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 pandemic 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 pandemic 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 pandemic 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 pandemic 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 pandemic 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 pandemic 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.

1.1 The structure of the user interface

For better orientation, the pandemic 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 pandemic 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 pandemic 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 pandemic laboratory.

In the A and B editions, 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, some general program settings, 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 the B and C editions, 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 pandemic 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 analogue 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:

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 nine 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 with immunity (purple),
• deceased (blue),
• successfully vaccinated (turquoise).

According to the legend on the side, for example, by the 29th simulation day (a Monday) at 10:10 in the morning, 128 agents have not yet been infected, 4 have been seriously ill, 5 others critically ill, 44 have recovered and one has died. In addition, 51 people have already been successfully vaccinated.

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 infection rate IR (number of infected, recovered and deceased in relation to the total population), the basic reproduction number R as well as the incidence value I7 (number of new infections within the last 7 days).

The infection rate IR describes the extent to which a population has already been affected by an epidemic.

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, R is the key indicator for assessing its pandemic potential.

The 7-day incidence value I7 usually describes the number of new infections per 100,000 inhabitants within the last 7 days. 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 I7 value.

The four indicators (CFR, IR, R and I7) vary in the present case depending on the settings and the course of the simulation.

Notice: In the "Stylised city" mode, the display of the statistical data moves from the top right to the centre of the left side of the simulation field, in the "Small town" mode to the bottom right.

The analogue clock shown on the right has a 24-hour display. Before noon it has a black border, afterwards a coloured border. In odd weeks this is coloured red, in even weeks green.

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

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.

Infection process

Similar to the colour coding of the agents mentioned above, the top graph shows the ratio of vaccinated, deceased, recovered, 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 per cent). - 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.

Intensive care 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 per cent. The value of 100 per cent 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 per cent (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 per cent, 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 per cent; higher values are not reported, even if (or because) they could be a few thousand per cent 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 per cent.
• However, if the "Distance, masks, hand disinfection" switch (cf. "General mea­sures") is set, productivity automati­cally drops to 50 or 60 per cent. 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 per cent; through synergy effects (in normal, pandemic-free times not all rooms are always occupied; the timetable can be optimized, etc.) perhaps 60 per cent performance can be achieved. Each of the two variants can be selected in the program. They are visualised in the simulation field by either half of the students attending school only in odd weeks, the other half only in even weeks (50 per cent variant) or half of the pupils attending only on Mondays, Wednesdays and Fridays, the other half only on Tuesdays, Thursdays and Fridays (60 per cent variant).
• 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 per cent (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 50 or 60 per cent directly in part-time mode and are supervised in home schooling for the rest of the time (i.e. 50 or 40 per cent). The graph also reflects this situation.
• By the way, the diagram evaluates the situation of all (depending on the program settings) up to seven 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 per cent. 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 per cent 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 per cent performance), while the other half only works on Thursdays and Fridays (i.e. only 40 per cent 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.

By default, the work volume is displayed by week. The labour output of the agent society is always calculated for the entire preceding working week. Therefore, the data is updated only every seven days and merely repeated in the remaining days. This means that (as with real labour market statistics) the data always lags behind the current development. However, the diagram can also be switched to a day-by-day display (cf. the section "City map & diagram settings"), which, however, leads to a characteristic drop in the performance curve at the weekend.
The data monitor evaluates the labour volume, depending on the setting, by week or by day (as a percentage of the theoretically possible work output).

Attention: Since work data from the previous week is missing at the beginning of the simulation, the program calculates the effective total output of the working agents after the first working day and takes this value as a 100 per cent basis for the following calculations. However, this can lead to irritations if the simulation is started with measures that affect the labour market (entry bans, lockdown, home office). The program then also evaluates this impaired work as one hundred per cent output. If the restrictions are lifted later, values significantly above 100 per cent are therefore suddenly noted both in the diagram and in the data monitor. The diagram reacts to this with a realignment of the curve, the data monitor with percentages that can even be in the four-digit range. Although these changes are mathematically correct, they may appear surprising or implausible at first glance.
To avoid this, an autocorrection can be switched on in the "City map & diagram settings" area, which automatically adjusts set impairments to a 100 per cent scale.

Since in both modes the program performs precalculations, slight blurring of up to 1.5 percentage points may occur here in the data display, depending on the settings and random selection of the agents.

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 pandemic 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 three, 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 pandemic laboratory offers two possible settings for this:

• the "acceptance" slider in the "General measures" section,
• the automatic system simulating an acceptance decrease, in the "Psychological assumptions" section.

The graph "Acceptance" describes the daily development of acceptance in percentage values. One hundred per cent means that the population is completely in agreement with the government's measures; zero per cent 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 pandemic 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 "Home office experience" slider in the "Economic assumptions" section,
• the automatic system, which simulates a successive weekly increase in experience, in the field of "Psychological assumptions".

The graph "Experience" shows the daily experience level in the home office in percentage values. Zero per cent means that the home office capable agents have no experience at all. One hundred per cent 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.

Care emergency

This graph shows the overload of care staff in medical facilities. The index value shown takes into account the following sub-indices:

• the sickness rate of employed agents (which here, assumed as a model, also reflects the sickness rate of medical staff),
• the demand for intensive care beds (in relation to the available beds).

Both factors have a direct influence on the workload of care staff. If a large number of staff are absent due to illness, the work must be done by the remaining healthy staff. And if the number of intensive care beds is insufficient, patients in need must be provided with emergency care elsewhere or, in the worst case, turned away. All this causes not only physical but also emotional stress, i.e. a high overload index.

In the pandemic laboratory, the index can be set manually, but can also be determined automatically. You can find more details about this in the explanations of the "Care emergency" switch.

This graph is also only displayed in edition A.

Supply chain disruptions

This chart describes supply chain disruptions that can severely impact the domestic economy. The index value shown includes the following sub-indices:

• the sickness rate of employed agents (which is used here as an indicator for production shortfalls in regional, national, and global supply chains),
• the dependence of the domestic economy on regional, national, and international supply chains.

If there are major pandemic-related production failures worldwide and the domestic economy is highly dependent on the supply of foreign products, the supply chain disruption index rises massively, while the economic performance of the agent society naturally falls considerably.

You can find out how to influence the index in the explanations of the "Supply failures" switch.

This graph, like the previous ones, is displayed only 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 (turquoise for vaccinated, blue for deceased, purple for recovered, 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, but these are not taken into account in the basic settings of the pandemic laboratory.

Please note: With the help of the algorithm settings (only in edition A), deviating epidemiological parameters can actually be defined.

