Policy Laboratory

An agent-based simulation
of COVID-19 containment strategies

 

Ben Vermeulen, Andreas Pyka, Matthias Müller - University of Hohenheim
Frank U. Kugelmeier - St. Ursula Grammar School, Attendorn

User Manual


Content
0. Preliminary note
1. The user interface
1.1 The structure of the user interface
1.2 The simulation field
1.3 The result graphs
1.3.1    Degrees of infection
1.3.2    Degree of ICU utilisation
1.3.3    School capacity
1.3.4    Labour volume
1.3.5    Recreational consumption
1.3.6    Supermarket visits
1.3.7    Passenger traffic
1.3.8    Acceptance
1.3.9    Experience
1.3.10    Degree of infection according to age cohorts
1.4 More display fields
1.4.1    Number of the simulation run
1.4.2    Legend and data field
2. Program control
2.1 Control elements
2.2 General program functions
2.3 The "Measures" field
2.4 The "Assumptions" field
2.5 Algorithm settings
2.6 City map & diagram settings
2.7 Direct input in the simulation field
2.8 Data monitor
2.8.1    Standard display
2.8.2    Display of age cohorts under 50 years
2.8.3    Display of age cohorts from 50 years
2.8.4    Display of the database
2.8.5    Display of medical records
3. Program concept and algorithms
3.1 The policy laboratory as a multi-agent system
3.2 Algorithms
3.2.1    Agent types
3.2.2    Activities
3.2.3    Work performance
3.2.4    Infections
4. Useful lifehacks
4.1 System requirements
4.2 Hardware problems
4.3 Test runs without pandemic
4.4 Worst-case scenario
5. Technical information and data references
6. Bibliography
7. User license and contact


Preliminary note

Many years ago, the World Health Organization (WHO) warned of the medical, socio-political and economic dangers of supraregional epidemics, so-called pandemics. But only with the outbreak of the global COVID-19 pandemic in late autumn 2019 does this warning appear in the minds of those responsible.

Since then, politics has been remarkably seeking to join forces with the relevant sciences, at least in non-autocratic societies. Big, existential issues are on the agenda: Is it useful, for example, to make the slowdown in infection rates the top objective at all costs, so to speak, in the hope of a vaccine that will soon be developed - or, on the contrary, does a strategy of rapid contamination ap­pear more effective in order to achieve a broad immunisation of the population as soon as possible?

Beyond these two basic positions, many questions arise: what measures - both technically and psychologically - are at all suitable to promote a slowdown in infection rates? Are friendly advice on regular hand washing, compulsory masks and keeping distance sufficient? Or must the "social distancing" of people be rigidly enforced through entry bans, school or company closures and/or curfews? And in this case, how high is the price for the complete shutdown of the economy? Is the damage here possibly greater than that caused by the Corona virus itself? - Conversely, how many deaths is a society willing to accept just to keep the economy going? Who ultimately counts more: man or the market? And how do we deal with the social upheavals that can result from a mass extinction?

In addition, there are questions of a very practical nature: is the existing health system even capable of accommodating a larger number of COVID patients? How can the educational deficits caused by school closures be addressed? And how to catch people who have been deprived of their livelihoods through factory closures or COVID-related diseases?

All these questions interact in a complex way. However, this does not mean that they cannot be answered. With the help of modern computer simulations, even - and especially - complex systems can be described well; and from the data obtained, a sense of the seemingly unpredictable development paths of these systems can be formed.

This is where the present policy laboratory comes into play. It is a so-called multi-agent system: many small computer-generated "agents", which are equipped with various "human" characteristics and from whose "behaviour" one can draw conclusions about existing, real societies, move on a simulation field. How the agents behave depends on the adjusting screws which you can turn in the program. The policy laboratory offers more than sixty of these adjusters and switches, which are intended to serve as a virtual test of various political-economic measures and their effects (under defined different assumptions) before they are "tested" in reality on real humans.

For this purpose, the policy laboratory scenario generates a typical European city with the usual accommodation options - work and leisure facilities, supermarkets, schools and residential areas. The inhabitants of the city lead a normal life that follows a simple calendar rhythm. In the morning the adults go to work in their offices and factories, children go to school and in the afternoon to sports. In the shopping centres, activity also increases sharply in the afternoon hours. At weekends, the shops are more frequented, and people also meet in leisure facilities and at major events.

In all these places, there is a high level of social interaction. For a virus such as the highly contagious Corona virus, these are ideal conditions for spread. In this way, it is also possible to observe on the screen how a large percentage of people are gradually getting infected and sometimes seriously ill or even dying. The city's hospital capacity is limited, so deaths increase as the capacity limit is exceeded. The virus disappears after a certain period of time even without intervention, and the surviving inhabitants of the city have developed immunity. However, there are many deceased.

In order to prevent this high mortality, the observed development can be intervened. This will make it possible to reshape health policy. Infected people can be sent to domestic quarantine; health education can improve hygiene conditions. It is also possible to invest in the bed capacity of the hospitals. For safety reasons, businesses and schools can remain partially or completely closed.

All the measures taken have an impact on the number of serious cases and the deceased, as well as on the length and course of the epidemic. The decisive factor in this context is that all measures can be read directly on the screen in their effects and can therefore be corrected even during the ongoing simulation.

In this way, the policy laboratory forms an efficient social-policy experimental field for (virtual) control of epidemics such as the COVID-19 pandemic.

You are now kindly invited to take up the challenge of a comprehensive pandemic event in the policy laboratory, either as a politician or as an interested layperson, and to develop appropriate solutions - be it by planning or by trial and error. Play through various political decisions without having to bear the risk of massive negative effects on a real population due to blatant misjudgements. Don't be afraid to let the simulation fail every now and then. This can help to avoid inappropriate decisions in "real" life and instead work out target-oriented measures.

In this context, an important note: the policy laboratory puts social interactions into focus. Epidemiological and medical relationships, on the other hand, are modelled very simply from publicly available knowledge sources. Therefore, the program does not provide any concrete medical prognoses. But it does strengthen the understanding of complex interrelationships.

In an increasingly confusing world of pandemic and economic crises, this is a beginning at least.

1. The user interface

1.1 The structure of the user interface

For better orientation, the policy laboratory is divided into clearly separated display and working areas.

As you can see, the program defines a two-part visual centre: the simulation field (city map with agents) and some diagrams placed to the right of it.

Above this area you will find some buttons for language selection and for calling external pages.

Below the area, there is the navigation bar - similar to that of cassette recorders or CD players. A navigation display (i.e. the display of the running number) is integrated.

Now, however, the policy laboratory would not be a laboratory if it did not have a sufficient number of rough and fine adjustments to design the simulation process. Two work surfaces are used here:

In the upper working area, various social, health and economic policy measures can be set. In detail, the program offers adjusting screws or switches on the following aspects:

  • general measures,
  • measures for events,
  • measures for hospitals,
  • epidemiological measures,
  • measures for schools,
  • measures for companies.

The lower working area offers options for setting specific basic assumptions. The policy laboratory provides the following topics here:

  • psychological assumptions,
  • medical assumptions,
  • economic assumptions.

Assumptions differ from the above measures in being beyond direct political control or influence. While a curfew or a school closure is an expression of political action, policymakers have no - or at least no short-term - influence on factors such as the characteristics of a virus (infection risk, possibility of loss of immunity) or economic structures that have been cemented for decades (production on site without any home office option, dependence on imports / exports). Nevertheless, the variation of different basic assumptions - up to the worst-case scenario of permanent pandemic infections - can model many additional scenarios that may be important for decisions to shape current policy.

Please note that the assumptions field is only available in editions A and B of the policy laboratory.

In editions A and B, under the two fields mentioned there is another area with adjusting screws and switches. On the right, some display variants for the simulation field and the diagrams can be selected (city map & diagram settings). In addition, various options for the data monitor (data monitor settings) and the so-called algorithm settings are placed further to the left, but in edition A only. In editions B and C, alternatively, there is a legend to the symbols of the simulation field.

In edition A, the lower end of the user interface is the so-called data monitor, through which all relevant data from the simulations can be read out. When the program starts, the monitor is limited to displaying a maximum of ten rows of data (); however, it can be changed to full display by switching the button .

Caution: If you run the program over many simulation years, the full display can easily include several thousand data lines.

1.2 The simulation field

The basis of the policy laboratory is a 700 by 700 pixel projection surface on which a city map with streets as well as different coloured usage zones and buildings is shown. Depending on the program settings, about 80 to 1000 people (so-called agents) "live" in the buildings. They pursue different occupations, depending on the time of day and their profession (students, employees, retirees). In doing so, they run the risk of infecting each other with the virus.

At the top right of the map there is a continuously updated legend that shows on the one hand (in the form of an analog clock) the simulation time (in days, hours, and minutes) and on the other hand the agents' state of health (as a frequency distribution of infection levels). At the top left, some traffic sign symbols mark the current program status.

The following areas of life are distinguished in the city map:

Residential buildings (orange): these form the agents' retreat area, from which they may "swarm" for their respective activities.
Schools (red), more precisely: childcare and educational facilities of all kinds, including day-care centres and universities: they are usually visited by the younger agents in the morning until early afternoon on weekdays (here: Monday to Friday).
Workplaces (pale purple): here - also on weekdays - the working agents are found.
Recreational areas (green): these are generally used by all agents (except the seriously ill), but only on Saturdays and Sundays.
Supermarkets (light red): they are frequented by different types of agents throughout the day (except Sundays).
Hospitals (soft pink): depending on the program settings and the simulation process, these are occupied with seriously or critically ill agents.
Cemeteries (grey): they are initially empty, but then fill up with deceased agents (more precisely: with blue tombstones) during the simulation. If the "Age" option is selected (cf. "City map & diagram settings"), the colour of the graves depends on the age of the deceased (black, grey, rarely: white).

The agents shown as small coloured dots which move over the simulation field are optically identified, depending on the program settings, either according to their degree of infection or according to their age (students, employees, retirees) or both. Normally, the simulation visually divides the actors into eight health categories:

  • susceptible, not yet infected (green),
  • non-contagious persons exposed to the virus during the incubation period (yellow),
  • moderately contagious infected people with preliminary symptoms (orange-yellow),
  • contagious infected persons (orange),
  • seriously ill (orange-red),
  • sick people in critical condition (red),
  • recovered (or vaccinated) with immunity (purple),
  • deceased (blue).

According to the legend on the side, for example, by the 40th simulation day (a Friday) at a quarter to 1 a.m., 34 agents have not yet been infected, 17 have been seriously ill, 24 others critically ill, 272 recovered and 6 have died.

If you switch the display to "Age", the age of the agents is shown instead of the infection levels:

  • "students", i.e. children, adolescents, young adults up to 20 years (white),
  • employed persons, i.e. all 21 to 65 year olds (black),
  • retirees, i.e. all persons aged 66 and over (grey).

Additionally indicated in the legend - and continuously updated - are the mortality rate CFR of the infected agents (CFR = Case Fatality Rate; number of deceased divided by the sum of deceased and recovered), the basic reproduction number R0 (here: R) as well as the incidence value R7 (number of new infections within the last 7 days).

The basic reproduction number states how many more people an infected person will infect on average, if no vaccinations or already existing immunities slow down this process. The higher the number, the more dramatically and faster the pathogen will spread. Describing the infectious potential of the pathogen, R0 is the key indicator for assessing its pandemic potential.

The incidence value R7 usually describes the number of new infections per 100,000 inhabitants. In the present simulation, however, it shows the new infections per 1000 people. In view of the low number of agents, a higher reference value would distort the R7 value.

The three indicators (CFR, R0 and R7) vary in the present case depending on the settings and the course of the simulation.

Notice: In the "Stylized city" mode, the display of the statistical data moves from the top right to the centre of the left side of the simulation field.

As already mentioned, different traffic sign symbols appear in the top left of the city map, depending on the program settings and sequence:

Customs border: This symbol indicates a current entry ban.
Attention: The sign is shown when the pandemic warning app reports at least one active case per day.
Steep descent: This sign indicates an automatic decrease in acceptance.
Steep ascent: This sign indicates an automatic increase in home office experience.
Removal of all prohibitions: This symbol indicates the end of the simulation run (all agents have either recovered, been vaccinated or have died).

1.3 The result graphs

To the right of the simulation field (city map), some diagrams are displayed one below the other, which change continuously during the simulation (more precisely: after each day has ended). The upper diagrams are progress graphs that document the development of the simulation run from the first to the current day (the days are scaled below the x-axis). The bottom graph, on the other hand, only shows the current status on the last simulation day.

Degrees of infection

Similar to the colour coding of the agents mentioned above, the top graph shows the ratio of deceased, healthy, non-infected and sick people (of varying severity) in the simulation process. The maximum value of the y-axis corresponds to the total number of agents (100 percent). - If one of the two hospital options "Admit only critical cases" or "Admit both severe and critical cases" is activated for the simulation, the hospital capacity (available intensive care beds) is additionally displayed at the bottom of the graph proportional to the total number of agents.

Degree of ICU utilisation

In addition, the second diagram shows the utilisation of medical intensive care units. The percentage shown here is the number of required intensive care beds, not the number of existing beds. The y-axis is rasterized up to 150 percent. The value of 100 percent corresponds to the number of currently available intensive care beds (the number of beds may vary between 0 and 40 depending on the program settings). If the number of beds required exceeds 100 percent (i.e. is above the number of beds available), the system is at risk of collapsing. In this specific case, it is assumed that the hospitals may still be able to absorb overstrain up to a value of around 150 percent, but that the health system will finally collapse above this value. - To avoid distortions in the representation, the graphic display of overuse is limited to 150 percent; higher values are not reported, even if (or because) they could be a few thousand percent in extreme cases.

If no intensive care beds are provided in a simulation run, the graph remains empty.

School capacity

The third diagram relates to the performance of the schools, more precisely: to their varying capacities, depending on the setting. The display follows a rather complex algorithm:

  • If no special measures are taken, the capacity of the schools is 100 percent.
  • However, if the "Distance, masks, hand disinfection" switch (cf. "General measures") is set, productivity automatically drops to 60 percent. This is a realistic estimate: because of the distance requirement, schools have to halve the classes, i.e. spread them into two rooms each. Since the schools do not have any number of rooms - and teachers -, the capacity initially drops to around 50 percent; through synergy effects (in normal, pandemic-free times not all rooms are always occupied; the timetable can be optimized, etc.) perhaps 60 percent performance can be achieved. - This is visualized in the simulation field by the fact that half of the students go to school only on Mondays, Wednesdays and Fridays, the other half only on Tuesdays, Thursdays and Fridays.
  • If a school closes completely, its capacity naturally drops to zero; however, this can be compensated by online learning (learning at a distance). A realistic to optimistic value is a maximum of 30 percent (a mixed calculation: according to experience, high school students cope better online than elementary school pupils).
  • If a school has opened in "distance mode" (halved classes, etc.), however, the online value drops to half, since the teachers then have to be both present and online, so they don't have as much time for distance learning.
  • Additional complications arise if the distance requirement is lifted for certain (younger) age groups. Specifically, this means that younger age groups are taught full-time, while older students are taught only 60 percent directly in part-time mode and are supervised in home schooling for the rest of the time (40 percent). The graph also reflects this situation.
  • By the way, the diagram evaluates the situation of all (depending on the program settings) four to six schools individually.

As explained elsewhere, the term "schools" is broadly defined here: It includes day-care centres as well as universities. Instead of "school capacity" we could also speak of "educational and care capacity".

Labour volume

The fourth diagram documents the labour volume of the agent society, from which - with certain restrictions - its economic performance can be read. At the beginning of a simulation run, the volume is usually 100 percent. However, due to various developments, it will decrease in the course of the simulation:

  • Of course, the work performance of the employees is primarily impaired by their illness. Especially in the case of severe to critical illness of individual agents, their individual performance is zero.
  • A further impediment is the closure of the borders, which is intended to prevent the entry of infected persons. At the same time, however, foreign trade is prevented or severely disrupted. Companies that are heavily dependent on imports or exports must therefore send their employees into short-time work, which in the simulation is set at 50 percent of the original workload. In the simulation field, this situation is visualized by the fact that half of the employees concerned only go to work on the first three working days (i.e. 60 percent performance), while the other half only works on Thursdays and Fridays (i.e. only 40 percent work performance).
  • Of course, the work performance is also reduced if home office variants or even a general lockdown are scheduled. The performance of agents in the home office depends on many factors, such as whether they already have experience of working at home, whether they can work at home undisturbed by children or other roommates, or whether their job allows them to work from home at all. - Depending on the program settings, very complex courses can result here.
  • However, there are also some circumstances that can be beneficial to work performance: on the one hand, of course, the recovery from the illness, on the other hand, belonging to the group of systemically important employees who are not even sent to the home office.

Attention: The work done by the agent society is always calculated for the entire preceding working week; therefore, the data are updated only every seven days and are repeated in the remaining days. This means that (as real labour market statistics do, by the way) the data situation always lags somewhat behind the current trend.

For this reason, it is also advisable to start a simulation without any measures that affect the labour market (entry bans, lockdown, home office), as otherwise the already reduced work performance of the first week will be calculated by the program as "100 percent". With a later lifting of the restrictions, this can lead to numerical confusion in both the diagram and the data monitor, as suddenly values well over 100 percent are achieved. The displays within the diagram or the monitor are then still mathematically correct, but are likely to cause irritation.

In order to avoid these irritations, the so-called autocorrection can be switched off in the field "City map & diagram settings". The program then always starts with a roughly calculated 100 percent maximum output and shows the real values only from the second week. However, due to the different calculation mode, these have a slight fuzziness of up to 1.0 percentage points.

Recreational consumption

This graph shows the leisure behaviour of the agent society. The measure is the total number of hours spent by agents in leisure facilities. In the policy laboratory, foreign leisure activities take place exclusively at weekends. On Saturdays, both working people and their children engage in various activities; adolescents and young adults aged 16 to 20 even spend a little more time away from home in the evening. Only retirees stay at home.
On Sundays, the entire agent community (with the exception of those who are seriously or critically ill) is usually on the road for several hours.
By default, the leisure time behaviour is displayed on a daily basis (in characteristic curve sequences). However, the diagram can also be switched to weekly display (see the section on "City map & diagram settings"). The data monitor basically evaluates the leisure activities by the day (in hours).
From an economic point of view, one can deduce from the calculated numerical values what turnover the leisure industry (sports clubs, concert organisers, gastronomy, etc.) records in each case.

This diagram appears only in the editions A and B.

Supermarket visits

Similar to the graph "Leisure consumption", the graph "Supermarket visits" shows the consumption behaviour of the agent society, but here in relation to the goods of daily use - in other words, "supermarket goods".
In this diagram, too, the measure is the total number of hours spent in the shop by the agents.
Supermarkets are used six days a week, Saturdays a little longer than during working days. The markets are not open on Sundays. The clientele is recruited from agents aged 16 and over, so children do not shop independently.
Also for this graph applies:
By default, the purchasing behaviour is shown by the day (in characteristic curve sequences). However, the graph can be switched to weekly display (see the section on "City map & graph settings"). The data monitor also evaluates the activities here basically on a daily basis (in hours).
Similar to leisure consumption, supermarket use can also be considered an indicator of the "business climate" of the economy.

This graph is only shown in editions A and B.

Passenger traffic

The "Passenger traffic" graph shows the number of daily (or weekly) movements of agents between home and work, school, supermarket or leisure centre. No distinction is made between journeys by private car, use of public transport and easy walking.
It also does not take into account the length of the distance travelled and the duration of the journey. Only the journey as such is counted.
By default, mobility is displayed by the day (in characteristic curve sequences). However, like the previous two, the diagram can be switched to weekly display (see the section on "City map & diagram settings"). However, the data monitor always evaluates the movements on a daily basis (as the sum of all trips).
From an economic point of view, changes in the general traffic volume allow conclusions to be drawn about the utilisation of transport routes by private and public transport in pandemic times. Sociologically, the data are an indicator of the degree of outward (direct, non-virtual) social contacts.

This diagram is only shown in editions A and B.

Acceptance

It cannot be ruled out that the willingness to accept common pandemic rules (distance, hygiene, everyday mask) may vary among the population and also decrease over time. Therefore, the policy laboratory offers two possible settings for this:

The graph "Acceptance" describes the daily development of acceptance in percentage values. One hundred percent means that the population is completely in agreement with the government's measures; zero percent indicates that the measures are completely ignored.

The setting options described above are only effective if the option "Distance, masks, hand disinfection" is set in the "General measures" section. Without rules there is no loss of acceptance!

This diagram is only shown in edition A.

Experience

Working in a home office is not the same as working on site. At home, it is hampered by the lack of suitable work equipment or by the presence of flatmates (especially children when schools are closed). In the policy laboratory, however, it is assumed that it is quite possible to increase efficiency in the home office through appropriate routine. The programme offers two setting options for this purpose:

The graph "Experience" shows the daily experience level in the home office in percentage values. Zero percent means that the home office capable agents have no experience at all. One hundred percent describe a company that can (or could) routinely work from home wherever possible. In other words: During a lockdown, underperformance resulting from domestic work is more likely to be compensated.

However, the setting options described above only have an effect if a curfew or at least "home office for everyone" has actually been ordered in the simulation. In "normal" times, when (mainly) local work is done, home office experience is meaningless.

This graph is only shown in edition A.

Degree of infection according to age cohorts

The lowest diagram does not document the course of the simulation, but the actual state on the last retrieval day. It presents in ten bars the frequency distribution of the agents over the decades of age (0 to 9 years, 10 to 19 years, etc.). Within the age decades - analogous to the top graph - the frequencies of the infection levels of the agents are displayed, whereby also here the colours described above are used (blue for deceased, purple for recovered or vaccinated, yellow to red for various stages of infection, green for - merely - endangered).

Typically, the bars at the beginning of a simulation run are largely green; after a longer simulation time they turn purple or, at worst, blue. Normally, there will be more deaths among older agents than among younger ones. The program follows the current scientific findings on the mortality rates among Corona patients. Other pandemics may produce divergent mortality rates; however, these are not taken into account here.

Caution: The graph display is updated daily, so previous displays are lost. However, the latter can be read out via the data monitor ( and ).

1.4 More display fields

Number of the simulation run

Immediately below the diagrams there is another display box. The number of runs carried out so far is indicated here. You can also read the number of agents involved in the current simulation run.

The display distinguishes between "real" new simulation runs with different numbers of agents resp. frequency distributions within the households, as they are usually activated via the restart button, and those simulation runs that merely represent a repetition (see repeat button) of the previous basic settings. - "Real" new runs are shown on the left, repetitions (in slightly smaller font) to the right of the point.

It should be noted here that "real" new simulation runs can also be triggered with the repeat button, namely if there are changes in the population of agents or households and / or in the design of the simulation field (e.g. due to a change normal / stylized city).

Legend and data field

At the bottom of the user interface, editions B and C of the policy laboratory display a legend with a summary of the symbols of the simulation field.

Legend
House [in residential area] Supermarket / shop [in commercial area]
School [in residential area] Hospital [in designated spot]
Workspace [in industrial area] Cemetery (possibly with graves)
Recreation area Inhabitants (agents)

At the start of the program, this legend is also shown in edition A of the policy laboratory, but there in the data monitor field. If this is activated, the data records of the monitor will appear on the same surface instead - in the default setting    for example in the following theme:

2. Program control

2.1 Control elements

The policy laboratory uses five types of control elements as adjusting screws or switches to control the program functions.

Buttons: Depending on their function, they react as (toggle) switches resp. push buttons. They trigger a program event. Their symbols may vary depending on the switching status.
Sliders (range controls): They can be used to set a numerical value within a certain range of values. Minimum and maximum of this range of values are noted on the left and right at the end of the slide control.

Single switches (checkboxes): They allow to switch a function on (with a tick) or off (without a tick) in a simple manner.


Multi switches (radio buttons): They allow different functions to be switched on and off alternately.
Function areas: Changes can be made on some areas of the simulation field with a mouse click.

2.2 General program functions

Above and below the simulation field and the diagrams, there are some control elements that are responsible for the general program functions.

Language selection









The policy laboratory can currently be accessed in the following languages:
  • German,
  • English,
  • French,
  • Spanish,
  • Portuguese,
  • Italian,
  • Dutch,
  • Polish,
  • Turkish,
  • Esperanto.
An expansion of the language options is intended.
 
However, this manual and the data monitor quick start guide are still only available in German and English.
External sites
This button takes you back to the index page.
This button links to the online policy laboratory of the University of Hohenheim.


Depending on the edition of the policy laboratory, different buttons are displayed here:
  • In edition A, you can switch to edition B using the B-button.
  • Edition B can also be called up from edition C via the B-button.
  • If you start with edition B or call B from A, B shows an A-button to switch to edition A. If B was selected from C, the edition shows a C-button for returning to C.
The language selection is retained when changing editions.
This button can be used to open the present manual in a separate window.
Control of the simulation run
Break:
The simulation can be stopped at any time and then continued with the help of a step or run button.
Small step:
This key enables forward jumps of 15 minutes within the simulation. After that, the run is stopped.
Big step:
This key allows for larger jumps. They vary between 30 minutes and a full day (24 hours), depending on the setting (see below).
The settings are only effective in combination with the "Big step" button.
Slow run:
The simulation is played continuously at a moderate speed.
Fast run:
The simulation is played continuously relatively quickly.
Super fast run:
The simulation is played very fast. The speed can be adjusted using the slider (see below). If the "Automatic stop" switch (see below) is set, the simulation stops automatically after a defined time interval, but can be continued in a further interval by pressing the button again.
Position "x1" corresponds to the playback speed of the "Fast run". The default value "x100" is only symbolic, since the actual playback speed depends to a large extent on the hardware used.
Automatic stop:
When the switch is closed, the simulation stops automatically after a defined time interval, provided it is executed in the "super fast run". You can continue by pressing the "Super fast run" button again (until the simulation pauses again at the end of the next interval). - When the switch is open, the simulation will run until it is stopped manually.
Attention: The auto-stop function exclusively refers to the "super fast run". In addition, it is only available in editions A and B.
Here the auto-stop time interval can be set in steps of 100 from 100 to 1000 days. A change in the setting only takes effect after an auto-stop or when a new simulation run is started.
Repetition:
A simulation run can be repeated with the same number of agents and the same number and composition of households. Since the program does not use an arbitrary random number generator, but works with so-called fixed random number series, a repetition, if no settings have been changed, will produce exactly the same results as in the previous run. - But beware: changes in the number of households and / or in the "normal / stylized city" area automatically cause the repeat button to behave like the "New simulation" button (see below).
New simulation:
This key basically generates a new simulation with new random numbers, i.e. with new agent numbers and household compositions.
Previous random number generator:
This "backward" key calls the previous random number generator; the display of the simulation runs counts down. When the first random number generator is reached, the key has no more effect.
Reset:
This button resets the program to the first random number generator. But be careful: All other program settings are retained. Therefore the "first" run does not necessarily correspond to the initial values at the start of the program.

The number of simulation days per run is limited to 9999 (i.e. around 27 years!). The program stops when the maximum number is reached. Of course, further simulation runs can be carried out afterwards.

2.3 The "Measures" field

The functions described in this section are available in all three editions (A, B and C) of the policy laboratory.

Various health policy measures can be activated or deactivated in this work area. The following table shows the specific measures involved. The last column shows the value specified by the policy laboratory when the program starts.

