TRIR allein reicht nicht mehr aus: Warum Prävention bei den SIF-Vorläufern beginnt
Über mehr als zwei Jahrzehnte hinweg galt die Total Recordable Incident Rate (TRIR) als einer der wichtigsten Indikatoren zur Bewertung der Sicherheitsleistung eines Unternehmens. Dank Investitionen in Schulungen, Verfahren, persönliche Schutzausrüstung, Ergonomie und kontinuierliche Verbesserungsmaßnahmen ist die Zahl der meldepflichtigen Arbeitsunfälle in den meisten Industriezweigen deutlich zurückgegangen.
Das ist zweifellos ein wichtiger Erfolg. Gleichzeitig wird jedoch eine Schwäche dieses Ansatzes immer deutlicher: Der Rückgang der meldepflichtigen Arbeitsunfälle ging nicht mit einem vergleichbaren Rückgang von Ereignissen mit Serious Injury & Fatality (SIF)-Potenzial einher. In vielen Industrieunternehmen hat sich der TRIR zwar kontinuierlich verbessert, die Zahl schwerer oder tödlicher Unfälle ist jedoch weitgehend unverändert geblieben. Daher ist es keine Seltenheit, Unternehmen mit einem hervorragenden TRIR zu finden, die dennoch weiterhin Ereignisse mit hohem SIF-Potenzial verzeichnen. Diese Diskrepanz hat viele Unternehmen dazu veranlasst, ihre Methoden zur Messung und Steuerung von Risiken zu überdenken. Die industrielle Sicherheit entwickelt sich heute in Richtung eines neuen Paradigmas: Nicht nur bereits eingetretene Unfälle zu messen, sondern die betrieblichen Bedingungen zu identifizieren und zu kontrollieren, die zu einem Serious Injury & Fatality (SIF) führen können – bevor ein solches Ereignis überhaupt eintritt.
Von Ergebnissen zu Vorläufern: Das SIF-Risiko sichtbar machen
Jeder Vorfall mit SIF-Potenzial wird durch eine Reihe betrieblicher Bedingungen begünstigt, die seine Eintrittswahrscheinlichkeit erhöhen. Zu den kritischsten gehört die Interaktion zwischen fahrenden Fahrzeugen und Personen. Täglich teilen sich in einem Industriebetrieb Tausende von Gabelstaplern, fahrerlosen Transportsystemen (AGVs) und anderen Industriefahrzeugen dieselben Bereiche mit den Beschäftigten – Fahrwege, Kreuzungen, Verladezonen, Industrietore und Bereiche mit eingeschränkter Sicht. Die überwiegende Mehrheit dieser Interaktionen verläuft ohne Zwischenfälle und wird gerade deshalb als normal wahrgenommen. Doch Normalität bedeutet nicht, dass kein Risiko besteht. Sie bedeutet lediglich, dass bislang noch nicht die Kombination von Faktoren eingetreten ist, die diese Exposition in einen schweren Unfall verwandeln kann.
Diese betrieblichen Bedingungen stellen sogenannte SIF-Vorläufer (SIF Precursors) oder potenzielle SIF-Ereignisse (pSIF) dar: Hochrisikoexpositionen, gefährliche Mensch-Maschine-Interaktionen, wiederkehrende Risikobereiche (Hotspots), unangemessene Fahrgeschwindigkeiten, Querungen in Bereichen mit eingeschränkter Sicht, die Missachtung von Trennbereichen oder andere sich wiederholende Verhaltensweisen, die die Wahrscheinlichkeit eines schweren Unfalls erhöhen – auch wenn sie zu keinem meldepflichtigen Arbeitsunfall führen.
Genau hier zeigt sich die Grenze traditioneller Sicherheitskonzepte. Da die meisten SIF-Vorläufer weder Unfälle noch Beinaheunfälle verursachen, werden sie in ereignisbasierten Meldesystemen in der Regel nicht erfasst. Dadurch bleiben sie – ebenso wie die wertvollsten Informationen darüber, wo und wie sich Risiken im Betrieb aufbauen – unsichtbar. Der Wechsel von der Betrachtung der Ergebnisse hin zu den Vorläufern gehört zu den bedeutendsten Veränderungen im modernen Sicherheitsmanagement: Nicht darauf zu warten, dass sich ein Risiko in einen Unfall verwandelt, sondern es bereits als betriebliche Bedingung sichtbar zu machen und Maßnahmen zu ergreifen, bevor es zu schwerwiegenden Folgen kommt.
Wie lassen sich Phänomene messen, die keine Unfälle verursachen?
Das Erkennen von SIF-Vorläufern ist nur der erste Schritt. Die eigentliche Herausforderung besteht darin, diese Risikoexpositionen in objektive, kontinuierlich verfügbare und über die Zeit vergleichbare Informationen zu verwandeln.
Wenn ein SIF-Vorläufer weder zu einem Arbeitsunfall noch zu einem Beinaheunfall führt, wie kann er dann erkannt werden? Wie lässt er sich systematisch erfassen? Und vor allem: Wie kann er zu einem Indikator werden, auf dessen Grundlage Präventionsmaßnahmen getroffen werden können?
