Unfallstatistiken können wiederholbare Risikomuster aufdecken, wenn Vorfälle konsequent nach Zeit, Ort, Tätigkeit, Ausrüstung und Ursache codiert und anschließend nach Exposition wie Arbeitsstunden, Kilometern oder Aufgabenanzahl normalisiert werden. Trendanalysen nach Schicht, Anlauf- und Übergabephasen, Saison und Hotspots machen sichtbar, wo Engpässe, schlechte Sicht, Wetter und ergonomische Belastung das Risiko erhöhen. Die Verknüpfung von Ausfällen mit Wartungssignalen (versäumte Inspektionen, Überhitzung, Vibrationen) ermöglicht frühere Interventionen. Die nächsten Abschnitte skizzieren praktische Kennzahlen, Datenqualitätskontrollen und Bewertungsmethoden.
Was können Unfallstatistiken tatsächlich aufdecken?
Obwohl Unfalldaten nicht jede einzelne Ursache erklären können, können sie zuverlässig Muster darin quantifizieren, wann, wo und wie Vorfälle auftreten. Aggregierte Datensätze zeigen zeitliche Häufungen (Schichtwechsel, Überstundenphasen), räumliche Hotspots (bestimmte Linien, Korridore, Ladezonen) und aufgabenbezogene Exposition (manuelle Handhabung, Instandhaltung, Fahren). Kreuztabellen nach Rolle, Betriebszugehörigkeit und Auftragnehmerstatus können das Risiko der Lernkurve von systemischen Prozesslücken unterscheiden. Schweregradverteilungen zeigen, ob die Prävention auf häufige kleinere Ereignisse oder seltene Szenarien mit hohen Konsequenzen abzielen sollte. Narrative Felder und kodierte Ursachen sind zwar nicht perfekt, können aber ausgewertet werden, um wiederkehrende Vorläufer wie schlechte Sicht, Stauung/Überlastung oder unzureichende Schutzeinrichtungen zu identifizieren. Verknüpfungen mit Arbeitsplatzergonomiedaten können darauf hinweisen, ob Zerrungen/Überlastungen sich auf bestimmte Körperhaltungen, Reichweiten oder Werkzeugkonstruktionen konzentrieren. Die Integration mit Einsatzprotokollen des Notfallmanagements kann Reaktionszeiten, Engpässe bei Evakuierungen und Kommunikationsfehler quantifizieren, wodurch Übungen anhand der realen Vorfalldynamik überprüft und Verbesserungsschwerpunkte festgelegt werden können.
Welche Unfallkennzahlen sollten Sie zuerst verfolgen?
Wo sollte eine Organisation beginnen, wenn sie Unfallkennzahlen zur Nachverfolgung auswählt? Sie sollte mit einem kleinen, vergleichbaren Set beginnen, das Exposition, Ergebnisse und Kontrollen miteinander verknüpft. Zuerst die Exposition messen: geleistete Arbeitsstunden, Aufgabenanzahl und Zeit in Hochrisiko-Tätigkeiten, um eine Normalisierung über Standorte hinweg zu ermöglichen. Als Nächstes die Schwere der Ergebnisse erfassen: meldepflichtige Vorfälle, Fälle mit Arbeitsausfall und Tage der Abwesenheit sowie eine Schwerequote (verlorene Tage pro 200.000 Stunden). Ergänzen Sie führende Indikatoren, die an Kontrollen gekoppelt sind: % der kritischen Verfahren, die auditiert wurden, Zeit bis zum Abschluss von Korrekturmaßnahmen und Wartungskonformität für sicherheitskritische Anlagen. Beinaheunfall-Zahlen können nützlich sein, wenn sie mit Qualitätsprüfungen wie Klassifikationsgenauigkeit und Zeit bis zur Überprüfung kombiniert werden. Um Risikowahrnehmung und Sicherheitskultur abzubilden, sollten periodische Umfrageindizes und Beteiligungsraten an Beobachtungen aufgenommen werden, segmentiert nach Team und Rolle. Kennzahlen sollten mit konsistenten Schwellenwerten definiert, mit dokumentierten Codierungsregeln versehen und in monatlichen Trend-Reviews geprüft werden, die auf bedeutungsvolle Veränderungen statt auf zufällige Variation testen.
