KI-gestützte Gefährdungsanalyse im Zufahrtsschutz: Anfahrwege, Sperrpunkte und Szenarien systematisch bewerten

Eine KI-gestützte Gefährdungsanalyse im Zufahrtsschutz verbindet Geodaten, Anfahrwege, Fahrdynamik, Sperrpunkte und definierte Bedrohungsszenarien zu einer nachvollziehbaren Bewertungsgrundlage. Sie hilft, mögliche Angriffspfade systematisch zu vergleichen und Planungsvarianten schneller zu prüfen. Die fachliche Entscheidung über Schutzziel, Barrieren und Freigabe bleibt dennoch bei qualifizierten Verantwortlichen.

Warum beginnt eine Gefährdungsanalyse nicht an der Fahrzeugsicherheitsbarriere?

Wer einen Zufahrtsschutz plant, kann am sichtbaren Ende beginnen: Poller, mobile Fahrzeugsperren, Schranken, Tore oder andere Fahrzeugsicherheitsbarrieren auswählen, Positionen in einen Plan einzeichnen und anschließend prüfen, ob die Zufahrt noch funktioniert. Genau diese Reihenfolge führt in der Praxis jedoch häufig zu unnötig aufwendigen oder unpassenden Lösungen.

Der entscheidende Teil liegt vor dem Sperrpunkt. Wie erreicht ein Fahrzeug den Schutzbereich? Welche Straßen, Zufahrten, Parkflächen, Gehwegbereiche, Betriebshöfe oder sonstigen befahrbaren Flächen können Bestandteil eines Anfahrweges werden? Wo begrenzen Kurven, Engstellen, Einbauten, Gelände oder Verkehrsführung die Fahrdynamik? Und existiert neben der offensichtlichsten Zufahrt möglicherweise ein zweiter Weg, der in der ersten Planung gar nicht berücksichtigt wurde?

Die National Protective Security Authority – NPSA (https://www.npsa.gov.uk/) bezeichnet eine Vehicle Dynamics Assessment, kurz VDA, inzwischen ausdrücklich als wesentlichen Schritt bei der Planung von Hostile Vehicle Mitigation. Sie soll helfen, die fahrzeugbasierte Bedrohung eines Standorts zu verstehen und zu quantifizieren.

Für eine KI-gestützte Gefährdungsanalyse ist das ein geeigneter Ausgangspunkt. Nicht die Frage „Welche Sperre kaufen wir?“ steht zuerst im Modell, sondern: Welche plausiblen Anfahrwege führen mit welchen Eigenschaften zu welchem Schutzbereich?

Welche Daten braucht eine KI-gestützte Gefährdungsanalyse?

Ein brauchbares Modell entsteht nicht dadurch, dass ein Luftbild an ein Sprachmodell übergeben wird. Zufahrtsschutz ist räumlich, betrieblich und fahrdynamisch. Entsprechend müssen verschiedene Datenebenen zusammengeführt werden.

Dazu gehören Straßengeometrien, Fahrbahnbreiten, Kurvenradien, Abbiegebeziehungen, Einmündungen, Zufahrten, Bordsteine, Verkehrsinseln, Parkflächen, Durchfahrten und vorhandene bauliche Elemente. Hinzu kommen die eigentlichen Schutzzonen: Aufenthaltsflächen, Warteschlangen, Veranstaltungsbereiche, Werkszugänge, öffentliche Plätze, Fußgängerzonen oder andere Bereiche mit erhöhtem Schutzbedarf.

Ebenso relevant sind betriebliche Informationen. Eine Zufahrt kann morgens Lieferweg, tagsüber Fußgängerbereich und am Veranstaltungsabend gesperrter Zugang sein. Rettungsdienst, Feuerwehr, Polizei, Lieferverkehr, Dienstleister und berechtigte Betriebsfahrzeuge erzeugen Anforderungen, die eine rein geometrische Betrachtung nicht abbildet.