1. General measures default
Distance, masks, hand disinfection:
Political appeals, laws and requirements of the authorities lead to higher hygiene standards in the population. This reduces the risk of infection.
In addition, if the switch is set, all schools are automatically switched to "hybrid operation" (60 percent face-to-face teaching, 40 percent distance learning).
off
Acceptance:
Not all people adhere to the prescribed hygiene standards, whether out of negligence or on principle. Here you can set the proportion to which the population accepts distance rules and mask obligation. The percentage is displayed above the controller.
In the "Psychological assumptions" field (see below), an automatism can be called, which successively reduces the acceptance linearly or exponentially. Percentage display and slider position are then updated accordingly.
95%
Activation of a pandemic warning app:
A so-called pandemic warning app can be activated here. In the ideal case, such an app signals that you have had contact with an infectious person before. The prerequisite for this is that both parties (the infectious person and the person at risk) have installed the warning app on their respective mobile phones and are actually using it.
In the policy laboratory this warning app is implemented as follows:
Case 1: The infectious agent and an unsuspecting healthy agent meet at close range. If the sick agent tests positive, he passes this information directly to the app. The healthy, but now perhaps newly infected agent can also be tested as quickly as possible based on this information. - The situation described above is rather unlikely, since an agent that tested positive normally goes into domestic quarantine immediately in order not to infect anyone. He can only infect other people on the way home (or at home).
More likely is case 2: the infectious agent does not yet know about his illness. He only learns about it after a few days (for program settings see below), so he only passes on the information later. This means that the potentially affected contact agent can only be tested after a time delay. If he then tests positive, he also immediately goes into quarantine. Of course, he may have infected one or the other in the meantime.
If the test of the person at risk is negative, the test is repeated up to four times at intervals of three days, depending on the result. Even if the test is negative, the person warned via app remains under medical supervision for about two weeks.
The basic idea of the warning app is that, if it is used nation­wide, people who have fallen ill and their flatmates can be "taken out of circulation" in good time through domestic isolation and the excesses of the pandemic can thus be contained.
Households in quarantine are shown on the simulation field with thick borders. In addition, if this option is activated, the traffic sign "Warning, Danger!" will always appear on the top left of the city map if the warning app has a positive response at least once a day.
Important: Tests that are carried out as a result of the warning app are added to the early detection tests that can be switched on elsewhere, but are not offset against them (cf. the section "Measures for hospitals").
off
Use of warning app:
Here you can set the percentage of the population that uses the warning app.
10%
Delay of warning:
This option controls with how many days delay the warning is passed on by the app on average. The setting only affects carriers of infections that do not know about their illness at the time of encountering a vulnerable person. (Positively tested persons, who are aware of this finding, always save their test result immediately in the app; in this case, those at risk are informed of the contact at once).
3 days
Interregional entry bars:
The external borders can be closed to contain the pandemic. If the switch is open, new infections are caused by travelers; if the switch is shut (symbolized on the simulation field by the "customs border" traffic sign), this is prevented.
It should be noted that in the event of an entry ban, all companies dependent on imports or exports have to go on short-time work and only 50 percent of the usual work performance is achieved there.
If the "Far-reaching lockdown" switch (see below) is set, this automatically includes entry bans.
Incidentally, systemically important employees are generally not affected by the ban.
off
Travel intensity
With high travel intensity, the number of infections increases. With the slider, the number of new infections per week can be set. There is no distinction between professional and private trips. The setting is only effective if the "Interregional entry bars" switch is not set.
1
Purchase restrictions (one buyer per household):
If the number of shoppers in the supermarket is limited to one per household, the social contacts in the market and thus also the risks of infection are reduced.
Typically, the program selects the oldest person in the household as the person entitled to purchase.
off
Extensive lockdown:
The curfew imposed here is largely stalling public life. Unless they are employed in a systemically important way, people are only allowed to leave their homes for shopping, and only on Mondays, Wednesdays and Fridays from 4:30 p.m. to 7:00 p.m. Work takes place, if possible, in the home office, school at home in "distance learning". Major events are omitted; the borders remain closed. The simulation field displays corresponding markings.
Any other settings of the program are ignored. This switch is therefore one of the most consequential of the entire simulation.
off
2. Measures for events default
Admissibility of major events:
This option assumes the normal state: large events such as concerts or stadium events, but also larger family celebrations in the restaurant or club events are allowed.
on
Limited admissibility of major events:
Major events are now only permitted under certain conditions and are associated with a significant reduction in the number of visitors. Further down, the visitor limit can be set via the slider.
off
Ban on major events:
Major events are no longer taking place. In the simulation field, all leisure facilities are blocked.
off
Attendance limit:
The limitation of the number of visitors can be set here, if major events are permitted under conditions.
20%
3. Measures for hospitals default
No provision of intensive care beds:
This option describes a situation that is actually untenable for a Western industrialised country: the existing hospitals have no intensive care beds, no possibilities for artificial ventilation, etc. and therefore do not accept pandemic patients.
on
Admission of critical cases only:
Now the hospitals accept at least critical cases, but only if enough (free) beds are available. Admission to hospital significantly lowers the mortality rate of the sick. The number of beds can be set further down by using the slider and is also displayed in the top diagram.
off
Admission of serious and critical cases:
Beds are now available not only for critically ill people, but also for those who are seriously ill, if free capacity is available. Here, too, admission to the hospital makes the survival of the patient more likely.
off
Hospital capacity:
Here you can set the number of available intensive care beds (possibly already occupied by pandemic patients).
It should be noted that too few beds can easily lead to a collapse of the healthcare system. In an agent society of 100 people, a maximum of 40 intensive care beds to be set up is certainly luxurious, but in a society of 1000 people (i.e. 450 households) it may not be any more.
If you reduce the number of intensive care beds during an ongoing simulation, the patients in them are of course not suddenly thrown out; rather, they leave the hospital only upon convalescence or in the event of death. In other words, there may be a delay in reducing the number of ICU beds.
4 beds
Early detection (tests):
The earlier an infection is detected, the sooner the infected person can be isolated. If the switch is set, all agents not yet tested are successively checked for the virus. If a test result is positive, the person and all roommates living in the same household are quarantined, i.e. their home is blocked. In the simulation field, blocked households are shown with a thick border. The quarantine is only lifted when there is no longer any person tested positive in the household (recovered patients are defined as "negative"; the deceased, too, are no longer counted as "positive").
Attention: If the test capacity is low (see below), it can happen that a blocked house is accidentally opened too early, although there are still sick people in it who have not been tested. An increase in the test capacity usually helps here.
In this simulation program, the execution of the tests is formally assigned to the hospitals. Of course, tests can also be carried out in medical practices or in rolling laboratories. In view of the diffuse nature of the test locations, the agents' walk to the respective test is not modelled in the simulation field.
off
Tests per day:
Here you can define how many tests can be carried out per day. The total number of tests performed during a simulation is continuously updated in the display above the slider. The current rate of positive tests (based on the total number of tests) is displayed here, too.
20
Earliest indication (latency day):
During the so-called latency phase (incubation, early phase of infection), the virus may not yet be detected at once. The number of days after which a meaningful test can be carried out can be set here using the slider.
In contrast, the test identifies those pre-symptomatically infected and those with symptoms as "positive" immediately.
4
Test interval (in days):
A negative test does not guarantee that you are protected from the virus. It is therefore advisable to retest those with negative results at regular intervals. The corresponding test interval (test repetition after ... days) can be adjusted here.
Caution: If the test capacity (see above) is too low, not everyone affected can be retested in good time.
7
4. Epidemiological policy default
No vaccination measures:
The unfavorable case is assumed here in which either no vaccination measures have yet been initiated or no vaccine is available at all.
on
Vaccination recommended:
Vaccine is now available. Vaccination is recommended and perceived by most agents - apart from declared opponents of vaccination. However, the number of vaccinations per day is limited (for technical reasons), so that a "full vaccination" of the population can take some time.
off
Vaccination required:
Vaccination is now compulsory and must also be accepted by vaccine opponents.
off
Vaccinations per day:
Here you can adjust how many vaccinations the system can provide per day. This also includes unsuccessful vaccination attempts (in the case of vaccine opponents).
The total number of successful vaccinations carried out so far in the simulation run is displayed above the slider. In the event of an assumed loss of immunity, multiple vaccinations must be carried out, so the number of vaccinations after a longer simulation period may also exceed the total number of agents.
5
Vaccine opponents:
This slider can be used to determine the percentage of those who oppose the vaccination. In practice, it depends heavily on the communication policy of the respective government and, in particular, the Ministry of Health.
The absolute number of vaccine opponents is noted above the slider.
6%
5. Measures for schools default
General measures only:
Normally, all schools work full-time. However, if the "Physical measures: distance / hygiene / coughing" switch is set, the educational and care institutions automatically fall into a hybrid mode. This is based on the idea that adherence to distance rules is only possible if classes are divided. Divided classes, in turn, require more rooms that are not always available. Therefore, full-time operations cannot be maintained for all students. In practice, the classes receive face-to-face tuition on three days (i.e. 60 percent) - distributed over the week according to age groups - while the remaining learning content (40 percent) has to be worked through at home, e.g. through online learning.
on
No school attendance of infected students:
If a student is diagnosed with a disease, he or she stays at home. For his classmates, lessons continue to take place full-time (or in hybrid mode, see above).
off
Closure of school at the first case of illness:
If a disease is diagnosed, the entire single school will now be closed as a precautionary measure; the students learn in home schooling. - At the other schools in the city, lessons are held according to plan.
In the simulation field, closed schools are shown as blocked.
off
Individual closure, family isolation:
In addition, not only the sick student, but his entire family is placed in domestic quarantine. The closure of the individual school will, of course, remain.
Households in quarantine are highlighted on the simulation field by a thick border. Closed schools are marked, too.
off
Individaul closure, isolation of all families:
In addition to the sick student and his family, the families of all classmates in his school are now being placed in quarantine at home.
In this setting, too, individual school closings and isolated households are marked on the simulation field.
off
  Attention: If the settings "Individual closure, family isolation" or "isolation of all families" are changed to other school options during a simulation run, existing quarantine-related house closures are created gradually down (unless they are set again by the "Early detection" option - but only if the "locking function" (see "City map settings") is switched off. If the "locking function" is set, the house locks freeze and must be deleted individually on the simulation field by hand (i.e. with a mouse click).  
Closing of all schools:
With this setting, all schools will be closed as a precautionary measure. Lessons take place exclusively at home by online learning.
All schools are now shown blocked in the simulation field.
off
Online learning:
This is where you can adjust the degree to which online learning can replace conventional lessons in the classroom. Of course, only estimates can be made here. Older students will get along better with the computer than younger ones and may show more discipline in learning - provided that the appropriate online technology (tablets, fast Internet, learning platforms, etc.) is available at all.
It must also be noted that the options for online lessons are automatically reduced (in the program: by half) if the teachers also have to teach face-to-face at the same time in hybrid mode.
10%
Abolition of distance rules for students:
If this switch is set, the spacing rules for students will be removed, even if they continue to apply in another context. This measure is based on the assumption that children and adolescents are not as infectious as adults.
This will allow for continuous classroom instruction, at least for younger age groups. However, for older students, depending on the setting of the program (see below), hybrid teaching with only a temporary school presence may remain.
A note on this: The concept described seems quite bizarre and is only included here because it is actually practiced. However, unlike some ministries of education, the policy laboratory program does not differentiate between pupils' school and extracurricular residence, but fundamentally abolishes the distance rules for the corresponding age groups. This approach follows the idea that children who spend a large part of their time at school without distance rules may find it difficult to comprehend why they should behave differently outside.
off
Age limit:
Here you can select the age by which children (students) are exempted from the distance rules. The age limit is displayed above the slider.
12 years
6. Measures for companies default
No special measures:
This option represents the normal case: All companies do "business as usual".
on
Home office in case of illness
Now sick employees stay at home and, if only slightly ill, continue to work from there.
off
Home office also for risk groups
In addition to the sick, all members of risk groups are now sent to the home office as a precautionary measure. The program defines all employees from a certain age as risk groups (see below).
off
Home office for everyone (if possible)
From now on, work will only take place from home. The only exception here are systemically relevant employees who continue to work on site.
It should be noted that not every job is home-office-capable. For example, workers who work locally in production do not achieve any work at home. The same applies to certain service providers (such as hairdressers) and artists.
It must also be noted that the home office can never replace the work at the actual workplace completely, especially if the employees have little relevant experience or the accompanying domestic circumstances (children in home schooling, etc.) are unfavourable. In all cases, home office is associated with a - sometimes significant - reduction in work performance, which is calculated by the program according to special algorithms.
With this setting, the workplaces in the simulation field are marked as blocked. Exceptions are workplaces with systemically important employees. As a result, when there is a large vital workforce, not a single site can be shut down.
off
Risk age:
The age at risk can be varied within the last decade of regular working life. For example, the setting 55+ means that all employees between 55 and 65 are affected. If the value is set to 65+, only the 65-year-old employees are meant (since the 66-year-olds are already retired).
60 years
Vital employees:
Systemically important employees are people who the social system (supposedly) cannot do without. As a rule, this includes basic providers in the food and energy sectors, employees in the health sector and in nursing, in regulatory authorities, in transport of goods and in passenger transport (local public transport). They are all largely exempt from pandemic-related restrictions (home office, entry bans).
However, the number of systemically important employees is only apparently fixed. Depending on the overall political and economic situation, policymakers may redefine who or what is to be considered systemically relevant. If a region is strongly influenced by certain industries (such as automotive suppliers), politicians will be willing to declare the employees here systemically important in order to avoid socio-political upheavals in the event of short-time work or after mass layoffs.
For this reason, this control, which determines the number of vital employees, is not assigned to the "Assumptions" field, but to that of the "Measures".
20%

2.4 The "Assumptions" field

Attention: The functions described in this section are only available in editions A and B of the policy laboratory.

While the political decision-making options are bundled in the "Measures" field, the "Assumptions" field provides the psychological, medical and economic basis for these decisions.

The details are shown in the following table. Again, the initial values at program start are shown in the last column.

Psychological assumptions default
Constant acceptance of the measures:
The policy laboratory tries to introduce a "human factor" into the simulation by also taking into account the mental condition of the agents. In the basic setting, a very stable basic attitude of the population is assumed. The percentage of agents specified in the "Acceptance" section consistently accepts the imposed requirements (distance rules, mask obligation, etc.). For example, if the acceptance value is 95 percent, this value will remain throughout the entire simulation run, even for years.
In practice, however, an assumption like this is rather unrealistic.
on
Linear decrease in acceptance:
It is therefore assumed here that the acceptance of health policy measures, whether out of impatience and weariness, or from political opposition, will wane over time. A linear decrease (down to zero) is modelled over a defined period of time, which can be determined with the "Loss of acceptance" slider (see below).
off
Exponential decrease in acceptance:
In this setting, acceptance does not decrease linearly, but exponentially. If the automatic (linear or exponential) reduction of acceptance is switched on and active (!), this is indicated in the simulation field by a "steep descent" traffic sign.
off
Acceptance curve:
Eight curve types are available for modelling the exponential decline. In curve type 1, acceptance remains relatively high over a long period of time and decreases exponentially only towards the end of a defined period. Curve type 8 generates an exponential curve that initially falls sharply, then more gently. The rest of the curve types are between these two extremes (see below).
The selected curve is displayed in stylized form to the right of the slider.
# 1:
# 2:
# 3:
# 4:
# 5:
# 6:
# 7:
# 8:
The constant ( ) and the linearly decreasing option ( ) are also taken into account here.
2
Loss of acceptance:
The period over which the loss of acceptance extends can be set here. The program defaults are 100, 125, 150, 175 or 200 days.
The number of days assumes that the original acceptance value is 100 percent. If it is lower, acceptance reaches the value "zero percent" earlier.
100 days
Linear acceptance
Constant acceptance (95%) Linear decrease
Exponential decrease
Curve 1 Curve 5
Curve 2 Curve 6
Curve 3 Curve 7
Curve 4 Curve 8
Increasing experience in the home office:
It is assumed here that the agents gain experience in dealing with the home office over time and thus can work more effectively from home in the long term (provided that their job is home office suitable). If the switch is set, the experience value increases weekly by a certain percentage (see the following slider).
Here, too, the following applies: If the agents' initial experience is not zero percent, but rather higher (for example, with an initial value of 25 percent), the total experience of 100 percent will be achieved earlier.
If the automatic increase of experience is switched on and active (!), this is indicated in the simulation field by a "steep ascent" traffic sign.
off
Learning progress per week:
Here you can set the percentage by which the home office experience increases per week.
4%
Medical assumptions default
General infection risk:
The program sets the risk of infection to the index value 4. However, lower or higher values are also conceivable. The index value 10 therefore depicts an extremely aggressive virus, which is significantly more infectious than COVID-19. An index value of 1, on the other hand, corresponds more to that of a traditional flu.
4
Risk of infection in public transport:
This slider defines the risk of infection especially in public transport. The prerequisite is that the agents use the bus and train at all (see the "Use of public transport" control).
4
Loss of immunity:
Under certain circumstances, the body of a sick or convalescent person may not build up sufficient long-term immunity against a virus. With the switch set, such a loss of immunity is assumed for all agents.
off
Risk of reinfection:
Here you can set the risk of reinfection after a disease (or after a temporary vaccination). In this case, too, an index value is specified. If it is 10, all agents can in principle re-infect themselves. If it is 1, it only hits about one in ten.
5
Immunity period:
How long a pandemic patient (or vaccinated person) enjoys de facto immunity in the event of an expected loss of immunity can be adjusted here between 5 and 90 days using a slider.
60 days
Immediate contagiousness:
The simulation program assumes that the pandemic can be described in a SEIR model (Susceptible, Exposed, Infectious, Recovered/Removed). This means that there is a latency phase in which the infected are only exposed to the virus, show no symptoms and are also not contagious.
If you now set this switch, it is assumed that the infectiousness (the so-called contagiousness) begins immediately after infection, i.e. without a visible latency phase. The course of the disease thus corresponds more to that of a SIR model (Susceptible, Infectious, Recovered/Removed).
Caution: The switch transforms the (non-infectious) latency phase into a period of infectivity, but does not shorten the time until the disease breaks out. A complete elimination of the latency period (corresponding to a "real" SIR model) can be achieved with the "Incubation" slider (see the "Algorithm settings" area).
off
No new infections:
If you choose this option, further infections in the simulation run will be prevented.
Of course, the sudden end of a pandemic almost "overnight" is unrealistic. In the alternative, however, you can use the switch to experiment with different program settings and to display their effects free of pandemic influences. For this purpose, the switch must be set before the start of a simulation.
See also "Test runs without pandemic".
off
Economic assumptions default
Location-dependent work:
Here you can set the extent to which the agents' companies carry out work that is tied to certain production locations and therefore cannot be done in the home office. The higher the percentage of location-based work, the lower the benefits in the event of a lockdown.
40%
Interregional businesses:
Here you can define the extent to which the agents' companies operate supra-regionally and are therefore dependent on exports and / or imports. In the event of a complete lockdown or even the closing of the borders (entry bans), their production will be hit hard, so that they have to send their workforces into short-time work (program specification: 50 percent).
Similar to the heading "Location-dependent work", the same applies here: the higher the percentage of supra-regional companies, the lower the work performance in the event of a lockdown or travel restrictions.
40%
Home office experience:
Not all employees have sufficient home office experience. The proportion of experienced home workers can therefore be determined here in relation to the total number of employees. The percentage is displayed above the slider.
In the "Psychological assumptions" area (see above), an automatism can be called, which gradually increases the home office experience linearly. Percentage display and slider position are then updated accordingly.
25%
Use of public transport:
Here you can set the extent to which the agents use public transport.
If the slider is set to zero, rides between home and work, supermarket, school or leisure facility are not taken into account for the course of the simulation. One could say: all agents are driving (epidemiologically safe) private cars and cannot get infected on the way to their destination.
On the other hand, if the agents use buses and trains (i.e. if the slider has a value higher than zero), they may expose themselves to an increased risk of infection there (see the slider "Risk in public transport").
0%

2.5 Algorithm settings

Note: The functions described in this section are only available in edition A of the policy laboratory.

The policy lab is structurally oriented towards the COVID-19 pandemic. In concrete terms, this means that essential program processes are based on the data of the World Health Organisation (WHO) on this pandemic. In this context the software uses a series of algorithms, i.e. fixed program routines, to calculate the infection courses of the agents.
However, these program routines can also be changed or bent using the adjusting screws in the "Algorithm settings" section. In this way it is possible to model completely different pandemics with completely new courses.

Beware: this option should be used very carefully. It should always be remembered that even small changes in the initial values can result in pandemic progressions that differ significantly from COVID-19.

The following table gives an overview of the available options. In the last column, the setting with which the policy laboratory program starts is noted.

Focus of risk:
Here you can set which age groups are particularly affected by the pandemic. The program offers the following options:
   +5: extremely high risk for older people,
   +4: very much increased risk for older people,
   +3: greatly increased risk for older people,
   +2: increased risk for older people (= COVID-19),
   +1: moderately increased risk for older people,
     0: risk equally distributed among all age groups,
   –1: moderately increased risk for younger people,
   –2: increased risk for younger people,
   –3: greatly increased risk for younger people,
   –4: very much increased risk for younger people,
   –5: extremely high risk for younger people.
+2
Incubation:
The incubation period, i.e. the period of time from infection to the visible outbreak of the disease, is not the same for all patients. In the case of the COVID-19 pandemic, some people show symptoms after just one day, others after 15 days, and in rare cases up to 25 days. However, most patients fall visibly ill about a week after infection.
The frequency distribution of the diseases in relation to incubation days can be shown in a so-called logarithmic normal distribution. The policy laboratory uses such a log-normal distribution as a basic algorithm.
This basic algorithm can be changed here. In addition, a linear frequency distribution is also offered in which the same number of people visibly become ill every day during the assumed incubation period.
Altogether, the following options are available:
   +3: extended log-normal distribution over about 50 days,
   +2: standard log-normal distribution over 25 days (= COVID-19),
   +1: shortened log-normal distribution over 13 days,
     0: infection of all those at risk on the very first day,
   –1: linear distribution over 14 days,
   –2: linear distribution over 26 days,
   –3: linear distribution over 51 days.
Option "0" corresponds to the SIR model (Susceptible, Infectious, Recovered/Removed) for describing epidemics, since here the disease breaks out immediately and not only after a latency period. Compare also the explanations in the paragraph "Immediate contagiousness".
+2
Automatic stop at the end of the simulation:
If this switch is set, the simulation is automatically stopped at its "natural" end (all agents are either recovered, vaccinated or dead). The end is signalled on the simulation field by the traffic sign "lifting all bans".
By pressing one of the play buttons (for example slow, fast or super fast) the simulation can be continued. However, this only makes sense if the pandemic is subsequently reignited, for example by assuming "Loss of immunity".
The continued simulation does not automatically stop a second time.
on

2.6 City map & diagram settings

Attention: the functions described in this section are only available in editions A and B of the policy laboratory.

The "City map & diagram settings" work area enables changes to be made to the appearance of the simulation field. In addition, diagram algorithms can be adjusted here. However, the changes marked with an asterisk (*) will only take effect in a new simulation run.

The following table gives an overview of the options. The last column shows the setting with which the policy laboratory program starts.

City map default
Stylized city*:
After setting the switch and calling a new simulation run, the city map will show a schematized, symmetrically laid out city. As a result, some interdependencies can be seen more clearly because they are less complex. The stylized city basically has 200 households.
off
Attendance:
The policy laboratory is programmed to allow agents to visit workplaces, schools and leisure facilities in their vicinity. The maximum number of visitors in these locations can be made visible here.
off
Locking function:
If this switch is activated, certain areas on the simulation field can be blocked with a mouse click. More on this in section "Direct input in the simulation field".
on
 
 
off
Slow motion:
In this setting, the agents' routes are shown in slow motion. But note: Since the agents reach their destination a little later this way, they also have less opportunity to become infected there.
off
Agent status default
Infection:
Usually, the agents of the policy laboratory are shown as colourful circles outlined in black, with the colour inside the circle reflecting the degree of infection.
on
Infection/age:
In this setting, the agents appear inside the circle in their infection colours; however, the edge indicates their age (white: young, black: employed, grey: retired). The display is difficult to detect during a running simulation; individual agents can be analyzed better when the simulation is paused.
off
Age:
Depending on their age, the agents present themselves as black-rimmed white, black or grey circles - white as children, adolescents, young adults up to 20 years of age, black as employees (21 to 65 years old), grey as retirees (over 65 years of age). This colour assignment may also apply to their graves. - The legend of the simulation field is adjusted accordingly.
off
hidden:
In this setting the agents become invisible. However, they continue to operate in the background. This option is useful, for example, when the "Early detection" switch is set. Now you are able to better monitor the blockage of individual households (quarantine) and the subsequent lifting of the respective blockade.
off
Autocorrection default
School (cf. school capacity diagram):
If the function is switched off, the program assigns the same productivity to each school. For example, if there are six schools in the simulation field, each school is assigned exactly one sixth of the total productivity. Accordingly, the latter decreases by a sixth when a school has to close.
If autocorrection is activated, the program weights the individual school capacities according to the number of students attending the respective institution. A school with 40 students provides (or loses) more capacity than one with only 10 visitors.
A display with autocorrection is more precise, but a display without correction offers more transparency and is easier to understand visually.
Switching the autocorrection on or off during a running simulation should be avoided, as the percentage values displayed in the diagram will otherwise lose their consistency.
on
 
 
off
Labour (cf. labour volume diagram):
The program calculates the work performance of the employees at the end of each working week. Since there is no previous working week at the start of the program, the program initially roughly calculates a (theoretical) performance of the agents, which is set to 100 percent and readjusted from the second week on the basis of the calculation of the real performance of the first week (autocorrection). This method has a dis­advantage: If a simulation starts, for example, in the lockdown, the reduced work performance of the first week is calculated as 100 percent. If the lockdown is lifted later, the workload increases well above 100, in extreme cases even to more than 2000 percent. To avoid these irritating values, you can deactivate the autocorrection. The program then always starts with the formally determined 100 percent performance of the agents and does not readjust it. However, the formal determination (and updating) of work performance is not entirely precise. Real performance is (randomly) between 0.0 and 1.0 percent lower.
Switching on or off the autocorrection during a running simulation should be avoided, as the percentage values displayed in the data monitor can otherwise no longer be reconstructed.
on
 
 
off
Week display default
Recreation*:
With this switch the diagram "Recreational consumption" can be switched from daily to weekly display. However, as with the following switches, a new simulation run is required for this.
off
Supermarket*:
Here you can switch the diagram "Supermarket visits" from daily to weekly display.
off
Traffic*:
This switch sets the display of the "Passenger traffic" diagram from daily values to totalised weekly values.
off
Households default
Households*:
The number of households can be selected in increments of 50 from 50 to 450 (with approx. 100 to approx. 1000 people). This option can be used to test whether and to what extent the population density has an impact on the infection process. - The setting applies only to normal cities, not to the stylized variant.
200

Simulation field layout: examples
50 households 450 households
200 households with attendance 200 households, stylized
200 households, slow motion, attendance,
partially blocked locations
200 households, hidden agents,
partially blocked locations

Agent identification: examples
Display "Infection/age" Display "Age"

2.7 Direct input in the simulation field

Attention: the functions described in this section are only available in editions A and B of the policy laboratory.

Instead of using the "Measures" and "Assumptions" fields, some program settings can also be made directly in the simulation field. If the "Locking function" switch (see "City map & diagram settings") is set, access to individual areas can be blocked by clicking the appropriate area with the mouse pointer. This is helpful, for example, if you want to set certain settings only for selected city districts.

Of course, any lock can be unlocked by clicking again.

As a sign of the lock, the clicked area appears crossed out in red. If the "Attendance" switch (in the "City map & diagram settings" field, too) is activated, the maximum number of visitors to the respective field is now displayed on a red rather than on a white background.

Please note: In principle, automatic blocks and unblocks made by the program have priority over those set manually (by mouse click).

The following fields can be blocked:

  • schools,
  • working areas,
  • recreation areas.

Locked areas are no longer entered by the agents. In the time people would normally be there, they stay at home, doing, for example, home office or "learning at a distance".

In addition, individual households can also be locked, i.e. be sent to quarantine, at a click of the mouse. Households selected by mouse pointer now appear dark red-bold bordered; all household members no longer leave the apartment (not even for shopping).

Blockings generated at a click of the mouse generally apply to all agents, including the so-called systemically relevant employees.

Blockings: examples
Various blockings Various blockings (with number of visitors)

Locked areas naturally have an impact on the volume of work and also on school capacities. But be careful: only if you actually close a school its capacity will decrease. If you put all households in quarantine so that no more students can attend an educational institution, the capacity of the institution will still be retained (as an offer) as long as it is not explicitly blocked.

2.8 Data monitor

Attention: the functions described below are only available in edition A of the policy laboratory.

The data monitor shows all relevant data of the simulation runs of the policy laboratory on a daily basis. On the one hand, the data records can be viewed in the "live" display field during the running simulation, but on the other hand they can also be exported to an external window and transferred from there, for example, to a spreadsheet by selecting/copying/pasting.

To the right above the display box, a bar with buttons is available to call the most important functions of the monitor.

Buttons
will switch the monitor to standard mode (infection state, indicators, measures, assumptions).
shows the degree of infection among the age cohorts of under-50s.
shows the degree of infection in the age cohorts of the over-50s.
shows the database of the simulation (household types, employment status etc.).
lists the individual disease courses of the agents in a separate window.

changes the display direction (first/last data on top).

shows the complete data record or limits the display.
exports the displayed data to a separate window.

turns the data monitor display on or off.
opens a quick start guide.

In addition, the "Data monitor settings" field provides further, more basic options for the display.

Data monitor settings
Display lines specifies (in steps of ten) the number of lines within limited display.
Interval defines the display interval (every day, every 2nd day, etc.).
Separator* determines the separator between the individual data (semicolon, space, tab or vertical line).
Font size determines the font size of the data display (if the following switch is not set).
Standard size specifies a font size.
* A new simulation run is required for activation.

The choice of a larger display interval is convenient, for example, in order to be able to analyze developments on a weekly or 10-day basis at a glance.

A separator change is necessary if you want to transfer the displayed data record to an external spreadsheet that requires specific separators (such as a semicolon) for import.

A total of five different data sheets can be accessed in the data monitor:

  • the up-to-date standard display with the most important data at a glance (),
  • two data sheets on the degree of infection of different age cohorts ( and ),
  • the database of each simulation run (),
  • the individual medical histories of all agents ().
Since the medical records (especially with the possibility of re-infection and a high number of agents) can be very extensive, they are displayed in a separate window.

In addition to the actual data, each data sheet contains two headers. The first row shows the main categories of the data, the second row contains the subcategories, partly in quite cryptic abbreviations. The following tables provide an overview of all the main and subcategories.

