Zum Inhalt springen
Likelier

Empfundene Angst vs. tatsächliche Wahrscheinlichkeit

Wie hoch ist die Wahrscheinlichkeit, eine zwanghafte Kaufstörung zu entwickeln?

Lebenszeit-Wahrscheinlichkeit

~1 zu 20

adults meets criteria for compulsive buying disorder on validated scales

4,9% Wahrscheinlichkeit über die Lebensspanne

Die meisten unterschätzen dies.

Bezugsrahmen variieren — als typische Lebenszeit-Chance eines Erwachsenen dargestellt. Methode ansehen.

Sonstiges · geprüft 2026-06-14
Evidenzqualität 4.5/5

Bewertungsergebnis nach acht Dimensionen gemäß der Qualitätsrubrik . Jede Dimension wird mit 1–5 bewertet.

D1 Quellenverankerung
5/5
D2 Quellenautorität
5/5
D3 Arithmetik
4/5
D4 Unsicherheit
5/5
D5 Geltungsbereich
3/5
D6 Prosa
5/5
D7 Ehrlichkeit zur Wahrnehmung
4/5
D8 Vollständigkeit der Einschränkungen
5/5
Durchschnitt 4.5/5
Direkte Evidenz
Source Government statistic · Consumer Financial Protection Bureau
Lebenszeit, US-Erwachsener jedes Band = 10× seltener → an Ihre Faktoren angepasst Vollständige Skala anzeigen →
sicher 1 zu 1 Tsd. 1 zu 1 Mio. 1 zu 1 Mrd.
1 in 7.5 1 in 20

● Ihre Faktoren — auf dieses Risiko ▾ klicken zum Anzeigen

  1. Deine Faktoren
Abstract illustration of stacked shopping bags casting a long shadow over a receipt, muted tones, flat vector.

Wahrgenommen

Zwanghaftes Kaufen wird häufig als Marotte der wohlhabenden Welt oder als ein Charakterfehler abgetan, der als Störung verkleidet wird. Das populäre Konzept der »Kauftherapie« rahmt gelegentliches übermässiges Einkaufen als harmlose emotionale Regulierung, und die Explosion des Online-Handels — Ein-Klick-Kauf, algorithmische Empfehlungen, kostenlose Rücksendungen — hat Verhaltensweisen normalisiert, die einst mehr bewusste Anstrengung erfordert hätten. Weder DSM-5 noch ICD-11 führen zwanghaftes Kaufen derzeit als eigenständige Diagnose, was sowohl zur klinischen Unterdiagnose als auch zur öffentlichen Unterschätzung ihrer Prävalenz beiträgt. Wenn die Erkrankung anerkannt wird, wird sie oft als Frauenproblem oder als milde Impulskontroll-Marotte stereotypisiert, was die finanzielle Zerstörung und die psychiatrische Komorbidität, die klinisch bedeutsame Fälle kennzeichnen, herunterspielt.

Grobe Schätzung: ~1–2 % der Erwachsenen

Quelle: redaktionelle Einschätzung, nicht erhoben

Tatsächlich

~4,9 % gepoolte Prävalenz in repräsentativen Erwachsenenpopulationen (Maraz, Griffiths & Demetrovics, 2016, Addiction; Meta-Analyse von 40 Studien)

Erwachsene in repräsentativen Bevölkerungsstichproben aus 16 Ländern (Meta-Analyse von 40 Studien, n=32.000+)

Berechnung anzeigen

Maraz, Griffiths & Demetrovics (2016, Addiction) führten eine systematische Übersicht und Meta-Analyse von 40 Studien durch, die 49 Prävalenzschätzungen aus 16 Ländern berichteten (Gesamt-n=32.000+). Speziell in repräsentativen Erwachsenen-Bevölkerungsstichproben lag die gepoolte Prävalenz bei 4,9 % (95%-KI: 3,4 %–6,9 %). Dies wird als beste verfügbare Schätzung für die Lebenszeitwahrscheinlichkeit einer US-erwachsenen Person behandelt, da keine US-spezifische Längsschnittstudie über die Lebenszeit existiert. Die globale gepoolte Schätzung wird auf den US-Erwachsenen-Kontext angewendet; das Fehlen starker Belege für eine grössere US-spezifische Abweichung stützt diese Näherung. Das KI aus der Meta-Analyse (3,4 %–6,9 %) wird direkt als Unsicherheitsspanne verwendet; die zentrale Schätzung (0,049) liegt innerhalb dieser Spanne. Hier wird die Punktprävalenz verwendet, da für die zwanghafte Kaufstörung keine Studien zur kumulativen Lebenszeit-Inzidenz existieren; das Lebenszeitrisiko ist plausibel etwas höher als die querschnittliche Rate von 4,9 %, aber die meta-analytisch gepoolte Zahl ist der strengste verfügbare Anker.

