Die kombinierten Wissensgrenzen und Variabilitäten, die das Vertrauen in Beobachtungen, Modellausgaben und Entscheidungen zu Überschwemmungen beeinflussen; umfasst aleatorische Variabilität, epistemische Unsicherheit, Datenfehler, Modellstrukturfehler und Szenarioambiguität.

Prinzip

Verschiedene Unsicherheitsquellen explizit identifizieren, charakterisieren und propagieren, damit Vorhersagen und Entscheidungen sowohl die Bandbreite plausibler Ergebnisse als auch die Zuverlässigkeit dieser Bandbreite widerspiegeln.

Demonstration

Eine Hochwasservorhersage liefert eine probabilistische Überflutungskarte (z. B. 10 %, 50 %, 90 % Überschreitungswahrscheinlichkeiten) aus Ensembleläufen, die unsichere Niederschlagszuflüsse, Rauigkeitsparameter und Randbedingungen abbilden.

Fehlanwendung

Nur eine einzelne deterministische Überflutungskarte zu veröffentlichen, ohne Eingangsvariabilität oder modellstrukturelle Grenzen zu quantifizieren, führt zu übermäßigem Vertrauen bei Stakeholdern und binären Sicherheitsentscheidungen.

Konsequenz

Richtiger Umgang mit Unsicherheit ermöglicht risikoinformierte Entscheidungen, wie adaptive Evakuierungsschwellen, Bemessungsmargen und transparente Kommunikation des Restrisikos gegenüber Gemeinden und Versicherern.

Umkehrung

Unsicherheit zu ignorieren — Ausgaben als exakt zu behandeln — kann zu fragilen Entscheidungen führen, die unter seltenen aber plausiblen Bedingungen scheitern und Vertrauen untergraben, wenn Ergebnisse von Einzelvorhersagen abweichen.

Abgrenzung

Betrifft die Charakterisierung und Kommunikation von Unsicherheiten für hochwasserbezogene Größen; es wird keine einzelne Methode vorgeschrieben — probabilistische, Intervall- und szenarienbasierte Darstellungen sind kontextabhängig gültig.

Semantische Spannung

Spannung zwischen probabilistischen Darstellungen (Ensemble-basiert) und deterministischen Sicherheitsmargensystemen; probabilistische Methoden bieten Nuancen, sind aber schwieriger an Nicht-Fachpublikum zu vermitteln.

Synthese

Hochwasserunsicherheit ist die explizite Erkennung und quantitative Darstellung von Variabilität und Unwissenheit in Daten, Modellen und Szenarien, sodass Entscheidungen sowohl wahrscheinliche Ergebnisse als auch deren Vertrauensniveau berücksichtigen.