Verhaltenswirksame Gestaltung von
Müdigkeitswarnungen im Fahrzeug
vorgelegt von
Dipl.-Psych.
Annika Dreßler
geb. in Potsdam
Von der Fakultät V – Verkehrs- und Maschinensysteme
der Technischen Universität Berlin
zur Erlangung des akademischen Grades
Doktorin der Philosophie
- Dr. phil. –
genehmigte Dissertation
Promotionsaussschuss:
Vorsitzender: Prof. Dr. phil. Dietrich Manzey
Gutachter: Prof. Dr. phil. Manfred Thüring
Gutachter: Prof. Dr. phil. Mark Vollrath
Tag der wissenschaftlichen Aussprache: 22. Juli 2015
Berlin 2015
II
Danksagung
Vielen Dank an alle, die mich während der Arbeit an dieser Dissertation fachlich, technisch-
organisatorisch und freundschaftlich unterstützt haben. Mein besonderer Dank gilt Manfred Thüring,
Nikolaus Rötting, Nora Wittbrodt, Stefan Brandenburg, Uwe Drewitz, Nils Backhaus, Michael Minge,
Susanne Dannehl, Steffen Hartwig, Angelika Engling, Karin Scherrinsky-Pingel und Mark Vollrath.
Danke an alle, die in den Fahrsimulationsstudien als Teilnehmer dabei waren. Privat bedanke ich
mich bei meiner Familie, allen meinen Freunden und ganz besonders B.F.
Ich widme diese Arbeit meiner Mutter Marion.
III
Inhaltsverzeichnis
Danksagung ................................................................................................................................. II
Abkürzungsverzeichnis ................................................................................................................ IX
Zusammenfassung ........................................................................................................................ X
Abstract ...................................................................................................................................... XI
1 Einführung .............................................................................................................................. 1
2 Hintergrund und Theoretische Grundlagen ............................................................................... 2
2.1 Müdigkeit beim Fahren: Problem und Lösungsansätze ......................................................... 2
2.1.1 Risiko durch Müdigkeit beim Autofahren ................................................................................ 2
2.1.1.1 Verwendung des Begriffs Müdigkeit ................................................................................................ 2
2.1.1.2 Merkmale müdigkeitsbedingter Unfälle und Risikofaktoren ........................................................... 3
2.1.1.3 Fahren unter Müdigkeit und Unfallrisiko ......................................................................................... 6
2.1.2 Wirksamkeit von Maßnahmen gegen Müdigkeit .................................................................... 7
2.1.3 Fahrerreaktionen auf Müdigkeit ............................................................................................ 12
2.1.4 Ansätze zur Minderung des Problems ................................................................................... 14
2.1.4.1 Gesetzgebung und Gesetzesvollzug ............................................................................................... 14
2.1.4.2 Organisationale Maßnahmen ......................................................................................................... 15
2.1.4.3 Aufklärungskampagnen .................................................................................................................. 16
2.1.4.4 Gestaltung des Verkehrsumfeldes .................................................................................................. 18
2.1.4.5 Fahrzeugtechnologie ...................................................................................................................... 19
2.2 Theoretische Aspekte der Warnwirkung ............................................................................ 20
2.2.1 Grundsätzliche Überlegungen zu Warnungen ....................................................................... 20
2.2.2 Ein Rahmenmodell der Warnwirkung .................................................................................... 21
2.2.2.1 Quelle ........................................................................................................................................... 23
2.2.2.2 Kanal ........................................................................................................................................... 24
2.2.2.3 Überbringung .................................................................................................................................. 24
2.2.2.4 Empfänger ...................................................................................................................................... 25
2.2.3 Gewichtung der Verarbeitungsstufen bei der verhaltenswirksamen Gestaltung von
Müdigkeitswarnungen im Fahrzeug....................................................................................... 29
2.2.4 Ein Modell sicherheitsbezogener Entscheidungsprozesse: Die Theorie der Schutzmotivation
und ihre Ansatzpunkte für eine verhaltenswirksame Müdigkeitswarnung ........................... 31
2.2.4.1 Schlüsselelemente in der Bedrohungseinschätzung ...................................................................... 33
2.2.4.2 Schlüsselelemente in der Bewältigungseinschätzung .................................................................... 36
2.2.4.3 Fazit ........................................................................................................................................... 38
IV
2.3 Müdigkeitswarnungen im Fahrzeug: Stand der Forschung und Entwicklung ........................ 40
2.3.1 Die Input-Seite: Technologien zur automatischen Erfassung des Fahrerzustands ............... 40
2.3.1.1 Modelle zur Vorhersage von Müdigkeit ......................................................................................... 40
2.3.1.2 Maße zur Online-Erfassung von Müdigkeit .................................................................................... 40
2.3.1.3 Detektionsalgorithmen ................................................................................................................... 43
2.3.1.4 Detektionsgüte aktueller Systeme ................................................................................................. 43
2.3.2 Die Output-Seite: Vorgeschlagene Warnkonzepte und empirische Befunde zur Wirksamkeit
................................................................................................................................... 49
2.3.2.1 Diagno se „Fahrer müde“ – was nun? ............................................................................................. 49
2.3.2.2 Rückmeldungen mit Schwerpunkt auf Wachheitskontrolle und Aktivierung................................. 49
2.3.2.3 Rückmeldungen mit Schwerpunkt auf Verhaltensänderung .......................................................... 52
2.3.3 Methodische Herausforderungen bei der Untersuchung der Warnungswirksamkeit .......... 58
2.3.4 Anforderungen an ein ökologisch valides Fahrsimulationsparadigma .................................. 60
2.3.5 Umsetzung der Anforderungen im vorgestellten Versuchsaufbau ....................................... 61
3 Experiment 1: Etablierung eines Fahrsimulationsparadigmas und Vergleich personalisierter mit
konventionellen Warnungen .................................................................................................. 63
3.1 Ziele ................................................................................................................................. 63
3.2 Methode .......................................................................................................................... 64
3.2.1 Untersuchungsdesign ............................................................................................................ 64
3.2.2 Materialien & Versuchsaufbau .............................................................................................. 64
3.2.2.1 Gestaltung und Anzeige der Warnmeldungen ............................................................................... 64
3.2.2.2 Versuchsumgebung ........................................................................................................................ 65
3.2.2.3 Anreizsituation................................................................................................................................ 66
3.2.2.4 Instrument zur Online-Müdigkeitserfassung: Die TUBSS ............................................................... 68
3.2.2.5 Fragen zur Erfassung der mediierenden kognitiven Variablen ....................................................... 69
3.2.2.6 Weitere Fragen im Nachbefragungsbogen ..................................................................................... 71
3.2.3 Durchführung ......................................................................................................................... 73
3.2.4 Hypothesen ............................................................................................................................ 75
3.2.5 Stichprobe .............................................................................................................................. 77
3.2.5.1 Einschlusskriterien und Rekrutierung ............................................................................................. 77
3.2.5.2 Charakteristika ................................................................................................................................ 77
3.3 Ergebnisse ........................................................................................................................ 78
3.3.1 Voranalysen ........................................................................................................................... 78
3.3.1.1 Subjektive Müdigkeit vor der Fahrt, zum Warnzeitpunkt und nach der Fahrt ............................... 78
3.3.1.2 Müdigkeitsverläufe während der Fahrt und Überschreitung des warnungskritischen Wertes .... 78
3.3.1.3 Bemerken und Verständnis der Warnanzeige ................................................................................ 79
V
3.3.1.4 Wahrnehmung von Außengeräuschen ........................................................................................... 79
3.3.1.5 Müdigkeitsurteile für die Warnungsbilder in der Bedingung „personalisierte Warnung“ ............. 79
3.3.2 Prüfung der Hypothesen ........................................................................................................ 79
3.3.2.1 Allgemeines Vorgehen .................................................................................................................... 79
3.3.2.2 Zur Interpretation der statististischen Kennwerte ......................................................................... 80
3.3.2.3 Pausenhäufigkeit ............................................................................................................................ 81
3.3.2.4 Subjektive Pausenwahrscheinlichkeit ............................................................................................. 81
3.3.2.5 Subjektive Vulnerabilität ................................................................................................................ 81
3.3.2.6 Maximal tolerierte Pausenkosten................................................................................................... 82
3.3.3 Analyse der verbleibenden PMT-Variablen ........................................................................... 84
3.3.3.1 Subjektiver Schweregrad der Schädigung ...................................................................................... 84
3.3.3.2 Subjektive Handlungswirksamkeit .................................................................................................. 85
3.3.3.3 Situative Selbstwirksamkeit ............................................................................................................ 86
3.3.4 Weitere Analysen ................................................................................................................... 86
3.3.4.1 Allgemeine Subjektive Pausenwahrscheinlichkeit .......................................................................... 86
3.3.4.2 Subjektive Aktivierung durch die Warnung .................................................................................... 87
3.3.4.3 Subjektive Ablenkung durch die Warnung ..................................................................................... 88
3.3.4.4 Wachhaltestrategien ...................................................................................................................... 88
3.4 Diskussion ........................................................................................................................ 92
3.4.1 Determinanten der Warnungswirksamkeit ........................................................................... 92
3.4.2 Befunde hinsichtlich der verbleibenden PMT-Variablen ....................................................... 93
3.4.3 Weitere Befunde .................................................................................................................... 95
3.4.4 Fahrsimulationsparadigma .................................................................................................... 95
3.4.5 Fazit und Ausblick .................................................................................................................. 98
4 Experiment 2: Mit Warnsystem sicherer als ohne? ................................................................. 99
4.1 Ziele ................................................................................................................................. 99
4.2 Methode ......................................................................................................................... 100
4.2.1 Untersuchungsdesign .......................................................................................................... 100
4.2.2 Materialien & Versuchsaufbau ............................................................................................ 100
4.2.2.1 Gestaltung und Anzeige der Warnmeldungen ............................................................................. 100
4.2.2.2 Versuchsumgebung ...................................................................................................................... 101
4.2.2.3 Anreizsituation.............................................................................................................................. 101
4.2.2.4 Fragen zur Erfassung der mediierenden kognitiven Variablen gemäß der PMT .......................... 103
4.2.3 Durchführung ....................................................................................................................... 105
4.2.4 Hypothesen .......................................................................................................................... 106
4.2.5 Stichprobe ............................................................................................................................ 107
VI
4.3 Ergebnisse ....................................................................................................................... 107
4.3.1 Voranalysen ......................................................................................................................... 107
4.3.1.1 Subjektive Müdigkeit vor der Fahrt, zu den Rückmeldungszeitpunkten und nach der Fahrt ...... 107
4.3.1.2 Müdigkeitsverläufe während der Fahrt und Überschreitung des warnungskritischen Wertes .. 108
4.3.1.3 Bemerken und Verständnis der Warnanzeige .............................................................................. 109
4.3.1.4 Müdigkeitsurteile für die Warnungsbilder in der Bedingung „personalisierte Warnung“ ........... 111
4.3.2 Prüfung der Hypothesen ...................................................................................................... 112
4.3.2.1 Pausenhäufigkeit .......................................................................................................................... 112
4.3.2.2 Subjektive Pausenwahrscheinlichkeit ........................................................................................... 113
4.3.2.3 Subjektive Vulnerabilität .............................................................................................................. 114
4.3.2.4 Maximal tolerierte Pausenkosten................................................................................................. 115
4.3.3 Analyse der verbleibenden PMT-Variablen ......................................................................... 116
4.3.3.1 Subjektiver Schweregrad der Schädigung .................................................................................... 116
4.3.3.2 Subjektive Handlungswirksamkeit ................................................................................................ 117
4.3.3.3 Subjektive Vulnerabilität nach Pause ........................................................................................... 118
4.3.3.4 Situative Selbstwirksamkeit .......................................................................................................... 119
4.3.4 Weitere Analysen ................................................................................................................. 119
4.3.4.1 Subjektive Aktivierung durch die Warnung .................................................................................. 119
4.3.4.2 Subjektive Ablenkung durch die Warnung ................................................................................... 120
4.3.4.3 Wachhaltestrategien: Art, Umfang und Effekt auf die Fahrleistung ............................................ 121
4.4 Diskussion ....................................................................................................................... 123
4.4.1 Determinanten der Warnungswirksamkeit ......................................................................... 123
4.4.2 Befunde hinsichtlich der verbleibenden PMT-Variablen ..................................................... 124
4.4.3 Weitere Befunde .................................................................................................................. 126
4.4.4 Fahrsimulationsparadigma .................................................................................................. 127
5 Allgemeine Diskussion und Ausblick ...................................................................................... 129
5.1 Zur Gestaltung verhaltenswirksamer Müdigkeitswarnungen ............................................. 129
5.1.1 Human Factors im Warnungsdesign: mehr als Wahrnehmbarkeit und Nutzerakzeptanz .. 129
5.1.2 Gewonnene Erkenntnisse zur Überzeugungs- und Verhaltenswirksamkeit verschiedener
Warnungsdesigns ................................................................................................................. 131
5.1.3 Anschließende Forschungsfragen ........................................................................................ 133
5.2 Zum Fahrsimulationsparadigma ....................................................................................... 136
5.2.1 Methodische Anpassungs- und Optimierungsmöglichkeiten .............................................. 136
5.2.2 Mehr ökologische Validität für Fahrsimulationsversuche jenseits der Warnungsevaluation ...
................................................................................................................................. 138
5.3 Andere Ansatzpunkte der PMT zum wirksamen Müdigkeitsmanagement .......................... 139
VIII
Gnothi seauthon.
Erkenne Dich selbst.
IX
Abkürzungsverzeichnis
EEG
Elektroenzephalographie / Elektroenzephalogramm
FOT
Field Operational Test
FRMS
Fatigue Risk Management System
System zum Management des Müdigkeitsrisikos (im Organisationskontext)
ICMM
International Council on Mining and Metals
JDS
Johns Drowsiness Score®
Ein Müdigkeitsmaß
KSS
Karolinska Sleepiness Scale
Eine Skala zur Selbstbeurteilung der Müdigkeit
MWS
Müdigkeitswarnsystem
PERCLOS
Percent closed
Ein Müdigkeitsmaß; Anteil der Zeit, in der die Pupille zu mehr als 80% durch das Lid
bedeckt ist
PMT
Protection Motivation Theory
Theorie der Schutzmotivation
PVT
Psychomotor Vigilance Task
Psychomotorische Vigilanzaufgabe
X
Zusammenfassung
Müdigkeitswarnsysteme (MWS) sind eine relativ neue Form der Fahrerassistenz, in deren Entwick-
lung der Forschungsschwerpunkt bisher deutlich auf der Detektionsseite lag. Wenig ist darüber be-
kannt, wie wirksam diese Systeme tatsächlich das Risiko müdigkeitsbedingter Unfälle mindern und
welche Faktoren der Warnungsgestaltung für die angestrebte Sicherheitswirkung ausschlaggebend
sind.
Mit Blick auf den problematischen Fahrerzustand kann grundsätzlich nur eine Reduktion der Mü-
digkeit das Sicherheitsrisiko effektiv verringern. Ziel einer Warnung ist daher, den Fahrer zu einer
Pause zu bewegen, in der er Koffein zu sich nehmen und / oder einen Kurzschlaf halten sollte. Aller-
dings wirken auf Ebene der Überzeugungen, Einstellungen und Motivation des Fahrers eine Reihe
psychologischer Prozesse diesem Zielverhalten entgegen. Zwei besondere Herausforderungen für die
Warnungswirkung sind die Tendenz zu unrealistischem Optimismus in der Einschätzung des persönli-
chen Risikos und die Tendenz zur Vermeidung unmittelbarer subjektiver Handlungskosten der Pause.
Vor diesem theoretischen Hintergrund wurde die Wirkung verschiedener Warnungsvarianten auf
Kognitionen, Motivation und Verhalten untersucht. Zu diesem Zweck wurde ein neues experimentel-
les Paradigma entwickelt, mit Hilfe dessen im Fahrsimulator die Anreizsituation einer realen War-
nungssituation nachgestellt werden kann. Zunächst wurde durch teilweise Schlafdeprivation und die
Ausnutzung circadianer Leistungstiefs ein hohes Grundniveau von Müdigkeit bei den Teilnehmern
erzeugt. Ergänzend wurde eine Konstellation aus möglichen finanziellen Gewinnen und Verlusten
geschaffen, die die grundlegenden Elemente der Motivationslage des Fahrers in einer realen War-
nungssituation nachbildet. Während simulierter Fahrten auf einer monotonen Strecke wurde der
Fahrerzustand überwacht. Bei Erreichung des definierten Müdigkeitskriteriums erhielten die Fahrer
eine von mehreren möglichen Rückmeldungen. In Experiment 1 wurden zwei Warnungsvarianten
verglichen: eine Standardwarnung (Kaffeetassensymbol) und eine Warnung mit einem Bild des Fah-
rers aus der aktuellen Situation, die mit Fokus auf eine hohe Überzeugungswirkung neu entwickelt
wurde. Auf der Ebene verhaltensrelevanter Überzeugungen wies die Gruppe der mit eigenem Bild
gewarnten Fahrer hierbei höhere Ausprägungen hinsichtlich der Gefährdungswahrnehmung und
hinsichtlich der wahrgenommenen Effektivität einer Pause auf. Die Inzidenz von Pausen war jedoch
insgesamt sehr gering. In Experiment 2 wurden die Anreizbedingungen verschärft und die Wirkung
beider Warnungsvarianten mit einer Situation ohne Warnsystem verglichen. Hierbei zeigte sich, dass
die Standardwarnung die Gefährdungswahrnehmung und Pausenwahrscheinlichkeit zwar in erwarte-
ter Richtung, aber nur in sehr geringem Umfang beeinflusste. Die Warnung mit eigenem Bild führte
konsistent zu größeren Effekten in verhaltensrelevanten Überzeugungen und beobachteten Pausen.
In beiden Experimenten wurde zudem der situative Kontext der Warnung variiert, indem die War-
nung entweder relativ nah dem Ziel oder in höherer Zielentfernung gegeben wurde. Erwartungsge-
mäß wirkte sich eine größere Nähe zum Ziel erschwerend auf Pausenmotivation und –verhalten aus.
Die Ergebnisse geben erste Anhaltspunkte darauf, wie durch eine stärkere Berücksichtigung der
Überzeugungs- und Motivationsfunktion in der Warnungsgestaltung die Sicherheitswirksamkeit von
Müdigkeitswarnsystemen erhöht werden kann. Neben der Entwicklung von Detektionssystemen
sollte sich empirische Forschung in Zukunft verstärkt auf die messbaren Sicherheitseffekte von War-
nungen sowie die vermittelnden psychologischen Mechanismen richten, damit auch die bisher wenig
berücksichtigte Outputseite von Müdigkeitswarnern optimiert werden kann.
Schlagworte: Müdigkeitsdetektion, Müdigkeitswarnung, Überzeugung, Motivation, Optimismusbias,
Müdigkeitsmanagement
XI
Abstract
Drowsiness warning systems are a relatively new kind of driver assistance. In their development so
far, there was an articulate research focus on the problem of drowsiness detection. Little is known
about how effective these systems actually are in reducing the risk of drowsiness-related accidents
and about what aspects of warning design are crucial in achieving the desired effect on safety.
As to the critical driver state, only a reduction in drowsiness can effectively mitigate the safety
risk. Therefore the objective of a warning is to convince the driver to take a break during which he
should ingest caffeine and / or take a short nap. However, on the level of beliefs, attitudes and moti-
vation, a number of psychological processes counteract this desired behavior. There are two tenden-
cies that represent a particular challenge to warning effectiveness: the optimism bias in the appraisal
of personal risk and the tendency to avoid immediate subjective response costs associated with a
break.
Against this background, the current studies examined the effect of different warning alternatives
on cognitive, motivational and behavioral variables. For this purpose, a new experimental paradigm
was developed for reproducing, in the driving simulator, the constellation of incentives typical of a
real warning situation. A high initial level of drowsiness was induced among participants by partial
sleep deprivation and by exploitation of circadian lows in performance. In addition, a constellation of
potential gains and losses was created to emulate the most important elements of driver motivation
in a real warning situation. Driver state was monitored during simulated drives on a monotonous
road. At meeting a defined drowsiness criterion, drivers were given one of several feedback variants.
Experiment 1 compared two warning alternatives: a standard warning (coffee cup symbol) and a
warning involving an image of the driver derived from the current situation, which was newly devel-
oped with focus on high persuasiveness. On the level of behaviorally relevant beliefs, the group of
drivers warned by means of their own image scored higher on subjective vulnerability as well as per-
ceived effectiveness of a break. Overall, the incidence of breaks was extremely low however. In Ex-
periment 2, the incentive conditions were exacerbated, and the effects of either warning alternative
were compared to a situation without any warning system. It turned out that the standard warning
affected subjective vulnerability and break frequency in the expected direction, but only to a very
small extent. The warning involving the driver image consistently entailed larger effects on behavior-
ally relevant beliefs and observable breaks. Moreover, in both experiments, the situational context of
the warning was varied by displaying it either in close proximity to the destination or at a larger dis-
tance to go. As expected, close proximity to one’s destination had adverse effects on motivation to
take a break and observable breaks.
The results provide initial evidence as to how the safety effect of drowsiness warning systems can
be enhanced by greater consideration of the persuasive and motivational functions in warning de-
sign. Alongside the development of detection technology, future empirical research should be di-
rected to a greater extent at the measurable effectiveness of warnings and the mediating psycholog-
ical processes in order to optimize not only the input, but also the output of drowsiness warning sys-
tems.
Key words: drowsiness detection, drowsiness warning, persuasion, motivation, optimism bias, fatigue
management
1
1 Einführung
Vor etwa 30 Jahren begann eine technologische Entwicklung, die inzwischen auf dem Markt ange-
kommen ist, aber dennoch viele Fragen offen lässt. Auf der Suche nach Möglichkeiten, das Autofah-
ren sicherer zu machen, war Müdigkeit als eine bedeutsame Ursache schwerer Unfälle erkannt wor-
den. Zudem ließ der Entwicklungsstand der EDV- und Sensortechnik es machbar erscheinen: Fahrer-
müdigkeitserkennung mit dem Ziel, die Zahl und Schwere müdigkeitsbedingter Unfälle zu reduzieren.
Interdisziplinär begannen Wissenschaftler, die Phänomenologie der Fahrermüdigkeit im Hinblick
auf automatisch messbare Indikatoren zu erforschen. Augenöffnungsgrad, Lidschlüsse, Lenkverhal-
ten, Fahrleistung, Hirnströme, Herzschlag, Hautleitwert, Körpertemperatur, Haltung, Gesichtsaus-
druck – viele kamen in Frage. Dazu galt es, geeignete Algorithmen zur Transformation der erfassten
Indikatoren in eine binäre Entscheidung (kritisch vs. unkritisch) zu entwickeln.
Es zeigte sich bald, dass automatische Müdigkeitsdetektion ein herausforderndes Unterfangen ist.
Viele Probleme, an deren Lösung zum Teil auch heute noch gearbeitet wird, ergeben sich in Bezug
auf die störungsfreie Erfassung, Sensitivität und Spezifität der Indikatoren. Inter- und
intraindividuelle Unterschiede erschweren die Definition von Müdigkeitsschwellen.
Angesichts dieser Schwierigkeiten und der Komplexität der auf das Problem angesetzten Techno-
logien würde es nicht verwundern, wenn ein Großteil der Beteiligten zu einer bestimmten Auffassung
gelangt wäre - der Auffassung, die Entwicklung eines reliablen und validen Verfahrens zur automati-
schen Detektion von Müdigkeit sei der schwierigste Part in der Entwicklung eines müdigkeitsbezoge-
nen Sicherheitssystems.
Zumindest würde eine solche Auffassung die relative Vernachlässigung des zweiten entscheiden-
den Aspekts in der Forschung erklären: Wie kann das Wissen über die Fahrermüdigkeit in Sicherheits-
gewinne transformiert werden? Ein Ansatz besteht darin, im Zeitfenster der geminderten Leistungs-
fähigkeit automatische Fahrzeugsicherheitssysteme (Antiblockiersystem, automatischer Bremsvor-
halt, Gurtstraffer u.a.) sensitiver einzustellen. Dennoch steht eines eines fest: Solange der Fahrerzu-
stand überhaupt eine sicherheitsrelevante Größe ist, wird das Verhalten des Fahrers die wichtigste
Determinante dafür bleiben, ob Müdigkeitserkennung die Sicherheit erhöhen kann oder nicht. Folge-
richtig besteht der am häufigsten verwendete Ansatz zum Umgang mit der Müdigkeitsdiagnose da-
rin, dem Fahrer1 eine Rückmeldung zu geben.
Im hier fokussierten privaten Kfz-Sektor hat sich für die Form dieser Rückmeldung eine Art Stan-
dardvariante etabliert. Sie besteht in der Kombination einer kurzen Textmeldung (z. B. „Müdigkeit
erkannt. Bitte Pause.“) mit der Anzeige eines Kaffeetassensymbols. Bisher ist allerdings völlig unklar,
ob und in welchem Maße diese Art von Feedback zur Erhöhung der Sicherheit beiträgt. Ebenso wenig
ist geklärt, welche kontextuellen Bedingungen für einen Sicherheitseffekt gegeben sein müssen und
durch welche Gestaltungsmaßnahmen die Wirksamkeit bei Bedarf erhöht werden könnte.
Vor diesem Hintergrund verfolgt die vorliegende Arbeit folgende Forschungsziele:
1) die Einbettung des Problems in einen geeigneten theoretischen Rahmen, der die Identifikati-
on von Wirksamkeitshemmnissen und von Ansatzpunkten für eine gezielte Gestaltung ver-
haltenswirksamer Müdigkeitswarnungen erlaubt,
1 Anmerkung: In dieser Arbeit wird durchgängig die Form „der Fahrer“ verwendet, um Personen aller Ge-
schlechter zu bezeichnen, die ein Kraftfahrzeug führen. Die Wahl dieser Form beruht auf deren Kürze und
Prägnanz. Leserinnen und Leser sind hiermit ausdrücklich aufgefordert, sich Personen aller Geschlechter in der
Rolle des „Fah rers“ vorzustellen.
2
2) die empirische Erprobung der Standardwarnungsvariante „Kaffeetasse“ hinsichtlich ihrer
Wirkung auf risikobezogene Überzeugungen und Verhalten,
3) die entsprechende empirische Erprobung einer alternativen Warnungsvariante „eigenes
Bild“, die theoriegeleitet mit Fokus auf hohe Überzeugungswirkung entwickelt wurde, und
4) die Gewinnung empirischer Erkenntnisse zur Wirkung des situativen Kontexts, in dem die
Warnung erfolgt, am Beispiel des universell wirksamen Faktors „Zielentfernung zum War-
nungszeitpunkt“.
Die theoretische Beschäftigung mit dem Warnungsproblem soll dabei einen möglichst umfassenden
Überblick über die multiplen Faktoren geben, die Einfluss auf die Reaktionen des Fahrers nach einer
Müdigkeitsrückmeldung nehmen. Der Fokus liegt auf einer wichtigen Besonderheit menschlicher
Entscheidungsprozesse: kognitiv, motivational und emotional bedingten Abweichungen von einer
rationalen Norm, die im Sinne einer erfolgreichen Verhaltensbeeinflussung unbedingt berücksichtigt
werden müssen. Als Basis der erfolgreichen Auseinandersetzung mit dem Thema ist darüber hinaus
aber auch eine gewisse Kenntnis der Natur von Müdigkeit und ihrer Wirkung auf das Unfallrisiko er-
forderlich. Ferner sollte bekannt sein, welche Maßnahmen überhaupt gegen Müdigkeit helfen und
wie Fahrer de facto bei Müdigkeit reagieren. Da die positive Beeinflussung des Fahrerverhaltens
durch eine Warnung nur so gut sein kann, wie es die Rahmenbedingungen erlauben (Verkehrsinfra-
struktur, Rechtliche Regelungen, Organisationsmerkmale u.a.), sollte auch bedacht werden, welche
Gestaltungsmöglichkeiten sich auf diesen Ebenen bieten und dass alle Ebenen zusammen wirken.
Ebenso gilt es den Stand der Detektionstechnologie und Erfahrungen mit vorhandenen Rückmel-
dungsansätzen zu berücksichtigen. Da die entsprechende empirische Basis mit Blick auf den privaten
Kfz-Sektor sehr schmal ist, sollen hierbei auch die etwas zahlreicheren Erkenntnisse aus dem kom-
merziellen Bereich in die Überlegungen einbezogen werden. Auf diese Weise soll ein praktischer
Rahmen für die Ableitung sinnvoller Designlösungen geschaffen werden, der auch über die hier fo-
kussierten Faktoren hinaus in der Warnungsgestaltung genutzt werden kann.
2 Hintergrund und Theoretische Grundlagen
2.1 Müdigkeit beim Fahren: Problem und Lösungsansätze
2.1.1 Risiko durch Müdigkeit beim Autofahren
2.1.1.1 Verwendung des Begriffs Müdigkeit
Da es in der Wissenschaft unterschiedliche Auffassungen darüber gibt, was genau unter Müdigkeit zu
verstehen ist, und wie sie sich von verwandten Konzepten abgrenzt (vgl. May & Baldwin, 2009;
Schmidt, 2010), soll zunächst kurz definiert werden, wie der Begriff in dieser Arbeit verwendet wird.
Vor dem Hintergrund der praktischen Bedeutsamkeit der Müdigkeit als Risikofaktor beim Autofahren
wird folgende Begriffsbestimmung zugrunde gelegt: Müdigkeit ist eine durch die Tageszeit, vorange-
gangene Schlaf- und Wachzeiten sowie die Dauer und Art der Fahraufgabe bedingte Einschränkung
der Leistungsfähigkeit in der Kraftfahrzeugführung.
Wie auch in der Anlage und Logik der durchgeführten Experimente ersichtlich werden wird, zielt
diese Definition bezüglich der darin implizierten Ursachen von Müdigkeit in erster Linie auf die bei-
den im Rahmen der meisten Müdigkeitsmodelle prominentesten Faktoren ab: eine circadiane Kom-
ponente (aktuelle Befindlichkeit im Rahmen des Tag-Nacht-Rhythmus) und eine homöostatische
Komponente (vorangegangene Zeit ohne Schlaf) (Achermann, 2004; Borbély, 1982). Damit knüpft die
hier verwendete Definition an ein Verständnis von Müdigkeit an, das oft auch mit dem Begriff
3
Schläfrigkeit spezifiziert wird. Als eine dritte mögliche Quelle von Müdigkeit wird aber im Rahmen
des hiesigen Verständnisses auch eine aufgabenbedingte Komponente (time-on-task) angesehen
(Gundel, Marsalek & ten Thoren, 2007; Koh, Jones, Spencer & Thomas, 2007). Somit schließt Müdig-
keit hier auch den Aspekt mit ein, der zuweilen mit dem Begriff Ermüdung bezeichnet wird (vgl. Kar-
rer-Gauß, 2012).
Alle drei Ursachen werden eingeschlossen, weil alle drei die hier fokussierten Arten von Leis-
tungseinschränkungen verschärfen. Beim Autofahren sind dies im Wesentlichen: 1) nachlassende
Fähigkeit zur Daueraufmerksamkeit und daraus entstehende Fehler auf sensorischer, kognitiver und
motorischer Ebene und 2) erhöhte Einschlafneigung und entsprechend erhöhte Wahrscheinlichkeit
des Auftretens von Sekundenschlaf.
2.1.1.2 Merkmale müdigkeitsbedingter Unfälle und Risikofaktoren
Unfälle, die aufgrund der erstgenannten Art müdigkeitsbedingter Leistungseinschränkungen entste-
hen, sind schwierig zweifelsfrei als solche zu identifizieren (s.a. 2.1.1.3). Zwar können bestimmte
Unfallmerkmale Hinweise geben, ob eine unangemessene Aufmerksamkeitsausrichtung die Unfallur-
sache war, allein, es ist kaum möglich zu rekonstruieren, inwiefern Müdigkeit eine Rolle spielte, denn
es gibt eine große Zahl anderer Faktoren, die ebenfalls Unaufmerksamkeit begünstigen (Gordon,
2009; Lee, Young & Regan, 2009; Regan, Young, Lee & Gordon, 2009).
Relativ eindeutig auf Müdigkeit zurückgeführt werden können solche Unfälle, bei denen die Zei-
chen für ein Einschlafen am Steuer sprechen. Horne und Reyner (1995b, zitiert nach Horne & Reyner,
1995a) nutzten folgende Merkmale zur Identifikation solcher Unfälle: Das Fahrzeug hat die Straße
verlassen oder ist hinten auf ein anderes Fahrzeug aufgefahren, es gibt keine Bremsspuren, Wetter
und Sicht waren gut, Defekte am Fahrzeug, überhöhte Geschwindigkeit, zu geringer Abstand und
Alkoholeinfluss wurden ausgeschlossen.
Mit Hilfe solcher oder ähnlicher Kriterien konnten anhand von Unfallstudien Charakteristika mü-
digkeitsbedingter Unfälle herausgearbeitet werden. So ermittelte die US-Bundesbehörde für Stra-
ßen- und Fahrzeugsicherheit NHTSA, dass die Fahrer typischerweise (64% der Fälle) mit festen Objek-
ten (Bäume, Leitplanken, Verkehrsschilder usw.) kollidierten. In 23% der Fälle kam es zu einem Zu-
sammenstoß mit einem anderen Fahrzeug, und 7% der Unfallwagen überschlugen sich (nach
Eskandarian, Sayed, Delaigue, Blum & Mortazavi, 2007). Wegen des Kontrollverlusts und hoher Auf-
prallgeschwindigkeiten führen solche Unfälle überproportional häufig zu besonders schweren Verlet-
zungen oder Tod (Flatley, Horne & Reyner, 2004; Horne & Reyner, 1999).
Neben solchen markanten Folgen konnte auch eine ganze Reihe von Faktoren identifiziert wer-
den, die das Auftreten müdigkeitsbedingter Unfälle begünstigen. Aus naheliegenden Gründen finden
sich darunter zunächst die drei bereits in der Definition als primäre Müdigkeitsursachen identifizier-
ten Komponenten wieder. Darüber hinaus tragen aber noch weitere Faktoren zur Erhöhung des Mü-
digkeitsunfallrisikos bei (s.a. Übersicht in Abbildung 1).
Circadianer Faktor, Tageszeit. Während der gesamten Nacht von etwa 1:00 bis 7:00 Uhr ist das Risiko
müdigkeitsbedingter Unfälle im Vergleich zum Tage deutlich höher. Innerhalb der Nachtzeit liegt die
Spitze zwischen 2:00 und 3:00 Uhr. Ein zweites, vergleichsweise kleineres Maximum wurde am
Nachmittag zwischen 15:00 und 16:00 Uhr festgestellt (Eskandarian, Mortazavi & Sayed, 2012;
Folkard, 1997; Horne & Reyner, 1995b). Horne und Reyner berechnen beispielhaft, dass unter Be-
rücksichtigung der Verkehrsdichte die Wahrscheinlichkeit eines Müdigkeitsunfalls um 2:00 Uhr etwa
50mal und um 16:00 Uhr etwa 3mal so hoch ist wie um 10:00 Uhr.
4
Vor dem Hintergrund dieser circadianen Rhythmik stellen auch alle Umstände, die ein Fahren
während der Leistungstiefs wahrscheinlicher machen und / oder via Desynchronisation zu exzessiver
Müdigkeit führen, Risikofaktoren für Müdigkeitsunfälle dar. Dazu gehören unter anderem unregel-
mäßige Arbeits- und Schlafrhythmen, häufiges Fahren bei Nacht und lange Fahrzeiten (Stutts, Wil-
kins, Scott & Vaughn, 2003).
Abbildung 1. Bandbreite endogener und exogener Variablen, die mit Müdigkeit in Verbindung gebracht werden.
(Modifizierte Darstellung nach Di Milia et al., 2011, S. 517; wiederveröffentlicht mit Genehmigung von Perga-
mon, Genehmigung übermittelt durch Copyright Clearance Center, Inc.)
Homöostase-Faktor, Zeit ohne Schlaf. Mangel an Schlaf, sowohl akut als auch chronisch, ist mit einer
Zunahme des Unfallrisikos assoziiert (Williamson et al., 2011). Stutts et al. (2003) berechneten in
einer Fallkontrollstudie, wie sich die Odds2 eines müdigkeitsbedingten Unfalls zu zunehmenden Re-
duktionen in der Dauer des vorangegangenen Schlafes verhielten. Im Vergleich zu Fahrern mit 8
Stunden Schlaf war das Risiko nach nur 6-7 Stunden Schlaf bereits etwa 3mal, nach 4-6 Stunden
Schlaf etwa 10- bis 12mal und nach weniger als 4 Stunden etwa 20mal so hoch. Wer vor dem Unfall
zwischen 15 und 20 Stunden wach geblieben war, dessen Risiko war 10fach erhöht. Nach mehr als 20
Stunden Wachheit war die Wahrscheinlichkeit eines Müdigkeitsunfalls mehr als 60mal so hoch.
Entsprechend stellen auch persönliche Umstände, die die Quantität oder Qualität des Schlafes
akut oder chronisch beeinträchtigen, potentielle Risikofaktoren dar. Solche Umstände sind beispiels-
weise Nacht- oder wechselnde Schichtarbeit, übermäßig lange Arbeitszeiten, unbehandelte Schlaf-
störungen oder neugeborene Kinder (Connor, 2009; Ftouni et al., 2013; Gay, Lee & Lee, 2004). Medi-
kamente und Substanzen wie Anxiolytika, Sedativa, Antihistaminika und Alkohol beeinflussen eben-
falls Müdigkeit und Unfallrisiko (Stutts et al., 2003).
2 Die Odds ergeben sich aus dem Quotienten der Wahrscheinlichkeit, dass ein Unfall in der Stichprobe müdig-
keitsbedingt war, und der Gegenwahrscheinlichkeit (dass für einen betrachteten Unfall andere Ursachen als
Müdigkeit identifiziert worden waren). Aus Gründen der besseren Lesbarkeit und mangels einer eingängigen
deutschen Entsprechung wird der Begriff Odds hier nicht übersetzt.
5
Zeit seit Fahrtbeginn und Zeit seit letzter Pause. Die Studie von Stutts et al. (2003) zeigte auch einen
nichtlinearen Zusammenhang zwischen der Fahrdauer vor dem Unfall und der Wahrscheinlichkeit,
dass es sich um einen müdigkeitsbedingten Unfall handelte. Eine Erhöhung des Risikos war bereits ab
der zweiten Viertelstunde Fahrt festzustellen. Das höchste Risiko wurde innerhalb der zweiten Stun-
de beobachtet (siebenfach erhöht im Vergleich zu den ersten 15 min). Danach gab es wieder einen
leichten Rückgang, insgesamt waren die Odds dennoch etwa vier- bis fünfmal so hoch. Die Ergebnisse
jenseits von 5 Stunden Fahrdauer wurden hier zu einer Kategorie zusammengefasst, so dass die Risi-
koentwicklung in diesem Bereich nicht feiner aufzulösen ist. Zudem ist der Effekt der Fahrdauer bei
den Müdigkeitsunfällen vermutlich mit dem anderer Variablen, wie Fahrtzeitpunkt, vorangegangene
Wachdauer etc., konfundiert. Sagaspe et al. (2008) konnten jedoch in einer nächtlichen Realfahrt
experimentell nachweisen, dass längere Fahrdauern Fahrfehler begünstigten. Wie sich die Häufigkeit
von Autounfällen in Abhängigkeit von Pausen verhält, ist kaum untersucht. Unfallanalysen aus der
Industrie (Tucker, Lombardi, Smith & Folkard, 2006) ebenso wie Leistungsdaten aus Fahrexperimen-
ten (Horne & Reyner, 1996) lassen aber vermuten, dass Pausen zwar Sicherheitsgewinne bringen,
dieser Effekt allerdings relativ kurzlebig ist und maximal eine halbe Stunde vorhält.
Zielentfernung. Bisher seltener im Fokus der Forschung, trägt vermutlich auch eine hohe Nähe zum
Zielort zur Erhöhung der Wahrscheinlichkeit von Müdigkeitsunfällen bei (über die damit verbunde-
nen längeren vorangegangenen Fahrdauern hinaus). Armstrong, Haworth, Watling und Trenorden
(2011) fanden, dass etwa 20% der müdigkeitsbedingten Unfälle in ihrer Stichprobe weniger als 5 km
vom Zielort entfernt auftraten. Insgesamt 50% der Unfälle ereigneten sich in einem Radius von
höchstens 20 km Entfernung vom Fahrziel. Die Autoren vermuten als Wirkmechanismus, dass hohe
Zielnähe bei Fahrern die Entscheidung begünstigt, trotz Müdigkeit weiterzufahren, und raten eine
systematischere Erforschung dieses Einflusses an (s.a. Armstrong, Obst, Banks & Smith, 2010).
Merkmale der Fahraufgabe und der Umgebung. Müdigkeitsbedingte Unfälle treten deutlich häufiger
unter monotonen Bedingungen auf (Connor, 2009; Horne & Reyner, 1999). Monotonie - geringe Va-
riabilität der auftretenden Stimuli und Regulationserfordernisse - entsteht zum Beispiel auf Straßen
mit langen geraden und ebenen Abschnitten, wie auf Autobahnen und Schnellstraßen, sowie in länd-
lichen Umgebungen mit geringer Verkehrsdichte. Carskadon und Dement (1987; nach Williamson et
al., 2011) kommen zu dem Schluss, dass Monotonie (ebenso wie Langeweile, schweres Essen, warme
Umgebung etc.) Müdigkeit nicht verursacht, sondern lediglich ein bestehendes latentes Schlafbe-
dürfnis „entlarvt“ und in Erleben und Verhalten manifest werden lässt.
Interindividuelle Unterschiede. Neben den bisher genannten Faktoren existiert eine Vielzahl demo-
graphischer und Persönlichkeitsvariablen, welche Einfluss auf das Ausmaß auftretender Müdigkeit,
deren subjektive Wahrnehmung und den Umgang damit haben und somit auch das Risiko müdig-
keitsbedingter Unfälle verändern können. Am besten untersucht sind Alter und Geschlecht (Di Milia
et al., 2011). Bruno (2004; nach Smolensky, Di Milia, Ohayon & Philip, 2011) zeigte, dass das Risiko
müdigkeitsbedingter Unfälle für Fahrer jüngeren (18-24 J.) und mittleren (25-44 J.) Alters nachts ca.
2:30 - 3:30 Uhr eine Spitze erreicht, die in den Unfalldaten älterer Fahrer (<64 J.) nicht vorhanden ist
(s.a. Armstrong et al., 2011). Bei den Älteren ist wiederum der Anstieg der Unfallhäufigkeiten am
Nachmittag, den auch die beiden jüngeren Gruppen verzeichnen, sehr viel deutlicher ausgeprägt.
Andere Studien (Akerstedt & Kecklund, 2001; Horne & Reyner, 1995b), die auch vorhandene Alters-
unterschiede in der Häufigkeit der Straßennutzung zu verschiedenen Tageszeiten berücksichtigten,
erbrachten ähnliche Ergebnisse. Somit kommen altersbedingte Unterschiede im Müdigkeitsverlauf
als Erklärung für die unterschiedlichen Risikomaxima in Frage. Innerhalb der Gruppe der Jüngeren
6
sind Männer nachts noch stärker gefährdet als Frauen (Akerstedt & Kecklund, 2001; Horne & Reyner,
1995b). Neben Unterschieden in bereits genannten Faktoren, die Ausmaß und Verlauf von Müdigkeit
beeinflussen, spielen bei der Erklärung der Geschlechtsunterschiede – ebenso wie grundsätzlich in
der Genese müdigkeitsbedingter Unfälle – vermutlich auch Persönlichkeitsunterschiede eine Rolle.
Extraversion, Sensation Seeking, Neurotizimus und andere Merkmale mediieren wahrscheinlich die
Entstehung von Müdigkeit, deren Wahrnehmung und die Reaktionen darauf, allerdings fehlen bisher
entsprechende Studien (Di Milia et al., 2011).
2.1.1.3 Fahren unter Müdigkeit und Unfallrisiko
Sowohl augenscheinlich als auch angesichts des in experimentellen Studien gesammelten umfangrei-
chen Wissens darüber, wie sich Müdigkeit in einer Vielzahl fahrrelevanter Leistungsbereiche negativ
auswirkt (Übersichten z. B. bei Goel, Basner, Rao & Dinges, 2013; Popp, 2005; Williamson et al.,
2011), erscheint ein kausaler Zusammenhang von Müdigkeit und Unfällen in hohem Maße plausibel.
Beim Versuch, diesen Zusammenhang zu quantifizieren, tun sich jedoch eine Reihe methodischer
Hürden auf (Connor, 2009).
Einen Untersuchungsansatz bieten Simulationsstudien. Ein Vorteil des Simulationsansatzes im
Vergleich zu epidemiologischen Ansätzen ist, dass die Müdigkeit vor einem Unfallereignis nicht nur
relativ gut erfassbar ist, sondern auch gezielt manipuliert werden kann. Die Ergebnisse aus solchen
Studien zeigen deutliche Effekte von Müdigkeit (meist operationalisiert durch Schlafentzug) auf Fahr-
leistung und Unfallwahrscheinlichkeit (Akerstedt, Peters, Anund & Kecklund, 2005; Connor, 2009;
Ingre et al., 2006). Dennoch verbleiben auch bei hoher Realitätsnähe von Fahrsimulationen kontex-
tuelle Unterschiede zum wirklichen Fahren (z. B. im Hinblick auf das von den Probanden erlebte Risi-
ko), die Einfluss darauf haben, inwiefern sich die gemessenen Effekte in realen Verkehrssituationen
wiederfinden (s.a. Hallvig et al., 2013; Philip et al., 2005; Rose, 2006, und Diskussion in 5.2.2).
Grundsätzlich ist es wünschenswert, das müdigkeitsassoziierte Unfallrisiko anhand realer Unfall-
daten abzuschätzen. Deskriptive Unfalluntersuchungen und Fall-Kontroll-Studien sind jedoch mit me-
thodischen Herausforderungen anderer Art konfrontiert. Zwei Hauptprobleme resultieren aus den
Schwierigkeiten, zum einen die Müdigkeit eines Fahrers vor einem Unfallereignis (oder auch einem
ungeschehenen Unfall in der Kontrollgruppe) zu bestimmen und zum anderen alternative Erklärun-
gen für einen gefundenen Zusammenhang mit Sicherheit ausschließen zu können. Polizistenurteile
oder eine nachträgliche Klassifizierung der Unfallursache anhand von Unfallmerkmalen führen ver-
mutlich zu einer Unterschätzung des Einflusses von Müdigkeit: Auch wenn kein diagnostizierbares
Einschlafen (s. 2.1.1.2) vorlag, kann Müdigkeit das Auftreten fataler Fehler begünstigt haben; ein
offensichtlich alkoholisierter Fahrer kann zusätzlich übermüdet gewesen sein. Die Zuordnung von
Müdigkeit als Unfallursache erfolgt jedoch meist erst nach Ausschluss aller anderen möglichen Fakto-
ren (z. B. Unaufmerksamkeit, Alkoholeinfluss; Williamson et al., 2011). Weil die nachträgliche Mes-
sung der Müdigkeit vor einem Unfall so schwierig ist, greifen epidemiologische Untersuchungen oft
auf die Erfassung von Müdigkeitsursachen wie Schlafdauer, Länge des Wachzeitraums oder Tageszeit
zurück und vergleichen Personen, die Unfälle hatten, bezüglich dieser Kriterien mit Personen, die
keine Unfälle hatten. Das Fazit aus Studien dieser Art ist relativ deutlich: Müdigkeit erhöht das Unfall-
risiko (Überblick bei Connor, 2009). Bezüglich der Größe des Effekts variieren die Schätzungen. Er-
gänzend zu den unter 2.1.1.2 berichteten Zahlen soll hier beispielhaft eine Fall-Kontroll-Studie ange-
führt werden, die Connor (2009) wegen der sauberen Methodik hervorhebt: Terán-Santos, Jiménez-
Gómez und Cordero-Guevara (1999) fanden, dass bei Personen mit dem Müdigkeitsrisikofaktor
Schlafapnoe die Odds eines Unfalls mit Verletzungsfolgen im Vergleich zur Kontrollgruppe auf das 7-
7
bis 8fache erhöht waren (s.a. Akerstedt, Connor, Gray & Kecklund, 2008; Connor et al., 2002; Connor,
Whitlock, Jackson & Norton, 2001; Cummings, Koepsell, Moffat & Rivara, 2001; Nabi, 2006; Stutts et
al., 2003).
Auch die in deskriptiven Unfallstudien gefundenen Zahlen schwanken, doch eine typische Schät-
zung lautet, dass etwa 15-20% aller Unfälle auf Müdigkeit zurückzuführen sind (Akerstedt, 2000; s.a.
Fletcher, McCulloch, Baulk & Dawson, 2005; Hell & Langwieder, 2001; Horne & Reyner, 1995b;
MacLean, Davies & Thiele, 2003; ten Thoren & Gundel, 2003)
Eine relativ neue und interessante Möglichkeit zur Erfassung der Rolle von Müdigkeit in Unfällen
bieten Field Operational Tests (FOT). Hierfür werden Fahrzeuge, die sich im normalen Gebrauch be-
finden, mit umfangreicher Messtechnik ausgestattet. Die Kombination dynamischer Fahrzeugdaten
mit Videoaufnahmen des Fahrerverhaltens und der Verkehrssituation eröffnet bis dato nicht verfüg-
bare Möglichkeiten, im Fall eines Unfalls die vorangegangene Müdigkeit eines Fahrers zu quantifizie-
ren. Aus der bislang größten Studie dieser Art, in der über ein Jahr hinweg Daten von rund 100 Fahr-
zeugen gesammelt wurden, stammen die Schätzungen, dass Müdigkeit in 12% aller beobachteten
Unfälle ursächlich beteiligt war (Dingus, Klauer, Neale, Petersen & Lee, 2006) und sich damit die Odds
eines Unfalls auf das etwa Fünffache erhöhten (Klauer, Neale, Dingus, Sudweeks & Ramsey, 2006).
Eine derzeit noch relevante Limitation von FOT sind die relativ geringen Fallzahlen, auf denen die
Schlussfolgerungen beruhen (s.a. Hanowski, Wierwille & Dingus, 2003).
Vor dem Hintergrund solcher Daten und des häufig hohen Schweregrades müdigkeitsbedingter
Unfälle schätzte eine internationale Expertengruppe (Akerstedt, 2000) Müdigkeit noch vor Alkohol
und Drogen als bedeutsamste identifizier- und vermeidbare Unfallursache im Verkehrswesen ein,
verbunden mit immensen Schäden für Individuen und Gesellschaft. In einem Consensus Statement:
Fatigue and Accidents in Transport Operations formulierten sie die daraus folgende Forderung an die
wissenschaftliche Gemeinschaft, in Zusammenarbeit mit Regierungen, Industrie, Erwerbsbevölkerung
und Öffentlichkeit Strategien zum Müdigkeitsmanagement zu implementieren und die Forschung zu
Ursachen, Folgen und Interventionsmöglichkeiten in Bezug auf Müdigkeit voranzutreiben.
2.1.2 Wirksamkeit von Maßnahmen gegen Müdigkeit
Eine Voraussetzung für die Entwicklung effektiver Interventionsstrategien sind Erkenntnisse über
wirksame Gegenmaßnahmen bei Müdigkeit. Bevor eine Müdigkeitswarnung verhaltenswirksam ge-
staltet werden kann, muss klar definiert sein, welches Zielverhalten dadurch gefördert werden soll.
Eine kurze Kommunikationsepisode, wie sie auch durch eine typische Fahrzeuganzeige repräsen-
tiert wird, führt bei müden Fahrern zu einer kurzfristigen Aktivierung, die jedoch schnell abklingt (vgl.
Mallis et al., 2000; Schmidt, Schrauf, Simon, Buchner & Kincses, 2011; 2.3.2.2), so dass wenig später
erneut ein kritisches Müdigkeitsniveau erreicht wird und wiederum gewarnt werden müsste. Die
Konstruktion eines solchen „Wachhaltesystems“ ist sowohl unter dem Sicherheits‐ als auch dem
rechtlichen Aspekt weder im Sinne der Nutzer noch der Entwickler von Müdigkeitswarnsystemen
(„MWS“ im Folgenden; Ayoob, Steinfeld & Grace, 2003). Stattdessen sollte eine Warnung darauf
abzielen, den Fahrer zur Ergreifung von Maßnahmen zu motivieren, die zu einer länger anhaltenden
Verbesserung seiner Fahrtüchtigkeit führen.
Die grundsätzlich wirksamste Maßnahme besteht darin, Fahren unter Müdigkeit von vornherein
zu vermeiden. Weitere wirksame, aber nicht immer anwendbare Maßnahmen sind ein Fahrerwech-
sel (bei Verfügbarkeit eines anderen, ausgeruhten Fahrers) oder ein Abbruch der Fahrt für eine län-
gere Schlafpause, z. B. Übernachtung. Mit Blick auf die Anwendbarkeit ist aber von besonderem Inte-
resse, ob es wirksame Maßnahmen gibt, die im ungünstigeren Fall – Fahrer allein, Müdigkeit tritt
8
während der Fahrt auf – akut angewandt werden können, um in absehbarer Zeit die Fahrt fortzuset-
zen. Eine ganze Reihe solcher potentiellen Gegenmittel wurden inzwischen in kontrollierten Studien
hinsichtlich ihrer Wirksamkeit auf Fahrerzustand und Fahrleistung untersucht.
Koffein. Der legale und gesellschaftlich verbreitete Konsum von Koffein, meist in Form von Kaffee, ist
die am häufigsten und gleichzeitig mit der höchsten ökologischen Validität untersuchte Maßnahme
gegen Müdigkeitseffekte beim Fahren. In einer vielzitierten experimentellen Studie zeigten Horne
und Reyner (1996), dass müde3 Personen, die zu Anfang einer halbstündigen Pause 150 mg Koffein in
einer Tasse Kaffee zu sich genommen hatten, in der folgenden Stunde einer simulierten Autofahrt
seltener aus der Fahrspur gerieten und sowohl subjektiv (KSS) als auch objektiv (EEG) weniger müde
waren als Personen in der Kontrollgruppe, die entkoffeinierten Kaffee bekommen hatten. Folgestu-
dien mit ähnlichen Simulationsparadigmen demonstrierten auch die Effektivität von retardiertem4
Koffein (de Valck & Cluydts, 2001; de Valck, de Groot & Cluydts, 2003), die Wirksamkeit eines „funk-
tionalen Energydrinks“5 (Reyner & Horne, 2002), die Wirksamkeit von Koffein gegen Müdigkeit am
frühen Morgen nach einer kurzen Nacht (Reyner & Horne, 2000) und die noch bessere Wirksamkeit
von Koffein, dessen Einnahme von einem Kurzschlaf gefolgt wurde (Reyner & Horne, 1997). In einer
Reihe relativ aktueller Studien wurde schließlich auch im Kontext realer Nachtfahrten die positive
Wirkung von Koffein auf Fahrleistung und subjektive Müdigkeit nachgewiesen (Philip et al., 2006;
Sagaspe et al., 2007; Taillard et al., 2012).
Zu beachten bei der Anwendung von Koffein sind u.a. interindividuelle Unterschiede in Wirksam-
keit und Verträglichkeit (Sagaspe et al., 2007). Zudem treten wie bei allen psychoaktiven Substanzen
Gewöhnungseffekte auf, weshalb Koffein möglichst nur akut angewendet werden sollte (de Valck et
al., 2003). Unerwünschte Nebenwirkungen, z. B. ein Anhalten der Aktivierung über die Fahrt hinaus
und resultierende Schlafprobleme, können sich negativ auf die Akzeptanz der Maßnahme auswirken
(Lenné, Regan, Triggs & Haworth, 2004). Für Wirkung über mehrere Stunden muss die Anwendung
wiederholt werden, nach Aussetzen weiterer Koffeinzufuhr tritt dann sogar ein leichter Rebound-
Effekt6 auf (Moore-Ede, Trutschel, Guttkuhn, Aguirre & Heitmann, 2009). Bis die Wirkung einsetzt,
dauert es normalerweise etwa 30 Minuten (Horne & Reyner, 1999).
Verschreibungspflichtige Substanzen und Drogen. Zahlreiche Substanzen aus unterschiedlichen
Wirkstoffgruppen, z. B. Medikamente zur Behandlung von Narkolepsie, Amphetamine oder Kokain,
wirken unter ansonst müdigkeitsauslösenden Bedingungen vigilanz- und leistungsfördernd (nach
Popp, 2005). Entsprechende verschreibungspflichtige Medikamente, ebenso wie Arzneimittel zur
Behandlung von Schlafstörungen, können bei bestimmungsgemäßem Gebrauch in den betroffenen
Patientengruppen das Risiko von Schläfrigkeit und Müdigkeitsunfällen mindern (Alford, 2009; Stutts
et al., 2003). Als von jedermann anwendbare akute Gegenmaßnahme bei Müdigkeit sind diese Stoffe
jedoch aus einer ganzen Reihe von Gründen (z. B. Nebenwirkungen, Toleranzentwicklung, Suchtpo-
tential, Rebound-Phänomene, Verfügbarkeit, Legalität) nicht praktikabel.
3 Müdigkeit wurde durch teilweisen Schlafentzug in der vorangehenden Nacht und die Durchführung des Tests
innerhalb des Nachmittagstiefs operationalisiert.
4 Hierbei wird der Wirkstoff über einen längeren Zeitraum hinweg allmählich freigesetzt.
5 der neben 80 mg Koffein auch noch eine Reihe anderer potentiell müdigkeitshemmender Substanzen wie
Taurin und Glucose enthielt
6 Das heißt, Personen, die zuvor Koffein bekommen haben, sind unter diesen Umständen müder als Kontroll-
personen ohne Koffeineinnahme.
9
Kurzschlaf (Napping). Aus dem arbeitswissenschaftlichen Kontext liegen inzwischen viele Studien
vor, die positive Effekte kurzer Schlafpausen auf subjektive und objektive Wachheit und Leistung
unter müdigkeitsauslösenden Bedingungen belegen (Übersichten z. B. bei Driskell & Mullen, 2005;
Caldwell, Caldwell & Schmidt, 2008; Krajewski, Mühlenbrock, Schnieder & Seiler, 2011). Die erste
fahrspezifische experimentelle Untersuchung erfolgte im Rahmen der bereits erwähnten Simulati-
onsstudie von Horne und Reyner (1996). Sie fanden, dass die Fahrleistung im Vergleich zur
Placebobedingung nach einem Nap von maximal 15 Minuten im verstellbaren Fahrersitz ebenso gut
aufrechterhalten werden konnte wie nach Koffeinkonsum. Bezüglich der subjektiven Müdigkeit war
die Napping-Bedingung etwas schlechter als Koffein, aber besser als Placebo; im EEG zeigte sich nach
dem Kurzschlaf die deutlichste Müdigkeitsreduktion. Kombiniert mit Koffein ließ ein Nap die Auswir-
kungen des Nachmittagstiefs7 auf die Fahrleistung völlig verschwinden; die Autoren kamen zu dem
Schluss, dass sich die Effekte der beiden Maßnahmen addierten (Reyner & Horne, 1997). Philip et al.
(1999) belegten die Effektivität von Naps in realen nächtlichen Autobahnfahrten. Sagaspe et al.
(2007) zeigten altersbedingte Wirksamkeitsunterschiede: Bei jüngeren Fahrern (20-25) reduzierte ein
Kurzschlaf die negativen Auswirkungen nächtlichen Fahrens ähnlich stark wie Koffein, bei Fahrern
mittleren Alters (40-50) war die Wirksamkeit im Vergleich zu Koffein reduziert. Es wird vermutet,
dass eine altersbedingte Verringerung des Schlafdrucks und der damit verbundenen Napping-
Effizienz hinter diesem Unterschied steckt. Innerhalb der halben Stunde, die für die Schlafpause zur
Verfügung stand, schliefen die Jüngeren sowohl länger als auch tiefer. Die Studie bestätigte zudem
den Befund, dass die subjektive Wachheit eher durch Koffein als durch Napping beeinflussbar ist8.
Demnach erweist sich Napping auch für Autofahrer als effektive und praktikable Gegenmaßnahme
bei Müdigkeit, wobei interindividuelle Unterschiede in der Fähigkeit zu schlafen beachtet werden
sollten. Wenigstens kurz erwähnt werden soll auch der Aspekt der Schlafträgheit. Dieses auch als
Schlaftrunkenheit bekannte Phänomen bezeichnet eine unmittelbar nach dem Aufwachen auftre-
tende Phase mit verminderter Leistungsfähigkeit, die mit zunehmender Wachdauer relativ schnell
wieder verschwindet. Bei kurzen Naps von max. 15-20 min, wie sie für müde Autofahrer empfohlen
werden (Horne & Reyner, 1999) – und evtl. auch im Rahmen sehr viel längerer Schlafpausen
(s. Driskell & Mullen, 2005) – spielt Schlafträgheit jedoch keine bedeutsame Rolle. Entgegen früheren
Annahmen (z. B. Bonnet, 1990) scheint auch die zeitliche Lage von Naps innerhalb des circadianen
Rhythmus nicht entscheidend für deren Wirksamkeit zu sein (Driskell & Mullen, 2005).
Lichtexposition. Vermittelt über eine Hemmung des schlaffördernden Hormons Melatonin fungiert
Licht als wichtigster externer Zeitgeber für den circadianen Schlaf-Wach-Rhythmus (Arendt & Skene,
2005) und wird deshalb im Rahmen von Schichtarbeit, Jetlag oder anderen desynchronisierenden
Bedingungen therapeutisch zur gezielten Beeinflussung circadianer Rhythmen eingesetzt; ebenso zur
Erhöhung der Wachheit während Nachtschichten (nach Popp, 2005). Insbesondere kurzwelliges
(blaues) Licht scheint ein Schlüsselreiz für die Melatoninsuppression zu sein (Berson, Dunn & Takao,
2002; Brainard et al., 2001). Zur Anwendbarkeit im Kontext der Fahrzeugführung wurden noch nicht
viele Studien publiziert.
7 nach vorheriger Schlafrestriktion
8 Einige Müdigkeitstheorien nehmen zusätzlich zu Komponenten des Schlafdrucks einen antagonistisch wirken-
den Mechanimus (sekundärer Wachdruck, Arousal) an (z. B. Johns, 1998; nach Popp, 2005). Es könnte sein,
dass das subjektive Müdigkeitsempfinden im Gegensatz zu physiologischen und Leistungsmaßen stärker von
dieser Komponente als vom Schlafdruck abhängt, und dass Koffein auf diesen Aktivierungsmechanismus wirkt,
während Napping nur den Schlafdruck reduziert (Sagaspe et al., 2007).
10
Landström, Akerstedt , Byström, Nordström und Wibom (2004) fanden in realen Nachtfahrten
keinen Effekt einer 30minütigen Exposition an helles weißes Licht während einer Pause auf die sub-
jektive Wachheit von Berufskraftfahrern. Taillard et al. (2012) testeten die Wirksamkeit eines in der
Mitte des Armaturenbretts montierten blauen LED-Lichts, das während der gesamten Dauer einer
vierstündigen nächtlichen Autobahnfahrt eingeschaltet blieb, und berichteten, dass dieses Treatment
die Häufigkeit unerlaubten Überfahrens der Fahrbahnmarkierung ähnlich stark eindämmte wie Koffe-
in9. Aus dieser Analyse ausgeschlossen blieben allerdings die Daten einer Subgruppe von 17% der
Probanden, bei denen Linienübertretungen insgesamt häufiger waren als in der restlichen Stichprobe
und die subjektiv über Blendung klagten. In dieser Gruppe war die Fahrleistung unter der Lichtexposi-
tion schlechter als in der Kontrollbedingung.
Aufgrund der durch Melatoninsuppression vermittelten Wirkung ist zu beachten, dass blaues Licht
eventuell nur bei nächtlicher Müdigkeit10 zu messbaren Leistungsgewinnen führt. Im Rahmen dieser
Einschränkung erscheint Licht als vielversprechender Ansatz, dessen Wirkung im Detail allerdings vor
einem Einsatz in der Praxis noch näher quantifiziert werden sollte (z. B. bezüglich der Dauer des Ef-
fekts, unerwünschter Nebenwirkungen auf den circadianen Rhythmus etc.).
Kalte / frische Luft. Fenster öffnen oder Klimaanlage aufdrehen gehören zu den von Fahrern am häu-
figsten genutzten Gegenmaßnahmen bei Müdigkeit (Anund, Kecklund, Peters & Akerstedt, 2008;
Armstrong et al., 2010; Maycock, 1997). Reyner und Horne (1998a) untersuchten die Wirksamkeit
von 10°C kalter Luft aus der Klimaanlage über die Dauer einer zweistündigen Simulatorfahrt und fan-
den keine signifikanten Effekte auf Fahrleistung, subjektive oder objektive (EEG) Müdigkeit. Lediglich
innerhalb der ersten halben Stunde nach dem Beginn der Anwendung war ein statistisch
unbedeutsamer Trend zu weniger Fahrfehlern zu beobachten. Auch das Öffnen des Fensters beein-
flusste in einer neueren Untersuchung bei realen Nachtfahrten auf der Autobahn weder subjektive
noch physiologische Müdigkeitsmaße (Schwarz et al., 2012).
Musik / Radio. Ein ähnliches Befundmuster ergibt sich für die Strategie „Musikanlage aufdrehen“,
sowohl was die Popularität der Anwendung als auch deren relative Ineffektivität angeht. In einer
weiteren Bedingung ihrer Studie erlaubten Reyner und Horne (1998a) den Probanden, selbst ausge-
wählte Musik bei selbst gewählter Lautstärke zu hören. Während die Fahrer sich hierbei subjektiv
wacher fühlten als in der Vergleichsbedingung ohne spezielle Maßnahme, fand sich auf der Leis-
tungsebene wiederum lediglich ein deskriptiver Trend zu weniger Fahrfehlern, der in der ersten hal-
ben Stunde am besten erkennbar, aber zu keinem Zeitpunkt statistisch bedeutsam war. Im EEG gab
es keine Müdigkeitsreduktion. Bei nächtlichen Autobahnfahrten (Schwarz et al., 2012) zeigten sich
geringfügige aktivierende Effekte des Musikhörens, welche sich jedoch im Vergleich zur Mächtigkeit
der Auswirkungen des Faktors Nacht auf die Müdigkeit wiederum als praktisch kaum bedeutsam
erwiesen.
Wegen der geringen und zeitlich begrenzten Wirksamkeit werden beide Maßnahmen, kalte Luft
und Radio, nicht zur Anwendung als einzige Gegenmaßnahme, sondern bestenfalls zur Überbrückung
der Zeit empfohlen, bis ein Platz zum Anhalten gefunden ist und zu effektiveren Maßnahmen wie
Napping oder Koffein gegriffen werden kann.
9 Als Baseline diente eine Placebo-Bedingung, in der die Probanden entkoffeinierten Kaffee erhielten.
10 die Anwendung von Licht am Tage erbringt oft keine Effekte (z. B. Badia, Myers, Boecker, Culpepper & Harsh,
1991; Kaida et al., 2006; Daurat et al., 1993; Popp, 2005).
11
Bewegung. Aus der Grundlagenforschung ist bekannt, dass abendliche oder nächtliche Bewegung
von mittlerer bis hoher Intensität die Melatoninsekretion unmittelbar verändern und eine Verzöge-
rung des nächtlichen Melatoninanstiegs am nächsten Tag bewirken kann (Buxton, L'Hermite-
Balériaux, Hirschfeld & Cauter, 1997). Somit käme Bewegung ähnlich wie Licht oder strategisches
Napping als präventive Maßnahme zur prospektiven Minderung von Müdigkeit in Frage (Atkinson,
Edwards, Reilly & Waterhouse, 2007). Solche strategischen Anwendungen sind jedoch generell im
Kontext des Autofahrens kaum untersucht. Bezüglich der hier fokussierten Anwendung zur akuten
Müdigkeitsreduktion interessiert vor allem die unmittelbare Wirkung von Muskelaktivität auf das
physiologische Arousal sowie deren Nachhaltigkeit. Während fahrspezifische Ergebnisse nicht be-
kannt sind, legen Untersuchungen zu verwandten Fragestellungen nahe, dass a) die genaue Dauer
des Aktivierungseffekts von Art, Intensität und Timing der Bewegung abhängig ist, b) die Wirkung
insgesamt nicht lange vorhält – z. B. maximal 15 Minuten nach leichter bis mittlerer Aktivität (nach
Krajewski et al., 2011), maximal 30 Minuten nach intensiver körperlicher Betätigung (Horne & Foster,
1995; nach Horne & Reyner, 1999) und c) ambivalente Wirkungen auftreten können, da körperliche
Anstrengung auf einer anderen Zeitskala auch Ermüdung provoziert (nach Popp, 2005).
Neben den aufgeführten wurde eine ganze Reihe weiterer Maßnahmen vorgeschlagen, deren
Nützlichkeit aus mehreren Gründen bislang unklar bleibt, z. B., weil keine Forschungsergebnisse über
Wirkung und Effektgröße im Kontext des Fahrens bei Müdigkeit vorliegen (z. B. olfaktorische Stimula-
tion bei Tage, vgl. Popp, 2005) oder die Befundlage auf Grundlagenebene unschlüssig ist (z. B. bezüg-
lich einer möglichen aktivierenden Wirkung von Licht am Tage). Bei vielen Verhaltensweisen und
Strategien, auf die Autofahrer spontan zurückgreifen, wie Manierismen, Augenreiben, geistige Be-
schäftigung zur Reduktion von Monotonie, Singen, Willensanstrengung, aufrechtes Sitzen usw. (s.a.
3.3.4.4, 4.3.4.3) ist davon auszugehen, dass sie ebenfalls momentan zu einer Erhöhung der Aktivie-
rung und Reduktion der Einschlafneigung führen; ebenso wie auch Pausen „ohne“ bestimmte Aktivi-
täten einen kurzfristigen aktivierenden Effekt haben (Caldwell et al., 2008; Phipps-Nelson, Redman &
Rajaratnam, 2011). Das grundlegende Problem all dieser Maßnahmen ist deren fehlende Nachhaltig-
keit. Ein leistungsbezogenes Wesensmerkmal von Müdigkeit besteht in einer großen Moment-zu-
Moment-Variabilität (performance variability), von der vermutet wird, dass sie durch das Wechsel-
spiel von Prozessen der Selbstaktivierung mit unvermeidlich immer wieder auftretenden Intrusionen
schlafanbahnender Prozesse entsteht (Alhola & Polo-Kantola, 2007; Doran, Van Dongen & Dinges,
2001; Dorrian & Dinges, 2006).
Somit bleibt es auch vor dem Hintergrund neuerer Forschungsresultate bei dem von Horne und
Reyner (1999) gezogenen Fazit: „The best countermeasure to sleepiness is to sleep, or at least to take
a nap” (S. 293); alternativ oder ergänzend eignet sich Koffein in entsprechender Dosierung, um mit-
telfristig die Fahrtüchtigkeit aufrechtzuerhalten. Die meisten der anderen hier vorgestellten Maß-
nahmen, deren positive Effekte gering und / oder kurzlebig sind, kommen sinnvoll nur als Behelfsmit-
tel in Frage, um die Zeit zu überbrücken, bis der nächstmögliche Platz zum Anhalten gefunden ist.
Bezüglich der einzigen Maßnahme, die unter bestimmten Umständen (gezielter Einsatz im Rahmen
von Nachtfahrten) möglicherweise ebenso effektiv sein kann wie Kaffee oder Napping – blaues Licht
– ist die empirische Basis derzeit noch nicht breit genug für wissenschaftlich fundierte Anwendungs-
empfehlungen. Die weitere anwendungsnahe Untersuchung der Effektivität von Gegenmaßnahmen
ist einer der programmatischen Punkte auf der Agenda der internationalen Forschung zum Manage-
ment des Müdigkeitsrisikos in Verkehrswesen und Arbeitswelt (Akerstedt, 2000).
12
2.1.3 Fahrerreaktionen auf Müdigkeit
Neben der Frage nach der Soll-Reaktion auf wahrgenommene oder durch ein Warnsystem zurück-
gemeldete Müdigkeit steht die Frage nach dem Ist-Zustand zu beantworten: Wie reagieren Fahrer
typischerweise auf Müdigkeit? Die Ergebnisse von Fahrerbefragungen aus mehreren Ländern deuten
darauf hin, dass es deutliche Diskrepanzen zwischen dem aus Sicherheitssicht optimalen und dem
tatsächlichen Handeln gibt (Anund et al., 2008; Armstrong et al., 2010; Nordbakke & Sagberg, 2007;
Schützhofer & Torner, 2008; Torner & Schützhofer, 2010). Verschiedene potentielle Gründe dieser
Dissoziation wurden ebenfalls untersucht: Es könnte sein, dass Fahrer (1) die eigene Müdigkeit nicht
adäquat wahrnehmen; (2) die mit Müdigkeit assoziierte Unfallgefahr unterschätzen; (3) unzutreffen-
de Vorstellungen über die Wirksamkeit verschiedener Gegenmaßnahmen haben und / oder (4) vor-
handenes Wissen über wirksame Handlungsoptionen aus noch näher zu untersuchenden Gründen
nicht in die Tat umsetzen.
Subjektive Müdigkeit. Insgesamt wird in Fahrstudien ebenso wie in anderen Domänen zumeist eine
hohe Übereinstimmung der subjektiven Müdigkeitswahrnehmung und objektiv messbarer Müdig-
keitsparameter festgestellt (Akerstedt & Gillberg, 1990; Aurora, Caffo, Crainiceanu & Punjabi, 2011;
Horne & Burley, 2010; Horne & Baulk, 2004; Kecklund & Akerstedt, 1993; Reyner & Horne, 1998b;
Tremaine et al., 2010). Subjektive Müdigkeitsangaben steigen simultan mit EEG-Maßen, und diese
Veränderungen, ebenso wie die subjektive Erkenntnis mit dem Schlaf zu kämpfen, gehen dem Auf-
treten grober Fahrfehler vorher: “It was not possible for our subjects to fall asleep at the wheel and
have an “accident” without experiencing a sustained period of increasing sleepiness, of which they
were quite aware” (Reyner & Horne, 1998b, S. 120). Allerdings wird von einem Teil der Fahrer die mit
der Müdigkeit assoziierte Einschlafwahrscheinlichkeit unterschätzt11 (ibd.). Wie bereits an anderer
Stelle erwähnt, vermutet man, dass verschiedene schlaf- und wachheitsfördernde Komponenten
(circadiane Rhythmik, Schlafhomöostase, time-on-task, Arousal) sich unterschiedlich stark in subjek-
tiven, physiologischen und Leistungsmaßen der Müdigkeit niederschlagen, womit Dissoziationen
möglich werden. Eine Reihe von Faktoren moderiert offenbar die Stärke des Zusammenhangs zwi-
schen empfundener und objektiver Müdigkeit. Zum Beispiel werden hohe Korrelationen typischer-
weise unter müdigkeitsinduzierenden Bedingungen gefunden (des Nachts oder nach Schlafdeprivati-
on), während Messungen am Tage, ohne Schlafdeprivation, geringere Zusammenhänge (Danker-
Hopfe et al., 2001; Lafrance & Dumont, 2000; Schmidt et al., 2009) erbringen. Auch nach der Anwen-
dung von Gegenmaßnahmen unter Schlafentzug können Dissoziationen auftreten. Unter anderem
scheint nach Naps die subjektive Müdigkeit stärker ausgeprägt zu sein als der per Schlaflatenz mess-
bare tatsächliche Schlafdruck (Tremaine et al., 2010). Das Fazit bezüglich der Frage Sind Fahrer sich
ihrer Müdigkeit bewusst? lautet demnach: grundsätzlich ja, aber nicht unter allen Umständen gleich
gut.
Subjektive Unfallgefahr. Ebenso wie einige Fahrer die Wahrscheinlichkeit am Steuer einzuschlafen
unterschätzen, scheinen viele unzutreffende Vorstellungen davon zu haben, wie schwerwiegend
einschlafbedingte Unfälle sind (Nordbakke & Sagberg, 2007). Hingegen stimmten in der gleichen
Untersuchung immerhin drei Viertel der Befragten der Aussage zu, dass Müdigkeit die Fahrleistung
ähnlich stark einschränkt wie Alkohol.
Wissen über Gegenmaßnahmen. Das erhobene Wissen der Befragten über die Wirksamkeit akut
anwendbarer Gegenmaßnahmen fassen Nordbakke und Sagberg als „allgemein gut“ zusammen
11 In einer Kontrollbedingung ohne Anwendung von Gegenmaßnahmen
13
(S. 1). Im Detail fällt die Passung zwischen objektiver und subjektiver Eignung je nach betrachteter
Maßnahme unterschiedlich stark aus, wobei die Ergebnisse diesbezüglich über verschiedene Studien
hinweg recht konsistent sind. Während Naps zumeist zutreffend als effektivste Maßnahme wahrge-
nommen werden12, scheint der Effekt von Koffein tendenziell unterschätzt zu werden (Armstrong et
al., 2010; Nordbakke & Sagberg, 2007; Schützhofer & Torner, 2008; Torner & Schützhofer, 2010).
Dagegen werden zahlreiche ineffektive Maßnahmen regelmäßig von einem Teil der Fahrer in ihrer
Wirksamkeit überschätzt, etwa Fenster öffnen, Musik, Anhalten und essen / trinken, Anhalten und
Füße vertreten.
Anwendung von Gegenmaßnahmen. Weitere Diskrepanzen offenbaren sich beim Vergleich dieser
Überzeugungen mit den im Müdigkeitsfall tatsächlich angewandten Maßnahmen. In der Studie von
Nordbakke und Sagberg (2007) identifizierten 70% der Fahrer Napping als effektiv, doch nur 10%
berichteten diese Maßnahme angewandt zu haben, als sie befürchteten am Steuer einzuschlafen. Im
Gegensatz dazu werden andere, ineffektive Maßnahmen sehr häufig eingesetzt, darunter meistens
Anhalten und Füße vertreten, Anhalten und essen / trinken, Fenster öffnen, Musik hören (Anund et
al., 2008; Armstrong et al., 2010; Nordbakke & Sagberg, 2007; Schützhofer & Torner, 2008; Torner
& Schützhofer, 2010). Obgleich diese Verhaltensweisen, wie oben erwähnt, auch bezüglich ihrer
Wirksamkeit von einem Teil der Fahrer überschätzt werden, geht der Umfang ihrer Anwendung weit
über das aufgrund dieser Fehleinschätzung zu erwartende Maß hinaus; d.h., sie werden oftmals wi-
der besseres Wissen genutzt. Nordbakke und Sagberg (2007) stellen fest, dass Fahrer offenbar solche
Maßnahmen präferieren, die innerhalb des Fahrzeugs und ohne die Fahrt unterbrechen zu müssen
angewandt werden können. Ein großer Anteil der Fahrer (meist um die 75%) gibt an, schon trotz Mü-
digkeit weitergefahren zu sein (ibd., Armstrong et al., 2010). 26% der Befragten berichteten, sie hät-
ten selbst nach einer wahrgenommenen Einschlafepisode am Steuer die Fahrt ohne Pause fortge-
setzt; nur 23% hielten danach für einen Kurzschlaf an.
Auch für den Einsatz von Gegenmaßnahmen spielen interindividuelle Unterschiede eine Rolle. So
fanden etwa Anund et al. (2008), dass ältere Fahrer häufiger auf die Möglichkeit des Napping zurück-
greifen als jüngere. Dennoch ist auch in den Gruppen, in denen wirksame Maßnahmen vergleichs-
weise häufiger eingesetzt werden, die Verbreitung noch weit vom wünschenswerten Ausmaß ent-
fernt (gegenüber 5% der jüngeren gaben beispielsweise 12% der älteren Fahrer an, eine Schlafpause
eingelegt zu haben, als sie zuletzt am Steuer einzuschlafen fürchteten [Nordbakke & Sagberg, 2007]).
Drei Gründe werden wiederkehrend am häufigsten genannt, wenn Fahrer gefragt werden, warum
sie trotz starker Müdigkeit nicht anhalten: Nähe zum Zielort, Termine und der Wunsch, so bald wie
möglich anzukommen (Armstrong et al., 2010; Nordbakke & Sagberg, 2007; Torner & Schützhofer,
2010). Die Erwähnung des Nähe-Faktors in dieser Aufzählung stützt die Interpretation, dass die beob-
achtete Häufung von Müdigkeitsunfällen nahe des Zielorts (Armstrong et al., 2011) auf eine unange-
messene Begünstigung der Entscheidung weiterzufahren zurückzuführen sein könnte.
Anzumerken ist, dass alle berichteten Erkenntnisse über die Anwendung von Gegenmaßnahmen
auf Befragungsdaten beruhen. Wünschenswert ist eine zukünftige Ergänzung dieser Daten durch
objektive Erhebungen. Da es in den Befragungen vermutlich eine Tendenz zu sozial erwünschten
Antworten gibt, ist die tatsächliche Kluft zwischen Wissen und Handeln möglicherweise sogar noch
größer.
12 Die Darstellung hier beschränkt sich auf den Teil der untersuchten Gegenmaßnahmen, die akut und auch bei
Unmöglichkeit eines Fahrerwechsels angewandt werden können.
14
Bezüglich der vier skizzierten potentiellen Gründe für Diskrepanzen zwischen Soll- und Ist-Reaktionen
offenbaren sich somit auf allen Ebenen Optimierungspotentiale. Der größte und gleichzeitig bisher
am wenigsten adressierte Interventionsbedarf besteht hierbei nach Einschätzung der meisten Auto-
ren im Hinblick auf die frappierende Dissoziation zwischen Überzeugungen und Verhalten (Anund et
al., 2008; Armstrong et al., 2010; Nordbakke & Sagberg, 2007; Schützhofer & Torner, 2008; Torner
& Schützhofer, 2010). Ohne ein Verständnis der kognitiven und motivationalen Mechanismen, die für
diese Dissoziation verantwortlich sind, werden Interventionsversuchen nur geringe Erfolgsaussichten
beschieden sein.
2.1.4 Ansätze zur Minderung des Problems
In letzter Instanz hängen die Sicherheitsauswirkungen von Müdigkeit im Straßenverkehr von den
Verhaltensentscheidungen jedes einzelnen Fahrers ab. Ansatzpunkte zur Reduktion des müdigkeits-
assoziierten Risikos bieten sich auf jeder der multiplen kontextuellen Ebenen, in die diese Entschei-
dungen eingebettet sind - politische, rechtliche, gesellschaftliche und organisationale Rahmenbedin-
gungen ebenso wie soziale Einflüsse, die aktuelle physische Umwelt und individuelle körperliche und
psychische Gegebenheiten.
Grob können Ansätze zur Risikoreduktion in zwei Kategorien unterteilt werden: solche, die die
Wahrscheinlichkeit verringern, dass Müdigkeit am Steuer überhaupt auftritt (Fatigue reduction) und
solche, die bei vorhandener Müdigkeit deren potentielle negative Konsequenzen mindern (Fatigue
proofing) (Fletcher et al., 2005; Gander et al., 2011). Ebenso können Maßnahmen in Bezug auf Ebe-
nen der psychischen Regulation, auf denen sie im Rahmen der Fahraufgabe wirksam werden, be-
trachtet werden: strategisch (lange Zeitskala, Planung), taktisch (Sekundenskala, Manöverentschei-
dungen) und operational (Millisekundenskala, motorische Handlungsumsetzung) (Michon, 1985; s.a.
Anund, 2009).
Die effektivste Risikokontrolle findet auf der strategischen Ebene bzw. unter dem Aspekt der fa-
tigue reduction statt, also durch alle Maßnahmen, die darauf abzielen, dass Fahrer sich nur gut aus-
geruht ans Steuer setzen und Fahrten bei Nacht oder nach Schlafentzug vermeiden. Da dies jedoch
nicht immer möglich ist (s. Balkin, Horrey, Graeber, Czeisler & Dinges, 2011), ist es genauso wichtig,
Strategien des fatigue proofing, die eher auf der taktischen und operationalen Ebene ansetzen, zu
entwickeln. Im Rahmen jedes der im Folgenden vorgestellten Ansätze können grundsätzlich Beiträge
sowohl zur reduction als auch zum proofing geleistet werden.
2.1.4.1 Gesetzgebung und Gesetzesvollzug
Für Deutschland relevante Rechtsnormen mit Einfluss auf das Müdigkeitsrisiko im Straßenverkehr
existieren auf europäischer und nationaler Ebene; für den Luft- und Seeverkehr sind auch internatio-
nale Bestimmungen vorhanden. So legen etwa die europäische Verordnung 561/2006 und § 21a des
deutschen Arbeitszeitgesetzes die Grenzen fest, innerhalb derer sich die Lenk- und Ruhezeiten von
Berufskraftfahrern bewegen dürfen bzw. müssen, wobei relativ große Handlungsspielräume für Aus-
nahmen im Rahmen individueller Tarifverträge belassen werden. Auch für das Müdigkeitsrisiko be-
rufstätiger privater Fahrer sind gesetzliche Arbeitszeitbestimmungen relevant, indem sie den Rah-
men für tägliche Arbeits-, Pausen- und Ruhezeiten stecken und so unter anderem auf das Ausmaß
von Müdigkeit, das Erholungsverhalten und die zeitliche Lage von Autofahrten Einfluss nehmen.
Neben arbeitsrechtlichen Bestimmungen bildet auch das geltende Strafrecht einen bedeutsamen
Kontext für den Umgang mit Müdigkeit am Steuer. Während sich international bisher wenige Straf-
rechtsnormen explizit und in Verbindung mit eindeutigen Definitionskriterien mit Müdigkeit als Un-
15
fallursache befassen13, stellt Fahren unter Müdigkeit als Instanziierung einer groben Gefährdung der
Verkehrssicherheit dennoch in den meisten Rechtsräumen eine Straftat dar. In Deutschland fallen
fahrlässige Sachbeschädigung, Körperverletzung und Tötung aufgrund von Müdigkeit am Steuer un-
ter § 315c Gefährdung des Straßenverkehrs des Strafgesetzbuches. Dort heißt es: „Wer im Straßen-
verkehr […] ein Fahrzeug führt, obwohl er a) infolge des Genusses alkoholischer Getränke oder ande-
rer berauschender Mittel oder b) infolge geistiger oder körperlicher Mängel nicht in der Lage ist, das
Fahrzeug sicher zu führen, […] und dadurch Leib oder Leben eines anderen Menschen oder fremde
Sachen von bedeutendem Wert gefährdet, wird mit Freiheitsstrafe bis zu fünf Jahren oder mit Geld-
strafe bestraft“, und weiterhin „… ist der Versuch strafbar“. Neben den strafrechtlichen Konsequen-
zen drohen der Entzug der Fahrerlaubnis und die Nichtübernahme des Schadens durch die Versiche-
rung wegen grob fahrlässigen Handelns.
Obwohl somit die gesetzliche Grundlage zur Ahndung von Müdigkeit im Straßenverkehr gegeben
ist, dürften mindestens zwei Probleme einer größeren Verhaltenswirksamkeit dieser Strafandrohung
entgegenstehen. Zum einen ist davon auszugehen, dass viele Fahrer sich dieser Sachverhalte schlicht
nicht bewusst sind. Unter diesem Aspekt könnte es möglicherweise tatsächlich sinnvoll sein, wie von
einigen Experten gefordert, Fahren unter Müdigkeit explizit als Straftat in den Gesetzestext aufzu-
nehmen (Fletcher et al., 2005). Auch Aufklärungskampagnen (s. 2.1.4.3) könnten dazu beitragen, die
Wahrnehmung von Müdigkeitsfahrten als in mehrerlei Hinsicht gefährlich zu erhöhen. Zum anderen,
und vermutlich entscheidender, sind die derzeit zur Verfügung stehenden Mittel zum Vollzug dieser
Rechtsnorm überaus begrenzt. Studien zum Effekt des Strafrechts zeigen, dass weniger die Art oder
Härte der Strafe als eine hohe Wahrscheinlichkeit, entdeckt und verurteilt zu werden, abschreckend
wirkt (Doob & Webster, 2003; Entorf & Spengler, 2008; Wright, 2010). Im Moment wird Müdigkeit
beim Fahren, wenn überhaupt, vor allem dann festgestellt, wenn es zu einem Unfall gekommen ist
und der Fahrer zugibt müde gewesen bzw. eingeschlafen zu sein. Jenseits dessen ist der eindeutige
Nachweis im Nachhinein ein schwieriges Unterfangen, selbst wenn die Unfallzeichen von einem Ein-
schlafen am Steuer zeugen (vgl. 2.1.1.2). Zur standardisierten, schnellen und validen Überprüfung der
Müdigkeit auf der Straße, analog etwa zur Messung des Atemalkoholgehalts, gibt es noch keinen
anerkannten Kurztest. Verschiedene Verfahren werden hinsichtlich ihrer Tauglichkeit als Fitness-for-
Duty-Test geprüft, z. B. pupillographische (Weil de Vega, 2007), posturographische (Schnupp,
Schenka & Sommer, 2010) oder Tracking-Tests (Schenka, Schnupp, Heinze, Krajewski & Golz, 2010),
die Psychomotorische Vigilanzaufgabe (PVT; Dinges & Powell, 1985; Loh, Lamond, Dorrian, Roach &
Dawson, 2004), phonetisch-linguistische Analyse produzierter Sprache (Krajewski, Batliner & Golz,
2009) und andere (Balkin et al., 2011, s.a. 2.3.1). Ein Problem hierbei ist die Definition von Normwer-
ten: Während die meisten dieser Aufgaben Müdigkeit beim Vergleich mit einer Baseline derselben
Person gut erfassen können, macht die hohe interindividuelle Variabilität es schwierig, das Ergebnis
einer einmaligen Messung richtig zu interpretieren.
2.1.4.2 Organisationale Maßnahmen
In einem aktuellen Überblicksartikel befassen sich Gander et al. (2011) mit Systemen zum Manage-
ment des Müdigkeitsrisikos (FRMS, fatigue risk management systems) im Transportsektor und identi-
fizieren eine Reihe von Faktoren, die auf Ebene der Organisation einen Einfluss auf das müdigkeits-
bedingte Risiko haben. Dazu gehören kulturelle und rechtliche Einbettung, Größe des Unternehmens,
13 ein Beispiel ist „Maggie’s Law“, das 2003 in New Jersey in K raft trat; nach Fletcher, McCul loch, Baulk, and
Dawson (2005)
16
Art des Transportgeschäfts, die Sicherheitskultur des Unternehmens inklusive der Frage nach der
Existenz eines Berichtswesens für Sicherheitsprobleme und das Entlohnungssystem ebenso wie – auf
Individualebene – Lebens- und Arbeitsqualität sowie Wissen beziehungsweise Überzeugungen über
Müdigkeit.
Viele dieser Organisationsmerkmale sind nicht nur für professionelle Fahrzeugführer relevant,
sondern auch für alle privaten Fahrer, deren Lebensführung durch eine Organisation beeinflusst ist,
also vor allem Berufstätige. Die Organisation bestimmt unter anderem darüber, wie die relativ breit
gesteckten gesetzlichen Rahmenbestimmungen bezüglich Arbeits-, Pausen- und Ruhezeiten konkret
umgesetzt werden und wirkt sich so auf das Müdigkeitsrisiko des Einzelnen aus. Dies gilt insbesonde-
re für Branchen mit Nacht- oder wechselnder Schichtarbeit oder sehr langen Arbeitszeiten (z. B. In-
dustriearbeiter, Sicherheitsbedienstete, Polizisten, Ärzte und Pflegepersonal, Feuerwehrleute,
u.v.m.), aber auch für vermeintlich „normale“ Tätigkeiten. Neben den Arbeitszeiten und der Gestal-
tung der Arbeitsaufgaben ist bedeutsam, welcher Umgang mit Müdigkeit in einer Organisation ge-
fördert wird (Krajewski et al., 2011): Verlangt die Unternehmenskultur beispielsweise einem müden
Mitarbeiter ab, dass er ohne Pause durch das Nachmittagstief hindurch arbeitet (objektiv seine Ar-
beitsleistung schmälernd), oder macht man sich für die leistungsfördernde Wirkung von Naps stark
und stellt dafür eigene Rückzugsräume Verfügung? Die Kompetenz von Beschäftigten und Führungs-
personal im Müdigkeitsmanagement kann auch durch betriebliche Aufklärung und Trainings erhöht
werden (Gander, Marshall, Bolger & Girling, 2005). Ein Beispiel ist das vom DLR entwickelte „Wach-
am-Steuer“-Programm, das im Rahmen eines Modellprojekts mit Berufskraftfahrern validiert wurde,
aber auch für den Einsatz in anderen Branchen in Frage kommt (Gundel & Tegen, 2006; ten Thoren,
2006). Es beinhaltet ein Training der Fahrer (u.a. Erhöhung der Bewusstheit über Schlafgewohnheiten
anhand von Schlaftagebüchern, Erkennung von Müdigkeitssignalen und rechtzeitiges Ergreifen wirk-
samer Maßnahmen) ebenso wie die Arbeit mit Disponenten und Führungskräften. Zur Unterstützung
der Ablaufoptimierung wird eine Software bereitgestellt, die anhand gesammelter Einsatzdaten
(Fahr- und Pausenzeiten, Müdigkeitseinschätzungen der Fahrer, etc.) in Verbindung mit einem
computationalen Modell (s.a. 2.3.1.1) bei der Identifikation von Schwachstellen in der Einsatzplanung
hilft.
Die Möglichkeiten des organisationalen Müdigkeitsmanagements sind vielgestaltig und werden in
Zukunft noch wichtiger werden, da der Trend in der Gesetzgebung dahin geht, lediglich Sicherheits-
standards vorzugeben, die zu erfüllen sind, und bezüglich des Wie mehr Verantwortung an Unter-
nehmen und Beschäftigte zu übertragen (Gander et al., 2011).
2.1.4.3 Aufklärungskampagnen
Fletcher et al. (2005) nennen als die drei wesentlichen Aufgaben von Aufklärungskampagnen (1) eine
Schärfung des Problembewusstseins, (2) eine Vermittlung von Wissen über sinnvolle Gegenmaß-
nahmen und (3) die Verankerung einer sozialen Norm für Verhalten in einer bestimmten Situation.