Einschränkungen: Die zwanghafte Kaufstörung ist im DSM-5 oder ICD-11 mit Stand 2026 nicht als eig…

Die zwanghafte Kaufstörung ist im DSM-5 oder ICD-11 mit Stand 2026 nicht als eigenständige Diagnose aufgeführt. Prävalenzschätzungen variieren erheblich je nach Messinstrument: Die Compulsive Buying Scale (CBS), die Edwards Compulsive Buying Scale und der Questionnaire About Buying Behavior ergeben unterschiedliche Cut-off-Raten. Die Meta-Analyse von Maraz et al. bündelt Schätzungen aus Daten von 2016 — vor der vollen Ausbreitung des mobilen Handels, algorithmischer Empfehlungsmaschinen und des Ein-Klick-Kaufs, die alle die Prävalenz seit Durchführung der Meta-Analyse wahrscheinlich erhöht haben. Die weibliche Dominanz ist über klinische Stichproben hinweg konsistent, kann aber teilweise unterschiedliches Hilfesuchverhalten und die soziale Akzeptabilität der Offenlegung von Kaufproblemen widerspiegeln. Die Zahl von 4,9 % stammt aus repräsentativen Erwachsenenpopulationen; Universitäts- und einkaufsspezifische Stichproben zeigen deutlich höhere Raten (8,3 % bzw. 16,2 %), was darauf hinweist, dass Kontext und Stichprobenrahmen die Schätzungen erheblich beeinflussen. Es existiert keine langfristige Längsschnittstudie zur kumulativen Lebenszeit-Inzidenz. Eine Entwicklung von 2024/25, die sich in der Schlagzeile von 4,9 % nicht widerspiegelt, ist die Etablierung von Buy-now-pay-later (BNPL) im Mainstream. Bis 2024 hatten rund 43 % der US-Erwachsenen einen BNPL-Dienst genutzt (LendingTree/QuestionPro, n=2.049, erhoben im März 2024), und die Nutzung ist stark auf Junge verschoben: 58 % der Generation Z gegenüber 24 % der Babyboomer. Das Untergruppenrisiko ist eines der Überschuldung und des Zahlungsverzugs statt eines gemessenen Anstiegs der Prävalenz der zwanghaften Kaufstörung: 45 % der BNPL-Nutzer der Generation Z (18–27 Jahre) und 44 % der Millennials (28–43) hatten im vergangenen Jahr verspätet gezahlt, gegenüber 20 % der Generation X (44–59) und nur 7 % der Boomer (60–78); 54 % der Nutzer gaben an, einen Kauf finanziert zu haben, obwohl sie ihn sich zu diesem Zeitpunkt nicht leisten konnten; und die Generation Z berichtete das höchste Bedauern (62 % gegenüber 26 % bei der Generation X, 21 % bei den Boomern). Das CFPB stellte fest, dass BNPL-Kreditnehmer im Durchschnitt deutlich häufiger hoch verschuldet waren, Kreditkartenschulden vor sich herschoben, Zahlungsverzüge bei traditionellen Kreditprodukten aufwiesen und hochverzinsliche Finanzdienstleistungen wie Payday-, Pfand- und Überziehungskredite nutzten als Nicht-BNPL-Kreditnehmer. Wichtig ist, dass bislang keine Studie eine validierte Rate der zwanghaften Kaufstörung für junge BNPL-Nutzer quantifiziert — die BNPL-Literatur verwendet zwanghaftes Ausgeben nur als Näherungsgrösse in querschnittlichen Gelegenheitsstichproben (systematische Übersicht von Cham et al., 2025), sodass dies als unquantifiziertes Untergruppen-Anliegen dargestellt wird, nicht als Prävalenz-Multiplikator auf die Zahl von 4,9 %.

Verwandte Risiken

Andere Risiken zu ähnlichen Themen — zum Erkunden verwandter Ängste.

Gesundheit

Zwanghaftes sexuelles Verhalten

Wie hoch ist die Wahrscheinlichkeit, eine zwanghafte sexuelle Verhaltensstörung zu entwickeln?

Technik

Problematische Social-Media-Nutzung

Wie hoch ist die Wahrscheinlichkeit einer problematischen Nutzung sozialer Medien als Erwachsener?

Sonstiges

Day-Trading-Verluste

Wie hoch ist die Wahrscheinlichkeit erheblicher finanzieller Verluste beim aktiven Privatanlegerhandel?

Sonstiges

BNPL: verpasste Zahlung

Wie wahrscheinlich ist es, dass ein Buy-now-pay-later-Nutzer eine Zahlung verpasst?

Sonstiges

Tod in der Hochseefischerei

Wie hoch ist die Wahrscheinlichkeit, im Laufe einer gesamten Karriere als Berufsseefischer zu sterben?

Sonstiges

Seniorenbetrug-Verlust

Wie wahrscheinlich ist es, dass eine Person ab 60 im Ruhestand Geld durch einen Finanzbetrug verliert?

Sonstiges

Extremistische Regierungs-Katastrophe

Wie hoch ist die Wahrscheinlichkeit, dass eine politisch extremistische Regierung Ihr Land katastrophal ruiniert?

Sonstiges

Tod eines Kampfpiloten

Wie hoch ist die Wahrscheinlichkeit, dass ein US-amerikanischer Militärjetpilot im Laufe seiner Karriere bei einem Flugunfall oder im Kampfeinsatz stirbt?

Vergleichen mit:

Rund 4,9 % der Erwachsenen in repräsentativen Bevölkerungsproben erfüllen die Kriterien für zwanghaftes Kaufverhalten auf validierten Screening-Instrumenten, laut einer systematischen Übersicht und Meta-Analyse von 2016 über 40 Studien in 16 Ländern (Gesamt-n=32.000+) von Maraz, Griffiths und Demetrovics, veröffentlicht in Addiction (95%-KI: 3,4 %–6,9 %). Das stellt die Störung in ungefähr dasselbe Prävalenzband wie die Zwangsstörung — weit verbreitet genug, um regelmässig in jeder hausärztlichen Praxis aufzutauchen, selten genug, dass die meisten Menschen, die damit konfrontiert sind, sie nicht beim Namen erkennen würden. Die Störung ist durch Kaufbesessenheit, wiederholt erfolglose Versuche, das Einkaufen einzuschränken, und erhebliche finanzielle oder beziehungsbezogene Konsequenzen gekennzeichnet — unterscheidet sich von gewöhnlichem Impulskauf durch ihre Beständigkeit, den Leidensdruck und die funktionelle Beeinträchtigung.

