Ausgehend von der Feststellung, dass in Deutschland bislang kein quantitatives Verfahren zur Beurteilung der Sicherheit von Bahnübergängen existiert, wurde in der vorliegenden Arbeit ein Vorschlag für ein solches Verfahren entwickelt. Das zugrunde liegende Risikomodell ermöglicht es, aus den Parametern eines einzelnen Bahnübergangs die individuellen Risiken unterschiedlicher Gruppen von Straßenverkehrsteilnehmern sowie das kollektive Risiko des Bahnübergangs abzuschätzen. Zur Bewertung dieser Risiken wurden Vorschläge für Akzeptanzkriterien hergeleitet. Ein weiterer Teil der Untersuchung beschäftigte sich mit der Ermittlung und Bewertung risikoreduzierender Maßnahmen. Das Verfahren entstand auf Basis umfangreicher Literaturstudien, qualifizierter Schätzungen und ergänzender empirischer Untersuchungen. Der Neuigkeitswert des Modells – auch vor dem Hintergrund der aus dem Ausland bekannten Ansätze – besteht in der differenzierten Betrachtung nicht nur des einzelnen Bahnübergangs, sondern auch der einzelnen Verkehrsarten und insbesondere der einzelnen zum Bahnübergang hin- und vom Bahnübergang wegführenden Verkehrsströme. Dadurch wird der Erkenntnis Rechnung getragen, dass sich die spezifischen Eigenschaften der Straßenverkehrsteilnehmer sowie der von ihnen genutzten Zu- und Abflusswege auf die Sicherheit auswirken können. Aus den erzielten Erkenntnissen wurden Empfehlungen zur Weiterentwicklung der Regelwerke abgeleitet. Hierzu gehört die Forderung nach einer stärkeren Risikoorientierung der Gestaltungsregeln, die insbesondere die aufgezeigten Einflussfaktoren berücksichtigen müssen.:Abbildungsverzeichnis 6 Tabellenverzeichnis 8 Formelzeichenverzeichnis 9 1 Einleitung 11 1.1 Ausgangssituation 11 1.2 Zielstellung 13 1.3 Abgrenzung 13 1.4 Vorgehen 14 2 Forschungsstand 16 2.1 Risikomodelle 16 2.1.1 Deutschland 16 2.1.2 Europäisches Ausland 21 2.1.3 Nordamerika 26 2.1.4 Asien und Australien 29 2.1.5 Schlussfolgerungen 32 2.2 Verhaltensmodelle 35 2.2.1 Anlagen 35 2.2.2 Abläufe 36 2.2.3 Fehler 38 2.2.4 Schlussfolgerungen 41 2.3 Risikoschwerpunkte 42 2.3.1 Verkehrsarten 43 2.3.2 Unfallsituationen 44 2.3.3 Unfallursachen 45 2.3.4 Schlussfolgerungen 47 3 Systemdefinition 49 3.1 Bahnübergangsanlagen 49 3.2 Straßenverkehrsteilnehmer 52 4 Risikoanalyse 55 4.1 Grundlagen 55 4.2 Entscheidungsbereich 60 4.2.1 Aussetzung 60 4.2.2 Gefährdung 72 4.2.3 Unabwendbarkeit 96 4.2.4 Schadensausmaß 103 4.3 Räumungsbereich 113 4.3.1 Aussetzung 113 4.3.2 Gefährdung 114 4.3.3 Unabwendbarkeit 116 4.3.4 Schadensausmaß 118 4.4 Zusammenfassung 119 5 Risikobewertung 120 5.1 Grundlagen 120 5.2 Methoden 120 5.3 Anwendung 123 5.3.1 Individuelles Risiko 123 5.3.2 Kollektives Risiko 124 5.4 Zusammenfassung 125 6 Risikobeherrschung 127 6.1 Grundlagen 127 6.2 Entscheidungsbereich 128 6.2.1 Aussetzung 128 6.2.2 Gefährdung 129 6.2.3 Unabwendbarkeit 134 6.2.4 Schadensausmaß 134 6.3 Räumungsbereich 135 6.3.1 Aussetzung 135 6.3.2 Gefährdung 135 6.3.3 Unabwendbarkeit 136 6.3.4 Schadensausmaß 136 6.4 Zusammenfassung 137 7 Gesamtverfahren 138 7.1 Ablauf 138 7.2 Plausibilitätsprüfung 139 7.3 Sensitivitätsanalyse 143 7.3.1 Ausgangsszenarien 143 7.3.2 Schienenfahrzeuglänge 144 7.3.3 Schienenfahrzeuggeschwindigkeit 145 7.3.4 Schienenverkehrsstärke 146 7.3.5 Vorsperrzeit 147 7.3.6. Straßenverkehrsstärke 148 7.3.7 Kreuzungswinkel 150 7.3.8 Straßengeschwindigkeiten 151 7.3.9 Sicherungsart 152 7.3.10 Gefährdungsfaktoren 153 7.3.11 Sichtverhältnisse I 154 7.3.12 Sichtverhältnisse II 155 7.3.13 Räumungsprobleme 156 7.3.14 Schlussfolgerungen 157 7.4 Anwendungsbeispiele 158 7.4.1 Beispiel 1 158 7.4.2 Beispiel 2 162 7.4.3 Beispiel 3 165 8 Empfehlungen 170 8.1 Überblick 170 8.2 EBO 171 8.3 DB-Richtlinie 815 173 8.4 BÜV-NE 174 8.5 StVO 175 8.6 VwV-StVO 176 9 Zusammenfassung und Ausblick 177 9.1 Zusammenfassung 177 9.2 Ausblick 180 Quellenverzeichnis 184 Glossar 199 Anhang 203