Ein KI-System kann diese Daten miteinander verknüpfen. Entscheidend ist dabei die Herkunft der Informationen. Ein Sperrpunkt aus einer zwei Jahre alten CAD-Datei, eine inzwischen entfernte Verkehrsinsel oder eine nicht eingetragene Baustellenzufahrt können das Ergebnis erheblich verändern. Deshalb sollte jede relevante Eingabe mit Quelle, Erfassungsstand und Verantwortlichkeit verbunden werden.

Wie kann KI mögliche Anfahrwege systematisch untersuchen?

Bei größeren Arealen entsteht schnell ein Netz möglicher Verbindungen. Eine digitale Analyse kann dieses Netz als Graph modellieren: Knoten repräsentieren beispielsweise Kreuzungen, Zufahrten oder Richtungswechsel, Kanten die dazwischenliegenden befahrbaren Abschnitte.

Darauf lassen sich mögliche Wege vom öffentlichen Verkehrsraum zu einem definierten Schutzbereich erzeugen. Anders als ein normales Navigationssystem darf das Modell dabei nicht ausschließlich von regelkonformem Verhalten ausgehen. Ein Bedrohungsszenario kann auch Flächen berücksichtigen, die regulär nicht als Fahrroute vorgesehen sind, sofern sie tatsächlich mit dem betrachteten Fahrzeug erreichbar erscheinen.

Die KI kann anschließend ähnliche Anfahrwege gruppieren, Varianten vergleichen und auffällige Kombinationen markieren. Besonders interessant sind Wege, die mehrere Eigenschaften verbinden: längere Beschleunigungsabschnitte, geringe Richtungsänderungen, ungünstig positionierte Sperrpunkte oder Umfahrungsmöglichkeiten.

Das Ergebnis ist kein automatisch festgestelltes Angriffsszenario. Es ist eine strukturierte Vorauswahl möglicher Routen, die ein Fachplaner bewerten und gegebenenfalls verwerfen, ergänzen oder neu parametrisieren kann.

Wie wird aus einem Anfahrweg ein fahrdynamisches Szenario?

Ein eingezeichneter Weg sagt noch wenig über die tatsächlich mögliche Einwirkung auf eine Fahrzeugsicherheitsbarriere aus. Die Fahrdynamik macht aus einer Linie ein Szenario.

Dafür werden unter anderem Fahrzeugklasse, Masse, Anfahrtrichtung, mögliche Geschwindigkeit, Richtungswechsel, verfügbarer Beschleunigungsweg, Auftreffwinkel, Untergrund und die Geometrie unmittelbar vor dem Sperrpunkt betrachtet. Eine KI kann diese Parameter für unterschiedliche Szenariovarianten zusammenführen und vergleichbar aufbereiten.

Warum die Geschwindigkeit dabei besonders relevant ist, zeigen bereits die Prüfregime für Fahrzeugsicherheitsbarrieren. Die NPSA nennt für Hochgeschwindigkeits-Anprallprüfungen beispielsweise 48, 64 oder 80 km/h. Diese Prüfgeschwindigkeiten sind keine pauschalen Vorgaben für einen Standort, sondern verdeutlichen, weshalb die tatsächlich erreichbare Anfahrgeschwindigkeit vor der Produktauswahl untersucht werden muss.

Das führt zu einem wichtigen Unterschied: Ein Prüfwert beschreibt die Leistung eines geprüften Systems unter definierten Bedingungen. Die Gefährdungsanalyse soll dagegen bestimmen, welche Bedingungen am konkreten Standort überhaupt relevant sind.

Welche Sperrpunkte sind für ein Schutzkonzept tatsächlich geeignet?

Ein geometrisch günstiger Punkt ist nicht automatisch ein guter Sperrpunkt. Wird eine Barriere weiter vom Schutzbereich entfernt platziert, kann sie einen Anfahrweg früh unterbrechen. Gleichzeitig kann sie Lieferverkehr, ÖPNV, Feuerwehrzufahrt oder benachbarte Grundstücke beeinträchtigen. Wird sie näher am Schutzbereich positioniert, verbessert sich vielleicht der Betriebsablauf, während sich die fahrdynamischen Bedingungen verschlechtern.

