die ritzende Nadel erzeugt und ein feines
braunrothes Pulver auf den Objectträger fällt, welches sich zur
weiteren Untersuchung vorzüglich eignet.
Man kann entweder sofort die auf dem Objectträger befindliche
Substanz mit einer der erwähnten Zusatzflüssigkeiten behandeln
oder früher, blos mit einem Deckgläschen bedeckt, unter das
Mikroskop bringen und erst dann die Flüssigkeit zusetzen, ein
Verfahren, das sich deshalb empfiehlt, weil man das Sichtbarwerden
der Formelemente in den früher amorph erschienenen Schollen
unmittelbar beobachten und auch das Verhalten der letzteren zu
Wasser oder anderen Lösungsmitteln zu verfolgen im Stande ist.
In günstigen Fällen lässt sich nicht blos
erkennen, dass die betreffenden Schollen Unterscheidung
Blutkörperchen.
von

aus gleichmässig grossen, meist dicht

gedrängten, in ihrer Form und sonstigen Beschaffenheit jener der
Blutkörperchen entsprechenden Elementen bestehen, sondern es
kann auch gelingen, einzelne dieser Elemente isolirt zu Gesichte zu
bekommen: letztere zeigen dann ihre charakteristische,
ursprüngliche Form viel deutlicher, während die in den festen
Schollen eingebetteten Blutkörperchen meist durch gegenseitigen
Druck abgeplattet erscheinen und erst bei längerer Einwirkung einer
entsprechenden Zusatzflüssigkeit aufzuquellen und dadurch eine der
ursprünglichen sich nähernde Form anzunehmen pflegen.
Ausser den rothen Blutkörperchen lassen sich häufig in den
betreffenden Schollen auch einzelne weisse unterscheiden, welche
sogar eine grössere Resistenzfähigkeit zu besitzen scheinen, als
erstere, da man sie mitunter noch findet, wenn bereits, wie z. B. bei
stark verwitterten Blutspuren, die rothen schon durch feinkörnigen
Zerfall mehr oder weniger unkenntlich geworden sind. C o r i n
(Virchow’s Jahresb. 1893, I, pag. 486) fand die Angabe, dass die
neutrophilen Körnchen in den Leucocythen, welche bei der Färbung
des Blutes nach der Methode von E h r l i c h sich violett und blau
färben, nur beim Menschenblute vorkommen, bestätigt und
empfiehlt daher diesen Nachweis zur Unterscheidung von
Menschenblut vom Thierblut. Doch ergaben die Nachuntersuchungen
von Ta m a s s i a [295], dass in dieser Beziehung kein Unterschied
besteht.
Schwerer als die Säugethierblutkörperchen sind in alten
Blutspuren die Blutkörperchen der übrigen Thierclassen in ihrer
ursprünglichen Form zu erkennen, wovon die Ursache einestheils in
der blässeren Färbung dieser Formelemente, dann aber besonders in
der grösseren Geneigtheit derselben zu Schrumpfung beim
Eintrocknen, sowie in dem weniger resistenten Verhalten des
Stromas gegen die erwähnten Lösungsmittel gelegen ist, weshalb
die Contouren der Blutkörperchen weniger scharf hervortreten, als
dies unter sonst gleichen Verhältnissen bei den Menschen- und
Säugethierblutkörperchen der Fall ist. Dagegen sind die von solchem
Blut, insbesondere von Vogelblut, herrührenden Spuren durch die
meist in grosser Menge in ihnen vorkommenden, das Licht stark
brechenden Kerne charakterisirt, welche namentlich nach Zusatz
schwacher Essigsäure deutlich hervortreten, während, wenn
Säugethierblut vorliegt, die betreffenden Schollen nach einem
solchen Zusatz sich sofort oder in wenigen Augenblicken auflösen
und ein kaum erkennbares blasses Stroma zurücklassen.
Es ist begreiflich, dass, wenn die Blutkörperchen durch
Eintrocknen verschrumpft und durch Anwendung der bezeichneten
Flüssigkeit wieder sichtbar gemacht worden sind, die