Aus gutem Grund weisen diese Funktionen Ähnlichkeit mit den in 2.2 aufgeführten inhaltlichen Be-
standteilen einer Warnung auf. In beiden Fällen handelt es sich um Formen persuasiver Kommunika-
tion. Ein wesentlicher Unterschied besteht in der situativen Einbettung: Während bei Aufklärungsklä-
rungskampagnen die Kommunikationssituation nur grob eingrenzbar ist, erfolgen Warnungen ereig-
nisbezogen in einem ganz spezifischen Kontext mit großer Nähe zur Gefahrensituation. Aufklärungs-
maßnahmen und Warnungen können als zusammengehörige Bausteine eines umfassenderen Warn-
systems verstanden werden (Wogalter, Laughery & Mayhorn, 2006).
17
Im Rahmen des in Abschnitt 2.2 näher erläuterten C-HIP-Modells zielen Aufklärungskampagnen
im Wesentlichen auf die Veränderung sicherheitsrelevanter Überzeugungen und Einstellungen ab.
Wie Fletcher et al. (2005) anführen, sollte am Anfang der Entwicklung wirksamer Kampagnen zu-
nächst ermittelt werden, welche Gruppen besonders gefährdet sind – z. B. jüngere Männer, Schicht-
arbeitende, Personen mit unbehandelten Schlafstörungen, Ferienreisende, Eltern junger Kinder, etc.
(s. 2.1.1.2) –, gefolgt von einer Erhebung des Ist-Zustandes der Überzeugungen und Einstellungen
bezüglich müden Fahrens in der jeweiligen Zielpopulation (vgl. 2.1.3 und 2.2.4). Die Diversität der
Zielgruppen sollte bei der Auswahl der Kommunikationsansätze (z. B. emotional vs. wissensvermit-
telnd), Botschaften und Medien berücksichtigt werden. Mögliche Ansätze umfassen u.a. den Ver-
gleich des Risikos von Müdigkeit beim Fahren mit Fahren unter Alkoholeinfluss; Informationen zur
taktischen Nutzung von Gegenmaßnahmen, wie Fahrerwechsel, Koffein und Napping; Aufklärung
über minimale Schlafbedürfnisse; Hilfen zum Erkennen der Zeichen von Schläfrigkeit bei sich selbst
und anderen; Antizipation negativer emotionaler Konsequenzen müden Fahrens (z. B. persönliche
Verantwortung für Verursachung eines tödlichen Unfalls); Hilfen zur besseren Planung von Fahrten
und In-Frage-Stellen bestehender Überzeugungen bezüglich der persönlichen Fähigkeit, ohne Schlaf
oder Koffein mit Müdigkeit umgehen zu können (Armstrong et al., 2011; Fletcher et al., 2005). Die
Verbreitung erfolgt über zielgruppenspezifische Kombinationen von Medien, wie Broschüren, Pos-
tern, Fernseh- und Radiospots, Zeitungsartikeln, Flugblättern, verkehrsbezogenen Internetseiten,
Zeitungsanzeigen, Plakattafeln und ähnlichen. Ein einprägsames Beispiel liefert eine australische
Kampagne, die in einer Kombination eindringlicher TV-Spots, Plakattafeln und ganzseitiger Anzeigen
in Zeitungen und Zeitschriften die Botschaft verbreitete „Fatigue kills / A 15-minute powernap could
save your life“ (TAC, 2000, nach Fletcher et al., 2005; Video unter
https://www.youtube.com/watch?v=WOAMYQoLpg0). Im deutschsprachigen Raum wandte sich
aktuell die Schweizer Kampagne „Turboschlaf“ mit Videospots, einem Wettbewerb und einem Tur-
boschlaf-Bus unter anderem an junge Fahrer vor ihrer Heimkehr nach einer durchfeierten Nacht (bfu,
2013; Abbildung 2). Im Fokus standen auch Senioren und berufsbedingte Vielfahrer.
Abbildung 2. Festival-Aktionen im Rahmen der Schweizer Turboschlaf-Kampagne. (Bild: www.turboschlaf.ch,
Abdruck mit freundlicher Genehmigung der bfu)
In Deutschland scheint die Diskussion über Müdigkeit am Steuer bislang eher innerhalb der Fach-
organe für Verkehrssicherheit stattzufinden; öffentlich ist das Müdigkeitsrisiko im Vergleich zu ande-
ren Verkehrsrisiken, wie zu schnellem Fahren oder Ablenkung, kaum präsent. Aufklärungsangebote
finden sich vor allem im Kontext spezieller Sicherheitsschulungen (in erster Linie für Berufskraftfah-
rer) oder sind, obgleich an private Fahrer gerichtet, für diese wenig sichtbar, wie etwa die Broschüre
18
„Müdigkeit im Straßenverkehr“ mit Informationen über die Unfallgefahr durch Müdigkeit, zur Erken-
nung von Müdigkeitsanzeichen und Situationen mit erhöhter Gefährdung, wirksamen Maßnahmen
gegen Müdigkeit und einem Selbsttest zur Schlafqualität (ADAC, 2012; s.a. ten Thoren, 2006).
Evaluationsstudien zeigen, dass Aufklärungskampagnen wirksamer sind, wenn sie nicht für sich al-
lein stehen, sondern im Rahmen umfassenderer Sicherheitsprogramme von anderen Maßnahmen
(z. B. Verkehrsgesetzgebung, verstärkten Kontrollen, gezielter Information in der Fahrerausbildung,
Schulungen, Schaffung positiver Anreize) flankiert werden. Zudem werden Unfallzahlen stärker redu-
ziert, wenn die Intervention explizit auf einer Theorie der persuasiven Kommunikation beruht und
wenn in vorangegangener Forschung bereits Faktoren identifiziert werden konnten, die dem Verhal-
ten in der Zielgruppe zugrunde liegen (Delhomme et al., 1999; nach Armstrong et al., 2011).
2.1.4.4 Gestaltung des Verkehrsumfeldes
Ansatzpunkte sowohl zur Reduktion der am Steuer auftretenden Müdigkeit als auch zur Minderung
möglicher negativer Konsequenzen vorhandener Müdigkeit bieten sich auch in der Gestaltung von
Straßen und Verkehrsinfrastruktur.
Rüttelstreifen, bestehend entweder aus einer Textur ausgefräster Vertiefungen oder erhabener
Markierungen, werden bereits in einigen Ländern als seitliche Fahrbahnbegrenzungen eingesetzt.
Basierend auf der Erkenntnis, dass vielen einschlafbedingten Kollisionen ein unbemerktes Abkom-
men von der Straße vorangeht, können sie durch Vibrationen und Geräusche, die beim Überfahren
entstehen, ein aufmerksamkeitslenkendes beziehungsweise weckendes Signal an den Fahrer über-
mitteln. Tatsächlich vermögen Rüttelstreifen offensichtlich einen Teil – vermutlich etwa ein Fünftel
(Griffith, 1999; Hanley, Gibby & Ferrara, 2000; nach Jackson et al., 2011) – solcher Unfälle zu verhin-
dern und stellen damit eine sinnvolle Maßnahme zur Minderung der negativen Konsequenzen von
Müdigkeit im Verkehr dar. Doch nicht alle müdigkeitsbedingten Unfälle entstehen durch Einschlafen
(Lenné et al., 2004), nicht alle sind durch ungewolltes Verlassen der Straße gekennzeichnet, und nicht
in allen Fällen ist davon auszugehen, dass die durch die Rüttelstreifen vermittelten vibroakustischen
Reize ausreichend sind, um den Fahrer zu wecken oder ihm zu einer rechtzeitigen Reaktion zu verhel-
fen.
Dem gegenüber tendieren Fahrer vermutlich dazu, die Wirksamkeit von Rüttelstreifen zu über-
schätzen, was zur Förderung sicherheitsgefährdender Entscheidungen beitragen könnte. In der be-
reits früher zitierten Studie von Nordbakke und Sagberg (2007) zeigten sich fast zwei Drittel der Be-
fragten überzeugt davon, dass Rüttelstreifen eingeschlafene Fahrer aufwecken. Experimentelle Un-
tersuchungen, wie effektiv die Streifen in dieser Hinsicht tatsächlich sind und welche Bedingungen
die Wirksamkeit in welcher Form moderieren, gibt es kaum. Anund (2009) untersuchte im Fahrsimu-
lator die Nachhaltigkeit der Aktivierung nach Kontakt mit Rüttelstreifen und fand in physiologischen
Maßen und Querführung einen kurzfristigen Effekt, der zwischen 3 und 4 Minuten anhielt, bevor die
gemessene Müdigkeit wieder das Ausgangsniveau erreichte.
Neben der Beschaffenheit der Straße haben auch die Straßenführung und –peripherie (Kurven,
abwechslungsreiche Umgebung) als Merkmale der Fahraufgabe einen gewissen Einfluss auf die mani-
feste Müdigkeit sowie das Unfallrisiko (s. 2.1.1.3) und bieten damit grundsätzliche Möglichkeiten zu
einer gezielten Gestaltung. Oftmals dürfte dabei allerdings der nötige Aufwand in einem ungünstigen
Verhältnis zum erzielten Nutzen stehen, da diese Maßnahmen lediglich auf die aufgabenbedingte
Komponente von Müdigkeit wirken, womit die Effekte von Schlafmangel oder Tageszeit nur unvoll-
ständig kompensiert werden können (Jackson et al., 2011; Thiffault & Bergeron, 2003).
19
Lohnender ist vermutlich die Investition in Infrastrukturmaßnahmen, welche die Fahrer bei der
Anwendung effektiver Gegenmaßnahmen unterstützen. Neben der grundsätzlichen Verfügbarkeit
bietet insbesondere die konkrete Ausgestaltung von Raststätten an Landstraßen und Autobahnen
noch viel Raum zur Optimierung (Reyner, Horne & Flatley, 2010). Ziel sollte es sein, durch attraktive
Angebote positive Anreize für Pausen zu schaffen. Solche Angebote könnten sich zum Beispiel auf ein
verändertes Layout von Parkplätzen beziehen, welches auch geschützte Rückzugsräume für Naps im
eigenen Pkw bereitstellt. Indoor-Ruhebereiche mit bequemen Schlafsesseln oder speziellen „Nap-
Pods“ in attraktivem Design kö nnten helfen, mögliche Berührungsängste abzubauen, die bei der Vor-
stellung eines „Raststättenschlafraums“ aufkommen könnten, und in Verbindung mit einem Angebot
an Schlafutensilien wie Decken, Schlafmasken und eventuellem Lärmschutz für die Ohren den Be-
dürfnissen nach Privatheit, Wärme und Behaglichkeit Rechnung zu tragen. Zusätzliche Anreize könn-
ten geschaffen werden, indem solche Angebote aktiv beworben und / oder mit Zusatznutzen ver-
knüpft würden; subjektive oder finanzielle Kosten sollten vermutlich möglichst klein gehalten wer-
den. Vorstellbar wären zum Beispiel Bonussysteme im Sinne von „wer im Shop etwas kauft, kann 20
Minuten gratis einen Nap-Pod nutzen“. Ähnliches gilt für ein aktives Anbieten koffeinhaltiger Geträn-
ke. Ergänzt wird die Wirkung einer solchen Pauseninfrastruktur durch effektive Leitsysteme, die die
Fahrer zu den Rastplätzen führen.
2.1.4.5 Fahrzeugtechnologie
Die möglichen Divergenzen zwischen objektiv messbaren Indikatoren von Müdigkeit, Einschlafwahr-
scheinlichkeit, Unfallgefahr, Wirksamkeit von Gegenmaßnahmen und deren jeweiliger subjektiver
Wahrnehmung (s. 2.1.3) sowie die Kluft zwischen normativ-optimalen und tatsächlichen Reaktions-
weisen auf Müdigkeit waren der Ausgangspunkt für die Bestrebung, automatische Systeme zur Fah-
rerzustandsüberwachung zu entwickeln. Ein Vorteil solcher Technologien im Vergleich zu den bisher
vorgestellten Ansätzen ist ihr Potential, zielgenau in kritischen Momenten auf den Fahrer einzuwir-
ken.
Die Erforschung von Methoden zur objektiven Messung und Vorhersage von Müdigkeit wurde in
den letzten drei Dekaden stark vorangetrieben und hat seither beträchtliche Fortschritte gemacht (s.
2.3.1 für detailliertere Darstellung verschiedener Ansätze sowie verbleibender Schwierigkeiten). Als
Zielpunkt und Referenz für die Bewertung vorgeschlagener Überwachungssysteme umreißen Balkin
et al. (2011) die Eigenschaften eines idealen Systems wie folgt: Es sollte a) aktuelle Müdigkeit vorher-
sagen können (anhand relevanter Faktoren wie Schlafhistorie, Tageszeit, Time-on-Task, Aufgaben-
merkmalen, Stimulantienkonsum, individueller Widerstandsfähigkeit gegen die Effekte von Schlaf-
mangel, etc., s.a. 2.1.1.2, 2.1.2 und 2.3.1.1), es sollte b) den tatsächlichen Status online messen kön-
nen und diese Information zur Kalibrierung in die Modellvorhersage zurückfüttern (s. 2.3.1.2), und
c) wirksam intervenieren können, sobald Defizite zu beobachten oder zu erwarten sind; wobei wirk-
sam bedeutet, dass durch die Intervention Wachheit und Leistung so lange wie nötig14 wiederherge-
stellt und aufrechterhalten werden (s. 2.3.2).
Je stärker dabei individuelle Eigenschaften des jeweiligen Fahrers berücksichtigt werden, desto
genauer kann die Vorhersage sein. Im Sinne einer hohen Akzeptanz sollte das System zudem mög-
lichst noninvasiv messen (z. B. anhand von Leistungsparametern, die im Rahmen der Fahraufgabe
ohnehin anfallen) und auch sonst unaufwendig zu nutzen sein (z. B. ohne die Notwendigkeit einer
14 d.h. bis beispielweise der Fahrer sicher zu Hause angekommen ist und dort den angemessenen Erholungs-
schlaf bekommen kann
20
manuellen Kalibrierung). Selbstverständlich sollten die verwendeten Indikatoren Müdigkeit reliabel
und valide abbilden. Sie sollten sowohl eine hohe Sensitivität aufweisen – damit Trends detektiert
werden können, bevor eine kritische Schwelle überschritten ist, und die Zahl von Misses so klein wie
möglich gehalten wird – als auch über eine hohe Spezifität verfügen, um die Zahl falscher Alarme zu
minimieren (s.a. 2.2.2). Zum optimalen Zeitpunkt sollten wirksame Gegenmaßnahmen in der optima-
len Dosierung (wie lange nappen, wieviel Kaffee trinken etc.) vorgeschlagen und der Fahrer bei deren
Umsetzung unterstützt werden (z. B. durch Routenplanung zur nächstgelegenen Raststelle). Das Sys-
tem sollte robust unter allen möglichen Umständen einsetzbar und unter realistischen Bedingungen
validiert sein. Es sollte minimal von der Fahraufgabe ablenken, und die Privatsphäre des Anwenders
sollte geschützt bleiben (Balkin et al., 2011; Barr, Popkin & Howarth, 2009; Brown, 1997; Dinges &
Mallis, 1998; Dreßler, Karrer & Brandenburg, 2009; Eskandarian et al., 2012).
Bereits ohne jede Kenntnis des aktuellen Entwicklungsstandes wird ersichtlich, dass es nicht ein-
fach ist, ein System zu entwickeln, das alle Forderungen gleichzeitig zu erfüllen vermag – beispielwei-
se a) in Bezug auf die Kombination von Individualisierung der Vorhersage durch Einfüttern von Daten
des Lebensvollzugs, unaufwendiger Benutzbarkeit und Schutz der Privatsphäre, b) in Bezug auf das
bei jeder Definition eines Schwellenwertes auftretende Problem der Gewichtung von verpassten
Ereignissen vs. falschen Alarmen oder c) in Bezug auf die Frage nach der tatsächlichen Verhaltens-
und Sicherheitswirksamkeit der Systemoutputs.
Inzwischen befinden sich zahlreiche Systeme in der Entwicklung – wobei ein deutlicher Schwer-
punkt noch immer auf möglichen Detektionsmechanismen liegt –, und eine ganze Reihe ist auch be-
reits auf dem Markt. Näheres dazu wird in Abschnitt 2.3 dargestellt.
Abschließend ist festzustellen, dass im Rahmen von fatigue reduction und fatigue proofing Beiträ-
ge auf jeder Ansatzebene bedeutsam sind und am besten in einer gut auf einander abgestimmten
Kombination ihr Wirkungspotential entfalten (Dawson & McCulloch, 2005; Dawson, Searle & Pater-
son, 2014; Gander et al., 2011; Horrey, 2011), was eine Kooperation der verschiedenen ausführen-
den Organe wesentlich macht. Ebenso wichtig ist, dass die Entwicklung und Umsetzung von Maß-
nahmen in enger Kopplung mit der wissenschaftlichen Forschung und unter Einbezug relevanter
Theorien und empirischer Untersuchungen erfolgt, damit Interventionen bedarfsgerecht und im Sin-
ne maximaler Effektivität gestaltet werden können.
2.2 Theoretische Aspekte der Warnwirkung
Im Fokus dieser Arbeit steht die bislang kaum untersuchte Frage, wie die Outputs von Müdigkeits-
warnsystemen möglichst verhaltenswirksam gestaltet werden können. Um dies zu untersuchen,
muss man zunächst eine Vorstellung von den Mechanismen haben, die bestimmen, ob und wie er-
folgreich Warnungen überhaupt im Stande sind, Verhalten zu beeinflussen.
2.2.1 Grundsätzliche Überlegungen zu Warnungen
Mit dem ultimaten Ziel der Vermeidung von Personen- und Sachschäden sollen Warnungen als eine
spezielle Form von Risikokommunikation über Gefahren informieren und dadurch bessere Entschei-
dungen ermöglichen und fördern (Wogalter et al., 2006). Im Rahmen der Hierarchie der Gefahren-
kontrolle (hazard control hierarchy, Sanders & McCormick, 1993; nach Wogalter et al., 2006) sind sie
als dritte Rückfallposition dann anzuwenden, wenn die vorgeordneten Ansätze (1) Eliminierung der
Gefahr und (2) Abschirmung von der Gefahr durch physische oder prozedurale Barrieren impraktika-
bel oder nur unvollständig umsetzbar sind. Beispiele für die erste Ebene sind solche Ansätze, die ein
Zusammentreffen der beiden Umstände „müde sein“ und „fahren wollen / müssen“ zu vermeiden
21
versuchen, z. B. durch sinnvolle Arbeitszeitgestaltung, Hilfen zur prospektiven Planung von Urlaubs-
fahrten, Fahrservices, etc. (s.a. 2.1.4). Es ist klar, dass durch solche Maßnahmen das Auftreten von
Müdigkeit am Steuer zwar eingedämmt, aber nicht völlig eliminiert werden kann; ebenso wie es un-
möglich ist, müdigkeitsresistente Menschen zu erschaffen oder die Fahrsituation so sicher zu gestal-
ten, dass trotz Müdigkeit keine ernste Gefahr mehr besteht. Auch der Einsatz physischer und proze-
duraler Barrieren ist in verschiedenerlei Hinsicht Limitationen unterworfen. Zum Beispiel können
Rüttelstreifen, wie oben dargestellt, nur einen kleinen Teil einschlafbedingter Unfälle verhindern. Ein
System, dass nach einem negativen Fitness-for-Duty-Test verhindert, dass ein Fahrzeug überhaupt
gestartet werden kann, wäre zwar effektiv, aber gleichzeitig unverhältnismäßig restriktiv (vgl. Karrer-
Gauß, 2012; Summala, Häkkänen, Mikkola & Sinkkonen, 1999). Insofern stellen Müdigkeitswarnun-
gen zwar keinen Ersatz für andere Sicherheitsstrategien dar, bilden aber eine unverzichtbare Ergän-
zung zu diesen (Lehto & Salvendy, 1995).
Damit Warnungen Verhalten in sicherheitsförderlicher Weise beeinflussen können, sollten sie drei
Kategorien von Information enthalten: (1) zur Art / Quelle der Gefahr, (2) zu drohenden negativen
Konsequenzen und (3) Instruktionen, was zu tun ist. Warnhinweise sollten in zeitlicher und örtlicher
Nähe zur Gefahr auftauchen und an dieser Stelle möglichst kurz und prägnant sein. Auf der anderen
Seite ist zum Verständnis der Gefährdung und der Effektivität von Gegenmaßnahmen zumeist eine
komplexere Informationsvermittlung erforderlich. Wogalter et al. (2006) betonen daher, dass die
Vorstellung, eine Warnung bestehe nur aus einem einzelnen Hinweis, zu kurz greift. Somit ist eine
Anzeige, die bei festgestellter Müdigkeit im Fahrzeug erscheint, nur ein Bestandteil eines umfassen-
deren Warnsystems, das ebenso Hintergrundinformation und Aufklärungsmaßnahmen in anderen
Formaten und mit anderen, komplexeren Inhalten umfasst, wie sie u.a. in 2.1.4.3 dargestellt sind.
2.2.2 Ein Rahmenmodell der Warnwirkung
Um einen Überblick zu gewinnen, welche Faktoren bei der Warnungsgestaltung im Sinne einer er-
folgreichen Verhaltensbeeinflussung zu berücksichtigen sind, eignet sich das C-HIP-Modell (Wogalter,
1999, 2006, siehe Abbildung 3}. Ein Warnprozess wird hierin als eine Form sicherheitsbezogener
Kommunikation betrachtet. Demnach sind für eine Rahmentheorie der Warnung zwei Modellvorstel-
lungen relevant: Ein Modell der Kommunikation (Communication – dafür steht das „C“ in C-HIP) und
ein Modell der menschlichen Informationsverarbeitung (Human Information Processing – „HIP“).
Um den Kommunikationsprozess zu beschreiben, greift das Modell eine allgemein anerkannte
Konzeption mit folgenden Bestimmungsstücken auf: einer Quelle, die eine Botschaft in Form einer
Warnung enkodiert und über einen Kanal - im Rahmen einer spezifischen Übermittlungssituation -
an einen Empfänger übermittelt, welcher die Botschaft dekodiert. Auf allen Stufen können Störein-
flüsse dazu führen, dass Diskrepanzen zwischen der zu sendenden und der empfangenen Nachricht
entstehen (Wogalter et al., 2006). Beispiele für solche Einflüsse, die für die Müdigkeitswarnung rele-
vant sind, werden in den folgenden Abschnitten gegeben. Der wichtigste Indikator für den Erfolg
oder Misserfolg einer Warnung ist das resultierende Verhalten des Empfängers. Bevor die Warnung
jedoch zu beobachtbarem Verhalten führen kann, muss sie zunächst innerhalb des Empfängers er-
folgreich eine Reihe von Verarbeitungsprozessen durchlaufen. Diese werden in der Tradition kogniti-
ver Rahmenmodelle der Informationsverarbeitung als eine Sequenz funktionaler Module oder Stufen
ebenfalls durch das C-HIP-Modell spezifiziert. Dabei kann die intendierte Beeinflussung des Verhal-
tens auf jeder einzelnen Stufe scheitern: Fällt die Verarbeitung auf einer Stufe ungünstig aus, bricht
der Informationsfluss an dieser Stelle ab und folgende Stufen werden nicht mehr durchlaufen.
22
Abbildung 3. Das C-HIP-Modell des Warnungsprozesses. (Modifizierte Darstellung nach Wogalter, 2006, S. 52;
wiederveröffentlicht mit Genehmigung von Lawrence Erlbaum Associates, Genehmigung übermittelt durch
Copyright Clearance Center, Inc.)
Damit Verhalten verändert werden kann, muss eine Warnung als erstes bemerkt werden, sie
muss beim Empfänger eine (1) Aufmerksamkeitszuwendung auslösen. Über die reine Reorientierung
der Aufmerksamkeit hinaus, das heißt im Anschluss an das bloße Registrieren des Vorliegens einer
Botschaft, müssen Aufmerksamkeitsressourcen in ausreichender Menge und zeitlicher Dauer bereit-
gestellt werden, damit der Inhalt verarbeitet werden kann - (2) Aufrechterhaltung der Aufmerksam-
keit. Auch wenn genügend Ressourcen investiert wurden, um beispielsweise einen Warnungstext zu
lesen, kann die weitere Verarbeitung stocken, wenn es Probleme auf der nächsten Stufe gibt: Der
Warnungsinhalt muss (3) verstanden sowie gegebenenfalls bis zum Eintreten der gefährlichen Situa-
tion im Gedächtnis behalten werden. Widerspricht der elaborierte Inhalt15 persönlichen (4) Überzeu-
gungen oder Einstellungen, wird ein warnungskonformes Verhalten ebenso unwahrscheinlich wie im
Falle einer ungünstigen Konstellation von positiven und negativen Anreizen auf Ebene der (5) Moti-
vation.
Im Konsens mit allgemeinen Modellen der Informationsverarbeitung beinhaltet das C-HIP-Modell
neben der Konzeption einer sequentiell-linearen Verarbeitung auch die Vorstellung von Rückkopp-
lungen, die von jeder Stufe beziehungsweise jedem Modul aus die Verarbeitung auf anderen Stufen
beeinflussen können. Ist eine Person beispielsweise von der Ungefährlichkeit einer Umgebung über-
zeugt (Ebene der Einstellungen und Überzeugungen), sinkt die Wahrscheinlichkeit, dass eine War-
nung von dieser Person überhaupt bemerkt und / oder aufmerksam verarbeitet wird (Ebenen der
Zuwendung und Aufrechterhaltung von Aufmerksamkeit). Liegen auf Ebene der Motivation hohe
Handlungskosten vor, die mit dem empfohlenen Verhalten verbunden sind, kann dies zu Urteilsver-
zerrungen auf Ebene der Einstellungen und Überzeugungen führen – und so weiter. Entsprechend
sieht das Modell auch die Möglichkeit vor, dass Verarbeitungsprozesse sich im Rahmen einer wie-
derholten Konfrontation mit der Warnung verändern können. So ist zum Beispiel aus der Aufmerk-
samkeitsforschung bekannt, dass neuartige Reize eine höhere Salienz besitzen als vertraute, das
heißt mit größerer Wahrscheinlichkeit die Aufmerksamkeit auf sich ziehen (s. Wickens & McCarley,
2007). Durch wiederholte Exposition nimmt auf Ebene des Langzeitgedächtnisses die Vertrautheit
eines Warnreizes zu. Entsprechend nimmt die Wahrscheinlichkeit ab, dass das Auftreten der War-
nung zu einer Aufmerksamkeitszuwendung führt (Wogalter, 2006).
Bereits in den Abschnitten zur Phänomenologie von Müdigkeit am Steuer wurde die Bedeutsam-
keit interindividueller Unterschiede herausgestellt, und diese Bedeutsamkeit setzt sich im Rahmen
der warnungsbezogenen Kommunikations- und Informationsverarbeitungsprozesse fort. Demogra-
phische Faktoren, Persönlichkeitsmerkmale, Kompetenzen und individuelle Erfahrungen beeinflussen
15 Mit Elaboration des Inhalts sind hier eine bewusste Verarbeitung und ein grundlegendes inhaltliches Ver-
ständnis der Botschaft gemeint. Elaboration bezeichnet allgemein die Verknüpfung neuer Informationen mit im
Langzeitgedächtnis gespeicherten Informationen und kann mehr oder weniger intensiv erfolgen.
23
die Verarbeitung auf allen empfängerseitigen Stufen des C-HIP-Modells. Entsprechende Befunde
existieren zum Beispiel für Alter, Geschlecht, Kontrollüberzeugungen, Selbstwirksamkeitserwartun-
gen, Sensation Seeking, subjektive Normen (internalisierte soziale Erwartungen), Gesundheitsbe-
wusstsein oder persönliche Erfahrungen mit der Gefahrensituation (Rogers, Lamson & Rousseau,
2000; Weaver, Gerber, Hancock & Ganey, 2003). Auch der Einfluss situativer Faktoren, welche im
Rahmen der Übermittlung auftreten und die Art und Weise verändern, wie Warnungen wahrge-
nommen und bewertet werden, ist im C-HIP-Modell berücksichtigt („andere Umweltreize“). Bei-
spielsweise wirken hohe aktuelle Anforderungen der Fahraufgabe negativ auf die Bereitschaft und
Ressourcen zur bewussten Verarbeitung eines Warnungsinhalts; ebenso kann die Gegenwart anderer
Personen auf vielfältige Weise den Verarbeitungsprozess verändern. Neben der Wichtigkeit der Be-
rücksichtigung dieser Größen als Kontrollvariablen impliziert deren Einbezug in das Modell auch die
Möglichkeit, dass die Verhaltenswirksamkeit von Warnungen durch individuen- und situationsbezo-
gene Anpassungen in Inhalt und Format zu optimieren ist.
Eine methodisch bedeutsame Konsequenz aus der Vorstellung der stufenweisen Verarbeitung ist,
dass aus dem Fehlen einer warnungskonformen Verhaltensantwort nicht auf die völlige Wirkungslo-
sigkeit einer Warnung geschlossen werden kann. Die Warnung könnte dennoch Veränderungen zum
Beispiel auf Ebene des Wissens oder der Überzeugungen erzeugt haben, die in späteren Entschei-
dungssituationen relevant werden. Demnach sollten Effekte von Warnungen und Warnungsdesign
nicht nur auf Ebene des beobachtbaren Verhaltens, sondern auch auf den vorgeordneten kognitiven
Verarbeitungsstufen untersucht werden (Wogalter, 2006).
In den folgenden Abschnitten wird das C-HIP-Modell als ordnender Rahmen benutzt, um einige
Einflussgrößen zu betrachten, die im Fall der Müdigkeitswarnung im Fahrzeug eine Rolle für die er-
folgreiche Verarbeitung spielen.
2.2.2.1 Quelle
Der im Hinblick auf Verhaltenswirksamkeit bedeutsamste Faktor auf Seiten der Warnungsquelle ist
deren (vom Empfänger wahrgenommene) Glaubwürdigkeit. Diese wird wiederum von verschiedenen
anderen wahrgenommenen Eigenschaften der Quelle beeinflusst, vor allem deren Expertise, aber
auch Merkmalen wie Vertrautheit oder Status (Aronson, Akert & Wilson, 2008; Cox & Wogalter,
2006). Im Falle der Müdigkeitswarnung liegt ein für die Glaubwürdigkeit entscheidender Aspekt in
der Validität und Messgenauigkeit des zugrundeliegenden Detektionssystems sowie einer gelunge-
nen Setzung des Warnungskriteriums. Insbesondere eine hohe Zahl falscher16 Alarme hat eine nega-
tive Wirkung auf das Vertrauen, das der Empfänger dem System entgegenbringt und damit auf seine
Bereitschaft, den Empfehlungen des Systems zu folgen (Lee & See, 2004; Parasuraman & Manzey,
2010; Wickens & McCarley, 2007). Da lediglich die subjektive Glaubwürdigkeit entscheidend ist, die
der Quelle vom Empfänger attestiert wird, spielen auch Merkmale des Empfängers eine Rolle, darun-
ter relativ stabile Eigenschaften wie Intelligenz und Kognitionsbedürfnis oder auch eigene Erfahrun-
gen, z. B. mit Sekundenschlaf oder Müdigkeitsunfällen (s.a. 2.2.2.4, 2.2.4).
Vor dem Hintergrund verschiedener Forschungsbefunde aus anderen Domänen ist es zudem
plausibel, dass neben der Messgüte weitere, de facto irrelevante, systemseitige Merkmale die sub-
jektive Glaubwürdigkeit mitbestimmen, z. B. der Nimbus des Herstellers oder die Gestaltung der
16 oder auch aufgrund von mangelnder Deckung mit dem subjektiven Müdigkeitsempfinden lediglich als falsch
empfundener
24
Warnanzeige im Hinblick auf Ästhetik oder „Umgangsformen“ (Dion, Berscheid & Walster, 1972;
Parasuraman & Miller, 2004; Petty, Cacioppo & Goldman, 1981).
2.2.2.2 Kanal
Zwei wesentliche Gestaltungsaspekte bezüglich des Kanals, durch den die Warnbotschaft übermittelt
wird, betreffen (1) das Medium, in dem die Warnung präsentiert wird (ggf. auch die Medien), und (2)
die beim Empfänger adressierte sensorische Modalität (bzw. Modalitäten; Cohen, Cohen, Mendat &
Wogalter, 2006). Obwohl diese Merkmale des Kanals die Verarbeitung der Botschaft durch den Emp-
fänger potentiell auf allen Stufen beeinflussen, sind sie insbesondere kritisch für eine gelingende
Aufmerksamkeitsausrichtung und semantische Verarbeitung.
Im Fahrzeug bewegt sich die Gestaltung dabei in dem Spannungsfeld, dass die Warnung einerseits
die Aufmerksamkeit effektiv und lange genug auf sich ziehen sollte, um eine angemessen tiefe Ver-
arbeitung des Inhalts zu ermöglichen, andererseits aber möglichst nicht mit der Fahraufgabe interfe-
rieren sollte. Notfalls muss ein Warnsignal stark genug sein, um einen Fahrer aus dem Sekunden-
schlaf zu holen, ohne jedoch eine Schreckreaktion hervorzurufen (Ayoob, Grace & Steinfeld, 2005;
Eskandarian et al., 2007).
Einfache akustische oder haptische Signale sind in diesem Kontext sowohl salienter als auch bes-
ser mit den in erster Linie visuomotorischen Anforderungen des Fahrens vereinbar als visuelle Reize
(Wickens, 2002, 2008; Wickens & McCarley, 2007). Dem gegenüber stehen Einschränkungen in der
Möglichkeit, die im Müdigkeitskontext erforderlichen komplexeren Informationen und Handlungs-
anweisungen zu übermitteln. Vor diesem Hintergrund erscheinen Sprachanweisungen als eine viel-
versprechende Ergänzungsmöglichkeit. Allerdings können sich im Zusammenhang mit deren sequen-
tiellem und temporärem Charakter auch hierbei Nachteile in Bezug auf Verständlichkeit und Nach-
haltigkeit ergeben, insbesondere bei höherer Komplexität und Länge der Nachricht (Cohen et al.,
2006). Visuell präsentierte Symbole und Bilder bieten ein hohes Potential zur Vermittlung komplexer
Information in kurzen Verarbeitungszeiträumen, bergen aber wiederum ohne zusätzliche Textinfor-
mationen das Risiko der Fehlinterpretation (Daniel, Goldman, Lachenmayr, Erickson & Moore, 2001;
Wogalter et al., 2006). Angesichts des Spannungsverhältnisses zwischen der zur Verhaltensbeeinflus-
sung erforderlichen Komplexität und der in der Fahrsituation gebotenen Kürze empfiehlt sich die
Einbettung der Fahrzeugwarnung in ein umfassenderes System risikobezogener Kommunikation.
Zudem wirkt sich Redundanz sowohl in Bezug auf die gleichzeitige Ansprache mehrerer Sinnesmoda-
litäten (multimodale Warnungen) als auch auf die Nutzung verschiedener Medien positiv auf die
empfängerseitige Verarbeitung des Warnungsinhalts aus (Cohen et al., 2006; Haas & van Erp, 2014;
Wogalter et al., 2006).
2.2.2.3 Überbringung
Ein erster bedeutsamer Aspekt bezüglich der Überbringung einer Müdigkeitswarnung ist die Frage,
ob ein MWS zum kritischen Zeitpunkt überhaupt aktiviert ist. Mit Blick auf die zu erwartende Akzep-
tanz beim Nutzer wird nämlich empfohlen, nicht nur verschiedene Systemeinstellungen
individualisierbar zu machen, sondern auch die manuelle Deaktivierung des gesamten Systems zu
ermöglichen (Barr et al., 2009; Eskandarian et al., 2012).
Ein zweiter wichtiger Aspekt der Überbringung sind die in der jeweiligen Warnsituation vorliegen-
den Umweltbedingungen, welche sowohl förderlich als auch hinderlich wirken können. Dem potenti-
ell nachteiligen Einfluss einiger dieser Bedingungen kann durch vorausschauende Gestaltung des
Warnsystems entgegengewirkt werden. Beispielsweise könnte bei einem adaptiven System die Laut-
25
stärke einer akustischen Ausgabe an die Intensität der Umgebungsgeräusche angepasst werden,
damit die Warnung einerseits gut vernehmlich, aber gleichzeitig nicht unnötig erschreckend ist (Barr
et al., 2009). Die Helligkeit eines Displays könnte an die Beleuchtungsbedingungen angepasst wer-
den. Auch Verkehrsdichte und Komplexität der aktuellen Fahrsituation könnten die Wahl des optima-
len Kanals beeinflussen (indem z. B. der visuelle Kanal nicht zusätzlich beansprucht wird, wenn ohne-
hin viel visuelle Information verarbeitet werden muss; Bekiaris & Nikolaou, 2004). Zu den relevanten
Bedingungen der Überbringungssituation gehört auch die Anwesenheit anderer Personen, welche
Einfluss auf Aufmerksamkeitszuwendung, Verständnis, Bewertungen und Entscheidungen des Fah-
rers nehmen können. Es lohnt darüber nachdenken, ob und wie durch eine kluge Gestaltung der
Warnung auch potentielle positive soziale Einflüsse von Beifahrern aktiviert werden können. Ein drit-
ter Aspekt betrifft alle Fragen des Zeitpunkts und der Sequenzierung von Warnungen. Bei welchem
kritischen Niveau von Müdigkeit soll gewarnt werden? Sollen Warnungen wiederholt werden und
wenn ja, wann? Wird dann einfach dieselbe Warnmeldung wiederholt, oder kommt ein mehrstufiges
Konzept mit unterschiedlichen Warnungen (z. B. abhängig vom Gefährdungsgrad) zum Einsatz
(Eskandarian et al., 2007; Karrer-Gauß, 2012)?
2.2.2.4 Empfänger
2.2.2.4.1 Aufmerksamkeitszuwendung
Das Einsetzen einer Müdigkeitswarnung muss in einer Umgebung mit konkurrierenden Reizen zu-
nächst verlässlich bemerkt werden, es muss also in der Lage sein, exogen die Aufmerksamkeit auf
sich zu ziehen. Gleichzeitig ist die Interferenz mit der Fahraufgabe zu minimieren. Je nach Umge-
bungssituation können unterschiedliche Modalitäten für diese Aufgabe optimal sein. Allgemein besit-
zen auditive Onsets die höchste Salienz; haptische Reize (z. B. Vibration) sind fast ebenso effektiv
(Proctor & Proctor, 2006; Sarter, 2006; van Erp, Veltman & van Veen, 2003; nach Wickens
& McCarley, 2007). Auch innerhalb der visuellen Modalität17 existieren verschiedene geeignete Mög-
lichkeiten, um Warnungsreize salient zu machen. Visuelle Salienz hängt von der Unterschiedlichkeit
oder der Neuartigkeit eines Reizes bezogen auf seine Umgebung ab, die auf verschiedenen basalen
Wahrnehmungsdimensionen (z. B. Farbe, Bewegung, Helligkeit) besteht (Itti & Koch, 2000). Allge-
mein am wirkungsvollsten sind wiederholte Onsets (Blinken) sowie Bewegung und Farben, die mit
der Umgebung kontrastieren (Wickens & Rose, 2001; nach Wickens & McCarley, 2007).
Auch die relative Größe einer Warnung, eine im Sinne der Erkennbarkeit gute Strukturierung und
die Verwendung von Signalwörtern und Gefahrensymbolen erleichtern die Aufmerksamkeitszuwen-
dung (Wogalter et al., 2006). Für den Einsatz von Signalwörtern (z. B. Vorsicht!, Warnung!, Gefahr!),
graphischen Symbolen (z. B. Dreieck mit Ausrufezeichen) und Signalfarben (gelb, orange, rot) sowie
deren Kombinationen im Rahmen von Sicherheitskennzeichnungen existieren Normen18, deren Kon-
sultation auch Anregungen für die Gestaltung von Müdigkeitswarnungen im Fahrzeug geben kann
(s.a. existierende Warnungsdesigns in 2.3.2).
Eine Kombination von Reizen in zwei oder mehreren Modalitäten (Multimodalität) vermag die
Aufmerksamkeit des Fahrers in der Regel besser zu leiten als die Ansprache einer einzigen Modalität
(Ho, Reed & Spence, 2007; Lehto, Lesch & Horrey, 2009; Spence & Ho, 2008; aber beachte auch Lees
17 wobei grundsätzliche Beschränkungen des Gesichtsfeldes sowie die spezielle Frage, ob die Augen des Fahrers
überhaupt geöffnet sind, beachtet werden sollten
18 z. B. der US-amerikanische ANSI Z535 und die internationale ISO 3864 - für Deutschland übersetzt in die DIN
4844-1
26
et al., 2012). So können z. B. akustische oder haptische Signale in situationsangemessener Ausprä-
gung und Intensität für eine primäre Aufmerksamkeitsorientierung sorgen. In einer visuellen Anzeige
oder per Sprachausgabe können im Anschluss weiterführende Informationen gegeben werden, um
den Fahrer in Situationsverständnis und Wahl einer angemessenen Reaktion zu unterstützen
(Eskandarian et al., 2007).
Zu berücksichtigen ist weiterhin, dass auch eine im Rahmen der genannten Kriterien günstig ge-
staltete Warnung bei wiederholter Präsentation und mit wachsender Vertrautheit auf Seiten des
Empfängers in geringerem Maße zu einer Aufmerksamkeitszuwendung führt (Wogalter & Laughery,
1996; nach Wogalter et al., 2006). Eine Idee, solchen Habituationsprozessen entgegenzuwirken, be-
steht darin, im Zuge einer wiederholten Exposition Format und / oder Inhalt der Warnung abzuwan-
deln (MacKinnon, Nohre, Pentz & Stacy, 2000; Wogalter & Brelsford, 1994). Darüber hinaus haben
Aspekte der Überbringungssituation wie die genaue Ausprägung des detektierten Müdigkeitszu-
stands (z. B. Augen offen vs. geschlossen), aktuelle Anforderungen der Fahraufgabe oder die Anwe-
senheit anderer Personen Implikationen dafür, welche Warnungsvariante optimal eine Aufmerk-
samkeitszuwendung auslöst (s.a. 2.2.2.3).
2.2.2.4.2 Aufrechterhaltung der Aufmerksamkeit
Viele der Eigenschaften, die die initiale Aufmerksamkeitszuwendung erleichtern, wirken auch förder-
lich in Bezug auf die Frage, ob der Empfänger anschließend genügend Aufmerksamkeit investiert, um
die Bedeutung der Warnung zu extrahieren.
Grundsätzlich und speziell im Hinblick auf die Vereinbarkeit mit der Fahraufgabe sollte die Botschaft
mit geringstmöglichem kognitivem Aufwand zu verstehen sein. Kürze ist daher anzustreben, sollte
aber gegen die Anforderungen an den Inhalt der Warnung abgewogen werden. Bei Nachrichten, die
nicht auf einen Blick erfasst werden können, sind Eigenschaften gefragt, welche Interesse erzeugen
(vgl. 2.2.2.4.1) und nötige Anstrengung minimieren. Bei visuell präsentierten Textbotschaften wirken
eine Reihe von Faktoren auf die Lesbarkeit, z. B. Schriftart, -größe, -farbe und Kontrast, Textausrich-
tung, Strukturierung in Sinneinheiten. Analog nehmen eine Reihe von Merkmalen Einfluss auf die
auditive Verständlichkeit von Sprachbotschaften, wie z. B. Lautstärke, Frequenzspektrum, Ausspra-
checharakteristika, Lokalisation der Schallquelle, Sequenzierung (Edworthy & Hellier, 2006; Frascara,
2006; Haas & Edworthy, 2006; Reimer et al., 2012; Wogalter, 2006). In Ergänzung oder als Alternative
zu Sprache kann eine schnelles Verstehen auch durch gut gestaltete Symbole begünstigt werden, die
in Form von Bildern oder Piktogrammen in der visuellen Modalität, aber auch als auditory icons in
der auditiven Modalität dargestellt werden können (Edworthy & Hellier, 2006; Freeman & Wogalter,
2001; Fricke & de Filippis, 2008; Haas & Edworthy, 2006).
2.2.2.4.3 Verstehen und Gedächtnis
Auch wenn genügend Aufmerksamkeitsressourcen zur Dekodierung der Botschaft investiert werden,
ist nicht garantiert, dass der Empfänger die Nachricht so versteht, wie sie vom Sender intendiert war.
Zum Verständnis gehören zwei Aspekte (Wogalter et al., 2006): ein wörtliches Verständnis der in der
Warnung enthaltenen Informationen sowie Konnotationen – subjektive Bedeutungen, die der Emp-
fänger im eigenen Gedächtnis mit den sprachlichen Informationen und nichtsprachlichen Merkmalen
der Warnung verknüpft. Ein entscheidender Aspekt hierbei ist die entstehende Gefahrenkonnotation:
Wie gut transportiert eine Warnung den Grad der tatsächlichen Gefährdung in das subjektive Ver-
ständnis? Beispielsweise existieren in den o.g. Normen relativ genaue Definitionen der Gefahrenni-
veaus, die mit bestimmten Signalwörtern bezeichnet werden sollen, wobei folgende Abstufung der
27
Gefährdungsgrade gilt: Gefahr! > Warnung! > Vorsicht!, doch empirische Untersuchungen zeigen,
dass Nichtfachleute zwar Gefahr! tatsächlich als gefährlicher wahrnehmen als die anderen beiden
Begriffe, zwischen diesen aber nicht weiter differenzieren. Ähnliches gilt für die Verwendung der
Signalfarben rot, orange und gelb (Chapanis, 1994; Edworthy, Hellier, Walters, Clift-Mathews &
Crowther, 2003; Hellier, Aldrich, Wright, Daunt & Edworthy, 2007; Künzer, Hofinger & Zink, 2014;
Williams & Noyes, 2007; Wogalter & Silver, 1995). In der auditiven Modalität wird die Gefahrenkon-
notation sowohl von Tonsignalen als auch von Sprachnachrichten u.a. verstärkt durch: höhere Inten-
sität, Tonhöhe und -umfang, schnelle Abfolge von Elementen sowie eine dynamische Zunahme auf
jeder der vorgenannten Dimensionen (Barzegar & Wogalter, 1998; Edworthy, Loxley & Dennis, 1991;
Hellier, Edworthy, Weedon, Walters & Adams, 2002; Hollander & Wogalter, 2000; nach Wogalter et
al., 2006; s.a. Baldwin, 2011; Marshall, Lee & Austria, 2007).
Neben Gestaltungsmerkmalen der Warnung beeinflussen viele individuelle Merkmale des Emp-
fängers das Verständnis. Sensorischen Besonderheiten (z. B. Unterschieden in der Hörfähigkeit) kann
durch Individualisierbarkeit bei der Auswahl von Warnungskanälen oder Kalibrierungsmöglichkeiten
bezüglich der Intensität von Ausgaben begegnet werden. Sprach- oder Textausgaben sollten auf die
Sprache des Empfängers einstellbar und so einfach wie möglich formuliert sein (z. B. hinsichtlich
Wortwahl, Länge und Komplexität von Sätzen). Eine zentrale Rolle für das Verständnis spielt das
Vorwissen des Empfängers, im Fall der Müdigkeitswarnung besonders das Wissen über Effekte von
Müdigkeit beim Fahren und wirksame Gegenmaßnahmen (Wogalter et al., 2006). Relevantes Wissen
kann durch eigene Erfahrung oder vermittelt durch Aufklärungsmaßnahmen erworben worden sein –
oder eben nicht. Es gilt zu erforschen, inwiefern es praktikabel ist, umfassendere edukative Informa-
tion auch in den Warnkontext zu integrieren oder wenigstens kontextuell näher an die spätere Warn-
situation heranzuführen. Eine Möglichkeit bestände darin, bei Erstnutzung des Systems per Sprach-
ausgabe oder Video eine Einführung zu geben, die neben Informationen zum System auch Hinter-
grundinformationen zu Gefahren müden Fahrens und wirksamen Gegenstrategien enthält.
Für optimales Verständnis sollten alle geforderten Inhaltsbestandteile – Informationen zur Art der
Gefahr, Art und Schwere der drohenden Konsequenzen und Verhaltensanweisungen – explizit, präzi-
se und konkret in der Warnung formuliert sein (Laughery, Vaubel, Young, Brelsford & Rowe, 1993;
nach Wogalter et al., 2006). Ausnahmen vom Grundsatz der Explizitheit bilden Fälle, in denen die
Warnung als Erinnerung fungiert, das heißt, in denen davon auszugehen ist, dass das relevante Wis-
sen im Langzeitgedächtnis des Empfängers vorhanden ist und durch die Warnung lediglich im Ar-
beitsgedächtnis aktiviert werden soll (awareness vs. knowledge; Wogalter et al., 2006).
Vielfach wurde die Nützlichkeit bildlicher Darstellungen für das Verstehen und Behalten von
Warninformationen belegt (Boersema & Zwaga, 1989; Collins, 1983; Dewar, 1999; Wolff & Wogalter,
1998; nach Wogalter et al., 2006). Im Kontext der Müdigkeitswarnung bietet sich der Einsatz aussa-
gekräftiger Symbole insbesondere angesichts der Zeitbeschränkungen an, die beim Fahren für die
Verarbeitung der Warnung bestehen. Als Symbol sollten wiederum nach Möglichkeit konkrete und
direkte Repräsentationen der Gefahr gewählt werden (in Abgrenzung von abstrakten Symbolen oder
Symbolen, die zwar Konkretes darstellen, deren übertragene Bedeutung aber erst erlernt werden
muss). Als Richtlinie zur Evaluation von Symbolen sollten laut ANSI Z535 mindestens 85% richtige
Interpretationen in der Zielpopulation angestrebt werden. Ebenso wichtig ist, dass ein Symbol nicht
miss- oder gar gegenteilig interpretiert wird; der Anteil von Fehlinterpretationen sollte unter 5% lie-
gen (Wogalter et al., 2006).
28
2.2.2.4.4 Überzeugungen und Einstellungen
Wenn die Warnungsbotschaft erfolgreich dekodiert wurde, hängt der weitere Erfolg der intendierten
Verhaltensbeeinflussung davon ab, ob der Inhalt mit dem persönlichen Wissens- bzw. Glaubenssys-
tem des Empfängers vereinbar ist. Wenn ja, ist die Verarbeitung auf dieser Stufe laut C-HIP-Modell
erfolgreich bewältigt; zudem wird die Warnbotschaft das bestehende Überzeugungs- und Einstel-
lungssystem bestätigen und verstärken (Wogalter et al., 2006).
Steht die Botschaft in Widerspruch zu sonst bestehenden Ansichten, kann sie nur verhaltenswirk-
sam werden, wenn sie überzeugend genug ist, um diese entsprechend zu verändern. Dieser Aspekt
ist besonders wichtig für die Gestaltung von Müdigkeitswarnungen (s. 2.2.3).
Eine für den Warnungserfolg zentrale Überzeugung ist die eigene Risikowahrnehmung, die zum
einen durch die antizipierte Schwere drohender negativer Konsequenzen und zum anderen durch die
subjektive Wahrscheinlichkeit deren Eintreffens beeinflusst wird. Je höher das wahrgenommene
Risiko, desto eher werden Warnappelle befolgt (de Hoog, Stroebe & de Wit, 2007; Peters, Ruiter &
Kok, 2013; Witte & Allen, 2000). Ebenfalls bedeutsam sind Überzeugungen, die sich auf Möglichkei-
ten beziehen, wie die Gefahr wirksam abgewendet werden kann, sowohl im Hinblick auf das empfoh-
lene Verhalten als auch auf persönliche Fähigkeiten, die als alternative Bewältigungsoptionen wahr-
genommen werden (Peters et al., 2013). All diese Einschätzungen sind subjektiv und unterliegen ei-
ner Reihe kognitiver Verzerrungen. Aufgrund ihrer Bedeutsamkeit im Kontext von Müdigkeitswar-
nungen wird ihr Einfluss später noch einmal genauer betrachtet (s. 2.2.4).
2.2.2.4.5 Motivation
Nicht zu vernachlässigen und am Ende der Verarbeitungskette entscheidend sind Aspekte der
Energetisierung des Verhaltens, insbesondere von antizipierter Lust und Unlust, Leichtigkeit und An-
strengung, die mit den verschiedenen Handlungsoptionen verbunden sind. Besonders wichtig in die-
sem Zusammenhang – und in bisherigen Ansätzen zur Gestaltung von Müdigkeitswarnungen kaum
berücksichtigt – sind subjektive Kosten des empfohlenen Verhaltens: mentale oder körperliche An-
strengungen, Zeit- oder finanzielle Aufwände. Je ungünstiger die situativen Bedingungen (z. B. bezüg-
lich Verfügbarkeit benötigter Utensilien oder Infrastruktur, Zeitdruck, bestehender mentaler Bean-
spruchung) und je unbequemer, zeitraubender oder kostenintensiver die Ausführung des empfohle-
nen Verhalten, desto unwahrscheinlicher ist es, dass die Warnung befolgt wird (Dingus, Hathaway &
Hunn, 1991; Wogalter, Allison & McKenna, 1989; Wogalter et al., 1987; nach Wogalter et al., 2006).
Auch potentielle Kosten der nicht empfohlenen Verhaltensalternativen spielen eine Rolle. Insbeson-
dere mögliche schwerwiegende negative Konsequenzen wirken motivierend für warnungskonformes
Verhalten, was erneut auf die Wichtigkeit der expliziten und präzisen Erwähnung möglicher schädli-
cher Folgen hinweist (Laughery, 2006). Zu beachten ist auch, dass unmittelbar eintreffende Konse-
quenzen motivational stärker ins Gewicht fallen als solche, die erst verzögert oder eventuell gar nicht
auftreten (Neth, Sims & Gray, 2006). Ein weiterer Faktor, dessen Nutzung in der Warnungsgestaltung
vielleicht nicht ganz einfach, aber dennoch möglich und eventuell lohnend ist, sind soziale Einflüsse.
Die Verfügbarkeit positiver Verhaltensmodelle (unmittelbar oder mittelbar) erhöht die
Compliancewahrscheinlichkeit, ebenso wie das Vorhandensein negativer Modelle warnungskonfor-
mes Verhalten unwahrscheinlicher macht (Wogalter et al., 1989; nach Wogalter et al., 2006). Eben-
falls bedeutsam sind soziale Normvorstellungen (was würde Person X, Y, Z von mir erwarten, wie ich
mich verhalten soll?) und deren subjektive Wichtigkeit (Ajzen, 1991, 2002; Ajzen & Madden, 1986).
Auch Faktoren auf Ebene der Motivation werden später noch einmal genauer betrachtet (s. 2.2.4,
5.3).
29
2.2.3 Gewichtung der Verarbeitungsstufen bei der verhaltenswirksamen Gestaltung von
Müdigkeitswarnungen im Fahrzeug
Wie in 2.2.2 deutlich wurde, ist jede einzelne Stufe des C-HIP-Modells essentiell für eine gelingende
Verhaltensbeeinflussung und sollte demnach auch im Designprozess entsprechend bedacht werden.
Mit Blick auf Müdigkeitswarnungen gibt es dennoch gute Gründe, zukünftige Forschungsanstrengun-
gen verstärkt auf die späten Stufen der Verarbeitung, also auf das Wirken von Überzeugungen, Ein-
stellungen und motivationalen Größen zu richten. Zum einen wurden diese Stufen in bisherigen Ge-
staltungsansätzen vergleichsweise wenig berücksichtigt. Zum anderen ist der Bedarf an Beeinflussung
von Verarbeitungsprozessen im Fall der Müdigkeitswarnung auf späteren Stufen höher19 als bei
Rückmeldungen anderer Fahrerassistenzsysteme.
Eine Veranschaulichung der bisherigen relativen Vernachlässigung der späten Stufen liefert eine
Überblicksarbeit von Hagenmeyer (2007). Der Autor analysiert und evaluiert 18 existierende oder
vorgeschlagene Warnsysteme auf verschiedenen Dimensionen. Unter anderem wird ein Index der
Warnungsqualität auf Basis des C-HIP-Modells ermittelt. Hierfür wird einzeln bewertet, inwiefern die
Rückmeldung des jeweiligen Systems (1) geeignet ist, die Aufmerksamkeit auf sich zu ziehen, (2) die
Art der Gefahr benennt, (3) Informationen über negative Folgen zur Verfügung stellt und (4) Verhal-
tensempfehlungen gibt. Der entsprechenden Übersicht (S. 142) ist zu entnehmen, dass jedes einzel-
ne der betrachteten Systeme die Anforderungen an die Aufmerksamkeitsausrichtung voll erfüllt.
Vergleichsweise spärlich fallen dagegen die Bewertungen hinsichtlich der anderen drei Kriterien aus,
welche das Potential zur Beeinflussung von Einstellungen und Motivation bergen. Aussagekräftig sind
auch die weiteren Bewertungsdimensionen, die sich unter anderem um die Wahrnehmbarkeit (z. B.
Multimodalität, Angemessenheit der sensorischen Kanäle für die Anwendungssituation, adaptierbare
Intensität) und Beeinträchtigungsfreiheit (Gefahr der Ablenkung, Non-Intrusivität) drehen. Das er-
sichtliche Ungleichgewicht zwischen solchen, zweifelsohne wichtigen, Überlegungen und Überlegun-
gen betreffs des psychologischen Kernproblems der Müdigkeitswarnung – motivational bedingter
Verzerrungen in der Wahrnehmung des Risikos, der eigenen Widerstandsfähigkeit etc. – erscheint
einigermaßen repräsentativ für die bisherige wissenschaftliche Beschäftigung mit der Frage nach der
Gestaltung von Müdigkeitswarnungen. Einige wenige Ansätze, welche persuasive und handlungser-
leichternde Elemente beinhalten, werden in Abschnitt 2.3.2.3 vorgestellt. Einem Großteil der vorge-
schlagenen Systeme (Übersichten bei Barr et al., 2009; Dawson et al., 2014; Dong, Hu, Uchimura &
Murayama, 2011; Edwards et al., 2007; Hagenmeyer, 2007; Liu, Hosking & Lenné, 2009; Wright, Sto-
ne, Horberry & Reed, 2007) scheint hingegen die Vorstellung zugrunde zu liegen, es genüge, einen
validen Detektionsalgorithmus zu entwickeln und den Fahrer lediglich zu informieren, sobald das
Überwachungssystem Müdigkeit erkennt. Eine implizite Einstellung, die Lösung des Detektionsprob-
lems sei das Schwierigste an der Entwicklung eines Müdigkeitswarnsystems, spiegelt sich auch in den
Mengenverhältnissen einer Masse von Publikationen, die sich mit der Detektionsseite beschäftigen,
gegenüber einer Handvoll, die sich ernsthaft mit der Frage auseinandersetzen, wie der Output eines
solchen Systems zu gestalten ist. Noch weiter dünnt sich die Erkenntnislage aus, wenn nach sicher-
heitsrelevanten Effekten und deren Wirkmechanismen gefragt wird (vgl. 2.3.2.3).
Der zweite Grund, in der Forschung zu Müdigkeitswarnungen die späten Verarbeitungsstufen zu
akzentuieren, liegt in deren erhöhter Bedeutsamkeit für den Erfolg der Rückmeldung auf Verhaltens-
19 und wohl auch auf früheren Stufen geringer, mehr dazu weiter unten
30
ebene. Veranschaulichen lässt sich dies anhand eines Vergleichs mit einem anderen fortschrittlichen
Fahrerassistenzsystem, das ebenfalls eine Rückmeldung an den Fahrer beinhaltet: der Kollisionswar-
nung. Betrachtet man für jedes der beiden Assistenzsysteme getrennt den Bedarf an Beeinflussung
von Verarbeitungsprozessen auf den Stufen des C-HIP-Modells, ergeben sich deutlich unterschiedli-
che Schwerpunkte. Die Kollisionswarnung hat, um wirksam zu sein, ihren wichtigsten Beitrag auf den
frühen Ebenen der Wahrnehmung und Aufmerksamkeit zu leisten, indem sie die Aufmerksamkeit des
Fahrers (zurück) auf die Straße und auf das zuvor unbemerkte, zu vermeidende Kollisionsobjekt
lenkt. Hat sie dies geschafft, ist bezüglich der Einstellungen, Überzeugungen und Motivation des Fah-
rers vergleichsweise wenig Arbeit zu tun. Das Zielverhalten, das durch die Kollisionswarnung erleich-
tert werden soll, entspricht einer vergleichsweise einfachen Reiz-Reaktionsverknüpfung: Abbremsen
oder Ausweichen20. Das Auftreten eines konkreten, singulären Gefahrenereignisses steht unmittelbar
bevor, die Situation verlangt eine schnelle Reaktion, es stehen kaum alternative Handlungsoptionen
zur Verfügung, und es ist unwahrscheinlich, dass es zu einem bewussten Abwägen von Für und Wider
kommt. Selbst wenn, stände der Entscheidung zu bremsen oder auszuweichen vermutlich nicht viel
entgegen. Damit hat die Kollisionswarnung schwerpunktmäßig eine informative, aufmerksamkeits-
lenkende Funktion zu erfüllen (vgl. Fricke & Thüring, 2009). Vergleichsweise geringerer Bedarf in die-
ser Hinsicht besteht im Fall der Müdigkeitswarnung. Müde Fahrer sind sich in aller Regel des Um-
stands ihrer Müdigkeit bewusst (s. 2.1.3), somit vermittelt eine Müdigkeitsanzeige dem Fahrer zu-
nächst keine neue, zuvor unzugängliche Information. Allenfalls kann eine Müdigkeitswarnung die
vorhandene Information detaillieren (indem sie z. B. hilft, den Zeitpunkt zu erkennen, wann ein kriti-
sches Level der Müdigkeit erreicht ist) oder als „Erinnerung“ fungieren (Wogalter et al., 2006). We-
sentlich größerer Unterstützungsbedarf besteht in Bezug auf subjektive Überzeugungen und motiva-
tionale Aspekte. Dies hängt mit der Komplexität der notwendigen Urteils- und Entscheidungsprozes-
se und des geforderten Verhaltens zusammen. Im Fall der Müdigkeitswarnung ist die Gefahr wesent-
lich abstrakter, ein sekundenschnelles Agieren ist nicht nötig, zumeist wohl nicht einmal möglich. Der
relativ undefinierte Zeithorizont eröffnet in wesentlich höherem Maße die Möglichkeit für Urteils-
und Entscheidungsprozesse, bei denen subjektive Situationseinschätzungen (bezüglich der eigenen
Müdigkeit, des Unfallrisikos, alternativer Möglichkeiten, sich zu aktivieren, etc.) eine Rolle spielen,
welche motivational bedingten Verzerrungen unterliegen. Das warnungskonforme Verhalten ist zu-
dem in Planung und Ausführung wesentlich komplexer als eine unmittelbare Brems- oder Ausweich-
reaktion. Ein neues Handlungsziel und ein neuer Handlungsplan müssen dazu erstellt werden. Aus
handlungstheoretischer Sicht muss dafür die Regulation auf eine symbolische Ebene (Rasmussen,
1982, 1983) wechseln, was mit einer empfundenen Zunahme der mentalen Beanspruchung verbun-
den ist. Unmittelbar resultierende und antizipierte subjektive Kosten wirken demotivierend in Bezug
auf die Ergreifung wirksamer Gegenmaßnahmen (s. 2.2.4.1). Dazu kommt die Robustheit des unrea-
listischen Optimismus bei der Gefährdungswahrnehmung, der selbst objektivem Leistungsfeedback
standhält (ibd.). Vor diesem Hintergrund muss die Müdigkeitswarnung in viel stärkerem Maße eine
persuasive und motivierende Funktion erfüllen.
Weil Einstellungen, Überzeugungen und Motivation eine so wichtige Rolle in dem Entscheidungs-
prozess spielen, auf den die Müdigkeitswarnung Einfluss nehmen muss, ist es angebracht, einen de-
taillierteren theoretischen Blick auf diese Stufen des C-HIP-Modells zu werfen und einige Variablen
20 Im Modell der Regulationsebenen nach Rasmussen (1982, 1983) ist diese Verhaltensweise auf der Fertig-
keits- oder höchstens regelbasierten Ebene zu verorten.
31
und Prozesse genauer zu spezifizieren, welche hier den Verlauf und das Ergebnis der Entscheidung
beeinflussen.
2.2.4 Ein Modell sicherheitsbezogener Entscheidungsprozesse: Die Theorie der Schutzmo-
tivation und ihre Ansatzpunkte für eine verhaltenswirksame Müdigkeitswarnung
Die Situation eines Autofahrers angesichts einer Meldung seines Müdigkeitswarnsystems repräsen-
tiert ein typisches Beispiel einer Entscheidung unter Unsicherheit. Die bedeutsamste Klasse von The-
orien zur Erklärung menschlichen Entscheidungsverhaltens unter unsicheren Bedingungen sind kog-
nitive Erwartung‐mal‐Wert‐Modelle (Jungermann, Fischer & Pfister, 2010). Diese gehen von folgen-
den Grundannahmen aus: (1) Bei der Wahl zwischen Handlungsoptionen suchen Personen nach der
besten Möglichkeit, (2) Grundlage der Beurteilung, welche Optionen wie gut oder schlecht sind, sind
deren antizipierte Folgen und (3) in der Begutachtung der Konsequenzen werden sowohl deren sub-
jektiver Nutzen21 als auch die wahrgenommene Wahrscheinlichkeit ihres Eintretens22 berücksichtigt.
Auch die Theorie der Schutzmotivation (Protection Motivation Theory, PMT; Maddux & Rogers, 1983)
gehört zu dieser Modellgruppe. Sie wurde im Rahmen der Risikokommunikationsforschung entwi-
ckelt. Inhaltlich weist sie eine enge Passung zu der warnungstypischen Klasse von Situationen auf, in
denen sich zwei Arten von Verhalten als Handlungsoptionen gegenüberstehen: auf der einen Seite
ein aus gesundheits- oder sicherheitsbezogener Sicht empfohlenes, aber mit subjektiven Handlungs-
kosten verbundenes Verhalten und auf der anderen Seite ein angenehmer auszuführendes, aber
gesundheits- oder sicherheitsgefährdendes Verhalten (Schwarzer, 2004).
Die PMT ist eine der am häufigsten eingesetzten Theorien zur Gestaltung persuasiver Botschaften
(Prentice-Dunn, McMath & Cramer, 2009). Aktuelle Anwendungsgebiete umfassen die Gestaltung
von Warnhinweisen auf Zigarettenpackungen (Petersen & Lieder, 2006; Schneider, Gadinger & Fi-
scher, 2012), die Beeinflussung der Geschwindigkeitswahl beim Autofahren (Glendon & Walker,
2013), die Nutzung von Sicherheitsgurten (Ouimet et al., 2008), das Sonnenschutzverhalten
(Prentice-Dunn et al., 2009), die Anwendung von Informationssicherheits-Maßnahmen am Arbeits-
platz und in sozialen Netzwerken (Mohamed & Ahmad, 2012; Vance, Siponen & Pahnila, 2012), den
Einsatz von Antiplagiats-Software an Universitäten (Lee, 2011), die Kondomnutzung (Boer &
Mashamba, 2005; Lwin, Stanaland & Chan, 2010) und viele mehr.
Als theoretische Grundlage für Untersuchungen zur Wirksamkeit von Müdigkeitswarnungen quali-
fiziert sich die PMT insbesondere, indem sie spezifiziert, welche kognitiven Variablen auf Ebene der
Überzeugungen und Einstellungen für Entscheidungen in der beschriebenen Situationsklasse relevant
sind und wie diese Variablen in Bezug auf die entstehende Motivation zusammenwirken.
Abbildung 4 zeigt einen Überblick über die Annahmen der PMT. Der Fokus liegt auf den kognitiven
Prozessen (Mitte), die zwischen verfügbaren sicherheits- und gesundheitsrelevanten Informationen
(linke Seite) und dem resultierenden Verhalten (rechte Seite) vermitteln.
Die Quellen, aus denen Informationen über Risiken stammen, liegen sowohl in der Umwelt als
auch innerhalb der Person. Aktuelle Wahrnehmungen werden bei der Risikobewertung also ebenso
herangezogen wie im Langzeitgedächtnis abgelegte Inhalte. Im Fall der Müdigkeitswarnung handelt
es sich um eine persuasive Nachricht aus der Umwelt. Diese trifft auf eine Konstellation aus anderen
Informationen und Merkmalen auf Ebene der Person, beispielweise Erinnerungen – oder fehlende
21 entsprechend dem „Wert“ - der auch negativ sein kann, man spricht dann von Kosten
22 entsprechend der “Erwartung”
32
Erinnerungen – an Sekundenschlafereignisse, eine generelle Tendenz zur Risikobereitschaft oder
Risikoaversion und so weiter. Auf diese Weise finden interindividuelle Unterschiede Eingang in das
Modell.
Abbildung 4. Übersicht über die Theorie der Schutzmotivation. (Modifizierte Darstellung nach Schwarzer, 2004,
S. 57, Abdruck mit freundlicher Genehmigung des Hogrefe-Verlags.)
Auf Ebene des Verhaltens stehen dem Empfänger einer Gefahrenbotschaft zwei grundsätzliche
Möglichkeiten zur Verfügung, die in der PMT als Bewältigungsmodalitäten (Coping modalities) be-
zeichnet werden, da es um den Umgang mit einer potentiellen Bedrohung geht. Unter einer adapti-
ven Bewältigung wird die Menge all jener Verhaltensweisen zusammengefasst, die zu einer effekti-
ven Reduktion der Bedrohung führen. Im Fall der Müdigkeitswarnung entsteht die Bedrohung aus
der verminderten Leistungsfähigkeit des Fahrers und den potentiell daraus resultierenden schädi-
genden Ereignissen. Als adaptiv sind demnach alle Verhaltensweisen anzusehen, welche zu einer
Reduktion der Müdigkeit führen – gemäß 2.1.2 also im wesentlichen Schlafen oder Koffeinaufnahme.
Als maladaptive Form der Bewältigung werden alle jene Verhaltensweisen bezeichnet, die nicht ge-
eignet sind, das Risiko wirksam zu mindern. Im Kontext des Fahrens unter Müdigkeit entspricht dies
einer Fortsetzung der Fahrt. Auch wenn dabei solche subjektiv als wirksam empfundenen Gegen-
maßnahmen ergriffen werden, die in objektiven Wachheits- und Leistungsmaßen keinen oder nur
einen sehr kurzlebigen Effekt erzielen (vgl. 2.1.2 und 2.1.3), ist dies wegen des fortbestehenden Risi-
kos als maladaptive Bewältigung zu beurteilen.
Welche Form der Bewältigung gewählt wird, darüber entscheiden die in der Mitte von Abbildung
4 dargestellten mediierenden kognitiven Prozesse, die den Kern der PMT bilden. Der Theorie zufolge
löst die Wahrnehmung einer Gefahreninformation zwei unterschiedliche Bewertungsprozesse aus. In
einem Prozess der Bedrohungseinschätzung werden die Konsequenzen des maladaptiven Verhaltens
bewertet: Wie schwerwiegend sind die potentiellen negativen Folgen (Schweregrad)? Wie wahr-
scheinlich ist es, dass ich persönlich davon betroffen sein werde (Vulnerabilität)? Welche angeneh-
men Konsequenzen hat das Risikoverhalten für mich (intrinsische und extrinsische Belohnungen)? Die
resultierende Schutzmotivation und damit die Wahrscheinlichkeit einer adaptiven Verhaltensantwort
werden höher ausfallen, je höher die ersten beiden Faktoren ausgeprägt sind, und werden gemindert
durch hohe Ausprägungen auf der Belohnungsseite. Ein zweiter Prozess, die Bewältigungseinschät-
33
zung, gilt der Bewertung des empfohlenen Verhaltens: Wie effektiv erscheint mir dieses zur Redukti-
on der Bedrohung (Handlungswirksamkeit)? Wie sehr fühle ich mich selbst in der Lage, es auszufüh-
ren (Selbstwirksamkeit)? Welche Unannehmlichkeiten sind damit für mich verbunden (Handlungs-
kosten)? Wie in der Bedrohungseinschätzung wirken dabei hohe Ausprägungen der beiden erstge-
nannten Faktoren in Richtung einer adaptiven Reaktion, hohe Ausprägungen auf Seiten der Hand-
lungskosten dagegen hemmend. Aus dem Zusammenwirken aller Faktoren resultiert die Schutzmoti-
vation im Sinne einer Tendenz zur Ausführung adaptiven Verhaltens, die geringer oder höher ausfal-
len kann.
Folglich setzt die Gestaltung einer verhaltenswirksamen Müdigkeitswarnung die Kenntnis von
Schlüsselfaktoren und -mechanismen voraus, die Einfluss auf das Resultat der beiden Bewertungs-
prozesse, Bedrohungs- und Bewältigungseinschätzung, nehmen. Auf Grundlage dieser Kenntnis kön-
nen dann Überlegungen angestellt werden, ob und gegebenenfalls wie diese Schlüsselelemente in
einem gezielten Warnungsdesign genutzt werden können, um die Bewertungsprozesse in Richtung
einer adaptiven Verhaltensantwort zu beeinflussen.
2.2.4.1 Schlüsselelemente in der Bedrohungseinschätzung
Bounded Rationality (Gigerenzer, 2002; Simon, 1959), eingeschränkte Rationalität, ist ein Begriff, der
die Mechanismen menschlichen Urteilens und Entscheidens sehr treffend charakterisiert. Menschen
streben grundsätzlich danach, gute Entscheidungen zu treffen; und subjektive Beurteilungen der
Werte und Wahrscheinlichkeiten von Ereignissen zeigen in der Regel zumindest eine Kovarianz mit
rational-normativ bestimmbaren Werten und Wahrscheinlichkeiten. Die Übereinstimmung ist aber
nicht 1:1. Die Urteils- und Entscheidungsforschung hat inzwischen eine ganze Reihe systematischer
Verzerrungen identifiziert, welche die Übersetzung objektiver Gegebenheiten in subjektive Wahr-
nehmungen und Bewertungen betreffen (Übersicht z. B. bei Wickens, Hollands, Banbury &
Parasuraman, 2012). Die Kenntnis und Berücksichtigung dieser kognitiv, emotional und motivational
verankerten Mechanismen ist essentiell bei dem Versuch, durch Warnungen Einfluss auf Verhalten
zu nehmen.
Zum Beispiel zeigen Studien zum Beitrag des subjektiven Schweregrads der Bedrohung einerseits
zu erwartende Muster: mit zunehmendem wahrgenommenem Schweregrad potentieller Schädigun-
gen – z. B. drohender Verletzungen – wachsen auch die eingeschätzte Bedrohung und die Bereit-
schaft, Warnungen Folge zu leisten (Wogalter, Brelsford, Desaulniers & Laughery, 1991; Wogalter,
Brems & Martin, 1993; nach Wogalter et al., 2006), und bezüglich der Warnungsgestaltung erhöhen
bestimmte Elemente wie Signalfarben und –wörter, Explizitheit und konkrete direkte Repräsentatio-
nen der Gefahr die wahrgenommene Schwere der Bedrohung, ebenso wie die Risikowahrnehmung
insgesamt (vgl. 2.2.2). Andererseits unterliegt die Wahrnehmung des Schweregrads negativer Ereig-
nisfolgen auch Verzerrungen, z. B. aufgrund der zeitlichen Kontingenzen von Handlung und Konse-
quenzen. Zeitliche Unmittelbarkeit verstärkt den subjektiven Schrecken negativer Konsequenzen
ebenso wie den subjektiven Reiz positiver Konsequenzen. Zeitliche Verzögerung führt zu einer Ver-
minderung sowohl wahrgenommener Kosten als auch wahrgenommenen Nutzens (Neth, Sims &
Gray, 2006). Eine ähnliche Wirkung hat die Sicherheit vs. Unsicherheit, mit der Konsequenzen eintref-
fen (s.a. 2.2.4.2). Dies hat Implikationen für die Reaktionen auf Müdigkeit am Steuer, die an späterer
Stelle noch diskutiert werden.
Die subjektive Vulnerabilität in der PMT bezeichnet die wahrgenommene Wahrscheinlichkeit, mit
der bei Unterlassung des empfohlenen Verhaltens die potentielle Schädigung eintrifft. Im Kontext
der Müdigkeitswarnung sind dafür mehrere subjektive Einschätzungen relevant, u.a.: Wie müde fühlt
34
sich der Fahrer selbst? Wie plausibel erscheint es ihm einzunicken oder durch mangelnde Aufmerk-
samkeit wichtige Fahrmanöver zu versäumen? Wie wahrscheinlich führt Sekundenschlaf oder Un-
aufmerksamkeit in der gegebenen Fahrsituation zu einem Unfall?
Eine wesentliche Größe, die solche subjektiven Urteile beeinflusst, sind persönliche Erfahrungen mit
der gefährlichen Situation. Der Einfluss kann hierbei in zwei Richtungen gehen. Liegt eine hohe Ver-
trautheit mit der Situation – müde Auto fahren – vor, ohne dass es jemals zu Vorfällen – z. B. Einni-
cken, Unfällen oder Beinahe-Unfällen – gekommen ist, wird dies die wahrgenommene Vulnerabilität
ebenso wie die Wahrscheinlichkeit adaptiven Verhaltens verringern (s. Goldhaber & deTurck, 1988;
Otsubo, Wogalter et al., 1991; Wogalter, Kalsher & Racicot, 1993; nach Wogalter et al., 2006). Zudem
wirkt eine solche Vertrautheit negativ auf frühere Informationsverarbeitungsstufen wie die Zuwen-
dung von Aufmerksamkeit auf Warnhinweise oder deren Elaboration zurück (Godfrey, Allender,
Laughery & Smith, 1983, LaRue & Cohen, 1987; Wogalter et al., 1991; nach Wogalter et al., 2006).
Hat der Empfänger einer Warnung hingegen persönliche Erfahrungen23 mit einer tatsächlich einge-
tretenen oder nur knapp vermiedenen Schädigung, wird er das Risiko eher überschätzen (ibd.). Für
die experimentelle Forschung zur Wirksamkeit von Müdigkeitswarnungen ist dies (mindestens) inso-
fern bedeutsam, als Erfahrungen mit müdem Fahren, Sekundenschlaf, müdigkeitsbedingten Unfällen
etc. als Kontrollvariablen einbezogen werden sollten.
Der Einfluss der persönlichen Erfahrung auf die Vulnerabilitätswahrnehmung entspricht der ge-
dächtnisbasierten kognitiven Verzerrung, die bei Anwendung der Verfügbarkeitsheuristik zur Schät-
zung von Wahrscheinlichkeiten entstehen kann (Tversky & Kahneman, 1974). Eine weitere bekannte
und im Warnungskontext besonders bedeutsame kognitive Verzerrung ist das Optimismusbias (auch
unrealistischer Optimismus [Weinstein, 1982] oder Overconfidence). Weinstein bezeichnete so den
von ihm und anderen gefundenen Effekt, dass Personen die Wahrscheinlichkeit, persönlich von ei-
nem schädigenden Ereignis betroffen zu sein, im Vergleich zu dieser Wahrscheinlichkeit für andere
systematisch unterschätzen. Diese Tendenz wurde in zahlreichen Studien in sehr unterschiedlichen
Themenbereichen festgestellt (s. Jungermann et al., 2010; McMath & Prentice-Dunn, 2005), auch in
der Domäne des Autofahrens. Fahrer überschätzen systematisch ihre eigenen Fähigkeiten (Horswill,
Taylor, Newnam, Wetton & Hill, 2013; McKenna, Stanier & Lewis, 1991; Svenson, 1981) und beurtei-
len ihre eigene Unfallwahrscheinlichkeit, verglichen mit der von Angehörigen ihrer Bezugsgruppe, als
geringer (DeJoy, 1989; Finn & Bragg, 1986; Harré & Sibley, 2007). Zum Optimismusbias gehört allge-
mein auch eine Überschätzung der eigenen Kapazitäten, ein schädigendes Ereignis abzuwenden
(Klein & Helweg-Larsen, 2002; Sharot, 2012). Konsequent, aber auch paradox, erstreckt sich der un-
realistische Optimismus auch auf die Einschätzung der eigenen Resistenz gegenüber Urteilsverzer-
rungen (Pronin, Gilovich & Ross, 2004; nach Dogan, Steg, Delhomme & Rothengatter, 2012), was ihn
noch robuster macht; und er tritt in impliziten Tests sogar noch stärker zutage als in expliziten
Selbsteinschätzungen (Harré & Sibley, 2007; nach Dogan et al., 2012), was ihn als tief in den kogniti-
ven Funktionsweisen des Menschen verankert ausweist. Für die verhaltenswirksame Gestaltung von
Müdigkeitswarnungen ist diese Tendenz zweifelsohne ein – wenn nicht gar das – Kernproblem. Bei
Betrachtung der bisher vorgeschlagenen Rückmeldungsansätze (mehr unter 2.3.2) zeigt sich, dass nur
wenige davon überhaupt der Notwendigkeit von Überzeugungselementen Rechnung tragen. Eins der
hierbei verfolgten Konzepte setzt darauf, durch nicht-evaluatives Feedback die Vulnerabilitätswahr-
nehmung zu erhöhen. Die Idee erscheint vielversprechend: der überoptimistischen Einschätzung des
Fahrers bezüglich seiner Leistungsfähigkeit wird eine aktuelle Rückmeldung der objektiven Fahrleis-
23 Dazu genügt es unter Umständen auch, jemanden persönlich zu kennen, dem etwas Derartiges passiert ist.
35
tung gegenübergestellt. Dogan et al. (2012) testeten in einem verkehrspsychologischen Experiment
den Effekt von Leistungsfeedback auf die Gefahrenwahrnehmung in Fahrsituationen und kamen
diesbezüglich zu relativ ernüchternden Ergebnissen. Auch unter Feedback blieb unrealistischer Opti-
mismus in den Einschätzungen der Fahrer erhalten. Statt wie erhofft ihre Selbstwahrnehmung den
rückgemeldeten Testergebnissen anzupassen, zogen die Fahrer die Validität des Tests in Zweifel.
Die Entwicklung kreativer Konzepte, wie die Wirkung dieses Mechanismus ausgeschaltet oder
wenigstens abgeschwächt werden kann, ist eine zentrale Herausforderung in der Gestaltung verhal-
tenswirksamer Müdigkeitswarnungen. Einen interessanten Ansatzpunkt bietet hierbei das in anderen
Warnungsdomänen bereits getestete Konzept der Personalisierung. Ursprünglich stammt es aus An-
wendungskontexten, in denen eine substantielle Gefahr besteht, dass Warnungsempfänger sich nicht
angesprochen fühlen, also die Warnung a priori für sich persönlich als irrelevant betrachten könnten
(s. Vredenburgh & Zackowitz, 2006). Die Grundidee ist, dass durch persönliche Ansprache die wahr-
genommene Relevanz der Nachricht erhöht wird. Experimentell konnte z. B. gezeigt werden, dass ein
elektronisches Warnungsschild, das die Probanden namentlich ansprach, die Wirksamkeit der War-
nung auf Verhaltensebene vergrößerte (hier: bezüglich des Anlegens von Schutzausrüstung;
Wogalter, Racicot, Kalsher & Noel Simpson, 1994; nach Vredenburgh & Zackowitz, 2006). Während
eine persönliche Ansprache im Fall der Müdigkeitswarnung auf den ersten Blick überflüssig erschei-
nen könnte – weil dem Adressaten eigentlich klar sein müsste, dass nur er gemeint sein kann – könn-
te der Ansatz dennoch aussichtsreich sein, wenn man an die soeben diskutierten Gründe denkt, aus
denen ein Feedback trotzdem als persönlich irrelevant betrachtet werden kann. Besonders interes-
sant dabei ist, dass das Aktivieren des Konzepts der eigenen Person, welches in jedermanns Leben
hoch bedeutsam ist, vermutlich auf multiplen Ebenen und über multiple Funktionsmechanismen
seine Wirkung entfaltet.
Noch einen Schritt weiter als eine verbale namentliche Ansprache geht in dieser Hinsicht die Idee,
dem Warnungsempfänger quasi einen Spiegel vorzuhalten, um den Einfluss des Optimismusbias bei
der Vulnerabilitätswahrnehmung auszuhebeln. Verglichen mit einer Rückmeldung der Fahrleistung
oder der von einem Algorithmus detektierten Müdigkeit – denen gemeinsam ist, dass sie durch po-
tentiell fehlbare Messtechnik vermittelt sind – stellt ein Spiegel- oder Kamerabild eine Repräsentati-
on des eigenen kritischen Zustands dar, welche durch große Unmittelbarkeit gekennzeichnet ist.
Möglicherweise könnte die Direktheit einer solchen Wahrnehmung weniger die Chance eröffnen, das
Selbstbild (!) vor der inhärenten negativen Rückmeldung zu schützen. Wie die Anwendung videoba-
sierter Verfahren in der Müdigkeitsdetektion (s. 2.3.1.2) nahelegt, gibt es Müdigkeitszeichen in Ge-
sicht und Körperhaltung, die sich dem externen Betrachter deutlich offenbaren, z. B. schlaffe, hän-
gende Gesichtszüge, halb oder ganz geschlossene Augenlider und ein verminderter Muskeltonus im
ganzen Körper. In der Ganzheitlichkeit der visuellen Wahrnehmung führt die Kombination dieser
Zeichen wahrscheinlich zu einer direkten Wahrnehmung der betreffenden Person als müde und unfit
(vgl. Gibson, 1979). Die Ergänzung der aus der Introspektion heraus verfügbaren Sicht des Fahrers auf
seinen eigenen Zustand durch diese Außensichtinformation könnte auf direktem Wege den unrealis-
tischen Optimismus bei der Einschätzung der eigenen Gefährdung abschwächen, so dass der Fahrer
zu einer realistischeren (oder pessimistischeren) Wahrnehmung der eigenen Verletzlichkeit gelangt.
Neben diesem Wirkmechanismus, welcher den unmittelbaren Vulnerabilitäteindruck betrifft, sind
andere Mechanismen denkbar, die ebenfalls die Compliance vergrößern sollten, wenn einem War-
nungsempfänger ein Bild seiner selbst präsentiert wird. Beispielsweise könnte ein solcher Effekt
auch, oder zusätzlich, durch eine Erhöhung der Selbstaufmerksamkeit im sozialpsychologischen Sinne
und eine daraus folgende Tendenz, sich konform zu eigenen und sozialen Normen zu verhalten, ver-
36
mittelt werden. Gemäß dieser theoretischen Vorstellung führt die Wahrnehmung eines eigenen
Spiegel- oder Videobildes dazu, dass der Fokus der Aufmerksamkeit auf das Selbst gelenkt wird. Das
momentane Verhalten wird mit inneren Normen abgeglichen. Eventuell entdeckte Diskrepanzen
werden als unangenehm empfunden, was eine Motivation darstellt, das Verhalten entsprechend so
zu verändern, dass es der inneren Norm entspricht. Eine alternative Möglichkeit zur Beendigung des
unangenehmen emotionalen Zustands wäre der Versuch, sich dem Zustand der Selbstaufmerksam-
keit zu entziehen, z. B. indem das Anschauen des Spiegelbildes vermieden, die Situation verlassen
und die Aufmerksamkeit auf andere Objekte gerichtet wird (Carver, 2003; Carver & Scheier, 1981;
Duval & Silvia, 2002; Phillips & Silvia, 2005; nach Aronson et al., 2008).
Für die Anwendung im Kontext der Müdigkeitswarnung bedeutet dies, dass warnungskonformes
Verhalten gefördert werden könnte, indem dem Fahrer ein Spiegelbild seines kritischen Zustandes
präsentiert wird. Eine relativ einfache technische Umsetzung besteht in der Einbindung einer Auf-
nahme des Fahrers aus der aktuellen Fahrsituation in die visuelle Rückmeldung auf dem Warnungs-
display. Das Potential einer solchen Rückmeldung zu untersuchen ist eine zentrale Zielstellung dieser
Arbeit. Der theoretische Fokus liegt dabei auf dem vermuteten Mechanismus, dass der Anblick des
eigenen Bildes die Vulnerabilitätswahrnehmung verstärkt und darüber warnungskonformes Verhal-
ten, d.h. ein Anhalten des Fahrzeugs zugunsten eines Naps oder Kaffees, wahrscheinlicher macht.
Neben Warnungs- und relativ stabilen Personenmerkmalen sollten theoretisch auch situative Fak-
toren die Vulnerabilitätswahrnehmung beeinflussen. Zum Beispiel könnte sich ein müder Fahrer sub-
jektiv weniger gefährdet fühlen, wenn in der aktuellen Fahrsituation Rüttelstreifen vorhanden sind.
Wiederum kann die Wirkung solcher Situations- oder Kontextfaktoren kognitive Verzerrungen be-
günstigen. Beispielsweise ist denkbar, dass es im Sinne der Repräsentativitätsheuristik (Tversky
& Kahneman, 1974) einem gleich müden Fahrer bei Tage unwahrscheinlicher erscheint einzunicken
als nachts. Ein bei jeder Müdigkeitswarnung wirksames situatives Element dürfte die absolute und
relative zeitliche Einbettung des Moments, in dem ein kritisches Niveau erreicht wird, in den Kontext
der Gesamtfahrt sein. Vermutlich wird sich ein Fahrer, den im Moment der Warnung nur noch 20
Minuten Fahrt von seinem Ziel trennen, weniger vulnerabel fühlen, als ein Fahrer, der noch eine gan-
ze Stunde zu fahren hat. Auf der kürzeren Strecke gibt es weniger Gelegenheiten für Fahrfehler, und
zugleich wird auch die subjektive Prognose bezüglich des zu erwartenden Müdigkeitsverlaufs und der
selbsteingeschätzten Möglichkeiten sich wach zu halten positiver ausfallen. Wie in 2.1.1.2 ausge-
führt, gibt es Hinweise darauf, dass überproportional viele müdigkeitsbedingte Unfälle in relativer
Nähe zum Zielort geschehen (Armstrong et al., 2011). Ein Grund dafür könnte in einer Unterschät-
zung der eigenen Vulnerabilität auf der kurzen verbleibenden Strecke liegen. Für die Warnungsge-
staltung würde dies implizieren, dass bei geringer Zielentfernung der Bedarf an Überzeugungswir-
kung nochmals erhöht wäre. Weil eine bestimmte Entfernung zum Ziel ein universelles situatives
Element jeder Müdigkeitswarnung ist, soll auch der Einfluss dieser Größe, in Interaktion mit dem
Warnungsdesign, im Rahmen dieser Arbeit experimentell untersucht werden.
Intrinsische / extrinsische Belohnungen des maladaptiven Verhaltens, weiterfahren, resultieren
nach einer Müdigkeitswarnung in erster Linie aus der Vermeidung von Handlungskosten, die im Falle
einer adaptiven Reaktion entstehen würden (negative Verstärkung); diese werden im nächsten Ab-
schnitt besprochen.
2.2.4.2 Schlüsselelemente in der Bewältigungseinschätzung
Die Bewältigungseinschätzung führt zu einer Gesamtbewertung des adaptiven Verhaltens unter den
drei Gesichtspunkten: Was nutzt es? Kann ich es ausführen? Was kostet es mich?
37
Die wahrgenommene Handlungswirksamkeit bezieht sich im Kontext der Müdigkeitswarnung auf
die Überzeugung, dass eine Pause mit Koffein und / oder Schlaf im eigenen Anwendungsfall tatsäch-
lich ein wirksames Mittel gegen Müdigkeit ist. Generell wird dies zwar durch Forschungsergebnisse
belegt, doch wiederum kann es auf individueller Ebene tatsächliche oder fälschlich wahrgenommene
Einschränkungen der Handlungswirksamkeit geben. So könnte eine tatsächliche Einschränkung aus
einer hohen Koffeintoleranz resultieren. Subjektive Vorbehalte gegenüber der Anwendung von Naps
könnten u.a. aus der Befürchtung entstehen, wenn man jetzt auch noch schliefe, wäre man danach
noch müder als zuvor. Im Hinblick auf die bei einem Teil der Fahrer feststellbare Unterschätzung
wirksamer und Überschätzung unwirksamer Maßnahmen (2.1.3) werden Information und Aufklä-
rungsarbeit weiterhin ein wichtiger Baustein des Müdigkeitsmanagements bleiben, und es lohnt
darüber nachzudenken, wie diese Informationen auch in ein Fahrzeugwarnsystem integriert werden
können (s.a. 2.3.2.3). Weiterhin könnte es Gestaltungsmerkmale geben, welche auf nicht-
argumentativer Basis die wahrgenommene Handlungswirksamkeit einer Pause bei Müdigkeit vergrö-
ßern.
Die subjektive Selbstwirksamkeit beschreibt die wahrgenommenen eigenen Möglichkeiten zur
Anwendung des empfohlenen Verhaltens. Müde Fahrer könnten dazu de facto nicht in der Lage sein
oder sich subjektiv nicht in der Lage fühlen, weil sie z. B. Kaffee nicht vertragen oder Zweifel bezüg-
lich ihrer Fähigkeit haben, im Rahmen einer 15minütigen Pause überhaupt einschlafen zu können.
Weniger vom Selbst abhängig - aber ebenfalls bedeutsam - wirkt sich die aktuelle Verfügbarkeit von
Rast- und Versorgungsmöglichkeiten auf die Umsetzbarkeit einer wirksamen Pause aus (s. 2.1.4.4).
Jenseits dieser spezifischen Aspekte der individuellen und situativen Anwendbarkeit des empfohle-
nen Verhaltens wird ein generelles Konstrukt Selbstwirksamkeit auch im Sinne eines relativ stabilen
Persönlichkeitsmerkmals als ein wichtiger Prädiktor für die Ausübung gesundheitsförderlicher Ver-
haltensweisen diskutiert, welches in der Forschung zur Warnungswirkung entsprechend als Kontroll-
variable berücksichtigt werden kann (s. Schwarzer, 2004). Eine Unterstützung der situativ wahrge-
nommenen Selbstwirksamkeit durch gezielte Warnungsgestaltung erscheint grundsätzlich möglich,
beispielsweise durch objektive Hilfen beim Finden der nächsten Rastgelegenheit oder durch eher
emotional verankerte Elemente zur Förderung des Kompetenzerlebens.
