Bei der Entscheidung für oder gegen einen Hang wollen Skitourengeher:innen zwei Fehler vermeiden: Sie möchten weder in eine Lawine geraten, noch unnötigerweise auf den Hang verzichten. DMFs liefern eine Graduierung des „Risikos“ einer Lawinenauslösung im Sinne einer Vorhersage. Mit einer Kontingenztafel kann die Grundsituation dargestellt werden.

Wie gut ein DMF nun zwischen Lawinen- und befahrbaren Hängen differenzieren kann, kann durch zwei statistische Kennwerte dargestellt werden: Der Anteil der richtig vorhergesagten Lawinenereignisse wird berechnet, indem VP durch alle Lawinenereignisse geteilt wird. Der Prozentwert gibt die „Sensitivität“ des Verfahrens an.

Der Anteil der richtig vorhergesagten befahrbaren Hänge wird berechnet, indem VN durch alle Skitouren ohne Lawinenereignis geteilt wird. Der Prozentwert gibt die „Spezifität“ des Verfahrens an. In einer Welt der Unsicherheit kann es kein DMF geben, mit dem man sicher gehen kann, weder in eine Lawine zu geraten noch auf einen befahrbaren Hang zu verzichten. Will man die Sensitivität maximieren, bezahlt man mit unnötigem Verzicht. Will man die Spezifität maximieren, bezahlt man mit erhöhtem Risiko.

Alle bisherigen DMFs basieren auf Unfalldaten, Erkenntnissen über die Schneedeckenstabilität von Hängen und Erfahrung (Degraeuwe et al., 2024). Daten über „ereignislose“ Begehungen oder Befahrungen von Hängen existierten nicht. Natürlich hatten Skitourengeher:innen, Lawinenwarner:innen, Hüttenwirt:innen in ihrem Bereich einen Überblick über das „Nicht“-Geschehen. Während aber für Lawinenunfälle systematisch Daten erhoben werden, blieben die ereignislos passierten Hänge quasi im Dunklen.

Daher konnten keine Risiken bestimmt werden, verstanden als der Anteil von Lawinenereignissen an allen begangenen und befahrenen Hängen oder auch an allen durchgeführten Skitouren (Grímsdóttir & Mcclung (2006), zitiert nach Winkler et al., 2021):

Dieser Mangel war wohlbekannt, aber nicht zu ändern. Folgerichtig war es auch nur möglich, die Güte eines DMF an Unfällen zu messen, mithin also nur die Sensitivität zu bestimmen (u.a. Ladstätter & Zobl, 2001; McCammon & Haegeli, 2004; Kraml & Fuhrer, 2006; Behr & Mersch, 2018). Freilich ist sie der zentrale Kennwert, denn Unfallverhinderung ist ja das Ziel.

Ohne Spezifität kann aber der Preis des Verzichts nicht bestimmt werden (1 – Spezifität). Und erst, wenn beide Kennwerte bestimmbar sind, können die Konsequenzen von Grenz- bzw. Schwellenwerten (Ab wann verzichten?) bestimmt werden. Risikomanagement als Abwägung von Gewinn und Verlust wird so möglich. DMFs können miteinander verglichen werden.

Die Digitalisierung mit digitalen Kartenmodellen, mobilen Endgeräten, die tracks aufzeichnen und sozialen Medien, in denen diese geteilt werden, ermöglicht es mittlerweile, diesem Mangel abzuhelfen. Der Wechsel im Nenner vom Unfall zur Tätigkeit scheint eine Kleinigkeit, ist aber die kopernikanische Wende, um mal ins Große zu gehen: Es kann eben nicht nur die Frage beantwortet werden „Unter welchen Bedingungen, wo und wie häufig passieren Lawinenunfälle?“ – hier steht der Unfall im Nenner.

Sondern auch „Unter welchen Bedingungen werden welche Hänge ohne Unfall passiert?“ – hier steht die Tätigkeit im Nenner. Zum ersten Mal können tatsächlich Risiken für Skifahrerlawinen bestimmt werden, sowohl allgemein wie auch für spezifische Fälle (z.B. für steile Nordhänge bei vorhergesagtem Triebschnee ab 2000 m bei Lawinengefahrenstufe 3).

DMFs müssen nun nicht mehr nur auf dem Unfallbein stehen, sondern sind auch in der Seltenheit von Lawinenereignissen verankert; sie können an einem vollständigen Datensatz (bestehend aus Unfällen und Nicht-Unfällen) statistisch entwickelt, geprüft und verglichen werden (ARPD-Datensatz, Schmudlach 2021). Dies steht hinter dem frontend „Skitourenguru“.