Unterscheidung, ob dieselben thatsächlich von Menschenblut oder
von dem Blute von Säugethieren herrühren, grosse Schwierigkeiten
haben wird. Da nämlich der Grad der Schrumpfung der Blutelemente
von verschiedenen unberechenbaren Umständen abhängt und die
Reconstruirung der Form und Grösse derselben mittelst obiger
Reagentien auch nicht gleichmässig und vollständig erfolgt, übrigens
auch von der Natur des Reagens und der Dauer seiner Einwirkung
abhängt, und da es sich endlich bei der Unterscheidung von
menschlichen Blutkörperchen von solchen der Säugethiere in der
Regel nur um ganz minimale, zwischen 0·004 bis 0·008
schwankende Grössendifferenzen handelt, so lassen sich von
mikroskopischen Messungen, selbst wenn sie mit aller Sachkenntniss
und Accuratesse vorgenommen wurden, doch nur precäre Resultate
erwarten, wie auch S t r u v e (Virchow’s Archiv. 83. Bd., pag. 146) auf
Grund sehr eingehender Untersuchungen betont. Trotzdem wird man
nicht unterlassen, vorkommenden Falles solche Messungen zu
unternehmen, da ihr Resultat, namentlich wenn es auf zahlreichen
Messungen basirt, doch nicht jedes Werthes entbehrt, besonders
dann nicht, wenn es sich um Unterscheidung von Blut von Thieren,
wie z. B. von Rindern, Katzen, Pferden und Schafen, handelt, deren
Blutkörperchen doch um ein Erkleckliches kleiner sind, als jene des
Menschen.[296]
Nicht unerwähnt soll bleiben, dass die Sporen mancher niederen Pilze,
insbesondere Schimmelpilze, eine grosse äussere Aehnlichkeit mit Blutkörperchen
haben. So hat E r d m a n n die Aehnlichkeit mit Porphyridium cruentum und
R i n d f l e i s c h die der Sporen von Achorion Schönleinii hervorgehoben. Wir können
diese aus eigener Erfahrung bestätigen und müssen als unterscheidend auf die
grosse Resistenzfähigkeit solcher Sporen gegen Säuren und Alkalien hinweisen.
Auch Hefezellen und selbst Fetttröpfchen können Blutkörperchen vortäuschen. Zur
Unterscheidung letzterer ist in zweifelhaften Fällen, wie schon G w o s d e w rieth,
Aether, Benzin u. dergl. zur Anwendung zu bringen.
 Die weitere Untersuchung der
betreffenden Spur bezweckt den N a c h w e i s Nachweis des
Hämoglobins.
d e s H ä m o g l o b i n s , des Blutroths, jenes
eigenthümlichen eiweisshältigen Farbstoffes, welcher im normalen
Zustande den Inhalt der Blutkörperchen bildet und dem Blute die
charakteristische rothe Farbe verleiht. Dieser Nachweis kann nur
gelingen, so lange das betreffende Blut seine Löslichkeit in Wasser
bewahrt hat, denn das Fehlen dieser ist ein Beweis, dass die
betreffende Spur nicht mehr den genuinen Blutfarbstoff, sondern
allenfalls nur dessen Derivate, insbesondere das im Wasser
unlösliche Hämatin, enthält. Das Hämoglobin kann aber seine
Löslichkeit einbüssen, einerseits durch coagulirende Einflüsse,
anderseits durch Alter.
Von ersteren ist insbesondere die
Einwirkung kochenden Wassers zu Löslichkeit von Blutspuren.
erwähnen, die einer Blutspur sofort die Löslichkeit benimmt, aber
auch dieselbe auf der Unterlage mehr fixirt, so dass sie weiteren
Insulten gegenüber resistenter wird, als einfach eingetrocknetes
Blut, welches bekanntlich in diesem Zustande eine spröde, leicht
zerreibliche Masse bildet, welche durch Reiben und ähnliche
Einwirkungen leicht von der Unterlage weggebracht werden kann.
Interessant ist ein von L i m a n (Virchow’s Archiv. 1886, pag. 395)
mitgetheilter Fall, wo die Unlöslichkeit der an einem Sacke
befindlichen Flecke durch heisses Bügeln veranlasst worden war. Aus
Anlass dieser Beobachtung von K a t a y a m a (Vierteljahrschr. f.