Massenbewegungen, Ausgleichs- und Verwitterungsprozesse sind geologisch-geomorphologisch natürliche Vorgänge in Gebirgen. Die stark zunehmenden Extremwetterereignisse einhergehend mit immer dichterer Besiedelung der Gebirgs- und Hangregionen verursachen bei Felsstürzen beträchtliche Schäden an Gebäuden und Infrastruktur und gefährden Menschenleben. Ziel von GeoRiS ist das Monitoring dieser Prozesse und Standsicherheitsentwicklung steinschlaggefährdeter Felshänge mittels hochauflösender, photogrammetrischer Messverfahren. Die Risiken sollen künftig auf der Grundlage einer präzisen, umfassenden aber vor allem objektiven und standardisierbaren Standortbegutachtung prognostizierbar sein, um anschließende Sicherungsmaßnahmen gezielt an Gefährdungsschwerpunkten einzusetzen. In den letzten Jahren haben sich neue Messverfahren und -methoden etabliert, deren Anwendungen mittlerweile in vielen Bereichen Einzug gehalten haben. Eines der Verfahren ist z.B. der Einsatz von UAVs / Drohen mit verschiedenen Sensoren an Bord. Nachfolgend möchten wir die möglichen aktuellen Auswertemethoden in der der Felserfassung vorstellen, einen Überblick über erreichbare Ergebnisse und Genauigkeiten geben sowie die methodischen Ansätze für die künftige gutachterliche Praxis vorstellen. Das Forschungs-, Technologie- und Innovationsprojekt „GeoRiS“ wird durch den Freistaat Thüringen und die Europäische Union gefördert. Die Ausführung verantwortet das Ingenieurbüro für Geotechnik Prof. Witt & Partner in Kooperation mit der TRIGIS GeoServices GmbH.

