Kurz erklärt
Die Gemeinsame Ursache (Common Cause) bezeichnet in der Risikoanalyse, insbesondere in der FMEA, ein Ereignis oder einen Zustand, das die Unabhängigkeit redundanter Systeme zeitgleich aufhebt. Während Redundanz die Sicherheit durch das Vorhandensein mehrfacher Pfade steigern soll, führt eine Gemeinsame Ursache zum simultanen Versagen aller redundant ausgelegten Funktionen. Dies macht das Sicherheitskonzept wirkungslos, da der schützende Mechanismus selbst eine geteilte Schwachstelle (z.B. Energiequelle, Software-Logik oder Umgebungseinfluss) aufweist, die das Gesamtsystem ausfallen lässt. Die explizite Identifikation dieser Abhängigkeiten ist zentral, um 'Common-Cause-Failures' (CCF) zu vermeiden.
Definition
Eine Gemeinsame Ursache ist ein singulärer Faktor, der bei mehreren, eigentlich redundanten Elementen das gleichzeitige Versagen auslöst. Fachlich negiert sie die Annahme der statistischen Unabhängigkeit zwischen redundanten Einheiten. Ein CCF tritt auf, wenn redundante Komponenten eine geteilte Basis teilen, wie identische Hardware-Plattformen, dieselben Software-Algorithmen, eine gemeinsame Energieversorgung oder identische Belastungen durch externe Stressoren (EMV, Temperatur). Im Gegensatz zu isolierten Ausfällen, die durch Redundanz abgefangen werden, erfordert die Gemeinsame Ursache eine ganzheitliche Betrachtung des Systems auf systemischer Ebene, da die Sicherheitswirkung bei CCF gegen Null tendiert.
Bedeutung im Fachkontext
Innerhalb der FMEA-Methodik (insbesondere AIAG/VDA) ist die Analyse gemeinsamer Ursachen essenziell für die Validierung der funktionalen Sicherheit. Ohne diese Betrachtung unterschätzen FMEA-Teams die tatsächliche Ausfallwahrscheinlichkeit massiv. Die Bedeutung liegt in der Korrektur der zu optimistischen Einschätzung von Redundanz. CCF-Analysen zwingen dazu, nicht nur das 'Was' (Fehlermodus), sondern das 'Wie' (systemische Kopplung) zu hinterfragen. Dies verschiebt den Fokus von der bloßen Komponentenzuverlässigkeit hin zur Architektur-Integrität, wobei die Aufgabenpriorität (AP) hilft, Maßnahmen gegen systemische Abhängigkeiten vorrangig zu behandeln.
Input, Verarbeitung, Output, Outcome, Impact
Wirkungspfade und Beiträge zu Unternehmenszielen im Detail
Outcome
1. Erhöhte Ausfallsicherheit durch Eliminierung systemischer Schwachstellen; 2. Aufbau einer Wissensbasis über architektonische Abhängigkeiten für künftige Design-Projekte.
Impact
Signifikante Senkung der Haftungsrisiken, Steigerung der Systemverfügbarkeit in sicherheitskritischen Bereichen, verbesserte Innovationskraft durch robusteres Architektur-Know-how.
Schritte der Methode in Übersicht
Die Methodik folgt vier aufeinander aufbauenden Schritten: 1. Systemzerlegung zur Identifikation redundanter Pfade; 2. Kopplungsfaktoren-Analyse zur Identifikation geteilter Ressourcen; 3. CCF-Wahrscheinlichkeitsschätzung zur Quantifizierung des Risikos; 4. Design-Mitigation zur Implementierung funktionale Unabhängigkeit.
Systemzerlegung
Identifikation redundanter Pfade
Kopplungsfaktoren-Analyse
Erkennen geteilter Ressourcen
CCF-Wahrscheinlichkeitsschätzung
Quantifizierung des Risikos
Design-Mitigation
Eliminierung von Abhängigkeiten
Beschreibung der Einzelschritte mit Ziel & Vorgehen
QUALITY LXP · SCHRITTLOGIK
Systemzerlegung
Systemschaltpläne, Blockdiagramme
Abbildung der Systemarchitektur zur Isolierung primärer und sekundärer redundanter Elemente
Liste redundanter Architekturelemente
Zweikanal-Sensoranordnung in Bremssteuerungen
Vollständigkeit der identifizierten redundanten Funktionen
QUALITY LXP · SCHRITTLOGIK
Kopplungsfaktoren-Analyse
Strukturanalyse, Schaltpläne
Untersuchung von Hardware, Software, Energieversorgung und Umgebungsfaktoren auf gemeinsame Schwachstellen
Katalog potenzieller gemeinsamer Ausfallursachen
Gemeinsame Spannungsversorgung oder identischer Programmcode
Nachweis der funktionalen Unabhängigkeit
QUALITY LXP · SCHRITTLOGIK
CCF-Wahrscheinlichkeitsschätzung
Historische Fehlerdaten, Ausfallraten
Anwendung von Modellen wie Beta-Faktor zur Abschätzung der CCF-Auftrittswahrscheinlichkeit
Berechnete Ausfallwahrscheinlichkeit für CCF
Beta-Faktor Berechnung für redundante Ventile
Statistische Validität der Fehlerannahmen
QUALITY LXP · SCHRITTLOGIK
Design-Mitigation
Ergebnisse der CCF-Analyse
Implementierung physischer Trennung, Diversität oder unabhängiger Überwachung
Optimierte Systemarchitektur mit validierter Unabhängigkeit
Galvanische Trennung von Stromversorgungspfaden
Nachweis der Entkopplung
Anwendung und Vorgehen
Die methodische Anwendung der CCF-Analyse ist in sicherheitskritischen Branchen kein optionaler Prozessschritt, sondern ein normatives Erfordernis. Das Vorgehen erfordert einen Wechsel der Perspektive: Weg von der rein komponentenorientierten Betrachtung hin zur systemischen Abhängigkeitsanalyse.