Der Faktor jedoch, der im Kontext der Müdigkeitswarnung auf Seiten der Bewältigungseinschät-
zung vermutlich die meiste Aufmerksamkeit verdient, sind subjektive Handlungskosten: psychische,
körperliche, soziale oder materielle Aufwände, die mit dem empfohlenen Verhalten verbunden sind
(Fry & Prentice-Dunn, 2006). Im Fall des müden Fahrers sind zwei Arten solcher Unannehmlichkeiten
besonders prominent: (1) kognitiver Aufwand und (2) Zeitkosten. Aus der Forschung zu Aufmerksam-
keit und Handlungsregulation ist bekannt, dass Unterbrechungen in einem Tätigkeitsfluss als unan-
genehm empfunden werden (vgl. Hacker, 2014; Wickens & McCarley, 2007) Während die Option
Weiterfahren als eine Fortsetzung der ablaufenden Handlung keinerlei Einsatz zusätzlicher kognitiver
Ressourcen erfordert, fallen für eine Pause subjektive Aufgabenwechselkosten an. Ein neues Ziel und
ein neuer Handlungsplan müssen erstellt werden. Aus handlungstheoretischer Sicht muss dazu die
Regulation von einer automatisierten Ausführung auf eine symbolische Ebene wechseln, was mit
einer Zunahme der mentalen Beanspruchung verbunden ist. Aus verschiedenen Handlungskontexten
ist bekannt, dass Menschen dazu tendieren, mentale Mehranstrengungen zu vermeiden, wenn es
„kognitive Abkürzungen“ gibt (Kahneman, 2011; Shugan, 1980). Zudem führt jede Pause zu einer –
potentiell vermeidbaren – Verlängerung der Fahrzeit bzw. Verzögerung der Zielankunft. Weitere
individuell wahrgenommene Arten von Kosten sind denkbar, z. B. hinsichtlich finanzieller Ausgaben,
Sicherheitsbedenken oder sozialer Erwartungen.
38
Um die Tragweite dieser Kosten zu verstehen, ist es besonders wichtig, die von rational-
normativen Nutzenfunktionen abweichenden psychischen Gesetzmäßigkeiten der menschlichen
Nutzenwahrnehmung zu berücksichtigen. „Melioration dominates maximization“, folgern Neth et al.
(2006) im Titel einer Studie, in der Probanden in einer Folge von Entscheidungen24 entweder jeweils
eine kurzfristige Verbesserung oder aber eine Gewinnmaximierung auf lange Sicht herbeiführen
konnten. Trotz häufiger expliziter Rückmeldungen über die optimale Entscheidungsstrategie wurden
hohe unmittelbare Belohnungen systematisch einem langfristig höheren Gewinn vorgezogen. Ob-
wohl es interindividuelle Unterschiede in ihrem Ausmaß gibt (Ersner-Hershfield, Garton, Ballard,
Samanez-Larkin & Knutson, 2009, nach Wickens et al., 2012), scheint diese Tendenz, die auch in tieri-
schem Verhalten zu beobachten ist, evolutionär tief in den Funktionen der organismischen Informa-
tionsverarbeitung verwurzelt zu sein (Herrnstein, Rachlin & Laibson, 1997; nach Neth et al., 2006).
Auch weitere Erkenntnisse aus der Entscheidungsforschung lassen im Fall der Müdigkeitswarnung die
Voraussetzungen für die Wahl des empfohlenen Verhaltens ungünstig erscheinen. Zunächst fallen
Verluste, also Kosten, als Motivationsfaktor bei vielen Entscheidungen offenbar stärker ins Gewicht
als objektiv gleich hohe Gewinne, also Nutzen (Kahneman & Tversky, 1979, 1984; McGraw, Larsen,
Kahneman & Schkade, 2010; Tom, Fox, Trepel & Poldrack, 2007). Damit in Verbindung steht die Ten-
denz zur Risikoaffinität, die unter einer ganz bestimmten Konstellation von Anreizen und assoziierten
Wahrscheinlichkeiten auftritt: bei einer Wahl zwischen zwei Optionen, die beide negative Konse-
quenzen (Kosten) haben, welche aber bei der einen Option mit Sicherheit, bei der anderen nur even-
tuell (mit einer bestimmten Wahrscheinlichkeit) eintreten (Kahneman & Tversky, 1979; Kühberger,
Schulte-Mecklenbeck & Perner, 1999; Scholer, Zou, Fujita, Stroessner & Higgins, 2010; Tversky &
Kahneman, 1992; Weber & Chapman, 2005). In dieser Konstellation tendieren Entscheider dazu, sich
zugunsten der riskanten25 Option zu entscheiden, d.h. zugunsten der Option, bei der zumindest die
Chance besteht, dass keine negativen Konsequenzen eintreffen. Genau diese Konstellation liegt, wie
bei vielen anderen sicherheitsrelevanten Entscheidungen im Human-Factors-Bereich (s. Wickens et
al., 2012), im Fall des müden Fahrers vor. Die Option Weiterfahren, in diesem Fall die riskante Option,
kann mit einer gewissen abstrakten Wahrscheinlichkeit – deren Wahrnehmung zusätzlich einem Op-
timismusbias unterliegt, s.o. – zu einem ebenfalls undefinierten Zeitpunkt in der Zukunft in schwer-
wiegenden Kosten resultieren. Dagegen sind die Kosten im Fall einer Entscheidung für die Pause-
Option sicher und treten unmittelbar auf.
Die resultierende motivationale Tendenz zur Vermeidung dieser Kosten ist ein starker Gegenspie-
ler in Bezug auf die Ausführung des empfohlenen Verhaltens. Neben dem Optimismusbias ist sie
vermutlich die zweite große Herausforderung für eine verhaltenswirksame Warnungsgestaltung. Ziel
sollte es sein, durch die Gestaltung des Müdigkeitsassistenten, ebenso wie durch abgestimmte Maß-
nahmen auf den anderen Ansatzebenen des Fatigue Management (2.1.4), unmittelbare positive An-
reize für Pausen zu schaffen und wahrgenommene Handlungskosten so weit wie möglich – am bes-
ten auf null – zu reduzieren. Einige konkrete Vorschläge hierzu werden in 5.3 diskutiert.
2.2.4.3 Fazit
Jede einzelne Variable, die in der Bedrohungs- und Bewältigungseinschätzung eine Rolle spielt, bietet
somit Ansatzpunkte, die eine effektive Gestaltung von MWS-Rückmeldungen inspirieren können.
24 unter Unsicherheit
25 Der Begriff riskant steht hierbei dafür, dass das Eintreffen der Konsequenzen mit Unsicherheit verbunden ist.
39
Der Fokus in dieser Arbeit liegt auf der Vulnerabilitätseinschätzung und der Frage, ob die Tendenz
zu unrealistischem Optimismus durch eine Spiegelung des Fahrerzustandes mittels Einbindung einer
aktuellen Fotoaufnahme in die Warnung gemindert werden kann. Bevor die entsprechenden experi-
mentellen Untersuchungen vorgestellt werden, soll aber zunächst noch ein Blick auf den aktuellen
Entwicklungsstand der Systeme zur Müdigkeitsdetektion und -rückmeldung im Fahrzeug geworfen
werden.
40
2.3 Müdigkeitswarnungen im Fahrzeug:
Stand der Forschung und Entwicklung
2.3.1 Die Input-Seite: Technologien zur automatischen Erfassung des Fahrerzustands
Die Erforschung und Entwicklung von Müdigkeitsdetektionstechniken wird aktuell sehr aktiv voran-
getrieben. Zur Begriffskombination driver fatigue detection verzeichnet die wissenschaftliche Such-
maschine Google Scholar wöchentlich etwa eine bis zwei neue Publikationen. Gemäß der Forderun-
gen von Balkin et al. (2011; s. 2.1.4.5) sollte die Detektionsseite eines idealen Systems zur Fahrerzu-
standsüberwachung ein Modell zur individuellen Vorhersage von Müdigkeit mit Messtechnologien
zur Erhebung des aktuellen Status kombinieren.
2.3.1.1 Modelle zur Vorhersage von Müdigkeit
Der entscheidende Vorteil der Verwendung numerisch implementierter Müdigkeitsmodelle ist die
Möglichkeit zur Vorhersage. Somit muss nicht gewartet werden, bis ein kritischer Müdigkeitswert
erreicht ist, sondern es kann – wenn alles stimmt – vorhergesagt werden, wie sich die Fahrermüdig-
keit über die Zeit entwickeln und zu welchem Zeitpunkt in der Zukunft ein kritischer Wert erreicht
sein wird. Das quasi unbestrittene Basismodell der Müdigkeit ist das Zweiprozessmodell (Achermann,
2004; Borbély, 1982). Die für einen bestimmten Zeitpunkt t vorhergesagte Müdigkeit ergibt sich hier
als kombinierte Funktion einer oszillierenden circadianen Komponente C und einer mit zunehmender
Zeit ohne Schlaf monoton wachsenden Schlafdruckkomponente S, welche durch Schlaf ebenfalls
nach einer bestimmten Funktion wieder abgebaut wird. In neueren Modellen werden, je nach Kon-
text, dazu verschiedene weitere Faktoren berücksichtigt, z. B. Schlafqualität, vorangegangene Fahr-
dauer und Monotonie der Fahrstrecke (s.a. 2.3.1.4; Koh et al., 2007), Schlafträgheit (Akerstedt,
Folkard & Portin, 2004), Lichtexposition (Jewett & Kronauer, 1999) und andere (Übersichten z. B. bei
Dawson, Noy, Härmä, Åkerstedt & Belenky, 2011; Gundel et al., 2007). Praktische Einschränkungen
ergeben sich aus der Notwendigkeit der Erfassung der Eingangsgrößen. Je präzisere und individuelle-
re Informationen einem Modell zugeführt werden, desto genauere Vorhersagen ermöglicht dies the-
oretisch. Beispielsweise macht es einen Unterschied, ob die circadiane Komponente lediglich allge-
mein anhand der Uhrzeit oder anhand individueller Information über Schlaf-Wach-Rhythmen eines
bestimmten Fahrers geschätzt wird. Diese Input-Erfordernisse führen zu einem Tradeoff zwischen
zunehmender Genauigkeit der Vorhersage (mit wachsender Zahl bekannter Fahrerinformationen)
und einer Abnahme in Nutzungskomfort und Schutz der Privatsphäre (s.a. 2.1.4.5).
2.3.1.2 Maße zur Online-Erfassung von Müdigkeit
Verschiedene Klassifikationen von Techniken zur kontinuierlichen Müdigkeitsmessung sind gebräuch-
lich (Dong et al., 2011; Krajewski et al., 2011; Sahayadhas, Sundaraj & Murugappan, 2012); die Glie-
derung hier erfolgt in Anlehnung an Balkin et al. (2011), die zwischen Messungen des Fahrerzustands
am Fahrer und leistungsbezogener Messung am Fahrzeug differenzieren.
2.3.1.2.1 Messung am Fahrer
Maße der Hirnaktivität. Daten über die Aktivität des Gehirns liefern grundsätzlich eine sehr direkte
und valide Reflexion des Fahrerzustands (He, 2013); verschiedene Indizes können dazu z. B. aus dem
zeitlichen Verlauf oder dem Frequenzspektrum des EEG berechnet werden (z. B. Anund, 2009; Horne
& Baulk, 2004; Lal, Craig, Boord, Kirkup & Nguyen, 2003). Lange Zeit ließen Schwierigkeiten mit der
Artefaktbereinigung und die Invasivität der Messung den Einsatz in der Praxis fragwürdig erscheinen,
und das EEG war vor allem als Bezugsnorm bei der Evaluation anderer Detektionsmethoden im Labor
41
hilfreich (Jap, Lal, Fischer & Bekiaris, 2009; Thorslund, 2004). Fortschritte in der Sensortechnik wie
trockene Elektroden, single-channel-Messung, Nanotechnologie und kabellose Signalübertragung
(Park, Xu, Sridhar, Chi & Cauwenberghs, 2011; Picot, Charbonnier & Caplier, 2009) eröffnen aber die
Möglichkeit, dass in Zukunft EEG-basierte Müdigkeitsdetektion im Fahrzeug realisiert werden kann.
Lidschlussmaße. Verschiedene Messtechniken sind zur Erhebung des mit Müdigkeit abnehmen-
den Augenöffnungsgrades und der zunehmenden Dauer und Häufigkeit von Lidschlüssen einsetzbar,
u.a. Elektrookulographie (EOG; Picot, Charbonnier, Caplier & Vu, 2012) oder auch videobasierte Me-
thoden, z. B. unter Nutzung von Infrarotlicht-Reflexionen in verschiedenen Schichten des Auges oder
Tageslicht (Ogawa & Shimotani, 1997; Picot, Charbonnier & Caplier, 2010; Picot et al., 2012; Zhang &
Zhang, 2006). Bei reliabler Erfassung weisen Lidschlussmaße eine hohe Detektionsgüte hinsichtlich
der Müdigkeit auf (Eskandarian et al., 2012). In der Praxis ist die Messung aber nicht unproblema-
tisch. Die EOG-Erhebung unterliegt denselben sensorbedingten Einschränkungen – aber auch Chan-
cen – wie sie für das EEG gelten (s.o.). Videobasierte Methoden sind aufgrund der geringeren
Invasivität eher tauglich für den Einsatz im Feld. Allerdings stellen hier wechselnde Beleuchtungsbe-
dingungen und Winkel zwischen Kamera und Gesicht, Brillen und andere Umstände eine Herausfor-
derung für die fehlerfreie Messung und automatische Signalverarbeitung dar (Eskandarian et al.,
2012)
Maße des Gesichtsausdrucks und andere motorische Maße. Neben Indikatoren der Lidmotorik
können eine Reihe weiterer Veränderungen in Muskelaktivität und –tonus zur Zustandsbeurteilung
herangezogen werden, unter anderem Augenbewegungen, Kopfnicken, Gähnen, Gesichtstonus und
Sitzhaltung. Eine bewährte, allerdings im realen Anwendungskontext impraktikable Methode zur
Auswertung dieser Indikatoren ist die strukturierte Beobachtung durch geschulte Beurteiler, bei der
die Klassifikation des Fahrerzustands anhand vorab definierter Verhaltensmerkmale vorgenommen
wird (Anund et al., 2013; Dittrich, Brandenburg & Thüring, 2009; Lal et al., 2003; Lal & Craig, 2002;
Wierwille & Ellsworth, 1994). Für eine automatisierte Erfassung kommen verschiedene Techniken in
Frage, u.a. Elektromyographie (EMG), Messung der Körperbewegung anhand von Beschleunigungs-
sensoren (Andreeva et al., 2004) und videobasierte automatische Bildverarbeitung (Dong, Hu,
Uchimura & Murayama, 2010; Sigari, Pourshahabi, Soryani & Fathy, 2014), die in der Praxisanwen-
dung mit den spezifischen bereits genannten Problemen konfrontiert sind.
Kardiovaskuläre und peripherphysiologische Maße. Auch Parameter des Herzschlags (z. B. die
Schlagratenvariabilität; Heinze et al., 2010; nach Krajewski et al., 2011), der elektrodermalen Aktivi-
tät (z. B. Widerstand, Labilität; Michael, Passmann & Becker, 2012; Miro, Cano-Lozano & Buela-Casal,
2002), der Körpertemperatur und weitere vegetative Größen werden als potentielle Müdigkeitsindi-
katoren zur Diskussion gestellt. Wie auch bei anderen physiologischen Maßen könnten Fortschritte in
der Sensortechnik hierbei helfen, das bislang bestehende Problem der intrusiven Messung (Notwen-
digkeit von Elektroden am Körper) zu überkommen. Beispielweise gibt es Ansätze, das EKG des Fah-
rers durch Biosensoren in Lenkrad und Sitzlehne (Yu, 2009) oder videobasiert
photopletysmographisch zu erfassen. Inwiefern diese Messansätze den weiteren Anforderungen an
die Müdigkeitsdetektion, insbesondere in Bezug auf die Konstruktvalidität und Spezifität der Mes-
sung, gerecht werden, muss zukünftige Forschung zeigen.
Leistungsmaße, andere als Fahrleistung. Prinzipiell ist der Einsatz vigilanzfordernder Nebenauf-
gaben (z. B. Reaktionszeit- oder Trackingaufgaben, wie sie unter 2.1.4.1 bereits kurz dargestellt wur-
den) zwar auch im Rahmen einer kontinuierlichen Müdigkeitsmessung im Fahrzeug möglich, aller-
dings bedenklich in Bezug auf die geforderte Ablenkungsfreiheit eines Detektionssystems, ebenso
42
wie auf die Spezifität (z. B. können Ereignisse auch aufgrund hoher situativer Anforderungen der
Fahraufgabe verpasst werden). Somit eignen sich Leistungsmaße, sofern sie nicht ohnehin im Rah-
men der Fahrzeugführung anfallen, eher als vor Fahrtantritt im Auto durchführbare Fitness-for-duty-
Tests oder als im Verdachtsfall angeforderte Zusatzinformation im Rahmen eines Warnkonzepts.
Subjektive Maße. Zur Erhebung der momentanen subjektiven Müdigkeitsempfindung existieren
eine Reihe von Verfahren (Shahid, Shen & Shapiro, 2010; Shahid, Wilkinson, Marcu & Shapiro, 2012),
am häufigsten eingesetzt und am besten evaluiert sind wohl die Karolinska Sleepiness Scale (KSS;
Akerstedt & Gillberg, 1990) und die Stanford Sleepiness Scale (SSS; Hoddes, Zarcone, Smythe, Phillips
& Dement, 1973). Öfter finden auch visuelle Analogskalen Anwendung (Michael et al., 2012; Philip et
al., 2005). Obwohl subjektive Maße grundsätzlich geeignet sind, Müdigkeit valide zu erfassen (s.
2.1.3), verbietet sich ihr Einsatz zur Detektion in der Fahrpraxis: Zum einen sind sie bei entsprechen-
der Motivation (s.a. 2.2.4) leicht zu verfälschen, zum anderen steht die nötige Abfrage im Wider-
spruch zum Prinzip der ablenkungs- und belästigungsfreien Erfassung.
2.3.1.2.2 Messung am Fahrzeug
Besonders praktisch erscheint die Möglichkeit, müdigkeitsassoziierte Leistungseinbußen direkt aus
Fahrzeug- und Fahrparametern zu ermitteln, welche die Einflussnahme des Fahrers spiegeln. Dem
Überblick hier liegt die Klassifikation und Zusammenfassung nach Eskandarian et al. (2012) zugrunde.
Maße des Lenkverhaltens. Unter Müdigkeit verändert sich das Lenkverhalten. Mikrokorrekturen –
häufige kleine Lenkwinkelanpassungen, die dazu dienen, das Fahrzeug in der Spurmitte zu halten –
werden seltener. Makrokorrekturen – größere Lenkwinkelveränderungen, z. B. in Kurven oder bei
Spurwechseln – werden größer (sog. „Übersteuern“). Entsprechend betrachtet werden Lenkhäufig-
keiten (Menge von Nulldurchgängen des Lenkrads oder Bewegungen einer definierten Größenord-
nung), Lenkgeschwindigkeiten, Lenkamplituden sowie verschiedene weitere Indizes, die aus den ge-
nannten Variablen berechnet werden können.
Maße der Querabweichung. Zusätzliche Informationen liefert die Betrachtung der aus den Lenk-
bewegungen resultierenden Fahrtrajektorie, da hier zumindest teilweise das Soll, also der Straßen-
verlauf, als Referenzgröße für die erbrachte Leistung einbezogen wird. Mögliche Maße für die Güte
der Querführung sind ein Verlassen der Spur um eine definierte Breite, die Standardabweichung der
lateralen Position oder die innerhalb eines Zeitfensters beobachtete maximale Abweichung, die je-
weils auf Basis der Rohdaten oder bestimmter Frequenzkomponenten berechenbar sind.
Geschwindigkeits-, Brems-, Beschleunigungs- und Rotationsmaße. Obwohl einige Studien Mü-
digkeitseffekte auch in der Variabilität der Geschwindigkeit fanden, scheint diese doch insgesamt ein
weniger sensitiver Indikator zu sein. Ähnlich mehrdeutig ist die Befundlage bezüglich Beschleuni-
gungs- und Rotationsparametern.
Lenk- und resultierende Querführungsmaße weisen demnach unter den fahrzeugbasierten Maßen
das größte Potential als Müdigkeitsindikatoren auf. Die Erfassung von Lenkbewegungen, z. B. anhand
von Sensoren an der Lenksäule, ist technisch vergleichsweise einfach und entsprechend reliabel.
Schwieriger ist die Messung der Spurführung, da sie eine automatische Erkennung der Straßenbe-
grenzung und der relativen Fahrzeugposition voraussetzt. Diese basiert meist auf Kamerabildern. Die
notwendigen komplexen Bildverarbeitungsalgorithmen sind störungsanfällig in Bezug auf wechseln-
de Umweltbedingungen, z. B. Beleuchtung, Spiegelung (bei nasser Fahrbahn), Verdeckung (von Kan-
ten / Markierungen) oder Charakteristika der Straße (Apostoloff & Zelinsky, 2004; Ramstrom & Chris-
tensen, 2005; Sivaraman & Trivedi, 2013). Jenseits der reliablen Erfassung der Indikatoren selbst
43
stellt sich das Problem der Kontrolle von Störgrößen, die neben der Müdigkeit ebenfalls Einfluss auf
das Fahrverhalten haben - wie z. B. Straßenverlauf, -breite und -belag, Seitenwind und individueller
Fahrstil - und somit nach Möglichkeit ebenfalls erfasst und in der Müdigkeitsschätzung berücksichtigt
werden müssen (Balkin et al., 2011; Daimler, 2013).
2.3.1.3 Detektionsalgorithmen
Egal, welche Messgröße oder Messgrößenkombination gewählt wird, für alle Ansätze gleichermaßen
bedeutsam und herausfordernd ist die Transformation des gemessenen Signals in eine Entscheidung
unkritisch vs. kritisch, um zu determinieren, ob eine Warnung gegeben werden sollte oder nicht. Die
vermeintlich einfachste Methode besteht in der Definition eines Schwellenwertes (Sigari et al., 2014)
und dessen direkter Anwendung auf das Signal. Hierbei ist zu berücksichtigen, dass derselbe Wert
zwischen Individuen und sogar situationsabhängig innerhalb desselben Individuums unterschiedliche
Kritikalität besitzen kann, so dass individuelle, adaptive Schwellenwerte zu bevorzugen sind (Fried-
richs & Yang, 2010; Hamada, Ito, Adachi, Nakano & Yamamoto, 2003; Lawhern, Kerick & Robbins,
2013). Unter anderem aufgrund der Notwendigkeit, diverse Kontrollvariablen zu berücksichtigen,
greifen viele vorgeschlagene Detektionssysteme auf eine Fusion multipler Sensordaten zurück. Zur
Extraktion eines Müdigkeitsindex aus der Vielzahl von Messwerten (die unvollständig sein oder wi-
dersprüchliche Information liefern können) werden verschiedene computationale Verfahren genutzt,
z. B. Fuzzy-Regelsysteme (Sammlungen von Wenn-Dann-Regeln mit unscharfer Zuordnung), wahr-
scheinlichkeitstheoriebasierte Verfahren (z. B. Bayessche Netze, Dempster-Shafer-Theorie) oder
Mustererkennungsverfahren (z. B. neuronale Netze, Support Vector Machines) (Bergasa, Nuevo,
Sotelo, Barea & Lopez, 2006; Kiymik, Akin & Subasi, 2004; Li, Seignez & Loonis, 2012; Shen, Li, Ong,
Shao & Wilder-Smith, 2008; Vuckovic, Radivojevic, Chen & Popovic, 2002; Yang et al., 2009; Yeo, Li,
Shen & Wilder-Smith, 2009; Klassifikation nach Sigari et al., 2014). Hierbei soll wiederum durch Ein-
bezug individueller und situativer Merkmale die Treffgenauigkeit erhöht werden. Bezüglich der Fra-
ge, wie Schwellenwerte ermittelt werden sollten, erscheint es am sinnvollsten, primär die mit den
gemessenen Müdigkeitsgraden assoziierten objektiven Gefährdungsgrade zugrundezulegen. In Bezug
auf die Wahl des Warnzeitpunkts gilt es daneben psychologische Größen zu berücksichtigen, welche
Einfluss auf die Reaktionsauswahl nehmen (z. B. die Übereinstimmung mit der subjektiven Müdig-
keitswahrnehmung; Dreßler et al., 2009; Karrer-Gauß, 2012; s.a. 2.2.2).
2.3.1.4 Detektionsgüte aktueller Systeme
Trotz verbleibender methodischer Schwierigkeiten befinden sich bereits eine ganze Reihe automati-
scher Systeme zur Müdigkeitserkennung am Markt oder sind zumindest als Prototyp verfügbar
(Übersichten bei Barr et al., 2009; Dawson et al., 2014; Dong et al., 2011; Edwards et al., 2007; Ha-
genmeyer, 2007; Liu et al., 2009; Wright et al., 2007).
Für den aktuellsten Überblicksartikel sichteten Dawson et al. (2014) sowohl die von Experten be-
gutachtete wissenschaftliche, als auch die graue und Marketing-Literatur, um vorgeschlagene Mü-
digkeitsüberwachungssysteme sowie Veröffentlichungen bezüglich deren Detektionsgüte zu identifi-
zieren. Ausgehend von Anforderungen an ein optimales System26 entwickelten die Autoren einen
Katalog von Kriterien, anhand derer sie die bisher erfolgten Validierungsbemühungen und die sich
daraus ergebende Evidenz für die Güte der verschiedenen Systeme bewerteten. Basisanforderungen
an jede Technologie sind hohe Korrelationen mit Müdigkeitsmaßen, die als Goldstandard gelten (z. B.
26 Reliabilität und Validität, Sensitivität und Spezifität, Verallgemeinerbarkeit auf unterschiedliche Anwender,
Robustheit, Beeinträchtigungsfreiheit und potentielle Nutzerakzeptanz
44
EEG oder die PVT, Spalte 7 in Tabelle 1, S. 47), ebenso wie mit Fahrleistungsmaßen (Sp. 8). Darüber
hinaus muss ein geeigneter Detektionsalgorithmus so definiert sein, dass sich für die Vorhersage
sicherheitsrelevanter Ereignisse hohe Sensitivität, aber auch Spezifität ergeben (Sp. 9). Der Nachweis
der Detektionsgüte sollte sowohl im Labor (Sp. 5), als auch im Feld gelingen (Sp. 6) und nicht nur
durch den Entwickler (Sp. 3) erbracht werden, sondern auch in den Versuchen unabhängiger Dritter
repliziert werden können (Sp. 4). Auch die Validierungslage hinsichtlich der Nutzerakzeptanz wurde
begutachtet (Sp. 10), da diese eine unabdingbare Voraussetzung für den erfolgreichen Einsatz eines
Systems ist. In die Wertungen fließt die Qualität der vorhandenen Evidenz (z. B. Nachweis hoher Sen-
sitivität und Spezifität) in den jeweiligen Kategorien ebenso ein wie deren Quantität (z. B. kann auf-
grund der Anforderung der Replizierbarkeit keine hohe Wertung erzielt werden, wenn nur eine einzi-
ge Studie vorliegt).
Die Ergebnisse in Tabelle 1 (S. 47) zeigen, dass die wenigsten der erhältlichen Systeme umfassend
validiert sind – oder anders gesagt, dass sich eine ganze Zahl von Systemen am Markt befindet, ohne
dass es fundierte Evidenz für deren Validität gibt. Zur Illustration des Entwicklungsstandes werden
einige Beispiele herausgegriffen.
Das am umfassendsten evaluierte System, Optalert, besteht aus einer vom Fahrer zu tragenden
Brille mit Messtechnik für infrarotlichtbasierte Okulographie und einer Signalverarbeitungseinheit
auf dem Armaturenbrett, in der anhand von Lidschlussmaßen ein Müdigkeitsindex errechnet wird
(JDS, Johns Drowsiness Scale; Johns, Tucker, Chapman, Crowley & Michael, 2007). Die Messtechnolo-
gie wurde sowohl vom Hersteller, als auch von unabhängigen Dritten getestet, zeigte dabei signifi-
kante Korrelationen unter anderem mit PVT-Fehlern, EEG-Maßen und Spurverlassen und erwies sich
als sensitiv für die Effekte vollständiger und partieller Schlafdeprivation, des circadianen Tiefs und
von Koffein (Dawson et al., 2014). Besonders interessant im Hinblick auf die Detektionsgüte eines
Müdigkeitswarners sind die Sensitivität und Spezifität bei der Vorhersage sicherheitskritischer Ereig-
nisse. Nur für sehr wenige Systeme liegen diesbezüglich überhaupt Daten vor. Das Optalert-System
erzielte in einer unabhängigen Simulatorstudie eine Sensitivität von 83% und eine Spezifität von 61%
für die Vorhersage des Ereignisses Verlassen der Spur mit dem ganzen Fahrzeug innerhalb von 15 min
nach einer Kriteriumsüberschreitung. Für ein Verlassen der Spur mit mindestens zwei Rädern und
einer halben Fahrzeugbreite lag die Sensitivität bei 75% und die Spezifität bei 70% (Stephan et al.,
2006; nach Johns et al., 2007). Versuchseinsätze in Flugwesen, Bergbau und Straßentransport weisen
darauf hin, dass das System von den meisten Anwendern als akzeptabel empfunden wird. Aus der
nur mittleren Spezifität könnten Probleme bezüglich Glaubwürdigkeit und Anwendervertrauen resul-
tieren (Dawson et al., 2014).
Eine andere Umsetzung der infrarotlichtbasierten Okulographie ist das System CoPilot / DD850,
bei dem Dioden, Kameras und Signalverarbeitung in einer Box auf dem Armaturenbrett versammelt
sind. In der einzigen identifizierten unabhängigen Validierungsstudie (Beobachtung während 24 h
ohne Schlaf) ergaben sich mittlere Korrelationen des PERCLOS-basierten Müdigkeitsmaßes mit Unfäl-
len im Fahrsimulator und PVT-Fehlern (Dawson et al., 2014; Howard et al., 2006). Die Technologie
wurde auch in einer relativ großen Feldstudie mit Berufskraftfahrern getestet und erhielt dabei mitt-
lere bis niedrige Akzeptanzbewertungen. Die Einsatzmöglichkeiten des Systems werden dadurch
begrenzt, dass es nur bei wenig Licht (bei Nachtfahrten oder starker Bewölkung) funktioniert. Krite-
riumsbezogene Testergebnisse bezüglich Sensitivität und Spezifität wurden nicht vorgestellt (Dawson
et al., 2014).
45
Auch Systeme, die auf maschinellem Sehen beruhen, werden bereits kommerziell angeboten. Ein
Beispiel ist der DSS (Driver State Sensor, Seeing Machines), der anhand der Bilder einer Stereokamera
auf dem Armaturenbrett Gesichtsmerkmale des Fahrers automatisch detektiert und darauf basierend
Blickrichtung und Lidschlussmaße errechnet. Wiederum liegt nur eine Validierungsstudie vor, hierin
werden hohe Korrelationen des DSS-Maßes mit der Fahrleistung im Simulator und subjektiver Mü-
digkeit während 24 h ohne Schlaf berichtet (Dawson et al., 2014; Edwards, Aguirre, Davis, Dawson &
Trutschel, 2008). Das System erlaubt den Einsatz in einem breiteren Spektrum von Beleuchtungsbe-
dingungen und soll auch bei Brillen- oder Sonnenbrillenträgern anwendbar sein (Dawson et al.,
2014) - letzteres erscheint allerdings zur Müdigkeitsdetektion fragwürdig, da der Algorithmus bei
Verdeckung der Augen (z. B. durch Sonnenbrille) auf die Ausrichtung der Nase zurückgreift, um die
Blickrichtung zu schätzen (Longhurst, 2002). Angaben zu Sensitivität und Spezifität liegen nicht vor.
Eine EEG-basierte Technologie ist das Smart Cap Operator Fatigue Monitoring System, das nach
Testeinsätzen in der Bergbauindustrie seit kurzem frei erhältlich ist. Die Messung erfolgt durch tro-
ckene Elektroden innerhalb eines in einer Baseballkappe fixierten Kopfbands. Das Signal wird kabel-
los an eine Verarbeitungseinheit auf dem Armaturenbrett übertragen. In einer bis dato unveröffent-
lichten Studie soll für das System eine Sensitivität von 95% und Spezifität von 82% für das Kriterium
vier aufeinanderfolgende Verpasser im OSLER27 gefunden worden sein (Dawson et al., 2014). Dieses
Kriterium entspricht gleichzeitig der gewählten Warnungsschwelle, so dass eine Warnung ver-
gleichsweise spät aktiviert wird (Einschlafen liegt bereits vor). Die Detektionsgüte bezüglich geringe-
rer Müdigkeitsausprägungen und im Feld ist bisher offen (Dawson et al., 2014).
Der Einwand eines sehr späten Warnzeitpunkts gilt auch für die verschiedenen Technologien, die
auf das durch die Muskelentspannung beim Einschlafen verursachte Wegnicken des Kopfes reagie-
ren. Die wenigen verfügbaren Validierungsstudien, welche am Ohr fixierte Nickdetektoren unter-
suchten, deuten zudem auf unzureichende Sensitivität und Spezifität bei der Erfassung von Müdigkeit
hin (vgl. Tabelle 1; Edwards et al., 2008; Haworth & Vulcan, 1991).
Unter dem Aspekt der Praktikabilität erscheinen am Fahrzeug beziehungsweise an der Fahrtrajek-
torie gemessene Leistungsindikatoren besonders vielversprechend: Die Messung ist beeinträchti-
gungsfrei, und die benötigten Sensoren sind im Kontext anderer Assistenzsysteme (z. B. Spurhalteas-
sistenten) teilweise bereits in Fahrzeugen vorhanden. So überrascht es nicht, dass neben den in Ta-
belle 1 mit frei erhältlichen Systemen aufgeführten Entwicklern auch viele Automobilhersteller (z. B.
Ford, Volvo, Daimler, VW) für ihre hauseigene Fahrzeugausstattung auf diese Technologie setzen.
Leider sind kaum Validierungsdaten zu finden. Zwar wurde grundsätzlich gezeigt, dass Spurfüh-
rungsmaße wie die Variabilität der Querführung sensitiv für Müdigkeit sind (Mortazavi, Eskandarian
& Sayed, 2009; Rudin-Brown, Williamson & Lenné, 2009; nach Dawson et al., 2014); jedoch wurden
diese Daten nicht mit den zur Disposition stehenden kommerziellen Technologien, sondern anhand
experimenteller Aufbauten im Fahrsimulator28 erhoben. Der primäre Input aus einer Straßenkamera
bzw. Lenksensoren wird bei manchen Systemen durch zusätzliche Informationen aus dem CAN-Bus
(z. B. Uhrzeit, Geschwindigkeit, Blinkaktivität etc.) ergänzt, um die Spezifität der Müdigkeitserfassung
zu erhöhen. Zahlen über die dadurch erreichte Sensitivität und Spezifität unter verschiedenen Fahr-
27 Oxford Sleep Resistance Test - behaviorale Erhebungsversion des Maintenance of Wakefulness Test. Die
Instruktion lautet wach zu bleiben. Einmal in 3 Sekunden leuchtet eine LED auf, was mit Tastendruck quittiert
werden soll. Vier aufeinanderfolgende Verpasser werden als Indikator für Mikroschlaf betrachtet.
28 bei denen z. B. der Verlauf der Fahrbahn a priori bekannt ist und Störvariablen kontrolliert werden
46
bedingungen sind jedoch nicht verfügbar. Die einzige feldbasierte Evidenz bezieht sich auf die subjek-
tive Nützlichkeit des SafeTrak-Systems (Straßenkamera mit CPU-Box und Output-Dioden auf Höhe
des Innenspiegels, Abbildung 5): in einem FOT empfanden es 42-69% der befragten Berufskraftfahrer
als hilfreich für sicheres Fahren (Dinges, Maislin, Brewster, Krueger & Carroll, 2005; nach Dawson et
al., 2014).
Das einzige der aufgeführten Systeme, welches ein prädiktives Müdigkeitsmodell im engeren Sin-
ne einbezieht, ist das ASTiD (Advisory System for Tired Drivers; Abbildung 6). Es kombiniert eine cir-
cadiane Komponente (Tageszeit), eine subjektive Angabe des Fahrers bezüglich der Schlafqualität der
letzten Nacht („good“ – „poor“ – „bad“), Time-on-Task-Informationen (Dauer der aktuellen Fahrt und
Pausen) und per integriertem Drehratensensor erfasste Daten über laterale Fahrzeugbewegungen,
um einen summativen Müdigkeitswert zu ermitteln (Koh et al., 2007). In einem umfangreichen Feld-
test wurde das System in mehreren Transport- und Bergbaufirmen eingesetzt, dem Vernehmen nach
mit vielversprechenden Ergebnissen (Dawson et al., 2014). Unter anderem wird zusammenfassend
von einem positiven Feedback seitens der Operateure berichtet. Die Diagnose des Systems sei meis-
tens in Übereinstimmung mit der eigenen Empfindung. Falsche Alarme seien in erster Linie dann zu
beobachten, wenn das Systems mangels Eingabe der Schlafqualität auf den Standardwert zurückgrei-
fe (Edwards et al., 2008). Detailliertere Studienergebnisse liegen jedoch wiederum nicht vor.
Abbildung 5. SafeTRAK-System mit Straßenkame-
ra zur Erfassung von Spurhaltungsmaßen. (Bild:
http://www.safetrak.takata.com, Abdruck mit
freundlicher Genehmigung der Takata Corp.)
Abbildung 6. ASTiD. Vom Modell angenommene Müdig-
keitsausprägungen nach Uhrzeit und Schlafqualität in der
letzten Nacht. (Aus Koh et al., 2007, S. 748; © IOP Publis-
hing. Abdruck mit Genehmigung. Alle Rechte vorbehalten.)
Somit ist es derzeit nur eingeschränkt möglich, sich ein Bild von der Detektionsgüte vorhandener
Systeme zur Müdigkeitserkennung machen. Die Sorgfaltsgrundsätze, welche Dawson et al. hinsicht-
lich einer möglichen Anschaffung und Nutzung solcher Systeme durch Organisationen formulieren,
lassen sich auch auf private Anwender übertragen: (1) Die Technologie sollte in unabhängigen, wis-
senschaftlich begutachteten Laborstudien anhand eines etablierten Müdigkeitsmaßes kriteriumsvali-
diert sein. (2) Die Anbieter sollten detaillierte Angaben zu Sensitivität und Spezifität ebenso machen
wie Angaben zur Zusammensetzung der Stichproben und sonstigen Methodik, mit der die Warnungs-
schwellwerte ermittelt wurden. (3) Es sollten Ergebnisse aus Feldstudien zur Anwendbarkeit und
Detektionsgüte vorliegen. Selbst für die wenigen Systeme, welche die Validierungskriterien insge-
samt relativ gut erfüllen, verbleiben zwei dringende Evaluationserfordernisse: die Erprobung im Feld
und die Beantwortung der Frage, ob die Warnungen Verhalten in einer sicherheitsförderlichen Weise
beeinflussen (Dawson et al., 2014, S. 148; s. 2.3.2).
47
Tabelle 1. Evidenz für die Detektionsgüte vorhandener Müdigkeitsüberwachungssysteme. (Tabelle überarbeitet aus Dawson et al., 2014, S. 145, S. 147, wiederveröffentlicht mit Genehmigung
der W.B./Saunders Co. Ltd.; Genehmigung übermittelt durch Copyright Clearance Center, Inc.)
Legende: **** starke Evidenz, *** gute Evidenz, ** schwache Evidenz, * aum Evidenz, keine Evidenz
System
Funktionsweise
validiert durch
Entwickler
validiert durch
unabhängige
Dritte
Evidenz in
Laborstudien
Evidenz in
Feldstudien
Übereinstimmung mit
einem etablierten
Müdigkeitsmaß (z. B.
PVT, EEG)
Übereinstimmung mit
Fahrleistungsmaßen
Sensitivität /
Spezifität
Nutzer-
akzeptanz
Messung am Fahrer
Augenbewegungs- / Lidschlussmaße
Optalert
Okulographie mit Infrarotlichtreflexion ·
Dioden und Sensoren befestigt an Brillenge-
stell, Kabel zu CPU auf dem Armaturenbrett ·
misst Häufigkeit, Geschwindigkeit und Dauer
von Lidschlägen
***
***
***
**
****
***
***
*
CoPilot DD850
Okulographie mit Infrarotlichtreflexion ·
Dioden, Sensoren, Signalverarbeitung und
Output in einem Gerät auf dem Armaturen-
brett · PERCLOS-basierter Index
**
**
*
*
Seeing Machines DSS
(FaceLab)
Stereobildbasierte Erkennung von Gesichts-
merkmalen zur Ableitung von Blickrichtung
und Lidschlussmaßen · Kameras, Signalverar-
beitung und Output in einem Gerät auf dem
Armaturenbrett
**
**
**
Eye-Com / Eyefluence
keine Information
Smart Eye Antisleep
Monobildbasierte Erkennung von Gesichts-
merkmalen zur Ableitung von Blickrichtung
und Lidschlussmaßen · Kamera plus Infrarot-
scheinwerfer zur Bildausleuchtung auf dem
Armaturenbrett
EEG-Maße
Smart Cap
Trockene Elektroden mit Prozessorkarte in
Stirnband oder Baseballkappe mit Schweiß-
band · kabellose Signalübertragung an CPU
**
**
***
**
**
B-Alert
Trockene Elektroden in Stirnband mit kleiner
Prozessoreinheit am Hinterkopf · kabellose
Signalübertragung an CPU
***
***
***
***
Elektrischer Hautwiderstand
EDVTCS
Messung des elektrischen Hautwiderstands
mittels Elektroden in Handgelenk- oder
Fingerband · kabellose Signalübertragung an
CPU
*
*
*
*
48
System
Funktionsweise
validiert durch
Entwickler
validiert durch
unabhängige
Dritte
Evidenz in
Laborstudien
Evidenz in
Feldstudien
Übereinstimmung mit
einem etablierten
Müdigkeitsmaß (z. B.
PVT, EEG)
Übereinstimmung mit
Fahrleistungsmaßen
Sensitivität /
Spezifität
Nutzer-
akzeptanz
Messung am Fahrer (Fortsetzung)
Haltungs- / Kopfnickmaße
NapZapper
Hinter dem Ohr zu tragendes Gerät mit
Rotationssensor (einfacher elektrischer
Neigungsschalter) · reagiert auf Kopfneigung >
Schwellwert (meist einstellbar um 15°)
*
*
StayAwake
Driver Fatigue Alarm
NoNap
Dozer’s alarm
*
*
**
MicroNod
Anordnung kapazitiver Sensoren oberhalb des
Kopfes (z. B. integriert in Dach) · misst Kopf-
neigung
TravelMate
Keine Information
StayAlert
flexibler transparenter Ball unter dem Kinn,
befestigt an einer um den Hals gelegten Basis ·
bei Kompression durch absinkendes Kinn
quietschendes Geräusch und Lichtsignal
Leistung in Nebenaufgaben
Roadguard
Reaktionszeitmessung (>3 s)· rotes Lämpchen
leuchtet in Intervallen von zufälliger Dauer (4 -
14s) auf · Fahrerreaktion mit Kontaktschalter
am Lenkrad oder Fußschalter
*
*
Messung am Fahrzeug
SafeTrak
Bildbasierte Erkennung der Fahrbahnbegren-
zung, Berechnung von Spurhaltungsmaßen ·
Straßenkamera auf Höhe des Innenspiegels
mit angeschlossener CPU-Box
**
**
MobilEye
AutoVue
Delphi
Keine Information
Kombinierte Messung
ASTiD
Müdigkeitsmodell mit vier Quellen:
1) Tageszeit, 2) Schlafqualität letzter Nacht
(Fahrerinput: good / poor / bad), 3) Time-on-
task (Fahrdauer und Pausen), 4) laterale
Fahrzeugbewegungen (via Drehratensensor) ·
in einem Gerät
[Fortsetzung Tabelle 1]
49
2.3.2 Die Output-Seite:
Vorgeschlagene Warnkonzepte und empirische Befunde zur Wirksamkeit
2.3.2.1 Diagnose „Fahrer müde“ – was nun?
Müdigkeitserkennung allein reduziert noch keine Unfallzahlen. Die Idee hinter der Fahrerzustands-
überwachung besteht darin, die gewonnene Information zur Erhöhung der Sicherheit zu nutzen. Wie
diese Nutzung aussehen kann, dazu gibt es wiederum mehrere Ansätze, die sich grob in die bereits
eingeführte Klassifikation nach fatigue proofing – Versuchen, negative Konsequenzen der Müdigkeit
zu verhindern oder abzumildern – und fatigue reduction – Ansätzen zur ursächlichen Beseitigung
oder Minderung der Müdigkeit an sich – einteilen lassen. Ein zur ersten Kategorie gehörendes Kon-
zept fokussiert darauf, im Zeitfenster der geminderten Fahrerleistungsfähigkeit vorhandene Sicher-
heitstechnologien im Fahrzeug entsprechend zu aktivieren bzw. zu sensitivieren. Denkbar sind An-
passungen der Einstellungen z. B. des Antiblockiersystems (ABS), des automatischen Bremsvorhalts
(EBP), der dynamischen Tempo- und Abstandsregelung (ACC), der automatischen Stabilitätsregelung,
des Kollisionswarnsystems, des Spurhalteassistenten, des Totwinkelassistenten, des elektronischen
Gurtstraffersystems, der elektronischen Servolenkung und weiterer Assistenzsysteme (Fung & Dick,
2012). Andere Reaktionskonzepte drehen sich um die Kommunikation des Risikos an Dritte, z. B. an
den angrenzenden Verkehr oder an eine zentrale Leitstelle (letzteres v.a. im kommerziellen Sektor;
s.a. Dawson, Chapman & Thomas, 2012; McGehee, Raby, Carney, Lee & Reyes, 2007; Misener, 2007).
Dennoch wird auch in absehbarer Zukunft die wichtigste Determinante dafür, inwiefern sich die In-
formation über den kritischen Fahrerzustand in Sicherheitsgewinne umsetzen lässt, die Reaktion des
Fahrers selbst bleiben. Rückmeldungen eines Müdigkeitsdetektors an den Fahrer sind je nach ihrer
Gestaltung eher dem fatigue-proofing- oder dem fatigue-reduction-Ansatz zuzurechnen. Eine Reihe
vorgeschlagener und existierender Konzepte fokussieren in erster Linie darauf, durch äußere Reize
ein Einschlafen des Fahrers zu verhindern. Die Rückmeldungen dieser Systeme fungieren nicht als
Warnungen im engeren Sinne (s. 2.2), sondern partiell als Teil einer Überprüfung, ob der Fahrer noch
wach ist (indem eine Reaktion auf die Rückmeldung gefordert wird), vor allem aber als äußerer
Weck- oder Aktivationsimpuls, der auf eine momentane Erhöhung des Erregungsniveaus abzielt. Da
in diesem Konzept die Müdigkeit nicht ursächlich beseitigt wird, handelt es sich um eine Ausprägung
des fatigue proofing. Teilweise, besonders in professionellen Anwendungen, werden diese Ausgaben
auch mit automatischen Fahrzeugreaktionen (z. B. Notstop), Benachrichtigungen an Meldestellen
und ähnlichen Maßnahmen kombiniert. Anders verhält es sich mit Rückmeldungen, die geeignet sind,
das Verhalten des Fahrers so zu beeinflussen, dass die zugrundeliegende Müdigkeit abgebaut wird,
die also auf fatigue reduction abzielen. Gemäß der Schlussfolgerungen aus 2.1.2 sind dies Rückmel-
dungen, die den Fahrer motivieren, die Fahrt zu unterbrechen, einen Turboschlaf zu halten und /
oder Koffein einzunehmen.
Zur Illustration und Bewertung des Entwicklungsstandes hinsichtlich an den Fahrer gerichteter
Rückmeldungen von Müdigkeitsdetektoren wird im Folgenden eine Auswahl vorgeschlagener oder
bereits im Gebrauch befindlicher Umsetzungen vorgestellt. Von besonderem Interesse sind dabei
relevante Forschungsbefunde in Bezug auf die erzielte oder zu erwartende Wirkung dieser Rückmel-
dungen auf Wachheit und Fahrsicherheit.
2.3.2.2 Rückmeldungen mit Schwerpunkt auf Wachheitskontrolle und Aktivierung
Ein markantes Beispiel aus dem Bereich der „Wachhaltesysteme“ ist das auch in Tabelle 1 aufgeführ-
te Engine Driver Vigilance Telemetric Control System (EDVTCS). Neben dem Einsatz im Zugverkehr soll
es auch im Straßengüterverkehr (Langstrecken und Gefahrguttransporte) bereits verwendet worden
50
sein (Dawson et al., 2014; Whitlock & Pethick, 2002). Bei Überschreitung der auf eine Minute vor
dem Einschlafen kalibrierten Warnungsschwelle ertönt zunächst ein anhaltender Alarm (Dawson et
al., 2014). Gleichzeitig wird29 ein Notbremsmechanismus aktiviert, der vom Fahrer durch Drücken
eines Vigilanzknopfs noch gestoppt werden kann (Hagenmeyer, 2007). Wie bezüglich der Detektions-
güte liegen auch hinsichtlich der Sicherheitswirksamkeit des Systems keine Studien vor.
Zur Kategorie der auf Wachheitskontrolle ausgerichteten Systeme gehören auch die meisten der
oben vorgestellten Kopfnickdetektoren. Bei den am Ohr getragenen Geräten besteht der Output zu-
meist aus einem Alarmton, bei einigen kann stattdessen oder zusätzlich ein Vibrationsalarm einge-
stellt werden. Funktionell handelt es sich also um Wecker, die im Fall des einschlafbedingten Kopf-
absinkens anspringen. Hinsichtlich der Sicherheitswirksamkeit ergibt sich damit bereits konzeptbe-
dingt das Problem, dass die Warnung sehr spät erfolgt. Schon lange vor dem Wegnicken des Kopfes
können z. B. die Augen geschlossen sein; nach dem Alarm vergeht weitere Zeit, bevor der Fahrer sich
wieder orientiert hat. In einem der wenigen empirischen Tests (Nachtfahrtsimulation; Haworth
& Vulcan, 1991) zeigte sich kein Vorteil durch ein NapZapper-System in Bezug auf die untersuchten
Variablen Wahrscheinlichkeit, den Parcours zu vollenden, Häufigkeit langer Lidschlüsse, Gesamtfahr-
zeit mit geschlossenen Augen, Fahrleistung und Vigilanz bei Fahrtende. Hinsichtlich auftretender
Fahrfehler wird aus einer anderen Simulatorstudie berichtet, dass in den meisten Fällen die
NapZapper-Alarmschwelle erst überschritten wurde, nachdem das Fahrzeug bereits vollständig die
Spur verlassen hatte (Edwards et al., 2008). Auch eine denkbare sensitivere Einstellung des Geräts
(Reaktion bei geringeren Neigungswinkeln) erscheint nicht sinnvoll, da bereits ohne dies hohe Raten
falscher Alarme auftreten (Dawson et al., 2014). Die konzeptuellen Einwände lassen sich auch auf
andere Rückmeldungen übertragen, die auf der Detektion von Nickbewegungen des Kopfes basieren.
Neben den raren Befunden zur Wirksamkeit auf dem Markt befindlicher Wachhaltetechnologien
existiert eine Reihe von Studien, die das Aktivierungspotential verschiedener Reize im Hinblick auf
eine mögliche Verwendung in solchen Systemen untersuchen. Mallis et al. (2000) testeten die Wir-
kung von vibrotaktiler Stimulation und auditiv präsentierten Aufforderungen („Bleiben Sie wach,
bleiben Sie aufmerksam.“ / „Achten Sie auf den Re iz.“ / „Bitte passen Sie auf.“) auf die Vigilanz mü-
der30 Probanden und fanden weder über die Gesamtdauer der jeweils 20minütigen Testphasen hin-
weg noch in der entsprechenden Minute der Stimulation einen Unterschied im Vergleich zu einer
Bedingung ohne Stimulation. Eine nicht signifikante Tendenz zu weniger Fehlern zeigte sich lediglich
beim Vergleich der Minute unmittelbar vor der Stimulation mit der Minute danach. Bereits in der
zweiten Minute danach war diese Tendenz wieder verschwunden. Auch die per Lidschluss gemesse-
ne Müdigkeit unterschied sich nicht zwischen den Bedingungen. Zu ähnlichen Ergebnissen führte
eine Realfahrtstudie, in der Schmidt et al. (2011) die Wirkung kurzer Kommunikationsepisoden auf
Wachheits- und Leistungsmaße untersuchten. In der Minute der Kommunikation waren Lidschluss-
dauern und EEG-Alphaspindelraten reduziert, jedoch hielt die Aktivierung nur eine bis zwei Minuten
an. Für solche und weitere denkbare Aktivierungskomponenten (wie Vibrationen des Lenkrads oder
Fahrersitzes, Temperaturänderungen, Musik, Modulationen der Fahrdynamik, auditive interaktive
Spiele etc.) gilt, dass sie als Teil eines Rückmeldungssystems sinnvoll sein können, indem sie im Sinne
eines fatigue proofing als spät im Unfallgeschehen ansetzende Barriere und / oder als überbrückende
Unterstützung der Wachheit fungieren (s.a. Caldwell et al., 2008; Landström, Englund, Nordström &
29 im Zugverkehr, für den Einsatz auf der Straße ist keine Information verfügbar
30 Im Verlauf von 42 Stunden ohne Schlaf, gemessen anhand von PVT-Verpassern und anderen PVT-
Parametern.
51
Aström, 1999; Lenné et al., 2004; Reyner & Horne, 1998a; Verwey & Zaidel, 1999). Sie als einzige
Rückmeldungsform von Müdigkeitsdetektoren einzusetzen, erscheint hingegen aus mehreren Grün-
den unzureichend oder sogar kontraproduktiv.
Die erzielte Aktivierung beruht auf einer momentanen Überlagerung der zugrundeliegenden Mü-
digkeit durch relativ kurzlebige Erregungsprozesse (vgl. 2.1.2). Um eine solche Erregung über längere
Dauer aufrechtzuerhalten, müsste eine Stimulation nicht nur immer wieder wiederholt werden, son-
dern zusätzlich müsste auch die Qualität der Reizung variiert werden, um Adaptations- oder Habitua-
tionseffekten entgegenzuwirken (s. Pérez-González & Malmierca, 2014; Webster, 2012). Die physio-
logische Ursache der Müdigkeit wird dadurch nicht beseitigt. Auch wenn es gelingt, das
Vigilanzniveau insgesamt zu steigern, bleibt das Problem der erhöhten Moment-zu-Moment-
Variabilität der Leistungsfähigkeit bestehen, welche das Auftreten von Fehlern begünstigt (Alhola
& Polo-Kantola, 2007; Doran et al., 2001; Dorrian & Dinges, 2006). Zudem gilt es zu berücksichtigen,
dass neben den Vigilanzgewinnen durch Anregung von außen auch Leistungseinbußen aufgrund von
kognitiver Überbeanspruchung und Ablenkung auftreten können (Lenné et al., 2004).
Weiterhin sollte die Möglichkeit unerwünschter Verhaltensanpassungen und Risikokompensation
(Fuller, 2005; Rudin-Brown & Jamson, 2013; Wilde, 1982) beachtet werden: Fahrer könnten das Sys-
tem dazu nutzen, bei Müdigkeit länger als normal weiterzufahren und sich darauf verlassen, dass das
System sie wachhält. Karrer-Gauß (2012) untersuchte diesen Sachverhalt in einer Reihe von Studien.
Subjektive Einschätzungen von Berufskraftfahrern bestätigten die Plausibilität der Annahme, dass die
Einführung von Müdigkeitsdetektionssystemen zu Risikokompensation führt, „insbesondere, wenn
das System durch eine Aktivierung des Fahrers eine Weiterfahrt trotz star er Müdig eit ermöglicht“
(S.7) Weniger eindeutige Ergebnisse erbrachte eine Simulationsstudie. Erwartungsgemäß verlängerte
sich mit einem Überwachungssystem an Bord die selbstgewählte Fahrdauer müder Probanden signi-
fikant. Allerdings schätzten sich nicht nur die Fahrer selbst in der Bedingung mit System als wacher
ein, sondern diese Einschätzung spiegelte sich auch in Beobachterratings. Karrer-Gauß vermutet,
dass in der experimentellen Überwachungssituation durch reaktiv erhöhte Leistungsmotivation ver-
mehrt Ressourcen zur Selbstaktivierung freigesetzt wurden. Sollte dies der verantwortliche Mecha-
nismus sein, ist zu bezweifeln, dass auch im realen Fahralltag eine höhere Aktivierung allein durch die
Präsenz eines Detektionssystems bewirkt wird.
Abschließend sind Aspekte der Beeinträchtigungsfreiheit und Nutzerakzeptabilität zu berücksich-
tigen. Jenseits einer hier nicht geführten Wertediskussion zum Verhältnis von Sicherheit auf der ei-
nen und menschlicher Autonomie auf der anderen Seite erscheint es fragwürdig, ob sich ein privater
Autokäufer für ein System begeistern kann, das ihm bei detektierter Müdigkeit nach einem durch-
dringenden Warnton nur wenige Sekunden Zeit lässt, um eine automatische Vollbremsung zu ver-
hindern. Gleichzeitig aber erscheinen Systeme, die ausschließlich auf eine Wachheitskontrolle ausge-
legt sind, als eine späte Unfallbarriere nur in Kombination mit solchen automatischen Fahrzeugreak-
tionen sinnvoll. Die Aktivierung des Fahrers sollte somit als eine nötigenfalls überleitende, aber auf
keinen Fall als alleinige Funktion des Outputs von Systemen zur Müdigkeitserkennung verstanden
werden.
52
2.3.2.3 Rückmeldungen mit Schwerpunkt auf Verhaltensänderung
Neben der möglichst sparsam31 zu verwendenden Wachhaltefunktion gibt es eine Reihe weiterer
Funktionen, die durch die Rückmeldung eines Müdigkeitsdetektionssystems erfüllt werden sollten
(vgl. Karrer-Gauß, 2012).
Diese Funktionen lassen sich gut auf die oben vorgestellten allgemeinen Bestandteile einer War-
nung (2.2.1), den Informationsverarbeitungsprozess sensu C-HIP-Modell (2.2.2) und die durch die
PMT näher spezifizierten Einflussfaktoren auf Ebene der Überzeugungen und Motivation (2.2.4) be-
ziehen. Die Systemrückmeldung soll (1) über die Müdigkeit informieren. Diese Funktion ist insbeson-
dere in den Fällen relevant, in denen die subjektive Wahrnehmung des Fahrers von der objektiv fest-
gestellten Müdigkeit abweicht. Die Rückmeldung soll dem Fahrer (2) eine Bewertung der Kritikalität
des festgestellten Zustandes liefern. Sie soll (3) eine Handlungsempfehlung geben – gemäß des wis-
senschaftlichen Erkenntnisstandes: eine Pause einzulegen, zu nappen und / oder Koffein einzuneh-
men – und sie soll (4) Unterstützung bei der Umsetzung des empfohlenen Verhaltens gewähren – z. B.
durch Angabe der nächstgelegenen Rastmöglichkeit. All diese Funktionen zielen letztendlich darauf
ab, eine Verhaltensänderung zu bewirken, und adressieren dazu motivational bedeutsame Einschät-
zungen und Überzeugungen: Die Information und Bewertung bezüglich des erfassten Fahrerzustands
sollen helfen, die subjektive Vulnerabilität und den wahrgenommenen Schweregrad der Bedrohung
situationsangemessen einzustellen, die Handlungsempfehlung und -unterstützung untermauern die
Wirksamkeit und Durchführbarkeit einer Pause und reduzieren tatsächliche und wahrgenommene
Aufwände, also Handlungskosten.
In den verschiedenen vorgeschlagenen oder bereits am Markt befindlichen Rückmeldungskonzep-
ten, welche nicht als reine Wachheitskontrolle fungieren, sondern auch auf eine Verhaltensänderung
ausgerichtet sind, finden sich die genannten Funktionen in unterschiedlichem Ausmaß wieder.
Das grafische Display des Optalert-Systems (Abbildung 7) informiert kontinuierlich in Form eines
numerischen JDS-Wertes zwischen 1 und 10 über die per Sensorbrille gemessene Müdigkeit. Dazu
gibt es eine verbale Risikoeinschätzung – „low“ / „medium“ /„high“ risk – aus, die grafisch durch Far-
be, Größe und räumliche Anordnung in Anlehnung an die Gestaltungsempfehlungen der o.g. Normen
(vgl. 2.2.2.4) unterstützt wird. Bei Überschreitung der Schwellen hin zu mittlerer bzw. hoher Gefähr-
dung werden jeweils ein unterschiedlicher auditiver Alarm und eine Sprachnachricht ausgegeben.
Anzumerken ist, dass das System explizit für die Nutzung als Teil eines umfassenderen Fatigue-
Management-Systems im organisationalen Kontext entwickelt wurde, in dem die unmittelbare
Rückmeldung an den Fahrer nur ein Baustein ist. So werden alle Fahrerdaten auch an eine Zentrale
übertragen und können dort auf verschiedenen Aggregationsebenen von der gesamten Flotte bis hin
zum Individuum ausgewertet werden. Für ermächtigte Schichtleiter gibt es die Option eine automa-
tische SMS- oder E-Mail-Benachrichtigung zu empfangen, wenn ein Fahrer eine high-risk-Warnung
erhält. Die Implementation des Systems soll von Schulungen begleitet, die Daten sollen zur Optimie-
rung von Einsatzplänen und für individuelle Interventionen genutzt werden
(http://www.optalert.com/). Aufgrund dieser unterschiedlichen kontextuellen Einbettung können –
unabhängig davon, ob die Nutzung in den Unternehmen tatsächlich gemäß der best practice erfolgt
oder ob man die Möglichkeiten des Systems zu restriktiver Überwachung und Kontrolle gebraucht –
Ergebnisse zur Wirksamkeit nicht unmittelbar auf den privaten Sektor übertragen werden.
31 „im besten Fall niemals“ (Hagenmeyer, 2007, p. 21)
53
Inzwischen existiert ein beträchtlicher Datenpool aus Einsätzen im Straßen- und Bergbautransport
(E-Mail-Korrespondenz mit Dr. Andrew Tucker32). Dennoch sind relativ wenig sicherheitsrelevante
Ergebnisse veröffentlicht. Laut Auskunft von Andrew Tucker erreichen nach dem Erscheinen einer
Warnung die JDS-Werte im Mittel für eine Dauer von 13 Minuten wieder Ausprägungen im geringen
Risikobereich33, und unter Anwendung des Optalert-Systems sollen noch keine müdigkeitsbedingten
Unfälle aufgetreten sein. Des Weiteren berichten Corbett und Newman (2013, 2014) in zwei kurzen
Abstracts von positiven Effekten des kontinuierlichen Müdigkeits-Feedbacks auf die gemessenen JDS-
Werte in einer vierstündigen Flugsimulation. Kleine Effekte des Feedbacks auf den maximalen JDS-
Wert pro Fahrt sowie die Anzahl und Dauer von Müdigkeitsspitzen fand auch eine Studie mit Fahrern
des australischen Militärs (Aidman, Chadunow, Johnson & Reece, 2012). Im Vergleich zu der relativ
soliden Evaluation des Systems hinsichtlich der Detektionsseite wäre eine ausgiebigere Evaluation
hinsichtlich der Sicherheitswirkungen dennoch wünschenswert.
Abbildung 7.Grafische Rückmeldungen des Optalert-
Systems auf verschiedenen Müdigkeitsstufen. (Bild:
http://www.optalert.com; Abdruck mit Genehmigung der
Optalert Pty. Ltd.)
Abbildung 8. Output-Box des CoPilot /
DD850 (Bild: Blanco et al., 2009, S. 36;
Abdruck mit freundlicher Genehmigung
der Autoren und der NHTSA)
Einige empirische Daten liegen auch für die Wirkungen des CoPilot/DD850-System vor. Das Rück-
meldungskonzept wurde im Rahmen eines partizipativen Gestaltungsprozesses mit zwei Fokusgrup-
pen (Berufskraftfahrer und Designexperten) erarbeitet (Ayoob, Steinfeld & Grace, 2003; Ayoob et al.,
2005). Dabei offenbarten sich Unterschiede in den Wünschen und Ansprüchen verschiedener
Gruppen an das System: „… drivers viewed the system as a loyal servant that would alert the driver
when he became drowsy, while the scientific community viewed the system as a trusted advisor that
would encourage the driver to stop and rest“ (Ayoob et al., 2003, S. 1840). Das Enddesign versucht
eine auf Verhaltensänderung abzielende Rückmeldung mit der Erfüllung möglichst vieler Nutzerwün-
sche zu vereinen. Als ein Ergebnis des partizipativen Designprozesses sind viele Einstellungen indivi-
duell wählbar (Klänge, Lautstärke, Helligkeit, Alarmschwelle). Bezüglich der Sensitivität der Müdig-
keitsdetektion haben Fahrer die Wahl zwischen drei Stufen: hoch, mittel und niedrig34. Die Schwelle
für den vollen Alarm liegt jeweils bei 12% PERCLOS35. Der Initialalarm ist ein einzelnes auditives Sig-
nal. Bei Auslösung des vollen Alarms wird der vom Fahrer eingestellte Ton mit einer Rate von 1 Hz
32 Forschungsleiter bei Optalert
33 in Daten aus Bergbau, Militär und Straßentransport
34 hoch - PERCLOS wird über die jeweils letzte Minute berechnet, Schwellenwert für Initialalarm: 8% -, mittel -
PERCLOS über die jeweils letzten drei Minuten; Schwelle für Initialalarm: 9% -, niedrig – Berechnung über
5 min; Schwelle Initialarm: 10%
35 PERCLOS: Prozent der Zeit, in der die Pupille zu mehr als 80% verdeckt ist
54
wiederholt, und das Display leuchtet auf. Der Alarm hält so lange an, bis der Fahrer den OK-Knopf auf
der Oberseite des Geräts (Abbildung 8) drückt. In Folge erscheint in der Balkenanzeige auf der Vor-
derseite des Geräts eine Visualisierung der längsten Lidschlussdauer in der letzten Messperiode (und
der entsprechenden blind zurückgelegten Fahrstrecke bei einer Geschwindigkeit von 61 mi/h), dazu
werden in numerischen Displays die Anzahl der Warnungen und die Warnungsrate (Warnungen /
Stunde) seit dem letzten Reset angezeigt. Nach 15 Sekunden oder unmittelbar durch erneutes Drü-
cken des OK-Knopfes verschwinden die Anzeigen wieder (Blanco et al., 2009; Rau et al., 2009).
Sicherheitsrelevante Effekte des Warnsystems wurden in einem Field Operational Test (FOT) mit
96 Berufskraftfahrern und 46 LKW untersucht. Innerhalb des Operationsbereichs des Systems36 er-
wies sich die durch PERCLOS gemessene Müdigkeit in der Experimentalbedingung als insgesamt et-
was geringer als in der Baseline-Bedingung mit inaktivem System; außerhalb des Operationsbereichs
fand sich kein entsprechender Unterschied. Hinsichtlich der Anzahl von Überschreitungen des Mü-
digkeitskriteriums wurde dagegen kein signifikanter Effekt gefunden; deskriptiv kam es anteilig sogar
zu mehr alarmauslösenden Situationen, wenn ein aktives Warnsystem an Bord war. Besonders inte-
ressant im Kontext dieser Arbeit sind die Ergebnisse bezüglich des beobachteten Verhaltens nach
einem Müdigkeitsalarm. Die durchschnittliche Zeit, die nach einer Kriteriumsüberschreitung ver-
strich, bevor der Truck für mindestens 10 Minuten angehalten wurde, lag bei etwas über einer Stun-
de, unabhängig davon, ob eine Warnung erfolgt war oder nicht. Auch für die Art der Verhaltenswei-
sen unmittelbar nach einer Warnung bzw. Überschreitung des Müdigkeitskriteriums wurde kein be-
deutsamer Effekt gefunden. Generell traten in den betrachteten 5 Minuten am häufigsten selbstakti-
vierende Verhaltensweisen auf (große Blickbewegungen, Änderung der Sitzposition, Berührungen
des Gesichts etc.); in weniger als 5% der Fälle kam es zu einem Anhalten des Fahrzeugs innerhalb
dieser Zeit. Die Anzahl verschiedener sicherheitskritischer Ereignisse (Unfälle, Beinahe-Unfälle und
unfallrelevante Konflikte) blieb in der Bedingung mit aktivem Warnsystem ebenso unverändert wie
Maße der fahrerseitigen Schlafquantität und –qualität. Analysiert wurde auch der Umgang der Nut-
zer mit dem System. Die Mehrheit der Fahrer, 76%, wählte die mittlere Sensitivitätsstufe (hoch: 3%;
niedrig: 21%). Die mittlere Dauer von Alarmen vor deren Abschaltung per OK-Knopf bewegte sich je
nach Tageszeit zwischen etwa 5 Sekunden (z. B. zwischen 10:00 und 12:00 Uhr) und bis zu etwa 52
Sekunden (zwischen 03:00 und 04:00 Uhr). Einige Fahrer stellten die Lautstärke des Warntons auf das
Minimum ein, manche drehten dazu die Lautstärke des Radios auf, was „als bewusste Anstrengung
den Alarm zu überdec en“ interpretiert werden kann (Blanco et al., 2009, S. 151). Im Rahmen des
FOT nahmen alle Fahrer vor der Datenerhebung an einer Fatigue-Management-Schulung teil.
Die Forschung rund um das CoPilot-System ist als einer der bisher umfassendsten Versuche zu
würdigen, nicht nur ein verhaltenswirksames Müdigkeitswarnsystem zu entwickeln, sondern auch
dessen sicherheitsrelevante Effekte empirisch zu untersuchen. Das Rückmeldungskonzept mit der
Visualisierung der blind absolvierten Fahrdauer und -strecke ist ein Versuch, das psychologische
Problem hinter der Müdigkeitswarnung zu adressieren und durch geeignete Informationen Verzer-
rungen in der Vulnerabilitätswahrnehmung des Fahrers zu beseitigen (vgl. Ayoob et al., 2005). Dass
das System trotz der Sorgfalt bei der Entwicklung kaum messbare Wirkungen hatte, zeigt, dass die
Nutzung der Müdigkeitsinformation zur Erhöhung der Sicherheit kein triviales Problem ist. Leider ist
es im FOT nicht möglich, die Effekte der Rückmeldungsgestaltung sauber von Limitationen des Sys-
tems zu trennen, die auf der Detektionsseite liegen (z. B. eingeschränkter Einsatzbereich, falsche
Alarme durch fehlende Pupillenerfassung bei Seitenblicken etc., vgl. Rau et al., 2009). Die Erfor-
36 Geschwindigkeit mindestens 35 mph, geringes Umgebungslicht (Nacht oder Dämmerung)
55
schung der Verhaltens- und Sicherheitswirksamkeit verschiedener Warnkonzepte in kontrollierteren
experimentellen Settings ist daher dringend erforderlich.
Wie bei Optalert ist auch bei dem EEG-basierten Smart-Cap-System die Rückmeldung im Fahrzeug
in ein umfassenderes organisationales Fatigue-Management-Konzept inklusive der Möglichkeit zum
zentralisierten Monitoring eingebettet. Auf einem Touchscreen wird dem Fahrer kontinuierlich die
gemessene Müdigkeit als Zahlenwert zwischen 1 und 5 angezeigt. Bei Erreichen des Schwellenwertes
von 4 ertönt ein auditiver Alarm, der aufgrund der diskutierten einschlafnahen Lage dieses Kriteriums
(vgl. 2.3.1.4) in erster Linie als Weck- bzw. Aktivierungssignal zu verstehen ist. Durch die kontinuierli-
che Rückmeldung und die im Organisationskontext vorgesehenen begleitenden Maßnahmen hat das
System aber zumindest das Potential auch müdigkeitsrelevante Verhaltensänderungen zu bewirken
und nicht nur als bloße Wachheitskontrolle zu fungieren. Trotz erfolgter Markteinführung und voran-
gegangener Testeinsätze im Feld sind aber bislang keine Daten zu Sicherheitseffekten veröffentlicht.
Eine ganze Reihe der in Tabelle 1 aufgeführten Systeme, insbesondere in den Bereichen Eye- und
Lanetracking, wird ausschließlich als Detektionssystem, d.h. ohne eigenes Rückmeldungsdesign, ent-
wickelt und zur Verfügung gestellt. Eines der spurführungsbasierten Systeme, welches eine eigene
einfache Rückmeldung integriert, ist SafeTrak. Auf der fahrerzugewandten Seite der Box (s. Abbil-
dung 5) befindet sich eine rote Leuchtdiode. Bei Spurverlassen leuchtet sie, begleitet von einem
Warnton, kontinuierlich auf. Wird anhand des Fahrverhaltens Müdigkeit diagnostiziert, blinkt sie mit
längeren AN- und kürzeren AUS-Intervallen, dazu wird im Abstand von 5 Minuten eine aus mehreren
Tönen bestehende Warnsequenz ausgegeben (Takata Corp., 2008). Das Verständnis dieser Warnung
setzt beim Fahrer ein gewisses Vorwissen voraus; sicherheitsbezogene Untersuchungen dieser
Rückmeldungsvariante liegen nicht vor. Allerdings beinhaltet das System, genauso wie die anderen
Nur-Detektions-Systeme, natürlich die Option, die erfassten Daten – zur selbst zu spezifizierenden
Weiterverwendung – an Bordcomputer und fahrzeuginterne Anzeigesysteme zu übertragen. Gekop-
pelt mit einer anderen Rückmeldungsvariante kam das SafeTrak als Teil eines Bündels von Fatigue-
Management-Maßnahmen in einem FOT zum Einsatz (Dinges et al., 2005). Während einer zweiwö-
chigen Testphase bekamen Berufskraftfahrer simultan Feedback von drei verschiedenen Überwa-
chungssystemen. Ein dauerhaft am Handgelenk getragenes Aktimeter zeichnete Wach- und Schlaf-
phasen auf und gab auf dieser Grundlage eine analoge „Leistungs-Tankanzeige“ aus; ergänzend
konnte per Knopfdruck ein entsprechender numerischer Wert von 0 - 100% abgerufen werden. Zwei
auf dem Armaturenbrett befestigte Anzeigen gaben Rückmeldung über die aktuell erfasste Fahrer-
müdigkeit (PERCLOS-basiert) und ein aggregiertes Fahrleistungsmaß (aus SafeTrak), jeweils in Form
eines numerischen Wertes von 0 (höchste Müdigkeit / schlechteste Fahrleistung) bis 99 (höchste
Wachheit / beste Fahrleistung). Zusätzlich wurden die Teilnehmer vor der Testphase im Rahmen ei-
nes Kurses über Folgen von Müdigkeit und Möglichkeiten des Müdigkeitsmanagements unterrichtet.
Neben den Rückmeldesystemen war während der Testphase ein hydraulisches System zur Erleichte-
rung der Spurhaltung aktiviert. Im Vergleich zu einem zweiwöchigen Kontrollzeitraum, in welchem
sämtliche Technologien ausgeschaltet blieben, wurde für den Feedback-Zeitraum eine Abnahme der
gemessenen Müdigkeit während Nachtfahrten, sowohl im Lidschluss- als auch im Spurhaltungsmaß,
festgestellt. Im Hinblick auf die Wirkmechanismen des Feedbacks wurde untersucht, ob die Erho-
lungsschlafzeiten der Fahrer unter der Rückmeldebedingung länger wurden. Insgesamt betrachtet
wiesen weder die aktigraphische Aufzeichnung noch die von den Fahrern geführten Schlaftagebü-
cher einen solchen Effekt aus. Bei getrennter Betrachtung von Arbeits- und freien Tagen offenbarte
sich eine durchschnittliche Verlängerung des Schlafes an freien Tagen um 45 Minuten pro Tag, jedoch
56
ist nicht davon auszugehen, dass diese sporadisch längeren Schlafdauern einen großen Teil des akti-
vierenden Effekts des Feedbacks erklären können. Vielmehr besprechen Dinges et al. (2005), ähnlich
wie Karrer-Gauß (2012), die Möglichkeit, dass in der Testsituation das kontinuierliche Feedback zu
einer Mobilisierung von Ressourcen für Vigilanz und kompensierende Verhaltensweisen während des
Fahrens – mit entsprechenden Kosten für Wachheit und Leistung außerhalb der Fahrzeiten – geführt
haben könnte. Diese Vermutung wird gestützt durch den Befund, dass sich während des Feedback-
zeitraums die Leistung in außerhalb der Fahrzeiten durchgeführten PVT-Tests verschlechterte, eben-
so wie sich die subjektive Müdigkeit der Fahrer verstärkte. Ein Einfluss des Feedbacks auf die Häufig-
keit von Pausen oder die Art der Pausennutzung wurde nicht untersucht. Aufgrund des massiven
Einsatzes vieler Technologien bleibt unklar, welchen Anteil einzelne Rückmeldungen am Gesamtef-
fekt hatten.
Abbildung 9. Benutzeroberfläche des Systems ASTiD.
(Bild: http://www.fmig.org; Abdruck mit Genehmigung der
Fatigue Management International Ltd.)
Abbildung 10. Visuelle Warnmeldung des
Systems Driver Alert Control (Bild:
https://www.media.volvocars.com; Abdruck
mit Genehmigung der Volvo Car Corp.)
Auch das ASTiD schließt eine eigene Rückmeldungsvariante ein. Wie die Namensgebung Advisory
System for Tired Drivers nahelegt, ist es als Frühwarnsystem konzipiert, das dem Fahrer bei der Er-
kennung von Müdigkeitszeichen assistieren und gegebenenfalls zu einer Pause raten soll (Koh et al.,
2007). Dazu gehört eine kontinuierliche Anzeige der errechneten Fahrermüdigkeit (Abbildung 9). Bei
Erreichung kritischer Werte gibt das System auditive und visuelle Warnungen aus, welche eine Pau-
senempfehlung beinhalten (Wright et al., 2007). Bezüglich der Sicherheitswirksamkeit gibt es keine
veröffentlichten Ergebnisse in der begutachteten wissenschaftlichen Literatur. Laut eines Vortrags
auf einer Fatigue-Management-Konferenz des ICMM (ICMM, 2012; Thomas, 2012) kam es durch den
Einsatz der organisationalen Variante des Systems37 im Bergbautransport zu einer Reduktion von
Messepisoden im kritischen Bereich von 12% auf 10%. Einzelheiten zur Methodik oder inferenzstatis-
tische Kennwerte werden aber nicht berichtet. Im selben Dokument heißt es, im Vergleich zu einer
Baseline sei während einer Interventionsperiode die Anzahl von Alarmen während Tagschichten von
20 auf 13 und während Nachtschichten von 480 auf 102 gesunken; wiederum ist aber die Methodik
nicht ersichtlich. Zu interessierenden potentiell vermittelnden Variablen (z. B. unmittelbaren Reakti-
onen der Fahrer auf Systemwarnungen, Veränderungen des Erholungsverhaltens, Gebrauch aktivie-
render Substanzen u.ä.) sind keine Informationen zu finden.
Inzwischen bietet auch eine Reihe von Automobilherstellern Müdigkeitswarner als Fahrzeugaus-
stattung an; einige Rückmeldungskonzepte aus diesem Bereich werden hier abschließend vorgestellt.
37 beinhaltet die Übertragung von Informationen an eine zentrale Leitstelle
57
Das Attention-Assist-System von Mercedes-Benz, dessen individualisierter Detektionsalgorithmus
auf dem Fahrverhalten basiert und viele Kontrollvariablen berücksichtigt, verfolgt ähnlich wie das
ASTiD eine Strategie der frühzeitigen Intervention mit dem Ziel, die fahrerseitige Erkennung von Mü-
digkeit zu unterstützen und „Anstoß zu einer Pause zu geben, bev or es gefährlich wird“ (Daimler,
2013). Bei erkannter Fahrermüdigkeit gibt es einen Warnton aus. Zugleich erscheinen in der Multi-
funktionsanzeige ein Kaffeetassensymbol und der Text Attention Assist: Pause! In einer neueren Ver-
sion gibt es die zusätzliche Möglichkeit für den Fahrer, eine Informationsseite mit einer fünfstufigen
Attention-Level-Balkenanzeige und einer Anzeige der seit der letzten Pause verstrichenen Zeit im
Multifunktionsdisplay aufzurufen; zudem kann zwischen zwei Sensitivitätsstufen (Standard vs. emp-
findlich) gewählt werden.
Ein sehr ähnliches Rückmeldungskonzept findet sich im Driver-Alert-Control-System von Volvo
(Abbildung 11; Volvo Car Group, 2008), welches im Jahr 2007 als erste speziell zur Müdigkeitsüber-
wachung konzipierte Technologie für den privaten Markt eingeführt wurde.
Abbildung 11. Integration der visuellen Statusrückmeldung des Driver Alert (Mitte) in andere
Fahrzeuganzeigen. (Bild: Ford, Abdruck mit Genehmigung der Ford Motor Company)
Auch die Statusrückmeldung des Driver-Alert-Systems von Ford beinhaltet eine fünfstufige Bal-
kenanzeige. Im Unterschied zu den vorigen Systemen wird nicht die verbleibende (abnehmende)
Aufmerksamkeitskapazität, sondern das auf Spurhaltungsparametern basierende (zunehmende) Mü-
digkeitsmaß visualisiert (Ford, 2010). Im Bereich bis drei Balken ist die Anzeige grün, der vierte Bal-
ken ist orange, der fünfte rot. Mit fortschreitender Müdigkeit bewegt sich ein Statuscursor auf ein
am Ende der Skala abgebildetes Kaffeetassensymbol zu (Abbildung 11). Das Warnkonzept ist zweistu-
fig. Zunächst erscheint, begleitet von einer Tonausgabe, eine gelbe Textbotschaft (Driver Alert -
WARNING - Rest Suggested) im Multifunktionsdisplay, welche nach 10 Sekunden wieder verschwin-
det. Wird anhand des Fahrverhaltens im Anschluss weiterhin Müdigkeit detektiert, wird erneut ein
Ton ausgegeben und es erscheint eine weitere Warnung in roter Schrift (Driver Alert - WARNING -
Rest Now), die verschwindet, wenn der Fahrer den OK-Knopf drückt. Versäumt der Fahrer die Reakti-
on, wird die Anzeige erst zurückgesetzt, wenn das Fahrzeug angehalten und die Tür geöffnet wird.
Das System Müdigkeitserkennung von VW präsentiert im Warnungsfall ein akustisches Signal und
eine visuelle Anzeige mit einem Kaffeetassensymbol und dem Text Müdigkeit erkannt. Bitte Pause.
Wird innerhalb der nächsten 15 Minuten das Fahrzeug nicht gestoppt, wird die Ausgabe wiederholt
(http://www.volkswagen.de/).
Empirische Studien zur Untersuchung der Sicherheitswirkungen dieser Warnungen wurden nicht
gefunden. Es können jedoch einige Anmerkungen zur Evaluation auf theoretischer Basis formuliert
werden. Im Hinblick auf die zu erwartende Effektivität der Rückmeldungen ist zu würdigen, dass alle
vorgestellten Konzepte erkennbar auf eine frühe Intervention und das Zielv erhalten „Pause“ ausge-
richtet sind. Einen Hinweis darauf, wie diese zu einer effektiven Pause werden kann, liefert das allge-
58
genwärtige38 Kaffeetassensymbol. Zudem werden teilweise in zum Warnsystem gehörenden Zusatz-
materialien wichtige Hintergrundinformationen zur Verfügung gestellt. Zum Beispiel wird in einem
Informationstrailer über die VW-Müdigkeitserkennung39 abschließend auf das Bordbuch hingewie-
sen, welches „praktische Hinweise auch für die sinnvolle Pausengestaltung“ gebe.
Mehrere vermutlich wirksamkeitseinschränkende Aspekte hängen mit der Zugänglichkeit der
Rückmeldungs- bzw. Hintergrundinformation für den Fahrer zusammen. Abgesehen davon, dass Mü-
digkeitserkenner erst seit relativ kurzer Zeit überhaupt in Neufahrzeugen erscheinen, gehören sie,
wie andere fortgeschrittene Fahrerassistenzsysteme, zumindest derzeit noch zu den luxuriöseren
Ausstattungsvarianten, sind also a priori nur für einen Teil aller Fahrer verfügbar. Auch wer ein Fahr-
zeug mit Warnsystem besitzt, kommt nicht zwingend in den Genuss der Rückmeldungen, denn alle
Systeme können – im Hinblick auf Nutzerakzeptanz selbstverständlich – in einem Einstellungsmenü
wahlweise ein- oder ausgeschaltet werden. Die beschriebenen Statusanzeigen (vor Warnungsniveau)
müssen vom Fahrer aktiv über ein Menü aufgerufen werden. Das Bordbuch und andere Quellen für
hilfreiche Zusatzinformationen müssen überhaupt konsultiert werden (zum Einfluss von Zugangskos-
ten auf die Nutzung von Informationen s. Wickens & McCarley, 2007).
Bezüglich der Unterstützung des Zielverhaltens ist „Pause“ zwar einerseits eine relativ konkrete
und mit Blick auf Müdigkeitsreduktion richtige Handlungsempfehlung, dennoch wäre eine noch stär-
kere Konkretisierung (auf Ebene der Warnung im Fahrzeug, nicht im Zusatzmaterial) vermutlich ziel-
führend. Das Konzept Napping als wirksame Gegenmaßnahme taucht bislang nirgends auf, und auch
Koffein ist nur in Form des Kaffeetassensymbols repräsentiert. Aufgrund eines Mangels an For-
schungsergebnissen bleibt auch unklar, in welchem Umfang die verwendeten Warnungen geeignet
sind, die notwendige Überzeugungsfunktion zu erfüllen, indem sie beispielsweise die subjektive Risi-
kowahrnehmung oder den wahrgenommenen Nutzen einer Pause vergrößern.
Insgesamt, auch mit Blick auf die anderen vorgestellten Systeme, ist zu konstatieren, dass kaum
Forschungsergebnisse hinsichtlich der erzielten Wirkungen existieren bzw. veröffentlicht sind. Noch
mehr als auf die müdigkeitsbezogenen Effekte der Systeme trifft dies für leistungs- und sicherheits-
bezogene Zielvariablen und wichtige intervenierende Variablen – unter anderem die unmittelbaren
Reaktionen von Fahrern auf Warnungen – zu. Darüber hinaus können die meisten der ohnehin raren
Erkenntnisse vermutlich nicht ohne weiteres auf den privaten Sektor übertragen werden, da sie aus
Anwendungen stammen, in denen die Überwachung des Fahrers durch Zentralisierung und die darin
implizierten Sanktionsmöglichkeiten eine andere Dimension hat.
2.3.3 Methodische Herausforderungen bei der Untersuchung der Warnungswirksamkeit
Zur Evaluation und Weiterentwicklung von Müdigkeitswarnern ist es daher dringend erforderlich,
deren sicherheitsrelevante Effekte in viel größerem Umfang als bisher zu untersuchen. Die Wahl der
jeweils am besten geeigneten Methode ist dabei vor dem Hintergrund der aktuellen Forschungsfrage
und der zur Verfügung stehenden Ressourcen zu treffen. Eine wichtige Rolle spielt auch das Entwick-
lungsstadium, in dem sich die zu erprobenden Warnungsvarianten befinden (Wickens & Hollands,
2000).
38 In den Tech News einer Automobil-Webseite kommentiert eine Autorin: „Do carmakers have to d raw you a
picture of a cup of coffee to get you to take a break when you're sleepy? Apparently so.“ Halpert (2012)
39 Videobeitrag Volkswagen Golf Technik, Assistenz und Komfortsysteme Animation Müdigkeitserkennung der
AutoMoto TV Deutschland, verfügbar unter https://www.youtube.com/watch?v=JlvONH4kzhg (30.07.2014)
59
So können offenkundig in deskriptiven Unfallstudien oder epidemiologischen Fallkontrollstudien
nur solche Systeme untersucht werden, die bereits einen gewissen Verbreitungsgrad aufweisen. Eine
Erprobung von Designvarianten in konzeptuellen Phasen (wie hier der Warnung mit eigenem Bild) ist
nicht möglich. Zur Untersuchung der Wirksamkeit einer vorhandenen Gestaltungsform (wie hier der
Warnung mit Kaffeetassensymbol) kommen solche Studien grundsätzlich in Frage, haben allerdings
mit den bereits in 2.1.1.3 angerissenen Problemen zu kämpfen. Um beispielsweise die Müdigkeit vor
einem Unfall post hoc zu bestimmen, müssten bei den Fahrern, die ein Warnsystem im Fahrzeug
haben, die entsprechenden Daten bei der Unfallaufnahme ausgelesen und gespeichert werden. Noch
schwieriger wäre es, eine angemessene Referenzgruppe gleich müder Fahrer innerhalb der Unfall-
teilnehmer ohne Warnsystem zu identifizieren. Um die Effekte von Störvariablen statistisch kontrol-
lieren zu können, wäre die Sammlung einer Unmenge von Daten notwendig.
Ähnliche Einwände gelten für naturalistische Fahrstudien (Naturalistic Driving Studies, vgl. Voll-
rath & Krems, 2011) bzw. FOT. Während hierbei eine post-hoc-Bestimmung der Müdigkeit in der
Vergleichsgruppe theoretisch möglich ist – z. B. anhand von Videobeurteilungen oder Auswertung
der Fahrdaten –, liegt die methodische Hürde vor allem in dem immensen Erhebungs- und Auswer-
tungsaufwand. Ganz besonders die Erhebung der wichtigen unmittelbaren Fahrerreaktionen (sowohl
im Verhalten, als auch auf kognitiver, emotionaler und motivationaler Ebene) gestaltet sich schwie-
rig.
In dem Maße, in dem eine Untersuchung im realen Verkehr sich einer experimentellen Logik an-
nähert, kommen dazu ethische Probleme, z. B., dass den Teilnehmern in der Baselinebedingung ein
sicherheitsförderliches System vorenthalten werden müsste. Probanden nach Müdigkeitsinduktion
ungeschützt im Realverkehr zu testen verbietet sich aufgrund der Sicherheitsrisiken. Ein Ansatz, den-
noch Experimente im Realverkehr durchzuführen, besteht darin, Fahrschulwagen mit doppelter Pe-
dalerie zu benutzen und dem Probanden einen geschulten Beifahrer an die Seite zu geben, der bei
Bedarf die Kontrolle über das Fahrzeug übernehmen kann (z. B. Philip et al., 2006). Neben den den-
noch verbleibenden Sicherheitsbedenken besteht aber auch bei dieser Methode das Problem, dass
Störgrößen während der Versuchsfahrt nur bedingt kontrolliert werden können (z. B. Wetter, Ver-
kehrsdichte, Verhalten anderer Verkehrsteilnehmer etc.). Der technische, personelle und finanzielle
Aufwand ist wiederum erheblich, und es muss abgewogen werden, inwiefern dieser dem Entwick-
lungsstadium des Warnsystems angemessen ist.
Zusammenfassend weisen Erhebungen und Tests im Realverkehr zwar einerseits hohe externe Va-
lidität auf, sind aber andererseits mit drei wesentlichen Nachteilen verbunden: (1) Die interne Validi-
tät ist eingeschränkt, (2) es ist schwierig, wichtige intervenierende Variablen auf kognitiver und emo-
tionaler Ebene zu erfassen, und (3) die Untersuchungen sind aufwendig und teuer (s.a. Vollrath &
Krems, 2011).
Für frühe Designphasen und entsprechend vorab zu beantwortende theoretische Fragestellungen
wäre ein effizienteres Forschungsinstrument wünschenswert, mit dem diese Nachteile umgangen
werden können. In der verkehrspsychologischen Forschung werden zu diesem Zweck üblicherweise
Simulationsstudien erfolgreich eingesetzt. Trotz der Aussicht auf erhebliche Erkenntnisgewinne mit
vergleichsweise geringem Aufwand und trotz wiederkehrend erhobener Forderungen nach experi-
mentellen Labor- und Simulationsstudien zur Warnungseffektivität (Anund, 2009; Balkin et al., 2011;
Eskandarian et al., 2007) liegen bisher so gut wie keine entsprechenden Untersuchungen vor. Warum
nicht?
60
Ein wahrscheinlicher Grund liegt in der bereits herausgearbeiteten Besonderheit der Müdigkeits-
warnung, dass für deren Erfolg vs. Misserfolg in erster Linie Prozesse auf Ebene der Überzeugungen
und Motivation bedeutsam sind. Betrachtet man nur einige der Variablen, die laut PMT darüber ent-
scheiden, wie stark ein Fahrer zu einer Pause motiviert ist – z. B. die Schwere einer Schädigung, die
aus der Müdigkeit resultieren könnte, oder die subjektiven Kosten, die mit einer Pause verbunden
sind –, ergeben sich augenscheinliche Unterschiede zwischen einer realen und einer simulierten
Fahrsituation. Damit resultiert für einen klassischen Versuchsaufbau, in dem lediglich die Fahrumge-
bung simuliert wird, eine fragwürdige ökologische Validität. Die zentrale Herausforderung besteht
also darin, nicht nur die äußere Situation des Autofahrens zu simulieren, sondern auch eine der Reali-
tät vergleichbare innere Situation beim Fahrer zu schaffen, in der dieser ein Risiko wahrnimmt und
motiviert ist, sicher sein Ziel zu erreichen (Details s. 2.3.4). Wenn dies gelänge, würde es den Weg für
eine effiziente und systematische experimentelle Erprobung von Warnungsdesigns in der Zukunft
eröffnen. In dieser Arbeit wird erstmals der Versuch unternommen, ein solches Paradigma zu entwi-
ckeln.
2.3.4 Anforderungen an ein ökologisch valides Fahrsimulationsparadigma
Wie kann beim Fahrer eine psychologische Situation geschaffen werden, welche in wesentlichen
Punkten analog zu der Motivationslage in der realen Fahrsituation ist, in der eine Müdigkeitswarnung
erscheint? Analysiert man die zugrundeliegenden Risikowahrnehmungen und die Faktoren, die dazu
beitragen, erschließen sich folgende Eckpunkte, die beim Aufbau des Paradigmas zu berücksichtigen
sind:
(1) Der Fahrer muss mit authentischer Müdigkeit konfrontiert sein. Um die reale Entscheidungs-
situation valide nachzustellen, müssen die Teilnehmer die subjektive Beanspruchung und die leis-
tungseinschränkenden Effekte von Müdigkeit aktuell erleben. Vorgestellte Müdigkeit und hypotheti-
sche Beurteilungen kommen nicht in Frage. Darüber hinaus ist authentische Müdigkeit erforderlich
für eine glaubwürdige Warnung.
