Wie kommt es zu Zusammenstößen zwischen der Polizei und Demonstrierenden? Wieso bleiben Proteste friedlich, bei denen alles auf Eskalation hindeutet und wieso eskalieren Proteste, die zunächst friedlich scheinen? Welche Rolle spielen Polizeistrategien im Vergleich zu Interaktionsdynamiken im Protestverlauf für die Eskalation? Dieser Beitrag basiert auf der Analyse von über 1000 Videoaufnahmen, Fotografien und schriftlichen Dokumenten sowie teilnehmender Beobachtung bei und Interviews mit der Polizei. Mithilfe dieser Daten habe ich eine detaillierte Rekonstruktion und vergleichende Analyse friedlicher und gewalttätiger Proteste in Deutschland und den USA von den 1960er-Jahren bis 2010 durchgeführt. Darauf aufbauend vergleicht dieser Beitrag die Erklärungskraft von Ansätzen, die Eskalation durch sogenanntes „protest policing“ (Einsatzphilosophien und polizeiliche Behandlung von Protesten) erklären und interaktionsbasierien Erklärungen (wie dem Elaborated Social Identity Model und der Mikrosoziologie zur Gewalt). Auf den Forschungsergebnissen basierend wird argumentiert, dass interaktionsbasierte Erklärungen Eskalation besser erklären können, diese jedoch erweitert werden müssen, um soziale Identität, Interpretation, Interaktion und emotionale Dynamiken gemeinsam zu berücksichtigen. In einem Ausblick formuliert der Beitrag Möglichkeiten der Gewaltvermeidung.