Data sheet 1: Standard display

Standard display ()
DayCurrent day at midnight, 24:00 (day 0: first day at 0:00)
Infection state
1Number of uninfected, but susceptible people
2Number of people exposed to the virus
3Number of people with pre-symptoms
4Number of people infected
5Number of seriously ill people
6Number of critically ill people
7Number of people recovered (or vaccinated)
8Number of people deceased
ICP
(= Intensive Care Patients)
Number of people in intensive care units
Indicators
CFR
(= Case Fatality Rate)
Death rate (number of deceased divided by the sum of deceased and recovered)
R0
(= R0 value)
Basic reproduction number (number of people infected on average by an infected person)
R7
(= R7 value)
7-day incidence (number of new infections per 1000 [not 100,000!] inhabitants within the last 7 days)
ICU%
(= Intensive Care Units)
Utilization of the existing intensive care beds in percent (over 100 percent: collapse of the system)
Sch%
(= School capacity)
School capacity in percent
Lab%
(= Labour volume)
Labour volume in percent (economic output)
Rec#
(= Recreational consumption)
Recreational consumption of all agents (in hours per day)
Sup#
(= Supermarket visits)
Supermarket visits of all agents (in hours per day)
Tra#
(= Traffic volume)
Passenger traffic (number of trips per day)
Measures
1. General measures
1Distance, masks, hand disinfection
0: switched off
1: switched on
Ac
(= Acceptance)
Acceptance of the measures (in percent)
xActivation of a pandemic warning app
0: switched off
1: switched on
WA
(= Warning app)
Use of warning app (in percent)
D
(= Delay)
Delay of warning (in days)
xInterregional entry bans
0: switched off
1: switched on
Tr
(= Travel intensity)
Travel intensity (travel-related infections per week)
xPurchase restrictions (one buyer per household)
0: switched off
1: switched on
xExtensive lockdown
0: switched off
1: switched on
2. Measures for events
20: Admissibility of major events
1: Limited admissibility of major events
2: Ban on major events
Li
(= Limit)
Attendance limit (in percent)
3. Measures for hospitals
30: No provision of intensive care beds
1: Admission of critical cases only
2: Admission of serious and critical cases
Cp
(= Capacity)
Hospital capacity (number of intensive care beds)
xEarly detection (tests)
0: switched off
1: switched on
TD
(= Tests per day)
Tests per day
EI
(= Earliest indication)
Earliest indication (after ... latency days)
TI
(= Test interval)
Test interval (in days)
4. Epidemiological measures
40: No vaccination measures
1: Vaccination recommended
2: Vaccination required
VD
(= Vaccinations per day)
Vaccinations per day (number of persons)
VO
(= Vaccine opponents)
Vaccine opponents (in percent)
5. Measures for schools
50: General measures only
1: No school attendance of infected students
2: Closure of school at the first case of illness
3: Individual closure, family isolation
4: Individual closure, isolation of all families
5: Closing of all schools
OL
(= Online learning)
Online learning (maximum effect in percent)
xAbolition of distance rules for students
0: switched off
1: switched on
AL
(= Age limit)
Age limit (in years) for the cancellation
6. Office policy
60: No special measures
1: Home office in case of illness
2: Home office also for risk groups
3: Home office for everyone (if possible)
RA
(= Risk age)
Risk age (55 and older to 65 and older)
Vi
(= Vital employees)
Vital employees (in percent)
Assumptions
Psychological assumptions
:0: Constant acceptance of the measures ( )
1: Linear decrease in acceptance ( )
2: Exponential decrease in acceptance
C
(= Curve)
Acceptance curve
1:
2:
3:
4:
5:
6:
7:
8:
Len
(= Length)
Loss of acceptance (in days)
xIncreasing experience in the home office
0: switched off
1: switched on
LP
(= Learning progress)
Learning progress per week (in percent)
Medical assumptions
IR
(= Infection risk)
General infection risk (index value)
IT
(= Infection risk in public transport)
Risk of infection in public transport (index value)
xLoss of immunity
0: switched off
1: switched on
RR
(= Risk of reinfection)
Risk of reinfection (index value)
IP
(= Immunity period)
Immunity period (days)
xImmediate contagiousness
0: switched off
1: switched on
xNo new infections
0: switched off
1: switched on
Economic assumptions
Ld
(= Location-dependent
work)
Location-dependent (i.e. not home office capable) work (in percent)
IB
(= Interregional businesses)
Interregional (i.e. import / export dependent) businesses (in percent)
Exp
(= Experience)
Home office experience (as a percentage of all employees)
PT
(= Public transport)
Use of public transport (in percent)

Data sheet 2: Display of age cohorts under 50 years

Display of age cohorts under 50 years ()
DayCurrent day at midnight, 24:00 (day 0: first day at 0:00)
Age group 0-9 years
1Number of uninfected, but susceptible people in the age group
2Number of people exposed to the virus in the age group
3Number of people with pre-symptoms in the age group
4Number of infected people in the age group
5Number of seriously ill people in the age group
6Number of critically ill people in the age group
7Number of people recovered (or vaccinated) in the age group
8Number of deceased people in the age group
Age group 10-19 years
1 - 8see above
Age group 20-29 years
1 - 8see above
Age group 30-39 years
1 - 8see above
Age group 40-49 years
1 - 8see above

Data sheet 3: Display of age cohorts from 50 years

Display of age cohorts from 50 years ()
DayCurrent day at midnight, 24:00 (day 0: first day at 0:00)
Age group 50-59 years
1 - 8see above
Age group 60-69 years
1 - 8see above
Age group 70-79 years
1 - 8see above
Age group 80-89 years
1 - 8see above
Age group 90-99 years
1 - 8see above

Data sheet 4: Display of the database

Display of the database ()
RunIndependent simulation run (without repetitions)
ModeSimulation mode
N: normal city
S: stylized city
Pers.Number of people (agents) in the simulation run
Household types: parents/children*
1/0Number of single households
1/1Number of single-parent households with one child
1/2Number of single-parent households with two children
1/3Number of single-parent households with two children
2/0Number of households of type "couple without children"
2/1Number of households of type "couple with one child"
2/2Number of households of type "couple with two children"
2/3Number of households of type "couple with three children"
Misc
(= Miscellaneous)
Number of other households
(P)Total number of people in the "other/miscellaneous" household type
* Those referred to here as "children" can in fact already be adults.
Profession
SNumber of "students", i.e. of children and adolescents (here: people up to 20 years), including:
16-Number of under-16s
16+Number of 16 to 20 year olds
ENumber of people in employment (people aged 21 to 65), including:
E++Number of employees with very high effectiveness** in the home office
E+Number of employees with high effectiveness** in the home office
E+-Number of employees with moderately high effectiveness** in the home office
E-Number of employees with low effectiveness** in the home office
E--Number of employees without possibility** to the home office
RtNumber of retirees (people aged 66 and over)
** The information refers to the start of the simulation run. The values can change during the run.

Data sheet 5: Display of medical records

Display of medical records ()
Query day and timeQuery day and time (day / hour:minutes)
No.Agent ID number
AgeAge of the agent
HH
(= Household)
Agent's household number
Day / timeTime of the event described below (see Status)
StatusMedical status of the agent:
  • exposed latently
  • warned by app
  • tested negative
  • tested positive
  • exposed presymptomatically
  • infected symptomatically
  • infected seriously
  • admitted to the hospital
  • infected critically
  • recovered
  • released from hospital
  • vaccinated
  • reinfectable
  • deceased

By pressing the "Monitor on" or "off" button ( resp. ), the data monitor can be activated or deactivated. When turned off, it displays the legend of the simulation field (i.e. the city map).

House [in residential area] Supermarket / shop [in commercial area]
School [in residential area] Hospital [in designated spot]
Workspace [in industrial area] Cemetery (possibly with graves)
Recreation area Inhabitants (agents)

In editions B and C of the policy laboratory, the legend of the simulation field is displayed permanently.

3. Program concept and algorithms

3.1 The policy laboratory as a multi-agent system

There are a number of attempts to track the development of a pandemic on the computer and thus provide the basis for political decisions. For example, at the beginning of the COVID-19 pandemic in the US, the Washington Post published a highly regarded article that used a simple simulation model to explain the effects (and necessity) of "social distancing" (Harry Stevens, March 14, 2020). In the model made available online, the contamination process is controlled by homogeneous agents who randomly roam an undefined space. Although the contribution has become the most widely read WP article of all time, it is based on physical rather than social science considerations.

An alternative path was taken by the Neherlab of the Biozentrum of the University of Basel, which developed a metapopulation model for pandemic analysis, which uses a system of differential equations that essentially structure spatial characteristics and social interactions.

The present policy laboratory is based on a different idea. In a society, people generally do not get infected in an undefined somewhere, but in private and public spaces such as their own home, office or school, in the supermarket, at mass gatherings such as sporting events or concerts. In addition, certain individuals hold key positions in social networks and can therefore be crucial for the spread or containment of pandemic viruses, whereas other people are more likely to hold peripheral positions and not come into contact with the virus at all. Therefore, for the socio-economic and political analysis of a pandemic the specific activities of people, their social relationships and the social environment of the individual locations are of great importance. In contrast to the two models mentioned above, agent-based models built on the heterogeneity and autonomy of their protagonists are particularly well suited to studying development patterns of real epidemics or pandemics.

3.2 Algorithms

Agent types

On the one hand, the agents of the policy laboratory act individually and self-sufficiently, on the other hand, as a total population they follow certain schemes. Thus they move in strictly regulated time windows in a classic five-day week, they keep doing the same job, they do not leave their simulation field, they do not age either and yet act "typically" for a Western industrial society.

In the present simulation environment, they have, to put it bluntly, basically only one "real" task, that is getting infected with the pandemic virus in unfavourable circumstances by getting too close to their roommates or work colleagues.

For this purpose, the program places a total of three types of agents:

  • persons up to 20 years of age, referred to here as "students",
  • people between 21 and 65 who are active in a profession without exception,
  • people over 65 years of age who are retired.

Guided by their respective "interests" (work, education, basic care, diversion, etc.), these three agent types move through the simulation field. In doing so, they define a virtual field around them. If a neighbour agent enters this field, there is a risk of infection. As in real life, whether it actually happens depends on chance.

Such fatal encounters take place on the one hand where agents of the same type are present (e.g. at work or at school), but on the other hand they occur across types as well in places of common interest (in supermarkets, during sports, etc.).

As you can see, the program does not differentiate between the sexes, nor does it generate any social differences, for example. Whether or to what extent such additional differentiation would be necessary in a pandemic simulation must be discussed elsewhere.

Activities

In "normal" times, the agents in the present simulation do a day's work that is structured as follows:

Agent type Monday Tuesday Wednesday Thursday Friday Saturday Sunday
Students 9 a.m. - 4 p.m.
school
9 a.m. - 4 p.m.
school
9 a.m. - 4 p.m.
school
9 a.m. - 4 p.m.
school
9 a.m. - 4 p.m.
school
up to 15 years:
6 - 8 p.m.
recreational
area,
from 16 years:
3:30 - 5:30 p.m.
supermarket,
6 - 10 p.m.
recreational
area
11 a.m. - 3 p.m.
recreational
area
Employees 8 a.m. - 5 p.m.
workplace,
5:30 - 6:30 p.m.
supermarket
8 a.m. - 5 p.m.
workplace,
5:30 - 6:30 p.m.
supermarket
8 a.m. - 5 p.m.
workplace,
5:30 - 6:30 p.m.
supermarket
8 a.m. - 5 p.m.
workplace,
5:30 - 6:30 p.m.
supermarket
8 a.m. - 5 p.m.
workplace,
5:30 - 6:30 p.m.
supermarket
11 a.m. - 1 p.m.
supermarket,
6 - 8 p.m.
recreational
area
11 a.m. - 3 p.m.
recreational
area
Retirees sometime
between
10 a.m. and 7 p.m.
supermarket
1.5 hours
sometime
between
10 a.m. and 7 p.m.
supermarket
1.5 hours
sometime
between
10 a.m. and 7 p.m.
supermarket
1.5 hours
sometime
between
10 a.m. and 7 p.m.
supermarket
1.5 hours
sometime
between
10 a.m. and 7 p.m.
supermarket
1.5 hours
sometime
between
10 a.m. and 7 p.m.
supermarket
1.5 hours
11 a.m. - 3 p.m.
recreational
area
The different lengths of leisure activities reflect the divergent leisure behaviour of the different age groups.

The agents spend the rest of their time at home or on the way between home and destination.

In pandemic times, this rhythm changes depending on political measures. For example, if teaching is carried out in the schools in hybrid mode (60 percent face-to-face teaching, 40 percent "learning at a distance"), a new picture emerges for the out-of-home activities of those affected:

Agent type Monday Tuesday Wednesday Thursday Friday Saturday Sunday
Students
(odd age)
9 a.m. - 4 p.m.
school
9 a.m. - 4 p.m.
school
9 a.m. - 4 p.m.
school
up to 15 years:
6 - 8 p.m.
recreational
area,
from 16 years:
3:30 - 5:30 p.m.
supermarket,
6 - 10 p.m.
recreational
area
11 a.m. - 3 p.m.
recreational
area
Students
(even age)
9 a.m. - 4 p.m.
school
9 a.m. - 4 p.m.
school
9 a.m. - 4 p.m.
school

The same applies to employees who are sent on short-time work due to restrictions in the interregional movement of people and goods:

Agent type Monday Tuesday Wednesday Thursday Friday Saturday Sunday
Short-time workers
(odd age)
8 a.m. - 5 p.m.
workplace,
5:30 - 6:30 p.m.
supermarket
8 a.m. - 5 p.m.
workplace,
5:30 - 6:30 p.m.
supermarket
8 a.m. - 5 p.m.
workplace,
5:30 - 6:30 p.m.
supermarket
5:30 - 6:30 p.m.
supermarket
5:30 - 6:30 p.m.
supermarket
11 a.m. - 1 p.m.
supermarket,
6 - 8 p.m.
recreational
area
11 a.m. - 3 p.m.
recreational
area
Short-time workers
(even age)
5:30 - 6:30 p.m.
supermarket
5:30 - 6:30 p.m.
supermarket
5:30 - 6:30 p.m.
supermarket
8 a.m. - 5 p.m.
workplace,
5:30 - 6:30 p.m.
supermarket
8 a.m. - 5 p.m.
workplace,
5:30 - 6:30 p.m.
supermarket

Particularly serious changes occur when the agent society is in complete lockdown. With the exception of the vital employees, all agents now stay at home throughout. Only on three days of the week, a part of them (namely the oldest person in each household) is given a short time window of up to two and a half hours for shopping.

Agent type Monday Tuesday Wednesday Thursday Friday Saturday Sunday
Students  
 
Vital employees 8 a.m. - 5 p.m.
workplace,
5:30 - 6:30 p.m.
supermarket
(1 pers./househ.)
8 a.m. - 5 p.m.
workplace
8 a.m. - 5 p.m.
workplace,
5:30 - 6:30 p.m.
supermarket
(1 pers./househ.)
8 a.m. - 5 p.m.
workplace
8 a.m. - 5 p.m.
workplace,
5:30 - 6:30 p.m.
supermarket
(1 pers./househ.)
Other employees 5:30 - 6:30 p.m.
supermarket
(1 pers./househ.)
5:30 - 6:30 p.m.
supermarket
(1 pers./househ.)
5:30 - 6:30 p.m.
supermarket
(1 pers./househ.)
Retirees sometime
between
4:30 and 7 p.m.
supermarket
1.5 hours
(1 pers./househ.)
sometime
between
4:30 and 7 p.m.
supermarket
1.5 hours
(1 pers./househ.)
sometime
between
4:30 and 7 p.m.
supermarket
1.5 hours
(1 pers./househ.)
Retirees who have usually shopped outside the specified time window (4:30 p.m. - 7:00 p.m.) no longer visit the supermarkets. It is assumed here that they are supplied by other agents.
In the rare case that students (i.e. people under 21) already live in their own household, it is also assumed that they are being cared for by others.

Work performance

The question of what effects the pandemic has on a country's economy is of great importance for the simulation and for the political decisions to be drawn from it. In order to provide clarity, the program continuously measures the specific work performance of each working agent. The sum of these individual benefits then allows conclusions to be drawn about the overall economic situation of the agent society (see also the "Labour volume" diagram).

In "normal" times, the program assumes an economic output of 100 percent. However, depending on the pandemic development and / or the position of the policy laboratory's adjusting screws, the performance of individual agents can quickly deteriorate. Short-time work, home office, illness and, last but not least, death may cause work yields to shrink considerably.

Even the efficiency of infected (but not yet seriously ill) agents, which is set at 75 percent, cannot prevent the decline of the economy in some cases.

An overview of the values set by the program is provided in the following table.

Individual work performance (in percent)
Situation Default value Reduction (with simple infection)
At the regular workplace
Normally (usual work performance) 100 75
For severe or critical illness 0 ---
In the event of death 0 ---
On the way to / from the workplace 0 0
For short-time work (2 or 3 working days per week) 40 or 60 30 or 45
In the home office
With home office experience 75 56.25
Without home office experience 50 37.5
    as a single parent with 1 child 45 33.75
    as a single parent with 2 children 40 30
    as a single parent with 3 children 35 26.25
    as part of a parenting couple with 1 child 47.5 35.625
    as part of a parenting couple with 2 children 45 33.75
    as part of a parenting couple with 3 children 40 30
    in a shared apartment 45 33.75
Without the possibility to work from home 0 0
For short-time workers in the home office, the benefits are 40 or 60 percent of the home office values given above, depending on the agent.
Vital employees usually perform 100 percent on site. If they are in quarantine at home, they generally work with home office experience.

Infections

The focus of the simulation events is of course the risk of the agents becoming infected. The program sets the following guidelines for the infection process:

Course of disease
Phases Duration
Incubation time 1 - 24 days; this means:
up to 2 days with approx. 20 percent probability,
up to 4 days with approx. 50 percent probability,
up to 6 days with approx. 75 percent probability,
up to 10 days with approx. 90 percent probability,
up to 14 days with approx. 97 percent probability,
up to 24 days with 100 percent probability
including pre-symptomatic phase 1 day
Transition from infection to severe illness 4 days
or recovery from infection 9 days
Transition from severe to critical illness 1 day
or recovery from severe illness 14 days
Duration of critical illness to recovery or death 10 days

With regard to the chance of surviving the pandemic, the program assumes a link with age. For example, the following table shows that an infected 50-year-old is 20 percent likely to become seriously ill. If he is seriously ill, the probability of critical illness is 50 percent. The probability that he will not survive the critical phase is 10 percent if he is in hospital, and 40 percent without clinical care. - The probability of not surviving a disease is thus 1 percent with a hospital stay (i.e. 10 percent of 50 percent of 20 percent), without hospitalization it is 4 percent (i.e. 40 percent of 50 percent of 20 percent). By comparison, in clinical care, a sick nine-year-old has a death probability of 0.015 percent (7.5 percent of 10 percent of 2 percent).

Risks in the course of the disease (in percent)
Age group
(in years)
Severe illness Critical illness
[after severe illness]
Death (in hospital)
[after critical illness]
Death (outside)
[after critical illness]
0 - 9 2 10 7.5 30
10 - 19 6 20 7.5 30
20 - 29 6 20 7.5 30
30 - 39 6 30 7.5 30
40 - 49 12 40 7.5 30
50 - 59 20 50 10 40
60 - 69 50 70 10 40
70 - 79 70 80 12.5 50
80 - 89 90 90 12.5 50
90 - 99 90 90 12.5 50

Watch out! All figures mentioned in this chapter refer to the standard settings of the program, which are oriented towards COVID-19. However, with the help of the options in the "Algorithm settings" section, the values can be changed extensively, and in some cases even reversed, so that completely new types of pandemics can be modelled. However, these may then have completely different values than those given above with regard to the age at risk or the speed of spread.

Attention: The values and indicators used by the policy laboratory refer to WHO epidemiological surveys of April 2020. Since then, new findings with different data on the COVID-19 virus have been available. Therefore, the algorithms of this program may need to be adapted in a later version.

4. Useful lifehacks

In the following section you will find a number of technical information and content suggestions that can be helpful for the optimal use of the policy laboratory.

4.1 System requirements

The policy laboratory is programmed in JavaScript and can therefore be run on many platforms. The program was successfully tested on MS Windows (TM) and macOS (TM) on the following browsers:

  • Firefox (81.0),
  • Google Chrome (84.0),
  • Microsoft Edge (84.0),
  • Opera (66.0),
  • Safari (13.1).

Known Limitations:

  • In MS Internet Explorer 11, the program is not running.
  • In very old versions of Firefox (e.g. in the last XP version 52.9.0) the mouse pointer does not work in the simulation field.

4.2 Hardware problems

On older computers, you should not set the processing speed to the highest level, otherwise the hardware may not handle the complex calculations of the policy laboratory. So start at a moderate pace and test your computer's capabilities.

Conversely, with unfavourable hardware configuration, it can happen that on very fast computers at high processing speed individual days are "swallowed up" and also no longer displayed in the data monitor. Again, you should experiment with the settings.

In very long simulation runs, avoid operating the data monitor permanently in full screen mode during the run, otherwise thousands of data in the display will have to be constantly updated at a fast pace. This can lead to a noticeable slowdown in the run, especially on older computers.

If you want to perform quickly and do not need the statistics of the data monitor, call up edition B or C of the policy laboratory. Since the monitor is deactivated there and no monitor-relevant calculations are carried out in the background, the run accelerates.

In addition, the more households are set in a simulation run, the more time the computer takes to calculate the data.

4.3 Test runs without pandemic

If you want to test the effect of individual settings - for example on the labour volume - in the most unadulterated form possible, then start a simulation run with the "No new infections" option activated. The agents then do not become infected from the beginning, so they remain green. Now you can see the effects of individual settings such as "Vital employees" or "Location-dependent work" in conjunction with a comprehensive lockdown without intervening influences from the pandemic.

You can determine extreme values here if you place "Vital employees" and "Home office experience" at the lowest, "Location-dependent work" and "Interregional businesses" at the highest value.

As already mentioned in the explanations for the corresponding diagram, you should always start a simulation without measures that affect the labour market (entry bans, lockdown, home office) and make changes only from the second week. Otherwise the program calculates the reduced work performance of the first week (mathematically correctly) as "100 percent" and, when the measures are cancelled, shows (though equally correctly) strange values well above 100 percent.

4.4 Worst case scenario

A worst-case scenario arises if you assume the "Loss of immunity", the "General infection risk" and the "Risk of reinfection" are very high and at the same time the "Immunity period" is very low.

If you have actually provoked a mass extinction with the appropriate program settings, the last of the available 200 graves will be displayed in red colour. The simulation field then no longer shows any further death symbols.

During very long simulations with many infections, hospital stays, vaccinations, immunity losses and reinfections, the medical files of the individual agents naturally become very extensive. Therefore, if you call the files via the button   , it may take a moment for the external window to be displayed (especially on older computers).

Incidentally, the order of the medical records can be changed just like that of the other data displays using the   /   button. First, either the patients with the lowest or those with the highest ID numbers will be displayed.

5. Technical information and data references

In the policy laboratory's program concept the following factors are taken into account:

1. Incubation time distribution is assumed to be a (discretized) lognormal, which has been fitted to Li et al. (2020) as referred to by WHO (2020).

2. Household composition distribution is derived from CBS Dataset 37975 for 2019 and demographic statistics derived from Dataset 7461 for 2019 is used to validate Case Fatality Rate.

3. Assumed infection state progression rates by age-group as calibrated to Li et al. / WHO by Aksamentov, I., Noll, N., Neher, R. (2020).

4. A SEIR-inspired stage-gate disease progression model is based on the infection progression model presented in An der Heiden & Buchholz (2020) of the Robert Koch Institute.

5. Emerging R0s in early stages have been checked against basic containment strategies reported in Wang et al. (2020).

6. Preliminary checks on the serial interval for cross-validity have been checked against Wang et al. (2020), Du et al. (2020).

7. Infectiousness, notably with regard to physical distance, between / across age cohorts is un­known, also for disease stage (exposed, infected, severe, critical) and assumed a uniform 10%. Note that, unlike metapopulation models, the policy laboratory model does have physical distance such that this has been used for scaling R0 and CFR.

Ideas for containment strategies, such as those used in the policy laboratory, can be found, for example, in Ferguson et al. (2020), Halloran et al (2008), and Hellewell et al. (2020). For a taxonomy of ABMs for epidemiological studies, see Hunter et al. (2017).

6. Bibliography

Ajelli, M.; Gonçalves, B.; Balcan, D.; Colizza, V.; Hu, H.; Ramasco, J. J. et al. (2010): Comparing large-scale computational approaches to epidemic modeling: agent-based versus structured metapopulation models. In BMC Infectious Diseases 10 (1).

Aksamentov, I., Noll, N., Neher, R. (2020): COVID-19 Scenario webapp. Available online at https://neherlab.org/COVID19, checked on 3/22/2020.

Aleman, Dionne M.; Wibisono, Theodorus G.; Schwartz, Brian (2011): A Nonhomogeneous Agent-Based Simulation Approach to Modeling the Spread of Disease in a Pandemic Outbreak. In Interfaces 41 (3), pp. 301-315. DOI: 10.1287/inte.1100.0550.

An der Heiden, M.; Buchholz, U. (2020): Modellierung von Beispielszenarien der SARS-CoV-2-Epidemie 2020 in Deutschland. Robert Koch-Institut (RKI), checked on 3/22/2020.

Anderson, R. M.; Heesterbeek, H.; Klinkenberg, D.; Hollingsworth, T. D. (2020): How will country-based mitigation measures influence the course of the COVID-19 epidemic? In The Lancet 395, pp. 931-934. DOI: 10.1016/S0140-6736(20)30567-5.

Chinazzi, Matteo; Davis, Jessica T.; Ajelli, Marco; Gioannini, Corrado; Litvinova, Maria; Merler, Stefano et al. (2020): The effect of travel restrictions on the spread of the 2019 novel coronavirus (COVID-19) outbreak. In Science (New York, N.Y.). DOI: 10.1126/science.aba9757.

Das, Tapas K.; Savachkin, Alex A.; Zhu, Yiliang (2008): A large-scale simulation model of pandemic influenza outbreaks for development of dynamic mitigation strategies. In IIE Transactions 40 (9), pp. 893-905. DOI: 10.1080/07408170802165856.

Day, Troy; Park, Andrew; Madras, Neal; Gumel, Abba; Wu, Jianhong (2006): When is quarantine a useful control strategy for emerging infectious diseases? In American journal of epidemiology 163 (5), pp. 479-485. DOI: 10.1093/aje/kwj056.

Dowd, Jennifer Beam; Rotondi, Valentina; Adriano, Liliana; Brazel, David M.; Block, Per; Ding, Xuejie et al. (2020): Demographic science aids in understanding the spread and fatality rates of COVID-19 (medRxiv preprint).

Du, Z.; Xu, X.; Wu, Y.; Wang, L.; Cowling, B. J.; Ancel Meyers, L. (2020): Serial interval of COVID-19 among publicly reported confirmed cases. In Emerging infectious diseases. DOI: 10.3201/eid2606.200357.

Ferguson, Neil M.; Cummings, Derek A. T.; Fraser, Christophe; Cajka, James C.; Cooley, Philip C.; Burke, Donald S. (2006): Strategies for mitigating an influenza pandemic. In Nature 442 (7101), pp. 448-452. DOI: 10.1038/nature04795.

Ferguson, N.; Laydon, D.; Nedjati Gilani, G.; Imai, N.; Ainslie, K.; Baguelin, M. et al. (2020): Report 9: Impact of non-pharmaceutical interventions (NPIs) to reduce COVID19 mortality and healthcare demand. With assistance of Medical Research Council (MRC).

Halloran, E. M.; Ferguson; N. M.; Eubank, S.; Longini, I. M.; Cummings, D.A.T. et al. (2008): Modeling targeted layered containment of an influenza pandemic in the United States. In Proceedings of the National Academy of Sciences of the United States of America 105 (12), pp. 4639-4644.

Hellewell, Joel; Abbott, Sam; Gimma, Amy; Bosse, Nikos I.; Jarvis, Christopher I.; Russell, Timothy W. et al. (2020): Feasibility of controlling COVID-19 outbreaks by isolation of cases and contacts. In The Lancet Global Health 8 (4), e488-e496. DOI: 10.1016/S2214-109X(20)30074-7.

Horstkötter, N.; Müller, U.; Ommen, O.; Reckendrees, B.; Stander, V.; Lang, P.; Thaiss, H. (2019): Einstellungen, Wissen und Verhalten von Erwachsenen und Eltern gegenüber Impfungen - Ergebnisse der Repräsentativbefragung 2018 zum Infektionsschutz. BZgA-Forschungsbericht. Köln: Bundeszentrale für gesundheitliche Aufklärung, p.32.

Hunter, Elizabeth; Mac Namee, Brian; Kelleher, John D. (2017): A Taxonomy for Agent-Based Models in Human Infectious Disease Epidemiology. In JASSS 20 (3). DOI: 10.18564/jasss.3414.

Li, Qun; Guan, Xuhua; Wu, Peng; Wang, Xiaoye; Zhou, Lei; Tong, Yeqing et al. (2020): Early Transmission Dynamics in Wuhan, China, of Novel Coronavirus-Infected Pneumonia. In The New England journal of medicine. DOI: 10.1056/NEJMoa2001316.

Roche, B.; Drake, J. M.; Rohani, P. (2011): An Agent-Based Model to study the epidemiological and evolutionary dynamics of Influenza viruses. In BMC Bioinformatics 12 (87), pp. 1-10.

Stevens, H. (2020): Why outbreaks like coronavirus spread exponentially, and how to "flatten the curve". Washington Post, 3/14/2020. Available online at https://www.washingtonpost.com/graphics/2020/world/corona-simulator/, checked on 4/18/2020.

Tang, Biao; Bragazzi, Nicola Luigi; Li, Qian; Tang, Sanyi; Xiao, Yanni; Wu, Jianhong (2020): An updated estimation of the risk of transmission of the novel coronavirus (2019-nCov). In Infectious Disease Modelling 5, pp. 248-255. DOI: 10.1016/j.idm.2020.02.001.

The Novel Coronavirus Pneumonia Emergency Response Epidemiology Team (2020): The Epidemiological Characteristics of an Outbreak of 2019 Novel Coronavirus Diseases (COVID-19) - China, 2020. In China CDC Weekly 2 (8).

Wang, Chaolong; Liu, Li; Hao, Xingjie; Guo, Huan; Wang, Qi; Huang, Jiao et al. (2020): Evolving Epidemiology and Impact of Non-pharmaceutical Interventions on the Outbreak of Coronavirus Disease 2019 in Wuhan, China (medRxiv preprint), checked on 3/21/2020.

World Health Organization (2020): Report of the WHO-China Joint Mission on Coronavirus Disease 2019 (COVID-19). World Health Organization.

7. User license and contact

This "Policy Laboratory" program is licensed under the terms of the Creative Commons License BY-NC-SA 4.0. In detail, this means, among other things:

  • The program may be passed on, the program code may be changed.
    But:
  • Credits have to be given (names of the original authors).
  • The program may not be used for commercial purposes.
  • If the program is changed, it must be passed on under the same license conditions.

