Pandemic Laboratory

An agent-based simulation
of COVID-19 containment strategies

Frank U. Kugelmeier – St. Ursula Grammar School Attendorn
(based on the "Policy Laboratory" by Ben Vermeulen, Andreas Pyka, Matthias Müller –
University of Hohenheim)

User Manual


Content
0. Preliminary note
1. The user interface
1.1 The structure of the user interface
1.2 The simulation field
1.3 The result graphs
1.3.1    Infection process
1.3.2    Intensive care utilisation
1.3.3    School capacity
1.3.4    Labour volume
1.3.5    Recreational consumption
1.3.6    Supermarket visits
1.3.7    Passenger traffic
1.3.8    Acceptance
1.3.9    Experience
1.3.10    Care emergency
1.3.11    Supply chain disruptions
1.3.12    Degree of infection according to age cohorts
1.4 More display fields
1.4.1    Number of the simulation run
1.4.2    Simulation days and weeks
1.4.3    Latest slider value
1.4.4    Legend and data field
1.5 The generation of the random numbers
2. Program control
2.1 Control elements
2.2 General program functions
2.3 The "Measures" field
2.3.1    General measures
2.3.2    Measures for events
2.3.3    Measures for hospitals
2.3.4    Epidemiological measures
2.3.5    Measures for schools
2.3.6    Measures for companies
2.4 The "Assumptions" field
2.4.1    Psychological assumptions
2.4.2    Medical assumptions
2.4.3    Economic assumptions
2.5 Algorithm settings
2.6 City map & diagram settings
2.6.1    Setting options
2.6.2    Layout examples
2.7 General settings
2.7.1    Simulation process
2.7.2    Audio output
2.8 Direct input in the simulation field
2.8.1    Blocking of areas
2.8.2    Display of linkages
2.9 Data monitor
2.9.1    Standard display
2.9.2    Display of age cohorts under 50 years
2.9.3    Display of age cohorts from 50 years
2.9.4    Display of the database
2.9.5    Display of medical records
3. Program concept and algorithms
3.1 The pandemic laboratory as a multi-agent system
3.2 Algorithms
3.2.1    Agent types
3.2.2    Activities
3.2.3    Work performance
3.2.4    Infections
4. Useful lifehacks
4.1 System requirements
4.2 Hardware problems
4.3 Test runs without pandemic
4.4 Worst-case scenario
4.5 Frequently asked questions
5. Technical information and data references
6. Bibliography
7. Development kit
8. User licence and contact

Preliminary note

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

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

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

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

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

This is where the present 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. The user interface

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:

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

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

Stop: This symbol indicates the end of the simulation run (all agents have either recovered, been vaccinated or have died).
Attention: The sign is shown when the pandemic warning app reports at least one active case per day.
Special note: This sign is displayed as long as prioritised persons are vaccinated during a vaccination measure.
Customs border: This symbol indicates a current entry ban.
Steep descent: This sign indicates an automatic decrease in acceptance.
Steep ascent: This sign indicates an automatic increase in home office experience.
Hospital: This sign indicates (related to the work of hospital staff) an overload index higher than 5.
Narrowed lane: This sign indicates a supply chain disruption index higher than 5.

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 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 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:

Various displays
To the right of the calendar symbol with one field marked in red, the currently valid simulation day is noted.
To the right of the calendar symbol with seven fields marked in red, the current simulation week is shown. As on the edge of the clock in the simulation field, odd weeks are shown here in red, even weeks in green.


In the area to the right of the day/week display, the play mode is output first ("Pause", "Small simulation step", "Big simulation step", "Slow run", "Fast run", "Superfast run").

In standard mode, the program uses pseudo random numbers. This is symbolised by a white number box. If the "black box mode" (random random numbers, cf. "General settings") is activated, such a "black box" appears here. Both settings can also be read on the reset button.

The basic settings of the pandemic laboratory refer to the scientific database of COVID-19. With the help of some algorithm settings (course of disease, focus of risk, incubation), these values can be fundamentally changed and even reversed. If the program is operated in "Covid-19 mode", a coronavirus symbol appears in the display field; if the basic settings are changed, a yellow warning triangle appears.

If at least one switch is activated in the audio output section (cf. "General settings"), this is indicated by a loudspeaker symbol. If all audio switches are deactivated, the loudspeaker symbol is crossed out. Please note: In the "Superfast run" play mode, the audio output is always switched off (even if the audio switches are set). This is correctly displayed here.
Progress bar
The bar on the key below the day/week display visualises the progress of the simulation (in per cent). By pressing the key (several times), you can choose between displays in 100-, 1000- or 10,000-day intervals. More information on this can be found in the explanations on the data monitor.

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. Program control

2.1 Control elements

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

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

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


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

2.2 General program functions

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

Language selection








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


Depending on the edition of the pandemic laboratory, different buttons are displayed here:
  • In edition A, you can switch to edition B and C by pressing the B- or C-button.
  • In edition B, you can switch to edition A and C with the A- or C-button.
  • In edition C, you can switch to edition A and B by pressing the A- or B-button.
The language selection is retained when changing editions.
The button calls up the related program "MiniLab", a "pandemic simulation for beginners" and a supplement to the pandemic lab. The selected language is adopted.
The button activates the external pandemic calculator "PathoGen", which provides information on the pandemic courses of various viral and bacterial pathogens. The selected language is also adopted here.
This button can be used to open the present manual in a separate window.
Control of the simulation run
Break:
The simulation can be stopped at any time and then continued with the help of a step or run key.
Small step:
This key enables forward jumps of 15 minutes within the simulation. After that, the run is stopped.
Big step:
This key allows for larger jumps. They vary between 30 minutes and a full day (24 hours), depending on the setting (see below).
The settings are only effective in combination with the "Big step" key.
Slow run:
The simulation is played continuously at a moderate speed.
Fast run:
The simulation is played continuously relatively quickly.
Super fast run:
The simulation is played very fast. The speed can be adjusted using the slider (see below). If the "Automatic stop" switch (see below) is set, the simulation stops automatically after a defined time interval, but can be continued in a further interval by pressing the button again.
Position "x1" corresponds to the playback speed of the "Fast run". The default value "x100" is only symbolic, since the actual playback speed depends to a large extent on the hardware used.
Automatic stop:
When the switch is closed, the simulation stops automatically after a defined time interval, provided it is executed in the "super fast run". You can continue by pressing the "Super fast run" button again (until the simulation pauses again at the end of the next interval). - When the switch is open, the simulation will run until it is stopped manually.
Attention: The auto-stop function exclusively refers to the "super fast run". In addition, it is only available in editions A and B.
Here the auto-stop time interval can be set in steps of 100 from 100 to 1000 days. A change in the setting only takes effect after an auto-stop or when a new simulation run is started.

Repetition:
A simulation run can be repeated with the same number of agents and the same number and composition of households. Since the program does not use an arbitrary random number generator in its basic settings, but works with so-called fixed random number series, a repetition, if no settings have been changed, will produce exactly the same results as in the previous run. - But beware: changes in the number of households and / or in the "normal / stylised city" area automatically cause the repeat key to behave like the "New simulation" key (see below).
Attention. In the so-called "black box mode" (available only in edition A), the key is always deactivated.
New simulation:
This key basically generates a new simulation with new random numbers, i.e. with new agent numbers and household compositions.

Previous random number generator:
This "backward" key calls the previous random number generator; the display of the simulation runs counts down. When the first random number generator is reached, the key has no more effect.
In "black box mode" (available only in edition A), the key is basically deactivated.

Reset:
This key resets the program to the first random number generator. But be careful: All other program settings are retained. Therefore the "first" run does not necessarily correspond to the initial values at the start of the program.
If run number 1 is executed, the key naturally has no effect.
The key is also deactivated in "black box mode" (only available in edition A). Instead of the reset icon, a "black box" is now displayed.
The number of simulation days per run is limited to 9999 (i.e. around 27 years!). The program stops when the maximum number is reached. Of course, further simulation runs can be carried out afterwards.
User interface
Colour selection:
By (repeatedly) pressing this key, the colour design of the user interface can be changed. Ten colour variations are available. Please note that the actual design shown depends on the browser.

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.

