Zeitreihenanalyse im Monitoring - Trends, Saisonalität, Anomalien

Wissensdatenbank · 15. Juli 2026

Im Umweltmonitoring bedeutet eine einzelne Ablesung wenig - echtes Wissen entsteht, wenn sich die Messungen zu einer Zeitreihe ordnen. Erst eine Reihe zeigt, ob etwas steigt, fällt, jedes Jahr wiederkehrt oder plötzlich „hochgeschossen” ist. Es lohnt sich zu wissen, wonach man in einem solchen Diagramm sucht.

Drei Dinge, die wir aus einer Reihe lesen

• Trend - die langfristige Richtung (z. B. eine über die Jahre langsam steigende Phosphorkonzentration). Er beantwortet die Frage „wird es besser oder schlechter”.
• Saisonalität - ein wiederkehrender jährlicher oder täglicher Rhythmus (z. B. sommerliche Minima des Sauerstoffs, nächtliche Abfälle, Frühjahrsblüten). Sie muss man erkennen, um sie nicht mit einem Trend zu verwechseln.
• Anomalien - einzelne, untypische Abweichungen (z. B. ein Sprung der Trübung nach einem Starkregen). Ein Teil sind reale Ereignisse, ein Teil - Messfehler.

Werkzeuge der Interpretation - mit Namen und Anwendungsbedingungen

Die Grenzen einer I-MR-Karte werden nicht aus der Standardabweichung der Gesamtreihe berechnet, sondern aus der gleitenden Spannweite: σ̂ = MR̄ / 1,128 (Konstante d₂ für ein Zweierfenster), die Grenzen sind Mittelwert ± 3σ (Warngrenzen ± 2σ). Dieses Detail ist wichtig: Die Standardabweichung der Gesamtreihe enthält Trend und Saison, die Grenzen würden also so weit, dass sie nichts mehr erkennen.

⚠️ Eine Falle, über die kaum jemand schreibt: Umweltdaten sind zeitlich korreliert. Eine Sonde, die alle 15 Minuten misst, liefert keine 96 unabhängigen Beobachtungen pro Tag - der nächste Messwert wiederholt weitgehend den vorherigen. Signifikanztests setzen Unabhängigkeit voraus, deshalb liefern sie bei dichter Messfolge überhöhte Signifikanz: p = 0,002 kann nach Korrektur der Autokorrelation (z. B. Hamed-Rao-Korrektur für Mann-Kendall oder eine effektive Stichprobengröße n_eff) zu p = 0,064 werden - also nicht signifikant. Ein Monat mit 15-Minuten-Messungen kann n_eff ≈ 5 wert sein, nicht 2880.

Die häufigsten Fehler

• Saisonalität mit einem Trend verwechseln - „steigt” im Juli heißt nicht „steigt von Jahr zu Jahr”.
• Ungleiche Abstände / Lücken - sie beeinflussen Mittelwerte und Diagramme; man sollte sie markieren, nicht verbergen.
• Auf einen einzelnen Punkt reagieren - eine Anomalie bestätigt erst die nächste Messung oder der Kontext.
• Eine „kategoriale” Zeitachse - Daten müssen als Zeit (proportional) behandelt werden, nicht als Etiketten.
• Messstellen in einer Reihe vermischen - Daten mehrerer Stellen zusammengeklebt beschreiben einen räumlichen Gradienten, keinen zeitlichen Prozess; das kann sogar das Vorzeichen umkehren.
• Dichte Messfolge für eine größere Stichprobe halten - siehe oben: die Zahl der Zeilen ist nicht die Zahl unabhängiger Informationen.

Quellen

• Mann-Kendall-Test: Mann H.B. (1945), Nonparametric tests against trend, “Econometrica” 13(3): 245-259, doi:10.2307/1907187; Kendall M.G. (1975), Rank Correlation Methods.
• Sen-Steigung: Sen P.K. (1968), Estimates of the regression coefficient based on Kendall’s tau, “Journal of the American Statistical Association” 63(324): 1379-1389, doi:10.1080/01621459.1968.10480934.
• Korrektur der Autokorrelation: Hamed K.H., Rao A.R. (1998), A modified Mann-Kendall trend test for autocorrelated data, “Journal of Hydrology” 204(1-4): 182-196, doi:10.1016/S0022-1694(97)00125-X.
• Regelkarten und die Konstante d₂: klassische SPC-Methodik (Shewhart); die Konstante 1,128 gilt für die gleitende Spannweite mit Fenster 2.

In der Praxis

Eine gute Analyse beginnt mit einer geordneten, kontinuierlichen Reihe an festen Punkten. In LimnoLog ordnen sich die Messungen sofort zu Diagrammen über die Zeit (mit der Option, Saisons zu vergleichen), und den vollständigen Datensatz kannst du nach Excel exportieren oder für die statistische Analyse vorbereiten, wenn du tiefere Methoden brauchst.