gerichtl. Med. XLIX) angestellte Untersuchungen ergaben, dass
durch eine Stunde auf 120° erhitztes Blut sich in Wasser und
Boraxlösung nicht mehr löst, auf 140° erhitztes auch nicht mehr in
Cyankaliumlösung, dagegen noch am besten in Natronlauge und in
Eisessig, und wie Kratter („Ueber den Werth des
Hämatoporphyrinspectrums.“ Vierteljahrschr. f. gerichtl. Med. 1892,
IV, 62), sowie H a m m e r l (Ibid. pag. 44) fanden, in concentrirter
Salzsäure, besonders aber, selbst nach Erhitzung bis 210°, in
concentrirter Schwefelsäure.
 Was das Alter betrifft, so ist es bekannt,
mit welcher Leichtigkeit frisches Blut im Alter von Blutspuren.
Methämoglobin.
Wasser sich löst und welche Färbekraft
demselben zukommt. Diese Löslichkeit behält eingetrocknetes Blut
sehr lange und kann sie selbst Jahre lang bewahren, wenn von
demselben die zersetzenden Einflüsse von Luft und Licht
ferngehalten wurden. Blieb der Fleck der Luft frei ausgesetzt, so sind
es die durch den Sauerstoff und das Ozon der Luft eingeleiteten
langsamen Oxydationsvorgänge, vielleicht auch die in der Luft,
namentlich in jener der Städte, enthaltenen Säuren (S o r b y ),
insbesondere aber der Einfluss des Lichtes, welche die Löslichkeit
der Spur allmälig vermindern und schliesslich ganz aufheben, indem
sich das Hämoglobin anfangs unter Abscheidung von „Globulin“ zu
noch in Wasser löslichem M e t h ä m o g l o b i n und schliesslich zu
unlöslichem Hämatin verwandelt. Die Schnelligkeit, mit welcher dies
geschieht, hängt theils von der Dicke der betreffenden Blutspur ab,
da die genannten Agentien desto rascher die Zersetzung erzeugen
werden, je dünner und überhaupt je kleiner die betreffende Blutspur
gewesen war, theils von der grösseren oder geringeren Intensität,
mit welcher diese Agentien auf die Blutspur einwirken können. Am
schnellsten und unseren Erfahrungen zufolge schon in wenigen
Wochen, ja wenn derselbe klein war, schon in wenigen Tagen, kann
ein Blutfleck unlöslich werden, wenn er dem directen Sonnenlicht
ausgesetzt blieb, während unter anderen Umständen doch meistens
lange Zeit hierzu erforderlich ist.
Sowohl die durch Coagulation, als die durch Luft- und Lichteinwirkung
entstandenen Zersetzungen des Hämoglobins machen sich schon durch
Veränderung der ursprünglichen Farbe der Blutspur kenntlich. Diese in
verschiedenen Nuancen rothe und namentlich auf lichtem Untergrunde deutlich
hervortretende Farbe wird durch Coagulation des Blutroths sofort missfärbig und
bleibt es fortan. Durch die Einwirkung von Licht und Luft erhält jede Blutspur sehr
bald einen Stich in’s Braunrothe, wird später immer mehr braun, dann graubraun
und schliesslich vollkommen grau. Auch diese Farbenveränderungen erfolgen bei
Einwirkung directen Sonnenlichtes ungleich rascher, und man kann dies in sehr
instructiver Weise demonstriren, wenn man ein Stück in Blut getauchte Leinwand
trocknet und nun in der Sonne liegen lässt. Man findet dann nach
verhältnissmässig kurzer Zeit die der Sonne zugekehrte Seite der Blutspur grau,
während die entgegengesetzte die ursprüngliche Blutfarbe noch fast unverändert
zeigt. Bei Bestimmungen des A l t e r s von Blutspuren ist es daher angezeigt, nicht
blos den Grad der Löslichkeit und die Farbe derselben, sondern auch alle Momente
zu erwägen, welche diese Veränderungen zu beschleunigen oder zu verzögern
vermögen. In den meisten Fällen werden trotzdem solche Altersbestimmungen nur
approximativ ausfallen können.