Weder DSM-5 noch ICD-11 klassifizieren zwanghafte Kaufstörungen derzeit als eigenständige Diagnose. Diese Abwesenheit hat Konsequenzen: Ohne einen Diagnosecode ist eine Versicherungserstattung für die Behandlung schwierig, die Bevölkerungsüberwachung ist lückenhaft, und Kliniker screenen möglicherweise nicht routinemässig darauf. Die Störung sitzt in einem unbequemen definitorischen Raum, der unterschiedlich als Impulskontrollstörung, Erkrankung aus dem Zwangsspektrum oder Verhaltenssücht vorgeschlagen wird — und die Klassifikation ist wichtig dafür, welche Behandlungsmodelle angewendet werden. Die Meta-Analyse von 2016 geht der Mobile-Commerce-Ära voraus; ein Smartphone-Nutzer von 2016 und einer von 2026 erleben Kaufreibung, die sich um eine ganze Grössenordnung unterscheidet, und die Evidenzbasis hat noch nicht eingeholt, was diese Verschiebung für die Prävalenz des zwanghaften Kaufens bedeutet.

Die 4,9-%-Schätzung gilt für repräsentative Erwachsenenproben; Raten in Universitätspopulationen (8,3 %) und einkaufsspezifischen Proben (16,2 %) sind erheblich höher, was darauf hindeutet, dass der Stichprobenrahmen die Schätzung dramatisch prägt. Weibliche Dominanz ist in klinischen Studien konsistent — Frauen machen rund 80 % der klinischen Fälle aus — kann aber teilweise unterschiedliches Hilfesuchverhalten oder gesellschaftliche Akzeptabilität der Offenlegung widerspiegeln statt echter Inzidenzunterschiede. Komorbide Depression, Angst und Zwangsstörung sind häufig; die Richtungsbeziehung (treibt Kaufverhalten die Stimmungsregulierungsstörung an oder umgekehrt) bleibt umstritten. Es gibt keine langfristigen Längsschnittstudien zur kumulativen Lebenszeit-Inzidenz, so dass die Prävalenzzahl hier den Anteil repräsentiert, der bei einer gegebenen Querschnittsmessung die Kriterien erfüllt, nicht eine echte Lebenszeitwahrscheinlichkeit.

Etwa 1 von 20 Erwachsenen erfüllt auf validierten Skalen die Kriterien der Kaufsucht, eine gepoolte Prävalenz von ~4,9% über 40 Studien. Sie wird meist als Persönlichkeitsmacke abgelegt statt als die Störung der Impulskontrolle, die die Screening-Daten beschreiben.

Quellenregister

Jede Zahl unten ist das, was die jeweilige Quelle berichtet hat — mit dem wörtlichen Zitat, auf das wir uns stützen, und wie wir zu unserer Zahl gelangt sind. Klicke auf einen Link, um direkt zu prüfen.

