Good Practice der probabilistischen Modellierung

Transkript

1 Praktische Empfehlungen zur Nutzung von Epositionsdaten Olaf Mosbach-Schulz Xprob-Projekt, Universität Bremen, FB 3: Risikoforschung Umwelt Gesundheit Good Practice der probabilistischen Modellierung Präsentation auf dem 2. projektbezogenen Workshop des Xprob-Projekts, 24. und 25. Mai 2005, Berlin 131

2 Olaf Mosbach-Schulz Universität Bremen Good Practice Good Practice der probabilistischen Modellierung Olaf Mosbach-Schulz Universität Bremen FB 3: Risikoforschung Umwelt Gesundheit, projektgruppe probabilistische modellierung 2. Xprob Workshop, UBA Berlin, 25/ , 1 Gliederung 1. Einführung 2. Aspekte der Modellbildung 3. Aspekte der Datenfindung 4. Aspekte der Berechnung 5. Aspekte der Interpretation Olaf Mosbach-Schulz: Good Practice, 2 Mittwoch, 25. Mai 2005, 09:00 09:20 132

3 Olaf Mosbach-Schulz Universität Bremen Good Practice Was ist Probabilistik? Probabilistik steht für - populationsbezogen - verteilungsbasiert Olaf Mosbach-Schulz: Good Practice, 3 Was ist populationsbezogen? Die probabilistische Modellierung beschreibt eine reale Variation - in einer Bevölkerung - in Ort und Zeit - inter- und intra-individuell Olaf Mosbach-Schulz: Good Practice, 4 Mittwoch, 25. Mai 2005, 09:00 09:20 133

4 Olaf Mosbach-Schulz Universität Bremen Good Practice Was ist verteilungsbasiert? Die probabilistische Modellierung beschreibt Variation und Unsicherheit mit einem einheitlichen formalen Kalkül - in Form von Verteilungen - mit Hilfe von Kenngrößen & Grafiken - durch Verknüpfung in Simulationen Olaf Mosbach-Schulz: Good Practice, 5 Ziele der Good Practice Qualitätssicherung & Transparenz in der Modellierung bei den empirischen Grundlagen in den Berechnungen in der Dokumentation und Interpretation der Ergebnisse Olaf Mosbach-Schulz: Good Practice, 6 Mittwoch, 25. Mai 2005, 09:00 09:20 134

5 Olaf Mosbach-Schulz Universität Bremen Good Practice Aspekte der Modellierung Szenario - Definition Ursachen von Unsicherheit Quellen von Variation Definition der Zeile und des Rahmens Abbildung des wissenschaftlichen Kenntnisstandes Abbildung der Verschiedenheit Funktionaler Zusammenhang Modell bzw. Modellvarianten Einflussfaktoren Variablen des Modells Zielgröße Eposition Bewertungsmaßstab Olaf Mosbach-Schulz: Good Practice, 7 Szenario-Definition Zu Beginn der Modellierung muss - das Schutzgut: Wer ist zu schützen? - das Schutzziel: Was ist zu schützen? und - das Schutzniveau: Wieviel Schutz ist nötig? vorgegeben sein. Lassen Sie die Analyse von der Problemstellung leiten. (M&H 1990) Olaf Mosbach-Schulz: Good Practice, 8 Mittwoch, 25. Mai 2005, 09:00 09:20 135

6 Olaf Mosbach-Schulz Universität Bremen Good Practice Variation und Unsicherheit (I) In der Modellierung sind und - Modell-Kompleität - Parameter-Genauigkeit gegensätzliche Ziele. Machen Sie die Analyse so einfach wie möglich, aber nicht einfacher. Olaf Mosbach-Schulz: Good Practice, 9 Variation und Unsicherheit (II) Durch die Definition der Population & Stratifikation wird die Art der Variation festgelegt: - örtliche & zeitliche Variation - inter- und intraindividuelle Variation Prüfen Sie mit Hilfe des Clarity-Tests Die Trennung von Variation und Unsicherheit. Olaf Mosbach-Schulz: Good Practice, 10 Mittwoch, 25. Mai 2005, 09:00 09:20 136