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

2.4 The "Assumptions" field

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

Psychological assumptions default
Constant acceptance of the measures:
The pandemic laboratory tries to introduce a "human factor" into the simulation by also taking into account the mental condition of the agents. In the basic setting, a very stable basic attitude of the population is assumed. The percentage of agents specified in the "Acceptance" section consistently accepts the imposed requirements (distance rules, mask obligation, etc.). For example, if the acceptance value is 95 per cent, this value will remain throughout the entire simulation run, even for years.
In practice, however, an assumption like this is rather unrealistic.
on
Linear decrease in acceptance:
It is therefore assumed here that the acceptance of health policy measures, whether out of impatience and weariness, or from political opposition, will wane over time. A linear decrease (down to zero) is modelled over a defined period of time, which can be determined with the "Loss of acceptance" slider (see below).
off
Exponential decrease in acceptance:
In this setting, acceptance does not decrease linearly, but exponentially. If the automatic (linear or exponential) reduction of acceptance is switched on and active (!), this is indicated in the simulation field by a "steep descent" traffic sign.
off
Acceptance curve:
Eight curve types are available for modelling the exponential decline. In curve type 1, acceptance remains relatively high over a long period of time and decreases exponentially only towards the end of a defined period. Curve type 8 generates an exponential curve that initially falls sharply, then more gently. The rest of the curve types are between these two extremes (see below).
The selected curve is displayed in stylised form to the right of the slider.
# 1:
# 2:
# 3:
# 4:
# 5:
# 6:
# 7:
# 8:
The constant ( ) and the linearly decreasing option ( ) are also taken into account here.
2
Loss of acceptance:
The period over which the loss of acceptance extends can be set here. The program defaults are 100, 125, 150, 175 or 200 days.
The number of days assumes that the original acceptance value is 100 per cent. If it is lower, acceptance reaches the value "zero per cent" earlier.
100 days
Linear acceptance
Constant acceptance (95%) Linear decrease
Exponential decrease
Curve 1 Curve 5
Curve 2 Curve 6
Curve 3 Curve 7
Curve 4 Curve 8
Increasing experience in the home office:
It is assumed here that the agents gain experience in dealing with the home office over time and thus can work more effectively from home in the long term (provided that their job is home office suitable). If the switch is set, the experience value increases weekly by a certain percentage (see the following slider).
Here, too, the following applies: If the agents' initial experience is not zero per cent, but rather higher (for example, with a value of 20 per cent), the total experience of 100 per cent will be achieved earlier.
If the automatic increase of experience is switched on and active (!), this is indicated in the simulation field by a "steep ascent" traffic sign.
off
Learning progress per week:
Here you can set the percentage by which the home office experience increases per week.
4%
Care emergency:
A pronounced pandemic places a heavy burden on the medical staff providing care - especially in intensive care in hospitals. This burden can be set in two ways here:
In the switch position "Care emergency: permanent" (switch off), the degree of strain or overload can be set manually via the "Hospital staff work overload" slider (see below). The controller provides an index value. The higher the value, the more the standard care in the hospital is impaired and the higher the risk of death of the intensive care patients.
In the switch position "Care emergency: situational" (switch on), an automatic system is activated which calculates the index value on a daily basis by combining two indicators:
  • the respective sickness rate of the employed agents on the simulation field (on the model-like assumption that this sickness rate can be transferred one-to-one to the hospital workplace),
  • the degree of utilisation of hospital beds (assuming that if the number of intensive care beds demanded significantly exceeds the number available, this excess demand will have a considerable impact on ongoing hospital operations - in the worst case, there is a threat of emergency care in the corridors).
In the "situational" switch position, the controller updates itself automatically. It should not be operated manually at this point.
If no intensive care beds are provided in the simulation, the index value is automatically at 0. It can still be changed manually, but this then has no effect.
off
Hospital staff work overload:
The more the staff is burdened by a shortage of specialists and the associated overtime as well as by self-infections, the more the quality of patient care decreases. A corresponding index value can be defined here. With an index value of 0 (no overload), the chances of survival of an intensive care patient are four times higher than without intensive care. At a degree of overload of 6.7, this value is halved, and at an index of 10 (extreme overload), the chances of survival in and out of hospital are de facto equal; hospitalisation then no longer offers any advantage.
If the index value is above 5, this is signalled in the simulation field by a "hospital" traffic sign.
0
Medical assumptions default
General infection risk:
The program sets the risk of infection to the index value 4. However, lower or higher values are also conceivable. The index value 10 therefore depicts an extremely aggressive virus, which is significantly more infectious than COVID-19. An index value of 1, on the other hand, corresponds more to that of a traditional flu.
4
Risk of infection in public transport:
This slider defines the risk of infection especially in public transport. The prerequisite is that the agents use the bus and train at all (see the "Use of public transport" control).
6
Vaccination effect:
This slider can be used to set the effectiveness of the vaccinations. For example, the default value 85 per cent means that the vaccine is effective in 85 out of 100 people, but not in 15 people. Successfully vaccinated agents turn turquoise, unsuccessfully vaccinated ones remain green (i.e. at risk).
Incidentally, efficacy rates of 65 to 95 per cent have been proven for the current Covid 19 vaccines, depending on the product.
85%
Loss of immunity:
Under certain circumstances, the body of a sick, convalescent or vaccinated person may not build up sufficient long-term immunity against a virus. With the switch set, such a loss of immunity is assumed for all agents.
off
Risk of reinfection:
Here you can set the risk of reinfection after a disease (or after a temporary vaccination). In this case, too, an index value is specified. If it is 10, all agents can in principle re-infect themselves. If it is 1, it only hits about one in ten.
5
Immunity period:
How long a pandemic patient (or vaccinated person) enjoys de facto immunity in the event of an expected loss of immunity can be adjusted here between 5 and 365 days using a slider.
60 days
Immediate contagiousness:
The simulation program assumes that the pandemic can be described in a SEIR model (Susceptible, Exposed, Infectious, Recovered/Removed). This means that there is a latency phase in which the infected are only exposed to the virus, show no symptoms and are also not contagious.
If you now set this switch, it is assumed that the infectiousness (the so-called contagiousness) begins immediately after infection, i.e. without a visible latency phase. The course of the disease thus corresponds more to that of a SIR model (Susceptible, Infectious, Recovered/Removed).
Caution: The switch transforms the (non-infectious) latency phase into a period of infectivity, but does not shorten the time until the disease breaks out. A complete elimination of the latency period (corresponding to a "real" SIR model) can be achieved with the "Incubation" slider (see the "Algorithm settings" area).
off
Economic assumptions default
Location-dependent work:
Here you can set the extent to which the agents' companies carry out work that is tied to certain production locations and therefore cannot be done in the home office. The higher the percentage of location-based work, the lower the benefits in the event of a lockdown.
40%
Interregional businesses:
Here you can define the extent to which the agents' companies operate supra-regionally and are therefore dependent on exports and / or imports. In the event of a complete lockdown or even the closing of the borders (entry bans), their production will be hit hard, so that they have to send their workforces into short-time work (program specification: 50 per cent).
Similar to the heading "Location-dependent work", the same applies here: the higher the percentage of supra-regional companies, the lower the work performance in the event of a lockdown or travel restrictions.
40%
Supply failures:
Even without political restrictions, the economy of the agent society can suffer serious damage. If many people fall ill due to a pandemic, the production of goods inevitably decreases, their transport comes to a standstill, supply chains break down, and thus subsequent products cannot be produced even if there is actually a sufficient number of workers. The more an economy is interconnected and dependent on supply chains, the more dramatic the cuts in the event of disruptions.
The present program takes this fact into account in two ways. In the switch position "Supply failures: permanent" (switch off), the slider "Supply chain disruptions" (see below) can be used to determine the degree to which the agent society is affected by restrictions. The slider provides an index value comparable to the GSCPI (Global Supply Chain Pressure Index) of the New York Federal Reserve Bank. It has a direct influence on the economic performance of the agent society.
In the switch position "Supply failures: situational" (switch on) an automatic is activated. It calculates the index value on the basis of the sickness rate of the employed agents on the simulation field and on the basis of the degree of "supply chain dependency" (see controller below) of the agent society. The "supply chain disruptions" slider updates automatically. It should not be operated manually at this point.
off
Supply chain dependency:
Here you can set the degree to which the agent society is dependent on intermediate products (which may no longer be available due to the pandemic). An index from 0 (no dependence, complete self-sufficiency) to 10 (very high dependence) is preset here. In the switch position "Supply failures: permanent" (see above), the slider has no function.
5
Supply chain disruptions:
This slider indicates the degree of supply chain disruptions. An index from 0 (no disruptions) to 10 (massive disruptions) is preset. Unlike the GSCP index mentioned above, this index does not show negative values. Furthermore, it is not open at the top. This is based on the consideration that with values above 10, the agent society will of necessity switch to compensating for further goods shortages - as far as possible - through its own production or substitute products.
As mentioned above, the slider should not be operated in the switch position "Supply failures: situational"; the latter is taken over by a program-internal automatic.
If the index value is above 5, this is signalled in the simulation field by the traffic sign "Narrowed lane".
0.0
Home office experience:
Not all employees have sufficient home office experience. The proportion of experienced home workers can therefore be determined here in relation to the total number of employees. The percentage is displayed above the slider.
In the "Psychological assumptions" area (see above), an automatism can be called, which gradually increases the home office experience linearly. Percentage display and slider position are then updated accordingly.
0%
Use of public transport:
Here you can set the extent to which the agents use public transport.
If the slider is set to zero, rides between home and work, supermarket, school or leisure facility are not taken into account for the course of the simulation. One could say: all agents are driving (epidemiologically safe) private cars and cannot get infected on the way to their destination.
On the other hand, if the agents use buses and trains (i.e. if the slider has a value higher than zero), they may expose themselves to an increased risk of infection there (see the slider "Risk in public transport").
60%

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.

Pandemic settings default
Course of disease:
The severity of the course of the disease can be defined here. There are seven options to choose from:
   1: imperceptible,
   2: mild,
   3: moderate,
   4: severe (= COVID-19),
   5: very severe,
   6: critical,
   7: fatal.
Option 1 describes a barely noticeable infection, in which the majority of infected persons already recover in the pre-symptomatic stage. Option 7 defines a disease in the course of which, if no intervention is taken, all agents will inevitably die.
4
Focus of risk:
Here you can set which age groups are particularly affected by the pandemic. The program offers the following options:
   +5: extremely high risk for older people,
   +4: very much increased risk for older people,
   +3: greatly increased risk for older people,
   +2: increased risk for older people (= COVID-19),
   +1: moderately increased risk for older people,
     0: risk equally distributed among all age groups,
   –1: moderately increased risk for younger people,
   –2: increased risk for younger people,
   –3: greatly increased risk for younger people,
   –4: very much increased risk for younger people,
   –5: extremely high risk for younger people.
+2
Incubation:
The incubation period, i.e. the period of time from infection to the visible outbreak of the disease, is not the same for all patients. In the case of the COVID-19 pandemic, some people show symptoms after just one day, others after 15 days, and in rare cases up to 25 days. However, most patients fall visibly ill about a week after infection.
The frequency distribution of the diseases in relation to incubation days can be shown in a so-called logarithmic normal distribution. The pandemic laboratory uses such a log-normal distribution as a basic algorithm.
This basic algorithm can be changed here. In addition, a linear frequency distribution is also offered in which the same number of people visibly become ill every day during the assumed incubation period.
Altogether, the following options are available:
   +3: extended log-normal distribution over about 50 days,
   +2: standard log-normal distribution over 25 days (= COVID-19),
   +1: shortened log-normal distribution over 13 days,
     0: infection of all those at risk on the very first day,
   –1: linear distribution over 14 days,
   –2: linear distribution over 26 days,
   –3: linear distribution over 51 days.
Option "0" corresponds to the SIR model (Susceptible, Infectious, Recovered/Removed) for describing epidemics, since here the disease breaks out immediately and not only after a latency period. Compare also the explanations in the paragraph "Immediate contagiousness".
+2

The following options concern the vaccination process.

Vaccination process settings default
Vaccination prioritisation:
In addition to the "Vaccination priority" switch (cf. "Epidemiological measures"), different models of vaccination prioritisation can be selected here:
  1. school (attendance),
  2. school (linkages),
  3. school (cross-linkages),
  4. labour (attendance),
  5. labour (linkages),
  6. labour (cross-linkages),
  7. older persons (60 to 99 years),
  8. middle-aged persons (21 to 59 years),
  9. younger persons (0 to 20 years),
  10. cohort (defined age group),
  11. inverted cohort (persons outside the defined age group),
  12. age, downwards (successively in descending age decades: 90-99, 80-89, 70-79, etc.),
  13. age, upwards (successively in ascending age decades: 0-9, 10-19, 20-29, etc.).
Prioritised in models 1 to 3 are school-goers and their families (household co-residents) if their school (1) is attended by a particularly large number of students, (2) has may linkages or (3) has a high degree of cross-linkages. In models 4 to 6, professionals and their families (household residents) are prioritised if their workplace (4) is attended by a particularly large number of employees, (5) has many linkages or (6) has a high degree of cross-linkages (cf. the explanations in the "Sociometry" section). The assumption behind these models is that the best way to combat an epidemic is to give priority to vaccinating those who are at particularly neuralgic points.
Models 7 to 9 prioritise by age. Here, the age cohorts are fixed: (7) 60 to 99, (8) 21 to 59, (9) 0 to 20 years. In model 10, the prioritised age cohort can be freely determined - with the help of the following two sliders. Model 11 reverses this prioritisation. Here, all those outside the defined cohort are vaccinated first. Models 12 and 13 prioritise strictly according to age decades, starting with (12) the oldest or (13) the youngest.
Once all prioritised agents have been vaccinated (no distinction is made between successful and unsuccessful vaccinations), the vaccines are released to the remaining agents.
7
Vaccination cohort:
This slider can only be used in conjunction with the vaccination prioritisation models 10 and 11 (cohort / inverse cohort). It determines the lowest age of the age cohort to be defined (the width of the cohort is determined with the following slider). The cohort defined in this way is displayed above the slider.
70 years
Cohort width:
This slider determines the width of the defined age cohort (of the vaccination prioritisation model 10 or 11). In combination with the previously mentioned controller, this allows complex age-dependent prioritisations to be described.
30 years

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

Infection switches default
Infection site:
Here you can set the locations where the agents can become infected. In addition to the default setting (0: everywhere), the following places can be selected where the infections will then take place exclusively:
  1. school,
  2. workplace,
  3. supermarket,
  4. recreation area,
  5. at home,
  6. public transport.
Of course, in a real society, people never become infected only in certain, exclusive places and do not pass on their infection only in these very places. The program options here rather serve to explore the general functioning of the simulation model. For example, the option "(only) public transport" makes it easy to observe which groups of people resp. age groups are infected first especially in buses and trains.
Please note that you can only assign the options correctly from the second simulation run after the program has been started, because during the very first loading process (but only then!), the program sets the option "everywhere" as a fixed value and in doing so already determines the "patient zero" (the agent who carries the virus into the simulated society) and his whereabouts before you can make any settings.
The higher you set the "general infection risk", the clearer the results for the respective locations.
0
No new infections:
If you choose this option, further infections in the simulation run will be prevented.
Of course, the sudden end of a pandemic almost "overnight" is unrealistic. In the alternative, however, you can use the switch to experiment with different program settings and to display their effects free of pandemic influences. For this purpose, the switch must be set before the start of a simulation.
See also "Test runs without pandemic".
off

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.