Wie Untererfassung Unfallstatistiken verzerrt
Untererfassung kann die Unfallstatistik erheblich verzerren, indem verdeckte Verletzungen und Beinaheunfälle aus dem Datensatz herausfallen und so verborgene Daten entstehen, die die Trendanalyse schwächen. Wenn nur ein Teil der Vorfälle erfasst wird, werden die gemeldeten Raten systematisch verzerrt und können fälschlicherweise eine Verbesserung der Sicherheitsleistung anzeigen. Häufige Hürden bei der Meldung – wie Angst vor Vergeltungsmaßnahmen, Zeitaufwand, unklare Definitionen und eingeschränkter Zugang zu Meldetools – erklären, warum beobachtete Zahlen von der tatsächlichen Häufigkeit abweichen können.
Verborgene Verletzungen, verborgene Daten
Ein großer Anteil von Verletzungsereignissen gelangt nie in offizielle Unfalldatenbanken, wodurch eine systematische Lücke zwischen erfassten Vorfällen und tatsächlichem Schaden entsteht. Leichte Traumata, Beinahe-Unfälle mit verzögert auftretenden Symptomen und Fälle, die außerhalb formaler Meldekanäle behandelt werden, sind typische Quellen verdeckter Verletzungen und damit verdeckter Daten. Befragungen, Notaufnahmeprotokolle und Versicherungsansprüche weisen routinemäßig höhere Fallzahlen aus als Arbeitgebermeldungen, was auf eine unvollständige Erfassung in unterschiedlichen Kontexten hinweist. Datenverluste entstehen zudem durch inkonsistente Kodierung, fehlende Expositionsdetails und verzögerte Dokumentation, wodurch die Vergleichbarkeit über die Zeit abnimmt. Durch die methodische Verknüpfung mehrerer administrativer Quellen, die Anwendung von Capture-Recapture-Ansätzen und die Prüfung klinischer Notizen lässt sich der nicht beobachtete Anteil quantifizieren. Wo eine Verknüpfung nicht möglich ist, verbessern standardisierte Nachbefragungsfragebögen und anonymisierte Selbstberichtswerkzeuge die Erkennung nicht erfasster Outcomes, ohne Falldefinitionen zu verändern.
Voreingenommenheit bei gemeldeten Raten
Schon eine geringe Nichtmeldung kann Unfallraten-Schätzungen systematisch verzerren, indem sie den erfassten Zähler verringert, während Expositionsmaße (Arbeitsstunden, Personalbestand, Output) unverändert bleiben. Die daraus resultierenden Raten können fälschlich Leistungsverbesserungen suggerieren, insbesondere wenn die Exposition schneller steigt als die erfassten Vorfälle.
Unterberichterstattung ist selten zufällig in Bezug auf Verletzungsschwere, Schichttyp, Auftragnehmerstatus oder Abteilung und erzeugt Meldeverzerrungen, die Trendvergleiche und Benchmarking verändern. Wenn leichte Verletzungen überproportional fehlen, blähen sich Schweregradverteilungen auf, während die Häufigkeit künstlich niedrig erscheint. Standortübergreifende Vergleiche verschlechtern sich ebenfalls, wenn die Vollständigkeit der Meldungen unterschiedlich ist, wodurch das tatsächliche Risiko mit Dokumentationspraktiken verwechselt wird.
Analytisch verbessert sich die Datenqualität, indem Erfassungsraten durch Record-Linkage (Erste-Hilfe-Protokolle, Klinikbesuche, Versicherungsansprüche) geschätzt und Sensitivitätsanalysen angewendet werden, die Raten unter plausiblen Nichtmelde-Szenarien eingrenzen. Einheitliche Definitionen und Audits unterstützen valide longitudinale Schlussfolgerungen.
Hindernisse bei der Meldung
Warum weichen Unfallprotokolle so stark von den Verletzungen ab, die Beschäftigte tatsächlich erleiden? Unterberichterstattung entsteht häufig durch Herausforderungen bei der Meldung, die die Transaktionskosten der Offenlegung erhöhen: komplexe Formulare, unklare Schwellenwerte, begrenzte Zeit und fragmentierte Systeme. Empirische Audits finden in anonymen Befragungen typischerweise eine höhere Verletzungsprävalenz als in offiziellen Registern, was auf einen systematischen Verlust von Fällen statt auf zufällige Fehler hindeutet.