Prozessuale Umsetzung:
- Strukturelle Dekomposition: Zunächst wird das System in einem Blockdiagramm (oder einer Funktionsbaum-Struktur) so weit zerlegt, bis redundante Pfade eindeutig identifizierbar sind. Hierbei ist entscheidend, nicht nur die Hauptfunktionen, sondern auch unterstützende Subsysteme (Energie, Kühlung, Kommunikation) einzubeziehen.
- Kopplungs-Audit: In diesem Schritt erfolgt der Abgleich der Pfade. Experten stellen sich die Frage: „Wenn Komponente A ausfällt, ist es physikalisch oder logisch wahrscheinlich, dass Komponente B aufgrund desselben Ereignisses ebenfalls versagt?“ Hierbei werden die Coupling Factors bewertet. Beispiele sind die gemeinsame Platzierung in einem Gehäuse (Temperatur-Stress), die Nutzung derselben Firmware-Version (logische Schwachstelle) oder ein gemeinsamer Bus-Knoten.
- Quantifizierung: Durch Anwendung des Beta-Faktor-Modells (oder komplexerer Ansätze wie MGL – Multiple Greek Letter) wird berechnet, welcher Anteil der Ausfallwahrscheinlichkeit auf die Gemeinsame Ursache entfällt. Die Formel
Beta = CCF / (Total Failures)dient dabei als Basis, um die Unabhängigkeitsannahme der Redundanz zu korrigieren. - Verifizierung: Die Wirksamkeit der gewählten Mitigation (z.B. räumliche Trennung oder funktionale Diversität) wird durch gezielte Simulationen oder Stresstests (z.B. EMV-Injektion) validiert.
Das Ziel ist die Verschiebung der Systemarchitektur in einen Bereich, in dem das Risiko unter dem Schwellenwert der tolerierbaren Restwahrscheinlichkeit liegt, ohne die Komplexität durch bloße Addition weiterer identischer Komponenten unnötig zu erhöhen.
Anwendungsgebiete
Die Notwendigkeit, CCF-Analysen durchzuführen, korreliert stark mit der Schwere der potenziellen Folgen eines Systemausfalls.
- Luft- und Raumfahrt: Bei Trägerraketen und Avionik-Systemen ist die Flugsteuerung redundant ausgelegt. CCF-Analysen sind hier essenziell, um sicherzustellen, dass beispielsweise ein Software-Bug im Flugrechner nicht alle drei redundanten Kanäle gleichzeitig „einfriert“. Ohne diese Analyse wäre die Redundanz lediglich eine Illusion der Sicherheit.
- Kernkraftwerke: Die Validierung von Notabschaltsystemen (SIS) stützt sich massiv auf PSA-Frameworks (Probabilistic Safety Assessment). Hier wird jedes Ventil und jeder Sensor auf gemeinsame Ursachen wie etwa ein unzureichendes Wartungsprotokoll geprüft, das bei mehreren baugleichen Komponenten zum gleichen Verschleißbild führt.
- Automotive (ISO 26262): Beim autonomen Fahren müssen Sensor-Fusion-Systeme (Radar, Lidar, Kamera) CCFs abwehren. Ein häufiges Szenario ist die Umgebungsbedingung: Starker Nebel oder eine tiefstehende Sonne kann als gemeinsame Ursache alle optischen Sensoren gleichzeitig blind machen. Die Implementierung von Diversität (Kombination aus verschiedenen physikalischen Messprinzipien) ist die direkte Folge solcher Analysen.
- Industrielle Automatisierung: Not-Aus-Ketten in großen Produktionsanlagen müssen vor dem gemeinsamen Ausfall durch eine defekte SPS-Baugruppe oder eine fehlerhafte Spannungsversorgung geschützt sein. Hier liegt der Fokus auf der physischen Entkopplung der Energiepfade und der galvanischen Trennung von Steuersignalen.
Typische Fehler und Missverständnisse
In der Praxis der Risikoanalyse schleichen sich oft gefährliche Vereinfachungen ein, die dazu führen, dass CCFs trotz formaler Dokumentation übersehen werden.
