Häufige Fragen

Für eine umfassende Risikoanalyse und risikobasierte Entscheidungsfindung wird ein Ereignisdatensatz mit dazugehörenden Wahrscheinlichkeiten benötigt. Dies erfordert eine ereignisbasierte Herangehensweise, was mit der heute üblichen Methodik nicht möglich ist. Für viele Anwendungen wird zudem die Jährlichkeit von Intensität oder anderen Prozesskennwerten am Ort der Einwirkung benötigt. Auch dies ist mit der konventionellen Methodik nicht möglich, da hier die Jährlichkeit der Auslösung ausschlaggebend ist.

Mit probabilistischen Modellierungen können an jedem Einwirkungsort durchgehende Intensitäts-Frequenz-Kurven zur Charakterisierung der Gefährdung erstellt werden. Dies ermöglicht ein räumlich differenzierteres Bild der Gefährdung, bei dem auch berücksichtigt wird, wie oft ein Standort getroffen wird. Zudem lässt sich für jeden Ort zu jeder beliebigen Jährlichkeit der zugehörige Erwartungswert einer Prozesskenngrösse (z.B. Fliesstiefe) bzw. für jede beliebigen Wert der Prozesskenngrösse eine Jährlichkeit bestimmen.

Zu jedem Ereignis der probabilistischen Modellierung lässt sich wiederum ein Schaden für jedes betroffene Objekt berechnen. Zur Charakterisierung von Risiken können daraus durchgehende Schaden-Frequenz-Kurven für einzelne Objekte oder Gruppen von Objekten (z.B. ein Dorf oder eine Prozessquelle) erstellt werden. 

Es ist wichtig, sich bewusst zu sein, dass auch probabilistische Modellierungen auf Modellen basieren und die Realität nie vollständig abbilden können. Auch dieses Modell darf nicht unkritisch als direktes Abbild der Wirklichkeit verwendet werden.

Nachfolgend werden einige Vorteile und Nachteile der probabilistischen Gefahrenmodellierung angeführt.

Schwächen und Risiken

• Modelloutput kann nicht besser sein als sein Input
• verleitet zu Scheinpräzision
• Herausforderung lokale Gegebenheiten ausreichend detailliert und realitätsnah abzubilden
• Datentyp, Datenmenge und Art der Information stellen neue Anforderungen an die Nutzenden
• Erlernen neuer Methodik notwendig, Erfahrung - auch zur fachlichen Einordnung der Ergebnisse - fehlt
• Neuer, anderer Blick auf bisherige Gefahren- und Risikobeurteilung. Wie wird mit neuen Erkenntnissen im aktuell etablierten Prozedere umgegangen?

Stärken und Chancen

• Objektivität (einheitliche Grundlagendaten, gleiche Fälle werden gleich behandelt)
• reproduzierbare und nachvollziehbare Ergebnisse
• Flächendeckende Resultate
• quantifizierbare Unsicherheiten
• hohe Effizienz (Berücksichtigung grosser Anzahl an Ereignissen möglich)
• breites Spektrum an Abläufen kann abgebildet werden, auch unwahrscheinliche
• Charakterisierung von Ereignissen möglich
• Veränderung von Rahmenbedingungen sind quantifizierbar (z.B. Klimawandel)
• Verschiedene Auswertungen je nach Zielgruppe/Fragestellung möglich
• Ermöglicht häufigere Aktualisierung der Resultate und Produkte

Im Rahmen des Projekts Pro^BE wird mittels probabilistischer Modellierungen eine zentrale und einheitliche Beurteilungsgrundlage geschaffen, die das Fundament des integralen Risikomanagements im Kanton Bern bildet. Diese Grundlage soll für alle gravitativen Naturgefahrenprozesse flächendeckend und von einheitlicher Qualität sein. Räumlich differenzierte Intensitäts-Frequenz-Kurven sollen für alle ausschlaggebenden Parameter für jeden Ort abrufbar sein.