2/5 Quellen unabhängig wortwörtlich mit der zitierten Quelle abgeglichen

  1. [1] Addiction / PubMed — The prevalence of compulsive buying: a meta-analysis
    The prevalence of compulsive buying: a meta-analysis
    Statistik
    Pooled prevalence of compulsive buying in adult representative populations: 4.9% (95% CI: 3.4%–6.9%); 40 studies, 16 countries, n>32,000
    Auszug
    “"The pooled prevalence for compulsive buying behaviour in adult representative samples was 4.9% (95% CI 3.4–6.9%), compared with 12.3% in adult non-representative samples, 8.3% in university student populations, and 16.2% in shopping-specific samples." ”
    Quelldaten von
    2016-03-01
    Abgerufen
    2026-05-04 · archivierte Kopie
    Berechnung
    Primary prevalence source. The 4.9% figure (95% CI 3.4%–6.9%) from representative adult population samples is used directly as the native rate (numerator=4.9, denominator=100). For normalization, lifetime_us_adult=0.049 treats this global pooled cross-sectional rate as a US-adult approximation, with the meta-analytic 95% CI providing the uncertainty bounds directly (low=0.034, high=0.069). The Maraz et al. meta-analysis pooled studies using the Compulsive Buying Scale (CBS), the Compulsive Buying Screening Tool (CBST), the Questionnaire About Buying Behavior (QABB), and other validated instruments.
  2. [2] Addiction / Wiley Online Library — The prevalence of compulsive buying: a meta-analysis — Addiction (Wiley)
    The prevalence of compulsive buying: a meta-analysis — Addiction (Wiley)
    Statistik
    Meta-analysis of 40 studies, pooled prevalence 4.9% in representative adult samples (95% CI 3.4%–6.9%)
    Auszug
    “"The meta-analysis found that the pooled prevalence for compulsive buying behaviour in adult representative population samples was 4.9% (95% CI: 3.4–6.9), with significant between-study heterogeneity." ”
    Quelldaten von
    2016-03-01
    Abgerufen
    2026-05-04 · archivierte Kopie
    Berechnung
    Secondary citation to the Wiley journal version of the same Maraz et al. (2016) meta-analysis. Confirms the 4.9% (95% CI 3.4%–6.9%) finding in representative adult samples. No additional arithmetic beyond the primary source.
  3. [3] Journal of Behavioral Addictions / PMC — Treatments for compulsive buying: A systematic review of the quality, effectiveness and progression of the outcome evidence Verifiziert
    Treatments for compulsive buying: A systematic review of the quality, effectiveness and progression of the outcome evidence
    Statistik
    A meta-analysis of 49 prevalence estimates from 16 countries produced a pooled prevalence estimate of 4.9% for CBD; categorization remains debated, reinforced by its omission from the DSM-5
    Auszug
    “"A recent meta-analysis of 49 prevalence estimates from 16 countries produced a pooled prevalence estimate of 4.9% for CBD. [...] Categorization of CBD still remains a debate, reinforced by its omission in the most recent edition of the Diagnostic and Statistical Manual (DSM-5)." ”
    Quelldaten von
    2017-01-01
    Abgerufen
    2026-05-04 · archivierte Kopie
    Verifizierung
    Der Auszug wurde bei unserer Grounding-Prüfung unabhängig erneut abgerufen und Wort für Wort mit der zitierten Quelle abgeglichen.
    Berechnung
    Supporting source. It reports a pooled prevalence estimate of 4.9% for CBD (from a meta-analysis of 49 estimates across 16 countries) and notes that CBD's categorization remains debated, reinforced by its omission from the DSM-5. Consistent with the Maraz et al. meta-analytic estimate of 4.9%. Used to corroborate the prevalence figure and the DSM-5-omission context in the caveats; not incorporated into any multiplier.
  4. [4] LendingTree — 1 in 3 Buy Now, Pay Later (BNPL) Users Paid Late in Past Year
    1 in 3 Buy Now, Pay Later (BNPL) Users Paid Late in Past Year
    Statistik
    43% of US adults have used BNPL; late-payment-in-past-year by age: Gen Z (18-27) 45%, millennials (28-43) 44%, Gen X (44-59) 20%, boomers (60-78) 7%; 54% financed a purchase they couldn't afford; Gen Z regret 62% vs boomers 21%
    Auszug
    “"Younger Americans are at least twice as likely to say they've done so, led by 45% of Gen Z BNPL users ages 18 to 27 and 44% of millennials ages 28 to 43, compared with 20% of Gen Xers ages 44 to 59 and 7% of baby boomers ages 60 to 78. [...] 54% of BNPL users have financed a purchase with BNPL knowing they couldn't afford it at the time. [...] 43% of Americans have used a BNPL service." ”
    Quelldaten von
    2024-03-18
    Abgerufen
    2026-06-14 · archivierte Kopie
    Berechnung
    Supports the BNPL young-adult subgroup caveat only — not used in the headline rate or any multiplier. Online survey commissioned from QuestionPro, n=2,049 US consumers ages 18-78, fielded March 15-18, 2024 (nonprobability sample with population quotas). The age-banded late-payment, regret, and "knew I couldn't afford it" figures document over-indebtedness and delinquency risk concentrated in young BNPL users. These measure financial distress, not a compulsive-buying-disorder diagnosis rate, so they inform the caveat rather than a personal factor multiplier on the 4.9% prevalence.
  5. [5] Consumer Financial Protection Bureau — Consumer Use of Buy Now, Pay Later: Insights from the CFPB Making Ends Meet Survey Verifiziert
    Consumer Use of Buy Now, Pay Later: Insights from the CFPB Making Ends Meet Survey

    See all 2 Likelier entries citing this source →

    Statistik
    BNPL borrowers more likely than non-borrowers to be highly indebted, revolve on credit cards, have delinquencies in traditional credit, and use payday/pawn/overdraft services
    Auszug
    “"BNPL borrowers were, on average, much more likely to be highly indebted, revolve on their credit cards, have delinquencies in traditional credit products, and use high-interest financial services such as payday, pawn, and overdraft compared to non-BNPL borrowers." ”
    Quelldaten von
    2023-03-02
    Abgerufen
    2026-06-14 · archivierte Kopie
    Verifizierung
    Der Auszug wurde bei unserer Grounding-Prüfung unabhängig erneut abgerufen und Wort für Wort mit der zitierten Quelle abgeglichen.
    Berechnung
    Authoritative government source for the BNPL over-indebtedness caveat. CFPB analysis of the Making Ends Meet survey. The report explicitly cautions that many of these differences may pre-date BNPL use, so it documents an association with financial distress, not a causal compulsive-buying-disorder rate. Used to support the caveat only; not incorporated into the headline prevalence or any multiplier.

