Predictive Firefighting mit Premergency für das Seattle Fire Department

Wir zeigen ein Risikomodell in der risikoorientierten Brandschutzbedarfsplanung (Predictive Firefighting) am Beispiel des Rettungsdienstes des Seattle Fire Department / USA.

Im Rahmen der Open-Data Initiative der Stadt Seattle / USA sind auch mehrjährige Daten von Feuerwehr und Rettungsdienst verfügbar. Wir haben diese einmal genommen und mittels Premergency für Predictive Firefighting analysiert. Die Ergebnisse finden sich nachstehend. Sie zeigen, wie man mit begrenzten Informationen Rückschlüsse auf Art und Zeit von Einsätzen zieht. Das Sicherheitsniveau einer Stadt oder eines Landkreises in Qualität und Wirtschaftlichkeit kann zu den zu erwartenden Grenzkosten in Verhältnis gesetzt werden. Ziel ist eine kennzahlenorientierte Organisation.

Predictive Firefighting

Bei diesem Vergleich gibt es im Gegensatz zum Fachartikel aus November 2015 über Methoden der Brandschutzbedarfsplanung und Predictive Firefighting nur einen Eingabeparameter, die Einsatzdaten. Dies liegt derzeit noch in der mangelnden Verfügbarkeit von Daten des vorbeugenden Brandschutzes oder der Gebäudewirtschaft begründet. Die Städte der USA sind bei Open Data Vorreiter und somit sind in einigen Monaten vermutlich alle weiteren Daten für ein multivariates Risikomodell verfügbar. Der vorherige Fachartikel erklärt den Umgang mit multivariaten Risiken. Es lohnt auch ein Vergleich mit den Methoden aus A. Ridders Dissertation (s.u.).

Gründe für ein Predictive Firefighting und ein solches Risikomodell in der Gefahrenabwehr können u.a. sein:

  • Quantifizierung des vorherrschenden Sicherheitsniveaus
    (in Bezug auf die Eintrittswahrscheinlichkeit eines Schadensereignisses)
  • Qualitätssteigerung und Kennzahlenorientierung
  • erwartete Auslastung von Standorten und Personal bzw. deren Einsatzmitteln
  • Standortoptimierungen
  • Simulation kurzfristiger Leistungsspitzen (z.B. Großveranstaltungen)
  • Simulation regional unterschiedlicher Szenarien
  • Betrachtung von Paralleleinsätzen

So führt z.B. örtlich geringeres Einsatzaufkommen zu einer geringeren Einsatzwahrscheinlichkeit. Unter Abwägung des Investitionsvolumens (Wirtschaftlichkeit) können für diese Bereiche abgestufte Sicherheitskonzepte geschaffen werden, ohne das Sicherheitsniveau für den Bürger zu senken. Oftmals sind die möglichen Gefahrenszenarien in diesen Gebieten auch andere. Ziel hierbei ist eine örtlich maßgeschneiderte Organisation für Rettungsdienst und Brandschutz.

Das Risikomodell

Im  vorliegenden (univariaten) Fall lässt sich die Einsatzwahrscheinlichkeit bzw. das Risiko für das Eintreten eines Schadensfalls gut über das geobasierte sog. Binning von Einsatzdaten berechnen. Binning bezeichnet in diesem Zusammenhang die Zuordnung der Einsatzorte in geographische Zellen zwecks Berechnung einer bedingten Wahrscheinlichkeit pro Feld und einer räumlichen Wahrscheinlichkeitsverteilung.

Hierzu wurden die Einsatzdaten in unser System importiert. Anschließend werden verschiedene Filter angewendet, um die geobasierten, bedingten Eintrittswahrscheinlichkeiten für den örtlichen Einsatz des Rettungsdienstes zu berechnen. Das folgende Bild zeigt die Einsatzwahrscheinlichkeit für den Rettungsdienst (Einsatzstichworte Aid Response, Aid Response Freeway) für einen Montag im Winter, hier bezogen auf das Gesamtaufkommen.

Predictive Firefighting in Seattle: Einsatzwahrscheinlichkeit für den Rettungsdienst an einen Montag im Winter.