City map default
Attention: The eight-level city type selection described below is only available in edition A of the political laboratory. All changes only apply when a new simulation run is called up.
Big city 1*:
By default, the simulation field shows a map of a large city modelled on the Dutch city of Eindhoven. The households are randomly distributed over the field. Their number can be set between 50 and 450 via the "Households" option (see below); the default is 200 households.
on
Big city 2*:
Here the households appear compactly arranged around the city centre.
off
Big city 3*:
Here the households are more likely to be found on the periphery.
off
Small town 1*:
In this setting, the simulation field shows the map of a small town. This is modelled on the German town of Attendorn. The households are randomly distributed over the field.
off
Small town 2*:
Here the households are compactly arranged around the town centre.
off
Small town 3*:
Here the households are located more on the periphery.
off
Stylised city 1*:
In this setting, the simulation field shows a schematised, symmetrically laid out town with households randomly distributed over the field. The stylisation facilitates the otherwise quite complex analysis of cause-effect relationships. A stylised city basically has 200 households.
off
Stylised city 2*:
Here the 200 households appear in compact, also stylised blocks.
off
Stylised city*:
In edition B, this option replaces the choices described above. It switches between "big city 1" and "stylised city 1".
After setting the switch, the city map shows the schematised, symmetrically laid out city already described above when a new simulation run is called up. Symmetry, being less complex, facilitates the analysis of some interdependencies. The stylised city basically has 200 households.
off
Grey filter*:
Here the background of the map can be set from coloured to grey-filtered. The setting is a matter of taste. A coloured background is more like a "real" map, a grey one better emphasizes the actual simulation elements.
off
Attendance:
The pandemic laboratory is programmed to allow agents to visit workplaces, schools, leisure facilities and supermarkets. The maximum number of visitors in these locations can be made visible here.
In edition A, this switch is located in the "Sociometry" area (see below).
off
Locking function:
If this switch is activated, certain areas on the simulation field can be blocked with a mouse click. More on this in section "Direct input in the simulation field".
on
 
 
off
Slow motion:
In this setting, the agents' routes are shown in slow motion. But note: Since the agents reach their destination a little later this way, they also have less opportunity to become infected there.
off
Agent status default
Infection:
Usually, the agents of the pandemic laboratory are shown as colourful circles outlined in black, with the colour inside the circle reflecting the degree of infection.
on
Infection/age:
In this setting, the agents appear inside the circle in their infection colours; however, the edge indicates their age (white: young, black: employed, grey: retired). The display is difficult to detect during a running simulation; individual agents can be analysed better when the simulation is paused.
off
Age:
Depending on their age, the agents present themselves as black-rimmed white, black or grey circles - white as children, adolescents, young adults up to 20 years of age, black as employees (21 to 65 years old), grey as retirees (over 65 years of age). This colour assignment may also apply to their graves. - The legend of the simulation field is adjusted accordingly.
off
hidden:
In this setting the agents (except for the marked ones, see below) become invisible. However, they continue to operate in the background. This option is useful, for example, when the "Early detection" switch is set. Now you are able to better monitor the blockage of individual households (quarantine) and the subsequent lifting of the respective blockade. The activities of marked agents can also be optimally tracked in this way (see below).
off
Test marker:
If the switch is set, tested agents are displayed in special colours: positively tested agents dark red, negatively tested agents dark green. This makes it easy to follow the development of the virus tests.
In the "hidden" setting (see above), the marked agents remain visible. They can therefore also be viewed in isolation.
off
Vaccination marker:
If this switch is set, it is the vaccinated agents that are displayed in special colours: prioritised vaccinated neon green, non-prioritised vaccinated neon turquoise.
These marked agents also remain visible in the "hidden" setting (see above) and can be viewed in isolation in this way.
It should be noted, however, that marked tested and vaccinated agents can only be displayed alternatively. In addition, both markers are only available in edition A.
off
Households default
Households*:
The number of households can be selected in increments of 50 from 50 to 450 (with approx. 100 to approx. 1000 people). This option can be used to test whether and to what extent the population density has an impact on the infection process. - The setting applies only to normal cities, not to the stylised variant.
200
Autocorrection default
School (cf. school capacity diagram):
If the function is switched off, the program assigns the same productivity to each school. For example, if there are six schools in the simulation field, each school is assigned exactly one sixth of the total productivity. Accordingly, the latter decreases by a sixth when a school has to close.
If autocorrection is activated, the program weights the individual school capacities according to the number of students attending the respective institution. A school with 40 students provides (or loses) more capacity than one with only 10 visitors.
A display with autocorrection is more precise, but a display without correction offers more transparency and is easier to understand visually.
Switching the autocorrection on or off during a running simulation should be avoided, as the percentage values displayed in the diagram will otherwise lose their consistency.
on
 
 
off
Labour (cf. labour volume diagram):
At the beginning of a simulation run, the program calculates the effective work output of all employees at the end of the first working day. This value serves as a 100 per cent basis for all subsequent calculations.
The mentioned procedure has a disadvantage: If a simulation starts, for example, in lockdown, the resulting reduced work is still calculated as 100 per cent output. If the lockdown is lifted later, the work output now rises significantly above 100, in extreme cases even to more than 1000 per cent. To avoid these irritating values, you can activate the autocorrection. If it is switched on, the program always adjusts the actual work performance to a 100 per cent scale.
Switching on or off the autocorrection during a running simulation should be avoided, as the percentage values displayed in the data monitor can otherwise no longer be reconstructed.
on
 
 
off
Week display default
Labour*:
With this switch the diagram "Labour volume" can be switched from daily to weekly display. However, as with the following switches, this requires a new simulation run.
on
Recreation*:
With this switch the diagram "Recreational consumption" is switched from daily to weekly display.
off
Supermarket*:
Here you can switch the diagram "Supermarket visits" from daily to weekly display.
off
Traffic*:
This switch sets the display of the "Passenger traffic" diagram from daily values to totalised weekly values.
off
Sociometry default
 

Attention: The options described in this section are only available in edition A of the pandemic lab.

Viruses spread so quickly because infected people attend different places (such as schools, workplaces, leisure facilities) in their daily lives and infect other people there. An effective pandemic response (e.g. a vaccination campaign or even a blockade of certain locations) can start at precisely these points of spread - and here in particular at mass spread sites ("hotspots").
The pandemic laboratory defines three types of mass spread sites:
  1. Places that have a high attendance overall: the more visitors, the higher the risk of infection.
  2. Places that are linked via a particularly large number of households: For example, the children of a household attend a school, and the parents work in different offices. This creates indirect links between the school and the offices, as well as between the two offices. The higher the number of such linkages, the more likely infection.
  3. Places that connect social sub-networks (such as city districts) of the agent city with each other, i.e. that contribute in a special way to cross-linking the region as a whole: These places do not necessarily have to show high attendance or a high degree of linkage; what is important is that they form the link of networked subsystems and are thus particularly suitable for spreading the virus from one subsystem to another.
The buttons in the "Sociometry" section can be used to display the respective spread risk of the locations visited by the agents on the simulation field. The results appear on the locations in white (and, if blocked, in red) circles.
No display:
No numbers are displayed. This makes it easier to observe the movements of the agents at the respective locations.
on
Attendance:
The (maximum) numbers of visitors to the respective locations (schools, workplaces, leisure facilities, supermarkets) are shown.
off
Linkages:
This option documents the number of links between schools and workplaces (for definition see above). At the same time, a large, red crossed-out (later open) eye appears on the simulation field below the clock. If you click on this eye with the mouse, all links between schools and workplaces (but also between each other) are shown as connecting lines. The wider the lines, the stronger the degree of linkage. Simple links are shown in light blue, stronger links in dark blue, and very strong links in reddish brown. A further click on the eye switches the display off again.
off
Cross-linkages:
This option visualises the degree of interconnectedness of the respective location, related to schools and workplaces (for definition see above). Here, too, the eye on the simulation field can be used to show and hide the connecting lines (which still show the linkages!). In this way, the degrees of linkage and cross-linkage can be compared "at a glance".
off
  The following two switches are connected to the sociometric selection switches described above. With their help, households that are particularly at risk are highlighted on the simulation field, which plays a decisive role, for example, in the question of which households would have to be vaccinated first or also isolated to combat the pandemic. Highlighted households are coloured orange. Both switches can be combined.
School marker:
This option marks various households, depending on the above setting:
  • in the "No display" position: all households with (day-care or school-age) children or young people (0 to 20 years),
  • in the position "Attendance": all households whose young inhabitants attend schools with above-average attendance,
  • in the position "Linkages": all households whose young residents attend schools with an above-average number of linkages,
  • in the position "Cross-linkages": all households whose young residents attend schools with an above-average number of cross-linkages.
off
Workplace marker:
The second option, too, marks various households, depending on the above setting:
  • in the position "No display": all households with active workers (21 to 65 years),
  • in the position "Attendance": all households whose working residents visit highly frequented workplaces,
  • in the position "Linkages": all households whose employed residents visit workplaces with an above-average number of linkages,
  • in the position "Cross-linkages": all households whose employed residents visit workplaces with an above-average degree of cross-linkages.
off

Layout examples

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

Simulation field layout: examples
Big city 1, 50 households Big city 1, 450 households
Big city 2, 200 households Big city 3, 200 households
Small town 1, 200 households Small town 1, 450 households
Small town 2, 200 households Small town 3, 200 households
Stylised city 1, 200 households Stylised city 2, 200 households
Big city 1, 350 households,
marking: households with children
Big city 1, 200 households
with attendance figures
Big city 1, 200 households
with linkage figures and linkage lines
Big city 1, 200 households
with cross-linkage figures, without linkage lines
Big city 1, 200 households, slow motion,
attendance, partially blocked locations
Big city 1, 200 households,
hidden agents, partially blocked locations
Big city 1, 300 households, grey filter Stylised city 1, 200 households, grey filter
Agent identification: examples
Display "Infection/age" Display "Age"
Agents tested positive or negative,
marked and isolated
Priority and non-priority vaccinated agents,
marked and isolated

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.