436 Risiken mit gemessener Wahrscheinlichkeit
1 zu 10 1 zu 100 1 zu 1K 1 zu 10K 1 zu 100K 1 zu 1M 1 zu 10M 1 zu 100M 1 zu 1B sicher seltener → Kosmetik-OP Ausland Risiko — 1 zu 10 Frühkindlicher Zucker/Salz-Effekt — 1 zu 10 Endometriose — 1 zu 10 Risiko Haartransplantation Türkei — 1 zu 10 Kniegelenksersatz — 1 zu 10 Chronische Schmerzmittel — 1 zu 10 Vollständiger Zahnverlust — 1 zu 9,1 Alzheimer — 1 zu 8,3 Schlafmangel — 1 zu 8,3 Rauchfreier Tabak — 1 zu 8,3 Radfahren ohne Helm — 1 zu 8,0 Zahnschäden durch Bruxismus — 1 zu 7,7 Kondomversagen — 1 zu 7,7 Versorgung aus Angst gemieden — 1 zu 7,1 Sehverlust — 1 zu 6,7 Leistenbruch durch Heben — 1 zu 6,7 Hüftfrakturrisiko — 1 zu 6,7 Regelmässiges Trinken — 1 zu 6,7 Erster Herzinfarkt — 1 zu 5,9 Unfruchtbarkeit — 1 zu 5,7 5+ Jahre Langzeitpflege — 1 zu 5,6 CTE (Football) — 1 zu 5,0 Schwere Depression — 1 zu 4,9 Wanderverletzung — 1 zu 4,8 Infektion durch geteiltes Essen mit Kind — 1 zu 4,2 Lyme-Borreliose — 1 zu 4,0 Einsamkeit & Gesundheit — 1 zu 3,8 Vererbtes AUD-Risiko — 1 zu 3,5 Alkoholkonsumstörung — 1 zu 3,4 Angststörung — 1 zu 3,2 Menopause: Herz-Kreislauf-Risiko — 1 zu 3,0 Stiller Diabetes — 1 zu 3,0 Fliegen mit Erkältung — 1 zu 2,9 Jobverlust & Depression — 1 zu 2,9 Zeckenkrankheit (Wald) — 1 zu 2,9 Stilles hohes Cholesterin — 1 zu 2,9 Großelternverlust in der Kindheit — 1 zu 2,8 Pacifier on the floor — 1 zu 2,8 Stiller Bluthochdruck — 1 zu 2,7 Resistente Infektion — 1 zu 2,6 Kein Knochenmark-Match — 1 zu 2,4 Pflegeheimeinweisung — 1 zu 2,2 Falsch-positive Mammografie — 1 zu 2,0 Regelmässiges Rauchen — 1 zu 2,0 Reisedurchfall — 1 zu 2,0 Abenteuersportarten — 1 zu 1,8 Langzeitpflegebedarf — 1 zu 1,8 Wahrscheinlichkeit von Witwenschaft — 1 zu 1,7 Ungeschützter Sex — 1 zu 1,5 Behinderung durch unbehandelte Rückens — 1 zu 1,3 Händehygiene — 1 zu 1,0 Krebs (gesamt) — 1 zu 7,1 E-Scooter ohne Helm — 1 zu 4,5 E-Bike ohne Helm — 1 zu 4,0 Fehlbehandeltes Gepäck — 1 zu 3,7 Unfall mit Schuld — 1 zu 2,9 Wildkollision — 1 zu 2,7 Verletzung bei Autounfall — 1 zu 2,6 Flugannullierung — 1 zu 1,8 Reise durch Krieg oder Katastrophe — 1 zu 1,7 Wohnungseinbruch — 1 zu 9,1 Überfall beim Trampen — 1 zu 8,8 Postscheckbetrug — 1 zu 7,7 Sexueller Kindesmissbrauch — 1 zu 6,8 Stalking — 1 zu 6,2 Sexueller Übergriff im Studium — 1 zu 5,7 Häusliche Gewalt — 1 zu 3,7 Angriff bei Nachtspaziergang — 1 zu 3,6 Fahrraddiebstahl — 1 zu 2,9 Sexuelle Gewalt — 1 zu 2,3 Sexuelle Belästigung (lebenslang) — 1 zu 1,6 Wasserknappheit — 1 zu 2,5 Sonnensturm der Carrington-Klasse — 1 zu 1,9 Kipppunkt WAIS — 1 zu 1,1 Wohnungskatze entlaufen — 1 zu 10 Hundebiss (freilaufend) — 1 zu 9,8 Kaninchen stirbt in 4 Jahren — 1 zu 3,3 Hundebiss (nicht tödlich) — 1 zu 1,8 Hamster stirbt vor Teenagerjahren — 1 zu 1,0 Eisenmangel (Frauen) — 1 zu 3,9 Vitamin-D-Lücke — 1 zu 2,9 Magnesiumlücke — 1 zu 1,9 Unzureichend gegartes Essen — 1 zu 1,6 Kreuzkontamination Rohfleisch — 1 zu 1,4 Offen gelagerte Lebensmittel — 1 zu 1,2 KI-Stimmenklon-Betrug — 1 zu 2,9 Online-Betrug — 1 zu 2,5 Cybermobbing bei Teenagern — 1 zu 2,0 Kinder & explizite Inhalte — 1 zu 1,9 Datenleck — 1 zu 1,1 Fehlgeburt — 1 zu 6,7 Suizidversuch Teenager — 1 zu 5,6 Postpartale Depression — 1 zu 4,8 Schmerzmittel vor Impfung — 1 zu 3,8 Übermässige Schwangerschaftszunahme — 1 zu 2,6 Ungeimpftes Kind & Masern — 1 zu 2,0 Kopfläuse bei Kindern — 1 zu 2,0 Seniorenbetrug-Verlust — 1 zu 10 Pensionsfondskrise — 1 zu 10 Immobilienabsturz — 1 zu 8,3 IRS-Steuerprüfung — 1 zu 6,7 Währungszusammenbruch — 1 zu 5,6 Abschiebung nach Visumüberzug — 1 zu 5,6 Subprime-Autokredit-Pfändung — 1 zu 5,0 Long term disability working age — 1 zu 4,0 Studienkredit-Ausfall — 1 zu 