Hochwasser stellt ein großes Risiko für Wohngebäude in Europa dar, und es wird erwartet, dass das Risiko in der Zukunft aufgrund klimatischer und sozioökonomischer Veränderungen zunehmen wird. Aktuelle Hochwasserrisikomodelle basieren meist auf einfachen Wasserstands-Schadenskurven. Diese Ansätze vereinfachen die Hochwasserschadensprozesse stark, können ungenau sein und bergen große Unsicherheiten, die oft nicht quantifiziert. Die Doktorarbeit stellt die Integration neuer Daten in probabilistische, multivariable Schadensmodelle zur Verbesserung ihrer Übertragbarkeit vor. Diese neuen Datenquellen und Modellierungsansätze werden verwendet, um zukünftige Veränderung des Hochwasserrisikos für Wohngebäude in Europa abzuschätzen und Risikokomponenten zu analysieren. Die Arbeit zeigt, OpenStreetMap (OSM) Daten liefern nützliche Informationen für die Modellierung von Hochwasserschäden und ermöglichen Modelltransfers. Die Integration von aus OSM abgeleiteten Gebäudeeigenschaften und Hochwassererfahrung aus Ereignisdatenbanken in das Bayes’sche Netzwerk basierte Hochwasserschadensmodelle für den privaten Sektor (BN-FLEMOps) ermöglichte die Implementierung auf der Mesoskala. Durch Vergleiche von Schadensschätzungen mit beobachteten Schäden in mehreren Fallstudien in Europa wurde das Modell validiert und detailliert mit einem Ensemble aus 20 Schadensmodellen verglichen. In einer abschließenden Studie werden die zukünftigen Veränderungen des Risikos für Wohngebäude in Europa modelliert. Die erwarteten jährlichen Schäden bis zum Ende des 21. Jahrhunderts werden um das 10-fache ansteigen. Die Britischen Inseln und der größte Teil von Zentral-Europa müssen mit einer starken Risikozunahme rechnen. Teile Skandinaviens und des Mittelmeerraums werden dagegen ein stagnierendes oder abnehmendes Hochwasserrisiko verzeichnen. Eine Verbesserung der privaten Vorsorgemaßnahmen könnte das Hochwasserrisiko im Mittel um 15 % und in einigen europäischen Regionen um bis zu 20 % verringern. / Flooding poses great risks for residential buildings in Europe and is expected to increase in the future, driven by climatic and socio-economic change. Current flood risk models rely mostly on simple stage-damage curves for flood loss estimation. This approach oversimplifies flood damage processes, can be inaccurate and harbour large uncertainties that often are not quantified and transparently communicated. This thesis presents research that integrates new data sources into probabilistic, multi-variable loss models to improve their transferability. These new data sources and approaches are used to estimate future fluvial flood risk change for residential buildings in Europe. Contributions of the three risk components, hazard, exposure, and vulnerability are analysed and compared independently and in combination. OpenStreetMap (OSM) data are identified as a valuable source of information for flood loss modelling and enables model transfers while retaining high predictive performance. Integrating OSM derived building characteristics and flood experience information from flood event databases into the Bayesian Network Flood Loss Estimation MOdel for the private sector (BN-FLEMOps) enables the spatio-temporal and scale transformation of the model. The model is validated with reported losses in multiple case studies in Europe and compared in detail with a model ensemble of 20 internationally published flood loss models. In a final study, the future flood risk changes for residential buildings in Europe are modelled. The expected annual damage will increase up to 10-fold until the end of the 21st century. Most of Central Europe and the British Isles have to expect strong risk increases. Parts of Scandinavia and the Mediterranean on the other hand will see stagnating or decreasing fluvial flood risk. Improving private precaution could reduce flood risk by 15 % on average and up to 20 % in some European regions.

Die Kontamination von Trinkwasser mit Arzneimitteln stellt eine ernste Gesundheitsgefahr dar. Um die Trinkwasserqualität kontinuierlich überwachen und im Falle einer Verunreinigung zeitnah reagieren zu können, sind neuartige Sensoren erforderlich. Hier können immunanalytische Methoden, die auf der Bindung des Analyten an hochselektive Antikörper beruhen, hilfreich sein. In dieser Arbeit wurden magnetpartikelbasierte Immunoassays (MBBAs) für zwei relevante Kontaminanten des Trinkwassers entwickelt: Diclofenac (DCF) und Amoxicillin (AMX). Bei letzterem erwiesen sich neben der Ausgangsverbindung auch dessen Hydrolyseprodukte (HPs) als relevant für die Gefährdungsbeurteilung. In einer umfassenden Studie wurde der Einfluss von externen Faktoren und intrinsischen Eigenschaften des Wassers auf die Hydrolysegeschwindigkeit untersucht. Da die Hydrolyse von AMX auch die Erkennung durch den Antikörper beeinflusst, wurde eine Strategie zur Analyse von Proben mit unbekanntem Hydrolysegrad von AMX unter Verwendung des Enzyms β-Lactamase in der Probenvorbereitung entwickelt. Für beide Analyten ermöglichen die MBBAs eine schnelle Quantifizierung mit Ergebnissen in weniger als einer Stunde, was eine wesentliche Verbesserung gegenüber herkömmlichen Immunoassays wie dem Enzyme-linked Immunosorbent Assay (ELISA) darstellt. Im Vergleich zu den entsprechenden ELISAs mit denselben Antikörpern weisen die MBBAs zudem verbesserte analytische Parameter auf, wie einen breiteren Messbereich und niedrigere Nachweisgrenzen. Aufgrund der magnetischen Eigenschaften der Partikel, die als Plattform für die Assays dienen, eignen sie sich für den mobilen und automatisierten Einsatz vor Ort. Ein integriertes Diagnosesystem, bei dem die elektrochemische Detektion mittels Chronoamperometrie auf einem mikrofluidischen Chip eine weitere Miniaturisierung des Systems ermöglicht, wurde entworfen, um die Überwachung der Trinkwasserqualität online in Wasserwerken zu ermöglichen. / The contamination of drinking water with pharmaceuticals represents a severe health risk. In order to monitor the drinking water quality continuously and enable quick countermeasures in case of contamination, novel sensors are required. Here, immunoanalytical methods based on the binding of the analyte to highly selective antibodies can be helpful. In this work, magnetic bead-based immunoassays (MBBAs) have been developed for the detection of two relevant contaminants of drinking water: diclofenac (DCF) and amoxicillin (AMX). In case of the latter, not only the parent drug is of interest in the risk assessment but also its hydrolysis products (HPs). In a comprehensive study, the influence of external factors and intrinsic properties of the water on the rate of hydrolysis was investigated. As the hydrolysis of AMX further impacts the recognition by the antibody, a strategy to analyze samples with unknown hydrolysis degree of AMX was established employing the enzyme β-lactamase in sample preparation. For both analytes, the MBBAs enable the fast quantification with results obtained in less than one hour which represents a major improvement over conventional immunoassays like the enzyme-linked immunosorbent assay (ELISA). Compared to the respective ELISAs with the same antibodies, the MBBAs further exhibit improved analytical parameters such as a broader measurement range and lower limits of detection. Due to the magnetic properties of the beads that serve as a platform for the assays, they are suitable for the mobile and automated detection at the point-of-care. An integrated diagnostic system was designed in which electrochemical detection with chronoamperometry on a microfluidic chip allows for further miniaturization of the system to enable monitoring of the drinking water quality online in water supply pipes at waterworks.