Das Leben produziert immer mehr digitale Daten: im Verkehr, im Haushalt und in der Freizeit. Die nützt das Data-Team des KFV um CDO Karl Hendling, um es – analog – sicherer zu machen.
Der Verkehr wird digital. Und damit auch die Prävention. „Die Kriterien für Automobilhersteller beispielsweise sind heute und morgen ganz andere als vor 20 Jahren“, sagt Karl Hendling. „Es geht nicht mehr einfach darum, wer die besten Autos baut, sondern immer mehr darum, wer die meisten Daten sammelt und daraus neue Services schnürt und anbietet. In diesem Business Model wird das Fahren fast schon zum Nebenprodukt … umso mehr, wenn es zukünftig autonom passiert.“
Als CDO des Kuratoriums für Verkehrssicherheit – kurz KFV – ist Hendling mit seinem Team maßgeblich dafür verantwortlich, dass sich die Prävention im Verkehr, aber auch im Haushalt und in der Freizeit, von den neuen digitalen Entwicklungen nicht abhängen lässt. Das bedeutet vor allem neue Anforderungen für die MitarbeiterInnen und einen Wandel der Rollenbilder. Waren früher in erster Linie Raumplaner und Raumplanerinnen gefragt, die vor Ort einen Lokalaugenschein vornehmen, Fahrspuren vermessen und Kreisverkehre andenken, sind es jetzt vor allem Experten und Expertinnen, die Daten analysieren und interpretieren.
Neue digitale Möglichkeiten, aber auch Herausforderungen für die Prävention
Vor allem die Digitalisierung im Verkehr schafft gerade für die Prävention völlig neue Möglichkeiten, aber auch Herausforderungen. Das intelligente Auto liefert eine Vielzahl unterschiedlichster Informationen, sprich Daten – nicht nur über den eigenen Zustand, sondern auch über den seiner Umwelt. Autobahn- und Straßen-Infrastrukturbetreiber beispielsweise können daraus wertvolle Aufschlüsse über die Straßenbeschaffenheit und etwaige Schäden auf der Fahrbahn und damit notwendige Wartungs- und Instandhaltungsarbeiten erhalten. Aus Präventionssicht liefert das Auto als Datensammler einen völlig neuen Hebel dafür, dass Unfälle oder sonstige Schadenssituationen künftig idealerweise überhaupt weitgehend vermieden werden können. Oder in Hendlings Worten: „So ist das vorausfahrende Auto die Zukunft des nachfolgenden."
Die Herausforderung dabei: Dazu müssen Daten gesammelt, ausgewertet und interpretiert werden … und das sehr rasch. Karl Hendling ist überzeugt:
„Die Prävention muss mit den rasant getakteten, digitalen Informationen der Außenwelt Schritt halten und dazu in Echtzeit und in Form von sinnvollen digitalen Services abgebildet werden. Personalisierte Echtzeit-Kommunikation wird zum zentralen Faktor in der Prävention.
Ein Paradebeispiel ist ein Fahrzeug auf der klassischen Bundesstraße im Herbst um 17:00 Uhr. In der Dämmerung setzt der Wildwechsel ein. Die Warnung in Echtzeit für die Personen in genau diesem Auto auf dieser Straße trägt entscheidend zur Prävention bei.“
Ein anderes Beispiel: Fährt ein Auto in eine Unwetterzone hinein, so werden alle nachfolgenden Fahrer, die sich auf der selben Strecke befinden, gewarnt und mit den notwendigen Informationen über das Unwetter versorgt.
Beim KFV hat man deshalb das Data-Team, das es von Anfang an gibt, neu aufgestellt und vier ExpertInnenköpfe rund um den CDO gezielt auf diese Herausforderung fokussiert. Dass es dabei mit der bloßen Aufbereitung von Daten etwa in Form von Statistiken längst nicht getan ist, war auch schon vor dem digitalen Boom so. Die Data Scientists hatten und haben es zum Teil mit vielfältigsten, höchst spezifischen Anforderungen und sehr konkreten Anfragen der verschiedenen Fachbereiche, von Verkehrssicherheit über Heim, Freizeit und Sport bis zu Eigentumsschutz, zu tun. Häufig werden exakte Zahlen benötigt, die nach außen kommuniziert werden sollen … je früher, desto besser.