3,8 Vergeltung gegen Whistleblower — 1 zu 3,2 Erzwungener Vorruhestand — 1 zu 2,9 Vorsorgelücke — 1 zu 2,6 BNPL: verpasste Zahlung — 1 zu 2,4 Scheidung — 1 zu 2,4 Wasserschaden durch geplatzte Rohre — 1 zu 2,2 Mobbing am Arbeitsplatz — 1 zu 2,1 Längerer Netz-Blackout — 1 zu 2,0 Abschiebung (undokumentiert) — 1 zu 1,8 Beerdigungskosten-Schock — 1 zu 1,7 Identitätsdiebstahl — 1 zu 1,7 Kreditkartenbetrug — 1 zu 1,5 Schul-Mobbing — 1 zu 1,5 Frontsoldat-Verlust — 1 zu 1,3 Wirtschaftsrezession — 1 zu 1,0 Börsencrash — 1 zu 1,0 Hagelschäden am Dach — 1 zu 3,0 Problemmieter-Verlust — 1 zu 1,8 LASIK-Komplikationen — 1 zu 100 Schäden durch trockenes Toilettenpapier — 1 zu 100 Passivrauch — 1 zu 91 Spielstörung (Erwachsene) — 1 zu 83 High-Heel-Notaufnahme — 1 zu 79 Thrown/dropped object — 1 zu 67 Medikamentenreaktion — 1 zu 58 Drogenüberdosis — 1 zu 56 Asthma durch Gasherd bei Kind — 1 zu 50 Toxoplasmose aus Katzenklo — 1 zu 48 Psychische BU-Antrag — 1 zu 45 Benzodiazepinabhängigkeit — 1 zu 40 Leitungswasser Blei — 1 zu 40 Medikamentenmissbrauch — 1 zu 35 Schädel-Hirn-Trauma — 1 zu 33 Krankenhausinfektion — 1 zu 31 Luftverschmutzung — 1 zu 29 Terminale Niereninsuffizienz — 1 zu 29 Reisediarrhö (Wasser) — 1 zu 26 Skiverletzung — 1 zu 26 Bipolare Störung — 1 zu 23 Weisheitszahn-OP — 1 zu 22 Komplikation beim Zahntourismus — 1 zu 20 Altenvernachlässigung — 1 zu 20 Parkinson — 1 zu 20 Haustier-Parasiten — 1 zu 20 Undiagnostiziertes ADHS — 1 zu 20 Nahrungsmittelallergie im Erwachsensein — 1 zu 19 Nicht-Alzheimer-Demenz — 1 zu 17 Cannabiskonsumstörung — 1 zu 16 Schlaganfall — 1 zu 15 PTBS — 1 zu 15 Schwerer Hörverlust — 1 zu 14 Typ-2-Diabetes — 1 zu 13 Blinddarmentzündung — 1 zu 13 Kochrauch in Innenräumen — 1 zu 13 Unbehandelte Depression — 1 zu 13 Limonade und Diabetes — 1 zu 13 Herzkrankheit — 1 zu 12 Medizinischer Fehler — 1 zu 12 Zwanghaftes sexuelles Verhalten — 1 zu 12 Essstörung — 1 zu 11 Hüftgelenksersatz — 1 zu 11 Nierensteine — 1 zu 11 Tod/Invalidität Elternteil — 1 zu 11 Sitzender Lebensstil — 1 zu 11 Saloninfektion — 1 zu 11 Eierstockkrebs — 1 zu 91 Darmkrebs — 1 zu 77 Brustkrebs (Krebs) — 1 zu 59 Leberkrebs (Krebs) — 1 zu 59 Lungenkrebs (Krebs) — 1 zu 56 Prostatakrebs — 1 zu 50 Melanom (UV) — 1 zu 29 Ballaststoffmangel & Darmkrebs — 1 zu 26 Rotes Fleisch & Darmkrebs — 1 zu 21 Verkohltes Fleisch und Krebs — 1 zu 20 Wartungsunfall — 1 zu 83 Fahren auf Sedativa — 1 zu 77 Tippen + Fahren — 1 zu 56 Tod ohne Gurt — 1 zu 53 20% über Tempolimit — 1 zu 50 Motorrad ohne Helm — 1 zu 45 Raumfahrt (Astronaut) — 1 zu 42 Video am Steuer — 1 zu 32 Unfallverletzung Kind — 1 zu 27 Müdes Fahren — 1 zu 26 Norovirus auf Kreuzfahrt — 1 zu 24 E-Scooter-Verletzung — 1 zu 10 Taschendiebstahl auf Reisen — 1 zu 38 Katalysatordiebstahl — 1 zu 37 Bei Übergriff erstochen — 1 zu 37 Fahrzeugdiebstahl — 1 zu 34 Straßenraub / Überfall — 1 zu 26 Fehlurteil — 1 zu 24 Drink Spiking — 1 zu 17 Keyless-Diebstahl per Relay — 1 zu 13 Protest unter Autokratie — 1 zu 12 AMOC-Kollaps — 1 zu 20 Anaphylaxie nach Stich — 1 zu 50 Katzenhalsband-Verletzung — 1 zu 25 Lebensmittelvergiftung im Restaurant — 1 zu 58 B12-Mangel — 1 zu 28 Vegetarischer Mangel — 1 zu 14 Intimes Deepfake — 1 zu 25 Problematische Social-Media-Nutzung — 1 zu 13 Kind verschluckt Objekt (Notfall) — 1 zu 91 Lebensbedrohliche Geburt (USA) — 1 zu 61 Geburtstod (SSA) — 1 zu 55 Treppensturz (Kleinkind) — 1 zu 37 Co-Sleeping-Tod — 1 zu 36 Verletzung beim Spielen — 1 zu 33 Autismus-Diagnose — 1 zu 31 Kaiserschnitt-Komplikationen — 1 zu 29 Spielzeugverletzung, Notaufnahme — 1 zu 21 Präeklampsie — 1 zu 20 Schwerer Dammriss bei Geburt — 1 zu 17 Schwangerschaftsdiabetes — 1 zu 13 Kopfverletzung beim