Die übergeordnete Zielstellung der vorliegenden Arbeit ist es, Bedingungsfaktoren erfolgreicher Teamarbeit anhand von Forschungsarbeiten aus unterschiedlichen Fachrichtungen herauszuarbeiten und diese anhand eigener Studien zu sogenannten Actionteams empirisch zu überprüfen. Hierfür wird auf Grundlage einer umfangreichen Literaturanalyse ein Rahmenforschungsmodell zur Teamarbeit synthetisiert sowie ein Verhaltensmarker Ansatz zur Erfassung und Bewertung von Team(arbeits)prozessen in kritischen Situationen entwickelt und erprobt. Demzufolge ist die Arbeit in zwei Teile aufgebaut: Im ersten Schritt wird theoriegeleitet ein Forschungsmodell zur Teamarbeit abgeleitet und durch sekundäranalytische Auswertungen von elitären Actionteams überprüft. Darauf aufbauend, wird ein Verhaltensmarker-Ansatz zur Messung und Bewertung von potentiell trainierbaren Team(arbeits)prozessen konzipiert und an Rettungsdienstteams in einer high-fidelity-Simulation experimentell evaluiert. Der Fokus im ersten Teil der Arbeit liegt auf der theoriegeleiteten Entwicklung des Forschungsmodells, welches Teamarbeit in folgende analytisch unterscheidbare Dimensionen differenziert: emergent states (shared mental models, mutual trust und group potency) und Teamprozesse (team orientation, team leadership, mutual performance monitoring, backup behavior, adaptability und closed loop communication). Dieses Forschungsmodell wurde mit einer Sekundäranalyse von Fragebogen- und Interviewdaten zu einer Stichprobe von elitären Actionteammitgliedern geprüft und empirisch bestätigt. Die quantitative Analyse von Fragebogendaten zeigt bei den elitären Actionteammitgliedern (n = 132) positive signifikante Zusammenhänge zwischen den emergent states und Teamprozessen. Im direkten Abgleich mit nichtelitären Actionteammitgliedern (n = 133) zeigten sich bei den elitären Actionteammitgliedern durchweg höhere Ausprägungen in den Teamarbeitsdimensionen (erste Forschungsfrage). Des Weiteren wurde untersucht, ob eine Beziehung zwischen Teamarbeitsdimensionen und verschiedenen Teamtypen (contending teams, critical teams und performing teams) besteht. Die inhaltsanalytische Auswertung von qualitativen Interviewdaten elitärer Actionteammitglieder (n = 51) wie auch statistische Analysen standardisierter Fragebogendaten elitärer Actionteammitglieder (n = 132) legen eine Beziehung nahe. Die Ergebnisse belegen, dass sich die beiden Teamtypen contending teams und performing teams am stärksten in den Teamarbeitsdimensionen team leadership und adaptability unterscheiden (zweite Forschungsfrage). Das Hauptanliegen des zweiten Teils der Arbeit besteht darin, zu testen, ob die im ersten Arbeitsteil als erfolgskritisch identifizierten Team(arbeits)prozesse, nach einer Schulungs- und Trainingsintervention mit einer erhöhten Leistungsfähigkeit einhergehen. Dazu wird aus den Erkenntnissen des ersten Teils und unter Rückgriff auf aktuelle Forschungsergebnisse ein Verhaltensmarker-Ansatz entwickelt. Zur Überprüfung, ob und wie durch eine Verbesserung der Team(arbeits)prozesse die Leistungsfähigkeit von Actionteams gesteigert werden kann, wurde eine quasi-experimentelle Simulations-Studie mit einem Experimental- und Kontrollgruppen-Design durchgeführt. Um mit dem entwickelten prozessanalytischen Messinstrument die Team(arbeits)prozesse praktizierender Rettungsdienstmitglieder in kritischen Situationen zu erfassen, wurde eine Simulation als Zwischenform einer Labor- und Felduntersuchung gewählt. Insgesamt nahmen 96 Teilnehmer an der Studie teil, die in zwei Gruppen aufgeteilt wurden. Der Teilnehmerkreis eins (T1; n = 47) erhielt vor der Simulation eine Schulungs- und Trainingsmaßnahme und der Teilnehmerkreis zwei (T2; n = 49) erhielt diese nachher. Anschließend wurde eine Teilstichprobe mit jeweils 10 Personen aus dem Teilnehmerkreis eins (T1) als Experimentalgruppenteilnehmer (n = 10) und aus dem Teilnehmerkreis zwei (T2) als Kontrollgruppenteilnehmer (n =10) zufällig ausgewählt. Die Experimental- und Kontrollgruppenteammitglieder absolvierten in einer high-fidelity-Simulation ein komplexes und mit kritischen Situationen konzipiertes Fallbeispiel. Die Bewertung der Team(arbeits)prozesse und des Teamerfolges erfolgte durch eine offene, passiv teilnehmende Beobachtung und wurde mittels Beobachtungsbogen von sechs Experten während der Simulation protokolliert. Des Weiteren wurde das Verhalten der Teammitglieder anhand aufgezeichneter Videodateien mit einer Videointeraktionsanalyse bewertet. Die Ratingübereinstimmung zwischen den Beobachtungsdaten der teilnehmenden Forscher vor Ort mit den Videoauswertungen der unabhängigen Experten im Nachgang lassen erkennen, dass das entwickelte prozessanalytische Verfahren zur Messung und Bewertung von Team(arbeits)prozessen geeignet ist, reliabel und objektiv die Leistungsfähigkeit von Rettungsdienstteams in kritischen Situationen zu erfassen. Die Befunde zeigen, dass die als erfolgskritisch und potentiell trainierbar identifizierten Team(arbeits)prozesse durch eine Schulungs- und Trainingsmaßnahme gesteigert werden konnten. Hierbei verdeutlichen die Ergebnisse des Experimental- und Kontrollgruppenvergleichs, dass insbesondere die Reflexions-, Teamführungs- und Koordinationsprozesse verbessert werden konnten. Auch lag der Teamerfolg, gemessen an der Anzahl richtig gewählter und ausgeführter Maßnahmen, die in einem zeitlich vorgegebenen Rahmen durchgeführt wurden, bei den Experimentalgruppen etwas höher als bei den Kontrollgruppen. Zusammenfassend liegen mit dieser Arbeit erste empirische Befunde eines quasi-experimentellen und multi-methodischen Forschungs- bzw. Evaluationsdesigns vor, die aufzeigen, welche erfolgskritischen Team(arbeits)prozesse die Leistungsfähigkeit von Actionteams in kritischen Situationen steigern können.