Also note: 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 / stylised city).

In the so-called "black box mode" (available in edition A) no runs are counted. Here, the run number 0.0 is always shown.

Simulation day and week

Edition A contains an additional display field at the bottom centre above the data monitor. It shows the current simulation day, the corresponding week and some other information:

Latest slider value

To the right of the displays for run and day / week there is a coloured field in each case. It shows the value returned by the latest slider operated. Since the simulation has up to 47 sliders, the values can be quite different, depending on the function of the respective slider, but they are usually numerical.

The field facilitates the exact setting of the parameter values. At the start of the program and with each new simulation run, it initially shows the number sequence "000".

In addition, when the colour selection button is pressed, the number of the current colour design is also displayed here, and when pressing the progress bar button, the respective mode is shown.

Legend and data field

At the bottom of the user interface, editions B and C of the pandemic laboratory display a legend with a summary of the symbols of the simulation field. It includes the symbols for the buildings and the agents as well as (not shown here) the traffic sign symbols.

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 pandemic 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:

1.5 The generation of the random numbers

The movements of the agents on the simulation field are based on random numbers. These are generated by the pandemic laboratory in two different ways:

• on the one hand via an algorithm that delivers defined chains of random numbers, so-called "pseudo random numbers",
• on the other hand via a generator that continuously provides arbitrary, so to speak "random random numbers".

The advantage of the first method is that the random numbers generated in this way can be reproduced at any time. Each defined chain of random numbers is assigned to a specific run number. For example, each "run 5" will produce the same results on any computer at any time, provided the other program settings have not been changed; each "run 6" will produce new (different) but also specific and reproducible results; each "run 7" will again produce new (different) but specific results, and so on. In this way, one can repeat certain simulation runs at any time and analyse them specifically.

The second method is always useful if - for example in teaching situations or in seminars - one wants to achieve random results on several computers which are not identical (i.e. which are really "differently random"). Since the simulation runs are never completely identical, comparing the results on different computers can quickly clarify, for example, the range in which the consequences of certain simulation settings move. In the program's run display, this procedure is marked as "Run 0.0", on the reset button as "black box mode" (you cannot look into a black box). "Black box" runs are not counted. Numbering them consecutively would be pointless, since each run is unique and thus not repeatable.

By default, the pandemic lab generates repeatable pseudo-random numbers. In edition A, this method can be switched off in the "General settings" section. The program then produces non-repeatable random numbers.

2.1 Control elements

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

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.

2.3 The "Measures" field

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

2.4 The "Assumptions" field

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

2.5 Algorithm settings

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

The pandemic 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 start settings of the pandemic laboratory are noted.

The following options concern the vaccination process.

At the end, two general switches complete the algorithm settings.

2.6 City map & diagram settings

Setting options

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

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 start settings of the pandemic laboratory program.

Layout examples

Selected layout examples are shown below. Please click on the image to enlarge it.

2.7 General settings

Simulation process

Attention: The options described in this section are only available in edition A of the pandemic laboratory. In editions B and C, the default values apply.

Audio output

The description of the audio functions presented here applies only to edition A. However, a simplified option for audio output (with only one on/off switch) can also be found in the other two editions:

• in edition B at the bottom centre in the area of the legend,
• in edition C below the simulation run display.

The implemented audio signals can acoustically support the (visual) observation of the simulation runs, but on the other hand they can also be annoying. Therefore, they are switched off by default. Their use is a matter of personal preference.

The signals in detail:

2.8 Direct input in the simulation field

Blocking of areas

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.

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.

Display of linkages

Attention: The function described in this section is only available in edition A.

If one of the two sociometric options "Linkages" or "Cross-linkages" is activated in the field "City map & diagram settings", a red crossed-out (later opened) eye appears on the simulation field below the clock. With a mouse click "into the eye" you can switch on or off the display of the connecting lines between schools and workplaces as well as between schools and between workplaces. The lines describe how intensively individual areas where the agents are staying are linked to each other via the associated households and thus indicate possible infection risks. The stronger a line is, the more individual links (resp. risks) there are. Weaker links are shown in light blue, stronger ones in dark blue, and very pronounced ones in reddish brown (more detailed explanations can be found in the "Sociometry" section of the "City map & diagram settings"). The visualisation of the number and intensity of links offers the opportunity to decide from a sociometric point of view whether particularly endangered areas ("hotspots") might have to be closed (i.e. blocked; cf. the previous section "Blocking of areas").

The idea of being able to "shut down" individual hotspots on a sociometric basis is somewhat tempting, but is likely to meet with some resistance in practice - after all, a large amount of sensitive citizen data is needed for sociometric analysis.

2.9 Data monitor

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

The data monitor shows all relevant data of the simulation runs of the pandemic 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.

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

The choice of a larger display interval is convenient, for example, in order to be able to analyse 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.

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) and the traffic sign symbols.

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

3.1 The pandemic 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 pandemic 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 pandemic 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:

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 school teaching is carried out in predominant hybrid mode (cf. "Alternating lessons: mostly" - 60 per cent face-to-face, 40 per cent "distance learning"), a new picture emerges for the out-of-home activities of those affected:

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

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 (mostly the oldest person in a household) is given a short time window of up to two and a half hours for shopping.

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 per cent. However, depending on the pandemic development and / or the position of the pandemic 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 per cent, 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.

Please note that the work output indicated here may be additionally affected as the supply chain disruption index increases.

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:

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 per cent likely to become seriously ill. If he is seriously ill, the probability of critical illness is 50 per cent. The probability that he will not survive the critical phase is 10 per cent if he is in hospital, and 40 per cent without clinical care. - The probability of not surviving a disease is thus 1 per cent with a hospital stay (i.e. 10 per cent of 50 per cent of 20 per cent), without hospitalization it is 4 per cent (i.e. 40 per cent of 50 per cent of 20 per cent). By comparison, in clinical care, a sick nine-year-old has a death probability of 0.015 per cent (7.5 per cent of 10 per cent of 2 per cent).

It should be noted that the probability of survival in hospital decreases if the staff there is heavily overworked (or absent due to self-infection). If the work overload index is 0, the chance of survival of a hospitalised critically ill patient is four times as high compared to no intensive care, whereas with an index of 10 it is no higher than outside the hospital.

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.

The values and indicators used by the pandemic 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.

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 pandemic laboratory.

4.1 System requirements

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

• Firefox (81.0),
• Google Chrome (84.0),
• Microsoft Edge (84.0),
• Opera (66.0),
• Safari (13.1),
• Samsung Internet (16.2.5.4).

