Das interdisziplinäre „Centre for Security, Reliabilty and Trust“ (SNT) der Universität Luxemburg hat einen „Covid-19 Exit-Strategie-Simulator“ veröffentlicht. Das berichtet die Uni in einer Pressemitteilung am Montag. Das Online-Tool soll die Planung von „Ausstiegsstrategien für fast 100 Länder“ simulieren. Dazu verwendet es „Techniken des maschinellen Lernens, um öffentlich zugängliche Daten zu analysieren“, und liefert hypothetische Projektionen. „Das Projekt ist einzigartig, weil es eine Methode für die Modellierung der Auswirkungen verschiedener Maßnahmen auf die Verbreitung von Covid-19 in einer Vielzahl von Ländern auf der ganzen Welt liefert“, schreibt die Universität. 

Der Simulator kann mit dem Level gewisser Aktivitäten gefüttert werden – und dem Datum, ab wann dieses Level gilt. Dabei orientieren sich die Forscher an Terminologie und Daten der Corona-Mobilitätsberichte von Google. Der Internetriese hat am 3. April verkündet, den Gesundheitsbehörden im „Kampf gegen Covid-19“ helfen zu wollen. Dafür schaut Google in die „anonymisierten Daten“ (O-Ton Google), die die Nutzer von Smartphones dem Kartendienst Google Maps liefern, um zu zeigen, wie viel Betrieb an bestimmten Plätzen herrscht.

Datengrundlage: Google Maps

Google teilt das öffentliche Leben in die Aktivitäten „Park & Outdoor“, „Public Transport“, „Retail & Recreation“ und „Workplaces“ auf und schaut nach, wie viel weniger „Mobilität“ die Apps der Smartphone-Nutzer im Hinblick auf diese Kategorien verzeichnen. Für Luxemburg gibt es in Sachen „Parks“ derzeit zum Beispiel wenig überraschend ein Plus von 43 Prozent im Vergleich zur „Baseline“ in den fünf Winterwochen zwischen 3. Januar und 6. Februar. 

„Wir verwenden hauptsächlich diese Daten, da sie mehr als 100 Länder abdecken und ein objektives Maß sind, um den tatsächliche Aktivitätsgrad in jedem Land widerzuspiegeln“, erklärt Yves Le Traon vom SNT gegenüber dem Tageblatt. „Die meisten anderen Datensätze beruhen auf manuellen Meldungen aus den Ländern und spiegeln nicht wider, wie die Maßnahmen tatsächlich in die Praxis umgesetzt wurden.“

Der neueste Google-Mobilitätsbericht werde jedes Mal, wenn ein Modell trainiert wird, automatisch heruntergeladen, sagt Le Traon. „Dann kann das direkt auf die vom Benutzer des Simulators eingestellten Eingaben angewendet werden.“

Anhaltspunkte für das Infektionsgeschehen

Der Simulator ist noch im Beta-Stadium und wird weiterentwickelt. Er soll aber schon für zig Länder zumindest Anhaltspunkte für das Infektionsgeschehen berechnen können. Dabei geht er aber laut Website bis jetzt davon aus, dass „alle Grenzen geschlossen“ sind, die einzelnen Länder also quasi geschlossene Ökosysteme sind. Und: Maßnahmen wie Maskenpflicht oder Social Distancing werden nicht berücksichtigt. Für Letzteres fehlten laut Le Traon detaillierte Informationen. Unbekannte Fakten wie beispielsweise die Saisonabhängigkeit von Covid-19 würden bis jetzt ebenfalls nicht einbezogen.

Auch nationale Einzelschritte wie die Öffnung der Schulen oder der separate Start verschiedener Wirtschaftssektoren – wie in Luxemburg zum Beispiel im Baugewerbe gemacht – können bis jetzt nicht definiert werden. „Wir haben keine präzisen Daten auf der Ebene der Industriesektoren“, sagt Le Traon. „Das Modell kann jedoch auf jedes Land zugeschnitten werden, wenn diese Daten zur Verfügung gestellt werden.“ Die Simulationen blieben aber dennoch bis zu einem gewissen Grad grob.

Zum jetzigen Zeitpunkt soll das Programm noch nicht der Politik als Entscheidungsgrundlage dienen. „Die Daten, die wir berücksichtigen, sind nicht detailliert genug“, sagt Le Traon. Aber: Die Maschine könne helfen, Entscheidungsstrategien grob zu vergleichen. „Sie kann zum Beispiel abschätzen, inwieweit eine zyklische Ausstiegsstrategie im Vergleich zu einer brutalen Exit-Strategie Leben retten kann“, sagt der Forscher. „Die Ergebnisse des Simulators müssen jedoch sorgfältig analysiert werden.“

Noch wichtiger sei, dass die Maschine verfeinert werden müsse, damit sie besser zu den konkreten Entscheidungen eines Landes passe. „Der Simulator würde beispielsweise seine Genauigkeit erhöhen, indem er genauere Daten über die Mobilität, Branchen, Arbeitsplätze und Beschäftigungsverteilung in Luxemburg integriert“, sagt Le Traon.