Simulation process default
Automatic stop at the end of the simulation:
If this switch is set, the simulation is automatically stopped at its "natural" end (all agents are either recovered, vaccinated or dead). The end is signalled on the simulation field by the traffic sign "stop".
By pressing one of the play buttons (for example slow, fast or super fast) the simulation can be continued. However, this only makes sense if the pandemic is subsequently reignited, for example by assuming "Loss of immunity".
The continued simulation does not automatically stop a second time.
on
Auto reset: acceptance, experience*:
When restarting a simulation, all the last settings made for measures and assumptions are usually retained. In the case of the automatics for acceptance and home office experience, which make continuous changes in the simulation settings, this may not be desirable.
Therefore, if the switch is activated, the figures of these parameters are automatically set to the initial values 100 per cent (acceptance) and 0 per cent (experience) at every simulation restart. Value displays and sliders adjust accordingly.
off

 
 
 
 
 
 
 
 
Pseudo-random numbers*:
By default, the pandemic lab works with chains of defined random numbers, so-called pseudo-random numbers (cf. the section "The generation of the random numbers"). This mode can be switched off here. Subsequently, "random random numbers" (i.e. unique, non-repeatable random numbers) are used. In this setting, the so-called "black box mode", the repeat, back and reset keys of the navigation bar are disabled, as there is nothing more to navigate. Only the red button ("New simulation with new random generator") is enabled.
Please note that you cannot switch this button directly. A switch only becomes effective when you have pressed the red navigation button at least once in between so that the program's random mode can realign itself.
Since the switch makes a fundamental change to the program function, a warning signal sounds when it is switched off (if audio output is activated, see below).
on

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.

Audio default
Process:
The switch enables the output of audio signals that accompany some events in the simulation process:
  • the admission of an ill agent to hospital,
  • the death of an agent,
  • the end of the simulation (autostop).
Note that in order to avoid sound collapse, the audio output is basically disabled in the "super fast forward" setting.
off
Automatisms:
This switch activates additional audio signals. They denote changes in the automated program sequences:
  • automatic warnings from the pandemic warning app,
  • the end of prioritisation during a vaccination campaign,
  • the end of the automatic "decrease in acceptance",
  • the end of the automatic "increase in home office experience",
  • an overload of hospital staff that exceeds the index value 5,
  • a supply chain disruption that exceeds the index value 5.
Here, too, the audio output remains inactive during "super fast forward".
off
Volume default
Volume:
This control sets the volume of the signal output.
70%

The signals in detail:

Audio signals: process Icon
Admission to hospital:
Each admission of an agent to hospital is accompanied by a short clicking sound.
Death:
This sound denotes the death of an agent.
Simulation end:
The closing chime indicates the "natural" end of the simulation (no more sick people). It supports the corresponding visual cue.
Audio signals: automatisms Icon
Warning by warning app:
This signal sounds whenever the pandemic warning app warns at least once in a day (and thus possibly initiates the quarantine of some agents).
End of vaccination prioritisation:
This sound signals that vaccination prioritisation has ended and vaccines are now released to everyone.
End of acceptance automation:
This signal indicates the end of the automated acceptance decline.
End of experience automation:
This signal indicates the end of the automated increase in home office experience.
High hospital staff work overload index:
This sound indicates that the hospital staff overload index has risen above 5. A later decrease of the value below 5 is not indicated acoustically. Incidentally, the signal is only emitted if the care emergency is set to "situational".
High supply chain disruption index:
This signal indicates that the supply chain disruption index has risen above 5. If the value later falls below 5 again, this is not indicated acoustically. The signal is only output if the supply failures are set to "situational".

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.

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

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

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.

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

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

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

turns the data monitor display on or off.
opens a quick start guide.
Progress bar
The bar on the long key shows the progress of the simulation. By pressing the key (several times), the following options can be selected:
  • display from 0 to 100 per cent every 100 days (identifier "100", bar colour: green),
  • display from 0 to 100 per cent every 1000 days (identifier "1000", colour according to design specification, standard),
  • display from 0 to 100 per cent within 10,000 days (identifier "10K", colour: red). At the beginning of the 10,000th day, the simulation basically ends.
In the latter mode, the bar displays the current "filling quantity" of the data monitor, so to speak.
In the Opera browser, the filling colour of the progress bar is the same in all three modes because it is fixed by the producer.

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

Data monitor settingsdefault
Display lines specifies (in steps of ten) the number of lines within limited display.10
Interval defines the display interval (every day, every 2nd day, etc.).1
Separator* determines the separator between the individual data (semicolon, comma, space, colon, or vertical line).space
Font size determines the font size of the data display (if the following switch is not set).10pt
Standard size specifies a font size.on
Alternate background outputs the data rows alternating with white and gray backgrounds (zebra effect).on
* A new simulation run is required for activation.
configurationdefault
Infection state shows or hides the corresponding area in the standard display.on
Indicators shows or hides the corresponding area in the standard display.on
Measures shows or hides the corresponding area in the standard display.on
Assumptions shows or hides the corresponding area in the standard display.on
Algorithms shows or hides the corresponding area in the standard display.on

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.

Data sheet 1: Standard display

Standard display ()
DayCurrent day at midnight, 24:00 (day 0: first day at 0:00)
Infection state
p1Number of uninfected, but susceptible people
p2Number of people exposed to the virus
p3Number of people with pre-symptoms
p4Number of people infected
p5Number of seriously ill people
p6Number of critically ill people
p7Number of people recovered
p8Number of people deceased
p9Number of people successfully vaccinated
ICP
(= Intensive Care Patients)
Number of people in intensive care units
Indicators
CFR
(= Case Fatality Rate)
Death rate (number of deceased divided by the sum of deceased and recovered)
IR
(= Infection Rate)
Infection rate (number of infected, recovered and deceased in relation to the total population, in per cent)
R
(= R value)
Basic reproduction number (number of people infected on average by an infected person)
I7
(= I7 value)
7-day incidence (number of new infections per 1000 [not 100,000!] inhabitants within the last 7 days)
ICU%
(= Intensive Care Units)
Utilization of the existing intensive care beds in per cent (over 100 per cent: collapse of the system)
Sch%
(= School capacity)
School capacity in per cent
Lab%
(= Labour volume)
Labour volume in per cent (economic output)
Rec#
(= Recreational consumption)
Recreational consumption of all agents (in hours per day)
Sup#
(= Supermarket visits)
Supermarket visits of all agents (in hours per day)
Tra#
(= Traffic volume)
Passenger traffic (number of trips per day)
Measures
1. General measures
1Distance, masks, hand disinfection
0: switched off
1: switched on
Ac
(= Acceptance)
Acceptance of the measures (in per cent)
xActivation of a pandemic warning app
0: switched off
1: switched on
WA
(= Warning app)
Use of warning app (in per cent)
D
(= Delay)
Delay of warning (in days)
xInterregional entry bans
0: switched off
1: switched on
Tr
(= Travel intensity)
Travel intensity (travel-related infections per week)
xPurchase restrictions (one buyer per household)
0: switched off
1: switched on
xExtensive lockdown
0: switched off
1: switched on
2. Measures for events
20: Admissibility of major events
1: Limited admissibility of major events
2: Ban on major events
Li
(= Limit)
Attendance limit (in per cent)
3. Measures for hospitals
30: No provision of intensive care beds
1: Admission of critical cases only
2: Admission of serious and critical cases
Cp
(= Capacity)
Hospital capacity (number of intensive care beds)
xEarly detection (tests)
0: switched off
1: switched on
TD
(= Tests per day)
Tests per day
EI
(= Earliest indication)
Earliest indication (after ... latency days)
TI
(= Test interval)
Test interval (in days)
4. Epidemiological measures
40: No vaccination measures
1: Vaccination recommended
2: Vaccination required
VD
(= Vaccinations per day)
Vaccinations per day (number of persons)
VO
(= Vaccine opponents)
Vaccine opponents (in per cent)
xVaccination priority
0: switched off
1: switched on
5. Measures for schools
50: No school-specific measures
1: Alternating lessons (if required)
2: No school attendance of infected students
3: Closure of school at the first case of illness
4: Individual closure, family isolation
5: Individual closure, isolation of all families
6: Closing of all schools
OL
(= Online learning)
Online learning (maximum effect in per cent)
xAbolition of distance rules for students
0: switched off
1: switched on
AL
(= Age limit)
Age limit (in years) for the cancellation
xAlternating lessons
0: mostly
1: strictly
6. Measures for companies
60: No special measures
1: Home office in case of illness
2: Home office also for risk groups
3: Home office for everyone (if possible)
RA
(= Risk age)
Risk age (55 and older to 65 and older)
Vi
(= Vital employees)
Vital employees (in per cent)
Assumptions
Psychological assumptions
70: Constant acceptance of the measures ( )
1: Linear decrease in acceptance ( )
2: Exponential decrease in acceptance
A
(= Acceptance curve)
Acceptance curve
1:
2:
3:
4:
5:
6:
7:
8:
Len
(= Length)
Loss of acceptance (in days)
xIncreasing experience in the home office
0: switched off
1: switched on
LP
(= Learning progress)
Learning progress per week (in per cent)
xCare emergency
0: permanent
1: situational
CWl
(= Care workload index)
Hospital staff work overload (index value)
Medical assumptions
GR
(= General infection risk)
General infection risk (index value)
RT
(= Infection risk in public transport)
Risk of infection in public transport (index value)
VE
(= Vaccination effect)
Vaccination effect (in per cent)
xLoss of immunity
0: switched off
1: switched on
RR
(= Risk of reinfection)
Risk of reinfection (index value)
IP
(= Immunity period)
Immunity period (days)
xImmediate contagiousness
0: switched off
1: switched on
Economic assumptions
Ld
(= Location-dependent
work)
Location-dependent (i.e. not home office capable) work (in per cent)
IB
(= Interregional businesses)
Interregional (i.e. import / export dependent) businesses (in per cent)
xSupply failures
0: permanent
1: situational
Dp
(= Supply chain dependency)
Supply chain dependency (index value)
SCI
(= Supply chain index)
Supply chain disruptions (index value)
Exp
(= Experience)
Home office experience (as a percentage of all employees)
PT
(= Public transport)
Use of public transport (in per cent)
Algorithms
C
(= Course of disease)
Course of disease
1: imperceptible
2: mild
3: moderate
4: severe (= COVID-19)
5: very severe
6: critical
7: fatal
FR
(= Focus of risk)
Focus of risk
+5: extremely high risk for older people
+4: very much increased risk for older people
+3: greatly increased risk for older people
+2: increased risk for older people (= COVID-19)
+1: moderately increased risk for older people
  0: risk equally distributed among all age groups
–1: moderately increased risk for younger people
–2: increased risk for younger people
–3: greatly increased risk for younger people
–4: very much increased risk for younger people
–5: extremely high risk for younger people
Ic
(= Incubation)
Incubation
+3: extended log-normal distribution over about 50 days
+2: standard log-normal distribution over 25 days (= COVID-19)
+1: shortened log-normal distribution over 13 days
  0: infection of all those at risk on the very first day
–1: linear distribution over 14 days
–2: linear distribution over 26 days
–3: linear distribution over 51 days
VP
(= Vaccination prioritisation)
Vaccination prioritisation
  1: school (attendance)
  2: school (linkages)
  3: school (cross-linkages)
  4: labour (attendance)
  5: labour (linkages)
  6: labour (cross-linkages)
  7: older persons (60 to 99 years)
  8: middle-aged persons (21 to 59 years)
  9: younger persons (0 to 20 years)
10: cohort (defined age group)
11: inverted cohort (persons outside the defined age group)
12: age, downwards (successively in descending age decades)
13: age, upwards (successively in ascending age decades)
VC
(= Vaccination cohort)
Vaccination cohort (initial year)
CW
(= Cohort width)
Cohort width (years)
S
(= Infection site)
Infection site
0: everywhere
1: school
2: workplace
3: supermarket
4: recreation area
5: at home
6: public transport
xNo new infections
0: switched off
1: switched on