Was ähnlich aussieht, ist doch verschieden. Und von praktischem Nutzen: Der Skitourenguru in seiner aktuell verfügbaren Fassung (Degrauewe et al., 2024) schränkt bei beiden Unfallvermeidungsraten (grün: 80% der Unfälle werden vermieden; orange: 60% der Unfälle werden vermieden) weniger ein als die Graphische Reduktionsmethode (Harvey et al., 2022), die Professionelle Reduktionsmethode (Munter, 1997) oder die Quantitative Reduktionsmethode (Schmudlach et al., 2018).

Doch auch diese Daten haben Grenzen. Zunächst einmal eine Grenze der Repräsentativität: Sie geben nicht die Wirklichkeit des Skitourengeländes wieder, sondern diejenige der gewählten Touren. Da Skitourengeher*innen durchaus auf die Lawinengefahr reagieren (Winkler et al., 2022; Forschungsgruppe Winter der DAV-Sicherheitsforschung, 2024), ist in den Datensatz eine Grunddefensivität eingebaut, die ihrerseits nicht überprüft werden kann.

Und sie geben auch nicht die Wirklichkeit der Wahlen von Skitourengeher:innen wieder, sondern nur derjenigen, die tracks aufzeichneten und teilten. Diese Untergruppe von Skitourengeher:innen könnte riskanter oder vorsichtiger unterwegs sein als die gesamte Community, ein darauf basierendes DMF also entweder etwas zu vorsichtig oder zu riskant.

Und weiter ein Datenproblem: Denn während an Unfallstellen Schneeprofile erhoben und Schneedeckentests durchgeführt werden, weiß man von ereignislos passierten Stellen nur das, was aus Kartenmaterial ersichtlich ist, und, welche Einschätzungen der Lawinenlagebericht zu diesen Stellen hat. Das aber ist ziemlich genau die Situation der Skitourengeher:innen, wenn sie eine Tour planen. Was die Community der Forscher nun noch bräuchten: Schneeprofile und Schneedeckentests an Schlüsselstellen …

Literatur:

• Behr, W. & Mersch, J. (2018). Die Balance ist verlorengegangen! Ist die Probabilistik in der Lawinenkunde hilfreich und treffsicher? bergundsteigen #105, 18-25.
• Degraeuwe, B., Schmudlach, G., Winkler, K., & Köhler, J. (2024). SLABS: An improved probabilistic method to assess the avalanche risk on backcountry ski tours. Cold Regions Science and Technology, 221, 104169. https://doi.org/10.1016/j.coldregions.2024.104169
• Forschungsgruppe Winter der DAV-Sicherheitsforschung (2024). Welchen Einfluss haben Lawinensituation und Geländefaktoren auf die Tourenwahl und das Erkennen von Gefahrenstellen? bergundsteigen #128, 18 – 26.
• Grímsdóttir, H., Mcclung, D. Avalanche Risk During Backcountry Skiing – An Analysis of Risk Factors. Nat Hazards 39, 127–153 (2006). https://doi.org/10.1007/s11069-005-5227-x
• Harvey, S., Rhyner, H. & Schweizer, J. (2022): Lawinen. Verstehen, beurteilen und risikobasiert entscheiden. Bruckmann Verlag, München.
• Kraml S. & Fuhrer (2006). Forschungen zur Reduktionsmethode anhand der Lawinenunfälle der Wintersaisonen 1997/98 -2002/03 in Tirol. bergundsteigen 04/06, 38 – 41.
• Ladstätter E. & Zobl N. (2001). Erkenntnisse zu Werner Munter aus der Sicht der Alpingendarmerie. Sicherheit im Bergland, Jahrbuch 2001, 157 – 162.
• McCammon, I. & Hägeli, P. (2004). Comparing avalanche decision frameworks using accident data from the United States. ISSW 2004, Jackson, WY.
• Munter, W., 1997. 3×3 Lawinen. Entscheiden in kritischen Situationen. Pohl & Schellhammer, Garmisch-Partenkirchen, Germany.
• Schmudlach, G., Winkler, K. & Köhler, J. (2018). Quantitative risk reduction method (qrm), a data-driven avalanche risk estimator. In: Proceedings, International Snow Science Workshop, Innsbruck, Austria, 2018, pp. 1272–1278. URL: https://arc.lib. montana.edu/snow-science/objects/ISSW2018_O15.1.pdf.
• Schmudlach, G. (2021). Avalanche Risk Property Dataset (arpd). URL: https://info. skitourenguru.ch/index.php/data/212-arpd .
• Winkler, K., Schmudlach, G., Degraeuwe, B., & Techel, F. (2021). On the correlation between the forecast avalanche danger and avalanche risk taken by backcountry skiers in Switzerland. Cold Regions Science and Technology, 188, 103304. https://doi.org/10.1016/j.coldregions.2021.103304
• Winkler, K., Techel, F. & Schmudlach, G. (2022). Lawinenrisiko auf Skitouren. bergundsteigen #118, 26 – 33.