„Das ist sozusagen die klassische, besondere Herausforderung bei uns“, sagt Hendling.
„Gerade beim Thema Sicherheit besteht der Bedarf, möglichst frühzeitig gleichermaßen konkrete wie seriöse Zahlen zu nennen – ganz besonders mit Blick auf die Prävention und ihre Awareness. Letztlich können wir allerdings natürlich nur statistisch haltbare Hochrechnungsmodelle liefern, die immer nur Konfidenzintervalle abbilden und die Parameter wie die wahrscheinliche Verteilung einer Zufallsvariabel einschließen. Die tatsächlichen Zahlen etwa von Menschen, die beim Freizeitsport durch Ertrinken ums Leben kommen, lassen sich statistisch nicht exakt errechnen.“
Bei anderen Anfragen galt und gilt es, sich für die DatenexpertInnen tief in einen ganz bestimmten Bereich einzuarbeiten und hier detailliert zu analysieren. Zum Beispiel, wenn es darum geht, wie viele Opfer von Autoverkehrsunfällen in einem bestimmten Zeitraum gestorben sind, weil sie keinen Gurt angelegt haben. Und wie viele Menschen mit angelegtem Gurt überleben hätten können.
Übergreifendes Nutzen von Daten ist gefragt ... und das gleich mehrfach
Neu ist jedoch, dass sich das Data-Team des KFV immer öfter proaktiv daran macht, Daten bereichsübergreifend zu verschneiden und miteinander zu verknüpfen. Dabei sind nicht nur statistische oder mathematische Skills von den Data Scientists gefordert, sondern auch viel inhaltliches Wissen über die Fachbereiche, um abschätzen zu können, ob eine Auswertung Relevanz haben könnte. Auf diese Weise werden das Data-Team und seine Data Analytics zu einem starken Motor, um Silostrukturen aufzubrechen. „Mit dem Auto, das persönliches Eigentum ist, agiert man ja auch als Verkehrsteilnehmer“, führt der CDO ein Beispiel an.
„Da macht es natürlich Sinn, wenn zu Fragen der Verkehrssicherheit und des Eigentumsschutzes Informationen aus einer gemeinsamen Datenquelle abgerufen werden können und nicht jede Abteilung für sich ihren eigenen exklusiven Datenbestand hat.“
Für das übergreifende Element beim Sammeln und Nutzen von Daten ist das KFV gleich in mehrfacher Hinsicht ein Paradebeispiel. Etwa wenn es um das Zusammenspiel des Digitalen mit dem Analogen geht. Letztlich sind Unfälle leider nichts Virtuelles, sondern – leider – etwas sehr Reales und Physisches. Deshalb gehört es zum Datensammeln beispielweise dazu, dass gezielt geschulte MitarbeiterInnen mit Unfallopfern in Spitälern und Spitalsambulanzen Interviews über den Unfallhergang führen. Und auch bei Messungen und Beobachtungen setzt man nach wie vor auf den menschlichen Faktor. Etwa um zu evaluieren, wie die Sicherheitsabstände zwischen Fahrzeugen eingehalten werden, wie umsichtig sich die Leute auf Skipisten oder im Radverkehr verhalten oder auch, wie sie beim Freizeitsport ausgerüstet sind.
Das übergreifende Element ist vor allem aber auch beim Verknüpfen unterschiedlichster – oft auch externer – Datenquellen und beim Zusammenspiel mit anderen Data Ownern gefragt. Denn Sicherheit ist – im Verkehr, beim Sport, in der Freizeit und beim Eigentum – immer und überall ein Thema. So liefert beispielsweise die Statistik Austria seit vielen Jahren unzählige, wertvolle Daten für die Analysen des KFV – von Spitalsentlassungsstatistiken bis zu allen Daten zu Verkehrsunfällen. Auf europäischer Ebene ist die IDB, die Injury Database der EU, solch ein traditioneller Kooperationspartner in Sachen Data Sharing.
