ASU Ausgabe: 10-2018

Persönliche Schutzausrüstung (PSA)

Smarte Schutzausrüstungen im Feuerwehreinsatz

 Herausforderungen bei der Interpretation von physiologischen Parametern: Einsätze der Feuerwehr sind oft riskant und lebensgefährlich. Um die Einsatzkräfte besser zu schützen, wird smarte PSA (Persönliche Schutzausrüstung) entwickelt, die vor gesundheitskritischen Zuständen warnen soll, indem sie physiologische Parameter auswertet. Doch was bei Sportlern z. B. mit Hilfe von Fitness-Trackern gut gelingt, gestaltet sich im Brandeinsatz wesentlich komplizierter. Einflussfaktoren, die beachtet werden müssen, beschreibt der folgende Beitrag. Marie Pendzich

Inhaltsübersicht

  1. Smarte Schutzausrüstungen im Feuerwehreinsatz
  2. Info
  3. Weitere Infos
  4. autorin

Einsatzkräfte der Feuerwehr sind in Deutschland einem deutlich höheren Unfallrisiko ausgesetzt als andere Beschäftigte. Die Unfallquote bei Rettungsdiensten und freiwilligen Feuerwehren liegt mit 29 bis 36 Arbeitsunfällen je tausend Vollarbeiter im Jahr 2016 deutlich über dem Durchschnitt von 22 Arbeitsunfällen je tausend gesetzlich versicherter Vollarbeiter (DGUV 2017). Die höhere Unfallgefahr verdeutlichen auch Statistiken aus den USA: 2016 verunfallten dort über 62.000 Feuerwehrangehörige im Einsatzdienst. Besonders die Brandbekämpfung – beispielsweise die Innenbrandbekämpfung (Eindringen der Löschkräfte unter Atemschutz in das Innere eines brennenden Gebäudes) – stellt eine gefährliche und stark belastende Tätigkeit dar. Hier verletzten sich fast 40 % aller betroffenen Einsatzkräfte. Neben mechanischen Verletzungen, Verbrennungen und Rauchgasvergiftungen müssen Einsatzkräfte auch aufgrund völliger körperlicher Erschöpfung behandelt werden. 2017 wurde Überanstrengung (Overexertion/Stress) als Ursache für 31 tödlich ausgehende Unfälle bei Berufs- und freiwilliger Feuerwehr identifiziert (Fahy et al. 2018). Diese Tatsachen führen dazu, dass in der Forschung und in der Industrie große Anstrengungen unternommen werden, Systeme und Produkte zu entwickeln, die Einsatzkräfte der Feuerwehr während der Brandbekämpfung besser schützen. Aufgrund der Charakteristiken der Tätigkeit und der begrenzten Möglichkeit der Einflussnahme durch technische und organisatorische Maßnahmen steht daher immer wieder die PSA der Einsatzkräfte im Fokus der Betrachtungen.

Entwicklung smarter PSA

Um die Sicherheit zu erhöhen versuchten zahlreiche Forschungsprojekte (z. B. senseprocloth, SAFE, Wearit@work) Schutzkleidung zu entwickeln, die den Träger nicht nur passiv, sondern auch durch aktive Funktionen schützen soll. Diese aktive Assistenz hat das Ziel, Merkmale und Zustände des Nutzers zu erfassen und ihn kontextabhängig und selbstständig zu unterstützen. Dazu wird beispielsweise die Schutzkleidung mit Sensoren und Mikroprozessoren ausgestattet, die physiologische und physikalische Parameter der Umgebung erfassen. Diese „smarte“ PSA könnte Aussagen über den jeweiligen Gesundheitszustand der Einsatzkraft ermöglichen und warnen, wenn kritische Beanspruchungsgrenzen erreicht werden. In den genannten Forschungsprojekten wurden die gemessenen physiologischen Parameter teilweise als Statusmeldung an die Einsatzkraft oder an die Einsatzleitung weitergeleitet. Die reine Präsentation der einzelnen Werte ist jedoch nicht zielführend, da sie keine konkreten Rückschlüsse auf eine gefährliche körperliche Überanstrengung ermöglicht. Die Parameter müssen zunächst zu individualisierten, aussagekräftigen und entscheidungsrelevanten Informationen verknüpft und dann an eine Zielperson weitergeleitet werden.

Auswahl relevanter physiologischer Parameter

Beanspruchung bezeichnet die individuelle Reaktion einer Person auf Belastung. Messbar ist die Beanspruchung an der Veränderung verschiedener physiologischer Parameter. Neben der Körperkerntemperatur gibt es Parameter der Herzleistung (z. B. Herzschlagfrequenz, Blutdruck), der Atmung (z. B. Atemfrequenz, Sauerstoffaufnahme) und auch solche des Blutes (z. B. Laktat, Hämatokrit), die eine Aussage über die Höhe der Beanspruchung ermöglichen (Gardas-Schmidt u. Böhm 2012). Bei der Auswahl der Parameter muss jedoch das Verhältnis zwischen Aussagekraft und Praxistauglichkeit ausgeglichen sein. So ist beispielsweise die maximale Sauerstoffaufnahme ein geeigneter Indikator, um die Beanspruchungsgrenze festzulegen. Das Messverfahren ist jedoch aufwändig und nur unter kontrollierten Laborbedingungen anwendbar. Insbesondere smarte PSA, die für den Brandeinsatz geeignet sein soll, muss jedoch schnell angelegt und unkompliziert zu handhaben sein.