In den letzten Jahren hat die Verbreitung von Elektrofahrrädern, sogenannten Pedelecs, stark zugenommen. Dies ist vor dem Hintergrund der Umweltfreundlichkeit und Gesundheitsförderlichkeit dieser Form der Fortbewegung zunächst grundsätzlich positiv zu bewerten. Gleichzeitig besteht jedoch die Sorge, dass Elektrofahrradfahrer häufiger und in schwerere Unfälle verwickelt werden könnten als Fahrradfahrer. So bieten motorgestützte Elektrofahrräder das Potential, höhere Geschwindigkeiten zu erreichen als konventionelle Fahrräder, und werden zudem vor allem von älteren Verkehrsteilnehmern genutzt. Nicht zuletzt deswegen könnten sich durch diese neue Mobilitätsform auch neue Herausforderungen für die Verkehrs-, insbesondere Radinfrastrukturen ergeben. Tatsächlich jedoch blieben die Auswirkungen auf die Verkehrssicherheit bisher weitestgehend ungeklärt. Um dieser Problematik zu begegnen, wurde im Rahmen einer Naturalistic Cycling Studie (NCS) und mehreren experimentellen Untersuchungen folgenden Fragen nachgegangen: Fahren Elektrofahrradfahrer tatsächlich schneller als nicht-motorisierte Radfahrer? Wie wirken sich diese potentiell höheren Geschwindigkeiten darauf aus, wie Elektrofahrradfahrer von Autofahrern wahrgenommen werden? Welchen Einfluss hat das Alter der Radfahrer auf die Geschwindigkeiten und auch auf deren Neigung zu Unfällen bzw. sicherheitskritischen Situationen im Verkehr? Und welchen Einfluss hat die Infrastruktur auf die gewählten Geschwindigkeiten und die Auftretenshäufigkeit von kritischen Situationen? Diese und weitere Fragen wurden in insgesamt vier Arbeiten, die in internationalen Fachzeitschriften publiziert sind (I - IV), beleuchtet. Im ersten Artikel werden die Geschwindigkeiten von Fahrradfahrern (n = 31) im Gegensatz zu Pedelecfahrern (n = 49; Motorunterstützung bis 25 km/h) sowie S-Pedelecfahrern (n = 10; Motorunterstützung bis 45 km/h) betrachtet. Als Einflussgrößen wurden das Alter und die Nutzung verschiedener Infrastrukturtypen der Probanden ausgewertet. Alle Räder wurden mit einem Datenaufzeichnungssystem inklusive Kameras und Geschwindigkeitssensoren ausgestattet, um für vier Wochen ein Bild des natürlichen Fahrverhaltens zu erhalten. Unabhängig von der Infrastruktur waren S-Pedelecfahrer schneller unterwegs waren als Fahrrad- und Pedelecfahrer. Pedelecfahrer fuhren ebenfalls signifikant schneller als konventionelle Fahrradfahrer. Die höchsten Geschwindigkeiten wurden für alle Radtypen auf der (mit dem motorisierten Verkehr geteilten) Fahrbahn sowie der Radinfrastruktur gemessen. Das Alter der Fahrer hatte ebenfalls einen signifikanten Einfluss auf die Geschwindigkeit: Unabhängig vom Fahrradtyp waren ältere Fahrer (65 Jahre und älter) deutlich langsamer als Probanden jüngerer Altersgruppen (41-64 Jahre sowie 40 Jahre und jünger). Die beiden jüngeren Altersgruppen fuhren selbst ohne Motorunterstützung (konventionelles Fahrrad) schneller als die älteren Pedelecfahrer. Genauere Analysen (wie etwa das Verhalten beim Bergabfahren) legen nahe, dass dieser Befund nicht allein der physischen Leistungsfähigkeit zugeschrieben werden kann. Es scheint vielmehr so, als ob ältere Fahrrad- und Elektroradfahrer durch die geringere Geschwindigkeit versuchen, Defizite in der Reaktionsgeschwindigkeit auszugleichen bzw. generell vorsichtiger fahren. Der zweite Artikel beschäftigt sich mit der Frage, inwieweit sich die Art und Häufigkeit von Unfällen und kritischen Situationen bei den drei verschiedenen Altersgruppen unterscheiden. Auch hier wurde auf die Daten aus der NCS zurückgegriffen, auf deren Basis eine umfassende Videokodierung durchgeführt wurde. Es zeigten sich keine Unterschiede zwischen den Altersgruppen hinsichtlich des Auftretens kritischer Situationen; weder in Bezug auf die absolute Anzahl, noch gemessen an der relativen Häufigkeit (pro 100 km). Ebenfalls keine Zusammenhänge fanden sich zwischen dem Alter der Fahrer und der Art von Konfliktpartnern oder der Tageszeit der kritischen Situationen. Auch hier scheint es so, dass Ältere keinem erhöhten Risiko unterliegen, und etwaige altersbedingte Einschränkungen kompensieren können. Bei der Betrachtung des Einflusses des Infrastrukturtyps auf das Auftreten von kritischen Situationen zeigte sich, dass, bezogen auf die zurückgelegten Wegstrecken, die Nutzung der mit dem motorisierten