Krisen mit Social Media Intelligence bewältigen. Empfehlungen für den Einsatz sozialer Netzwerke im Katastrophenschutz

Inhaltsverzeichnis

Abkürzungsverzeichnis

Abbildungsverzeichnis

1 Einleitung

2 Forschungsmethode

3 Begriffsbestimmungen und Grundlagen
3.1 Krisen und Katastrophen
3.2 Begriff des Informationssystems
3.3 Begriff des Input-Output-Systems

4 Warnung der Bevölkerung als Input-Output-System
4.1 Inputquellen
4.2 Verarbeitung des Inputs
4.3 Outputquellen

5 Analyse des Potentials von Social Media bei der Krisenbewältigung
5.1 Nutzungsmuster von Social Media Plattformen
5.2 Social Media Intelligence
5.3 Partizipation durch freiwillige Helfer

6 Fazit

7 Limitationen und Ausblick

Literaturverzeichnis

Bibliografische Information der Deutschen Nationalbibliothek:

Die Deutsche Nationalbibliothek verzeichnet diese Publikation in der Deutschen Nationalbibliografie; detaillierte bibliografische Daten sind im Internet über http://dnb.d-nb.de abrufbar.

Impressum:

Copyright © Studylab 2020

Ein Imprint der GRIN Publishing GmbH, München

Druck und Bindung: Books on Demand GmbH, Norderstedt, Germany

Coverbild: GRIN Publishing GmbH | Freepik.com | Flaticon.com | ei8htz

Abkürzungsverzeichnis

A2A Authorities to Authorities

A2C Authorities to Citizens

AML Advanced Mobile Location

API Application Programming Interface

BAO Besondere Aufbauorganisation

BBK Bundesamt für Bevölkerungsschutz und Katastrophenhilfe

BMI Bundesministerium des Innern

BSH Bundesamt für Seeschifffahrt und Hydrografie

BSI Bundesamt für Sicherheit in der Informationstechnik

C2A Citizens to Authorities

C2C Citizens to Citizens

CB Cell Broadcast

CBRN Chemisch, biologisch, radiologisch, nuklear

DWD Deutscher Wetterdienst

EAS Emergency Alert System

EENA European Emergency Number Association

EK Europäische Kommission

FEMA Federal Emergency Management Agency

GITEWS Deutsch-Indonesisches Tsunami Frühwarnsystem

GMLZ Gemeinsames Melde- und Lagezentrum von Bund und Ländern

IoT Internet of Things

IS Informationssystem

KFÜ Kernreaktorfernüberwachung

MCI Mensch-Computer-Interaktion

MoWaS Modulares Warnsystem

NINA Notfall-Informations- und Nachrichten-App

SMA Social Media Analytics

THW Technisches Hilfswerk

VOST Virtual Operation Support Team

Abbildungsverzeichnis

Abb. 3.1 Zyklus des Katastrophenmanagements

Abb. 4.1 Input-Output-System im Kontext der Bevölkerungswarnung

Abb. 4.2 Informationsverbreitungs- und Verarbeitungsprozess bei Katastrophenwarnungen

Abb. 5.1 Nutzungsmuster sozialer Medien im Krisenkontext

Abb. 5.2 Vorgehensmodell für Social Media Analytics

Abb. 5.3 Facebook Population Map nach Wirbelsturm Gaja in Indien, 2018

1 Einleitung

Aufgrund naturbedingter und technischer Katastrophen haben im Jahr 2018 rund 17 000 Menschen ihr Leben verloren (CRED 2019). Vor allem durch den fortschreitenden Klimawandel und dessen Auswirkungen ist davon auszugehen, dass sich die Zahl aufkommender Naturkatastrophen nach oben entwickeln wird. Daher ist es notwendig, sich durch umfassendes Katastrophen- und Krisenmanagement auf derartige Situationen vorzubereiten. Ziel dabei ist es, Katastrophen zu verhindern oder bestmöglich zu bewältigen.

In dieser Bachelorarbeit sollen die Fragestellungen geklärt werden, wie sich die heutige Nutzung von Informationssystemen im Katastrophenschutz darstellt und ob Social Media Plattformen im Spiegel der bewährten Systeme einen mehrwertstiftenden Charakter besitzen. Insbesondere soll hierbei das Potential von sozialen Netzwerken als Hilfsmittel zur Krisenbewältigung analysiert und bewertet werden.

Zu Beginn der Arbeit werden zunächst Grundlagen zu den Themen Katastrophen und Informationssystemen vermittelt. Für den Prozess der Bevölkerungswarnung soll als didaktisches Grundgerüst die Abstraktion als Input-Output-System dienen. So können zuerst die verschiedenen Inputquellen – i.e. die auslösenden Systeme – dargelegt werden, gefolgt von den wichtigsten Outputquellen, die als direkte Warnsysteme für die Bevölkerung fungieren. Die Input-Verarbeitung wird dabei bewusst nur aus Außensicht betrachtet.

Im nächsten Kapitel wird im Speziellen das Potential von Social Media in der Phase der Krisenbewältigung näher untersucht, da derartige Plattformen heute eine besondere gesellschaftliche Relevanz darstellen. In diesem Zusammenhang werden verschiedene Nutzungsmuster sozialer Medien geklärt und der Forschungsbereich der Social Media Intelligence vorgestellt, wobei ein Vorgehensmodell zur zielgerichteten Analyse massenhafter Nutzerdaten sowie ausgewählte Systeme erläutert werden. Zudem soll der Sachverhalt geklärt werden, inwieweit sich freiwillige Helfer unter Nutzung sozialer Netzwerke einbringen können, um die Widerstandsfähigkeit in humanitären Notlagen zu steigern. Hier werden insbesondere die Möglichkeiten zur Integration von digitalen Freiwilligen (Digital Volunteers) und Vor-Ort-Helfern thematisiert und sowohl Herausforderungen als auch Handlungsempfehlungen zur effektiven Helferkoordination erörtert.