Genau hier kann eine digitale Szenarienbewertung wertvoll werden. Ein potenzieller Sperrpunkt lässt sich nicht isoliert, sondern gegen mehrere Kriterien prüfen: Welche Anfahrwege deckt er ab? Kann er umfahren werden? Welche Fahrzeugklasse ist relevant? Welche Betriebszustände gibt es? Wie verändert er Rettungsachsen und Besucherströme? Welche Einbaubedingungen sind vorhanden?

Die International Organization for Standardization – ISO (https://www.iso.org/) nennt in ISO 22343-2:2023 bei der Anwendung von Vehicle Security Barriers unter anderem Fahrzeugtyp, Masse und Geschwindigkeit sowie geografische und standortspezifische Bedingungen wie den vorhandenen Untergrund als relevante Faktoren.

Damit wird deutlich, weshalb eine reine Produktdatenbank keine Gefährdungsanalyse ersetzt.

Wie verhindert man, dass KI aus einer Bewertung nur einen scheinbar exakten Risikowert macht?

Eine der problematischsten Anwendungen wäre ein System, das für jeden Sperrpunkt lediglich einen Wert wie „Risiko 73“ ausgibt. Eine solche Zahl wirkt objektiv, verrät aber wenig darüber, welche Annahmen das Ergebnis geprägt haben.

Sinnvoller ist eine zerlegte Bewertung. Das System kann beispielsweise dokumentieren, dass ein Anfahrweg wegen einer langen weitgehend geradlinigen Zuführung stärker gewichtet wurde, während ein anderer durch mehrere Richtungswechsel begrenzt ist. Ebenso sollte sichtbar bleiben, ob eine Aussage auf vermessenen Geodaten, einem Bestandsplan, einer Ortsbegehung oder einer automatisierten Ableitung basiert.

Noch wichtiger ist eine Sensitivitätsbetrachtung. Ändert sich das Ergebnis bereits stark, wenn sich eine einzelne Annahme verändert, sollte dieser Punkt entsprechend behandelt werden. Ein Beispiel wäre eine Fläche, bei der nicht bekannt ist, ob eine niedrige bauliche Begrenzung für die betrachtete Fahrzeugklasse tatsächlich überfahrbar ist.

KI unterstützt dann nicht durch eine vermeintlich endgültige Zahl, sondern indem sie Zusammenhänge, Annahmen und Varianten systematisch organisiert.

Wie unterscheiden sich manuelle und KI-gestützte Gefährdungsanalysen?

Der Vorteil liegt damit weniger in einer „automatischen Gefahrenberechnung“ als in der Fähigkeit, eine größere Zahl relevanter Zusammenhänge konsistent zu verarbeiten.

Was läuft bei Gefährdungsanalysen in der Praxis häufig falsch?

Ein typischer Fehler ist die produktorientierte Planung. Ein vorhandenes oder bereits beschafftes Sperrsystem wird zum Ausgangspunkt und soll anschließend irgendwie in das Sicherheitskonzept passen. Damit wird die eigentliche Reihenfolge umgedreht.

Ebenso problematisch ist die Konzentration auf die offensichtliche Hauptzufahrt. Bei einer Ortsbegehung fällt diese sofort auf, während seitliche Parkflächen, Lieferzonen, Grundstückszufahrten oder temporär geöffnete Bereiche weniger Aufmerksamkeit erhalten. Digitale Netzmodelle können helfen, solche Alternativen systematisch mit zu betrachten.

Ein weiterer Schwachpunkt sind statische Bestandspläne. Baustellen, geänderte Verkehrsführungen, neue Außengastronomie, mobile Stadtmöbel oder eine veränderte Veranstaltungsfläche können die Situation beeinflussen. Eine Gefährdungsanalyse ist daher eher ein versionierter Planungsstand als ein Dokument, das einmal erstellt und anschließend abgelegt wird.