Data sheet 2: Display of age cohorts under 50 years

Display of age cohorts under 50 years ()
DayCurrent day at midnight, 24:00 (day 0: first day at 0:00)
Age group 0-9 years
p1Number of uninfected, but susceptible people in the age group
p2Number of people exposed to the virus in the age group
p3Number of people with pre-symptoms in the age group
p4Number of infected people in the age group
p5Number of seriously ill people in the age group
p6Number of critically ill people in the age group
p7Number of people recovered in the age group
p8Number of deceased people in the age group
p9Number of successfully vaccinated people in the age group
Age group 10-19 years
p1 - p9see above
Age group 20-29 years
p1 - p9see above
Age group 30-39 years
p1 - p9see above
Age group 40-49 years
p1 - p9see above

Data sheet 3: Display of age cohorts from 50 years

Display of age cohorts from 50 years ()
DayCurrent day at midnight, 24:00 (day 0: first day at 0:00)
Age group 50-59 years
p1 - p9see above
Age group 60-69 years
p1 - p9see above
Age group 70-79 years
p1 - p9see above
Age group 80-89 years
p1 - p9see above
Age group 90-99 years
p1 - p9see above

Data sheet 4: Display of the database

Display of the database ()
RunIndependent simulation run (without repetitions)
ModeSimulation mode
C1: Big city 1
C2: Big city 2
C3: Big city 3
T1: Small town 1
T2: Small town 2
T3: Small town 3
S1: Stylised city 1
S2: Stylised city 2
Pers.Number of people (agents) in the simulation run
Household types: parents/children*
1/0Number of single households
1/1Number of single-parent households with one child
1/2Number of single-parent households with two children
1/3Number of single-parent households with two children
2/0Number of households of type "couple without children"
2/1Number of households of type "couple with one child"
2/2Number of households of type "couple with two children"
2/3Number of households of type "couple with three children"
Misc
(= Miscellaneous)
Number of other households
(P)Total number of people in the "other/miscellaneous" household type
* Those referred to here as "children" can in fact already be adults.
Profession
SNumber of "students", i.e. of children and adolescents (here: people up to 20 years), including:
16-Number of under-16s
16+Number of 16 to 20 year olds
ENumber of people in employment (people aged 21 to 65), including:
E++Number of employees with very high effectiveness** in the home office
E+Number of employees with high effectiveness** in the home office
E+-Number of employees with moderately high effectiveness** in the home office
E-Number of employees with low effectiveness** in the home office
E--Number of employees without possibility** to the home office
RtNumber of retirees (people aged 66 and over)
** The information refers to the start of the simulation run. The values can change during the run.

Data sheet 5: Display of medical records

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

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

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)

End of simulation
App warning
Vaccination priority
Entry ban
Loss of acceptance
Increase in experience
Care emergency
Supply chain disruptions

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

3. Program concept and algorithms

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:

Agent type Monday Tuesday Wednesday Thursday Friday Saturday Sunday
Students 9 a.m. - 4 p.m.
school
9 a.m. - 4 p.m.
school
9 a.m. - 4 p.m.
school
9 a.m. - 4 p.m.
school
9 a.m. - 4 p.m.
school
up to 15 years:
6 - 8 p.m.
recreational
area,
from 16 years:
3:30 - 5:30 p.m.
supermarket,
6 - 10 p.m.
recreational
area
11 a.m. - 3 p.m.
recreational
area
Employees 7:30 a.m. - 5 p.m.
workplace,
5:30 - 6:30 p.m.
supermarket
7:30 a.m. - 5 p.m.
workplace,
5:30 - 6:30 p.m.
supermarket
7:30 a.m. - 5 p.m.
workplace,
5:30 - 6:30 p.m.
supermarket
7:30 a.m. - 5 p.m.
workplace,
5:30 - 6:30 p.m.
supermarket
7:30 a.m. - 5 p.m.
workplace,
5:30 - 6:30 p.m.
supermarket
11 a.m. - 1 p.m.
supermarket,
6 - 8 p.m.
recreational
area
11 a.m. - 3 p.m.
recreational
area
Retirees sometime
between
10 a.m. and 7 p.m.
supermarket
1.5 hours
sometime
between
10 a.m. and 7 p.m.
supermarket
1.5 hours
sometime
between
10 a.m. and 7 p.m.
supermarket
1.5 hours
sometime
between
10 a.m. and 7 p.m.
supermarket
1.5 hours
sometime
between
10 a.m. and 7 p.m.
supermarket
1.5 hours
sometime
between
10 a.m. and 7 p.m.
supermarket
1.5 hours
11 a.m. - 3 p.m.
recreational
area
The different lengths of leisure activities reflect the divergent leisure behaviour of the different age groups.
Although employees spend nine and a half hours at the "workplace", they de facto work there for only eight hours. The rest of the time consists of travel to the workplace (of varying length) and breaks during or after working hours. The assumption is that agents are contagious at the place of work only during the actual work.

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:

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

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

Agent type Monday Tuesday Wednesday Thursday Friday Saturday Sunday
Short-time workers
(odd age)
7:30 a.m. - 5 p.m.
workplace,
5:30 - 6:30 p.m.
supermarket
7:30 a.m. - 5 p.m.
workplace,
5:30 - 6:30 p.m.
supermarket
7:30 a.m. - 5 p.m.
workplace,
5:30 - 6:30 p.m.
supermarket
5:30 - 6:30 p.m.
supermarket
5:30 - 6:30 p.m.
supermarket
11 a.m. - 1 p.m.
supermarket,
6 - 8 p.m.
recreational
area
11 a.m. - 3 p.m.
recreational
area
Short-time workers
(even age)
5:30 - 6:30 p.m.
supermarket
5:30 - 6:30 p.m.
supermarket
5:30 - 6:30 p.m.
supermarket
7:30 a.m. - 5 p.m.
workplace,
5:30 - 6:30 p.m.
supermarket
7:30 a.m. - 5 p.m.
workplace,
5:30 - 6:30 p.m.
supermarket

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

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

Work performance

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

In "normal" times, the program assumes an economic output of 100 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.

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

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:

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

With regard to the chance of surviving the pandemic, the program assumes a link with age. For example, the following table shows that an infected 50-year-old is 20 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).

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

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.

4. Useful lifehacks

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

5. Technical information and data references

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).

6. Bibliography

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

Aksamentov, I., Noll, N., Neher, R. (2020): COVID-19 Scenario webapp. 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.

7. Development kit

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.

8. User licence and contact

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.


English text created by automatic translator
Version 3

Pandemielabor

Simulation von Strategien
zur Eindämmung von COVID-19

Frank U. Kugelmeier – St.-Ursula-Gymnasium Attendorn
(auf Basis des "Politiklabors" von Ben Vermeulen, Andreas Pyka, Matthias Müller –
Universität Hohenheim)

Benutzerhandbuch


Inhalt
0. Vorbemerkung
1. Die Benutzeroberfläche
1.1 Die Struktur der Benutzeroberfläche
1.2 Das Simulationsfeld
1.3 Die Ergebnisgraphen
1.3.1    Infektionsgeschehen
1.3.2    Intensivbetten-Auslastung
1.3.3    Schulkapazität
1.3.4    Arbeitsvolumen
1.3.5    Freizeitkonsum
1.3.6    Supermarktnutzung
1.3.7    Personenverkehr
1.3.8    Akzeptanz
1.3.9    Erfahrung
1.3.10    Pflegenotstand
1.3.11    Lieferengpässe
1.3.12    Infektionsgrade nach Alterskohorten
1.4 Weitere Anzeigefelder
1.4.1    Nummer des Simulationslaufs
1.4.2    Simulationstag und -woche
1.4.3    Letzter Schieberegler-Wert
1.4.4    Legende und Datenfeld
1.5 Die Erzeugung der Zufallszahlen
2. Die Programmsteuerung
2.1 Bedienelemente
2.2 Allgemeine Programmfunktionen
2.3 Das Feld "Maßnahmen"
2.3.1    Allgemeine Maßnahmen
2.3.2    Maßnahmen für Veranstaltungen
2.3.3    Maßnahmen für Krankenhäuser
2.3.4    Epidemiologische Maßnahmen
2.3.5    Maßnahmen für Schulen
2.3.6    Maßnahmen für Unternehmen
2.4 Das Feld "Annahmen"
2.4.1    Psychologische Annahmen
2.4.2    Medizinische Annahmen
2.4.3    Ökonomische Annahmen
2.5 Algorithmen-Einstellungen
2.6 Stadtplan- und Diagramm-Einstellungen
2.6.1    Einstell-Optionen
2.6.2    Layout-Beispiele
2.7 Allgemeine Einstellungen
2.7.1    Simulationsverlauf
2.7.2    Audioausgabe
2.8 Direkteingabe im Simulationsfeld
2.8.1    Sperrung von Bereichen
2.8.2    Anzeige von Verbindungen
2.9 Datenmonitor
2.9.1    Standardanzeige
2.9.2    Anzeige der Alterskohorten unter 50 Jahren
2.9.3    Anzeige der Alterskohorten ab 50 Jahren
2.9.4    Anzeige der Datenbasis
2.9.5    Anzeige der Krankenakten
3. Programmkonzept und -algorithmen
3.1 Das Pandemielabor als Multi-Agenten-System
3.2 Algorithmen
3.2.1    Agententypen
3.2.2    Tätigkeiten
3.2.3    Arbeitsleistung
3.2.4    Infektionen
4. Tipps & Tricks
4.1 Systemvoraussetzungen
4.2 Hardware-Probleme
4.3 Testläufe ohne Pandemie
4.4 Worst-Case-Szenario
4.5 Häufig gestellte Fragen
5. Technische Informationen und Datenreferenzen
6. Literaturverzeichnis
7. Entwickler-Werkzeug
8. Nutzungsrechte und Kontakt

Vorbemerkung

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

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

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

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

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

Hier kommt das vorliegende 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. Die Benutzeroberfläche

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:

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

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

Stopp: Dieses Zeichen zeigt das Ende des Simulationslaufs an (alle Agenten sind entweder genesen, geimpft oder verstorben).
Achtung: Das Zeichen zeigt sich immer dann, wenn die Pandemie-Warn-App pro Tag mindestens einen aktiven Fall meldet.
Besondere Beachtung: Angezeigt wird dieses Zeichen, solange während einer Impfmaßnahme Priorisierte geimpft werden.
Zollgrenze: Dieses Zeichen signalisiert, dass aktuell ein Einreiseverbot besteht.
Gefälle: Hierdurch wird signalisiert, dass die Automatik, die die Akzeptanz-Abnahme reguliert, aktiv ist.
Steigung: Dieses Zeichen meldet, dass die Automatik, die die Home-Office-Erfahrung steigen lässt, aktiv ist.
Krankenhaus: Dieses Zeichen weist darauf hin, dass der Überlastungs-Index (bezogen auf die Arbeit des Krankenhaus-Personals) höher als 5 liegt.
Verengte Fahrbahn: Dieses Zeichen zeigt an, dass der Lieferketten-Störungs-Index höher als 5 liegt.

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:

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:

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:

Diverse Anzeigen
Rechts neben dem Kalendersymbol mit einem rot markierten Feld ist der gerade gültige Simulationstag notiert.
Rechts neben dem Kalendersymbol mit sieben rot markierten Feldern wird die aktuelle Simulationswoche angezeigt. Wie auch auf dem Rand der Uhr im Simulationsfeld sind hier ungerade Wochen in Rot, gerade Wochen in Grün ausgewiesen.


Im Bereich rechts neben der Tages-/Wochen-Anzeige wird als Erstes der Abspielmodus ausgegeben ("Pause", "Kleiner Schritt", "Großer Schritt", "Langsamer Verlauf", "Schneller Verlauf", "Superschneller Verlauf").

