Zuverlässige Corona-Analysen durch Datenassimilation: Bayreuther Experte präsentiert neuartige Berechnungen

Mit Methoden, die in der Strömungslehre verwendet werden, können Verlauf
einer Pandemie und Wirksamkeit staatlicher Eindämmungsmaßnahmen zeitnah
und genau beurteilt und Prognosen abgeleitet werden. Diesen Ansatz
verfolgt Prof. Dr Jörn Sesterhenn, Inhaber des Lehrstuhls für Technische
Mechanik und Strömungslehre der Universität Bayreuth. Seine Fallstudien
wenden die Datenassimilation - eine unter anderem in der Strömungsmechanik
und der Wettervorhersage bewährte Methode - auf die Entwicklung der
Corona-Pandemie in stark betroffenen Ländern an.

Fallstudien zu Deutschland und Bayern zeigen beispielsweise deutlich, wie
sich die Ausbreitung des Coronavirus infolge der Ferientage im Februar
beschleunigt und infolge staatlicher Maßnahmen verlangsamt hat. Diesen und
zahlreichen weiteren Fallstudien, die bereits online zugänglich sind,
liegt ein klassisches Modell zur Verbreitung von Epidemien zugrunde. Für
die Erarbeitung detaillierterer Modelle hält der Bayreuther
Wissenschaftler eine enge Zusammenarbeit mit Experten aus der
Epidemiologie für dringend erforderlich.

Die jetzt veröffentlichten Fallstudien zeigen die Zahl der aktuell
infizierten Personen und der wieder gesund gewordenen Personen. Diese
Größen wären andernfalls unbekannt. Vor allem geben die Fallstudien
Aufschluss über die Kontaktraten, das heißt darüber, wieviele Personen ein
Infizierter im Mittel wiederum ansteckt. „Die Kontaktrate ist der einzige
Parameter, den die Gesundheitspolitik in der Hand hat, um die Pandemie
einzudämmen, solange es keinen Impfstoff und kein schnelles Heilmittel
gibt. Dieser Parameter kann mithilfe der Datenassimilation mit deutlich
höherer Sicherheit angegeben werden, als dies normalerweise der Fall wäre.
Auch wird bereits wenige Tage nach einer erfolgten gesundheitspolitischen
Maßnahme im Nachhinein sichtbar, wie sich die Kontaktrate in dieser kurzen
Zeitspanne entwickelt hat. An den Fallzahlen selbst lässt sich diese
Entwicklung nach so kurzer Zeit noch nicht sehr deutlich ablesen,“
erläutert Sesterhenn.

„Dieser Ansatz ist aus meiner Sicht sehr interessant. Je genauere
Prognosen wir zur Entwicklung der Corona-Pandemie haben, um so
zielgerichteter können wir Maßnahmen ergreifen. Oberste Priorität hat die
Gesundheit. Doch bei jeder Entscheidung müssen wir selbstverständlich auch
immer die Auswirkungen auf unseren Alltag mitdenken. Dieses Modell könnte
hier weitere Orientierung bieten“, sagte Wissenschaftsminister Bernd
Sibler. Er ergänzte: „Die Universität Bayreuth zeigt damit einmal mehr,
wie bedeutend es in der Wissenschaft ist, über Fächergrenzen hinweg zu
forschen.“

Datenassimilation, angewendet auf die Corona-Epidemie

Jede Auswertung komplexer, empirisch gesicherter Daten beruht auf einem
Modell. Die Datenassimilation ist eine in den Natur-, Ingenieur- und
Sozialwissenschaften etablierte Methode, die darauf abzielt, das jeweilige
Modell optimal an die Messdaten anzupassen. Dadurch wird es möglich, über
die gegebenen Daten hinaus weitere verlässliche Daten in Bezug auf
Gegenwart und Zukunft aus dem Modell zu gewinnen. Prof. Dr. Jörn
Sesterhenn hat an der Universität Bayreuth einen Lehrstuhl für Technische
Mechanik und Strömungsmechanik inne. Angesichts der besorgniserregenden
Ausbreitung der Corona-Pandemie und des steigenden Bedarfs an validen
Prognosen hatte er die Idee, diese bewährte Forschungsmethode auf Corona
zu übertragen. Er stützt seine Berechnungen auf zwei Quellen: die
empirischen Daten, die von der Johns Hopkins University und vom Robert
Koch-Institut veröffentlicht werden, und ein Modell, das einem in der
Epidemiologie entwickelten klassischen Ansatz folgt. Es handelt sich um
ein sogenanntes SIR-Modell (Susceptible-Infected-Removed-Model).

Die Statistiken der Johns Hopkins University und des Robert Koch-Instituts
enthalten die veröffentlichten Informationen über die Zahl der positiv auf
Corona getesteten Personen und darüber, wieviele dieser Personen
mittlerweile verstorben sind. „Das Verfahren der Datenassimilation bietet
uns nun die Möglichkeit, aus diesen empirischen Datensätzen weitere
wichtige Informationen zu gewinnen – zum Beispiel darüber, wieviele
Personen in den jeweiligen Ländern derzeit mit dem Virus infiziert sind
und wieviele Personen sich künftig infizieren werden, falls bestimmte
soziale oder gesundheitspolitische Rahmenbedingungen gleich bleiben oder
sich ändern. Die Wirkung bestimmter gesundheitspolitischer Maßnahmen lässt
sich dann im Nachhinein relativ genau abschätzen. Auch hinsichtlich der
Frage, wie hoch der Anteil der Personen ist, die eine nachgewiesene
Infektion überleben, sind valide Prognosen möglich. Daraus lassen sich
wiederum Handlungsempfehlungen an die staatliche Gesundheitspolitik, aber
auch an Einzelpersonen ableiten“, erklärt Sesterhenn. Zugleich betont der
Bayreuther Wissenschaftler, dass die so gewonnenen Daten umso
zuverlässiger sind, je genauer das zugrundeliegende Modell ist.

Dringend erforderlich: interdisziplinäre Zusammenarbeit

„In der Strömungsmechanik kann man heute mit der Datenassimilierung und
wirklichkeitsgetreuen Modellen zuverlässige Vorhersagen treffen. So lässt
sich aufgrund einer detaillierten Rekonstruktion der Ölpest, die sich 2010
im Golf von Mexiko ereignet hat, der Verlauf einer Ölpest im Meer mit
hoher Genauigkeit prognostizieren. In Bezug auf Analysen und Prognosen der
Corona-Epidemie sind jetzt interdisziplinäre Kooperationen von Fachleuten
dringend geboten. Dazu hat jetzt die Royal Society in Großbritannien
aufgerufen, und ich beteilige mich gerne daran. Auch in Bayern würde ich
mir ein hochkarätig besetztes Kompetenzteam wünschen. Umso früher können
wir bestmöglich begründete Analysen erarbeiten und darauf basierende
Empfehlungen für den Umgang mit Corona aussprechen“, betont Sesterhenn.