Die Vorhersage menschlicher Trajektorien ist ein grundsätzlich mehrmodaler Problem. Die Unsicherheit in zukünftigen Trajektorien resultiert aus zwei Quellen: (a) Quellen, die dem Agenten bekannt sind, dem Modell jedoch unbekannt sind, wie beispielsweise langfristige Ziele, und (b) Quellen, die sowohl dem Agenten als auch dem Modell unbekannt sind, wie beispielsweise die Absichten anderer Agenten oder unvermeidbare Zufälligkeit bei Entscheidungen. Wir schlagen vor, diese Unsicherheit in ihre epistemischen und aleatorischen Komponenten zu zerlegen. Die epistemische Unsicherheit modellieren wir durch Multimodalität in langfristigen Zielen, während die aleatorische Unsicherheit durch Multimodalität in Zwischenzielen und Pfaden erfasst wird. Um diese Differenzierung zu illustrieren, führen wir zudem einen neuartigen Ansatz zur Vorhersage langfristiger Trajektorien ein, der Vorhersagehorizonte bis zu einer Minute ermöglicht – eine Größenordnung länger als frühere Arbeiten. Schließlich stellen wir Y-net vor, ein auf die Szene angepasstes Netzwerk zur Trajektorienvorhersage, das die vorgeschlagene epistemische und aleatorische Struktur nutzt, um vielfältige Trajektorien über lange Vorhersagehorizonte hinweg zu generieren. Y-net verbessert signifikant die bisher beste Leistung sowohl auf (a) den gut untersuchten Kurzhorizont-Settings auf den Datensätzen Stanford Drone und ETH/UCY als auch auf (b) dem neu vorgeschlagenen Langhorizont-Setting auf den umfunktionierten Datensätzen Stanford Drone und Intersection Drone.