Deprecated: Method ReflectionProperty::setAccessible() is deprecated since 8.5, as it has no effect since PHP 8.1 in /home/www/janmenser/site/addons/MathAddOn.php on line 37
Infraschall von Windrädern
Reboot CMS

Infraschall von Windrädern

30. Mai 2026

Tags: Klima, Gesundheit, Faktencheck, Wissenschaft
Lesezeit: 15 Minuten

Ein Klassiker bei den »Klimawandelkritikern«. Um direkt mit offenen Karten zu spielen: das was in dieser Studie »belegt« wird, wirkt auf mich methodisch schwach und politisch motiviert. Es geht um einen Artikel der Seite tkp.at, der einen Konferenzbeitrag (Poster) als Anlass nimmt, massive gesundheitliche Gefahren von Windkraftanlagen durch Infraschall zu behaupten. In diesem Artikel prüfe ich, ob die gezeigte Daten die behaupteten Schlussfolgerungen tragen.

Ich möchte hier nicht den allwissenden Gutachter spielen. Erstens bin ich auch nur ein Mensch und mache Fehler und zweitens bin ich selbst kein Fachmann im Bereich Epidemiologie; ich kann nur logisch die dargelegten Argumente nachvollziehen und mögliche Schwächen aufzeigen.

Meine Kritik an dem Poster wie auch an der Internetseite: Die verwendeten Daten zeigen keine Evidenz für einen Zusammenhang zwischen Infraschall durch Windkraftanlagen und Herz-Kreislauf-Erkrankungen. Die Unterschiede können allein durch die Altersstruktur der verglichenen Städte/Gemeinden erklärt werden.

Wissenschaftsleugnung

Nach Wikipedia ist Wissenschaftsleugnung die „systematische Zurückweisung empirischer Belege, um unerwünschte Tatsachen oder Schlussfolgerungen zu umgehen.“ Um diese Leugnung zu charakterisieren werden fünf verschiedene Elemente beschrieben, die im Deutschen mit PLURV abgekürzt werden:

  • P = Pseudoexperten
  • L = Logische Trugschlüsse
  • U = Unerfüllte Erwartungen
  • R = Rosinenpickerei
  • V = Verschwörungserzählungen

Von Wissenschaftsleugnung spricht man, wenn mehrere oder alle Elemente miteinander abgestimmt verwendet werden. Ich werde die einzelnen Elemente nicht für euch abhaken und diese Struktur nicht als starre Checkliste anwenden. Ich zeige euch die PLURV-Elemente als Lupe: Welche Warnsignale sollte man beachten und wie funktioniert die medialen Verbreitung? Welche red flags werden sichtbar, wenn man hinter jeder Aussage die PLURV-Logik durchgeht.

Ihr werdet bei der Beschreibung schnell ein ähnliches Störgefühl bekommen wie ich. Dann ist es egal, ob es nun der Pseudoexperte ist oder der logische Trugschluss ist. Die Hauptsache ist, dass ihr den Fühler für dieses Störgefühl trainiert!

Erster Blick auf das Poster

Das Poster ist recht einfach aufgebaut mit folgenden Kapiteln: Hintergrund, Methoden, Ergebnisse und Schlussfolgerung. Es werden drei Grafiken bzw. Abbildungen gezeigt. Das wirkt jetzt erstmal recht normal. Interessant wird es, wenn man sich anschaut, was nicht gezeigt wird:

  • es gibt keine Liste mit Literaturzitaten = Diese Arbeit kommt aus dem Nichts. Es wird zwar von vorhergehenden experimentellen Studien berichtet, diese werden aber nicht zitiert. Der interessierte Leser hat hier keine Möglichkeit die Aussagen zu verifizieren – oder zu falsifizieren.
  • Die Affiliations der Autoren sind nicht von der Uni Mainz, sondern von einer Domain außerhalb der Johannes-Gutenberg-Universität Mainz, die aber sehr ähnlich lautet. (Beachtet bei der Domain: arbeitsgruppe – infraschall – uni – mainz.de).
  • Der Corresponding Author gibt eine GMX Mailadresse an, also kann kein offizieller Kontakt über/zu einen Uni Lehrstuhl hergestellt werden. Das ist problematisch, da somit die Identität des Autors nicht verifiziert werden kann.
  • Bei einer schnellen Suche auf den offiziellen Internetpräsenzen der Uni Mainz und der Unimedizin Mainz nach „Infraschall“ und „Infrasound“ kommen keine Ergebnisse, bis auf ein PDF aus dem Jahr 2018.
  • Herr Prof. Vahl war von 2004 bis 2020 Professor an der Universität Mainz. Nach der Pensionierung darf der Professortitel jedoch weitergeführt werden.
  • Der mögliche Coautor des Posters Dr. Sven-Oliver Dietz ist Mitarbeiter im Zentrum für Orthopädie und Unfallchirurgie der Universitätsmedizin Mainz. Auf dem Poster wird aber nur ein Oliver Dietz genannt.
  • Beide Autoren des Posters arbeiten nicht im Bereich der Epidemiologie. Das muss nichts bedeuten, sie sind aber keine expliziten Fachexperten für solche Studien.

In dieser Aufzählung ist das Fehlen von Zitaten ein eindeutiges Warnsignal, die weiteren Punkte sind nur auffällig und können auch durch z.B: Bequemlichkeit oder Sorglosigkeit hervorgerufen werden. Die Beziehung zur Universität Mainz ist zumindest erklärungsbedürftig.

Bevölkerungsstruktur

Das Kernstück dieser Studie ist das Herausarbeiten der Gleichheit der vier betrachteten Städte/Gemeinden Hövelhof, Lichtenau, Borchen und Delbrück. Und das wurde in „aufwendiger systematischer soziogeographischer Analyse“ durchgeführt. Dabei sollen folgende Bedingungen gefordert worden sein:

  • vergleichbare klimatische Bedingungen
  • vergleichbarer ethnischer Zusammensetzung, Alters- und Geschlechtsstruktur
  • vergleichbare sozioökonomische Parameter
  • die Abwesenheit von Kernkraftwerken, Chemiebetriebe, Fluglärm, Großbaustellen

Ich kann und werde diese Punkte nicht vollständig für vier Städte nachvollziehen können. Ich beschränke mich darum ausschließlich auf die gezeigten Daten der Bevölkerungszusammensetzung (letzte Abbildung) und deren Implikation. Diese Daten scheinen dem Autor ja besonders wichtig zu sein, sonst hätte er genau diesen Daten nicht 14% der informativen Fläche (also ohne Titel und Logos) gegeben. Das entspricht etwa der Fläche der Abbildung der geografischen Lage der vier Städte mit Windrädern und ist 50% mehr Fläche als die Abbildung der Entwicklung der Herz-Kreislauf-Erkrankungen. Das ist also schon mal ein Statement.

Auf den ersten Blick sieht die Demografie der vier Städte wirklich sehr ähnlich aus. Da scheint ja die Bedingung der „vergleichbaren Altersstruktur“ erfüllt zu sein. Das Balkendiagramm sieht für die 10 Altersklassen ja wirklich vergleichbar aus. Es gibt aber auch hier wieder Indikatoren, dass die Grafik irreführend ist.

  • Im Bereich von 0 bis 64 Jahre gibt es neun Altersklassen. Für den Bereich über 65 nur eine! Ich habe in einer zehn-minütigen Suche bereits besser aufgelöste Daten für die vier Gemeinden gefunden. Frei zugänglich!
  • In Delbrück und Hövelhof sind in der Klasse der 25- bis 40-Jährigen ca. 19% der Bevölkerung und in Borchen und Lichtenau 17%.
  • In Delbrück sind in der Klasse der über 65-Jährigen ca. 20% der Bevölkerung, in Hövelhof 21% und in Borchen und Lichtenau 21,5%.
  • Als Nebenbemerkung: Das Balkendiagramm ist falsch sortiert. Die Altersklasse 6 bis 14 Jahre liegt zwischen den Klassen 40 bis 60 und 60 bis 65.