A notification of the original authors in case of non-trivial modification of the program is explicitly desired.

Changes to the texts of the manual and the data monitor quick start guide are only permitted after consultation with the author.

For inquiries please contact the following people:

Ben Vermeulen,
University of Hohenheim
conceptual and operational model, programming (V. 2.0)
Andreas Pyka,
University of Hohenheim
research collaboration, promotional and media usage
Frank U. Kugelmeier,
St. Ursula Grammar School Attendorn
programming (V. 3.0), manual and quick start guide

You can find the e-mail addresses of the aforementioned here:

English text created by automatic translator
Version 3


Politiklabor

Simulation von Strategien
zur Eindämmung von COVID-19

 

Ben Vermeulen, Andreas Pyka, Matthias Müller - Universität Hohenheim
Frank U. Kugelmeier - St.-Ursula-Gymnasium Attendorn

Benutzerhandbuch


Inhalt
0. Vorbemerkung
1. Die Benutzeroberfläche
1.1 Die Struktur der Benutzeroberfläche
1.2 Das Simulationsfeld
1.3 Die Ergebnisgraphen
1.3.1    Infektionsgrade
1.3.2    Auslastung der Intensivstationen
1.3.3    Schulkapazität
1.3.4    Arbeitsvolumen
1.3.5    Freizeitkonsum
1.3.6    Supermarktnutzung
1.3.7    Personenverkehr
1.3.8    Akzeptanz
1.3.9    Erfahrung
1.3.10    Infektionsgrade nach Alterskohorten
1.4 Weitere Anzeigefelder
1.4.1    Nummer des Simulationslaufs
1.4.2    Legende und Datenfeld
2. Die Programmsteuerung
2.1 Bedienelemente
2.2 Allgemeine Programmfunktionen
2.3 Das Feld "Maßnahmen"
2.4 Das Feld "Annahmen"
2.5 Algorithmen-Einstellungen
2.6 Stadtplan- und Diagramm-Einstellungen
2.7 Direkteingabe im Simulationsfeld
2.8 Datenmonitor
2.8.1    Standardanzeige
2.8.2    Anzeige der Alterskohorten unter 50 Jahren
2.8.3    Anzeige der Alterskohorten ab 50 Jahren
2.8.4    Anzeige der Datenbasis
2.8.5    Anzeige der Krankenakten
3. Programmkonzept und -algorithmen
3.1 Das Politiklabor als Multi-Agenten-System
3.2 Algorithmen
3.2.1    Agententypen
3.2.2    Tätigkeiten
3.2.3    Arbeitsleistung
3.2.4    Infektionen
4. Tipps & Tricks
4.1 Systemvoraussetzungen
4.2 Hardware-Probleme
4.3 Testläufe ohne Pandemie
4.4 Worst-Case-Szenario
5. Technische Informationen und Datenreferenzen
6. Literaturverzeichnis
7. Nutzungsrechte und Kontakt


Vorbemerkung

Schon vor vielen Jahren warnte die Weltgesundheitsorganisation WHO vor den medizinischen, sozialpolitischen und ökonomischen Gefahren überregional auftretender Epidemien, sogenannter Pandemien. Doch erst mit dem Ausbruch der globalen COVID-19-Pandemie im Spätherbst 2019 scheint diese Warnung in den Köpfen der Verantwortlichen angekommen zu sein.

Seither sucht die Politik - zumindest in nicht autokratisch regierten Gesellschaften - in bemerkenswerter Weise den Schulterschluss mit den einschlägigen Wissenschaften. Hierbei stehen große, existenzielle Fragen zur Diskussion: Ist es zum Beispiel sinnvoll, in der Hoffnung auf einen bald entwickelten Impfstoff sozusagen um jeden Preis die Verlangsamung der Infektionsraten zum obersten Ziel zu erklären - oder erscheint im Gegenteil eine Strategie der schnellen Durchseuchung zielführender, um auf diese Weise so bald wie möglich eine breite Immunisierung der Bevölkerung herzustellen?

Auch jenseits dieser beiden Grundsatzpositionen stellen sich viele Fragen: Welche Maßnahmen sind - technisch und auch psychologisch gesehen - überhaupt geeignet, eine Verlangsamung der Infektionen zu fördern? Genügen freundliche Hinweise auf regelmäßiges Händewaschen, Maskenpflicht und Abstand-Halten? Oder muss die "soziale Distanzierung" der Menschen durch Einreiseverbote, Schul- bzw. Betriebsschließungen und/oder Ausgangssperren rigide durchgesetzt werden? Und wie hoch ist in diesem Fall der Preis für das komplette Herunterfahren der Wirtschaft? Liegt der Schaden hier möglicherweise über dem, der durch das Corona-Virus selbst angerichtet wird? - Umgekehrt: Wie viele Tote ist eine Gesellschaft bereit - im wahrsten Sinne des Wortes - in Kauf zu nehmen, nur um die Wirtschaft in Gang zu halten? Wer zählt letztlich mehr: der Mensch oder der Markt? Und wie will man mit den sozialen Umruhen umgehen, die sich aus einem Massensterben ergeben können?

Hinzu kommen Fragen ganz praktischer Art: Ist das bestehende Gesundheitssystem überhaupt in der Lage, eine größere Zahl von COVID-Patienten aufzunehmen? Wie begegnet man den durch Schulschließungen verursachten Bildungsdefiziten? Und wie fängt man Menschen auf, denen durch Betriebsschließungen oder durch COVID-bedingte Erkrankungen die Lebensgrundlage entzogen worden ist?

All diese Fragen stehen miteinander in komplexer Wechselwirkung. Das heißt jedoch nicht, dass sie nicht zu beantworten wären. Mit Hilfe moderner Computersimulationen kann man auch - und gerade - komplexe Systeme gut beschreiben; und aus den gewonnenen Daten lässt sich ein Gespür für die scheinbar unberechenbaren Entwicklungspfade dieser Systeme ausbilden.

Hier kommt das vorliegende Politiklabor ins Spiel. Es handelt sich dabei um ein sogenanntes Multi-Agenten-System: Auf einem Simulationsfeld bewegen sich viele kleine computergenerierte "Agenten", die mit verschiedenen "menschlichen" Eigenschaften ausgestattet sind und aus deren "Verhalten" man Rückschlüsse auf bestehende, reale Gesellschaften ziehen kann. Wie sich die Agenten verhalten, hängt von den Stellschrauben ab, an denen man in dem Programm drehen kann. Das Politiklabor bietet mehr als sechzig solcher Stellschrauben und Schalter, die dazu dienen sollen, verschiedene politisch-ökonomische Maßnahmen und deren Auswirkungen (unter definiert unterschiedlichen Annahmen) virtuell zu testen, bevor man sie womöglich in der Realität an echten Menschen "testet".

Das Politiklabor-Szenario generiert zu diesem Zweck eine typische europäische Stadt mit den üblichen Aufenthaltsmöglichkeiten - Arbeits- und Freizeitstätten, Supermärkten, Schulen sowie Wohnvierteln. Die Bewohner der Stadt führen ein ganz normales Leben, das einem einfachen kalendarischen Rhythmus folgt. Morgens gehen die Erwachsenen zur Arbeit in ihre Büros und Fabriken, die Kinder gehen in die Schule, nachmittags zum Sport. In den Einkaufszentren nimmt der Betrieb in den Nachmittagsstunden ebenfalls stark zu. Am Wochenende werden die Geschäfte in größerem Umfang frequentiert; zudem trifft man sich hier in Freizeiteinrichtungen und auf Großveranstaltungen.

An all diesen Orten finden in erheblichem Umfang soziale Interaktionen statt. Für ein Virus wie das hoch ansteckende Corona-Virus sind das ideale Ausbreitungsbedingungen. So lässt sich dann auch auf dem Bildschirm gut beobachten, wie sich nach und nach ein großer Prozentsatz der Menschen infiziert und teilweise schwer erkrankt oder gar verstirbt. Die Krankenhauskapazität der Stadt ist begrenzt, so dass die Sterbefälle mit dem Überschreiten der Kapazitätsgrenze zunehmen. Das Virus verschwindet nach einer gewissen Zeit zwar auch ohne ein Eingreifen, und die überlebenden Stadtbewohner haben eine Immunität entwickelt. Es sind dann jedoch viele Verstorbene zu beklagen.

Um diese hohe Mortalität zu verhindern, kann in die beobachtete Entwicklung eingegriffen werden. So ist es möglich, die Gesundheitspolitik neu zu gestalten; Infizierte können in häusliche Quarantäne geschickt werden; mit gesundheitlicher Aufklärung lassen sich die Hygienebedingungen verbessern. Auch in die Bettenkapazität der Krankenhäuser lässt sich investieren. Sicherheitshalber können Betriebe und Schulen teilweise oder ganz geschlossen bleiben.

Alle getroffenen Maßnahmen haben einen Einfluss auf die Anzahl der schweren Fälle und der Verstorbenen sowie auf die Länge und den Verlauf der Epidemie. Das Entscheidende ist in diesem Zusammenhang, dass sich sämtliche Maßnahmen in ihren Auswirkungen unmittelbar am Bildschirm ablesen und deshalb gegebenenfalls sogar noch während der laufenden Simulation korrigieren lassen.

Auf diese Weise bildet das Politiklabor ein effizientes sozialpolitisches Experimentalfeld zur (virtuellen) Bekämpfung von Seuchen wie der COVID-19-Pandemie.

Sie sind nun herzlich eingeladen, sich als Politikerin bzw. Politiker oder auch als interessierter Laie im Politiklabor der Herausforderung eines umfassenden Pandemiegeschehens zu stellen und - sei es planerisch, sei es durch Versuch und Irrtum - angemessene Lösungen zu entwickeln. Spielen Sie verschiedene politische Entscheidungen durch, ohne das Risiko massiver negativer Auswirkungen auf eine reale Bevölkerung aufgrund krasser Fehleinschätzungen tragen zu müssen. Scheuen Sie sich dabei auch nicht, die Simulation hin und wieder spielerisch "vor die Wand zu fahren". Denn dies kann dazu beitragen, im "echten" Leben unzweckmäßige Entscheidungen zu vermeiden und stattdessen zielführende Maßnahmen herauszuarbeiten.

In diesem Kontext ein wichtiger Hinweis: Das Politiklabor stellt die sozialen Interaktionen in den Vordergrund. Epidemiologische und medizinische Zusammenhänge sind hingegen sehr einfach aus öffentlich zugänglichen Wissensquellen modelliert. Daher liefert das Programm auch keine konkreten medizinischen Prognosen. Doch es stärkt das Verständnis für komplexe Zusammenhänge.

In einer immer unüberschaubarer erscheinenden Welt voller pandemischer und ökonomischer Krisen ist dies nicht gerade wenig.

1. Die Benutzeroberfläche

1.1 Die Struktur der Benutzeroberfläche

Zur besseren Orientierung ist das Politiklabor in klar voneinander abgegrenzte Anzeige- und Arbeits­bereiche aufgeteilt.

Das optische Zentrum des Programms bilden das Simulationsfeld (Stadtplan mit Agenten) und die rechts daneben gruppierten Diagramme.

Oberhalb dieses Bereichs findet man einige Knöpfe zur Sprachauswahl und zum Aufruf externer Seiten. Unterhalb des Bereichs ist - in Form von Kassettenrecordern oder CD-Playern nach­empfundenen Tasten - die Steuerung der Simulations­läufe (Navigation) platziert. Darin integriert befindet sich unter den Diagrammen die Laufanzeige.

Nun wäre das Politiklabor allerdings kein Labor, wenn es nicht über eine hinreichende Zahl von Grob- und Feinjustierungen zur Gestaltung des Simulationsablaufs verfügte. Hier kommen vor allem zwei Arbeitsflächen zum Tragen:

Im oberen Arbeitsbereich lassen sich diverse sozial-, gesundheits- und wirtschaftspolitische Maßnahmen einstellen. Im Einzelnen bietet das Programm hier Stellschrauben bzw. Schalter zu folgenden Aspekten:

  • allgemeine Maßnahmen,
  • Maßnahmen für Veranstaltungen,
  • Maßnahmen für Krankenhäuser,
  • epidemiologische Maßnahmen,
  • Maßnahmen für Unternehmen,
  • Maßnahmen für Schulen.

Der untere Arbeitsbereich bietet Optionen zur Einstellung bestimmter Grundannahmen. Folgende Themenfelder stellt das Politiklabor hier bereit:

  • psychologische Annahmen,
  • medizinische Annahmen,
  • ökonomische Annahmen.

Annahmen unterscheiden sich von den zuvor genannten Maßnahmen dadurch, dass sie sich unmittelbarer politischer Kontrolle bzw. Einwirkung entziehen. Während eine Ausgangssperre oder eine Schulschließung Ausdruck politischen Handelns ist, hat die Politik keinen - oder zumindest keinen kurzfristigen - Einfluss auf Faktoren wie die Eigenschaften eines Virus (Infektionsrisiko, Möglichkeit des Immunitätsverlusts) oder seit Jahrzehnten zementierte Wirtschaftsstrukturen (Fertigung vor Ort ohne Home-Office-Option, Abhängigkeit von Importen/Exporten). Gleichwohl lassen sich durch die Variation verschiedener Grundannahmen - bis hin zum Worst-Case-Szenario pandemischer Dauer-Infektionen - viele zusätzliche Szenarien modellieren, die für Entscheidungen zur Gestaltung der aktuellen Politik bedeutsam sein können.

Zu beachten ist, dass das Annahmen-Feld nur in den Editionen A und B des Politiklabors zur Verfügung steht.

Unter den beiden genannten Feldern befindet sich in den Editionen A und B ein weiterer Bereich mit Stellschrauben und Schaltern. Zum einen lassen sich hier rechts für das Simulationsfeld und die Diagramme einige Anzeigevarianten auswählen (Stadtplan- und Diagramm-Einstellungen). Zum anderen sind weiter links in Edition A diverse Optionen für den Datenmonitor (Datenmonitor-Einstellungen) sowie die sogenannten Algorithmen-Einstellungen platziert. In den Editionen B und C findet sich alternativ hierzu eine Legende zu den Symbolen des Simulationsfelds.

Den unteren Abschluss der Benutzeroberfläche bildet in Edition A der sogenannte Datenmonitor, über den sich alle relevanten Daten der Simulationen auslesen lassen. Bei Programmstart ist der Monitor auf die Anzeige von maximal zehn Datenzeilen begrenzt (); man kann ihn jedoch per Schaltknopf () auf Vollanzeige umstellen.

Achtung: Lässt man das Programm über viele Simulationsjahre hinweg laufen, kann die Vollanzeige leicht mehrere tausend Datenzeilen umfassen.

1.2 Das Simulationsfeld

Die Basis des Politiklabors bildet eine 700 mal 700 Pixel große Projektionsfläche, auf der ein Stadtplan mit Straßen sowie verschiedenfarbigen Nutzungszonen und Gebäuden dargestellt ist. In den Gebäuden "leben", je nach Programmeinstellungen, etwa 80 bis 1000 Personen (sogenannte Agenten), die, abhängig von der Tageszeit und von ihrer Profession (Schüler, Berufstätige, Rentner), unterschiedlichen Beschäftigungen nachgehen. Hierbei laufen sie Gefahr, einander mit dem Virus anzustecken.

Rechts oben im Plan befindet sich eine fortlaufend aktualisierte Legende, die zum einen (u. a. in Form einer analogen Uhr) die Simulationszeit (in Tagen, Stunden und Minuten), zum anderen den Gesundheitszustand der Agenten (als Häufigkeitsverteilung der Infektionsgrade) anzeigt. Links oben markieren einige Verkehrszeichen-Symbole den aktuellen Programmstatus.

Folgende Lebensbereiche werden im Stadtplan unterschieden:

Wohnhäuser (orange): Diese bilden das Rückzugsgebiet der Agenten, von dem aus sie ggf. zu ihren jeweiligen Tätigkeiten "ausschwärmen".
Schulen (rot), genauer: Kinderbetreuungs- und Bildungseinrichtungen jeder Art, also auch Kindertagesstätten und Universitäten: Sie werden von den jüngeren Agenten im Regelfall vormittags bis zum frühen Nachmittag an Werktagen (hier: montags bis freitags) aufgesucht.
Arbeitsstätten (zartviolett): Hier finden sich - ebenfalls an Werktagen - die berufstätigen Agenten ein.
Erholungsgebiete (grün): Diese werden grundsätzlich von allen Agenten (außer den schwer Erkrankten) genutzt, und zwar ausschließlich an Samstagen und Sonntagen.
Supermärkte (hellrot): Sie werden über den Tag hinweg (außer sonntags) von verschiedenen Agententypen frequentiert.
Krankenhäuser (zartrosa): Diese werden, je nach Programmeinstellungen und Simulationsablauf, mit schwer bzw. lebensgefährlich erkrankten Agenten belegt.
Friedhöfe (grau): Sie sind zu Beginn zunächst leer, füllen sich dann aber im Verlauf der Simulation mit verstorbenen Agenten (genauer: mit blauen Grabsteinen). Ist die Anzeige-Option "Alter" gewählt (vgl. "Stadtplan- und Diagramm-Einstellungen"), richtet sich die Farbe der Gräber nach dem Alter der Verstorbenen (schwarz, grau, selten: weiß).

Die als kleine farbige Punkte dargestellten Agenten, die sich über das Simulationsfeld bewegen, werden optisch, abhängig von den Programmeinstellungen, entweder nach ihrem Infektionsgrad oder aber nach ihrem Alter (Schüler, Berufstätige, Rentner) oder nach beidem ausgewiesen. Im Normalfall teilt die Simulation die Handelnden optisch in acht gesundheitliche Kategorien:

  • Gefährdete, noch nicht Infizierte (grün),
  • dem Virus ausgesetzte, nicht ansteckende Personen während der Inkubationszeit (gelb),
  • mäßig ansteckende Infizierte mit Vorsymptomen (orangegelb),
  • ansteckende Infizierte (orange),
  • schwer Erkrankte (orangerot),
  • Erkrankte in kritischem Zustand (rot),
  • Genesene (oder Geimpfte) mit Immunität (violett),
  • Verstorbene (blau).

Der nebenstehenden Legende ist zum Beispiel zu entnehmen, dass bis zum 40. Simulationstag (einem Freitag) um 0:45 Uhr 34 Agenten noch nicht infiziert, 17 hingegen schwer, 24 weitere lebensgefährlich erkrankt, 272 wieder genesen und 6 verstorben sind.

Schaltet man die Anzeige auf "Alter" um, werden statt der Infektionsgrade die Lebensalter der Agenten ausgewiesen:

  • "Schüler", d. h. Kinder, Jugendliche, junge Erwachsene bis 20 Jahre (weiß),
  • Erwerbstätige, d. h. alle 21- bis 65-Jährigen (schwarz),
  • Rentner, d. h. alle Personen ab 66 Jahren (grau).

In der Legende zusätzlich angegeben - und laufend aktualisiert - werden die Sterberate CFR der infizierten Agenten (CFR = Case Fatality Rate; Zahl der Verstorbenen dividiert durch die Summe aus Verstorbenen und Genesenen), die Basisreproduktionszahl R0 (hier: R) sowie der Inzidenzwert R7 (Zahl der Neuinfektionen innerhalb der letzten 7 Tage).

Die Basisreproduktionszahl besagt, wie viele weitere Menschen ein Infizierter im Schnitt ansteckt, falls keine Impfungen oder bereits vorhandenen Immunitäten diesen Prozess bremsen. Je höher die Zahl ist, desto dramatischer und schneller verläuft die Ausbreitung des Erregers. Da sie das infektiöse Potenzial des Erregers beschreibt, ist sie die zentrale Kennziffer, um dessen Pandemiepotenzial zu bewerten.

Der Inzidenzwert R7 beschreibt üblicherweise die Zahl der Neuinfektionen je 100.000 Einwohner. In der vorliegenden Simulation zeigt er jedoch die Neuinfektionen pro 1000 Personen an. Angesichts der geringen Agentenzahl würde eine höhere Bezugsgröße den R7-Wert verzerren.

Die drei Kennziffern (CFR, R0 und R7) variieren im vorliegenden Fall je nach Einstellungen und Verlauf der Simulation.

Achtung: Im Modus "Stilisierte Stadt" wandert die Anzeige der statistischen Daten von rechts oben mittig an die linke Seite des Simulationsfelds.

Links oben im Stadtplan erscheinen, wie bereits erwähnt, je nach Programmeinstellungen und -ablauf unterschiedliche Verkehrszeichen-Symbole:

Zollgrenze: Dieses Zeichen signalisiert, dass aktuell ein Einreiseverbot besteht.
Achtung: Das Zeichen zeigt sich immer dann, wenn die Pandemie-Warn-App pro Tag mindestens einen aktiven Fall meldet.
Gefälle: Hierdurch wird signalisiert, dass die Automatik, die die Akzeptanz-Abnahme reguliert, aktiv ist.
Steigung: Dieses Zeichen meldet, dass die Automatik, die die Home-Office-Erfahrung steigen lässt, aktiv ist.
Aufhebung sämtlicher Verbote: Dieses Zeichen zeigt das Ende des Simulationslaufs an (alle Agenten sind entweder genesen, geimpft oder verstorben).

1.3 Die Ergebnisgraphen

Rechts neben dem Simulationsfeld (Stadtplan) werden untereinander mehrere Diagramme angezeigt, die sich während der Simulation laufend (genauer: nach Abschluss jedes Tags) verändern. Bei den oberen Diagrammen handelt es sich um Verlaufsgraphen, die die Entwicklung des Simulationslaufs vom ersten bis zum aktuellen Tag dokumentieren (die Tage sind unterhalb der x-Achse skaliert). Der unterste Graph zeigt hingegen ausschließlich den Ist-Zustand am jeweils aktuellen Simulationstag.

Infektionsgrade

Der oberste Graph stellt - analog zu den weiter oben genannten farblichen Kennzeichnungen der Agenten - das Verhältnis von Verstorbenen, Gesundeten, Nicht-Infizierten und (unterschiedlich schwer) Erkrankten im Simulationsverlauf dar. Der Maximalwert der y-Achse entspricht also der Gesamtzahl der Agenten (100 Prozent). - Ist für die Simulation eine der beiden Krankenhaus-Optionen "Nur Aufnahme kritischer Fälle" oder "Aufnahme schwerer und kritischer Fälle" zugeschaltet, wird hier zusätzlich am unteren Rand des Graphen die Krankenhauskapazität (verfügbare Intensivbetten) proportional zur Gesamtzahl der Agenten eingeblendet.

Auslastung der Intensivstationen

In Ergänzung hierzu stellt das zweite Schaubild die Auslastung der medizinischen Intensivstationen dar. Ausgewiesen wird hier in Prozent die Zahl der benötigten, nicht die der vorhandenen Intensivbetten. Die y-Achse ist bis zum Wert 150 Prozent gerastert. Der Wert 100 Prozent entspricht der Zahl der aktuell verfügbaren Intensivbetten (wobei die Bettenzahl je nach Programmeinstellungen zwischen 0 und 40 variieren kann). Liegt die Zahl der benötigten Betten über 100 Prozent (d. h. über der Zahl der vorhandenen Betten), droht das System zu kollabieren. Im konkreten Fall wird angenommen, dass die Hospitäler Überbeanspruchungen bis zum Wert von etwa 150 Prozent vielleicht noch auffangen können, das Gesundheitssystem oberhalb dieses Werts jedoch endgütig zusammenbricht. - Um Verzerrungen in der Darstellung zu vermeiden, ist die grafische Anzeige von Überbeanspruchungen auf 150 Prozent begrenzt; höhere Werte werden nicht ausgewiesen, auch wenn (bzw. weil) sie im Extremfall bei einigen tausend Prozent liegen könnten.

Werden in einem Simulationslauf keinerlei Intensivbetten zur Verfügung gestellt, bleibt der Graph leer.

Schulkapazität

Das dritte Diagramm bezieht sich auf die Leistungsfähigkeit der Schulen, genauer: auf deren - je nach Einstellung - variierende Kapazitäten. Die Anzeige folgt einem recht komplexen Algorithmus:

  • Werden keine besonderen Maßnahmen ergriffen, liegt die Kapazität der Schulen bei 100 Prozent.
  • Ist allerdings der Schalter "Abstandsregeln, Maskenpflicht und Händewaschen" gesetzt, sinkt die Produktivität automatisch auf 60 Prozent. Dies ist ein realistischer Schätzwert: Die Schulen müssen wegen des Abstandsgebots die Klassen halbieren, d. h. auf jeweils zwei Räume verteilen. Da die Schulen nicht über beliebig viele Räume - und Lehrkräfte - verfügen, sinkt die Kapazität zunächst einmal auf ca. 50 Prozent; durch Synergieeffekte (in normalen, pandemiefreien Zeiten sind nicht immer alle Räume belegt; der Stundenplan kann optimiert werden usw.) lassen sich aber vielleicht auch 60 Prozent Leistung erzielen. - Visualisiert wird dies im Simulationsfeld dadurch, dass die eine Hälfte der Schüler nur montags, mittwochs und freitags, die andere Hälfte nur dienstags, donnerstags und freitags zur Schule geht.
  • Schließt eine Schule ganz, sinkt deren Kapazität natürlich auf null; dies kann aber durch Online-Lernen (Lernen auf Distanz) ausgeglichen werden. Ein realistischer bis optimistischer Wert sind hier maximal 30 Prozent (eine Mischkalkulation: Grundschüler kommen online erfahrungsgemäß schlechter zurecht als Oberstufenschüler).
  • Hat eine Schule im "Abstandsmodus" (halbierte Klassen usw.) geöffnet, sinkt allerdings der Online-Wert auf die Hälfte, da die Lehrkräfte ja dann sowohl präsent als auch online sein müssen, für das Distanzlernen also nicht mehr so viel Zeit haben.
  • Zusätzliche Komplikationen ergeben sich, wenn das Abstandsgebot für bestimmte (jüngere) Altersgruppen aufgehoben wird. Konkret bedeutet dies, dass jüngere Jahrgänge im Vollzeitmodus beschult werden, während ältere Schüler im Teilzeitmodus nur zu 60 Prozent direkt unterrichtet und in der restlichen Zeit (also zu 40 Prozent) im Home-Schooling betreut werden. Auch diese Situation spiegelt der Graph wider.
  • Das Diagramm wertet im Übrigen die Situation aller - je nach Programmeinstellungen - vier bis sechs Schulen individuell aus.

Der Begriff "Schulen" ist hier, wie auch schon an anderer Stelle erläutert, weit gefasst: Er bezieht ebenso Kindertagesstätten wie Universitäten mit ein. Statt von "Schulkapazität" könnte man hier also auch von "Bildungs- und Betreuungskapazität" sprechen.

Arbeitsvolumen

Das vierte Diagramm dokumentiert das Arbeitsvolumen der Agenten-Gesellschaft, aus dem sich - mit gewissen Abstrichen - deren Wirtschaftsleistung ablesen lässt. Zu Beginn eines Simulationslaufs liegt das Volumen üblicherweise bei 100 Prozent. Durch verschiedene Entwicklungen wird es jedoch im Verlauf der Simulation abnehmen:

  • Beeinträchtigt wird die Arbeitsleistung der Beschäftigten natürlich zunächt einmal durch deren Erkrankung. Insbesondere bei schwerer bis kritischer Erkrankung einzelner Agenten liegt deren individuelle Leistung bei null.
  • Eine weitere Beeinträchtigung stellt die Schließung der Grenzen dar, durch die die Einreise von Infizierten verhindert werden soll. Verhindert bzw. empfindlich gestört wird hierdurch zugleich aber auch der Außenhandel. Betriebe, die stark import- bzw. exportabhängig sind, müssen daher ihre Mitarbeiter in Kurzarbeit schicken, die in der Simulation pauschal mit 50 Prozent der ursprünglichen Arbeitsleistung angesetzt wird. Visualisiert ist diese Situation im Simulationsfeld dadurch, dass die eine Häfte der betroffenen Beschäftigten lediglich an den ersten drei Werktagen zur Arbeit geht (also 60 Prozent leistet), während die andere Hälfte nur donnerstags und freitags arbeitet (also nur 40 Prozent Leistung erzielt).
  • Reduziert wird die Arbeitsleistung natürlich auch, wenn Home-Office-Varianten oder gar ein grundsätzlicher Lockdown angesetzt sind. Die Leistung der Agenten im Home-Office hängt von vielen Faktoren ab, so etwa davon, ob sie bereits über Erfahrungen mit heimischer Arbeit verfügen, ob sie zu Hause ungestört von Kindern oder anderen Mitbewohnern arbeiten können oder ob ihr Beruf es überhaupt zulässt, von zu Hause aus zu arbeiten. - Je nach Programmeinstellungen können sich hier sehr komplexe Verläufe ergeben.
  • Allerdings gibt es auch einige Umstände, die der Arbeitsleistung förderlich sein können: zum einen naturgemäß die Genesung von der Erkrankung, zum anderen aber auch die Zugehörigkeit zur Gruppe der systemrelevant Beschäftigten, die gar nicht erst ins Home-Office geschickt werden.

Achtung: Die Arbeitsleistung der Agenten-Gesellschaft wird immer für die gesamte vorausgehende Arbeitswoche berechnet; daher werden die Daten auch nur alle sieben Tage aktualisiert und in den restlichen Tagen lediglich fortgeschrieben. Hieraus ergibt sich, dass (wie übrigens auch bei echten Arbeitsmarktstatistiken) die Datenlage der aktuellen Entwicklung immer etwas "hinterherhinkt".