Mit der angestrebten objektiven, effizienten und zukunftsgerichteten Beurteilungsgrundlage für ein proaktives Risikomanagement lassen sich unter anderem folgende Fragestellungen leichter beantworten:

• Proaktive Identifikation von Gebieten mit Schutzdefizit (heute reaktiv aufgrund von Ereignissen oder auf Basis der Gefahrenstufe (meist rot) in der Gefahrenkarte)
• Priorisierung der Schutzdefizite je nach Risiko
• Grundlage für erste Stufe der Massnahmenplanung
• Basis für die kantonale Risikoübersicht gemäss Vorgabe BAFU

Die Grundlage für die Raumplanung bleibt die Gefahrenkarte. Sie wird weiterhin gutachterlich erstellt, wobei die probabilistische Gefahrenmodellierung eine der verwendeten Grundlagen bildet. Künftig soll die Gefahrenkarte ausschliesslich als Instrument der Raumplanung dienen - und nicht des Risikomanagements -, so wie sie ursprünglich konzipiert wurde. 

Bei deterministischen Modellen werden die Modellparameter (Randbedingungen, Parameter) vom Anwendenden für ein bestimmtes Szenario fix definiert. Die von deterministischen Modellen erzeugten Ergebnisse sind reproduzierbar: Ein definiertes Ereignis liefert genau ein mögliches Ergebnis.

Probabilistische Modelle hingegen sind wahrscheinlichkeitsbasiert, sie integrieren Wahrscheinlichkeitsverteilungen in ein Modell und oft auch Zufallsvariablen. Sie berücksichtigen somit, dass wir selten alles über eine Situation wissen. 

Bei Pro^BE: Hangmuren wird mit AvaFrame ein deterministisches Modell verwendet. Jedoch werden die Eingangsparameter innerhalb einer festgelegten Häufigkeitsverteilung variiert. Für jede Hangmure werden so mehrere Dutzend Simulationen mit unterschiedlichen Wahrscheinlichkeiten berechnet, sodass wiederum von einem probabilistischen Ansatz gesprochen wird. 

Bei der heutigen Herangehensweise der Gefahrenbeurteilung für gravitative Naturgefahren wird bestimmt, was bei Auslösung eines Ereignisses einer bestimmten Jährlichkeit eintreten kann. Dafür werden in der Regel für die 30-, 100-, 300- und zum Teil 1000-jährliche Auslösung Szenarien bestimmt. Mit diesen Szenarien werden die Prozesse berechnet oder modelliert. In der Umhüllenden der Modellierungsresultate dieser Szenarien wird für den gesamten Wirkungsbereich der gleiche statistische Wert verwendet, z.B. 98-Perzentil der Energie am betreffenden Punkt. Diesem Resultat wird die Jährlichkeit der Auslösung zugewiesen.

Die Zuordnung der Wiederkehrperiode der Prozessauslösung sowie der räumlichen Auftretenswahrscheinlichkeit und Intensität auf der Fläche erfolgt in einer deterministischen Kette. Eine Zuweisung der Ereigniswahrscheinlichkeiten ist dabei nicht möglich. Unsicherheiten werden rechnerisch nicht berücksichtigt.

Eine probabilistische Gefahrenbeurteilung basiert auf der Modellierung von vielen verschiedenen möglichen Ereignissen je Prozessquelle. Jedem dieser Ereignisse wird seine spezifische Ereigniswahrscheinlichkeit zugewiesen. Diese Art der Modellierung benötigt Wahrscheinlichkeitsverteilungen der Auslöseparameter (z.B. Abbruchvolumen) und gegebenenfalls der Prozessablaufparameter als Input. Durch die Auswertung der grossen Anzahl von Ereignissen und ihrer dazugehörenden Wahrscheinlichkeiten sind detaillierte Analysen an jedem Standort im Einwirkungsbereich möglich. Die Ergebnisse der probabilistischen Modellierung beziehen sich auf den Ort der Einwirkung, nicht der Auslösung wie in der konventionellen Methode. 

Nein. Auch eine probabilistische Modellierung braucht nach wie vor die Expertise von Fachpersonen. Die Ergebnisse der Modellierung sollen zukünftig eine von mehreren Grundlagen für die gutachterliche Beurteilung, Interpretation und Übertragung in weiterführende Gefahren- und Risikobetrachtungen bilden.

So müssen beispielsweise für die Erstellung von Gefahrenkarten sowohl die Eingangsparameter als auch die Ergebnisse der probabilistischen Modellierung gutachterlich plausibilisiert und gegebenenfalls angepasst werden. Die Modellierung liefert damit eine neue, ergänzende Grundlage, eine Erweiterung des bisherigen Werkzeugkastens. Entscheidungen treffen weiterhin Fachpersonen.