Verkehr geteilten Fahrbahn als relativ sicher einzustufen ist. Demgegenüber ergab sich ein erhöhtes Risiko für Unfälle oder kritische Situationen auf designierter Radinfrastruktur. Dies widerspricht der Wahrnehmung vieler Radfahrer, die diese Infrastruktur als besonders sicher empfinden. Es ist allerdings anzunehmen, dass diese Wahrnehmung nicht nur auf der vermeintlichen Auftretenshäufigkeit, sondern auch auf dem angenommenen Schweregrad einer möglichen Kollision beruht. Zwei weitere Artikel beschäftigen sich damit, wie Autofahrer die Geschwindigkeit beziehungsweise die Annäherung von Elektrofahrrädern wahrnehmen. Dies ist insbesondere in Kreuzungssituationen relevant, in denen Autofahrer abschätzen müssen, ob sie noch rechtzeitig vor einem Fahrrad abbiegen können ohne mit diesem zu kollidieren. Es wurde vermutet, dass die fehlende Erfahrung mit Elektrofahrrädern und der von ihnen erreichbaren Geschwindigkeit vermehrt zu entsprechenden Unfällen führen könnte. Der Frage wurde mit einem Experiment zur Lückenakzeptanz auf der Teststrecke (Artikel III) und einer Videostudie zu Schätzungen von Zeitlückengrößen (Artikel IV) nachgegangen. Es zeigte sich, dass Autofahrer die verbleibende Zeit bis zur Kollision für Elektrofahrradfahrer geringer einschätzten als für konventionelle Radfahrer. Zudem wählten Autofahrer bei einem herannahenden Elektrofahrrad signifikant kleinere Zeitlücken zum Abbiegen, als bei einem konventionellen Fahrrad. Dieser Effekt verstärkte sich sogar noch, wenn die Geschwindigkeit des herannahenden Zweirades zunahm. Diese Befunde legen nahe, dass die Einschätzung der Geschwindigkeit beziehungsweise Annäherung von Elektrofahrrädern durchaus risikobehaftet ist. Die Ergebnisse dieser Arbeit helfen dabei, die Auswirkungen der steigenden Verbreitung von Elektrofahrrädern auf die Verkehrssicherheit einzuschätzen. Auch erlauben es die Erkenntnisse, Maßnahmen zur Erhöhung der Verkehrssicherheit für Fahrrad- und Elektrofahrradfahrern aller Altersgruppen abzuleiten. Damit leistet diese Arbeit einen Beitrag zur Unterstützung einer sicheren, gesunden und umweltfreundlichen Mobilität. / Electric bicycles (e-bikes) are a relatively new form of transport. The aim of this dissertation is to investigate their effects on road safety. In 2012, at the beginning of this dissertation project, knowledge of e-bikes in general and their impact on road safety in particular was relatively scarce. As a starting point of this work, the influence of e-bikes on road safety was investigated compared relative to the road safety of conventional bicycles. Additionally, the influence of the age of the rider on safety is considered as a supplementary factor. Special attention is paid to the impact of the infrastructure utilised by riders and its characteristics. This cumulative dissertation consists of four research articles, labelled Paper I to IV accordingly. Papers I to IV have been published in peer reviewed journals. The synopsis provides an overview of previous research as well as a theoretical framework of the safety of cyclists and e-bike riders. Speed, and its perception through other road users (measured with experiments to gap acceptance and time to arrival (TTA) estimates) are considered as relevant factors for road safety. In Chapter 4, the research objectives are presented in detail. The methodology is clarified in Chapter 5, and in Chapter 6 and 7 the results are summarised and discussed. The implications of the results are considered in Chapter 8. In Paper I, the differences in speed between bicycles, pedelecs (pedal electric cycle, motor assistance up to 25 km/h) and S-pedelecs (pedal electric cycle, motor assistance up to 45 km/h) were investigated. Additionally the influence of infrastructure type, road gradient and the age of the rider were taken into account. Paper II is concerned with the influence of different conflict partners in crashes, and the utilisation of infrastructure on the safety of cyclists. For this purpose, safety critical events (SCE) involving cyclists were examined, with a special focus on the differences between younger, middle aged, and older cyclists. Papers III and IV focus on the perception of speed of e-bike and bicycle riders through other road users and its implications for road safety. Paper III specifically deals with the gap acceptance of car drivers at intersections in the presence of cyclists and e-bike riders with different speeds and under varying conditions (e.g. at intersections with different road gradients). Paper IV looks at drivers TTA estimates of approaching bicycles and e-bikes in combination with other influencing factors (e.g. speed, cyclist age).