Meine schnelle Recherche zu Hövelhof, Lichtenau, Borchen und Delbrück zeigen eine ähnliche Ausprägung der Demographie, nur besser aufgelöst für die über 35-Jährigen .

Abbildung 1: Die Bevölkerungsanteile werden für jede Stadt/Gemeinde in Altersklassen eingeteilt. Das gezeigte Balkendiagram hat eine ähnliche Verteilung, wie das Diagramm auf dem diskutierten Poster.

Was beim Vergleich der Posterdaten und der den besser aufgelösten Daten auffällt ist, dass gerade im Bereich zwischen 40 und 60 eine Trendwende stattfindet. Am Beispiel Lichtenau wird klar, dass dort verhältnismäßig wenige 45- bis 54-jährige und viele 55- bis 64-jährige Einwohner leben. Fasst man diese Alterskohorte zusammen, fällt der Unterschied in den Altersgruppen natürlich nicht mehr auf.

Das sind die kleinen, aber feinen Unterschiede, die eine riesige Wirkung haben können. Für die Bevölkerungsstruktur können wir schon mal festhalten, dass sie wirklich schon sehr ähnlich aussehen, aber dennoch in entscheidenden Altersklassen Unterschiede bestehen.

Da diese Auflösung - oder besser das Zusammenfassen - der Altersklassen im nächsten Kapitel wichtig wird, will ich diese Aussage am Konkreten Fall aufzeigen. Dazu schaue fasse ich die drei Altersklassen zwischen 35 und 64 Jahren einfach zu einer zusammen.

Abbildung 2: Durch die Zusammenfassung von Altersklassen. werden Abweichungen weniger offensichtlich.

Die Abbildung zeigt sehr eindeutig, dass sich die Schwankungen, vor allem für Lichtenau, durch das Zusammenfassen an den Durchschnitt der anderen Städte/Gemeinden angleichen. Wenn der Effekt, auf den dieses Poster abzielt, für alle Altersklassen gleich wäre, dann kann man das so auch ohne Probleme machen. Jedoch gilt dies nicht für die Prävalenz von Herz-Kreislauferkrankungen.

Herz-Kreislauf-Erkrankungen

Bei der Betrachtung der Studien über Herzrhythmusstörungen und Herzinsuffizienz gibt es eine ganz klare Altersabhängigkeit. Diese können aus vielen Studien (s.u.) herausgelesen werden.

Die Daten der verschiedenen Veröffentlichungen sind natürlich nicht nach einer einheitlichen Altersklassenstruktur erstellt; jeder Autor sortiert die Altersklassen nach seinen Erkenntnissen. Diese Tabelle soll den Versuch wagen, die den Zusammenhang zwischen verschiedenen Altersklassen, der Prävalenz für Herzinsuffizienz und Vorhofflimmern aus den unten zitierten Publikationen zusammenzufassen.

Für die Herzinsuffizienz ergibt sich folgende Tabelle:

Altersklasse Prävalenz Referenz
25–49 Jahre 1,36% Ceia et al. (EPICA)
45–54 Jahre 0,7% – 1,3% ⁓ 1% van Riet et al.
50–59 Jahre 2,93% Ceia et al. (EPICA)
60–69 Jahre 7,63% Ceia et al. (EPICA)
70–79 Jahre 12,67% Ceia et al. (EPICA)
70–80 Jahre 17,6% – 24,5% ⁓ 21% van Riet et al.
80+ Jahre 16,14% Ceia et al. (EPICA)

Für das Vorhofflimmern ergibt sich folgende Tabelle:

Altersklasse Prävalenz Vorhofflimmern Referenz
< 49 Jahre 0,12% – 0,16% ⁓ 0,14% Zoni-Beriso et al.
55–59 Jahre 0,7% Heeringa et al.
60–64 Jahre 1,7% Heeringa et al.
60–70 Jahre 3,7% – 4,2% ⁓ 3,95% Zoni-Beriso et al.
65–69 Jahre 4,0% Heeringa et al.
70–74 Jahre 6,0% Heeringa et al.
75–79 Jahre 9,0% Heeringa et al.
80–84 Jahre 13,5% Heeringa et al.
80+ Jahre 10% – 17% ⁓ 13,5% Zoni-Beriso et al.
85+ Jahre 17,8% Heeringa et al.

Diese zwei Tabellen lassen sich auch gut grafisch darstellen. Um die Altersklasse der Paper auf meine Altersklassen zu mappen, habe ich eine Errorfunction an die Daten angefittet. Außer der Datenpunkte habe ich keine weiteren Einschränkungen verwendet. Die resultierenden Kurven spiegeln den Verlauf der beiden Datensätze auf den ersten Blick gut wieder:

  • unter 50 Jahre: nahezu konstanter Verlauf der jeweiligen Prävalenzen
  • zwischen 50 und 80 Jahren: exponentieller Anstieg
  • über 80 Jahre: Abflachung

Abbildung 3: Für die Altersklassen aus Bild 1 wird die jeweilige Prävalenz für Herzinsuffizienz und Herzrhythmusstörungen dargestellt. Die Kurven wurden mit der non-linear least-squares Funktion in MATLAB an die Datenpunkte angefittet.

Ich möchte euch nun erklären, wie man aus den zwei unterschiedlichen Datensätzen die statistische Erkrankungsrate bestimmt. Seit vorsichtig mit Statistik; man kann mit ihr extrem gut Schätzwerte berechnen oder bestimmen, ob ein Datensatz von »üblichen« Werten abweicht. Auf dem Poster werden jedoch offizielle Werte der Kassenärztlichen Vereinigung verwendet. Diese werden abweichen vom statistischen Wert. Wir können jedoch abschätzen, ist der Trend erwartbar oder passiert hier etwas Merkwürdiges.

Gehen wir das Vorgehen mit einem Beispiel für das Jahr 2024 durch:

  • In Delbrück wohnen 4137 Menschen in der Altersgruppe 45 bis 54 Jahre
  • Mit der Gesamtbevölkerung von 31931 sind das 12,96%
  • Die Prävalenz für Herzrhythmusstörungen in dieser Altersklasse liegt bei 0,38%. Das bedeutet, dass im Mittel 0,38% der Bevölkerung diese Diagnose hat.
  • Es folgt damit 4137 × 0,38% = 15,7 Personen in Delbrück hätten statistisch Herzrhythmusstörungen.
  • Wenn wird diese Rechnung nun für alle Altersklassen durchführen erhalten wir als Ergebnis, dass statistisch gesehen 641,14 der Delbrücker Herzrhythmusstörungen hätten. Das ist aber nicht die diagnostisch bestimmte tatsächliche Anzahl.
  • Wenn wir jetzt noch die relative Erkrankung ausrechnen, dann absolute Anzahl an statistisch Erkrankten durch die Gesamtbevölkerung mit 641,14 / 31931 × 100 = 2%. Also über die gesamte Bevölkerung von Delbrück sind 2% an Herzrhythmusstörungen erkrankt.

Um den Effekt der zusammengefassten Altersklasse zu demonstrieren gehe ich ein weiteres Beispiel, diesmal für Lichtenau, mit euch durch. Da sich die Altersklassen nicht perfekt überschneiden, ist diese Beispiel nur illustrativ gemeint, es zeigt aber eindrücklich, welche Effekte diese Herangehensweise hat:

  • Das Poster verwendet die Altersklasse 40 bis 60 Jahre; meine Rechnung verwendet die Altersklassen 35-44, 45-54 und 55-64. Also auf beiden Altersseiten etwas mehr.
  • Die Prävalenz bei der Altersklasse Poster passt ca. zu der Altersklasse 45 bis 54 Jahre, also 0,38%.
  • Ich habe noch eine zweite Spalte mit der über über den Fit gemittelten Prävalenz eingefügt.
Alter [Jahre] 40 bis 60 40 bis 60 35 bis 44 45 bis 54 55 bis 64
Bevölkerung 1359 1359 574 654 924
Bevölkerung 27,2% 27,2% 11,5% 13,1% 18,5%
Prävalenz 0,38% 0,55% 0,03% 0,38% 1,66%
Erkrankungen 5,164 7,475 0,172 2,485 15,34
Erkrankungen 0,379% 0,55% 0,03% 0,379% 1,66%

Es ist offensichtlich, dass die Auswahl der Größe der Altersklasse einen nicht unerheblichen Effekt hat. Die statisch berechnete relative Anzahl an Erkrankungen ist bei der feineren Altersabstufung ca. doppelt so hoch. Durch den überlinearen Zusammenhang, haben ältere Personen einen sehr großen Einfluss auf die Anzahl.

Also, wenn in einer Gemeinde weniger Senioren und mehr Menschen im mittleren Alter wohnen, sinkt die Wahrscheinlichkeit an Herzproblemen zu erkranken. Wie man das ausrechnet, habe ich euch an den zwei Beispielen gezeigt. Nun machen wir das für alle Altersklassen und die vier Städte/Gemeinden.

Jahr 2024 Delbrück Hövelhof Lichtenau Borchen
Herzinsuffizienz 4,48% 4,64% 4,61% 4,66%
Herzrhythmusstörungen 2,01% 2,12% 2,08% 2,13%

Die Tabelle gibt an, wie viele Menschen der jeweiligen Städte prozentual an den zwei betrachteten Herzproblemen leiden; hergeleitet aus den veröffentlichten Altersstrukturen und der zugehörigen Prävalenz.

Man kann eindeutig erkennen, dass für die G2-Städte Delbrück und Hövelhof niedrigere Erkrankungsrate zu erwarten sind als für die G1-Städte Lichtenau und Borchen. Wenn man noch genauer hinschaut kann man auch noch erkennen, dass

  • Hövelhof (G2) zu viele Herzkrankheiten im Vergleich zum erwarteten Ergebnis aufzeigt. Das passt nicht zur Aussage der Autoren.
  • die beiden G1-Städte genau im Erwartungshorizont liegen.

Für diese Analyse habe ich nur den Messpunkt bei 2024 verwendet.

Disclaimer: Meine Rechnung ist keine epidemiologische Analyse, sondern ein sanity check - ich bin kein Mediziner oder Epidemiologe. Wenn ich bereits nur durch die Altersstruktur einen ähnlichen Zusammenhang berechnen kann, dann ist die Behauptung eines kausalen Zusammenhangs zwischen Windkraft und Herz-Kreislauf-Erkrankungen nicht belastbar.

Entwicklung der Anzahl der Windkraftanlagen

Auch im Zubau von Windkraft unterscheiden sich die vier Gemeinden/Städte. Während in Delbrück und Hövelhof keine Windkraftanlagen zugebaut wurden, wird in Borchen und Lichtenau massiv ausgebaut.

Anlagenanzahl im Jahr Delbrück Hövelhof Lichtenau Borchen
2015 6 Anlagen 0 Anlagen Dreistelliger Megawatt-Bestand 25 Anlagen
2024 6 Anlagen 0 Anlagen Ca. 190 Anlagen > 45 Anlagen

Wenn man nun die Anzahl der Windkraftanlagen als Indikator für Herz-Kreislauf-Probleme verwenden möchte, dann sollte sich die Anzahl der Erkrankungen auch mit der Anzahl der Windkraftanlagen korrelieren. Für die beiden G1-Städte (bei denen der Posterautor einen negativen Einfluss von Windkraftanlagen vermutet) ist der Trend jedoch genau umgekehrt. Bei dem Zubau von Windkraft nimmt das Aufkommen von Herzproblemen ab.