7 Olaf Mosbach-Schulz Universität Bremen Good Practice Modell-Definition Bei der Modell-Definition sollte Vielfalt herrschen: - alternative Annahmen - Möglichkeiten Erhöhung bzw. Vereinfachung der Kompleität - Beschreibung der realen Bevölkerung in verschiedenen Abstraktionsniveaus. Die Modellentwicklung ist ein iterativer Prozess Identifizieren Sie alle notwendigen Annahmen und Einflussgrößen Olaf Mosbach-Schulz: Good Practice, 11 Aspekte der Datenfindung Die Quantifizierung der Einflussgrößen erfolgt stets an Hand aller Informationen: - theoretische Annahmen - empirische Daten und - Epertenwissen Sammeln Sie umfassende Informationen aus der Literatur, von Eperten und Anwendern Olaf Mosbach-Schulz: Good Practice, 12 Mittwoch, 25. Mai 2005, 09:00 09:20 137

8 Olaf Mosbach-Schulz Universität Bremen Good Practice Empirische Daten Datenquellen lassen sich nach folgenden Kriterien beurteilen: - Vollständigkeit der Informationen - Repräsentativität und Präzision - Konsistenz der Studie - Eterne Validität Machen Sie Ihre Auswahlkriterien eplizit. Olaf Mosbach-Schulz: Good Practice, 13 Charakterisierung von Informationen Literaturdaten, minimale Anforderungen: - Population, Ort, Zeit, Umfang, Gewichtung Variable mit Maßeinheit und Bezugsintervall,... Daten, ausreichend für eine Verteilungsanpassung: - Zusätzlich: Erhebungsplan, -instrument, Kodierungen / Gewichte, Einzeldaten,... Datenlücken Olaf Mosbach-Schulz: Good Practice, 14 Mittwoch, 25. Mai 2005, 09:00 09:20 138

9 Olaf Mosbach-Schulz Universität Bremen Good Practice Datenauswertung Schwächen in den Daten können durch spezielle Auswertungsmethoden ausgeglichen werden: - kategorisierte Daten - Werte unterhalb der Nachweisgrenze - Ausreißer Olaf Mosbach-Schulz: Good Practice, 15 Sensitivitätsanalyse Am Beginn jeder Analyse sollte - die Punktschätzung (CTE, RME) und - eine Sensitivitätsanalyse stehen, um - die Größenordnung der Eposition - den Einfluss der einzelnen Pfade - die Anteile an der Variation abzuschätzen. Olaf Mosbach-Schulz: Good Practice, 16 Mittwoch, 25. Mai 2005, 09:00 09:20 139

10 Olaf Mosbach-Schulz Universität Bremen Good Practice Korrelationen Korrelationen in den Eingangsvariablen können im Modell berücksichtigt werden: - durch Abschichtung nach einer begründenden Variable - durch relative Betrachtungen - durch Stichproben-Resampling - durch theoretische Annahmen Olaf Mosbach-Schulz: Good Practice, 17 Modellaussage Rückkopplung mit der Modellbildung: - Konkretisierung der Modellaussage Modellieren Sie die Variation und beschreiben Sie systematisch die Sensitivität Machen Sie die Unsicherheiten der Analyse eplizit Olaf Mosbach-Schulz: Good Practice, 18 Mittwoch, 25. Mai 2005, 09:00 09:20 140

11 Olaf Mosbach-Schulz Universität Bremen Good Practice Aspekte der Berechnung Mit der Definition des Epositionsmodells: - der Modellgleichung / -beziehungen - der Verteilungen der Einflussvariablen ist das Ergebnis der Modellierung bestimmt. Olaf Mosbach-Schulz: Good Practice, 19 Werkzeuge (I) Simulationen berechnen eine feste Verteilung mit unterschiedlicher Genauigkeit: - Die Genauigkeit steigt mit der Anzahl der Replikationen. - Die Genauigkeit kann durch wiederholte Berechnungen abgeschätzt werden. - Es gibt Qualitätsunterschiede bei Simulationen. Olaf Mosbach-Schulz: Good Practice, 20 Mittwoch, 25. Mai 2005, 09:00 09:20 141

12 Olaf Mosbach-Schulz Universität Bremen Good Practice Werkzeuge (II) Simulationsrechnungen benötigen qualitätsgesicherte Software: - Tabellenkalkulationsprogramme - Statistik-Programmpakete - Simulations-Software - Anwendungssoftware zur Epositionsmodellierung Olaf Mosbach-Schulz: Good Practice, 21 Werkzeuge (III) Simulationsrechnungen sind - nicht zufällig und - können wiederholt werden. Dokumentieren Sie Ihre Berechnungen klar und vollständig Olaf Mosbach-Schulz: Good Practice, 22 Mittwoch, 25. Mai 2005, 09:00 09:20 142