(2) Die Warnung muss müdigkeitsabhängig erfolgen, um glaubwürdig zu sein. Auch die Wahl ei-
nes geeigneten Detektionsalgorithmus inklusive eines geeigneten Warnungskriteriums ist ein Aspekt
des Warnungsdesigns. Der Fokus hier liegt jedoch auf den Auswirkungen verschiedener Gestaltungs-
varianten, gegeben ein Gelingen der Müdigkeitsdetektion. Demnach muss die Warnung mit dem
fraglichen Design auch in der Simulation müdigkeitsabhängig präsentiert werden können, was die
Verfügbarkeit eines validen Verfahrens zur Müdigkeitserfassung in Echtzeit voraussetzt.
(3) Es muss ein echter Anreiz bestehen, die Fahrstrecke bis zum Ziel zu bewältigen. Während bei
den meisten realen Fahrten zwangsläufig eine bestimmte Strecke bis zum Ende gefahren werden
muss, damit der Fahrer am Ziel ist und somit die Fahrhandlung erfolgreich abschließen kann, ist dies
im Fahrversuch nicht a priori der Fall. Daher muss in der Simulation ein ausdrücklicher Anreiz gesetzt
werden, die Fahrt so lange fortzusetzen, bis ein bestimmtes Ziel erreicht ist.
(4) Durch Müdigkeit beim Fahren muss eine potentielle Bedrohung entstehen. Sekundenschlaf
oder Unaufmerksamkeit können in der Realität zu schwerwiegenden Sach- und Personenschäden
führen. Im Vergleich dazu ist ein Abkommen von der Fahrbahn oder sonstiger „Unfall“ in der Simula-
tion per se so gut wie folgenlos. Damit auch im Simulator für den Fahrer ein echter Anreiz besteht,
Fahrfehler zu vermeiden, müssen diese mit expliziten und realen Verlusten verknüpft werden.
(5) Das Einlegen einer Pause muss mit gewissen Handlungskosten einhergehen. In einer Real-
fahrt ist jedes Anhalten und Pausieren mit einem zusätzlichen Handlungsaufwand verbunden, wel-
61
cher vermieden werden kann, wenn keine Pause gemacht wird. Im besten Fall muss ein Fahrer „nur“
die Entscheidung treffen, die Fahrt zu unterbrechen40, eine Gelegenheit zum Halten finden und die
durch die Pause entstehende Verlängerung der Reisezeit tolerieren. Im ungünstigeren Fall kommen
weitere psychologische Kosten hinzu, z. B. aufgrund unangenehmer Witterungseinflüsse oder dro-
hender negativer Konsequenzen einer verspäteten Ankunft.
2.3.5 Umsetzung der Anforderungen im vorgestellten Versuchsaufbau
In dem hier vorgestellten Paradigma werden diese Anforderungen wie folgt umgesetzt:
(1) Zur experimentellen Manipulation der Müdigkeit wird eine Teilschlafdeprivation in der Nacht vor
dem Fahrversuch mit einer Durchführung des Tests innerhalb circadianer Müdigkeitshochs kombi-
niert (vgl. u.a. de Valck et al., 2003; Filtness, Reyner & Horne, 2012; Horne & Reyner, 1996; Horne
& Baulk, 2004; Reyner & Horne, 2002; Details in 3.2.2.3 und 4.2.2.3).
(2) Die Detektion warnungsauslösender Müdigkeitszustände erfolgt anhand eines strukturierten
Fremdbeobachtungsverfahrens (TUBSS; Dittrich et al., 2009). Im Rahmen eines Wizard-of-Oz-
Paradigmas übernimmt der Versuchsleiter – für den Fahrer im Simulator nicht erkennbar – die Funk-
tion der „automatischen“ Müdigkeitsdetektion. Ein wesentlicher Vorteil des Fremdbeobachtungsver-
fahrens ist die hohe Augenscheinvalidität des gewählten Müdigkeitskriteriums (TUBSS-Stufe 5; De-
tails in 3.2.2.4): Mit dem Einsetzen von Indikatoren wie lange Lidschlüsse, Seitwärtsrollen der Augen
und fehlende Fixation gehen auch ernste Gefährdungen der Verkehrssicherheit einher.
(3) Der Anreiz, die Fahrstrecke bis zum Ende zu bewältigen, wird durch die Einführung eines Zielbo-
nus gesetzt, welcher einen wesentlichen Teil der finanziellen Aufwandsentschädigung für den Ver-
such ausmacht und nur im Falle einer sicheren Zielankunft ausgezahlt wird (Details in 3.2.2.3 und
4.2.2.3).
(4) Die Bedrohung, die von einem müdigkeitsbedingten Fahrfehler ausgeht, entsteht durch die Mög-
lichkeit eines finanziellen Verlusts. Die Teilnehmer sind informiert, dass das Fahrverhalten in Echtzeit
überwacht wird. Sollte es zu einer Verletzung definierter Gütekriterien in der Längs- oder Querfüh-
rung (s.a. 3.2.2.3, 4.2.2.3) kommen, gilt dies als Fahrfehler und führt zu einer erheblichen Einbuße in
der Aufwandsentschädigung. Dadurch wird ein Anreiz geschaffen, Fahrfehler zu vermeiden, der in
klassischen Simulationsparadigmen nicht wirksam ist.
(5) Die subjektiven Kosten einer Pause, welche in einem klassischen Simulationsversuch deutlich
geringer sind als in der Realität41, werden durch die Einführung finanzieller Pausenkosten erhöht:
Eine Pause ist nicht umsonst, sondern kostet ebenfalls einen gewissen Betrag, der vom Zielbonus
abgezogen wird. Dieser Abzug ist jedoch sehr viel geringer als der entsprechende Abzug, der im Falle
eines Fahrfehlers droht (s.a. 3.2.2.3, 4.2.2.3).
Wichtigste Operationalisierung der Warnungswirksamkeit sind beobachtbare Pausen. Daneben gilt
das Interesse theoretischen kognitiven Präkursoren der Pausenentscheidung. Durch die Berücksichti-
gung der genannten Eckpunkte wird die grundlegendste Anforderung an die Validität eines experi-
mentellen Paradigmas, die sogenannte Augenscheinvalidität, erfüllt. Diese resultiert aus einer quali-
tativen Vergleichbarkeit der Entscheidungskonstellationen in Simulation und Realität. Quantitativ
40 wobei bereits die Unterbrechung einer laufenden Handlung als aversiv empfunden wird, s. 2.2.4.2.
41 z. B. kann man jederzeit anhalten, man befindet sich in einer geschützten Umgebung, man hat ohnehin die
Zeit für den Versuch eingeplant, etc.
62
verbleiben deutliche Unterschiede zwischen den Situationen42. Daraus folgt, dass aus den Simulati-
onsergebnissen keine absoluten Schätzungen hinsichtlich der realen Fahrsituation abgeleitet werden
können – z. B. hinsichtlich der absoluten Anzahl von Pausen, die in der Realität auf eine Warnungsva-
riante folgen. Was das Simulationsparadigma jedoch erlauben soll, sind relative Schlussfolgerungen
bezüglich der Wirksamkeit verschiedener Warnungsgestaltungsvarianten („Der Effekt von Warnung A
auf Zielgröße X ist größer als der von Warnung B, und dieser ist größer als der von Warnung C“) für
die reale Fahrsituation.
Im Rahmen dieser Forschungsarbeit wurde das neu entwickelte Paradigma in zwei experimentel-
len Tests der Verhaltenswirksamkeit von Müdigkeitswarnungen unter verschiedenen situativen Be-
dingungen eingesetzt.
42 Beispielweise wird ein drohender Verlust körperlicher Unversehrtheit oder gar des Lebens als wesentlich
schwerwiegender empfunden als der drohende Abzug eines gewissen Geldbetrags von einer Aufwandsent-
schädigung. Ebenfalls unklar ist, mit welchem finanziellen Abzug die subjektiven Kosten einer Pause in der Rea-
lität aufzuwiegen sind, etc.
63
3 Experiment 1: Etablierung eines Fahrsimulationsparadigmas und
Vergleich personalisierter mit konventionellen Warnungen
3.1 Ziele
Anknüpfend an den wissenschaftlichen Bedarf nach experimentellen Tests der Warnungseffektivität
und die in 2.2.4 identifizierten Ansatzpunkte zur wirksameren Warnungsgestaltung verfolgte das
erste Experiment folgende Ziele:
1) Etablierung eines Simulationsparadigmas zur experimentellen Untersuchung der Verhal-
tenswirksamkeit von Müdigkeitswarnungen
Erstmals sollte ein neues Paradigma eingesetzt werden, anhand dessen mit hoher externer Validität
im Fahrsimulator getestet werden kann, wie Autofahrer auf Müdigkeitswarnungen reagieren. Gemäß
den Erkenntnissen zu wirksamen Maßnahmen gegen Müdigkeit wurde als wichtigste abhängige Vari-
able betrachtet, ob Fahrer nach einer Warnung eine Pause einlegten – d.h. das Fahrzeug anhielten
und verließen – oder nicht. Die Bereitschaft zur Unterbrechung der Fahrt wurde als Voraussetzung
für die Anwendung beider wirksamen Maßnahmen der fatigue reduction, Kaffee trinken oder schla-
fen, angesehen. Neben dem beobachtbaren Verhalten der Fahrer nach einer Müdigkeitswarnung
wurden auf Basis der Theorie der Schutzmotivation (PMT) motivational bedeutsame kognitive Ein-
schätzungen ebenfalls als Indikatoren der Warnwirksamkeit analysiert; allen voran die subjektive
Vulnerabilität, aber auch die weiteren subjektiven Größen Schweregrad der Bedrohung, Handlungs-
wirksamkeit, Selbstwirksamkeit, maximal tolerierte Pausenkosten und selbsteingeschätzte Pausen-
wahrscheinlichkeit.
2) Vergleich einer konventionellen und einer personalisierten Warnung bezüglich ihrer Über-
zeugungs- und Verhaltenswirksamkeit
Wie in Abschnitt 2.2 erarbeitet wurde, stellt die Überzeugungswirkung im Rahmen der Müdigkeits-
warnung eine wesentliche Voraussetzung für deren Effektivität dar. Gleichzeitig ist bisher unklar, wie
effektiv vorhandene Gestaltungsvorschläge im Hinblick auf diese Überzeugungsfunktion sind und ob
– und gegebenenfalls wie – die Überzeugungswirkung vergrößert werden könnte.
Eine zentrale theoretische Zielgröße der notwendigen Überzeugung ist die subjektive Vulnerabilität,
die vom Fahrer wahrgenommene Wahrscheinlichkeit, dass ihm aufgrund der Müdigkeit etwas zusto-
ßen könnte. Diese unterliegt kognitiven Verzerrungen wie der Optimismusbias, welche durch ein
Warnungsdesign überwunden werden müssen. Einen möglicherweise wirksamen Ansatz dazu bietet
die Personalisierung der Warnung mittels eines Bildes des müden Fahrers aus der aktuellen Fahrsitu-
ation (s. 2.2.4.1). Ziel des ersten Experiments war es, die Wirksamkeit einer solchen Rückmeldung mit
der Wirksamkeit einer Standardwarnung aus dem privaten Kfz-Sektor zu vergleichen. Es wurde ver-
mutet, dass eine personalisierte Warnung zu höherer Compliance führt. Als Standardwarnung ohne
Selbstbezug wurde eine Rückmeldung mit Kaffeetassensymbol herangezogen (vgl. 2.3.2). Um die
Mechanismen eines möglichen Verhaltenseffekts nachvollziehen zu können, sollten die Wirkungen
der Warnungen auf alle zentralen PMT-Variablen analysiert werden. Der vermutete Wirkmechanis-
mus betraf eine Erhöhung der subjektiven Vulnerabilität (s.a. 2.2.4.1).
3) Abschätzung des Effekts der Zielentfernung als Variable der aktuellen Fahrsituation
Jede Müdigkeitswarnung erfolgt eingebettet in einen situativen Kontext, welcher ebenfalls Einfluss
auf die Einschätzungen und die resultierende Entscheidung des Fahrers nimmt (s. 2.2.4.1). Ein wichti-
ger Kontextfaktor dürfte die Entfernung zum Ziel sein, welche im Moment einer Müdigkeitswarnung
64
noch verbleibt. Es wird vermutet, dass diese ebenfalls die Einschätzung der subjektiven Vulnerabilität
beeinflusst und dass sich Fahrer bei kurzer Restdistanz subjektiv sicherer fühlen und weniger Pausen
einlegen als bei langer (s.a. 2.2.4.1). Diese Vermutung sollte empirisch getestet werden - wiederum
unter Einbezug der Wirkung auf die kognitiven mediierenden Variablen der PMT. Exemplarisch für
eine relativ kurze gegenüber einer längeren Restdistanz wurden dabei die Ausprägungen 30 km und
100 km betrachtet.
Explorativ sollte zudem untersucht werden, ob es Wechselwirkungen der Warnungsgestaltung mit
dem Warnungskontext gibt, oder ob sich deren mögliche Effekte lediglich addieren.
3.2 Methode
3.2.1 Untersuchungsdesign
Aus der Kombination des Faktors Warnungstyp mit den Ausprägungen (1) allgemein – Kaffeetassen-
symbol – und (2) personalisiert – eigenes Bild – und des Faktors Rückgemeldete Zielentfernung zum
Warnzeitpunkt mit den Ausprägungen (1) gering – 30 km – und (2) hoch – 100 km – resultierte ein
2x2-Versuchsplan (s. Tabelle 2).
Tabelle 2. Untersuchungsdesign und Gestaltung der Warnanzeigen in den
vier experimentellen Bedingungen
Faktor 1: Warnungstyp (Personalisierung)
allgemein
personalisiert
Faktor 2: Rückgemeldete Zielentfernung
gering
hoch
Um im Sinne valider Ergebnisse unerwünschte Reaktionstendenzen bei den Probanden zu ver-
meiden, wurde im Experiment eine Coverstory eingesetzt (s. 3.2.2.3); im Anschluss an die Datener-
hebung erfolgte ein Debriefing. Aus diesem Grund kam für das Experiment nur ein reines Zwischen-
subjektdesign in Frage; jeder Teilnehmer erlebte also nur eine der vier möglichen Kombinationen aus
Warnungsdesign und Zielentfernung.
3.2.2 Materialien & Versuchsaufbau
3.2.2.1 Gestaltung und Anzeige der Warnmeldungen
Die bei einer Warnung erscheinende visuelle Anzeige bestand aus drei Elementen vor einem schwar-
zen Hintergrund (s. Tabelle 2). Am oberen Rand befand sich ein orangeroter Balken mit den Worten
65
Pause empfohlen in weißer Schrift in Fettdruck. Am unteren Rand stand je nach Bedingung in hell-
grauer Schrift noch 30 Kilometer bis zum Ziel oder noch 100 Kilometer bis zum Ziel. Die Entfernungs-
angabe 30 Kilometer beziehungsweise 100 Kilometer war innerhalb des Textes durch Fettdruck in
weißer Farbe hervorgehoben. Den zentralen und größten Teil der Fläche nahm das Warnsymbol ein.
Dieses bestand für die Bedingung allgemeine Warnung aus einem hellgrauen Kaffeetassensymbol vor
dunkelgrauem Hintergrund, in der Bedingung personalisierte Warnung aus einer in Graustufen aus-
gegebenen Porträtaufnahme des Probanden. Diese Aufnahme wurde während der Simulatorfahrt
mit Hilfe einer auf dem Armaturenbrett montierten Infrarotkamera gewonnen. Der Bildausschnitt
zeigte jeweils das Gesicht, den Hals und in den meisten Fällen, abhängig von der gewählten Sitzhöhe
und der Körpergröße, auch den Schulteransatz des Teilnehmers. Im Sinne der Erhöhung der wahrge-
nommenen Vulnerabilität wurde jeweils ein Bild ausgewählt, welches in besonderem Maße Aus-
drucksmerkmale von Müdigkeit aufwies. Auf den statischen Abbildungen handelte es sich dabei in
erster Linie um geschlossene oder weitgehend geschlossene Augenlider, einen geringen Gesichtsto-
nus („schlaffes Gesicht“) sowie gegebenenfalls eine in der Haltung von Nacken und Schultern er-
kennbare geringe Oberkörperspannung.
Von den drei geforderten Bestandteilen einer Warnung (s. 2.2.1) lag der Fokus der im Fahrzeug
erscheinenden (expliziten) Warnmeldung somit auf der Verhaltensempfehlung. Über die anderen
beiden Warnungsaspekte, Art der Gefahr und drohende negative Konsequenzen, waren die Teilneh-
mer bereits im Rahmen der zuvor erfolgten Instruktion explizit aufgeklärt worden (s.a. 3.2.2.3). Bei
Erscheinen der Warnung wurden diese Informationen durch weitere implizite Informationen ergänzt:
Zum einen impliziert die Aktivierung der Warnung zu einem bestimmten Zeitpunkt, dass nun ein kriti-
sches Müdigkeitsniveau erreicht ist, die Gefahr also aktuell relevant ist; zum anderen unterstreichen
die Kontextinformationen der unterschiedlichen Warnungsgestaltungen – in einem Ausmaß, das
genau zur Untersuchung steht – die Gefährdungsinformation.
Die Anzeige der Warnmeldungen erfolgte über ein 7"-Display mit einer Auflösung von 800 x 600
Pixeln, das rechts der Hauptfahrzeuganzeigen auf dem Armaturenbrett installiert war (s. Abbildung
12). Das Erscheinen der visuellen Warnmeldung wurde begleitet von einem fahrzeugtypischen akus-
tischen Signal (Dauer 600 ms, Hauptfrequenz ca. 1200 Hz, D6), welches über zwei auf der Rückbank
installierte Lautsprecher übermittelt wurde.
3.2.2.2 Versuchsumgebung
Die Versuche wurden im Fahrsimulator des Zentrums Mensch-Maschine-Systeme der TU Berlin
durchgeführt. Die Teilnehmer saßen in einem stationären Realfahrzeug (VW Bora) und benutzten
Lenkrad, Gaspedal und Bremse, um die simulierte Fahrt zu kontrollieren. Die visuelle Simulation er-
folgte per Frontalprojektion auf einer 2,35 m breiten und 1,72 m hohen Leinwand im Abstand von
1,50 m zum Fahrzeug. Eine Simulation von Fahrgeräuschen war aktiviert, ebenso wie eine Force-
Feedback-Funktion in der Lenkung. Fahrzeugvibrationen wurden nicht simuliert. Die Steuerung der
Simulationsrechner erfolgte über ein Softwaresystem von VRtainment (http://www.vrtainment.de/
vrtainment/html/software/sim_index_1.htm).
Der Container des Fahrsimulators ist in zwei separate Räume aufgeteilt: in einem steht das Ver-
suchsfahrzeug mit der Simulation der Fahrumgebung, im zweiten befindet sich der Computerarbeits-
platz des Versuchsleiters. In den vorliegenden Studien war in diesem Raum ein zusätzlicher Compu-
terarbeitsplatz zur Durchführung der Prä- und Post-Befragungen der Teilnehmer eingerichtet. Auch
ein Tisch, auf dem neben Gebäck und Wasser auch Kaffee und verschiedene Energydrinks bereit-
66
standen, war hier untergebracht. Während sich ein Teilnehmer im Fahrzeug befand, ermöglichte eine
Sprechanlage zu jedem Zeitpunkt eine Kommunikation mit dem Versuchsleiter.
Abbildung 12. Die Fahrumgebung aus Teilnehmersicht.
Die Beleuchtungsverhältnisse im Simulator waren denen einer Nachtfahrt mit eingeschaltetem
Scheinwerfer nachempfunden: neben der Projektion der Fahrumgebung und den schwach leuchten-
den Anzeigen im Fahrzeuginnenraum gab es keine weiteren Lichtquellen. Bei der simulierten Fahr-
strecke handelte es sich um eine Autobahn mit je zwei Fahrstreifen pro Richtung, Seitenstreifen und
Mittelstreifen mit Schutzplanke. Die Strecke wies einen monotonen Verlauf mit gelegentlichen sanf-
ten Kurven auf und führte durch eine abwechslungsarme Umgebung mit einer visuellen Randtextur
aus Bäumen. Neben dem Egofahrzeug gab es keinen weiteren Verkehr (s. Abbildung 12).
3.2.2.3 Anreizsituation
3.2.2.3.1 Schaffung von Müdigkeit im Versuch
Im Sinne der internen und externen Validität des Versuchs war es erforderlich, dass die Teilnehmer
während der Simulatorfahrt deutliche Müdigkeit erlebten (s. 2.3.4). Zu diesem Zweck wurde die
Schlafdauer der Teilnehmer in der Nacht vor dem Versuch auf 4.5 Stunden beschränkt. Die Schlaf-
restriktion erfolgte durch späteres Zubettgehen, wobei die genaue zeitliche Lage des verkürzten
Schlafs orientiert an der avisierten Aufstehzeit mit jedem Teilnehmer in einem Vorgespräch individu-
ell vereinbart wurde. Die Teilnehmer wurden informiert, dass die Einhaltung der Absprachen eine
unerlässliche Voraussetzung für die Teilnahme am Versuch sei. Zur Überprüfung erhielt jeder Teil-
nehmer in der Nacht vor dem Versuch einen Anruf etwa 5 Minuten vor der vereinbarten Schlafens-
zeit sowie einen Weckanruf zur vereinbarten Aufstehzeit. Im Rahmen des Weckanrufs wurden die
Teilnehmer daran erinnert, dass sie von diesem Zeitpunkt an bis zum Versuch nicht mehr schlafen
und keinerlei koffeinhaltigen Getränke oder sonstige stimulierende Substanzen zu sich nehmen soll-
ten.
Eine zusätzliche Maßnahme zur Schaffung von Müdigkeit während der Simulatorfahrt bestand da-
rin, die Zeit der Versuchsdurchführung in das circadiane Nachmittagstief zu legen. Für den Großteil
der Messungen (70%) konnte dies umgesetzt werden, sie fanden in der Zeit zwischen 14:30 Uhr und
16:00 Uhr statt. Aus organisatorischen Gründen musste der verbleibende Teil der Versuche zwischen
19:00 und 21:30 Uhr durchgeführt werden. Für die resultierende Müdigkeit der Probanden machte
dies keinen Unterschied (s. 3.3.1).
67
3.2.2.3.2 Nutzen und Kosten von Handlungsergebnissen und Handlungen
Wie in der realen Fahrsituation sollten die Probanden auch in der Simulationsumgebung motiviert
sein, wach und aufmerksam zu bleiben, Fahrfehler zu vermeiden und sicher ans Ziel zu gelangen
(s. 2.3.4). Entsprechende Anreize wurden im Versuch durch die Möglichkeit monetärer Gewinne und
Verluste gesetzt (s.a. Abbildung 13). Im Folgenden ist dargestellt, wie die Teilnehmer hierzu in stan-
dardisierter Form schriftlich instruiert wurden.
Einleitend wurde zunächst auf die Einschränkungen der Leistungsfähigkeit durch Müdigkeit sowie
deren Rolle bei der Verursachung von Unfällen hingewiesen. Es folgte die Information, dass bisher
nur die zwei Maßnahmen Koffein und Kurzschlaf in ihrer Wirksamkeit gegen Müdigkeit wissenschaft-
lich bestätigt werden konnten. Die anstehende Simulatorfahrt sei insofern mit der realen Verkehrssi-
tuation vergleichbar, als die aktuelle Müdigkeit das Auftreten von Fahrfehlern wahrscheinlicher ma-
che.
Die Aufgabe der Teilnehmer bestand darin, eine bestimmte Strecke bis zum Ende zu fahren, wo-
bei eine Reihe von Regeln galt, die in ihrer Gesamtheit darauf ausgerichtet waren, die motivationale
Konstellation einer Realfahrt herzustellen. Die Probanden wurden informiert, dass sie für das fehler-
freie Durchfahren der Strecke bis zum Ziel zusätzlich zu einer pauschalen Versuchsvergütung von 15 €
einen Bonus von weiteren 15 € erhielten (Anreiz zur Zielerreichung). Im Falle eines Fahrfehlers entfie-
le dieser Bonus. Es sei jederzeit möglich, eine Pause einzulegen, in der Kaffee getrunken und / oder
geschlafen werden könne. Für eine erfolgreiche Zielankunft nach einer Pause wurde ein Bonus von
10 € in Aussicht gestellt. In diesem Sinne war die Pause zwar einerseits mit subjektiven Kosten (5 €)
verbunden, andererseits hatte sie auch einen subjektiven Nutzen, indem sie die Wahrscheinlichkeit
eines Erfolgs erhöhte beziehungsweise das Risiko minderte, völlig ohne Bonus aus dem Versuch her-
auszugehen.
Abbildung 13. Versuch einer Visualisierung der Anreizsituation. Anhand von Größe und Farbtiefe sollen die Ak-
zentuierung unmittelbarer und sicherer Konsequenzen (im Vergleich zu eventuell in der Zukunft auftretenden) in
der subjektiven Motivation sowie die subjektive Wahrscheinlichkeit der verschiedenen Konsequenzen veran-
schaulicht werden (s.a. 2.2.4).
Laut Instruktion galt für die Fahrstrecke eine erlaubte Höchstgeschwindigkeit von 100 km/h, und
das Fahrzeug sollte durchgängig auf dem rechten von zwei vorhandenen Fahrstreifen gehalten wer-
den. Daraus ergaben sich zwei Arten möglicher Fehler. Als Fehler in der Querführung wurde gewer-
68
tet, wenn die linke oder rechte Fahrstreifenbegrenzung um eine halbe Fahrzeugbreite oder mehr
überfahren wurde. Ein Fehler in der Längsführung wurde festgestellt, sobald die zulässige Höchstge-
schwindigkeit um mindestens 15 km/h überschritten wurde. Die Teilnehmer waren unterrichtet, dass
die Fahrleistung kontinuierlich überwacht und im Falle eines Fahrfehlers eine sofortige Rückmeldung
gegeben würde.
Abschließend wurden die Probanden informiert, dass ihr Fahrzeug über ein System zur Müdig-
keitsüberwachung verfüge und im Falle eines detektierten kritischen Zustands eine Verhaltensemp-
fehlung ausgeben würde. Ein bestehender Pausenwunsch konnte entweder über die Sprechanlage
des Simulationsfahrzeugs mitgeteilt oder durch einfaches Anhalten signalisiert werden. Kaffee und
andere koffeinhaltige Getränke standen im Versuchsleiterraum bereit.
Im Sinne der Validität der Erhebung war es nötig, den Teilnehmern im Hinblick auf den Zweck so-
wie die Durchführungsmodalitäten des Versuchs einige Informationen zu vermitteln, die erst nach
Abschluss der Sitzung als falsch aufgeklärt werden konnten. A priori wurde als Zweck der Untersu-
chung angegeben, es sollten die Auswirkungen von Müdigkeit auf die Fahrleistung in Abhängigkeit
von der Fahrdauer untersucht werden. Die Probanden wurden informiert, dass Ihnen dazu bei Fahrt-
beginn per Zufallsgenerator eine bestimmte Fahrstrecke zugeteilt werde, deren genaue Länge auch
der Versuchsleiter nicht kenne, die aber typischerweise in einer bis maximal zwei Stunden zu bewäl-
tigen sei. Die Notwendigkeit dieser Coverstory liegt in der Besonderheit des Versuchs begründet,
dass die genaue Sitzungsdauer in direktem Maße davon abhängig war, wie schnell ein Proband nach
Fahrtantritt das gesetzte Müdigkeitskriterium überschritt. Dieser Fakt wurde den Teilnehmern ge-
genüber verschleiert, um unerwünschte Taktiken zur Verkürzung der Sitzungsdauer durch Simulation
von Müdigkeit zu vermeiden. Der wahre Zweck des Versuchs, die Reaktion auf Müdigkeitswarnungen
zu untersuchen, wurde erst nach der Sitzung offenbart, um sozial erwünschtes Verhalten oder Reak-
tanz zu minimieren. Da die Reaktion auf die Warnung die wichtigste abhängige Variable darstellte,
war vorgesehen, dass im Falle der Äußerung einer Pausenabsicht durch den Probanden der Versuch
beendet war. Auch dieser Fakt wurde den Teilnehmern a priori nicht bekannt gegeben, um Verfäl-
schungen zu vermeiden.
Der Wortlaut der Instruktion und des Informationsblatts „Fahrfehler“, welche den Teilnehmern in
schriftlicher Form ausgehändigt wurden, ist im Anhang (A.1.1 und A1.2) zu finden.
3.2.2.4 Instrument zur Online-Müdigkeitserfassung: Die TUBSS
Eine weitere Voraussetzung für die interne und externe Validität des Versuchs war, dass die Müdig-
keitswarnung zu einem Zeitpunkt erfolgte, zu welchem die Probanden tatsächlich mit kritischer Mü-
digkeit konfrontiert waren (s. 2.3.4). Das dazu benötigte Detektionsverfahren sollte (1) hohe Mess-
genauigkeit und Validität aufweisen, (2) im Kontext des Einsatzes praktikabel und (3) so wenig invasiv
wie möglich sein sowie (4) nicht mit dem Zustand des Probanden interferieren, insbesondere nicht zu
dessen Aktivierung beitragen (Schmidt et al., 2011). Auf Basis dieser Anforderungen fiel die Wahl auf
ein videobasiertes Beobachtungsverfahren.
Die eingesetzte TUBSS (TU Berlin Schläfrigkeitsskala; Dittrich et al., 2009) stellt eine Weiterent-
wicklung der Methodik von Wierwille und Ellsworth (1994) zur beobachtungsbasierten Müdigkeits-
beurteilung dar. Der Zustand einer Testperson wird hierbei anhand definierter Verhaltenskriterien
(z. B. Dauer und Häufigkeit von Lidschlägen und Lidschlüssen, Sakkadencharakteristika, Sitzposition,
Lenkrad- und sonstige Körperbewegungen, selbstaktivierende Verhaltensweisen) durch einen exter-
nen Bewerter zunächst einer der vier Kategorien 1 - wach, 2 - müde / schläfrig, 3 - sehr müde oder 4 -
Sekundenschlaf zugeordnet. In einem zweiten Beurteilungsschritt werden Ratings im mittleren Ska-
69
lenbereich weiter differenziert, indem im Falle einer vorangegangenen Kategorisierung als müde /
schläfrig oder sehr müde abgefragt wird, ob es eine Tendenz in Richtung einer angrenzenden Stufe
gibt. Auf diese Weise resultiert für die TUBSS ein Wertebereich von 1 – nicht müde bis 8 – Sekunden-
schlaf, der eine stärkere Differenzierung im mittleren Bereich ermöglicht als das ursprüngliche Ver-
fahren.
Die Müdigkeitsmessung wurde durch den Versuchsleiter auf Basis eines Live-Videobildes des Fah-
rers vorgenommen, welches von einer auf dem Armaturenbrett montierten Kamera übertragen wur-
de. Grundlage eines Ratings war entsprechend der Standardvorgehensweise (vgl. Dittrich et al., 2009)
eine vorangegangene Beobachtung von 1 Minute Dauer. Eine Referenzkarte mit einer Übersicht der
relevanten Verhaltensweisen lag andauernd zum Abgleich bereit. Im Anschluss an die Beobachtungs-
phase wurde anhand der graphischen Benutzeroberfläche des digitalen TUBSS-Tools durch den Ver-
suchsleiter der entsprechende TUBSS-Wert ermittelt und zur Speicherung eingegeben. Zwischen den
einzelnen Beobachtungsepochen lag jeweils ein Intervall von 4 Minuten. Das Kriterium, dessen Errei-
chen dazu führte, dass dem Probanden eine Warnung angezeigt wurde, lag bei TUBSS-Stufe 5, was
der Wortmarke sehr müde mit Tendenz zu schläfrig entspricht.
Übersichtsdarstellungen zu den relevanten Verhaltensindikatoren und deren Zuordnung zu den
Stufen sowie zum Vorgehen beim Rating mit der TUBSS sind im Anhang zu finden (A.3.4 und A.3.5);
weitere Informationen zur TUBSS geben Dittrich et al. (2009).
3.2.2.5 Fragen zur Erfassung der mediierenden kognitiven Variablen
Neben der Warnungswirkung auf Verhaltensebene galt das Forschungsinteresse der Art und Weise,
wie diese Wirkung durch die in der PMT postulierten Einflussgrößen auf Kognitionsebene vermittelt
wird. In Ermangelung eines Standardinstruments zur Erhebung der kognitiven Einschätzungen wur-
den entsprechende Items für die einzelnen Modellfaktoren neu erstellt. Die Formulierung der Fragen
erfolgte in Anlehnung an die von Petersen und Lieder (2006) verwandten Skalen zur Erhebung der
PMT-Variablen. In der von Petersen und Lieder mit 336 Rauchern und Raucherinnen durchgeführten
experimentellen Untersuchung wurde die Wirkung schriftlicher und schriftlich-graphischer Warnhin-
weise auf Zigarettenpackungen geprüft. Das Vorgehen in der Operationalisierung der Modellfaktoren
bestand darin, für eine Auswahl möglicher in Folge des Rauchens auftretender negativer Ereignisse
(z. B. Herzinfarkt, Kehlkopfkrebs, Lungenkrebs etc.) jeweils auf einer Skala von 0 bis 10 die entspre-
chenden kognitiven Einschätzungen der Probanden zu erfragen; z. B. Wie schlimm ist es Ihrer Mei-
nung nach von den folgenden Dingen betroffen zu sein? (Schweregrad der Schädigung) oder Wie
wahrscheinlich ist es, dass Sie von den folgenden Dingen betroffen sein werden? (Wahrscheinlichkeit
der Schädigung).
In der Fahrsituation mit Müdigkeitswarnung besteht das maladaptive Verhalten darin, weiterzu-
fahren und nicht zu pausieren. Die in der Realität damit verbundenen potentiellen negativen Folgen
werden vermittelt über unzureichende Vigilanz im noch wachen Zustand oder über ein Sekunden-
schlafereignis. Im Fahrsimulator wurden die subjektiven Kosten eines Unfalls qualitativ über den Ver-
lust des Zielbonus nachgestellt, welcher im Falle eines Fahrfehlers drohte. Ein Fahrfehler konnte wie-
derum durch Einnicken (Sekundenschlaf) oder Unaufmerksamkeit bedingt sein. Die Abfrage der PMT-
Modellfaktoren bezog sich daher jeweils auf die Ereignisse Einnicken / in Sekundenschlaf fallen und
Auftreten eines Fahrfehlers.
In einem Test verschiedener Warnungsdesigns fällt der am meisten interessierende Zeitabschnitt
in Bezug auf die Ausprägung der kognitiven PMT-Variablen auf die Zeit nach der Warnmeldung: Es
soll untersucht werden, inwiefern sich warnungsbedingt Unterschiede in den Situationseinschätzun-
70
gen ergeben. Als optimal für die Erhebung erscheint daher ein Zeitfenster in den Sekunden bzw. Mi-
nuten nach der Warnung, in denen vermutlich die relevanten Entscheidungsprozesse ablaufen. Ein
solcher Befragungszeitpunkt konfligiert jedoch mit dem noch wichtigeren Ziel der Untersuchung, die
Auswirkungen der Warnung auch auf Ebene des Verhaltens zu untersuchen, denn es ist zu befürch-
ten, dass eine Befragung unter diesen Umständen mit der Verhaltensentscheidung interferiert. Aus
diesem Grund wurde die Erhebung der Modellfaktoren als retrospektive Befragung zum frühestmög-
lichen Zeitpunkt nach Erfassung des resultierenden Verhaltens durchgeführt, das heißt, nachdem ein
Proband sich entweder für eine Pause entschieden hatte oder die kritische Zeit nach der Warnung
abgelaufen war, ohne dass ein Pausenwunsch geäußert wurde. Um den Abruf und Bericht der sub-
jektiven Einschätzungen in der interessierenden Phase zu erleichtern, rekurrierte die Formulierung
jedes Items explizit auf den Zeitraum nach der Warnung.
Subjektiver Schweregrad der Schädigung. Das Ausmaß, in dem die Teilnehmerinnen die im Para-
digma umgesetzten potentiellen negativen Folgen des Weiterfahrens als schwerwiegend empfanden,
wurde erhoben mit der Formulierung: „Wie schlimm erschien ihnen nach der Systemmeldung die
Möglich eit,…“, gefolgt von den zwei Möglichkeiten „… dass Ihnen ein Fahrfehler unterläuft und Sie
so den Zielbonus verlieren?“ und „… dass Sie einnicken / in Sekundenschlaf fallen und so den Zielbo-
nus verlieren?“. Die Beurteilung erfolgte jeweils auf einer Skala von 0 bis 9, deren Endpunkte mit den
Wortmarken gar nicht schlimm und sehr schlimm bezeichnet waren43.
Subjektive Vulnerabilität. Die Frage zur Erhebung der wahrgenommenen persönlichen Anfällig-
keit für potentielle negative Folgen des Weiterfahrens lautete „Wie gefährdet haben Sie sich nach
der Systemmeldung empfunden,…“. Die Extrema der zehnstufigen Skala (0–9) trugen die Wortmarken
gar nicht gefährdet und sehr stark gefährdet.
Handlungswirksamkeitserwartung. Das empfohlene Verhalten bei Müdigkeit war eine Pause. Wie
geeignet den Teilnehmern diese Maßnahme erschien, das Schadensrisiko im Fahrversuch zu reduzie-
ren, wurde erhoben mit der Frage: „Um wieviel Prozent wäre Ihrer Einschätzung nach durch eine
Pause das Risiko verringert worden, …“. Den 11 Stufen der zugehörigen Skala waren Prozentangaben
von 0 bis 100% zugeordnet.
Situative Selbstwirksamkeitserwartung. Selbstwirksamkeitserwartung bezieht sich auf die sub-
jektive Empfindung, selbst Kontrolle über die Ausführung des empfohlenen Verhaltens zu haben. Die
Erhebung der erlebten Selbstwirksamkeit erfolgte situationsspezifisch mit der Frage: „Wie stark hat-
ten Sie nach der Systemmeldung das Gefühl, dass es von Ihnen selbst abhing, ob Sie eine Pause ma-
chen oder nicht?“. Die Endpunkte der zehnstufigen Skala (0-9) waren mit gar nicht und sehr stark
bezeichnet.
Subjektive Wahrscheinlichkeit des Zielverhaltens. Alle vorgenannten Faktoren beeinflussen laut
PMT die resultierende Schutzmotivation und damit die Wahrscheinlichkeit, entweder das empfohle-
ne oder das gesundheitsgefährdende Verhalten auszuführen. Wenn die im Versuch vorgenommene
Variation der Warnungsgestaltung zu Unterschieden im Verhalten führt, sollten sich entsprechende
Unterschiede auch auf Ebene der Intention manifestieren. Denkbar ist auch, dass durch die experi-
mentelle Manipulation bedingte Unterschiede in kognitiven Einschätzungen zwar zu schwach sind,
um Unterschiede auf Verhaltensebene zu bewirken, aber dennoch Unterschiede auf der Intentions-
43 Die Formulierung der potentiellen negativen Konsequenzen (… dass Ihnen ein Fahrfehler unterläuft … etc.)
wurde in allen Fragen zur Erhebung der PMT-Modellfaktoren einheitlich verwendet und wird in den folgenden
Beschreibungen nicht mehr gesondert aufgeführt.
71
ebene nachweisbar sind. Zur Prüfung derartiger Effekte wurde die subjektive Bereitschaft zur Ausfüh-
rung des Zielverhaltens erhoben mit der Frage: „Wie wahrscheinlich war es nach der Systemmeldung,
dass Sie eine Pause einlegen?“. Die Beurteilung erfolgte auf einer Skala von 0 (nicht wahrscheinlich)
bis 9 (sehr wahrscheinlich).
3.2.2.6 Weitere Fragen im Nachbefragungsbogen
Bemerken und Verständnis der Warnung. Wie Wogalter (2006) anmerkt, ist es insbesondere für den
Fall, dass eine Warnung keine beobachtbaren Effekte auf der Verhaltensebene bewirkt, wünschens-
wert in Erfahrung zu bringen, auf welcher Stufe oder welchen Stufen die Informationsverarbeitung
innerhalb des Empfängers gescheitert ist (s. 2.2.2). Zwei Items in der Nachbefragung zielten darauf
ab, den Erfolg der frühen Verarbeitungsschritte Zuwendung und Aufrechterhaltung von Aufmerk-
samkeit gemäß des C-HIP-Modells sowie ein grundlegendes Verstehen der Warnung zu prüfen: (1)
Welche Zielentfernung wurde Ihnen mit der Müdigkeitswarnung zusammen angegeben? - hier konn-
ten die Teilnehmer entweder die wahrgenommene Anzahl der verbleibenden Kilometer in ein Frei-
textfeld eingeben oder die Option weiß ich nicht auswählen – und (2) Welches Bild zeigte Ihnen das
Müdigkeitswarnsystem auf dem Display an? mit 7 Auswahlmöglichkeiten (Wecker, Auge, Kaffeetasse,
Bett, eigenes Foto, Foto einer anderen Person, weiß ich nicht). Anhand der Antworten konnte im Falle
des Weiterfahrens überprüft werden, inwiefern die Botschaft von den Teilnehmern überhaupt wahr-
genommen und semantisch verarbeitet wurde.
Subjektive Müdigkeit zum Warnzeitpunkt und nach Ende der Versuchsfahrt. Zweimal beurteilten
die Teilnehmer ihre Müdigkeit anhand der Karolinska Sleepiness Scale (KSS, Akerstedt & Gillberg,
1990): Einmal retrospektiv für den Zeitpunkt der Müdigkeitswarnung und einmal für die aktuelle
Situation der Nachbefragung. Die KSS wurde in der von Niederl (2007) verwendeten deutschen Über-
setzung benutzt.
Müdigkeitsbeurteilung des eigenen Warnungsbildes. Mit dem Ziel, die wahrgenommene Vulne-
rabilität zu erhöhen, wurden für die Anzeige in der personalisierten Warnungsbedingung Bilder aus-
gewählt, auf denen Müdigkeitszeichen möglichst deutlich erkennbar sein sollten. Als Manipulations-
check wurde in die retrospektive Befragung ein Item aufgenommen, um das prinzipielle Potential der
Bilder zur Vermittlung einer pessimistischeren Selbsteinschätzung zu ermessen. Das Bild, das ein
Teilnehmer in seiner Warnanzeige gesehen hatte, wurde ihm nochmals präsentiert, zusammen mit
der Frage Wie müde sehen Sie Ihrer Meinung nach auf diesem Bild aus?, welche anhand der
Karolinska-Skala von 0 – sehr wach – bis 8 – sehr müde, große Probleme wach zu bleiben, mit dem
Schlaf kämpfend – beantwortet wurde.
Subjektive Aktivierung durch die Warnung. Eine kurzfristige Aktivierung des Fahrers gilt als eine
der Funktionen, die Müdigkeitswarnungen erfüllen können (s. 2.3.2). Mit der Frage Wie aktivierend
wirkte die Müdigkeitswarnung auf Sie? wurde eine subjektive Einschätzung dieses Effekts erhoben.
Die Endpunkte der zehnstufigen Skala (0-9) waren mit gar nicht aktivierend und sehr stark aktivie-
rend bezeichnet.
Subjektive Ablenkung durch die Warnung. Eine Anforderung an die Warnungsgestaltung besteht
darin, die Aufmerksamkeit des Nutzers auf die Anzeige zu lenken und zwecks Elaboration der Warn-
botschaft dort für eine gewisse Zeit zu halten (s. 2.2.2). Gleichzeitig ist bei der Fahrzeugführung jede
Ablenkung der Aufmerksamkeit weg von der aktuellen Straßensituation aber auch ein potentielles
Risiko. Aus Human-Factors-Sicht gilt es, den bestmöglichen Ausgleich zwischen diesen beiden gegen-
sätzlichen Anforderungen zu finden. Gestaltungsvarianten, die zu einer besseren Elaboration der
Warnung führen, bringen eventuell eine längere Vernachlässigung der Verkehrssituation mit sich. In
72
der aktuellen Untersuchung wird vermutet, dass die Präsentation eines Portraits des Fahrers zu in-
tensiverer Aufmerksamkeitszuwendung führt als die Anzeige eines Kaffeetassensymbols. Neben der
Untersuchung dieser Frage auf Ebene der Fahrleistung44 war auch die subjektive Beurteilung durch
die Fahrerinnen und Fahrer von Interesse. Diese wurde mit der Formulierung Wie ablenkend fanden
Sie die Warnungsanzeige für Ihre Fahraufgabe? erhoben. Die zehnstufige Skala (0-9) reichte von gar
nicht ablenkend bis stark ablenkend.
Maximal tolerierte Pausenkosten. Aus theoretischer Sicht stehen mit dem empfohlenen Verhal-
ten verbundene Handlungskosten der Effektivität von Warnungen entgegen (s. 2.2.4). Im Fahrsimula-
tionsparadigma werden in der realen Fahrsituation vorliegende positive und negative Handlungsan-
reize des Weiterfahrens und des Pausierens durch die Möglichkeit finanzieller Gewinne und Verluste
nachgebildet: Die erfolgreiche Zielankunft bringt einen Bonus von 15 €, welcher im Falle eines Fahr-
fehlers komplett verloren ist; eine Pause zu machen, ist mit einem Abzug von 5 € verbunden, so dass
nach einer Pause immer noch ein Bonus von 10 € möglich ist. Für die Wahl dieser konkreten Ausprä-
gungen gibt es keine hinreichend genaue theoretische Grundlage – die Durchführung des ersten Ex-
periments stellt in dieser Hinsicht auch eine Erprobung des Paradigmas dar. Theoretisch wün-
schenswert wäre es, mit der Parametrisierung dieser Variablen eine Situation zu schaffen, in der sub-
jektiv ein annäherndes Gleichgewicht in der Attraktivität der beiden Optionen „Anhalten“ und „Wei-
terfahren“ – beziehungsweise ein minimaler Nachteil für die Option „Anhalten“ - besteht, weil Über-
zeugungseffekte der Warnung in dieser Situation am besten zu beobachten wären. Die theoretisch zu
vermeidenden Extreme der Parametrisierung der finanziellen Anreize sind Konstellationen, die Bo-
den- oder Deckeneffekte schaffen, das heißt, in denen die Anreizsituation motivational so eindeutig
ist, dass sich alle Teilnehmer einstimmig für die eine oder für die andere Handlungsoption entschei-
den. Alle denkbaren Anreizkonstellationen, die zwischen diesen beiden Polen liegen, bieten theore-
tisch die Möglichkeit, Unterschiede in der Wirksamkeit verschiedener Warnungsgestaltungsvarianten
zum Vorschein zu bringen. Obwohl durch die konkrete Ausprägung der finanziellen Nutzen- und Kos-
tenwerte zweifelsohne ein ganz bestimmter quantitativer Referenzrahmen (s. Kahneman & Tversky,
1979) für die Entscheidung aufgespannt wird, liegt der maßgebliche Aspekt für die Validität des Pa-
radigmas in der qualitativen Modellierung der Anreizsituation. Zur Evaluation der gewählten finanzi-
ellen Anreize und für die Weiterentwicklung des Paradigmas ist es interessant, Hinweise auf den the-
oretischen „Umkipp-Punkt“ in der gewählten Konstellation zu erhalten, also einen Schwellwert für
die Handlungskosten zu ermitteln, bei dem sich die Teilnehmerinnen und Teilnehmer gerade eben
noch vorstellen können, die Pause zu nehmen. Ein entsprechendes Item war in der Nachbefragung
enthalten. Nach einem kurzen Einleitungstext, der die konkrete finanzielle Anreizsituation im Expe-
riment ins Gedächtnis rief, lautete die Frage: Wie groß dürfte der durch eine Pause entstehende fi-
nanzielle Abzug vom Zielbonus 15 € maximal sein, damit Sie noch darüber nachden en, eventuell eine
Pause einzulegen? Die Teilnehmerinnen und Teilnehmer schrieben ihre Antwort in ein Freitextfeld.
Vorerfahrung mit Müdigkeitswarnsystemen. Der Grad der Vertrautheit mit Warnreizen kann de-
ren kognitive Verarbeitung in mehrerlei Hinsicht beeinflussen (s. 2.2.2). Aus diesem Grund wurden in
der Nachbefragung mit drei Items Vorwissen und Teilnehmer über Müdigkeitswarnsysteme sowie
entsprechende Vorerfahrungen erfasst: (1) Haben Sie vor dieser Untersuchung schon einmal etwas
von Kfz-Müdigkeitswarnsystemen gehört? (Antwortmöglichkeiten: ja oder nein), (2) Sind Sie schon
einmal mit einem Fahrzeug gefahren, dass mit einem Müdigkeitswarnsystem ausgestattet war? (Im
44 Ergebnisse in Weidner (2013)
73
ja-Fall wurde zur Angabe des Fahrzeugtyps aufgefordert) und (3) Besitzt Ihr eigenes Fahrzeug ein
Müdigkeitswarnsystem? (wiederum wurde bei ja-Antwort zusätzlich der Fahrzeugtyp erfragt).
Sekundenschlaferfahrungen und Unfallgeschichte als Autofahrer. Ebenso wie Vertrautheit mit
der Warnung beeinflusst Vertrautheit mit der Gefahrensituation die kognitiven Prozesse, welche die
Verhaltenswirksamkeit der Warnung mediieren (s. 2.2.2, 2.2.4). Mit den folgenden drei Items wurden
allgemeine Unfallerfahrungen, Sekundenschlaferfahrungen sowie Erfahrungen mit müdigkeitsbe-
dingten Unfällen erfasst: (1) Hatten Sie mit dem Auto mitverschuldete Unfälle? Falls ja, geben Sie
bitte an, wie viele. (Antwortmöglichkeiten: ja mit Freitextfeld / nein), (2) Haben Sie beim Autofahren
schon einmal Sekundenschlaf erlebt? (ja /nein) und (3) Hatten Sie mitverschuldete Unfälle, bei denen
Müdigkeit eine ursächliche Rolle spielte? Falls ja, geben Sie bitte an, wie viele. (Antwortmöglichkei-
ten: ja mit Freitextfeld / nein).
Allgemeine subjektive Pausenwahrscheinlichkeit. Wenn die experimentelle Variation verhaltens-
relevante Einschätzungen, Pausenintention und Pausenverhalten in der erlebten Fahrsituation beein-
flusst, könnte es sein, dass sich entsprechende Effekte auch auf eine generelle Einstellung gegenüber
Müdigkeitswarnungen übertragen. Explorativ wurde daher ein Item zur Erhebung einer allgemeinen
subjektiven Pausenwahrscheinlichkeit mit aufgenommen: „Sie haben ein Müdigkeitswarnsystem in
Ihrem Auto oder angenommen, sie hätten eines. Wie wahrscheinlich ist / wäre es generell, dass sie
eine Pause einlegen, wenn das System eine solche empfiehlt?“. Die Endpunkte der zehnstufigen Skala
(0-9) waren mit nicht wahrscheinlich und sehr wahrscheinlich bezeichnet.
Wahrnehmung von Außengeräuschen im Fahrsimulator. Aus organisatorischen Gründen konnte
eine Koinzidenz der Datenerhebungsphase mit der Durchführung einer Baumaßnahme in der Halle,
die den Fahrsimulatorcontainer beherbergt, nicht vollständig vermieden werden. Außerhalb des Con-
tainers entstanden während einiger Messungen zeitweise hohe Lärmpegel. Während der Versuchs-
fahrt waren die Probandinnen und Probanden davon zweifach abgeschirmt - erstens durch die Con-
taineraußenwand und zweitens durch das Fahrzeug -, zudem erfolgte eine akustische Überdeckung
der möglichen durchdringenden Restgeräusche durch das im Fahrzeuginnenraum präsentierte kon-
stante Fahrgeräusch. Zur zusätzlichen Kontrolle des Paradigmas wurde dennoch ein Item in die
Nachbefragung aufgenommen, um die eventuelle Wahrnehmung von externen Geräuschen zu erhe-
ben, welche einen potentiellen Einfluss auf das Wachheitsniveau haben: In der Halle rund um den
Fahrsimulator wird gerade gebaut. In welchem Maße haben Sie während des Fahrens Störgeräusche
von außen wahrgenommen? Die Beantwortung erfolgte auf einer zehnstufigen Skala (0-9) mit den
Endpunkten habe keine Geräusche von außen wahrgenommen und habe andauernd Geräusche von
außen wahrgenommen.
Wachhaltestrategien. Aus explorativem Interesse wurde ein Item in die Nachbefragung aufge-
nommen, mit dem während der Fahrt genutzte Wachhaltestrategien erfragt wurden: Was haben Sie
getan, um sich wach zu halten? Bitte beschreiben Sie kurz, mit welchen Maßnahmen / Verhaltenswei-
sen Sie versucht haben, Ihrer Müdigkeit entgegenzuwirken. Zur Beantwortung standen ein Freitext-
feld sowie die Auswahloption habe nichts getan, um mich wachzuhalten zur Verfügung.
Das Originallayout des Nachbefragungsbogens mit allen Items ist in Anhang A.1.4 dargestellt.
3.2.3 Durchführung
Nach der Begrüßung nahm jeder Teilnehmende zunächst im Versuchsleiterraum des Fahrsimulators
an einem Computerarbeitstisch Platz und bekam als erstes die beiden Instruktionsblätter mit den
Informationen zur anstehenden Fahraufgabe einschließlich der entsprechenden Rahmenbedingun-
gen sowie zu möglichen Arten von Fahrfehlern zum gründlichen Lesen ausgehändigt (s. 3.2.2.3.2 und
74
Anhänge A.1.1 und A.1.2). Im Anschluss wurden im Gespräch mit dem Versuchsleiter das Instrukti-
onsverständnis geprüft und mögliche Fragen geklärt, woraufhin dem Teilnehmer die schriftliche Ein-
verständniserklärung (s. Anhang A.3.3) vorgelegt wurde, die eine Aufklärung über die Möglichkeit
zum Versuchsabbruch sowie über die Möglichkeit zur Untersagung der Verwendung der erhobenen
Daten beinhaltete.
Abbildung 14. Überblick über den zeitlichen Ablauf des Fahrversuchs.
Im Falle des Einverständnisses mit der Teilnahme bearbeiteten die Teilnehmer als nächstes am
Computer den Vorbefragungsbogen (Anhang A.1.3). Dieser diente zum einen der Erhebung einiger
demographischer Informationen (Alter, Geschlecht, Bildung, aktuelle Tätigkeit, Muttersprache, Jah-
resfahrleistung), zum anderen wurde eine Reihe weiterer Kontrollvariablen erfragt (Selbsteinschät-
zung der Deutschkenntnisse, Zeit des Zubettgehens und Aufstehens in der vorangegangenen Nacht,
tatsächlich schlafend verbrachte Zeit, Konsum von Kaffee oder anderen stimulierenden Substanzen,
weitere Schlafepisoden nach dem Aufstehen45). Außerdem beurteilten die Teilnehmer ihre aktuelle
Müdigkeit auf der Karolinska Sleepiness Scale (KSS, Akerstedt & Gillberg, 1990). Alle Befragungsdaten
wurden unter Nutzung des Online-Fragebogensystems SoSci Survey (www.soscisurvey.de) erhoben.
Im Anschluss wechselten die Teilnehmer in den Simulator, wo nach der Einstellung einer geeigne-
ten Sitzposition zunächst eine kurze Einweisung in die Fahrzeugbedienung erfolgte. Anhand der be-
reits sichtbaren Fahrumgebung wurden einige nähere Informationen zur Art der Strecke gegeben
(keine anderen Verkehrsteilnehmer, keine überraschenden Ereignisse, sanfte Kurven), die Position des
Warnungsdisplays gezeigt sowie der Hinweis gegeben, dass keine anderen Bedienelemente als die
zur Fahrzeugführung erforderlichen benutzt werden sollten.
Es folgte eine Demonstration der möglichen Fahrfehler. Dazu fuhren die Teilnehmer beabsichtigt
je zweimal links und rechts langsam aus der Fahrspur heraus und bekamen eine Rückmeldung, zu
welchem Zeitpunkt das Toleranzkriterium überschritten wurde. Analog wurde der Längsführungsfeh-
ler anhand einer absichtlichen Überschreitung des Geschwindigkeitslimits von 100 km/h demons-
triert.
Im Rahmen einer kurzen Übungsfahrt von 10-15 Minuten Dauer konnten sich die Teilnehmer
dann mit der Fahrcharakteristik des Simulators vertraut machen. Nach einer obligatorischen Toilet-
tenpause und einer nochmaligen Erinnerung an die wichtigsten Eckpunkte der Instruktion begann die
Experimentalfahrt.
Während der Fahrt wurde durch den Versuchsleiter alle 5 Minuten eine Bewertung der aktuellen
Müdigkeit der Versuchsperson mit Hilfe der TUBSS vorgenommen (s. 3.2.2.4). Erreichte oder über-
45 Bezüglich der potentiell kritischen Fragen wurden die Teilnehmer zum aufrichtigen Antworten aufgefordert,
mit dem Hinweis, dass eventuelle Abweichungen von den Absprachen für sie keine negativen Konsequenzen
hätten, aber deren Dokumentation wichtig für die Auswertung der Daten sei.
75
schritt das aktuelle Rating den Kriteriumswert 5 - sehr müde mit Tendenz zu schläfrig -, wurde eine
Müdigkeitswarnung entsprechend der jeweiligen experimentellen Bedingung präsentiert (s. 3.2.1
und 3.2.2.1). Das Erscheinen der Warnmeldung wurde von einem kurzen Hinweiston begleitet; die
visuelle Anzeige blieb für 2 Minuten sichtbar, bevor sie wieder durch einen schwarzen Bildschirm
ersetzt wurde. Die Teilnehmer waren informiert, dass das Verschwinden der Warnung Teil des Warn-
konzepts sei und nicht darauf hinweise, dass die gefährliche Situation vorüber sei46. Wurde innerhalb
von 60 Minuten nach Fahrtbeginn das Müdigkeitskriterium nicht erreicht, erfolgte die Präsentation
der Warnung spätestens zu diesem Zeitpunkt.
Nach Anzeige der Warnung wurde der Versuch noch maximal 30 Minuten fortgesetzt. Äußerte der
Fahrer vor Ablauf dieser Zeitspanne den Wunsch nach einer Pause, wurde die Fahrt unmittelbar be-
endet. Auch in der Fahrzeit nach der Warnung nahm der Versuchsleiter in Intervallen von 5 Minuten
Müdigkeitsbeurteilungen mit der TUBSS vor.
Nach Beendigung der Fahrt kehrten die Teilnehmer an den Computerarbeitsplatz im Versuchslei-
terraum zurück und bearbeiteten dort die retrospektive Befragung (Anhang A.1.4), in deren Rahmen
die subjektiven Einschätzungen der PMT-Variablen erhoben wurden. Weiterhin beinhaltete diese
Befragung Items zur Prüfung des Warnungsverständnisses, eine subjektive Müdigkeitseinschätzung
mit der Karolinska-Skala, Einschätzungen der subjektiven Ablenkung und Aktivierung durch die War-
nung und der allgemeinen subjektiven Compliancewahrscheinlichkeit nach Müdigkeitswarnungen
sowie Abfragen bezüglich der maximal tolerierten Pausenkosten, eventuell angewandter Wachhalte-
strategien, Vorerfahrungen mit Müdigkeitswarnsystemen, Erfahrungen mit Sekundenschlaf und Un-
fällen beim Autofahren (s. 3.2.2.5).
Im Anschluss erfolgten das Debriefing über Zweck und Logik der Untersuchung und die Auszah-
lung der Aufwandsentschädigung. Eine zusammenfassende Darstellung des Versuchsablaufs liefert
Abbildung 1447. Im Mittel dauerte die Fahrt unter Müdigkeit in der Bedingung geringe Zielentfernung
M = 69.6 min (SD = 15.8 min) und in der Bedingung hohe Zielentfernung M = 80.4 min
(SD = 13.1 min). Der gesamte Versuch von der Begrüßung bis zur Verabschiedung nahm
M = 135.0 min (SD = 16.3 min) bzw. M = 146.2 min (SD = 14.6 min) in Anspruch. Alle Daten wurden im
Zeitraum von Anfang März bis Anfang Mai 2011 erhoben.
3.2.4 Hypothesen
Die Theorie der Schutzmotivation liefert kein exaktes mathematisches Modell, wie die relevanten
kognitiven Einschätzungen bei der Formation der Schutzmotivation zusammenwirken und nach wel-
chen Prinzipien sich die resultierende Motivation in Verhalten übersetzt, sondern postuliert lediglich,
dass eine Zunahme auf bestimmten Einschätzungsvariablen und eine Abnahme auf anderen einen
Anstieg der Schutzmotivation und der Wahrscheinlichkeit adaptiven Verhaltens zur Folge haben.
Ebenso wenig sind die Gesetzmäßigkeiten bekannt, nach denen eine bestimmte Zu- oder Abnahme
auf den Dimensionen Personalisierung der Warnung und Zielentfernung sich in veränderte Wahr-
nehmungen von Vulnerabilität etc. übersetzt.
46 Desgleichen waren die Teilnehmer informiert, dass auch das vorübergehende Ausbleiben einer weiteren
Warnung nicht als Anhaltspunkt zu werten sei, dass die Gefahr vorüber sei. Das System sei so eingestellt, dass
eine Warnung frühestens nach 30 Minuten wiederholt werde.
47 Die dort angegebenen Zeiten beziehen sich auf die Dauern, die vorab für die entsprechenden Versuchsteile
maximal veranschlagt wurden.
76
Vor dem Hintergrund des Mangels an theoretischen oder empirischen Anhaltspunkten zur Konk-
retisierung eines komplexeren Modells und in Übereinstimmung mit dem Sparsamkeitsgrundsatz in
der Modellbildung wird daher zunächst davon ausgegangen, dass die untersuchten Faktoren - einen
grundsätzlichen Effekt vorausgesetzt - gleichzeitig48 und additiv zur Ausprägung der jeweiligen Wahr-
nehmungen beitragen. Nach der gleichen Maßgabe wird bei der Entstehung der Schutzmotivation ein
additives Zusammenwirken der PMT-Modellfaktoren (mit dem in der Theorie postulierten Vorzei-
chen) angenommen, das in beobachtbarem adaptivem Verhalten resultiert, wenn ein individueller
Schwellenwert überschritten wird.
Auf der Grundlage dieser theoretischen Annahmen und der Überlegungen in 2.2.4.1 und 3.1 wer-
den folgende Hypothesen aufgestellt:
I. Pausenhäufigkeit
a) Haupteffekt Warnungstyp: Bei personalisierter Warnung (eigenes Bild) entscheiden sich
mehr Fahrer für eine Pause als bei allgemeiner Warnung (Kaffeetasse).
b) Haupteffekt Zielentfernung: Bei höherer Zielentfernung (100 km) entscheiden sich mehr Fah-
rer für eine Pause als bei geringerer Zielentfernung (30 km).
II. Subjektive Pausenwahrscheinlichkeit
a) Haupteffekt Warnungstyp: Bei personalisierter Warnung (eigenes Bild) ist die subjektive Pau-
senwahrscheinlichkeit im Mittel höher als bei allgemeiner Warnung (Kaffeetasse).
b) Haupteffekt Zielentfernung: Bei höherer Zielentfernung (100 km) ist die subjektive Pausen-
wahrscheinlichkeit im Mittel höher als bei geringerer Zielentfernung (30 km).
III. Subjektive Vulnerabilität
a) Haupteffekt Warnungstyp: Bei personalisierter Warnung (eigenes Bild) ist die subjektive Vul-
nerabilität im Mittel höher als bei allgemeiner Warnung (Kaffeetasse).
b) Haupteffekt Zielentfernung: Bei höherer Zielentfernung (100 km) ist die subjektive Vulnerabi-
lität im Mittel höher als bei geringerer Zielentfernung (30 km).
IV. Maximal tolerierte Pausenkosten
Bezüglich der subjektiven Kosten, die für die Pausenoption maximal in Kauf genommen werden,
macht die PMT keine expliziten Aussagen. Geht man allerdings von den Annahmen eines allge-
meinen Erwartung-mal-Wert-Modells aus49, sollten mit größerer subjektiver Vulnerabilität auch
höhere Pausenkosten akzeptiert werden. Somit wird erwartet:
a) Haupteffekt Warnungstyp: Bei personalisierter Warnung (eigenes Bild) werden im Mittel hö-
here Kosten für eine Pause toleriert als als bei allgemeiner Warnung (Kaffeetasse).
b) Haupteffekt Zielentfernung: Bei höherer Zielentfernung (100 km) werden im Mittel höhere
Kosten für eine Pause toleriert als bei geringerer Zielentfernung (30 km).
48 in Abgrenzung von der Vorstellung eines stufenweisen oder hierarchischen Prozesses
49 Die Annahmen lauten: Für beide Optionen – Pause und Weiterfahren – wird ein SEU-Wert (subjective
expected utility) bestimmt, in den jeweils Wahrscheinlichkeiten und subjektive Nutzen / Kosten verschiedener
distaler Handlungsergebnisse (Bonus für sichere Zielankunft vs. Einbußen für Fahrfehler) unter der Bedingung,
dass man sich für Option A oder B entscheidet, einfließen. Die bedingte Wahrscheinlichkeit, nach einer Pause
sicher das Ziel zu erreichen, sollte als höher wahrgenommen werden als die entsprechende Wahrscheinlichkeit
ohne Pause (und entsprechend umgekehrt für Fahrfehler). Laut Modell wird die Pausenoption dann gewählt,
wenn SEUPause > SEUWeiterfahren. Demnach ergibt sich im Falle höherer subjektiver Vulnerabilität (Fehlerwahr-
scheinlichkeit) ein größerer Kostenspielraum, in welchem die Pause immer noch als die bessere Option aus der
Rechnung hervorgeht (s.a. Jungermann, Fischer & Pfister, 2010).
77
Laut Vorhersage des oben spezifizierten Modells, das von einer Additivität der Faktorwirkungen aus-
geht, werden keine Interaktionswirkungen erwartet. Indes gibt es auch für die Additivitätsannahme
keinen weiteren theoretischen Grund als den Sparsamkeitsgrundsatz, und ein derzeit noch nicht ge-
nauer spezifizierbares komplexeres Zusammenwirken der experimentellen Faktoren ist ebenso gut
vorstellbar. Aus diesem Grund sollen die Interaktionseffekte jeweils explorativ mit untersucht wer-
den.
Hinsichtlich der verbleibenden drei PMT-Variablen Subjektiver Schweregrad der Schädigung,
wahrgenommene Handlungswirksamkeit und Selbstwirksamkeit werden keine Effekte der experi-
mentellen Manipulation erwartet. Zur Kontrolle werden für diese Variablen Analysen analog zur Prü-
fung der Effekte auf die Vulnerabilität durchgeführt.
3.2.5 Stichprobe
3.2.5.1 Einschlusskriterien und Rekrutierung
Mit Blick auf eine gute Passung zwischen untersuchter Stichprobe und Zielpopulation und im Sinne
interner und externer Versuchsvalidität wurde eine Reihe von Merkmalen als Voraussetzung für die
Teilnahme an der Untersuchung definiert (vergleiche Filtness et al., 2012; Horne & Reyner, 1996;
Reyner & Horne, 1998a; Reyner & Horne, 2000). Teilnehmende Personen sollten regelmäßig Auto
fahren (mindestens drei Stunden pro Woche) und seit mindestens zwei Jahren im Besitz eines Pkw-
Führerscheins sein. Ausgangspunkt für den Erfolg der Schlafrestriktion war ein regelmäßiges Schlaf-
verhalten. Aus diesem Grund wurden potentielle Teilnehmer vor der Untersuchung nach ihren übli-
chen Schlaf- und Wachzeiten befragt. Ausgeschlossen wurden Personen, deren übliche Schlafdauer
weniger als sechs Stunden pro Nacht betrug oder die angaben, an mehr als drei Tagen in der Woche
um mehr als eine Stunde von den angegebenen Zeiten abzuweichen. Auch die Einnahme von Medi-
kamenten war ein Ausschlusskriterium. Abschließend war es erforderlich, dass die Teilnehmer bereit
waren, in der Nacht vor dem Versuch ihre Schlafdauer einzuschränken und am Versuchstag auf Kof-
fein und andere stimulierende Substanzen zu verzichten. Aus Gründen der Sicherheit verpflichteten
sich die Interessenten, die An- und Abreise zum und vom Durchführungsort ausschließlich mit öffent-
lichen Verkehrsmitteln zu bewältigen, um nicht selbst unter Müdigkeit fahren zu müssen.
Die Ansprache potentieller Probandinnen und Probanden erfolgte über Aushänge auf dem Gelän-
de der TU Berlin und über eine Anzeige auf http://www.kleinanzeigen.ebay.de/. Der
Screeningfragebogen war online auf der Plattform https://www.soscisurvey.de/ implementiert;
Wortlaut und Layout sind in Anhang A.3.2 zu finden. Geeignete Personen wurden telefonisch oder
per E-Mail kontaktiert.
3.2.5.2 Charakteristika
20 Frauen und 20 Männer im Alter von 20 bis 59 Jahren (M = 32.5, SD = 12.4) nahmen am Versuch
teil. Alter und Geschlecht waren in den vier Experimentalgruppen ausbalanciert.
16 Personen waren schon einmal oder öfter verursachend an einem Unfall beteiligt. 2 Personen wie-
sen einen der Unfälle als müdigkeitsbedingt aus, beide gehörten zur Gruppe mit geringer Zielentfer-
nung, je eine zur Gruppe mit personalisierter und unpersonalisierter Warnanzeige. Etwa die Hälfte
der Teilnehmer (N=21) gab an, beim Autofahren schon einmal Sekundenschlaf erlebt zu haben. Diese
Teilnehmer waren gleichmäßig auf die Gruppen mit unpersonalisierter und personalisierter Warnung
verteilt. Bezüglich des Faktors Zielentfernung besteht insofern ein Ungleichgewicht, als jeweils mehr
Teilnehmer in den zwei Experimentalgruppen mit geringer Zielentfernung über Sekundenschlaferfah-
rungen verfügten. Ein Chi-Quadrat-Test nach Pearson weist diesen Verteilungsunterschied als signifi-
78
kant aus (
χ
²(1) = 4.31, p = .038).
Von den 25 Teilnehmern, die schon einmal von Müdigkeitswarnsystemen gehört hatten, waren 2
bereits mit einem solchen System gefahren, niemand hatte jedoch eines in seinem eigenen Fahrzeug.
3.3 Ergebnisse
3.3.1 Voranalysen
3.3.1.1 Subjektive Müdigkeit vor der Fahrt, zum Warnzeitpunkt und nach der Fahrt
In der Nacht vor dem Versuch unterzogen sich die Teilnehmer einer Schlafrestriktion; zudem erfolgte
die Fahrt während des Nachmittagstiefs (s. 2.3.4). Einen Hinweis darauf, inwiefern diese Maßnahmen
den gewünschten Erfolg – eine Stichprobe müder Autofahrer – erzielten, liefern die subjektiven Mü-
digkeitsbewertungen, die anhand der Karolinska Sleepiness Scale (Wertebereich von 0 – sehr wach –
bis 8 – sehr müde, große Probleme wach zu bleiben, mit dem Schlaf kämpfend) für die Zeitpunkte vor
und nach der Fahrt sowie für den Warnungszeitpunkt erhoben wurden.
Die mittlere subjektive Müdigkeit betrug vor der Fahrt M = 5.21 (SD = 1.29), nach der Fahrt
M = 5.55 (SD = 1.50). Im Kontext der internen und externen Validität des Versuchsaufbaus besonders
relevant ist die retrospektiv beurteilte subjektive Müdigkeit zum Zeitpunkt vor der Warnung, die im
Mittel mit M = 6.43 (SD = 1.06) angegeben wurde. Ausgehend von dem Wert 4 als Mitte der Skala mit
der Wortmarke weder wach noch müde zeigt sich damit, dass die Studienteilnehmer generell zum
Warnzeitpunkt tatsächlich Müdigkeit verspürten. Hinsichtlich der Schwere dieser Müdigkeit in Bezug
auf die Einschlafneigung kann noch differenziert werden: 12 Probanden wählten mit Skalenwert 6 die
Einschätzung sich müde zu fühlen, aber gleichzeitig keine Probleme mit dem Wachbleiben zu haben.
4 Teilnehmer empfanden die zusätzliche Wortmarke mit dem Schlaf kämpfend (Skalenwert 8) als
zutreffend, und bei der größten Gruppe – 18 Personen gaben den KSS-Wert 7 an – zeigte sich zusätz-
lich zu der Empfindung von Müdigkeit zumindest eine Tendenz zu Problemen sich wachzuhalten. Für
6 Personen lag die subjektive Müdigkeitsempfindung unterhalb des KSS-Wertes 6.
Es gab keine Unterschiede zwischen den Experimentalgruppen bezüglich der subjektiven Müdig-
keitsausprägung zum Warnzeitpunkt (alle F < 1).
3.3.1.2 Müdigkeitsverläufe während der Fahrt und Überschreitung des
warnungskritischen Wertes
Gemäß der TUBSS-Ratings, welche der Versuchsleiter im Abstand von 5 Minuten auf Basis einer
einminütigen Videobeobachtung vornahm, erreichten genau 60 Prozent (n = 24) der 40 Teilnehmer
vor Ablauf der maximal für die erste Fahrphase vorgesehenen Zeit von einer Stunde das Müdigkeits-
kriterium (mindestens Stufe 5), was die folgende Darbietung der Warnung veranlasste. Die gemesse-
ne Müdigkeit betrug dabei für die große Mehrheit der Fälle genau 5, sehr müde mit Tendenz zu
schläfrig, wie der Mittelwert von M = 5.08 (SD = 0.28) zeigt.
In der Gruppe der übrigen 16 Personen, welche die Warnungsanzeige aufgrund des Zeitlimits er-
hielten, lag die mittlere Müdigkeit vor dem Warnzeitpunkt bei M = 2.81 (SD = 0.83), entsprach also in
etwa der TUBSS-Stufe 3, die mit der Wortmarke schläfrig bezeichnet ist. Die Experimentalgruppen
unterschieden sich nicht systematisch in der Häufigkeit der Kriteriumserreichung oder der mittleren
Müdigkeit. Die TUBSS-Verlaufskurven aller Teilnehmer sind, geordnet nach den experimentellen Be-
dingungen, in Anhang B.1.1 wiedergegeben.
79
3.3.1.3 Bemerken und Verständnis der Warnanzeige
Alle Teilnehmer konnten korrekt berichten, welche Zielentfernung Ihnen mit der Müdigkeitswarnung
zusammen präsentiert worden war. Auch das Warnsymbol gaben alle richtig an, mit Ausnahme einer
Teilnehmerin aus der Gruppe mit der Standardwarnung, welche die Option „weiß ich nicht“ auswähl-
te. In die berichteten Analysen wurden ihre Daten dennoch mit einbezogen (s.a. 4.3.1.3 und Diskus-
sion in 4.4.1). Berechnungen unter Ausschluss des Datensatzes führten inferenzstatistisch zu ver-
gleichbaren Ergebnissen.
3.3.1.4 Wahrnehmung von Außengeräuschen
Auf der Skala von 0 bis 9 zur Beurteilung der Wahrnehmung von Außengeräuschen gab die Mehrheit
der Teilnehmerinnen und Teilnehmer Werte im niedrigen Bereich an (n = 31 für Werte von 0 bis 2;
davon 22 „habe keine Geräusche von außen wahrgenommen“). Die Wertungen der verbleibenden
Probandinnen und Probanden verteilen sich gleichmäßig auf die Skalenstufen von 3 bis 8. Der Mit-
telwert der Beurteilungen liegt bei M = 1.45 (SD = 2.33). Ein Kruskal-Wallis-Test zeigt keine signifikan-
ten Unterschiede der Verteilung in Abhängigkeit der Zugehörigkeit zu einer der vier Experimental-
gruppen, H(3) = 3.20, p = .362.
Demnach kann ein das Aktivationsniveau betreffender Einfluss von Störgeräuschen für die meis-
ten Messungen ausgeschlossen werden. Dies deckt sich auch mit den Ergebnissen aus der Analyse
der subjektiven Müdigkeit. In einzelnen Fällen trat eine mittlere bis hohe Wahrnehmung von Außen-
geräuschen auf. Obwohl ein leichter unerwünschter Effekt auf das resultierende absolute Müdig-
keitsniveau innerhalb der gesamten Stichprobe nicht auszuschließen ist, bleibt der Vergleich der
Wirksamkeit der experimentellen Faktoren davon unbenommen, da dieser im Fall seiner Existenz alle
Experimentalgruppen im gleichen Maß beträfe50.
3.3.1.5 Müdigkeitsurteile für die Warnungsbilder in der Bedingung „personalisierte Warnung“
Die Hälfte der mit eigenem Bild gewarnten Teilnehmer nahm im Rahmen der retrospektiven Befra-
gung eine Müdigkeitsbeurteilung ihres Warnungsbildes mit der KSS vor (je n = 5 für geringe vs. hohe
Zielentfernung). Der Mittelwert der Bewertungen auf der Skala von 0 – sehr wach – bis 8 – sehr mü-
de, große Probleme wach zu bleiben, mit dem Schlaf kämpfend lag bei M = 7.30 (SD = 0.95). Dies be-
stätigt, dass die ausgewählten Bilder prinzipiell ein hohes Potential hatten, die subjektive Vulnerabili-
tät in Richtung einer pessimistischeren Einschätzung der eigenen Leistungsfähigkeit zu verändern.
3.3.2 Prüfung der Hypothesen
3.3.2.1 Allgemeines Vorgehen
Folgendes allgemeines Prozedere fand in der Auswertung beider Experimente Anwendung:
Die inferenzstatistische Prüfung von Häufigkeitsunterschieden (Pausenhäufigkeiten) erfolgte anhand
logistischer Regression. Zur Prüfung von Mittelwertsunterschieden (PMT- und weitere Variablen)
wurden, auch bei gerichteter Formulierung der erwarteten Effekte von Zielentfernung und War-
nungsgestaltung, ANOVAs durchgeführt, welche neben den Haupteffekten jeweils auch den
explorativ analysierten Interaktionsterm einbezogen. Bei mehr als zwei Faktorstufen (Experiment 2)
wurden signifikante Effekte mit bonferronikorrigierten Einzelvergleichen weiter analysiert. Für alle
Varianzanalysen wurden die Daten auf Normalverteilung und Varianzhomogenität geprüft; Ergebnis-
50 Allerdings würde ein solcher Effekt die Teststärke schmälern, da er die Fehlervarianz erhöhen würde.
80
se dieser Tests werden nur in Fällen berichtet, in denen eine Abweichung von den geforderten Vo-
raussetzungen vorlag.
Numerische Gruppenmittelwerte und Standardabweichungen werden berichtet, sofern sie de-
skriptiv interessant erscheinen. Übersichten aller Mittelwerte, Standardabweichungen und Fallzahlen
sowie der Statistiken zur Signifikanzprüfung sind in den Anhängen B.1.3 und B.2.4 zu finden. Zur Ver-
anschaulichung der Wirkung der experimentellen Faktoren werden jeweils drei Fehlerbalkengrafiken
mit den Gruppenmittelwerten, gesplittet nach (1) Warnungstyp, (2) Zielentfernung und (3) War-
nungstyp x Zielentfernung, präsentiert.
Die kognitiven Einschätzungen nach der PMT wurden in Experiment 1 jeweils einzeln für die Er-
eignisse Fahrfehler und Einnicken erhoben. Die Resultate glichen sich weitestgehend, wobei für das
Ereignis Einnicken meistens größere Varianzen auftraten. Aus Platzgründen beschränkt sich die Dar-
stellung hier auf die Fahrfehler-Ergebnisse (für eine Übersicht aller Ergebnisse siehe Anhang B.1.3).
3.3.2.2 Zur Interpretation der statististischen Kennwerte
Inferenzstatistik liefert einen Weg, auf der Grundlage bestimmter Annahmen eine Wahrscheinlich-
keit zu ermitteln, dass ein Stichprobeneffekt (also z. B. Gruppenunterschiede in der gefundenen Grö-
ße - oder noch größer) durch Zufall zustande kommt, obwohl in der Grundgesamtheit, aus der die
Stichprobe stammt, kein solcher Effekt vorliegt. Als obere Grenze für die akzeptable
Irrtumswahrscheinlichkeit bezüglich der Annahme der Alternativhypothese wird in den empirischen
Sozialwissenschaften zumeist α = .05 festgelegt. Da dieser Wert jedoch ein willkürlich gewähltes Kri-
terium ist, wird ein schematischer Umgang damit bei der Beurteilung der Bedeutsamkeit empirischer
Testergebnisse vielfach kritisiert, und es werden verschiedene alternative Herangehensweisen vorge-
schlagen (Loftus, 1993, 1996, 2009; Rasch, Hofmann, Friese & Naumann, 2010; Sedlmeier, 2009).
Unter anderem können die anhand von Statistikprogrammen ohne zusätzlichen Aufwand zu ermit-
telnden empirischen p-Werte in die Ergebnisbeurteilung einbezogen werden. „So ist ein
Mittelwertsunterschied mit p = 0.06 offensichtlich bedeutsamer als einer mit p = 0.60“ 51 (Rasch et
al., 2010, S. 58). Eine wichtige Rolle bei der Beurteilung der empirischen p-Werte spielen auch Über-
legungen zur gewünschten Sensitivität vs. Spezifität des Tests: Wäre es im Zweifel schlimmer, einen
in der Tat vorhandenen Effekt zu übersehen (β-Fehler) oder einen de facto nicht vorhandenen Effekt
anzunehmen (α-Fehler)? Im Human-Factors-Bereich geht es oft darum zu beurteilen, ob eine Design-
variante besser52 ist als eine andere. Vor diesem Hintergrund ist es - anders als in der Grundlagenfor-
schung, in der die Allgemeingültigkeit von Theorien auf dem Prüfstand steht - hier zuweilen schwer-
wiegender, einen β-Fehler zu begehen, insbesondere in sicherheitskritischen Bereichen (Wickens,
Gordon & Liu, 2004). Wenn es empirische Hinweise gibt, dass eine Gestaltungsvariante zu sichererem
Verhalten beiträgt, wäre es gravierender, die Chance auf weniger Unfälle zu vergeben, indem ge-
schlussfolgert wird, beide Varianten seien „gleich wirksam“, weil die statistische
Irrtumswahrscheinlichkeit p > .05 ist. Dies gilt um so mehr, wenn die verfügbare Anzahl von Test-
durchführungen, also das Stichproben-n, ressourcenbedingt eingeschränkt ist (z. B. aufgrund der
begrenzten Verfügbarkeit von Experten in einer bestimmten Domäne als Probanden oder limitiertem
Zugang zu komplexer Testtechnik wie Simulatoren).
51 Oder, mit Rosnow und Rosenthal (1989, S.1277) ein wenig epischer formuliert, „ […] we only wish to empha-
size that dichotomous significance testing has no ontological basis. […] Can there be any doubt that God views
the strength of evidence for or against the null as a fairly continuous function of the magnitude of p ?” (erwei-
tert zitiert nach Rasch et al., 2010)
52 effektiver, effizienter und / oder angenehmer zu nutzen
81
In diesem Kontext einer wünschenswerten hohen Sensitivität der Tests wird in der Auswertung
der vorliegenden Studien nicht ausschließlich auf die Erfüllung oder Nichterfüllung des
Signifikanzkriteriums von α < .05 geachtet, sondern es wird auch Wert auf die Ergebnisse der graphi-
schen Auswertung und die Frage nach der Replizierbarkeit von Befunden gelegt, um Hinweise auf
deren Zufälligkeit vs. Reliabilität abzuleiten (vgl. Loftus, 1993, 1996; Sedlmeier, 2009).
3.3.2.3 Pausenhäufigkeit
Nur eine einzige Teilnehmerin entschied sich dafür, nach der Warnung eine Pause einzulegen. Diese
Teilnehmerin gehörte zur Experimentalgruppe mit der höchsten erwarteten Pausenhäufigkeit, perso-
nalisierte Warnung & hohe Zielentfernung.
Aufgrund der äußerst seltenen Nutzung der Pausenoption durch die Probanden entziehen sich die
Ergebnisse einer inferenzstatistischen Auswertung. Mögliche Gründe des weitestgehenden Verzichts
auf Pausen werden in 3.4 diskutiert.
3.3.2.4 Subjektive Pausenwahrscheinlichkeit
Nach der auf Verhaltensebene beobachteten Pausenhäufigkeit stellt die subjektive Bereitschaft, im
Fahrversuch nach der Warnung eine Pause einzulegen, die nächstwichtige abhängige Variable dar,
auf der sich Unterschiede in Abhängigkeit von Warnungsgestaltung und Zielentfernung manifestieren
könnten. Insgesamt ist die von den Teilnehmern angegebene Wahrscheinlichkeit, nach der System-
meldung zu pausieren, eher gering (Mges = 2.45, SD = 2.50 auf der Skala von 0 – nicht wahrscheinlich
bis 9 – sehr wahrscheinlich). Wie in Abbildung 15 nachzuvollziehen ist, hat die Art der Warnung kei-
nen statistisch bedeutsamen Einfluss auf die Pausenintention (MKaff = 2.35, SD = 2.54; MBild = 2.55,
SD = 2.52; F(1,36) = 0.06, p = .798). Zwischen den Stufen des Faktors Zielentfernung zeigt sich ein
deskriptiver Mittelwertsunterschied in der erwarteten Richtung (M30km = 1.85, SD = 1.69;
M100km = 3.05, SD = 3.03), der jedoch bei einer angestrebten Irrtumswahrscheinlichkeit von p < .05
nicht signifikant ist (F(1,36) = 2.39, p = .131). Auch der Interaktionseffekt ist in diesem Sinne nicht
statistisch bedeutsam (F(1,36) = 2.01, p = .165).
Abbildung 15. Mittlere subjektive Wahrscheinlichkeit, nach der Warnmeldung im Experiment
eine Pause einzulegen. Links: Haupteffekt des Warnungstyps, Mitte: Haupteffekt der Zielent-
fernung, rechts: Interaktionseffekt. Fehlerbalken stellen 95%-Konfidenzintervalle dar.
3.3.2.5 Subjektive Vulnerabilität
Bezüglich der in der Theorie der Schutzmotivation benannten kognitiven Einschätzungen, welche die
Warnungswirksamkeit mediieren, wurde vermutet, dass die wahrgenommene Gefährdung der As-
pekt sei, auf den sowohl die Warnungsgestaltung als auch das Situationsmerkmal Nähe zum Ziel die
unmittelbarste Wirkung haben.
82
Abbildung 16 zeigt die Mittelwerte der retrospektiv erhobenen subjektiven Vulnerabilität für
Fahrfehler zum Zeitpunkt nach der Müdigkeitswarnung. Die wahrgenommene Gefährdung liegt ins-
gesamt im eher niedrigen bis mittleren Bereich (Mges = 3.88, SD = 2.441 auf der Skala von 0 – gar
nicht gefährdet bis 9 – sehr stark gefährdet). Beim Vergleich der beiden Warnungstypen offenbart
sich auf deskriptiver Ebene ein Unterschied in der erwarteten Richtung: Im Mittel gaben die Teilneh-
mer, die ihr eigenes Bild gesehen hatten, um einen Skalenpunkt höhere Vulnerabilitätswerte an als
die Teilnehmer aus der Gruppe mit dem herkömmlichen Warnsymbol (MBild = 4.35, SD = 2.207;
MKaff = 3.40, SD = 2.624). Vor dem Hintergrund der innerhalb der Gruppen vorhandenen Varianz ist
dieser Unterschied jedoch nicht statistisch bedeutsam (F(1,36) = 1.57, p = .218). Ein ganz ähnliches
Muster zeigt sich beim Vergleich der Stufen des Faktors Zielentfernung. Die Gruppe mit hoher Ziel-
entfernung zum Warnzeitpunkt schätzte sich insgesamt als anfälliger für Fahrfehler ein als die Grup-
pe, die nur noch eine geringe Distanz bis zum Ziel zurückzulegen hatte (M30km = 3.40, SD = 2.326;
M100km = 4.35, SD = 2.519), jedoch verfehlt auch dieser Effekt eine statistische Signifikanz
(F(1,36) = 1.57, p = .218). Bei Betrachtung der Wechselwirkung zwischen Warnsymbol und Entfer-
nung detailliert sich das deskriptive Muster der Kennwerte weiter: Während in der Kaffeetasse-
Gruppe die wahrgenommene Anfälligkeit für Fahrfehler bei geringer Zielentfernung niedriger ausge-
prägt ist (MKa30 = 2.50, SD = 2.321; MKa100 = 4.30, SD = 2.710), liegt sie in der Eigenes-Bild-Gruppe bei
geringer Distanz zum Ziel ebenso hoch wie bei höherer Zielentfernung (MBi30 = 4.30, SD = 2.058;
MBi100 = 4.40, SD = 2.459). Jedoch lässt die Datenlage auch für diesen Interaktionseffekt eine Genera-
lisierung der Stichprobenergebnisse auf die Population nicht zu (F(1,36) = 1.26, p = .270).
Abbildung 16. Mittlere nach der Warnmeldung wahrgenommene Gefährdung, einen Fahrfeh-
ler zu begehen und den Zielbonus zu verlieren. Links: Haupteffekt des Warnungstyps, Mitte:
Haupteffekt der Zielentfernung, rechts: Interaktionseffekt. Fehlerbalken stellen 95%-
Konfidenzintervalle dar.
3.3.2.6 Maximal tolerierte Pausenkosten
Wie in Abschnitt 3.2.2.6 ausführlicher dargestellt wurde, war es insbesondere zur Bewertung der
gewählten Anreizkonstellation im Rahmen des Fahrsimulationsparadigmas interessant, eine subjekti-
ve Obergrenze für die akzeptierten Kosten einer Pause zu ermitteln, jenseits derer die Teilnehmer
unter keinen Umständen anhalten würden. Neben dem Vergleich dieses Schwellenwerts mit den
tatsächlichen Pausenkosten steht auch zu untersuchen, ob die experimentellen Bedingungen mögli-
cherweise zu Unterschieden in der pausenbezogenen Investitionsbereitschaft führen.
83
Abbildung 17. Mittelwerte der tolerierten Höchstkosten einer Pause im Fahrversuch
(unter Einbezug eines statistischen Extermwerts). Links: Haupteffekt des Warnungstyps,
Mitte: Haupteffekt der Zielentfernung, rechts: Interaktionseffekt. Fehlerbalken stellen
95%-Konfidenzintervalle dar.
39 Personen machten diesbezügliche Angaben in der Nachbefragung. Der Gesamtmittelwert der
akzeptierten Maximalkosten liegt knapp unter dem Betrag von 5 €, der im Fahrversuch für eine Pause
von der Entschädigung abgezogen worden wäre, wobei eine relativ hohe Streuung der individuellen
Werte zu beobachten ist (Mges = 4.77, SD = 3.711). Deskriptiv zeigt sich ein interessanter Unterschied
in Abhängigkeit von der Warnungsgestaltung: In der Gruppe mit der personalisierten Warnung liegt
nicht nur der Mittelwert um etwa 2 € höher, die Angaben streuen auch über einen weiteren Bereich
(MBild = 5.90, SD = 4.601; MKaff = 3.58, SD = 1.953; vergleiche Abbildung 17). Dies bleibt auch wahr,
wenn ein statistischer Extremwert (liegt mehr als das Dreifache des oberen Quartils vom Median
entfernt, in Gruppe Bild & 30km) von 20 € aus der Analyse ausgesc hlossen wird (MBild = 5.16,
SD = 3.275; vergleiche Abbildung 18). Während in der Kaffeetasse-Gruppe 10 Personen bereit sind,
die geforderten 5 € oder mehr auszugeben (genau 5 €: n = 9, 7 €: n = 1), sind dies in der Gruppe Eige-
nes Bild 14 Personen, von denen die Hälfte auch mehr als den Ankerwert investieren würde (7 €:
n = 1, 8 €: n = 1, 10 €: n = 4, 20 €: n = 1). Inferenzstatistisch verfehlt der Effekt der Warnungsgestal-
tung das Signifikanzniveau, es bleibt aber anzumerken, dass die errechnete
Irrtumswahrscheinlichkeit relativ gering ist (F(1,35) = 4.045, p = .052 bei Inklusion des Extremwertes53
bzw. F(1,34) = 3.125, p = .086 bei dessen Ausschluss54.) Auch beim Vergleich der Zielentfernungs-
gruppen ist deskriptiv ein kleiner Mittelwertsunterschied festzustellen (M30km = 5.23, SD = 4.432;
M100km = 4.29, SD = 2.805), der jedoch bei Ausschluss des Extremwerts ebenso wie die tendenziell
höhere Varianz in der Gruppe mit geringer Zielentfernung verschwindet (M30km = 4.45, SD =2.832). In
keinem Fall ist von einer statistischen Signifikanz auszugehen (F(1,35) = 0.714, p = .404 bzw. F(1,34) =
0.072, p = .790). Auch die visuell auszumachende Andeutung eines Interaktionseffekts in Abbildung
17 geht, wie Abbildung 18 deutlich zeigt, lediglich auf den einen extremen Wert zurück; es gibt keine
signifikante Wechselwirkung der Faktoren (F(1,35) = .389, p = .537 bzw. F(1,34) = .000, p = .988).
53 unter Verletzung der Annahme gleicher Varianzen in den Warnungsgruppen, F(1,37)=4.81, p = .035
54 und bei erfüllter Varianzhomogenitätsannahme, F(1,36)=2.28, p = .140
84
Abbildung 18. Mittelwerte der tolerierten Höchstkosten einer Pause im Fahrversuch (unter Ausschluss des statis-
tischen Extremwerts). Links: Haupteffekt des Warnungstyps, Mitte: Haupteffekt der Zielentfernung, rechts:
Interaktionseffekt. Fehlerbalken stellen 95%-Konfidenzintervalle dar.
3.3.3 Analyse der verbleibenden PMT-Variablen
3.3.3.1 Subjektiver Schweregrad der Schädigung
Im Rahmen der Theorie der Schutzmotivation sollten weder die Personalisierung der Warnung noch
die verbleibende Restdistanz zum Warnungszeitpunkt einen Einfluss darauf ausüben, wie schwerwie-
gend oder schlimm den Teilnehmern die Aussicht erschien, aufgrund eines müdigkeitsbedingten Lap-
sus den Zielbonus zu verlieren.