Würden wir dieselbe Korrelationslogik anwenden wie die Autoren, dann müssten wir sogar zum gegenteiligen Schluss kommen, nämlich dass Windkraft gut gegen Herz-Kreislauf-Krankheiten ist. Genau das zeigt, wie wenig belastbar diese Art der Argumentation ist.

Die wissenschaftliche Einordnung

Wissenschaftliche Veröffentlichungen sind oft sehr ähnlich aufgebaut: erst kommt der Abstract, dann die Einleitung, dann die Methoden, dann die Messungen, dann die Zusammenfassung und dann der Ausblick.

Wichtig für diesen Abschnitt ist mir die Einleitung, denn diese hat eine Funktion. Sie soll den Kontext des behandelten Themas herstellen und dabei den aktuellen Forschungsstand und die Wissenslücke klar herausarbeiten. Am Ende der Einleitung steht die Fragestellung der Veröffentlichung.

Mein Problem hierbei: Es werden bei diesem Poster international renommierte Gegenpositionen nicht erwähnt. Anbei eine kurze Liste an Gegenstimmen, die ich in wenigen Minuten Internetrecherche gefunden habe.

  1. Der Einfluss anderer Emissionsquellen (Pkw) wird nicht berücksichtigt
  2. Herr Vahl genießt ein gewisses Renommee und scheint sich von Kritik nicht beeindrucken zu lassen.
  3. Es werden unplausible Messergebnisse verwendet. (Faktor 4000 über dem plausiblen Wert)
  4. Publikationen mit anderem Ausgang werden nicht zitiert.

Es kann passieren, dass man mal etwas übersieht. Es ist auch nie möglich über ein so dynamisches Thema wie den erneuerbaren Energien einen vollständigen Überblick zu wahren. Der Autor ist jedoch seit längerem unter Kritik. Diese wird bereits auf seinem Wikipedia Artikel beschrieben. Er kann die Kritik eigentlich nicht übersehen haben.

Der Verbreitung des Posters

Da sind wir bereits am Ende dieses Blogartikels mit dem Thema der Verbreitung des Posters. Das Poster hält sich mit Dramatisierung und Panikmache noch sehr gut zurück. Das ändert sich mit dem zitierenden Blog auf tkp.at. Ich führe nur einige Zitate auf und ihr dürft selbst einschätzen, ob diese unter Panikmache fallen:

  • „Das ist kein „Verschwörungstheorie“-Geschwätz aus dem Internet“
  • „Warum wird das totgeschwiegen? Weil es nicht ins Narrativ passt.“
  • „Wer weiterhin behauptet, Windkraft sei „gesund und sauber“, lügt wissentlich oder hat die Daten nicht gelesen“
  • „Oder sie riskiert, dass noch mehr Menschen buchstäblich das Herz bricht“

Zusammenfassung

Das Poster zeigt keine belastbare Evidenz dafür, dass Windkraft-Infraschall Herz-Kreislauf-Erkrankungen verursacht:

  • die Datenlage ist nicht dokumentiert
  • Effekte der Altersstruktur werden nicht zuverlässig eingeordnet
  • der Zubau von Windkraftanlagen ist gegensätzlich zur behaupteten Wirkung

Was übrigbleibt ist rein spekulative Interpretation und sechs Stunden, die ich für die Analyse dieses Posters investiert habe.

Gerade deshalb sind solche Blogs problematisch: Auf den ersten Blick wirkt das Poster informativ und plausibel. Erst bei genauerem Hinsehen zeigen sich fehlende Quellen, nicht bestätigbare Annahmen und eine nicht belastbare Kausalinterpretation. Dazu schreibe ich diese Artikel, um euch aufzuklären und das Handwerkszeug zu geben solche Formen der Wissenschaftsleugnung besser zu erkennen.

Referenzen

Weiterlesen?