Unter Verwendung eines Algorithmus der sich auf die Bayes'sche Inferenz stützt, konnten bislang wertvolle Erkenntnisse erlangt und in einem Dashboard visualisiert werden. Dies führt zur Vermeidung von Gefahrensituationen. Eine Optimierung könnte diese Performance jedoch weiter steigern. Im Rahmen dieser Bachelorarbeit wurden drei Schwachstellen identifiziert: Überbewertung grosser Betriebspunkte, Vernachlässigung zeitlicher Aspekte und allgemeine statistische Annahmen. Ziel ist es eine präzisere Datenverarbeitung und verbesserte Entscheidungsfindung zu ermöglichen.

Die Lösungserarbeitung stützte sich auf mehrere Säulen der Wahrscheinlichkeit und spezifisch der Bayes'schen Inferenz. In diesem Zusammenhang wurde die Bedeutung unterschiedlicher Wahrscheinlichkeitsverteilungen untersucht, die der Implementierung als Grundlage dienten. Im Zuge des Software-Engineerings wurde der bestehende Quellcode mittels der Programmiersprache R angepasst. Diese wurde nicht nur für die Implementierung des Algorithmus verwendet, sondern auch zur umfangreichen Datenanalyse. In diesem Kontext wurde der Fokus auf das Testen und Evaluieren der Ausgabe des Algorithmus gelegt.

Das Ziel dieser Bachelorarbeit konnte durch die dynamische Identifikation dreier rangbasierter A-priori-Verteilungen erreicht werden. Auf diese Weise können aussagekräftige Resultate unabhängig von der zu verarbeitenden Datenmenge geliefert werden. Zudem konnte im Zuge der Optimierung, sowohl die Genauigkeit als auch die Effizienz der Datenverarbeitung erhöht werden. Dies konnte anhand einiger Stichproben getestet und belegt werden. Die optimierte Variante des Algorithmus bietet eine stärkere Realitätsnähe, indem Daten über einen langfristigen Zeitraum hinweg berücksichtigt werden. Die Forschungsfragen konnten zudem vollständig beantwortet werden. Die Bayes'sche Inferenz bietet zahlreiche Ansätze zur Ermittlung der A-priori-Verteilung. Im Rahmen dieser Bachelorarbeit wurden insbesondere die Gamma-, Beta- und Binomialverteilung betrachtet. Es stellte sich heraus, dass die Gamma-Verteilung sich für die praktische Umsetzung besonders gut eignet, da diese sich aufgrund der Unabhängigkeit ihrer Form- und Skalenparameter flexibel verhält. Darüber hinaus berücksichtigt sie ausschliesslich positive reale Werte, was bei der Ereignisanalyse sinnvoll ist.