Hochwasserereignisse in städtischen und nicht-städtischen Gebieten sind eine der Hauptursachen für versicherte Schäden mit Kosten in Höhe von mehreren Milliarden US-Dollar pro Jahr weltweit (z. B. 60 Milliarden US-Dollar im Jahr 2016). Sowohl Menschen als auch Gebäude und die Infrastruktur sind anfällig für Hochwasserereignisse, die infolge des Klimawandels immer häufiger und schwerwiegender werden.

In der Literatur finden sich mehrere quantitative Ansätze zur Bewertung des Hochwasserrisikos. Dynamisches menschliches Verhalten wird bei diesen Methoden jedoch nur begrenzt berücksichtigt. Jedoch spielst die Dynamik des menschlichen Verhaltens eine wichtige Rolle für die Hochwasserauswirkungen und die Wiederaufbauzeit nach einem Hochwasser. Die Risikowahrnehmung sowie adaptive Verhaltensweisen zur Vorsoge, Vorbereitung, Reaktion und Wiederherstellung während Hochwasserereignissen (z.B. Zugang zu Wetterwarnungen, Spenden für den Wiederaufbau) hängen von verschiedenen individuellen und kollektiven sozio-psychographischen Faktoren ab.

In diesem Projekt wollen wir neuartige Datenquellen und datengesteuerte Methoden integrieren, um Muster in den menschlichen Reaktionen auf Überschwemmungen zu erkennen, die als Grundlage für Katastrophenrisikomanagementansätze dienen und Risikobewertungsmodelle verbessern. Wir werden mit einer Vielzahl von Datensätzen arbeiten, darunter sozioökonomische Daten, Versicherungsdaten, Daten von Überwachungskameras und Daten aus sozialen Medien, um verschiedene Aspekte des menschlichen Verhaltens bei Überschwemmungen in verschiedenen Phasen einer Katastrophe und über verschiedene Maßstäbe und Auflösungen hinweg zu erfassen.