Sturz — 1 zu 12 Ohne Erben sterben — 1 zu 100 Finanzieller Ruin durch Sportwetten — 1 zu 100 Tod eines Kampfpiloten — 1 zu 48 Tod in der Hochseefischerei — 1 zu 45 Tod beim Holzeinschlag — 1 zu 34 Medizinische Insolvenz — 1 zu 25 Zwanghafte Kaufstörung — 1 zu 20 Mietbetrug-Verlust — 1 zu 20 SNAP-Verlust durch Arbeitsregeln 2025 — 1 zu 18 Hypothekenzwangsvollstreckung — 1 zu 14 Bewegungsapparat-BU — 1 zu 14 Day-Trading-Verluste — 1 zu 13 Extremistische Regierungs-Katastrophe — 1 zu 13 Hurrikanschäden am Haus — 1 zu 17 NAION (Ozempic) — 1 zu 909 Kleinkind im Pool untergetaucht — 1 zu 800 MS — 1 zu 769 Tödlicher Arbeitsunfall — 1 zu 690 Typhus — 1 zu 654 GLP-1: Aspiration bei Narkose — 1 zu 613 Unsichere Importprodukte — 1 zu 565 Hirnaneurysma — 1 zu 400 COVID-19 — 1 zu 400 Feuerwerksverletzung — 1 zu 385 Küchenmesser: Sehnenschnitt — 1 zu 385 Zu viel Koffein — 1 zu 366 Sichelzellkrankheit — 1 zu 365 Gefälschte Medikamente — 1 zu 361 Rückenmarksverletzung — 1 zu 313 Krebsdiagnose im Kindesalter — 1 zu 285 Tod nächste Pandemie — 1 zu 208 Dengue (Reise) — 1 zu 200 Frühgeburt durch Hitze — 1 zu 200 Tägliches Duschen auslassen — 1 zu 200 Füße nicht schrubben — 1 zu 200 Knochenmarkspende-Risiko — 1 zu 167 FSME (Zeckenenzephalitis) — 1 zu 167 Schizophrenie — 1 zu 143 Sturz (tödlich) — 1 zu 135 Plötzlicher Tod beim Sport — 1 zu 123 Suizid (USA) — 1 zu 121 Opioidabhängigkeit — 1 zu 114 Tuberkulose (global) — 1 zu 109 HIV-Diagnose — 1 zu 105 Radonkrebs — 1 zu 435 Hodenkrebs — 1 zu 250 Gebärmutterhalskrebs (Krebs) — 1 zu 167 Bauchspeicheldrüsenkrebs — 1 zu 125 Fussgängertod — 1 zu 806 Motorradunfall — 1 zu 709 Ertrinken vom Freizeitboot — 1 zu 685 Fahrer tötet Fußgänger — 1 zu 552 Handy-abgelenkte Gehverletzung — 1 zu 400 EV-Batteriebrand — 1 zu 333 Radfahrer von Auto getötet — 1 zu 159 Benzinautobrand — 1 zu 125 Todesfall durch autonomes Fahren — 1 zu 115 Autounfall — 1 zu 105 Einsatztod bei der Feuerwehr — 1 zu 455 Einsatztod bei der Polizei — 1 zu 357 Mord — 1 zu 339 Pig-Butchering-Betrug — 1 zu 106 Extreme Hitze — 1 zu 333 Klimawandel-Todesfälle — 1 zu 204 Fledermausbiss und Tollwut — 1 zu 278 Mückenübertragene Krankheit — 1 zu 190 Lebensmittelvergiftung (global) — 1 zu 317 Solarpanel-Brand — 1 zu 667 Unbehandelte kindliche Skoliose — 1 zu 1.000 Kind stürzt aus Fenster — 1 zu 855 Lauflernhilfe Treppensturz — 1 zu 625 Säuglingssturz — 1 zu 500 Lauflernhilfe Verletzung — 1 zu 455 Müttersterblichkeit — 1 zu 272 Mütterliches Alter & Geburtsfehler — 1 zu 200 Kindstod (<18) — 1 zu 103 Tod in der Höhlenforscher-Karriere — 1 zu 167 Einsatztod im Rettungsdienst — 1 zu 909 Zivile Kriegsopfer — 1 zu 499 Soldat im Kampf — 1 zu 270 Studentenvisum-Entzug — 1 zu 263 Tod in Bergmannslaufbahn — 1 zu 214 Finanzieller Ruin durch Glücksspiel — 1 zu 159 Blitzbrand im Haus — 1 zu 461 Waldbrand zerstört Haus — 1 zu 120 Malaria (Reise) — 1 zu 10.000 Infektion durch geteiltes Getränk — 1 zu 10.000 Chagas-Krankheit — 1 zu 8.475 Fuchsbandwurm durch Waldbeeren — 1 zu 8.475 Kind verschluckt Nikotinbeutel — 1 zu 7.937 Schistosomiasis — 1 zu 6.667 Plötzlicher Tod (junger Erwachsener) — 1 zu 3.922 Unsichere Verkabelung — 1 zu 3.390 Sepsis durch Wunde — 1 zu 2.857 Narkose-Wachheit — 1 zu 2.500 Hitzschlag (im Freien) — 1 zu 1.905 Hausbrand — 1 zu 1.818 Tollwut durch Hunde — 1 zu 1.449 Ertrinken — 1 zu 1.379 Rückenmarksverletzung bei Sprung — 1 zu 1.111 Erstickung — 1 zu 1.099 EVALI-Krankenhausaufenthalt — 1 zu 1.064 Betelnuss-Krebs — 1 zu 1.290 Thrombose (Flug) — 1 zu 4.651 Radfahrer töten — 1 zu 3.937 Tod im Straßenverkehr (Teen) — 1 zu 3.030 Hinten Fahrradsitz — 1 zu 2.500 Kind ohne Kindersitz — 1 zu 2.000 Tödliche Polizeibegegnung — 1 zu 4.739 