13 Olaf Mosbach-Schulz Universität Bremen Good Practice Aspekte der Interpretation Probabilistische Modellierung dient - der Quantifizierung des Schutzniveaus - dem Aufzeigen (und Erklären) von Unterschieden in der Population - der Beschreibung der Wirksamkeit von Handlungsoptionen - der Darstellung der Gesamtunsicherheit Olaf Mosbach-Schulz: Good Practice, 23 Darstellungsformen Informationen über Verteilungen sollten grafisch dargestellt werden. Informationen zu Variation und Unsicherheit sollten getrennt dargestellt werden. Olaf Mosbach-Schulz: Good Practice, 24 Mittwoch, 25. Mai 2005, 09:00 09:20 143

14 Olaf Mosbach-Schulz Universität Bremen Good Practice Dokumentation und Kommunikation Die Analyse sollte - vollständig dokumentiert und - etern evaluiert werden. Passen Sie die Kompleität Ihrer Informationen dem Adressatenkreis an. Olaf Mosbach-Schulz: Good Practice, 25 Fortbildungsprogramm Der Arbeitskreis Probabilistische Epositions- & Risikoabschätzung bietet Fortbildungen an: Der nächste Termin ist für November 2005 geplant. Olaf Mosbach-Schulz: Good Practice, 27 Mittwoch, 25. Mai 2005, 09:00 09:20 144

15 Olaf Mosbach-Schulz Universität Bremen Good Practice HERZLICHEN DANK FÜR IHRE AUFMERKSAMKEIT Olaf Mosbach-Schulz Universität Bremen FB 3: Risikoforschung Umwelt Gesundheit projektgruppe probabilistische modellierung (ppm) Bibliothekstraße 1, Bremen Fon , Fa epost Olaf Mosbach-Schulz: Good Practice, 28 Mittwoch, 25. Mai 2005, 09:00 09:20 145

16 146

17 Praktische Empfehlungen zur Nutzung von Epositionsdaten Michael Schümann Xprob-Projekt, Arbeitsgruppe Epidemiologie (AgE) Behörde für Wissenschaft und Gesundheit (BWG) und UKE / IMBE, Hamburg Dokumentation und Nutzung der Daten Datenbank RefXP Präsentation auf dem 2. projektbezogenen Workshop des Xprob-Projekts, 24. und 25. Mai 2005, Berlin 147

18 Michael Schümann AgE Hamburg Dokumentation und Nutzung der Daten Dokumentation und Nutzung der Daten Datenbank RefXP Michael Schümann Arbeitsgruppe Epidemiologie AgE BWG/Hamburg und UKE/IMBE Mittwoch, 25. Mai 2005, 09:25 09:45 Schümann: Datenbank, 1 Schritte der Entwicklung einer Datenbank für Epositionsfaktoren Analyse der Epositionsstandards Thematische Gliederung Definition von standardisierten Datentabellen Nutzungsanforderungen Programmentwicklung Funktionen: Suche, Auswahl, Anzeige der Tabelleninhalte Interne Evaluation Anpassung Übernahme ausgewählter Daten (SAS-Ausgabe) Anwendungstests Schümann: Datenbank, 2 Mittwoch, 25. Mai 2005, 09:25 09:45 148

19 Michael Schümann AgE Hamburg Dokumentation und Nutzung der Daten Themenblöcke Variablengruppen Datenquellen 2.: Auswahl zugehöriger Parameter 3.: Auswahl einer Datenquelle 1.: Auswahl Themenbereich 4. Bereitstellung der Informationen zum Parameter und zugehöriger Datenquelle Schümann: Datenbank, 3 Relationale Tabellenstruktur TOPICS I INDEX1 NAME 1 AN Anthropometric 2 BH Behaviour 3 BB Body burden PARAMETER I INDEX1 NAME INDEX2 1 SO Soil ingestion BA 2 AN Fat compartment BF3 3 AN Body height BH DATA SOURCES Ii PS SEX DATA SOURCE DATA FILE 1 BA A Sedman (1984) sedtab.dbf 2 BA A AUH (1995) bodenauh.dbf Schümann: Datenbank, 4 Mittwoch, 25. Mai 2005, 09:25 09:45 149