Seattle: Einsatzwahrscheinlichkeit für den Rettungsdienst an einen Montag im Winter.

Neben der Unterscheidung der Rauminformation kann die zeitliche Dimension weiter eingeschränkt werden. Hieraus ergeben sich bedingte Wahrscheinlichkeiten z.B. für den Fall eines Einsatzes an Wochentagen in der Zeit von 22 bis 06 Uhr, welche die Schwerpunkte für nächtliche Einsätze kennzeichnen:

Predictive Firefighting: Wahrscheinlichkeit für den Einsatz des Rettungsdienst Seattle in Nächten (wochentags).

Wahrscheinlichkeit für den Einsatz des Rettungsdienst Seattle in Nächten (wochentags).

Dabei ergibt sich die örtlich zu erwartende Einsatzwahrscheinlichkeit als Summe über die benachbarten Sechsecke bzw. Raster (Bins). Somit lassen sich Standorte von Rettungsdienst und Feuerwehr (Rettungswachen, Feuerwachen) anhand des historischen Einsatzaufkommens (und weiterer Risikofaktoren, vgl. unseren Fachartikel) optimieren. Zwecks Auslastung eines Standortes kann man die einzelnen Wachbereiche nicht nur räumlich sondern auch zeitlich betrachten. In diesem Beispiel wurde der Montag und die Monate Dezember – Februar ausgewählt.

Zeitliche Betrachtung der Einsatzwahrscheinlichkeit

Bei der zeitlichen und räumlichen Analyse ist dabei zu beachten, dass eine ausreichende Fallzahl innerhalb des Analysebereichs übrig bleibt um eine Trennschärfe von Hypothesen bzw. statistische Signifikanz im Rahmen des Bayesschen Ansatzes zu gewährleisten. Im Beispiel von Seattle stehen ca. 240.000 Rettungsdiensteinsätze zur Analyse bereit, so dass eine ausreichende Genauigkeit auf Tages- und Monatsbasis gewährleistet bleibt. Der Vorteil des Bayesschen Ansatzes ist hierbei die Bewertung von Hypothesen bei begrenzten Fallzahlen bzw. begrenzter Information in Kontrast zur klassischen Häufigkeitsbetrachtung.

Ein Vergleich zwischen Werktag und Wochenende für die Sommermonate zeigt klare Hotspots für Werktage. Hierbei kann man diese Hotspots in die Beurteilung des Schichtsystems einplanen und einzelne Bereiche in bestimmten Zeiträumen verstärken.

Predictive Firefighting: Vergleich der Einsatzwahrscheinlichkeit des Rettungsdienstes zwischen Werktag und Wochenende im Sommer

Vergleich der Einsatzwahrscheinlichkeit des Rettungsdienstes zwischen Werktag und Wochenende im Sommer.

Ein Vergleich der Tageszeiten für Werktage ergibt folgendes Bild: In den Nächten (22-06 Uhr) sind im Bereich des Stadtzentrums deutlich häufiger Einsätze zu verzeichnen als an Vormittagen (06 bis 14 Uhr). Das zu erwartende Einsatzaufkommen ergibt sich rund um die Standorte des Rettungsdienstes somit als Summe bzw. Integral über die einzelnen Flächen. Damit können Standortbesetzungen pro Schicht variiert werden oder andere Schichtsysteme gefunden werden:

Predictive Firefighting: Vergleich zwischen Nächten und Vormittagen (werktags) der Einsatzwahrscheinlichkeit für den Rettungsdienst Seattle. An Vormittagen treten deutlich weniger Einsätze auf als in den Nächten des Großstadtlebens.

Vergleich zwischen Nächten und Vormittagen (werktags) der Einsatzwahrscheinlichkeit für den Rettungsdienst Seattle. An Vormittagen treten deutlich weniger Einsätze auf als in den Nächten des Großstadtlebens.