Die Untersuchung der aus einer

verdächtigen Spur erhaltenen wässerigen Spectrum des
Oxyhämoglobins und
Lösung geschieht mit dem S p e c t r a l a p p a r a t reducirten Hämoglobins.
und hat den Zweck, die dem Hämoglobin
zukommenden charakteristischen Absorptionserscheinungen zu
constatiren. Seitdem H o p p e -S e y l e r [297] zuerst darauf aufmerksam
machte, dass der Blutfarbstoff in eigenthümlicher Weise gewisse
Strahlen des Spectrums absorbire, besitzen wir in der
Spectralanalyse ein ausgezeichnetes und durch zahllose
Beobachtungen bewährtes Mittel zur Erkennung von Blutspuren in
forensischen Fällen.
Diese Absorptionserscheinungen bestehen bekanntlich darin,
dass, wenn man Blut entsprechend mit Wasser verdünnt und die
Lösung zwischen den Spalt eines Spectralapparates und eine
Lichtquelle bringt, das violette Ende des normalen Spectrums wie
ausgelöscht erscheint und zwei dunkle Absorptionsbänder in Gelb
und an der Uebergangsstelle von Gelb in Grün zu bemerken sind,
von denen das eine schmälere in Gelb unmittelbar neben der Stelle,
wo im Sonnenspectrum die F r a u n h o f e r ’sche Linie D sich befindet
und zwischen dieser und dem violetten Ende des Spectrums liegt,
während das andere, fast noch einmal so breite, aber weniger scharf
begrenzte und weniger dunkle an der Uebergangsstelle zwischen
Gelb in Grün nahe bei der F r a u n h o f e r ’schen Linie E sich befindet
(Fig. 74, 1). Dieses Spectrum ist das des sauerstoffhältigen
Hämoglobins oder des O x y h ä m o g l o b i n s .
Diese Absorptionserscheinung ist noch bei starker Verdünnung
der Lösung zu bemerken, so zwar, dass ein geübtes Auge die
Absorptionsstreifen noch unterscheiden kann, wenn die Lösung
makroskopisch kaum mehr gefärbt erscheint. Wird die Verdünnung
weiter fortgesetzt, so verschwindet zuerst der Streif im Grün und
zuletzt erst der bei der Linie D.
Entzieht man der Lösung den Sauerstoff durch Hinzuthun
reducirender Substanzen, wozu gewöhnlich Schwefelammonium
benützt wird, so ändert sich das Spectrum, indem die Streifen des
Sauerstoff-Hämoglobins gewissermassen zusammenfliessen und
schliesslich nur ein einziges breites Absorptionsband zurückbleibt,
welches den grössten Theil des Raumes zwischen den
F r a u n h o f e r ’schen Linien D und E ausfüllt und ziemlich scharf von
den übrigen Theilen des Spectrums sich abgrenzt (Fig. 74, 2). Es ist
dies das Spectrum des sauerstofffreien Blutroths, des r e d u c i r t e n
H ä m o g l o b i n s , welches sofort in das des Oxyhämoglobins übergeht,
wenn man die Lösung mit Luft schüttelt und so dem Sauerstoff
wieder Zutritt verschafft.
Dieses spectrale Verhalten des Hämoglobins ist im hohen Grade
charakteristisch und genügt für sich allein vollkommen, um einen
aus einer verdächtigen Spur erhaltenen Farbstoff als Blut zu
bezeichnen. Andere Farbstoffe zeigen entweder keine
Absorptionsbänder oder solche, die sich wesentlich von denen des
Blutroths unterscheiden. Nur eine ammoniakalische Carminlösung
zeigt in starker Verdünnung Absorptionserscheinungen, die jenen
des sauerstoffhältigen Hämoglobins gleichen, welche jedoch bei
Zusatz von Schwefelammonium sich nicht verändern, ausserdem bei
Zusatz von Essigsäure sich erhalten, während, wenn man zu einer
Blutlösung diese hinzugibt, die Absorptionsstreifen sofort
verschwinden.
 Fig. 74.

1. Spectrum des Oxyhämoglobins; 2. Spectrum des reducirten

Hämoglobins.