In den letzten Jahren hat die Verbreitung von Elektrofahrrädern, sogenannten Pedelecs, stark zugenommen. Dies ist vor dem Hintergrund der Umweltfreundlichkeit und Gesundheitsförderlichkeit dieser Form der Fortbewegung zunächst grundsätzlich positiv zu bewerten. Gleichzeitig besteht jedoch die Sorge, dass Elektrofahrradfahrer häufiger und in schwerere Unfälle verwickelt werden könnten als Fahrradfahrer. So bieten motorgestützte Elektrofahrräder das Potential, höhere Geschwindigkeiten zu erreichen als konventionelle Fahrräder, und werden zudem vor allem von älteren Verkehrsteilnehmern genutzt. Nicht zuletzt deswegen könnten sich durch diese neue Mobilitätsform auch neue Herausforderungen für die Verkehrs-, insbesondere Radinfrastrukturen ergeben. Tatsächlich jedoch blieben die Auswirkungen auf die Verkehrssicherheit bisher weitestgehend ungeklärt. Um dieser Problematik zu begegnen, wurde im Rahmen einer Naturalistic Cycling Studie (NCS) und mehreren experimentellen Untersuchungen folgenden Fragen nachgegangen: Fahren Elektrofahrradfahrer tatsächlich schneller als nicht-motorisierte Radfahrer? Wie wirken sich diese potentiell höheren Geschwindigkeiten darauf aus, wie Elektrofahrradfahrer von Autofahrern wahrgenommen werden? Welchen Einfluss hat das Alter der Radfahrer auf die Geschwindigkeiten und auch auf deren Neigung zu Unfällen bzw. sicherheitskritischen Situationen im Verkehr? Und welchen Einfluss hat die Infrastruktur auf die gewählten Geschwindigkeiten und die Auftretenshäufigkeit von kritischen Situationen? Diese und weitere Fragen wurden in insgesamt vier Arbeiten, die in internationalen Fachzeitschriften publiziert sind (I - IV), beleuchtet. Im ersten Artikel werden die Geschwindigkeiten von Fahrradfahrern (n = 31) im Gegensatz zu Pedelecfahrern (n = 49; Motorunterstützung bis 25 km/h) sowie S-Pedelecfahrern (n = 10; Motorunterstützung bis 45 km/h) betrachtet. Als Einflussgrößen wurden das Alter und die Nutzung verschiedener Infrastrukturtypen der Probanden ausgewertet. Alle Räder wurden mit einem Datenaufzeichnungssystem inklusive Kameras und Geschwindigkeitssensoren ausgestattet, um für vier Wochen ein Bild des natürlichen Fahrverhaltens zu erhalten. Unabhängig von der Infrastruktur waren S-Pedelecfahrer schneller unterwegs waren als Fahrrad- und Pedelecfahrer. Pedelecfahrer fuhren ebenfalls signifikant schneller als konventionelle Fahrradfahrer. Die höchsten Geschwindigkeiten wurden für alle Radtypen auf der (mit dem motorisierten Verkehr geteilten) Fahrbahn sowie der Radinfrastruktur gemessen. Das Alter der Fahrer hatte ebenfalls einen signifikanten Einfluss auf die Geschwindigkeit: Unabhängig vom Fahrradtyp waren ältere Fahrer (65 Jahre und älter) deutlich langsamer als Probanden jüngerer Altersgruppen (41-64 Jahre sowie 40 Jahre und jünger). Die beiden jüngeren Altersgruppen fuhren selbst ohne Motorunterstützung (konventionelles Fahrrad) schneller als die älteren Pedelecfahrer. Genauere Analysen (wie etwa das Verhalten beim Bergabfahren) legen nahe, dass dieser Befund nicht allein der physischen Leistungsfähigkeit zugeschrieben werden kann. Es scheint vielmehr so, als ob ältere Fahrrad- und Elektroradfahrer durch die geringere Geschwindigkeit versuchen, Defizite in der Reaktionsgeschwindigkeit auszugleichen bzw. generell vorsichtiger fahren. Der zweite Artikel beschäftigt sich mit der Frage, inwieweit sich die Art und Häufigkeit von Unfällen und kritischen Situationen bei den drei verschiedenen Altersgruppen unterscheiden. Auch hier wurde auf die Daten aus der NCS zurückgegriffen, auf deren Basis eine umfassende Videokodierung durchgeführt wurde. Es zeigten sich keine Unterschiede zwischen den Altersgruppen hinsichtlich des Auftretens kritischer Situationen; weder in Bezug auf die absolute Anzahl, noch gemessen an der relativen Häufigkeit (pro 100 km). Ebenfalls keine Zusammenhänge fanden sich zwischen dem Alter der Fahrer und der Art von Konfliktpartnern oder der Tageszeit der kritischen Situationen. Auch hier scheint es so, dass Ältere keinem erhöhten Risiko unterliegen, und etwaige altersbedingte Einschränkungen kompensieren können. Bei der Betrachtung des Einflusses des Infrastrukturtyps auf das Auftreten von kritischen Situationen zeigte sich, dass, bezogen auf die zurückgelegten Wegstrecken, die Nutzung der mit dem motorisierten Verkehr geteilten Fahrbahn als relativ sicher einzustufen ist. Demgegenüber ergab sich ein erhöhtes Risiko für Unfälle oder kritische Situationen auf designierter Radinfrastruktur. Dies widerspricht der Wahrnehmung vieler Radfahrer, die diese Infrastruktur als besonders sicher empfinden. Es ist allerdings anzunehmen, dass diese Wahrnehmung nicht nur auf der vermeintlichen Auftretenshäufigkeit, sondern auch auf dem angenommenen Schweregrad einer möglichen Kollision beruht. Zwei weitere Artikel beschäftigen sich damit, wie Autofahrer die Geschwindigkeit beziehungsweise die Annäherung von Elektrofahrrädern wahrnehmen. Dies ist insbesondere in Kreuzungssituationen relevant, in denen Autofahrer abschätzen müssen, ob sie noch rechtzeitig vor einem Fahrrad abbiegen können ohne mit diesem zu kollidieren. Es wurde vermutet, dass die fehlende Erfahrung mit Elektrofahrrädern und der von ihnen erreichbaren Geschwindigkeit vermehrt zu entsprechenden Unfällen führen könnte. Der Frage wurde mit einem Experiment zur Lückenakzeptanz auf der Teststrecke (Artikel III) und einer Videostudie zu Schätzungen von