Mit der zunehmenden Digitalisierung, die sich durch sämtliche Lebensbereiche zieht, gilt es allerdings auch ganz neue Datennetzwerke zu knüpfen. „Für den Verkehrsbereich sind natürlich Bewegungsdaten, wie sie Google oder Apple über ihre Endgeräte generieren, sehr interessant“, sagt Karl Hendling. „Und natürlich genauso die Daten von Herstellern wie Tesla. Dort hat man zum Beispiel mehr als neun Millionen erfolgreiche Spurwechsel protokolliert, in der Regel mit dem Fokus auf optimalen Fahrkomfort. Aus denen lassen sich jedoch auch vielfältigste Auswertungsmöglichkeiten für Präventionsmaßnahmen ableiten. Für das KFV wäre da natürlich eine genaue Datenanalyse der Unfälle interessant, die bei solchen Spurwechseln zustande kommen: Was waren die Ursachen? Wann ist es zu Personenschäden und wann nur zu Blechschäden gekommen? Welche Auswirkungen hat das auf die betroffenen Personen gehabt? Welche Arten von Verletzungen sind passiert? Wo kann oder muss man hier zukünftig ansetzen, um Unfälle zu verhindern?“
Daten zu sharen reicht nicht – man muss auch genau hinschauen
Die Strategie ist klar: Je größer das Netzwerk, desto vielfältiger und umfassender die – oft völlig neuen – Nutzungsmöglichkeiten von Daten, auch solche, die man als Data Owner beim Erheben und Messen selbst vielleicht gar nicht am Radar hat. Bei der Umsetzung dieser Strategie stellt sich allerdings so manche Herausforderung. Eine ist, als Organisation in einem kleinen Land, das den europäischen Datenschutz-Normen unterliegt, realisierbare Kooperationsformen mit Global Playern wie Google oder Tesla zu finden. Um das zu ermöglichen, agiert man vor allem im Verbund mit Peer-Organisationen.
Eine andere, noch viel größere Herausforderung ist aber die Tatsache, dass die Vielzahl und Vielfalt an Datenquellen und Daten alleine noch nicht den großen Nutzen bringen. Manchmal können sie auch zum Fallstrick werden. Dann nämlich, wenn sich die Daten – vor allem im internationalen Austausch – nicht so einfach vergleichen lassen. Der CDO des KFV macht es greifbar:
„Die Straßenbeschaffenheit in einem südamerikanischen Land und jene in Österreich sind in der Regel total unterschiedlich. Da muss man sich schon sehr gut anschauen, welche Vergleiche und Rückschlüsse sich hier zum Beispiel aus der Anzahl von schweren Unfällen und Verkehrstoten wirklich seriös ziehen lassen.“
Das ist auch schon für einen Vergleich in unmittelbarer Nachbarschaft empfehlenswert. Österreichische Zahlen etwa einfach nur mit dem Faktor 10 zu multiplizieren, um zu einem aussagekräftigen Vergleichswert mit Deutschland zu gelangen, reicht da nicht. Da gilt es zum Beispiel, die unterschiedlichen Rechtslagen und Sanktionen für Geschwindigkeits-beschränkungen und -übertretungen zu berücksichtigen. In der Schweiz beispielsweise gibt es faktisch keine Toleranzgrenzen – SchnellfahrerInnen werden da mit dem Führerscheinentzug bestraft. Das schafft unterschiedliche Rahmenbedingungen und erschwert eine direkte Vergleichbarkeit.
„Der Zugang zu großen Datenmengen ist ein wichtiger Teil, der die Voraussetzungen und auch völlig neue Möglichkeiten schafft, um auch die Prävention digital und damit viel schneller zu machen“, ist Karl Hendling überzeugt. „Aber der andere, mindestens genauso wichtige Teil ist die Interpretation der Daten und die Qualität der Aussagen, die man daraus ableitet. Der gelingt nur, wenn sie die Data Scientists und die verschiedenen Fachabteilungen gemeinsam und übergreifend mit der Realität der Außenwelt eingehend verproben. Und die ist gerade bei unseren Themen eben noch immer analog.“
Von Julia Weinzettl; Fotos: Lisa Resatz