Abschließend werden in dieser Arbeit die Ausführungen im Fazit ausgewertet und ein Ausblick auf zukünftige Entwicklungen gegeben.

2 Forschungsmethode

Als Forschungsmethodik wird eine strukturierte Literaturrecherche in Anlehnung an Webster und Watson (2002, S. 13-23) durchgeführt, die auf ausgewählten qualitätsgesicherten Werken, Zeitschriften und Konferenzbeiträgen aufbaut.

Im ersten Schritt wird diesbezüglich relevante Literatur in akademischen Datenbanken, wie etwa der ACM Digital Library, AIS Electronic Library, IEEE Digital Library, ISCRAM Digital Library und Google Scholar identifiziert. Hierbei werden gezielt folgende Keywords und deren Kombinationen verwendet: disaster, crisis, emergency, management, response, informatics, computing, map, social media, volunteers, coordination, crowdsourcing, analytics und intelligence. Einschlägige Kombinationen sind beispielsweise „crisis informatics“, „disaster response“ oder „social media analytics“, da diese Termini in der Forschung einen hohen Stellenwert vorweisen.

Zusätzlich werden die Methoden der Vorwärts- und Rückwärtssuche angewendet, um den aktuellen Forschungsstand optimal abzubilden. Die Vorwärtssuche ist dabei die Suche nach Literatur, die den vorliegenden Artikel zitieren, während bei der Rückwärtssuche die Literaturangaben des betrachteten Werks zurückverfolgt werden.

Durch die Lektüre von Titel, Abstract und inhaltlicher Struktur können nicht relevante Ergebnisse aus der Quellensammlung eliminiert werden. Im Anschluss werden die verbleibenden Suchergebnisse im Detail analysiert, thematisch strukturiert und inhaltlich evaluiert (Webster und Watson 2002, S. 13-23).

3 Begriffsbestimmungen und Grundlagen

Um ein tieferes Verständnis über die im Verlauf dieser Arbeit behandelten Themenbereiche zu erlangen, ist es zunächst notwendig diverse Begrifflichkeiten einzuführen und zu differenzieren. Nach einer Abgrenzung von Krisen und Katastrophen erfolgt eine Klassifikation der verschiedenen Katastrophenarten sowie die Darlegung der typischen Phasen im Katastrophenmanagement.

Anschließend wird der Begriff des Informationssystems (IS) und des Input-Output-Systems definiert. Letzteres soll als Aufbaustruktur in Kapitel 4 dienen, um die essenziellen Systeme im Prozess der Bevölkerungswarnung aufzuzeigen.

3.1 Krisen und Katastrophen

Die Begriffe Krise und Katastrophe werden im allgemeinen Sprachgebrauch und der Wissenschaft oft synonym verwendet, da sie üblicherweise eine enge Beziehung zueinander aufweisen. Trotz der nicht gänzlich überschneidungsfreien Eigenschaften soll im Folgenden der Versuch einer Abgrenzung unternommen werden.

Der Krisenbegriff leitet sich ursprünglich vom Griechischen krísis ab, was wörlich übersetzt „Entscheidung“ oder „entscheidende Wendung“ bedeutet. Unter einer Krise ist daher fachübergreifend eine schwierige Lage, die den Höhe- und Wendepunkt einer gefährlichen Entwicklung darstellt, zu verstehen (Dudenredaktion oJ).

Das Bundesamt für Bevölkerungsschutz und Katastrophenhilfe (BBK) definiert eine Krise als eine „vom Normalzustand abweichende Situation mit dem Potential für oder mit bereits eingetretenen Schäden an Schutzgütern, die mit der normalen Aufbau- und Ablauforganisation nicht mehr bewältigt werden kann so dass eine Besondere Aufbauorganisation (BAO) erforderlich ist (BBK 2018, S. 32)“. Eine Besondere Aufbauorganisation ist hierbei eine zeitlich begrenzte Organisationsform für umfangreiche und komplexe Aufgaben, insbesondere Maßnahmen aus besonderen Anlässen, die im Rahmen der Allgemeinen Aufbauorganisation nicht bewältigt werden können (BBK 2018, S. 11). Darüber hinaus ist die Unsicherheit hinsichtlich der aktuellen und zukünftigen Lagebewertung, die Gefahr von Leib und Leben sowie die vorherrschende Zeitkritikalität für Krisen charakteristisch. Letzteres Merkmal erfordert trotz personeller und materieller Ressourcenknappheit zeitnahes und geeignetes Handeln (Nestler 2010, S. 9-12).

Während sich Krisen sowohl zum Positiven als auch Negativen entwickeln können, implizieren Katastrophen „die Wendung zum Schlimmeren mit verheerenden, nicht vorhersehbaren oder nicht abwendbaren Wirkungen.“ Welsch (2010, S. 17) bezeichnet in diesem Zusammenhang Katastrophen als äußerste Ausprägung von Krisen. Das BBK definiert eine Katastrophe als Großschadensereignis, welches großflächige Auswirkungen auf Menschen, natürliche Lebensgrundlagen und bedeutende Sachenwerte haben kann.