Die spectrale Untersuchung unterliegt, wenn nicht zu geringe Mengen des

Farbstoffes erhalten wurden, keinen besonderen Schwierigkeiten. Ist die Lösung,
die man durch Maceration der Spur mit Wasser erhielt, wie bei älteren Flecken
häufig, trüb, so empfiehlt es sich, eine Spur von Ammoniak zuzusetzen, wodurch
dieselbe in der Regel sofort aufgehellt wird und auch brillanter roth erscheint.
Sind sehr kleine und wenig Farbstoff abgebende Blutspuren zu untersuchen, so
sind entsprechend kleine Gefässe (dünne Röhrchen) mit der Lösung zu füllen und
überhaupt bei der Behandlung so kleiner Flecke mit Lösungsmitteln das richtige
Verhältniss zwischen der Menge dieser und der zu untersuchenden Substanz zu
berücksichtigen. Allzu verdünnte Lösungen sind im Exsiccator einzuengen. Auch
der nach dem vollständigen Eintrocknen der Lösung im Uhrglase zurückbleibende
Fleck kann unmittelbar oder mit einer Spur von Wasser befeuchtet vor den
Spectralapparat gebracht werden, obwohl die Methode sich meist nicht empfiehlt.
Bei so geringen Mengen Farbstoffes ist das Mikrospectroskop besonders am Platze,
mit welchem noch bei minimalen Mengen von Blut die charakteristischen
Absorptionsstreifen erkannt werden können.

Andere als die spectralen Eigenschaften von

Hämoglobinlösungen haben nur einen Dichroismus. Ozonprobe.
unterstützenden Werth. Hierher gehört der zuerst von
B r ü c k e constatirte Dichroismus, der namentlich nach Zusatz von etwas Kalilauge
deutlich hervortritt und die z. B. in einem Uhrgläschen befindliche Lösung im
reflectirten Lichte grünlich, im durchfallenden roth (meist burgunderroth)
erscheinen lässt; ferner der durch Kochen oder durch Säuren, oder durch das
M i l l o n ’sche Reagens nachweisbare Eiweissgehalt der Lösung, dann die
Beständigkeit der Farbe gegen Ammoniak und schliesslich die ozonübertragende
Eigenschaft des Hämoglobins. Auf letzterer Eigenschaft beruht die zuerst von v a n
D e e n und später auch von Ta y l o r und L i m a n empfohlene sogenannte
G u a j a c p r o b e oder O z o n p r o b e . Sie wird in der Weise vorgenommen, dass man
zu einer alkoholischen bis zur weingelben Farbe verdünnten Lösung von
Guajacharz, welche bekanntlich durch Ozon blau gefärbt wird und daher ein
ausgezeichnetes Ozonreagens darstellt, einige Tropfen ozonisirten (d. h. länger
unter nicht luftdichtem Verschluss an der Luft gestandenen) Terpentinöls[298]
zusetzt und nun einen Tropfen der zu prüfenden Lösung hinzuträufelt. Wenn
dieselbe Hämoglobin enthält, so färbt sich die Guajactinctur blau, indem ersteres
die Eigenschaft besitzt, das im Terpentinöl festgehaltene Ozon frei zu machen, so
dass es auf das Ozonreagens, die Guajactinctur, wirken kann und dieselbe bläut.
Diese Probe ist sehr empfindlich, doch nicht vollkommen beweisend, da ausser
dem Hämoglobin noch andere, wenn auch nur wenige Körper, die
ozonübertragende Eigenschaft besitzen, wie z. B. der Eisenvitriol, und da es, was
noch wichtiger ist, eine Reihe von Körpern gibt, die die Guajactinctur ohne
Weiteres zu bläuen vermögen, wie z. B. Eisenchlorid, übermangansaures Kali u. a.