Ehrenmord — 1 zu 2.381 Intime Partnertötung — 1 zu 1.767 Hurrikan — 1 zu 8.929 Tod durch Hungersnot — 1 zu 6.536 Schneesturmtod — 1 zu 4.367 Erdbeben — 1 zu 3.802 Listerien in Aufschnitt — 1 zu 6.061 Schwere E. coli aus Frischgemüse — 1 zu 4.831 Lebensmittelvergiftung (USA) — 1 zu 1.862 Fisch-Quecksilber — 1 zu 1.695 Fischgrätenverletzung — 1 zu 1.429 Akkubrand — 1 zu 4.545 Waschmittelkapsel verschluckt — 1 zu 6.494 Ertrinken im Pool — 1 zu 5.882 Unbehandelte Hüftdysplasie bei Säuglin — 1 zu 5.000 SIDS — 1 zu 2.398 Krieg (Zivilist) — 1 zu 2.000 Hirnschwellung bei Kind durch Grippe — 1 zu 100.000 Tödlicher Bienenstich — 1 zu 76.923 Lokales Dengue (USA-Festland) — 1 zu 66.667 Narkosetod — 1 zu 45.662 Hund stirbt im heißen Auto — 1 zu 41.667 Vibrio-vulnificus-Wundinfektion — 1 zu 32.051 Anaphylaxie — 1 zu 27.548 Chiropraktische Nackenmanipulation — 1 zu 16.667 CO-Vergiftung — 1 zu 14.006 Hepatitis A (Reise) — 1 zu 12.500 Verzicht auf Allergie-Immuntherapie — 1 zu 11.111 Acrylamid und Krebs — 1 zu 16.667 Busunglück — 1 zu 100.000 Flugzeugabsturz — 1 zu 58.824 Fahrzeugbrand nach Unfall — 1 zu 25.000 Tod am Bahnübergang — 1 zu 20.576 Sinkendes Auto — 1 zu 16.667 Fahrradanhaenger Kind — 1 zu 14.286 Beinahezusammenstoß auf Startbahn — 1 zu 13.699 Säureangriff — 1 zu 94.340 Terrorismus — 1 zu 77.519 Kindesentführung durch Fremde — 1 zu 38.760 Kindesentführung — 1 zu 35.211 Mitgifttod — 1 zu 13.158 Versehentlicher Schusswafffentod — 1 zu 11.299 Waldbrand — 1 zu 100.000 Tornado — 1 zu 80.645 Tsunami — 1 zu 52.632 Ertrinken im Ozean — 1 zu 29.155 Hochwasser — 1 zu 20.202 Hitzetod nach Hurrikan — 1 zu 20.000 Erdrutsch-Tod — 1 zu 18.416 Supervulkanausbruch — 1 zu 12.376 Bienenstich — 1 zu 78.927 Biene/Wespe verschluckt — 1 zu 29.155 Tödlicher Skorpionstich — 1 zu 26.110 Schokoladentod Hund — 1 zu 13.889 Bleihaltiger Zimt-Quetschbeutel — 1 zu 40.000 Auslaugung von Plastikbehältern — 1 zu 16.949 Ersticken des Säuglings im Autositz — 1 zu 64.935 Babywippe Sturz — 1 zu 60.606 Kleinkind-Erstickung — 1 zu 50.000 Säugling unbeaufsichtigt Erstickung — 1 zu 50.000 Tod eines vorwärts sitzenden Kleinkinds — 1 zu 26.738 Magnete verschluckt — 1 zu 12.048 Tod beim Schnorcheln — 1 zu 21.739 Haustier im Transport — 1 zu 20.000 Tod in ICE-Gewahrsam — 1 zu 17.065 Landminen-Verletzung — 1 zu 14.728 Impfreaktion — 1 zu 763.359 Aluminium und Alzheimer — 1 zu 169.492 Gasleck im Wohnhaus — 1 zu 140.845 Kindstod im heißen Auto — 1 zu 102.041 Glyphosat und Krebs — 1 zu 1.000.000 Teflon Kochgeschirr Krebs — 1 zu 169.492 Achterbahnverletzung — 1 zu 312.500 Fährunglück — 1 zu 133.333 Turbulenzverletzung — 1 zu 114.943 Schulschießerei — 1 zu 192.308 Massenschiessen — 1 zu 113.636 Lawine — 1 zu 210.526 Blitzschlag — 1 zu 209.205 Schlangenbiss — 1 zu 884.956 Spinnenbiss — 1 zu 833.333 Nilpferd-Angriff — 1 zu 564.972 Krokodilangriff — 1 zu 337.838 Hundebiss — 1 zu 142.045 Pestizidrückstände — 1 zu 1.000.000 Schmutzige Dose — 1 zu 200.000 Schaden durch PLA-Biokunststoff — 1 zu 169.492 Babyschaukel Tod — 1 zu 714.286 Trauben-Ersticken — 1 zu 625.000 Erdrosselung durch Jalousiekordel — 1 zu 416.667 Erstickung durch Plastiktüte — 1 zu 263.158 Knopfzelle — 1 zu 250.000 Schraegliegesitz Tod — 1 zu 238.095 Aufzug-/Rolltreppentod — 1 zu 188.324 JE (Reise) — 1 zu 2.000.000 Kind + Frontairbag — 1 zu 10.000.000 Asteroideneinschlag — 1 zu 1.351.351 Spinnen in Bananen — 1 zu 10.000.000 Haiangriff — 1 zu 5.681.818 Bärenangriff — 1 zu 3.787.879 Vergiftung durch Wildbeeren — 1 zu 2.222.222 Piranha-Angriff — 1 zu 135.135.135 Telefon an Zapfsäule — 1 zu 1.000.000.000 Telefon im Flugzeug — 1 zu 1.000.000.000
Lottery jackpot 1 zu 95.238

Zuletzt auf diesem Gerät angesehen