Zeitlückengrößen (Artikel IV) nachgegangen. Es zeigte sich, dass Autofahrer die verbleibende Zeit bis zur Kollision für Elektrofahrradfahrer geringer einschätzten als für konventionelle Radfahrer. Zudem wählten Autofahrer bei einem herannahenden Elektrofahrrad signifikant kleinere Zeitlücken zum Abbiegen, als bei einem konventionellen Fahrrad. Dieser Effekt verstärkte sich sogar noch, wenn die Geschwindigkeit des herannahenden Zweirades zunahm. Diese Befunde legen nahe, dass die Einschätzung der Geschwindigkeit beziehungsweise Annäherung von Elektrofahrrädern durchaus risikobehaftet ist. Die Ergebnisse dieser Arbeit helfen dabei, die Auswirkungen der steigenden Verbreitung von Elektrofahrrädern auf die Verkehrssicherheit einzuschätzen. Auch erlauben es die Erkenntnisse, Maßnahmen zur Erhöhung der Verkehrssicherheit für Fahrrad- und Elektrofahrradfahrern aller Altersgruppen abzuleiten. Damit leistet diese Arbeit einen Beitrag zur Unterstützung einer sicheren, gesunden und umweltfreundlichen Mobilität.:TABLE OF CONTENTS SYNOPSIS 1 1 Overview of the dissertation 1 2 Introduction 2 3 Road safety 4 3.1 Task-Capability Interface (TCI) Model 4 3.2 Three traffic safety pillars 6 3.3 Vehicle: Road safety of bicycle and e-bike riders 7 3.3.1 Drivers’ gap acceptance and time to arrival estimations of approaching cyclists and e-bike riders 10 3.4 Road user: Road safety of older road user 14 3.5 Infrastructure: Influence of infrastructure and its characteristics on road safety 16 4 Research objectives of the dissertation 18 5 Overview of the methodology 19 5.1 Naturalistic Cycling Study 19 5.2 Experimental studies 21 6 Results and discussion 22 6.1 Vehicle: Traffic safety of bicycle and e-bike riders 22 6.1.1 Research Objective 1: Influence of bicycle type on speed under various conditions 22 6.1.2 Research Objective 2: Effect of speed and bicycles type on drivers’ gap acceptance and time to arrival estimates 23 6.2 Road user: Traffic safety of bicycle and e-bike older riders 25 6.2.1 Research Objective 3: Influence of age on speed of riders of bicycles and pedelecs.. 25 6.2.2 Research Objective 4: Influence of age on safety critical events and crashes of cyclists 26 6.3 Infrastructure: Influence of infrastructure circumstances on traffic safety 28 6.3.1 Research Objective 5: Infrastructure type and road gradient as influencing factors on speed and speed perception of cyclists and e-bike riders and their effect on safety critical events 28 7 Integration of the results to the TCI Model 30 8 Implications 31 9 Conclusion 34 PAPER I The German Naturalistic Cycling Study - Comparing cycling speed of different e-bikes and conventional bicycles 51 PAPER II Conflict partners and infrastructure use in safety critical events in cycling - Results from a naturalistic cycling study 73 PAPER III Drivers’ gap acceptance in front of approaching bicycles – Effects of bicycle speed and bicycle type 107 PAPER IV The influence of speed, cyclist age, pedalling frequency and observer age on observers\\\' time to arrival judgements of approaching bicycles and e-bikes 127 CURRICULUM VITAE 153 PUBLICATIONS 156 / Electric bicycles (e-bikes) are a relatively new form of transport. The aim of this dissertation is to investigate their effects on road safety. In 2012, at the beginning of this dissertation project, knowledge of e-bikes in general and their impact on road safety in particular was relatively scarce. As a starting point of this work, the influence of e-bikes on road safety was investigated compared relative to the road safety of conventional bicycles. Additionally, the influence of the age of the rider on safety is considered as a supplementary factor. Special attention is paid to the impact of the infrastructure utilised by riders and its characteristics. This cumulative dissertation consists of four research articles, labelled Paper I to IV accordingly. Papers I to IV have been published in peer reviewed journals. The synopsis provides an overview of previous research as well as a theoretical framework of the safety of cyclists and e-bike riders. Speed, and its perception through other road users (measured with experiments to gap acceptance and time to arrival (TTA) estimates) are considered as relevant factors for road safety. In Chapter 4, the research objectives are presented in detail. The methodology is clarified in Chapter 5, and in Chapter 6 and 7 the results are summarised and discussed. The implications of the results are considered in Chapter 8. In Paper I, the differences in speed between bicycles, pedelecs (pedal electric cycle, motor assistance up to 25 km/h) and S-pedelecs (pedal electric cycle, motor assistance up to 45 km/h) were investigated. Additionally the influence of infrastructure type, road gradient and the age of the rider were taken into account. Paper II is concerned with the influence of different conflict partners in crashes, and the utilisation of infrastructure on the safety of cyclists. For this purpose, safety critical events (SCE) involving cyclists were