Im Standardmodus verwendet das Programm Pseudo-Zufallszahlen. Dies wird durch eine weiße Zahlenbox symbolisiert. Ist der "Blackbox-Modus" (zufällige Zufallszahlen, vgl. "Allgemeine Einstellungen") aktiviert, erscheint hier eine solche "Blackbox". Beide Einstellungen lassen sich auch auf der Neustart-Taste (Reset) ablesen.

Das Pandemielabor orientiert sich in seinen Grundeinstellungen an der wissenschaftlichen Datenbasis zu COVID-19. Mithilfe einiger Algorithmen-Einstellungen (Krankheitsverlauf, Risikoschwerpunkt, Inkubation) lassen sich diese Werte grundlegend ändern und sogar in ihr Gegenteil verkehren. Wird das Programm im "Covid-19-Modus" betrieben, zeigt sich im Anzeigefeld ein Coronavirus-Symbol, bei Änderung der Grundeinstellungen erscheint ein gelbes Warndreieck.

Ist in der Rubrik Audioausgabe (vgl. "Allgemeine Einstellungen") mindestens ein Schalter aktiviert, wird dies durch ein Lautsprechersymbol angezeigt. Sind alle Audio-Schalter deaktiviert, wird das Lautsprechersymbol durchgestrichen. Bitte beachten: Im Abspielmodus "Superschneller Verlauf" ist die Audioausgabe (auch bei gesetzten Audioschaltern) immer ausgeschaltet. Dies wird hier korrekt angezeigt.
Fortschrittsbalken
Der Balken auf der Taste unterhalb der Tag-/Wochen-Anzeige visualisiert (in Prozent), wie weit die Simulation fortgeschritten ist. Durch (mehrfachen) Tastendruck kann zwischen Anzeigen im 100-, 1000- oder 10.000-Tage-Rhythmus gewählt werden. Nähere Informationen hierzu finden sich in den Erläuterungen zum Datenmonitor.

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. Die Programmsteuerung

2.1 Bedienelemente

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

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

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


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

2.2 Allgemeine Programmfunktionen

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

Sprachauswahl









Das Pandemielabor kann in folgenden Sprachen aufgerufen werden:
 
  • Deutsch,
  • Englisch,
  • Französisch,
  • Spanisch,
  • Portugiesisch,
  • Italienisch,
  • Niederländisch,
  • Polnisch,
  • Türkisch,
  • Esperanto.

Das vorliegende Handbuch und die Datenmonitor-Kurzhilfe sind allerdings nur auf Deutsch und auf Englisch verfügbar.
Externe Seiten
Dieser Knopf führt zurück zur Startseite.
Dieser Schaltknopf verlinkt auf das Online-Politiklabor der Universität Hohenheim, den Vorläufer des hier vorliegenden Pandemielabors.


Je nach Edition des Pandemielabors werden hier unterschiedliche Knöpfe angezeigt:
  • In Edition A kann man über den B- bzw. C-Schaltknopf zur Edition B bzw. C wechseln.
  • Ebenso kann man aus Edition B heraus über den A- und den C-Knopf die Editionen A bzw. C aufrufen.
  • In Edition C lassen sich über die Knöpfe A und B die Editionen A bzw. B aufrufen.
Die Sprachauswahl bleibt beim Wechsel erhalten.
Der Schaltknopf ruft das themenverwandte Programm "MiniLab" auf, eine "Pandemie-Simulation für Einsteiger" und Ergänzung zum Pandemielabor. Die gewählte Sprache wird übernommen.
Der Schaltknopf aktiviert den externen Pandemierechner "PathoGen", der Informationen über die pandemischen Verläufe unterschiedlicher viraler und bakterieller Erreger liefert. Auch hier wird die gewählte Sprache übernommen.
Über diesen Schaltknopf kann in einem separaten Fenster das vorliegende Handbuch geöffnet werden.
Steuerung des Simulationslaufs
Pause:
Die Simulation kann jederzeit angehalten und dann mit Hilfe einer Schritt- oder Verlauf-Taste fortgesetzt werden.
Kleiner Schritt:
Diese Taste ermöglicht innerhalb der Simulation Vorwärts-Sprünge von 15 Minuten. Danach wird der Lauf angehalten.
Großer Schritt:
Diese Taste gestattet größere Sprünge. Sie variieren, je nach Einstellung (siehe unten), zwischen 30 Minuten und einem ganzen Tag (24 Stunden).
Die Einstellungen sind nur in Kombination mit der Taste "Großer Schritt" wirksam.
Langsamer Verlauf:
Die Simulation wird kontinuierlich in mäßiger Geschwindigkeit abgespielt.
Schneller Verlauf:
Die Simulation wird kontinuierlich relativ schnell abgespielt.
Superschneller Verlauf:
Die Simulation wird sehr schnell abgespielt. Die Geschwindigkeit lässt sich per Schieberegler (siehe unten) einstellen. Ist der Schalter "Autostopp" (siehe unten) gesetzt, stoppt die Simulation nach einem definierten Zeitintervall automatisch, kann aber durch neuerliches Betätigen der Taste in einem weiteren Intervall fortgesetzt werden.
Die Position "x1" entspricht der Abspielgeschwindigkeit des "schnellen Verlaufs". Die Wertvorgabe "x100" ist nur symbolisch zu sehen, da die tatsächliche Abspielgeschwindigkeit in hohem Maße von der verwendeten Hardware abhängt.
Autostopp:
Bei geschlossenem Schalter hält die Simulation, sofern sie im "superschnellen Verlauf" ausgeführt wird, nach einem definierten Zeitintervall automatisch an. Durch erneutes Betätigen der Taste "Superschneller Verlauf" lässt sie sich fortsetzen (bis sie am Ende des nächsten Intervalls wiederum pausiert). - Bei offenem Schalter läuft die Simulation so lange, bis sie manuell angehalten wird.
Achtung: Die Autostopp-Funktion bezieht sich ausschließlich auf den "superschnellen Verlauf". Außerdem ist sie nur in den Editionen A und B verfügbar.
Hier lässt sich das Autostopp-Zeitintervall in 100er-Schritten auf 100 bis 1000 Tage festlegen. Eine Änderung der Einstellung wird erst nach einem Autostopp oder beim Start eines neuen Simulationslaufs wirksam.

Wiederholung:
Ein Simulationslauf kann mit gleicher Agentenzahl sowie gleicher Zahl und Zusammensetzung der Haushalte wiederholt werden. Da das Programm in seinen Grundeinstellungen keinen willkürlichen Zufallsgenerator verwendet, sondern mit sogenannten festen Zufallszahlenreihen arbeitet, erscheinen bei einer Wiederholung, falls keine Einstellungen verändert wurden, exakt dieselben Ergebnisse wie beim vorherigen Lauf. - Aber Achtung: Änderungen in der Zahl der Haushalte und/oder im Bereich "normale/stilisierte Stadt" führen automatisch dazu, dass sich die Wiederholungs-Taste wie die Taste "Neue Simulation" (siehe unten) verhält.
Zu beachten ist außerdem: Im sogenannten "Blackbox-Modus" (aufrufbar nur in Edition A) ist die Taste stets deaktiviert.
Neue Simulation:
Diese Taste generiert grundsätzlich eine neue Simulation mit neuen Zufallszahlen, d. h. mit neuen Agentenzahlen und Haushaltszusammensetzungen.

Vorheriger Simulationsgenerator:
Diese "Rückwärts"-Taste ruft den jeweils vorherigen Zufallszahlengenerator auf; die Anzeige der Simulationsläufe zählt dabei zurück. Ist der erste Zufallszahlengenerator erreicht, bleibt die Taste wirkungslos.
Im "Blackbox-Modus" (verfügbar nur in Edition A) ist die Taste grundsätzlich deaktiviert.

Neustart:
Diese "Reset"-Taste setzt das Programm zurück auf den ersten Zufallszahlengenerator. Aber Achtung: Alle sonstigen Programmeinstellungen bleiben erhalten, so dass der "erste" Lauf nicht zwangsläufig den Initialwerten bei Programmstart entspricht.
Wird Lauf Nummer 1 ausgeführt, bleibt die Taste naturgemäß wirkungslos.
Auch im "Blackbox-Modus" (verfügbar nur in Edition A) ist die Taste deaktiviert. Statt des Reset-Symbols zeigt sie nun eine "Blackbox" an.
Die Anzahl der Simulationstage pro Lauf ist auf 9999 (d. h. auf etwa 27 Jahre!) begrenzt. Bei Erreichen der Höchstzahl hält das Programm an. Natürlich können anschließend weitere Simulationsläufe durchgeführt werden.
Benutzeroberfläche
Farbwahl:
Durch (wiederholtes) Drücken dieser Taste kann das farbliche Design der Benutzeroberfläche variiert werden. Es stehen zehn Farbvarianten zur Verfügung. Beachten Sie bitte, dass das tatsächlich gezeigte Design browserabhängig ist.

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.