Die Gefahr kann dabei ausschließlich durch die im „Katastrophenschutz mitwirkenden Behörden, Organisationen und Einrichtungen unter einheitlicher Führung und Leitung durch die Katastrophenschutzbehörde zur Gefahrenabwehr“ bekämpft werden (BBK 2018, S. 29). Zu ebenjenen Einrichtungen sind beispielsweise Feuerwehr, Rettungsdienst, Polizei und Technisches Hilfswerk (THW) zu zählen. Eine Klassifikation verschiedener Schadensereignisse wird in Kapitel 3.1.1 vorgenommen.

Bei der Analyse der in der Wissenschaft vorzutreffenden Definitionen des Krisen- und Katastrophenbegriffs ist auffällig, dass keine allgemeingültige Abgrenzung existiert. Beide Bezeichnungen stellen Begebenheiten dar, welche mit einer starken Gefährdung für Menschen und Güter einhergehen und eine besondere Aufbau- und Ablauforganisation erfordern. Zudem sind die krisenspezifischen Charakteristika der Unsicherheit, Lebensbedrohlichkeit und Zeitkritikalität ebenfalls auf Katastrophen anwendbar. Aus diesen Gründen wird eine Katastophe als ein Subtyp von Krisen eingeordnet, weshalb die Begriffe in dieser Arbeit synonym verwendet werden.

3.1.1 Klassifikation von Katastrophen

Im nächsten Schritt sollen die diversen Arten von Extremereignissen klassifiziert werden. Die internationale Datenbank für Katastrophen gruppiert derartige Schadenslagen in natürliche und technologische Katastrophen (CRED 2019). Naturbedinge Ereignisse, wie etwa Erdbeben, Stürme, Überschwemmungen Vulkanausbrüche, Waldbrände oder Epidemien, finden unabhängig von menschlichem Handeln statt und können nur begrenzt vorgebeugt oder verhindert werden. Daher sind eine gezielte Vorbereitung und Organisation notwendig, um bei Eintritt eine effiziente Bekämpfung zu gewährleisten. Technologische Katastrophen werden in der Datenbank weniger detailliert unterteilt. Klar wird jedoch, dass diese Vorfälle, wie zum Beispiel Explosionen oder chemische Unfälle, einen – wenigstens indirekten – Zusammenhang mit menschlichem Handeln vorweisen. Zentes et al. (2012, S. 7) kommen zu einer ähnlichen Klassifikation, wobei technische Katastrophen als „Man-Made-Katastrophen“, also durch Menschen verursachte Katastrophen, bezeichnet werden. Die Autoren unterteilen letztere Kategorie in beabsichtigte und unbeabsichtigte Ereignisse, wobei Terror-, Virenangriffe, Piraterie und politische Unruhen als beabsichtigt eingestuft werden. Reaktorunfällen, technologischen Unfällen, Transportunfällen und Ölkatastrophen wird keine Absicht unterstellt. Zentes et al. (2012, S. 7) bezeichnen ebenfalls Wirtschafts- und Finanzkrisen als man-made; diese sind aufgrund der geringeren und meist nur schleichenden zivilen Bedrohung nicht im Blickpunkt dieser Arbeit. Die hier vom BBK verwendete Bezeichnung der CBRN-Gefahren ist außerdem in die Kategorie der technologischen Katastrophen einzuordnen. Unter CBRN-Substanzen werden chemische, biologische, radiologische und nukleare Substanzen verstanden, welche Menschen und Umwelt schädigen können (BBK 2019).

3.1.2 Phasen des Katastrophenmanagements

Trotz des spezifischen Verlaufs einer jeden Katastrophe sind im Katastrophenmanagement verschiedene Phasen feststellbar, welche meist in einer zyklischen Abfolge durchlaufen werden. In der Literatur sind differenzierte Abstufungen und Bezeichnungen im Managementzyklus vorzufinden, jedoch folgen alle Quellen dem gleichen Gedanken. Khan et al. (2008, S. 43-50) gliedern den in Abbildung 3.1 dargestellten „Disaster Management Cycle“ grob in drei Perioden – risk reduction, emergency response und recovery.

Abbildung in dieser Leseprobe nicht enthalten

Quelle: (Khan et al. 2008, S. 47)

Abb. 3.1 Zyklus des Katastrophenmanagements

Für die Phase der Risikoreduktion sind Aktivitäten der Prävention und Vorbereitung auf mögliche, bevorstehende Katastrophen charakteristisch. Hierunter fallen etwa eine ganzheitliche Krisenorganisation, die Sensibilisierung der Bevölkerung, die Durchführung von Notfallübungen oder die Nutzung von Frühwarnsystemen. Nach Eintreffen eines Unglücks beginnt die Phase der Krisenbewältigung (crisis response), in der das Ziel verfolgt wird, entstandene Gefahren durch Bekämpfungsmaßnahmen zu minimieren. Schließlich folgt in der Erholungsphase der Wiederaufbau und im besten Fall die Rückkehr zu normalen Zuständen. Die Autoren betonen jedoch, dass die genannten Stufen oftmals nicht überschneidungsfrei und in der vorgegebenen Reihenfolge passiert werden. Um die Widerstandsfähigkeit bei zukünftigen Katastrophen zu erhöhen, sollen mit jeder Iteration des Kreislaufs sämtliche Strategien und Konzepte kontinuierlich verbessert werden (Khan et al. 2008, S. 47-48).

