Unwetterereignisse führen immer wieder zu einem sprunghaften Anstieg der eingehenden Notrufe in den Leitstellen der Feuerwehr. Die hohe Anzahl der Notrufe und die daraus resultierenden Einsätze stellen eine erhebliche Belastung der Leitstellen und Einsatzkräfte dar. Datenbasierte Vorhersagemodelle für wetterbedingte Feuerwehreinsätze könnten Entscheidungsträgern wertvolle Unterstützung bei der Planung und Umsetzung präventiver Maßnahmen bieten. Zur nutzerzentrierten Entwicklung solcher Modelle wurden Interviews mit Führungskräften verschiedener Leitstellen durchgeführt und ausgewertet. Die Analyse dieser Interviews lieferte zentrale Erkenntnisse, die für die Modellentwicklung relevant sind: Lagedienste und Schichtführung der Leitstellen sind Hauptzielgruppe, da sie in Unwettersituationen die initialen Entscheidungen treffen; Personalverstärkung der Leitstelle und Alarmierung von Abschnittsführungsstellen sind die wesentlichen vorbereitenden Maßnahmen im Unwetterfall und können in der Regel innerhalb von maximal einer Stunde umgesetzt werden; Einsatzvorhersagen für Gewittersituationen bieten den größten Nutzen, weil Gewitter spontan entstehen können und kurzfristige Entscheidungen erforderlich machen; Räumlich differenzierte Einsatzvorhersagen können gezielte Maßnahmen unterstützen, wie die Umstrukturierung Leitstelle und Umdisponierung von Einsatzmitteln; Erfahrungen aus vergangenen Unwettersituationen ist ein wichtiger Faktor bei der Entscheidungsfindung, weshalb gerade jüngere Führungskräfte von datenbasierten Darstellungen vergangener Unwetterereignisse und deren Auswirkungen auf das Einsatzgeschehen profitieren könnten.
Severe weather events can lead to a sudden increase in emergency calls to fire brigade control centers. The high volume of emergency calls and the resulting operations place a significant strain on control centers and response teams. Data-driven prediction models for weather-related fire service deployments could provide decision-makers with valuable support in planning and implementing preventive measures. To enable user-centered development of such models, interviews with senior staff from various control centers were conducted and analyzed. The analysis of these interviews revealed key insights relevant to model development: Personnel with leadership responsibilities in control centers are the primary target group, as they make the initial decisions during severe weather situations. Reinforcing control center staff and alerting voluntary fire brigades are the main preparatory measures in severe weather cases and can typically be implemented within a maximum of one hour. Deployment predictions for thunderstorms offer the greatest benefit because thunderstorms can arise spontaneously and require short-term decision-making. Spatially differentiated deployment predictions can support targeted measures, such as restructuring responsibilities in the control center and redistributing resources. Experience from past severe weather situations is a crucial factor in decision-making, which is why younger leaders, in particular, could benefit from data-based representations of past severe weather events and their impact on operational activities.