Kulturelle Barrieren unterdrücken die Meldung zusätzlich. Wenn Vorgesetzte „null Vorfälle“ belohnen, erwarten Beschäftigte möglicherweise Schuldzuweisungen, Stigmatisierung oder Einkommensverluste und behandeln sich daher selbst oder verzögern die medizinische Versorgung. Zeitarbeitskräfte und Subunternehmer sind zusätzlich unsicher hinsichtlich ihrer Rechte und ihrer Arbeitsplatzsicherheit, was die Meldewahrscheinlichkeit senkt. Unterberichterstattung verzerrt Häufigkeitsraten nach unten, lässt scheinbare Sicherheitsgewinne größer erscheinen und führt zu einer falschen Priorisierung von Risiken. Korrekturmaßnahmen umfassen vereinfachte Meldewege, nicht-punitiv ausgerichtete Richtlinien, Quervergleiche mit Klinik- und Fehlzeitendaten sowie gezielte Nachverfolgung in Hochrisikobereichen.
Wie man konsistente, nutzbare Vorfalldaten erfasst
Um Unfallstatistiken zu erstellen, die über die Zeit und zwischen Standorten vergleichbar bleiben, müssen Ereignisdaten anhand standardisierter Definitionen, konsistenter Meldeschwellen und strukturierter Eingabefelder erfasst werden. Eine einheitliche Taxonomie sollte Beinaheunfälle, Erste-Hilfe-Fälle, meldepflichtige Fälle und Sachschäden unterscheiden, mit kodierten Ursachen, Tätigkeiten, Ausrüstung und Expositionskennzahlen. Digitale Formulare sollten Pflichtfelder, Dropdown-Listen und Validierungsregeln erzwingen, um Unklarheiten durch Freitext und fehlende Werte zu reduzieren.
Die Data-Governance sollte klare Rollen für Eingabe, Prüfung und Audit festlegen, mit versionskontrollierten Definitionen und Änderungsprotokollen. Routinemäßige Qualitätsprüfungen sollten Duplikate, inkonsistente Schweregradkodierungen und unplausible Zeitabläufe kennzeichnen. Sicherheitsschulungen sollten kurze Module zu Klassifikationsregeln und zur Beweissicherung (Fotos, Zeugenaussagen) enthalten, um die Interrater-Reliabilität zu verbessern. Mitarbeiterengagement erhöht die Vollständigkeit, wenn das Melden einfach ist, Rückmeldungen gegeben werden und Korrekturmaßnahmen bis zum Abschluss nachverfolgt werden. Die Integration von HR-, Instandhaltungs- und Produktionssystemen kann Nennerdaten hinzufügen und so die Berechnung von Kennzahlen ermöglichen, ohne manuelle Abstimmung.
Zeit-, Schicht- und saisonale Unfallmuster
Mit konsistent etablierten Vorfalldaten kann eine zeitliche Segmentierung genutzt werden, um Muster nach Stunde, Schicht und Saison zu identifizieren. Auf die Exposition normalisierte Raten (z. B. Arbeitsstunden oder Verkehrsaufkommen) weisen häufig auf Hochrisiko-Schichtstunden hin, einschließlich Anlaufphasen, Übergaben und Müdigkeitsfenstern gegen Schichtende. Monatliche und quartalsweise Vergleiche können zudem saisonale Spitzen-Trends quantifizieren und wiederkehrende Zyklen von anomal(en) Ereignissen trennen.
Hochrisiko-Schichtstunden
Wann erreichen Unfallraten im Verlauf eines typischen Betriebstages ihren Höhepunkt? Analysen von zeitgestempelten Ereignisprotokollen zeigen häufig zwei wiederkehrende Häufungen: die frühen Stunden nach Schichtbeginn und die letzten Stunden vor der Übergabe. Die erste Häufung steht im Zusammenhang mit dem Hochfahren der Tätigkeiten, dem Warmlaufen der Ausrüstung und einer noch unvollständigen Lagewahrnehmung. Die zweite Häufung korreliert mit Termindruck, geringerer Aufsicht und kumulativer Schichtermüdung, was die Fehlerwahrscheinlichkeit erhöht und die Gefahrenerkennung verlangsamt. Nachtschichten weisen typischerweise höhere Schweregrade auf, was nächtliche Gefährdungen wie eingeschränkte Sicht, zirkadiane Fehlanpassung und weniger unterstützende Ressourcen widerspiegelt. Zur Prävention sollte das Risiko nach Stunde-in-der-Schicht statt allein nach Uhrzeit modelliert und anschließend mit gezielten Kontrollen und einer passenden Personalbesetzung abgeglichen werden. 24/7-Betriebe profitieren von harmonisierten Übergabe-Checklisten und Mikropausen-Protokollen.