Zwei Parameter, die nicht invasiv, kontinuierlich und einfach erfasst werden können – bei gleichzeitig hoher Aussagekraft – sind die Herzschlagfrequenz und die Körperkerntemperatur. Die Herzschlagfrequenz zeigt die akute Reaktion des kardiovaskulären Systems auf körperliche Anstrengung und steigt unter Belastung linear an. Die individuelle maximale Herzfrequenz stellt in der Folge eine Beanspruchungsgrenze dar.

Den zweiten Parameter, die Körperkerntemperatur, muss der Mensch zur optimalen Aufrechterhaltung der körperlichen Prozesse konstant halten. Die volle Funktionsfähigkeit der wichtigsten inneren Organe ist nur bei einer Körperkerntemperatur im Bereich um 37 °C möglich. Zum Ausgleich des Wärmehaushalts des Körpers werden unterschiedliche Mechanismen der autonomen Thermoregulation eingesetzt. Schwankungen der Körperkerntemperatur weisen auf große Belastungen hin. Besonders eine übermäßige Erwärmung, beispielsweise bei der Innenbrandbekämpfung, könnte gravierende gesundheitliche Folgen haben. Neuere technische Entwicklungen zeigen, dass sich vor allem Sensoren zur Messung von Herzschlagfrequenz und Körperkerntemperatur gut in die PSA der Einsatzkräfte integrieren lassen. So gibt es bereits marktreife Systeme, die beide Parameter im Ohr messen und eventuell mit einer Helmsprechgarnitur kombiniert werden könnten.

Komplexes Belastungs-Beanspruchungs-Modell

Die notwendige Analyse der physiologischen Parameter wird jedoch durch das komplexe Wirkgefüge von Belastungen und Beanspruchungen bei der Brandbekämpfung erschwert. Brandeinsätze verändern sich dynamisch, sind vernetzt und intransparent. Die Räumlichkeiten eines brennenden Gebäudes sind häufig ebenso unbekannt wie die Anzahl möglicher Verletzter und die genaue Position des Brandherdes. Daneben verursachen die wenigen Informationen und der vorhandene Zeitdruck weitere hohe psychische Belastungen. Zusätzlich erreicht die Temperatur in einem Brandraum bis zu 1000 °C und die Sicht ist durch Brandrauch stark eingeschränkt. Die PSA der Einsatzkräfte schützt zwar vor Atemgiften und Stichflammen, stellt aber durch ihr hohes Gewicht (ca. 20 kg), Bewegungseinschränkungen und die hohe Wärmeisolierung eine weitere nicht zu unterschätzende Belastung dar. Das thermische Gleichgewicht des Körpers – die ausgeglichene Bilanz zwischen Wärmeproduktion und Wärmeabgabe – wird gestört. Die thermoregulatorischen Mechanismen (z. B. Schwitzen), die versuchen, die Körperkerntemperatur in einem Bereich um die 37 °C zu halten, funktionieren nicht mehr. Die Körperkerntemperatur steigt, die Herzschlagfrequenz erhöht sich. Diese körperlichen Reaktionen der Einsatzkräfte sind abhängig beispielsweise vom Fitnesslevel, der Einsatzerfahrung oder der Tagesform. Neben diesen Herausforderungen, die sich aus den intra- und interindividuellen Beanspruchungsreaktionen der Einsatzkräfte ergeben, resultieren weitere Herausforderungen für die Definition kontextsensitiver Beanspruchungsgrenzen.

Definition von Beanspruchungsgrenzen

Zahlreiche Faustformeln existieren, um die maximale Herzschlagfrequenz zu berechnen. Dabei wird das Lebensalter, das Geschlecht und teilweise das Gewicht in den Berechnungen berücksichtigt. Diese Berechnungen stellen allerdings nur Anhaltspunkte und keine absoluten Leistungsgrenzen dar. So wurden in verschiedenen Studien mit Feuerwehreinsatzkräften, bei denen die physiologischen Reaktionen bei Einsatzsimulationen untersucht wurden, die theoretisch berechneten Grenzen häufig – ohne gesundheitliche Folgen – überschritten. Selbst wenn die maximale Herzschlagfrequenz durch eine individuelle Leistungsdiagnostik ermittelt wurde, unterliegt sie aufgrund unterschiedlicher Faktoren (z. B. Training, Erschöpfung, beginnende Krankheit) ständigen Schwankungen. Ein ähnliches Bild ergibt sich bei Betrachtung der Körperkerntemperatur bei Wärmebelastung. In der Literatur werden beispielsweise unterschiedliche Grenzwerte für Hitzearbeitsplätze empfohlen (WHO: <39 °C), die jedoch nicht uneingeschränkt auf den Feuerwehrkontext übertragbar sind. So zeichnen sich Brandeinsätze durch kurze körperliche Arbeitsbelastungen mit hoher Intensität und extremem Temperaturanstieg aus. Bei Studien mit Einsatzkräften, die realistische Einsatzbedingungen nachbildeten, konnten Körperkerntemperaturen bis 39,8 °C gemessen werden (Finteis et al. 2002). Andere Untersuchungen wurden meist beim Erreichen eines Abbruchwertes von 38,5 °C oder 38,8 °C aus Sicherheitsgründen beendet.

