Unsicherheitsanalyse

Unsicherheitsanalyse ist die systematische Quantifizierung, Bewertung und Dokumentation der Unsicherheiten, die mit Messungen, Modellen oder Entscheidungen verbunden sind. Sie dient dazu, die Zuverlässigkeit von Ergebnissen abzuschätzen, dominierende Unsicherheitsquellen zu identifizieren und verlässliche Entscheidungsgrundlagen zu liefern.

Ursachen von Unsicherheiten umfassen Messfehler, Kalibrier- und Rechenunsicherheiten, Modellannahmen, Datenqualität sowie Umwelt- und Bedienungseinflüsse. Dabei wird zwischen zufälligen (random) und systematischen (Bias) Unsicherheiten unterschieden, die unterschiedlich behandelt werden müssen.

Methoden der Unsicherheitsanalyse reichen von analytischer Fehlerfortpflanzung nach dem GUM (mit Varianz- und Kovarianzpropagation) bis zu Monte-Carlo-Simulationen, die die komplette Verteilung von Ausgabewerten modellieren. Ergänzend kommen Sensitivitätsanalysen, globale Approaches und in manchen Fällen Bayes-Verfahren zum Einsatz.

Der normative Rahmen bildet der Guide to the Expression of Uncertainty in Measurement (GUM) sowie dessen Ergänzungen. Nationale und internationale Normen übertragen diese Konzepte auf praktische Mess- und Modellierungsprozesse, Qualitätsmanagement und Verifikation.

Anwendungen finden sich in der Metrologie, der Ingenieur- und Umweltmodellierung, der experimentellen Physik sowie in der Kalibrierung und Qualitätssicherung. In Berichten werden Messwert und dazugehörige Unsicherheit getrennt angegeben, oft inklusive einer Angabe der Konfidenzintervalle und der Haupteinflussquellen.

In der Praxis unterstützt die Unsicherheitsanalyse fundierte Entscheidungen, Risikobewertung und das Validieren von Modellen. Sie ist ein wesentlicher Bestandteil moderner Mess- und Datenpraxis.