Aus diesem Grund ist es auch ratsam, eine Simulation stets ohne Maßnahmen, die den Arbeitsmarkt beeinträchtigen (Einreiseverbote, Lockdown, Home-Office), zu starten, da sonst die schon reduzierte Arbeitsleistung der ersten Woche vom Programm als "100 Prozent" berechnet wird. Bei einer späteren Aufhebung der Restriktionen kann dies zu Zahlenwirrnissen sowohl im Diagramm als auch im Datenmonitor führen, da nun plötzlich Werte deutlich über 100 Prozent erzielt werden. Die Anzeigen innerhalb des Diagramms bzw. des Monitors sind dann zwar mathematisch weiterhin korrekt, dürften jedoch Irritationen hervorrufen.

Um diese Irritationen zu vermeiden, lässt sich im Feld "Stadtplan- und Diagramm-Einstellungen" die sogenannte Autokorrektur abstellen. Das Programm startet dann grundsätzlich mit einer überschlägig ermittelten 100-Prozent-Maximalleistung und zeigt erst ab der zweiten Woche die realen Werte an. Diese haben aufgrund des anderen Berechnungsmodus allerdings eine leichte Unschärfe von bis zu 1.0 Prozentpunkten.

Freizeitkonsum

Dieser Graph zeigt das Freizeitverhalten der Agentengesellschaft. Die Messgröße ist die Gesamtstundenzahl, die die Agenten in Freizeiteinrichtungen verbringen.
Im Politiklabor finden auswärtige Freizeitaktivitäten ausschließlich am Wochenende statt. Samstags gehen sowohl Berufstätige als auch deren Kinder diversen Aktivitäten nach; Jugendliche und junge Erwachsene von 16 bis 20 Jahren halten sich abends sogar etwas länger außer Haus auf. Lediglich die Rentner bleiben zu Hause.
Am Sonntag ist dann üblicherweise die gesamte Agentengesellschaft (mit Ausnahme der schwer oder lebensgefährlich Erkrankten) mehrere Stunden unterwegs.
Standardmäßig wird das Freizeitverhalten tageweise (in charakteristischen Kurvensequenzen) angezeigt. Das Diagramm lässt sich jedoch auch auf wöchentliche Anzeige umschalten (vgl. den Bereich "Stadtplan- und Diagrammeinstellungen"). Der Datenmonitor wertet die Freizeitaktivitäten grundsätzlich tageweise (in Stunden) aus.
Ökonomisch gesehen kann man aus den ermittelten Zahlenwerten auf den jeweiligen Umsatz der Freizeitindustrie (Sportvereine, Konzertveranstalter, Gastronomie usw.) schließen.

Dieses Diagramm erscheint nur in den Editionen A und B.

Supermarktnutzung

Ähnlich wie der Graph "Freizeitkonsum" zeigt das Diagramm "Supermarktnutzung" das Konsumverhalten der Agentengesellschaft an, hier jedoch bezogen auf die Güter des täglichen Bedarfs - eben "Supermarktware".
Auch bei diesem Diagramm ist die Messgröße die Gesamtzahl der Stunden, die die Agenten im Geschäft verbringen.
Genutzt werden die Supermärkte an sechs Wochentagen, samstags etwas länger als während der Arbeitstage. Sonntags haben die Märkte nicht geöffnet. Die Kundschaft rekrutiert sich aus Agenten ab dem 16. Lebensjahr; Kinder kaufen also nicht selbstständig ein.
Auch für diesen Graphen gilt:
Standardmäßig wird das Einkaufsverhalten tageweise (in charakteristischen Kurvensequenzen) angezeigt. Das Diagramm kann jedoch auf Wochenanzeige umgeschaltet werden (vgl. den Bereich "Stadtplan- und Diagrammeinstellungen"). Der Datenmonitor wertet die Freizeitaktivitäten hier ebenfalls grundsätzlich tageweise (in Stunden) aus.
Vergleichbar dem Freizeitkonsum kann auch die Supermarktnutzung als Indikator für das "Geschäftsklima" der Wirtschaft gelten.

Dieser Graph wird nur in den Editionen A und B angezeigt.

Personenverkehr

Der Graph "Personenverkehr" gibt die Anzahl der täglichen (oder wöchentlichen) Bewegungen der Agenten zwischen Wohnung und Arbeitsplatz, Schule, Supermarkt oder Freizeitstätte wieder. Dabei wird zwischen Fahrten im Privatwagen, der Nutzung öffentlicher Verkehrsmittel und einfachen Wegen zu Fuß nicht unterschieden.
Ebenfalls unberücksichtigt bleiben die Länge des zurückgelegten Wegs und die Dauer der Fortbewegung. Gezählt wird allein die Fahrt als solche.
Standardmäßig wird die Mobilität tageweise (in charakteristischen Kurvensequenzen) angezeigt. Das Diagramm kann jedoch, wie die beiden vorherigen, auf Wochenanzeige umgeschaltet werden (vgl. den Bereich "Stadtplan- und Diagrammeinstellungen"). Der Datenmonitor wertet die Bewegungen allerdings grundsätzlich tageweise (als Summe aller Fahrten) aus.
Veränderungen im allgemeinen Verkehrsaufkommen lassen, wirtschaftlich gesehen, Rückschlüsse auf die Auslastung von Verkehrswegen durch private und öffentliche Verkehrsmittel in Pandemiezeiten zu. Soziologisch gesehen sind die Daten ein Indikator für den Grad auswärtiger (direkter, nicht virtueller) sozialer Kontakte.

Dieses Diagramm wird nur in den Editionen A und B angezeigt.

Akzeptanz

Nicht auszuschließen ist, dass die Bereitschaft, gängige Pandemie­regeln (AHA: Abstand, Hygiene, Alltagsmaske) zu akzeptieren, in der Bevölkerung unterschiedlich stark ausgeprägt ist und zudem im Lauf der Zeit nachlässt. Deshalb bietet das Politiklabor hierzu zwei Einstellmöglichkeiten:

Der Graph "Akzeptanz" beschreibt die tägliche Entwicklung der Akzeptanz in Prozentwerten. Hundert Prozent bedeuten eine vollständige Zustimmung der Bevölkerung zu den Maßnahmen der Regierung; null Prozent verweisen darauf, dass die Maßnahmen komplett ignoriert werden.

Die oben beschriebenen Einstellmöglichkeiten zeigen nur dann Wirkung, wenn die Option "Abstandsregeln, Maskenpflicht, Handdesinfektion" im Bereich "Allgemeine Maßnahmen" gesetzt ist. Ohne Regeln kein Akzeptanzverlust!

Dieses Diagramm wird nur in Edition A angezeigt.

Erfahrung

Die Arbeit im Home-Office ist nicht dieselbe wie diejenige vor Ort. Sie wird zu Hause durch das Fehlen geeigneter Arbeitsgeräte oder durch die Anwesenheit von Mitbewohnern (vor allem Kindern bei Schulschließungen) beeinträchtigt. Im Politiklabor wird allerdings angenommen, dass man durch entsprechende Routine seine Effizienz im Home-Office durchaus steigern kann. Hierzu bietet das Programm zwei Einstellmöglichkeiten:

Der Graph "Erfahrung" zeigt den täglichen Erfahrungsstand im Home-Office in Prozentwerten an. Null Prozent bedeuten, dass die home-office-fähigen Agenten keinerlei Erfahrung vorweisen können. Hundert Prozent beschreiben eine Gesellschaft, die, wo immer möglich, routiniert von zu Hause aus arbeiten kann (bzw. könnte). Mit anderen Worten: Während eines Lockdowns werden Minderleistungen, die sich aus häuslicher Arbeit ergeben, eher aufgefangen.

Die oben beschriebenen Einstellmöglichkeiten zeigen aber nur Wirkung, wenn in der Simulation tatsächlich eine Ausgangssperre oder zumindest "Home-Office für alle" angeordnet worden ist. In "normalen" Zeiten, in denen (überwiegend) vor Ort gearbeitet wird, ist Home-Office-Erfahrung bedeutungslos.

Dieser Graph wird nur in Edition A angezeigt.

Infektionsgrade nach Alterskohorten

Das unterste Diagramm dokumentiert nicht den Verlauf der Simulation, sondern den Ist-Zustand am jeweils letzten Abruftag. Es präsentiert in zehn Balken die Häufigkeitsverteilung der Agenten über die Altersdekaden (0 bis 9 Jahre, 10 bis 19 Jahre usw.). Innerhalb der Altersdekaden werden - analog zum obersten Graphen - die Häufigkeiten der Infektionsgrade der Agenten angezeigt, wobei auch hier die weiter oben beschriebenen Farben verwendet werden (Blau für verstorben, Violett für genesen bzw. geimpft, Gelb bis Rot für verschiedene Stufen der Infektion, Grün für - lediglich - gefährdet).

Typischerweise sind die Balken zu Beginn eines Simulationslaufs weitestgehend grün; nach einer längeren Simulationszeit färben sie sich dann violett oder schlimmstenfalls blau. Im Normalfall werden unter den älteren Agenten mehr Todesfälle zu verzeichnen sein als unter den jüngeren. Das Programm folgt hier den derzeitigen wissenschaftlichen Erkenntnissen zu den Mortalitätsraten unter Corona-Patienten. Andere Pandemien mögen abweichende Mortalitätsraten hervorbringen; diese sind hier jedoch nicht berücksichtigt.

Achtung: Die Anzeige des Graphen aktualisiert sich täglich, frühere Anzeigen gehen also verloren. Letztere können jedoch über den Datenmonitor ( und ) ausgelesen werden.

1.4 Weitere Anzeigefelder

Nummer des Simulationslaufs

Unmittelbar unter den Diagrammen befindet sich ein weiteres Anzeigefeld. Hier wird die Zahl der bislang durchgeführten Läufe angegeben. Außerdem kann man die Zahl der am aktuellen Simulationslauf beteiligten Agenten ablesen.

Die Anzeige unterscheidet zwischen "echten" neuen Simulationsläufen mit unterschiedlichen Agentenzahlen bzw. Häufigkeitsverteilungen innerhalb der Haushalte, wie sie üblicherweise über die Neustart-Taste aktiviert werden, und solchen Simulationsläufen, die lediglich eine Wiederholung (vgl. Wiederholungstaste) der bisherigen Grundeinstellungen darstellen. - "Echte" neue Läufe werden links, Wiederholungsläufe (in etwas kleinerer Schrift) rechts vom Punkt angezeigt.

Zu beachten ist hier, dass auch mit der Wiederholungstaste "echte" neue Simulationsläufe ausgelöst werden können, nämlich immer dann, wenn sich durch veränderte Programmeinstellungen Änderungen in der Grundgesamtheit der Agenten bzw. der Haushalte und/oder im Design des Simulationsfelds (etwa durch einen Wechsel normale/stilisierte Stadt) ergeben.

Legende und Datenfeld

Am unteren Rand der Benutzeroberfläche wird in den Editionen B und C des Politiklabors eine Legende mit Kurzerklärungen zu den Symbolen auf dem Simulationsfeld angezeigt.

Legende
Wohnhaus [im Wohngebiet] Supermarkt [im Gewerbegebiet]
Schule [im Wohngebiet] Krankenhaus [ausgewiesener Platz]
Arbeitsbereich [im Gewerbegebiet] Friedhof (vielleicht mit Gräbern)
Erholungsgebiet Einwohner (Agenten)

Diese Legende wird bei Programmstart auch in der Edition A des Politiklabors ausgewiesen, dort allerdings im Feld des Datenmonitors. Wird dieser aktiviert, erscheinen auf derselben Fläche stattdessen die Datensätze des Monitors, in der Standard-Einstellung    zum Beispiel in folgendem Design:

2. Die Programmsteuerung

2.1 Bedienelemente

Als Stellschrauben bzw. Schalter zur Steuerung der Programmfunktionen verwendet das Politiklabor fünf Typen von Bedienelementen.

Schaltknöpfe: Diese haben, je nach Funktion, die Wirkung von (Wechsel-)Schaltern oder Tastern. Sie lösen ein Programmereignis aus. Je nach Schaltzustand kann ihr Symbolbild variieren.
Schieberegler (Bereichsregler): Mit ihnen lässt sich ein Zahlenwert innerhalb eines bestimmten Wertebereichs einstellen. Minimum und Maximum dieses Wertebereichs sind links bzw. rechts am Ende der Reglerbahn notiert.

Einfach-Schalter (Checkboxes): Hiermit lässt sich auf einfache Weise eine Funktion zu- (mit Häkchen) oder abschalten (ohne Häkchen).


Schaltleisten (Radio buttons): Sie erlauben das wechselweise An- und Abschalten (d. h. das Umschalten) von Funktionen.
Schaltflächen: Auf einigen Flächen des Simulationsfelds können per Mausklick Veränderungen vorgenommen werden.

2.2 Allgemeine Programmfunktionen

Oberhalb und unterhalb des Simulationsfelds und der Diagramme finden sich einige Bedienelemente, die für die allgemeinen Programmfunktionen zuständig sind.

Sprachauswahl









Das Politiklabor kann zurzeit in folgenden Sprachen aufgerufen werden:
  • Deutsch,
  • Englisch,
  • Französisch,
  • Spanisch,
  • Portugiesisch,
  • Italienisch,
  • Niederländisch,
  • Polnisch,
  • Türkisch,
  • Esperanto.
Eine Ausweitung der Sprachoptionen ist geplant.
 
Das vorliegende Handbuch und die Datenmonitor-Kurzhilfe sind allerdings weiterhin nur auf Deutsch und auf Englisch verfügbar.
Externe Seiten
Dieser Knopf führt zurück zur Startseite.
Dieser Schaltknopf verlinkt auf das Online-Politiklabor der Universität Hohenheim.


Je nach Edition des Politiklabors werden hier unterschiedliche Knöpfe angezeigt:
  • In Edition A kann man über den B-Schaltknopf zur Edition B wechseln.
  • Ebenso kann man aus Edition C heraus über den B-Knopf die Edition B aufrufen.
  • Startet man mit Edition B oder ruft man B von A aus auf, zeigt B einen A-Schaltknopf für den Wechsel zur Edition A. Wurde B von C aus angewählt, zeigt die Edition einen C-Knopf für die Rückkehr zu C.
Die Sprachauswahl bleibt beim Wechsel erhalten.
Über diesen Schaltknopf kann in einem separaten Fenster das vorliegende Handbuch geöffnet werden.
Steuerung des Simulationslaufs
Pause:
Die Simulation kann jederzeit angehalten und dann mit Hilfe einer Schritt- oder Verlauf-Taste fortgesetzt werden.
Kleiner Schritt:
Diese Taste ermöglicht innerhalb der Simulation Vorwärts-Sprünge von 15 Minuten. Danach wird der Lauf angehalten.
Großer Schritt:
Diese Taste gestattet größere Sprünge. Sie variieren, je nach Einstellung (siehe unten), zwischen 30 Minuten und einem ganzen Tag (24 Stunden).
Die Einstellungen sind nur in Kombination mit der Taste "Großer Schritt" wirksam.
Langsamer Verlauf:
Die Simulation wird kontinuierlich in mäßiger Geschwindigkeit abgespielt.
Schneller Verlauf:
Die Simulation wird kontinuierlich relativ schnell abgespielt.
Superschneller Verlauf:
Die Simulation wird sehr schnell abgespielt. Die Geschwindigkeit lässt sich per Schieberegler (siehe unten) einstellen. Ist der Schalter "Autostopp" (siehe unten) gesetzt, stoppt die Simulation nach einem definierten Zeitintervall automatisch, kann aber durch neuerliches Betätigen der Taste in einem weiteren Intervall fortgesetzt werden.
Die Position "x1" entspricht der Abspielgeschwindigkeit des "schnellen Verlaufs". Die Wertvorgabe "x100" ist nur symbolisch zu sehen, da die tatsächliche Abspielgeschwindigkeit in hohem Maße von der verwendeten Hardware abhängt.
Autostopp:
Bei geschlossenem Schalter hält die Simulation, sofern sie im "superschnellen Verlauf" ausgeführt wird, nach einem definierten Zeitintervall automatisch an. Durch erneutes Betätigen der Taste "Superschneller Verlauf" lässt sie sich fortsetzen (bis sie am Ende des nächsten Intervalls wiederum pausiert). - Bei offenem Schalter läuft die Simulation so lange, bis sie manuell angehalten wird.
Achtung: Die Autostopp-Funktion bezieht sich ausschließlich auf den "superschnellen Verlauf". Außerdem ist sie nur in den Editionen A und B verfügbar.
Hier lässt sich das Autostopp-Zeitintervall in 100er-Schritten auf 100 bis 1000 Tage festlegen. Eine Änderung der Einstellung wird erst nach einem Autostopp oder beim Start eines neuen Simulationslaufs wirksam.
Wiederholung:
Ein Simulationslauf kann mit gleicher Agentenzahl sowie gleicher Zahl und Zusammensetzung der Haushalte wiederholt werden. Da das Programm keinen willkürlichen Zufallsgenerator verwendet, sondern mit sogenannten festen Zufallszahlenreihen arbeitet, erscheinen bei einer Wiederholung, falls keine Einstellungen verändert wurden, exakt dieselben Ergebnisse wie beim vorherigen Lauf. - Aber Achtung: Änderungen in der Zahl der Haushalte und/oder im Bereich "normale/stilisierte Stadt" führen automatisch dazu, dass sich die Wiederholungs-Taste wie die Taste "Neue Simulation" (siehe unten) verhält.
Neue Simulation:
Diese Taste generiert grundsätzlich eine neue Simulation mit neuen Zufallszahlen, d. h. mit neuen Agentenzahlen und Haushaltszusammensetzungen.
Vorheriger Simulationsgenerator:
Diese "Rückwärts"-Taste ruft den jeweils vorherigen Zufallszahlengenerator auf; die Anzeige der Simulationsläufe zählt dabei zurück. Ist der erste Zufallszahlengenerator erreicht, bleibt die Taste wirkungslos.
Neustart:
Diese "Reset"-Taste setzt das Programm zurück auf den ersten Zufallszahlengenerator. Aber Achtung: Alle sonstigen Programmeinstellungen bleiben erhalten, so dass der "erste" Lauf nicht zwangsläufig den Initialwerten bei Programmstart entspricht.

Die Anzahl der Simulationstage pro Lauf ist auf 9999 (d. h. auf etwa 27 Jahre!) begrenzt. Bei Erreichen der Höchstzahl hält das Programm an. Natürlich können anschließend weitere Simulationsläufe durchgeführt werden.

2.3 Das Feld "Maßnahmen"

Die in diesem Abschnitt beschriebenen Funktionen stehen in allen drei Editionen (A, B und C) des Politiklabors zur Verfügung.

Im vorliegenden Arbeitsbereich lassen sich verschiedene gesundheitspolitische Maßnahmen zu- oder abschalten. Um welche Maßnahmen es sich im Einzelnen handelt, weist die folgende Tabelle aus. Deren letzte Spalte zeigt an, welchen Wert das Politiklabor bei Programmstart vorgibt.