Um realistische Risikoabschätzungen von karzinogenen und genotoxischen Expositionen besser bewerten zu können, bedarf es Untersuchungen von Kombinationen welche sich von der Einzellstoffbetrachtung loslöst. Die Zielsetzung der vorliegenden Arbeit bestand darin, herauszufinden, ob die Gentoxizität einer Kombination in ihrer Stärke vom erwarteten Effekt der normalen Additivität abweicht, wenn die Kurven der Dosis – Wirkungsbeziehung der Einzelkomponenten nicht lineare Verläufe zeigen. Dabei muss zwischen Dosisaddition und Wirkaddition der Kombinationen unterschieden werden, das heißt ob die Einzelkomponenten einen untereinander ähnlichen oder unabhängigen Wirkmechanismus verfolgen. Für nicht lineare Dosis – Wirkungsbeziehungen differieren also die Kurvenverläufe zwischen Dosisaddition und Wirkaddition und bilden einen möglichen Bereich der Additivität zwischen ihnen (auch: „Hülle der Additivität“). Nur Reaktionen welche außerhalb dieses Bereiches ablaufen, dürfen als synergistische oder antagonistische Effekte bezeichnet werden. Diese Überlegungen wurden überprüft mit der Analysierung von Mikrokernen, induziert in L5178Y Maus – Lymphom – Zellen durch die methylierenden Substanzen Methylmethansulfonat (MMS) und Methyl-Nitroso-Urea (MNU), sowie dem Topoisomerase II Inhibitor Genistein (GEN). Alle drei Chemikalien erzeugen reproduzierbare sublineare Dosis – Wirkungsbeziehungen. Für die Analyse der Kombinationseffekte wurden diese Substanzen in drei binären Mixturen miteinander gemischt. Für MMS + MNU war der Effekt vereinbar mit Dosisaddition und lag signifikant höher als der vorkalkulierte Effekt der Netto – Wirkung. Für MMS + GEN lag der gemessene Effekt über der Wirkaddition, jedoch unter der Dosisaddition. Für MNU + GEN lag der gemessene Effekt unterhalb der Wirkaddition und deutete damit auf einen echten Antagonismus hin. In Unkenntnis des sublinearen Dosis – Wirkungsverhaltens der Einzelsubstanzen wäre ein synergistischer Effekt von MMS mit beiden Substanzen MNU und GEN fälschlicherweise vorausgesagt worden. Der beobachtete Unterschied zwischen MMS und MNU und deren jeweiligen Kombination mit GEN wäre mit einer stark vereinfachten Interpretation der DNA - Methylierung nicht vorausgesagt worden. Ursachen könnten eine doch zu unterschiedliche Form der DNA – Methylierung und / oder epigentische Faktoren sein. Zusammenfassend kann man sagen, dass Kenntnisse der Nichtlinearität von Dosis – Wirkungskurven der einzelnen Substanzen ausschlaggebend für die Analyse von Synergismus oder Antagonismus in deren Kombinationen ist. Weiterhin ist ein Vorwissen über tiefere mechanistische Vorgänge hilfreich für eine Vorhersage von ähnlichen oder unabhängigen Wirkprozessen. / Distinction between dose addition and response addition for the analysis of the toxicity of mixtures may allow differentiation of the components regarding similar versus independent mode of action. For nonlinear dose responses for the components, curves of dose addition and response addition differ and embrace an "envelope of additivity." Synergistic or antagonistic interaction may then be postulated only if the mixture effect is outside this surface. This situation was analyzed for the induction of micronuclei in L5178Y mouse lymphoma cells by the two methylating agents methyl methanesulfonate (MMS) and N-methyl-N-nitrosourea (MNU) and the topoisomerase-II inhibitor genistein (GEN). All three chemicals reproducibly generated sublinear (upward convex) dose-response relationships. For the analysis of mixture effects, these genotoxic agents were investigated in the three binary combinations. Statistical testing for dose addition along parallel exponential dose responses was performed by linear regression with interaction based on the logarithm of the number of cells that contain micronuclei. For MMS+MNU, the mixture effect was compatible with dose addition (i.e., significantly larger than calculated for the addition of net responses). For MMS+GEN, the measured effect was larger than for response addition but smaller than for dose addition. For MNU+GEN, the measured effect was below response addition, indicative of true antagonism. In the absence of knowledge on the sublinear dose-response relationships for the individual components, a synergistic effect of MMS on both MNU and GEN would have been postulated erroneously. The observed difference between MMS and MNU when combined with GEN would not have been predicted on the basis of a simplistic interpretation of DNA methylation as the mode of action and may be due to differences in the profile of DNA methylations and/or epigenetic effects. We conclude that knowledge of nonlinearities of the dose-response curves of individual components of a mixture can be crucial to analyze for synergism or antagonism and that an in-depth mechanistic knowledge is useful for a prediction of similarity or independence of action.