examined, with a special focus on the differences between younger, middle aged, and older cyclists. Papers III and IV focus on the perception of speed of e-bike and bicycle riders through other road users and its implications for road safety. Paper III specifically deals with the gap acceptance of car drivers at intersections in the presence of cyclists and e-bike riders with different speeds and under varying conditions (e.g. at intersections with different road gradients). Paper IV looks at drivers TTA estimates of approaching bicycles and e-bikes in combination with other influencing factors (e.g. speed, cyclist age).:TABLE OF CONTENTS SYNOPSIS 1 1 Overview of the dissertation 1 2 Introduction 2 3 Road safety 4 3.1 Task-Capability Interface (TCI) Model 4 3.2 Three traffic safety pillars 6 3.3 Vehicle: Road safety of bicycle and e-bike riders 7 3.3.1 Drivers’ gap acceptance and time to arrival estimations of approaching cyclists and e-bike riders 10 3.4 Road user: Road safety of older road user 14 3.5 Infrastructure: Influence of infrastructure and its characteristics on road safety 16 4 Research objectives of the dissertation 18 5 Overview of the methodology 19 5.1 Naturalistic Cycling Study 19 5.2 Experimental studies 21 6 Results and discussion 22 6.1 Vehicle: Traffic safety of bicycle and e-bike riders 22 6.1.1 Research Objective 1: Influence of bicycle type on speed under various conditions 22 6.1.2 Research Objective 2: Effect of speed and bicycles type on drivers’ gap acceptance and time to arrival estimates 23 6.2 Road user: Traffic safety of bicycle and e-bike older riders 25 6.2.1 Research Objective 3: Influence of age on speed of riders of bicycles and pedelecs.. 25 6.2.2 Research Objective 4: Influence of age on safety critical events and crashes of cyclists 26 6.3 Infrastructure: Influence of infrastructure circumstances on traffic safety 28 6.3.1 Research Objective 5: Infrastructure type and road gradient as influencing factors on speed and speed perception of cyclists and e-bike riders and their effect on safety critical events 28 7 Integration of the results to the TCI Model 30 8 Implications 31 9 Conclusion 34 PAPER I The German Naturalistic Cycling Study - Comparing cycling speed of different e-bikes and conventional bicycles 51 PAPER II Conflict partners and infrastructure use in safety critical events in cycling - Results from a naturalistic cycling study 73 PAPER III Drivers’ gap acceptance in front of approaching bicycles – Effects of bicycle speed and bicycle type 107 PAPER IV The influence of speed, cyclist age, pedalling frequency and observer age on observers\\\' time to arrival judgements of approaching bicycles and e-bikes 127 CURRICULUM VITAE 153 PUBLICATIONS 156

Die übergeordnete Zielstellung der vorliegenden Arbeit ist es, Bedingungsfaktoren erfolgreicher Teamarbeit anhand von Forschungsarbeiten aus unterschiedlichen Fachrichtungen herauszuarbeiten und diese anhand eigener Studien zu sogenannten Actionteams empirisch zu überprüfen. Hierfür wird auf Grundlage einer umfangreichen Literaturanalyse ein Rahmenforschungsmodell zur Teamarbeit synthetisiert sowie ein Verhaltensmarker Ansatz zur Erfassung und Bewertung von Team(arbeits)prozessen in kritischen Situationen entwickelt und erprobt. Demzufolge ist die Arbeit in zwei Teile aufgebaut: Im ersten Schritt wird theoriegeleitet ein Forschungsmodell zur Teamarbeit abgeleitet und durch sekundäranalytische Auswertungen von elitären Actionteams überprüft. Darauf aufbauend, wird ein Verhaltensmarker-Ansatz zur Messung und Bewertung von potentiell trainierbaren Team(arbeits)prozessen konzipiert und an Rettungsdienstteams in einer high-fidelity-Simulation experimentell evaluiert. Der Fokus im ersten Teil der Arbeit liegt auf der theoriegeleiteten Entwicklung des Forschungsmodells, welches Teamarbeit in folgende analytisch unterscheidbare Dimensionen differenziert: emergent states (shared mental models, mutual trust und group potency) und Teamprozesse (team orientation, team leadership, mutual performance monitoring, backup behavior, adaptability und closed loop communication). Dieses Forschungsmodell wurde mit einer Sekundäranalyse von Fragebogen- und Interviewdaten zu einer Stichprobe von elitären Actionteammitgliedern geprüft und empirisch bestätigt. Die quantitative Analyse von Fragebogendaten zeigt bei den elitären Actionteammitgliedern (n = 132) positive signifikante Zusammenhänge zwischen den emergent states und Teamprozessen. Im direkten Abgleich mit nichtelitären Actionteammitgliedern (n = 133) zeigten sich bei den elitären Actionteammitgliedern durchweg höhere Ausprägungen in den Teamarbeitsdimensionen (erste Forschungsfrage). Des Weiteren wurde untersucht, ob eine Beziehung zwischen Teamarbeitsdimensionen und verschiedenen Teamtypen (contending teams, critical teams und performing teams) besteht. Die inhaltsanalytische Auswertung von qualitativen Interviewdaten elitärer Actionteammitglieder (n = 51) wie auch statistische Analysen standardisierter Fragebogendaten elitärer Actionteammitglieder (n = 132) legen eine Beziehung nahe. Die Ergebnisse belegen, dass sich die beiden Teamtypen contending teams und performing teams am stärksten in den Teamarbeitsdimensionen team leadership und adaptability unterscheiden (zweite Forschungsfrage). Das Hauptanliegen des zweiten Teils der Arbeit besteht darin, zu testen, ob die im ersten Arbeitsteil als erfolgskritisch identifizierten Team(arbeits)prozesse, nach einer Schulungs- und Trainingsintervention mit einer erhöhten Leistungsfähigkeit einhergehen. Dazu wird aus den Erkenntnissen des ersten Teils und unter Rückgriff auf aktuelle Forschungsergebnisse ein Verhaltensmarker-Ansatz entwickelt. Zur Überprüfung, ob und wie durch eine Verbesserung der Team(arbeits)prozesse die Leistungsfähigkeit von Actionteams gesteigert werden kann, wurde eine quasi-experimentelle Simulations-Studie mit einem Experimental- und Kontrollgruppen-Design durchgeführt. Um mit dem entwickelten prozessanalytischen Messinstrument die Team(arbeits)prozesse praktizierender Rettungsdienstmitglieder in kritischen Situationen zu erfassen, wurde eine Simulation als Zwischenform einer Labor- und Felduntersuchung gewählt. Insgesamt nahmen 96 Teilnehmer an der Studie teil, die in zwei Gruppen aufgeteilt wurden. Der Teilnehmerkreis eins (T1; n = 47) erhielt vor der Simulation eine Schulungs- und Trainingsmaßnahme und der Teilnehmerkreis zwei (T2; n = 49) erhielt diese nachher. Anschließend wurde eine Teilstichprobe mit jeweils 10 Personen aus dem Teilnehmerkreis eins (T1) als Experimentalgruppenteilnehmer (n = 10) und aus dem Teilnehmerkreis zwei (T2) als Kontrollgruppenteilnehmer (n =10) zufällig ausgewählt. Die Experimental- und Kontrollgruppenteammitglieder absolvierten in einer high-fidelity-Simulation ein komplexes und mit kritischen Situationen konzipiertes Fallbeispiel. Die Bewertung der Team(arbeits)prozesse und des Teamerfolges erfolgte durch eine offene, passiv teilnehmende Beobachtung und wurde mittels Beobachtungsbogen von sechs Experten während der Simulation protokolliert. Des Weiteren wurde das Verhalten der Teammitglieder anhand aufgezeichneter Videodateien mit einer Videointeraktionsanalyse bewertet. Die Ratingübereinstimmung zwischen den Beobachtungsdaten der teilnehmenden Forscher vor Ort mit den Videoauswertungen der unabhängigen Experten im Nachgang lassen erkennen, dass das entwickelte prozessanalytische Verfahren zur Messung und Bewertung von Team(arbeits)prozessen geeignet ist, reliabel und objektiv die Leistungsfähigkeit von Rettungsdienstteams in kritischen Situationen zu erfassen. Die Befunde zeigen, dass die als erfolgskritisch und potentiell trainierbar identifizierten Team(arbeits)prozesse durch eine Schulungs- und Trainingsmaßnahme gesteigert werden konnten. Hierbei verdeutlichen die Ergebnisse des Experimental- und Kontrollgruppenvergleichs, dass insbesondere die Reflexions-, Teamführungs- und Koordinationsprozesse verbessert werden konnten. Auch lag der Teamerfolg, gemessen an der Anzahl richtig gewählter und ausgeführter Maßnahmen, die in einem zeitlich vorgegebenen Rahmen durchgeführt wurden, bei den Experimentalgruppen etwas höher als bei den Kontrollgruppen. Zusammenfassend liegen mit dieser Arbeit erste empirische Befunde eines quasi-experimentellen und multi-methodischen Forschungs- bzw. Evaluationsdesigns vor, die aufzeigen, welche erfolgskritischen Team(arbeits)prozesse die Leistungsfähigkeit von Actionteams in kritischen Situationen steigern können.:Inhaltsverzeichnis Abstract 4 Inhaltsverzeichnis i Abbildungsverzeichnis v Tabellenverzeichnis v Abkürzungsverzeichnis viii 1 Einleitung 1 1.1 Ausgangspunkt, Zielsetzung und Forschungsfragen 1 1.2 Aufbau der Arbeit 4 2 Begriffliche und konzeptionelle Grundlagen der Teamarbeit 7 2.1 Skizze zur Entwicklung der Kleingruppenforschung 7 2.1.1 Historische Entwicklung der Kleingruppenforschung 7 2.1.2 Perspektiven der Kleingruppenforschung 8 2.1.3 Projekte und Programme der Gruppenforschung 9 2.2 Ziele sowie Vor- und Nachteile von Gruppenarbeit nach Wegge (2004) 10 2.3 Begriffsbestimmung zu Gruppenarbeit und Teamarbeit 12 2.4 Überblick zu repräsentativen Theorien und Ansätze zum Teamarbeitskonzept 14 2.5 Chronologische Meilensteine zur Teamforschung 16 2.6 Ergänzende Beiträge verschiedener Forschungsstränge 17 3 Definitionen, Merkmale und Typen von Teams 26 3.1 Notwendigkeit einer neuen Begriffsbestimmung? 