Das BBK und das Bundesministerium des Innern (BMI) sprechen im Krisenmanagement von den vier zyklischen Phasen der Vorsorge, Vorbereitung, Bewältigung und Nachsorge. Diese Unterteilung ist mit dem Ansatz von Khan et al. vergleichbar (BBK 2019a; BMI 2014, S. 6-9).

3.2 Begriff des Informationssystems

Ein Informationssystem bezeichnet allgemein ein System, welches Informationen erfasst, überträgt, transformiert und bereitstellt. In der Wirtschaftsinformatik wird im Bereich der IS zwischen automatisierten und nicht-automatisierten Aufgabenträgern unterschieden (Ferstl und Sinz 2013, S. 3-7). Während unter dem zuletzt genannten Typ Personen verstanden werden, handelt es sich bei automatisierten Aufgabenträgern um Maschinen, im engeren Sinne um Anwendungssysteme, i.e. Soft- und Hardwaresysteme. So bestehen IS nach Hansen und Neumann (2009, S. 131) „aus Menschen und Maschinen, die Informationen erzeugen und/oder benutzen und die durch Kommunikationsbeziehungen miteinander verbunden sind“. In der Wissenschaft werden derartige Kommunikationsbeziehungen, welche die Schnittstelle zwischen maschinellen und personellen Aufgaben bilden, im Forschungsbereich der Mensch-Computer-Interaktion (MCI) tiefgreifend behandelt. In diesem Zusammenhang stellen Informationssysteme Mensch-Aufgabe-Technik-Systeme dar, wobei Aufgaben von Mensch und Maschine gemeinschaftlich (soziotechnisch) durchgeführt werden, um spezielle Problemstellungen zu lösen (Heinrich et al. 2011, S. 3-5).

3.3 Begriff des Input-Output-Systems

Um die verschiedenen Informationssysteme im Prozess der Bevölkerungswarnung systematisch darzustellen, soll als Aufbaustruktur für das folgende Kapitel ein Input-Output-System dienen.

Input-Output-Systeme sind durch drei Komponenten gekennzeichnet – der Eingabe (Input), der Verarbeitung des Inputs und der erzeugten Ausgabe (Output). Charakteristisch ist hierbei die zugrunde liegende Black-Box-Metapher, was bedeutet, dass die innere Struktur, i.e. die Inputverarbeitung, unbekannt oder irrelevant ist. Das System wird daher nur über sein äußeres Verhalten beschrieben. Aus systemtheoretischer Sicht ist es folgendermaßen definiert:

SIO - IN × OUT

Demnach ist das Input-Output-System eine (echte) Teilmenge aus dem kartesischen Produkt von Eingabe- und Ausgabemenge. Dies belegt ebenfalls, dass das System ausschließlich „über die Beziehung zwischen Eingabemenge und Ausgabemenge“ beschrieben wird (Ferstl und Sinz 2013, S. 16-17).

4 Warnung der Bevölkerung als Input-Output-System

Überträgt man die Eigenschaften eines Input-Output-Systems auf den Prozess der Bevölkerungswarnung, bezeichnen (notfall-)meldende Systeme und Einrichtungen die Inputquellen, während hingegen die verschiedenen Systeme zur Warnung der Bevölkerung im Katastrophenfall als Outputquellen dienen.

Abbildung in dieser Leseprobe nicht enthalten

Abb. 4.1 Input-Output-System im Kontext der Bevölkerungswarnung

Innerhalb der Input-Verarbeitung finden diverse Prozessschritte statt, welche schließlich in einer Warnmeldung resultieren können. Genaue Praktiken, Einrichtungen und Systeme werden im Sinne der oben genannten Definition nicht im Detail beleuchtet.

4.1 Inputquellen

Hinweise und Informationen zu humanitären Notlagen können von unterschiedlichen Quellen stammen. Die nachfolgend aufgezeigten Einrichtungen und Techniken liefern notfall- und krisenrelevante Informationen, welche anschließend bewertet und weiterverarbeitet werden müssen. Zuverlässigkeit und Integrität der übermittelten Informationen spielen hierbei eine große Rolle.

4.1.1 Behörden und Notrufe

4.1.1.1 Behörden

In Deutschland sind für die Warnung bei Katastrophen und allgemeinen Gefahrenlagen die einzelnen Bundesländer zuständig. Bei den besonderen Gefahren eines Verteidigungsfalls übernimmt der Bund, insbesondere das BBK, die Zuständigkeit und bundesweite Koordination der Bevölkerungswarnung. Es ist besonders wichtig, dass sämtliche involvierte Einrichtungen und Behörden, wie zum Beispiel das Gemeinsame Melde- und Lagezentrum von Bund und Ländern (GMLZ) des BBK, die Bundeswehr sowie die Lagezentren der Länder, kooperativ und eng zusammenarbeiten (BBK 2019b).

Für spezielle Gefahren liefern verschiedene Bundesbehörden notfall- und krisenrelevante Informationen. So obliegt dem Deutschen Wetterdienst (DWD) die amtliche Warnung vor gefährlichen Wetterlagen wie Stürmen, Gewittern oder Hitzewellen. Hierzu werden die Wetterentwicklungen von Meteorologen und technischen Systemen kontinuierlich beobachtet und ausgewertet (DWD oJ). Das Bundesamt für Seeschifffahrt und Hydrografie (BSH) informiert über Gefahren im Bereich Gezeiten, Wasserstand und Sturmflut; das Bundesamt für Sicherheit in der Informationstechnik (BSI) liegt für Lageeinschätzungen für Cyber-Gefahren, wie etwa Hackerangriffe oder Schadsoftware, in der Verantwortung (BBK 2019b; BSI 2019).