Besonders kritisch sind Brandeinsätze bei denen Menschen – insbesondere Kinder – durch die Einsatzkräfte gerettet werden müssen. Das Erreichen einer Beanspruchungsgrenze kann in solchen Situationen einen Konflikt zwischen Eigensicherung und Menschenrettung auslösen. Der Grat zwischen verfrühter und verspäteter Warnung ist schmal und muss für den gebrauchstauglichen Einsatz der Technik optimal geregelt werden.

Verknüpfung von objektiven Daten mit subjektiven Bewertungen

Aus diesen Gründen wurde in dem Forschungsprojekt der Bundesanstalt für Arbeitsschutz und Arbeitsmedizin „Verwendung neuer Information- und Kommunikations-Technologien zur Erfassung und Interpretation von Vitalparametern bei Einsatzkräften“, bearbeitet von HFC (Human-Factors-Consult GmbH), ein anderer Lösungsansatz verfolgt. Mit Hilfe maschineller Lernverfahren wurden Beanspruchungsgrenzen neu definiert, indem objektiv gemessene physiologische Parameter mit einer subjektiven Beanspruchungsbewertung verknüpft wurden. Dazu wurden in einem sehr realistischen und stark belastenden Einsatztraining die Vitalparameter professioneller Einsatzkräfte erhoben. Gleichzeitig bewerteten die Einsatzkräfte in festgelegten Intervallen ihre subjektiv wahrgenommene Beanspruchung während des Trainings anhand einer Beanspruchungsskala. Klassifikationsalgorithmen verknüpften schließlich die objektiven Messgrößen mit den subjektiven Bewertungen und konnten so, unabhängig von vorher festgelegten Grenzwerten sowie intra- und interindividuellen Eigenschaften, Erschöpfungszustände detektieren. Die Herausforderungen bei der Interpretation von physiologischen Parametern bei Einsatzkräften der Feuerwehr können also grundsätzlich durch die Verwendung maschineller Lernverfahren und Klassifizierungsalgorithmen bewältigt werden. Um praxistaugliche, valide mathematische Modelle zu entwickeln bedarf es allerdings weiterer Messreihen unter kontrollierten Bedingungen und im Realeinsatz.

Weiterführende Informationen zur Interpretation (maschinelles Lernen, mathematische Modelle) von physiologischen Parametern im Kontext der Feuerwehr und detaillierte Ergebnisse sind in Pendzich et al. 2013 (s. Literatur) und Kupschick et al. 2013 (s. „Weitere Infos“) veröffentlicht.

Interessenkonflikt: Die Autorin erklärt, dass kein Interessenkonflikt vorliegt.

Literatur

DGUV: Statisitk – Unfallgeschehen 2016. Berlin: Deutsche Gesetzliche Unfallversicherung e.V., 2017

Fahy RF, LeBlanc PR, Molis JL: Firefighter Fatalities in the United States-2017: National Fire Protection Association, 2018.

Finteis T, Oehler J-C, Genzwürker H, Hinkelbein J, Dempfle C-E, Becker H et al.: Stressbelastung von Atemschutzgeräteträgern bei der Einsatzsimulation im Feuerwehr-Übungshaus Bruchsal Landesfeuerschule Baden-Württemberg. 2002.

Gardas-Schmidt D, Böhm S: Projekt: Verwendung neuer I&K Technologien zur Erfassung und Interpretation von Vitalparametern bei Einsatzkräften. Zwischenbericht „Literaturrecherche, Sichtung vorheriger Studien“. Berlin: Bundesanstalt für Arbeitsschutz und Arbeitsmedizin, 2012.

Pendzich M, Kupschick S, Bleyer T: Intelligente Schutzausrüstung lernt maschinell – Gebrauchstaugliche neue Informationstechnologien. Z Arbeitswiss 2013; 67: 169–174.

Roßnagel A, Jandt S, Skistims H, Zirfas J: Datenschutz bei Wearable Computing – Eine juristische Analyse am Beispiel Schutzanzüge. Wiesbaden: Springer Vieweg, 2012.

Literatur

Fussnoten

  • zurück
  • Druckansicht
  • Versenden

Weitere Artikel zum Thema