Von den Derivaten des Hämoglobins ist

zunächst das M e t h ä m o g l o b i n nochmals zu Methämoglobin.
erwähnen, weil dasselbe gewisse spectrale Erscheinungen zeigt,
denen wir bei der Untersuchung nicht ganz frischer Blutspuren sehr
häufig begegnen. Wenn nämlich ein Blutfleck durch Einwirkung der
Luft oder insbesondere des Lichtes seine Farbe bereits merklich in’s
Braunrothe verändert hat, was bei günstigen Umständen schon nach
3–10 Tagen geschehen kann, zeigt die daraus erhaltene Lösung
einen mehr weniger ausgesprochenen Stich in’s Braune und vor dem
Spectralapparat ausser den Oxyhämoglobinbändern noch ein drittes
schmales und weniger scharf begrenztes Band in Orange zwischen
den F r a u n h o f e r ’schen Linien C und D, näher bei C (Fig. 75, 1).
Dieses Band ist sehr ähnlich dem sogenannten Säurebande, welches
besonders deutlich zu sehen ist, wenn trockenes Blut mit
säurehältigem Alkohol behandelt, respective gelöst wird, und wird
dem sogenannten Methämoglobin[299] zugeschrieben, einem
Zwischenproduct der Umwandlung des Hämoglobins in Hämatin, das
sich von letzterem besonders durch seine Löslichkeit im Wasser
unterscheidet. Das Auftreten des Methämoglobins und seines
Absorptionsbandes geht mit einer mehr weniger ausgesprochenen
Trübung der nun zu erhaltenden Lösungen einher. Setzt man aber
einen Tropfen Ammoniak zu, so klärt sich die Lösung meist sofort,
verändert ihre anfangs braunrothe Farbe in eine mehr rothe und die
Oxyhämoglobinstreifen, die gewöhnlich bei der ersten Untersuchung
weniger deutlich sich repräsentirten, treten nun sehr schön hervor,
während der Streif in Roth (Methämoglobinstreif) verschwindet.
Fig. 75.

1. Combinirtes Spectrum des Oxy- und Methämoglobins; 2. Spectrum

des Hämatins; 3. Spectrum des reducirten Hämatins.

Ein anderes Derivat des Hämoglobins, Hämatin und reducirtes

welches ein sehr charakteristisches Hämatin.
spectrales Verhalten zeigt und deshalb zum
Nachweis von Blut in verdächtigen, besonders in Wasser bereits
unlöslichen Spuren sehr gut benützt werden kann, ist das r e d u c i r t e
H ä m a t i n von S t o k e s .[300] Zu diesem Zwecke empfiehlt es sich am
besten, die zu untersuchende Substanz mit concentrirter
Cyankaliumlösung,[301] zu behandeln, und die so erhaltene, meist
hellroth, braunroth oder röthlichbraun gefärbte Lösung vor den
Spectralapparat zu bringen. Man sieht dann im Spectrum entweder
ein deutliches breites Band in Grün, welches dem Bande des
reducirten Hämoglobins sehr ähnlich ist, oder blos eine Beschattung
dieses Theiles des Spectrums (Fig. 75, 2). Setzt man aber zu der
Lösung einen oder einige Tropfen Schwefelammonium hinzu, so
bemerkt man, wie sich sofort das breite Absorptionsband in zwei
auflöst, welche auf den ersten Blick den Oxyhämoglobinstreifen
gleichen, aber von diesen ausser durch ihre Genesis auch durch ihre
dem violetten Ende des Spectrums näher gerückte Lage sich
unterscheiden (Fig. 75, 3). Letzteres Spectrum kann man auch durch
Anwendung concentrirter (32%) Kalilauge allein ohne Anwendung
von Reductionsmitteln erhalten, und zwar schneller, wenn man mit
Kalilauge kocht, als wenn man diese kalt anwendet. (R o l l e t , l. c.)
Der Nachweis des reducirten Hämatins auf spectroskopischem
Wege, namentlich jener mit Cyankalium, welchem wir den Vorzug
geben, ist nicht blos für die Anwesenheit von Blut ebenso
beweisend, wie jener des Oxyhämoglobins, sondern gibt, wovon wir
uns wiederholt überzeugt haben und betonen müssen, noch
Resultate, wenn wegen Kleinheit des Objectes oder bereits in diesem
stattgefundenen Zersetzungsprocessen der spectroskopische
Nachweis des Sauerstoffhämoglobins nicht mehr gelingt. Bei sehr
kleinen Flecken ist es daher rathsam, sofort auf reducirtes Hämatin
zu untersuchen.
Den Untersuchungen von K r a t t e r und
Hämatoporphyrin.
H a m m e r l (l. c.) zufolge lässt sich aus
verkohltem Blute, welches keine anderen Blutreactionen mehr gibt,
durch Behandlung mit concentrirter Schwefelsäure noch das
H ä m a t o p o r p h y r i n s p e c t r u m (M u l d e r , H o p p e -S e y l e r ) darstellen.
Dasselbe hat eine Aehnlichkeit mit dem Spectrum des
Oxyhämoglobins, nur sind die Streifen weiter nach links verschoben,
insbesondere der schmälere nach links von der Linie D.
Die isolirte Substanz wird mit 1–5 Ccm. concentrirter Schwefelsäure in einer
Eprouvette wiederholt geschüttelt. Färbt sich die Säure schon in den ersten
Minuten braungelb, so ist eine störende Beimischung vorhanden, die Säure ist
dann abzugiessen und durch eine neue zu ersetzen. Ist das Object Blut, dann
quillt dasselbe nach ½–1 Stunde auf, wird mehr weniger transparent und prächtig
rothviolett. Meist hat sich auch die Säure zart violett gefärbt und gibt das
erwähnte Spectrum, wobei zuerst das rechte breitere und dann das linke
Absorptionsband auftritt. Hat sich die Säure nicht genügend gefärbt, dann gibt
noch die zwischen 2 Glasplatten zerquetschte, gequollene Substanz das
charakteristische Spectrum. Giesst man das in SO3 gelöste Hämatoporphyrin in die
10–20fache Menge destillirten Wassers, so fällt dasselbe in Form rothbrauner
Flocken aus. Diese geben gewaschen und mit Alkalien gelöst das Spectrum des
a l k a l i s c h e n H ä m a t o p o r p h y r i n s , welches aus vier abwechselnd schmalen und
breiten Absorptionsbändern besteht.