- Höchstes Risiko: erste 2 Stunden, letzte 2 Stunden
- Nachtschicht: weniger Kontrollen, höhere Schwere
- Minderung: Pausen, Übergaben, abgestimmte Personalbesetzung
Saisonale Spitzen-Trends
Warum steigen die Unfallzahlen zu bestimmten Jahreszeiten oft vorhersehbar an? Unfalldaten zeigen typischerweise wiederkehrende Spitzen, die mit jahreszeitlichen Veränderungen der Tageslichtdauer, dem Verkehrsaufkommen und der Arbeitsbelastungsintensität zusammenhängen. Winterliche Zeitreihen korrelieren häufig mit geringerer Traktion, längeren Bremswegen und schlechterer Sicht, was auf einen starken Witterungseinfluss auf Kollisionen sowie Rutsch- und Sturzereignisse hindeutet. Sommermonate können hitzebedingte Vorfälle, Dehydrierung und ermüdungsbedingte Fehler erhöhen, insbesondere bei verlängerten Schichten und Arbeiten im Freien. Übergangsjahreszeiten bringen gemischte Gefährdungen mit sich: nasses Laub, frühe Dunkelheit und schwankende Temperaturen, die sowohl die Leistung von Geräten als auch die Aufmerksamkeit des Menschen beeinflussen. Zur Prävention segmentieren Analysten Vorfälle nach Monat, Woche und Schicht und normalisieren nach Expositionsstunden, um das tatsächliche Risiko von einem Aktivitätsanstieg zu trennen. Maßnahmen werden zeitlich auf die Spitzen abgestimmt: saisonale Wartung, zielgerichtete Unterweisungen und Anpassungen der Personalplanung.
Standort- und Umweltrisiko-Hotspots
Bestimmte Orte und Umweltbedingungen treten in Unfallstatistiken immer wieder als Risiko-Hotspots hervor und spiegeln wider, wie Exposition und Kontext Gefahren bündeln, statt sie gleichmäßig zu verteilen. Räumliche Clusteranalysen zeigen typischerweise höhere Ereignisdichten in der Nähe komplexer Kreuzungen, multimodaler Umsteigepunkte und Korridore mit häufigen Haltestellen, wo städtische Überlastung die Konfliktraten sowie die Anforderungen an Reaktionszeit erhöht. Außerhalb von Städten verlagert sich das Risiko hin zu höheren Geschwindigkeiten und eingeschränkten Sichtlinien, was die Folgen kleiner Fehler verstärkt. Umweltgefahren wie Niederschlag, Vereisung, Blendung, Nebel und Trümmer korrelieren mit messbaren Zunahmen von Kontrollverlust-Ereignissen und Beinaheunfallmeldungen, insbesondere wenn sie mit mangelnder Entwässerung oder abgenutzten Fahrbahnmarkierungen kombiniert auftreten.
- Urbane Knotenpunkte: Kreuzungskomplexität, Fußgängeraufkommen und Abbiegevorgänge führen zu erhöhter Kollisionshäufigkeit.
- Periphere Strecken: Geschwindigkeitsdifferenzen, Kurven und landwirtschaftlicher Verkehr erhöhen Schweregradindikatoren.
- Witterungsexponierte Abschnitte: Brücken, schattige Strecken und Straßenrand-Baumbestand zeigen wiederholte Spitzen nach Temperaturschwankungen.
Zielgerichtete Kartierung unterstützt die Priorisierung von Interventionen dort, wo das Risiko dauerhaft ist, nicht nur anekdotisch.
Geräteausfälle und Warnsignale bei der Wartung
Unfallstatistiken identifizieren Geräteausfälle häufig als wiederkehrenden beitragenden Faktor, wobei sich Muster um verschleißbedingte Ausfälle, Sensor- oder Steuerungsfehler und versäumte Inspektionsintervalle häufen. Wartungsaufzeichnungen und Ereignisprotokolle können auf Warnsignale hin ausgewertet werden, wie etwa aufgeschobene Korrekturmaßnahmen, wiederholte provisorische Reparaturen, ungewöhnliche Vibrations- oder Temperaturmesswerte sowie steigende Beinahe-Unfallraten, die mit bestimmten Anlagen verknüpft sind. Der folgende Abschnitt beschreibt gängige Ausfallsignaturen und die Wartungswarnindikatoren, die am stärksten mit einem erhöhten Unfallrisiko verbunden sind.