Abbildung 19 gibt die Gruppenmittelwerte des auf Fahrfehler bezogenen wahrgenommenen
Schweregrads der Schädigung wieder. Bezüglich des Haupteffekts der Warnungsgestaltung scheint
sich die Vermutung zu bestätigen: Sowohl augenscheinlich als auch nach inferenzstatistischer Maß-
gabe sind die Mittelwerte für die beiden Warnsymbol-Gruppen nahezu gleich (MBild = 3.90,
SD = 2.382; MKaff = 3.35, SD = 2.641; F(1,36) = 0.52, p = .475). Etwas anders verhält es sich, wenn man
die Stichprobenmittel getrennt nach der jeweiligen Zielentfernung betrachtet: Ist diese hoch, wird
die Aussicht einer Entlohnungseinbuße offenbar als tragischer empfunden (M100km = 4.45, SD = 2.799;
M30km= 2.80, SD = 2.042). Dieses Muster, das dem der Vulnerabilitätsdimension ähnelt, weist sogar
statistische Signifikanz auf F(1,36) = 4.69, p = .037). Auch in der Wechselwirkung der beiden experi-
mentellen Faktoren zeigt sich auf deskriptiver Ebene ein ähnliches Muster wie bereits zuvor bei der
Vulnerabilität. In der Gruppe mit der Kaffeetasse als Warnsymbol wird ein möglicher Wegfall des
Bonus im Mittel bei geringer Zielentfernung als weniger schwerwiegend beurteilt (MKa30 = 2.20,
SD = 1.989) als bei noch weiter entferntem Ziel (MKa100 = 4.50, SD = 2.799). Dieser Unterschied findet
sich auch in der Bild-Gruppe, ist dort allerdings dadurch verringert, dass ein Bonusausfall auch bei
geringer Zielentfernung als etwas schwerwiegender wahrgenommen wird (MBi30 = 3.40, SD = 2.011).
Alle, die die Information erhielten, noch relativ weit fahren zu müssen, empfanden den möglichen
Ausfall als gleichermaßen gravierend, unabhängig von der Warnungsgestaltung (MBi100 = 4.40,
SD = 2.716). Wie bei der Vulnerabilität ist aber auch für dieses Interaktionsmuster die Wahrschein-
lichkeit, dass es ein zufälliges Ergebnis ist, zu hoch, um es als statistisch signifikant anzusehen
(F(1,36) = 0.73, p = .399).
85
Abbildung 19. Mittlerer nach der Warnmeldung wahrgenommener Schweregrad der Schädi-
gung im Fall eines Fahrfehlers und entsprechenden Verlusts des Zielbonus. Links: Haupteffekt
des Warnungstyps, Mitte: Haupteffekt der Zielentfernung, rechts: Interaktionseffekt. Feh-
lerbalken stellen 95%-Konfidenzintervalle dar.
3.3.3.2 Subjektive Handlungswirksamkeit
Im Fahrversuch bezieht sich die subjektive Handlungswirksamkeit gemäß der PMT auf die wahrge-
nommene Effektivität einer Pause, Müdigkeit zu bekämpfen und so das Fehlerrisiko zu mindern. Die-
se wurde in der retrospektiven Befragung erhoben als Prozentsatz, um den sich nach Wahrnehmung
der Teilnehmer durch eine Pause die Wahrscheinlichkeit eines Fahrfehlers reduziert hätte. Die Grup-
penmittelwerte dieser Variablen sind in Abbildung 20 dargestellt.
Abbildung 20. Mittlere wahrgenommene Reduktion der Wahrscheinlichkeit eines Fahrfehlers
durch eine Pause im Fahrversuch. Links: Haupteffekt des Warnungstyps, Mitte: Haupteffekt
der Zielentfernung, rechts: Interaktionseffekt. Fehlerbalken stellen 95%-Konfidenzintervalle
dar.
Insgesamt bewegen sich die Werte im mittleren Bereich (Mges = 40.75, SD = 25.858), was ange-
sichts der Tatsache, dass es sich um eine potentielle Risikoreduktion handelt, beachtlich ist. Hinsicht-
lich der Warnungsgestaltung liegt die wahrgenommene Pausenwirksamkeit in der Gruppe mit der
personalisierten Warnung um etwa 10% höher als in der Gruppe mit dem Kaffeetassensymbol
(MBild = 46.50, SD = 23.005; MKaff = 35.00, SD = 27.815); in Anbetracht der hohen interindividuellen
Varianz ist dieser Effekt jedoch nicht statistisch signifikant (F(1,36) = 1.93, p = .174). Darüber hinaus
zeigen sich hypothesenkonform weder beim Vergleich der Zielentfernungsgruppen noch bei Betrach-
tung der Wechselwirkung der Faktoren nennenswerte Unterschiede in der Beurteilung der Hand-
lungswirksamkeit (F < 1 für beide Effekte).
86
3.3.3.3 Situative Selbstwirksamkeit
Als letzte kognitive Einschätzung im Sinne der PMT wurde in der retrospektiven Befragung erhoben,
wie stark die Teilnehmer nach der Warnmeldung das Empfinden hatten, die Entscheidung über Pause
oder Weiterfahren selbst in der Hand zu haben. Eine starke Überzeugung, das empfohlene Verhalten
ausführen zu können, ist eine wichtige Voraussetzung für dessen tatsächliche Umsetzung. Unter-
schiede zwischen den experimentellen Bedingungen sollten theoretisch nicht auftreten.
Abbildung 21. Mittlere wahrgenommene Fähigkeit, nach der Warnmeldung eine Pause
einzulegen. Links: Haupteffekt des Warnungstyps, Mitte: Haupteffekt der Zielentfer-
nung, rechts: Interaktionseffekt. Fehlerbalken stellen 95%-Konfidenzintervalle dar.
Wie Abbildung 21 illustriert, lag die situative Selbstwirksamkeit insgesamt im oberen Skalenbe-
reich (Mges = 6.13, SD = 2.710 auf der Skala von 0 – gar nicht bis 9 – sehr stark). Das Muster der Mit-
telwerte stützt ebenso wie die Ergebnisse der ANOVA die Vorstellung, dass keiner der experimentel-
len Faktoren die Selbstwirksamkeit systematisch beeinflusst (F < 0.1 für alle Effekte).
3.3.4 Weitere Analysen
3.3.4.1 Allgemeine Subjektive Pausenwahrscheinlichkeit
Abbildung 22. Mittlere subjektive Wahrscheinlichkeit, in der Realität nach einer Kfz-
Müdigkeitswarnung eine Pause einzulegen. Links: Haupteffekt des Warnungstyps, Mit-
te: Haupteffekt der Zielentfernung, rechts: Interaktionseffekt. Fehlerbalken stellen 95%-
Konfidenzintervalle dar.
Anhand der Angaben der Teilnehmer auf dieser explorativ mit in den Fragebogen aufgenommenen
Skala kann analysiert werden, inwiefern die Erfahrung in der spezifischen und simulierten Fahrsitua-
tion Auswirkungen auf die generelle Bereitschaft hat, in realen Fahrsituationen nach Müdigkeitswar-
nungen zu pausieren. Während für die spezifische Situation zumindest auf deskriptiver Ebene
87
Mittelwertsunterschiede zwischen einigen Gruppen zutage treten, liegt die generelle Bereitwilligkeit
zu Pausen insgesamt auf einem höheren Niveau, jedoch völlig indifferent bezüglich der erlebten ex-
perimentellen Bedingung, im mittleren Skalenbereich (Mges = 4.80, SD = 2.54 auf der Skala von 0 –
nicht wahrscheinlich bis 9 – sehr wahrscheinlich; F < 1 für alle Effekte; vergleiche Abbildung 22).
3.3.4.2 Subjektive Aktivierung durch die Warnung
36 Teilnehmer machten in der retrospektiven Befragung Angaben dazu, wie stark sie sich durch die
Warnung aktiviert fühlten (Gruppenkennwerte in Abbildung 23). Die insgesamt hohen Werte zeugen
davon, dass die meisten davon einen deutlichen Effekt der Warnung auf ihren momentanen Wach-
heitsgrad verspürten (Mges = 6.42, SD = 2.632 auf der Skala von 0 - gar nicht aktivierend bis 9 – stark
aktivierend).
Abbildung 23. Mittlere subjektive Aktivierung durch die Warnung. Links: Haupteffekt des
Warnungstyps, Mitte: Haupteffekt der Zielentfernung, rechts: Interaktionseffekt. Feh-
lerbalken stellen 95%-Konfidenzintervalle dar.
Im Vergleich der Warnungsdesigngruppen weist die Kaffeetasse-Gruppe einen geringeren Mittelwert
auf (MKaff = 5.89, SD = 3.104; MBild = 6.94, SD = 1.984), der mit einer größeren Heterogenität der Urtei-
le einhergeht (während von den Teilnehmern, die eine personalisierte Warnung gesehen hatten, nur
zwei Personen Werte im unteren (< 4.5) Skalenbereich wählten, waren es sechs in der Gruppe mit
dem allgemeinen Warnsymbol). Inferenzstatistisch ist der Effekt der Warnungsgestaltung nicht signi-
fikant (F(1,32) = 1.626, p = .21155).Eine relativ geringe Irrtumswahrscheinlichkeit besteht bezüglich
der Generalisierbarkeit das Effekts der Zielentfernung (F(1,32) = 3.788, p = .060). Bei höherer zurück-
gemeldeter noch zu bewältigender Distanz bis zum Ziel wird der aktivierende Effekt der Warnung
deutlich geringer eingeschätzt, als wenn nur noch wenige verbleibende Kilometer angezeigt wurden.
Eventuell relativieren die Teilnehmer die erlebte Aktivation und deren Dauer an den Anforderungen
der noch zu absolvierenden Fahrt (s. 3.4.3).
Betrachtet man die Mittelwerte für alle vier Faktorstufenkombinationen, scheint dieser Abwer-
tungseffekt bei langer Restdistanz exklusiv in der Gruppe mit unpersönlicher Warnmeldung aufzutre-
ten (MKa100 = 4.56, SD = 3.358; MKa30 = 7.22, SD = 2.279). Bei personalisierter Warnung wird die Akti-
vierung durch die Warnung auch bei langer verbleibender Fahrstrecke fast ebenso stark eingeschätzt
wie bei kürzerer Zieldistanz (MBi100 = 6.67, SD = 1.936; MBi30 = 7.22, SD = 2.108). Allerdings ist die
interindividuelle Varianz hoch, insbesondere in der Gruppe mit geringer Zielentfernung und allge-
55 Ein Levene-Test zeigt signifikante Varianzunterschiede zwischen den Experimentalgruppen (F(1,34) = 8.025,
p = .008 für die Warnungsgruppen, F(1,32) = 3.589, p = .024 für alle Faktorstufenkombinationen), aufgrund
gleicher Gruppengrößen wird aber von reliablen F-Werten ausgegangen (vgl. Field, 2009).
88
meinem Warnsymbol, so dass Zweifel an der Systematik dieses Interaktionsergebnisses nicht ausge-
räumt werden können (F(1,32) = 1.626, p = .211).
3.3.4.3 Subjektive Ablenkung durch die Warnung
Für die hier betrachteten „weiteren Analysen“ wurden keine expliziten Hypothesen formuliert, so
auch nicht bezüglich der subjektiven Ablenkungswirkung der Warnung. Eine mögliche Vermutung
könnte aber lauten, dass ein Porträt der eigenen Person die Aufmerksamkeit stärker fesseln und da-
mit stärker von der Fahraufgabe ablenken könnte als ein allgemeines Warnsymbol wie eine Kaffee-
tasse. Abbildung 24 zeigt die Gruppenmittelwerte des entsprechenden Items aus der retrospektiven
Befragung.
Abbildung 24. Mittlere subjektive Ablenkung durch die Warnanzeige. Links: Haupteffekt
des Warnungstyps, Mitte: Haupteffekt der Zielentfernung, rechts: Interaktionseffekt.
Fehlerbalken stellen 95%-Konfidenzintervalle dar.
Insgesamt schätzen die Teilnehmer die Warnanzeigen als relativ wenig beeinträchtigend in Bezug auf
das Fahren ein (Mges = 1.68, SD = 2.200 auf der Skala von 0 - gar nicht ablenkend bis 9 – stark ablen-
kend, n=40). Tatsächlich ist die empfundene Ablenkung in der Gruppe eigenes Bild im Mittel etwas
höher als in der Gruppe mit dem Kaffeetassensymbol (MKaff = 1.30, SD = 2.080; MBild = 2.05,
SD = 2.305); relativ zur Varianz innerhalb der Gruppen ist dieser Effekt aber nicht signifikant
(F(1,36 = 1.149, p = .291). Die Zielentfernung zeigt keinen systematischen Einfluss auf den Grad der
subjektiven Ablenkung durch die Warnung (F(1,36) = 0.250, p = .620), und auch der Interaktionsef-
fekt ist nicht signifikant (F(1,36) = 1.149, p = .291), auch wenn bei personalisierter Warnung der Mit-
telwert der Gruppe mit kurzer Zieldistanz etwas höher liegt als in den anderen Gruppen.
3.3.4.4 Wachhaltestrategien
Im Rahmen der schriftlichen Nachbefragung wurden die Teilnehmer auch gebeten, kurz zu beschrei-
ben, mit welchen Maßnahmen oder Verhaltensweisen sie während der Fahrt versucht hatten, ihrer
Müdigkeit entgegenzuwirken und sich wach zu halten. Alle 40 Teilnehmer machten dazu Angaben,
üblicherweise stichwortartig im Stil von „über schöne / interessante Dinge nachgedacht, Sitzposition
gewechselt“, „abwechselnd auf Straße, Fahrbahnrand, Umgebung und Armatur geschaut, häufiges
Augenzwinkern“, „bestimmte Lieder ‚im Ohr gehabt‘“ oder „ans Ziel gedacht“. Eine vollständige Auf-
stellung aller Antworten ist in Anhang B.1.2 zu finden.
89
Zur inhaltlichen Exploration und Systematisierung der angewandten Wachhaltestrategien wurde
eine qualitative Inhaltsanalyse (Mayring, 2007) durchgeführt, woran anschließend explorativ unter-
sucht wurde, ob sich strategiebedingte Unterschiede in der Fahrleistung abzeichneten56.
3.3.4.4.1 Inhaltliche Erfassung und Kategorisierung der berichteten Maßnahmen
Tabelle 3. Kategorien von Wachhaltestrategien nach der ersten Reduktion.
1
Bewegen des Oberkörpers
23
Zählen der Streckenposten
2
Bewegen der Beine
24
Zählen von Pfeilern/Bäumen/Felsen
3
Bewegen der Hände
25
Nachdenken
4
Bewegen der Füße
26
Konzentration
5
Bewegen des Kopfes
27
Gedanke an Musik
6
Bewegen der Arme
28
Nachdenken über Schönes
7
Bewegen, nicht näher spezifiziert
29
Nachdenken über vergangenen und kommenden Tag
8
Aufreißen der Augen
30
Aufsagen von Gedichten im Kopf
9
Blickbewegung
31
Grummeln
10
Kneifen in den Oberschenkel
32
Pfeifen
11
Kratzen des Oberschenkels
33
Schauen aus dem Auto
12
Reiben der Augen
34
Selbstgespräche
13
tiefes Atmen
35
Singen
14
Ziehen an den Haaren
36
Summen
15
Zwinkern
37
Sich Figuren aus der Landschaft vorstellen
16
Wahrnehmung körperlicher Reize
38
Gedanke ans Geld
17
Druck unter den Augen
39
Gedanke ans Ziel
18
Abschätzen der verbleibenden Fahrtdauer
40
Konzentration auf die Fahrt
19
Abschätzen der vergangenen Fahrtdauer
41
Ehrgeiz
20
Kopfrechnen
42
Selbstinstruktion
21
Problemlösung im Kopf
43
Vermeidung des Gedankens an Wachheit
22
Zählen (im Kopf)
Das erste Analyseziel war es, einen Überblick über die Art der verwendeten Maßnahmen zu gewin-
nen. Zu diesem Zweck wurden anhand des von Mayring (2007) empfohlenen Vorgehens für die zu-
sammenfassende Inhaltsanalyse anhand von mehreren Abstraktionsschritten aus dem vorhandenen
Material induktiv Kategorien gebildet. Hierbei werden die wörtlichen Angaben zunächst paraphra-
siert – nach Streichung aller nicht inhaltstragenden Textbestandteile (z. B. ausschmückende, wieder-
holende, verdeutlichende Wendungen) werden alle Aussagen auf eine einheitliche Sprachebene und
in eine grammatikalische Kurzform transformiert – und auf einem zunächst geringeren Abstraktions-
niveau generalisiert. Im Rahmen einer ersten Reduktion werden bedeutungsgleiche Paraphrasen
gestrichen und auf einem höheren Generalisierungsniveau nur solche Phrasen übernommen, welche
auch auf diesem Niveau noch als zentral inhaltstragend erachtet werden. In der zweiten Reduktion
werden Paraphrasen nochmals gebündelt und inhaltlich weiter zusammengefasst.
56 Die Analysen wurden im Rahmen einer durch die Autorin dieser Dissertation angeleiteten Arbeit durch B.Sc.
Christine Weidner durchgeführt (Weidner, 2013).
90
Mayring empfiehlt, einen Teil des vorhandenen Materials aus der Konstruktion der Kategorien zu-
nächst auszuschließen und nach Sichtung von 10-50% der Daten die bis dato erstellten Klassen an-
hand des bisher nicht verwendeten Materials einer logischen Revision zu unterziehen. Aufgrund des
relativ geringen Umfangs des hier vorhandenen Materials wurde diese Empfehlung so umgesetzt,
dass die induktive Kategoriebildung anhand der Daten aus dem später berichteten Experiment 2 und
die logische Überprüfung anhand der Daten aus Experiment 1 vollzogen wurden.
Die Antworten aus Experiment 2 erbrachten nach der Paraphrasierung und Generalisierung insge-
samt 150 Analyseeinheiten (Beispiele: „Strecken“, „tiefes Atmen“, „Pfeifen“, „Selbstgespräche“, „Be-
rechnen der Fahrdauer bei unterschiedlichen Geschwindigkeiten“, „Gedanke ans Geld“ etc., siehe
auch Anhang B.2.2). Nach alphabetischer Sortierung und Streichung von Dopplungen wurden die
verbliebenen Einheiten nach Themen sortiert und dann im Zuge der Ersten Reduktion weiter abstra-
hiert (z. B. wurden „Änderung der Beinstellung“, „Bewegen des Knies“ und „Strecken der Beine“ zu
„Bewegung der Beine“ zusammengefasst, siehe auch Anhang B.2.3). Die resultierenden 43 Katego-
rien sind in Tabelle 3 aufgeführt.
Nach Durchführung der zweiten Reduktion gemäß denselben Prinzipien verblieben 5 inhaltliche
Kategorien: 1) Bewegung, 2) sensorische Stimulation, 3) geistige Problemlösung, 4) hedonistische
geistige Beschäftigung und 5) Selbstmotivierung, welche in Tabelle 4 näher erläutert werden.
Die ebenfalls dort notierten Prozentwerte repräsentieren die relativen Häufigkeiten, mit denen
Teilnehmer des ersten Experiments berichteten, mindestens eine Strategie aus der jeweiligen Kate-
gorie angewandt zu haben. Die Anteile der genutzten Strategien bezogen auf alle Nennungen sind in
Abbildung 25 (S. 91) dargestellt. Am häufigsten kam Bewegung vor; etwa die Hälfte aller untersuch-
ten Fahrer gab an, auf diese Strategie zurückgegriffen zu haben. An zweiter Stelle lag hedonistische
geistige Beschäftigung; etwas mehr als ein Drittel der Probanden versuchte mit solchen Aktivitäten
der Müdigkeit entgegenzuwirken. Problemlösen, sensorische Stimulation und Selbstmotivation ka-
men bei jeweils einem Fünftel bis einem Viertel der Fahrer zum Einsatz. Wie aus diesen Anteilen er-
sichtlich ist, wurden zum Teil auch Maßnahmen aus mehr als einer Kategorie kombiniert eingesetzt.
Die meisten Fahrer berichteten Maßnahmen aus einer (55.0%) oder zwei Kategorien (37.5%; drei
Kategorien: 7.5%). Die häufigsten Kombinationen waren Bewegung & sensorische Stimulation (25.0%
aller Zweierkombinationen) und Bewegung & hedonistische Beschäftigung (20.8%).
Tabelle 4. Kategorien von Wachhaltestrategien nach der zweiten Reduktion. In Klammern: Anteil der Fahrer in
Experiment 1, die angaben, mindestens eine Maßnahme aus der Kategorie genutzt zu haben.
1
Bewegung
(47.5%)
4
Hedonistische geistige Beschäftigung
(37.5%)
Dynamische oder statische Muskelaktivität
mit Schwerpunkt auf Ausführung
Mentale Aktivitäten mit Schwerpunkt auf Zer-
streuung / Unterhaltung
2
Sensorische Stimulation
(22.5%)
5
Selbstmotivierung
(25.0%)
Verschaffen zusätzlicher sensorischer Reize in
verschiedenen Sinnesmodalitäten
Willensanstrengung und Selbstinstruktion mit
Schwerpunkt auf erfolgreichem Fahren
3
Geistige Problemlösung
(20.0%)
6
keine
(0.0%)
mentale Anstrengung mit Schwerpunkt auf
nicht-fahraufgabenbezogenem Problemlösen
keine Strategie berichtet
91
Abbildung 25. Anteil der Nennung der fünf ver-
schiedenen Wachhaltestrategien an allen berichte-
ten Maßnahmen. Mehrfachnennungen waren
möglich.
Abbildung 26. Mittlere Standardabweichung
der lateralen Fahrzeugposition abhängig
von der angewandten globalen Wachhalte-
strategie.
3.3.4.4.2 Wachhaltestrategien und Fahrleistung
Mit Hilfe der kategorisierten Daten über die Wachhaltestrategien kann explorativ analysiert werden,
ob bestimmte Strategien eher erfolgreich waren als andere. Als objektives Maß für die Fahrleistung
wird dazu die Variabilität der Querführung betrachtet, welche im Zusammenhang mit müdem Fahren
ein gut validiertes Performanzmaß57 ist (Eskandarian et al., 2012). In die Analyse fließt die Fahrtrajek-
torie über die Gesamtdauer des Versuchs ein, mit Ausnahme der Startphase im Umfang von 20 Mi-
nuten und der Endphase im Umfang von 5 Minuten. Hintergrund für die Kürzung am Anfang sind die
Annahmen, dass die Teilnehmer zum einen nach 20 Minuten so weit mit der Fahrzeugbedienung
vertraut sind, dass die gemessene Fahrleistung nicht mehr wesentlich durch Bedienungsschwierigkei-
ten verzerrt wird, und dass zum anderen eventuelle Aktivierungseffekte aus der vorangegangenen
Instruktions- und Übungsphase, in der noch Interaktion mit dem Versuchsleiter stattfand, dann ab-
geklungen sind. Die letzten 5 Minuten wurden aus Gründen der Konsistenz abgeschnitten, weil in
ebenfalls durchgeführten Analysen bezüglich der Variabilität der Geschwindigkeit das Anhalten, also
der Abfall der Geschwindigkeit auf 0, am Ende des Versuchs die betrachteten Kennwerte verzerrt
hätte. Die Ergebnisse der Geschwindigkeitsanalysen waren analog zu den hier berichteten Ergebnis-
sen für die Güte der Querführung (Weidner, 2013).
Da alle Probanden mindestens eine Wachhaltestrategie angegeben hatten, wurde nicht die Wirk-
samkeit verschiedener Maßnahmen gegenüber einer Baseline „ohne Maßnahme“ geprüft, sondern
lediglich die Effektivität unterschiedlicher Maßnahmen verglichen. Für diesen Vergleich wurden aus
den fünf beschriebenen Kategorien drei Metakategorien gebildet: 1) körperliche Strategien (zusam-
mengefasst aus Bewegung und sensorische Stimulation), 2) geistige Strategien (zusammengefasst aus
und Problemlösung, hedonistische Beschäftigung und Selbstmotivation) und 3) kombinierte körperli-
che und geistige Strategien58. In die Analyse flossen die Daten der 37 Teilnehmer ein, die alle nötigen
57 Je höher die Variabilität der Spurhaltung, als desto schlechter wird die Fahrleistung angesehen.
58 Da die Möglichkeit zur beliebig kombinierten Nennung von Maßnahmen aus bis zu 5 verschiedenen Katego-
rien bestand, können aufgrund der resultierenden hohen Anzahl von Gruppen und geringen n pro Gruppe nicht
alle Kombinationen verglichen werden.
92
Voraussetzungen59 erfüllten. Abbildung 26 zeigt die mittlere Variabilität der lateralen Fahrzeugpositi-
on der drei Gruppen. Inferenzstatistisch gibt es keine Unterschiede in der Fahrgüte (F(2,34) = 0.825,
p = .447), auch wenn auf deskriptiver Ebene die Spurhaltung in der Gruppe mit kombiniertem Strate-
gieeinsatz eine Nuance stabiler erscheint (Mkomb = 0.27 m, SD = 0.056 m, n = 9) als in den anderen
beiden (Mkörp = 0.30 m, SD = 0.071 m, n = 11; Mgeis = 0.31 m, SD = 0.080 m, n = 17).
3.4 Diskussion
3.4.1 Determinanten der Warnungswirksamkeit
Ziel der ersten Studie war es, mit Hilfe eines neuen Fahrsimulationsparadigmas Einflüsse auf die
Wirksamkeit von Müdigkeitswarnungen zu ergründen. Auf Seiten der Warnungsgestaltung stand
dabei ein bereits in der Praxis eingesetztes allgemeines Warnsymbol einer neuen Form von Warnan-
zeige gegenüber, welche durch den Einsatz eines in der aktuellen Fahrsituation aufgenommenen
Porträtfotos den Personbezug der Warnung, die subjektive Vulnerabilität und die Bereitschaft zur
Umsetzung einer Pausenempfehlung erhöhen sollte. Gleichzeitig wurde untersucht, welche Rolle die
Entfernung spielt, die einen Fahrer zum Warnungszeitpunkt noch von seinem Ziel trennt.
Auf Grundlage des C-HIP-Modells und der Theorie der Schutzmotivation wurde nach Effekten so-
wohl auf Verhaltensebene als auch auf theoretisch vorgeordneten Ebenen der Informationsverarbei-
tung, insbesondere motivational relevanter kognitiver Einschätzungen, gesucht.
In Bezug auf das Verhalten konnten keine systematischen Effekte beobachtet werden, da mit ei-
ner Ausnahme keiner der Teilnehmer die Fahrt unterbrach, um eine Pause zu machen. Zwar passt
das Ergebnis, dass die eine Person, die sich für eine Pause entschied, zu der Experimentalgruppe mit
der hypothetisch stärksten Pausenmotivation gehörte – personalisierte Warnung und hohe Zielent-
fernung –, zu den theoretischen Erwartungen, liefert aber nicht genug Evidenz für einen kausalen
Zusammenhang.
Die äußerst geringe Pausenhäufigkeit im Fahrversuch deckt sich mit den Ergebnissen für die von
den Probanden selbst eingeschätzte Intention, im Fahrversuch nach der Warnung eine Pause einzu-
legen, welche insgesamt eher schwach ausgeprägt war. Es gab eine Tendenz zu höherer Pausen-
wahrscheinlichkeit bei höherer Zielentfernung; in Abhängigkeit der Warnungstypen war kein Unter-
schied festzustellen. Interessanterweise beurteilten die Studienteilnehmer die allgemeine Wahr-
scheinlichkeit, in der Realität nach Müdigkeitswarnungen eine Pause einzulegen als höher – insge-
samt im mittleren Bereich. Diese Einschätzung zeigte sich statistisch völlig unabhängig von der im
Versuch erlebten Warnungsdesignvariante und Zieldistanz.
Verschiedene Interpretationen sind möglich. Dass die Pausenwahrscheinlichkeit für die reale Situ-
ation höher eingeschätzt wird als für den Fahrversuch gibt zum einen Hinweise darauf, dass die im
Versuch geschaffene Anreizsituation noch nicht ausreichend zu Pausen motivierte und für weitere
Verwendung des Paradigmas entsprechend optimiert werden kann (s. 3.4.4). Dafür spricht klar auch
die Seltenheit beobachteter Pausen. Dies schließt aber nicht aus, dass die Schätzung der realen Pau-
senwahrscheinlichkeit dennoch Ungenauigkeiten aufweist. In der Einstellungsforschung ist das Phä-
nomen bekannt, dass Intentionen Verhalten besser vorhersagen, je spezifischer das Verhalten formu-
liert ist und je zeitnäher Einstellung und Verhalten erhoben werden (McEachan, Conner, Taylor &
59 1) Angabe mindestens einer Wachhaltestrategie, 2) keine Anwendung von Strategien, die direkten negativen
Einfluss auf die g emessene Fahrleistung haben („Schlangenlinien fahren“), 3) technisch einwand freie Aufzeich-
nung der Fahrdaten
93
Lawton, 2011; Michie & Johnston, 2012; Schwarzer, 2004; Sheeran, 2002). Es ist möglich, dass durch
die allgemeine Formulierung der Frage die mentale Simulation der Situation und damit eine präzise
Vorhersage erschwert und bei der Beantwortung eine Tendenz zur Mitte bzw. zu sozial erwünschten
Antworten begünstigt wurde.
Bezüglich der von der Theorie der Schutzmotivation postulierten kognitiven Einschätzungen, die
zwischen Warnbotschaft und Verhalten vermitteln, war vermutet worden, dass sowohl die War-
nungsgestaltung als auch die Situationsvariable in erster Linie die wahrgenommene Vulnerabilität
beeinflussen würden. Hinsichtlich der personalisierten Warnung wurde angenommen, dass durch die
Präsentation eines Porträtfotos aus der aktuellen Fahrsituation, auf dem der Fahrer sich selbst mit
deutlichen Müdigkeitszeichen wie schlaffem Gesicht und halb oder ganz geschlossenen Lidern sehen
konnte, sein Optimismus-Bias bei der Einschätzung der eigenen Gefährdung vermindert werden und
er damit zu einer realistischeren beziehungsweise pessimistischeren Vulnerabilitätswahrnehmung
gelangen könnte als im Fall der Warnung mit dem Kaffeetassensymbol. Bei hoher Zielentfernung
sollte die wahrgenommene Gefährdung dadurch vergrößert werden, dass es mehr Gelegenheiten für
Fehler gab und mit zunehmender Fahrtdauer auf eintöniger Strecke auch eine allgemeine Zunahme
der Müdigkeit oder vermehrte Episoden verminderter Wachheit zu erwarten waren. Obwohl nicht
statistisch signifikant, entspricht das Muster der Gruppenmittelwerte diesen theoretischen Erwar-
tungen: Sowohl die mit eigenem Bild Gewarnten als auch diejenigen, welche die Information erhiel-
ten, noch weiter fahren zu müssen, schätzen sich insgesamt als gefährdeter ein als die entsprechen-
den Vergleichspersonen. Angesichts der relativ kleinen und sehr heterogenen Stichprobe sowie der
hohen Praxisrelevanz der Ergebnisse gibt es somit gute Gründe, trotz der bei pmax = .05 nicht signifi-
kanten Ergebnisse die zugrundeliegenden theoretischen Überlegungen nicht augenblicklich ad acta
zu legen. Eine Folgestudie mit einer homogeneren Stichprobe und einer Reihe methodischer Verän-
derungen (s. 4.2 und Anhang A.3.1) soll Hinweise liefern, inwiefern das für die subjektive Vulnerabili-
tät beobachtete Muster replizierbar oder ein reines Zufallsprodukt ist. Das gleiche gilt für einen mög-
lichen Interaktionseffekt von Warnungsgestaltung und Zielentfernung: Wiederum nicht signifikant,
zeigen die Gruppenmittelwerte Anhaltspunkte dafür, dass durch Personalisierung die wahrgenom-
mene Gefährdung auch bei geringer Zielentfernung auf ein mittleres Niveau angehoben werden
könnte, wie es im Falle einer Standardwarnung nur bei hoher Zielentfernung vorliegt.
3.4.2 Befunde hinsichtlich der verbleibenden PMT-Variablen
Kein Einfluss der experimentellen Manipulationen wurde bezüglich des subjektiven Schweregrads der
Schädigung erwartet. Tatsächlich scheint die Personalisierung der Warnungsgestaltung keine syste-
matische Wirkung darauf zu haben, wie schlimm einer Person ein antizipierter möglicher Verlust des
Zielbonus erscheint. Die Zielentfernung hingegen macht eventuell doch einen Unterschied: Bei weit
entferntem Ziel wurde die Aussicht einer finanziellen Einbuße als gravierender beurteilt. Post hoc
könnte dieses Ergebnis so erklärt werden, dass der antizipierte Aufwand bei der subjektiven Kalkula-
tion eine Rolle spielt und es deshalb als tragischer angesehen wird, mit geringer Entlohnung von
dannen ziehen zu müssen, nachdem man mehr geleistet hat. Obwohl diese Erklärung in der Rück-
schau durchaus einleuchtend erscheint, wären a priori auch genau gegenteilige Vorhersagen möglich
gewesen. So zeigen zum Beispiel zahlreiche Studien (siehe z. B. Gilbert, Morewedge, Risen & Wilson,
2004; Kahneman & Miller, 1986; Medvec, Madey & Gilovich, 1995), dass die antizipierte
Bedauerlichkeit eines Ereignisses zunimmt, je eher man sich vorstellen kann, es noch abzuwenden -
zum Beispiel wird es als tragischer empfunden, die Abfahrt eines Zuges um wenige Sekunden zu ver-
passen als zehn Minuten zu spät zu kommen. Angenommen, man schließt im Fahrversuch die Pau-
94
senoption von vornherein aus und versucht sich anderweitig wachzuhalten, scheint dies auf der kur-
zen Strecke eher möglich. Somit müsste es auch als schmerzlicher empfunden werden, wenn einem
dennoch ein Mißgeschick beim Fahren unterliefe. Es wird interessant sein zu sehen, ob sich der ge-
fundene Effekt der Zielentfernung auf den wahrgenommenen Schweregrad der Schädigung im zwei-
ten Versuch replizieren lässt. Eine alternative Erklärung für das beobachtete Muster könnte ein un-
scharfes Gefahrenkonzept auf Seiten der Teilnehmer sein. Es gibt Hinweise darauf, dass bei der sub-
jektiven Risikowahrnehmung die Wahrscheinlichkeit und die Folgenschwere eines Ereignisses keine
klar getrennten Konstrukte sind. Beispielsweise fanden Wogalter et al. (1991) eine hohe Korrelation
von r = .80 zwischen diesen beiden Einschätzungen für eine umfangreiche Liste potentiell gefährli-
cher Konsumprodukte (wobei ein in seiner Höhe unbekannter objektiver Zusammenhang dieser bei-
den Eigenschaften bei Produkten von der Liste vermutlich tatsächlich existierte).
Auch auf die wahrgenommene Handlungswirksamkeit einer Pause war kein Effekt der Warnungs-
gestaltung oder der Zielentfernung vermutet worden. Die Ergebnisse der Signifikanztests bestätigen
diese Erwartung. Vor dem Hintergrund der bereits vorgenommenen Einschränkungen bezüglich der
im Versuch erreichten Teststärke soll aber nicht undiskutiert bleiben, dass eine Tendenz zu höherer
Handlungswirksamkeitserwartung bei personalisierter Warnung beobachtet wurde. Die Handlungs-
wirksamkeit war operationalisiert als Differenzbetrag, um den sich aus Sicht der Teilnehmer durch
eine Pause die Wahrscheinlichkeit eines Fahrfehlers vermindert hätte. Demnach liegen der Hand-
lungswirksamkeit zwei Einschätzungen zugrunde: (1) Die geschätzte Wahrscheinlichkeit eines Fahr-
fehlers, nachdem eine Pause gemacht wurde, und (2) die wahrgenommene Wahrscheinlichkeit eines
Fahrfehlers ohne Pause. Letztere entspricht der subjektiven Vulnerabilität, so dass eine Korrelation
von Vulnerabilität und Handlungswirksamkeit plausibel erscheint. Geht man davon aus, dass alle
Teilnehmer das Item zur Handlungswirksamkeit korrekt verstanden haben, könnte man die geschätz-
te Fehlerwahrscheinlichkeit nach einer Pause berechnen, in dem man die angegebene Handlungs-
wirksamkeit von der subjektiven Vulnerabilität subtrahiert. Bei visueller „Verrechnung“ von Abbil-
dung 16 und Abbildung 20 bedeutete dies, dass sich im Gegensatz zur subjektiven Vulnerabilität die
geschätzten Fehlerwahrscheinlichkeiten nach einer Pause möglicherweise nicht in Abhängigkeit der
Warnungsgestaltung unterscheiden, für die hohe Zielentfernung im Vergleich zur geringeren hinge-
gen auch nach einer Pause ein höheres wahrgenommenes Fehlerrisiko verbliebe. Diese Betrachtun-
gen sind aber spekulativ, denn zum einen waren die Items nicht gleich skaliert und zum anderen war
das Item zur Erhebung der Handlungswirksamkeit trotz einer verständlichen Formulierung und gra-
phischen Hervorhebung des entscheidenden „um wie viel Prozent…“ konzeptuell möglicherweise
schwieriger zu erfassen. Im Folgeexperiment soll die wahrgenommene Wirksamkeit einer Pause zur
Bekämpfung von Müdigkeit anhand der beiden Fehlerwahrscheinlichkeiten mit und ohne Pause er-
hoben werden. Auf diese Weise kann nicht nur überprüft werden, ob die beobachtete Tendenz zu
höherer wahrgenommener Wirksamkeit bei personalisierter Warnung replizierbar ist, sondern es
lässt sich auch genauer untersuchen, ob die Personalisierung gegebenenfalls nur die wahrgenom-
mene Fehleranfälligkeit ohne Pause oder auch die Einschätzung der Fehlerwahrscheinlichkeit nach
einer hypothetischen Pause verändert.
Die situative Selbstwirksamkeit, die Überzeugung das empfohlene Verhalten auch ausüben zu
können, war insgesamt relativ hoch ausgeprägt. Damit ist es unwahrscheinlich, dass der Mangel an
manifestem Pausenverhalten auf mangelhafte Ausprägungen dieses Faktors zurückzuführen ist. Wie
erwartet existierten keine Unterschiede in Abhängigkeit von experimentellen Bedingungen.
95
3.4.3 Weitere Befunde
Die erlebte Aktivierung durch die Warnung war insgesamt hoch. Es gab eine nicht statistisch bedeut-
same Tendenz zu höherer subjektiver Aktivierung im Falle der personalisierten Warnung (diskutiert in
4.4.3). Noch deutlicher war eine Tendenz, dass die anregende Wirkung der Warnung als geringer
empfunden wurde, wenn die rückgemeldete Zielentfernung hoch war.
Eine mögliche Erklärung für diese Beobachtung könnte sein, dass die Teilnehmer beim Urteilen
die erlebte Aktivation und deren Dauer an den Anforderungen der noch zu absolvierenden Fahrt
relativieren. Unklar bliebe dabei, inwiefern der Effekt auf eine Relativierung an der zum Warnungs-
zeitpunkt vorgestellten Restdistanz oder an der tatsächlich noch absolvierten Strecke beziehungswei-
se Fahrtdauer zurückzuführen wäre. Beide unterschieden sich in Abhängigkeit von der Ausprägung
des Experimentalfaktors Zielentfernung, da der Durchführungsplan vorsah, dass in der 30 km-
Bedingung die Strecke über die rückgemeldete Restdistanz noch zu Ende gefahren wurde (durch-
schnittliche Dauer 22 Minuten), wohingegen die Teilnehmer, sofern sie keinen Pausenwunsch äußer-
ten, nach der 100 km-Rückmeldung noch maximal 30 Minuten weiterfuhren, bevor der Versuch be-
endet wurde. Vermutlich haben beide Größen einen Einfluss auf das Urteil. Wenn die antizipierte
Restfahrstrecke ein wirksamer Faktor ist, könnte ein entsprechender Effekt bereits unmittelbar oder
zeitnah nach der Rückmeldung zu finden sein. Dies zu untersuchen, soll aber nicht Ziel der Folgestu-
die sein, da zur Vermeidung von Interferenz mit der Pausenentscheidung weiterhin auf eine Befra-
gung während des Fahrens verzichtet werden soll. Mögliche Mechanismen einer in Tendenz sichtba-
ren Interaktion von Warnungsgestaltung und Zieldistanz in der Aktivierungswirkung werden an spä-
terer Stelle diskutiert (4.4.3). Hinsichtlich der Nachhaltigkeit des aktivierenden Effekts der Warnung
können anhand der retrospektiven subjektiven Berichte keine Schlüsse gezogen werden. Es steht
jedoch zu vermuten, dass der Effekt nur wenige Minuten vorhält, wie es in ähnlichen Untersuchun-
gen gezeigt wurde (z. B. Schmidt et al., 2011).
Eine mögliche Erwartung bezüglich der Ablenkungswirkung der Warnungsanzeige lautet, dass die
personalisierte Version mit eigenem Bild aufgrund des Selbstbezugs und der damit verbundenen
höheren Relevanz stärker die Aufmerksamkeit binden und damit von der Fahraufgabe abziehen
könnte als ein Kaffeetassensymbol. Bei insgesamt geringer subjektiver Ablenkung zeigt die Tendenz
der Mittelwerte in die entsprechende Richtung, allerdings ist der Unterschied sehr gering und nicht
signifikant.
Insgesamt ist zu aktivierenden und ablenkenden Effekten der Warnung festzuhalten, dass diese in
der vorliegenden Studie nicht im Fokus standen, sondern als Nebenprodukte der Befragung mit be-
trachtet werden konnten. Grundsätzlich sollten sich Aussagen dazu nicht nur auf subjektive Einschät-
zungen stützen, da geeignete objektive Methoden vorhanden sind, um das Messrepertoire zu ergän-
zen. Im Gegensatz zur Erhebung der kognitiven Einschätzungen, die per definitionem subjektbasiert
ist, existiert zur Erfassung von Aktivierung und Ablenkung ein großes Spektrum objektiver Methoden,
zum Beispiel die Verwendung physiologischer Maße, Blickbewegungsparameter oder Erfassung der
Leistung in dualen Aufgaben.
Die Ergebnisse bezüglich der von den Fahrern genutzten Wachhaltestrategien werden in 4.4.3
gemeinsam mit den Befunden aus Experiment 2 diskutiert.
3.4.4 Fahrsimulationsparadigma
Das im aktuellen Versuch benutzte Fahrsimulationsparadigma wurde entwickelt, um mit hoher ex-
terner Validität unter sicheren und kontrollierbaren Bedingungen Faktoren der Warnungswirkung
96
untersuchen zu können. Besonderes Augenmerk galt dabei der Schaffung einer der Realität ver-
gleichbaren motivationalen Situation mit authentischer Müdigkeit, einer müdigkeitsabhängigen
Warnung, einem Anreiz, wach und aufmerksam zu bleiben und fehlerfrei das Ziel zu erreichen, einer
von der eigenen Müdigkeit ausgehenden potentiellen Bedrohung und einer mit subjektiven Hand-
lungskosten verbundenen Pausenoption (s. 2.3.4 und 3.2.2.3).
Neben den Betrachtungen zur Wirkung der experimentellen Faktoren können aus den Ergebnis-
sen des Fahrversuchs auch Schlussfolgerungen zur Evaluation und Optimierung der Methode gezo-
gen werden.
Von größter Bedeutung in dieser Hinsicht ist das Phänomen, dass nahezu kein beobachtbares
Pausenverhalten auftrat. Dank der differenzierten Ergebnisse aus der retrospektiven Befragung ist es
möglich, theoriegeleitet anhand des C-HIP-Modells und der PMT nach methodenbedingten Ursachen
hierfür zu suchen. Bezüglich der frühen Verarbeitungsstufen zeigen die Ergebnisse, dass die Warn-
meldungen sowohl mit Aufmerksamkeit verarbeitet als auch verstanden und behalten wurden: Alle
Teilnehmer konnten die mit der Warnung präsentierte Zielentfernung und, mit Ausnahme einer Teil-
nehmerin aus der Kaffeetasse-Gruppe60, das Warnsymbol korrekt berichten. Es liegt also nahe, die
Ursachen für die weitestgehende Verhaltensunwirksamkeit der Warnungen auf den späteren Verar-
beitungsstufen der Einstellungen, Überzeugungen und Motivation zu suchen.
Eine vermutlich wichtige Stellgröße in diesem Zusammenhang ist die subjektive Vulnerabilität für
Fahrfehler. Diese war insgesamt gering bis mittelmäßig ausgeprägt; das heißt, die Teilnehmer hielten
es für eher unwahrscheinlich, selbst von dem potentiellen Schadensereignis betroffen zu sein. Um in
der Folgestudie neben den kognitiven Einschätzungen auch die Anzahl manifester Pausen untersu-
chen zu können, ist es also wünschenswert, das Fahrparadigma so zu verändern, dass Fahrfehler
wahrscheinlicher werden. Ansatzpunkte hierzu bieten sich zum Beispiel in der Verringerung des Tole-
ranzkriteriums für Fahrfehler, einer längeren Fahrtdauer oder stärkeren Anforderungen an das Lenk-
verhalten.
Auch die Müdigkeit der Teilnehmer spielt eine wichtige Rolle für die Validität des Versuchsauf-
baus. Sie trägt zum einen zur tatsächlichen und wahrgenommenen Gefährdung durch Fahrfehler bei,
zum anderen ist sie eine Voraussetzung für eine glaubwürdige Warnung. Sowohl die Ergebnisse der
subjektiven Müdigkeitsbeurteilungen für den Warnzeitpunkt als auch die TUBSS-Beobachterratings
zeigen, dass bezüglich der erreichten Müdigkeitsausprägungen in der Stichprobe noch Spielraum
nach oben besteht. Die Resultate beider Messverfahren legen den Schluss nahe, dass nur etwa zwei
Drittel der Probanden beim Fahren so müde wurden, wie es im Paradigma wünschenswert wäre.
Demnach ist es ratsam, die Versuchsvorbereitung und –durchführung entsprechend anzupassen.
Eine Möglichkeit dazu besteht in der Verlegung der Versuchszeit vom Nachmittagstief in das noch
stärker ausgeprägte Leistungstief in der Mitte der Nacht. Es verwundert etwas, dass entgegen der
Beobachtungen in anderen Studien (z. B. de Valck et al., 2003; Horne & Reyner, 1996; Horne & Baulk,
2004; Reyner & Horne, 1998a), die Verschärfung des Nachmittagstiefs durch eine zuvor erfolgte
Schlafrestriktion offenbar nicht ausreichend war, um die erwünscht hohe Müdigkeit bei den Fahrern
zu erzeugen. Eine mögliche Erklärung könnte in dem Aspekt liegen, dass es in den zitierten Studien
für die Fahrer keine starke Motivation gab, sich wach zu halten und Fahrfehler zu vermeiden. Die
Einführung einer mit Müdigkeit assoziierten Bedrohung - wie in diesem Fall durch finanzielle Einbu-
60 Unklar bleibt, ob die Teilnehmerin das Symbol schon zum Warnzeitpunkt nicht semantisch verarbeitet hat
oder sich nur in der späteren Abfragesituation (in der erschwerend die Antwortmöglichkeiten verbal, nicht
mehr ikonisch dargeboten wurden) nicht mehr erinnern konnte.
97
ßen – könnte zu einer verstärkten physiologischen Erregung oder einer erhöhten willentlichen Rekru-
tierung von Ressourcen zur Selbstaktivierung (s.a. Dinges et al., 2005; Karrer-Gauß, 2012) geführt
haben, die im Falle der hier zu absolvierenden Fahrdauer noch ausreichte, um in vielen Fällen das
Erreichen des Müdigkeitskriteriums zu verhindern. Neben der Verlegung der Durchführungszeit in
das nächtliche circadiane Tief besteht daher ein weiterer Ansatz zur Verstärkung der Müdigkeit in der
Verlängerung der Fahrzeit sowohl vor als auch nach einer Warnung.
Ebenso wie die subjektive Vulnerabilität lag auch der empfundene Schweregrad der potentiellen
Schädigung im Versuch insgesamt nur im geringen bis mittleren Bereich. Um Pausen insgesamt wahr-
scheinlicher zu machen, bietet es sich an, die finanzielle Anreizsituation so zu modifizieren, dass
mehr auf dem Spiel steht, Fahrfehler also mit größeren Einbußen verbunden sind. Gleichzeitig kann
die Ausführung des empfohlenen Verhaltens erleichtert werden, indem die mit einer Pause assoziier-
ten Kosten gesenkt werden.
Einige letzte Anmerkungen zur Methode gelten der Erhebung der subjektiven Einschätzungen mit
Hilfe eines retrospektiven Fragebogens. Retrospektive Befragungen eignen sich zur Untersuchung
subjektiver Wahrnehmungen, Gedanken und Gefühle in Situationen, in denen nicht mit einem ablau-
fenden Verhaltensprozess interferiert werden soll (Young & Stanton, 2005). Neben den grundsätzli-
chen Caveats, die bei jeder schriftlichen Befragung zu beachten sind (vergleiche z. B. Sedlmeier &
Renkewitz, 2013), müssen aufgrund der Retrospektivität der Erhebung einige weitere Besonderhei-
ten berücksichtigt werden. Im Allgemeinen kommen zu der Frage, in welchem Ausmaß der jeweilige
Gegenstand sich überhaupt einer äußerbaren subjektiven Einschätzung erschließt, mögliche Proble-
me der Probanden hinzu, sich an den jeweiligen zum interessierenden Zeitpunkt vorherrschenden
Zustand zu erinnern (Leonard, Jacko, Yi & Sainfort, 2006). Spezifisch sind vor allem solche Verzerrun-
gen der Erinnerung beziehungsweise des Urteils von Interesse, welche systematisch mit der erfolgten
Verhaltensentscheidung variieren. Es ist vorstellbar, dass Einschätzungen der eigenen Gefährdung,
der Handlungswirksamkeit und so weiter beim Urteilen im Nachhinein durch das gewählte Verhalten
verzerrt werden. So könnte zum Beispiel jemand, der sich zum Warnzeitpunkt durchaus gefährdet
fühlte, sich aber zur Vermeidung subjektiver Handlungskosten gegen eine Pause entschieden hat, im
Rückblick aus Gründen der kognitiven Konsonanz61 das empfundene Risiko schmälern. Derartige Ef-
fekte sind nicht auszuschließen und kaum kontrollierbar, werden allerdings in dieser Studie vor dem
Hintergrund in Kauf genommen, dass das Verhalten nach der Warnung die wichtigste abhängige Va-
riable darstellt. In dem Konflikt, durch die Art der Messung entweder mit dem Prozess der Verhal-
tensentscheidung zu interferieren (bei Erfassung der kognitiven Einschätzungen direkt nach der War-
nung) oder Verzerrungen der kognitiven Einschätzungen zu begünstigen (bei retrospektiver Befra-
gung), wird der Möglichkeit zur Beobachtung unverfälschten Verhaltens höhere Priorität beigemes-
sen. Zudem steht in der Studie nicht die theoretische Beziehung von kognitiven Einschätzungen und
Verhalten im Fokus. Für den Vergleich kognitiver Einschätzungen über die experimentellen Bedin-
gungen hinweg stellen allgemein wirksame Verzerrungen ein nachrangiges Problem dar, sofern diese
Verzerrungen nicht systematisch mit den Bedingungen variieren.
Bezüglich einiger Items in der retrospektiven Befragung ergeben sich Möglichkeiten, durch eine si-
tuationsspezifischere Formulierung (anknüpfend an die erfolgte Entscheidung für oder gegen eine
Pause) möglicherweise das Verständnis zu erleichtern (s. 4.2.2.4). Hinsichtlich des Items zur Erhebung
der subjektiven Handlungswirksamkeit gab es die spezifische Rückmeldung einzelner Teilnehmer,
61 s. Festinger (1962); Aronson, Akert & Wilson (2008)
98
dass es möglich sein sollte, auch eine negative Handlungswirksamkeitserwartung zum Ausdruck zu
bringen62. Diese Möglichkeit wurde im zweiten Versuch im Zuge der bereits erwähnten Erfassung der
Handlungswirksamkeit in zwei Schritten (Fehlerwahrscheinlichkeit mit vs. ohne Pause) geschaffen.
3.4.5 Fazit und Ausblick
Vorerst kann die Wirkung der beiden Warnungsgestaltungsvarianten, Standard- und personalisierte
Warnung nur auf Ebene der kognitiven Einschätzungen verglichen werden. Erwartungskonform ist
die subjektive Vulnerabilität bei personalisierter Warnung höher als bei allgemeiner und bei hoher
Zielentfernung höher als bei geringer. Möglicherweise wirkt die Warnungsgestaltung nicht nur auf
die subjektive Vulnerabilität, sondern auch auf die wahrgenommene Handlungswirksamkeit einer
Pause als Mittel gegen Müdigkeit. Bislang zeigen sich diese Muster auf Stichprobenebene und es
bleibt unklar, inwiefern sie auf die Population übertragen werden können. Ein erweiterter Replikati-
onsversuch soll zeigen, wie stabil die Befunde aus dem ersten Experiment sind, und gleichzeitig auch
Ergebnisse auf der Verhaltensebene erbringen.
62 Die hier verwendete Skala reichte von 0 bis 100%. Es bestand also die Möglichkeit, der Pause keinerlei Wirk-
samkeit zu bescheinigen; jedoch war es nicht möglich, die Erwartung zum Ausdruck zu bringen, dass und wie
stark durch eine Pause die Wahrscheinlichkeit einer erfolgreichen Zielankunft verringert wird.
99
4 Experiment 2: Mit Warnsystem sicherer als ohne?
4.1 Ziele
Im ersten Experiment wurde unter Berücksichtigung der Zielentfernung die Wirkung einer personali-
sierten Warnung mit der einer Standard-Müdigkeitswarnung verglichen. In Experiment 2 stand die
weiter gefasste Frage im Fokus, inwiefern die Präsenz eines Müdigkeitswarners überhaupt positive
Effekte auf die Pausenentscheidung hat. Dazu wurde eine neue Referenzbedingung eingeführt, in der
die Fahrer kein Warnsystem an Bord hatten und sich bei ihren Pausenentscheidungen lediglich auf
ihre eigenen Einschätzungen verließen. Neben der Möglichkeit, dass eine Müdigkeitswarnung die
Pausenwahrscheinlichkeit nicht erhöht, waren dabei grundsätzlich sogar negative Effekte der War-
nung aufgrund unerwünschter Verhaltensanpassungen im Sinne von Risikokompensation (s.a. 2.3.2)
denkbar.
1) Test einer Variante des Fahrsimulationsparadigmas mit erhöhter Grundwahrscheinlichkeit von
Pausen
Ob ein Fahrer sich angesichts einer Müdigkeitswarnung zum Anhalten entscheidet oder nicht, ist das
augenscheinlich valideste Maß für deren Wirksamkeit. Im ersten Experiment konnten zwar die kogni-
tiven Präkursoren der Pausenentscheidung untersucht werden, allerdings war die
Auftretenswahrscheinlichkeit von Pausen so gering, dass es unmöglich war, die Auswirkung der expe-
rimentellen Variationen auch auf Verhaltensebene analysieren. Ein Ziel des zweiten Experiments war
es, durch gezielte Veränderungen des Fahrsimulationsparadigmas die Grundwahrscheinlichkeit von
Pausen auf ein Niveau zu heben, auf dem warnungs- und situationsbedingte Unterschiede prinzipiell
beobachtet werden konnten.
Geeignete Ansatzpunkte dazu konnten aus den verhaltensrelevanten PMT-Variablen abgeleitet
werden. Zur Erhöhung der absoluten subjektiven Vulnerabilität wurden verschiedene Maßnahmen
zur Erhöhung der Müdigkeit und der Aufgabenschwierigkeit getroffen. Veränderungen in der Kons-
tellation der finanziellen Anreize zielten auf eine Erhöhung des Schweregrads der Bedrohung (finan-
zielle Einbuße bei Fahrfehler) und eine gleichzeitige Senkung mit der Pause verbundener Handlungs-
kosten. Zudem wurde die potentielle Eindringlichkeit der Warnung erhöht, indem die Möglichkeit zur
Wiederholung eingeführt wurde (vgl. Hagenmeyer, 2007).
2) Vergleich der Verhaltenswirksamkeit von zwei Warnungsvarianten gegenüber einer Fahrsitua-
tion ohne Müdigkeitswarner
Auch ohne Warnsystem können Fahrer zu der Einschätzung gelangen, dass eine Pause angebracht
wäre. Im zweiten Experiment sollte getestet werden, ob und wie stark verhaltensrelevante kognitive
Einschätzungen (PMT-Variablen) und beobachtete Pausenhäufigkeit durch Müdigkeitswarnungen
positiv beeinflusst werden. Dazu wurden wieder die Standardwarnung mit dem Kaffeetassensymbol
und die personalisierte Warnung mit eigenem Bild betrachtet und einer Situation ohne MWS gegen-
übergestellt, in der jeweils nur die verbleibende Zielentfernung rückgemeldet wurde. Grundsätzlich
sollte jede Form von Warnung zur Erhöhung der subjektiven Vulnerabilität und Pausenwahrschein-
lichkeit beitragen. Wie in Experiment 1 wurde vermutet, dass die personalisierte Warnung hierbei
einen stärkeren Effekt haben würde als die Standardwarnung.
3) Abschätzung des Effekts der Zielentfernung als Variable der aktuellen Fahrsituation
Wiederum war auch von Interesse, ob und wie sich die Grundwahrscheinlichkeit von Pausen und die
Warnungswirksamkeit gegebenenfalls im Kontext unterschiedlicher verbleibender Zielentfernungen
verändern. Als Instanziierung einer kurzen und eine längeren Restfahrstrecke wurden diesmal die
100
Ausprägungen 32 km und 102 km gewählt63. Die Untersuchung möglicher Interaktionen erfolgte
explorativ.
Ein darüber hinaus verfolgtes Ziel im Rahmen des zweiten Experiments war eine Erhöhung der Test-
stärke. Da es aufgrund limitierter Ressourcen nicht möglich war, die Gruppengrößen in den Zellen
des experimentellen Designs zu erhöhen, wurde drauf abgezielt, die interindividuelle Varianz zu be-
grenzen. Dazu wurde die hinsichtlich des Alters der Fahrer untersuchte Spannbreite reduziert. Da
jüngere Fahrer am stärksten durch Müdigkeitsunfälle gefährdet sind (s. 2.1.1.2), wurde diese Alters-
gruppe fokussiert. Eine weitere Maßnahme mit dem Ziel, die interne Versuchsvalidität zu verbessern,
war die Umstellung der Fragebogenitems zur Erhebung der PMT-Variablen von einer allgemeinen auf
eine situationsspezifische Formulierung (je nach Pausenentscheidung ja / nein und erlebter Warnva-
riante).
4.2 Methode
4.2.1 Untersuchungsdesign
Ein 3x2-Design mit sechs experimentellen Bedingungen ergab sich aus der Kombination des Faktors
Rückmeldungstyp mit den möglichen Ausprägungen (1) reine Entfernungsrückmeldung,
(2) allgemeine Warnung – Kaffeetassensymbol – und (3) personalisierte Warnung – eigenes Bild –
und des Faktors Zielentfernung zum ersten Warnzeitpunkt mit den Varianten (1) gering – 32 km – und
(2) hoch – 102 km (s.a. Tabelle 5). Die Variation beider Faktoren erfolgte wiederum zwischen Perso-
nen, da nach einmal erlebtem Ausgang des Versuchs bei einer wiederholten Messung die Glaubwür-
digkeit des Szenarios nicht mehr hätte gewährleistet können (s. 3.2.1, 3.2.2.3).
4.2.2 Materialien & Versuchsaufbau
Entsprechend der Schlussfolgerungen aus Experiment 1 (s. 3.4.4) wurden neben der Einführung einer
neuen Bedingung reine Entfernungsrückmeldung eine Reihe von Veränderungen im Paradigma vor-
genommen, welche auf zwei Zielkontexte abstellten: (1) eine allgemeine Erhöhung des wahrgenom-
menen Risikos, der resultierenden Schutzmotivation und damit der Häufigkeit beobachtbaren Pau-
senverhaltens und (2) eine Erhöhung der Teststärke im Rahmen der begrenzten Verfügbarkeit von
Fahrsimulationsterminen.
Die Reihenfolge, in der die jeweiligen Unterschiede hier dargestellt werden, folgt der inhaltlichen
Gliederungslogik des Methodenteils. Eine Übersicht über alle methodischen Veränderungen findet
sich in Anhang A.3.1.
4.2.2.1 Gestaltung und Anzeige der Warnmeldungen
Das generelle Layout der visuellen Warnanzeigen wurde ebenso wie der Warnton und die techni-
schen Geräte zu deren Wiedergabe aus dem ersten Versuch übernommen (s. 3.2.2.1).
Die zusätzliche Anzeige für die Bedingung reine Entfernungsrückmeldung zeigte in der Bildmitte
das im Kontext von Fahrerassistenzsystemen gebräuchliche Symbol einer Zielfahne; der orangerote
Balken darüber enthielt das Wort Routeninformation anstelle des Texts Pause empfohlen, welcher in
den zwei Warnungsbedingungen beibehalten wurde (s. Tabelle 5, S. 101).
63 Hintergrund der Entscheidung für „krumme“ Restbeträge war die Überlegung, dass diese im Rahmen der
Coverstory noch glaubwürdiger wirken könnten als die ursprünglichen Ausprägungen, 30 km und 100 km.
101
Tabelle 5. Untersuchungsdesign und Gestaltung der Systemanzeigen in den sechs experimentellen
Bedingungen.
Faktor 1: Art der Rückmeldung / Warnung
Entfernungsrückmeldung
Allgemeine Warnung
Personalisierte Warnung
Faktor 2: Zielentfernung erste Warnung
gering
hoch
Zusätzlich wurden zugunsten größerer Glaubwürdigkeit die im unteren Anzeigenteil erscheinen-
den Angaben zur verbleibenden Zielentfernung insofern verändert, als nunmehr bei der ersten War-
nung anstatt 30 km beziehungsweise 100 km die „krummen“ Beträge 32 km beziehungsweise 102 km
erschienen. In Fällen, in denen aufgrund des Verlaufs der Müdigkeit eines Teilnehmers eine wieder-
holte Warnung erfolgte, wurde die Restkilometerangabe durch einen entsprechend der inzwischen
zurückgelegten Strecke plausiblen Betrag ersetzt (s. 4.3.1).
4.2.2.2 Versuchsumgebung
Auch der zweite Versuch fand im Fahrsimulator des ZMMS der TU Berlin statt (Details s. 3.2.2.2)64.
4.2.2.3 Anreizsituation
4.2.2.3.1 Schaffung von Müdigkeit im Versuch
Im Sinne ökologisch valider Ergebnisse war es wiederum wichtig, dass die Versuchsteilnehmer beim
Fahren mit echter Müdigkeit konfrontiert waren. Um möglichst in der gesamten Stichprobe hohe
Müdigkeitsniveaus zu erzielen, wurde das Prozedere im Vergleich zu Experiment 1 in mehreren Punk-
ten verschärft.
Zunächst durchliefen alle Teilnehmer die gleiche Schlafrestriktion wie im ersten Versuch, das
heißt, sie schliefen in der Nacht vor dem Versuch nur 4.5 Stunden, mit den entsprechenden be-
schriebenen Arrangements und Kontrollmechanismen (s. 3.2.2.3). Zusätzlich wurden die Experimen-
talsitzungen in den Zeitraum des absoluten circadianen Minimums der Leistungsfähigkeit zwischen
etwa 1:00 Uhr und 4:00 Uhr in der darauf folgenden Nacht verlegt. Um neben dem Homöostase- und
dem circadianen Faktor auch der dritten Quelle von Ermüdung, time on task, mehr Raum zu geben,
wurde außerdem die maximale Fahrzeit, die ein Teilnehmer vor der ersten Warnung zu absolvieren
hatte (sofern er nicht bereits vorher das Müdigkeitskriterium überschritt) von einer Stunde auf zwei
Stunden verlängert. Eine weitere Fahrzeitverlängerung betraf die Post-Warnungsphase: Anders als in
64 Die Baumaßnahmen waren inzwischen erfolgreich beendet.
102
Experiment 1 war auch in der Bedingung mit hoher Zielentfernung der Versuch erst dann zu Ende,
wenn die angekündigte Reststrecke von 102 km vollständig bewältigt war, was etwa einer Stunde
Fahrzeit nach der Warnung entsprach. Insgesamt zielten alle Veränderungen darauf ab, über eine
Erhöhung der im Versuch erlebten Müdigkeit in allen Bedingungen die subjektive Vulnerabilität für
Fahrfehler und in den Warnungsbedingungen auch die Glaubwürdigkeit der Warnung zu erhöhen.
4.2.2.3.2 Nutzen und Kosten von Handlungsergebnissen und Handlungen
Um Handlungsanreize zu schaffen, wie in der Realität auch während der simulierten Fahrt wach und
aufmerksam zu bleiben, Fahrfehler zu vermeiden und die Fahrt bis zur Zielerreichung fortzusetzen,
wurde dieselbe Grundkonstellation möglicher monetärer Gewinne und Verluste eingesetzt wie im
ersten Versuch (s. 3.2.2.3 und Abbildung 13). Die quantitative Gewichtung der einzelnen Entlohnun-
gen beziehungsweise Abzüge wurde jedoch verändert, mit dem Ziel, beobachtbares Pausenverhalten
insgesamt wahrscheinlicher zu machen. Zu diesem Zweck wurden die finanziellen Parameter so ver-
schoben, dass die von müdem Fahren ausgehende Bedrohung gravierender wurde und gleichzeitig
Pausen mit geringeren subjektiven Handlungskosten einhergingen. Im Einzelnen war die Anreizkons-
tellation wie folgt gestaltet:
Die Grundvergütung, die unabhängig vom Ausgang der Fahrt gezahlt wurde, betrug nur noch 5 €
(1. Experiment: 15 €), so dass insgesamt ein größeres Gewicht auf der Fahrleistung lag. Der Bonus
bei erfolgreicher Zielankunft belief sich auf 30 €, sofern auf eine Pause verzichtet wurde, bezie-
hungsweise 28,50 € mit Pause. Mit 1,50 € kostete damit eine Pause deutlich weniger als im ersten
Versuch und in etwa so viel wie ein Kaffee in einer preisgünstigen Raststätte. Fahrfehler, deren Auf-
treten im Vergleich zum Vorgängerexperiment durch zusätzliche Maßnahmen noch wahrscheinlicher
gemacht wurde (siehe unten), führten zur vollständigen Einbuße des Bonus.
4.2.2.3.3 Fahraufgabe und Wahrscheinlichkeit von Fahrfehlern
Wiederum bestand die Aufgabe darin, die gegebene Strecke bis zu deren Ende zu durchfahren, ohne
bestimmte Gütekriterien in der Quer- oder Längsführung zu verletzen. Bezogen auf die Längsführung
wurde das Geschwindigkeitslimit von 100 km/h aus dem ersten Versuch beibehalten; als Fehler zähl-
te die Überschreitung dieser Geschwindigkeit um mehr als 15 km/h. Bezüglich der Anforderungen an
die Querführung wurden zwei Veränderungen im Paradigma vorgenommen, die zum Ziel hatten, die
Schwierigkeit der Aufgabe und damit die subjektive Vulnerabilität für Fahrfehler zu erhöhen, um das
Auftreten von Pausen insgesamt wahrscheinlicher zu machen. Zum einen wurde die Dichte von Kur-
ven im Parcours erhöht, so dass Unaufmerksamkeit oder Sekundenschlaf eher zu einem Verlassen
des vorgesehenen Fahrstreifens führten. Zum anderen wurde die Toleranz bezüglich der Querabwei-
chung deutlich verringert. Während im ersten Versuch noch eine halbe Fahrzeugbreite gestattet war,
galt es nun als Fehler, sobald sich ein Rad mit komplettem Umfang jenseits der linken oder rechten
Fahrbahnmarkierung befand (vgl.a. Horne & Reyner, 1996; Reyner & Horne, 1997, 2002).
Zusätzlich gab es mehr Fehlergelegenheiten nicht nur durch die erhöhte Kurvendichte, sondern
auch durch die Verlängerung der maximal möglichen Gesamtfahrzeit (siehe oben). Da die tatsächli-
che Fahrzeit wieder von der Entwicklung des Fahrerzustands abhing und daher a priori nicht exakt
vorhergesagt werden konnte, wurde erneut auf die Coverstory zurückgegriffen, dass der Versuchs-
rechner zu Beginn des Versuchs eine bestimmte Fahrstrecke auslose, welche im Mittel in etwa 2
Stunden zu bewältigen sei, aber auch bis zu 3 Stunden in Anspruch nehmen könne (vergleiche
3.2.2.3).
103
4.2.2.4 Fragen zur Erfassung der mediierenden kognitiven Variablen gemäß der PMT
Der inhaltliche Aufbau des retrospektiven Fragebogens, mit dem die subjektiven Einschätzungen
gemäß der PMT sowie weitere im Kontext des Verhaltens nach Müdigkeitswarnungen relevante Va-
riablen erhoben wurden, orientierte sich an dem entsprechenden Instrument aus Experiment 1.
Formal wurden Überarbeitungen einzelner Item-Formulierungen sowie einige nötige Anpassun-
gen an das neue Versuchsdesign (s.u.) vorgenommen.
Ziel der Veränderungen in den Formulierungen war es, vor dem Hintergrund einer Vielzahl mögli-
cher Versuchsverläufe einen stärkeren Situationsbezug der entsprechenden Fragen herzustellen. Im
ersten Experiment war der Versuch unternommen worden, alle Fragen so allgemein zu formulieren,
dass sie auf alle möglichen vorangegangenen Verläufe des Versuchs in Bezug auf die Entscheidung
für oder gegen eine Pause passten. Ein Vorteil eines solchen Vorgehens liegt in der Standardisierung:
Allen Teilnehmern können exakt dieselben Fragen gestellt werden. Auf der Negativseite resultiert
daraus eine Abstraktheit, die möglicherweise das Verständnis erschwert. Da sich in Experiment 2
wegen der Einführung einer neuen Bedingung ohne Müdigkeitswarner sowie der Möglichkeit wie-
derholter Systemmeldungen der konkret erlebte Versuchsablauf noch in zwei weiteren Variablen
unterscheiden konnte, wurden im Stil eines Interviews die Formulierungen an einigen Stellen stärker
an die unterschiedlichen möglichen Verläufe angepasst. Beispiele werden weiter unten gegeben.
Insgesamt resultierten 8 kontextspezifische Versionen des Fragebogens, die sich im Detail in Ab-
hängigkeit folgender Situationsmerkmale unterschieden:
(1) Anzahl von Warnungen beziehungsweise Entfernungsrückmeldungen, die ein Teilnehmer zuvor
im Fahrversuch erhalten hatte:
Hatte der Müdigkeitsverlauf des Probanden nur eine Warnung / Entfernungsmeldung ausge-
löst, erfolgte die Abfrage der PMT-Variablen analog zum Vorgehen in Experiment 1.
Im Falle von zwei Warnungen / Entfernungsmeldungen wurden die subjektiven Einschätzungen
der PMT-Variablen Schweregrad der Schädigung, Vulnerabilität, Handlungswirksamkeit,
Selbstwirksamkeit und subjektive Pausenwahrscheinlichkeit sowie die Abfragen zur semanti-
schen Verarbeitung der Systemmeldungen und zur Müdigkeitseinschätzung mit der KSS in zwei
deutlich voneinander getrennten Sektionen zuerst für den ersten und danach für den zweiten
Anzeigezeitpunkt erhoben.
(2) Systemvariante: Warnung vs. reine Entfernungsinformation:
Die Fragen zu subjektiven Einschätzungen rund um den Rückmeldungszeitpunkt referierten
nun anstatt auf eine allgemeine „Systemmeldung“ spezifisch entweder auf „die Müdigkeits-
warnung“ oder „die Entfernungsrückmeldung“.
Wie im ersten Versuch wurde in der Bedingung Warnung mit eigenem Bild zusätzlich mit Hilfe
der Karolinska-Skala erfragt, wie müde sich die Teilnehmer sich auf dem Warnungsbild bezie-
hungsweise den beiden Warnungsbildern einschätzten.
(3) Entscheidung des Teilnehmers anzuhalten vs. weiterzufahren:
Die Entscheidungsprozesse, die zum Anhalten oder Weiterfahren nach der Systemmeldung ge-
führt haben, stehen im Fokus der PMT-Items. Je nachdem, welche Entscheidung getroffen
wurde, unterscheiden sich die Fragen, zu deren Beantwortung kontrafaktisches Denken erfor-
derlich ist. Dies hat Konsequenzen für die passende Wahl von Indikativen oder Konjunktiven in
einzelnen Fragen und macht es schwierig, eine allgemeingültige Formulierung zu finden, die
104
auf beide möglichen Entscheidungsausgänge passt und gleichzeitig noch gut verständlich ist.
Die entsprechenden Formulierungen wurden daher auf die Entscheidung abgestimmt. (s. Bei-
spiele zur subjektiven Handlungswirksamkeit in Tabelle 6)
Tabelle 6. Formulierung der Items zur Erhebung der PMT-Variablen Vulnerabilität und Handlungswirksamkeit in
Experiment 1 vs. 2.
Entscheidung
des Teilnehmers
PMT-Variable
Itemformulierung
Experiment 1
„Pause“ oder
„Weiterfahren“
Vulnerabilität
Wie gefährdet haben Sie sich nach der Systemmeldung
empfunden, dass Ihnen ein Fahrfehler unterläuft und Sie
so den Zielbonus verlieren?
Handlungs-
wirksamkeit
Um wieviel Prozent wäre nach Ihrer Einschätzung durch
eine Pause das Risiko verringert worden, dass Ihnen ein
Fahrfehler unterläuft?
Experiment 2
„Pause“
Vulnerabilität
(ohne Pause)
Sie haben sich entschieden, eine Pause zu machen.
Für wie wahrscheinlich haben Sie es gehalten, dass Ihnen
sonst (ohne Pause) ein Fahrfehler unterläuft?
Vulnerabilität
(mit Pause)
Für wie wahrscheinlich haben Sie es gehalten, dass Ihnen
nach der Pause ein Fahrfehler unterläuft?
„Weiterfahren“
Vulnerabilität
(ohne Pause)
Sie haben sich entschieden die Strecke ohne Pause durch-
zufahren.
Für wie wahrscheinlich haben Sie es gehalten, dass Ihnen
hierbei ein Fahrfehler unterläuft?
Vulnerabilität
(mit Pause)
Angenommen, Sie hätten eine Pause gemacht: Für wie
wahrscheinlich hätten Sie es gehalten, dass Ihnen nach
einer Pause ein Fahrfehler unterläuft?
Eine weitere Veränderung der Fragenformulierung, die mit keinem der genannten Faktoren zusam-
menhängt, betrifft die Erhebung der subjektiven Handlungswirksamkeit. Zum einen hatten Teilneh-
mer im ersten Versuch den Wunsch geäußert, eine negative Handlungswirksamkeitserwartung für
die Pause zum Ausdruck zu bringen (das heißt, eine Pause senkt subjektiv sogar die Wahrscheinlich-
keit, danach fehlerfrei zu fahren) - was in der ursprünglichen Abfrage nicht möglich war (diese Teil-
nehmer wählten dann den Wert 0 aus). Zum anderen sollte die Komplexität des Urteils verringert
werden, indem die subjektive Handlungswirksamkeit – die Differenz, um die sich durch eine Pause im
Vergleich zum Weiterfahren das Risiko eines Fahrfehlers vermindert hätte – nicht mehr direkt, son-
dern in zwei getrennten Schritten erhoben wurde. Wie im ersten Experiment wurde dazu die subjek-
tive Vulnerabilität abgefragt, welche der geschätzten Gefährdung ohne Pause entspricht. Neu war
eine zusätzliche Schätzung der Gefährdung, welche auch nach einer Pause verblieben wäre. Die sub-
jektive Handlungswirksamkeit wurde in der Auswertung aus der Differenz dieser beiden Fehlerwahr-
scheinlichkeiten berechnet65. Die alten und neuen Versionen dieser Abfragen, die in Tabelle 6 darge-
65 Um das Konstrukt der Gefährdung im Sinne einer Fehlerwahrscheinlichkeit besser zu erfassen und gleichzei-
tig eine feinere Abstufung als im ersten Versuch zu erlauben, wurde zusätzlich das Skalenformat verändert.
Anstelle von Einschätzungen auf einer zehnstufigen Likertskala von 0 bis 9, wurden geschätzte Wahrscheinlich-
keitswerte von 0 bis 100% erfragt, die in 2.5% -Schritten abgestuft auszuwählen waren (s.a. Anhänge A.4.2.4
und A.4.2.5)
105
stellt sind, veranschaulichen gleichzeitig gut die bereits beschriebenen Anpassungen der Formulie-
rung an die Entscheidung des Teilnehmers für oder gegen eine Pause.
In den Anhängen A.2.4 und A.2.5 sind exemplarisch zwei der acht Versionen des Fragebogens
wiedergegeben, in denen sich das gesamte Spektrum der Variationen wiederfindet: a) die Version für
den Fall Anzahl = 1, Meldung = Warnung, Entscheidung = Pause und b) die Version für den Fall An-
zahl = 2, Meldung = Entfernungsrückmeldung, Entscheidung = Weiterfahren.
4.2.3 Durchführung
Der Ablauf des Versuchs folgte im Wesentlichen dem Prozedere in Experiment 1 (s. 3.2.3). Die für die
Instruktion genutzten Informationsblätter (Anhang A.2.1 und A.2.2) und die Fahrfehlerprobe im Si-
mulator waren adaptiert an die veränderten Rahmenbedingungen in Bezug auf Fahrfehler und Struk-
tur der finanziellen Vergütung.
In der Instruktion bekamen die Teilnehmer je nach Rückmeldungsbedingung unterschiedliche In-
formationen. In den beiden Warnungsgruppen (Kaffeetasse und Eigenes Bild) wurde darauf hinge-
wiesen, dass das Fahrzeug über ein Müdigkeitswarnsystem verfüge, und es wurden entsprechende
Informationen zum Operationsmodus des Systems gegeben (s. Anhang A.2.2). Dem gegenüber erhiel-
ten die Teilnehmer in der Bedingung reine Entfernungsrückmeldung keine Informationen über eine
Müdigkeitserfassung und lediglich den Hinweis, dass Ihnen während der Fahrt zu einem oder zwei
Zeitpunkten die verbleibende Zielentfernung angezeigt werde (s. Anhang A.2.1). Tatsächlich folgte
die Präsentation der Rückmeldung jedoch denselben müdigkeitsabhängigen Regeln wie in den War-
nungsgruppen (s.u.). Alle Gruppen erhielten identische Informationen über die Gefahren von Müdig-
keit beim Autofahren, sinnvolle Gegenmaßnahmen und die Option einer Pause mit Kaffee oder ei-
nem Nap.
Nach den entsprechenden Einführungsschritten (s. Abbildung 27) begann gegen 1:40 Uhr die si-
mulierte Fahrt. Wiederum wurden alle 5 Minuten TUBSS-Bewertungen der Müdigkeit des Fahrers
vorgenommen. Abweichend von Experiment 1 wurde, sofern der Fahrer nicht bereits vorher das
Müdigkeitskriterium (TUBSS ≥ 5) erreicht hatte, bis zu 120 min gewartet (Experiment 1: max. 60 min),
bevor die Warnung oder Rückmeldung entsprechend der experimentellen Bedingung notfalls auch
ohne Erreichung des Kriteriums präsentiert wurde. Wie die Durchführung des Versuchs während des
nächtlichen circadianen Tiefs zielte auch diese Veränderung auf eine Erhöhung der Müdigkeit und
damit der Grundwahrscheinlichkeit von Pausen ab. Sofern der Teilnehmer nach der Systemmeldung
die Fahrt fortsetzte, wurde auch die TUBSS-Müdigkeitsbeurteilung fortgesetzt. Anders als in Experi-
ment 1 konnte diesmal eine zweite Warnung oder Rückmeldung erfolgen, sofern das Müdigkeitskri-
terium erneut erreicht wurde. Kam es dazu, wurde die mit der zweiten Anzeige rückgemeldete Ziel-
entfernung entsprechend der seit der ersten Anzeige zurückgelegten Strecke angepasst. Nach einer
zweiten Anzeige erfolgten keine erneuten Wiederholungen, unabhängig vom weiteren Müdigkeits-
verlauf. Die Teilnehmer in den Warnungsbedingungen waren informiert, dass das System nur maxi-
mal zwei Warnungen ausgeben würde und danach das Ausbleiben weiterer Warnungen kein Indiz für
einen unbedenklichen Fahrerzustand wäre. Sofern der Teilnehmer nicht bereits vorher einen Pau-
senwunsch äußerte, wurde nach der initialen Warnung die Fahrt noch so lange fortgesetzt, bis das
Fahrtziel entsprechend der Zielentfernungsbedingung erreicht war, je nach gewählter Geschwindig-
keit also etwa 20 Minuten in der Bedingung mit geringer Zielentfernung und etwa eine Stunde in der
Bedingung mit hoher Zielentfernung. Im Anschluss bearbeiteten die Teilnehmer die Nachbefragung.
Bei Äußerung eines Pausenwunsches wurde die Fahrt sofort beendet und anschließend die Nachbe-
106
fragung bearbeitet, bevor eine abschließende Aufklärung über Ziele und Aufbau des Versuchs erfolg-
te.
Abbildung 27. Überblick über den zeitlichen Ablauf des Fahrversuchs.
Die in Abbildung 27 angegebenen Zeiten sind veranschlagte Maximaldauern. Im Mittel dauerte
die Fahrt unter Müdigkeit in der Bedingung geringe Zielentfernung M = 51.7 min (SD = 26.3 min) und
in der Bedingung hohe Zielentfernung M = 82.3 min (SD = 32.0 min). Der gesamte Versuch von der
Begrüßung bis zur Verabschiedung nahm durchschnittlich M = 128.3 min (SD = 26.1 min) bzw.
M = 160.5 min (SD = 31.3 min) in Anspruch. Alle Sitzungen wurden in zwei Erhebungszeiträumen
Anfang März bis Ende Mai 2012 und Anfang August bis Ende September 2012 durchgeführt.
4.2.4 Hypothesen
Zusätzlich zu den bereits dargelegten theoretischen Überlegungen (s. 2.2.4, 3.2.4) wird angenom-
men, dass auch eine Standardwarnung ohne Personbezug die Wahrscheinlichkeit adaptiven Verhal-
tens im Vergleich zu einer Situation ohne Warnsystem erhöht. Wiederum wird vermutet, dass ein
solcher Effekt über die Bedrohungseinschätzung, genauer gesagt die subjektive Vulnerabilitätswahr-
nehmung, vermittelt wird. Aufgrund der theoretisch wirksameren Abschwächung des Optimismus-
bias in der Vulnerabilitätswahrnehmung sollte die personalisierte Warnung mit eigenem Bild aller-
dings zu noch höheren Ausprägungen in subjektiver Vulnerabilität, subjektiver und objektiver Pau-
senwahrscheinlichkeit führen als die Standardwarnung. Bezüglich der PMT- und Verhaltensvariablen
werden daraus folgende Hypothesen abgeleitet:
I. Pausenhäufigkeit
a) Haupteffekt Warnungstyp: Bei allgemeiner Warnung (Kaffeetasse) entscheiden sich mehr
Fahrer für eine Pause als bei reiner Entfernungsinformation, und bei personalisierter War-
nung (eigenes Bild) entscheiden sich mehr Fahrer für eine Pause als bei allgemeiner War-
nung (Kaffeetasse).
b) Haupteffekt Zielentfernung: Bei höherer Zielentfernung (102 km) entscheiden sich mehr Fah-
rer für eine Pause als bei geringerer Zielentfernung (32 km).
II. Subjektive Pausenwahrscheinlichkeit
a) Haupteffekt Warnungstyp: Bei allgemeiner Warnung (Kaffeetasse) ist die subjektive
Wahrscheinlichlichkeit einer Pause im Mittel höher als bei reiner Entfernungsinformation und
bei personalisierter Warnung (eigenes Bild) höher als bei allgemeiner Warnung (Kaffeetasse).
b) Haupteffekt Zielentfernung: Bei höherer Zielentfernung (102 km) ist die subjektive Wahr-
scheinlichkeit einer Pause höher als bei geringerer (32 km) Zielentfernung.
III. Subjektive Vulnerabilität
a) Haupteffekt Warnungstyp: Bei allgemeiner Warnung (Kaffeetasse) fühlen sich die Fahrer im
Mittel anfälliger für Fahrfehler als bei reiner Entfernungsinformation und bei personalisierter
Warnung (Eigenes Bild) anfälliger als bei allgemeiner Warnung (Kaffeetasse).
107
b) Haupteffekt Zielentfernung: Bei höherer Zielentfernung (102 km) fühlen sich die Fahrer im
Mittel anfälliger für Fahrfehler als bei geringerer Zielentfernung (32 km).
IV. Maximal tolerierte Pausenkosten
Gemäß allgemeiner Annahmen der Erwartung-mal-Wert-Theorie (s.a. 3.2.4) wird zudem Folgen-
des vorhergesagt:
a) Haupteffekt Warnungstyp: Bei allgemeiner Warnung (Kaffeetasse) werden im Mittel höhere
Kosten für eine Pause toleriert als bei reiner Entfernungsinformation; bei personalisierter
Warnung (eigenes Bild) erscheinen den Fahrern im Mittel höhere Kosten akzeptabel als bei
allgemeiner Warnung (Kaffeetasse).
b) Haupteffekt Zielentfernung: Bei höherer Zielentfernung (102 km) werden im Mittel höhere
Pausenkosten toleriert als bei geringerer Zielentfernung (32 km).
Bezüglich der jeweiligen Interaktionseffekte werden mangels entsprechender mathematischer Spezi-
fität der PMT keine Hypothesen formuliert; der Interaktionsterm wird jedoch wiederum explorativ
mit in die jeweiligen Modelle einbezogen66.
Für die verbleibenden PMT-Variablen Subjektiver Schweregrad der Schädigung, wahrgenommene
Handlungswirksamkeit und Selbstwirksamkeit werden weiterhin keine Effekte der experimentellen
Manipulation erwartet. Zur Kontrolle werden jedoch auch diese Variablen den entsprechenden Ana-
lysen unterzogen.
4.2.5 Stichprobe
Das Prozedere bei der Rekrutierung der Probanden inklusive der Ein- und Ausschlusskriterien war
analog zu dem in Experiment 1, mit dem einzigen Unterschied, dass das Altersspektrum auf Fahrer
jüngeren bis mittleren Alters eingeschränkt wurde (s. 4.1).
Die resultierende Stichprobe bestand aus 47 Männern und 13 Frauen zwischen 19 und 44 Jahren
(M = 26.3, SD = 5.1). Alter und Geschlecht waren in den sechs Experimentalgruppen gleichmäßig ver-
teilt. Ein Drittel der Teilnehmenden (n = 20) war schon einmal oder mehrmals an der Verursachung
eines Unfalls beteiligt. Nur zwei Teilnehmer wiesen je einen dieser Unfälle als müdigkeitsbedingt aus;
einer von ihnen gehörte zu der Gruppe Kaffeetasse-102km, der andere zur Gruppe Entfernungsrück-
meldung-32km. Die 30 Personen, welche angaben, schon einmal Sekundenschlaf erlebt zu haben,
ebenso wie die 42, welche schon einmal von Müdigkeitswarnsystemen gehört hatten, waren gleich-
mäßig auf die Meldungstyp- und Zielentfernungsgruppen verteilt. Zwei Teilnehmer waren schon
einmal mit einem Müdigkeitswarnsystem gefahren (beide in der Gruppe Entfernungsrückmeldung, je
einer mit hoher und geringer Zielentfernung); niemand hatte eines in seinem eigenen Fahrzeug.
4.3 Ergebnisse
4.3.1 Voranalysen
4.3.1.1 Subjektive Müdigkeit vor der Fahrt, zu den Rückmeldungszeitpunkten und nach der Fahrt
Um einen Eindruck zu bekommen, inwiefern die verschärften Maßnahmen zur Förderung von Mü-
digkeit während der Versuchsfahrt tatsächlich den erwünschten Erfolg hatten, können zunächst wie-
66 Eine Anpassung der theoretischen Erwartungen für die Interaktionseffekte aufgrund einiger beobachteter
Tendenzen (Vulnerabilität, Pausenwahrscheinlichkeit) in Experiment 1 erschiene vor dem Hintergrund der ho-
hen statistischen Unsicherheit und des Fehlens starker theoretischer Argumente verfrüht. Dasselbe gilt für
mögliche Effekte der verbleibenden PMT-Variablen Schweregrad, Handlungswirksamkeit und Selbstwirksam-
keit.
108
der die subjektiven Müdigkeitsbeurteilungen der Fahrer herangezogen werden. Mit Hilfe der
Karolinska Sleepiness Scale (Wertebereich von 0 – „sehr wach“ – bis 8 – „sehr müde, große Probleme
wach zu bleiben, mit dem Schlaf kämpfend“ –, s.a. Anhänge A.2.3, A.2.4 und A.2.5) beurteilten die
Teilnehmer ihre Befindlichkeit jeweils vor der Fahrt, nach der Fahrt und retrospektiv für den Zeit-
punkt bzw. die zwei Zeitpunkte unmittelbar vor einer Warnung oder Rückmeldung.
Im Stichprobenmittel wurde die subjektive
Müdigkeit vor der Fahrt mit M = 5.73 (SD = 1.44),
nach der Fahrt mit M = 6.58 (SD = 1.27) angege-
ben. Von besonderem Interesse im Sinne der Ver-
suchslogik ist wiederum die während der Fahrt
und insbesondere im Kontext der Systemmeldun-
gen erlebte Müdigkeit. Diese lag für den Zeitpunkt
vor der ersten Systemanzeige im Mittel bei
M = 6.53 (SD = 1.30; n = 60), vor der zweiten bei
M = 6.68 (SD = 1.25; n = 41).
Um die Auswertung zu vereinheitlichen, wird
im Folgenden der jeweils letzte Anzeigezeitpunkt
betrachtet. Dies ist insofern sinnvoll, als dies im
Hinblick auf die zu untersuchende Überzeugungs-
funktion von Warnungen der Punkt ist, ab dem
keine weitere Einflussnahme möglich ist.
Die mittlere subjektive Müdigkeit vor der jeweils letzten Warnung / Rückmeldung betrug M = 6.85
(SD = 1.12; n = 60). Wie im ersten Versuch verortete sich der größte Teil der Fahrer (n = 30) auf Stu-
fe 7 der Karolinska-Skala. Der Anteil derer, die den Maximalwert 8 wählten (n = 15) war höher als im
ersten Versuch; ebenso nahm der Anteil derer ab, die angaben, sich müde zu fühlen, aber keine
Probleme mit dem Wachbleiben zu haben (KSS-Stufe 6; n = 11). Lediglich 4 Personen wählten KSS-
Werte unter 6. Im Mittel macht die Zunahme der Müdigkeit vor dem letzten Warnzeitpunkt von Ex-
periment 1 zu Experiment 2 etwa einen halben KSS-Skalenpunkt aus. Inferenzstatistisch ist dieser
Zuwachs relativ klein (r = 0.18), aber signifikant (t(98) = 1.902, p = .030). Abbildung 28 zeigt die mitt-
leren subjektiven Müdigkeitsurteile für alle Messzeitpunkte im Vergleich über die Experimente.
4.3.1.2 Müdigkeitsverläufe während der Fahrt und Überschreitung des
warnungskritischen Wertes
Weitere Hinweise auf den Erfolg der müdigkeitssteigernden Maßnahmen liefert die Analyse der
TUBSS-Ratings, welche auf Grundlage einer jeweils einminütigen Videobeobachtung im Abstand von
5 Minuten durch den Versuchsleiter vorgenommen wurden.
In der ersten Studie hatte nur etwas mehr als die Hälfte der Teilnehmer das Müdigkeitskriterium
(TUBSS-Stufe 5) erreicht oder überschritten; den anderen war die Warnung aufgrund des Ablaufs der
maximal für die erste Fahrphase vorgesehenen Zeit von einer Stunde präsentiert worden.
Im vorliegenden zweiten Experiment erhielten fast alle (n = 59) Teilnehmer die Warnung, nach-
dem sie zuvor das TUBSS-Müdigkeitskriterium erreicht hatten. Nur eine einzige Person (Gruppe Ent-
fernungsmeldung-32km) hatte die TUBSS-Stufe 4 (schläfrig mit Tendenz zu sehr müde) noch nicht
überschritten, als ihr nach zwei Stunden Fahrt die Systemmeldung dargeboten wurde. Die erste
Kriteriumsüberschreitung trat im Mittel nach etwa 32 Minuten Fahrzeit auf (M = 6.47; SD = 3.81,
Abbildung 28. Mittlere subjektive Müdigkeit in Expe-
riment 1 und 2 zu drei Messzeitpunkten: vor der
Fahrt, unmittelbar vor der letzten Warnung oder
Entfernungsrückmeldung (ex post) und nach der
Fahrt. Fehlerbalken stellen 95%-Konfidenzintervalle
dar.
109
n = 59 für die Nummer des TUBSS-Messzeitpunktes), die zweite – sofern eine solche vorkam - nach
etwa 41 Minuten (M = 8.29; SD = 4.99, n = 41 für die Nummer des TUBSS-Messzeitpunktes). Zu bei-
den Zeitpunkten entsprach die gemessene Müdigkeit größtenteils TUBSS-Stufe 5, sehr müde mit Ten-
denz zu schläfrig (M = 5.08, SD = 0.34 vor der ersten Anzeige; M = 5.17, SD = 0.49 vor der gegebenen-
falls zweiten Anzeige). Die Ausprägungen der genannten Maße unterscheiden sich nicht signifikant
zwischen den Experimentalgruppen, mit Ausnahme eines erwartbaren Effekts der Zielentfernung auf
den mittleren Zeitpunkt des zweiten kritischen TUBSS-Wertes (F(1,35) = 4.38, p = .044): Da in der
Gruppe mit hoher Zielentfernung nach der ersten Anzeige noch länger gefahren werden musste, gab
es hier auch zu späteren Messzeitpunkten noch Gelegenheiten zu Kriteriumsüberschreitungen, was
den mittleren Zeitpunkt der zweiten kritischen Müdigkeit nach hinten verschiebt (M32km = 6.41; SD
= 3.39; ; M102km = 9.62; SD = 5.56). In Anhang B.2.1 sind die Verlaufskurven der TUBSS-
Müdigkeitswerte aller Teilnehmer geordnet nach experimentellen Bedingungen wiedergegeben.
4.3.1.3 Bemerken und Verständnis der Warnanzeige
Zur Erfassung möglicher Unterschiede, die bedingt durch das Warnungsdesign und die Fahrsituation
in den frühen Stufen der Informationsverarbeitung auftreten, wurden die Teilnehmer im Anschluss
an die Fahrt befragt, welches Warnsymbol und welche Restdistanzangabe sie gesehen hatten.