In the context of a DFG research project, scientists of Prof. Helbing’s chair at the Institute of Transport & Economics deal with the dynamics of disasters, being experienced in the modelling of complex systems and in the simulation of emergency scenarios. The analyses of systems and their behaviour in extraordinary events are based on the latest results of network sciences and on numerous empirical investigations. The results shall be used for precaution measures and innovations in disaster recovery. / Im Rahmen eines Projekts der Deutschen Forschungsgemeinschaft (DFG-Projekt He 2789/6-1) befassen sich Wissenschaftler unter Leitung von Professor Dirk Helbing an der Fakultät Verkehrswissenschaften „Friedrich List“ mit der Dynamik von Katastrophen. Aus der Simulation von Fußgängerströmen, des Panikverhaltens von Menschen sowie der Verkehrsmodellierung verfügen die Wissenschaftler bereits über einschlägige Erfahrungen auf dem Gebiet der Modellierung komplexer Systeme sowie auf dem Gebiet der Simulation und Auswertung von Notfallszenarien. Auf Basis der jüngsten Ergebnisse der Netzwerkforschung und umfangreicher empirischer Untersuchungen von Katastrophenereignissen werden im Rahmen des aktuellen Forschungsprojekts anthropogene Systeme auf ihr Verhalten bei außergewöhnlichen Schadensereignissen untersucht. Die Projektergebnisse (Laufzeit bis 2007) sollen als Basis für weitere Verbesserungen in der Vorsorge und im Management von Katastrophen dienen.

Für zwei ausgewählte sächsische Betriebe wurden quantitative Risikoanalysen auf der Grundlage der vorliegenden Sicherheitsberichte mit einem von der Bundesanstalt für Materialforschung und -prüfung (BAM) entwickelten Verfahren erstellt. Nach der Darstellung von bekannten Verfahren zur Durchführung von Risikoanalysen wird die daraus abgeleitete Methodik unter Berücksichtigung der Randbedingungen in Deutschland erläutert. Nach der Beschreibung der Modelle für die Auswirkungsbetrachtungen werden die möglichen Ansätze für die Bewertung der Auswirkungen von Stoff- und Energiefreisetzungen diskutiert. Ein wesentlicher Teil der Risikoanalyse umfasst die Berechnung der Eintrittshäufigkeiten der Szenarien. Hierfür sind Angaben über die Ausfallhäufigkeit von Anlagenteilen, insbesondere von Störfall verhindernden und -begrenzenden Einrichtungen erforderlich. Ausführlich werden die in der Literatur gefundenen Angaben miteinander verglichen und ein einheitlicher Datensatz für die Berechnungen zusammengestellt.

Die zuverlässige Einhaltung von Lieferzusagen stellt ein wichtiges Kriterium bei der Auswahl der Teilnehmer eines auftragsbezogenen Produktionsnetzes dar. Für die objektive Bewertung der Lieferzuverlässigkeit der potenziellen Netzwerkteilnehmer bedarf es der Quantifizierung der relevanten Unsicherheiten integriert in einen allgemein gültigen Ansatz der Verfügbarkeitsprüfung. Die Arbeit stellt daraus resultierend Ansätze zur Berechnung der Unsicherheit vor. Durch die Quantifizierung der Unsicherheit innerhalb der Unternehmen ergibt sich zudem die Möglichkeit der flexiblen, situationsabhängigen Nutzung des für langfristige Rahmenverträge reservierten Sicherheitsbestandes zur Befriedigung kurzfristiger Anfragen. Diese Aufgabe unterstützt ein konfigurierbares Modell zur Entscheidungsunterstützung, das auf einem Neuro-Fuzzy-System basiert. Die Kennzahlen der Lieferzuverlässigkeit unterliegen einem dynamischen Verhalten während des Wertschöpfungsprozesses in dem auftragsbasierten Produktionsnetz. Durch die Integration dieser Kennzahlen in das Management dieses Prozesses ergibt sich die Möglichkeit, aus der Zunahme der Unsicherheit mögliche Störungen und deren Auswirkungen bereits vor ihrem Eintreten zu erfassen und im Rahmen eines präventiven Störungsmanagements zu agieren.

Techn. University, Diss., 2007--Darmstadt.

Zugl.: München, Univ., Diss., 2009

Diss. HHL - Leipzig Graduate School of Management, 2008. / Business and Economics (German Language) (Springer-11775) (GWV).

Diss. HHL - Leipzig Graduate School of Management, 2008. / Business and Economics (German Language) (Springer-11775) (GWV).