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.
• The colour designs that can be selected in the program are browser-dependent. For example, the Opera browser (until now) does not allow colour changes in switches, sliders, and progress bars. Therefore, changes in the colour design are incomplete here.
• The data export () and the display of medical records () are also browser-dependent. Some browsers offer only limited second-window handling. The most reliable results are achieved with the Firefox browser.

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 pandemic 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 pandemic 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.

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. Of course, you can also define the course of the disease as "fatal" in the algorithm settings instead.

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.

4.5 Frequently asked questions

Although I run the simulation for several weeks, the situation remains constant: no one becomes infected; the agent society remains virus-free, i.e. "green". How can this be explained?

There are really only two reasons. Either the switches "Interregional entry bans" or "Extensive lockdown" were already set at the beginning of the program run. In both cases, travel activities "beyond the sidelines" of the simulation field are prevented, so that the virus cannot be introduced. Or the option "No new infections" (in the algorithm settings) is switched on. If this is the case when the program is started, no one will be infected, of course. In order to be able to carry out the simulation sensibly, you should therefore make changes to the program settings after two or three weeks at the earliest. Give the virus a "chance" to spread beforehand, because in reality, epidemiological situations are also only noticed with a time delay.

Although I do not make any changes to the program's settings, I sometimes get different results when I repeat the same run. Can this be the case?

Unfortunately, yes, and that is when you change the playback speed during the program run. This can cause smaller time units of the simulation to be "swallowed up", which can of course lead to the effect described above. Therefore, the urgent advice: If you want to carry out scientific series of measurements with the program, please do not touch the speed keys during the simulation run. So let the program work at one and the same previously set speed. - The simulation may also work unreliably if the computing power of your computer is heavily loaded by the simultaneous execution of other programs. Inconsistencies in the results are then not due to the pandemic lab itself, but to its hardware environment; the browser type may also play a role here.

Shouldn't the results always be exactly the same for all program runs if the settings remain the same?

No, absolutely not. Each new simulation run works with its own random selection of agents and households. It is only probable that there will be (slight) deviations in the results. This is even supposed to be the case, because in this way one can determine the dispersion in which certain results are to be expected with similar basic constellations. By the way, the calculation of such scatter by random numbers is called the Monte Carlo method (in reference to the random gambling results in the Monegasque casino).

Why does the pandemic lab offer different types of cities (big city, small town, stylised city)? And can my hometown perhaps also be included in the program?

The so-called big city (Eindhoven) and the small town (Attendorn) do not really replicate the actual living conditions of these cities. They are more symbolic of different arrangements of settlements. A variation of the city types as well as the household sizes can provide information about the extent to which a simulation result "scatters" depending on the arrangement and number of dwellings. - Against this background, an inclusion of your hometown in the program would at best be a gimmick. But you are welcome to try it yourself, provided you have programming skills. The pandemic lab offers its own developer tool for this purpose.

Are there differences in the way the program works between editions A, B and C of the pandemic lab? Will I get different results in edition C than in edition A with the same settings?

No. All three editions are based on the same "engine". Only the number of visible adjustment screws varies. But the invisible screws are also present and internally set to a default value.

How do I simulate the emergence of virus variants that differ in their behaviour from the original virus?

This is relatively simple. Start the simulation with the original COVID-19 settings. Then stop the program after a certain time and change the properties of the virus. For the milder but at the same time more contagious Omikron variant, for example, increase the value of the option "General infection risk" (possibly also "Risk of infection in public transport"), but lower the algorithm for the course of the disease to "moderate" or even "mild". Then continue the simulation. Proceed accordingly for the (suspected) occurrence of further virus variants. - Of course, the simultaneous occurrence of different variants cannot be simulated in this way. However, you can at least design average changes in the development of the pandemic with the above-mentioned adjustment screws.

I am puzzled by the fact that the simulation results are repeatable. Are they not "random" results at all, but "programmed", possibly manipulated results?

All simulation results follow chance. The mode in which defined random number chains are used should not be imagined as having ready-made numbers; rather, these are generated in a very complex way and diverge even with minimally changed simulation settings. The term "random number chains" therefore describes a multi-dimensional network of random numbers. Nothing is manipulated here. The calculation of the random numbers follows an algorithm by Makoto Matsumoto, Takuji Nishimura and Sean McCullough. The source code for the pandemic laboratory is open; the programming can therefore be checked in detail. - Incidentally, the results generated in "random random number" mode do not differ from those in "defined random number" mode.

Peculiarly, the program shows me strange values in the data monitor (and partly also in the result graph) for the labour volume, clearly above 100 per cent, sometimes even above 1000 per cent. How can this be?

As described elsewhere in the manual, this always happens when you start the simulation in (partial) lockdown. Since there is no work data from the previous week at the beginning of the simulation, the program calculates the effective total output of the working agents after the first working day and takes this value as a 100 per cent basis for the following calculations. If one starts the simulation with measures that affect the labour market (entry bans, lockdown, home office), this inevitably leads to irritations. The program then also evaluates this impaired work as one hundred per cent output. If the restrictions are lifted later, values significantly above 100 per cent are suddenly noted in the diagram as well as in the data monitor. The diagram reacts to this with a realignment of the curve, the data monitor with percentages that can even be in the four-digit range. Although these changes are mathematically correct, they may appear surprising or implausible at first glance. To avoid this, you should switch on the autocorrection in the "City map & diagram settings" area, which automatically fits set impairments into a 100 per cent scale. - Incidentally, starting a simulation in lockdown is not expedient, since in reality such a lockdown can usually be declared at the earliest after a pandemic situation has been established (i.e. after several weeks).

I have difficulties exporting data or processing the medical records. In the separate window that opens for this purpose, the text can only be marked and copied by hand in a cumbersome way. There are no browser options for this. The table format often slips. What can be done?

Indeed, some browsers do not have convenient copy options. If necessary, switch to the Firefox browser. There, data and texts are easily accessible and complete tables can be comfortably marked and copied with a single mouse click (right mouse button!). - If you want to transfer a table to a word processing program, be sure to choose a non-proportional font (e.g. Courier) for the display. This preserves the format.

I have set the audio switch(es). Nevertheless, no sound is played. What should I do?

First check the settings of your computer. It is possible that the sound is muted there. If the computer displays full volume and still remains mute, the reason may be that your browser generally suppresses the playback of sound files. In this case, you must enable the playback function manually in your browser settings.

Most of the sounds are played correctly on my computer, only the closing gong is not. How can this be explained?