4.1.1.2 Notrufe

Befinden sich Menschen in Notsituationen oder sind als Augenzeugen vor Ort, ist es üblich einen Notruf abzusetzen, welcher von einer zuständigen Leitstelle entgegengenommen und koordiniert wird. Nach Angaben der Europäischen Kommission (EK) wurden im Jahr 2018 73% aller europäischen Notrufe (Notrufnummer „112“) von mobilen Endgeräten abgesetzt (EK 2019, S. 6-7). Aus diesem Grund sind Informationen zum aktuellen Aufenthaltsort der hilfesuchenden Person äußerst wertvoll, um eine möglichst schnelle Hilfeleistung zu gewährleisten. Nach EU-Richtlinie 2018/1972 sind seit dem Jahr 2018 alle EU-Mitgliedstaaten dazu verpflichtet, Leitstellen Informationen zum Standort des Notrufenden bereitzustellen. Als aktuelle Technologie hat sich hierfür der quelloffene Dienst Advanced Mobile Location (AML) der European Emergency Number Association (EENA) gezeigt.

Wird von einer Person eine AML-untersützte Notrufnummer gewählt, werden zu Gesprächsbeginn das im Mobilgerät integrierte Navigationssatellitensystem sowie Wireless-LAN aktiviert; diese Aktivierung findet unabhängig von zuvor im System deaktivierten Funktionen statt und setzt die Nutzung eines Smartphones voraus. Dadurch können genaue Positionsdaten erhoben werden, die anschließend der Leitstelle via Daten-SMS bereitgestellt werden. Der Dienst ist mittlerweile in alle gängigen Android- und Apple-Smartphones implementiert – unter der Voraussetzung einer aktuellen Softwareversion (EENA oJ).

Der AML-Dienst findet in zahlreichen Staaten Verwendung; in Deutschland sind jedoch noch nicht alle Leitstellen in der Lage Positionsdaten zu verarbeiten. Zudem ist in Deutschland aus Gründen des Datenschutzes keine dauerhafte Speicherung der Standortdaten gestattet und es ist ein Hashen der Telefonnummer des Anrufenden erforderlich (Integrierte Leitstelle Freiburg-Breisgau-Hochschwarzwald 2019).

4.1.2 Sensorik

Katastrophen können oft nicht vermieden werden, weshalb es besonders wichtig ist, betroffene Personen und Behörden rechtzeitig zu warnen, um größere Schäden zu vermeiden, zu reduzieren oder direkte Maßnahmen einzuleiten. Bereits wenige Minuten vor Eintritt eines Schadensereignisses können eine wertvolle Reaktionszeit darstellen. Hierbei können technische, sensorbasierte Systeme eingesetzt werden, welche fortlaufend Echtzeitdaten zur Verfügung stellen und damit essenzielle Informationen liefern. Ausgewählte Informationssysteme werden nachfolgend exemplarisch vorgestellt.

Zur Früherkennung von Erdbeben, Tsunamis und Vulkanausbrüchen werden zumeist Seismometer eingesetzt, welche seismische Wellen erkennen, die sich bei Erderschütterungen in alle Richtungen ausbreiten. In Indonesien findet seit vielen Jahren das Deutsch-Indonesische Tsunami Frühwarnsystem (GITEWS) Anwendung, wobei seismologische Daten, GPS-Daten und Pegelmessungen kombiniert erhoben und bewertet werden, sodass die Vorwarnzeit auf ein Minimum reduziert werden kann (Lauterjung 2010, S. 641-646). Anstatt der Errichtung zahlreicher seismischer Messtationen, setzen neuartige Konzepte, wie etwa die App MyShake , auf die Auswertung der Daten von Beschleunigungssensoren in Smartphones. Je mehr Bürger die frei verfügbare App installieren, desto genauer und zuverlässiger können Erdbeben erkannt werden. Machine Learning Algorithmen werten dabei die zentral gesammelten Daten aus, um zu entscheiden, ob seismische Aktivitäten stattfinden und in welchem Umkreis und Umfang diese vorliegen (Allen et al. 2019, S. 57-62).

Neben altbewährten Brandschutzanlagen zur Erkennung von Feuer, beschreiben Alejandre et al. (2016, S. 1-8) ein System zur frühzeitigen Warnung vor Waldbränden, das mithilfe von hierarchischen, drahtlosen Sensornetzwerken entstehende Brandherde identifiziert. Diesbezüglich können innerhalb eines Waldgebiets beliebig viele „sensor nodes“ angebracht werden, deren Daten über verschiedene Endpunkte an einen zentralen Speicherort gesendet werden. Jeder Sensor sammelt dabei Echtzeitdaten über Temperatur, Feuchtigkeit, Windgeschwindigkeit und -richtung sowie CO2-Werte. Durch die (teil-)automatisierte Evaluation der aktuellen Datenbasis können schließlich aufkommende Brände frühzeitig erkannt und bewertet werden.

Darüber hinaus wird heute eine Vielzahl weiterer sensorischer Messgeräte genutzt, wie beispielsweise bei der Kernreaktorfernüberwachung (KFÜ), bei der täglich mehr als 200 000 Messwerte erfasst und vollautomatisch überwacht werden (Ministerium für Umwelt, Klima und Energiewirtschaft Baden-Württemberg oJ).

