Die Erfassung und Beurteilung der physischen Vulnerabilität gegenüber Wildbachprozessen ist ein integraler Bestandteil eines holistischen Konzepts zum Management von Risiko. In der Naturgefahrenforschung wird Risiko als Funktion von Frequenz und Magnitude multipliziert mit den Auswirkungen eines Prozesses definiert. Die Auswirkungen eines Prozesses auf die physischmaterielle Umwelt werden zumeist durch die Quantifizierung von Vulnerabilität erfasst. Vulnerabilität wird in diesem Kontext als Schadenausmaß verstanden, das durch das Einwirken einer Naturgefahr auf ein Risikoelementes verursacht wird. Über die räumlichen Ausprägungen von Vulnerabilität ist sehr wenig bekannt (Fuchs et al. 2012), obwohl jedoch das Verständnis räumlicher Muster der Vulnerabilität viel dazu beitragen könnte die Bewertung von Risiken zu verbessern (Papathoma-Köhle et al. 2011). Aufbauend auf den Daten für zwei sehr gut dokumentierte Wildbachereignisse in Österreich wird in der vorliegenden Arbeit das räumliche Muster der Vulnerabilität untersucht. Mit Hilfe eines räumlich-statistischen Ansatzes – implementiert in das Programm SaTScan nach Kulldorff (1997) – wird untersucht, ob die Siedlungsstruktur eine Auswirkung auf die Clusterung von hohen Schadenlastwerten hat. Weiters wird über eine Erhöhung und Verringerung der räumlichen Dichte der Datenpunkte und eine schrittweise Veränderung des Verhältnisses zwischen beschädigten und nicht-beschädigten Gebäuden eruiert, ob erstens die Weibullfunktion (vorgestellt in Totschnig et al. 2011) geeignet ist, um Schadenlastwerte zu schätzen und zweitens, ob es Schwellenwerte für die Anzahl und Zusammensetzung der Datenpunkte gibt, ab denen eine räumlich-statistische Datenanalyse keine plausiblen Ergebnisse mehr liefert. Die Plausibilität der Ergebnisse wird durch die Berechnung der Indizes Power, Sensitivität und Positiver Vorhersagewert beurteilt. Weiters werden die Ergebnisse anhand von Karten, die die räumliche Lage der Cluster auf dem jeweiligen Schwemmkegel verorten, dargestellt. Die Ergebnisse lassen den Schluss zu, dass die Weibullfunktion nur eingeschränkt anwendbar ist, um Werte für die Schadenlast abzuschätzen. Weiters zeigen die Ergebnisse der Punkterhöhung und -verringerung sowie die Veränderung des Verhältnisses zwischen beschädigten und nicht- beschädigten Gebäuden, dass keine klare Aussage über Schwellenwerte getroffen werden kann. Es lässt sich vielmehr sagen, dass die Signifikanz und räumliche Lage der Cluster innerhalb gewisser Datenbereiche relativ stabil bleibt. Die Ergebnisse der Diplomarbeit ergänzen das Verständnis der räumlichen Verteilung von Vulnerabilität auf einer lokalen Maßstabsebene und können damit einen Beitrag zur integrativen Risikoforschung leisten.

The acquisition and assessment of physical vulnerability to torrential hazards is an integral component of a holistic risk management concept. In natural hazard science risk is defined as the function of frequency and magnitude multiplied by the impact of the process. The impact of a process on its physical environment is often assessed by quantifying vulnerability. In this context vulnerability is defined as the degree of damage to a given element at risk due to the impact of a natural hazard. However less is known about the spatial patterns of vulnerability (Fuchs et al. 2012), although a better understanding of spatial patterns of vulnerability could improve the assessment of risk (Papathoma-Köhle et al. 2011). Based on data of two well documented torrent events in Austria this diploma thesis deals with the analysis of spatial patterns of vulnerability. By means of a spatial scan statistic – implemented in the software SaTScan by Kulldorff (1997) – it will be examined, if settlement structures have effects on the clustering of high damage values. Moreover there will be investigations on the applicability of the Weibullfunction (introduced by Totschnig et al. 2011) in terms of estimating damage values. Furthermore the question will be addressed if there are threshold values concerning the amount and the composition of the data points, above which the spatial scan statistics can not provide plausible results. These issues will be dealt with by increasing and decreasing spatial density of the data points and stepwise altering the proportion of damaged and non-damaged building points. The plausibility of the results will be evaluated by the calculation of the power, sensitivity and positive predictive value. At last the results will be presented in maps, that show the spatial positions of the clusters on the particular alluvial cone. The results lead to the conclusion, that the utilisation of the Weibullfunction for estimating damage values is limited. Furthermore the results of the increase and decrease of data points, as well as the altering of the proportion of damaged and non-damaged building points show, that no clear conclusion about threshold values can be drawn. It rather can be said, that within a certain data range the significance and spatial position of the clusters seam to be relatively stable. The results of this diploma thesis add to the understanding of spatial patterns of vulnerability on a local scale and as such contribute to an integrative approach of risk research.