The sound of the closing gong contains very low frequencies. If your computer has a very small speaker, it may not be able to output low sounds adequately.

Some of the program's specifications seem unrealistic to me. Why, for example, are there no school holidays or general holiday periods?

Even worse: Even over several simulated years or decades, the agents remain the same age. Babies are still babies after years; 98-year-old old people maintain their status over decades. However, this does not matter for the mathematical evaluation of the simulations. Here, the results are determined on a model basis. - But in some respects your criticism is of course justified: For example, no distinction is made between the sexes in the agents either - although current knowledge shows that men are more susceptible to severe COVID than women. The social status of the agents is also not taken into account in the evaluation, although precarious living conditions have been shown to favour infection with and severe illness from Corona.

What innovations are planned for future versions of the pandemic lab?

The pandemic laboratory is already quite complex. So there will be no major additions to the content. However, it is conceivable to revise the basic algorithm, which is oriented towards the previous findings on COVID-19, as new findings emerge or to adapt the entire program to the key figures of new virus types. This also includes virus types beyond COVID-19.

In the pandemic 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 pandemic 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 pandemic 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).

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 at https://neherlab.org/COVID19, checked on 3/22/2020. Now available online at https://covid19-scenarios.org/, checked on 05/01/2022.

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.

Aleta, Alberto; Martín-Corral, D.; Bakker, M. A.; Pastore y Piontti, A.; Ajelli, M.; Litvinova, M.; Chinazzi, M.; Dean, N. E.; Halloran, M. E.; Longini Jr., I. M.; Pentland, A.; Vespignani, A.; Moreno, Y.; Moro, E. (2022): Quantifying the importance and location of SARS-CoV-2 transmission events in large metropolitan areas. In Proceedings of the National Academy of Sciences of the United States of America (PNAS), 119 (26) e2112182119, 06/13/2022. DOI: 10.1073/pnas.2112182119. Available online at https://doi.org/10.1073/pnas.2112182119.

An der Heiden, M.; Buchholz, U. (2020): Modellierung von Beispielszenarien der SARS-CoV-2-Epidemie 2020 in Deutschland. Robert Koch-Institut (RKI), checked on 03/22/2020.

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.

Badham, Jennifer; Barbrook-Johnson, Pete; Caiado, Camila; Castellani, Brian (2021): Justified Stories with Agent-Based Modelling for Local COVID-19 Planning. In Journal of Artificial Societies and Social Simulation 24 (1) 8, 01/31/2021. DOI: 10.18564/jasss.4532. Available online at https://www.jasss.org/24/1/8.html, checked on 06/15/2022.

Bedson, Jamie; Skrip, L. A.; Pedi, D.; Abramowitz, S.; Carter, S.; Jalloh, M. F.; Funk, S.; Gobat, N.; Giles-Vernick, T.; Chowel, G.; Rangel de Almeida, J.; Elessawi, R.; Scarpino, S. V.; Hammond, R. A.; Briand, S.; Epstein, J. M.; Hébert-Dufresne, L.; Althouse, B. M. (2021): A review and agenda for integrated disease models including social and behavioural factors. In Nature Human Behaviour, Vol.5, July 2021 (06/28/2021). pp. 834-846. DOI: 10.1038/s41562-021-01136-2.

Castro, Brenno Moura; de Abreu de Melo, Yuri; Fernanda dos Santos, Nicole; da Costa Barcellos, André Luiz; Choren, Ricardo; Salles, Ronaldo Moreira (2021): Multi-agent simulation model for the evaluation of COVID-19 transmission. Military Institute of Engineering (IME), Rio de Janeiro, Brazil, 07/13/2021. In Comput Biol Med. 2021 Sep; 136: 104645. DOI: 10.1016/j.compbiomed.2021.104645. Available online at https://www.ncbi.nlm.nih.gov/pmc/articles/PMC8275845/.

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.

Epstein, Joshua M. (2009): Modelling to contain pandemics. In Nature 460, 687 (2009), 08/05/2009. DOI: 10.1038/460687a. Online available at https://www.nature.com/articles/460687a, checked on 06/15/2022.

Epstein, Joshua M.; Hatna, Erez; Crodelle, Jennifer (2021): Triple contagion: a two-fears epidemic model. In Journal of the Royal Society Interface, 18: 20210186 (08/04/2021). DOI: 10.1098/rsif.2021.0186.

Federal Reserve Bank of New York (2022): Global Supply Chain Pressure Index (GSCPI). Available online at https://www.newyorkfed.org/research/policy/gscpi#/overview, checked on 07/07/2022.

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).

Fiore, Vicenzo G.; DeFelice, Nicholas; Glicksberg, Benjamin S.; Perl, Ofer; Shuster, Anastasia; Kulkarni, Kaustubh; O'Brien, Madeline; Pisauro, M. Andrea; Chung, Dongil; Gu, Xiaosi (2021): Containment of COVID-19: Simulating the impact of different policies and testing capacities for contact tracing, testing, and isolation. In PLOS ONE, 03/31/2021. DOI: 10.1371/journal.pone.0247614.

Global Value Chain Report (2021): Beyond Production. Asian Development Bank, Research Institute for Global Value Chains at the University of International Business and Economics, the World Trade Organization, the Institute of Developing Economies - Japan External Trade organization, the China Development Research Foundation. November 2021. Available online at http://dx.doi.org/10.22617/TCS210400-2.

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.

Hälterlein, Jens (2020): Die Simulation der Pandemie. Ein Beitrag zur Reihe "Sicherheit in der Krise". In Soziopolis, 06/03/2020. Available online at https://www.soziopolis.de/die-simulation-der-pandemie.html, checked on 06/10/2022.

Hatchett, Richard J.; Mecher, Carter E.; Lipsitch, Marc (2007): Public health interventions and epidemic intensity during the 1918 influenza pandemic. In Proceedings of the National Academy of Sciences of the United States of America (PNAS), 104 (18) 7582-7587, 05/01/2007. DOI: 10.1073/pnas.0610941104. Available online at https://doi.org/10.1073/pnas.0610941104.

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.

Horstkötter, N.; Desrosiers, J.; Müller, U.; Ommen, O.; Reckendrees, B.; Seefeld, L.; Stander, V.; Goecke, M.; Dietrich, M. (2021): Einstellungen, Wissen und Verhalten von Erwachsenen und Eltern gegenüber Impfungen - Ergebnisse der Repräsentativbefragung 2020 zum Infektionsschutz. BZgA-Forschungsbericht. Köln: Bundeszentrale für gesundheitliche Aufklärung. DOI: 10.17623/BZgA:111-IFSS-2020. Available online at https://www.bzga.de/fileadmin/user_upload/PDF/studien/Infektionsschutzstudie_2020.pdf, checked on 06/15/2022.