20 Michael Schümann AgE Hamburg Dokumentation und Nutzung der Daten Inhalte der Zieldatei (*.dbf) Data Source Data File Feldnr. Feldname Typ Größe Dez 1 AGEGRP N GRP N AGEMIN N AGEMAX N AGEMID N SEX C 1 3 NOBS N MEAN N STDDEV N SKEWNESS N VARIANCE N MAXIMUM N MINIMUM N MEDIAN N IQUART N GEOMMEAN N GEOMSTDD N QUANTILES M 19 MOMENTS M 20 GENERALF M 21 CORRELATIO M 22 COVAR M 23 FORMULA M Schümann: Datenbank, 5 Auswahl von Datenquellen / Referenzwerten Fachl. Vorprüfung Meta-Datenbank Qualitätsprüfung Itemwahl bzw. Neuberechnung Anwendung der Checkliste zur Datenqualität Dokumentation: Datenquelle Inhalte/Items Datensatz Eigner der Daten Repräsentativität Zeitl. Aggregation... Auswahl der Daten zur Analyse Schümann: Datenbank, 6 Mittwoch, 25. Mai 2005, 09:25 09:45 150

21 Michael Schümann AgE Hamburg Dokumentation und Nutzung der Daten Surveydaten Analyse Datenbank Survey / Studie Datensatz Dokumentation Fachl. Vorprüfung Qualitätsprüfung Itemwahl bzw. Neuberechnung Daten - Analyse Datendeskription Stratifizierung GF-Anpassung 2-Parameter-Modell Anpassungstests Datenbank RefXP Datensatz- Beschreibung (Info-Block) Referenzwerte- Dokumentation (Data-Block) Schümann: Datenbank, 7 Literaturrecherche Datenbank Literaturrecherche Fachl. Vorprüfung Datenbank RefXP Dokumentation Plausibilitätscheck Übertragbarkeit? Datensatz- Beschreibung (Info-Block) Tabellen Datenstruktur Stratifizierung Referenzwerte- Dokumentation (Data-Block) Schümann: Datenbank, 8 Mittwoch, 25. Mai 2005, 09:25 09:45 151

22 Michael Schümann AgE Hamburg Dokumentation und Nutzung der Daten Stratifizierte statistische Kennwerte Schümann: Datenbank, 9 Visualisierung von Altersabhängigkeiten Einfache Gestaltung von Grafiken für stratifizierte Daten Schümann: Datenbank, 10 Mittwoch, 25. Mai 2005, 09:25 09:45 152

23 Michael Schümann AgE Hamburg Dokumentation und Nutzung der Daten GF-Anpassung und Umrechnung Konvertierungsoption für die Umrechnung der Parameter zur Modellierung Schümann: Datenbank, 11 Dokumentation der Modellanpassung Momente für die empirische, die GF-Verteilung und den Best Fit-Anpassung Schümann: Datenbank, 12 Mittwoch, 25. Mai 2005, 09:25 09:45 153

24 Michael Schümann AgE Hamburg Dokumentation und Nutzung der Daten Dokumentation der Modellanpassung Quantile für die empirische, die GF-Verteilung und den Best Fit Schümann: Datenbank, 13 Visualisierung der Verteilungsanpassung 0.99 Empirische und theoretische CDF Body Surface Alter Frauen Term Empirisch Gener.F-Vertlg Lognormal Mean Median SD Var Interqu CDF Körperoberfläche [m²] Schümann: Datenbank, 14 Mittwoch, 25. Mai 2005, 09:25 09:45 154

25 Michael Schümann AgE Hamburg Dokumentation und Nutzung der Daten Optionen / Wunschliste nach Evaluation Ausgabeschnittstelle zu Ecel (Palisade) Analytica (Lumina) Ausgabe der Daten, Tabellen und Ergebnisse Transformation in entsprechende Formeln Variablensuche über einen Thesaurus Interpolation für gewählte Altersbereiche Dokumentation Ausgabe eines Berichtes in Word Vereinfachte Datenaufnahme (Erweiterung) Schümann: Datenbank, 15 Mittwoch, 25. Mai 2005, 09:25 09:45 155