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

2.4 Das Feld "Annahmen"

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

Psychologische Annahmen Startwert
Konstante Akzeptanz der Maßnahmen:
Das Pandemielabor versucht einen "menschlichen Faktor" in die Simulation einzubringen, indem es auch die psychische Verfassung der Agenten berücksichtigt. In der Grundeinstellung wird eine sehr gefestigte Grundhaltung der Bevökerung angenommen. Der in der Rubrik "Akzeptanz" festgelegte Prozentsatz an Agenten akzeptiert die auferlegten Gebote (Abstandsregeln, Maskenpflicht usw.) durchgängig. Liegt der Akzeptanzwert zum Beispiel bei 95 Prozent, bleibt dieser Wert also während des gesamten Simulationslaufs - auch über Jahre hinweg - bestehen.
In der Praxis ist eine solche Annahme allerdings eher unrealistisch.
ein
Lineare Abnahme der Akzeptanz:
Angenommen wird deshalb hier, dass die Akzeptanz der gesundheitspolitischen Maßnahmen, sei es aus Ungeduld und Überdruss, sei es aus politischer Opposition, im Lauf der Zeit nachlässt. Modelliert wird eine lineare Abnahme (bis auf null) über einen definierten Zeitraum, der sich mit dem Regler "Akzeptanz-Verlust" (siehe unten) festlegen lässt.
aus
Exponentielle Abnahme der Akzeptanz:
In dieser Einstellung nimmt die Akzeptanz nicht linear, sondern exponentiell ab. Ist die Automatik zur (linearen oder exponentiellen) Verringerung der Akzeptanz eingeschaltet und aktiv (!), wird dies im Simulationsfeld durch ein "Gefälle"-Verkehrszeichen signalisiert.
aus
Akzeptanz-Kurve:
Für die Modellierung der exponentiellen Abnahme stehen acht Kurventypen zur Verfügung. In Kurventyp 1 bleibt die Akzeptanz über eine lange Zeit hinweg relativ hoch und nimmt erst gegen Ende eines definierten Zeitraums rapide exponentiell ab. Kurventyp 8 generiert eine zunächst stark, dann flacher abfallende exponentielle Kurve. Die übrigen Kurventypen liegen in ihrem Verlauf zwischen diesen beiden Extremen (siehe unten).
Rechts neben dem Schieberegler wird die ausgewählte Kurve in stilisierter Form angezeigt.
1:
2:
3:
4:
5:
6:
7:
8:
Auch die konstante ( ) und die linear abfallende Option ( ) werden hier berücksichtigt.
2
Akzeptanz-Verlust:
Über welchen Zeitraum sich der Akzeptanz-Verlust erstreckt, lässt sich hier einstellen. Die Vorgaben des Programms sind 100, 125, 150, 175 oder 200 Tage.
Die Tageszahl setzt voraus, dass der ursprüngliche Akzeptanzwert bei 100 Prozent liegt. Ist er niedriger, erreicht die Akzeptanz den Wert "null Prozent" schon früher.
100 Tage
Lineare Akzeptanz
Konstante Akzeptanz (95%) Lineare Abnahme
Exponentielle Abnahme
Kurve 1 Kurve 5
Kurve 2 Kurve 6
Kurve 3 Kurve 7
Kurve 4 Kurve 8
Zunahme an Erfahrungen im Home-Office:
Angenommen wird hier, dass die Agenten im Lauf der Zeit im Umgang mit dem Home-Office Erfahrungen hinzugewinnen und dadurch auf Dauer effektiver von zu Hause aus arbeiten können (sofern ihr Beruf home-office-tauglich ist). Bei gesetztem Schalter nimmt der Erfahrungswert wöchentlich um einen bestimmten Prozentsatz zu (vgl. dazu den folgenden Schieberegler).
Auch hier gilt: Liegen die Anfangserfahrungen der Agenten nicht bei null Prozent, sondern höher (zum Beispiel bei einem Wert von 20 Prozent), werden die 100 Prozent Gesamterfahrung früher erreicht.
Ist die Automatik zur Steigerung der Erfahrung eingeschaltet und aktiv (!), wird dies im Simulationsfeld durch ein "Steigungs"-Verkehrszeichen signalisiert.
aus
Lernzuwachs pro Woche:
Hier lässt sich einstellen, um wie viel Prozent pro Woche die Home-Office-Erfahrungen zunehmen.
4%
Pflegenotstand:
Eine ausgeprägte Pandemie belastet - besonders in der Intensivpflege im Krankenhaus - das betreuende medizinische Personal stark. Diese Belastung kann hier auf zweierlei Weise eingestellt werden:
In der Schalterstellung "Pflegenotstand: permanent" (Schalter aus) lässt sich der Grad der Be- bzw. Überlastung über den Regler "Arbeitsüberlastung" (siehe unten) manuell festlegen. Der Regler liefert einen Indexwert. Je höher der Wert, desto mehr ist die Regelversorgung im Krankenhaus beeinträchtigt und desto höher ist das Sterberisiko der Intensivpatienten.
In der Schalterstellung "Pflegenotstand: situativ" (Schalter an) wird eine Automatik aktiviert, die den Indexwert durch die Kombination zweier Indikatoren tagesaktuell berechnet:
  • anhand des jeweiligen Krankenstands der erwerbstätigen Agenten auf dem Simulationsfeld (in der modellhaften Annahme, dass dieser Krankenstand eins zu eins auf den Arbeitsplatz Krankenhaus übertragbar ist),
  • anhand des Auslastungsgrads der Krankenhausbetten (in der Annahme, dass, wenn die Zahl der nachgefragten Intensivbetten die der vorhandenen deutlich übersteigt, diese Übernachfrage den laufenden Krankenhausbetrieb erheblich beeinträchtigt - schlimms­tenfalls droht eine Notversorgung auf den Gängen).
Der Regler aktualisiert sich in der Schalterstellung "situativ" automatisch. Er sollte jetzt nicht von Hand betätigt werden.
Werden in der Simulation keine Intensivbetten zur Verfügung gestellt, liegt der Indexwert automatisch bei 0. Er kann zwar noch manuell verändert werden, doch hat dies dann keine Auswirkungen.
aus
Arbeitsüberlastung:
Gemeint ist, siehe oben, die Arbeitsüberlastung des Krankenhauspersonals. Je höher das Personal durch Fachkräftemangel und damit verbundene Überstunden sowie durch Eigeninfektionen belastet ist, desto mehr sinkt die Qualität der Patientenversorgung. Ein entsprechender Indexwert lässt sich hier festlegen. Bei einem Indexwert von 0 (keine Überlastung) sind die Überlebenschancen eines Intensivpatienten viermal so hoch wie ohne intensivmedizinische Versorgung. Bei einem Überlastungsgrad von 6,7 halbiert sich dieser Wert, bei einem Index von 10 (extreme Überlastung) liegen die Überlebenschancen inner- und außerhalb des Krankenhauses de facto gleichauf; eine Hospitalisierung bietet dann also keinen Vorteil mehr.
Liegt der Indexwert über 5, wird dies im Simulationsfeld durch ein "Krankenhaus"-Verkehrszeichen signalisiert.
0
Medizinische Annahmen Startwert
Allgemeines Infektionsrisiko:
Das Infektionsrisiko wird vom Programm auf den Indexwert 4 gesetzt. Denkbar sind aber natürlich auch niedrigere oder höhere Werte. Der Indexwert 10 bildet demgemäß ein extrem aggressives Virus ab, das in seiner Infektiösität deutlich über der von COVID-19 liegt. Ein Indexwert von 1 entspricht hingegen eher dem einer traditionellen Grippe.
4
Risiko in öffentlichen Verkehrsmitteln:
Dieser Regler legt das Infektionsrisiko speziell in öffentlichen Verkehrsmitteln fest. Voraussetzung ist, dass die Agenten überhaupt Bus und Bahn benutzen (vgl. hierzu den Regler "Nutzung öffentlicher Verkehrsmittel").
6
Impfwirkung:
Mit diesem Regler lässt sich die Effektivität der Impfungen einstellen. Der Vorgabewert 85 Prozent bedeutet zum Beispiel, dass der Impfstoff bei 85 von 100 Personen anschlägt, bei 15 Personen jedoch nicht. Erfolgreich geimpfte Agenten färben sich türkis, erfolglos geimpfte bleiben grün (d. h. gefährdet).
Für die gängigen Covid-19-Impfstoffe sind übrigens, je nach Produkt, Wirkungsgrade von 65 bis 95 Prozent nachgewiesen.
85%
Immunitätsverlust:
Unter Umständen baut der Körper eines Erkrankten, Genesenen bzw. Geimpften keine hinreichende Langzeit-Immunität gegen ein Virus auf. Bei gesetztem Schalter wird hier ein solcher Immunitätsverlust für alle Agenten angenommen.
aus
Risiko einer Neuinfektion:
Hier lässt sich das Risiko einer erneuten Infektion nach überstandener Krankheit (oder nach einer temporären Impfung) ablesen. Vorgegeben wird auch in diesem Fall ein Indexwert. Liegt er bei 10, können sich im Prinzip alle Agenten neu infizieren. Liegt er bei 1, trifft es nur etwa jeden zehnten.
5
Immunitätszeitraum:
Wie lange ein Pandemie-Patient (bzw. Geimpfter) bei zu erwartendem Immunitätsverlust de facto Immunität genießt, ist hier per Regler zwischen 5 und 365 Tagen zu justieren.
60 Tage
Sofortige Ansteckungsgefahr
Das Simulationsprogramm unterstellt, dass die Pandemie sich in einem SEIR-Modell (Susceptible, Exposed, Infectious, Recovered/Removed) beschreiben lässt. Das heißt, dass es eine Latenzphase gibt, in der die Infizierten dem Virus nur ausgesetzt (exposed) sind, keine Symptome zeigen und auch nicht ansteckend sind.
Setzt man nun den vorliegenden Schalter, wird angenommen, dass die Ansteckungsfähigkeit (die sogenannte Kontagiosität) unmittelbar nach der Infektion, also ohne sichtbare Latenzphase einsetzt. Der Krankheitsverlauf entspricht damit eher dem eines SIR-Modells (Susceptible, Infectious, Recovered/Removed).
Achtung: Der gesetzte Schalter verwandelt die (nicht-infektiöse) Latenzphase zwar in eine Zeit der Infektiosität, verkürzt dadurch aber nicht die Zeit bis zum Ausbruch der Krankheit. Eine komplette Streichung der Latenzzeit (im Sinne eines "echten" SIR-Modells) lässt sich mit dem Regler "Inkubation" (vgl. den Bereich "Algorithmen-Einstellungen") erreichen.
aus
Ökonomische Annahmen Startwert
Ortsgebundene Arbeit:
Einstellen lässt sich hier, in welchem Umfang die Agentengesellschaft Arbeit betreibt, die an bestimmte Fertigungsorte gebunden ist und daher nicht im Home-Office erledigt werden kann. Je höher der Prozentsatz an ortsgebundener Arbeit, desto geringer die Leistungen im Falle eines Lockdowns.
40%
Überregionale Unternehmen:
Hier kann man definieren, zu welchem Grad die Unternehmen der Agentengesellschaft überregional agieren und damit von Exporten und/oder Importen abhängig sind. Im Fall eines kompletten Lockdowns oder auch nur der Schließung der Grenzen (Einreiseverbote) wird ihre Produktion empfindlich getroffen, so dass sie ihre Belegschaften in Kurzarbeit (Programmvorgabe: 50 Prozent) schicken müssen.
Analog zur Rubrik "Ortsgebundene Arbeit" gilt auch hier: Je höher der Prozentsatz an überregionalen Unternehmen, desto geringer die Arbeitsleistung im Falle eines Lockdowns oder von Reiserestriktionen.
40%
Lieferengpässe:
Auch ohne politische Restriktionen kann die Ökonomie der Agentengesellschaft empfindlichen Schaden nehmen. Erkranken viele Menschen pandemiebedingt, geht zwangsläufig die Produktion von Waren zurück, ihr Transport gerät ins Stocken, Lieferketten reißen ab, und so können Folgeprodukte selbst bei einer eigentlich ausreichenden Zahl von Arbeitskräften nicht hergestellt werden. Je mehr eine Volkswirtschaft vernetzt ist und von Lieferketten abhängt, desto dramatischer die Einschnitte bei Störungen.
Das vorliegende Programm trägt diesem Faktum auf zweierlei Weise Rechnung. In der Schalterstellung "Lieferengpässe: permanent" (Schalter aus) lässt sich über den Regler "Lieferketten-Störungen" (siehe unten) festlegen, bis zu welchem Grad die Agentengesellschaft von Engpässen betroffen ist. Der Regler liefert einen Indexwert, der dem GSCPI (Global Supply Chain Pressure Index) der New Yorker Federal Reserve Bank nachempfunden ist. Er hat unmittelbaren Einfluss auf die volkswirtschaftliche Leistung der Agentengesellschaft.
In der Schalterstellung "Lieferengpässe: situativ" (Schalter an) wird eine Automatik aktiviert, die den Indexwert anhand des jeweiligen Krankenstands der erwerbstätigen Agenten auf dem Simulationsfeld sowie anhand des Grads der "Lieferketten-Abhängigkeit" (siehe Regler unten) der Agentengesellschaft berechnet. Der Regler "Lieferketten-Störungen" aktualisiert sich hierbei automatisch. Er sollte jetzt von Hand nicht betätigt werden.
aus
Lieferketten-Abhängigkeit:
Hier lässt sich einstellen, bis zum welchem Grad die Agentengesellschaft von (möglicherweise pandemiebedingt nicht mehr lieferbaren) Vorprodukten abhängig ist. Vorgegeben ist ein Index von 0 (keine Abhängigkeit, völlige Autarkie) bis 10 (sehr hohe Abhängigkeit). In der Schalterstellung "Lieferengpässe: permanent" (siehe oben) hat der Regler keine Funktion.
5
Lieferketten-Störungen:
Dieser Regler weist den Grad der Störungen von Lieferketten aus. Vorgegeben ist ein Index von 0.0 (keine Störungen) bis 10.0 (massive Störungen). Anders als der weiter oben angesprochene GSCP-Index zeigt dieser Index keine Negativwerte. Darüber hinaus ist er nach oben nicht offen. Dem liegt die Überlegung zugrunde, dass bei Werten über 10 die Agentengesellschaft notgedrungen dazu übergehen wird, weitere Warenausfälle - so weit möglich - durch Eigenproduktion oder Ersatzprodukte zu kompensieren.
Wie oben schon vermerkt, sollte der Regler in der Schalterstellung "Lieferengpässe: situativ" nicht betätigt werden. Letzteres übernimmt eine programminterne Automatik.
Liegt der Indexwert über 5, wird dies im Simulationsfeld durch das Verkehrszeichen "Verengte Fahrbahn" signalisiert.
0.0
Home-Office-Erfahrung:
Nicht alle Beschäftigten verfügen über hinreichende Home-Office-Erfahrung. Festgelegt werden kann hier deshalb der Anteil der erfahrenen Heimarbeiter in Relation zur Gesamtzahl der Beschäftigten. Der Prozentsatz wird oberhalb des Schiebereglers angezeigt.
Im Bereich "Psychologische Annahmen" (siehe oben) lässt sich ein Automatismus aufrufen, der die Home-Office-Erfahrung sukzessive linear erhöht. Prozentanzeige und Schiebereglerposition werden dann entsprechend aktualisiert.
0%
Nutzung öffentlicher Verkehrsmittel:
Hier lässt sich einstellen, in welchem Ausmaß die Agenten öffentliche Verkehrsmittel nutzen.
Steht der Regler auf null, werden die Fahrten zwischen Wohnung und Arbeitsplatz, Supermarkt, Schule oder Freizeitanlage für den Infektionsverlauf nicht berücksichtigt. Man könnte sagen: Alle Agenten fahren in (epidemiologisch sicheren) privaten Pkw und können sich während der Fahrt nicht anstecken.
Nutzen die Agenten hingegen Bus und Bahn (d. h. hat der Regler einen höheren Wert als null), setzen sie sich dort möglicherweise einem erhöhten Infektionsrisiko aus (vgl. hierzu den Regler "Risiko in öffentlichen Verkehrsmitteln").
60%