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

Lauer, Stephen A.; Grantz, K. H.; Bi, Q.; Jones, F. K.; Zheng, Q.; Meredith, H. R.; Azman, A. S.; Reich, N. G.; Lessler, J. (2020): The incubation period of coronavirus disease 2019 (COVID-19) from publicly reported confirmed cases: Estimation and application. In Annals of Internal Medicine, 172 (9), 577-582, 06/05/2020. DOI: 10.7326/m20-0504, available online at https://www.acpjournals.org/doi/10.7326/M20-0504, checked on 06/15/2022.

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.

Mahmood, Imran; Arabnejad, H.; Suleimenova, D.; Sassoon, I.; Marshan, A.; Serrano-Rico, A.; Louvieris, P.; Anagnostou, A.; Taylor, S. J. E.; Bell, D.; Groen, D. (2020): FACS: a geospatial agent-based simulator for analysing COVID-19 spread and public health measures on local regions. In Journal of Simulation, 08/20/2020. DOI: 10.1080/17477778.2020.1800422, available online at https://www.tandfonline.com/doi/full/10.1080/17477778.2020.1800422, checked on 06/15/2022.

McGee, Ryan Seamus; Homburger, Julian R.; Williams, Hannah E.; Bergstrom, Carl T.; Zhou, Alicia Y. (2021): Model-driven mitigation measures for reopening schools during the COVID-19 pandemic. In Proceedings of the National Academy of Sciences of the United States of America (PNAS), 118 (39) e2108909118, 09/13/2021. DOI: 10.1073/pnas.2108909118. Available online at https://doi.org/10.1073/pnas.2108909118.

Melacher, Patrick (2020): COVID-Town: An Integrated Economic-Epidemiological Agent-Based Model. University of Graz/Graz Schumpeter Centre, 11/13/2020. Available online at https://mpra.ub.uni-muenchen.de/104109/1/MPRA_paper_104109.pdf, checked on 07/07/2022.

Noll, N.; Aksamentov, I.; Druelle, V.; Badenhorst, A.; Ronzani, B.; Jefferies, G.; Albert, J., Neher, R. (2020): COVID-19 Scenarios: an interactive tool to explore the spread and associated morbidity and mortality of SARS-CoV-2. In medRxiv, 5/12/2020. Available online at https://www.medrxiv.org/content/10.1101/2020.05.05.20091363v2.full.pdf.

Retzlaff, Carl Orge; Burbach, L.; Kojan, L.; Halbach, P.; Nakayama, J.; Ziefle, M.; Valdez, A. C. (2022): Fear, Behaviour, and the COVID-19 Pandemic: A City-Scale Agent-Based Model Using Socio-Demographic and Spatial Map Data. In Journal of Artificial Societies and Social Simulation 25 (1) 3, 01/31/2022. DOI: 10.18564/jasss.4532, available online at https://www.jasss.org/25/1/3.html, checked on 06/15/2022.

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.

Schneider, Kristan A.; Ngwa, Gideon A.; Schwehm, Markus; Eichner, Linda; Eichner, Martin (2020): The COVID-19 pandemic preparedness simulation tool: CovidSIM. In BMC Infectious Diseases, 2020; 20: 859 (11/19/2020). DOI: 10.1186/s12879-020-05566-7. Available online at https://www.ncbi.nlm.nih.gov/pmc/articles/PMC7675392.

Simler, Kevin (2020): Outbreak (03/16/2020). Available online at https://meltingasphalt.com/interactive/outbreak/, checked on 05/01/2022.

Stevens, H. (2020): Why outbreaks like coronavirus spread exponentially, and how to "flatten the curve". Washington Post, 03/14/2020. Available online at https://www.washingtonpost.com/graphics/2020/world/corona-simulator/, checked on 05/01/2022.

Struben, Jeroen (2020): The Coronavirus Disease (COVID-19) Pandemic: Simulation-Based Assessment of Outbreak Responses and Post Peak Strategies. In medRxiv, 06/17/2020. DOI: 10.1101/2020.04.13.20063610. Available online at https://www.medrxiv.org/content/10.1101/2020.04.13.20063610v3.full.pdf, checked on 06/15/2022.

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).

Troitzsch, Klaus G. (2021a): Minding Norms in an Epidemic Does Matter. Model version 1.3.0 (for NetLogo). CoMSES Computational Model Library, 09/13/2021. Available online at https://www.comses.net/codebases/d42ef8c9-7bdf-4a4c-8df9-a0b57654c08d/releases/1.3.0/, checked on 05/31/2022.

Troitzsch, Klaus G. (2021b): Minding Norms in an Epidemic Does Matter. Documentation. Available online at https://userpages.uni-koblenz.de/~kgt/Publications/Epidemic.pdf, checked on 05/31/2022.

Vermeulen, Ben; Pyka, Andreas; Müller, Matthias (2020a): An agent-based model of the Corona-pandemic. Department of Innovation Economics, University of Hohenheim, Stuttgart. Available online at https://inno.uni-hohenheim.de/en/coronaen, checked on 6/15/2022.

Vermeulen, Ben; Pyka, Andreas; Müller, Matthias (2020b): An agent-based policy laboratory for COVID-19 containment strategies. Department of Innovation Economics, University of Hohenheim, Stuttgart. Available online at https://inno.uni-hohenheim.de/corona-modell, checked on 05/01/2022.

Vermeulen, Ben (2020): UHOHCoronaPolicyLab. In GitHub (update: 04/29/2021). Available online at https://github.com/BenVermeulen/UHOHCoronaPolicyLab, checked on 05/01/2022.

Vermeulen, Ben; Müller, Matthias; Pyka, Andreas (2021): Social Network Metric-Based Interventions? Experiments with an Agent-Based Model of the COVID-19 Pandemic in a Metropolitan Region. In Journal of Artificial Societies and Social Simulation 24 (3) 6, 06/30/2021. DOI: 10.18564/jasss.4571. Available online at http://jasss.soc.surrey.ac.uk/24/3/6.html.

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 03/21/2020.

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

If you would like to further develop the pandemic lab, you may find the developer tool included with the program helpful. With this you can change the random arrangement of the buildings on the city map at the touch of a button. The utility automatically creates an updated JavaScript location file localitydata30.js from the new data, which can be used instead of the original one.