Auch Barrieren werden zuweilen nur nach ihrem Crash-Test-Ergebnis betrachtet. Dabei gehören Aufstellung, Einbausituation, Seitenräume, Bedienung, Umfahrbarkeit und der operative Zustand genauso zum System. Eine hochwertige Barriere an einem ungeeigneten Sperrpunkt kann ein schwaches Gesamtkonzept nicht kompensieren.

Bei KI kommt eine zusätzliche Fehlerquelle hinzu: Das System kann fehlende Daten nicht dadurch reparieren, dass es besonders überzeugend formuliert. Werden Annahmen nicht von Tatsachen getrennt, wird lediglich eine unsichere Datenbasis professioneller dargestellt.

Wie kann ein konkreter Anwendungsfall im Mittelstand aussehen?

Angenommen, ein mittelständischer Industriebetrieb plant auf seinem Werksgelände regelmäßig Kundenveranstaltungen. Ein Teil des Außenbereichs wird währenddessen zur Aufenthaltsfläche. Die Hauptzufahrt muss für berechtigte Fahrzeuge funktionsfähig bleiben, eine zweite Zufahrt ist für Rettungskräfte vorgesehen, und über eine angrenzende öffentliche Straße besteht eine weitere mögliche Annäherungsrichtung.

Eine digitale Gefährdungsanalyse beginnt nicht mit der Auswahl eines Pollers. Zunächst werden Schutzbereich, Straßenraum, Zufahrten, Fahrflächen, relevante Hindernisse, Rettungsachse und Betriebszustände in einer gemeinsamen Lage abgebildet.

Das System erzeugt anschließend mehrere plausible Anfahrwege und ordnet ihnen die vorhandenen fahrdynamischen Randbedingungen zu. Dabei fällt möglicherweise auf, dass der offensichtlichste Weg nicht die ungünstigste Konstellation darstellt. Eine seitliche Zufahrt könnte zwar länger sein, aber aufgrund ihrer Geometrie einen anderen Sperrpunkt erfordern.

Nun lassen sich Varianten vergleichen: Sperrung direkt am Werkstor, vorgelagerter Sperrpunkt im Zufahrtsbereich oder Kombination aus Verkehrsführung und geprüfter Fahrzeugsicherheitsbarriere. Jede Variante verändert nicht nur die Sicherheitswirkung, sondern auch Lieferlogistik, Besucherführung und Rettungszugang.

Der entscheidende Nutzen der KI liegt hier in der Variantenarbeit. Fachleute müssen nicht jedes Szenario aus verschiedenen Planständen neu zusammensuchen, sondern können ihre fachliche Bewertung auf einer konsistent organisierten Datengrundlage durchführen.

Welche Rolle spielen DIN SPEC 91414-2 und internationale Standards?

Für den deutschen Markt ist DIN SPEC 91414-2 weiterhin ein zentraler Bezugspunkt für die Planung von Zufahrtsschutz unter Verwendung geprüfter Fahrzeugsicherheitsbarrieren. DIN Media (https://www.dinmedia.de/) führt die Ausgabe weiterhin als aktuelle technische Regel. Die Spezifikation behandelt unter anderem Risikobewertung, Schutzziel, Schwachstellenanalyse und empfohlene Sicherungsmaßnahmen.

Die Polizeiliche Kriminalprävention der Länder und des Bundes (https://www.polizei-beratung.de/) stellt zusätzlich eine Handreichung mit Gefährdungsbewertungsraster bereit. Sie strukturiert die Erarbeitung eines Zufahrtsschutzkonzeptes in sechs konkrete Handlungsschritte und empfiehlt, Gesamtstrategie und Produktauswahl mit den beteiligten Stellen abzustimmen.

International entwickelt sich die Normung weiter. Die zuständige Arbeitsgruppe ISO/TC 292 Working Group 6 führt derzeit ISO 22343-3 als laufendes Projekt. Inhaltlich geht es um Anforderungen an die Zufahrtsschutzplanung im Zusammenhang mit geprüften Vehicle Security Barriers.

KI verändert diese planerischen Grundlagen nicht. Sie kann jedoch helfen, die dafür benötigten Informationen besser miteinander zu verbinden.