1. Allgemeine Maßnahmen Startwert
Abstandsregeln, Maskenpflicht, Handdesinfektion:
Politische Appelle, Gesetze und Vorgaben der Behörden führen zu höheren Hygienestandards in der Bevölkerung. Die Infektionsgefahr wird hierdurch reduziert.
Ist der Schalter gesetzt, werden darüber hinaus alle Schulen automatisch in den "Hybrid-Betrieb" (60 Prozent Präsenzunterricht, 40 Prozent Distanzlernen) versetzt.
aus
Akzeptanz:
Nicht alle Menschen halten sich an die vorgeschriebenen Hygienestandards, sei es aus Nachlässigkeit, sei es aus Prinzip. Hier kann eingestellt werden, zu welchem Anteil die Bevölkerung Abstandsregeln und Maskenpflicht akzeptiert. Der Prozentsatz wird über dem Regler angezeigt.
Im Feld "Psychologische Annahmen" (siehe weiter unten) lässt sich zudem ein Automatismus aufrufen, der die Akzeptanz sukzessive linear oder exponentiell reduziert. Prozentanzeige und Schiebereglerposition werden dann entsprechend aktualisiert.
95%
Freischaltung einer Pandemie-Warn-App:
Hier lässt sich eine sogenannte Pandemie-Warn-App zuschalten. Im Idealfall signalisiert eine solche App, dass man zuvor Kontakt zu einer infektiösen Person hatte. Voraussetzung hierfür ist, dass beide Parteien (Infektiöser und Gefährdeter) die Warn-App auf ihrem jeweiligen Mobiltelefon installiert haben und auch tatsächlich nutzen.
Im Politiklabor ist diese Warn-App folgendermaßen implementiert:
Fall 1: Der infektiöse Agent und ein ahnungsloser gesunder Agent begegnen sich auf kurze Distanz. Ist der kranke Agent positiv getestet, gibt er diese Information unmittelbar an die App weiter. Der gesunde, aber jetzt vielleicht neu infizierte Agent lässt sich aufgrund dieser Information schnellstmöglich ebenfalls testen. - Die geschilderte Situation ist insgesamt eher unwahrscheinlich, da sich ein positiv getesteter Agent, um niemanden anzustecken, normalerweise umgehend in häusliche Quarantäne begibt. Er kann also andere Personen höchstens noch auf dem Heimweg (oder zu Hause) infizieren.
Wahrscheinlicher ist Fall 2: Der infektiöse Agent weiß noch nichts von seiner Krankheit. Er erfährt erst nach einigen Tagen (Einstellung siehe unten) davon, gibt die Information also erst verspätet weiter. So kann sich der möglicherweise betroffene Kontakt-Agent auch erst zeitverzögert testen lassen. Wird er dann positiv getestet, begibt er sich ebenfalls sofort in Quarantäne. Natürlich kann er in der Zwischenzeit aber schon den einen oder anderen angesteckt haben.
Fällt der Test des Gefährdeten negativ aus, wird die Testung, je nach Ergebnis, im Abstand von jeweils drei Tagen bis zu vier Mal wiederholt. Der per App Gewarnte bleibt also auch bei negativer Testung etwa zwei Wochen unter medizinischer Aufsicht.
Die Grundidee der Warn-App ist, dass, wenn sie flächen­deckend genutzt wird, erkrankte Personen und deren Mitbewohner durch häusliche Isolation rechtzeitig "aus dem Verkehr gezogen" und die Auswüchse der Pandemie somit eingedämmt werden können.
Haushalte in Quarantäne werden auf dem Simulationsfeld dick umrandet dargestellt. Bei eingeschalteter Option erscheint auf dem Stadtplan zudem oben links das Verkehrszeichen-Symbol "Achtung, Gefahr!" immer dann, wenn die Warn-App mindestens einmal pro Tag positiv angeschlagen hat.
Wichtig: Tests, die aufgrund der Warn-App vorgenommen werden, werden den an anderer Stelle zuschaltbaren Früherkennungstests hinzugezählt, jedoch nicht mit diesen verrechnet (vgl. die Rubrik "Maßnahmen für Krankenhäuser").
aus
Nutzung der Warn-App:
Hier kann eingestellt werden, welcher Anteil der Bevölkerung die Warn-App benutzt.
10%
Verzögerung der Warnungen:
Diese Option regelt, mit wie vielen Tagen Verzögerung die Warnung per App durchschnittlich weitergegeben wird. Die Einstellung betrifft nur Infektionsträger, die zum Zeitpunkt der Begegnung mit einem Gefährdeten noch nichts von ihrer Erkrankung wissen. (Positiv Getestete, denen dieser Befund ja bekannt ist, speichern ihr Testergebnis hingegen immer sofort in die App ein; Gefährdete erfahren in diesem Fall also unmittelbar von dem Kontakt.)
3 Tage
Interregionale Einreiseverbote:
Zur Eindämmung der Pandemie können die Außengrenzen geschlossen werden. Bei offenem Schalter sind durch Einreise verursachte Neuinfektionen zu verzeichnen, bei geschlossenem Schalter (auf dem Simulationsfeld symbolisiert durch das "Zollgrenze"-Verkehrs­zeichen) wird dies unterbunden.
Zu beachten ist, dass bei einem Einreiseverbot alle import- bzw. exportabhängigen Betriebe in Kurzarbeit gehen müssen und dort nur noch 50 Prozent der üblichen Arbeitsleistung erzielt werden.
Ist der Schalter "Weitreichende Ausgangssperre" (siehe unten) gesetzt, schließt dies Einreiseverbote automatisch ein.
Systemrelevant Beschäftigte sind von dem Verbot im Übrigen grundsätzlich nicht betroffen.
aus
Reiseintensität:
Bei hoher Reiseintensität steigt die Zahl der Infektionen. Mit dem Schieberegler kann hier die Zahl der Neuinfektionen pro Woche eingestellt werden. Zwischen beruflichen und privaten Reisen wird dabei nicht unterschieden.
Die Einstellung ist nur wirksam, falls der Schalter "Interregionale Einreiseverbote" nicht gesetzt ist.
1
Kaufbeschränkungen (ein Käufer pro Haushalt):
Beschränkt man die Zahl der Käufer im Supermarkt auf einen pro Haushalt, reduzieren sich die Sozialkontakte im Markt und damit auch die Infektionsrisiken.
Als Kaufberechtigten wählt das Programm in der Regel die älteste Person im Haushalt aus.
aus
Weitreichende Ausgangssperre:
Bei der hier angesetzten Ausgangssperre kommt das öffentliche Leben weitestgehend zum Erliegen. Die Menschen dürfen - sofern sie nicht systemrelevant beschäftigt sind - ihre Häuser ausschließlich zum Einkaufen verlassen, und das auch nur montags, mittwochs und freitags von 16:30 bis 19:00 Uhr. Arbeit findet, wenn möglich, im Home-Office statt, Schule zu Hause im "Lernen auf Distanz". Großveranstaltungen entfallen; die Grenzen bleiben geschlossen. Das Simulationsfeld zeigt entsprechende Markierungen.
Anderweitige Einstellungen des Programms werden ignoriert. Dieser Schalter ist also einer der folgenreichsten der gesamten Simulation.
aus
2. Maßnahmen für Großveranstaltungen Startwert
Zulässigkeit von Großveranstaltungen:
Diese Option nimmt den Normalzustand an: Großveranstaltungen wie Konzerte oder Stadionereignisse, aber auch größere Familienfeiern im Restaurant oder Club-Events sind erlaubt.
ein
Begrenzte Zulässigkeit von Großveranstaltungen:
Großveranstaltungen sind jetzt nur noch unter Auflagen gestattet und mit einer empfindlichen Reduktion der Besucherzahlen verbunden. Weiter unten kann das Besucherlimit per Regler eingestellt werden.
aus
Verbot von Großveranstaltungen:
Großveranstaltungen finden nun grundsätzlich nicht mehr statt. Auf dem Simulationsfeld erscheinen alle Freizeitstätten gesperrt.
aus
Besucherlimit:
Hier lässt sich die Begrenzung der Besucherzahl einstellen, falls Großveranstaltungen unter Auflagen gestattet sind.
20%
3. Maßnahmen für Krankenhäuser Startwert
Keine Bereitstellung von Intensivbetten:
Diese Option beschreibt einen für ein westliches Industrieland eigentlich unhaltbaren Zustand: Die vorhandenen Krankenhäuser verfügen über keinerlei Intensivbetten, keine Möglichkeiten zur künstlichen Beatmung usw. und nehmen deshalb auch keine Pandemiepatienten an.
ein
Nur Aufnahme kritischer Fälle:
Nun nehmen die Hospitäler zumindest kritische Fälle auf, dies aber nur, falls genügend (freie) Betten zur Verfügung stehen. Die Aufnahme ins Krankenhaus senkt die Mortalitätsrate der Erkrankten signifikant.
Die Bettenzahl kann weiter unten per Schieberegler eingestellt werden und wird zudem im obersten Diagramm angezeigt.
aus
Aufnahme schwerer und kritischer Fälle:
Betten stehen jetzt nicht nur kritisch, sondern auch schwer Erkrankten zur Verfügung, falls freie Kapazitäten vorhanden sind. Auch hier macht die Aufnahme ins Krankenhaus das Überleben der Erkrankten wahrscheinlicher.
aus
Krankenhauskapazität:
Hier lässt sich die Zahl der grundsätzlich verfügbaren (eventuell aber schon mit Pandemie-Patienten belegten) Intensivbetten einstellen.
Beachtet werden sollte, dass eine zu niedrige Bettenzahl leicht zu einem Kollaps des Gesundheitssystems führen kann. In einer Agentengesellschaft von 100 Personen sind maximal 40 einzurichtende Intensivbetten sicherlich luxuriös, in einer Gesellschaft von 1000 Personen (d. h. 450 Haushalten) aber möglicherweise schon nicht mehr.
Reduziert man während einer laufenden Simulation die Zahl der Intensivbetten, werden darin liegende Patienten selbstverständlich nicht plötzlich hinausgeworfen; vielmehr verlassen diese das Hospital erst bei Genesung oder im Todesfall. Mit anderen Worten: Der Abbau des Bestands an Intensivbetten erfolgt unter Umständen verzögert.
4 Betten
Früherkennung (Tests):
Je früher eine Infektion erkannt wird, desto eher kann der Infizierte isoliert werden. Ist der Schalter gesetzt, werden deshalb sukzessive alle noch nicht getesteten Agenten auf das Virus hin untersucht. Ist ein Testergebnis positiv, werden die Person und alle in ihrem Haushalt lebenden Mitbewohner unter Quarantäne gestellt, d. h. ihre Wohnung wird blockiert. Im Simulationsfeld sind blockierte Haushalte dick umrandet dargestellt. Aufgehoben wird die Quarantäne erst, wenn sich kein positiv Getesteter mehr in der Wohnung befindet (genesene Patienten gelten als "negativ" getestet; Verstorbene zählen ebenfalls nicht mehr als "positiv").
Achtung: Bei geringer Testkapazität (siehe unten) kann es passieren, dass ein blockiertes Haus versehentlich zu früh geöffnet wird, obwohl sich darin noch Erkrankte befinden, die aber nicht getestet wurden. Eine Erhöhung der Testkapazität schafft hier meist Abhilfe.
Die Durchführung der Tests wird in der vorliegenden Simulation formal den Krankenhäusern zugewiesen. Natürlich können Tests aber auch in Arztpraxen oder in rollenden Laboren vorgenommen werden. Angesichts der Diffusheit der Testorte wird der Gang der Agenten zum jeweiligen Test im Simulationsfeld nicht nachgebildet.
aus
Tests pro Tag:
Hier lässt sich einstellen, wie viele Tests pro Tag durchgeführt werden können. Die Gesamtzahl der während einer Simulation vorgenommenen Testungen wird in der Anzeige oberhalb des Schiebereglers laufend aktualisiert. Dort wird auch die aktuelle Quote der Positiv-Tests (bezogen auf die Gesamtzahl der Testungen) angezeigt.
20
Früheste Indikation (Latenztag):
In der sogenannten Latenzphase (Inkubation, Frühphase der Infektion) lässt sich das Virus eventuell noch nicht sofort nachweisen. Nach wie vielen Latenztagen ein aussagekräftiger Test möglich ist, kann hier mittels Schieberegler eingestellt werden.
Präsymptomatisch Infizierte und Infizierte mit Symptomen weist der Test hingegen sofort als "positiv" aus.
4
Testintervall (in Tagen):
Ein Negativtest bietet keine Garantie, vor dem Virus geschützt zu sein. Es ist daher ratsam, negativ Getestete in regelmäßigen Abständen nachzutesten. Das entsprechende Testintervall (Testwiederholung nach ... Tagen) lässt sich hier justieren.
Vorsicht: Ist die Testkapazität (siehe oben) zu gering, können nicht alle Betroffenen rechtzeitig nachgetestet werden.
7
4. Epidemiologische Maßnahmen Startwert
Keine Impfmaßnahmen:
Angenommen wird hier der ungünstige Fall, dass entweder noch keine Impfmaßnahmen eingeleitet worden sind oder aber gar kein Impfstoff verfügbar ist.
ein
Impfempfehlung:
Nun ist Impfstoff vorhanden. Eine Impfung wird empfohlen und von den meisten Agenten - außer erklärten Impfgegnern - auch wahrgenommen. Allerdings ist die Zahl der Impfungen pro Tag (aus technischen Gründen) begrenzt, so dass sich eine "Durchimpfung" der Bevölkerung einige Zeit hinziehen kann.
aus
Impfpflicht:
Die Impfung ist jetzt verpflichtend und muss auch von Impfgegnern wahrgenommen werden.
aus
Impfungen pro Tag:
Hier lässt sich einstellen, wie viele Impfungen das System pro Tag leisten kann. Eingerechnet sind dabei auch vergebliche Impfversuche (bei Impfgegnern).
Oberhalb des Schiebereglers wird die Gesamtzahl der bisher im Simulationslauf vorgenommenen erfolgreichen Impfungen angezeigt. Im Falle eines angenommenen Immunitätsverlusts müssen Mehrfachimpfungen durchgeführt werden, daher kann die Zahl der Impfungen nach längerer Simulationszeit auch über der Gesamtzahl der Agenten liegen.
5
Impfgegner:
Über diesen Regler lässt sich die Quote der Impfgegner prozentual festlegen. In der Praxis hängt sie stark von der Kommunikationspolitik der jeweiligen Regierung und hier speziell des Gesundheitsministeriums ab.
Die absolute Zahl der Impfgegner ist oberhalb des Schiebereglers notiert.
6%
5. Maßnahmen für Schulen Startwert
Nur allgemeine Maßnahmen:
Im Normalfall arbeiten alle Schulen im Vollzeitbetrieb. Ist allerdings der Schalter "Abstandsregeln, Maskenpflicht und Händewaschen" gesetzt, fallen die Bildungs- und Betreuungsinstitutionen automatisch in einen Hybridmodus. Dem liegt die Überlegung zugrunde, dass das Einhalten von Abstandsregeln nur möglich ist, wenn Klassen geteilt werden. Geteilte Klassen wiederum benötigen mehr Räume, die nicht immer zur Verfügung stehen. Daher kann der Vollzeitbetrieb für alle Schüler nicht aufrechterhalten werden. In der Praxis erhalten die Klassen - nach Jahrgängen über die Woche verteilt - an drei Tagen (also zu 60 Prozent) Präsenzunterricht, die restlichen Lerninhalte (40 Prozent) müssen zu Hause, etwa durch Online-Lernen, erarbeitet werden.
ein
Kein Schulbesuch infizierter Schüler:
Wird bei einem Schüler eine Erkrankung diagnostiziert, bleibt er zu Hause. Für seine Klassenkameraden findet Unterricht weiterhin in Vollzeit (oder aber im Hybrid-Modus, siehe oben) statt.
aus
Schulschließung beim ersten Krankheitsfall:
Wird eine Erkrankung diagnostiziert, wird jetzt vorsorglich die gesamte Einzelschule geschlossen; die Schüler lernen im Home-Schooling. - An den übrigen Schulen der Stadt findet Unterricht nach Plan statt.
Geschlossene Schulen werden auf dem Simulationsfeld als gesperrt angezeigt.
aus
Individuelle Schließung, Isolation der Familie:
Hinzu kommt hier noch, dass nicht nur der erkrankte Schüler, sondern seine gesamte Familie in häusliche Quarantäne versetzt wird. Die Schließung der Einzelschule bleibt natürlich bestehen.
Haushalte, die sich in Quarantäne befinden, werden auf dem Simulationsfeld durch eine dicke Umrandung hervorgehoben. Gesperrte Schulen sind ebenfalls markiert.
aus
Individuelle Schließung, Isolation aller Familien:
Außer dem erkrankten Schüler und seiner Familie müssen nun auch die Familien sämtlicher Mitschüler seiner Schule in häuslicher Quarantäne verbringen.
Auch in dieser Einstellung werden individuelle Schulsperrungen und isolierte Haushalte auf dem Simulationsfeld markiert.
aus
  Achtung: Werden die Einstellungen "Individuelle Schließung, Isolation der Familie" bzw. "Isolation aller Familien" während eines Simulationslaufs in andere Schul-Optionen geändert, bauen sich bestehende quarantänebedingte Haussperrungen (sofern sie nicht durch die "Früherkennungs"-Option neu gesetzt werden) nach und nach ab - aber nur, falls die "Sperrfunktion" (vgl. "Stadtplan-Einstellungen") ausgeschaltet ist. Ist die "Sperrfunktion" gesetzt, frieren die Haussperrungen ein und müssen auf dem Simulationsfeld per Hand (das heißt per Mausklick) einzeln gelöscht werden.  
Schließung aller Schulen:
In dieser Einstellung werden vorsorglich alle Schulen geschlossen. Unterricht findet ausschließlich im Home-Schooling durch Online-Lernen statt.
Auf dem Simulationsfeld erscheinen nun alle Schulen gesperrt.
aus
Online-Lernen:
Hier lässt sich einstellen, bis zu welchem Grad Online-Lernen herkömmlichen Unterricht im Klassenraum ersetzen kann. Selbstverständlich können hier nur Schätzungen vorgenommen werden. Ältere Schüler werden mit dem Computer besser zurechtkommen als jüngere und zeigen unter Umständen auch mehr Lerndisziplin - vorausgesetzt, die entsprechende Online-Technologie (Tablets, schnelles Internet, Lernplattformen usw.) steht überhaupt zur Verfügung.
Beachtet werden muss hier zudem, dass sich die Möglichkeiten für Online-Unterricht automatisch (im Programm: auf die Hälfte) reduzieren, falls die Lehrer im Hybrid-Modus zugleich auch Präsenzunterricht leisten müssen.
10%
Aufhebung der Abstandsregeln für Schüler:
Ist dieser Schalter gesetzt, werden, selbst wenn sie in anderem Zusammenhang weiterhin gelten, die Abstandsregeln für Schüler aufgehoben. Diese Maßnahme beruht auf der Vermutung, dass Kinder und Jugendliche nicht so infektiös seien wie Erwachsene.
Hierdurch wird, zumindest für jüngere Jahrgänge, wieder durchgängiger Präsenzunterricht möglich. Für ältere Schüler kann jedoch, je nach Einstellung des Programms (siehe unten), durchaus weiterhin Hybrid-Unterricht mit nur zeitweiliger schulischer Präsenz bestehen bleiben.
Hierzu eine Anmerkung: Das beschriebene Konzept erscheint recht bizarr und ist hier nur aufgenommen, weil es tatsächlich praktiziert wird. Allerdings unterscheidet das Politiklabor-Programm, anders als einige Schulministerien, nicht zwischen schulischem und außerschulischem Aufenthalt der Schüler, sondern hebt die Abstandsregeln für die entsprechenden Altersgruppen grundsätzlich auf. Dieser Ansatz folgt der Überlegung, dass Kindern, die einen großen Teil ihrer Zeit ohne Abstandsregeln in der Schule verbringen, nur schwer zu vermitteln sein dürfte, warum sie sich außerhalb anders verhalten sollten.
aus
Altersgrenze:
Hier kann ausgewählt werden, bis zu welchem Alter Kinder (Schüler) von den Abstandsregeln ausgenommen werden. Die Altersgrenze wird oberhalb des Reglers angezeigt.
12 Jahre
6. Maßnahmen für Unternehmen Startwert
Keine besonderen Maßnahmen:
Diese Option bildet den Normalfall ab: Alle Unternehmen machen "business as usual".
ein
Home-Office im Krankheitsfall:
Nun bleiben kranke Beschäftigte zu Hause und arbeiten, sofern nur leicht erkrankt, gegebenenfalls von dort aus weiter.
aus
Home-Office auch für Risikogruppen:
Zusätzlich zu den Erkrankten werden nun vorsorglich auch alle Angehörigen von Risikogruppen ins Home-Office geschickt. Als Risikogruppen definiert das Programm sämtliche Beschäftigten ab einem bestimmten höheren Alter (siehe unten).
aus
Home-Office für alle (wenn möglich):
Ab jetzt findet Arbeit nur noch von zu Hause aus statt. Eine Ausnahme bilden hier lediglich die systemrelevant Beschäftigten, die weiterhin vor Ort arbeiten.
Zu bedenken ist, dass nicht jede Beschäftigung home-office-fähig ist. So erzielen zum Beispiel Arbeitskräfte, die ortsgebunden in der Fertigung tätig sind, zu Hause keinerlei Arbeitsleistung. Gleiches gilt für bestimmte Dienstleister (etwa Friseure) und Künstler.
Beachtet werden muss ferner, dass das Home-Office die Tätigkeit am eigentlichen Arbeitsplatz nie hundertprozentig ersetzen kann, insbesondere dann nicht, wenn die Beschäftigten nur über geringe einschlägige Erfahrung verfügen oder die häuslichen Begleitumstände (Kinder im Home-Schooling usw.) ungünstig sind. In allen Fällen ist Home-Office also mit einer - teils deutlichen - Reduktion der Arbeitsleistung verbunden, die vom Programm nach speziellen Algorithmen berechnet wird.
In dieser Einstellung werden die Arbeitsstätten auf dem Simulationsfeld als gesperrt markiert. Ausgenommen hiervon sind Arbeitsplätze, an denen systemrelevante Personen beschäftigt sind. Gibt es sehr viele Systemrelevante, kann es daher vorkommen, dass keine einzige Stätte gesperrt wird.
aus
Risikoalter:
Das Risikoalter kann innerhalb des letzten Jahrzehnts regulärer Lebensarbeitszeit variiert werden. Die Einstellung 55+ bedeutet beispielsweise, dass alle Beschäftigten von 55 bis 65 betroffen sind. Ist der Wert 65+ gesetzt, sind nur die 65-jährigen Beschäftigten gemeint (da die 66-Jährigen bereits in Rente sind).
60 Jahre
Systemrelevante Beschäftigte:
Systemrelevante Beschäftigte sind Personen, auf die das Gesellschaftssystem (vermeintlich) nicht verzichten kann. In der Regel gehören hierzu Grundversorger im Nahrungsmittel- und im Energiebereich, Beschäftigte im Gesundheitswesen sowie in der Pflege, in Ordnungsbehörden, im Transportwesen und in der Personenbeförderung (ÖPNV). Sie alle sind von pandemie-bedingten Restriktionen (Home-Office, Einreiseverbote) weitgehend ausgenommen.
Die Zahl der systemrelevant Beschäftigten ist allerdings nur scheinbar festgelegt. Je nach politischer und ökonomischer Gesamtlage definiert die Politik möglicherweise um, wer oder was als systemrelevant zu gelten hat. Ist eine Region stark durch bestimmte Branchen (etwa Automobilzulieferer) geprägt, werden Politiker, um sozialpolitische Verwerfungen bei drohender Kurzarbeit oder nach Massenentlassungen zu vermeiden, gern bereit sein, kurzerhand auch die hier Beschäftigten für systemrelevant zu erklären.
Aus diesem Grund ist der vorliegende Regler, der die Zahl der Systemrelevanten bestimmt, nicht dem Feld "Annahmen", sondern dem der "Maßnahmen" zugeordnet.
20%

2.4 Das Feld "Annahmen"

Achtung: Die in diesem Abschnitt beschriebenen Funktionen stehen ausschließlich in den Editionen A und B des Politiklabors zur Verfügung.

Während im Feld "Maßnahmen" die politischen Entscheidungsmöglichkeiten gebündelt sind, liefert das Feld "Annahmen" die psychologischen, medizinischen und ökonomischen Grundlagen für diese Entscheidungen.

Welche das im Einzelnen sind, ist der folgenden Tabelle zu entnehmen. Auch hier werden in der letzten Spalte wieder die Initialwerte bei Programmstart ausgewiesen.

Psychologische Annahmen Startwert
Konstante Akzeptanz der Maßnahmen:
Das Politiklabor versucht einen "menschlichen Faktor" in die Simulation einzubringen, indem es auch die psychische Verfassung der Agenten berücksichtigt. In der Grundeinstellung wird eine sehr gefestigte Grundhaltung der Bevökerung angenommen. Der in der Rubrik "Akzeptanz" festgelegte Prozentsatz an Agenten akzeptiert die auferlegten Gebote (Abstandsregeln, Maskenpflicht usw.) durchgängig. Liegt der Akzeptanzwert zum Beispiel bei 95 Prozent, bleibt dieser Wert also während des gesamten Simulationslaufs - auch über Jahre hinweg - bestehen.
In der Praxis ist eine solche Annahme allerdings eher unrealistisch.
ein
Lineare Abnahme der Akzeptanz:
Angenommen wird deshalb hier, dass die Akzeptanz der gesundheitspolitischen Maßnahmen, sei es aus Ungeduld und Überdruss, sei es aus politischer Opposition, im Lauf der Zeit nachlässt. Modelliert wird eine lineare Abnahme (bis auf null) über einen definierten Zeitraum, der sich mit dem Regler "Akzeptanz-Verlust" (siehe unten) festlegen lässt.
aus
Exponentielle Abnahme der Akzeptanz:
In dieser Einstellung nimmt die Akzeptanz nicht linear, sondern exponentiell ab. Ist die Automatik zur (linearen oder exponentiellen) Verringerung der Akzeptanz eingeschaltet und aktiv (!), wird dies im Simulationsfeld durch ein "Gefälle"-Verkehrszeichen signalisiert.
aus
Akzeptanz-Kurve:
Für die Modellierung der exponentiellen Abnahme stehen acht Kurventypen zur Verfügung. In Kurventyp 1 bleibt die Akzeptanz über eine lange Zeit hinweg relativ hoch und nimmt erst gegen Ende eines definierten Zeitraums rapide exponentiell ab. Kurventyp 8 generiert eine zunächst stark, dann flacher abfallende exponentielle Kurve. Die übrigen Kurventypen liegen in ihrem Verlauf zwischen diesen beiden Extremen (siehe unten).
Rechts neben dem Schieberegler wird die ausgewählte Kurve in stilisierter Form angezeigt.
1:
2:
3:
4:
5:
6:
7:
8:
Auch die konstante ( ) und die linear abfallende Option ( ) werden hier berücksichtigt.
2
Akzeptanz-Verlust:
Über welchen Zeitraum sich der Akzeptanz-Verlust erstreckt, lässt sich hier einstellen. Die Vorgaben des Programms sind 100, 125, 150, 175 oder 200 Tage.
Die Tageszahl setzt voraus, dass der ursprüngliche Akzeptanzwert bei 100 Prozent liegt. Ist er niedriger, erreicht die Akzeptanz den Wert "null Prozent" schon früher.
100 Tage
Lineare Akzeptanz
Konstante Akzeptanz (95%) Lineare Abnahme
Exponentielle Abnahme
Kurve 1 Kurve 5
Kurve 2 Kurve 6
Kurve 3 Kurve 7
Kurve 4 Kurve 8
Zunahme an Erfahrungen im Home-Office:
Angenommen wird hier, dass die Agenten im Lauf der Zeit im Umgang mit dem Home-Office Erfahrungen hinzugewinnen und dadurch auf Dauer effektiver von zu Hause aus arbeiten können (sofern ihr Beruf home-office-tauglich ist). Bei gesetztem Schalter nimmt der Erfahrungswert wöchentlich um einen bestimmten Prozentsatz zu (vgl. dazu den folgenden Schieberegler).
Auch hier gilt: Liegen die Anfangserfahrungen der Agenten nicht bei null Prozent, sondern höher (zum Beispiel beim Startwert 25 Prozent), werden die 100 Prozent Gesamterfahrung früher erreicht.
Ist die Automatik zur Steigerung der Erfahrung eingeschaltet und aktiv (!), wird dies im Simulationsfeld durch ein "Steigungs"-Verkehrszeichen signalisiert.
aus
Lernzuwachs pro Woche:
Hier lässt sich einstellen, um wie viel Prozent pro Woche die Home-Office-Erfahrungen zunehmen.
4%
Medizinische Annahmen Startwert
Allgemeines Infektionsrisiko:
Das Infektionsrisiko wird vom Programm auf den Indexwert 4 gesetzt. Denkbar sind aber natürlich auch niedrigere oder höhere Werte. Der Indexwert 10 bildet demgemäß ein extrem aggressives Virus ab, das in seiner Infektiösität deutlich über der von COVID-19 liegt. Ein Indexwert von 1 entspricht hingegen eher dem einer traditionellen Grippe.
4
Risiko in öffentlichen Verkehrsmitteln:
Dieser Regler legt das Infektionsrisiko speziell in öffentlichen Verkehrsmitteln fest. Voraussetzung ist, dass die Agenten überhaupt Bus und Bahn benutzen (vgl. hierzu den Regler "Nutzung öffentlicher Verkehrsmittel").
4
Immunitätsverlust:
Unter Umständen baut der Körper eines Erkrankten bzw. Genesenen keine hinreichende Langzeit-Immunität gegen ein Virus auf. Bei gesetztem Schalter wird hier ein solcher Immunitätsverlust für alle Agenten angenommen.
aus
Risiko einer Neuinfektion:
Hier lässt sich das Risiko einer erneuten Infektion nach überstandener Krankheit (oder nach einer temporären Impfung) ablesen. Vorgegeben wird auch in diesem Fall ein Indexwert. Liegt er bei 10, können sich im Prinzip alle Agenten neu infizieren. Liegt er bei 1, trifft es nur etwa jeden zehnten.
5
Immunitätszeitraum:
Wie lange ein Pandemie-Patient (bzw. Geimpfter) bei zu erwartendem Immunitätsverlust de facto Immunität genießt, ist hier per Regler zwischen 5 und 90 Tagen zu justieren.
60 Tage
Sofortige Ansteckungsgefahr
Das Simulationsprogramm unterstellt, dass die Pandemie sich in einem SEIR-Modell (Susceptible, Exposed, Infectious, Recovered/Removed) beschreiben lässt. Das heißt, dass es eine Latenzphase gibt, in der die Infizierten dem Virus nur ausgesetzt (exposed) sind, keine Symptome zeigen und auch nicht ansteckend sind.
Setzt man nun den vorliegenden Schalter, wird angenommen, dass die Ansteckungsfähigkeit (die sogenannte Kontagiosität) unmittelbar nach der Infektion, also ohne sichtbare Latenzphase einsetzt. Der Krankheitsverlauf entspricht damit eher dem eines SIR-Modells (Susceptible, Infectious, Recovered/Removed).
Achtung: Der gesetzte Schalter verwandelt die (nicht-infektiöse) Latenzphase zwar in eine Zeit der Infektiosität, verkürzt dadurch aber nicht die Zeit bis zum Ausbruch der Krankheit. Eine komplette Streichung der Latenzzeit (im Sinne eines "echten" SIR-Modells) lässt sich mit dem Regler "Inkubation" (vgl. den Bereich "Algorithmen-Einstellungen") erreichen.
aus
Keine weiteren Infektionen:
Wählt man diese Option, werden weitere Infektionen im Simulationslauf unterbunden.
Natürlich ist das plötzliche Ende einer Pandemie quasi "über Nacht" unrealistisch. Hilfsweise kann man den Schalter jedoch benutzen, um mit verschiedenen Programmeinstellungen zu experimentieren und sich deren Auswirkungen frei von pandemischen Einflüssen anzeigen zu lassen. Zu diesem Zweck muss der Schalter bereits vor Beginn eines Simulationslaufs gesetzt sein.
Vgl. hierzu auch den Abschnitt "Testläufe ohne Pandemie".
aus
Ökonomische Annahmen Startwert
Ortsgebundene Arbeit:
Einstellen lässt sich hier, in welchem Umfang die Agentengesellschaft Arbeit betreibt, die an bestimmte Fertigungsorte gebunden ist und daher nicht im Home-Office erledigt werden kann. Je höher der Prozentsatz an ortsgebundener Arbeit, desto geringer die Leistungen im Falle eines Lockdowns.
40%
Überregionale Unternehmen:
Hier kann man definieren, zu welchem Grad die Unternehmen der Agentengesellschaft überregional agieren und damit von Exporten und/oder Importen abhängig sind. Im Fall eines kompletten Lockdowns oder auch nur der Schließung der Grenzen (Einreiseverbote) wird ihre Produktion empfindlich getroffen, so dass sie ihre Belegschaften in Kurzarbeit (Programmvorgabe: 50 Prozent) schicken müssen.
Analog zur Rubrik "Ortsgebundene Arbeit" gilt auch hier: Je höher der Prozentsatz an überregionalen Unternehmen, desto geringer die Arbeitsleistung im Falle eines Lockdowns oder von Reiserestriktionen.
40%
Home-Office-Erfahrung:
Nicht alle Beschäftigten verfügen über hinreichende Home-Office-Erfahrung. Festgelegt werden kann hier deshalb der Anteil der erfahrenen Heimarbeiter in Relation zur Gesamtzahl der Beschäftigten. Der Prozentsatz wird oberhalb des Schiebereglers angezeigt.
Im Bereich "Psychologische Annahmen" (siehe oben) lässt sich ein Automatismus aufrufen, der die Home-Office-Erfahrung sukzessive linear erhöht. Prozentanzeige und Schiebereglerposition werden dann entsprechend aktualisiert.
25%
Nutzung öffentlicher Verkehrsmittel:
Hier lässt sich einstellen, in welchem Ausmaß die Agenten öffentliche Verkehrsmittel nutzen.
Steht der Regler auf null, werden die Fahrten zwischen Wohnung und Arbeitsplatz, Supermarkt, Schule oder Freizeitanlage für den Infektionsverlauf nicht berücksichtigt. Man könnte sagen: Alle Agenten fahren in (epidemiologisch sicheren) privaten Pkw und können sich während der Fahrt nicht anstecken.
Nutzen die Agenten hingegen Bus und Bahn (d. h. hat der Regler einen höheren Wert als null), setzen sie sich dort möglicherweise einem erhöhten Infektionsrisiko aus (vgl. hierzu den Regler "Risiko in öffentlichen Verkehrsmitteln").
0%

2.5 Algorithmen-Einstellungen

Achtung: Die in diesem Abschnitt beschriebenen Funktionen stehen ausschließlich in der Edition A des Politiklabors zur Verfügung.

Das Politiklabor orientiert sich strukturell an der COVID-19-Pandemie. Konkret bedeutet dies, dass wesentliche Programmabläufe auf den Daten der Weltgesundheitsorganisation WHO zu dieser Pandemie basieren. Dabei verwendet das Politiklabor zur Berechnung der Infektionsverläufe der Agenten eine Reihe von Algorithmen, also feststehenden Programmroutinen.
Allerdings lassen sich diese Programmroutinen mithilfe der Stellschrauben des Bereichs "Algorithmen-Einstellungen" auch verändern bzw. verbiegen. Dadurch können sozusagen ganz andere Pandemien mit ganz neuartigen Verläufen modelliert werden.

Diese Option sollte man allerdings sehr behutsam verwenden. Man sollte sich immer vergegenwärtigen, dass auch bei kleinen Veränderungen der Ausgangswerte Pandemieverläufe entstehen können, die mit COVID-19 nicht mehr das Geringste zu tun haben.

Die nachfolgende Tabelle gibt einen Überblick über die verfügbaren Auswahlmöglichkeiten. In der letzten Spalte ist notiert, mit welcher Einstellung das Politiklabor-Programm startet.

Risikoschwerpunkt:
Hier lässt sich einstellen, welche Altersgruppen von der Pandemie besonders betroffen sind. Das Programm bietet folgende Optionen:
   +5: extrem stark erhöhtes Risiko für ältere Personen,
   +4: sehr stark erhöhtes Risiko für ältere Personen,
   +3: stark erhöhtes Risiko für ältere Personen,
   +2: erhöhtes Risiko für ältere Personen (= COVID-19),
   +1: mäßig erhöhtes Risiko für ältere Personen,
     0: gleichmäßig auf alle Altersgruppen verteiltes Risiko,
   –1: mäßig erhöhtes Risiko für jüngere Personen,
   –2: erhöhtes Risiko für jüngere Personen,
   –3: stark erhöhtes Risiko für jüngere Personen,
   –4: sehr stark erhöhtes Risiko für jüngere Personen,
   –5: extrem stark erhöhtes Risiko für jüngere Personen.
+2
Inkubation:
Die Inkubationszeit, das heißt: die Zeitperiode von der Ansteckung bis zum sichtbaren Ausbruch der Krankheit, ist nicht bei allen Patienten gleich lang. Im Fall der COVID-19-Pandemie zeigen einige Personen bereits nach einem Tag Symptome, andere Personen erst nach 15 Tagen, in seltenen Fällen sogar erst nach bis zu 25 Tagen. Die meisten Patienten erkranken allerdings sichtbar etwa eine Woche nach der Ansteckung.
Die Häufigkeitsverteilung der Erkrankungen nach Inkubationstagen lässt sich in einer sogenannten logarithmischen Normalverteilung darstellen. Das Politiklabor nutzt eine solche log-normale Verteilung als Basisalgorithmus.
Dieser Basisalgorithmus lässt sich hier verändern. Zusätzlich angeboten wird zudem eine lineare Häufigkeitsverteilung, in der während der angenommenen Inkubationsperiode jeden Tag gleich viele Personen sichtbar erkranken.
Insgesamt gibt es folgende Auswahlmöglichkeiten:
   +3: ausgedehnte log-normale Verteilung über etwa 50 Tage,
   +2: standardmäßige log-normale Verteilung über 25 Tage
         (= COVID-19),
   +1: verkürzte log-normale Verteilung über 13 Tage,
     0: Ansteckung aller Gefährdeten gleich am ersten Tag,
   –1: lineare Verteilung über 14 Tage,
   –2: lineare Verteilung über 26 Tage,
   –3: lineare Verteilung über 51 Tage.
Die Option "0" entspricht dem SIR-Modell (Susceptible, Infectious, Recovered/Removed) zur Beschreibung von Epidemien, da hier die Krankheit sofort und nicht erst nach einer Latenzzeit ausbricht. Vergleiche dazu auch die Ausführungen im Absatz "Sofortige Ansteckungsgefahr".
+2
Autostopp am Simulationsende:
Ist dieser Schalter gesetzt, wird die Simulation an ihrem "natürlichen" Ende (alle Agenten sind entweder genesen, geimpft oder tot) automatisch gestoppt. Das Ende wird auf dem Simulationsfeld durch das Verkehrszeichen "Aufhebung aller Verbote" signalisiert.
Durch Betätigen einer der Abspieltasten (zum Beispiel langsamer, schneller oder superschneller Verlauf) kann die Simulation fortgesetzt werden. Dies ist allerdings nur dann sinnvoll, wenn man, etwa über die Annahme "Immunitätsverlust", die Pandemie anschließend neu aufflammen lässt.
Ein zweites Mal stoppt die fortgesetzte Simulation übrigens nicht automatisch.
ein

2.6 Stadtplan- und Diagramm-Einstellungen

Achtung: Die in diesem Abschnitt beschriebenen Funktionen stehen ausschließlich in den Editionen A und B des Politiklabors zur Verfügung.

Der Arbeitsbereich "Stadtplan- und Diagramm-Einstellungen" ermöglicht Eingriffe in die Optik des Simulationsfelds. Zudem können hier Diagramm-Algorithmen angepasst werden. Die mit einem Sternchen (*) gekennzeichneten Änderungen werden allerdings erst in einem neuen Simulationslauf wirksam.

Die nachfolgende Tabelle gibt einen Überblick über die Auswahlmöglichkeiten. In der letzten Spalte ist notiert, mit welcher Einstellung das Politiklabor-Programm startet.