Wahrnehmung der Zielentfernung zum ersten Anzeigezeitpunkt. Während die „runden“ Restki-
lometerangaben aus Experiment 1 in der Rückschau mit hundertprozentiger Genauigkeit berichtet
werden konnten, ergab sich für die „krummen“ Zahlen in Experim ent 2 eine leichte Streuung der
wiedergegebenen Werte. Für den ersten Warnzeitpunkt berichteten in der Gruppe mit geringer Ziel-
entfernung 27 Personen den korrekten Wert 32 km. Von den drei verbleibenden Teilnehmern gab
einer 38 km an; ein anderer 28 km (dieser hatte in der zweiten Anzeige 23 km gesehen und konnte
für die entsprechende Entfernung keine Angabe machen) und ein dritter 15 km (diesen Wert, der
bezüglich der zweiten Anzeige zutreffend war, berichtete dieser Teilnehmer für beide Warnzeitpunk-
te). In der Gruppe mit hoher Zielentfernung nannten 24 Personen die korrekten 102 km. Je ein Teil-
nehmer erinnerte sich an 100, 103, 104 und 105 km. Ein Proband machte keine Angabe für den ers-
ten Warnzeitpunkt, konnte aber die in der zweiten Systemmeldung angezeigten 85 km Restdistanz
zutreffend berichten.
Demnach kann festgestellt werden, dass die Informationen über die Zielentfernung zum ersten
Anzeigezeitpunkt von den Fahrern adäquat genug verarbeitet wurden, um im Sinne der Versuchslo-
gik und des C-HIP-Modells Schlussfolgerungen über die nachfolgenden Verarbeitungsprozesse bei
geringer gegenüber hoher Zielentfernung ziehen zu können. Die wenigen auftretenden Abweichun-
gen sind relativ gering, so dass - selbst wenn man davon ausgeht, dass die Fehler tatsächlich bereits
bei der ersten Enkodierung und nicht, was wahrscheinlicher ist, erst beim Abruf der Information im
Nachhinein auftraten – sich die wahrgenommenen Zieldistanzen noch immer im gewünschten Ska-
lenbereich eines nahen beziehungsweise weiter entfernten Ziels befanden.
Wahrnehmung der Zielentfernung zum zweiten Anzeigezeitpunkt. 41 der insgesamt 60 Fahrer
erhielten auf Grundlage ihres Müdigkeitsverlaufs eine zweite Warnung oder Entfernungsrückmel-
dung. Erwartungsgemäß kam eine zweite Meldung in der Gruppe mit ursprünglich hoher Zielentfer-
nung häufiger vor: 80% der Teilnehmer in dieser Bedingung (n = 24; s. Tabelle 7) überschritten nach
der ersten Anzeige erneut das Müdigkeitskriterium. Im Vergleich dazu traf dies in der 32-km-
Bedingung nur auf etwas mehr als die Hälfte zu, was aber vor dem Hintergrund, dass die Restfahrzeit
hier nur noch etwa 19 Minuten betrug, ebenfalls bemerkenswert ist und für eine insgesamt hohe
110
Müdigkeit im Kreis der Fahrer spricht. Über die drei Warnungsbedingungen hinweg ist die Häufigkeit
einer zweiten Anzeige annähernd gleich
verteilt (s. Tabelle 7).
Auch für den zweiten Warn- bzw.
Rückmeldungszeitpunkt berichteten die
Fahrer in der retrospektiven Befragung,
an welche angezeigte Zielentfernung sie
sich erinnerten.
Tabelle 8 zeigt alle tatsächlich präsen-
tierten Werte sowie die entsprechenden
Angaben der Teilnehmer. Deren große
Mehrheit konnte die Kilometeranzeigen
präzise wiedergeben. Bei 4 der 5 fehler-
haften Angaben liegt die Abweichung in
einem vernachlässigbaren Bereich von jeweils 3 km Unter- beziehungsweise Überschätzung. Nur ein
Teilnehmer machte keine Angabe. Wie oben erwähnt, kann jedoch anhand der Tatsache, dass er die
Entfernung zum ersten Anzeigezeitpunkt zumindest ungefähr berichten konnte, vermutet werden,
dass er sich auch zum zweiten Zeitpunkt fünf Minuten später in etwa über die verbleibende Zielent-
fernung im Klaren war.
Tabelle 8. Mit der zweiten Warnung / Rückmeldung angezeigte Restkilometer (fett) und entsprechende Teil-
nehmerangaben aus der retrospektiven Befragung (unfett) in den Experimentalgruppen. Grau unterlegt: Fälle
mit Abweichungen zwischen angezeigtem und berichtetem Wert.
Zielentfernung bei erster Meldung
32 km
102 km
Warnungs-
bedingung
Entfernuns-
meldung
Anzeige
13
22
23
23
23
23
23
93
18
93
85
85
77
77
53
85
Bericht
13
22
23
23
23
26
23
93
18
93
82
85
77
77
50
85
Kaffeetasse
Anzeige
7
14
17
23
15
23
85
77
77
85
93
93
85
Bericht
7
14
17
23
15
85
77
77
85
93
93
85
eigenes Bild
Anzeige
23
23
20
23
75
85
68
52
93
52
93
93
Bericht
23
23
20
26
75
85
68
52
93
52
93
93
Wahrnehmung des dargestellten Symbols. Aus der Gruppe Entfernungsrückmeldung konnten 18
von 20 Probanden für den ersten Anzeigezeitpunkt und 14 von 16 für den zweiten Anzeigezeitpunkt a
posteriori korrekt berichten, dass auf dem Display eine Fahne zu sehen gewesen war. Von den insge-
samt 3 Fahrern, welche für irgendeinen Zeitpunkt die Option weiß ich nicht wählten, tat nur einer
dies für beide Zeitpunkte, die anderen beiden gaben jeweils für einen Zeitpunkt das korrekte Symbol
an. Interessanterweise waren alle drei in der Lage, die korrespondierenden Entfernungsangaben
richtig zu reproduzieren.
Aus der Gruppe mit der Allgemeinen Warnung erinnerten für den ersten Zeitpunkt 17 von 20, für
den zweiten 10 von 13 korrekt das Kaffeetassensymbol. Unter den 3 Personen, die irgendwann die
Option weiß ich nicht wählten bzw. - in einem Fall - auf die Beantwortung der Frage verzichteten,
waren wiederum 2, die zumindest für einen der Zeitpunkte das richtige Symbol berichteten. Von
diesen beiden wusste einer (102km-Gruppe) beide Zielentfernungen, der andere (32km-Gruppe)
berichtete eine annähernd korrekte Zahl für den ersten Warnzeitpunkt, für welchen er auch das
Tabelle 7. Anzahl der Perso-
nen, die 2 Warnungen / Ent-
fernungsmeldungen erhielten,
in den Experimentalgruppen
Zielentfernung bei
erster Meldung
32 km
102 km
Gesamt
Warnungs.
bedingung
Entfernungsmeldung
7
9
16
Kaffeetasse
6
7
13
eigenes Bild
4
8
12
Gesamt
17
24
41
111
Symbol erinnerte. Der eine Proband, der zweimal weiß ich nicht wählte (32km-Gruppe), gab wiede-
rum beide Zielentfernungen richtig an, ebenso wie der einzige Teilnehmer, der für beide Zeitpunkte
eine falsche Antwortalternative (Wecker) auswählte (102km-Gruppe).
In der Gruppe mit der Personalisierten Warnung konnten jeweils alle Befragten richtig berichten,
dass sie ein Bild ihrer selbst gesehen hatten.
Zusammenfassend und mit Blick auf die weitere Auswertung kann somit festgestellt werden, dass
die dargebotenen Warnungsinformationen die frühen Stufen des C-HIP-Modells in befriedigender
Verarbeitungsqualität durchlaufen haben. Bezüglich der Erinnerung an die Anzeigen ist besonders
wichtig, dass es keinen einzigen Totalausfall gab: Jeder Teilnehmer konnte zu jeder dargebotenen
Rückmeldung wenigstens eine Angabe machen. Demnach wurde jede einzelne Rückmeldung hin-
sichtlich ihres Vorliegens bemerkt und verarbeitet, was in erster Linie in den Warnungsbedingungen
relevant ist. In der Bedingung reine Entfernungsrückmeldung erscheint die Verarbeitung des darge-
botenen Symbols ohnehin zweitrangig, da es keine wesentliche Information übermittelt, und wie
oben beschrieben kann hinsichtlich der Zielentfernung geschlussfolgert werden, dass die Teilnehmer
diese zu jedem Zeitpunkt zutreffend – mit seltenen, sehr geringen Ungenauigkeiten – abschätzen
konnten.
Hinsichtlich der weiteren Analysen stellt sich die Frage, wie mit den Ergebnissen der vereinzelten
Fälle umgegangen werden soll, bei denen Defizite in der frühen Verarbeitung nicht ausgeschlossen
werden können67. Im Rahmen der hier gestellten Frage nach der Nützlichkeit verschiedener War-
nungsvarianten erscheint es aus praktischer Sicht nicht sinnvoll, die entsprechenden kognitiven Ein-
schätzungen und das Verhalten aus den weiteren Analysen auszuschließen. Selbst wenn eine unge-
naue frühe Verarbeitung gegeben wäre, sind die resultierenden Einschätzungen am Ende ausschlag-
gebend für den Erfolg oder Misserfolg einer Gestaltungsvariante. In dieser Hinsicht ist es irrelevant,
ob ein Warnsymbol beispielsweise deswegen zu einer geringeren Vulnerabilitätseinschätzung führte,
weil es gar nicht oder nur oberflächlich semantisch verarbeitet wurde oder weil es als Symbol nicht
stark genug die Assoziation von Gefahr anstößt. Zudem machen Rückkopplungen der Gefährlich-
keitswahrnehmung auf Aufmerksamkeitszuwendung und Behalten die Trennung dieser Aspekte
schwierig. Aus diesem Grund werden in den hier berichteten Analysen alle Daten einbezogen (s.a.
Diskussion in 4.4.1).
4.3.1.4 Müdigkeitsurteile für die Warnungsbilder in der Bedingung „personalisierte Warnung“
Alle Teilnehmer in der personalisierten Warnungsbedingung bewerteten die eigenen Porträts, wel-
che zu diesem Zweck noch einmal präsentiert wurden, retrospektiv anhand der KSS (0 – sehr wach –
bis 8 – sehr müde, große Probleme wach zu bleiben, mit dem Schlaf kämpfend). Die große Mehrheit
beurteilte ihr Aussehen auf dem Bild mit hohen Müdigkeitswerten. Für das zum letzten Warnzeit-
punkt gezeigte Bild lag das mittlere KSS-Rating bei M = 7.00 (SD = 1.62). Dies spricht für die Eignung
der Bilder im Sinne der experimentellen Manipulation.
67 zu beachten bleibt die Möglichkeit, dass nicht die Enkodierung der Information zum Anzeigezeitpunkt schei-
terte, sondern lediglich der Abruf zum Befragungszeitpunkt nicht mehr möglich war
112
4.3.2 Prüfung der Hypothesen
4.3.2.1 Pausenhäufigkeit
Abbildung 29 zeigt die relative Häufigkeit, mit der sich Teilnehmer für eine Pause entschieden, aufge-
schlüsselt nach den experimentellen Bedingungen. Insgesamt äußerten 17 der 60 Teilnehmer den
Entschluss, die Fahrt zu unterbrechen, was einem Anteil von etwa 28% entspricht.
Abbildung 29. Prozentualer Anteil der Personen pro Referenzgruppe, die sich nach der Systemmeldung für eine
Pause entschieden. Links: aufgeschlüsselt nach Warnungsbedingung (npro Gruppe = 20), Mitte: aufgeschlüsselt
nach Zielentfernung (npro Gruppe = 30), rechts: nach Warnungstyp x Zielentfernung (npro Gruppe = 10).
Vergleicht man die relativen Häufigkeiten von Pausen in Abhängigkeit von der Warnungsbedin-
gung, zeigt sich, dass sich von den je 100% (n = 20) der Personen, welche unter jeder Faktorstufe die
Wahl hatten, 15% (n = 3) nach einer reinen Entfernungsmeldung ohne Warncharakter für eine Pause
entschieden, 30% (n = 6) nach einer allgemeinen Warnanzeige mit Kaffeetassensymbol und 40%
(n = 8) nach einer personalisierten Warnanzeige mit Eigenem Bild.
Auch beim Vergleich der beiden Zielentfernungsbedingungen offenbaren sich Verteilungsunter-
schiede. Von den je 30 Fahrern wählten bei geringer Zielentfernung etwa 17% (n = 5) eine Pause, bei
hoher Zielentfernung 40% (n = 12).
Betrachtet man schließlich das Zusammenspiel von Warnungsbedingung und Zielentfernung, wird
deutlich, dass in einer Bedingung kein einziger Fahrer anhielt: War das Ziel nah, fühlte sich durch eine
reine Entfernungsrückmeldung niemand zu einer Pause animiert. Bemerkenswert ist, dass sich im
Vergleich dazu 2 von 10 Teilnehmern in der allgemeinen und 3 von 10 in der personalisierten War-
nungsbedingung trotz geringer Zielentfernung entschieden, die Fahrt noch einmal zu unterbrechen.
War das Ziel noch weit entfernt, wählten 3 Personen auch ohne Warnung eine Pause. Wirkten hohe
Zielentfernung und personalisierte Warnung zusammen, erhöhte sich der Anteil der Pausierer auf die
Hälfte (n = 5) aller Entscheider in dieser Situation, bei allgemeiner Warnung war es nur einer weniger
(n = 4).
Die genannten Unterschiede im Pausenverhalten wurden mit Hilfe einer logistischen Regression
auf statistische Signifikanz geprüft. Als kategoriale Prädiktoren gingen die Zielentfernung (hoch vs.
gering) sowie zwei weitere Kontraste, welche die Warnungsbedingungen repräsentieren, in die Glei-
chung ein. Der erste dieser Kontraste erbringt ein Regressionsgewicht für den Vergleich der allge-
meinen Warnungsbedingung (Kaffeetasse) mit dem reinen Entfernungsfeedback, der zweite Kontrast
vergleicht die Wirksamkeit der personalisierten Warnung mit dem Entfernungsfeedback. Auf die
Einbeziehung der Interaktionsterme wurde wegen der sehr geringen erwarteten Häufigkeiten in eini-
gen Zellen verzichtet.
113
Tabelle 9. Ergebnisse der logistischen Regression zur Vorhersage der beobachteten Pausenwahrscheinlichkeiten
durch Warnungstyp und Zielentfernung.
95%-Konfidenzintervall
für Odds Ratio
b
(SE)
p
Unterer
Wert
Odds
Ratio
Oberer
Wert
Warnung Kaffeetasse vs. Entfernungsmeldung
0.94
(0.82)
0.249
0.52
2.57
12.81
Warnung Bild vs. Entfernungsmeldung
1.43
(0.81)
0.076
0.86
4.17
20.19
Zielentfernung hoch vs. gering
1.28*
(0.64)
0.045
1.03
3.58
12.47
Konstante
-1.24
(0.67)
0.063
Modell-Χ²(3) = 7.62, p = .055. R2 = 0.11 (Hosmer & Lemeshow), 0.12 (Cox & Snell), 0.17 (Nagelkerke). * p < .05
Insgesamt verbessert die Aufnahme der Prädiktoren das Modell im Vergleich zum einfachsten
Modell mit nur einer Konstanten (das für jeden Teilnehmer vorhersagen würde, dass er keine Pause
macht) in geringem, aber marginal signifikantem Umfang (siehe Χ² in Tabelle 9, letzte Zeile), wobei,
wie die R²-Werte zeigen, ein relativ großer Anteil der Pausenentscheidungen vom Modell unerklärt
bleibt.
Von den einzelnen Prädiktoren leistet entsprechend des Signifikanzkriteriums von p < 0.05 nur die
Zielentfernung einen bedeutsamen Beitrag zur Vorhersage von Pausen. Demnach erhöht sich bei
hoher Zielentfernung die Wahrscheinlichkeit zu pausieren im Verhältnis zur Wahrscheinlichkeit wei-
terzufahren auf das etwa 3.6fache (s. Odds Ratio in Tabelle 9). Allerdings ergeben sich ein sogar et-
was höheres b-Gewicht und entsprechendes Odds Ratio auch für den Prädiktor Warnung mit Bild vs.
Entfernungsmeldung. Vermutlich wegen der geringeren Probandenanzahl in den Warnungs- im Ver-
gleich zu den Zielentfernungsbedingungen ist hier aber auch die Unsicherheit der Schätzung (SE)
etwas höher, womit der Effekt bei gefordertem α < .05 nicht signifikant ist. Akzeptiert man jedoch die
Irrtumswahrscheinlichkeit von p = 0.076, sprechen die Daten dafür, dass auch durch eine personali-
sierte Warnung das Chancenverhältnis von Pause zu Weiterfahren auf etwa das 4.2fache im Ver-
gleich zur Situation ohne Warnsystem steigt. Dem gegenüber verfehlt der Effekt der Warnung mit
Kaffeetasse deutlich die Signifikanz.
4.3.2.2 Subjektive Pausenwahrscheinlichkeit
Im Einklang mit der Zunahme beobachtbaren Pausenverhaltens waren auch die in der retrospektiven
Befragung erhobenen subjektiven Pausenwahrscheinlichkeiten zum jeweils letzten Warnzeitpunkt in
Experiment 2 insgesamt höher als in Experiment 1 (MExp1 = 2.45, SD = 2.50; MExp2 = 3.92,
SD = 3.16; t(95.02) = -2.58268, p = .006, korrigiert für ungleiche Varianzen; Skala von 0 – nicht wahr-
scheinlich bis 9 – sehr wahrscheinlich).
Abbildung 30 stellt die Mittelwerte der Experimentalgruppen, aufgeschlüsselt nach Warnungsbe-
dingung, Zielentfernung und der Kombination beider Faktoren, einander zum Vergleich gegenüber.
68 gerichteter t-Test für unabhängige Stichproben
114
Abbildung 30. Mittlere subjektive Wahrscheinlichkeit, nach der letzten Systemmeldung im Experiment eine Pau-
se einzulegen. Links: Haupteffekt des Warnungstyps, Mitte: Haupteffekt der Zielentfernung, rechts: Interakti-
onseffekt. Fehlerbalken stellen 95%-Konfidenzintervalle dar.
Wie sich zeigt, führte insgesamt keine der beiden Warnungsvarianten zu einer signifikant stärke-
ren Pausenintention als eine reine Entfernungsinformation (MEntf = 3.75, SD = 3.28, MKaff = 3.55,
SD = 3.38; MBild = 4. 45, SD = 2.89; F(2,54) = .508, p = .604). In erwarteter Richtung offenbart sich hin-
gegen ein deutlicher Haupteffekt der Zielentfernung (M32km = 2.83, SD = 3.22, M102km = 5.00,
SD = 2.74; F(1,54) = 8.010, p = .007). Hinsichtlich der Interaktion zeigen die Stichprobenmittelwerte
ein interessantes Muster: Während es übereinstimmend mit dem Haupteffekt der Zielentfernung
den Befragten sowohl ohne Warnung als auch bei allgemeiner Warnung jeweils sehr viel unwahr-
scheinlicher erscheint, dass sie eine Pause machen, wenn nur noch wenige Kilometer zurückzulegen
sind (MEn32 = 1.90, SD = 2.81, MKa32 = 2.20, SD = 3.26) weicht der entsprechende Mittelwert in der
Gruppe mit personalisierter Warnung recht deutlich nach oben ab (MBi32 = 4. 40, SD = 3.27) und liegt
etwa auf dem gleichen Niveau wie bei hoher Zielentfernung (MBi102 = 4.50, SD = 2.64). Obwohl dieser
Unterschied mehr als zwei Skalenpunkte ausmacht, ist der Interaktionseffekt vor dem Hintergrund
der hohen interindividuellen Varianz dennoch nicht signifikant (F(2,54) = 1.964, p = .150). Eine weite-
re interessante Beobachtung auf Ebene der Stichprobenmittelwerte, nämlich, dass bei hoher Zielent-
fernung die Pausenintention ohne Warnung am stärksten ist (MEn102 = 5.60, SD = 2.68), muss bei ge-
ringerer Unterschiedsgröße ebenfalls dem Zufall zugeschrieben werden.
4.3.2.3 Subjektive Vulnerabilität
Wieder wurden neben den objektiven und subjektiven Verhaltenswahrscheinlichkeiten auch die kog-
nitiven Einschätzungen erfragt, die gemäß der PMT Verhaltensintentionen und Verhalten beeinflus-
sen. Theoretisch sollte unter diesen vor allem die wahrgenommene Vulnerabilität systematisch so-
wohl mit der Zielentfernung als auch mit der Warnungsbedingung variieren (s. 4.2.4). Betrachtet wird
wiederum die Befindlichkeit in Bezug auf den Zeitpunkt nach der jeweils letzten Systemanzeige.
Insgesamt liegen die angegebenen subjektiven Vulnerabilitätswerte im mittleren Skalenbereich
und erscheinen damit bei Interpretation als wahrgenommene Fehlerwahrscheinlichkeiten relativ
hoch (Mges = 46.75, SD = 28.65 auf der Skala von 0 bis 100%).
Der Vergleich der Warnungsgruppen (s. Abbildung 31, S. 115) zeigt deskriptiv das erwartete Bild:
Die mittlere Vulnerabilität liegt nach einer allgemeinen Warnung etwa 5% und nach einer personali-
sierten Warnung etwa 15% höher als ohne Warnung (MEntf = 39.63, SD = 29.53, MKaff = 45.00,
SD = 29.23; MBild = 55.63, SD = 26.13), inferenzstatistisch ist der Haupteffekt aber mit p = .203 nicht
signifikant (F(2,54) = 1.644). Ähnlich verhält es sich mit dem Haupteffekt der Zielentfernung: Ist diese
hoch, wird die Vulnerabilität im Mittel um 10% höher eingeschätzt als bei nahem Ziel (M102km = 51.83,
115
SD = 27.63, M32km = 41.67, SD = 29.20), doch auch für diesen Effekt liegt in Anbetracht der vorhande-
nen Unterschiede innerhalb der Gruppen die Irrtumswahrscheinlichkeit bei p = .171 (F(1,54) = 1.923).
In Bezug auf die Wechselwirkung von Warnung und Zielentfernung findet sich ein ähnliches Mus-
ter der Stichprobenmittelwerte wie schon zuvor bei der subjektiven Pausenwahrscheinlichkeit: Wäh-
rend ohne Warnung die Vulnerabilität bei kurzer Restdistanz deutlich geringer eingeschätzt wird
(MEn32 = 30.50, SD = 25.89) als bei langer (MEn102 = 48.75, SD = 31.39), fühlen sich die Teilnehmer nach
einer personalisierten Warnung auch auf der kurzen Strecke ebenso gefährdet (MBi32 = 54.75,
SD = 28.61) wie auf der langen (MBi102 = 56.50, SD = 24.92). In abgeschwächter Form erscheint dieses
Muster auch in der Bedingung mit allgemeiner Warnung (MKa32 = 39.75, SD = 30.42; MKa102 = 50.25,
SD = 28.59). In Relation zu den interindividuellen Unterschieden ist die Interaktion aber weit von
einer statistischen Signifikanz entfernt (F(2,54) = 0. 423, p = .658).
Abbildung 31. Mittlere nach der letzten Systemmeldung wahrgenommene Gefährdung, einen Fahrfehler zu
begehen. Links: Haupteffekt des Warnungstyps, Mitte: Haupteffekt der Zielentfernung, rechts: Interaktionsef-
fekt. Fehlerbalken stellen 95%-Konfidenzintervalle dar.
4.3.2.4 Maximal tolerierte Pausenkosten
Wiederum wurden die Teilnehmer nach der Fahrt befragt, welchen Geldbetrag sie in der gegebenen
Situation maximal für eine Pause auszugeben bereit wären. Trotz der in vielerlei Hinsicht unter-
schiedlichen Rahmenbedingungen unterscheiden sich insgesamt die maximal tolerierten Pausenkos-
ten über die Experimente nicht signifikant (MExp1 = 4.77 €, SD = 3.71; MExp2 = 4.53 €, SD = 3.54;
t(97) = 0.329, p = .743).
Abbildung 32. Mittelwerte der tolerierten Höchstkosten einer Pause im Fahrversuch (unter Einbezug von zwei
statistischen Extremwerten). Links: Haupteffekt des Warnungstyps, Mitte: Haupteffekt der Zielentfernung,
rechts: Interaktionseffekt. Fehlerbalken stellen 95%-Konfidenzintervalle dar.
Ebenfalls ähnlich wie in Experiment 1 offenbarte die explorative Datenanalyse zwei extreme
Ausreißerwerte, welche in der jeweiligen Bedingung außerhalb von M ± 3 SD lagen. Abbildung 32
zeigt das Muster der Gruppenmittelwerte unter Einbeziehung der Extremwerte. In Abhängigkeit der
116
Warnbedingung nimmt die mittlere Zahlungsbereitschaft für eine Pause zu (MEntf = 3.75 €, SD = 3.47;
MKaff = 4.45 €, SD = 3.34; MBild = 5.38 €, SD = 3.79), in Relation zur Gesamtvarianz ist der entsprechen-
de Haupteffekt aber nicht signifikant (F(2,54) = 1.023, p = .367).
Abbildung 33. Mittelwerte der tolerierten Höchstkosten einer Pause im Fahrversuch (unter Ausschluss von zwei
statistischen Extremwerten). Links: Haupteffekt des Warnungstyps, Mitte: Haupteffekt der Zielentfernung,
rechts: Interaktionseffekt. Fehlerbalken stellen 95%-Konfidenzintervalle dar.
Beide extremen Ausreißer stammen aus der Gruppe mit reiner Entfernungsrückmeldung (je einer
mit 32km und 102km Zielentfernung), und verzerren sowohl den Mittelwert als auch die Streuung in
dieser Bedingung erheblich nach oben, wie in Abbildung 33 zu sehen ist, welche die Situation unter
Ausschluss der Extremwerte darstellt (MEntf = 2.78 €, SD = 1.656). Der Haupteffekt der Warnbedin-
gung ist in dieser Konstellation signifikant (F(2,52) = 3.232, p = .048), was per Einzelvergleich aus-
schließlich auf den bedeutsamen Unterschied von 2.60 € zwischen der Gruppe mit personalisierter
Warnung und der Referenzgruppe ohne Warnsystem zurückzuführen ist (p = .045; DKa-En = 1.67 €,
p = .333; DBi-Ka = 0.93 €, p = 1.00; p-Werte korrigiert nach Bonferroni)69.
Der Effekt der Zielentfernung (M32km = 4 .83 €, SD = 4.109; MKaff = 4.22, SD = 2.903) und der Inter-
aktionseffekt erweisen sich weder unter Einbezug noch unter Ausschluss der Extremwerte als statis-
tisch signifikant (F < 1).
4.3.3 Analyse der verbleibenden PMT-Variablen
4.3.3.1 Subjektiver Schweregrad der Schädigung
In Bezug auf die Frage, wie schwerwiegend oder schlimm den Teilnehmern die Aussicht erschien,
einen Fahrfehler zu begehen und eine finanzielle Einbuße zu erleiden, wurde kein Effekt der experi-
mentellen Faktoren erwartet.
Entgegen dieser Erwartung zeigte sich ein signifikanter Haupteffekt der Warnungsbedingung
(F(2,54) = 3.509, p = .037): Wie in Abbildung 34 (S. 117) zu erkennen ist, wird der Schweregrad der
Schädigung in der Gruppe mit der allgemeinen Warnung deutlich geringer eingeschätzt als in den
anderen beiden Gruppen (MKaff = 3.95, SD = 2. 40; MEntf = 5.90, SD = 2.83, MBild = 5.75, SD = 2.38; Ein-
zelvergleiche: DEn-Ka = 1.95, p = .063; DBi-Ka = 1.80, p = .097, p-Werte korrigiert nach Bonferroni).
Die Betrachtung der Interaktionswirkung zeigt, dass dieser Effekt über die Zielentfernungsbedin-
gungen hinweg konsistent ist (F(2,54) = 0.052, p = .949). Die Zielentfernung macht erwartungsgemäß
69 Laut Levene-Test (F(5,52) = 2. 423, p = .048) resultieren auch signifikante Varianzunterschiede zwischen den
Experimentalgruppen, aufgrund gleicher Gruppengrößen wird aber dennoch von einer Reliabilität des F-Werts
für den Faktor Warnungsgestaltung ausgegangen (vgl. Field, 2009).
117
keinen Unterschied für den wahrgenommenen Schweregrad der Schädigung F(1,54) = 0.805,
p = .374.
Abbildung 34. Mittlerer nach der letzten Systemanzeige wahrgenommener Schweregrad der Schädigung im Fall
eines Fahrfehlers. Links: Haupteffekt des Warnungstyps, Mitte: Haupteffekt der Zielentfernung, rechts: Interak-
tionseffekt. Fehlerbalken stellen 95%-Konfidenzintervalle dar.
4.3.3.2 Subjektive Handlungswirksamkeit
Die subjektive Handlungswirksamkeit einer Pause gibt den Betrag an, um den sich in der Wahrneh-
mung der Fahrer durch eine Pause die Fehlerwahrscheinlichkeit reduziert. Anders als in Experiment 1
wurde diese Variable nicht direkt erfragt, sondern in zwei Schritten erfasst. Zum einen schätzte jeder
Teilnehmer die Wahrscheinlichkeit eines Fahrfehlers unter der Bedingung, dass keine Pause gemacht
wird – diese Einschätzung entspricht der oben bereits ausgewerteten subjektiven Vulnerabilität und
wird im Folgenden zur besseren Abgrenzung als subjektive Vulnerabilität ohne Pause bezeichnet.
Zum anderen wurde erhoben, wie die Teilnehmer die Wahrscheinlichkeit eines Fehlers unter der
Bedingung, dass vorher pausiert wurde, wahrnahmen; im Folgenden bezeichnet als subjektive Vulne-
rabilität mit / nach Pause. Als subjektive Handlungswirksamkeit fließt die Differenz aus den jeweili-
gen Vulnerabilitätsurteilen mit und ohne Pause in die Analyse ein. Da die verabredete Pausenoption
in allen experimentellen Bedingungen gleich war (10-15 Minuten mit der Möglichkeit Kaffee zu trin-
ken oder kurz zu schlafen), wurden keine Unterschiede in der subjektiven Wirksamkeit erwartet.
Die meisten Teilnehmer empfanden eine Pause als probates Mittel zur Verbesserung der Fahrleis-
tung: im Durchschnitt reduzierte sich pausenbedingt die wahrgenommene Fehlerwahrscheinlichkeit
um etwa 20% (Mges = 18.90). Wie die Streuung von SD = 22.84 zeigt, variierte die absolute Höhe der
Urteile dabei beträchtlich, was sich in ähnlicher Form für alle hier betrachteten subjektiven Einschät-
zungen wiederfindet. Qualitativ besonders interessant ist, dass immerhin 5 Teilnehmer der Pause
keinerlei Wirksamkeit bescheinigten (Handlungswirksamkeit = 0) und weitere 5 die Pause diesbezüg-
lich sogar als schädlich empfanden und glaubten, dass diese das Auftreten von Fahrfehlern in der
Folge eher begünstige (Handlungswirksamkeit < 0)70.
Entgegen der theoretischen Erwartung hatte die Warnungsbedingung einen signifikanten Effekt
auf die wahrgenommene Effektivität einer Pause (F(2,53) = 3. 427, p = .040). Wie Abbildung 35
(S. 118) zeigt, liegt diese in der Gruppe mit personalisierter Warnung um etwa 15% höher als in den
anderen Gruppen (MBild = 29.13, SD = 22.50; MKaff = 14.74, SD = 26.60; MEntf = 12.63, SD = 15.74). In
bonferronikorrigierten Einzelvergleichen erweist sich der Unterschied zwischen Warnung mit Eige-
nem Bild und reinem Entfernungsfeedback als marginal signifikant (D = 16.50; p = .062), für den Ver-
70 Diese Überzeugungen zeigten sich trotz der Informationen über die Wirksamkeit der Pause, die in der In-
struktion vermittelt worden waren.
118
gleich der zwei Warnungen untereinander ergibt sich eine höhere Irrtumswahrscheinlichkeit (D =
14.86; p = .117). Die allgemeine Warnungsbedingung unterscheidet sich nicht von der Bedingung
Entfernungsfeedback (D = 1.64; p = 1.000).
Abbildung 35. Mittlere wahrgenommene Reduktion der Wahrscheinlichkeit eines Fahrfehlers im Fahrversuch
durch eine Pause. Links: Haupteffekt des Warnungstyps, Mitte: Haupteffekt der Zielentfernung, rechts: Interak-
tionseffekt. Fehlerbalken stellen 95%-Konfidenzintervalle dar. Ein Teilnehmer in der Gruppe Kaffeetasse-32km
machte keine Angabe.
Deskriptiv ist auch eine Tendenz zu höheren Pausenwirksamkeitserwartungen bei weiter entfern-
tem Ziel vorhanden (M102km = 22.17, SD = 17.53; M32km = 15.52, SD = 27.19), dennoch ist der Hauptef-
fekt der Zielentfernung nicht signifikant (F(1,53) = 1.502, p = .226). Auch eine leichte entfernungsab-
hängige Divergenz der Mittelwerte in der Warnbedingung mit Kaffeetasse führt nicht zu einem signi-
fikanten Interaktionseffekt (F(2,53) = 1.020, p = .368).
4.3.3.3 Subjektive Vulnerabilität nach Pause
Durch die veränderte Art der Erhebung der subjektiven Handlungswirksamkeit in Experiment 2 kann
analysiert werden, ob höhere Wirksamkeitserwartungen ihre Quelle ausschließlich in höheren Vulne-
rabilitätswahrnehmungen ohne Pause oder auch in geringeren Vulnerabilitätswahrnehmungen
nach / mit Pause haben.
Abbildung 36. Mittlere wahrgenommene Wahrscheinlichkeit, nach einer Pause einen Fahrfehler zu begehen.
Links: Haupteffekt des Warnungstyps, Mitte: Haupteffekt der Zielentfernung, rechts: Interaktionseffekt. Fehler-
balken stellen 95%-Konfidenzintervalle dar. Ein Teilnehmer in der Gruppe Kaffeetasse-32km machte keine An-
gabe.
Dazu können zunächst die einfachen Korrelationen zwischen den Variablen betrachtet werden.
Wie bereits auf Grundlage der Ergebnisse von Experiment 1 vermutet, zeigt die wahrgenommene
Handlungswirksamkeit einen starken positiven Zusammenhang mit der subjektiven Vulnerabilität
ohne Pause (r = .64, p = .000). Der Zusammenhang mit der subjektiven Vulnerabilität mit Pause ist
erwartungsgemäß negativ, jedoch sehr schwach und nicht signifikant (r = ˗.19, p = .067). Auch die
119
Betrachtung der Gruppenmittelwerte der Vulnerabilität mit Pause weist darauf hin, dass diese sich
über die experimentellen Bedingungen hinweg nicht in nennenswertem Ausmaß unterscheidet (sie-
he Abbildung 36, alle F < 1). Demnach speisen sich die für die subjektive Handlungswirksamkeit beo-
bachteten Unterschiede vor allem aus Unterschieden in der subjektiven Vulnerabilität ohne Pause.
4.3.3.4 Situative Selbstwirksamkeit
Für die letzte der in der PMT postulierten mediierenden kognitiven Einschätzungen, die Frage, wie
stark sich die Teilnehmer nach der letzten Systemanzeige in der Lage fühlten, eine Pause zu machen,
wurden wiederum keine Unterschiede zwischen den experimentellen Bedingungen erwartet.
Insgesamt liegen die Werte im mittleren bis oberen Skalenbereich (Mges = 5.14, SD = 2.72 auf der
Skala von 0 – gar nicht bis 9 – sehr stark). Abbildung 37 zeigt die Mittelwerte der Experimentalgrup-
pen. Beide Haupteffekte verfehlen deutlich die Signifikanz (F < 1). Auch die in der rechten Grafik er-
kennbare Andeutung einer Interaktion, der gemäß in einer Situation ohne Warnsystem die Selbst-
wirksamkeitswahrnehmung bei nahem Ziel geringer wäre als bei höherer Zielentfernung
(MEn102 = 6.10, SD = 2.182; MEn32 = 4.00, SD = 3.055) ist angesichts der hohen Gesamtvarianz nicht
statistisch bedeutsam (F(2,53) = 1.026, p = .353).
Abbildung 37. Mittlere wahrgenommene Fähigkeit, nach der letzten Systemanzeige eine Pause einzulegen.
Links: Haupteffekt des Warnungstyps, Mitte: Haupteffekt der Zielentfernung, rechts: Interaktionseffekt. Fehler-
balken stellen 95%-Konfidenzintervalle dar. Ein Teilnehmer in der Gruppe Kaffeetasse-32km machte keine An-
gabe.
4.3.4 Weitere Analysen
4.3.4.1 Subjektive Aktivierung durch die Warnung
Hinsichtlich der Frage, wie stark die Teilnehmer sich durch die Anzeige aktiviert fühlten, gab es in
Experiment 1 Hinweise darauf, dass die erlebte Aktivierung möglicherweise an der noch zu bewälti-
genden Fahrstrecke relativiert und die anregende Wirkung bei höherer Distanz entsprechend abge-
wertet wurde. Außerdem steht die Replizierbarkeit des deskriptiven Ergebnisses zu untersuchen,
dass dieser Abwertungseffekt möglicherweise durch eine personalisierte Warnung aufgehoben wur-
de, was auf eine länger anhaltende Aktivierung in dieser Bedingung hindeuten könnte.
Über die Zielentfernungen hinweg hatte die Warnbedingung, wie in Abbildung 38 (S. 120) gut er-
kennbar ist, keinen Effekt (F < 1). Die vermutete Minderung der eingeschätzten Aktivierung bei höhe-
rer Distanz trat hingegen sehr deutlich zutage (F(1,54) = 13.765, p = .000; M32km = 7.60, SD = 1.453;
M102km = 5.87, SD = 2.129).
120
Abbildung 38. Mittlere subjektive Aktivierung durch die Warnung. Links: Haupteffekt des Warnungstyps, Mitte:
Haupteffekt der Zielentfernung, rechts: Interaktionseffekt. Fehlerbalken stellen 95%-Konfidenzintervalle dar.
Bei deskriptiver Betrachtung der Wechselwirkung der Faktoren findet sich in der Tat das Mittel-
wertemuster aus dem ersten Experiment wieder: Während in der allgemeinen Warnbedingung die
berichtete Aktivierung bei hoher Restdistanz deutlich geringer ist als bei nahem Ziel (MKa102 = 5.00,
SD = 2.055; MKa32 = 7.90, SD = 1.197), fällt diese Minderung bei personalisierter Warnung nur sehr
gering aus (MBi102 = 6.50, SD = 1.900; MBi32 = 7.10, SD = 1.853). Die Werte aus der Bedingung ohne
Warnsystem komplettieren das Bild auf interessante Weise, indem sie - unter Berücksichtigung der
Konfidenzintervalle - eher dem Muster in der personalisierten als der allgemeinen Warnbedingung
ähneln (MEn102 = 6.10, SD = 2.331; MEn32 = 7.80, SD = 1.229). Der Interaktionseffekt ist statistisch je-
doch nicht signifikant, mit p = .142 (F(2,54) = 2.021).
4.3.4.2 Subjektive Ablenkung durch die Warnung
Ein Bild der eigenen Person könnte aufgrund des stärkeren Selbstbezugs im Vergleich zu einem
allgemeinen Symbol wie einer Fahne oder Kaffeetasse stärker die Aufmerksamkeit binden und damit
von der Fahraufgabe ablenken. Experiment 1 hatte bezüglich des Vergleichs von Porträt und Tasse
eine nicht signifikante Tendenz der Mittelwerte in dieser Richtung erbracht.
Abbildung 39. Mittlere subjektive Ablenkung durch die Warnanzeige. Links: Haupteffekt des Warnungstyps,
Mitte: Haupteffekt der Zielentfernung, rechts: Interaktionseffekt. Fehlerbalken stellen 95%-Konfidenzintervalle
dar.
Die Mittelwerte aus den drei Warnungsbedingungen zeigen ein unerwartetes Muster (Abbildung 39):
Während sich die berichtete Aktivierung in den Bedingungen Kaffeetasse und eigenes Bild kaum
unterscheidet (MKaff = 3.10, SD = 2.404; MBild = 2.50, SD = 2.544), liegt sie beim Entfernungsfeedback
deskriptiv am höchsten (MEntf = 4.10, SD = 3.144). Der Effekt ist aber nicht signifikant (p = .192).
Erwartungsgemäß weisen auch die Zielentfernung und die Wechselwirkung beider Faktoren keinen
signifikanten Effekt auf (beide F < 1).
121
4.3.4.3 Wachhaltestrategien: Art, Umfang und Effekt auf die Fahrleistung
Auch in Experiment 2 wurden die Teilnehmer im Rahmen der retrospektiven Befragung gebeten,
Angaben zu den von ihnen benutzten Wachhaltestrategien zu machen. 50 der 60 untersuchten Fah-
rer trugen Antworten in das Freitextfeld ein (vollständige Aufstellung in Anhang B.2.2). Die Aussagen
wurden dem in 3.3.4.4.1 beschriebenen Vorgehen gemäß in semantische Einheiten unterteilt, und
diese Analyseeinheiten wurden je einer von 5 verschiedenen Strategiekategorien zugeordnet.
Schrieb ein Teilnehmer beispielsweise, er habe „in Gedanken gesungen oder über komplizierte Dinge
gegrübelt“, entsprach dies einer kombinierten Nutzung von Strategien der Kategorie 4 (hedonistische
geistige Beschäftigung) und 3 (geistige Problemlösung).
Tabelle 10 schlüsselt für jede Strategieart auf, wieviel Prozent der Fahrer mindestens eine Verhal-
tensweise aus der jeweiligen Kategorie berichteten. Wie in Experiment 1 war Bewegung die am häu-
figsten genutzte Praktik: Jeder zweite Fahrer griff darauf zurück. Je etwa ein Drittel der Befragten gab
an, mittels sensorischer Stimulation, Problemlösen und hedonistischer Beschäftigung versucht zu
haben der Müdigkeit entgegenzuwirken. Ein Viertel setzte selbstmotivierende Gedanken und ver-
stärkte volitionale Anstrengung ein. Während im ersten Experiment alle Teilnehmer mindestens eine
Verhaltensweise berichtet hatten, machten diesmal 10.0% der Teilnehmer keine Angabe; außerdem
wurden häufiger Strategiekombinationen angegeben. Der Großteil der Fahrer nutzte Maßnahmen
aus einer (31.7%) oder zwei Kategorien (36.7%), aber etwa jeder fünfte machte auch von drei (18.3%)
oder sogar vier (3.3%) Kategorien Gebrauch. Die am häufigsten eingesetzte Strategiekombination
war erneut Bewegung & sensorische Stimulation (20.3% aller Zweierkombinationen), gefolgt von
Bewegung & hedonistische Beschäftigung und Problemlösung & hedonistische Beschäftigung (jeweils
12.5%).
Tabelle 10. Kategorien von Wachhaltestrategien und Anteil der Fahrer in Experiment 2, die angaben, mindes-
tens eine Maßnahme aus der Kategorie genutzt zu haben.
1
Bewegung
(50.0%)
4
Hedonistische geistige Beschäftigung
(33.3%)
Dynamische oder statische Muskelaktivität
mit Schwerpunkt auf Ausführung
Mentale Aktivitäten mit Schwerpunkt auf Zer-
streuung / Unterhaltung
2
Sensorische Stimulation
(33.3%)
5
Selbstmotivierung
(25.0%)
Verschaffen zusätzlicher sensorischer Reize in
verschiedenen Sinnesmodalitäten
Willensanstrengung und Selbstinstruktion mit
Schwerpunkt auf erfolgreichem Fahren
3
Geistige Problemlösung
(31.7%)
6
keine
(10.0%)
mentale Anstrengung mit Schwerpunkt auf
nicht-fahraufgabenbezogenem Problemlösen
keine Strategie berichtet
Um zu untersuchen, ob bestimmte Strategien tatsächlich zu besseren Fahrleistungen beitrugen, wur-
de wiederum die Qualität der Querführung betrachtet (vergleiche 3.3.4.4.2). Obwohl diesmal einzel-
ne Personen keine Maßnahme berichteten, ist deren Anzahl mit n = 6 zu klein für eine stabile Schät-
zung einer Baseline. Daher wurden wie im ersten Versuch die drei Metakategorien 1) körperliche
Strategien (zusammengefasst aus Bewegung und sensorische Stimulation), 2) geistige Strategien (zu-
sammengefasst aus und Problemlösung, hedonistische Beschäftigung und Selbstmotivation) und
3) kombinierte körperliche und geistige Strategien in ihrer Wirksamkeit verglichen. In die Analyse
flossen die Daten der 47 Teilnehmer ein, die alle erforderlichen Voraussetzungen an die Qualität der
Daten (s. 3.3.4.4.2) erfüllten. Abbildung 41 (S. 122) zeigt die Gruppenmittelwerte der Variabilität der
lateralen Fahrzeugposition. Wie deutlich zu erkennen ist, unterscheiden sich diese nicht signifikant
voneinander (F(2,44) = 0.005, p = .995).
122
Abbildung 40. Anteil der Nennung der fünf ver-
schiedenen Wachhaltestrategien an allen berichte-
ten Maßnahmen. Mehrfachnennungen waren
möglich.
Abbildung 41. Mittlere Standardabweichung der
lateralen Fahrzeugposition abhängig von der ange-
wandten globalen Wachhaltestrategie. Gruppen-
größen: nkörp= 14; ngeis= 15; nkomb= 18.
123
4.4 Diskussion
4.4.1 Determinanten der Warnungswirksamkeit
Die Veränderungen des experimentellen Paradigmas im Hinblick auf die Induktion beobachtbarer
Pausen waren erfolgreich (s. 4.4.4), und neben Pausen an sich gab es in Experiment 2 auch Unter-
schiede im Pausenverhalten in Abhängigkeit von der Warnungsgestaltung zu beobachten. Qualitativ
ergab sich genau das erwartete Muster: Nach einer personalisierten Warnung entschieden sich mehr
Fahrer anzuhalten als nach einer Standardwarnung, aber auch nach der Standardwarnung stoppten
mehr Fahrer als in der Vergleichsbedingung ohne Warnsystem. Statistisch war dabei nur der Ver-
gleich der personalisierten Warnung mit der Baseline marginal signifikant. Hinsichtlich der Wirkung
der Zielentfernung wurde die Hypothese unterstützt, dass mehr Fahrer im Rahmen einer längeren
verbleibenden Fahrstrecke eine Pause wählen. Während Warnungen grundsätzlich auf allen Zieldis-
tanzen zu mehr Pausen führen, ist ihre Wirksamkeit im Vergleich zu einer Situation ohne Warnsys-
tem auf der kurzen Distanz – auf der ohne Warnung niemand pausierte - möglicherweise noch stär-
ker als auf der langen, auf der auch ohne zusätzlichen Gefahrenhinweis einige Fahrer eine Pause ein-
legten.
Der Effekt der Zielentfernung auf das Pausenverhalten fand sich auch auf Ebene der geäußerten
subjektiven Pausenwahrscheinlichkeit wieder, welche als Kenngröße der insgesamt resultierenden
Schutzmotivation verstanden werden kann. Der Effekt der Warnungsvariante auf das Verhalten spie-
gelte sich dagegen nur teilweise auf der Intentionsebene.
Von den in Frage kommenden kognitiven Einschätzungen, auf denen ein Verhaltenseffekt laut der
PMT beruhen könnte, galt die subjektive Vulnerabilität, die wahrgenommene eigene Anfälligkeit für
Fahrfehler, als aussichtsreichster Kandidat. Obwohl die entsprechenden Effekte der Zielentfernung
und der Warnungsgestaltung wiederum das Signifikanzniveau verfehlten, spricht ein anderes Faktum
dennoch für deren Systematik: Die Gruppenwerte auf Stichprobenebene entsprechen nicht nur den
theoretischen Erwartungen, sondern replizieren auch exakt die qualitativen Muster aus Experiment
1. Dies deutet darauf hin, dass wie vermutet durch die Spiegelung des kritischen Fahrerzustands per
Videobild eine stärkere Gefährdungswahrnehmung induziert werden kann als durch die Standard-
warnung mit dem Kaffeetassensymbol. Die Standardwarnung selbst erhöht die subjektive Gefähr-
dung im Vergleich zur Situation ohne Warnsystem nur wenig. Ebenso wie in Experiment 1 liefern die
Stichprobenmittelwerte auch Hinweise darauf, dass das Vorliegen einer Warnung - insbesondere
einer personalisierten - bei kurzer Zieldistanz einen stärkeren Einfluss auf die subjektive Gefährdung
hat als bei langer. Es erscheint plausibel, dass ein Fahrer das Auftreten eines müdigkeitsbedingten
Lapsus für wahrscheinlicher hält, wenn noch eine vergleichsweise weite Strecke zu bewältigen ist,
und wie im ersten Versuch war eine entsprechende Tendenz auf Ebene der Stichprobenmittelwerte
zu finden. Ebenfalls repliziert wurde das qualitative Muster, dass durch eine Warnung mit eigenem
Bild auch bei kurzer Zieldistanz die subjektive Gefährdung auf das Niveau angehoben wurde, das
sonst nur bei hoher Zielentfernung vorlag. Vor dem Hintergrund einer ressourcenbedingt begrenzten
Teststärke liefert die Replizierbarkeit der Befunde trotz unbefriedigender Signifikanzwerte Hinweise
darauf, dass es sich bei diesen Beobachtungen um reliable Effekte handelt.
Auf Grundlage der erhöhten subjektiven Vulnerabilität und der erhöhten wahrgenommenen
Handlungswirksamkeit der Pause im Kontext der Warnung mit eigenem Bild liegt die Vermutung na-
he, dass Fahrer nach einer personalisierten Warnung auch bereit sind, größere Kosten für eine Pause
in Kauf zu nehmen. Die Ergebnisse hinsichtlich der maximal tolerierten Pausenkosten bestätigen dies.
Eine Standardwarnung scheint hingegen nicht auszureichen, um die pausenbezogene Investitionsbe-
124
reitschaft im Vergleich zu einer Situation ohne Warnung bedeutsam zu erhöhen. Auch eine hohe
Zielentfernung führt nicht zur Akzeptanz höherer Pausenkosten. Dies widerspricht teilweise den the-
oretischen Erwartungen: Laut SEU-Modell müssten sowohl erhöhte Vulnerabilitätswerte (höhere
Wahrscheinlichkeit negativer Konsequenzen) als auch erhöhte Handlungswirksamkeitswahrnehmun-
gen (Nutzenwert einer Pause) dazu führen, dass höhere Pausenkosten in Kauf genommen werden.
Empirisch scheint hingegen vor allem die Handlungswirksamkeitserwartung ausschlaggebend zu sein.
Dieses Ergebnis passt zu entsprechenden Befunden aus der Entscheidungsforschung, die zeigen, dass
die adäquate71 Berücksichtigung der Wahrscheinlichkeiten von Handlungsergebnissen im Urteils- und
Entscheidungsprozess offenbar schwieriger ist als die Nutzung von Nutzen-/Kosteninformationen.
Interessanterweise blieb in Experiment 2 trotz in vielerlei Hinsicht unterschiedlicher Rahmenbedin-
gungen (z. B. bezüglich möglicher Einbußen bei Fahrfehlern, Müdigkeitsniveau, subjektiver Fehler-
wahrscheinlichkeit, Ankerwert der Pausenkosten etc.) das Gesamtniveau der angegebenen akzep-
tierten Pausenkosten relativ konstant (bei etwas unter 5 €). Allerdings wäre es nach zwei experimen-
tellen Tests verfrüht, daraus Schlussfolgerungen für die Praxis abzuleiten.
4.4.2 Befunde hinsichtlich der verbleibenden PMT-Variablen
In beiden Experimenten war theoretisch davon ausgegangen worden, dass weder Zielentfernung
noch Warnungsgestaltung einen Effekt auf die PMT-Variable subjektiver Schweregrad der Schädigung
zeigen sollten. Die Ergebnisse von Experiment 2 bestätigen diese Erwartung bezüglich der Zielentfer-
nung72, der Interaktion und des Vergleichs keine vs. personalisierte Warnung. Unerwartet jedoch
wurde die Aussicht auf einen fahrfehlerbedingten Verlust eines erheblichen Teils der Entschädigung
in der Standardwarnungsbedingung mit Kaffeetasse als weniger schlimm beurteilt als in den anderen
beiden Warnungsbedingungen. Dieser Effekt trat konsistent über die Entfernungsbedingungen auf.
Eine ähnliche, allerdings viel geringfügigere, Tendenz zeigte sich auch in Experiment 1. Über mögliche
Interpretationen dieses Befundes kann nur spekuliert werden. Sofern es sich nicht um ein Zufallsre-
sultat handelt, könnten mit der Kaffeetasse assoziierte positive Valenzen eine Rolle spielen. Antizi-
pierte Emotionen spielen vermutlich eine große Rolle in der Abschätzung subjektiver Kosten und
Nutzen (Keer, van den Putte, Bas & Neijens, 2010; Loewenstein & Lerner, 2003; Mellers, 2001); und
bei der Beurteilung des subjektiven Schweregrads der Schädigung handelt es sich um eine Beurtei-
lung der potentiellen Kosten des maladaptiven Verhaltens Weiterfahren. Wäre das Konzept „Tasse
Kaffee“ emotional positiver besetzt als die Zielfahne oder das eigene von Müdigkeit gezeichnete Ko n-
terfei (wenigstens bezüglich letzterem erscheint die theoretische Erwartung relativ klar), könnte dies
zu einer Verzerrung des wahrgenommenen Schweregrads der Bedrohung führen, wenn die Summe
der antizipierten negativen Emotionen (negative Valenz des Verlusts, aber positive Valenz des Sym-
bols) bei der Beurteilung als Richtmaß benutzt wird. Sofern sich für diese Interpretation weitere Be-
lege finden ließen, hätte dies wichtige Implikationen für die Verwendung positiv besetzter Symbole in
der Warnungsgestaltung. Einerseits ist bekannt, dass durch die konkrete und explizite Darstellung
drohender Schädigungen – welche u.a. emotional negativ besetzt sind – die wahrgenommene Be-
drohung erhöht wird und damit grundsätzlich die Schutzmotivation steigt (Laughery, 2006; Wogalter
et al., 2006). Andererseits gilt es solche Copingprozesse zu berücksichtigen, die sich nicht auf die
ursächliche Beseitigung der Gefahr, sondern auf die Beseitigung des unangenehmen Gefühls kon-
zentrieren (Gefahrenkontrolle vs. Angstkontrolle, s. Leventhal & Watts, 1966; Witte & Allen, 2000;
71 gemessen an der normativen Entscheidungstheorie
72 Der in Experiment 1 beobachtete Trend zu höheren Ausprägungen bei hoher Zielentfernung wurde nicht
repliziert.
125
Witte, 1994), was zur Folge hat, dass eine hohe Bedrohung auch kognitive Mechanismen der Abwehr
anstoßen kann, die in Bezug auf das adaptive Verhalten kontraproduktiv wirken. Aus diesem Grund
orientieren sich Persuasionsansätze in letzter Zeit verstärkt auch auf die Möglichkeit, nicht nur durch
Darstellung potentieller Schädigungen die wahrgenommenen Kosten des maladaptiven Verhaltens zu
erhöhen, sondern die positiven Anreize des empfohlenen Verhaltens zu verdeutlichen und dessen
wahrgenommene Kosten zu reduzieren (Lewis, Watson & White, 2008, 2010; Lewis, Watson, White
& Tay, 2007; O'Keefe & Wu, 2012; Wickens et al., 2012, s.a. 2.1.4.4, 5.3). Möglicherweise ist dies
auch eine der Intentionen hinter der Verwendung des Kaffeetassensymbols in den meisten Warn-
konzepten für Privatfahrzeuge. Es steht zu erforschen, ob sich ein möglicher Nebeneffekt des Sym-
bols, die wahrgenommene Bedrohlichkeit im Vergleich zu einer Situation ohne Warnung zu schmä-
lern, replizieren lässt und, falls ja, wie er sich in Relation zu dem intendierten Effekt, Lust auf eine
wirksame Pause zu wecken, in der motivationalen Gesamtbilanz auswirkt.
Auch bezüglich der wahrgenommenen Handlungswirksamkeit einer Pause zur Müdigkeitsredukti-
on bzw. zur Senkung des Fahrfehlerrisikos wurden keine Effekte der experimentellen Manipulationen
erwartet. Die angebotene Pausenoption war immer dieselbe, und es wurde vermutet, dass die Anti-
zipation ihrer Effekte in allen Bedingungen lediglich die vorhandene Vulnerabilitätswahrnehmung um
einen bestimmten, relativ konstanten Betrag mindern würde. Entgegen dieser Erwartung zeigte sich
ein signifikanter Effekt der Warnungsbedingung. Die Pausenoption wurde in der Warnungsbedingung
mit eigenem Bild, verglichen mit Baseline und Standardwarnung, als effektiver wahrgenommen. Der-
selbe Trend hatte sich bereits in Experiment 1 gezeigt. Die Inspektion der antizipierten Fehlerwahr-
scheinlichkeiten für die weitere Fahrt nach einer Pause offenbarte, dass diese in allen Bedingungen
nahezu gleich eingeschätzt werden. Demnach kann sich ein Fahrer, der sich nach einer Warnung mit
seinem eigenen Bild fehleranfälliger fühlt als ein Teilnehmer in der Standardwarnungsbedingung, in
seiner eigenen Wahrnehmung durch eine Pause auf dasselbe höhere Funktionsniveau zurückbringen,
das auch der standardgewarnte Fahrer als Resultat der Pause wahrnimmt. Grundsätzlich empfindet
die Mehrheit der Fahrer die Pause als wirksame Maßnahme; jedoch sieht immerhin ein Sechstel der
Befragten darin auch keinerlei Nutzen oder nimmt die Pause sogar als abträglich für das danach er-
wartete Leistungsniveau wahr. Dieses Ergebnis belegt quantitativ die Existenz negativer Handlungs-
wirksamkeitserwartungen, die sich im ersten Versuch73 bereits in qualitativen Anmerkungen einiger
Teilnehmer wie „wenn ich jetzt eine Pause mache, dann bin ich danach noch müder“ offenbart hat-
ten. Das Ergebnis bestätigt die Schlussfolgerungen aus anderen Studien (Armstrong et al., 2010;
Nordbakke & Sagberg, 2007; Schützhofer & Torner, 2008; Torner & Schützhofer, 2010), wonach bei
einem Teil der Fahrer falsche Überzeugungen über die Wirksamkeit von Gegenmaßnahmen beste-
hen. Solche Überzeugungen stehen der Verhaltenswirksamkeit von Müdigkeitswarnungen entgegen
und müssen im Sinne erfolgreichen Müdigkeitsmanagements entsprechend adressiert werden. Über
die situationsnahe Bereitstellung entsprechender aufklärender Informationen hinaus erscheinen
dabei besonders solche Ansätze vielversprechend, welche den Fahrern ermöglichen, eigene prakti-
sche Erfahrungen mit der Wirkung kurzer Naps zu sammeln. Dies kann nicht nur durch Probierange-
bote ähnlich der Turboschlafkampagne (s.a. 2.1.4.2) befördert werden, sondern auch durch Maß-
nahmen wie eine generelle Aufwertung und Etablierung von Naps in der Arbeitsgesellschaft (s. Kra-
jewski et al., 2011) oder die Schaffung einer entsprechenden Infrastruktur im Verkehrswesen (s.a.
2.1.4.4).
73 in welchem methodenbedingt die geringste attestierbare Wirkung der Pause bei 0 lag
126
Hinsichtlich der Selbstwirksamkeit der Fahrer in der Entscheidungssituation nach einer Warnung
oder Rückmeldung bestätigen die Ergebnisse aus beiden Experimenten weitgehend die Erwartung,
dass diese nicht durch die experimentellen Faktoren beeinflusst wird. Allein in der in Experiment 2
neu hinzugekommenen Referenzbedingung ohne Warnsystem gab es eine nicht signifikante Tendenz
zu einer entfernungsabhängigen Dissoziation der wahrgenommenen Selbstwirksamkeit dergestalt,
dass es bei geringer Entfernung weniger als eine Frage der eigenen Entscheidung wahrgenommen
wurde, ob eine Pause gemacht wird oder nicht. Theoretisch wäre ein solcher Befund durchaus inter-
pretierbar im Sinne einer bei geringer Zielentfernung stärkeren externen (situationalen) Rechtferti-
gung weiterzufahren, welcher in der Bedingung ohne Warnung kein entsprechender externer Druck
zu pausieren entgegengesetzt ist. Im Rahmen der vorliegenden Studie kann aber nicht beantwortet
werden, ob es sich hierbei um einen reliablen Effekt handelt oder nicht.
4.4.3 Weitere Befunde
Im Hinblick auf die im Nachhinein berichtete Aktivierung durch die Rückmeldung wurde das Ergebnis
aus Experiment 1 bestätigt, dass diese bei hoher Zielentfernung deutlicher geringer eingeschätzt
wird. Dies erhärtet die Vermutung, dass der erlebte Aktivierungseffekt rückblickend an dessen Nach-
haltigkeit bezogen auf die gesamte Fahrtdauer relativiert wird. Die Wechselwirkung von Warnungs-
gestaltung und Zielentfernung war wiederum nicht signifikant, aber qualitativ replizierten die Ergeb-
nisse das Muster aus Experiment 1. Demnach fiele die mit hoher Zielentfernung einhergehende Ab-
schwächung der berichteten Aktivierung bei personalisierter Warnung geringer aus als in den ande-
ren beiden Warnungsbedingungen, was als Indiz für eine nachhaltigere Aktivierungswirkung durch
das eigene Bild interpretiert werden könnte. Theoretisch könnte ein solcher Effekt zum Beispiel auf
einer länger anhaltenden Aktivierung durch selbstbezogene Kognitionen beruhen, die durch das Ein-
blenden der Anzeige angestoßen werden. Eine solche Hypothese sollte aber auf jeden Fall erneut mit
objektiver Erhebungsmethodik und höherer zeitlicher Auflösung überprüft werden; die hier betrach-
teten subjektiven Einschätzungen können dafür nur von explorativem und hypothesengenerieren-
dem Wert sein. Anzumerken ist noch, dass die in der Baselinebedingung beobachtete Aktivierungs-
wirkung nicht auf die reale Fahrsituation übertragbar ist, da sie auf einer salienten Rückmeldung der
Zielentfernung beruht, die normalerweise nicht in dieser Art erfolgt.
Diese ungewohnte Art der Rückmeldung könnte möglicherweise auch die Beobachtung erklären,
dass die im Nachhinein berichtete subjektive Ablenkung durch die Anzeige qualitativ (nicht signifi-
kant) in der Gruppe mit dem reinen Entfernungsfeedback am höchsten war. Theoretisch wurde eher
erwartet, dass die Warnung mit eigenem Bild einerseits aufgrund ihrer Neuartigkeit und andererseits
aufgrund des hohen Selbstbezugs möglicherweise stärker die Aufmerksamkeit fesseln und von der
Fahraufgabe ablenken würde. Zumindest in den subjektiven Urteilen findet sich hierfür jedoch kein
Anhaltspunkt. Ebenso wie die Effekte hinsichtlich der Aktivierung bilden diese Ergebnisse jedoch nur
einen Teilaspekt des Phänomens ab und sollten auf jeden Fall durch Untersuchungen mit objektiven
Methoden ergänzt werden, bevor daraus Schlüsse für die Praxis gezogen werden.
Die experimentelle Kontrolle im Rahmen der Fahrsimulation unterband die Anwendung der meis-
ten während der Fahrt anwendbaren Maßnahmen zur Selbstaktivierung, die in entsprechenden Stu-
dien oft berichtet werden (z. B. Fenster öffnen, Klimaanlageneinstellungen verändern, Musik hören,
Essen, etc., s. 2.1.3). Dennoch gaben die meisten Fahrer in der Nachbefragung verschiedene Verhal-
tensweisen an, mit denen sie im Rahmen der eingeschränkten Möglichkeiten während der Fahrt ver-
sucht hatten sich wachzuhalten. Aus dem zunächst sehr heterogen erscheinenden Spektrum dieser
Maßnahmen – Bewegen, Strecken, Augenaufreißen, Kneifen, Kratzen, Atmen, Kopfrechnen, an Musik
127
denken, Gedichte aufsagen, Schauen, Grummeln, Pfeifen, Selbstgespräche, Singen, Summen und
noch weitere – wurden mit Hilfe einer qualitativen Inhaltsanalyse nach Mayring (2007) induktiv fünf
Kategorien gebildet: Bewegung, sensorische Stimulation, geistige Problemlösung, hedonistische geis-
tige Beschäftigung und Selbstmotivierung / Willensanstrengung. Die ermittelten Nutzungshäufigkei-
ten für Maßnahmen aus den jeweiligen Kategorien ergeben für Experiment 1 und 2 ähnliche Vertei-
lungen. Auf verschiedene Arten von Bewegung wurde von jeweils etwa der Hälfte der Fahrer zurück-
gegriffen; die verbleibenden Strategien wurden in etwas geringerem Umfang etwa gleich häufig ge-
nutzt. Der Vergleich der drei Metakategorien körperliche, geistige und kombinierte körperlich-
geistige Maßnahmen erbrachte keinerlei Unterschiede hinsichtlich der resultierenden Variabilität der
Querführung als Maß der Fahrleistung. Ein zusätzlicher Vergleich mit einer Baseline, in der keinerlei
Maßnahmen angewandt werden, wäre wünschenswert, um abschätzen zu können, ob die verwende-
ten Maßnahmen irgendeinen Effekt auf die müdigkeitsbedingte Verschlechterung der Fahrleistung
hatten. Da die Strategien von den Teilnehmern selbst gewählt und nicht experimentell manipuliert
wurden, war ein solcher Vergleich aber nicht möglich, da ein Verzicht auf die Anwendung von Ge-
genmaßnahmen zu selten vorkam74. Vor dem Hintergrund entsprechender Forschungsbefunde (s.a.
2.1.1.3, 2.1.2) steht jedoch zu vermuten, dass durch die Anwendung der berichteten Verhaltenswei-
sen keine signifikante Verbesserung in Bezug auf Müdigkeit und Fahrleistung erreicht wird. Zudem
kann man argumentieren, dass mit Blick auf die ökologische Fahrsituation die Anwendung dieser
immer zur Verfügung stehenden Maßnahmen gewissermaßen die Baseline darstellt. Der Versuch der
Selbstaktivierung scheint eine natürliche Reaktion auf empfundene Müdigkeit zu sein, was unter
anderem darin zum Ausdruck kommt, dass sich in verschiedenen Skalen zur Erhebung von Müdigkeit
durch externe Beobachter viele der genannten Verhaltensweisen – z. B. Augenreiben, Gesichtreiben,
Grimassieren, Kratzen, Arm- und Beinbewegungen, Ruheloses Hin- und Herrutschen im Sitz etc. – als
Indikatoren für bestimmte Müdigkeitsstufen wiederfinden (Anund et al., 2013; Dittrich et al., 2009;
Wierwille & Ellsworth, 1994).
4.4.4 Fahrsimulationsparadigma
Neben situations- und warnungsbedingten Unterschieden zeigt die Analyse der abhängigen Variablen
auch, dass die Veränderungen des Fahrsimulationsparadigmas, welche auf die Erhöhung der absolu-
ten Auftretenswahrscheinlichkeit von Pausen abzielten, erfolgreich waren.
Wie erwartet führten die Verlegung des Testzeitraums in das nächtliche circadiane Tief und die
Verlängerung der möglichen Fahrzeiten vor und nach einer Warnung im Vergleich zu Experiment 1 zu
einer deutlichen Erhöhung der Fahrermüdigkeit, welche sowohl in subjektiven als auch in objektiven
Maßen nachweisbar war. Mit einer Ausnahme erreichten alle Fahrer innerhalb der zur Verfügung
stehenden Zeit das Müdigkeitskriterium für die Warnungspräsentation, was eine wichtige Vorausset-
zung für die Glaubwürdigkeit der Warnung darstellt. Für ein hohes Müdigkeitsniveau in der Stichpro-
be spricht auch, dass mehr als die Hälfte der Fahrer auf der kurzen Zieldistanz (welche in knapp 20
Minuten zu bewältigen war) und 80% der Fahrer auf der langen Zieldistanz eine zweite Warnung
erhielten. Auch die Niveaus der subjektiven Vulnerabilität, des subjektiven Schweregrads der Bedro-
hung und der subjektiven Pausenwahrscheinlichkeit lagen im Vergleich zu Experiment 1 signifikant
höher. Die Gesamtheit der Veränderungen führte zu der erwünschten Erhöhung der beobachteten
Pausenwahrscheinlichkeit, welche auch die verhaltensbezogene Beurteilung von Unterschieden zwi-
schen den Bedingungen erlaubte.
74 und zudem nur durch den Verzicht auf eine Angabe im Fragebogen operationalisiert werden kann
128
Anzumerken ist noch, dass sich trotz der bereits relativ restriktiv erscheinenden Rahmenbedin-
gungen insgesamt nur etwas mehr als ein Viertel der Fahrer für eine Pause entschied. Dies zeigt, dass
es keine triviale Aufgabe ist einen müden Fahrer zum Anhalten zu bewegen – mit den entsprechen-
den Implikationen für das Gewicht, das in zukünftiger Forschung auf die angemessene Gestaltung der
Outputseite von MWS gelegt werden sollte. Für nachfolgende Anwendungen des Paradigmas wäre es
aus Gründen der Testeffizienz vermutlich wünschenswert, darüber nachzudenken, mit welchen
Maßnahmen die Grundwahrscheinlichkeit von Pausen noch weiter in einen mittleren Bereich geho-
ben werden könnte.
Mit dem vorgestellten Untersuchungsaufbau steht erstmals ein experimentelles Paradigma für
den Fahrsimulator zur Verfügung, mit dem unter realitätsnahen Anreizbedingungen die Wirkung
verschiedener Faktoren, insbesondere der Warnungsgestaltung, auf die Compliance nach Müdig-
keitswarnungen untersucht werden kann. Damit ist eine wichtige Lücke geschlossen, um den bisheri-
gen Mangel an empirischer Forschung zu Fragen des optimalen Rückmeldungsdesigns in Zukunft zu
beheben.
129
5 Allgemeine Diskussion und Ausblick
5.1 Zur Gestaltung verhaltenswirksamer Müdigkeitswarnungen
5.1.1 Human Factors im Warnungsdesign: mehr als Wahrnehmbarkeit und Nutzerakzep-
tanz
Als erstes Fazit einer eingehenden Beschäftigung mit dem Thema ist es möglich, folgende grobe
Ungleichgewichte in der bisherigen Forschung rund um die Entwicklung von Müdigkeitswarnsyste-
men zu identifizieren:
(1) Verhältnis Input : Output. Das erste Ungleichgewicht besteht hinsichtlich des Verhältnisses von
Forschung zur Input- vs. Outputseite dieser Systeme. Unzählige aktuelle Veröffentlichungen stellen
neue Entwicklungen in Bezug auf Sensortechnologien und Detektionsalgorithmen zur Erfassung von
Fahrermüdigkeit vor. Im Vergleich zu den Anfängen haben die Detektionstechnologien beeindru-
ckende Fortschritte gemacht und erscheinen mittlerweile in vielerlei Hinsicht praxistauglich. Inzwi-
schen ist nicht mehr nötig, als - z. B. - eine ganz normale Baseballkappe aufzusetzen oder einfach
nur ein Fahrzeug zu führen, damit Lidschlussparameter, Hirnaktivitätsmuster oder Spurführungsma-
ße relativ reliabel gemessen und in Echtzeit komplexen Algorithmen zur Müdigkeitserkennung zuge-
führt werden können. Dennoch verbleibt auch auf der Detektionsseite ein Bedarf an weiterer For-
schung und Entwicklung, und auch innerhalb der Veröffentlichungen zum Thema Detektion ist ein
Ungleichgewicht festzustellen: Auf dem Kontinuum vom Vorschlagen (und zum Teil auch der Markt-
einführung) neuer Technologien über deren Validierung im Labor bis hin zu Ergebnissen aus dem
Feld, z. B. hinsichtlich Sensitivität und Spezifität bei der Vorhersage sicherheitskritischer Ereignisse,
nimmt die Erkenntnisdichte merklich ab (s.a. Dawson et al., 2014). Weitere Optimierungsmöglichkei-
ten bestehen u.a. in Bezug auf die Anpassung von Detektionsalgorithmen an individuelle Besonder-
heiten, die Abschirmung der Messergebnisse von externen Störvariablen und den Einbezug prädikti-
ver Müdigkeitsmodelle.
Noch krasser als die Gegensätze innerhalb der Detektionsforschung erscheint allerdings das Un-
gleichgewicht zwischen Forschung zur Detektionsseite insgesamt und Forschung, die sich auf die
sinnvolle Nutzung der detektierten Information im Rahmen einer Rückmeldung an den Fahrer be-
zieht. Auch angesichts der Möglichkeiten, die Müdigkeitsinformation z. B. zur optimierten Einstellung
automatischer Fahrzeugsicherheitssysteme zu nutzen oder die Gefahr an andere Fahrzeuge zu kom-
munizieren, wird auch in absehbarer Zukunft75 in erster Linie eine angemessene Reaktion des Fahrers
entscheidend dafür sein, ob durch die Detektion das Risiko gemindert werden kann oder nicht.
Um die Fahrerreaktion im Sinne einer Müdigkeitsreduktion günstig zu beeinflussen, bedarf es ei-
ner geeigneten Gestaltung der Rückmeldung des Detektionssystems. Im Vergleich zu der Masse an
Forschung zur Entwicklung angemessener Detektionsalgorithmen gibt es wenige Studien, die sich mit
der Entwicklung angemessener Rückmeldungskonzepte beschäftigen.
(2) Verhältnis “Human Factors”: Human Factors. Innerhalb der bereits relativ spärlichen Forschungs-
literatur, die sich in irgendeiner Form mit Fragen der Outputgestaltung befasst, setzen sich ungleiche
Gewichtungen verschiedener relevanter Aspekte fort.
75 logischerweise genau so lange, wie es unter dem Sicherheitsaspekt überhaupt interessant ist, den Fahrerzu-
stand zu kennen, d.h. solange der Fahrer irgendwelche Aufgaben der Fahrzeugführung übernimmt und nicht
nur Passagier in einem vollständig automatisierten System ist
130
Noch relativ gut berücksichtigt werden Aspekte der Wahrnehmbarkeit, des Ablenkungspotentials
und der Nutzerakzeptanz. Von den identifizierten Funktionen, welche eine Müdigkeitswarnung zu
erfüllen hat76, liegt der emergente Fokus, besonders im privaten Kfz-Sektor, auf der Informations-
funktion und dem Handlungsvorschlag. Beide sind angesichts potentieller Divergenzen zwischen sub-
jektiver und tatsächlicher Fahrermüdigkeit sowie teilweise falscher Überzeugungen hinsichtlich wirk-
samer Gegenmaßnahmen wichtige Elemente, aber allein nicht hinreichend für eine verhaltenswirk-
same Warnung. Um Verhaltenswirksamkeit zu erreichen, muss das Augenmerk viel mehr als bisher
auf motivationale Aspekte gerichtet werden, welche die Ausführung der Handlungsempfehlung be-
hindern. Für diese motivationalen Aspekte erscheinen die verbleibenden beiden Warnungsfunktio-
nen Kritikalitätsbewertung und Handlungsunterstützung besonders bedeutsam, und es bleibt frag-
lich, ob diese Funktionen von vorhandenen Rückmeldungsentwürfen befriedigend erfüllt werden.
Natürlich liefert der reine Fakt, dass eine Müdigkeitswarnung erscheint, gleichzeitig eine Kritikalitäts-
bewertung. Zentral bezüglich der Funktionsbewertung ist aber, dass es nicht ausreicht, wenn das
System den Zustand als bedrohlich bewertet, solange es nicht gelingt, dass der Fahrer dies nach der
Warnmeldung ebenfalls tut. Was bisher in der Warnungsgestaltung kaum zur Kenntnis genommen
wurde, sind kognitiv und emotional verankerte Verzerrungen in der subjektiven Gefährdungswahr-
nehmung und anderen Situationsbeurteilungen des Fahrers, welche im Rahmen des Entscheidungs-
prozesses für oder gegen eine angemessene Reaktion auf die Warnung eminent wichtig sind. Eine
extrem wirksame dieser Verzerrungen ist der unrealistische Optimismus. Im Verbund mit einer un-
vorteilhaften Gesamtkonstellation motivationaler Anreize, welche in der Müdigkeitswarnungssituati-
on vorliegt, bildet er eine starke Gegenkraft zur Ausführung des empfohlenen Verhaltens anzuhalten
und eine Pause zu machen. Aus diesem Grund müssen sich Müdigkeitswarnungen viel stärker als
andere Fahrzeugwarnungen daran messen lassen, wie effektiv sie auf Ebene der Überzeugungen und
Motivation des Fahrers wirksam werden können. Dieser Aspekt wurde trotz seiner Wichtigkeit bisher
theoretisch und empirisch weitestgehend vernachlässigt. Eine Handvoll Ansätze, welche erkennbar
auf Überzeugungen und Motivation des Fahrers abzielt, ist gegenüber vorhandenen Überlegungen zu
„anderen“ Human Factors (Aspekte wie Wahrnehmbarkeit, Verhinderung einer Schreckreaktion,
Vereinbarkeit mit der Fahraufgabe, Nutzerakzeptanz) deutlich in der Minderzahl.
Die bisherige relative Vernachlässigung des Überzeugungs- und Motivationsaspekts könnte auf
mehrere Ursachen zurückgehen. Zum einen stellt die Müdigkeitswarnung im Hinblick auf die assozi-
ierte motivationale Ambivalenz, ausgeprägte subjektive Handlungskosten etc. ein Novum im Kreise
der Fahrzeugwarnungen dar, welche bisher eher Informationen und Reaktionshilfen für einfache und
auf Motivationsebene relativ eindeutig unterstützte Reaktionen wie Bremsen oder Ausweichen zur
Verfügung stellten. Dies hat zur Folge, dass bisherige Human-Factors-Standardprozeduren für die
Entwicklung von Fahrzeugwarnungen im Falle der Müdigkeitswarnung zu kurz greifen. Möglicherwei-
se überwiegt vor dem Hintergrund des Mangels an Erfahrungen mit Warnungen, die auf nennens-
werten „motivationalen Widerstand“ treffen könnten, auch bei manchen Entwicklern ein übermäßig
rationales Menschenbild im Sinne eines Fahrers, der lediglich darüber informiert werden muss, dass
er müde ist, und dann schon die richtigen Schritte einleitet. Auch das komplette Gegenteil könnte der
Fall sein: Möglicherweise werden die irrationalen Momente im menschlichen Entscheidungsverhal-
ten durchaus zur Kenntnis genommen, aber es herrscht die implizite Haltung, dass diese ohnehin
nicht zu beeinflussen seien und daher auch nicht berücksichtigt werden müssen. Ob so oder so, in
76 (1) über Müdigkeit informieren, (2) die Kritikalität des festgestellten Zustandes verdeutlichen, (3) eine Hand-
lungsempfehlung geben, (4) bei der Umsetzung des empfohlenen Verhaltens unterstützen (s. 2.3.2.3)
131
der Human-Factors-Evaluation und Entwicklung von Müdigkeitswarnungen wäre es sträflich, einen
derart mächtigen Faktor zu ignorieren. Kaum ein anderer Aspekt als die inhärenten Besonderheiten
des menschlichen Urteils- und Entscheidungsverhaltens verdient es wohl prototypischer, als Human
Factor bezeichnet und entsprechend berücksichtigt zu werden.
(3) Verhältnis Konzeption : Empirische Prüfung. Ein letztes Ungleichgewicht in der wissenschaftli-
chen Beschäftigung mit dem Output von Müdigkeitswarnsystemen besteht bezüglich der empiri-
schen Prüfung ihrer sicherheitsbezogenen Wirkungen. Zumeist gehen die Bemühungen nicht über die
Formulierung einiger konzeptueller Überlegungen, z. B. hinsichtlich theoretischer Anforderungen an
das Warnungsdesign, und die Forderung nach empirischer Forschung hinaus. In den wenigen Studien,
welche tatsächlich die Auswirkungen der Präsenz von Müdigkeitswarnern untersuchen, wird oft nur
die gemessene Müdigkeit als abhängiges Maß fokussiert. Ohne nähere Informationen über die kurz-
und langfristigen Reaktionen der Fahrer auf die Warnung wird es nicht möglich sein die Mechanis-
men zu verstehen, welche die – meist ausbleibende oder schwache – Wirkung auf Ebene der Müdig-
keit oder sicherheitskritischer Ereignisse vermitteln. Neben Verhaltensdaten müssen dazu auch Reak-
tionen auf kognitiver und emotionaler Ebene berücksichtigt werden. Ein plausibler Grund dafür, dass
die Wirksamkeit von Müdigkeitswarnungen bisher so wenig empirisch geprüft wurde, sind methodi-
sche Schwierigkeiten. FOTs sind zu aufwendig, um sie als Forschungs- und Evaluationsinstrument in
frühen Entwicklungsstadien einzusetzen. Experimentelle Labor- und Fahrsimulationstests wurden
bislang so gut wie nicht durchgeführt, vermutlich weil bisher unklar war, wie die im Warnungsge-
schehen unmittelbar bedeutsame motivationale Konstellation einer realen Fahrsituation im ge-
schützten Versuch nachvollzogen werden könnte. Die Verfügbarkeit eines ökologisch validen Fahrsi-
mulationsparadigmas stellt somit eine wesentliche Voraussetzung für die empirische Prüfbarkeit
verschiedener Warnungsdesigns hinsichtlich ihrer Wirkungen auf kognitiver, emotionaler und Verhal-
tensebene dar.
5.1.2 Gewonnene Erkenntnisse zur Überzeugungs- und Verhaltenswirksamkeit
verschiedener Warnungsdesigns
Auf Basis der Entwicklung eines neuen Fahrsimulationsparadigmas, das die benannte methodische
Lücke schließt, konnten in dieser Arbeit erste Erkenntnisse zur Wirksamkeit von Müdigkeitswarnun-
gen auf Überzeugungen, Motivation und Pausenverhalten gewonnen werden.
Das erste Forschungsziel (s. Abschnitt 1) bestand darin, das psychologische Problem hinter der
Müdigkeitswarnung in einen theoretischen Rahmen einzubetten, in dem relevante Einflussgrößen
identifiziert und damit Gestaltungsansätze eröffnet werden. Der allgemeine Prozess der Verarbeitung
der Warnungsinformation lässt sich in geeigneter Weise durch das C-HIP-Modell abbilden. Eine De-
taillierung und Konkretisierung relevanter Einflussgrößen auf den besonders wichtigen Stufen der
Überzeugungen und der Motivation liefert die Theorie der Schutzmotivation (PMT). Diese spezifiziert
eine Reihe subjektiver Einschätzungen, die für den Ausgang von Risikoentscheidungen funktionell
bedeutsam und damit als Ansatzpunkte für gezieltes Warnungsdesign von Interesse sind: Vulnerabili-
tät, Schweregrad der Schädigung, Handlungswirksamkeit und Selbstwirksamkeit.
Fokussiert wurden der Aspekt der subjektiven Vulnerabilität, also der wahrgenommenen Gefähr-
dung, und die Frage, wie wirksam verschiedene Gestaltungsvarianten diese Einschätzung in Richtung
einer Pausenentscheidung beeinflussen können. Verglichen wurden eine Standardwarnung, wie sie
in den meisten mit Warnsystem ausgerüsteten Pkw verwendet wird, und eine personalisierte War-
nung mit eigenem Bild, von der vermutet wurde, dass sie eine stärkere Wirkung auf die Vulnerabilität
132
und damit die Pausenentscheidung haben würde. Die Warnungswirkung wurde in zwei verschiede-
nen Situationskontexten, nah am Ziel und weiter entfernt, analysiert.
Die empirischen Erkenntnisse zur Wirksamkeit der Standardwarnung mit dem Kaffeetassensymbol
(Forschungsziel 2) können wie folgt zusammengefasst werden: Erwartungsgemäß sind sowohl die
Vulnerabilitätswahrnehmung als auch die Pausenhäufigkeit nach dieser Warnungsvariante etwas
höher als ohne explizite Warnung. Tendenziell akzeptieren die Fahrer nach der Standardwarnung
auch etwas höhere Pausenkosten als ungewarnte Fahrer. Die beobachteten Zugewinne bleiben aller-
dings so klein, dass sie in keinem Fall statistische Signifikanz erreichen.
Die neu gestaltete Warnungsvariante mit dem Bild des Fahrers führt im Vergleich zur Baseline oh-
ne Warnung zu größeren Zuwächsen in Vulnerabilität und beobachteten Pausen als die Standard-
warnung (s. Forschungsziel 3). Zudem empfinden die mit dem eigenen Bild gewarnten Fahrer eine
Pause als deutlich wirksamer gegen Müdigkeit und sind bereit, höhere Kosten dafür in Kauf zu neh-
men.
Der situative Kontext (s. Forschungsziel 4) hat einen bedeutsamen Einfluss auf die Entscheidungen
der Fahrer nach einer Müdigkeitswarnung. Bei weit entferntem Ziel sind die Odds einer Pause im
Vergleich zum nahen Ziel etwa drei- bis vierfach erhöht. Die entsprechende Tendenz findet sich auch
auf Ebene der Vulnerabilität wieder. Somit erhöht sich mit abnehmender Zielentfernung der Inter-
ventionsbedarf. Es gibt Hinweise darauf, dass die Warnung mit eigenem Bild bei geringer Zielentfer-
nung den entsprechenden Nachteil besser auszugleichen vermag als die Standardwarnung: Während
sich Fahrer sowohl ohne Warnung als auch nach der Standardwarnung bei geringer Zielentfernung
weniger anfällig für Fahrfehler fühlen, ist die Vulnerabilitätswahrnehmung bei mit eigenen Bild Ge-
warnten auch bei nahem Ziel ähnlich hoch wie bei weit entferntem. Erwartungsgemäß finden sich
ähnliche Muster hinsichtlich der beobachteten Pausen wieder.
Während die Muster auf Stichprobenebene den Erwartungen entsprechen und auch über die Ver-
suche hinweg konsistent sind, erreichen nicht alle Effekte statistische Signifikanz (s.a. Diskussion in
3.4.1 und 4.4.1). Im Gegensatz zum Effekt der Zielentfernung ist beispielsweise der Effekt der War-
nung mit eigenem Bild auf die Pausenhäufigkeit im Vergleich zur Baseline nur marginal signifikant.
Allerdings zeigt der Vergleich der geschätzten Effektgrößen, dass die Signifikanzunterschiede wohl
teilweise den unterschiedlichen Gruppengrößen geschuldet sind (Zielentfernung: jeweils 30 Perso-
nen, Warnungstypen: jeweils 20 Personen). So erhöht eine personalisierte Warnung im Vergleich zur
Baseline die geschätzten Odds für eine Pause um etwa das Vierfache (mit entsprechend größerer
Unsicherheit) und wirkt sich damit in etwa genauso stark auf die Pausenwahrscheinlichkeit aus wie
eine hohe Zielentfernung.
Einige unerwartete Effekte hinsichtlich der verbleibenden PMT-Variablen traten nur inkonsistent
auf und werden an anderer Stelle diskutiert (3.4.2, 4.4.2).
Zusammenfassend ist festzustellen, dass die derzeit in den meisten privaten Pkw mit Müdigkeits-
warnsystemen eingesetzte Gestaltungsvariante die Pausenbereitschaft – sowohl im Verhalten, als
auch auf Ebene vorgeordneter Empfindungen und Einschätzungen – im Vergleich zu einer Situation
ohne Warnung nur in sehr geringem Maße erhöht. Eine mit Fokus auf Überzeugungsstärke gestaltete
Warnung mit eigenem Bild erweist sich als insgesamt wirksamer. Selbst diese insgesamt größeren
Effekte sind jedoch nicht in allen Fällen deutlich verschieden von der Grundsituation ohne Warnsys-
tem. Mit Rückbezug auf die in 3.3.2.2 aufgeworfene Frage nach der Wahl des Signifikanzkriteriums
zwischen höherer Sensitivität vs. Spezifität kann folgendes festgestellt werden: Die vorliegende Un-
tersuchung repräsentiert eine typische Human-Factors-Fragestellung, in der die Sicherheitswirksam-
133
keit verschiedener Gestaltungsvarianten zu beurteilen ist. Vor diesem Hintergrund erscheinen die
potentiellen negativen Konsequenzen eines β-Fehlers weniger gravierend als die eines α-Fehlers. Die
technische Umsetzung ist mit relativ geringem Aufwand zu bewerkstelligen. Bei Übernahme des
vermutlich wirksameren Warnkonzepts mit dem eigenen Bild wäre das neue System dem alten im
schlimmsten Fall (dem Fall eines β-Fehlers) in der Wirksamkeit ebenbürtig. Sofern – worauf die
Replizierbarkeit der Ergebnismuster hinweist – der Effekt reliabel ist, würden durch die Übernahme
des neuen Designs Sicherheitsgewinne resultieren. Im Falle eines α-Fehlers, das heißt bei Nichtüber-
nahme des neuen Designs trotz eines vorhandenen Effekts, würde man sich hingegen weiterhin auf
eine weniger effektive Warnungsvariante verlassen (vgl. Wickens et al., 2004). Vor diesem Hinter-
grund und unter Berücksichtigung der ressourcenbedingt limitierten Stichprobengröße sollten die
gefundenen Effekte der Warnung mit eigenem Bild als bedeutsam interpretiert werden.
Somit zeigt sich einerseits, dass die Personalisierung in der vorliegenden Form ein aussichtsreicher
Weg ist, die Verhaltens- und Sicherheitswirksamkeit von Müdigkeitswarnungen im Fahrzeug zu ver-
größern. Andererseits besteht aber auch noch viel Spielraum für weiterführende kreative Ansätze
zum Umgang mit der herausfordernden Motivationskonstellation im Rahmen der Müdigkeitswar-
nung.
5.1.3 Anschließende Forschungsfragen
Aus den erzielten Erkenntnissen erwächst auch neuer Forschungsbedarf, z. B. mit Ziel der Absiche-
rung der Ergebnisse, der näheren Spezifikation von Wirkungsmechanismen oder der Klärung weiter-
führender Fragen hinsichtlich der Anwendbarkeit der Ergebnisse in der Praxis.
Zum Beispiel stellen sich, neben einer wünschenswerten Replikation des Kernbefunds, weitere
Fragen rund um die beobachtete Wirkung der Warnung mit eigenem Bild. Es wäre interessant her-
auszufinden, welche relative Rolle der reine Fakt, dass es sich um ein Bild der eigenen Person handelt,
gegenüber der wahrgenommenen Müdigkeit dieser eigenen Person für die Wirkung auf Vulnerabili-
tät, Pausenentscheidungen und so weiter spielt. Damit in Verbindung steht die Frage nach den theo-
retischen Mechanismen, auf denen die Wirkung beruht. Mindestens drei verschiedene sind denkbar,
die einander auch nicht ausschließen und theoretisch alle gleichzeitig wirken könnten. Zum ersten
könnte, im klassischen Sinne personalisierter Warnungen (s. Vredenburgh & Zackowitz, 2006), durch
den persönlichen Bezug die wahrgenommene Relevanz der Warnbotschaft für die eigene Person
erhöht und damit eine elaborierte Verarbeitung der Nachricht begünstigt werden. Elaboration, d.h.
bewusste Auseinandersetzung mit der Problematik, könnte den Einfluss impliziter Einstellungen wie
des Optimismusbias schwächen. Zum zweiten könnte, wie in dieser Arbeit fokussiert, der Effekt auf
einer direkten Wahrnehmung der eigenen Person als angeschlagen, müde und verletzlich basieren,
welche unmittelbar aus der visuellen Verarbeitung des eigenen Bildes resultiert (s. 2.2.4.1). Zum drit-
ten kommt eine sozialpsychologische Vermittlung über erhöhte Selbstaufmerksamkeit und die damit
verbundene Tendenz, sich konform mit eigenen und sozialen Normen zu verhalten, in Frage (s.
2.2.4.1).
Auch aus den Befunden zur Warnung mit dem Kaffeetassensymbol ergeben sich weiterführende
Fragen. Neben der allgemein geringen Wirksamkeit war insbesondere der unerwartete Befund in
Bezug auf die reduzierte Bedrohungsschwere in dieser Bedingung auffällig. Es steht zu erforschen, ob
es sich um einen reliablen Effekt handelt. Falls ja, müssen die zugrundeliegenden Mechanismen auf-
gedeckt werden, um Schlussfolgerungen zu ermöglichen, wie in der Warnungsgestaltung damit um-
gegangen werden kann. Angenommen beispielsweise, es würde sich herausstellen, dass das Kaffee-
tassensymbol zwar einerseits in erwünschter Weise die Lust auf eine Pause beflügelt, andererseits
134
aber die wahrgenommene Bedrohlichkeit der Situation schmälert; dann könnten vielleicht durch eine
zeitliche oder anderweitige Separierung einer Warnung, die zunächst unzweideutig die Bedrohungs-
wahrnehmung schärft, und einer darauf folgenden Handlungsempfehlung mit dem Kaffeetassen-
symbol dessen positive Effekte ohne den unerwünschten Nebeneffekt genutzt werden.
In den hier vorgestellten Untersuchungen vollzogen sich alle Fahrerentscheidungen im Kontext
einer zuvor erfolgten Aufklärung über die Risiken von Müdigkeit und wirksame Gegenmaßnahmen.
Ein wichtiger nächster Schritt wäre, zu untersuchen, welche Konsequenzen das Ausbleiben solcher
Aufklärungsinformationen für die Reaktionen der Fahrer hat. Es steht zu vermuten, dass die Aufklä-
rung das Gesamtniveau der Pausenwahrscheinlichkeit erhöht. In diesem Fall wäre es angebracht,
besonders wirksame Informationselemente zu identifizieren und darüber nachzudenken, wie diese in
den Fahrt- und Warnungskontext integriert werden können.