 

Vergleich zwischen Sommer- und Wintermonaten

Ein anderer Vergleich: Die Freizeitgestaltung im Sommer sieht meist anders aus als im Winter. Dies spiegelt sich auch im Einsatzaufkommen und den Wahrscheinlichkeiten wider. In der folgenden Karte erkennt man eine Abnahme der Einsatzwahrscheinlichkeit im Sommer (grün) und klare Hotspots bzw. deutlich höhere Einsatzwahrscheinlichkeiten im Sommer – Diese Hotspots liegen an den Freizeitzentren der Stadt und am Wasser bzw. Strand. Das Gesamteinsatzaufkommen in der Großstadt unterscheidet sich übrigens kaum zwischen den Wochentagen.

Predictive Firefighting: Vergleich des Einsatzaufkommens an Wochenenden in den Sommer- und Wintermonaten

Vergleich des Einsatzaufkommens an Wochenenden in den Sommer- und Wintermonaten.

Berechnet man das Verhältnis der Einsatzwahrscheinlichkeiten Sommer zu Winter für Werktage, so treten andere Hotspots in der Innenstadt auf. Im gezeigten Ausschnitt ist das Einsatzaufkommen nur leicht (<50%) im Sommer erhöht. Leere Felder bedeuten keine Veränderung.

Predictive Firefighting: Einsatzaufkommen des Rettungsdienst Seattle an Werktagen im Vergleich Sommer- zu Wintermonaten.

Einsatzaufkommen des Rettungsdienst Seattle an Werktagen im Vergleich Sommer- zu Wintermonaten.

 

Zusammenfassung

Insgesamt zeigt sich, wie wichtig eine permanente Erfassung der operativen Kennzahlen auch bei Behörden ist. Bereits durch die Anwendung von Modellen mit wenigen Eingabeparametern (Koordinaten, Adresse, Einsatzart, Zeit) lassen sich organisatorische Entscheidungen strukturieren. Auch in der langfristigen Standortplanung können diese Risikomodelle Wachbereiche gegeneinander abgrenzen und Einsatzaufkommen durch die Größe der Einsatzbereiche gezielt vorhersagen und steuern.

Schließlich können nicht optimale Standorte die Auslastung von Einsatzmitteln deutlich verschlechtern. Als Folge spart man eventuell Bau- oder Mietkosten, erhöht jedoch das Personalbudget deutlich. Eine mögliche Folge ist dann auch eine steigende Unzufriedenheit der Mitarbeiter: Die einen langweilen sich, die anderen sind überarbeitet. Zur Vorbeugung gehen Träger des Rettungsdienstes vermehrt dazu über, Rettungswachen anzumieten. Somit kann bei Feststellung der Verlagerung von Einsatzschwerpunkten reagiert werden und oftmals ein besserer Standort angemietet werden.

Auch für Feuerwehren bieten risikoorientierte bzw. risikologische Ansätze Vorteile. Diese Modelle können die Variation der Wachstärken im Tagesgeschäft berechenbar machen und Strukturveränderungen für eine Prognose des Einsatzaufkommens berücksichtigen. Örtlich erhöhtes Einsatzaufkommen im Zuge einer Großveranstaltung o.ä. kann simuliert werden und mit entsprechenden Zusatzkapazitäten geplant werden. Vorbeugende Maßnahmen können mit dem abwehrenden Brandschutz kombiniert werden.

So können Hypothesen zur Brandhäufigkeit untersucht und zwecks Reduzierung der Schadenhäufigkeit in die Inspektionen einfließen. Adrian Ridder konnte im Rahmen seiner Dissertation zeigen, dass ein Zusammenhang zwischen Gebäudehöhe, Gebäudealter und Brandhäufigkeit besteht (A. Ridder: „Risikologische Betrachtungen zur strategischen Planung von Feuerwehren (Wuppertaler Berichte zur Sicherheitstechnik und zum Brand- und Explosionsschutz Band 11)“, VdS-Verlag, Köln 2015).

Die gezeigten Daten beruhen auf einer Datenlieferung der Stadt Seattle. Weder wir noch die Stadt Seattle übernehmen Gewähr für die Vollständigkeit und Richtigkeit dieser Daten. Die Rechte am Kartenmaterial liegen bei HERE Inc.