Wie sollte eine KI-gestützte Analyse dokumentiert werden?

Zu jedem Szenario sollte rekonstruierbar bleiben, welche Eingaben verwendet wurden. Dazu gehören der zugrunde liegende Lageplan, Datenstand, angenommene Fahrzeugklasse, betrachteter Anfahrweg, fachlich festgelegte Parameter, Sperrpunkt, Betriebszustand und Ergebnis der Bewertung.

Auch verworfene Varianten sind relevant. Wird ein Sperrpunkt nicht weiterverfolgt, weil er eine Rettungsachse beeinträchtigt oder eine Umfahrungsmöglichkeit bestehen bleibt, sollte diese Entscheidung erhalten bleiben. Später lässt sich dadurch nachvollziehen, weshalb eine andere Variante gewählt wurde.

Bei KI-gestützten Systemen kommen Modell- und Regelversionen hinzu. Werden Bewertungsregeln verändert, sollte erkennbar sein, welche Szenarien davon betroffen sind. Automatisch erzeugte Hinweise müssen von freigegebenen fachlichen Bewertungen getrennt bleiben.

Gerade bei sensiblen Sicherheitsinformationen gehört außerdem ein abgestuftes Berechtigungsmodell dazu. Nicht jeder Nutzer, der einen Veranstaltungsplan einsehen darf, benötigt zugleich Zugriff auf detaillierte Bedrohungsszenarien oder die vollständige Bewertung potenzieller Schwachstellen.

Wo muss die fachliche Verantwortung beim Menschen bleiben?

KI kann Wege berechnen, Varianten sortieren, Daten vergleichen und Widersprüche markieren. Sie kann jedoch nicht die Verantwortung für das Schutzziel übernehmen.

Welche Bedrohung betrachtet wird, welche Restrisiken akzeptiert werden, welche Zufahrten betrieblich erforderlich sind und welche Maßnahme freigegeben wird, sind fachliche Entscheidungen. Gleiches gilt für die Abstimmung mit Genehmigungsbehörden, Polizei, Feuerwehr, Veranstaltungsleitung, Verkehrsplanung oder weiteren beteiligten Stellen.

Das ist auch technisch sinnvoll. Ein Modell sieht nur die Informationen, die ihm zur Verfügung stehen. Ein erfahrener Planer erkennt dagegen möglicherweise, dass eine vermeintlich befahrbare Fläche in der Realität nicht nutzbar ist, dass eine Sperrposition bei starkem Besucherandrang problematisch wäre oder dass eine geplante Ausnahmezufahrt betrieblich nicht zuverlässig kontrolliert werden kann.

Die leistungsfähige Kombination lautet deshalb nicht Mensch gegen KI, sondern Fachplanung mit digitaler Unterstützung.

Wie kann ein mittelständisches Unternehmen pragmatisch beginnen?

Der Einstieg muss nicht mit einem komplexen digitalen Zwilling des gesamten Unternehmensgeländes beginnen. Sinnvoller ist ein begrenzter Anwendungsfall: ein Standort, ein regelmäßig genutzter Veranstaltungsbereich oder ein besonders relevanter Werkszugang.

Zunächst werden vorhandene Daten zusammengeführt. Danach werden Schutzbereiche und relevante Fahrwege digitalisiert, bekannte Sperrpunkte erfasst und ein erstes Szenariomodell aufgebaut. Fachplaner prüfen die erzeugten Anfahrwege und ergänzen diejenigen Randbedingungen, die aus Kartenmaterial allein nicht hervorgehen.

Im nächsten Schritt wird aus dem Modell ein wiederverwendbarer Prozess. Veränderungen an Verkehrsführung, Baustellen, Zufahrtsberechtigungen oder Veranstaltungsflächen können gegen vorhandene Szenarien geprüft werden. Dadurch entwickelt sich aus einer einmaligen Gefährdungsanalyse ein Arbeitsinstrument für wiederkehrende Planungsentscheidungen.