Eine direkte Verwendung der Modellierungsergebnisse sieht das AWN etwa bei kantonalen Risikokarten oder als Entscheidungswerkzeug bei der Priorisierung anstehender Arbeiten im Bereich Naturgefahren (z.B. Priorisierung Revision der Gefahrenkarten). 

Aus der Betrachtung vieler Ereignisse (mit dazugehörender Ereigniswahrscheinlichkeit) resultiert ein durchgehendes Bild: Eine durchgehende Intensitäts-Frequenz-Kurve vom Schadensbeginn bis hin zum unwahrscheinlichen Ereignis.

Werden viele Ereignisse unter Berücksichtigung der relevanten Parameter und deren Bandbreite modelliert, steigt die Wahrscheinlichkeit, dass die massgebenden (Schaden-)Ereignisse erfasst sind. So können auch «undenkbare» Ereignisse berücksichtigt werden. Wird das gesamte Spektrum möglicher Ereignisse betrachtet, lässt sich zumindest ein Teil der bestehenden Unsicherheiten abbilden. 

Ja, das stimmt. Dennoch enthalten die Simulationen wertvolle Informationen über mögliche Ereignisabläufe. So werden einerseits die häufigeren Ereignisse möglichst stabil abgebildet, während sich für extrem seltene Ereignisse zumindest Hinweise ergeben. Diese können bei der gutachterlichen Gefahrenbeurteilung als Worst-Case-Szenario einbezogen werden.

Entscheidend ist, dass mit der Wahl der Eingangsparameter ein physikalisch plausibles, aber ausreichend breites Spektrum abgebildet wird. Eines, das auch sehr grosse und sehr seltene Ereignisse einschliesst. Aufgrund ihrer geringen Überschreitenswahrscheinlichkeit erhalten solche Ereignisse im Endergebnis keine zu hohe Gewichtung, werden jedoch auch nicht völlig ausgeblendet.

In der heutigen Praxis ist eine Über- oder Unterrepräsentierung von Extremereignissen aufgrund notwendiger Vereinfachungen teilweise schwer zu vermeiden.

Die resultierende Datenmenge ist je nach Modellierung und Ansatz unterschiedlich. Grundsätzlich kann man mit diesen Datenmengen umgehen, wie es in anderen Bereichen (z.B. Klima, Erdbeben, Rückversicherung) bereits gemacht wird. Im Vergleich zur heutigen Vorgehensweise ist jedoch eine Umstellung erforderlich, da das Datenhandling aufwendiger wird und für die Auswertungen andere Werkzeuge benötigt werden.

Um Flexibilität bei zukünftigen Auswertungen zu haben, muss der gesamte Ereignisdatensatz mit den dazugehörigen Wahrscheinlichkeiten verfügbar sein. Je nach Auflösung und Anzahl der Ereignisse kann dies sehr grosse Datenmenge bedeuten. Der erforderliche Speicherbedarf lässt sich jedoch erheblich reduzieren. Etwa durch die Verwendung eines speichereffizienten Datenformats, das die zahlreichen leeren Gitterzellen effizient verwaltet, da die meisten Ereignisse nur einen Teil des Gesamtgitters betreffen. 

Die vorgestellte Methodik kann grundsätzlich auf allen Massstabsebenen angewendet werden. Dabei ist wichtig, dass die Qualität der Eingabedaten und des verwendeten Prozessmodells für den Massstab der angestrebten Zieldaten (Ergebnisse im Bereich der Einwirkung) geeignet ist. Im Vorprojekt Pro-Mo wurde ein Massstab zwischen M1 (Stufe Hinweis) und M2 (Stufe Standard) erreicht. Für Pro^BE: Hangmure können noch keine solche Aussagen getroffen werden.

Probabilistische Modellierungen sind zudem skalierbar. Sie können prinzipiell sowohl für einzelne Prozessquellen als auch für grössere Gebiete durchgeführt werden, sofern die getroffenen Annahmen für die Modellierung dies zulassen. 