Stadtplan Startwert
Stilisierte Stadt*:
Der Stadtplan zeigt nach Setzen des Schalters bei Aufruf eines neuen Simulationslaufs eine schematisierte, symmetrisch angelegte Stadt. Hierdurch sind einige Wirkungszusammenhänge, weil weniger komplex, optisch deutlicher zu erkennen. Die stilisierte Stadt weist grundsätzlich 200 Haushalte auf.
aus
Besucherzahl:
Das Politiklabor ist so programmiert, dass die Agenten Arbeitsplätze, Schulen und Freizeiteinrichtungen in ihrer häuslichen Nähe aufsuchen. Die Maximalzahl der Besucher in diesen Lokalitäten kann hier sichtbar gemacht werden.
aus
Sperrfunktion:
Ist dieser Schalter aktiviert, lassen sich auf dem Simulationsfeld per Mausklick bestimmte Zonen sperren. Mehr dazu im Abschnitt "Direkteingabe im Simulationsfeld".
ein
 
 
aus
Zeitlupe:
In dieser Einstellung werden die Wege der Agenten in Zeitlupe dargestellt. Aber Achtung: Da die Agenten auf diese Weise ihren Zielort etwas später erreichen, haben sie dort auch weniger Gelegenheit, sich zu infizieren.
aus
Agentenstatus Startwert
Infektion:
Üblicherweise werden die Agenten des Politiklabors als bunte, schwarz umrandete Kreise dargestellt, wobei die Farbe im Kreisinnern den Infektionsgrad widerspiegelt.
ein
Infektion/Alter:
In dieser Einstellung erscheinen die Agenten im Kreisinnern in ihren Infektionsfarben; der Rand verweist jedoch auf ihr jeweiliges Alter (weiß: jung, schwarz: berufstätig, grau: verrentet). Die Anzeige ist während einer laufenden Simulation nur schwer zu erkennen; einzelne Agenten sind bei angehaltener Simulation besser zu analysieren.
aus
Alter:
Hier präsentieren sich die Agenten je nach Lebensalter als schwarz umrandete weiße, schwarze oder graue Kreise - als Kinder, Jugendliche, junge Erwachsene bis 20 Jahre weiß, als Erwerbstätige (21 bis 65 Jahre) schwarz, als Rentner (über 65 Jahre) grau. Diese Farbzuweisung gilt gegebenenfalls auch für ihre Gräber. - Die Legende des Simulationsfelds wird entsprechend angepasst.
aus
verborgen:
In dieser Einstellung werden die Agenten unsichtbar. Sie agieren jedoch im Hintergrund weiter. Nützlich ist diese Option zum Beispiel, um bei gesetztem "Früherkennung"-Schalter die Blockierung einzelner Haushalte (Quarantäne) sowie die spätere Aufhebung der jeweiligen Blockade besser beobachten zu können.
aus
Autokorrektur Startwert
Schule (vgl. Diagramm "Schulkapazität"):
Ist die Funktion ausgeschaltet, ordnet das Programm jeder Schule die gleiche Produktivität zu. Gibt es auf dem Simulationsfeld zum Beispiel sechs Schulen, wird jeder Schule genau ein Sechstel der Gesamtproduktivität zugewiesen. Entsprechend nimmt Letztere um ein Sechstel ab, wenn eine Schule geschlossen werden muss.
Bei eingeschalteter Autokorrektur gewichtet das Programm die individuellen Schulkapazitäten gemäß der Zahl der Schüler, die die jeweilige Institution besuchen. Eine Schule mit 40 Schülern liefert (oder verliert) also mehr Kapazität als eine mit nur 10 Besuchern.
Eine Anzeige mit Autokorrektur ist präziser, eine Anzeige ohne Korrektur bietet hingegen mehr Transparenz und lässt sich optisch besser nachvollziehen.
Das An- bzw. Abschalten der Autokorrektur während einer laufenden Simulation sollte man vermeiden, da die im Diagramm angezeigten Prozentwerte sonst ihre Konsistenz verlieren.
ein
 
 
aus
Arbeit (vgl. Diagramm "Arbeitsvolumen"):
Das Programm berechnet die Arbeitsleistung der Beschäftigten jeweils am Ende einer Arbeitswoche. Da bei Programmstart noch keine bisherige Arbeitswoche vorliegt, kalkuliert das Programm zunächst überschlägig eine (theoretische) Leistung der Agenten, die auf 100 Prozent gesetzt und ab der zweiten Woche aufgrund der Berechnung der realen Leistung der ersten Woche nachjustiert wird (Autokorrektur). Diese Methode hat einen Nachteil: Startet eine Simulation z. B. im Lockdown, wird die verminderte Arbeitsleistung der ersten Woche als 100 Prozent berechnet. Hebt man den Lockdown später auf, steigt die Arbeitsleistung nun deutlich über 100, im Extremfall sogar auf mehr als 2000 Prozent. Um diese irritierenden Werte zu vermeiden, kann man die Autokorrektur deaktivieren. Das Programm startet dann immer mit der formell ermittelten 100-Prozent-Leistung der Agenten und justiert diese nicht nach. Die formelle Ermittlung (und Fortschreibung) der Arbeitsleistung ist allerdings nicht ganz präzise. Die reale Leistung liegt (zufallsbedingt) zwischen 0.0 und 1.0 Prozent niedriger.
Ein An- bzw. Abschalten der Autokorrektur während einer laufenden Simulation sollte vermieden werden, da sich die im Datenmonitor angezeigten Prozentwerte sonst nicht mehr nachvollziehen lassen.
ein
 
 
aus
Wochenanzeige Startwert
Freizeit*:
Mit diesem Schalter lässt sich das Diagramm "Freizeitkonsum" von täglicher auf wöchentliche Anzeige umschalten. Hierzu ist allerdings, wie auch bei den folgenden Schaltern, ein neuer Simulationslauf erforderlich.
aus
Supermarkt*:
Hier lässt sich das Diagramm "Supermarktnutzung" von Tages- auf Wochenanzeige umschalten.
aus
Verkehr*:
Dieser Schalter setzt die Anzeige des Diagramms "Personenverkehr" von Tageswerten auf summierte Wochenwerte.
aus
Haushalte Startwert
Haushalte*:
Die Anzahl der Haushalte ist in 50er-Schritten von 50 bis zu 450 (mit ca. 100 bis zu etwa 1000 Personen) wählbar. Mit dieser Option lässt sich testen, ob bzw. inwiefern die Bevölkerungsdichte Einfluss auf das Infektionsgeschehen hat. - Die Einstellung gilt nur für normale Städte, nicht für die stilisierte Variante.
200

Simulationsfeld-Layout: Beispiele
50 Haushalte 450 Haushalte
200 Haushalte mit Besucherzahl 200 Haushalte, stilisiert
200 Haushalte, Zeitlupe, Besucherzahl,
teilweise blockierte Orte
200 Haushalte, verborgene Agenten,
teilweise blockierte Orte

Agentenkennung: Beispiele
Anzeige "Infektion/Alter" Anzeige "Alter"

2.7 Direkteingabe im Simulationsfeld

Achtung: Die in diesem Abschnitt beschriebenen Funktionen stehen ausschließlich in den Editionen A und B des Politiklabors zur Verfügung.

Statt über die "Maßnahmen"- und "Annahmen"-Felder lassen sich einige Programmeinstellungen auch direkt im Simulationsfeld vornehmen. Ist der Schalter "Sperrfunktion" (vgl. "Stadtplan- und Diagramm-Einstellungen") gesetzt, kann der Zugang zu einzelnen Arealen blockiert werden, indem man mit dem Mauszeiger in den entsprechenden Bereich klickt. Hilfreich ist dies zum Beispiel, wenn man gewisse Einstellungen nur für ausgewählte Stadtviertel setzen möchte.

Selbstverständlich kann jede Sperrung durch einen erneuten Mausklick wieder aufgehoben werden.

Als Zeichen der Sperrung erscheint der angeklickte Bereich anschließend rot durchkreuzt. Ist der Schalter "Besucherzahl" (ebenfalls im Feld "Stadtplan- und Diagramm-Einstellungen") aktiviert, wird zudem die Maximalzahl der Besucher des jeweiligen Felds nun nicht mehr auf weißem, sondern auf rotem Hintergrund angezeigt.

Zur Beachtung: Grundsätzlich haben vom Programm vorgenommene automatische Sperrungen und Entsperrungen Vorrang vor von Hand (per Mausklick) gesetzten.

Blockiert werden können folgende Felder:

  • Schulen,
  • Arbeitsbereiche,
  • Erholungsgebiete.

Gesperrte Bereiche werden von den Agenten nicht mehr angesteuert. In der Zeit, in der sie sich normalerweise dort aufhalten würden, bleiben sie zu Hause und betreiben hier beispielsweise Home-Office oder "Lernen auf Distanz".

Darüber hinaus können per Mausklick auch einzelne Haushalte gesperrt, d. h. in Quarantäne geschickt werden. Per Maus ausgewählte Haushalte erscheinen nun dunkelrot-fett umrandet; sämtliche Haushaltsmitglieder verlassen die Wohnung jetzt grundsätzlich nicht mehr (auch nicht zum Einkaufen).

Per Mausklick erzeugte Sperrungen gelten ohne Ansehen der Person für alle Agenten, auch für die sogenannten systemrelevant Beschäftigten.

Sperrungen: Beispiele
Diverse Sperrungen Diverse Sperrungen (mit Besucherzahl)

Gesperrte Bereiche haben natürlich Auswirkungen auf das Arbeitsvolumen und auch auf die schulischen Kapazitäten. Aber Achtung: Nur wenn man eine Schule tatsächlich sperrt, sinkt ihre Kapazität. Versetzt man alle Haushalte in Quarantäne, so dass kein Schüler mehr eine Bildungseinrichtung besuchen kann, bleibt die Kapazität der Einrichtung (als Angebot) dennoch erhalten, solange sie nicht ausdrücklich blockiert wird.

2.8 Datenmonitor

Achtung: Die im Folgenden beschriebenen Funktionen stehen ausschließlich in der Edition A des Politiklabors zur Verfügung.

Mit Hilfe des Datenmonitors lassen sich tagesaktuell alle relevanten Daten der Simulationsläufe des Politiklabors auslesen. Die Datensätze können zum einen während der laufenden Simulation im Anzeigefeld "live" betrachtet, zum anderen aber auch in ein externes Fenster exportiert und von dort aus per Auswählen/Kopieren/Einfügen beispielsweise in eine Tabellenkalkulation übernommen werden.

Für den Aufruf der wichtigsten Funktionen des Monitors steht rechts oberhalb des Anzeigefelds eine Leiste mit Schaltknöpfen bereit.

Schaltknöpfe
schaltet den Monitor in den Standardmodus (Infektionsgrade, Indikatoren, Maßnahmen, Annahmen).
zeigt die Infektionsgrade der Alterskohorten der Unter-50-Jährigen an.
zeigt die Infektionsgrade der Alterskohorten der Über-50-Jährigen an.
zeigt die Datenbasis des Simulationslaufs (Haushaltstypen, beruflicher Status usw.).
listet den individuellen Krankheitsverlauf der Agenten in einem separaten Fenster auf.

schaltet die Anzeigerichtung um (erste/letzte Daten oben).

zeigt den kompletten Datensatz an oder begrenzt die Anzeige.
exportiert die angezeigten Daten in ein separates Fenster.

schaltet die Anzeige des Datenmonitors ein bzw. aus.
öffnet eine Kurzhilfe speziell zum Datenmonitor.

Darüber hinaus bietet das Feld "Datenmonitor-Einstellungen" weitere, eher grundsätzliche Optionen zur Darstellung der Anzeige.

Datenmonitor-Einstellungen
Angezeigte Zeilen legt (in Zehnerschritten) die Anzahl der Zeilen bei begrenzter Anzeige fest.
Intervall legt das Anzeigeintervall (jeden Tag, jeden 2. Tag usw.) fest.
Trennzeichen* bestimmt das Trennzeichen zwischen den einzelnen Daten (Semikolon, Leerzeichen, Tabulator oder senkrechter Strich).
Schriftgröße bestimmt die Schriftgröße der Datenanzeige (falls der folgende Schalter nicht gesetzt ist).
Standardgröße gibt eine Schriftgröße vor.
* Zur Aktivierung ist ein neuer Simulationslauf erforderlich.

Die Wahl eines größeren Anzeige-Intervalls ist zum Beispiel praktisch, um auf einen Blick Entwicklungen im Wochen- oder im 10-Tages-Rhythmus analysieren zu können.

Eine Änderung des Trennzeichens ist dann erforderlich, wenn man den angezeigten Datensatz in eine externe Tabellenkalkulation übertragen möchte und diese für den Import bestimmte Separatoren (etwa ein Semikolon) verlangt.

Insgesamt lassen sich im Datenmonitor fünf unterschiedliche Datenblätter aufrufen:
  • die tagesaktuelle Standardanzeige mit den wichtigsten Daten im Überblick (),
  • zwei Datenblätter zum Infektionsgrad verschiedener Alterskohorten ( und ),
  • die Datenbasis jedes Simulationslaufs (),
  • die individuellen Krankengeschichten sämtlicher Agenten ().
Da die Krankenakten (besonders bei zugeschalteter Reinfektionsmöglichkeit und hoher Agentenzahl) sehr umfangreich ausfallen können, werden sie in einem separaten Fenster angezeigt.
 
Jedes Datenblatt enthält außer den eigentlichen Daten zwei Kopfzeilen. In der ersten Zeile werden die Hauptkategorien der Daten genannt, in der zweiten Zeile finden sich, teils in recht kryptischen Abkürzungen, die Unterkategorien. Die folgenden Tabellen bieten einen Überblick über sämtliche Haupt- und Unterkategorien.

Datenblatt 1: Standardanzeige

Standardanzeige ()
TagLaufender Tag, Stand: 24 Uhr (Tag 0: erster Tag, Stand: 0 Uhr)
Infektionsgrad
1Zahl der gefährdeten Personen
2Zahl der dem Virus ausgesetzten Personen
3Zahl der Personen mit Vorsymptomen
4Zahl der infizierten Personen
5Zahl der schwer erkrankten Personen
6Zahl der lebensgefährlich erkrankten Personen
7Zahl der genesenen (bzw. geimpften) Personen
8Zahl der verstorbenen Personen
ICP
(= Intensive Care Patients)
Zahl der Personen auf den Intensivstationen
Indikatoren
CFR
(= Case Fatality Rate)
Sterberate (Zahl der Verstorbenen dividiert durch die Summe aus Verstorbenen und Genesenen)
R0
(= R0-Wert)
Basisreproduktionszahl (Zahl der Menschen, die ein Infizierter im Schnitt ansteckt)
R7
(= R7-Wert)
7-Tage-Inzidenz (Zahl der Neuinfektionen pro 1000 [nicht 100.000!] Einwohner in den letzten 7 Tagen)
ICU%
(= Intensive Care Units)
Auslastung der vorhandenen Intensivbetten in Prozent (über 100 Prozent: Kollaps des Systems)
Sch%
(= School capacity)
Schulkapazität in Prozent
Lab%
(= Labour volume)
Arbeitsvolumen in Prozent (Wirtschaftsleistung)
Rec#
(= Recreational consumption)
Freizeitkonsum aller Agenten (in Stunden pro Tag)
Sup#
(= Supermarket visits)
Supermarktnutzung aller Agenten (in Stunden pro Tag)
Tra#
(= Traffic volume)
Personenverkehr (Anzahl der Fahrten pro Tag)
Maßnahmen
1. Allgemeine Maßnahmen
1Abstandsregeln, Maskenpflicht, Handdesinfektion
0: ausgeschaltet
1: eingeschaltet
Ac
(= Acceptance)
Akzeptanz der Maßnahmen (in Prozent)
xFreischaltung einer Pandemie-Warn-App
0: ausgeschaltet
1: eingeschaltet
WA
(= Warning app)
Nutzung der Warn-App (in Prozent)
D
(= Delay)
Verzögerung der Warnungen (in Tagen)
xInterregionale Einreiseverbote
0: ausgeschaltet
1: eingeschaltet
Tr
(= Travel intensity)
Reiseintensität (reisebedingte Infektionen pro Woche)
xKaufbeschränkungen (ein Käufer pro Haushalt)
0: ausgeschaltet
1: eingeschaltet
xWeitreichende Ausgangssperre
0: ausgeschaltet
1: eingeschaltet
2. Maßnahmen für Veranstaltungen
20: Zulässigkeit von Großveranstaltungen
1: Begrenzte Zulässigkeit von Großveranstaltungen
2: Verbot von Großveranstaltungen
Li
(= Limit)
Besucherlimit (in Prozent)
3. Maßnahmen für Krankenhäuser
30: Keine Bereitstellung von Intensivbetten
1: Nur Aufnahme kritischer Fälle
2: Aufnahme schwerer und kritischer Fälle
Cp
(= Capacity)
Krankenhauskapazität (Zahl der Intensivbetten)
xFrüherkennung (Tests)
0: ausgeschaltet
1: eingeschaltet
TD
(= Tests per day)
Tests pro Tag
EI
(= Earliest indication)
Früheste Indikation (nach ... Latenztagen)
TI
(= Test interval)
Testintervall (in Tagen)
4. Epidemiologische Maßnahmen
40: Keine Impfmaßnahmen
1: Impfempfehlung
2: Impfpflicht
VD
(= Vaccinations per day)
Impfungen pro Tag (Personenzahl)
VO
(= Vaccine opponents)
Impfgegner (in Prozent)
5. Maßnahmen für Schulen
50: Nur allgemeine Maßnahmen
1: Kein Schulbesuch infizierter Schüler
2: Schulschließung beim ersten Krankheitsfall
3: Individuelle Schließung, Isolation der Familie
4: Individuelle Schließung, Isolation aller Familien
5: Schließung aller Schulen
OL
(= Online learning)
Online-Lernen (maximaler Effekt in Prozent)
xAufhebung der Abstandsregeln für Schüler
0: ausgeschaltet
1: eingeschaltet
AL
(= Age limit)
Altersgrenze (in Jahren) für die Aufhebung
6. Maßnahmen für Unternehmen
60: Keine besonderen Maßnahmen
1: Home-Office im Krankheitsfall
2: Home-Office auch für Risikogruppen
3: Home-Office für alle (wenn möglich)
RA
(= Risk age)
Risikoalter (55 und älter bis 65 und älter)
Vi
(= Vital employees)
Systemrelevante Beschäftigte (in Prozent)
Annahmen
Psychologische Annahmen
:0: Konstante Akzeptanz der Maßnahmen ( )
1: Lineare Abnahme der Akzeptanz ( )
2: Exponentielle Abnahme der Akzeptanz
C
(= Curve)
Akzeptanz-Kurve
1:
2:
3:
4:
5:
6:
7:
8:
Len
(= Length)
Akzeptanz-Verlust (in Tagen)
xZunahme an Erfahrungen im Home-Office
0: ausgeschaltet
1: eingeschaltet
LP
(= Learning progress)
Lernzuwachs pro Woche (in Prozent)
Medizinische Annahmen
IR
(= Infection risk)
Allgemeines Infektionsrisiko (Indexwert)
IT
(= Infection risk in public transport)
Risiko in öffentlichen Verkehrsmitteln (Indexwert)
xImmunitätsverlust
0: ausgeschaltet
1: eingeschaltet
RR
(= Reinfection risk)
Risiko einer Neuinfektion (Indexwert)
IP
(= Immunity period)
Immunitätszeitraum (in Tagen)
xSofortige Ansteckungsgefahr
0: ausgeschaltet
1: eingeschaltet
xKeine weiteren Infizierten
0: ausgeschaltet
1: eingeschaltet
Ökonomische Annahmen
Ld
(= Location-dependent
work)
Ortsgebundene (d. h. nicht homeofficefähige) Arbeit (in Prozent)
IB
(= Interregional businesses)
Überregionale (d. h. import-/exportabhängige) Unternehmen (in Prozent)
Exp
(= Experience)
Home-Office-Erfahrung (in Prozent sämtlicher Beschäftigter)
PT
(= Public transport)
Nutzung öffentlicher Verkehrsmittel (in Prozent)

Datenblatt 2: Anzeige der Alterskohorten unter 50 Jahren

Anzeige der Alterskohorten unter 50 Jahren ()
TagLaufender Tag, Stand: 24 Uhr (Tag 0: erster Tag, Stand: 0 Uhr)
Altersgruppe 0-9 Jahre
1Zahl der gefährdeten Personen in der Altersgruppe
2Zahl der dem Virus ausgesetzten Personen in der Altersgruppe
3Zahl der Personen mit Vorsymptomen in der Altersgruppe
4Zahl der infizierten Personen in der Altersgruppe
5Zahl der schwer erkrankten Personen in der Altersgruppe
6Zahl der lebensgefährlich erkrankten Personen in der Altersgruppe
7Zahl der genesenen (bzw. geimpften) Personen in der Altersgruppe
8Zahl der verstorbenen Personen in der Altersgruppe
Altersgruppe 10-19 Jahre
1 - 8siehe oben
Altersgruppe 20-29 Jahre
1 - 8siehe oben
Altersgruppe 30-39 Jahre
1 - 8siehe oben
Altersgruppe 40-49 Jahre
1 - 8siehe oben

Datenblatt 3: Anzeige der Alterskohorten ab 50 Jahren

Anzeige der Alterskohorten ab 50 Jahren ()
TagLaufender Tag, Stand: 24 Uhr (Tag 0: erster Tag, Stand: 0 Uhr)
Altersgruppe 50-59 Jahre
1 - 8siehe oben
Altersgruppe 60-69 Jahre
1 - 8siehe oben
Altersgruppe 70-79 Jahre
1 - 8siehe oben
Altersgruppe 80-89 Jahre
1 - 8siehe oben
Altersgruppe 90-99 Jahre
1 - 8siehe oben

Datenblatt 4: Anzeige der Datenbasis

Anzeige der Datenbasis ()
LaufEigenständiger Simulationslauf (ohne Laufwiederholungen)
Mod.Simulationsmodus
N: normale Stadt
S: stilisierte Stadt
Pers.Anzahl der Personen (Agenten) im Simulationslauf
Haushaltstypen: Eltern/Kinder*
1/0Anzahl der Haushalte des Typs "Single"
1/1Anzahl der Haushalte des Typs "Alleinerziehende mit einem Kind"
1/2Anzahl der Haushalte des Typs "Alleinerziehende mit zwei Kindern"
1/3Anzahl der Haushalte des Typs "Alleinerziehende mit drei Kindern"
2/0Anzahl der Haushalte des Typs "Paar ohne Kinder"
2/1Anzahl der Haushalte des Typs "Paar mit einem Kind"
2/2Anzahl der Haushalte des Typs "Paar mit zwei Kindern"
2/3Anzahl der Haushalte des Typs "Paar mit drei Kindern"
Misc
(= Miscellaneous)
Anzahl der Haushalte des Typs "Sonstige"
(P)Gesamtzahl der Personen im Haushaltstyp "Sonstige"
* Die hier als "Kinder" Bezeichneten können de facto auch schon erwachsen sein.
Beschäftigung
SAnzahl der "Schüler", d. h. der Kinder und Jugendlichen (hier: Personen bis 20 Jahre), darin:
16-Zahl der Unter-16-Jährigen
16+Zahl der 16- bis 20-Jährigen
EAnzahl der Erwerbstätigen (Personen von 21 bis 65 Jahren), darin:
E++Anzahl der Erwerbstätigen mit sehr hoher Effektivität** im Home-Office
E+Anzahl der Erwerbstätigen mit hoher Effektivität** im Home-Office
E+-Anzahl der Erwerbstätigen mit mäßig hoher Effektivität** im Home-Office
E-Anzahl der Erwerbstätigen mit geringer Effektivität** im Home-Office
E--Anzahl der Erwerbstätigen ohne Möglichkeit** zum Home-Office
RtAnzahl der Rentner (Personen ab 66 Jahren)
** Die Angaben beziehen sich auf den Beginn des Simulationslaufs. Die Werte können sich während des Laufs ändern.

Datenblatt 5: Anzeige der Krankenakten

Anzeige der Krankenakten ()
Abruftag und -zeitZeitpunkt der Abfrage (Tag / Stunde:Minuten)
Nr.Kennnummer des Agenten
AlterAlter des Agenten
Haush.Nummer des Haushalts des Agenten
Tag / ZeitZeitpunkt des anschließend beschriebenen Ereignisses (vgl. Status)
StatusMedizinischer Status des Agenten:
  • latent exponiert
  • gewarnt per App
  • negativ getestet
  • positiv getestet
  • präsymptomatisch exponiert
  • symptomatisch infiziert
  • schwer erkrankt
  • ins Krankenhaus eingeliefert
  • kritisch erkrankt
  • genesen
  • aus dem Krankenhaus entlassen
  • geimpft
  • reinfizierbar
  • verstorben

Durch Drücken des Schaltknopfs "Monitor ein" bzw. "aus" ( bzw. ) lässt sich der Datenmonitor aktivieren bzw. deaktivieren. In ausgeschaltetem Zustand zeigt er die Legende des Simulationsfelds (d. h. des Stadtplans) an.

Wohnhaus [im Wohngebiet] Supermarkt [im Gewerbegebiet]
Schule [im Wohngebiet] Krankenhaus [ausgewiesener Platz]
Arbeitsbereich [im Gewerbegebiet] Friedhof (vielleicht mit Gräbern)
Erholungsgebiet Einwohner (Agenten)

In den Editionen B und C des Politiklabors wird die Legende des Simulationsfelds permanent dargestellt.

3. Programmkonzept und -algorithmen

3.1 Das Politiklabor als Multi-Agenten-System

Es gibt eine ganze Reihe von Versuchen, die Entwicklung einer Pandemie im Computer nachzuvollziehen und damit die Basis für politische Entscheidungen zu liefern. So veröffentlichte beispielsweise die Washington Post zu Beginn der COVID-19-Pandemie in den USA einen viel beachteten Artikel, der anhand eines einfachen Simulationsmodells die Auswirkungen (und die Notwendigkeit) der "sozialen Distanzierung" zu erklären versuchte (Harry Stevens, 14.03.2020). In dem online zur Verfügung gestellten Modell wird der Kontaminationsprozess von homogenen Agenten gesteuert, die wahllos einen undefinierten Raum durchstreifen. Auch wenn der Beitrag inzwischen zum meistgelesenen WP-Artikel aller Zeiten avanciert ist, basiert er jedoch eher auf physikalischen als auf sozialwissenschaftlichen Überlegungen.

Einen alternativen Weg ging das Neherlab des Biozentrums der Universität Basel, das zur pandemischen Analyse ein Metapopulationsmodell entwickelte, welches ein System von Differentialgleichungen verwendet, die im Wesentlichen räumliche Merkmale und soziale Interaktionen strukturieren.

Dem vorliegenden Politiklabor liegt eine andere Idee zugrunde. In einer Gesellschaft infizieren sich die Menschen im Allgemeinen nicht in einem unbestimmten Irgendwo, sondern in privaten und öffentlichen Räumen wie ihrem eigenen Haus, ihrem Büro oder ihrer Schule, im Supermarkt, bei Massenversammlungen wie Sportveranstaltungen oder Konzerten. Darüber hinaus halten bestimmte Personen Schlüsselpositionen in gesellschaftlichen Netzwerken und können daher für die Verbreitung oder Eindämmung von Pandemie-Viren von entscheidender Bedeutung sein, wohingegen andere Personen eher periphere Positionen innehaben und mit dem Virus gar nicht in Berührung kommen. Daher sind für die sozioökonomische und politische Analyse einer Pandemie die konkreten Aktivitäten der Menschen, ihre sozialen Beziehungen sowie das soziale Umfeld der individuellen Standorte von großer Bedeutung. Im Gegensatz zu den beiden zuvor genannten Modellen eignen sich agentenbasierte Modelle, die auf der Heterogenität und Autonomie ihrer Protagonisten beruhen, besonders gut dazu, Entwicklungsmuster realer Epidemien bzw. Pandemien zu untersuchen.

3.2 Algorithmen

Agententypen

Die Agenten des Politiklabors handeln einerseits jeder für sich individuell und autark, andererseits folgen sie als Gesamtpopulation aber auch gewissen Schemata. So bewegen sie sich in streng reglementierten Zeitfenstern in einer klassischen Fünf-Tage-Woche, sie gehen immer wieder denselben Tätigkeiten nach, sie verlassen ihr Simulationsfeld nicht, sie altern auch nicht und handeln doch "typisch" für eine westliche Industriegesellschaft.

Dabei haben sie in der vorliegenden Simulationsumgebung, salopp gesagt, im Grunde genommen nur eine einzige "wirkliche" Aufgabe, nämlich die, sich unter ungünstigen Umständen mit dem Pandemie-Virus anzustecken, indem sie ihren Mitbewohnern zu nahe kommen.

Hierzu bildet das Programm insgesamt drei Typen von Agenten aus:

  • Personen bis 20 Jahre, hier pauschal als "Schüler" bezeichnet,
  • Personen zwischen 21 und 65, die ausnahmslos einer Erwerbstätigkeit nachgehen,
  • Personen über 65 Jahre, die sich im Ruhestand befinden.

Diese drei Agententypen bewegen sich, geleitet von ihren jeweiligen "Interessen" (Arbeit, Bildung, Grundversorgung, Zerstreuung usw.), über das Simulationsfeld. Hierbei definieren sie um sich herum ein virtuelles Feld. Betritt dieses Feld ein Nachbaragent, besteht die Gefahr einer Infektion. Ob es tatsächlich zu einer solchen kommt, hängt, wie im wirklichen Leben, vom Zufall ab.

Derartige fatale Begegnungen finden einerseits dort statt, wo sich Agenten des gleichen Typs aufhalten (etwa am Arbeitsplatz oder in der Schule), andererseits aber auch typübergreifend an Orten gemeinsamen Interesses (in Supermärkten, beim Sport usw.).

Wie man sieht, differenziert das Programm zum Beispiel nicht zwischen den Geschlechtern; auch generiert es keine sozialen Unterschiede. Ob bzw. inwiefern in einer Pandemie-Simulation eine solche zusätzliche Differenzierung notwendig wäre, muss an anderer Stelle diskutiert werden.