Für den Mittelstand ist gerade dieser Aspekt interessant: Wert entsteht nicht dadurch, möglichst viel KI einzusetzen, sondern Fachwissen, Geodaten, Betriebsinformationen und Sicherheitsplanung so zu verbinden, dass Änderungen schneller bewertet und Entscheidungen besser dokumentiert werden können.

FAQ

Was ist eine KI-gestützte Gefährdungsanalyse im Zufahrtsschutz?

Eine KI-gestützte Gefährdungsanalyse verbindet räumliche Daten, mögliche Anfahrwege, fahrdynamische Parameter, Schutzbereiche und Sperrpunkte in einem digitalen Bewertungsmodell. KI kann Varianten erzeugen, Zusammenhänge untersuchen und auffällige Konstellationen markieren. Das Ergebnis unterstützt die Fachplanung, ersetzt jedoch weder die fachliche Gefährdungsbewertung noch die Entscheidung über konkrete Schutzmaßnahmen.

Ersetzt KI eine Fachplanung für den Zufahrtsschutz?

Nein. KI kann umfangreiche Datenbestände verarbeiten, mögliche Anfahrwege vergleichen und Szenarien vorbereiten. Schutzziel, Bedrohungsannahmen, Auswahl und Dimensionierung von Fahrzeugsicherheitsbarrieren sowie die abschließende Freigabe benötigen weiterhin qualifizierte Fachleute. Besonders Standortbedingungen, operative Abläufe und behördliche Anforderungen lassen sich nicht allein aus Geodaten oder automatisierten Berechnungen ableiten.

Welche Daten werden für die Analyse benötigt?

Typischerweise werden Lagepläne, Straßengeometrien, Zufahrten, befahrbare Flächen, Schutzbereiche, vorhandene Hindernisse, Sperrpunkte sowie Informationen zu Lieferverkehr, Rettungsachsen und Betriebszuständen benötigt. Für eine fahrdynamische Bewertung kommen Fahrzeugklassen und standortspezifische Parameter hinzu. Entscheidend ist, Datenherkunft und Aktualität mitzuführen, damit automatisierte Auswertungen auf einer belastbaren Grundlage erfolgen.

Kann KI die mögliche Anprallgeschwindigkeit automatisch bestimmen?

KI kann fahrdynamische Berechnungen und spezialisierte Modelle unterstützen, sollte eine mögliche Anprallgeschwindigkeit aber nicht frei schätzen. Eine belastbare Bewertung muss Fahrzeugtyp, Geometrie, Beschleunigungsraum, Kurven, Untergrund und weitere Standortbedingungen berücksichtigen. Für sicherheitsrelevante Planungen gehören fachgerechte Vehicle Dynamics Assessments und qualifizierte Prüfungen deshalb weiterhin in den Prozess.

Wie erkennt KI alternative Anfahrwege?

Ein räumliches Modell kann Straßen, Zufahrten und weitere potenziell befahrbare Flächen als Netz abbilden. Algorithmen erzeugen daraus unterschiedliche Verbindungen zwischen möglichen Eintrittspunkten und einem Schutzbereich. Anschließend lassen sich diese Wege nach Geometrie, Richtungsänderungen und anderen Eigenschaften vergleichen. Fachleute müssen anschließend prüfen, welche automatisch gefundenen Routen tatsächlich realistisch und sicherheitsrelevant sind.

Wie lassen sich unterschiedliche Sperrpunkte vergleichen?

Sperrpunkte können gegen dieselben Szenarien bewertet werden. Betrachtet werden beispielsweise abgedeckte Anfahrwege, mögliche Umfahrungen, fahrdynamische Bedingungen, Rettungszugänge, betriebliche Zufahrten und Einbausituation. Dadurch wird sichtbar, welche Auswirkungen eine Positionsänderung auf das Gesamtkonzept hat. Die endgültige Auswahl hängt dennoch von fachlichen, baulichen und betrieblichen Anforderungen des jeweiligen Standorts ab.

Welche Bedeutung hat DIN SPEC 91414-2?

