Ein bayesscher Netzwerkansatz zur Analyse systemischer Risiken bei Einsätzen unbemannter Luftfahrzeuge (UAV)

Warum ein Himmel voller Drohnen intelligentere Risikobetrachtungen braucht

Lieferdrohnen, Luftkameras und UAVs für den Rettungseinsatz werden schnell Teil des Alltags. Doch jeder Flug muss sicher mit schlechtem Wetter, überfüllten Städten, Funkstörungen und menschlichem Versagen zurechtkommen. Dieses Papier stellt eine entscheidende Frage: Wenn viele Dinge zugleich schiefgehen können, welche sind am wichtigsten? Die Autoren bauen ein quantitatives Modell, das nachzeichnet, wie Bedingungen am Boden und in der Luft sich mit Technik und Pilotverhalten verbinden und bestimmen, ob ein Drohnenflug sicher, erfolgreich oder gefährlich für Menschen darunter ist.

UAV-Risiko als vernetztes System verstehen

Die meisten vorhandenen Sicherheitsinstrumente betrachten Drohnenfehler einzeln – etwa einen defekten Motor oder einen Fehler des Piloten. Dieser Ansatz hat bei den heutigen komplexen Einsätzen Schwierigkeiten, in denen Wetter, Vorschriften, Funksignale, Software und wirtschaftlicher Druck miteinander interagieren. In dieser Studie nutzen die Autoren ein Bayessches Netzwerk, eine Art probabilistische Ursachen-Wirkungs-Karte, um dieses Geflecht von Einflüssen abzubilden. Sie ordnen zwanzig Schlüsselfaktoren in drei Ebenen. Die erste Ebene umfasst Ausgangsbedingungen wie Wetter, Gelände, Signalqualität, Sicherheitskultur des Unternehmens, Pilotenausbildung und Missionsschwierigkeit. Die zweite Ebene beschreibt, was während des Flugs schiefgehen kann, etwa unzuverlässige Hardware, Softwarefehler, verlorene Kommunikation sowie mangelnde Situationswahrnehmung und fehlerhafte Entscheidungen des Piloten. Die dritte Ebene verfolgt, was letztlich passiert: Kontrollverlust, ob das Missionsziel erreicht wird, und das Gefährdungsniveau für Personen am Boden.

Der Kette von Bedingungen zu Konsequenzen folgen

Um das Modell praktisch nutzbar zu machen, ohne riesige Datensätze zu benötigen, verwenden die Autoren eine vereinfachte Methode zur Kombination von Risiken, die annimmt, dass jede Ursache die Ausfallwahrscheinlichkeit unabhängig beeinflusst. Sie setzen Basiswahrscheinlichkeiten für die Ausgangsbedingungen auf Grundlage von Unfallberichten, Vorschriften und Branchenumfragen fest und wählen absichtlich ein belastendes Szenario – etwa komplexes urbanes Gelände mit möglichem schlechten Wetter – statt eines idealen Tages. Dann schätzen sie ab, wie stark jeder Faktor dazu neigt, den nächsten auszulösen. Beispielsweise drücken extremes Wetter und mangelhafte Wartung beide die Verlässlichkeit der Flugkörper, während eine schwache Sicherheitskultur und geringe Piloten­erfahrung Vorflugchecks und Entscheidungen im Flug verschlechtern. So entsteht ein vollständiges probabilistisches Bild, das zeigt, wie oft jedes Element wahrscheinlich in einem schlechten Zustand ist und wie diese Zustände in Richtung Kontrollverlust und Unfälle eskalieren.

Was das Modell darüber aussagt, woher das Risiko wirklich kommt

Unter den Stress-Test-Bedingungen zeichnet das Modell ein ernüchterndes Bild: Die Pilotleistung erweist sich als eine der größten Schwachstellen, wobei bei mehr als der Hälfte der Flüge mit schlechter Entscheidungsfindung und bei nahezu der Hälfte mit verringerter Situationswahrnehmung zu rechnen ist. Diese menschlichen Defizite zusammen mit verschlechterter Navigation und Kommunikation erhöhen die Wahrscheinlichkeit eines Kontrollverlusts alarmierend. Wenn die Autoren das Modell jedoch tiefgehender untersuchen – und fragen, welche Hebel die Chancen für schlechte Ergebnisse am stärksten verändern – tritt ein anderes Muster hervor. Über Sicherheit, Missions­erfolg und Gefährdung Dritter dominieren zwei Komponenten: Wetter und Gelände. Starkes Wetter und komplexe, hindernisreiche Umgebungen steigen konsequent an die Spitze als die stärksten zugrunde liegenden Treiber von Unfällen, gescheiterten Missionen und Risiken für Menschen am Boden. Technische Probleme und Piloten­erfahrung sind weiterhin relevant, wirken aber oft als Verstärker von umweltbedingtem Stress statt als Hauptursache.

Warum Missions­erfolg nicht dasselbe ist wie Sicherheit

Das Modell zeigt außerdem, dass nicht alle schlechten Ergebnisse gleich sind. Ein Flug kann physisch sicher bleiben und dennoch sein Ziel verfehlen. Dabei spielt Signalstörung – etwa Funkrauschen oder Beeinträchtigung der Satellitennavigation – eine besonders wichtige Rolle. Sie führt nicht immer zu einem Absturz, kann aber Daten verfälschen, die Steuerung der Nutzlast beeinträchtigen oder vorzeitige Rückkehr erzwingen, was alles den Missions­erfolg untergräbt. Anders gesagt: Menschen und Eigentum zu schützen reicht nicht aus; Betreiber, die zuverlässige Lieferungen oder hochwertige Erfassung anstreben, müssen ihre Systeme auch gegen subtile Kommunikations- und Navigationsprobleme härten, besonders in dicht besiedelten städtischen Gebieten.

Vom reaktiven Fliegen zu intelligenterer Planung

Für Nichtfachleute ist die zentrale Erkenntnis einfach: Bei Drohnen ist entscheidend, wo und wann man fliegt – oft wichtiger als das Fluggerät selbst. Die Studie zeigt, dass sorgfältige Entscheidungen über Wetterfenster, Flugrouten und Einsatzorte das Risiko effektiver senken können als das Vertrauen auf Heldentaten im Flug oder auf immer komplexere Bordtechnik allein. Gleichzeitig erfordern unterschiedliche Ziele unterschiedliche Schutzmaßnahmen: Sicherheit verlangt einen klaren Fokus auf Umweltgrenzen und Pilotenbereitschaft, während Missionserfolg außerdem den Schutz von Signalen und Verbindungen benötigt. Indem die Autoren ein Geflecht beitragender Faktoren in eine klare, quantitative Karte überführen, bieten sie Regulierern und Betreibern ein Werkzeug, um Investitionen und Richtlinien zu priorisieren, die den drohnengefüllten Himmel sicherer und verlässlicher machen.

Zitation: Wang, L., Zhu, M. & Li, N. A bayesian network approach for systemic risk analysis in unmanned aerial vehicle (UAV) operations. Sci Rep 16, 13546 (2026). https://doi.org/10.1038/s41598-026-43333-x

Schlüsselwörter: Sicherheit von UAV, Bayessche Netzwerke, systemisches Risiko, Drohnenbetrieb, schlechtes Wetter