Eine wichtige Frage, die sich im Hinblick auf jede technologische Neuerung stellt, ist, wie sich das
Nutzungsverhalten auf einer längeren Zeitskala verändert. Diesbezüglich sollte unter anderem un-
tersucht werden, in welchem Maße die Wirkungen der Warnung mit eigenem Bild und auch der
Standardwarnung Habituationseffekten unterliegen. Ein anderer wichtiger Aspekt sind eventuelle
unerwünschte Verhaltensanpassungen im Sinne einer Risikokompensation. Die vorliegenden Unter-
suchungen erbrachten keine Hinweise darauf, dass für die Art der hier verwendeten Warnungen
solche möglichen negativen Wirkungen die positiven unterminieren könnten. Dennoch ist nicht aus-
geschlossen, dass sich bei langfristiger Nutzung unerwünschte Adaptationen einstellen.
Längsschnittsstudien zur Entwicklung des Nutzungsverhaltens über die Zeit sind daher wünschens-
wert.
Zum Thema längerfristige und unerwünschte Wirkungen sollten auch mögliche Nachteile der per-
sonalisierten Warnung mit eigenem Bild reflektiert werden. Ein bereits diskutierter Aspekt ist die
möglicherweise höhere Ablenkungswirkung. In den hier betrachteten subjektiven Maßen ergab sich
kein Hinweis darauf, doch sollten auch Ergebnisse entsprechender objektiver Tests (z. B. Blickbewe-
gungsmessung, Leistung in Doppelaufgaben etc.) eingeholt und mit angemessenem Gewicht in den
Überlegungen zur Warnungsgestaltung berücksichtigt werden. Sofern sich ein Einfluss des eigenen
Bildes auf die Tendenz zum unrealistischen Optimismus bestätigen ließe, wären auch die zeitliche
Dynamik dieses Effekts und die Auswirkungen wiederholter Exposition von Interesse. Es ist wahr-
scheinlich, dass der unrealistische Optmismus grundsätzlich eine adaptive Funktion bezüglich des
subjektiven emotionalen Wohlbefindens erfüllt (Conversano et al., 2010; Korn, Sharot, Walter,
Heekeren & Dolan, 2014; Schwarzer & Jerusalem, 1995). Sollten Konfrontationen mit dem eigenen
müden Konterfei diese Verarbeitungstendenz längerfristig mindern77, könnte dies auch Konsequen-
zen für das Ausmaß erlebter positiver Emotionen haben. Unter anderem könnte dies die Nutzerzu-
friedenheit und Systemakzeptanz beeinflussen. Es ist daher wichtig, nicht nur alle Auswirkungen zu
studieren, sondern auch mögliche Interaktionen zwischen wünschenswerten Warnungseigenschaften
zu berücksichtigen, die nicht immer zu hundert Prozent miteinander vereinbar sein müssen. Es wurde
bereits kurz angesprochen (s.2.1.4.5), dass sich bereits auf Ebene der reinen Definition idealer Sys-
temeigenschaften eine Reihe von Forderungen finden lassen, die in der gemeinsamen Umsetzung
Konfliktpotential bergen. Auch wenn dies die Zielrichtung sein sollte, wird es nicht immer möglich
sein, eine Designlösung zu finden, die allen Forderungen gleichermaßen gerecht wird. Dort, wo Tra-
77 Aus verschiedenen Gründen scheint dies zwar unwahrscheinlich - z. B. weil sich die Müdigkeitswarnung nicht
auf eine generelle Einschätzung der Person, sondern nur auf einen aktuellen und durch eigene Bemühungen
reversiblen Zustand bezieht -, dennoch wäre es interessant, wie lange eine mögliche Wirkung eigentlich anhält.
135
deoffs unvermeidlich sind, sollte der Punkt (oder der Bereich) der optimalen Gewichtung konfligie-
render Faktoren am besten empirisch hinsichtlich der Gesamtwirkung auf Müdigkeit, Verhalten und
Sicherheit definiert werden.
Gemäß der Weisheit „Es gibt nichts Pra tischeres als eine gute Theorie“ wurde die PMT in dieser
Arbeit als Grundlage für die Erarbeitung sinnvoller Gestaltungsansätze genutzt. Vor diesem Hinter-
grund wurde ein pragmatischer Ansatz im Umgang mit der Theorie und ihren Variablen gewählt. Dies
betrifft u.a. die Vorstellung davon, wie die relevanten Einschätzungen zu Bedrohung und Bewälti-
gungsmöglichkeiten zustande kommen. Die PMT ist eine kognitive Theorie, und es gibt Ansätze in der
psychologischen Forschung, im Rahmen „kognitiver“ Prozesse nur solche Prozesse zu berücksichti-
gen, die bewusst (auch explizit oder unter Aufwand von Aufmerksamkeitsressourcen) ablaufen. Diese
Ansicht wird hier offensichtlich nicht vertreten. Stattdessen wird angenommen, dass die betrachte-
ten risikorelevanten Wahrnehmungen immer aus einem Zusammenwirken bewusster und unbewuss-
ter Prozesse („Bauchgefühl“) resultieren. Ein expliziter Ausschluss automatischer und emotionaler
Verarbeitungsprozesse als rekrutierte Informationsquelle bei der Bedrohungs- und Bewältigungsein-
schätzung erscheint weder im Sinne der Grundlagenformulierung der PMT (Maddux & Rogers, 1983)
noch aus Anwendungssicht sinnvoll (bezüglich methodischer Konsequenzen s. 5.2.1). Im Gegenteil
erweitert sich, indem diese Prozesse einbezogen werden, das Spektrum von Ansätzen zur effektiven
Warnungsgestaltung. So mutet bereits der hier vorgeschlagene Mechanismus einer Erhöhung der
wahrgenommenen Vulnerabilität ziemlich implizit an, um einer ebenfalls impliziten Verzerrungsten-
denz, dem Optimismusbias, zu begegnen. Es erscheint aussichtsreich, in dieser Richtung weiterzu-
denken und zu erforschen, wie automatische und emotionale Verarbeitungsprozesse für eine verhal-
tenswirksame Warnungsgestaltung gezielt genutzt werden können. Ein Beispiel aus einer verwand-
ten Domäne liefert eine Studie von Branaghan und Gray (2010) zur Geschwindigkeitswahl beim Auto-
fahren. Im Rahmen einer simulierten Fahraufgabe wurde hier in der Experimentalbedingung auf un-
bewusstem Wege bei den Fahrern das stereotype Konzept „ältere Person“ aktiviert. Dies führte zu
einer Reduktion der gewählten Geschwindigkeit von guter mittlerer Effektgröße. Verschiedentlich
wurde bereits gezeigt, dass das Priming konkreter Verhaltensweisen, aber auch abstrakterer Eigen-
schaften und Konzepte (z. B. Höflichkeit, Hilfsbereitschaft), die mit bestimmten Verhaltensweisen
assoziiert sind, es wahrscheinlicher macht, dass die entsprechenden Verhaltensweisen auftreten
(VanBaaren, Holland, Kawakami & van Knippenberg, 2004; Bargh, Chen & Burrows, 1996; Chartrand
& Bargh, 1999; Macrae & Johnston, 1998; nach Branaghan & Gray, 2010). Die Berücksichtigung un-
bewusster Verarbeitungsprozesse kann angesichts der Herausforderungen der Müdigkeitswarnung,
welche zu bedeutsamen Anteilen ebenfalls in unbewussten Verarbeitungsmechanismen begründet
sind, vermutlich nur hilfreich bei der Entwicklung verhaltenswirksamerer Warnungsdesigns sein.
Ein weiterer Ausgangspunkt für anschließende Forschung ist die bisher unerklärte Varianz in den
Pausenentscheidungen und relevanten kognitiven Einschätzungen. Je nach Maß klären die Modelle
mit den Faktoren Zielentfernung und Warnungstyp nur etwa 10 bis 15% der Gesamtvarianz auf. Auch
in der insgesamt homogeneren Stichprobe in Experiment 2 spielen individuelle Unterschiede offen-
sichtlich eine große Rolle. Einige potentielle Faktoren wie Alter, Geschlecht und generelle Selbstwirk-
samkeitserwartung hatten in den hier vorgestellten Untersuchungen keinen bedeutsamen Effekt; für
andere wie Vorerfahrungen mit Müdigkeitsunfällen und Sekundenschlaf waren nicht die statisti-
schen Voraussetzungen gegeben, um den Effekt beurteilen zu können. Weitere demographische
Faktoren, Persönlichkeitsmerkmale, Kompetenzen und individuelle Erfahrungen kommen als Deter-
minanten der Verhaltensentscheidung in Frage, u.a. Bildung, subjektive Normen, Gesundheitsbe-
wusstsein, Kognitionsbedürfnis, Technikaffinität oder persönliche Erfahrungen mit Maßnahmen wie
136
Napping. Neben der Identifikation besonders bedeutsamer Merkmale steht als Aufgabe für weitere
Forschung auch die Beurteilung von deren Nutzbarkeit im Rahmen von Interventionen an.
Simulationen und Laborexperimente bieten eine ausgezeichnete Möglichkeit, die Grundlagen der
Warnungswirksamkeit zu erforschen und verschiedene Warnungskonzepte bereits in frühen Phasen
des Designprozesses zu evaluieren. Dennoch bleibt am Ende die Notwendigkeit, die Warnungswir-
kung auf Müdigkeit und Sicherheit auch im Feld zu untersuchen. Erste Schritte einer solchen For-
schung liegen in Form einiger FOTs vor, jedoch ist deren Aussagekraft aus verschiedenen Gründen
noch eingeschränkt. Zum Beispiel lag der Fokus zumeist auf Berufskraftfahrern, wohingegen kaum
Felddaten aus dem privaten Sektor vorhanden sind78. Neben der gemessenen Müdigkeit und sicher-
heitsrelevanten Zielgrößen (z. B. Fahrleistung, sicherheitskritische Ereignisse, Unfälle) sollten auch
die unmittelbaren Fahrerreaktionen auf Warnungen untersucht werden, und dies nicht nur auf Ver-
haltens-, sondern auch auf kognitiver, motivationaler und emotionaler Ebene, damit Ansatzpunkte
für eine optimierte Warnungsgestaltung abgeleitet werden können. Mit zunehmender Verbreitung
von Müdigkeitswarnern eröffnen sich neben FOTs auch andere methodische Möglichkeiten zur Eva-
luation der realen Sicherheitseffekte, z. B. deskriptive Unfallstudien und Fall-Kontroll-Studien.
Schließlich wäre es wünschenswert, auch die inzwischen erheblichen Datensammlungen der Anbie-
ter kommerzieller Systeme wie Optalert, Smart Cap, ASTiD etc. aus der praktischen Anwendung im
Transportwesen einer systematischeren Auswertung zu unterziehen und neue Felddaten in Koopera-
tion mit Warnsystem- und Automobilherstellern zu sammeln.
5.2 Zum Fahrsimulationsparadigma
Die Bereitstellung eines Fahrsimulationsparadigmas, das die spezifische motivationale Konstellation
einer realen Fahrsituation qualitativ nachbilden kann, ist ein wichtiger Schritt hin zu mehr empiri-
scher Evaluation und insgesamt regerer Forschungstätigkeit zum Output von Müdigkeitsdetektoren.
Auf Basis der gewonnenen Erfahrungen können einerseits Ansatzpunkte zur weiteren Verbesserung
des Paradigmas und andererseits Einsatzmöglichkeiten jenseits der Erforschung von Müdigkeitswar-
nungen identifiziert werden.
5.2.1 Methodische Anpassungs- und Optimierungsmöglichkeiten
Zur besseren Übersicht ist es sinnvoll, das Paradigma als modular aus folgenden Bestandteilen zu-
sammengesetzt zu begreifen: (1) Müdigkeitsinduktion, (2) Anreizkonstellation (inklusive Fahrsimula-
tion), (3) Messung der Müdigkeit, (4) Warnkonzept (bzw. allgemeine experimentelle Manipulation),
(5) Erfassung der abhängigen Variablen. Der Kern und die zentrale Methodeninnovation bestehen in
der Einführung der Anreizkonstellation, aber alle Teile sind für die Versuchslogik bedeutsam. Im
Rahmen zukünftiger Einsätze kann jeder Bestandteil entsprechend der Anforderungen der aktuellen
Forschungsfrage modifiziert werden.
Nach dem ersten Einsatz wurde die Methode bereits mehreren Veränderungen unterzogen, die
vor allem auf eine Erhöhung der Müdigkeit und des Risikos sowie eine Erleichterung von Pausen ab-
zielten. Hinsichtlich der Müdigkeitsinduktion erwies sich im aktuellen Untersuchungskontext im Ge-
gensatz zu anderen (z. B. Horne & Reyner, 1996; Reyner & Horne, 1997, 1998a) eine Durchführung
im circadianen Nachmittagstief nach Schlafrestriktion auf 4.5 Stunden als nicht ausreichend, um in
der Stichprobe durchgängig die geforderten Müdigkeitsniveaus zu erzeugen. Zwei potentielle Gründe
78 So kommen auch Rau et al. (2005) in einem ihrer FOT-Berichte zu dem Schluss: “Finally, the learning accom-
plished by this research should assist the development of similar systems for passenger vehicle drivers, where
we observe the largest prevalence of the fatigue crash problem.” (S. 7)
137
für diesen Unterschied liegen in der umgesetzten Kontrolle der Schlafrestriktion sowie der unter-
schiedlichen Bedeutsamkeit der Fahrleistung in den verschiedenen Untersuchungen. Um sicher zu
sein, dass Schlafrestriktionen im Sinne der experimentellen Müdigkeitsmanipulation umgesetzt wer-
den, ist es grundsätzlich wünschenswert, dies anhand direkter oder indirekter (z. B. durch Aktimeter)
Beobachtung nachzuvollziehen. Ressourcenbedingt konnte in den vorliegenden Versuchen keine
lückenlose, sondern nur eine punktuelle Kontrolle umgesetzt werden; darüber hinaus konzentrierten
sich die Bemühungen darauf, durch entsprechende Informationen ein Vertrauensverhältnis zu den
Teilnehmern aufzubauen und hohe Motivation zur Kooperation zu erreichen. Anhand des Feedbacks
der Teilnehmer gibt es keinen Grund zu vermuten, dass die vorgesehene Schlafrestriktion nicht ord-
nungsgemäß umgesetzt wurde. Ein wahrscheinlicherer Grund für mögliche Unterschiede in der be-
obachtbaren Müdigkeit liegt in der wirksamen Anreizkonstellation. In den bisherigen Versuchsauf-
bauten waren die Teilnehmer nicht motiviert, ihre Fahrleistung hoch zu halten und Fahrfehler zu
vermeiden. In den hier beschriebenen Experimenten könnte der motivationale Anreiz zu einer ver-
stärkten willentlichen Rekrutierung von Ressourcen zur Selbstaktivierung geführt haben, wie er als
vermutlicher Effekt einer Überwachung der Fahrleistung auch in anderen Warnungsstudien bereits
gefunden wurde (Karrer-Gauß, 2012). Zuletzt besteht auch die Möglichkeit, dass die auftretende
Müdigkeit sich eventuell gar nicht unterschied (zur Messung wurden jeweils unterschiedliche Me-
thoden benutzt), sondern lediglich unterschiedlich hohe Anforderungen an ein „ausreichendes“ Mü-
digkeitsniveau bestanden.
Bezüglich der Anreizkonstellation, quasi der experimentellen Grundeinstellung der PMT-Variablen
im Versuch, existiert eine Vielzahl von Ansatzpunkten, die an anderer Stelle bereits detailliert darge-
stellt wurden (s. 3.2.2.3, 4.2, Anhang A.3.1). Als Zielrichtung für die meisten Fragestellungen bietet es
sich vermutlich an, die Grundeinstellung so auszutarieren, dass insgesamt ein mittleres Niveau der
Pausenwahrscheinlichkeit bzw. sonstigen Zielvariable erreicht wird, um die Beobachtbarkeit experi-
menteller Effekte zu optimieren.
Die Überwachung der Müdigkeit zur Determinierung des Warnungszeitpunktes erfolgte in den
vorliegenden Untersuchungen anhand der TUBSS, eines beobachtungsbasierten Ratingverfahrens.
Das Verfahren wurde aufgrund seines Potentials zur validen und gleichzeitig nonintrusiven Messung
ausgewählt. Als andere geeignete Methoden zur Müdigkeitsmessung in Echtzeit kommen z. B. EEG-
Messungen, Eye- oder Lanetracking in Frage. Immer stellt sich die Frage nach der Definition des
Schwellenwerts. Die gewählte TUBSS-Stufe bietet mit dem Einsetzen von Indikatoren wie lange Lid-
schlüsse, Seitwärtsrollen der Augen und fehlende Fixation hierfür eine hohe Augenscheinvalidität. Zu
beachten ist, dass die Reliabilität des Verfahrens bisher nur unter Offline-Bedingungen, d.h. im Ein-
satz zur Bewertung von Videoaufzeichnungen, getestet wurde (Dittrich et al., 2009). Es verbleibt zu
zeigen, inwiefern sich die gute Reliabilität auf die Bewertung in Echtzeit generalisiert.
Die vorliegenden Studien liefern erste Ergebnisse zum Einfluss eines Faktors des Warnungsdesigns
und eines Kontextfaktors auf die Verhaltenswirksamkeit von Warnungen. Weitere Warnungs- und
Kontextfaktoren können in analoger Weise untersucht werden. Die Anwendungsmöglichkeiten des
Paradigmas beschränken sich aber nicht auf die Warnungsforschung; auch im Rahmen anderer Fra-
gestellungen könnte die Erzeugung einer fahrtypischen Anreizkonstellation Ergebnissen aus dem
Fahrsimulator zu einer höheren ökologischen Validität verhelfen (s. 5.2.2).
Bezüglich der Auswahl der abhängigen Variablen in der Evaluation von Warnungsdesigns ist klar,
dass es sich um sicherheitsrelevante Größen handeln muss. Wie an anderer Stelle ausgeführt, sind
hierbei nicht nur die ultimaten Zielgrößen, wie resultierende Müdigkeit oder Unfallwahrscheinlichkei-
138
ten, von Interesse. Zur Ableitung sinnvoller Gestaltungsvorschläge ist es vor allem erforderlich, die
Mechanismen zu verstehen, die zwischen Warnung und Zielgröße vermitteln. Neben Reaktionen der
Fahrer auf der Verhaltensebene müssen dazu auch emotionale, motivationale und kognitive Kenn-
größen, welche dem Verhalten zugrundeliegen, betrachtet werden. Deren Erfassung setzt die Ver-
fügbarkeit geeigneter Methoden voraus. In den vorliegenden Untersuchungen wurden subjektive
Einschätzungen per Fragebogen retrospektiv erhoben. Vor- und Nachteile der Retrospektivität wur-
den bereits diskutiert (s. 3.4.4). An dieser Stelle sollen noch kurz Implikationen der Befragungsme-
thodik an sich betrachtet werden. Eine zu beachtende grundsätzliche Einschränkung der Befragung
besteht darin, dass Menschen nicht in alles Einsicht haben und über alles Auskunft geben können,
was sie bewegt. Beispielweise hätten die Teilnehmer in der o.g. Studie von Branaghan und Gray
(2010) nicht sagen können, dass in ihrem Gedächtnis das stereotype Konzept „Älterer Mensch“ akti-
viert war, dennoch hatte diese Aktivierung offensichtlich Einfluss auf ihr Verhalten. Darüber hinaus
können in den Einschätzungen und Auskünften Befragter Verzerrungen, z. B. im Sinne sozialer Er-
wünschtheit, auftreten. Dennoch wurde zum Zwecke der Erhebung der PMT-Variablen die Befragung
als die Methode mit den besten Aussichten auf valide Ergebnisse ausgewählt. Mit der PMT wird da-
von ausgegangen, dass die als relevant identifizierten Einschätzungen – Wie anfällig fühle ich mich?
Wie schlimm erscheint mir das, was passieren könnte? Als wie hilfreich empfinde ich die Pausenoption
in meiner Situation? etc. – tatsächlich die Grundlage der Entscheidung für oder gegen eine Pause
bilden. Wie in 5.1.3 ausgeführt, wird angenommen, dass diese Wahrnehmungen sowohl aus bewuss-
ten als auch unbewussten Bewertungsprozessen gespeist werden. Die unbewussten Prozesse selbst
mögen nicht wahrnehmbar sein, wohl aber deren Resultate auf Ebene der empfundenen Emotion
und Motivation (das „Bauchgefühl“). Auf dieser Ebene erschließen sie sich wiederum einer Abfrage.
Mit Hilfe „empfindungsnaher“ Formulierungen in den Fragen – z. B. Wie haben Sie [...] empfunden,
Wie stark hatten Sie das Gefühl [...] etc. – wurde versucht, auf diese unmittelbaren Wahrnehmungen
zuzugreifen. Es wird angenommen, dass die resultierenden Angaben und die tatsächlich motivational
wirksamen Bewertungen wahrscheinlich nicht zu hundert Prozent deckungsgleich, die vorhandenen
Schnittmengen aber dennoch substantiell genug sind, um als valide Abbildung gelten zu können.
Unglücklicherweise ist das Spektrum von Methoden zur Erfassung subjektiver Einschätzungen und
Bewertungen insgesamt nicht besonders groß. Ein möglicher alternativer Ansatz wäre der Einsatz
impliziter Tests, bei denen z. B. aus einer Erleichterung oder Verlangsamung der Reaktionszeiten in
bestimmten Zuordnungsaufgaben auf zugrundeliegende Überzeugungsstrukturen geschlossen wird
(s. z. B. Greenwald, Poehlman, Uhlmann & Banaji, 2009; Houwer, 2003; Williams & Kaufmann, 2012).
Einen anderen Zugang könnten verschiedene Verfahren der Emotionsmessung (z. B. Erfassung des
emotionalen Ausdrucks mit EMG oder Beobachtung, psychophysiologische Verfahren) bieten. Mit
diesen Verfahren wäre es zwar vermutlich schwierig, genau die in der PMT spezifizierten Einschät-
zungen zu erfassen, aber es wäre z. B. möglich, psychische Reaktionen auf eine Warnung im Sinne
einer Bewertung positiv / negativ und einer Ausprägungsstärke oder spezifische relevante Emotionen
wie Furcht zu erfassen. Obwohl jede dieser Methoden ihre eigenen Probleme mitbringt – u.a. hin-
sichtlich Spezifität und Durchführbarkeit – wäre es interessant, die Ergebnisse aus subjektiven Befra-
gungen mit den Ergebnissen solcher Methoden abzugleichen.
5.2.2 Mehr ökologische Validität für Fahrsimulationsversuche jenseits der Warnungseva-
luation
Die Verwendung eines Paradigmas mit einer leistungsbezogenen Anreizsituation könnte möglicher-
weise nicht nur ein nützliches Instrument zur Erforschung der Warnungswirkung sein, sondern darü-
139
ber hinaus auch in anderen Untersuchungsfragen die Übertragbarkeit von Simulationsdaten auf die
reale Fahrsituation zu verbessern helfen.
Beispielweise werden Simulationsstudien auch eingesetzt, um die fahrleistungsbezogenen Aus-
wirkungen von Müdigkeit am Steuer zu untersuchen und die damit einhergehende Erhöhung des
Unfallrisikos zu bemessen (s. 2.1.1.3). Ein entscheidender Vorteil im Vergleich zum Studium realer
Unfälle ist hierbei die experimentelle Kontrolle über das Ausmaß der Müdigkeit als der unabhängigen
Variablen. Auf Seiten der Nachteile stehen kontextuelle Unterschiede zum wirklichen Fahren, die zur
Folge haben, dass sich nicht alle beobachteten Effekte 1:1 in den realen Verkehr übertragen lassen.
Zum Beispiel zeigt eine Vergleichsstudie bei schlafdeprivierten Personen längere Reaktionszeiten und
höheres subjektives Müdigkeitsempfinden im Simulator als im realen Verkehr (Philip et al., 2005).
Bezüglich der Häufigkeit, mit der Fahrbahnmarkierungen überfahren wurden, waren Simulation und
Realität vergleichbar, jedoch waren die beobachteten Amplituden im Fahrsimulator größer. Als Ur-
sprung dieser Effekte kommen sicherlich eine ganze Reihe von Unterschieden zwischen der realen
Fahrsituation und der verwendeten Simulation in Frage (u.a. auch Detaillierungsgrad und Vielfalt
sensorischer Eindrücke). Ein wesentlicher Faktor dürfte jedoch die unterschiedliche Aktivierung auf-
grund der Unterschiede im subjektiven Risikoerleben sein. Es steht zu vermuten, dass die Teilnehmer
im Fahrsimulator weniger motiviert waren Unfälle zu vermeiden und damit weniger Ressourcen zur
momentanen Selbstaktivierung zur Verfügung standen bzw. aufgewendet wurden. Eine Verwendung
von Leistungsanreizen in der simulierten Fahrt könnte dazu führen, dass sich die Ergebnisse aus der
Simulation stärker den in der Realität zu beobachtenden Effekten angleichen.
Dieses Argument lässt sich auf weitere Forschungsfragen übertragen, die im Fahrsimulator unter-
sucht werden und bei denen Risikowahrnehmung und Motivation eine wichtige Rolle spielen. In den
Bemühungen, durch immer realistischere Darstellung der sensorischen Eindrücke (z. B. in Bezug auf
visuelle Szenerie, Geräusche, Haptik, Abmessungen, Fahrdynamik etc.) größere Realitätsnähe von
Simulationen zu erreichen, wird es lohnenswert sein zu berücksichtigen, dass auch die inneren Ein-
stellungen des Fahrers sein Erleben und Verhalten beeinflussen, und auch auf dieser Ebene für reali-
tätsnähere Bedingungen zu sorgen, wo dies angemessen erscheint.
5.3 Andere Ansatzpunkte der PMT zum wirksamen Müdigkeitsmanage-
ment
Mit der subjektiven Vulnerabilität und Wegen, wie diese in Richtung höherer Pausenwahrscheinlich-
keit beeinflusst werden kann, wurde in dieser Arbeit nur einer von multiplen möglichen Ansatzpunk-
ten der PMT für ein verhaltenswirksames Design von Müdigkeitswarnungen fokussiert. Einige sehr
kurze Ausblicke, wie die anderen PMT-Faktoren in der Warnungsgestaltung und allgemein im Fati-
gue-Management gezielter genutzt werden könnten, wurden bereits in 2.2.4 gegeben. Abschließend
und als Anregung für zukünftige Forschungsbemühungen soll eine besonders effektiv erscheinende
Ansatzmöglichkeit noch etwas eingehender betrachtet werden.
Neben dem Optimismusbias erscheint eine aus Erkenntnissen der Entscheidungsforschung
vorhersagbare motivationale Tendenz zur Vermeidung unmittelbarer Handlungskosten als stärkster
Gegenpol einer verhaltenswirksamen Warnung. Zusätzlich zu den unvermeidlichen Zeitkosten, die
mit einer Pause einhergehen, spielen hierbei mentaler Aufwand durch den nötigen Wechsel auf eine
höhere Regulationsebene und eine daraus entstehende Aversion gegenüber der Unterbrechung der
laufenden Handlung eine Rolle (Hacker, 2014; Kahneman, 2011; Shugan, 1980; Wickens & McCarley,
2007; s.a. 2.2.4.2.) Auf Gestaltungsebene kommen für den wirkungsvollen Umgang mit diesen Hand-
lungskosten zwei Ansätze in Frage: (1) auftretende und wahrgenommene Kosten auf das ge-
140
ringstmögliche Maß reduzieren und (2) auftretende und wahrgenommene Kosten durch Schaffung
zusätzlicher positiver Anreize kompensieren. Vermutlich ist es am sinnvollsten, beide Ansätze parallel
zu verfolgen. Als ein Effekt der Reduktion und Kompensation von Handlungskosten ist zu erwarten,
dass es dem Fahrer zunächst leichter fällt, ein neues Handlungsziel Pause in die eigene Motivation zu
übernehmen. Des Weiteren kann die erfolgreiche Verwirklichung des Pausenziels unterstützt wer-
den, indem durch sinnvolle Informationsbereitstellung die Entwicklung und Umsetzung eines konkre-
ten Handlungsplans erleichtert wird. Zur Erfüllung dieser Funktionen erscheinen mehrere Gestal-
tungsmaßnahmen als geeignet.
Ein erster Ansatz besteht in einer Konkretisierung der ausgegebenen Handlungsempfehlung. Die
relativ undefinierte empfohlene „Pause“ könnte spezifiziert werden hinsichtlich einer vorgeschlage-
nen Dauer (z. B. 15 min), hinsichtlich Empfehlungen, wie die Pause genutzt werden sollte (Kaffee
oder Energydrink trinken, nappen) und am besten auch hinsichtlich eines konkreten Zeitpunkts (z. B.
in vier Minuten – wenn Rastplatz X erreicht ist). Die letztgenannte Konkretisierung setzt zum Teil die
Umsetzung eines zweiten Ansatzes voraus, einer Verknüpfung des Müdigkeitsassistenten mit Rou-
ten- und Navigationsinformationen. Dadurch wäre es möglich, die Pause automatisch in die aktuelle
Routenplanung zu integrieren und für den Fahrer den kognitiven Aufwand beim Auffinden eines
Rastplatzes zu minimieren. Auch bei der Umsetzung von Naps im Fahrzeug könnte assistiert werden,
z. B. durch einen Vorschlag zur empfohlenen Dauer und eine integrierte Weckfunktion bis hin zu
Funktionen der Sitzeinstellung oder Bereitstellung entspannender Musik. Weiterführend könnten in
zeitlich und örtlich konkretisierten Pausenvorschlägen auch Informationen über die jeweiligen Mög-
lichkeiten zur sinnvollen Pausengestaltung vor Ort verwendet werden, z. B. hinsichtlich des Angebots
an koffeinhaltigen Getränken und verfügbaren Nap-Möglichkeiten (im Auto, Schlafsessel, Nap-Pod
etc.). Hierbei wird ein weiteres Mal offenbar, wie wichtig es ist, dass Maßnahmen auf den verschie-
denen Ebenen des Fatigue-Management ineinander greifen (s. 2.1.4): Je besser die entsprechende
Infrastruktur auf die Versorgung müder Fahrer eingerichtet ist, desto effektiver kann der Fahrer un-
terstützt werden (s.a. 2.1.4.4).
Im Verbund mit Maßnahmen auf anderen Ebenen könnte eine Müdigkeitswarnung dann auch mit
zusätzlichen Pausenanreizen verknüpft werden. Dahinter steht die Idee, die motivationale Bilanz der
Pausenoption zu verbessern, indem den unmittelbar entstehenden Handlungskosten ebenfalls un-
mittelbar auftretende positive Konsequenzen an die Seite gestellt werden. Entsprechende Anreizsys-
teme könnten in Zusammenarbeit mit Verkehrsclubs, Krankenkassen, Raststellenbetreibern etc. und
eventuell sogar Polizei und Justiz geschaffen werden. Ein Beispiel: Wer den ersten Pausenvorschlag
des Systems umsetzt, bekommt an genau dieser Raststätte einen Kaffee umsonst (oder rabattiert).
Alternativ könnten Bonuspunkte für die Krankenkasse oder gar für den Punkteabbau an anderer Stel-
le gesammelt werden, der Fahrer könnte sich für die Teilnahme an der Verlosung eines attraktiven
Preises qualifizieren, und so weiter. Darüber hinaus können Möglichkeiten untersucht werden, wie
die Pausenoption durch die Warnungsgestaltung auf anderen Wegen mit positiven Emotionen ver-
knüpft werden könnte. Die Idee, durch ein Kaffeetassensymbol die Lust auf eine Pause zu wecken,
erscheint als ein plausibler Ansatz in dieser Richtung (s. aber auch 4.4.1, 5.1.3), jedoch ist vorstellbar,
dass es noch wirkungsvollere Möglichkeiten gibt (s.a. Blood, Zatorre, Bermudez & Evans, 1999;
Deterding, 2012; Hamari, Koivisto & Sarsa, 2014; Herz, Eliassen, Beland & Souza, 2004; Huron, 2011;
Lewis et al., 2010; Norman, 2004).
Verbleiben die Zeitkosten als Element der Pausenkosten, dem nicht beizukommen ist? Auch dies-
bezüglich gibt es Möglichkeiten, die subjektive Wahrnehmung als Kosten in günstiger Weise zu beein-
flussen. In einem vorausschauenden Navigationsassistenten, welcher bei der Routenplanung müdig-
141
keitsrelevante Aspekte berücksichtigt (z. B. Dauer der Fahrt, Uhrzeit, evtl. Informationen über den
Fahrerzustand) könnten z. B. Pausen a priori in der Fahrtplanung einkalkuliert werden. Dies sollte
helfen, dass Pausen weniger als Zeitverlust empfunden werden, und entsprechend auch in anderwei-
tig verfügbaren Routenplanern (z. B. im Internet) umgesetzt werden. Mögliche weitere Inspirationen
könnten u.a. aus der Forschungsliteratur zum Thema Framing erwachsen (z. B. Kühberger, 1998;
Levin, Gaeth, Schreiber & Lauriola, 2002; Tversky & Kahneman, 1981).
Über die Beschäftigung mit Handlungskosten hinaus bieten die verbleibenden PMT-Faktoren wei-
tere Ansatzpunkte für eine Optimierung des Warnungsdesigns und die Entwicklung von Maßnahmen
auf den anderen Ebenen des Müdigkeitsmanagements. Neben der PMT und dem C-HIP-Modell kön-
nen auch andere Theorien der Informationsverarbeitung im Allgemeinen und der Entscheidung und
Persuasion im Besonderen als Grundlage zur Ableitung von Gestaltungsvorschlägen genutzt werden.
Wichtig ist vor allem, dass die Mechanismen berücksichtigt werden, die zwischen einer Müdigkeits-
warnung und der Umsetzung einer effektiven Pause vermitteln. Wenn es in dieser Arbeit gelungen ist
aufzuzeigen, dass eine angemessene Berücksichtigung dieser Mechanismen eine mindestens ebenso
komplexe Aufgabe ist wie die Detektion von Müdigkeit, sollte dies Anstoß geben, der verhaltenswirk-
samen Gestaltung des Outputs in der Forschung und Entwicklung rund um Systeme zur Müdigkeits-
überwachung in Zukunft das gebührende Gewicht zu verleihen.
i
Literaturverzeichnis
Achermann, P. (2004). The two-process model of sleep regula-
tion revisited. Aviation, space, and environmental medicine,
75(3 Suppl), A37-43.
ADAC. (2012). Müdigkeit im Straßenverkehr.
Aidman, E., Chadunow, C., Johnson, K. & Reece, J. (2012). Real-
Time Driver Drowsiness Feedback Improves Driver Alertness
and Self-reported Driving Performance (Report of the De-
fence Science and Technology Organisation). Edinburgh,
South Australia, Australia.
Ajzen, I. & Madden, T. J. (1986). Prediction of goal-directed
behavior: Attitudes, intentions, and perceived behavioral
control. Journal of Experimental Social Psychology, 22(5),
453–474. doi:10.1016/0022-1031(86)90045-4
Ajzen, I. (1991). The theory of planned behavior. Organizational
Behavior and Human Decision Processes, 50(2), 179–211.
doi:10.1016/0749-5978(91)90020-T
Ajzen, I. (2002). Perceived Behavioral Control, Self-Efficacy,
Locus of Control, and the Theory of Planned Behavior. Jour-
nal of Applied Social Psychology, 32(4), 665–683.
doi:10.1111/j.1559-1816.2002.tb00236.x
Akerstedt, T. & Gillberg, M. (1990). Subjective and objective
sleepiness in the active individual. The International Journal
of Neuroscience, 52(1-2), 29–37.
Akerstedt, T. & Kecklund, G. (2001). Age, gender and early
morning highway accidents. Journal of Sleep Research,
10(2), 105–110. doi:10.1046/j.1365-2869.2001.00248.x
Akerstedt, T. (2000). Consensus Statement: Fatigue and acci-
dents in transport operations. Journal of Sleep Research,
9(4), 395. doi:10.1046/j.1365-2869.2000.00228.x
Akerstedt, T., Connor, J., Gray, A. & Kecklund, G. (2008). Predict-
ing road crashes from a mathematical model of alertness
regulation--The Sleep/Wake Predictor. Accident Analysis
and Prevention, 40(4), 1480–1485.
doi:10.1016/j.aap.2008.03.016
Akerstedt, T., Folkard, S. & Portin, C. (2004). Predictions from
the Three-Process Model of Alertness. Aviation, Space, and
Environmental Medicine, 75(Supplement 1), A75-A83.
Akerstedt, T., Peters, B., Anund, A. & Kecklund, G. (2005).
Impaired alertness and performance driving home from the
night shift: a driving simulator study. Journal of Sleep Re-
search, 14(1), 17–20. doi:10.1111/j.1365-
2869.2004.00437.x
Alford, C. A. (2009). Sleepiness, countermeasures and the risk of
motor vehicle accidents. In J. C. Verster, S. R. Pandi-
Perumal, J. G. Ramaekers & J. J. Gier (Hrsg.), Drugs, Driving
and Traffic Safety (S. 207–232). Basel: Birkhäuser.
Alhola, P. & Polo-Kantola, P. (2007). Sleep deprivation: Impact
on cognitive performance. Neuropsychiatric Disease and
Treatment, 3(5), 553–567.
Andreeva, E. O., Aarabi, P., Philiastides, M. G., Mohajer, K.,
Emami, M. & Dasarathy, B. V. (2004). Driver drowsiness de-
tection using multi-modal sensor fusion. In B. V. Dasarathy
(Hrsg.), Multisensor, Multisource Information Fusion: Archi-
tectures, Algorithms, and Applications 2004 (Vol. 5434,
S. 380–390).
Anund, A. (2009). Sleepiness at the wheel (Dissertation). Stock-
holm: Karolinska Institutet.
Anund, A., Fors, C., Hallvig, D., Åkerstedt, T., Kecklund, G. &
Timmer, A. (2013). Observer Rated Sleepiness and Real
Road Driving: An Explorative Study. PLoS ONE, 8(5), e64782.
doi:10.1371/journal.pone.0064782
Anund, A., Kecklund, G., Peters, B. & Akerstedt, T. (2008). Driver
sleepiness and individual differences in preferences for
countermeasures. Journal of Sleep Research, 17(1), 16–22.
doi:10.1111/j.1365-2869.2008.00633.x
Apostoloff, N. & Zelinsky, A. (2004). Vision In and Out of Vehi-
cles: Integrated Driver and Road Scene Monitoring. The In-
ternational Journal of Robotics Research, 23(4), 513–538.
doi:10.1177/0278364904042206
Arendt, J. & Skene, D. J. (2005). Melatonin as a chronobiotic.
Sleep medicine reviews, 9(1), 25–39.
doi:10.1016/j.smrv.2004.05.002
Armstrong, K., Haworth, N., Watling, C. & Trenorden, J. (2011).
Improving the identification of fatigue-related crashes in
the Australian Capital Territory: Report of the Centre for Ac-
cident Research & Road Safety. Queensland, Australia.
Armstrong, K., Obst, P., Banks, T. & Smith, S. (2010). Managing
driver fatigue: education or motivation? Road & Transport
Research, 19(3), 14–20.
Aronson, E., Akert, R. M. & Wilson, T. D. (2008). Sozialpsycholo-
gie. München: Pearson Studium.
Atkinson, G., Edwards, B., Reilly, T. & Waterhouse, J. (2007).
Exercise as a synchroniser of human circadian rhythms: an
update and discussion of the methodological problems. Eu-
ropean journal of applied physiology, 99(4), 331–341.
doi:10.1007/s00421-006-0361-z
Aurora, R. N., Caffo, B., Crainiceanu, C. & Punjabi, N. M. (2011).
Correlating subjective and objective sleepiness: revisiting
the association using survival analysis. Sleep, 34(12), 1707–
1714. doi:10.5665/sleep.1442
Ayoob, E. M., Steinfeld, A. & Grace, R. (2003). Identification of
An "Appropriate" Drowsy Driver Detection Interface for
Commercial Vehicle Operations. Proceedings of the Human
Factors and Ergonomics Society Annual Meeting, 47(16),
1840–1844. doi:10.1177/154193120304701602
Ayoob, M., Grace, R. & Steinfeld, A. (2005). Driver-Vehicle-
Interface (DVI) Development of a Drowsy Driver Detection
and Warning System for Commercial Vehicles: Report CMU-
RI-TR-05-46. Carnegie Mellon University, Pittsburgh, Penn-
sylvania.
Badia, P., Myers, B., Boecker, M., Culpepper, J. & Harsh, J. R.
(1991). Bright light effects on body temperature, alertness,
EEG and behavior. Physiology & Behavior, 50(3), 583–588.
Baldwin, C. L. (2011). Verbal collision avoidance messages
during simulated driving: perceived urgency, alerting effec-
tiveness and annoyance. Ergonomics, 54(4), 328–337.
doi:10.1080/00140139.2011.558634
Balkin, T., Horrey, W. J., Graeber, R., Czeisler, C. & Dinges, D. F.
(2011). The challenges and opportunities of technological
approaches to fatigue management. Accident Analysis and
Prevention, 43(2), 565–572.
Bargh, J. A., Chen, M. & Burrows, L. (1996). Automaticity of
social behavior: Direct effects of trait construct and stereo-
type activation on action. Journal of Personality and Social
Psychology, 71(2), 230–244. doi:10.1037/0022-
3514.71.2.230
Barr, L., Popkin, S. & Howarth, H. (2009). An evaluation of
emerging driver fatigue detection measures and technolo-
gies: Report no. FMCSA-RRR-09-005. Washington: U.S. De-
partment of Transportation.
Barzegar, R. S. & Wogalter, M. S. (1998). Intended Carefulness
for Voiced Warning Signal Words. Proceedings of the Hu-
ii
man Factors and Ergonomics Society Annual Meeting,
42(15), 1068–1072. doi:10.1177/154193129804201503
Bekiaris, E. D. & Nikolaou S. I. (2004). Towards the Development
of Design Guidelines Handbook for Driver Hypovigilance De-
tection and Warning – The AWAKE Approach. Hellenic Insti-
tute of Transport, Greece.
Bergasa, L. M., Nuevo, J., Sotelo, M. A., Barea, R. & Lopez, M. E.
(2006). Real-Time System for Monitoring Driver Vigilance.
IEEE Transactions on Intelligent Transportation Systems,
7(1), 63–77. doi:10.1109/TITS.2006.869598
Berson, D. M., Dunn, F. A. & Takao, M. (2002).
Phototransduction by retinal ganglion cells that set the cir-
cadian clock. Science, 295(5557), 1070–1073.
doi:10.1126/science.1067262
bfu. (2013). Turboschlaf-Kampagne. http://www.turboschlaf.ch
Blanco, M., Bocanegra, J. L., Morgan, J. F., Fitch, G. M., Medina,
A., Olson, R. L., . . . Green, K. (2009). Assessment of a
Drowsy Driver Warning System for Heavy-Vehicle Drivers:
Final Report DOT 811 117 (Final Report, DOT 811 117).
Washington: NHTSA, US Department of Transportation.
Blood, A. J., Zatorre, R. J., Bermudez, P. & Evans, A. C. (1999).
Emotional responses to pleasant and unpleasant music cor-
relate with activity in paralimbic brain regions. Nature Neu-
roscience, 2(4), 382–387. doi:10.1038/7299
Boer, H. & Mashamba, M. T. (2005). Psychosocial Correlates of
HIV Protection Motivation Among Black Adolescents in
Venda, South Africa. AIDS Education and Prevention, 17(6),
590–602. doi:10.1521/aeap.2005.17.6.590
Boersema, T. & Zwaga, H. J. G. (1989). Selecting Comprehensi-
ble Warning Symbols for Swimming Pool Slides. Proceed-
ings of the Human Factors and Ergonomics Society Annual
Meeting, 33(15), 994–998.
doi:10.1177/154193128903301520
Bonnet, M. H. (1990). Dealing with shift work: Physical fitness,
temperature, and napping. Work & Stress, 4(3), 261–274.
doi:10.1080/02678379008256988
Borbély, A. (1982). A two process model of sleep regulation.
Human Neurobiology, 1(3), 195–204.
Brainard, G. C., Hanifin, J. P., Greeson, J. M., Byrne, B., Glick-
man, G., Gerner, E. & Rollag, M. D. (2001). Action Spectrum
for Melatonin Suppression: Evidence for a Novel Circadian
Photoreceptor in the Human Eye. The Journal of Neurosci-
ence, 21(16), 6405–6412. doi:10.1007/978-1-4615-0937-
0_45
Branaghan, R. J. & Gray, R. (2010). Nonconscious activation of
an elderly stereotype and speed of driving. Perceptual and
motor skills, 110(2), 580–592.
Brown, I. D. (1997). Prospects for technological countermeas-
ures against driver fatigue. Accident analysis and preven-
tion, 29(4), 525–531.
Bruno, G. A. (2004). Temporal patterns of single-vehicle acci-
dents in Texas due to driver fatigue or sleep during 1975–
1994: Master's Thesis at the University of Texas, School of
Public Health. Houston, Texas.
Buxton, O. M., L'Hermite-Balériaux, M., Hirschfeld, U. & Cauter,
E. (1997). Acute and delayed effects of exercise on human
melatonin secretion. Journal of Biological Rhythms, 12(6),
568–574.
Caldwell, J. A., Caldwell, J. L. & Schmidt, R. M. (2008). Alertness
management strategies for operational contexts. Sleep
Medicine Reviews, 12(4), 257–273.
doi:10.1016/j.smrv.2008.01.002
Carskadon, M. A. & Dement, W. C. (1987). Daytime sleepiness:
quantification of a behavioral state. Neuroscience and
Biobehavioral Reviews, 11(3), 307–317.
Carver, C. S. & Scheier, M. F. (1981). Attention and Self-
Regulation: A Control-Theory Approach to Human Behavior.
SSSP Springer Series in Social Psychology. New York, NY:
Springer.
Carver, C. S. (2003). Self-awareness. In Mark R. Leary & June
Price Tangney (Hrsg.), Handbook of Self and Identity . Guil-
ford Press.
Chapanis, A. (1994). Hazards associated with three signal words
and four colours on warning signs. Ergonomics, 37(2), 265–
275. doi:10.1080/00140139408963644
Chartrand, T. L. & Bargh, J. A. (1999). The chameleon effect: The
perception-behavior link and social interaction. Journal of
Personality and Social Psychology, 76(6), 893–910.
doi:10.1037/0022-3514.76.6.893
Cohen, H. H., Cohen, J., Mendat, C. C. & Wogalter, M. S. (2006).
Warning Channel: Modality and Media. In M. S. Wogalter
(Hrsg.), Handbook of Warnings . Mahwah, N.J.: Lawrence
Erlbaum Associates.
Collins, B. L. (1983). Evaluation of Mine-Safety Symbols. Pro-
ceedings of the Human Factors and Ergonomics Society An-
nual Meeting, 27(11), 947–949.
doi:10.1177/154193128302701117
Connor, J. L. (2009). The role of driver sleepiness in car crashes:
a review of the epidemiological evidence. In J. C. Verster, S.
R. Pandi-Perumal, J. G. Ramaekers & J. J. Gier (Hrsg.), Drugs,
Driving and Traffic Safety (S. 187–205). Basel: Birkhäuser.
Connor, J., Norton, R., Ameratuanga, S., Robinson, E., Civil, I.,
Dunn, R., . . . Jackson, R. (2002). Driver sleepiness and risk
of serious injury to car occupants: Population based case
control study. BMJ, 324(7346), 1125.
doi:10.1136/bmj.324.7346.1125
Connor, J., Whitlock, G., Jackson, R. & Norton, R. (2001). The
role of driver sleepiness in car crashes: a systematic review
of epidemiological studies. Accident Analysis and Preven-
tion, 33(1), 31-41.
Conversano, C., Rotondo, A., Lensi, E., Della Vista, O., Arpone, F.
& Reda, M. A. (2010). Optimism and its impact on mental
and physical well-being. Clinical practice and epidemiology
in mental health, 6, 25–29.
doi:10.2174/1745017901006010025
Corbett, M. & Newman, D. (2013). The Use Of Bio‐Feedback As
A Mitigaton Tool For Pilot Drowsiness. Aviation, Space, and
Environmental Medicine, 84(4), 320.
Corbett, M. & Newman, D. (2014). A potential tool to reduce
pilot in-flight drowsiness. Aviation, Space, and Environmen-
tal Medicine, 85(3), 349.
Cox, E. P. III & Wogalter, M. S. (2006). Warning Source. In M. S.
Wogalter (Hrsg.), Handbook of Warnings . Mahwah, N.J.:
Lawrence Erlbaum Associates.
Cummings, P., Koepsell, T. D., Moffat, J. M. & Rivara, F. P.
(2001). Drowsiness, counter-measures to drowsiness, and
the risk of a motor vehicle crash. Injury Prevention, 7(3),
194–199. doi:10.1136/ip.7.3.194
Daimler (2013). Einfach Technik: Der Attention Assist von Mer-
cedes-Benz. http://blog.daimler.de/2013/09/04/
einfach-technik-der-attention-assist-von-mercedes-benz/
Daniel, K. L., Goldman, K. D., Lachenmayr, S., Erickson, J. D. &
Moore, C. (2001). Interpretations of a teratogen warning
symbol. Teratology, 64(3), 148–153. doi:10.1002/tera.1058
Danker-Hopfe, H., Kraemer, S., Dorn, H., Schmidt, A., Ehlert, I. &
Herrmann, W. M. (2001). Time-of-day variations in different
measures of sleepiness (MSLT, pupillography, and SSS) and
their interrelations. Psychophysiology, 38(5), 828–835.
Daurat, A., Aguirre, A., Foret, J., Gonnet, P., Keromes, A. &
Benoit, O. (1993). Bright light affects alertness and perfor-
iii
mance rhythms during a 24-h constant routine. Physiology
& Behavior, 53(5), 929–936.
Dawson, D. & McCulloch, K. (2005). Managing fatigue: it's about
sleep. Sleep medicine reviews, 9(5), 365–380.
doi:10.1016/j.smrv.2005.03.002
Dawson, D., Chapman, J. & Thomas, M. J. (2012). Fatigue-
proofing: A new approach to reducing fatigue-related risk
using the principles of error management. Sleep Medicine
Reviews, 16(2), 167–175. doi:10.1016/j.smrv.2011.05.004
Dawson, D., Noy, Y. I., Härmä, M., Åkerstedt, T. & Belenky, G.
(2011). Modelling fatigue and the use of fatigue models in
work settings. Accident Analysis & Prevention, 43(2), 549–
564. doi:10.1016/j.aap.2009.12.030
Dawson, D., Searle, A. K. & Paterson, J. L. (2014). Look before
you (s)leep: Evaluating the use of fatigue detection tech-
nologies within a fatigue risk management system for the
road transport industry. Sleep Medicine Reviews, 18, 141–
152.
de Houwer, J. (2003). The Extrinsic Affective Simon Task. Exper-
imental psychology, 50(2), 77–85.
de Hoog, N., Stroebe, W. & de Wit, J. B. F. (2007). The impact of
vulnerability to and severity of a health risk on processing
and acceptance of fear-arousing communications: A meta-
analysis. Review of General Psychology, 11(3), 258–285.
doi:10.1037/1089-2680.11.3.258
de Valck, E. & Cluydts, R. (2001). Slow-release caffeine as a
countermeasure to driver sleepiness induced by partial
sleep deprivation. Journal of Sleep Research, 10(3), 203–
209.
de Valck, E., de Groot, E. & Cluydts, R. (2003). Effects of slow-
release caffeine and a nap on driving simulator perfor-
mance after partial sleep deprivation. Perceptual and motor
skills, 96(1), 67–78.
DeJoy, D. M. (1989). The optimism bias and traffic accident risk
perception. Accident Analysis & Prevention, 21(4), 333–340.
Delhomme, P., Vaa, T., Meyer, T., Harland, G., Goldenbeld, C.,
Järmark, S., . . . Vlasta, R. (1999). Evaluated road safety me-
dia campaigns: An overview of 265 evaluated campaigns
and some meta-analysis on accidents. GADGET project,
Contract No. RO-97-SC.2235, INRETS, Arcueil, France.
Deterding, S. (2012). Gamification: Designing for Motivation.
interactions, 19(4), 14. doi:10.1145/2212877.2212883
Dewar, R. (1999). Design and Evaluation of Graphic Symbols. In
H. J. G. Zwaga, T. Boersema & H. C. M. Hoonhout (Hrsg.),
Visual information for everyday use. Design and research
perspectives (S. 285–303). London: Taylor & Francis.
Di Milia, L., Smolensky, M. H., Costa, G., Howarth, H. D.,
Ohayon, M. M. & Philip, P. (2011). Demographic factors, fa-
tigue, and driving accidents: An examination of the pub-
lished literature. Accident Analysis & Prevention, 43(2),
516–532. doi:10.1016/j.aap.2009.12.018
Dinges, D. F. & Mallis, M. M. (1998). Managing fatigue by
drowsiness detection: Can technological promises be real-
ised? In L. Hartley (Hrsg.), Managing Fatigue in Transporta-
tion: Proceedings of the Third International Conference on
Fatigue and Transportation. Oxford: Elsevier.
Dinges, D. F. & Powell, J. W. (1985). Microcomputer analyses of
performance on a portable, simple visual RT task during
sustained operations. Behavior Research Methods, Instru-
ments & Computers, 17(6), 652–655.
Dinges, D. F., Maislin, G., Brewster, R., Krueger, G. P. & Carroll,
R. (2005). Pilot test of fatigue management technologies.
Transportation Research Record, 1922, 175–182.
Dingus, T. A., Hathaway, J. A. & Hunn, B. P. (1991). A Most
Critical Warning Variable: Two Demonstrations of the Pow-
erful Effects of Cost on Warning Compliance. Proceedings of
the Human Factors and Ergonomics Society Annual Meet-
ing, 35(15), 1034–1038. doi:10.1177/154193129103501503
Dingus, T. A., Klauer, S., Neale, V. L., Petersen, A. & Lee, S. E.
(2006). The 100-car naturalistic driving study. NHTSA Re-
port DOT HS 810 593. Springfield, VA: US Department of
Transportation.
Dion, K., Berscheid, E. & Walster, E. (1972). What is beautiful is
good. Journal of Personality and Social Psychology, 24(3),
285–290.
Dittrich, E., Brandenburg, S. & Thüring, M. (2009). Beobach-
tungsbasierte Erfassung von Müdigkeit im Kfz – die TUBS-
Skala. In A. Lichtenstein, C. Stößel & C. Clemens (Hrsg.), Der
Mensch im Mittelpunkt technischer Systeme. 8. Berliner
Werkstatt Mensch-Maschine-Systeme (S. 38-40). VDI Ver-
lag: Düsseldorf.
Dogan, E., Steg, L., Delhomme, P. & Rothengatter, T. (2012). The
effects of non-evaluative feedback on drivers’ self-
evaluation and performance. Accident Analysis & Preven-
tion, 45, 522–528. doi:10.1016/j.aap.2011.09.004
Dong, Y., Hu, Z., Uchimura, K. & Murayama, N. (2010). A robust
and efficient face tracking kernel for Driver Inattention
Monitoring System. Proceedings of the 2010 IEEE Intelligent
Vehicles Symposium (IV), 929–934.
Dong, Y., Hu, Z., Uchimura, K. & Murayama, N. (2011). Driver
Inattention Monitoring System for Intelligent Vehicles: A
Review. IEEE Transactions on Intelligent Transportation Sys-
tems, 12(2), 596–614. doi:10.1109/TITS.2010.2092770
Doob, A. N. & Webster, C. M. (2003). Sentence Severity and
Crime: Accepting the Null Hypothesis. Crime and Justice, 30,
143–195.
Doran, S. M., Van Dongen, H. P. & Dinges, D. F. (2001). Sus-
tained attention performance during sleep deprivation: ev-
idence of state instability. Archives Italiennes de Biologie,
139(3), 253–267.
Dorrian, J. & Dinges, D. F. (2006). Sleep Deprivation and its
Effects on Cognitive Performance. In T. L. Lee-Chiong
(Hrsg.), Sleep. A comprehensive handbook . Hoboken, N.J:
Wiley-Liss.
Dreßler, A., Karrer, K. & Brandenburg, S. (2009). Gestaltung
einer verhaltenswirksamen Müdigkeitsrückmeldung im
Kraftfahrzeug. MMI Interaktiv, 1–7.
Driskell, J. E. & Mullen, B. (2005). The Efficacy of Naps as a
Fatigue Countermeasure: A Meta-Analytic Integration. Hu-
man Factors, 47(2), 360–377.
doi:10.1518/0018720054679498
Duval, T. S. & Silvia, P. J. (2002). Self-awareness, probability of
improvement, and the self-serving bias. Journal of Personal-
ity and Social Psychology, 82(1), 49–61. doi:10.1037/0022-
3514.82.1.49
Edwards, D. J., Sirois, B., Dawson, T., Aguirre, A., Davis, B. &
Trutschel, U. (2007). Evaluation of Fatigue Management
Technologies Using Weighted Feature Matrix Method. In
Driving assessment 2007: Proceedings of the 4th Interna-
tional Driving Symposium on Human Factors in Driver As-
sessment, Training, and Vehicle Design . Iowa City: Universi-
ty Public Policy Center.
Edwards, D., Aguirre, A., Davis, B., Dawson, T. & Trutschel, U.
(2008). Operator fatigue detection technology review: Re-
search Report for Caterpillar Inc. Peoria IL.
Edworthy, J. & Hellier, E. (2006). Complex nonverbal auditory
signals and speech warnings. In M. S. Wogalter (Hrsg.),
Handbook of Warnings . Mahwah, N.J.: Lawrence Erlbaum
Associates.
Edworthy, J., Hellier, E., Walters, K., Clift-Mathews, W. &
Crowther, M. (2003). Acoustic, semantic and phonetic in-
fluences in spoken warning signal words. Applied Cognitive
Psychology, 17(8), 915–933. doi:10.1002/acp.927
iv
Edworthy, J., Loxley, S. & Dennis, I. (1991). Improving auditory
warning design: relationship between warning sound pa-
rameters and perceived urgency. Human Factors, 33(2),
205–231.
Entorf, H. & Spengler, H. (2008). Is Being 'Soft on Crime' the
Solution to Rising Crime Rates? Evidence from Germany: IZA
DP No. 3710. Forschungsinstitut zur Zukunft der Arbeit. Ber-
lin.
Ersner-Hershfield, H., Garton, M. T., Ballard, K., Samanez-Larkin,
G. R. & Knutson, B. (2009). Don’t stop thinking about to-
morrow: Individual differences in future self-continuity ac-
count for saving. Judgment and decision making, 4(4), 280–
286.
Eskandarian, A., Mortazavi, A. & Sayed, R. A. (2012). Drowsy and
Fatigued Driving: Problem Significance and Detection Based
on Driver Control Functions. In A. Eskandarian (Hrsg.),
Handbook of Intelligent Vehicles (S. 941–974). London:
Springer.
Eskandarian, A., Sayed, R., Delaigue P., Blum, J. & Mortazavi, A.
(2007). Advanced driver fatigue research. Report No.
FMCSA-RRR-07-001. Washington: US Department of Trans-
portation.
Festinger, L. (1962). Cognitive Dissonance. Scientific American,
207(4), 93–106. doi:10.1038/scientificamerican1062-93
Filtness, A. J., Reyner, L. A. & Horne, J. A. (2012). Driver sleepi-
ness - comparisons between young and older men during a
monotonous afternoon simulated drive. Biological Psychol-
ogy, 89(3), 580–583. doi:10.1016/j.biopsycho.2012.01.002
Finn, P. & Bragg, B. W. (1986). Perception of the risk of an
accident by young and older drivers. Accident Analysis and
Prevention, 18(4), 289–298.
Flatley, D., Horne, J. & Reyner, L. A. (2004). Sleep related crash-
es on sections of different road types in the UK (1995-2001).
Road Safety Research Report No. 52. London: Department
for Transport.
Fletcher, A., McCulloch, K., Baulk, S. D. & Dawson, D. (2005).
Countermeasures to driver fatigue: a review of public
awareness campaigns and legal approaches. Australian and
New Zealand Journal of Public Health, 29(5), 471–476.
Folkard, S. (1997). Black times: Temporal determinants of
transport safety. Accident Analysis and Prevention, 29(4),
417–430.
Ford (2010). Ford Technology Newsbrief 08-2010.
http://technology.fordmedia.eu/
Frascara, J. (2006). Typography and the visual design of warn-
ings. In M. S. Wogalter (Hrsg.), Handbook of Warnings .
Mahwah, N.J.: Lawrence Erlbaum Associates.
Freeman, K. & Wogalter, M. S. (2001). Evaluation of Pictorial
Symbols to Warn Computer Keyboard Users about Carpal
Tunnel Syndrome (CTS). Proceedings of the Human Factors
and Ergonomics Society Annual Meeting, 45(20), 1468–
1472. doi:10.1177/154193120104502004
Fricke, N. & de Filippis, M. (2008). Effects of auditory warnings
on driving behaviour. In D. d. Waard (Hrsg.), Human factors
for assistance and automation (S. 117–128). Maastricht:
Shaker Publishing.
Fricke, N., & Thüring, M. (2009). Verbesserung des Situations-
bewusstseins in zeit- und sicherheitskritischen Verkehrssi-
tuationen durch semantische Anreicherung von Warnsigna-
len. Zeitschrift für Arbeitswissenschaft, 63(1), 55–65.
Friedrichs, F. & Yang, B. (2010). Camera-based drowsiness
reference for driver state classification under real driving
conditions. Proceedings of the 2010 IEEE Intelligent Vehicles
Symposium (IV), 101–106.
Fry, R. B. & Prentice-Dunn, S. (2006). Effects of a psychosocial
intervention on breast self-examination attitudes and be-
haviors. Health Education Research, 21(2), 287–295.
doi:10.1093/her/cyh066
Ftouni, S., Sletten, T. L., Howard, M., Anderson, C., Lenné, M. G.,
Lockley, S. W. & Rajaratnam, S. M. W. (2013). Objective and
subjective measures of sleepiness, and their associations
with on-road driving events in shift workers. Journal of
Sleep Research, 22(1), 58–69. doi:10.1111/j.1365-
2869.2012.01038.x
Fuller, R. (2005). Towards a general theory of driver behaviour.
Accident Analysis and Prevention, 37(3), 461–472.
doi:10.1016/j.aap.2004.11.003
Fung, K. & Dick, T. J. (2012). System and Method for Responding
to Driver Behavior. Patent US2012212353-A1 der Honda
Motor Co., Ltd..
Gander, P. H., Marshall, N. S., Bolger, W. & Girling, I. (2005). An
evaluation of driver training as a fatigue countermeasure.
Transportation Research Part F: Traffic Psychology and Be-
haviour, 8(1), 47–58. doi:10.1016/j.trf.2005.01.001
Gander, P., Hartley, L., Powell, D., Cabon, P., Hitchcock, E., Mills,
A. & Popkin, S. (2011). Fatigue risk management: Organiza-
tional factors at the regulatory and industry/company level.
Accident Analysis & Prevention, 43(2), 573–590.
doi:10.1016/j.aap.2009.11.007
Gay, C. L., Lee, K. A. & Lee, S.-Y. (2004). Sleep patterns and
fatigue in new mothers and fathers. Biological Research for
Nursing, 5(4), 311–318. doi:10.1177/1099800403262142
Gérard, N., Minge, M. & Thüring, M. (2008). Varianten zur
Warnung beim Sekundenschlaf am Steuer. Interner Ab-
schlussbericht zum Projekt "Driver drowsiness-related HMI
Concepts" der Technischen Universität Berlin in Kooperati-
on mit der Audi AG und Volkswagen AG.
Gibson, J. J. (1979). The ecological approach to visual percep-
tion. Boston: Houghton Mifflin.
Gigerenzer, G. (2002). Bounded rationality: The adaptative
toolbox. Cambridge, MA: The MIT Press.
Gilbert, D. T., Morewedge, C. K., Risen, J. L. & Wilson, T. D.
(2004). Looking forward to looking backward: the
misprediction of regret. Psychological science, 15(5), 346–
350. doi:10.1111/j.0956-7976.2004.00681.x
Glendon, A. I. & Walker, B. L. (2013). Can anti-speeding messag-
es based on protection motivation theory influence report-
ed speeding intentions? Accident Analysis & Prevention, 57,
67–79. doi:10.1016/j.aap.2013.04.004
Godfrey, S. S., Allender, L., Laughery, K. R. & Smith, V. L. (1983).
Warning Messages: Will the Consumer Bother to Look?
Proceedings of the Human Factors and Ergonomics Society
Annual Meeting, 27(11), 950–954.
doi:10.1177/154193128302701118
Goel, N., Basner, M., Rao, H. & Dinges, D. F. (2013). Circadian
Rhythms, Sleep Deprivation, and Human Performance. Pro-
gress in Molecular Biology and Translational Science, 119,
155–190.
Goldhaber, G. M. & deTurck, M. A. (1988). Effects of
Consumer's Familiarity with a Product on Attention and
Compliance with Warnings. Journal of Products Liability, 11,
29–37.
Gordon, C. P. (2009). Crash Studies of Driver Distraction. In M.
A. Regan, J. D. Lee & K. L. Young (Hrsg.), Driver distraction.
Theory, effects, and mitigation. Boca Raton: CRC Press.
Greenwald, A. G., Poehlman, T. A., Uhlmann, E. L. & Banaji, M.
R. (2009). Understanding and using the Implicit Association
Test: III. Meta-analysis of predictive validity. Journal of per-
sonality and social psychology, 97(1), 17–41.
doi:10.1037/a0015575
v
Griffith, M. (1999). Safety Evaluation of Rolled-In Continuous
Shoulder Rumble Strips Installed on Freeways. Transporta-
tion Research Record, 1665(1), 28–34. doi:10.3141/1665-05
Gundel, A. & Tegen, C. (2006). Wege aus der Müdigkeit - DLR-
Modellprojekt mit Ford-Truckern zeigt Erfolg von Wach-am-
Steuer-Training.
http://www.dlr.de/desktopdefault.aspx/tabid-24/82_read-
2594/82_page-8/
Gundel, A., Marsalek, K. & ten Thoren, C. (2007). A critical
review of existing mathematical models for alertness.
Somnologie - Schlafforschung und Schlafmedizin, 11(3),
148–156. doi:10.1007/s11818-007-0312-X
Haas, E. & Edworthy, J. (2006). An introduction to auditory
warnings and alarms. In M. S. Wogalter (Hrsg.), Handbook
of Warnings. Mahwah, N.J.: Lawrence Erlbaum Associates.
Haas, E. C. & van Erp, J. B. F. (2014). Multimodal warnings to
enhance risk communication and safety. Safety science, 61,
29–35. doi:10.1016/j.ssci.2013.07.011
Hacker, W. (2014). Allgemeine Arbeitspsychologie: Psychische
Regulation von Tätigkeiten (3., vollst. überarb. Aufl).
Göttingen: Hogrefe.
Hagenmeyer, L. (2007). Development of a multimodal, universal
human-machine-interface for hypovigilance-management-
systems (Dissertation). Heimsheim: Jost-Jetter.
Hallvig, D., Anund, A., Fors, C., Kecklund, G., Karlsson, J. G.,
Wahde, M. & Åkerstedt, T. (2013). Sleepy driving on the re-
al road and in the simulator—A comparison. Accident Anal-
ysis & Prevention, 50, 44–50.
doi:10.1016/j.aap.2012.09.033
Halpert, J. (2012). Drowsiness Detection Systems.
http://www.jeanknowscars.com/cool-tech/car-tech-
news/drowsiness-detection-systems/
Hamada, T., Ito, T., Adachi, K., Nakano, T. & Yamamoto, S.
(2003). Detecting method for drivers' drowsiness applicable
to individual features. Proceedings of the 2003 IEEE Inter-
national Conference on Intelligent Transportation Systems,
1405–1410.
Hamari, J., Koivisto, J. & Sarsa, H. (2014). Does Gamification
Work? - A Literature Review of Empirical Studies on
Gamification. Proceedings of the 47th Hawaii International
Conference on System Sciences (HICSS, 3025–3034.
Hanley, K., Gibby, A. & Ferrara, T. (2000). Analysis of Accident-
Reduction Factors on California State Highways. Transpor-
tation Research Record, 1717(1), 37–45. doi:10.3141/1717-
06
Hanowski, R. J., Wierwille, W. W. & Dingus, T. A. (2003). An on-
road study to investigate fatigue in local/short haul truck-
ing. Accident Analysis & Prevention, 35(2), 153–160.
doi:10.1016/S0001-4575(01)00098-7
Harré, N. & Sibley, C. G. (2007). Explicit and implicit self-
enhancement biases in drivers and their relationship to
driving violations and crash-risk optimism. Accident Analysis
and Prevention, 39(6), 1155–1161.
doi:10.1016/j.aap.2007.03.001
Haselton, M. G. & Nettle, D. (2006). The paranoid optimist: an
integrative evolutionary model of cognitive biases. Person-
ality and Social Psychology Review, 10(1), 47–66.
doi:10.1207/s15327957pspr1001_3
Haworth, N. L. & Vulcan, P. (1991). Report No. 15: Testing of
Commercially Available Fatigue Monitors. Clayton: Monash
University Accident Research Centre.
He, J. (2013). Drowsiness Detection and Management. Journal
of Ergonomics, 3(2), e118.
Heinze, C., Trutschel, U., Schnupp, T., Sommer, D., Schenka, A.,
Krajewski, J. & Golz, M. (2010). Operator Fatigue Estimation
Using Heart Rate Measures. In R. Magjarevic, O. Dössel &
W. C. Schlegel (Hrsg.), IFMBE Proceedings (S. 930–933). Ber-
lin, Heidelberg: Springer.
Hell, W. & Langwieder, K. (2001). Einschlafunfälle im Straßen-
verkehr - eine bisher oft verkannte Unfallursache:
Auftretenshäufigkeit und Prävention. München: GDV und
Institut für Fahrzeugsicherheit.
Hellier, E., Aldrich, K., Wright, D. B., Daunt, D. & Edworthy, J.
(2007). A Multi Dimensional Analysis of Warning Signal
Words. Journal of Risk Research, 10(3), 323–338.
doi:10.1080/13669870601066963
Hellier, E., Edworthy, J., Weedon, B., Walters, K. & Adams, A.
(2002). The perceived urgency of speech warnings: seman-
tics versus acoustics. Human factors, 44(1), 1–17.
Herrnstein, R. J., Rachlin, H. & Laibson, D. I. (1997). The match-
ing law: Papers in psychology and economics. New York,
Cambridge, MA: Harvard University Press.
Herz, R. S., Eliassen, J., Beland, S. & Souza, T. (2004). Neuroim-
aging evidence for the emotional potency of odor-evoked
memory. Neuropsychologia, 42(3), 371–378.
doi:10.1016/j.neuropsychologia.2003.08.009
Ho, C., Reed, N. & Spence, C. (2007). Multisensory in-car warn-
ing signals for collision avoidance. Human factors, 49(6),
1107–1114.
Hoddes, E., Zarcone, V., Smythe, H., Phillips, R. & Dement, W. C.
(1973). Quantification of sleepiness: a new approach. Psy-
chophysiology, 10(4), 431–436.
Hollander, T. D. & Wogalter, M. S. (2000). Connoted hazard of
voice warning signal words: An examination of auditory
components. Proceedings of the International Ergonomics
Association & the Human Factors and Ergonomics Society
Congress, 44(3), 702–705.
Horne, J. & Foster, S. C. (1995). Can exercise overcome sleepi-
ness? Sleep Research, 24A, 437.
Horne, J. & Reyner, L. (1999). Vehicle accidents related to sleep:
a review. Occupational and Environmental Medicine, 56(5),
289–294. doi:10.1136/oem.56.5.289
Horne, J. A. & Baulk, S. D. (2004). Awareness of sleepiness when
driving. Psychophysiology, 41(1), 161–165.
doi:10.1046/j.1469-8986.2003.00130.x
Horne, J. A. & Burley, C. V. (2010). We know when we are
sleepy: Subjective versus objective measurements of mod-
erate sleepiness in healthy adults. Biological Psychology,
83(3), 266–268. doi:10.1016/j.biopsycho.2009.12.011
Horne, J. A. & Reyner, L. A. (1995a). Driver sleepiness. Journal of
Sleep Research, 4, 23–29.
Horne, J. A. & Reyner, L. A. (1995b). Sleep related vehicle acci-
dents. BMJ, 310(6979), 565–567.
Horne, J. A. & Reyner, L. A. (1996). Counteracting driver sleepi-
ness: effects of napping, caffeine, and placebo. Psychophys-
iology, 33(2), 306–309.
Horrey, W. J. (2011). Research needs and opportunities for
reducing the adverse safety consequences of fatigue. Acci-
dent Analysis & Prevention, 43, 591–594.
Horswill, M. S., Taylor, K., Newnam, S., Wetton, M. & Hill, A.
(2013). Even highly experienced drivers benefit from a brief
hazard perception training intervention. Accident Analysis
& Prevention, 52, 100–110. doi:10.1016/j.aap.2012.12.014
Howard, M., Clarke, C., Gullo, M., Johns, M., Swann, P. & Pierce,
R. (2006). Evaluation of two eyelid closure monitors for
drowsiness detection. Sleep and Biological Rhythms, 4(s1),
A13. doi:10.1111/j.1479-8425.2006.00242.x
Huron, D. (2011). Why is sad music pleasurable? A possible role
for prolactin. Musicae Scientiae, 15(2), 146–158.
doi:10.1177/1029864911401171
vi
ICMM (2012). Summary report of the Managing fatigue in the
extractive industries workshop 2012, Perth, Western Aus-
tralia.
Ingre, M., Akerstedt, T., Peters, B., Anund, A., Kecklund, G. &
Pickles, A. (2006). Subjective sleepiness and accident risk
avoiding the ecological fallacy. Journal of Sleep Research,
15(2), 142–148. doi:10.1111/j.1365-2869.2006.00517.x
Itti, L. & Koch, C. (2000). A saliency-based search mechanism for
overt and covert shifts of visual attention. Vision Research,
40, 1489–1506.
Jackson, P., Holmes, A., Hilditch, Reed, N., Smith, L. & Merat, N.
(2011). Fatigue and Road Safety: A critical analysis of recent
evidence. Road Safety Web Publication No. 21. London: De-
partment for Transport.
Jap, B. T., Lal, S., Fischer, P. & Bekiaris, E. (2009). Using EEG
spectral components to assess algorithms for detecting fa-
tigue. Expert Systems with Applications, 36(2), 2352–2359.
doi:10.1016/j.eswa.2007.12.043
Jewett, M. E. & Kronauer, R. E. (1999). Interactive Mathematical
Models of Subjective Alertness and Cognitive Throughput in
Humans. Journal of Biological Rhythms, 14(6), 588–597.
doi:10.1177/074873099129000920
Johns, M. (1998). Rethinking the assessment of sleepiness.
Sleep medicine reviews, 2(1), 3–15.
Johns, M. W., Tucker, A., Chapman, R., Crowley, K. & Michael,
N. (2007). Monitoring eye and eyelid movements by infra-
red reflectance oculography to measure drowsiness in driv-
ers. Somnologie - Schlafforschung und Schlafmedizin, 11(4),
234–242. doi:10.1007/s11818-007-0311-y
Jungermann, H., Fischer, K. & Pfister, H.-R. (2010). Die Psycholo-
gie der Entscheidung: Eine Einführung (3. Aufl.). Heidelberg:
Spektrum.
Kahneman, D. & Miller, D. T. (1986). Norm theory: Comparing
reality to its alternatives. Psychological Review, 93(2), 136–
153. doi:10.1037/0033-295X.93.2.136
Kahneman, D. & Tversky, A. (1979). Prospect theory: An analysis
of decision under risk. Econometrica, 47(2), 263–291.
Kahneman, D. & Tversky, A. (1984). Choices, values, and frames.
American Psychologist, 39(4), 341–350. doi:10.1037//0003-
066X.39.4.341
Kahneman, D. (2011). Thinking, fast and slow. London: Lane.
Kaida, K., Takahashi, M., Haratani, T., Otsuka, Y., Fukasawa, K. &
Nakata, A. (2006). Indoor exposure to natural bright light
prevents afternoon sleepiness. Sleep, 29(4), 462–469.
Karrer-Gauß, K. (2012). Prospektive Bewertung von Systemen
zur Müdigkeitserkennung - Ableitung von Gestaltungsemp-
fehlungen zur Vermeidung von Risikokompensation aus
empirischen Untersuchungen (Dissertation). Technische
Universität Berlin.
Kecklund, G. & Akerstedt, T. (1993). Sleepiness in long distance
truck driving: an ambulatory EEG study of night driving. Er-
gonomics, 36(9), 1007–1017.
doi:10.1080/00140139308967973
Keer, M., van den Putte, Bas & Neijens, P. (2010). The role of
affect and cognition in health decision making. The British
Journal of social Psychology, 49, 143–153.
doi:10.1348/014466609X425337
Kiymik, M. K., Akin, M. & Subasi, A. (2004). Automatic recogni-
tion of alertness level by using wavelet transform and artifi-
cial neural network. Journal of neuroscience methods,
139(2), 231–240. doi:10.1016/j.jneumeth.2004.04.027
Klauer, S. G., Neale, V. L., Dingus, T. A., Sudweeks, J. D. & Ram-
sey, D. J. (2006). The impact of driver inattention on near-
crash/crash risk: An analysis using the 100-car naturalistic
driving study data. Washington: NHTSA.
Klein, C. T. & Helweg-Larsen, M. (2002). Perceived Control and
the Optimistic Bias: A Meta-Analytic Review. Psychology &
Health, 17(4), 437–446.
doi:10.1080/0887044022000004920
Koh, A., Jones, G. R., Spencer, J. W. & Thomas, I. (2007). Chro-
matic analysis of signals from a driver fatigue monitoring
unit. Measurement Science and Technology, 18(3), 747–
754. doi:10.1088/0957-0233/18/3/026
Korn, C. W., Sharot, T., Walter, H., Heekeren, H. R. & Dolan, R. J.
(2014). Depression is related to an absence of optimistically
biased belief updating about future life events. Psychologi-
cal medicine, 44(3), 579–592.
doi:10.1017/S0033291713001074
Krajewski, J., Batliner, A. & Golz, M. (2009). Acoustic sleepiness
detection: framework and validation of a speech-adapted
pattern recognition approach. Behavior Research Methods,
41(3), 795–804. doi:10.3758/BRM.41.3.795
Krajewski, J., Mühlenbrock, I., Schnieder, S. & Seiler, K. (2011).
Wege aus der müden (Arbeits-)Gesellschaft: Erklärungsmo-
delle, Messansätze und Gegenmaßnahmen. Zeitschrift für
Arbeitswissenschaft, 65(2), 97–115.
Kühberger, A. (1998). The Influence of Framing on Risky Deci-
sions: A Meta-analysis. Organizational Behavior and Human
Decision Processes, 75(1), 23–55.
doi:10.1006/obhd.1998.2781
Kühberger, A., Schulte-Mecklenbeck, M. & Perner, J. (1999). The
Effects of Framing, Reflection, Probability, and Payoff on
Risk Preference in Choice Tasks. Organizational Behavior
and Human Decision Processes, 78(3), 204–231.
doi:10.1006/obhd.1999.2830
Künzer, L., Hofinger, G. & Zink, T. (2014). Psychological Aspects
of German Signal Words in Evacuation Warnings. In U.
Weidmann, U. Kirsch & M. Schreckenberg (Hrsg.),
Pedestrian and Evacuation Dynamics 2012 (S. 1135–1147).
Cham: Springer.
Lafrance, C. & Dumont, M. (2000). Diurnal variations in the
waking EEG: comparisons with sleep latencies and subjec-
tive alertness. Journal of Sleep Research, 9(3), 243–248.
Lal, S. & Craig, A. (2002). Driver fatigue: electroencephalography
and psychological assessment. Psychophysiology, 39(3),
313–321.
Lal, S., Craig, A., Boord, P., Kirkup, L. & Nguyen, H. (2003).
Development of an algorithm for an EEG-based driver fa-
tigue countermeasure. Journal of Safety Research, 34(3),
321–328. doi:10.1016/S0022-4375(03)00027-6
Landström, U., Akerstedt T., Byström M., Nordström B. &
Wibom R. (2004). Effect on truck drivers' alertness of a 30-
min exposure to bright light: a field study. Perceptual and
motor skills, 98(3), 770–776.
Landström, U., Englund, K., Nordström, B. & Aström, A. (1999).
Sound exposure as a measure against driver drowsiness.
Ergonomics, 42(7), 927–937.
doi:10.1080/001401399185216
LaRue, C. & Cohen, H. H. (1987). Factors Affecting Consumers'
Perceptions of Product Warnings: An Examination of the
Differences between Male and Female Consumers. Pro-
ceedings of the Human Factors and Ergonomics Society An-
nual Meeting, 31(5), 610–614.
doi:10.1177/154193128703100529
Laughery, K. R. (2006). Safety communications: Warnings.
Applied Ergonomics, 37(4), 467–478.
doi:10.1016/j.apergo.2006.04.020
Laughery, K. R., Vaubel, K. P., Young, S. L., Brelsford, J. W. &
Rowe, A. L. (1993). Explicitness of consequence information
in warnings. Safety science, 16(5-6), 597–613.
doi:10.1016/0925-7535(93)90025-9
vii
Lawhern, V., Kerick, S. & Robbins, K. A. (2013). Detecting alpha
spindle events in EEG time series using adaptive auto-
regressive models. BMC neuroscience, 14, 101.
doi:10.1186/1471-2202-14-101
Lee, J. D. & See, K. A. (2004). Trust in automation: designing for
appropriate reliance. Human factors, 46(1), 50–80.
Lee, J. D., Young, K. L. & Regan, M. A. (2009). Defining Driver
Distraction. In M. A. Regan, J. D. Lee & K. L. Young (Hrsg.),
Driver distraction. Theory, effects, and mitigation. Boca Ra-
ton: CRC Press.
Lee, Y. (2011). Understanding anti-plagiarism software adop-
tion: An extended protection motivation theory perspec-
tive. Decision Support Systems, 50(2), 361–369.
doi:10.1016/j.dss.2010.07.009
Lees, M. N., Cosman, J., Lee, J. D., Vecera, S. P., Dawson, J. D. &
Rizzo, M. (2012). Cross-modal warnings for orienting atten-
tion in older drivers with and without attention impair-
ments. Applied ergonomics, 43(4), 768–776.
doi:10.1016/j.apergo.2011.11.012
Lehto, M. R. & Salvendy, G. (1995). Warnings: a supplement not
a substitute for other approaches to safety. Ergonomics,
38(11), 2155–2163. doi:10.1080/00140139508925259
Lehto, M. R., Lesch, M. F. & Horrey, W. J. (2009). Safety Warn-
ings for Automation. In S. Y. Nof (Hrsg.), Springer Handbook
of Automation (S. 671–695). Heidelberg: Springer.
Lench, H. C. & Ditto, P. H. (2008). Automatic optimism: Biased
use of base rate information for positive and negative
events. Journal of Experimental Social Psychology, 44(3),
631–639. doi:10.1016/j.jesp.2007.02.011
Lenné, M. G., Regan, M. A., Triggs, T. & Haworth, N. L. (2004).
Review of Recent Research in Applied Experimental Psy-
chology: Implications for Countermeasure Development in
Road Safety. Report No. 223. Monash University Accident
Research Centre.
Leonard, V. K., Jacko, J. A., Yi, J. S. & Sainfort, F. (2006). Human
Factors And Ergonomics Methods. In G. Salvendy (Hrsg.),
Handbook of Human Factors and Ergonomics . Hoboken,
NJ: Wiley.
Leventhal, H. & Watts, J. C. (1966). Sources of resistance to fear-
arousing communications on smoking and lung cancer.
Journal of personality, 34(2), 155–175.
Levin, I. P., Gaeth, G. J., Schreiber, J. & Lauriola, M. (2002). A
New Look at Framing Effects: Distribution of Effect Sizes,
Individual Differences, and Independence of Types of Ef-
fects. Organizational Behavior and Human Decision Pro-
cesses, 88(1), 411–429. doi:10.1006/obhd.2001.2983
Lewis, I. M., Watson, B. & White, K. M. (2010). Response effica-
cy: The key to minimizing rejection and maximizing ac-
ceptance of emotion-based anti-speeding messages. Acci-
dent Analysis & Prevention, 42(2), 459–467.
doi:10.1016/j.aap.2009.09.008
Lewis, I. M., Watson, B., White, K. M. & Tay, R. (2007). Promot-
ing public health messages: Should we move beyond fear-
evoking appeals in road safety? Qualitative Health Re-
search, 17(1), 61–74. doi:10.1177/1049732306296395
Lewis, I.M., Watson, B. & White, K. M. (2008). An examination
of message-relevant affect in road safety messages: Should
road safety advertisements aim to make us feel good or
bad? Transportation Research Part F: Traffic Psychology
and Behaviour, 11(6), 403–417.
doi:10.1016/j.trf.2008.03.003
Li, X., Seignez, E. & Loonis, P. (2012). Reliability-based driver
drowsiness detection using Dempster-Shafer theory. Pro-
ceedings of the 12th International Conference on Control
Automation Robotics & Vision (ICARCV 2012),1059–1064.
Liu, C. C., Hosking, S. G. & Lenné, M. G. (2009). Predicting driver
drowsiness using vehicle measures: Recent insights and fu-
ture challenges. Journal of Safety Research, 40(4), 239–245.
doi:10.1016/j.jsr.2009.04.005
Loewenstein, G. & Lerner, J. (2003). The role of affect in deci-
sion-making. In R. J. Davidson, K. R. Scherer & H. H. Gold-
smith (Hrsg.), Handbook of affective sciences . New York:
Oxford University Press.
Loftus, G. R. (1993). A picture is worth a thousand p values: On
the irrelevance of hypothesis testing in the microcomputer
age. Behavior Research Methods, Instruments, and Com-
puters, 25, 250–256.
Loftus, G. R. (1996). Psychology will be a much better science
when we change the way we analyze data. Current Direc-
tions in Psychological Science, 5(6), 161–171.
doi:10.1111/1467-8721.ep11512376
Loh, S., Lamond, N., Dorrian, J., Roach, G. & Dawson, D. (2004).
The validity of psychomotor vigilance tasks of less than 10-
minute duration. Behavior Research Methods, Instruments
& Computers, 36(2), 339–346. doi:10.3758/BF03195580
Longhurst, G. (2002). Understanding driver visual behaviour.
http://www.seeingmachines.com/pdfs/media_coverage/20
02/2002_TTI_p92.pdf
Lwin, M. O., Stanaland, A. J. S. & Chan, D. (2010). Using Protec-
tion Motivation Theory to Predict Condom Usage and As-
sess HIV Health Communication Efficacy in Singapore.
Health Communication, 25(1), 69–79.
doi:10.1080/10410230903473540
MacKinnon, D. P., Nohre, L., Pentz, M. A. & Stacy, A. W. (2000).
The alcohol warning and adolescents: 5-year effects. Amer-
ican Journal of Public Health, 90(10), 1589–1594.
MacLean, A. W., Davies, D. R. & Thiele, K. (2003). The hazards
and prevention of driving while sleepy. Sleep Medicine Re-
views, 7(6), 507–521. doi:10.1016/S1087-0792(03)90004-9
Macrae, C. N. & Johnston, L. (1998). Help, I Need Somebody:
Automatic Action and Inaction. Social Cognition, 16(4),
400–417. doi:10.1521/soco.1998.16.4.400
Maddux, J. E. & Rogers, R. W. (1983). Protection motivation and
self-efficacy: A revised theory of fear appeals and attitude
change. Journal of Experimental Social Psychology, 19(5),
469–479. doi:10.1016/0022-1031(83)90023-9
Mallis, M., Maislin, G., Konowal, N., Bryne, V., Bierman, D.,
Davis, R., . . . Dinges, D. F. (2000). Biobehavioral Responses
to Drowsy Driving Alarms and Alerting Stimuli. Report DOT
HS 809 202. Washington: NHTSA.
Marshall, D. C., Lee, J. D. & Austria, R. A. (2007). Alerts for in-
vehicle information systems: annoyance, urgency, and ap-
propriateness. Human factors, 49(1), 145–157.
May, J. F. & Baldwin, C. L. (2009). Driver fatigue: The importance
of identifying causal factors of fatigue when considering de-
tection and countermeasure technologies. Transportation
Research Part F: Traffic Psychology and Behaviour, 12(3),
218–224. doi:10.1016/j.trf.2008.11.005
Maycock, G. (1997). Sleepiness and driving: the experience of
UK car drivers. Accident Analysis & Prevention, 29(4), 453–
462.
Mayring, P. (2007). Qualitative Inhaltsanalyse: Grundlagen und
Techniken (9. Aufl). UTB: Vol. 8229. Weinheim: Beltz.
McEachan, R. R.-C., Conner, M., Taylor, N. J. & Lawton, R. J.
(2011). Prospective prediction of health-related behaviours
with the Theory of Planned Behaviour: A meta-analysis.
Health Psychology Review, 5(2), 97–144.
doi:10.1080/17437199.2010.521684
McGehee, D. V., Raby, M., Carney, C., Lee, J. D. & Reyes, M. L.
(2007). Extending parental mentoring using an event-
triggered video intervention in rural teen drivers. Journal of
Safety Research, 38(2), 215–227.
doi:10.1016/j.jsr.2007.02.009
viii
McGraw, A. P., Larsen, J. T., Kahneman, D. & Schkade, D. (2010).
Comparing gains and losses. Psychological Science, 21(10),
1438–1445. doi:10.1177/0956797610381504
McKenna, F. P., Stanier, R. A. & Lewis, C. (1991). Factors under-
lying illusory self-assessment of driving skill in males and
females. Accident Analysis and Prevention, 23(1), 45–52.
McMath, B. F. & Prentice-Dunn, S. (2005). Protection Motiva-
tion Theory and Skin Cancer Risk: The Role of Individual Dif-
ferences in Responses to Persuasive Appeals. Journal of
Applied Social Psychology, 35(3), 621–643.
doi:10.1111/j.1559-1816.2005.tb02138.x
Medvec, V. H., Madey, S. F. & Gilovich, T. (1995). When less is
more: Counterfactual thinking and satisfaction among
Olympic medalists. Journal of Personality and Social Psy-
chology, 69(4), 603–610. doi:10.1037/0022-3514.69.4.603
Mellers, B. A. (2001). Anticipated Emotions as Guides to Choice.
Current Directions in Psychological Science, 10(6), 210–214.
doi:10.1111/1467-8721.00151
Michael, L., Passmann, S. & Becker, R. (2012). Electrodermal
lability as an indicator for subjective sleepiness during total
sleep deprivation. Journal of Sleep Research, 21(4), 470–
478. doi:10.1111/j.1365-2869.2011.00984.x
Michie, S. & Johnston, M. (2012). Theories and techniques of
behaviour change: Developing a cumulative science of be-
haviour change. Health Psychology Review, 6(1), 1–6.
doi:10.1080/17437199.2012.654964
Michon, I. (1985). A critical view of driver behaviour models:
What do we know, what should we do? In L. Evans & R. C.
Schwing (Hrsg.), Human Behavior and Traffic Safety . Bos-
ton: Springer.
Miro, E., Cano-Lozano, M. C. & Buela-Casal, G. (2002).
Electrodermal activity during total sleep deprivation and its
relationship with other activation and performance
measures. Journal of Sleep Research, 11(2), 105–112.
doi:10.1046/j.1365-2869.2002.00286.x
Misener, J. A. (2007). Onboard monitoring and reporting for
commercial vehicle motor safety: Final report. Washington:
U.S. Dept. of Transportation, FMCSA.
Mohamed, N. & Ahmad, I. H. (2012). Information privacy con-
cerns, antecedents and privacy measure use in social net-
working sites: Evidence from Malaysia. Computers in Hu-
man Behavior, 28(6), 2366–2375.
doi:10.1016/j.chb.2012.07.008
Moore-Ede, M., Trutschel, U., Guttkuhn, R., Aguirre, A. &
Heitmann, A. (2009). Fatigue Countermeasure Rebound:
Temporary Alertness Gain from Caffeinated Chewing Gum
Repaid as Excessive Sleepiness after Countermeasure Ces-
sation. Abstract Book of the Fatigue Management in Trans-
portation Operations 2009 International Conference, 67.
Mortazavi, A., Eskandarian, A. & Sayed, R. A. (2009). Effect of
drowsiness on driving performance variables of commercial
vehicle drivers. International Journal of Automotive Tech-
nology, 10(3), 391–404. doi:10.1007/s12239-009-0045-x
Nabi, H. (2006). Awareness of driving while sleepy and road
traffic accidents: Prospective study in GAZEL cohort. BMJ,
333(7558), 75–0. doi:10.1136/bmj.38863.638194.AE
Neth, H., Sims, C. R. & Gray, W. D. (2006). Melioration domi-
nates maximization: Stable suboptimal performance de-
spite global feedback. In R. &. M. N. Sun (Hrsg.), Proceed-
ings of the 28th annual meeting of the Cognitive Science So-
ciety (S. 627–632). Hillsdale, NJ: Lawrence Erlbaum.
Niederl, T. (2007). Untersuchungen zu kumulativen psychischen
und physiologischen Effekten des fliegenden Personals auf
der Kurzstrecke am Beispiel des Flugbetriebes der Boeing
737 Flotte der Deutschen Lufthansa AG (Dissertation).
Universität Kassel.
Nordbakke, S. & Sagberg, F. (2007). Sleepy at the wheel:
Knowledge, symptoms and behaviour among car drivers.
Transportation Research Part F: Traffic Psychology and Be-
haviour, 10(1), 1–10. doi:10.1016/j.trf.2006.03.003
Norman, D. A. (2004). Emotional design: Why we love (or hate)
everyday things. New York: Basic Books.
Ogawa, K. & Shimotani, M. (1997). A Drowsiness detection
system. Mitsubishi Electric Advance. A Quarterly Survey of
NewProducts, Systems, and Technology, (78), 13–16.
O'Keefe, D. J. & Wu, D. (2012). Gain-framed messages do not
motivate sun protection: a meta-analytic review of random-
ized trials comparing gain-framed and loss-framed appeals
for promoting skin cancer prevention. International Journal
of Environmental Research and Public Health, 9(6), 2121–
2133. doi:10.3390/ijerph9062121
Ouimet, M. C., Morton, B. G. S., Noelcke, E. A., Williams, A. F.,
Leaf, W. A., Preusser, D. F. & Hartos, J. L. (2008). Perceived
Risk and Other Predictors and Correlates of Teenagers'
Safety Belt Use During the First Year of Licensure. Traffic In-
jury Prevention, 9(1), 1–10.
doi:10.1080/15389580701638793
Parasuraman, R. & Manzey, D. H. (2010). Complacency and bias
in human use of automation: An attentional integration.