- Der Redundanz-Trugschluss: Der häufigste Fehler ist die Annahme, dass n redundante Komponenten automatisch die Systemzuverlässigkeit um den Faktor n erhöhen. Das mathematische Modell unterschlägt, dass die Gemeinsame Ursache die Ausfallwahrscheinlichkeit auf das Niveau der schwächsten, gemeinsamen Abhängigkeit drückt.
- Physikalische vs. funktionale Unabhängigkeit: Teams glauben oft, durch räumliche Trennung (z.B. zwei Kabelstränge an verschiedenen Wänden) sei das System sicher. Wenn jedoch beide Kabel dieselbe Logikkomponente oder Software-Instanz speisen, bleibt die funktionale Kopplung bestehen.
- Identische Diversität: Eine häufige Falle ist der Einsatz von „Diversity“, bei dem nur die Marke gewechselt wird, aber die zugrunde liegende Architektur oder der Software-Code identisch bleibt (z.B. zwei verschiedene Hersteller nutzen dieselbe Betriebssystem-Bibliothek).
- Vernachlässigung von „Soft-CCFs“: Oft wird bei der FMEA nur die Hardware betrachtet. Menschliche Fehler (z.B. falsche Kalibrierung durch einen Techniker bei allen redundant eingebauten Sensoren) werden als CCF oft komplett ignoriert, stellen jedoch in der Realität eine der häufigsten Ursachen dar.
- Statistische Blindheit: Das Ignorieren von CCF, weil die Einzelkomponente „hochgradig zuverlässig“ ist. Ein seltener Fehler, der gleichzeitig auftritt, ist fataler als ein häufiger Fehler, der nur eine Komponente betrifft.
Abgrenzung und Grenzen
Die Analyse der Gemeinsamen Ursache hat klare Grenzen, die bei der Planung von Sicherheitskonzepten berücksichtigt werden müssen.
- Datenlimitierung: Eine der größten Einschränkungen ist das Fehlen valider statistischer Fehlerdaten. Da CCFs seltene Ereignisse sind, gibt es kaum großflächige historische Datensätze für spezifische, moderne Systemkonfigurationen. Wir sind daher oft auf Experten-Schätzungen angewiesen, die inhärent subjektiv sind.
- Komplexität von Software: Während hardwarebasierte Kopplungsfaktoren (Strom, Hitze) gut messbar sind, bleibt die softwarebasierte CCF-Analyse eine „Blackbox“. Die Identifikation von Bugs, die bei bestimmten Eingangsdaten alle Kanäle gleichzeitig zum Absturz bringen, entzieht sich oft der klassischen analytischen Erfassung.
- Traditionelle FMEA-Grenzen: Die klassische tabellarische FMEA ist darauf ausgelegt, Einzelfehler zu identifizieren. Sie stößt an ihre Grenzen, wenn systemische Wechselwirkungen über viele Komponenten hinweg (Emergenz) betrachtet werden müssen. Sie ist somit ein Werkzeug der Identifikation, aber selten der vollständigen Validierung.
- Wirtschaftlichkeit: Absolute Unabhängigkeit ist unbezahlbar. Jede CCF-Mitigation erfordert Ressourcen. Die Grenze der Methode liegt dort, wo der Aufwand für die Entkopplung (z.B. unterschiedliche Hardware-Plattformen für redundante Systeme) den Nutzen der Risikominimierung übersteigt.
Lernatom 11 · KI-Unterstützung
Thema + KI-Unterstützung
Passende Werkzeuge aus der zentralen QUALITY-LXP-Toolbox – fachlich zum Begriff zugeordnet.
Lernatom 12 · Transfer in die Praxis
Beispiele im AI Tool
Nur öffentlich freigegebene SharedProject-Beispiele der tatsächlich zugeordneten Tools werden angezeigt. Private Projekte bleiben ausgeschlossen.
Global freigegebene Praxisbeispiele
1HELION · Wiederanlauf der Palettierzelle
ISO 9001: 6.1 / 8.3. Vier UCA-Typen, Kontrollstruktur, Kausalszenarien und verifizierbare Entwicklungsanforderungen. Fiktives Industrie-Lernbeispiel. Alle Zahlen, Rollen und Belege sind simuliert; keine reale Freigabe, Kundenvalidierung oder Wirksamkeitsbestätigung.
Lernatom 13 · Vertiefen
Seminare zum Thema
Passende Seminare werden hier ergänzt, sobald sie fachlich zugeordnet und freigegeben sind.
Häufige Fragen
Was ist der Unterschied zwischen Common Cause Failures (CCF) und Kaskadeneffekten?+
Während CCF das gleichzeitige Versagen mehrerer Komponenten durch ein externes Ereignis oder eine geteilte Schwachstelle beschreibt, bezeichnet ein Kaskadeneffekt das sequenzielle Versagen von Komponenten. Dabei führt der Ausfall einer ersten Komponente zu einer Belastungserhöhung, die eine zweite Komponente in den Ausfall treibt. Beide mindern die Redundanz, aber der Mechanismus der Ausbreitung ist unterschiedlich.