DIN SPEC 91414-2 beschreibt Anforderungen an die Planung des Zufahrtsschutzes bei Verwendung geprüfter Fahrzeugsicherheitsbarrieren. Für deutsche Planungen ist sie deshalb ein wichtiger fachlicher Bezugspunkt. Eine digitale oder KI-gestützte Lösung kann die darin erforderlichen Planungsinformationen strukturieren und dokumentieren, sie kann die normgerechte Fachplanung oder erforderliche Abstimmungen mit zuständigen Stellen jedoch nicht ersetzen.

Wie häufig sollte eine Gefährdungsanalyse aktualisiert werden?

Eine pauschale Zeitspanne ist weniger sinnvoll als ein ereignisbezogener Prozess. Relevant sind insbesondere geänderte Verkehrsführungen, Baustellen, neue Zufahrten, veränderte Veranstaltungsflächen, andere Betriebsabläufe oder neue Schutzanforderungen. Digitale Modelle erleichtern solche Aktualisierungen, weil betroffene Anfahrwege und Szenarien gezielt erneut untersucht werden können, statt die gesamte Planung von Grund auf neu aufzubauen.

Welche Risiken entstehen durch fehlerhafte Geodaten?

Fehlerhafte oder veraltete Daten können vorhandene Anfahrwege übersehen, nicht mehr bestehende Hindernisse berücksichtigen oder einen Sperrpunkt unter falschen Voraussetzungen bewerten. Besonders kritisch wird es, wenn automatisierte Ergebnisse anschließend als gesicherte Tatsachen behandelt werden. Deshalb sollten Datenquelle, Erfassungsdatum, fachliche Prüfung und Unsicherheiten Bestandteil der digitalen Gefährdungsanalyse sein.

Eignet sich die Methode auch für temporäre Veranstaltungen?

Ja. Gerade bei temporären Veranstaltungen verändern sich Verkehrsführung, Besucherflächen, Lieferzeiten, Zufahrtsberechtigungen und Sperrpositionen häufig. Eine digitale Szenarienanalyse kann verschiedene Veranstaltungszustände vorbereiten und wiederkehrende Planungen unterstützen. Mobile Fahrzeugsicherheitsbarrieren müssen dennoch passend zum konkreten Bedrohungsszenario ausgewählt, fachgerecht aufgestellt und in das gesamte Sicherheits- und Verkehrsmanagement integriert werden.

Quellen der verwendeten Kennzahlen

Polizeiliche Kriminalprävention der Länder und des Bundes – Schutz öffentlicher Räume vor Überfahrtaten
Kennzahl: sechs konkrete Handlungsschritte für die Erarbeitung eines Zufahrtsschutzkonzeptes.
https://www.polizei-beratung.de/themen-und-tipps/staedtebau/schutz-vor-ueberfahrtaten/

National Protective Security Authority – Considerations for Temporary Vehicle Security Barriers
Kennzahl: beispielhafte Hochgeschwindigkeitsprüfungen mit 48, 64 oder 80 km/h.
https://www.npsa.gov.uk/specialised-guidance/hostile-vehicle-mitigation-hvm/considerations-temporary-vehicle-security-barriers

International Organization for Standardization – ISO 22343-1:2023
Kennzahl: Der Anwendungsbereich des Prüfverfahrens umfasst Fahrzeugpenetrationsdistanzen bis 25 Meter.
https://www.iso.org/standard/50080.html

Interessante Links

NPSA – Leitfaden zur Sorgfaltsprüfung bei Vehicle Dynamics Assessments
https://www.npsa.gov.uk/specialised-guidance/hostile-vehicle-mitigation-hvm/due-diligence-vehicle-dynamics-assessment-guidance

Cybersecurity and Infrastructure Security Agency – Vehicle Ramming Self-Assessment Tool
https://www.cisa.gov/vehicle-ramming-self-assessment-tool

ISO/TC 292 Working Group 6 – Laufende Projekte im Bereich Protective Security
https://committee.iso.org/sites/tc292/home/about/organization/wg-06.html