Human Factors, 52(3), 381–410.
Parasuraman, R. & Miller, C. A. (2004). Trust and etiquette in
high-criticality automated systems. Communications of the
ACM, 47(4), 51-55. doi:10.1145/975817.975844
Park, J., Xu, L., Sridhar, V., Chi, M. & Cauwenberghs, G. (2011).
Wireless dry EEG for drowsiness detection. Proceedings of
the 33rd Annual International Conference of the IEEE EMBS,
3298–3301. doi:10.1109/IEMBS.2011.6090895
Pérez-González, D. & Malmierca, M. S. (2014). Adaptation in the
auditory system: An overview. Frontiers in integrative neu-
roscience, 8, 19. doi:10.3389/fnint.2014.00019
Peters, G.-J. Y., Ruiter, R. A. C. & Kok, G. (2013). Threatening
communication: a critical re-analysis and a revised meta-
analytic test of fear appeal theory. Health Psychology Re-
view, 7(Suppl 1), S8-S31.
doi:10.1080/17437199.2012.703527
Petersen, L.-E. & Lieder, F. (2006). Die Effektivität von schriftli-
chen und graphischen Warnhinweisen auf Zigaretten-
schachteln. Zeitschrift für Sozialpsychologie, 37(4), 245–
258. doi:10.1024/0044-3514.37.4.245
Petty, R. E., Cacioppo, J. T. & Goldman, R. (1981). Personal
involvement as a determinant of argument-based persua-
sion. Journal of Personality and Social Psychology, 41(5),
847–855. doi:10.1037/0022-3514.41.5.847
Philip, P., Sagaspe, P., Taillard, J., Valtat, C., Moore, N.,
Akerstedt, T., . . . Bioulac, B. (2005). Fatigue, sleepiness, and
performance in simulated versus real driving conditions.
Sleep, 28(12), 1511–1516.
Philip, P., Taillard, J., Moore, N., Delord, S., Valtat, C., Sagaspe,
P. & Bioulac, B. (2006). The Effects of Coffee and Napping
on Nighttime Highway Driving: A Randomized Trial. Annals
of Internal Medicine, 144(11), 785–791.
Philip, P., Taillard, J., Quera-Salva, M. A., Bioulac, B. & Akerstedt,
T. (1999). Simple reaction time, duration of driving and
sleep deprivation in young versus old automobile drivers.
Journal of Sleep Research, 8(1), 9–14.
Phillips, A. G. & Silvia, P. J. (2005). Self-awareness and the
emotional consequences of self-discrepancies. Personality
& Social Psychology Bulletin, 31(5), 703–713.
doi:10.1177/0146167204271559
Phipps-Nelson, J., Redman, J. R. & Rajaratnam, S. M. W. (2011).
Temporal profile of prolonged, night-time driving perfor-
mance: Breaks from driving temporarily reduce time-on-
ix
task fatigue but not sleepiness. Journal of Sleep Research,
20(3), 404–415. doi:10.1111/j.1365-2869.2010.00900.x
Picot, A., Charbonnier, S. & Caplier, A. (2009). Monitoring
Drowsiness On-line Using a Single Encephalographic Chan-
nel. In C. A. B. de Mello (Hrsg.), Biomedical Engineering
(S. 154-164). Rijeka: InTech.
Picot, A., Charbonnier, S. & Caplier, A. (2010). Drowsiness
detection based on visual signs: Blinking analysis based on
high frame rate video. Proceedings of the Intrumentation
and Measurement Technology Conference I2MTC '10, 801 -
804.
Picot, A., Charbonnier, S., Caplier, A. & Vu, N.-S. (2012). Using
retina modelling to characterize blinking: Comparison be-
tween EOG and video analysis. Machine Vision and Applica-
tions, 23(6), 1195–1208. doi:10.1007/s00138-011-0374-4
Popp, R. (2005). Gegenmaßnahmen bei Schläfrigkeit. Der Effekt
von kurzwelligem Licht und olfaktorischer Stimulation (Dis-
sertation). Universität Regensburg.
Prentice-Dunn, S., McMath, B. F. & Cramer, R. J. (2009). Protec-
tion Motivation Theory and Stages of Change in Sun Protec-
tive Behavior. Journal of Health Psychology, 14(2), 297–305.
doi:10.1177/1359105308100214
Proctor, R. & Proctor, J. (2006). Sensation and Perception. In G.
Salvendy (Hrsg.), Handbook of Human Factors and Ergo-
nomics (S. 53–57). Hoboken, NJ: Wiley.
Pronin, E., Gilovich, T. & Ross, L. (2004). Objectivity in the eye of
the beholder: Divergent perceptions of bias in self versus
others. Psychological Review, 111(3), 781–799.
doi:10.1037/0033-295X.111.3.781
Ramstrom, O. & Christensen, H. (2005). A method for following
unmarked roads. Proceedings of the Intelligent Vehicles
Symposium 2005 (IEEE), 650–655.
Rasch, B., Hofmann, W., Friese, M. & Naumann, E. (2010).
Quantitative Methoden. Heidelberg: Springer.
Rasmussen, J. (1982). Human errors. A taxonomy for describing
human malfunction in industrial installations. Journal of Oc-
cupational Accidents, 4(2-4), 311–333. doi:10.1016/0376-
6349(82)90041-4
Rasmussen, J. (1983). Skills, rules, and knowledge; signals, signs,
and symbols, and other distinctions in human performance
models. IEEE Transactions on Systems, Man, and Cybernet-
ics, 13(3), 257–266. doi:10.1109/TSMC.1983.6313160
Rau, P. S. (2005). Drowsy driver detection and warning system
for commercial vehicle drivers: Field operational test design,
analysis, and progress. Washington: NHTSA.
Rau, P. S., Fitch, G. M., Bocanegra, J. L., Blanco, M. & Hanowski,
R. J. (2009). Assessment of a Drowsy Driver Warning System
(DDWS) for Heavy Vehicle Drivers. Blacksburg: VTTI.
Regan, M. A., Young, K. L., Lee, J. D. & Gordon, C. P. (2009).
Sources of Driver Distraction. In M. A. Regan, J. D. Lee & K.
L. Young (Hrsg.), Driver distraction. Theory, effects, and mit-
igation (S. 249–279). Boca Raton: CRC Press.
Reimer, B., Gould, D., Chahine, N., Greve, G., Mehler, B., Wang,
Y., . . . Levantovsky, V. (2012). An exploratory study on the
impact of typeface design in a text rich user interface on
off-road glance behavior. Proceedings of the 4th Interna-
tional Conference on Automotive User Interfaces and Inter-
active Vehicular Applications, 25-32.
Reyner, L. A. & Horne, J. A. (1997). Suppression of sleepiness in
drivers: combination of caffeine with a short nap. Psycho-
physiology, 34(6), 721–725.
Reyner, L. A. & Horne, J. A. (1998a). Evaluation of In-Car Coun-
termeasures to Sleepiness: Cold Air and Radio. Sleep, 21(1),
46–50.
Reyner, L. A. & Horne, J. A. (1998b). Falling asleep whilst driving:
Are drivers aware of prior sleepiness? International Journal
of Legal Medicine, 111(3), 120–123.
Reyner, L. A. & Horne, J. A. (2000). Early morning driver sleepi-
ness: Effectiveness of 200 mg caffeine. Psychophysiology,
37(2), 251–256. doi:10.1111/1469-8986.3720251
Reyner, L. A. & Horne, J. A. (2002). Efficacy of a 'functional
energy drink' in counteracting driver sleepiness. Physiology
and Behavior, 75(3), 331–335.
Reyner, L. A., Horne, J. A. & Flatley, D. (2010). Effectiveness of
UK motorway services areas in reducing sleep-related and
other collisions. Accident Analysis & Prevention, 42(4),
1416–1418. doi:10.1016/j.aap.2010.02.010
Rogers, W. A., Lamson, N. & Rousseau, G. K. (2000). Warning
research: An integrative perspective. Human factors, 42(1),
102–139.
Rose, A. (2006). Unterschiede physiologischer Indikatoren des
Fahrerzustands zwischen Real- und Simulationsfahrt (Dis-
sertation). TU Berlin.
Rosnow, R. L. & Rosenthal, R. (1989). Statistical procedures and
the justification of knowledge in psychological science.
American Psychologist, 44(10), 1276–1284.
doi:10.1037/0003-066X.44.10.1276
Rudin-Brown, C. M., Williamson, A. & Lenné, M. G. (2009). Can
driving simulation be used to predict changes in real-world
crash risk. Clayton: Monash University Accident Research
Centre.
Rudin-Brown, C. M. & Jamson, S. (2013). Behavioural adapta-
tion and road safety: Theory, evidence, and action. Boca Ra-
ton: CRC Press.
Sagaspe, P., Taillard, J., Akerstedt, T., Bayon, V., Espié, S.,
Chaumet, G., . . . Philip, P. (2008). Extended driving impairs
nocturnal driving performances. PLoS ONE, 3(10), e3493.
doi:10.1371/journal.pone.0003493
Sagaspe, P., Taillard, J., Chaumet, G., Moore, N., Bioulac, B. &
Philip, P. (2007). Aging and Nocturnal Driving: Better with
Coffee or a Nap? A Randomized Study. Sleep, 30(12), 1808–
1813.
Sahayadhas, A., Sundaraj, K. & Murugappan, M. (2012). Detect-
ing driver drowsiness based on sensors: A review. Sensors,
12(12), 16937–16953. doi:10.3390/s121216937
Sanders, M. S. & McCormick, E. J. (1993). Human factors in
engineering and design (7. Aufl.). New York: McGraw-Hill.
Sarter, N. (2006). Multiple-Resource Theory as a Basis for Mul-
timodal Interface Design: Success Stories, Qualifications,
and Research Needs. In A. F. Kramer, D. A. Wiegmann & A.
Kirlik (Hrsg.), Attention From Theory to Practice (S. 187–
195). Oxford University Press.
Schenka, C., Schnupp, T., Heinze, C., Krajewski, J. & Golz, M.
(2010). The compensatory tracking task: A pattern recogni-
tion based approach for classifying vigilance. In A. Spink, F.
Grieco, O. Krips, L. Loijens, L. Noldus & P. Zimmerman
(Hrsg.), Proceedings of the 7th International Conference on
Methods and Techniques in Behavioral Research (S. 470–
472). Wageningen: Noldus Information Technology.
Schmidt, E. A. (2010). Die objektive Erfassung von Müdigkeit
während monotoner Tagfahrten und deren verbale Selbst-
einschätzung durch den Fahrer (Dissertation). Düsseldorf:
Heinrich-Heine-Universität.
Schmidt, E. A., Schrauf, M., Simon, M., Buchner, A. & Kincses,
W. E. (2011). The short-term effect of verbally assessing
drivers' state on vigilance indices during monotonous day-
time driving. Transportation Research Part F: Traffic Psy-
chology And Behaviour, 14(3), 251–260.
doi:10.1016/j.trf.2011.01.005
x
Schmidt, E. A., Schrauf, M., Simon, M., Fritzsche, M., Buchner, A.
& Kincses, W. E. (2009). Drivers' misjudgement of vigilance
state during prolonged monotonous daytime driving. Acci-
dent Analysis and Prevention, 41(5), 1087–1093.
doi:10.1016/j.aap.2009.06.007
Schneider, S., Gadinger, M. & Fischer, A. (2012). Does the effect
go up in smoke? A randomized controlled trial of pictorial
warnings on cigarette packaging. Patient Education and
Counseling, 86(1), 77–83. doi:10.1016/j.pec.2011.03.005
Schnupp, T., Schenka, A. & Sommer, D. (2010). Using postural
control system measures to detect hypovigilance. In A.
Spink, F. Grieco, O. Krips, L. Loijens, L. Noldus & P. Zim-
merman (Hrsg.), Proceedings of the 7th International Con-
ference on Methods and Techniques in Behavioral Research
(S. 470–472). Wageningen: Noldus Information Technology.
Scholer, A. A., Zou, X., Fujita, K., Stroessner, S. J. & Higgins, E. T.
(2010). When risk seeking becomes a motivational necessi-
ty. Journal of Personality and Social Psychology, 99(2), 215–
231. doi:10.1037/a0019715
Schützhofer, B. & Torner, F. (2008). Studie „Müdig eit am
Steuer“: Kurzbericht. http://www.sicherunterwegs.at/
downloads/KURZBERICHT_Muedigkeit_am_Steuer.pdf
Schwarz, J. F. A., Ingre, M., Fors, C., Anund, A., Kecklund, G.,
Taillard, J., . . . Åkerstedt, T. (2012). In-car countermeasures
open window and music revisited on the real road: Popular
but hardly effective against driver sleepiness. Journal of
Sleep Research, 21(5), 595–599. doi:10.1111/j.1365-
2869.2012.01009.x
Schwarzer, R. & Jerusalem, M. (1995). Optimistic Self-Beliefs as
a Resource Factor in Coping with Stress. In S. E. Hobfoll &
M. W. Vries (Hrsg.), Extreme Stress and Communities: Im-
pact and Intervention (S. 159–177). Dordrecht: Springer.
Schwarzer, R. (2004). Psychologie des Gesundheitsverhaltens:
Einführung in die Gesundheitspsychologie (3. Aufl.). Göttin-
gen: Hogrefe.
Sedlmeier, P. & Renkewitz, F. (2013). Forschungsmethoden und
Statistik für Psychologen und Sozialwissenschaftler (2.
Aufl.). München: Pearson Studium.
Sedlmeier, P. (2009). Beyond the Significance Test Ritual. Zeit-
schrift für Psychologie, 217(1), 1–5. doi:10.1027/0044-
3409.217.1.1
Shahid, A., Shen, J. & Shapiro, C. M. (2010). Measurements of
sleepiness and fatigue. Journal of Psychosomatic Research,
69(1), 81–89. doi:10.1016/j.jpsychores.2010.04.001
Shahid, A., Wilkinson, K., Marcu, S. & Shapiro, C. M. (Hrsg.).
(2012). STOP, THAT and One Hundred Other Sleep Scales.
New York: Springer.
Sharot, T. (2012). The optimism bias: A tour of the irrationally
positive brain. New York: Vintage Books.
Sheeran, P. (2002). Intention-Behavior Relations: A Conceptual
and Empirical Review. European Review of Social Psycholo-
gy, 12(1), 1–36. doi:10.1080/14792772143000003
Shen, K.-Q., Li, X.-P., Ong, C.-J., Shao, S.-Y. & Wilder-Smith, E. P.
(2008). EEG-based mental fatigue measurement using mul-
ti-class support vector machines with confidence estimate.
Clinical Neurophysiology, 119(7), 1524–1533.
doi:10.1016/j.clinph.2008.03.012
Shugan, S. M. (1980). The cost of thinking. Journal of Consumer
Research, (7), 99–111.
Sigari, M., Pourshahabi, M., Soryani, M. & Fathy, M. (2014). A
Review on Driver Face Monitoring Systems for Fatigue and
Distraction Detection. International Journal of Advanced
Science and Technology, 64, 73–100.
Simon, H. A. (1959). Theories of decision-making in economics
and behavioral science. The American Economic Review,
49(3), 253–283.
Sivaraman, S. & Trivedi, M. M. (2013). Integrated Lane and
Vehicle Detection, Localization, and Tracking: A Synergistic
Approach. IEEE Transactions on Intelligent Transportation
Systems, 14(2), 906–917. doi:10.1109/TITS.2013.2246835
Smolensky, M. H., Di Milia, L., Ohayon, M. M. & Philip, P. (2011).
Sleep disorders, medical conditions, and road accident risk.
Accident Analysis & Prevention, 43(2), 533–548.
doi:10.1016/j.aap.2009.12.004
Spence, C. & Ho, C. (2008). Tactile and Multisensory Spatial
Warning Signals for Drivers. IEEE Transactions on Haptics,
1(2), 121–129. doi:10.1109/TOH.2008.14
Stephan, K., Hosking, S., Regan, M. A., Verdoorn, A., Young, K. &
Haworth, N. L. (2006). The relationship between driving per-
formance and the Johns Drowsiness Scale as measured by
the Optalert system. Clayton: Monash University Accident
Research Centre.
Stutts, J. C., Wilkins, J. W., Scott, O. J. & Vaughn, B. V. (2003).
Driver risk factors for sleep-related crashes. Accident Analy-
sis and Prevention, 35(3), 321–331.
Summala, H., Häkkänen, H., Mikkola, T. & Sinkkonen, J. (1999).
Task effects on fatigue symptoms in overnight driving. Er-
gonomics, 42(6), 798–806. doi:10.1080/001401399185298
Svenson, O. (1981). Are we all less risky and more skillful than
our fellow drivers? Acta Psychologica, 47(2), 143–148.
doi:10.1016/0001-6918(81)90005-6
TAC. (2000). Fatigue Campaign 2000. http://www.tac.vic.
gov.au/
Taillard, J., Capelli, A., Sagaspe, P., Anund, A., Akerstedt, T.,
Philip, P. & Gamble, K. L. (2012). In-Car Nocturnal Blue Light
Exposure Improves Motorway Driving: A Randomized Con-
trolled Trial. PLoS ONE, 7(10), e46750.
doi:10.1371/journal.pone.0046750
Takata Corp. (2008). SafeTRAC Driver's Guide.
http://www.safetrak.takata.com/Products.aspx
ten Thoren, C. & Gundel, A. (2003). Müdigkeit als Unfallursache
im Stadtbereich - eine Befragung von Unfallbeteiligten.
Somnologie, 7(4), 125–133. doi:10.1046/j.1432-
9123.2003.00003.x
ten Thoren, C. (2006). Wach am Steuer. Landsberg: Hüthig Jehle
Rehm.
Terán-Santos, J., Jiménez-Gómez, A. & Cordero-Guevara, J.
(1999). The association between sleep apnea and the risk of
traffic accidents. The New England Journal of Medicine,
340(11), 847–851. doi:10.1056/NEJM199903183401104
Thiffault, P. & Bergeron, J. (2003). Monotony of road environ-
ment and driver fatigue: a simulator study. Accident Analy-
sis and Prevention, 35(3), 381–391.
Thomas, I. (2012). ASTiD Advisory System for Tired Drivers:
Presentation at the Managing fatigue in the extractive in-
dustries workshop, Perth, Western Australia.
Thorslund, B. (2004). Electrooculogram analysis and develop-
ment of a system for defining stages of drowsiness
(Masterarbeit). Universität Linköping.
Tom, S. M., Fox, C. R., Trepel, C. & Poldrack, R. A. (2007). The
neural basis of loss aversion in decision-making under risk.
Science, 315(5811), 515–518. doi:10.1126/science.1134239
Torner, F. & Schützhofer, B. (2010). Eine Erhebung von körperli-
chen und fahrspezifischen Anzeichen für akute Müdigkeit
am Steuer sowie eine Analyse der eingeleiteten Gegenmaß-
nahmen der FahrerInnen (Poster präsentiert auf dem 6.
gemeinsamen Symposium der DGVM und der DGVP in Tü-
bingen). http://www.sicherunterwegs.at/downloads/
2010_muedigkeit.pdf
Tremaine, R., Dorrian, J., Lack, L., Lovato, N., Ferguson, S., Zhou,
X. & Roach, G. (2010). The relationship between subjective
and objective sleepiness and performance during a simu-
xi
lated night-shift with a nap countermeasure. Applied Ergo-
nomics, 42(1), 52–61. doi:10.1016/j.apergo.2010.04.005
Tucker, P., Lombardi, D., Smith, L. & Folkard, S. (2006). The
impact of rest breaks on temporal trends in injury risk.
Chronobiology International, 23(6), 1423–1434.
doi:10.1080/07420520601070315
Tversky, A. & Kahneman, D. (1974). Judgment under Uncertain-
ty: Heuristics and Biases. Science, 185(4157), 1124–1131.
doi:10.1126/science.185.4157.1124
Tversky, A. & Kahneman, D. (1981). The framing of decisions
and the psychology of choice. Science, 211(4481), 453–458.
doi:10.1126/science.7455683
Tversky, A. & Kahneman, D. (1992). Advances in prospect theo-
ry: Cumulative representation of uncertainty. Journal of
Risk and Uncertainty, 5(4), 297–323.
doi:10.1007/BF00122574
van Erp, J. B. F., Veltman, A. & van Veen, H. A. H. C. (2003). A
Tactile Cockpit Instrument to Support Altitude Control. Pro-
ceedings of the Human Factors and Ergonomics Society An-
nual Meeting, 47(1), 114–118.
doi:10.1177/154193120304700124
VanBaaren, R. B., Holland, R. W., Kawakami, K. & van
Knippenberg, A. (2004). Mimicry and Prosocial Behavior.
Psychological Science, 15(1), 71–74. doi:10.1111/j.0963-
7214.2004.01501012.x
Vance, A., Siponen, M. & Pahnila, S. (2012). Motivating IS secu-
rity compliance: Insights from Habit and Protection Motiva-
tion Theory. Information & Management, 49(3-4), 190–198.
doi:10.1016/j.im.2012.04.002
Verwey, W. B. & Zaidel, D. M. (1999). Preventing drowsiness
accidents by an alertness maintenance device. Accident
Analysis & Prevention, 31(3), 199–211. doi:10.1016/S0001-
4575(98)00062-1
Vollrath, M. & Krems, J. (2011). Verkehrspsychologie. Stuttgart:
Kohlhammer.
Volvo Car Group. (2008). Volvo Cars introduces new systems for
alerting tired and unconcentrated drivers.
https://www.media.volvocars.com/global/en-
gb/media/pressreleases/13831
Vredenburgh, A. G. & Zackowitz, I. B. (2006). Expectations. In M.
S. Wogalter (Hrsg.), Handbook of Warnings . Mahwah, N.J.:
Lawrence Erlbaum Associates.
Vuckovic, A., Radivojevic, V., Chen, A. C. N. & Popovic, D. (2002).
Automatic recognition of alertness and drowsiness from
EEG by an artificial neural network. Medical Engineering &
Physics, 24(5), 349–360.
Weaver, J. L., Gerber, T. N., Hancock, P. A. & Ganey, H. C. N.
(2003). Individual differences in behavioral compliance to
warnings representing varying degrees of threat. Interna-
tional Journal of Occupational Safety and Ergonomics, 9(2),
149–160.
Weber, B. J. & Chapman, G. B. (2005). Playing for peanuts: Why
is risk seeking more common for low-stakes gambles? Or-
ganizational Behavior and Human Decision Processes,
97(1), 31–46. doi:10.1016/j.obhdp.2005.03.001
Webster, M. A. (2012). Evolving concepts of sensory adaptation.
F1000 biology reports, 4, 21. doi:10.3410/B4-21
Weidner, C. K. (2013). Wachhaltestrategien und Fahrleistungen
müder Autofahrer im Kontext von Müdigkeitswarnungen
(Bachelorarbeit). TU Berlin.
Weil de Vega, C. B. (2007). Fahrerschläfrigkeit gemessen mit
dem Pupillographischen Schläfrigkeitstest an süddeutschen
Autobahn-Raststätten (Dissertation). Eberhard-Karls-
Universität, Tübingen.
Weinstein, N. D. (1982). Unrealistic optimism about susceptibil-
ity to health problems. Journal of behavioral medicine, 5(4),
441–460.
Whitlock, A. & Pethick, J. (2002). Driver vigilance devices: Sys-
tems review. London: Railway Safety & Standards Board.
http://www.rssb.co.uk/SiteCollectionDocuments/pdf/repor
ts/research/T024_rpt_final.pdf
Wickens, C. D. & Hollands, J. G. (2000). Engineering psychology
and human performance (3. Aufl.). Upper Saddle River:
Prentice Hall.
Wickens, C. D. & McCarley, J. S. (2007). Applied attention theo-
ry. Boca Raton: Taylor & Francis.
http://site.ebrary.com/lib/alltitles/docDetail.action?docID=
10209613
Wickens, C. D. & Rose, P. N. (2001). Human factors handbook
for displays: Summary of findings from the army research
lab's advanced displays & interactive displays federated la-
boratory. Thousand Oaks: Rockwell Scientific.
Wickens, C. D. (2002). Multiple resources and performance
prediction. Theoretical Issues in Ergonomics Science, 3(2),
159–177. doi:10.1080/14639220210123806
Wickens, C. D. (2008). Multiple resources and mental workload.
Human Factors, 50(3), 449–455.
Wickens, C. D., Gordon, S. E. & Liu, Y. (2004). An introduction to
human factors engineering (2. Aufl.). Upper Saddle River:
Pearson Prentice Hall.
Wickens, C. D., Hollands, J., Banbury, S. & Parasuraman, R.
(2012). Engineering Psychology and Human Performance (4.
Aufl.). New York: Pearson Education.
Wierwille, W. W. & Ellsworth, L. A. (1994). Evaluation of driver
drowsiness by trained raters. Accident Analysis and Preven-
tion, 26(5), 571–581.
Wilde, G. J. S. (1982). The Theory of Risk Homeostasis: Implica-
tions for Safety and Health. Risk Analysis, 2(4), 209–225.
doi:10.1111/j.1539-6924.1982.tb01384.x
Williams, B. J. & Kaufmann, L. M. (2012). Reliability of the
Go/No Go Association Task. Journal of Experimental Social
Psychology, 48(4), 879–891. doi:10.1016/j.jesp.2012.03.001
Williams, D. J. & Noyes, J. M. (2007). How does our perception
of risk influence decision-making? Implications for the de-
sign of risk information. Theoretical Issues in Ergonomics
Science, 8(1), 1–35. doi:10.1080/14639220500484419
Williamson, A., Lombardi, D. A., Folkard, S., Stutts, J., Courtney,
T. K. & Connor, J. L. (2011). The link between fatigue and
safety. Accident Analysis and Prevention, 43(2), 498–515.
doi:10.1016/j.aap.2009.11.011
Witte, K. & Allen, M. (2000). A Meta-Analysis of Fear Appeals:
Implications for Effective Public Health Campaigns. Health
Education & Behavior, 27(5), 591–615.
doi:10.1177/109019810002700506
Witte, K. (1994). Fear control and danger control: A test of the
extended parallel process model (EPPM). Communication
Monographs, 61(2), 113–134.
doi:10.1080/03637759409376328
Wogalter, M. S. & Brelsford, J. W. (1994). Incidental Exposure to
Rotating Warnings on Alcoholic Beverage Labels. Proceed-
ings of the Human Factors and Ergonomics Society Annual
Meeting, 38(5), 374–378.
doi:10.1177/154193129403800505
Wogalter, M. S. & Laughery, K. R. (1996). WARNING: Sign and
Label Effectiveness. Current Directions in Psychology, 5, 33–
37.
Wogalter, M. S. & Silver, N. C. (1995). Warning signal words:
connoted strength and understandability by children, el-
ders, and non-native English speakers. Ergonomics, 38(11),
2188–2206. doi:10.1080/00140139508925262
xii
Wogalter, M. S. (2006). Communication-Human Information
Processing (C-HIP) Model. In M. S. Wogalter (Hrsg.), Hand-
book of Warnings (S. 51-61). Mahwah: Lawrence Erlbaum
Associates.
Wogalter, M. S., Allison, S. T. & McKenna, N. A. (1989). Effects
of Cost and Social Influence on Warning Compliance. Hu-
man Factors, 31(2), 133–140.
Wogalter, M. S., Brelsford, J. W., Desaulniers, D. R. & Laughery,
K. R. (1991). Consumer product warnings: The role of haz-
ard perception. Journal of Safety Research, 22(2), 71–82.
doi:10.1016/0022-4375(91)90015-N
Wogalter, M. S., Brems, D. J. & Martin, E. G. (1993). Risk percep-
tion of common consumer products: Judgments of accident
frequency and precautionary intent. Journal of Safety Re-
search, 24(2), 97–106. doi:10.1016/0022-4375(93)90004-7
Wogalter, M. S., DeJoy, D. M. & Laughery, K. R. (Hrsg.). (1999).
Warnings and risk communication. Philadelphia: Taylor &
Francis.
Wogalter, M. S., Godfrey, S. S., Fontanelle, G. A., Desaulniers, D.
R., Rothstein, P. R. & Laughery, K. R. (1987). Effectiveness of
Warnings. Human Factors, 29(5), 599–612.
Wogalter, M. S., Kalsher, M. J. & Racicot, B. M. (1993). Behav-
ioral compliance with warnings: Effects of voice, context,
and location. Safety Science, 16(5-6), 637–654.
doi:10.1016/0925-7535(93)90028-C
Wogalter, M. S., Laughery, K. R. & Mayhorn, C. B. (2006). Warn-
ings and Hazard Communications. In G. Salvendy (Hrsg.),
Handbook of Human Factors and Ergonomics (S. 889–911).
Hoboken, NJ: Wiley.
Wogalter, M. S., Racicot, B. M., Kalsher, M. J. & Noel Simpson, S.
(1994). Personalization of warning signs: The role of per-
ceived relevance on behavioral compliance. International
Journal of Industrial Ergonomics, 14(3), 233–242.
doi:10.1016/0169-8141(94)90099-X
Wolff, J. S. & Wogalter, M. S. (1998). Comprehension of Pictorial
Symbols: Effects of Context and Test Method. Human Fac-
tors, 40(2), 173–186. doi:10.1518/001872098779480433
Wright, N. A., Stone, B. M., Horberry, T. J. & Reed, N. (2007). A
review of in-vehicle sleepiness detection devices. Published
project report: PPR157. Wokingham: TRL Limited.
Wright, V. (2010). Deterrence in Criminal Justice: Evaluating
Certainty vs. Severity of Punishment. Washington: The Sen-
tencing Project.
Yang, J. H., Mao, Z.-H., Tijerina, L., Pilutti, T., Coughlin, J. F. &
Feron, E. (2009). Detection of Driver Fatigue Caused by
Sleep Deprivation. IEEE Transactions on Systems, Man, and
Cybernetics - Part A: Systems and Humans, 39(4), 694–705.
doi:10.1109/TSMCA.2009.2018634
Yeo, M. V., Li, X., Shen, K. & Wilder-Smith, E. P. (2009). Can SVM
be used for automatic EEG detection of drowsiness during
car driving? Safety science, 47(1), 115–124.
doi:10.1016/j.ssci.2008.01.007
Young, M. S. & Stanton, N. A. (2005). Applying Interviews to
Usability Assessment. In N. Stanton (Hrsg.), Handbook of
human factors and ergonomics methods (S.29-1 – 29-5).
Boca Raton: CRC Press.
Yu, X. (2009). Report No. CTS 09-15: Real-time Nonintrusive
Detection of Driver Drowsiness. Minneapolis: ITS Institute.
Zhang, Z. & Zhang, J. (2006). A New Real-Time Eye Tracking for
Driver Fatigue Detection. Proceedings of the 6th Internatio-
nal Conference on ITS Telecommunications, 8–11
xiii
Anhang
A Methoden und Materialien ................................................................................................ A-1
A.1 Experiment 1 .............................................................................................................. A-1
A.1.1 Exp. 1 - Instruktionsblatt 1 (Aufgabe und Rahmenbedingungen) ................................ A-1
A.1.2 Exp 1 - Instruktionsblatt 2 (Beschreibung Fahrfehler) ................................................. A-2
A.1.3 Exp. 1 - Vorbefragung ................................................................................................... A-3
A.1.4 Exp. 1 - Retrospektive Befragung ................................................................................. A-5
A.2 Experiment 2 .............................................................................................................. A-9
A.2.1 Exp. 2 - Instruktionsblatt 1 (Aufgabe und Rahmenbedingungen) - Bedingung
Entfernungsrückmeldung - ........................................................................................... A-9
A.2.2 Exp. 2 - Instruktionsblatt 1 (Aufgabe und Rahmenbedingungen) - Bedingungen mit
Müdigkeitswarnung (Kaffeetasse / Bild) - .................................................................. A-10
A.2.3 Exp. 2 - Vorbefragung ................................................................................................. A-11
A.2.4 Exp. 2 - Nachbefragung (Bsp. 1: Typ = Warnung, Anzahl = 1, Pause = ja) .................. A-13
A.2.5 Exp. 2 – Nachbefragung (Bsp. 2: Typ = Entfernungsmeld., Anzahl = 2, Pause = nein)A-16
A.3 Methoden und Materialien in beiden Experimenten .................................................. A-20
A.3.1 Übersicht über methodische Veränderungen in Exp. 2 im Vergleich zu Exp. 1 ......... A-20
A.3.2 Exp. 1 und 2 - Screening-Fragebogen ........................................................................... A-1
A.3.3 Exp. 1 und 2 - Einverständniserklärung ........................................................................ A-3
A.3.4 Exp. 1 und 2 - Referenzkarte mit Müdigkeitsstufen und -indikatoren nach Dittrich et al.
(2009) ........................................................................................................................... A-4
A.3.5 Exp. 1 und 2 - Gewinnung der Müdigkeitswerte mit der TUBSS .................................. A-5
B Ergebnisse ......................................................................................................................... B-1
B.1 Ergebnisse Experiment 1 ............................................................................................. B-1
B.1.1 Exp. 1 - TUBSS-Müdigkeitsverläufe aller Teilnehmer ................................................... B-1
B.1.2 Exp. 1 - Angaben der Teilnehmer zu Wachhaltestrategien .......................................... B-5
B.1.3 Exp. 1 - Übersicht über alle abhängigen Variablen - Mittelwerte und
Standardabweichungen für alle Faktorstufen, Signifikanztests ................................................... B-6
B.2 Ergebnisse Experiment 2 ............................................................................................. B-9
B.2.1 Exp. 2 - TUBSS-Müdigkeitsverläufe aller Teilnehmer ................................................... B-9
B.2.2 Exp. 2 -Angaben der Teilnehmer zu Wachhaltestrategien und deren Paraphrasierung /
Generalisierung .......................................................................................................... B-15
B.2.3 Exp. 2: Induktive Kategorisierung der Wachhaltestrategien ...................................... B-18
xiv
B.2.4 Exp. 2 - Übersicht über alle abhängigen Variablen - Mittelwerte und
Standardabweichungen für alle Faktorstufen, Signifikanztests ................................. B-21
B.3 Ergebnisse Exp. 1 und Exp. 2 ..................................................................................... B-23
B.3.1 Exp. 1 und 2 - Übersicht über erwartete und empirische Ergebnisse (qualitativ) ..... B-23
A-1
A Methoden und Materialien
A.1 Experiment 1
A.1.1 Exp. 1 - Instruktionsblatt 1 (Aufgabe und Rahmenbedingungen)
Information für Studienteilnehmerinnen und -teilnehmer
Liebe Teilnehmerin, lieber Teilnehmer,
hier finden Sie die wichtigsten Informationen zu Ihrer späteren Fahraufgabe. Bitte lesen Sie die
Informationen aufmerksam durch.
Müdigkeit beim Autofahren führt zu Leistungseinschränkungen und spielt eine nicht unerhebliche
Rolle bei der Verursachung von Unfällen im Straßenverkehr. Zur Bekämpfung von akuter Müdigkeit
konnten bisher nur zwei Maßnahmen wissenschaftlich als wirksam bestätigt werden: ein kurzes
Nickerchen von ca. 10-15 Minuten oder die Zufuhr von Koffein, z.B. durch eine Tasse Kaffee.
Ihre heutige Fahrt im Simulator ist vergleichbar mit einer solchen realen Verkehrssituation. Sie fahren
eine bestimmte Strecke, wobei Ihre Müdigkeit das Auftreten von Fehlern beim Fahren
wahrscheinlicher macht – z.B. durch Sekundenschlaf oder die Begünstigung von Unaufmerksamkeit.
Ihre Aufgabe im Fahrszenario ist es, eine vorgegebene Strecke bis zum Ende zu fahren. Dabei gelten
bestimmte Rahmenbedingungen:
Sie erhalten für Ihre Fahrt eine Grundvergütung von 15 €.
Zusätzlich zu dieser Grundvergütung haben Sie die Chance einen Zielbonus von 15 € zu
erwerben, wenn es Ihnen gelingt, die Strecke bis zum Ende zu fahren, ohne einen groben
Fahrfehler zu machen (was das bedeutet, können Sie gleich noch ausprobieren).
Unterläuft Ihnen ein solcher Fahrfehler, entfällt der Zielbonus (=> 0 €); sie bekommen also
in diesem Fall nur Ihre Grundvergütung.
Wenn Sie befürchten aufgrund Ihrer Müdigkeit einen Fahrfehler zu machen, können Sie eine
Pause machen, in der Sie z.B. einen Kaffee trinken oder im Fahrzeug ein kurzes Schläfchen
halten können, um Ihre Fahrtüchtigkeit wiederherzustellen. Erreichen Sie nach einer Pause
fehlerfrei das Ziel, bekommen Sie immer noch einen Zielbonus von 10 € (im Vergleich zu 15 €
bei fehlerfreier Zielerreichung ohne vorherige Pause). Dies gilt unabhängig davon, ob Sie vor
der Pause bereits eine Müdigkeitswarnung (s.u.) erhalten haben oder nicht.
Ihr Fahrzeug verfügt über ein Müdigkeitswarnsystem, das gefährliche Fahrerzustände
erkennen kann. Identifiziert das System bei Ihnen einen kritischen Müdigkeitszustand, in
dem das Risiko eines Fahrfehlers erhöht ist, bekommen Sie eine entsprechende
Rückmeldung. Diese erfolgt durch einen Warnton und eine „Pause empfohlen“-Einblendung
auf dem Display rechts vom Lenkrad, welche für 2 Minuten sichtbar ist und dann von selbst
wieder verschwindet. (Das System ist so eingestellt, dass es bei anhaltender oder
wiederkehrender Müdigkeit nach frühestens 30 min eine erneute Warnung anzeigen würde.)
Bei der Warnung handelt es sich um eine reine Empfehlung des Systems; ob Sie eine Pause
machen wollen oder nicht, entscheiden Sie selbst.
Die Länge der zu absolvierenden Fahrstrecke hängt von Zufallsfaktoren ab und ist somit auch dem
Versuchsleiter im Vorhinein nicht genau bekannt. Typischerweise werden Sie 1 bis maximal 2
Stunden unterwegs sein. Sobald Sie das Ziel erreicht haben, erhalten Sie eine Rückmeldung.
A-2
A.1.2 Exp 1 - Instruktionsblatt 2 (Beschreibung Fahrfehler)
Was ist ein Fahrfehler?
Ihre Aufgabe ist es, die Strecke mit einer Höchstgeschwindigkeit von 100 km/h abzufahren und dabei
auf der rechten Spur zu bleiben. Somit ergeben sich 2 Arten möglicher Fehler:
Grobe Abweichung von der rechten Fahrspur
Kommt Ihr Fahrzeug weit nach links oder rechts von der rechten Spur ab, gilt dies als Fehler. Es gibt
einen gewissen Toleranzbereich, den Sie gleich ausprobieren können.
Grobe Überschreitung des Geschwindigkeitslimits
Auch wenn Sie versehentlich schneller fahren als 100 km/h, gilt dies als Fahrfehler. Auch hier existiert
ein Toleranzbereich (bis 115 km/h). Nach unten hin gibt es keine Geschwindigkeitsbegrenzung, d.h.,
Sie können grundsätzlich so langsam fahren wie Sie wollen
A-3
A.1.3 Exp. 1 - Vorbefragung
A-4
A-5
A.1.4 Exp. 1 - Retrospektive Befragung
A-6
A-7
A-8
A-9
A.2 Experiment 2
A.2.1 Exp. 2 - Instruktionsblatt 1 (Aufgabe und Rahmenbedingungen)
- Bedingung Entfernungsrückmeldung -
Information für Studienteilnehmerinnen und -teilnehmer
Liebe Teilnehmerin, lieber Teilnehmer,
hier finden Sie die wichtigsten Informationen zu Ihrer späteren Fahraufgabe. Bitte lesen Sie die Informationen
aufmerksam durch.
Müdigkeit beim Autofahren führt zu Leistungseinschränkungen und spielt eine nicht unerhebliche Rolle bei der
Verursachung von Unfällen im Straßenverkehr. Zur Bekämpfung akuter Müdigkeit konnten bisher nur zwei
Maßnahmen wissenschaftlich als wirksam bestätigt werden: ein kurzes Nickerchen von ca. 10-15 Minuten oder
die Zufuhr von Koffein, z.B. durch eine Tasse Kaffee oder ein koffeinhaltiges Erfrischungsgetränk („Energy-
Drink“).
Ihre heutige Fahrt im Simulator ist vergleichbar mit einer realen Verkehrssituation. Sie fahren eine bestimmte
Strecke, wobei Ihre Müdigkeit das Auftreten von Fehlern beim Fahren wahrscheinlicher macht – z.B. durch
Sekundenschlaf oder die Begünstigung von Unaufmerksamkeit.
Ihre Aufgabe im Fahrszenario ist es, eine vorgegebene Strecke bis zum Ende zu fahren. Dabei gelten bestimmte
Rahmenbedingungen:
Sie erhalten für Ihre Fahrt eine Grundvergütung von 5 €.
Zusätzlich zu dieser Grundvergütung haben Sie die Chance einen Zielbonus von 30 € zu erwerben,
wenn es Ihnen gelingt, die Strecke bis zum Ende zu fahren, ohne einen Fahrfehler zu machen (was das
bedeutet, können Sie gleich noch ausprobieren). Sollte Ihnen ein Fahrfehler unterlaufen, bekommen
Sie dies sofort zurückgemeldet.
Unterläuft Ihnen ein solcher Fahrfehler, entfällt der Zielbonus; sie bekommen also in diesem Fall nur
Ihre Grundvergütung.
Wenn Sie befürchten, aufgrund Ihrer Müdigkeit einen Fahrfehler zu machen, können Sie eine Pause
machen, in der Sie einen Kaffee trinken oder im Fahrzeug ein kurzes Schläfchen halten können, um
Ihre Fahrtüchtigkeit wiederherzustellen. Eine Pause kostet 1,50 €. Erreichen Sie danach fehlerfrei das
Ziel, bekommen Sie also immer noch einen Zielbonus von 28,50 € (im Vergleich zu 30 € bei fehlerfreier
Zielerreichung ohne vorherige Pause). Eine Pause ist während der gesamten Fahrt jederzeit möglich.
Die Länge der zu absolvierenden Fahrstrecke hängt von Zufallsfaktoren ab und ist somit auch dem
Versuchsleiter im Vorhinein nicht genau bekannt. Sie werden jedoch maximal 3 Stunden unterwegs sein. Zu
einem oder zwei Zeitpunkt/en erhalten Sie durch das System jeweils eine Rückmeldung über die verbleibende
Entfernung bis zum Ziel.
Sobald Sie das Ziel erreicht haben, erhalten Sie ebenfalls eine Rückmeldung.
A-10
A.2.2 Exp. 2 - Instruktionsblatt 1 (Aufgabe und Rahmenbedingungen)
- Bedingungen mit Müdigkeitswarnung (Kaffeetasse / Bild) -
Information für Studienteilnehmerinnen und -teilnehmer
Liebe Teilnehmerin, lieber Teilnehmer,
hier finden Sie die wichtigsten Informationen zu Ihrer späteren Fahraufgabe. Bitte lesen Sie die Informationen
aufmerksam durch.
Müdigkeit beim Autofahren führt zu Leistungseinschränkungen und spielt eine nicht unerhebliche Rolle bei der
Verursachung von Unfällen im Straßenverkehr. Zur Bekämpfung akuter Müdigkeit konnten bisher nur zwei
Maßnahmen wissenschaftlich als wirksam bestätigt werden: ein kurzes Nickerchen von ca. 10-15 Minuten oder
die Zufuhr von Koffein, z.B. durch eine Tasse Kaffee oder ein koffeinhaltiges Erfrischungsgetränk („Energy-
Drink“).
Ihre heutige Fahrt im Simulator ist vergleichbar mit einer realen Verkehrssituation. Sie fahren eine bestimmte
Strecke, wobei Ihre Müdigkeit das Auftreten von Fehlern beim Fahren wahrscheinlicher macht – z.B. durch
Sekundenschlaf oder die Begünstigung von Unaufmerksamkeit.
Ihre Aufgabe im Fahrszenario ist es, eine vorgegebene Strecke bis zum Ende zu fahren. Dabei gelten bestimmte
Rahmenbedingungen:
Sie erhalten für Ihre Fahrt eine Grundvergütung von 5 €.
Zusätzlich zu dieser Grundvergütung haben Sie die Chance einen Zielbonus von 30 € zu erwerben,
wenn es Ihnen gelingt, die Strecke bis zum Ende zu fahren, ohne einen Fahrfehler zu machen (was das
bedeutet, können Sie gleich noch ausprobieren). Sollte Ihnen ein Fahrfehler unterlaufen, bekommen
Sie dies sofort zurückgemeldet.
Unterläuft Ihnen ein solcher Fahrfehler, entfällt der Zielbonus; sie bekommen also in diesem Fall nur
Ihre Grundvergütung.
Wenn Sie befürchten, aufgrund Ihrer Müdigkeit einen Fahrfehler zu machen, können Sie eine Pause
machen, in der Sie einen Kaffee trinken oder im Fahrzeug ein kurzes Schläfchen halten können, um
Ihre Fahrtüchtigkeit wiederherzustellen. Eine Pause kostet 1,50 €. Erreichen Sie danach fehlerfrei das
Ziel, bekommen Sie also immer noch einen Zielbonus von 28,50 € (im Vergleich zu 30 € bei fehlerfreier
Zielerreichung ohne vorherige Pause). Dies gilt unabhängig davon, ob Sie vor der Pause bereits eine
Müdigkeitswarnung (s.u.) erhalten haben oder nicht.
Ihr Fahrzeug verfügt über ein Müdigkeitswarnsystem, das gefährliche Fahrerzustände erkennen kann.
Identifiziert das System bei Ihnen einen kritischen Müdigkeitszustand, in dem das Risiko eines
Fahrfehlers erhöht ist, bekommen Sie eine entsprechende Rückmeldung. Diese erfolgt durch einen
Warnton und eine „Pause empfohlen“-Einblendung auf dem Display rechts vom Lenkrad, welche für
2 Minuten sichtbar ist und dann von selbst wieder verschwindet. Das System ist so eingestellt, dass es
bei anhaltender oder wiederkehrender Müdigkeit höchstens ein Mal die Warnung wiederholt, also
während der gesamten Fahrzeit maximal 2 Warnungen ausgibt. Bei der Warnung handelt es sich um
eine reine Empfehlung des Systems; ob Sie eine Pause machen oder nicht, entscheiden Sie selbst.
Die Länge der zu absolvierenden Fahrstrecke hängt von Zufallsfaktoren ab und ist somit auch dem
Versuchsleiter im Vorhinein nicht genau bekannt. Sie werden jedoch maximal 3 Stunden unterwegs sein.
Sobald Sie das Ziel erreicht haben, erhalten Sie eine Rückmeldung.
A-11
A.2.3 Exp. 2 - Vorbefragung
A-12
A-13
A.2.4 Exp. 2 - Nachbefragung (Bsp. 1: Typ = Warnung, Anzahl = 1, Pause = ja)
A-14
A-15
A-16
A.2.5 Exp. 2 – Nachbefragung (Bsp. 2: Typ = Entfernungsmeld., Anzahl = 2, Pause = nein)
A-17
A-18
A-19
A-20
A.3 Methoden und Materialien in beiden Experimenten
A.3.1 Übersicht über methodische Veränderungen in Exp. 2 im Vergleich zu Exp. 1
Kontext
Maßnahme
Ansatzpunkt
Exp. 1
Exp. 2
Anreizsituation / Höhe der Schutzmotivation
Fahrfehler
wahrscheinlicher
machen
Aufgaben-
schwierigkeit
erhöhen
Toleranz für Spur-
abweichung
halbe
Fahrzeugbreite
jenseits der
Fahrbahn-
markierung
1 Rad jenseits der
Fahrbahnmarkierung
Kurven im
Parcours
geringe Zahl
höhere Zahl
mitgeteilte
voraussichtliche
Dauer des
Fahrversuchs
min. 1, max. 2
Stunden
min. 1, max. 3 Stunden
Subjektive
Müdigkeit (zum
und nach WZP)
erhöhen
Testzeit
nachmittags ab
14:30 Uhr
nachts ab 01:00 Uhr
abends ab 19:00 Uhr
max. Fahrzeit bis
Warnung
60 min
120 min
max. Fahrzeit ab
Warnung bis Ende
des Versuchs
30km-Bedingung: 20
min
30km-Bedingung:
20 min
100km-Bedingung:
30 min
100km-Bedingung:
60 min
Eindringlichkeit
der Warnung
erhöhen
Wiederholung von
Warnungen
nur 1 x Warnung
müdigkeitsabhängig bis
zu 2x Warnung /
Rückmeldung
Schweregrad der
Bedrohung
(finanzieller
Verlust bei
Fahrfehler)
erhöhen
Grundvergütung
15 €
5 €
Bonus "Erfolg"
ohne Pause
15 €
30 €
Bonus nach
Fahrfehler
0 €
0 €
Pausenkosten
senken
Bonus "Erfolg"
nach Pause
10 € (Pausenkosten:
-5,00 €)
28,50 € (Pausenkosten:
-1,50 €)
Teststärke
Verständlichkeit
der Fragebogen-
Items optimieren
Formulierung der
Items im
Fragebogen zu
Modellfaktoren
allgemein
situationsspezifisch
Design: mögliche
Effektgröße
maximieren
Faktorstufen
"Warnungstyp"
Eigenes Bild vs.
Kaffeetasse
Eigenes Bild vs. Baseline
reine Entfernungs-
rückmeldung
Reduktion von
Fehlervarianz
Reduktion von
interindividueller
Varianz
heterogene
Stichprobe
homogenere Stichprobe
aus der am meisten
gefährdeten
Altersgruppe
A-1
A.3.2 Exp. 1 und 2 - Screening-Fragebogen
A-2
A-3
A.3.3 Exp. 1 und 2 - Einverständniserklärung
Einverständniserklärung
zur Durchführung einer Simulationsstudie.
Ich erkläre hiermit freiwillig mein Einverständnis für das vorgesehene Experiment.
Ich bin über das Versuchsvorhaben vom Versuchsleiter _____________________ informiert worden
und hatte die Gelegenheit, weiterführende Fragen zu stellen, welche zu meiner Zufriedenheit
beantwortet wurden. Mit der anonymisierten Veröffentlichung der Daten, die in dieser Studie
erhoben werden, erkläre ich mich einverstanden.
Mir ist ausdrücklich bekannt, dass ich das Experiment jederzeit ohne Angabe von Gründen sofort
abbrechen kann und ich die Einwilligung zur Verwendung meiner Daten jederzeit widerrufen und die
Vernichtung meiner Daten fordern kann.
Ort und Datum
__________________________
Unterschrift Proband Unterschrift Versuchsleiter
___________________________ _______________________
A-4
A.3.4 Exp. 1 und 2 - Referenzkarte mit Müdigkeitsstufen und -indikatoren
nach Dittrich et al. (2009)
1
wach
2
müde / schläfrig
3
sehr müde
4
Sekundenschlaf
Schnelle Lidschläge
(<0.5 Sek)
Schnelle Blicke
(Sakkaden)
Normaler
Gesichtstonus
Gelegentliche
Körperbewegungen
Kleinere
Lenkradbewegungen
Lidschlüsse
(ca. 0,5 bis 1 Sek)
Seltene Sakkaden, lange
Fixationen
(„glasiger Blick“)
Häufigere Lidschläge
Geringer Gesichtstonus
(„schlaffes Gesicht“)
Selbstaktivierende
Verhaltensweisen
(Manierismen):
Augenreiben,
Gesichtreiben,
Grimassieren, Kratzen,
Ruheloses Hin- und
Herrutschen im Sitz
Lange Lidschlüsse
(1 bis 2 Sek)
Seitwärtsrollen der
Augen
Fehlende Fixation
Seltene Lidschläge
Geringer Gesichtstonus
Nur vereinzelte
Körperbewegungen
Bequeme Position im
Sitz
Nur vereinzelte, große
Lenkradbewegungen
Auftreten von
Sekundenschlaf
Überlange Lidschlüsse
Keine Körperbewegung
Während Übergang
zum Sekundenschlaf
(Wegnicken &
Wiederaufwachen):
Ruckartige bzw.
schreckhafte
Körperbewegungen,
Wiederaufrichten des
Kopfes/Körpers
A-5
A.3.5 Exp. 1 und 2 - Gewinnung der Müdigkeitswerte mit der TUBSS
Schritt 1
Schritt 2
Graphische Benutzeroberfläche zur Eingabe der TUBSS-Ratings
Schritt 1
1
2
3
4
wach
müde
sehr müde
Sekunden-
schlaf
Schritt 2
1
2
3
4
5
6
7
8
wach
schläfrig,
Tendenz
zu wach
schläfrig
schläfrig,
Tendenz
zu sehr
müde
sehr
müde,
Tendenz
zu
schläfrig
sehr müde
sehr
müde,
Tendenz
zu Schlaf
Schlaf
Schematische Darstellung der Gewinnung der TUBSS-Werte, grau markiert der Kriteriumswert, der
für die Anzeige einer Müdigkeitswarnung mindestens erreicht sein musste
B-1
B Ergebnisse
B.1 Ergebnisse Experiment 1
B.1.1 Exp. 1 - TUBSS-Müdigkeitsverläufe aller Teilnehmer
B-2
Legende: x-Achse = Nr. des TUBSS-Ratings (im Abstand von 5 Minuten). Senkrechte Linie = Warnzeitpunkt. Rote
Linie = Müdigkeitskriterium für Anzeige der Warnung. Grün hinterlegt = Fälle, in denen die Anzeige der
Warnung durch Erreichen des Müdigkeitskriteriums (nicht der maximalen Fahrzeit von 1 Stunde) veranlasst
wurde.
B-3
Anmerkung: Ein Teilnehmer in der Bedingung Eigenes Bild – 30 km (Zeile 4, Spalte 1 in der Abbildung) hatte vor
Anzeige der Warnung bereits zu zwei TUBSS-Ratingzeitpunkten das Müdigkeitskriterium erreicht. Da zum ersten
Zeitpunkt das Warnungsporträt noch nicht fertig editiert war, erfolgte die Warnanzeige nach dem zweiten
Zeitpunkt.
B-4
B-5
B.1.2 Exp. 1 - Angaben der Teilnehmer zu Wachhaltestrategien
VP
Nr.
"Was haben Sie getan, um sich wach zu halten?" - Wortlaut der Antwort
1
Mit Gedanken, was alles noch getan werden muss
2
gesungen und gesummt
3
ans ziel gedacht
4
sitzpositionen gewechselt, augen zwangsgeöffnet
5
Lüftung betätigt, Simulationslandschaft betrachtet
6
Ich summte Lieder in mich hinein, lautes Singen, was ich sonst tue, fand ich im Test nicht angebracht.
7
Muskeln angespannt, tief durch geatmet
8
Bestimmte Lieder "im Ohr gehabt"; Betrachtung von wiederkehrenden Landschaftselementen
9
Daran gedacht nicht einzuschlafen.
10
Sitzposition verändert und Lenkrad anders gehalten.
11
singen, massieren, vibrationen spüren, rechts links schauen, "Mond "suchen
12
umhergeschaut, nachgedacht - über schlechte Lenkung
13
abwechselnd eine Hand auf den Schoß gelegt, mit dem linken Fuß gewippt
14
versucht nicht mit den Gedanken abzuschweifen und sich wieder stärker auf das Fahren zu konzentrieren
15
über schöne / interessante Dinge nachgedacht, Sitzposition gewechselt
16
gesungen, sich bewegt
17
über Dinge nachgedacht, Gesichtsgymnastik
18
Sitzposition etwas ändern, kneifen
19
Bewegung der Beine und des Rückens, Zählen der Baken
20
nur die fahrspur im auge
21
auf den Lenkrad klopfen, augen hochziehen, im realen: fenster runter, und radio laut aufdrehen
22
abwechselnd auf Straße, Fahrbahnrand, Umgebung und Armatur geschaut, häufiges Aufgenzwinkern (auch
abhängig von den Kontaktlinsen)
23
konzentrieren
24
die Konzentration 100 zu fahren war genügend Ablenkung
25
kleine Bewegungen, mit dem Fuß wippen, etc.
26
Bewegungen der Arme und Beine, bewußtes Gähnen, Vor- und Zurücklehen des Oberkörpers
27
schlucken, sitzpositionswechsel
28
stärkere Konzentration Auf die Strasse
29
mit dem Lenkrad und dem Gaspedal gespielt
30
ich hatte viel Fantasie
31
Sitzposition geändert, nachgedacht
32
auto langsam werden lassen um dann wieder beschleunigen zu können (abwechslung), trommeln auf dem
lenkrad
33
wahrscheinlich vor mich hin gesummt
34
öfters die Position gewechselt
35
an was positives gedacht, was ich nach dem experiment machen werde
36
habe meine Arme gestreckt und versucht meine Gelenke zu bewegen
37
Rechenaufgaben lösen, Einkaufsliste machen, Schlängellinie fahren, Lieder summen
38
ich habe in Gedanken gesungen oder über komplizierte Dinge gegrübelt
39
Konzentration auf die Straße
40
habe versucht zu singen
B-6
B.1.3 Exp. 1 - Übersicht über alle abhängigen Variablen - Mittelwerte und
Standardabweichungen für alle Faktorstufen, Signifikanztests
AV (1)
UV
Subjektive
Vulnerabilität
(Fahrfehler)
Subjektive
Vulnerabilität
(Einschlafen)
Subjektiver
Schweregrad der
Schädigung
(Fahrfehler)
Subjektiver
Schweregrad der
Schädigung
(Einschlafen)
Gesamt
M
3,88
4,00
3,63
4,15
SD
2,441
2,987
2,498
2,983
n
40
27
40
27
nach Warnungstyp
Kaffeetasse
M
3,40
4,29
3,35
3,93
SD
2,624
3,148
2,641
2,868
n
20
14
20
14
Eigenes Bild
M
4,35
3,69
3,90
4,38
SD
2,207
2,898
2,382
3,203
n
20
13
20
13
Signifikanztest
F(1,36) = 1.569
p = .218
F(1,23) = 0.220
p = .643
F(1,36) = 0.521
p = .475
F(1,23) = .302
p = .588
nach Zielentfernung
30 km
M
3,40
3,43
2,80
2,79
SD
2,326
2,441
2,042
2,517
n
20
14
20
14
100 km
M
4,35
4,62
4,45
5,62
SD
2,519
3,477
2,685
2,815
n
20
13
20
13
Signifikanztest
F(1,36) = 1.569
p = .218
F(1,23) = .937
p = .343
F(1,36) = 4.692
p = .037
F(1,23) = 7.313
p = .013
nach Warnungstyp x Zielentfernung
KT-30km
M
2,50
3,57
2,20
2,71
SD
2,321
3,101
1,989
2,563
n
10
7
10
7
KT-100km
M
4,30
5,00
4,50
5,14
SD
2,710
3,266
2,799
2,795
n
10
7
10
7
EB-30km
M
4,30
3,29
3,40
2,86
SD
2,058
1,799
2,011
2,673
n
10
7
10
7
EB-100km
M
4,40
4,17
4,40
6,17
SD
2,459
3,971
2,716
2,994
n
10
6
10
6
Signifikanztest
F(1,36) = 1.256
p = .270
F(1,23) = 0.053
p = .820
F(1,36) = .728
p = .399
F(1,23) = 0.172
p = .682
B-7
AV (2)
UV
Subjektive
Handlungs-
wirksamkeit Pause
gegen Fahrfehler
Subjektive
Handlungs-
wirksamkeit Pause
gegen Einnicken
Situative
Selbstwirksamkeit
Subjektive Pausen-
wahrscheinlichkeit
Gesamt
M
40,75
41,75
6,13
2,45
SD
25,858
29,167
2,710
2,501
n
40
40
40
40
nach Warnungstyp
Kaffeetasse
M
35,00
38,50
6,15
2,35
SD
27,815
28,149
2,834
2,540
n
20
20
20
20
Eigenes Bild
M
46,50
45,00
6,10
2,55
SD
23,005
30,522
2,654
2,523
n
20
20
20
20
Signifikanztest
F(1,36) = 1.925
p = .174
F(1,36) = .470
p = .497
F(1,36) = .003
p = .956
F(1,36) = 0.066
p = .798
nach Zielentfernung
30 km
M
40,00
45,00
6,05
1,85
SD
24,495
27,815
2,743
1,694
n
20
20
20
20
100 km
M
41,50
38,50
6,20
3,05
SD
27,773
30,826
2,745
3,034
n
20
20
20
20
Signifikanztest
F(1,36) = 0.033
p = .857
F(1,36) = .470
p = .497
F(1,36) = .028
p = .867
F(1,36) = 2.389
p = .131
nach Warnungstyp x Zielentfernung
KT-30km
M
34,00
42,00
6,20
2,30
SD
25,473
22,509
3,084
2,058
n
10
10
10
10
KT-100km
M
36,00
35,00
6,10
2,40
SD
31,340
33,747
2,726
3,062
n
10
10
10
10
EB-30km
M
46,00
48,00
5,90
1,40
SD
23,190
33,267
2,514
1,174
n
10
10
10
10
EB-100km
M
47,00
42,00
6,30
3,70
SD
24,060
28,983
2,908
3,020
n
10
10
10
10
Signifikanztest
F(1,36) = 0.004
p = .952
F(1,36) = .003
p = .958
F(1,36) = .079
p = .781
F(1,36) = 2.007
p = .165
B-8
AV (3)
UV
Allgemeine
subjektive
Pausenwahr-
scheinlichkeit
maximal
tolerierte
Pausenkosten
maximal
tolerierte
Pausenkosten
ohne VP 11
Aktivierung
durch die
Warnung
Ablenkung
durch die
Warnung
Gesamt
M
4,80
4,77
4,37
6,42
1,68
SD
2,544
3,711
2,777
2,623
2,200
n
40
39
38
36
40
nach Warnungstyp
Kaffeetasse
M
4,70
3,58
3,58
5,89
1,30
SD
2,577
1,953
1,953
3,104
2,080
n
20
19
19
18
20
Eigenes Bild
M
4,90
5,90
5,16
6,94
2,05
SD
2,573
4,601
3,275
1,984
2,305
n
20
20
19
18
20
Signifikanztest
F(1,36) =
0.057
p = .812
F(1,35) =
4.045
p = .052
F(1,34) =
3.125
p = .086
F(1,32) =
1.626
p = .211
F(1,36) =
1.149
p = .291
nach Zielentfernung
30 km
M
4,90
5,23
4,45
7,22
1,85
SD
2,594
4,432
2,823
2,130
1,843
n
20
20
19
18
20
100 km
M
4,70
4,29
4,29
5,61
1,50
SD
2,557
2,805
2,805
2,873
2,544
n
20
19
19
18
20
Signifikanztest
F(1,36) =
0.057
p = .812
F(1,35) =
0.714
p = .404
F(1,34) =
0.072
p = .790
F(1,32) =
3.788
p = . 060
F(1,36) =
0.250
p = .620
nach Warnungstyp x Zielentfernung
KT-30km
M
4,70
3,70
3,70
7,22
1,10
SD
2,710
2,058
2,058
2,279
1,287
n
10
10
10
9
10
KT-100km
M
4,70
3,44
3,44
4,56
1,50
SD
2,584
1,944
1,944
3,358
2,718
n
10
9
9
9
10
EB-30km
M
5,10
6,75
5,28
7,22
2,60
SD
2,601
5,663
3,420
2,108
2,066
n
10
10
9
9
10
EB-100km
M
4,70
5,05
5,05
6,67
1,50
SD
2,669
3,320
3,320
1,936
2,506
n
10
10
10
9
10
Signifikanztest
F(1,36) =
0.057
p = .812
F(1,35) =
0.389
p = .537
F(1,34) =
0.000
p = .988
F(1,32) =
1.626
p = .211
F(1,36) =
1.149
p = .291
B-9
B.2 Ergebnisse Experiment 2
B.2.1 Exp. 2 - TUBSS-Müdigkeitsverläufe aller Teilnehmer
Legende: x-Achse = Nr. des TUBSS-Ratings (im Abstand von 5 Minuten). Senkrechte Linien = Warnzeitpunkte.
Rote Linie = Müdigkeitskriterium für Anzeige der Warnung. Grün hinterlegt = Fälle, in denen die Anzeige der Warnung
durch Erreichen des Müdigkeitskriteriums (nicht der maximalen Fahrzeit von 2 Stunden) veranlasst wurde.
B-10
B-11
B-12
B-13
B-14
B-15
B.2.2 Exp. 2 -Angaben der Teilnehmer zu Wachhaltestrategien und deren
Paraphrasierung / Generalisierung
VP
Nr.
"Was haben Sie getan, um sich wach zu halten?" -
Wortlaut der Antwort
Paraphrasierung/Generalisierung
1
Blickbewegung auf Bäume, häufige Änderung der Sitzposition, Kopf
nach vorne neigen
Blickbewegung auf Bäume
Änderung der Sitzposition
Neigen des Kopfes
2
ans Ziel gedacht, Melodien gesummt, Geld, 10-15 mal aus dem Auto
geschaut
Gedanke ans Ziel
Summen
Gedanke ans Geld
Schauen aus dem Auto
3
Ans Geld denken; nach Müdigkeitswarnung: nur noch 105 km zu
fahren ist nicht mehr viel!
Konzentration auf die Strecke
Gedanke ans Geld
nach Müdigkeitswarnung: nur noch
105 km zu fahren ist nicht mehr viel!
Konzentration auf die Strecke
4
Konzentration auf Strecke und Tacho, häufiger Blickwechsel
zwischen beiden genannten.
Konzentration auf Strecke und Tacho
Blickwechsel zwischen Strecke und
Tacho
5
Augen kneifen, Oberschenkel kratzen (taktile Reizungen)
Augenzwinkern
Kratzen des Oberschenkels
6
Bewegung vor und zurück, versuchen abzuschätzen wie lange schon
gefahren
Bewegen vor und zurück
Abzuschätzen der vergangenen
Fahrtdauer
7
Stellungswechsel der Arme, Strecken und Anwinkeln des linken
Beines, Kneifen in den
rechten Oberschenkel, einen Takt mit den Fingern "trommeln",
Zahlenspiele im Kopf,
leichte (nicht ablenkende)Gedanken fassen
Stellungswechsel der Arme
Strecken und Anwinkeln des Beines
Kneifen in den Oberschenkel
Takttrommeln mit den Fingern
Zahlenspiele im Kopf
Nachdenken
8
Bewusst über best. Dinge nachdenken und nicht versuchen
Gedankenstränge zu
"verlieren", Fahrspur halten, Arme entspannen
Nachdenken
Behalten von Gedankensträngen
Halten der Fahrspur
Entspannen der Arme
9
10
immer mal wieder hochgeschaut, den kopf geneigt und die augen
gerieben
Hochschauen
Neigen des Kopfes
Reiben der Augen
11
knie bewegen, sitzposition leicht variieren, tunnelblick vermeiden,
vermeidung über wachheit nachzudenken
Bewegen des Knies
Änderung der Sitzposition
Vermeiden eines Tunnelblickes
Vermeidung des Gedanken an
Wachheit
12
unterschiedlich das Lenkrad gehalten, Position auf Sitz verändert,
Beinstellung geändert,
leichtes strecken, Blicke schweifen lassen, regelmäßig
Geschwindigkeit kontrolliert
Änderung der Handposition am
Lenkrad
Änderung der Sitzposition
Änderung der Beinstellung
Strecken
Schweifenlassen des Blicks
Kontrollieren der Geschwindigkeit
13
Lied gesungen, über diese Studie nachgedacht,
Singen
Nachdenken über Studie
14
Ich habe an den letzten tag gedacht; ich habe im Kopf gezählt; ich
habe die Streckenpfähle gezählt
Gedanke an letzten Tag
Zählen (im Kopf)
Zählen der Streckenporsten
15
Sitzposition geändert, Stellung der Beine geändert, Ärmel
hoch/runter krempeln
Änderung der Sitzposition
Änderung der Beinstellung
hoch/runter krempeln der Arme
B-16
16
grummeln, Konzentration auf die Fahrt, Augenzwinkern, Sitzposition
ändern,
Handposition am Lenkrad ändern
Grummeln
Konzentration auf die Fahrt
Augenzwinkern
Änderung der Sitzposition
Änderung der Handposition am
Lenkrad
17
Ehrgeiz und Gedankenübungen.
Ehrgeiz
Nachdenken
18
19
ich habe an Musik gedacht bzw. vor mich hin gesungen
Gedanke an Musik
Singen
20
Landschaft beobachten, wechsel zwischen Weit- und Nahsehen,
Kopf bewegen
Beobachten der Landschaft
Wechsel zwischen Weit- und Nahsehen
Bewegen des Kopfes
21
Ich habe die Begrenzungspfeileranzahl der Leitblankenfarbe
zugeordnet und mir so
versucht die verbleibende Zeit zu "errechnen" (ausgehend von 50m
Abständen
zw. den Pfeilern) / ich habe mir an den Nackenhaaren gezogen /
Ich habe mir gesagt: "ich bin ein Duracell-Häschen mit vollen
Batterien!!"
Abschätzen der verbleibenden
Fahrtdauer
Ziehen an Nackenhaaren
Ich habe mir gesagt: "ich bin ein
Duracell-Häschen mit vollen
Batterien!!"
22
hohe Konzentration auf die Fahraufgabe und nicht ablenkend an
etwas anderes denken
Konzentration auf die Fahraufgabe
und nicht ablenkend an twas anderes
denken
23
versucht probleme im kopf zu lösen, mich auf die gefühle in meinem
körper konzentriert
Problemlösung im Kopf
Konzentration auf Gefühle im Körper
24
Mit den Händen auf Lenkrad / Oberschenkel / Beifahrersitz
trommeln,
gedankliche Beschäftigung, Konzentration auf Wechsel zwischen
Blick nach vorn und
auf die Geschwindigkeitsanzeige
Trommeln mit den Händen auf Lenkrad
/ Oberschenkel / Beifahrersitz
Nachdenken
Konzentration auf Wechsel zwischen
Blick nach vorn und auf die
Geschwindigkeitsanzeige
25
Ziel vor Augen haben, Zeit abschätzen wann Ziel erreicht wird
Gedanke ans Ziel
Abschätzen der verbleibenden Zeit
26
Musik summen
Summen
27
Lieder summen, Gedichte im Kopf aufsagen, Pfeiler/Bäume/Felsen
zählen, darüber
grüblen, wie die Müdigkeitsanzeige arbeitet, an das Fahrtziel
denken
Summen
Aufsagen von Gedichten im Kopf
Zählen von Pfeiler/Bäume/Felsen
Nachdenken über Funktionsweise der
Müdigkeitsanzeige
Gedanke ans Ziel
28
ich habe mein Kopf bewegt
Bewegen des Kopfes
29
Kopf schütteln, an etwas Schönes denken
Kopfschütteln
Nachdenken über Schönes
30
nachdenken
Nachdenken
31
gähnen
Gähnen
32
33
Statt den Kopf anzulehnen, mehr in Richtung Frontscheibe
positionieren
nicht Anlehnen des Kopfes
34
Oberkörprmuskelatur anspannen; tiefe Atmung <- Sauerstoff!
Anspannen der Oberkörprmuskelatur
tiefes Atmen
35
musik summen, mit dem fuß wippen
Summen
Bewegen des Fußes
36
Augen aufreißen, strecken, lieder im kopf gesummt und bin dabei
einen weg mit
etwas gleicher kilometer anzahl in gedanken abgefahren. habe
außerdem
20 seitenpfosten für einen kilometer angenommen und dann die
kilometer heruntergezählt
Aufreißen der Augen
Strecken
Summen
gedankliches Abfahren einer gleich
langen, realen Strecke
Abschätzen der verbleibenden Strecke
B-17
Runterzahlen der Kilometer
37
Sitzposition aendern/ still vor sich hin summen
Änderung der Sitzposition
Summen
38
39
Bewegung d. Oberkörpers, särkere Lenkbewegungen, Umrechnen
der Restkilometer
in Streckepfosten
Bewegen d. Oberkörpers
stärkere Lenkbewegungen
Umrechnen der Restkilometer in
Streckepfosten
40
gähnen, in Gedanken singen / nachdenken
Gähnen
Singen
Nachdenken
41
Konzentration
Konzentration
42
Fenster runter, tiefes atmen, den Körper in minimaler Bewegung
halten,
minimale Sitzpositionswechsel, insofern dies möglich war und eine
sichere Fahrweise nicht beeinträchtigte
tiefes Atmen
Bewegen
Änderung der Sitzposition
43
über den vergangen Tag nachgedacht und darüber wie der
kommende wird,
was ich alles vorhabe
Nachdenken über vergangenen und
kommenden Tag
44
Oft zwinkern, Hände bewegen, Kopf bewegen
Zwinkern
Bewegen der Hände
Bewegen des Kopfes
45
Druck unter den Augen, summen, Kopfrechnen
Druck unter den Augen
Summen
Kopfrechnen
46
Lockerungsübungen
Lockerungsübungen
47
verschiedene Sitzpositionen; Sitz verstellt; Kopf/Nackenbereich
angespannt und bewegt;
Trommeln mit den Fingern am Dach (offenes Fenster....);
mit dem "Gas" spielen
Änderung der Sitzposition
Verstellen des Sitzes
Anspannen und Bewegen des
Kopfes/Nackenbereichs
Trommeln mit den Fingern am Dach
Spielen mit dem Gas
48
Sitzposition verändert, Griff am Lenkrad geändert
Änderung der Sitzposition
Änderung der Handposition am
Lenkrad
49
Im Kopf habe ich gerechnet, wie lange ich bei welchem Tempo für
die 32/17 Kilometer
brauchen würde. Ich habe unter anderem gesungen und gepfiffen
und mit mir selbst geredet.
Berechnen der Fahrdauer bei
unterschieldlichen Geschwindigkeiten
Singen
Pfeifen
Selbstgespräche
50
51
gepfiffen und mir die strecke innerlich real vorgestllt
(die strecke, die ich sonst fahre mit ähnlicher distanz)
Pfeifen
gedankliches Abfahren einer gleich
langen, realen Strecke
52
vor mich her gesummt, beine bewegt, mit geschwindigkeit variert,
landschaft beobachtet und sich figuren daraus vorgestellt
Summen
Bewegen der Beine
Variieren der Geschwindigkeit
Beobachten der Landschaft
und sich figuren daraus vorgestellt
53
tiefes Einatmen, an den Haaren ziehen
tiefes Atmen
Ziehen an den Haaren
54
umgreifen am Lenkrad, Augen wischen, Arme strecken, Kopf gegen
die Stütze drücken
Änderung der Handposition am
Lenkrad
Reiben der Augen
Strecken der Arme
Drücken des Kopfes gegen die Stütze
55
Positionswechsel der Hände am Lenkrad, Beinstrecken,
Konzentration auf die Strecke
Änderung der Handposition am
Lenkrad
Strecken der Beine
B-18
Konzentration auf Strecke
56
gestreckt, Augen aufgerissen
Strecken
Aufreißen der Augen
57
Gähnen / Lenkrad anders halten / Tempo vermindern & erhöhen /
Konzentrieren soweit möglich auf das Ziel
Gähnen
Änderung der Handposition am
Lenkrad
Variiern der Geschwindigkeit
Konzentration aufs Ziel
58
pfeifen,mit mir selber sprechen
Pfeifen
Selbstgespräche
59
Sitzposition gewechselt
Änderung der Sitzposition
60
B.2.3 Exp. 2: Induktive Kategorisierung der Wachhaltestrategien
Paraphrasierungen, thematisch sortiert, und
Durchführung der ersten Reduktion
Resultierende Kategorien nach
1. Reduktion
Resultierende
Kategorien nach
2. Reduktion
Änderung der Beinstellung (= Bewegung der Beine)
Bewegen des Oberkörpers
Bewegen der Beine
Bewegen der Hände
Bewegen der Füße
Bewegen des Kopfes
Bewegen der Arme
Bewegen, nicht näher
spezifiziert
Bewegung
Änderung der Handposition am Lenkrad (= Bewegung der
Hände
Änderung der Sitzposition (= Bewegung des Oberkörpers)
Anspannen der Oberkörprmuskelatur (= Bewegung des
Oberkörpers)
Anspannen und Bewegen des Kopfes/Nackenbereichs (=
Bewegung des Kopfes)
Bewegen
Bewegen d. Oberkörpers
Bewegen der Beine
Bewegen der Hände
Bewegen des Fußes
Bewegen des Knies (=Bewegen der Beine; zu genau, nicht
inhaltstragend)
Bewegen des Kopfes
Bewegen vor und zurück (= Bewegung des Oberkörpers)
Drücken des Kopfes gegen die Stütze (= Bewegung des Kopfes)
Entspannen der Arme (= Bewegen der Arme)
hoch/runter krempeln der Arme (= Bewegen der Arme)
Kopfschütteln (= Bewegung des Kopfes)
Lockerungsübungen (=Bewegen)
Neigen des Kopfes (= Bewegung des Kopfes)
nicht Anlehnen des Kopfes (= Bewegung des Kopfes)
stärkere Lenkbewegungen (= Bewegen der Arme)
Stellungswechsel der Arme (= Bewegen der Arme)
Strecken (=Bewegen)
Strecken der Arme (= Bewegen der Arme)
Strecken der Beine (= Bewegen der Beine)
Strecken und Anwinkeln des Beines (= Bewegen der Beine)
Takttrommeln mit den Fingern (= Bewegen der Arme)
Verstellen des Sitzes (=Bewegen)
Trommeln mit den Fingern am Dach (= Bewegen der
B-19
Arme/Hände)
Trommeln mit den Händen auf Lenkrad / Oberschenkel /
Beifahrersitz (= Bewegen der Arme/Hände)
Variiern der Geschwindigkeit (= Bewegen der Beine)
Spielen mit dem Gas (= Bewegen der Beine)
Aufreißen der Augen
Aufreißen der Augen
Blickbewegung
Kneifen in den Oberschenkel
Kratzen des Oberschenkels
Reiben der Augen
tiefes Atmen
Ziehen an den Haaren
Zwinkern
Wahrnehmung körperlicher
Reize
Druck unter den Augen
sensorische
Stimulation
Augenzwinkern (= Zwinkern)
Gähnen (=tiefes Atmen)
Hochschauen (=Blickbewegung)
Kneifen in den Oberschenkel
Kratzen des Oberschenkels
Reiben der Augen
tiefes Atmen
Ziehen an den Haaren
Ziehen an Nackenhaaren (=Ziehen an den Haaren)
Zwinkern
Vermeiden eines Tunnelblickes (=Blickbewegung)
Wechsel zwischen Weit- und Nahsehen (=Blickbewegung)
Blickbewegung auf Bäume (=Blickbewegung)
Konzentration auf Gefühle im Körper (=Wahrnehmung
körperlicher Reize)
Druck unter den Augen
Abschätzen der verbleibenden Fahrtdauer
Abschätzen der verbleibenden
Fahrtdauer
Abschätzen der vergangenen
Fahrtdauer
Kopfrechnen
Problemlösung im Kopf
Zählen (im Kopf)
Zählen der Streckenposten
Zählen von
Pfeilern/Bäumen/Felsen
Nachdenken
Konzentration
geistige
Problemlösung/
Beschäftigung
Abschätzen der verbleibenden Strecke (=Abschätzen der
verbleibenden Fahrtdauer)
Abschätzen der verbleibenden Zeit (=Abschätzen der
verbleibenden Fahrtdauer)
Abzuschätzen der vergangenen Fahrtdauer
Berechnen der Fahrdauer bei unterschieldlichen
Geschwindigkeiten (=Kopfrechnen)
Kopfrechnen
Problemlösung im Kopf
Runterzahlen der Kilometer (=Abschätzen der verbleibenden
Fahrtdauer)
Umrechnen der Restkilometer in Streckepfosten (=Abschätzen
der verbleibenden Fahrtdauer/Kopfrechnen)
Zählen (im Kopf)
Zählen der Streckenposten
Zählen von Pfeiler/Bäume/Felsen
Zahlenspiele im Kopf (=Kopfrechnen)
gedankliches Abfahren einer gleich langen, realen Strecke
(=Abschätzen der verbleibenden Fahrtdauer)
Nachdenken
Nachdenken über Funktionsweise der Müdigkeitsanzeige
(=Nachdenken)
Nachdenken über Studie (=Nachdenken)
Behalten von Gedankensträngen (=Konzentration)
Konzentration
B-20
Gedanke an letzten Tag (=Nachdenken über vergangenen und
kommenden Tag)
Gedanke an Musik
Nachdenken über Schönes
Nachdenken über vergangenen
und kommenden Tag
Aufsagen von Gedichten im Kopf
Grummeln
Pfeifen
Schauen aus dem Auto
Selbstgespräche
Singen
Summen
Sich Figuren aus der Landschaft
vorstellen
hedonistische
geistige
Beschäftigung
Gedanke an Musik
Nachdenken über Schönes
Nachdenken über vergangenen und kommenden Tag
Aufsagen von Gedichten im Kopf
Beobachten der Landschaft (=Schauen aus dem Auto)
Grummeln
Pfeifen
Schauen aus dem Auto
Schweifenlassen des Blicks (=Schauen aus dem Auto)
Selbstgespräche
Singen
Summen
und sich figuren daraus (Landschaft) vorgestellt
Gedanke ans Geld
Gedanke ans Geld
Gedanke ans Ziel
Konzentration auf die Fahrt
Ehrgeiz
Selbstinstruktion
Vermeidung des Gedankens an
Wachheit
Selbst-
motivierung
Gedanke ans Ziel
und nicht ablenkend an twas anderes denken (=Konzentration
auf die Fahrt)
Konzentration auf die Fahraufgabe (=Konzentration auf die
Fahrt)
Konzentration auf die Fahrt
Konzentration auf die Strecke (=Konzentration auf die Fahrt)
Konzentration auf Strecke (=Konzentration auf die Fahrt)
Konzentration auf Strecke und Tacho (=Konzentration auf die
Fahrt)
Konzentration auf Wechsel zwischen Blick nach vorn und auf
die Geschwindigkeitsanzeige (=Konzentration auf die Fahrt)
Konzentration aufs Ziel (=Gedanke ans Ziel)
Blickwechsel zwischen Strecke und Tacho (=Konzentration auf
die Fahrt)
Halten der Fahrspur (=Konzentration auf die Fahrt)
Kontrollieren der Geschwindigkeit (=Konzentration auf die
Fahrt)
Ehrgeiz
Ich habe mir gesagt: "ich bin ein Duracell-Häschen mit vollen
Batterien!!" (=Selbstinstruktion)
nach Müdigkeitswarnung: nur noch 105 km zu fahren ist nicht
mehr viel! (=Selbstinstruktion)
Vermeidung des Gedanken an Wachheit
B-21
B.2.4 Exp. 2 - Übersicht über alle abhängigen Variablen - Mittelwerte und
Standardabweichungen für alle Faktorstufen, Signifikanztests
AV (1)
UV
Subj.
Vulnerabilität
Subj.
Schweregrad
der Schädigung
Subj.
Vulnerabilität
NACH Pause
Subj.
Handlungs-
wirksamkeit
Pause
Situative Selbst-
wirksamkeit
Gesamt
M
46,75
5,20
27,63
18,90
5,14
SD
28,650
2,654
22,688
22,844
2,719
n
60
60
59
59
59
nach Warnungstyp
Entfernungs-
meldung
M
39,63
5,90
27,00
12,63
5,05
SD
29,528
2,827
27,775
15,738
2,800
n
20
20
20
20
20
Kaffeetasse
M
45,00
3,95
29,47
14,74
4,58
SD
29,234
2,395
22,339
26,600
3,006
n
20
20
19
19
19
Eigenes Bild
M
55,63
5,75
26,50
29,13
5,75
SD
26,131
2,381
17,944
22,497
2,337
n
20
20
20
20
20
Signifikanztest
F(2,54) =
1.644
p = .203
F(2,54) =
3.509
p = .037
F(2,53) =
0.100
p = .905
F(2,53) =
3. 427
p = .040
F(2,53) =
0.926
p = .403
nach Zielentfernung
32 km
M
41,67
5,50
25,52
15,52
4,79
SD
29,202
2,825
21,860
27,193
3,110
n
30
30
29
29
29
102 km
M
51,83
4,90
29,67
22,17
5,47
SD
27,636
2,482
23,651
17,527
2,285
n
30
30
30
30
30
Signifikanztest
F(1,54) =
1.923
p = .171
F(1,54) =
0.805
p = .374
F(1,53) =
0. 420
p = .520
F(1,53) =
1.502
p = .226
F(1,53) =
0.934
p = .338
nach Warnungstyp x Zielentfernung
ERM-32km
M
30,50
6,30
20,25
10,25
4,00
SD
25,895
2,830
24,108
18,045
3,055
n
10
10
10
10
10
ERM-102km
M
48,75
5,50
33,75
15,00
6,10
SD
31,386
2,915
30,760
13,591
2,183
n
10
10
10
10
10
KT-32km
M
39,75
4,10
32,22
5,28
4,44
SD
30,424
2,685
25,631
31,136
3,575
n
10
10
9
9
9
KT-102km
M
50,25
3,80
27,00
23,25
4,70
SD
28,588
2,201
19,993
19,581
2,584
n
10
10
10
10
10
EB-32km
M
54,75
6,10
24,75
30,00
5,90
SD
28,613
2,685
15,655
27,285
2,685
n
10
10
10
10
10
EB-102km
M
56,50
5,40
28,25
28,25
5,60
SD
24,922
2,119
20,684
17,952
2,066
n
10
10
10
10
10
Signifikanztest
F(2,54) =
0. 423
p = .658
F(2,54) =
0.052
p = .949
F(2,53) =
0.791
p = . 459
F(2,53) =
1.020
p = . 368
F(2,53) =
1.026
p = .353
B-22
AV (2)
UV
Subj. Pausen-
wahrscheinlich-
keit
maximal
tolerierte
Pausenkosten
maximal
tolerierte
Pausenkosten
ohne VP 13 &
35
Aktivierung
durch die
Warnung
Ablenkung
durch die
Warnung
Gesamt
M
3,92
4,53
4,25
6,73
3,23
SD
3,158
3,541
3,233
2,007
2,752
n
60
60
58
60
60
nach Warnungstyp
Entfernungs-
meldung
M
3,75
3,75
2,78
6,95
4,10
SD
3,275
3,474
1,656
2,012
3,144
n
20
20
18
20
20
Kaffeetasse
M
3,55
4,45
4,45
6,45
3,10
SD
3,379
3,336
3,336
2,212
2,404
n
20
20
20
20
20
Eigenes Bild
M
4,45
5,38
5,38
6,80
2,50
SD
2,892
3,787
3,787
1,852
2,544
n
20
20
20
20
20
Signifikanztest
F(2,54) =
0.508
p = .604
F(2,54) =
1.023
p = .367
F(2,52) =
3.232
p = .048
F(2,54) =
0. 402
p = .671
F(2,54) =
1.702
p = .192
nach Zielentfernung
32 km
M
2,83
4,83
4,48
7,60
2,97
SD
3,217
4,109
3,697
1,453
2,710
n
30
30
29
30
30
102 km
M
5,00
4,22
4,02
5,87
3,50
SD
2,742
2,903
2,737
2,129
2,813
n
30
30
29
30
30
Signifikanztest
F(1,54) =
8.010
p = .007
F(1,54) =
0.439
p = .510
F(1,52) =
0.330
p = .568
F(1,54) =
13.77
p = .000
F(1,54) =
0.556
p = .459
nach Warnungstyp x Zielentfernung
ERM-32km
M
1,90
4,40
3,22
7,80
4,00
SD
2,807
4,222
2,108
1,229
3,300
n
10
10
9
10
10
ERM-102km
M
5,60
3,10
2,33
6,10
4,20
SD
2,675
2,591
0,968
2,331
3,155
n
10
10
9
10
10
KT-32km
M
2,20
4,35
4,35
7,90
2,90
SD
3,259
3,481
3,481
1,197
2,331
n
10
10
10
10
10
KT-102km
M
4,90
4,55
4,55
5,00
3,30
SD
3,071
3,370
3,370
2,055
2,584
n
10
10
10
10
10
EB-32km
M
4,40
5,75
5,75
7,10
2,00
SD
3,273
4,803
4,803
1,853
2,261
n
10
10
10
10
10
EB-102km
M
4,50
5,00
5,00
6,50
3,00
SD
2,635
2,625
2,625
1,900
2,828
N
10
10
10
10
10
Signifikanztest
F(2,54) =
1.964
p = .150
F(2,54) =
0.222
p = .802
F(2,52) =
0.170
p = .844
F(2,54) =
2.021
p = .142
F(2,54) =
0.113
p = .893
B-23
B.3 Ergebnisse Exp. 1 und Exp. 2
B.3.1 Exp. 1 und 2 - Übersicht über erwartete und empirische Ergebnisse (qualitativ)
Mittelwertemuster
in beobachteter
Interaktionstendenz
Abhängige
Variable
Effekt in ANOVA
Vergleich
(Differenz)
erwartet
Exp. 1
Exp. 2
Exp. 1
Exp. 2
Haupteffekt
Warnung
ja
n.s.
Warnungseffekt
im Vergleich zur
Baseline
tendenziell bei
geringer
Zielentfernung
stärker als bei
hoher
Beobachtete
Pausen
Bild - Kaffee
+
(+)
Bild - Baseline
+
(+)
Kaffee - Baseline
+
(+)
Haupteffekt
Entfernung
ja
n.s
hoch - gering
+
+
Interaktion
nein
n.s.
ʘ
(ja)
Haupteffekt
Warnung
ja
n.s.
n.s.
tendenziell
durch per-
sonalisierte
Warnung
Effekt der
kurzen Ziel-
entfernung
ausgehebelt.
tendenziell durch
personalisierte
Warnung Effekt
der kurzen
Zielentfernung
ausgehebelt.
Tendenziell bei
hoher ZE reine
Rückmeldung
leicht wirksamer
als Warnung.
Subj. Pausen-
wahrschein-
lichkeit
Bild - Kaffee
+
o
o
Bild - Baseline
+
o
Kaffee - Baseline
+
o
Haupteffekt
Entfernung
ja
n.s.
**
hoch - gering
+
(+)
+
Interaktion
nein
n.s.
n.s.
ʘ
(ja)
(ja)
Haupteffekt
Warnung
ja
n.s.
n.s.
tendenziell
durch per-
sonalisierte
Warnung
Effekt der
kurzen Ziel-
entfernung
ausgehebelt.
tendenziell durch
personalisierte
Warnung (und
weniger auch
durch allg.
Warnung) der
Effekt kurzen
Zielentfernung
ausgehebelt.
Vulnerabilität
Bild - Kaffee
+
(+)
(+)
Bild - Baseline
+
(+)
Kaffee - Baseline
+
(+)
Haupteffekt
Entfernung
ja
n.s.
n.s.
hoch - gering
+
(+)
(+)
Interaktion
nein
n.s.
n.s.
ʘ
(ja)
(ja)
B-24
Haupteffekt
Warnung
nein
n.s.
*
Unerwarte-
ter Effekt der
Ziel-
entfernung
fällt bei per-
sonalisierter
Warnung
tendenziell
geringer aus
Schweregrad
Bild - Kaffee
o
o
(+)
Bild - Baseline
o
o
Kaffee - Baseline
o
(-)
Haupteffekt
Entfernung
nein
*
n.s.
hoch - gering
o
+
o
Interaktion
nein
n.s.
n.s.
ʘ
(ja)
o
Haupteffekt
Warnung
nein
n.s.
*
Allg. Warnung
erhöht die subj.
Pausen-
wirksamkeit
tendenziell nur
bei hoher, nicht
bei geringer
Zielentfernung
Handlungs-
wirksamkeit
Bild - Kaffee
o
(+)
(+)
Bild - Baseline
o
+
Kaffee - Baseline
o
o
Haupteffekt
Entfernung
nein
n.s.
n.s.
hoch - gering
o
o
(+)
Interaktion
nein
n.s.
n.s.
ʘ
o
(ja)
Haupteffekt
Warnung
nein
n.s.
n.s.
ohne Warnsystem
höhere Selbst-
wirksamkeits-
wahrnehmung bei
hoher im Vgl. zu
geringer
Zielentfernung
Selbst-
wirksamkeit
Bild - Kaffee
o
o
o
Bild - Baseline
o
o
Kaffee - Baseline
o
o
Haupteffekt
Entfernung
nein
n.s.
n.s.
hoch - gering
o
o
o
Interaktion
nein
n.s.
n.s.
ʘ
o
(ja)
B-25
Haupteffekt
Warnung
ja
n.s.
n.s.
tolerierte
Pausenkosten
Bild - Kaffee
+
(+)
(+)
Bild - Baseline
+
+
Kaffee - Baseline
+
o
Haupteffekt
Entfernung
ja
n.s.
n.s.
hoch - gering
+
o
o
Interaktion
nein
n.s.
n.s.
ʘ
o
o
Haupteffekt
Warnung
n.s.
n.s.
Abschwächu
ng der
subjektiven
Aktivierung
bei langer
Restdistanz
tritt
tendenziell
nur bei all-
gemeiner,
nicht bei
perso-
nalisierter
Warnung auf
Abschwächung
der subjektiven
Aktivierung bei
langer Restdistanz
fällt tendenziell
bei
personalisierter
Warnung geringer
aus
subjektive
Aktivierung
Bild - Kaffee
(+)
o
Bild - Baseline
o
Kaffee - Baseline
o
Haupteffekt
Entfernung
(*)
**
hoch - gering
(-)
(-)
Interaktion
n.s.
n.s.
(ja)
(ja)
Haupteffekt
Warnung
n.s.
n.s.
subjektive
Ablenkung
Bild - Kaffee
o
o
Bild - Baseline
(-)
Kaffee - Baseline
(-)
Haupteffekt
Entfernung
n.s.
n.s.
hoch - gering
o
o
Interaktion
n.s.
n.s.
o
o
B-26
Legende:
**
p < .01
*
p < .05
(*)
p ≈ .05
o
kein Unterschied ersichtlich
(+) bzw. (-)
positive bzw. negative
Mittelwertsdifferenz bei n.s. Effekt
+ bzw. -
positive bzw. negative Mittelwertsdifferenz bei
signifikantem Effekt
ʘ
explorativ
o (+) (-) + -
erwartetes Mittelwertemuster
o (+) (-) + -
unerwartetes Mittelwertemuster