Tätigkeiten

Die Agenten der vorliegenden Simulation gehen in "normalen" Zeiten einem Tagewerk nach, das folgendermaßen strukturiert ist:

Agententyp Montag Dienstag Mittwoch Donnerstag Freitag Samstag Sonntag
Schüler 9:00 - 16:00
Schule
9:00 - 16:00
Schule
9:00 - 16:00
Schule
9:00 - 16:00
Schule
9:00 - 16:00
Schule
bis 15 Jahre:
18:00 - 20:00
Freizeit-
einrichtung,
ab 16 Jahren:
15:30 - 17:30
Supermarkt,
18:00 - 22:00
Freizeit-
einrichtung
11:00 - 15:00
Freizeit-
einrichtung
Erwerbstätige 8:00 - 17:00
Arbeitsplatz,
17:30 - 18:30
Supermarkt
8:00 - 17:00
Arbeitsplatz,
17:30 - 18:30
Supermarkt
8:00 - 17:00
Arbeitsplatz,
17:30 - 18:30
Supermarkt
8:00 - 17:00
Arbeitsplatz,
17:30 - 18:30
Supermarkt
8:00 - 17:00
Arbeitsplatz,
17:30 - 18:30
Supermarkt
11:00 - 13:00
Supermarkt,
18:00 - 20:00
Freizeit-
einrichtung
11:00 - 15:00
Freizeit-
einrichtung
Rentner irgendwann
zwischen
10:00 und 19:00
1,5 Stunden
Supermarkt
irgendwann
zwischen
10:00 und 19:00
1,5 Stunden
Supermarkt
irgendwann
zwischen
10:00 und 19:00
1,5 Stunden
Supermarkt
irgendwann
zwischen
10:00 und 19:00
1,5 Stunden
Supermarkt
irgendwann
zwischen
10:00 und 19:00
1,5 Stunden
Supermarkt
irgendwann
zwischen
10:00 und 19:00
1,5 Stunden
Supermarkt
11:00 - 15:00
Freizeit-
einrichtung
Die unterschiedliche Länge der Freizeitaktivitäten bildet das divergierende Freizeitverhalten der verschiedenen Altersgruppen ab.

Den Rest ihrer Zeit verbringen die Agenten zu Hause oder auf dem Weg zwischen Zuhause und Zielort.

In Pandemiezeiten ändert sich dieser Rhythmus je nach politischen Maßnahmen. Wird zum Beispiel in den Schulen im Hybrid-Modus (60 Prozent Präsenzunterricht, 40 Prozent "Lernen auf Distanz") unterrichtet, ergibt sich für die Außer-Haus-Aktivitäten der Betroffenen ein neues Bild:

Agententyp Montag Dienstag Mittwoch Donnerstag Freitag Samstag Sonntag
Schüler
(ungeradzahliges
Alter)
9:00 - 16:00
Schule
9:00 - 16:00
Schule
9:00 - 16:00
Schule
bis 15 Jahre:
18:00 - 20:00
Freizeit-
einrichtung,
ab 16 Jahren:
15:30 - 17:30
Supermarkt,
18:00 - 22:00
Freizeit-
einrichtung
11:00 - 15:00
Freizeit-
einrichtung
Schüler
(geradzahliges
Alter)
9:00 - 16:00
Schule
9:00 - 16:00
Schule
9:00 - 16:00
Schule

Ähnlich verhält es sich mit Beschäftigten, die wegen Einschränkungen im überregionalen Personen- und Warenverkehr in Kurzarbeit geschickt werden:

Agententyp Montag Dienstag Mittwoch Donnerstag Freitag Samstag Sonntag
Kurzarbeiter
(ungeradzahliges
Alter)
8:00 - 17:00
Arbeitsplatz,
17:30 - 18:30
Supermarkt
8:00 - 17:00
Arbeitsplatz,
17:30 - 18:30
Supermarkt
8:00 - 17:00
Arbeitsplatz,
17:30 - 18:30
Supermarkt
17:30 - 18:30
Supermarkt
17:30 - 18:30
Supermarkt
11:00 - 13:00
Supermarkt,
18:00 - 20:00
Freizeit-
einrichtung
11:00 - 15:00
Freizeit-
einrichtung
Kurzarbeiter
(geradzahliges
Alter)
17:30 - 18:30
Supermarkt
17:30 - 18:30
Supermarkt
17:30 - 18:30
Supermarkt
8:00 - 17:00
Arbeitsplatz,
17:30 - 18:30
Supermarkt
8:00 - 17:00
Arbeitsplatz,
17:30 - 18:30
Supermarkt

Besonders gravierende Veränderungen ergeben sich, wenn sich die Agentengesellschaft im kompletten Lockdown befindet. Bis auf die systemrelevanten Beschäftigten halten sich nun alle Agenten durchgängig zu Hause auf. Lediglich an drei Wochentagen wird einem Teil von ihnen (nämlich der jeweils ältesten Person im Haushalt) ein kurzes Zeitfenster von bis zu zweieinhalb Stunden zum Einkaufen gewährt.

Agententyp Montag Dienstag Mittwoch Donnerstag Freitag Samstag Sonntag
Schüler  
 
Systemrelevante 8:00 - 17:00
Arbeitsplatz,
17:30 - 18:30
Supermarkt
(1 Pers./Haush.)
8:00 - 17:00
Arbeitsplatz
8:00 - 17:00
Arbeitsplatz,
17:30 - 18:30
Supermarkt
(1 Pers./Haush.)
8:00 - 17:00
Arbeitsplatz
8:00 - 17:00
Arbeitsplatz,
17:30 - 18:30
Supermarkt
(1 Pers./Haush.)
Sonstige Erwerbstätige 17:30 - 18:30
Supermarkt
(1 Pers./Haush.)
17:30 - 18:30
Supermarkt
(1 Pers./Haush.)
17:30 - 18:30
Supermarkt
(1 Pers./Haush.)
Rentner irgendwann
zwischen
16:30 und 19:00
1,5 Stunden
Supermarkt
(1 Pers./Haush.)
irgendwann
zwischen
16:30 und 19:00
1,5 Stunden
Supermarkt
(1 Pers./Haush.)
irgendwann
zwischen
16:30 und 19:00
1,5 Stunden
Supermarkt
(1 Pers./Haush.)
Rentner, die üblicherweise außerhalb des vorgegebenen Zeitfensters (16:30 - 19:00 Uhr) eingekauft haben, besuchen die Supermärkte nun nicht mehr. Es wird hier unterstellt, dass sie von anderen Agenten mitversorgt werden.
Für den seltenen Fall, dass Schüler (d. h. Personen unter 21) bereits in einem eigenen Haushalt wohnen, wird ebenfalls angenommen, dass sie von anderen mitversorgt werden.

Arbeitsleistung

Von großer Bedeutung für die Simulation bzw. für die daraus zu folgernden politischen Entscheidungen ist die Frage, welche Auswirkungen die Pandemie auf die Wirtschaft eines Landes hat. Um hier Klarheit zu schaffen, misst das Programm fortlaufend die konkrete Arbeitsleistung jedes einzelnen berufstätigen Agenten. Die Summe dieser Einzelleistungen lässt dann Rückschlüsse auf die wirtschaftliche Gesamtlage der Agentengesellschaft zu (vgl. hierzu das Diagramm "Arbeitsvolumen").

In "normalen" Zeiten nimmt das Programm eine Wirtschaftsleistung von 100 Prozent an. Je nach pandemischer Entwicklung und/oder nach Position der Stellschrauben des Politiklabors kann sich die Leistungsfähigkeit einzelner Agenten jedoch schnell vermindern. Kurzarbeit, Home-Office, Erkrankung und nicht zuletzt Tod lassen die Arbeitserträge unter Umständen beträchtlich schrumpfen.

Selbst die auf immerhin 75 Prozent angesetzte Leistungsfähigkeit von infizierten (jedoch noch nicht schwer erkrankten) Agenten kann den Niedergang der Ökonomie in manchen Fällen deshalb nicht verhindern.

Eine Übersicht über die vom Programm gesetzten Werte bietet die folgende Tabelle.

Individuelle Arbeitsleistung (in Prozent)
Situation Standardwert Reduktion (bei einfacher Infektion)
Am regulären Arbeitsplatz
Im Normalfall (übliche Arbeitsleistung) 100 75
Bei schwerer bzw. kritischer Erkrankung 0 ---
Im Todesfall 0 ---
Auf dem Weg vom/zum Arbeitsplatz 0 0
Bei Kurzarbeit (2 oder 3 Arbeitstage pro Woche) 40 oder 60 30 oder 45
Im Home-Office
Mit Home-Office-Erfahrung 75 56.25
Ohne Home-Office-Erfahrung 50 37.5
    als Alleinerziehende(r) mit 1 Kind 45 33.75
    als Alleinerziehende(r) mit 2 Kindern 40 30
    als Alleinerziehende(r) mit 3 Kindern 35 26.25
    als Teil eines Elternpaars mit 1 Kind 47.5 35.625
    als Teil eines Elternpaars mit 2 Kindern 45 33.75
    als Teil eines Elternpaars mit 3 Kindern 40 30
    in einer Wohngemeinschaft 45 33.75
Ohne Möglichkeit zum Home-Office 0 0
Bei Kurzarbeitern im Home-Office liegen die Leistungen, je nach Agent, bei 40 oder 60 Prozent der oben angegebenen Home-Office-Werte.
Systemrelevante Beschäftigte erbringen vor Ort üblicherweise 100 Prozent Leistung. Wenn sie sich in häuslicher Quarantäne befinden, arbeiten sie grundsätzlich mit Home-Office-Erfahrung.

Infektionen

Im Zentrum der Simulationsereignisse steht natürlich die Gefahr einer Infektion der Agenten. Das Programm macht hier folgende Vorgaben zum Infektionsgeschehen:

Krankheitsverlauf
Phasen Dauer
Inkubationszeit 1 - 24 Tage; das heißt:
bis zu 2 Tage mit ca. 20 Prozent Wahrscheinlichkeit,
bis zu 4 Tage mit ca. 50 Prozent Wahrscheinlichkeit,
bis zu 6 Tage mit ca. 75 Prozent Wahrscheinlichkeit,
bis zu 10 Tage mit ca. 90 Prozent Wahrscheinlichkeit,
bis zu 14 Tage mit ca. 97 Prozent Wahrscheinlichkeit,
bis zu 24 Tage mit 100 Prozent Wahrscheinlichkeit
darin Präsymptomatische Phase 1 Tag
Übergang von der Infektion zur schweren Erkrankung 4 Tage
oder Genesung von der Infektion 9 Tage
Übergang von schwerer zu kritischer Erkrankung 1 Tag
oder Genesung von schwerer Erkrankung 14 Tage
Dauer der kritischen Erkrankung bis zur Genesung oder zum Tod 10 Tage

Hinsichtlich der Chance, die Pandemie zu überleben, nimmt das Programm einen Zusammenhang mit dem Lebensalter an. Die folgende Tabelle zeigt zum Beispiel, dass ein infizierter 50-Jähriger mit zwanzigprozentiger Wahrscheinlichkeit schwer erkrankt. Ist er schwer erkrankt, liegt die Wahrscheinlichkeit, dass er kritisch erkrankt, bei 50 Prozent. Die Wahrscheinlichkeit, dass er die kritische Phase dann nicht überlebt, beträgt, sofern er sich im Krankenhaus aufhält, 10 Prozent, ohne klinische Versorgung 40 Prozent. - Die Wahrscheinlichkeit, dass er eine Erkrankung nicht überlebt, liegt also mit Klinikaufenthalt insgesamt bei 1 Prozent (nämlich bei 10 Prozent von 50 Prozent von 20 Prozent), ohne Klinikaufenthalt bei 4 Prozent (nämlich bei 40 Prozent von 50 Prozent von 20 Prozent). Zum Vergleich: Ein erkrankter Neunjähriger hat (bei klinischer Betreuung) eine Sterbewahrscheinlichkeit von 0,015 Prozent (7,5 Prozent von 10 Prozent von 2 Prozent).

Risiken im Krankheitsverlauf (in Prozent)
Altersgruppe
(in Jahren)
Schwere Erkrankung Kritische Erkrankung
[nach schwerer E.]
Tod (im Krankenhaus)
[nach kritischer E.]
Tod (außerhalb)
[nach kritischer E.]
0 - 9 2 10 7.5 30
10 - 19 6 20 7.5 30
20 - 29 6 20 7.5 30
30 - 39 6 30 7.5 30
40 - 49 12 40 7.5 30
50 - 59 20 50 10 40
60 - 69 50 70 10 40
70 - 79 70 80 12.5 50
80 - 89 90 90 12.5 50
90 - 99 90 90 12.5 50

Vorsicht! Alle in diesem Kapitel genannten Zahlen beziehen sich auf die an COVID-19 orientierten Standardeinstellungen des Programms. Mithilfe der Optionen im Bereich "Algorithmen-Einstellungen" lassen sich die Werte jedoch weitreichend verändern, zum Teil sogar in ihr Gegenteil verkehren, so dass ganz neuartige Pandemien modelliert werden können. Diese weisen dann allerdings, was das Risikoalter oder die Geschwindigkeit der Ausbreitung angeht, unter Umständen vollkommen andere Werte als die oben angegebenen auf.

Achtung: Die vom Politiklabor verwendeten Werte bzw. Kennziffern beziehen sich auf epidemiologische Erhebungen der WHO vom April 2020. Zum COVID-19-Virus liegen seither zum Teil neue Erkenntnisse mit abweichenden Daten vor. Unter Umständen müssen daher die Algorithmen des vorliegenden Programms in einer späteren Version angepasst werden.

4. Tipps & Tricks

Im folgenden Abschnitt finden Sie eine Reihe technischer Hinweise und inhaltlicher Vorschläge, die für die optimale Nutzung des Politiklabors hilfreich sein können.

4.1 Systemvoraussetzungen

Das Politiklabor ist in JavaScript programmiert und daher auf vielen Plattformen lauffähig. Erfolgreich getestet wurde das Programm unter MS Windows (TM) und macOS (TM) auf folgenden Browsern:

  • Firefox (81.0),
  • Google Chrome (84.0),
  • Microsoft Edge (84.0),
  • Opera (66.0),
  • Safari (13.1).

Bekannte Einschränkungen:

  • Im MS Internet Explorer 11 ist das Programm nicht lauffähig.
  • In sehr alten Versionen von Firefox (z. B. in der letzten XP-Version 52.9.0) zeigt die Maus auf dem Simulationsfeld keine Funktion.

4.2 Hardware-Probleme

Auf älteren Rechnern sollten Sie die Ablaufgeschwindigkeit nicht auf die höchste Stufe setzen, da die Hardware die komplexen Berechnungen des Politiklabors sonst unter Umständen nicht mehr bewältigt. Starten Sie also mit einem moderaten Tempo und testen Sie die Möglichkeiten Ihres Computers aus.

Umgekehrt kann es bei ungünstiger Hardware-Konfiguration vorkommen, dass auf sehr schnellen Rechnern bei hoher Ablaufgeschwindigkeit einzelne Tage "verschluckt" und auch im Datenmonitor nicht mehr angezeigt werden. Auch hier sollten Sie mit den Einstellungen experimentieren.

Vermeiden Sie es in sehr langen Simulationsläufen, den Datenmonitor während des Laufs permanent im Vollbildmodus zu betreiben, da sonst in schnellem Takt ständig Tausende von Daten in der Anzeige aktualisiert werden müssen. Dies kann, besonders auf älteren Rechnern, zu einer merklichen Verlangsamung des Laufs führen.

Ist Ihnen an einer schnellen Performance gelegen und benötigen Sie die Statistiken des Datenmonitors nicht, dann rufen Sie das Politiklabor in der Edition B oder C auf. Da der Monitor dort deaktiviert ist und auch im Hintergrund keine monitorrelevanten Berechnungen durchgeführt werden, beschleunigt sich der Lauf.

Darüber hinaus gilt grundsätzlich: Je mehr Haushalte in einem Simulationslauf gesetzt sind, desto mehr Zeit braucht der Computer zum Berechnen der Daten.

4.3 Testläufe ohne Pandemie

Wenn Sie die Wirkung einzelner Einstellungen - etwa auf das Arbeitsvolumen - in möglichst unverfälschter Form testen wollen, dann starten Sie einen Simulationslauf mit der eingeschalteten Option "Keine weiteren Infektionen". Die Agenten infizieren sich dann von Anfang an nicht, bleiben also grün. Nun können Sie die Auswirkungen einzelner Regler wie "Systemrelevante Beschäftigte" oder "Ortsgebundene Arbeit" in Verbindung mit einem umfassenden Lockdown ohne intervenierende Einflüsse durch die Pandemie ablesen.

Extremwerte ermitteln Sie hier, wenn Sie "Systemrelevante Beschäftigte" und "Home-Office-Erfahrung" auf den niedrigsten, "Ortsgebundene Arbeit" und "Überregionale Unternehmen" auf den höchsten Wert setzen.

Wie schon in den Erläuterungen zum entsprechenden Diagramm ausgeführt, sollten Sie eine Simulation stets ohne Maßnahmen, die den Arbeitsmarkt beeinträchtigen (Einreiseverbote, Lockdown, Home-Office), starten und erst ab der zweiten Woche Veränderungen vornehmen, da das Programm sonst die reduzierte Arbeitsleistung der ersten Woche (mathematisch korrekt) als "100 Prozent" berechnet und bei Aufhebung der Maßnahmen (ebenso korrekt) seltsame Werte deutlich über 100 Prozent ausweist.

4.4 Worst-Case-Szenario

Ein Worst-Case-Szenario stellt sich ein, falls Sie den "Verlust der Immunität" annehmen, das "Infektionsrisiko" sowie das "Risiko einer Reinfektion" sehr hoch und zugleich den "Immunitätszeitraum" sehr niedrig ansetzen.

Haben Sie durch entsprechende Programmeinstellungen tatsächlich ein Massensterben provoziert, wird das letzte der verfügbaren 200 Gräber in roter Farbe angezeigt. Weitere Tote weist das Simulationsfeld dann optisch nicht mehr aus.

Bei sehr langen Simulationen mit vielen Infektionen, Krankenhausaufenthalten, Impfungen, Immunitätsverlusten und Reinfektionen werden die Krankenakten der einzelnen Agenten natürlich sehr umfangreich. Rufen Sie die Akten über den Schaltknopf    auf, kann es daher (besonders auf älteren Rechnern) einen Augenblick dauern, bis das externe Fenster dargestellt wird.

Die Reihenfolge der Krankenakten lässt sich übrigens ebenso wie die der anderen Datenanzeigen über den Knopf   /   ändern. Als Erstes werden entweder die Patienten mit den niedrigsten oder die mit den höchsten Kennnummern angezeigt.

5. Technische Informationen und Datenreferenzen

Im Programmkonzept des Politiklabors sind folgende Faktoren berücksichtigt:

1. Es wird angenommen, dass die Inkubationszeitverteilung eine (diskretisierte) logarithmische Normalverteilung ist, die Li et al. (2020) gemäß WHO (2020) entspricht.

2. Die Verteilung der Haushaltstypen ist aus dem CBS-Datensatz 37975 für 2019 abgeleitet; und zur Validierung der Sterblichkeitsrate wird die demografische Statistik aus dem Datensatz 7461 für 2019 verwendet.

3. Der epidemiologische Verlauf orientiert sich an angenommenen Progressionsraten des Infektionszustands nach Altersgruppen, kalibriert nach Li et al. / WHO von Aksamentov, I., Noll, N., Neher, R. (2020).

4. Das hier verwendete SEIR-inspirierte Stage-Gate-Krankheitsverlaufsmodell basiert auf dem in An der Heiden & Buchholz (2020) vorgestellten Infektionsverlaufsmodell des Robert-Koch-Instituts.

5. In frühen Stadien aufkommende R0s sind mit elementaren Eindämmungsstrategien abgeglichen, wie sie in Wang et al. (2020) berichtet werden.

6. Die Vorabprüfung des seriellen Intervalls auf Kreuzvalidität ist mit Wang et al. (2020), Du et al. (2020) abgeglichen.

7. Die Infektiosität, insbesondere in Bezug auf die physische Entfernung, innerhalb von Alterskohorten und über sie hinweg, aber auch hinsichtlich des jeweiligen Krankheitsstadiums (exponiert, infiziert, schwer, kritisch), ist unbekannt und wird mit einheitlichen 10 Prozent angenommen. Zu beachten ist, dass das vorliegende Politiklabor-Modell im Gegensatz zu Metapopulationsmodellen die Kategorie "physischer Abstand" ausweist, so dass diese für die Skalierung von R0 und CFR verwendet werden kann.

Ideen zu Eindämmungsstrategien, wie sie auch im Politiklabor verwendet werden, finden sich beispielsweise bei Ferguson et al. (2020), Halloran et al. (2008) und Hellewell et al. (2020). Eine Taxonomie agentenbasierter Modellierungen für epidemiologische Studien liefern Hunter et al. (2017).

6. Literaturverzeichnis

Ajelli, M.; Gonçalves, B.; Balcan, D.; Colizza, V.; Hu, H.; Ramasco, J. J. et al. (2010): Comparing large-scale computational approaches to epidemic modeling: agent-based versus structured metapopulation models. In BMC Infectious Diseases 10 (1).

Aksamentov, I., Noll, N., Neher, R. (2020): COVID-19 Scenario webapp. Online verfügbar unter https://neherlab.org/COVID19, abgerufen am 22.03.2020.

Aleman, Dionne M.; Wibisono, Theodorus G.; Schwartz, Brian (2011): A Nonhomogeneous Agent-Based Simulation Approach to Modeling the Spread of Disease in a Pandemic Outbreak. In Interfaces 41 (3), pp. 301-315. DOI: 10.1287/inte.1100.0550.

An der Heiden, M.; Buchholz, U. (2020): Modellierung von Beispielszenarien der SARS-CoV-2-Epidemie 2020 in Deutschland. Robert Koch-Institut (RKI), abgerufen am 22.03.2020.

Anderson, R. M.; Heesterbeek, H.; Klinkenberg, D.; Hollingsworth, T. D. (2020): How will country-based mitigation measures influence the course of the COVID-19 epidemic? In The Lancet 395, pp. 931-934. DOI: 10.1016/S0140-6736(20)30567-5.

Chinazzi, Matteo; Davis, Jessica T.; Ajelli, Marco; Gioannini, Corrado; Litvinova, Maria; Merler, Stefano et al. (2020): The effect of travel restrictions on the spread of the 2019 novel coronavirus (COVID-19) outbreak. In Science (New York, N.Y.). DOI: 10.1126/science.aba9757.

Das, Tapas K.; Savachkin, Alex A.; Zhu, Yiliang (2008): A large-scale simulation model of pandemic influenza outbreaks for development of dynamic mitigation strategies. In IIE Transactions 40 (9), pp. 893-905. DOI: 10.1080/07408170802165856.

Day, Troy; Park, Andrew; Madras, Neal; Gumel, Abba; Wu, Jianhong (2006): When is quarantine a useful control strategy for emerging infectious diseases? In American journal of epidemiology 163 (5), pp. 479-485. DOI: 10.1093/aje/kwj056.

Dowd, Jennifer Beam; Rotondi, Valentina; Adriano, Liliana; Brazel, David M.; Block, Per; Ding, Xuejie et al. (2020): Demographic science aids in understanding the spread and fatality rates of COVID-19 (medRxiv preprint).

Du, Z.; Xu, X.; Wu, Y.; Wang, L.; Cowling, B. J.; Ancel Meyers, L. (2020): Serial interval of COVID-19 among publicly reported confirmed cases. In Emerging infectious diseases. DOI: 10.3201/eid2606.200357.

Ferguson, Neil M.; Cummings, Derek A. T.; Fraser, Christophe; Cajka, James C.; Cooley, Philip C.; Burke, Donald S. (2006): Strategies for mitigating an influenza pandemic. In Nature 442 (7101), pp. 448-452. DOI: 10.1038/nature04795.

Ferguson, N.; Laydon, D.; Nedjati Gilani, G.; Imai, N.; Ainslie, K.; Baguelin, M. et al. (2020): Report 9: Impact of non-pharmaceutical interventions (NPIs) to reduce COVID19 mortality and healthcare demand. With assistance of Medical Research Council (MRC).

Halloran, E. M.; Ferguson; N. M.; Eubank, S.; Longini, I. M.; Cummings, D.A.T. et al. (2008): Modeling targeted layered containment of an influenza pandemic in the United States. In Proceedings of the National Academy of Sciences of the United States of America 105 (12), pp. 4639-4644.

Hellewell, Joel; Abbott, Sam; Gimma, Amy; Bosse, Nikos I.; Jarvis, Christopher I.; Russell, Timothy W. et al. (2020): Feasibility of controlling COVID-19 outbreaks by isolation of cases and contacts. In The Lancet Global Health 8 (4), e488-e496. DOI: 10.1016/S2214-109X(20)30074-7.

Horstkötter, N.; Müller, U.; Ommen, O.; Reckendrees, B.; Stander, V.; Lang, P.; Thaiss, H. (2019): Einstellungen, Wissen und Verhalten von Erwachsenen und Eltern gegenüber Impfungen - Ergebnisse der Repräsentativbefragung 2018 zum Infektionsschutz. BZgA-Forschungsbericht. Köln: Bundeszentrale für gesundheitliche Aufklärung, p.32.

Hunter, Elizabeth; Mac Namee, Brian; Kelleher, John D. (2017): A Taxonomy for Agent-Based Models in Human Infectious Disease Epidemiology. In JASSS 20 (3). DOI: 10.18564/jasss.3414.

Li, Qun; Guan, Xuhua; Wu, Peng; Wang, Xiaoye; Zhou, Lei; Tong, Yeqing et al. (2020): Early Transmission Dynamics in Wuhan, China, of Novel Coronavirus-Infected Pneumonia. In The New England journal of medicine. DOI: 10.1056/NEJMoa2001316.

Roche, B.; Drake, J. M.; Rohani, P. (2011): An Agent-Based Model to study the epidemiological and evolutionary dynamics of Influenza viruses. In BMC Bioinformatics 12 (87), pp. 1-10.

Stevens, H. (2020): Why outbreaks like coronavirus spread exponentially, and how to "flatten the curve". Washington Post, 14.03.2020. Online verfügbar unter https://www.washingtonpost.com/graphics/2020/world/corona-simulator/, abgerufen am 18.04.2020. Auch in deutscher Fassung:
Stevens, H. (2020): Warum Ausbrüche wie das Coronavirus sich exponentiell ausbreiten und wie man "die Kurvenlinie glätten" kann. Washington Post, 18.03.2020. Online unter https://www.washingtonpost.com/graphics/2020/health/corona-simulator-german/, abgerufen am 18.04.2020.

Tang, Biao; Bragazzi, Nicola Luigi; Li, Qian; Tang, Sanyi; Xiao, Yanni; Wu, Jianhong (2020): An updated estimation of the risk of transmission of the novel coronavirus (2019-nCov). In Infectious Disease Modelling 5, pp. 248-255. DOI: 10.1016/j.idm.2020.02.001.

The Novel Coronavirus Pneumonia Emergency Response Epidemiology Team (2020): The Epidemiological Characteristics of an Outbreak of 2019 Novel Coronavirus Diseases (COVID-19) - China, 2020. In China CDC Weekly 2 (8).

Wang, Chaolong; Liu, Li; Hao, Xingjie; Guo, Huan; Wang, Qi; Huang, Jiao et al. (2020): Evolving Epidemiology and Impact of Non-pharmaceutical Interventions on the Outbreak of Coronavirus Disease 2019 in Wuhan, China (medRxiv preprint), abgerufen am 21.03.2020.

World Health Organization (2020): Report of the WHO-China Joint Mission on Coronavirus Disease 2019 (COVID-19). World Health Organization.

7. Nutzungsrechte und Kontakt

Das vorliegende Programm "Politiklabor" ist unter den Bedingungen der Creative Commons License BY-NC-SA 4.0 lizenziert. Im Einzelnen bedeutet dies unter anderem:

  • Das Programm darf weitergegeben, der Programmcode verändert werden.
    Aber:
  • Die Namen der ursprünglichen Programmautoren müssen genannt werden.
  • Das Programm darf nicht zu kommerziellen Zwecken genutzt werden.
  • Das Programm muss, wenn es verändert wird, unter den gleichen Lizenzbedingungen weitergegeben werden.

Eine Benachrichtigung der ursprünglichen Autoren bei nicht-trivialer Modifizierung des Programms ist ausdrücklich erwünscht.

Änderungen an den Texten des Handbuchs und der Datenmonitor-Kurzhilfe bitte nur nach Rücksprache mit dem Autor.

Bei Rückfragen wenden Sie sich bitte an folgende Personen:

Ben Vermeulen,
Universität Hohenheim
Konzept, zugrundeliegendes Modell, Programmierung (V. 2.0)
Andreas Pyka,
Universität Hohenheim
Forschungszusammenarbeit, Weiterverwendung und Medien­nutzung
Frank U. Kugelmeier,
St.-Ursula-Gymnasium
Attendorn
Programmierung (V. 3.0), Handbuch und Kurzhilfe

Die E-Mail-Adressen der Genannten finden Sie hier:

Deutscher Text: Frank U. Kugelmeier, Attendorn
Version 3


 

 
Info
 
Zum Anfang der deutschen Dokumentation.
To the beginning of the English documentation.
Cette documentation n'est actuellement disponible qu'en allemand et en anglais.
Esta documentación sólo está disponible actualmente en alemán e inglés.
Esta documentação está actualmente disponível apenas em alemão e inglês.
Questa documentazione è attualmente disponibile solo in tedesco e in inglese.
Deze documentatie is momenteel alleen beschikbaar in het Duits en Engels.
Dokumentacja ta jest obecnie dostępna tylko w języku niemieckim i angielskim.
Bu belge şu anda yalnızca Almanca ve İngilizce olarak mevcuttur.
Ĉi tiu dokumentaro nuntempe disponeblas nur en la germana kaj la angla.