26 156

27 Praktische Empfehlungen zur Nutzung von Epositionsdaten Monika Machtolf Diskutantin, IFUA-Projekt-GmbH, Bielefeld Evaluierung von Modellen zur probabilistischen Epositionsabschätzung Präsentation auf dem 2. projektbezogenen Workshop des Xprob-Projekts, 24. und 25. Mai 2005, Berlin 157

28 Monika Machtolf IFUA Projekt GmbH Bielefeld Mittwoch, 25. Mai 2005, 09:50 10:05 Evaluierung von Modellen Monika Machtolf IFUA-Projekt-GmbH Milser Straße Bielefeld Evaluierung von Modellen zur probabilistischen Epositionsabschätzung Tel. 0521/ / Fa 0521/ / info@ifua.de / Umweltbundesamt Berlin Mai 2005 Problemstellung im Bewertungsalltag Epositionsszenario "Garten" IfUA-Grafik 11/96 158

29 Monika Machtolf IFUA Projekt GmbH Bielefeld Evaluierung von Modellen Nutzungsszenarien nach BBodSchV Kinderspielflächen Wohngebiete Wohngarten Park- und Freizeitanlagen Industrie- und Gewerbegrundstücke Oder andere?? Schutzgut Mensch Transfer Transfer Staub Transfer Inhalativ (äußere Zufuhr) Boden Oral (äußere Zufuhr) Dermal (äußere Zufuhr) Resorption Innere Eposition Resorption Innere Eposition Lunge Innere Resorption Eposition Innere Eposition Dermal (äußere Zufuhr) Darm Resorption Grundwasser Mittwoch, 25. Mai 2005, 09:50 10:05 159

30 Monika Machtolf IFUA Projekt GmbH Bielefeld Evaluierung von Modellen Vorgehensweise Prüfwertableitung Epositionsannahmen Parameter Faktor/Annah me Einheit Kinder (ingestive und inhalative Aufnahme) Alter (Abschätzung oraler (inhalativ und ingestiv) Bodenaufnahme) 1 8 (3) a Körpergewicht 10 kg KG Nutzungsfrequenz 240 d / a Bodenaufnahme, ingestiv 0,5 g / d Rate der ingestiven Bodenaufnahme Kinderspielfläche 33 Wohngebiet 16,5 mg/ (kg KG d) Park- und Freizeitanlagen 6,6 Atemvolumen (mäßige Aktivität) 0,625 m³ / h Spielzeit mit relevanter Staubaufwirbelung 2 h / d Staubkonzentration in der Luft 1 mg / m³ Anreicherungsfaktor für Feinstaub / für Metalle 5 dimensionsl os / für organische Stoffe 10 Parameter Faktor/Annah me Einheit Rate der inhalativen Bodenaufnahme Kinderspielfläche 0,082 Wohngebiet 0,041 mg/ (kg KG d) Park- und Freizeitanlagen 0,016 Mittwoch, 25. Mai 2005, 09:50 10:05 160

31 Monika Machtolf IFUA Projekt GmbH Bielefeld Evaluierung von Modellen Weitere Sachverhaltsermittlung nach BBodSchV Verfügbarkeit der Schadstoffe Epositionsbetrachtung Schadstoff Wirkungspfad Nutzung Plausibilität Anwendung der Datensammlung Wirkungspfad Boden-Mensch (Direktpfad): Risikogruppe (Kleinkinder) Bodenaufnahme / Flächennutzung Zeitbudget, Aufenthaltszeiten Wirkungspfad Boden-Pflanze-Mensch: Verzehrsmenge / Anbaufläche Hausgärten / Kleingärten Mittwoch, 25. Mai 2005, 09:50 10:05 161

32 Monika Machtolf IFUA Projekt GmbH Bielefeld Evaluierung von Modellen Anwendung probabilistischer Methoden Großflächige Bodenbelastungen (z.b. OS-Wüste) Großräumigere Betrachtungen (z.b. Kleingärten in Wuppertal) Erstellung und Auswertung von Bodenbelastungskarten (z.b. Duisburg) Anwendung probabilistischer Methoden Nicht geregelte Szenarien, z.b.: Anwohnerschutz bei Sanierungen Anwohnerschutz von Anlagen Teichwassernutzung Gebäudeumnutzung etc Mittwoch, 25. Mai 2005, 09:50 10:05 162

