In diesem Beitrag wird beschrieben, wie Bayesian Belief Networks (BBNs) verwendet wurden, um zu untersuchen, wie sich ein Managementeingriff auf mehrere Aspekte der Leistung einer Fischerei auswirkt. Die Ideen wurden im Rahmen einer spezifischen Fallstudie entwickelt, bei der die Leistung einer Fischerei anhand der Zertifizierungsergebnisse des Marine Stewardship Council (MSC) gemessen wurde und die Bewirtschaftungsmaßnahme darin bestand, ob die Fischerei unter Catch-Share-Management (eine Form der auf Rechten basierenden Bewirtschaftung) steht oder nicht. Die Leistung einer Fischerei wird anhand von mehr als 30 Indikatoren bewertet, um die MSC-Zertifizierung zu erhalten. Diese Indikatoren sind in drei Grundsätzen zusammengefasst, die verschiedene Aspekte der Nachhaltigkeit messen. Die Auswirkungen des Catch-Share-Managements müssen vor dem Hintergrund anderer Fischereimerkmale wie der Art des Fanggeräts und der Zielarten untersucht werden, die sich ebenfalls auf die MSC-Bewertung auswirken können. Statistische Modelle können die Auswirkung dieser Merkmale auf die Punktzahl jedes einzelnen Indikators messen, sind aber nicht in der Lage, ihre Auswirkungen auf alle Prinzipien gleichzeitig zu bewerten. Die Ergebnisse der statistischen Modelle für die einzelnen Indikatoren wurden in einer BBN zusammengefasst und synthetisiert. Mit Hilfe der BBN war es möglich, (i) die Wahrscheinlichkeit zu vergleichen, dass Fischereien mit unterschiedlichen Merkmalen und Bewirtschaftungsstrategien mit Fangbeteiligung bei allen drei Grundsätzen oder Untergruppen von Indikatoren eine hohe Punktzahl erreichen, (ii) festzustellen, ob eine Fischerei, die bei allen drei Grundsätzen eine hohe Punktzahl erreicht, mit größerer Wahrscheinlichkeit mit Fangbeteiligung bewirtschaftet wird, und (iii) die Merkmale und Indikatoren zu ermitteln, die am stärksten mit einer hohen Punktzahl bei allen drei Grundsätzen verbunden sind. Die BBN konnte eine Vielzahl von Fragen beantworten und einen Mechanismus zur Integration einer Reihe statistischer Modelle bereitstellen, die einen komplexen Datensatz mit mehreren interessierenden Antwortvariablen beschreiben.