Durch die zunehmende Digitalisierung und der Vernetzung von Dingen, dem Internet of Things (IoT) , ergibt sich ein immenses Potential für neuartige Anwendungsfälle, um in Zukunft lebensbedrohliche Gefahrenlagen besser zu antizipieren und davor zu warnen.

4.1.3 Social Media zur Früherkennung

Der Datenverkehr in sozialen Netzwerken wie Facebook, Twitter oder Instagram, hat in den letzten Jahren signifikant zugenommen und wird tendenziell weiter steigen. Finden schwerwiegende Unglücke statt, neigen immer mehr Menschen dazu, soziale Netzwerke zu benutzen, um Statusmeldungen, Meinungen, Bildmaterial oder Hilfsangebote zu teilen. Diese Masse an heterogenen Daten kann genutzt werden, um Schadensereignisse frühzeitig zu erkennen. In einer Studie über die Früherkennung von Großschadensereignissen in sozialen Netzwerken haben Bahir und Peled (2015, S. 210-220) ein Informationssystem entwickelt, welches auf Basis von nutzergenerierten Daten der Plattformen Twitter und Google+ automatisch Warnungen erzeugt, wenn sich größere Vorfälle ereignen.

Die Autoren haben herausgefunden, dass sich Katastrophen und Unruhezustände in „abnormalen“ Aktivitäten in sozialen Medien wiederspiegeln, die durch Filterung mit einer Menge definierter Schlüsselwörter vollautomatisch und zeiteffizient erkannt werden können. Aus diesem Grund wurde das Major Event Monitoring and Alert System entwickelt, welches initial Rohdaten über die Programmierschnittstellen (APIs) von Twitter und Google+ extrahiert und speichert. Diese können nun verarbeitet und nach speziellen Schlüsselwörtern kategorisiert werden. Die Erkennung von Ereignissen (event detection) wird mit Überschreitung von definierten Schwellenwerten realisiert. Jedem Ereignistyp wird hierbei ein individueller Schwellenwert und Zeitrahmen zugewiesen. Das System zählt nun für jeden Typ die relevanten Nachrichten innerhalb der festgelegten Zeitspanne und löst schließlich Alarm aus, falls der geltende Grenzwert, i.e. die Anzahl zugelassener Nachrichten in dieser Zeit, überschritten wird. Bahir und Peled (2015, S. 211-219) betonen jedoch, dass diese datenbasierte Früherkennung ausschließlich bei Vorkommnissen mit verheerenden Auswirkungen zuverlässig funktioniert, da kleinere Ereignisse einen zu geringen Einfluss auf soziale Medien haben.

Als Resultat der Testphase konnten vor allem Naturkatastrophen, wie etwa Brände, zuverlässig identifiziert werden; teilweise frühzeitiger als öffentliche Medien den Vorfall verkündeten. Dennoch wurde auch eine Vielzahl irrelevanter Warnmeldungen erzeugt, die sowohl bei Naturkatastrophen als auch bei Man-Made-Katastrophen auftraten. Deshalb ist die kontinuierliche Anpassung von Schlüsselwörtern, Schwellenwerten und Zeitspannen notwendig, um die Sensitivität und Zuverlässigkeit des Systems zu verbessern (Bahir und Peled 2015, S. 218-219).

Die obigen Ausführungen zeigen, dass die Forschung im Bereich der Datenanalyse zur Früherkennung noch lange nicht abgeschlossen ist und großes Potential birgt (siehe auch Kapitel 5.2 Social Media Intelligence ). Im Zuge der wachsenden Rechnerleistung, effizienterer Algorithmen und künstlicher Intelligenz werden zukünftig weitere Entwicklungen erwartet, um derartige Frühwarnsysteme zu verbessern.

4.2 Verarbeitung des Inputs

Im Kapitel der Inputquellen wird deutlich, dass Informationen zu beginnenden und aktuellen Katastrophen aus unterschiedlichen Quellen stammen können. Diese Informationen gilt es von zuständigen Einrichtungen und Behörden zu bewerten und zu priorisieren. In Deutschland übernehmen diese Aufgabe etwa Zivilschutzverbindungsstellen, die Lagezentren von Bund- und Ländern, der DWD oder diverse Leitstellen. Ist im Ergebnis eine Warnung der Bevölkerung notwendig, kommen häufig Systeme zum Einsatz, die zentral Warnungen über alle verfügbaren Warnkanäle an die Bevölkerung organisieren und ausgeben können.

In der BRD wird hierfür das vom BBK entwickelte Modulare Warnsystem (MoWaS) genutzt, während die USA das auf das Emergency Alert System (EAS) zurückgreift (BBK 2019c; Federal Communications Commission 2019).

4.3 Outputquellen

Sind Systeme oder Institutionen über die Existenz einer akuten Bedrohungslage sicher, ist eine rechtzeitige Warnung der Bevölkerung ausschlaggebend für eine bestmögliche Katastrophenabwehr. Diesbezüglich sollte nicht nur das Ziel der Informationsbereitstellung zu bevorstehenden oder existierenden Katastrophen verfolgt werden, sondern vielmehr Hinweise zu korrektem Verhalten und der Vorkehrung von Schutzmaßnahmen gegeben werden.