By studying the source code of the tool and making changes there in the location coordinates, you can also create entirely new city maps, for example of other real cities.

Please note, however, that such "real" city maps do not reflect the situation at the respective location. At best, the arrangement of buildings (dense or loose building, number and location of industrial enterprises, etc.) can provide information about pandemic developments in general. The pandemic laboratory is designed for model-based calculations, not for location-based ones.

Basic programming knowledge in JavaScript is required to use the development kit. The tool can be called from the environment of the main program only with a special code. This is included with the program in a separate information file. If necessary, consult the program author.

The present program Pandemic Laboratory goes back to the simulation Policy Laboratory (more precisely: An agent-based policy laboratory for COVID-19 containment strategies) by Ben Vermeulen (Department of Innovation Economics, University of Hohenheim, Stuttgart/Germany 2020).

The current pandemic laboratory offers a comprehensive revision of the original program routines (for example, in the determination and presentation of statistical data and in the modifiable parameters) as well as significant extensions (warning app, self-testing, vaccination routines, school policy, psychological, medical and economic assumptions, algorithm formation, data export, audio output, modifications of the simulation field, user manual and much more).

Both the original program and the pandemic lab are 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 licence 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 please only after consultation with the author.

If you have any questions about the current pandemic lab simulation (version 3.x), please contact the program author:

Frank U. Kugelmeier, St. Ursula Grammar School Attendorn

programming (from V. 3.0), manual and quick start guide, additional programs MiniLab and PathoGen

If you have questions about the previous versions 1 and 2, please contact the following persons:

Ben Vermeulen, University of Hohenheim; now: IQIP	conceptual and operational model, programming (V. 1.x, V. 2.x)
Andreas Pyka, University of Hohenheim	research collaboration, promotional and media usage of program versions 1 and 2

Please note that the MiniLab simulation included with the pandemic lab is a stand-alone program and is licensed under the MIT licence, while the present PathoGen pandemic calculator is licensed under Creative Commons BY-NC-SA 4.0, just like the pandemic lab.

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 Pandemielabor 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 Pandemielabor 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 Pandemielabor-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 Pandemielabor 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 Pandemielabor 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 Pandemielabor 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.

1.1 Die Struktur der Benutzeroberfläche

Zur besseren Orientierung ist das Pandemielabor 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 Pandemielabor 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 Pandemielabor 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 Pandemielabors 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 einige allgemeine Programmeinstellungen, 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 Pandemielabors 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:

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 neun 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 mit Immunität (violett),
• Verstorbene (blau),
• erfolgreich Geimpfte (türkis).

Der nebenstehenden Legende ist zum Beispiel zu entnehmen, dass bis zum 29. Simulationstag (einem Montag) um 10:10 Uhr vormittags 128 Agenten noch nicht infiziert, 4 hingegen schwer, 5 weitere lebensgefährlich erkrankt, 44 wieder genesen sind und einer verstorben ist. Außerdem wurden bereits 51 Personen erfolgreich geimpft.

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 Infektionsrate IR (Zahl der Infizierten, Genesenen und Verstorbenen in Relation zur Gesamtpopulation), die Basisreproduktionszahl R sowie der Inzidenzwert I7 (Zahl der Neuinfektionen innerhalb der letzten 7 Tage).

Die Infektionsrate IR beschreibt, in welchem Umfang die Bevölkerung bereits von einer Epidemie erfasst worden ist.

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 7-Tage-Inzidenzwert I7 beschreibt üblicherweise die Zahl der Neuinfektionen je 100.000 Einwohner innerhalb der letzten 7 Tage. In der vorliegenden Simulation zeigt er jedoch die Neuinfektionen pro 1000 Personen an. Angesichts der geringen Agentenzahl würde eine höhere Bezugsgröße den I7-Wert verzerren.

Die vier Kennziffern (CFR, IR, R und I7) 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, im Modus "Kleinstadt" nach rechts unten.

Die rechts angezeigte analoge Uhr bietet eine 24-Stunden-Anzeige. Vor Mittag weist sie einen schwarzen, danach einen farbigen Rand aus. In ungeraden Wochen ist dieser rot, in geraden grün eingefärbt.

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

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.

Infektionsgeschehen

Der oberste Graph stellt - analog zu den weiter oben genannten farblichen Kennzeichnungen der Agenten - das Verhältnis von Geimpften, Verstorbenen, Gesundeten, Nicht-Infizierten sowie (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.

Intensivbetten-Auslastung

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 endgültig 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, Handdesinfektion" gesetzt, sinkt die Produktivität automatisch auf 50 oder 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. Jede der beiden Varianten kann im Programm gewählt werden. Visualisiert werden sie im Simulationsfeld dadurch, dass entweder die eine Hälfte der Schüler nur in ungeraden Wochen, die andere Hälfte nur in geraden Wochen zur Schule geht (50-Prozent-Variante) oder aber dass die eine Hälfte der Schüler nur montags, mittwochs und freitags, die andere Hälfte nur dienstags, donnerstags und freitags erscheint (60-Prozent-Variante).
• 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 50 bzw. 60 Prozent direkt unterrichtet und in der restlichen Zeit (also zu 50 bzw. 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 - bis zu sieben 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 Agentengesellschaft, 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.

Standardmäßig wird das Arbeitsvolumen wochenweise angezeigt. Die Arbeitsleistung der Agentengesellschaft wird dabei immer für die gesamte vorausgegangene 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".
Das Diagramm lässt sich jedoch auch auf tageweise Anzeige umschalten (vgl. den Bereich "Stadtplan- und Diagrammeinstellungen"), was allerdings zu einem charakteristischen Absinken der Leistungskurve am Wochenende führt.
Der Datenmonitor wertet das Arbeitsvolumen, je nach Einstellung, wochen- oder tageweise (in Prozent der theoretisch möglichen Arbeitsleistung) aus.

Achtung: Da zu Beginn der Simulation Arbeitsdaten aus der Vorwoche fehlen, berechnet das Programm nach dem ersten Arbeitstag die effektive Gesamtleistung der arbeitenden Agenten und nimmt diesen Wert als 100-Prozent-Basis für die folgenden Berechnungen. Allerdings kann dies zu Irritationen führen, falls man die Simulation mit Maßnahmen startet, die den Arbeitsmarkt beeinträchtigen (Einreiseverbote, Lockdown, Home-Office). Das Programm wertet dann nämlich auch diese beeinträchtigte Arbeit als hundertprozentige Leistung. Bei einer späteren Aufhebung der Restriktionen werden sowohl im Diagramm als auch im Datenmonitor daher plötzlich Werte deutlich über 100 Prozent notiert. Das Diagramm reagiert darauf mit einer Neuausrichtung der Kurve, der Datenmonitor mit Prozentzahlen, die sogar im vierstelligen Bereich liegen können. Diese Veränderungen sind zwar mathematisch korrekt, erscheinen aber auf den ersten Blick vielleicht überraschend bzw. nicht plausibel.
Um dies zu vermeiden, lässt sich im Bereich "Stadtplan- und Diagrammeinstellungen" eine Autokorrektur zuschalten, die gesetzte Beeinträchtigungen automatisch in eine 100-Prozent-Skala einpasst.