Der Klimawandel kann bei probabilistischen Modellierungen berücksichtigt werden. Einerseits können die Ereigniswahrscheinlichkeiten abgestimmt und dadurch an neue Verhältnisse angepasst werden. Für diese Art der Klimafolgenanalyse sind keine neuen Modellierungen erforderlich. Andererseits können neue Prozesssimulationen mit modifizierten Eingangsparametern erstellt werden, womit die physikalischen Änderungen im Prozessablauf berücksichtig werden. Ein Beispiel ist die Integration einer veränderten Bandbreite künftiger Wetterereignisse in das Modell, deren Auswirkungen in probabilistischen Niederschlags-Abfluss-Simulationen abgebildet werden können. 

Hier ist jedoch festzuhalten, dass der aktuelle Ansatz von Pro^BE: Hangmuren Niederschlagsereignisse nicht berücksichtigt.

Ein zentrales Produkt probabilistischer Modellierungen sind Intensitäts-Frequenz-Kurven zur Charakterisierung der Gefährdung. Sie gelten jeweils für einen bestimmten Ort, bildlich gesprochen ein einzelner Pixel, und nicht für ein abgegrenztes Gebiet. Dabei wird ein ausgewählter Parameter (z.B. Fliesstiefe bei Hangmuren) gegen die Wiederkehrperiode in Jahren aufgetragen. Intensitäts-Frequenz-Kurven sind das Ergebnis der statistischen Auswertung für jeden Standort im Untersuchungsgebiet. Die simulierten Ereignisse werden nach Intensität sortiert und mit ihrer Wahrscheinlichkeit verknüpft.  So lässt sich ablesen, mit welcher Überschreitenswahrscheinlichkeit von bestimmten Intensitäten an diesem Ort (Pixel) gerechnet werden muss. Der Verlauf der Kurve variiert je nach Standort, die Intensität kann z.B. je nach Wiederkehrperiode eher graduell oder aber sprunghaft ansteigen.

Die mit der probabilistischen Modellierung berechneten Wahrscheinlichkeiten bzw. Wiederkehrperioden sind nicht direkt vergleichbar mit jenen in den heutigen Gefahrenkarten. Bei Letzteren bezieht sich die Jährlichkeit auf die Auslösung, während sich die Wiederkehrperioden der probabilistischen Modellierungen auf den Ort der Einwirkung beziehen. Dies muss bei der Verwendung der Ergebnisse berücksichtigt werden.

Zu jedem Ereignis der probabilistischen Modellierung lässt sich ein Schaden für jedes betroffene Objekt berechnen. In Schaden-Frequenz-Kurven wird das Schadenausmass eines Ereignisses der Wahrscheinlichkeit gegenübergestellt, dass dieser Schaden erreicht oder überschritten wird. Die Kurve bezieht sich damit direkt auf den Schaden - nicht auf die Intensität oder das auslösende Ereignis. Die Schaden-Frequenz-Kurve kann für einzelne Objekte oder Gruppen von Objekten (z.B. ein Dorf oder eine Prozessquelle) aus der Intensitäts-Frequenzkurve, den Sachwerten und den Verletzlichkeiten abgeleitet werden. 

Das kann so nicht pauschal gesagt werden. Die Resultate in der probabilistischen Modellierung sind differenzierter: Im Vergleich zur bisherigen Herangehensweise bei gravitativen Naturgefahren, bei der der Ort der Auslösung ausschlaggebend ist, wird nun die Wahrscheinlichkeit des Auftretens an einem bestimmten Standort (als Ort der Einwirkung) differenziert berücksichtigt. Standorte, die von wenigen Ereignis-Simulationen erreicht werden - z.B. morphologisch bedingt, aber auch Randbereiche des Simulationsgebiets -, erhalten eine tiefere Wahrscheinlichkeit im Vergleich zu Standorten, wo viele simulierte Ereignisse auftreten.

Die probabilistische Herangehensweise erlaubt zudem, die Überlagerung verschiedener Wirkungsräume durch unterschiedliche Auslösegebiete am Standort der Einwirkung abzubilden. Dazu werden die Ereignisse aus mehreren Auslösegebieten mit den dazugehörigen Wahrscheinlichkeiten am Standort der Einwirkung kombiniert (Darstellung z.B. als Intensitäts-Frequenz-Kurve), wodurch die Gefährdung steigt. Bei der konventionellen Herangehensweise dagegen musste dieser Überlagerungseffekt der Wahrscheinlichkeiten nachträglich korrigiert werden (Stickwort: prA), was ohne diese Korrektur einen systematischen Fehler aufgrund notwendiger Vereinfachungen darstellt.