26 3.2 Begriffsdefinitionen zu Gruppe, Arbeitsgruppe und Team 27 3.2.1 Teams, deren Fokus auf die Handlungsausführung gerichtet ist: Arbeitsteams, Crews, Actionteams, Interdisciplinary-Action-Teams (IAT), Swift-Starting-Action-Teams (STAT) 30 3.2.2 Teams, deren Fokus auf die kognitive Entscheidungsfindung ausgerichtet ist: Projektteams 31 3.3 Teamklassifikationsansätze 34 3.3.1 Allgemeine Klassifikationen und Typologien 35 3.3.2 Aktuellere Teamklassifikationen 36 3.4 Einordnung der Teams der Untersuchung 39 4 Theoretische Erklärungsansätze zur Teamarbeit und Teameffektivität mit unterschiedlicher Reichweite 42 4.1 Grand Theory – Handlungsregulationstheorie nach Frese und Zapf (1994) 42 4.1.1 Perspektive Handlungsprozess 43 4.1.2 Perspektive Handlungsstruktur und Regulationsebenen (vgl. Frese & Zapf, 1994, S. 280–287) 44 4.1.3 Empirische Evidenz handlungsregulationstheoretischer Ansätze 45 4.2 Middle Range Theories – disziplinübergreifende Ansätze und Rahmenmodelle zur Teamarbeit und Teameffektivität 49 4.2.1 Ältere bzw. klassische Modelle zur Erklärung von Teamarbeit und Teameffektivität aus der allgemeinen Gruppenforschung 49 4.2.2 Aktuellere Beiträge zur Erklärung von Teamarbeit und Teameffektivität 57 4.3 Conclusio: Zusammenfassung der theoretischen Vorarbeiten zur Teamarbeit und Teameffektivität 69 5 Rahmenforschungsmodell, Forschungsfragen und Hypothesen 71 5.1 Emergent states 71 5.1.1 Geteilte mentale Modelle (shared mental models) 71 5.1.2 Gegenseitiges Vertrauen (mutual trust) 74 5.1.3 Teamstärke (group potency) 75 5.2 Teamprozesse 76 5.2.1 Kommunikation (closed loop communication) 76 5.2.2 Teamführung (team leadership) 78 5.2.3 Teamorientierung (team orientation) 79 5.2.4 Gegenseitige Leistungsüberwachung (mutual performance monitoring) 80 5.2.5 Unterstützung (backup behavior) 81 5.2.6 Anpassungsfähigkeit (adaptability) 82 5.3 Konkludierendes Rahmenforschungsmodell 83 5.4 Forschungsfragen und Hypothesen 88 6 Sekundäranalytische Auswertungen zur Teamarbeit in Actionteams 91 6.1 Datenmaterial 91 6.2 Stichproben 91 6.2.1 Stichprobe Fragebogenerhebung 91 6.2.2 Stichprobe Interviewerhebung 93 6.3 Methode 94 6.3.1 Erhebungsverfahren Fragebogenstudie 94 6.3.2 Erhebungsverfahren Interviewstudie 95 6.4 Datenauswertung der Fragebogenstudie 96 6.4.1 Hypothesenüberprüfung des Zusammenhangs zwischen Teamprozessen und emergent states 96 6.4.2 Hypothesenüberprüfung zum Vergleich der Ausprägungen der Teamarbeitsdimensionen von elitären Actionteammitgliedern und nichtelitären Actionteammitgliedern 97 6.4.3 Ergebnisse zur forschungsleitenden Fragestellung 1 100 6.4.4 Quantitative Analysen zur Beziehung zwischen Teamarbeit und Teamtyp 100 6.4.5 Hypothesenüberprüfung der Ausprägungen der Teamarbeitsdimensionen nach Teamtyp 100 6.4.6 Interpretation der Ergebnisse 102 6.5 Datenauswertung der Interviewstudie 102 6.5.1 Ergebnisse der Interviewstudie elitärer Actionteammitglieder 104 6.5.2 Hypothesenüberprüfung der Beziehung zwischen Teamprozessen und Teamtyp 106 6.5.3 Ergebnisse (Teamprozesse – Teamtyp) 109 6.5.4 Hypothesenüberprüfung der Beziehung zwischen emergent states und Teamtyp 111 6.5.5 Ergebnisse (emergent states – Teamtyp) 113 6.6 Zusammenfassung der Ergebnisse 115 6.7 Kritische Reflexion 115 7 Entwicklung und Erprobung eines Behavioral-Marker-Systems zur Messung und Bewertung von Team(arbeits)prozessen für Rettungsdienstteams 117 7.1 Inhaltlicher und methodischer Mehrwert durch Verhaltensbeobachtung 117 7.2 Vorgehen zur Entwicklung eines Verhaltensmarkersystems (behavioral marker system) 118 7.3 Theoretische Ableitung von Verhaltensmarkern zur Messung und Bewertung von Team(arbeits)prozessen und Teamerfolg 120 7.4 Übersicht zu Verhaltensmarker-Ansätzen 121 7.4.1 Verhaltensmarker-Ansätze 121 7.4.2 Evaluationsstudien 122 7.5 Ableitung für die vorliegende Untersuchung 123 7.6 Untersuchungskonstrukte 126 7.6.1 Elemente: Teamaufgabe und Organisationales System 127 7.6.2 Konstrukt Teamerfolg 128 7.6.3 Messung und Bewertung des Konstrukts Teamerfolg 129 7.6.4 Konstrukt Teamprozesse 130 7.6.5 Messung und Bewertung von Teamprozessen 131 7.7 Erhebungsverfahren und -instrumente 136 7.7.1 Schriftliche Befragung 136 7.7.2 Teilnehmende Verhaltensbeobachtung – Beobachtungsbogen für Teamprozesse 139 8 Methodologische Einordnung der experimentellen Studie 142 9 Experimentelle Untersuchung 145 9.1 Experimentelles Forschungsdesign 145 9.2 Stichprobe 147 9.3 Schulungs-und Trainingsmaßnahmen samt Fallbeispiel 148 9.3.1 Konzeption der Schulungs- und Trainingsmaßnahmen 148 9.3.2 Ablauf der Schulungs- und Trainingsmaßnahmen 149 9.3.3 Konzeption des Simulationsszenarios ‚Traumamanagement‘ 152 9.4 Datenerhebung und Auswertungsverfahren 155 10 Ergebnisse der experimentellen Studie 159 10.1 Fragebogenerhebung 159 10.1.1 Stichprobenbeschreibung 159 10.1.2 Deskriptive Statistiken 161 10.1.3 Ergebnisse der Fragebogenerhebung der Teilstichprobe 164 10.1.4 Vorbereitung und Ablauf der Simulation 167 10.1.5 Beobachtungsschemata zur Bewertung der nichtfachlichen-interaktiven Team(arbeits)prozesse 167 10.2 Auswertung der nichtfachlichen-interaktiven Team(arbeits)prozesse und medizinisch-fachlichen Fähigkeiten 171 10.2.1 Analyse der Team(arbeits)prozesse 171 10.2.2 Analyse der medizinisch-fachlichen Fähigkeiten 178 10.3 Diskussion und Reflexion der Ergebnisse 180 10.3.1 Diskussion der Methodik 180 10.3.2 Diskussion der Ergebnisse 182 11 Zusammenfassung und Ausblick 183 Literaturverzeichnis 187 Erklärung 209 Anhang 210 A.1 Übersicht Sample Interviewstudie 210 A.2 Überblick Studien zur HregT und Teamarbeit 212 A.3 Zuordnung der nichtfachlichen-interaktiven Team(arbeits)prozesse zu den Phasen des Fallbeipiels ‚Traumamanagement‘ 237 A.4 Nichtfachliche Beobachtungsbogen 249