Eines der für den forensischen Nachweis

von Blutspuren wichtigsten Derivate des Häminkrystalle.
Hämoglobins ist das H ä m i n , welches bei entsprechender
Behandlung der Spur in Form der ungemein charakteristischen
H ä m i n k r y s t a l l e erhalten wird, die nach ihrem ersten Entdecker
(1853) auch Te i c h m a n n ’sche B l u t k r y s t a l l e genannt werden. Diese
Krystalle sind nach den Untersuchungen H o p p e -S e y l e r ’s salzsaures
Hämatin, für welches der Kürze wegen der Name Hämin allgemein
gebräuchlich ist. Sie werden in der Weise dargestellt, dass man eine
Partie der von der Unterlage losgelösten Substanz mit höchst
concentrirter Essigsäure (sogenanntem Eisessig) unter Zusatz einer
Spur Kochsalz in einem Uhrschälchen oder auf einem Objectträger
unter dem Deckgläschen vorsichtig aufkocht und die so entstehende
braune Lösung abdampft, worauf im Rückstande die Häminkrystalle
mikroskopisch nachgewiesen werden können.
Struve (l. c.) empfiehlt die Darstellung der Häminkrystalle mittelst
Tanninlösung, wobei er folgendermassen verfährt: Man behandelt den Fleck mit
verdünnter Kalilauge, wobei man eine bräunliche Lösung erhält, welche filtrirt und
darauf mit Tanninlösung versetzt wird, wodurch die Flüssigkeit sofort eine
rothbraune Färbung annimmt. Darauf fällt man mit verdünnter Essigsäure bis zur
deutlich sauren Reaction. Mit dem abfiltrirten und getrockneten Niederschlag
verfährt man dann wie bei der gewöhnlichen Darstellung der Häminkrystalle.

Die Häminkrystalle finden sich in der Regel in grosser Menge und

erscheinen als winzige, entweder vereinzelte (Fig. 76) oder zu
Zwillingen und Mehrlingen verbundene (Fig. 77) rhombische
Stäbchen, oder, wenn sie nicht vollständig ausgebildet sind, als
hanfsamenförmige Krystalle (Fig. 78) von brauner Farbe in
verschiedener Nuance. Sie sind unlöslich in Wasser, Aether und
Alkohol, schwer löslich in Ammoniak, verdünnter Schwefelsäure und
Welcome to our website – the ideal destination for book lovers and
knowledge seekers. With a mission to inspire endlessly, we offer a
vast collection of books, ranging from classic literary works to
specialized publications, self-development books, and children's
literature. Each book is a new journey of discovery, expanding
knowledge and enriching the soul of the reade

Our website is not just a platform for buying books, but a bridge
connecting readers to the timeless values of culture and wisdom. With
an elegant, user-friendly interface and an intelligent search system,
we are committed to providing a quick and convenient shopping
experience. Additionally, our special promotions and home delivery
services ensure that you save time and fully enjoy the joy of reading.

Let us accompany you on the journey of exploring knowledge and

personal growth!

textbookfull.com