In Anlehnung an Klafft (2018, S. 321) zeigt Abbildung 4.2 den idealtypischen Informationsverbreitungs- und Verarbeitungsprozess bei Katastrophenwarnungen.

Abbildung in dieser Leseprobe nicht enthalten

Abb. 4.2 Informationsverbreitungs- und Verarbeitungsprozess bei Katastrophenwarnungen

Bei Erstellung einer aussagekräftigen Warnmeldung, gilt es diese anschließend über verschiedene Warnkanäle – hier Outputquellen – zu verbreiten und gegebenenfalls mit ergänzenden Informationen zu versehen. Im Zuge der Wahrnehmung der Nachricht durch den Empfänger, soll ebendiese im nächsten Schritt sprachlich und inhaltlich verstanden werden sowie auf Glaubwürdigkeit und persönliche Betroffenheit überprüft werden. Abschließend sind die erwünschten Schutzhandlungen, zum Beispiel das Verlassen eines betroffenen Gebiets, auszuführen, sofern der Empfänger dazu gewillt und in der Lage ist. Dieser Prozess impliziert, dass zu vermittelnde Warnmeldungen möglichst schnell, verständlich und zuverlässig publiziert werden müssen, um einen hohen Warneffekt mit unverzüglicher Reaktion bei den Adressaten hervorzurufen. Zudem spielt die Glaubwürdigkeit von Nachricht und Sender eine zentrale Rolle, welche von zu vielen Falschwarnungen negativ beeinflusst werden kann (Klafft 2018, S. 320-323).

Neben herkömmlichen Warnkanälen wurden in den letzten Jahren zahlreiche digitale Kanäle erschlossen, die neue Möglichkeiten hinsichtlich der erwünschten Warnwirkung, des möglichen Informationsgehalts und der Reichweite eröffnen.

Sämtliche verfügbaren Warnkanäle müssen im Falle einer Bevölkerungswarnung sinnvoll kombiniert und inhaltlich konsistent versorgt werden, um eine maximale Wirkung der Warnung zu erzielen (Klafft 2018, S. 334). Eine Auswahl bewährter und neuartiger Warnkanäle wird im Anschluss vorgestellt.

4.3.1 Konventionelle Systeme

Neben der Warnmöglichkeit über Rundfunk, Fernsehen oder Lautsprecherwagen, nimmt die Warnung mittels Sirenen bis heute einen wichtigen Platz ein. Grund hierfür ist der hervorragende Weckeffekt, der durch die lautstarken, an- und abschwellenden akustischen Signale erreicht wird und kein menschliches Zutun erfordert, wie etwa das Einschalten von Fernsehgeräten. Bis zum Ende des Kalten Krieges stand in Deutschland ein flächendeckendes Sirenennetz mit ca. 80 000 Standorten zur Verfügung, um die Bevölkerung im Ernstfall zu warnen. Diese Infrastruktur wurde jedoch aufgrund der beurteilten Sicherheitslage aufgelöst und den Gemeinden kostenlos zur Verfügung gestellt. Infolgedessen wurde eine Vielzahl an Sirenen abgebaut und in den Kommunen individuell eingesetzt, weshalb seither keine einheitliche und zentral gesteuerte Kommunikation mehr möglich ist. Seitens des BBK ist es geplant, Sirenen zukünftig an das Modulare Warnsystem anzuschließen, um Warnungen schnell und automatisiert von Länder- und Bundesebene auszugeben. Außerdem beabsichtigen einzelne Regionen den erneuten Ausbau des Sirenennetzes (BBK 2018a).

Als Nachteil ist dennoch der niedrige Informationsgehalt von Sirenensignalen anzuführen. Bei Alarmierungen ist es erforderlich, dass sich Bürgerinnen und Bürger zusätzliche Informationen beschaffen, da diese lediglich über die Existenz einer Gefahrenlage informiert werden. Zusätzlich ist anzumerken, dass Personen, die sich in geschlossenen Räumen oder in Regionen mit erhöhtem Lärmpegel aufhalten, möglicherweise nicht informiert werden. Aus diesen Gründen müssen Sirenen zwingend durch zusätzliche Warnkanäle mit höherem Informationsgehalt ergänzt werden (Klafft 2018, S. 324; Jagtman 2009, S. 18).

Zahlreiche weitere Techniken befinden sich bereits in der Entwicklung, welche versuchen, alltägliche Systeme durch Warnfunktionalitäten zu ergänzen. Öffentliche Displays, insbesondere digitale Werbetafeln, können schon heute an MoWaS angeschlossen werden und Informationen direkt vor Ort liefern. Zudem wird vergleichsweise erprobt, inwiefern Fahrzeugnavigationssysteme und Digitalradios in Fahrzeugen unter Nutzung technischer Standards selbstständig Warnungen ausgeben können (BBK 2019d).

4.3.2 Cell-Broadcasts

Als ergänzender Warnkanal zu den in Kapitel 4.3.1 dargestellten Methoden können mobilfunkgestützte Systeme eingesetzt werden. Eine weit verbreitete Technologie stellen die nachfolgend erläuterten Cell Broadcasts (CB) dar.

Die Cell Broadcast Technologie ist Bestandteil aller gängigen Mobilfunkstandards und bietet die Möglichkeit, Push-Nachrichten an alle Mobilfunkgeräte zu senden, die sich innerhalb von ausgewählten Mobilfunkzellen befinden. Hierzu ist es erforderlich, dass der Empfang derartiger (Warn-)Meldungen vorab an allen Endgeräten freigeschaltet werden muss, was zugleich eine große Herausforderung darstellt.