Traditionelle Methoden – wie Audits, Inspektionen, Beobachtungen vor Ort und Behaviour-Based-Safety-Programme – bleiben unverzichtbare Instrumente. Sie erfassen jedoch zwangsläufig nur einen Teil der Tausenden von Interaktionen, die täglich innerhalb eines Betriebs stattfinden, und ihre Bewertung ist dabei stets bis zu einem gewissen Grad subjektiv. Um SIF-Vorläufer tatsächlich sichtbar zu machen, ist daher ein neuer Ansatz erforderlich: die kontinuierliche Erfassung betrieblicher Daten mithilfe innovativer Technologien.
Von der Safety Observation zur Safety Intelligence: Wie AMESPHERE SIF-Vorläufer sichtbar und messbar macht
Neue Technologien ermöglichen es heute, die Interaktionen zwischen Menschen, Fahrzeugen und der Arbeitsumgebung kontinuierlich zu überwachen und dabei Verhaltensweisen sowie operative Bedingungen in objektive Daten zu transformieren.
In diesem Kontext kommt AMESPHERE zum Einsatz: ein digitales Ökosystem, das entwickelt wurde, um Interaktionen zwischen Personen, Fahrzeugen und Arbeitsbereichen sichtbar zu machen und kontinuierlich zu überwachen. Es identifiziert Verhaltensweisen und Bedingungen, die Merkmale eines erhöhten SIF-Potenzials aufweisen. Treten solche Situationen auf, beschränkt sich das System nicht nur darauf, in Echtzeit Maßnahmen zur Reduzierung des unmittelbaren Risikos auszulösen: Es erfasst diese Ereignisse, setzt sie in ihren Kontext und wandelt sie in strukturierte Informationen um.
Die Veränderung ist grundlegend. Ein SIF-Vorläufer bleibt nicht länger eine punktuelle Beobachtung, die von der Anwesenheit eines Supervisors oder von der individuellen Aufmerksamkeit der Person abhängt, die ihn erkennt. Stattdessen wird er zu einem objektiven Ereignis, das mit einer bestimmten Position, einem präzisen Zeitpunkt, der Dynamik der Interaktion und dem operativen Kontext, in dem es aufgetreten ist, verknüpft ist. Mit anderen Worten: Er wird sichtbar, messbar und über die Zeit hinweg vergleichbar.
Die kontinuierliche Verfügbarkeit dieser Daten ermöglicht es, wiederkehrende Muster, Risiko-Hotspots, Expositionstrends und Faktoren zu erkennen, die durch stichprobenartige Beobachtungen nur schwer sichtbar werden würden.
Genau in diesem Sinne entwickelt sich die Behavior Based Safety hin zur Safety Intelligence. Die Beobachtung von Verhaltensweisen wird nicht ersetzt, sondern durch eine kontinuierliche Messung der operativen Dynamiken erweitert. Dadurch werden Tausende täglicher Interaktionen in objektive Kennzahlen umgewandelt, die HSE- und Operations-Teams bei fundierten Entscheidungen unterstützen.
Das Ziel besteht nicht darin, Prävention zu automatisieren oder das Urteilsvermögen des HSE-Managers zu ersetzen. Es geht vielmehr darum, ihm die Voraussetzungen zu geben, fundiertere Entscheidungen zu treffen – mit einem deutlich umfassenderen und repräsentativeren Überblick über die tatsächliche Risikoexposition innerhalb des Werks.
Fazit
Über viele Jahre hinweg hat die industrielle Sicherheit vor allem gemessen, was bereits passiert war. Der TRIR bleibt ein wichtiger Indikator, um die Entwicklung von Arbeitsunfällen zu bewerten und die Performance im Zeitverlauf zu überwachen. Allein reicht er jedoch nicht aus, um das Ausmaß der Risikoexposition gegenüber Gefahren zu beschreiben, die zu einer Serious Injury & Fatality führen können.
Die Herausforderung ist heute eine andere. Es geht nicht mehr nur darum, die Anzahl meldepflichtiger Unfälle zu reduzieren, sondern jene operativen Bedingungen zu erkennen und zu steuern, die sich täglich zu einem schwerwiegenden Ereignis entwickeln können, auch wenn sie bisher noch nie zu einem Unfall geführt haben.
Dies erfordert einen Paradigmenwechsel: weg von einer Sicherheit, die überwiegend die Ergebnisse misst, hin zu einer Sicherheit, die die Risikoexposition beobachtet und messbar macht.
Denn ein SIF entsteht nicht erst im Moment des Unfalls. Es entwickelt sich viel früher – in den Tausenden täglichen Interaktionen zwischen Menschen, Fahrzeugen und Arbeitsumgebung, die gerade deshalb, weil sie bisher noch keine Konsequenzen verursacht haben, häufig unsichtbar bleiben.
Die neue Grenze der Prävention besteht genau darin, diese Expositionen sichtbar zu machen, in objektive Daten umzuwandeln und für Entscheidungen zu nutzen, bevor sich ein Risiko in einen Unfall verwandelt. Dies ist das Prinzip der Safety Intelligence: traditionelle Kennzahlen mit einem kontinuierlichen Verständnis der operativen Dynamiken zu verbinden, um SIF-Vorläufer zu erkennen und einzugreifen, solange das Risiko noch kontrollierbar ist. Diese Vision steht im Mittelpunkt der Entwicklung von AMESPHERE durch AME: die täglichen Interaktionen zwischen Menschen, Fahrzeugen und Arbeitsumgebung in messbare Informationen zu verwandeln, HSE-Managern ein tieferes Verständnis der operativen Risiken zu ermöglichen und datenbasierte Präventionsentscheidungen zu unterstützen – bevor ein kritisches Ereignis eintritt.