Da das Programm in beiden Modi Vorausberechnungen vornimmt, kann es hier, je nach Einstellungen und Zufallsauswahl der Agenten, in der Datenanzeige zu leichten Unschärfen von bis zu 1.5 Prozentpunkten kommen.

Freizeitkonsum

Dieser Graph zeigt das Freizeitverhalten der Agentengesellschaft. Die Messgröße ist die Gesamtstundenzahl, die die Agenten in Freizeiteinrichtungen verbringen.
Im Pandemielabor 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 drei 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 Pandemielabor hierzu zwei Einstellmöglichkeiten:

• den "Akzeptanz"-Regler in der Rubrik "Allgemeine Maßnahmen",
• die Automatik, die eine Akzeptanz-Abnahme simuliert, im Bereich "Psychologische Annahmen".

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 Pandemielabor wird allerdings angenommen, dass man durch entsprechende Routine seine Effizienz im Home-Office durchaus steigern kann. Hierzu bietet das Programm zwei Einstellmöglichkeiten:

• den Regler "Home-Office-Erfahrung" im Bereich "Ökonomische Annahmen",
• die Automatik, die eine sukzessive wöchentliche Zunahme an Erfahrung simuliert, im Bereich "Psychologische Annahmen".

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.

Pflegenotstand

Dieser Graph weist die Überlastung des Pflegepersonals in den medizinischen Einrichtungen aus. Der gezeigte Indexwert berücksichtigt dabei folgende Teil-Indizes:

• den Krankenstand der erwerbstätigen Agenten (der hier, modellhaft angenommen, auch den Krankenstand des medizinischen Personals widerspiegelt),
• die Nachfrage nach Intensivbetten (im Verhältnis zu den vorhandenen Betten).

Beide Faktoren haben unmittelbaren Einfluss auf die Belastung des Pflegepersonals. Fällt viel Personal krankheitsbedingt aus, muss die Arbeit von den verbliebenen Gesunden mit erledigt werden. Und reicht die Zahl der Intensivbetten nicht aus, müssen bedürftige Patienten anderweitig notversorgt oder schlimmstenfalls abgewiesen werden. All dies verursacht nicht nur physische, sondern auch emotionale Belastungen, also einen hohen Überlastungs-Index.

Der Index kann im Pandemielabor manuell eingestellt, aber auch automatisch ermittelt werden. Näheres hierzu finden Sie in den Erläuterungen zum Schalter "Pflegenotstand".

Auch dieser Graph wird nur in Edition A angezeigt.

Lieferengpässe

Dieses Diagramm beschreibt Störungen in den Lieferketten, die die Binnenwirtschaft empfindlich beeinträchtigen können. Der gezeigte Indexwert enthält folgende Teil-Indizes:

• den Krankenstand der erwerbstätigen Agenten (der hier modellhaft für Produktionsausfälle in den regionalen, nationalen und globalen Lieferketten steht),
• die Abhängigkeit der heimischen Wirtschaft von regionalen, nationalen und internationalen Lieferketten.

Kommt es weltweit zu großen pandemiebedingten Produktionsausfällen und ist die Binnenwirtschaft in hohem Maße von der Zulieferung auswärtiger Produkte abhängig, steigt der Lieferketten-Störungs-Index massiv an, während die Wirtschaftsleistung der Agentengesellschaft natürlich beträchtlich sinkt.

Wie Sie auf den Index Einfluss nehmen können, erfahren Sie in den Erläuterungen zum Schalter "Lieferengpässe".

Dieser Graph wird wie die vorherigen 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 (Türkis für erfolgreich geimpft, Blau für verstorben, Violett für genesen, 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 werden in den Grundeinstellungen des Pandemielabors jedoch nicht berücksichtigt.

Zur Beachtung: Mithilfe der Algorithmen-Einstellungen (nur in Edition A) lassen sich allerdings sehr wohl abweichende epidemiologische Parameter definieren.

Ebenfalls zur Beachtung: 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.

Im sogenannten "Blackbox-Modus" (verfügbar in Edition A) werden keine Läufe gezählt. Hier wird grundsätzlich die Lauf-Nummer 0.0 ausgewiesen.

Simulationstag und -woche

Edition A enthält unten mittig - oberhalb des Datenmonitors - ein zusätzliches Anzeigefeld. Es zeigt den aktuellen Simulationstag, die zugehörige Woche sowie einige andere Hinweise:

Letzter Schieberegler-Wert

Rechts neben den Anzeigen für Lauf und Tag/Woche ist jeweils ein farblich unterlegtes Feld zu finden. Es weist den Wert aus, den der zuletzt betätigte Schieberegler zurückgeliefert hat. Da die Simulation über bis zu 47 Schieberegler verfügt, können die Werte, je nach Funktion des jeweiligen Reglers, recht unterschiedlich ausfallen, sind jedoch meist numerisch.

Das Feld erleichtert die exakte Einstellung der Parameterwerte. Bei Programmstart und bei jedem neuen Simulationslauf zeigt es zunächst die Ziffernfolge "000".

Beim Betätigen des Farbwahl-Tasters wird hier zudem die Nummer des aktuellen Farbdesigns ausgegeben, beim Drücken des Fortschrittsbalken-Tasters der jeweilige Modus.

Legende und Datenfeld

Am unteren Rand der Benutzeroberfläche wird in den Editionen B und C des Pandemielabors eine Legende mit Kurzerklärungen zu den Symbolen auf dem Simulationsfeld angezeigt. Sie umfasst die Symbole für die Gebäude und die Agenten sowie (hier nicht abgebildet) die Verkehrszeichen-Symbole.

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 Pandemielabors 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:

1.5 Die Erzeugung der Zufallszahlen

Die Bewegungen der Agenten auf dem Simulationsfeld basieren auf Zufallszahlen. Diese werden im Pandemielabor auf unterschiedliche Weise generiert:

• zum einen über einen Algorithmus, der definierte Ketten von Zufallszahlen, sogenannte "Pseudo-Zufallszahlen" liefert,
• zum anderen über einen Generator, der fortlaufend willkürliche, sozusagen "zufällige Zufallszahlen" bereitstellt.