Häufige Muster von Geräteausfällen
Eine Überprüfung von Störfallprotokollen und Wartungsaufzeichnungen zeigt durchgängig, dass Geräteausfälle sich in wiederholbaren Mustern bündeln, statt isolierte Defekte zu sein. Branchenübergreifend konzentrieren sich Fehlfunktionen von Anlagen häufig auf hochbelastete Komponenten und Schnittstellen, bei denen Toleranzketten und zyklische Lasten den Verschleiß verstärken. Statistische Zusammenfassungen zeigen typischerweise, dass eine kleine Anzahl von Ausfallarten einen großen Anteil der Ereignisse verursacht, was gezielte Maßnahmen im Einklang mit Sicherheitsprotokollen unterstützt.
- Antriebsstrang- und Antriebsausfälle: Überhitzung, Schmierstoffverlust, Fehlausrichtung und fortschreitende Vibrationen bis hin zum Festlaufen.
- Steuerungs- und Sensorfehler: intermittierende Signale, Kalibrierdrift, Steckverbinder-/Kontaktverschleiß und Software-Timingkonflikte, die unsichere Zustände verursachen.
- Eindämmungs- und strukturelle Versagensfälle: Schlaucher-müdung, Dichtungsextrusion, Korrosionsfraß und sich lösende Befestigungselemente, die Leckagen oder Kollaps verursachen.
Die Trendanalyse spricht für die Verfolgung der Häufigkeit von Ausfallarten, eine Gewichtung nach Schweregrad und eine Normalisierung nach Exposition, um technische Minderungsmaßnahmen und Bedienerschulungen zu priorisieren.
Wartungs-Warnsignale, auf die Sie achten sollten
Obwohl einzelne Ausfälle isoliert betrachtet zufällig erscheinen mögen, zeigen Instandhaltungsaufzeichnungen und Beinaheunfall-Protokolle, dass den meisten Anlagen- und Geräteausfällen messbare Warnsignale vorausgehen, die sich über Flotten und Betriebsbedingungen hinweg wiederholen. Zu den Warnsignalen in der Instandhaltung zählen steigende Schwingungsamplituden, zunehmende Partikelzahlen im Öl, wiederholte Übertemperaturereignisse sowie eine beschleunigte Drift von Brems- oder Hydraulikdruck. Verkürzte Intervalle zwischen kleineren Korrekturarbeiten sagen häufig innerhalb weniger Wochen einen größeren Ausfall voraus.
Ein Sicherheitsaudit sollte prüfen, ob Inspektionsfeststellungen innerhalb definierter Fristen abgeschlossen werden und ob aufgeschobene Arbeiten mit den Vorfallraten korrelieren. Weitere Signale sind inkonsistente Kalibrierungsnachweise, häufige Fehlalarme, undokumentierte Teileersetzungen und ein höherer Energieverbrauch als der Basiswert. Trend-Schwellenwerte – nicht einzelne Messwerte – liefern umsetzbare Auslöser. Wenn diese Indikatoren gemeinsam auftreten, sollte das Risiko eskaliert und das Gerät außer Betrieb genommen werden, bis die Kontrollen validiert sind.
Menschliche Faktoren, auf die die Zahlen hindeuten
Über Vorfalldatensätze hinweg machen Variablen der menschlichen Leistungsfähigkeit durchgängig den größten Anteil der beitragenden Faktoren aus und übertreffen Ausrüstungsversagen sowie Umweltbedingungen. Codierte Berichte gruppieren sich häufig um Aufmerksamkeitslücken, Abweichungen von Verfahren und Urteilsbildung unter Zeitdruck. Bei Normalisierung nach Expositionsstunden weisen diese menschlich bedingten Kategorien oft eine höhere Wiederkehr auf als seltene mechanische Ausfälle, was auf einen systemischen, nicht zufälligen Einfluss hindeutet.
- Aufgabenkomplexität und Schichtzeitpunkt korrelieren mit höheren Fehltrittquoten, insbesondere während Übergaben und in Spitzenzeiten des Durchsatzes.