Außerdem müssen lokale Netzbetreiber den CB-Service unterstützen, um Warnmeldungen versenden zu können (Jagtman 2009, S. 19; Klafft 2018, S. 324). Typischerweise findet die Kommunikation anonym statt, da keine Registrierung oder Bestätigung der empfangenen Nachricht notwendig ist; die Anzahl der Geräte, welche die Nachricht erhalten haben, ist somit nicht bekannt (Jagtman 2009; Gutteling et al. 2018, S. 1580).

In humanitären Notlagen können örtliche Mobilfunknetze schnell überlastet sein, sodass Anrufe oder Nachrichten nur begrenzt möglich sind. Durch Nutzung eines „Datenkanals“, welcher unabhängig von ebendiesen funktioniert, erreichen Cell Broadcasts – im Vergleich zum gebräuchlichen Short Message Service – eine relativ gute Ausfallsicherheit und Verfügbarkeit (National Research Council 2011, S. 5).

Hinsichtlich des Informationsgehalts finden essenzielle Informationen in einer CB-Meldung Platz. Zu diesen zählen die aktuelle Gefahr, das betroffene Gebiet, Verhaltenshinweise und Absender der Nachricht (Gutteling et al. 2018, S. 1580). Jene Bestandteile unterliegen allerdings einer Zeichenbegrenzung von maximal 93 Zeichen pro Nachricht (Klafft 2018, S. 332). Abhilfe kann hier der Versand mehrerer Nachrichten in zeitlicher Abfolge schaffen.

Mit Cell Broadcasts kann nur ein eingeschränkter Weckeffekt erreicht werden, da zu warnende Personen zwingend ihr Mobilgerät mit sich zu führen haben und ausreichend Batterie sowie Netzempfang vorhanden sein müssen. Zudem kann innerhalb der Schlafenszeit die Wahrnehmung der Warnnachricht nicht gewährleistet werden. Mit der Auswahl einer oder mehrerer Funkzellen, welche die Meldung an alle eingewählten Geräte versenden sollen, kann die Reichweite geografisch festgelegt werden; jedoch ist dabei zu beachten, dass es zu keiner „systematischen Überwarnung“ kommt, indem auch Personen außerhalb der Gefahrenzone gewarnt werden (Klafft 2018, S. 329-334).

Die genannten Punkte bestätigen, dass die CB-Technologie stets ergänzend angewendet werden sollte. Verschiedene Länder wie Chile, die USA oder die Niederlande nutzen den Kanal aktiv zur Warnung der Bevölkerung. In Deutschland findet der Dienst aufgrund der zu geringen Kompatibilität von Geräten und Netzbetreibern derzeit keine Anwendung (Klafft 2018, S. 324-325).

4.3.3 Warn-Apps

Eine heute weit verbreitete Warnmöglichkeit stellen Warn-Applikationen dar, die nach erfolgter Installation auf dem Smartphone krisenrelevante Informationen liefern. Im Vergleich zu den in Kapitel 4.3.2 erwähnten Cell Broadcasts, bieten Apps umfassendere Informationsmöglichkeiten. Bekannte Anwendungen, wie etwa die vom BBK entwickelte App NINA (Notfall-Informations- und Nachrichten-App) oder KATWARN vom Fraunhofer FOKUS, liefern Karten mit visualisierten Gefahrenzonen, standortbezogene Benachrichtigungen und weitere nützliche Funktionalitäten.

In einer Studie versuchen Reuter et al. (2017, S. 2187-2201) durch den Vergleich der Apps NINA, KATWARN und der in den USA weit verbreiteten App FEMA (Federal Emergency Management Agency) die notwendigen funktionalen Anforderungen einer solchen Anwendung abzuleiten.

Als wichtigste Kernfunktionalität gilt die Benachrichtigung zur Warnung vor aktuellen oder bevorstehenden Ereignissen mit Gefahrenpotential. Auf Karten sollen Gefahren grafisch hervorgehoben werden und per Klick Informationen zu Gefahrentyp, Ausmaß, Gültigkeitsdauer sowie Handlungsempfehlungen liefern. Eine Warnung soll sowohl für festgelegte Orte als auch für den derzeitigen Standort möglich sein. Außerdem können Empfehlungen zu korrektem Verhalten vor, während und nach Krisensituationen helfen, die Bevölkerung in Bezug auf verschiedene Gefahrentypen zu sensibilisieren. Reuter et al. (2017) benennen zusätzlich die Anforderung, öffentlichen Einrichtungen oder privaten Kontakten den persönlichen Status mitteilen zu können und damit entweder vor Gefahren zu warnen oder Entwarnung zu geben. Zu weiteren essenziellen Kernfunktionalitäten zählen eine chatbasierte Kommunikation und die Integration von Konzepten zur Helferkoordination. Letztere Eigenschaften wurden bislang in keiner der oben genannten Apps implementiert; jedoch sind ergänzende Prototypen zur Helferintegration, wie beispielsweise die mobile Anwendung KATRETTER des Fraunhofer FOKUS, bereits in der Pilotphase (Fraunhofer FOKUS oJ). Zuletzt werden umfangreiche Einstellmöglichkeiten betont, um Benachrichtigungen nach Gefahrentyp und Warnstufe zu personalisieren, Standortdienste zu verwalten oder Notfallkontakte einzuspeichern (Reuter et al. 2017, S. 2196-2199).

[...]