Der Vorteil der erstgenannten Methode besteht darin, dass die so erzeugten Zufallszahlen jederzeit reproduzierbar sind. Jeder definierten Zufallszahlenkette ist eine bestimmte Laufnummer zugeordnet. So liefert beispielsweise jeder "Lauf 5" auf jedem beliebigen Rechner zu jeder beliebigen Zeit dieselben Ergebnisse, sofern die sonstigen Programmeinstellungen nicht verändert wurden; jeder "Lauf 6" führt zu neuen (anderen), aber ebenfalls spezifischen und reproduzierbaren Resultaten, jeder "Lauf 7" wieder zu neuen (anderen), aber spezifischen Resultaten und so fort. Auf diese Weise kann man bestimmte Simulationsverläufe jederzeit wiederholen und gezielt analysieren.

Die zweite Methode bietet sich immer dann an, wenn man - etwa in Unterrichtssituationen oder in Seminaren - auf mehreren Rechnern zufällige Ergebnisse erzielen möchte, die sich nicht gleichen (die also wirklich "verschieden zufällig" sind). Da die Simulationsläufe niemals vollkommen identisch sind, lässt sich im Vergleich der Ergebnisse auf verschiedenen Rechnern zum Beispiel schnell klären, in welcher Bandbreite sich die Folgen bestimmter Simulationseinstellungen bewegen. In der Laufanzeige des Programms ist dieses Verfahren als "Lauf 0.0", auf der Reset-Taste als "Blackbox-Modus" gekennzeichnet (in eine Blackbox kann man nicht hineinschauen). "Blackbox"-Läufe werden nicht gezählt. Eine Durchnummerierung wäre sinnlos, da jeder Lauf einmalig und damit nicht wiederholbar ist.

Standardmäßig generiert das Pandemielabor wiederholbare Pseudo-Zufallszahlen. In der Edition A lässt sich diese Methode im Bereich "Allgemeine Einstellungen" abschalten. Das Programm produziert dann nicht wiederholbare, zufällige Zufallszahlen.

2.1 Bedienelemente

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

2.2 Allgemeine Programmfunktionen

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

2.3 Das Feld "Maßnahmen"

Die in diesem Abschnitt beschriebenen Funktionen stehen in allen drei Editionen (A, B und C) des Pandemielabors 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 Pandemielabor bei Programmstart vorgibt.

2.4 Das Feld "Annahmen"

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

2.5 Algorithmen-Einstellungen

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

Das Pandemielabor 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 Pandemielabor 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 Pandemielabor-Programm startet.

Die folgenden Optionen betreffen den Impfprozess.

Am Ende komplettieren zwei Generalschalter die Algorithmen-Einstellungen.

2.6 Stadtplan- und Diagramm-Einstellungen

Einstell-Optionen

Achtung: Die in diesem Abschnitt beschriebenen Funktionen stehen ausschließlich in den Editionen A und B des Pandemielabors zur Verfügung, einige sogar nur in Edition A.

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 Pandemielabor-Programm startet.

Layout-Beispiele

Im Folgenden werden ausgewählte Layout-Beispiele angezeigt. Zum Vergrößern klicken Sie bitte auf die Abbildung.

2.7 Allgemeine Einstellungen

Simulationsverlauf

Achtung: Die in diesem Abschnitt beschriebenen Optionen stehen ausschließlich in der Edition A des Pandemielabors zur Verfügung. In den Editionen B und C gelten die Startwerte.

Audioausgabe

Die hier präsentierte Beschreibung der Audiofunktionen gilt nur für die Edition A. Eine vereinfachte Option zur Audioausgabe (mit nur einem Ein-/Aus-Schalter) ist aber auch in den anderen beiden Editionen zu finden:

• in Edition B unten mittig im Bereich der Legende,
• in Edition C unterhalb der Laufanzeige.

Die implementierten Audiosignale können die (optische) Beobachtung der Simulationsläufe akustisch unterstützen, andererseits aber auch nervig sein. Daher sind sie standardmäßig ausgeschaltet. Ihre Nutzung ist eine Frage persönlicher Präferenzen.

Die Signale im Einzelnen:

2.8 Direkteingabe im Simulationsfeld

Sperrung von Bereichen

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

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.

Anzeige von Verbindungen

Achtung: Die in diesem Abschnitt beschriebene Funktion steht nur in Edition A bereit.

Ist im Feld "Stadtplan- und Diagrammeinstellungen" eine der beiden Soziometrie-Optionen "Verknüpfungen" oder "Vernetzungen" aktiviert, erscheint auf dem Simulationsfeld unterhalb der Uhr ein rot durchgestrichenes (später geöffnetes) Auge. Per Mausklick "ins Auge" kann man hier die Anzeige der Verbindungslinien zwischen Schulen und Arbeitsstätten sowie Schulen und Arbeitsstätten untereinander ein- bzw. ausschalten. Die Linien beschreiben, wie intensiv einzelne Aufenthaltsbereiche der Agenten über die zugehörigen Haushalte miteinander verknüpft sind, und weisen damit auf mögliche Infektionsrisiken hin. Je stärker eine Linie ausgeprägt ist, desto mehr Einzelverbindungen bzw. Risiken gibt es. Schwächere Verknüpfungen werden hellblau, stärkere dunkelblau, sehr ausgeprägte rotbraun dargestellt (nähere Erläuterungen hierzu finden sich in der Rubrik "Soziometrie" der "Stadtplan- und Diagrammeinstellungen"). Die Visualisierung der Zahl und Intensität der Verknüpfungen bietet die Möglichkeit, aus soziometrischer Sicht zu entscheiden, ob besonders gefährdete Bereiche ("Hotspots") eventuell geschlossen (d. h. gesperrt) werden müssen (vgl. hierzu den vorigen Abschnitt "Sperrung von Bereichen").

Die Vorstellung, auf soziometrischer Basis einzelne Hotspots "abschalten" zu können, hat etwas Verlockendes, dürfte in der Praxis jedoch auf einige Widerstände treffen - benötigt man doch zur soziometrischen Analyse eine größere Menge sensibler Bürgerdaten.

2.9 Datenmonitor

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

Mit Hilfe des Datenmonitors lassen sich tagesaktuell alle relevanten Daten der Simulationsläufe des Pandemielabors 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.

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

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.