- Kennzahlen zur Arbeitsplatzergonomie—Greifdistanz, erforderliche Kraft und Sichtzugang—stehen in Zusammenhang mit Zerrungen und Werkzeugabrutschen bei repetitiven Tätigkeiten.
- Die Analyse menschlicher Fehler in Narrativen zeigt häufige Vorläufer: unklare Hinweise, unterbrochene Abläufe und informelle Workarounds, die Kontrollen umgehen.
Das quantitative Signal wird gestärkt, wenn Beinaheunfallprotokolle mit Verletzungsfällen übereinstimmen und dieselben Verhaltensmuster bei geringerer Schwere zeigen. Eine solche Konvergenz unterstützt, menschliche Faktoren als messbare Variablen innerhalb standardisierter Vorfalltaxonomien und Audits zu behandeln.
So priorisieren Sie Maßnahmen basierend auf Unfalltrends
Die Priorisierung beginnt mit der Rangfolge von Unfalltrends anhand eines kombinierten Index aus Häufigkeit, Schweregrad und expositionsbereinigter Rate, um häufige Ärgernisse von Ausreißern mit hohen Konsequenzen zu unterscheiden. Positionen im obersten Dezil des Index werden zuerst überprüft, wobei die Gewichtung an die organisatorische Risikotoleranz und rechtliche Anforderungen angepasst wird. Eine anschließende Stratifizierung nach Tätigkeit, Standort, Schicht und Betriebszugehörigkeit der Beschäftigten isoliert, wo Kontrollen die größte Risikoreduktion erzielen.
Als Nächstes wird jede potenzielle Maßnahme hinsichtlich Verhinderbarkeit und Hebelwirkung bewertet: ob eine Änderung mehrere beitragende Faktoren adressiert und die Varianz zwischen Standorten reduziert. So können beispielsweise gehäufte Muskel-Skelett-Erkrankungen auf Lücken in der Arbeitsplatzergonomie hinweisen, was die Neugestaltung von Arbeitsplätzen, Hebehilfen und Jobrotation gegenüber isolierten Schulungen begünstigt. Spitzen bei schweren Folgen lenken den Fokus auf technische Schutzmaßnahmen und Barrierenmanagement vor administrativen Maßnahmen. Die Umsetzbarkeit wird über Kosten, Stillstandszeiten, Implementierungs-Vorlaufzeit und Wartungsaufwand quantifiziert. Schließlich wird das Restrisiko der Notfallreaktionsfähigkeit zugeordnet, sodass Szenarien mit hoher Schwere mit robusten Verfahren sowie Prioritäten bei Personal und Ausrüstung abgeglichen werden.
Wie man misst, ob die Prävention funktioniert hat
Um festzustellen, ob Präventionsmaßnahmen gewirkt haben, muss die Leistung anhand einer definierten Baseline bewertet werden, unter Verwendung von führenden und nachlaufenden Indikatoren, die die Exposition kontrollieren. Baselines sollten normalisiert werden nach geleisteten Arbeitsstunden, Fahrzeugkilometern oder erledigten Aufgaben und dann vor/nach der Intervention mit Konfidenzintervallen verglichen werden. Statistische Prozesskontrolle hilft, zufällige Variation von nachhaltiger Veränderung zu trennen und weist auf Regression zur Mitte hin.
- Verfolge nachlaufende Ergebnisse: Gesamt-Recordable-Rate, Schweregrad (Ausfalltage) und Kosten pro Expositionseinheit.
- Verfolge führende Signale: Qualität der Durchführung von Risikobewertungen, Durchlaufzeit bis zum Abschluss von Korrekturmaßnahmen und Audit-Nichtkonformitäten pro Inspektion.
- Prüfe Systemakzeptanz: Kompetenzscores aus Schulungen, Near-Miss-Meldequote und Indizes aus Sicherheitskultur-Befragungen.
Wirksamkeit ist belegt, wenn mehrere Indikatoren kohärent verbessern, nicht nur die Verletzungszahlen. Ergebnisse sollten nach Standort, Schicht und Tätigkeitstyp stratifiziert werden, um eine Verlagerung von Risiken zu erkennen. Wo möglich, verwende gematchte Kontrollgruppen oder Interrupted-Time-Series-Analysen, um Veränderungen der Intervention zuzuschreiben statt Saisonalität oder Verschiebungen in der Personalbesetzung.