33 Praktische Empfehlungen zur Nutzung von Epositionsdaten Michael Csicsaky Diskutant, Niedersächsisches Ministerium für Soziales, Frauen, Familie und Gesundheit, Hannover Praktische Empfehlungen zur Nutzung von Epositionsdaten Präsentation auf dem 2. projektbezogenen Workshop des Xprob-Projekts, 24. und 25. Mai 2005, Berlin 163

34 Michael Csicsaky Nds. Sozialministerium Hannover Praktische Empfehlungen Niedersächsisches Ministerium für Soziales, Frauen, Familie und Gesundheit X prob Praktische Empfehlungen zur Nutzung von Epositionsdaten Dr. Michael Csicsaky, MR Berlin, 25. Mai 2005 Seite 1 Niedersächsisches Ministerium für Soziales, Frauen, Familie und Gesundheit Problem der Epositionsquantifizierung: rechnerisch richtig = toikologisch richtig? Abschätzung der kumulativen Aufnahme von Schadstoffen aus belastetem Boden durch Hand-zu-Mund-Aktivität Alters- Zufuhr * Tage * Konzentr. * Resorp- = Aufnahme / Gewicht / Tage = Dosis stufe (g/d) (d) (µg/g) tion (µg) (kg) (d) (µg/kg/d) Summe 1-6 Jahre: Mittel 1-6 Jahre: Seite 2 Mittwoch, 25. Mai 2005, 10:10 10:25 164

35 Michael Csicsaky Nds. Sozialministerium Hannover Praktische Empfehlungen Niedersächsisches Ministerium für Soziales, Frauen, Familie und Gesundheit Problem der Epositionsquantifizierung: rechnerisch richtig = toikologisch richtig? Abschätzung der kumulativen Aufnahme von Schadstoffen aus belastetem Boden durch Hand-zu-Mund-Aktivität Alters- Zufuhr * Tage * Konzentr. * Resorp- = Aufnahme / Gewicht / Tage = Dosis stufe (g/d) (d) (µg/g) tion (µg) (kg) (d) (µg/kg/d) Summe 1-6 Jahre: Mittel 1-6 Jahre: Summe 7-15 Jahre: Mittel 7-15 Jahre: ================================================================================== Gesamtsumme 1-15 Jahre: Gesamtmittel 1-15 Jahre: Seite 3 Niedersächsisches Ministerium für Soziales, Frauen, Familie und Gesundheit Problem der Epositionsquantifizierung: rechnerisch richtig = toikologisch richtig? Sicherheitsanalyse des Unit-Risk-Wertes der EPA Entscheidung Sicherheitsfaktor empfindlichste Tierart statt Mittelwert 2,6-3,5 Oberflächenkorrektur bei der Dosisumrechnung von der weiblichen Ratte auf den Menschen 1*) unter Berücksichtigung der Akkumulation Korrektur für vorzeitige Sterblichkeit in der obersten Dosisstufe + Einbeziehung der 1,5-2 durch SQUIRE revidierten Diagnosen Obergrenze des Vertrauensbereichs statt mittlerer Schätzung 1,5-3 Einbeziehung der Leberfoci trotz zweifelhafter Malignität kumulierter Sicherheitsabstand *) Der von der EPA benutzte Faktor beträgt 5,4 (ohne Akkumulation) Seite 4 Mittwoch, 25. Mai 2005, 10:10 10:25 165

36 Michael Csicsaky Nds. Sozialministerium Hannover Praktische Empfehlungen Niedersächsisches Ministerium für Soziales, Frauen, Familie und Gesundheit Praktische Empfehlungen Wenn die Epositionshöhe im Bagatellbereich liegt (d.h. im worst-case-epositionsszenario ausreichender Abstand zur Wirkungsschwelle selbst bei besonders empfindlichen Personen), Risikokommunikation unter Bezugnahme auf Perzentilwerte der Hintergrundbelastung Wenn sich die Epositionshöhe im Besorgnisbereich befindet, Gefahrenermittlung unter Einsatz von QRA; Epositionsabschätzung evtl. mittels Probabilistik Wenn die Epositionshöhe im Gefahrenbereich liegt (überschrittene Wirkungsschwelle bei durchschnittlich empfindlichen Personen), Gefahrenabwehrmaßnahmen veranlassen Seite 5 Mittwoch, 25. Mai 2005, 10:10 10:25 166