Es kann also zwischen probabilistischer Herangehensweise und den bisher publizierten Produkten methodenbedingt sowohl zu Abweichungen der Ergebnisse nach oben als auch nach unten kommen. Nach derzeitigen Erkenntnissen scheinen Gefährdungseinschätzungen bei der probabilistischen Methode in der Fläche deutlich differenzierter auszufallen. 

Die Gefahrenkarte wird weiterhin aus einer Vielzahl von Grundlagen erarbeitet. Neben dem Ereigniskataster und Feldaufnahmen sollen zukünftig auch probabilistische Modellierungen als Grundlage dienen. Gefahrenkarten stellen somit ein mögliches, unter anderem aus der probabilistischen Modellierung, abgeleitetes Produkt dar.

Die modellierten Daten müssen stets im Gelände plausibilisiert und gutachterlich eingeordnet werden. Dies geschieht sowohl für die Eingangsdaten (z.B. Anrissmächtigkeit bei Hangmuren, Blockgrösse bei Sturzereignissen, etc.) als auch für die Ergebnisse. Je nach Qualität der Übereinstimmung sind allfällige gutachterliche Anpassungen notwendig. 

Es gibt vielfältige Möglichkeiten zur Plausibilisierung, sie unterscheiden sich wenig von den Methoden zur Kalibrierung und Plausibilisierung bei herkömmlichen Modellierungen. Dazu zählen u.a.:

• Vergleich der Modellierungsergebnisse mit dem Ereigniskataster und Aussagen von Anrainern
• Abgleich angenommener Prozessparameter mit Geländebeobachtungen
• Überprüfung der Belastung von bestehenden Schutzmassnahmen
• Begutachtung des Verlaufs der Intensitäts-Frequenz-Kurven (Sprünge vs. gleichmässiger Verlauf), insbesondere an Schlüsselstellen

In manchen Fällen kann auch eine zusätzliche herkömmliche Modellierung einzelner Prozessquellen zur Plausibilisierung empfehlenswert sein. 

Derzeit liegen noch keine flächendeckenden probabilistischen Modellierungen für alle Naturgefahrenprozesse im Kanton Bern vor.

Prinzipiell lassen die Vorgaben des Bundes vor allem durch Methodenkompetenz der Anwenderinnen und Anwender die Möglichkeit für probabilistische Modellierungen offen. Zudem können Auftraggeber (z.B. Kantone) spezifische Anforderungen vorgeben. 

Der Aufwand der Beurteilung sollte nach heutigem Kenntnisstand mit der Verwendung der probabilistischen Modellierungen als zusätzliche Grundlage tendenziell geringer werden. Wieviel geringer hängt in erster Linie von der Qualität und Plausibilität der zur Verfügung gestellten probabilistischen Daten für das jeweilige Arbeitsgebiet ab, d.h. wieviel Mehraufwand muss für Nachmodellierungen oder zusätzliche gutachterliche Beurteilungen verwendet werden.

Dazu kommt, dass probabilistische Modellierungen im Bereich der gravitativen Naturgefahren in der Schweiz noch weitgehend unbekannt sind. Das Aufbereiten und Analysieren der - durch die hohe Anzahl an Simulationen - grossen Datenmengen wird mehr Zeit benötigen. Wieviel hängt v.a. von den letztendlich zur Verfügung gestellten Daten bzw. Auswertungen ab und wie schnell sich sinnvolle und effiziente Arbeitsabläufe einspielen. Auch bei der fachlichen Einschätzung gibt es derzeit noch wenig Erfahrung und es wird anfänglich mehr Zeit brauchen, bis sich die Methodik etabliert hat und praktisches Wissen aufgebaut ist.

Derzeit liegen noch keine flächendeckenden probabilistischen Modellierungen für die verschiedenen Naturgefahrenprozesse im Kanton Bern vor.

Probabilistische Modellierungen bieten jedoch zahlreiche Möglichkeiten, die grundsätzlich genutzt werden sollten. Sie sind ein zusätzliches Werkzeug unter Vielen und nicht in jedem Fall die beste Lösung. Ein Optimum entsteht oft aus der Kombination unterschiedlicher Ansätze und Betrachtungsweisen. Bei der Evaluation von Methoden sollten probabilistische Modellierungen aber künftig mitberücksichtigt werden.