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.

Pandemie-Einstellungen Startwert
Krankheitsverlauf:
Definierbar ist hier der Schweregrad des Krankheitsverlaufs. Gewählt werden kann zwischen sieben Optionen:
   1: unmerklich,
   2: mild,
   3: moderat,
   4: schwer (= COVID-19),
   5: sehr schwer,
   6: kritisch,
   7: tödlich.
Option 1 beschreibt eine kaum wahrnehmbare Infektion, bei der ein Großteil der Infizierten bereits im Stadium der Präsymptomatik wieder gesundet. Option 7 definiert eine Erkrankung, in deren Verlauf, falls nicht interveniert wird, unweigerlich alle Agenten sterben.
4
Risikoschwerpunkt:
Hier lässt sich einstellen, welche Altersgruppen von der Pandemie besonders betroffen sind. Das Programm bietet folgende Optionen:
   +5: extrem stark erhöhtes Risiko für ältere Personen,
   +4: sehr stark erhöhtes Risiko für ältere Personen,
   +3: stark erhöhtes Risiko für ältere Personen,
   +2: erhöhtes Risiko für ältere Personen (= COVID-19),
   +1: mäßig erhöhtes Risiko für ältere Personen,
     0: gleichmäßig auf alle Altersgruppen verteiltes Risiko,
   –1: mäßig erhöhtes Risiko für jüngere Personen,
   –2: erhöhtes Risiko für jüngere Personen,
   –3: stark erhöhtes Risiko für jüngere Personen,
   –4: sehr stark erhöhtes Risiko für jüngere Personen,
   –5: extrem stark erhöhtes Risiko für jüngere Personen.
+2
Inkubation:
Die Inkubationszeit, das heißt: die Zeitperiode von der Ansteckung bis zum sichtbaren Ausbruch der Krankheit, ist nicht bei allen Patienten gleich lang. Im Fall der COVID-19-Pandemie zeigen einige Personen bereits nach einem Tag Symptome, andere Personen erst nach 15 Tagen, in seltenen Fällen sogar erst nach bis zu 25 Tagen. Die meisten Patienten erkranken allerdings sichtbar etwa eine Woche nach der Ansteckung.
Die Häufigkeitsverteilung der Erkrankungen nach Inkubationstagen lässt sich in einer sogenannten logarithmischen Normalverteilung darstellen. Das Pandemielabor nutzt eine solche log-normale Verteilung als Basisalgorithmus.
Dieser Basisalgorithmus lässt sich hier verändern. Zusätzlich angeboten wird zudem eine lineare Häufigkeitsverteilung, in der während der angenommenen Inkubationsperiode jeden Tag gleich viele Personen sichtbar erkranken.
Insgesamt gibt es folgende Auswahlmöglichkeiten:
   +3: ausgedehnte log-normale Verteilung über etwa 50 Tage,
   +2: standardmäßige log-normale Verteilung über 25 Tage
         (= COVID-19),
   +1: verkürzte log-normale Verteilung über 13 Tage,
     0: Ansteckung aller Gefährdeten gleich am ersten Tag,
   –1: lineare Verteilung über 14 Tage,
   –2: lineare Verteilung über 26 Tage,
   –3: lineare Verteilung über 51 Tage.
Die Option "0" entspricht dem SIR-Modell (Susceptible, Infectious, Recovered/Removed) zur Beschreibung von Epidemien, da hier die Krankheit sofort und nicht erst nach einer Latenzzeit ausbricht. Vergleiche dazu auch die Ausführungen im Absatz "Sofortige Ansteckungsgefahr".
+2

Die folgenden Optionen betreffen den Impfprozess.

Impfprozess-Einstellungen Startwert
Impfpriorisierung:
In Ergänzung zum Schalter "Impfpriorität" (vgl. "Epidemiologische Maßnahmen") kann hier zwischen verschiedenen Modellen der Impfpriorisierung gewählt werden:
  1. Schule (Besucherzahl),
  2. Schule (Verknüpfungen),
  3. Schule (Vernetzungen),
  4. Arbeit (Besucherzahl),
  5. Arbeit (Verknüpfungen),
  6. Arbeit (Vernetzungen),
  7. Ältere (60 bis 99 Jahre),
  8. mittlere Jahrgänge (21 bis 59 Jahre),
  9. Jüngere (0 bis 20 Jahre),
  10. Kohorte (definierte Altersgruppe),
  11. inverse Kohorte (Personen außerhalb der definierten Altersgruppe),
  12. Alter, abwärts (sukzessiv in absteigenden Altersdekaden: 90-99, 80-89, 70-79 usw.),
  13. Alter, aufwärts (sukzessiv in aufsteigenden Altersdekaden: 0-9, 10-19, 20-29 usw.).
Priorisiert werden in den Modellen 1 bis 3 Schulbesucher und deren Familien (Haushalts-Mitbewohner), sofern ihre Schule (1) von besonders vielen Schülern besucht wird, (2) viele Verknüpfungen oder (3) einen hohen Vernetzungsgrad aufweist. Priorisiert werden in den Modellen 4 bis 6 Berufstätige und deren Familien (Haushalts-Mitbewohner), falls ihr Arbeitsplatz (4) von besonders vielen Mitarbeitern besucht wird, (5) viele Verknüpfungen oder (6) einen hohen Vernetzungsgrad aufweist (vgl. hierzu die Erläuterungen in der Rubrik "Soziometrie"). Hinter diesen Modellen steht die Annahme, dass sich eine Epidemie am besten dadurch bekämpfen lässt, dass diejenigen, die sich an besonders neu­ralgischen Punkten aufhalten, vorrangig geimpft werden.
Die Modelle 7 bis 9 priorisieren nach Alter. Hierbei sind die Alterskohorten fest vorgegeben: (7) 60 bis 99, (8) 21 bis 59, (9) 0 bis 20 Jahre. Im Modell 10 ist die priorisierte Alterskohorte - unter Zuhilfenahme der beiden folgenden Schieberegler - frei bestimmbar. Modell 11 kehrt diese Priorisierung um: Zuerst geimpft werden hier alle, die sich außerhalb der definierten Kohorte befinden. Die Modelle 12 und 13 priorisieren streng nach Altersdekaden, beginnend mit (12) den Ältesten oder (13) den Jüngsten.
Sind alle Priorisierten geimpft (wobei nicht zwischen erfolgreich und erfolglos Geimpften unterschieden wird), werden die Impfstoffe für die restlichen Agenten freigegeben.
7
Impfkohorte:
Dieser Regler ist nur in Verbindung mit den Impfpriorisierungs-Modellen 10 und 11 (Kohorte/inverse Kohorte) nutzbar. Er legt das niedrigste Alter der zu definierenden Alterskohorte fest (die Breite der Kohorte wird mit dem folgenden Regler bestimmt). Über dem Regler wird die solchermaßen definierte Kohorte angezeigt.
70 Jahre
Kohortenbreite:
Dieser Regler bestimmt die Breite der definierten Alterskohorte (des Impfpriorisierungs-Modells 10 oder 11). In Verbindung mit dem zuvor genannten Regler lassen sich hierdurch komplexe altersabhängige Priorisierungen beschreiben.
30 Jahre

Am Ende komplettieren zwei Generalschalter die Algorithmen-Einstellungen.

Infektions-Schalter Startwert
Infektionsort:
Hier lässt einstellen, an welchen Orten sich die Agenten infizieren können. Neben der Standardvorgabe (0: überall) können folgende Orte gewählt werden, an denen die Infektionen dann ausschließlich stattfinden:
  1. Schule,
  2. Arbeitsplatz,
  3. Supermarkt,
  4. Freizeitbereich,
  5. zu Hause,
  6. öffentlicher Verkehr.
Selbstverständlich infizieren sich Menschen in einer realen Gesellschaft niemals nur an bestimmten, exklusiven Orten und geben ihre Infektion auch nicht nur an eben diesen Orten weiter. Die Programmoptionen dienen hier eher dazu, die generelle Funktionsweise des Simulationsmodells zu ergründen. So lässt sich zum Beispiel über die Option "(nur) öffentlicher Verkehr" auf einfache Weise beobachten, welche Personen- bzw. Altersgruppen sich in Bus und Bahn zuerst anstecken.
Beachten Sie bitte, dass Sie die Optionen erst ab dem zweiten Simulationslauf nach Programmstart korrekt zuweisen können, da das Programm während des allerersten Ladevorgangs (aber nur dann!) die Einstellung "überall" fest vorgibt und dabei den "Patienten Zero" (den Agenten, der das Virus in die simulierte Gesellschaft trägt) und seine Aufenthaltsorte bereits festlegt, bevor Sie Einstellungen vornehmen können.
Je höher Sie das "allgemeine Infektionsrisiko" ansetzen, desto deutlicher fallen die Ergebnisse für die jeweiligen Aufenthaltsorte aus.
0
Keine weiteren Infektionen:
Wählt man diese Option, werden weitere Infektionen im Simulationslauf unterbunden.
Natürlich ist das plötzliche Ende einer Pandemie quasi "über Nacht" unrealistisch. Hilfsweise kann man den Schalter jedoch benutzen, um mit verschiedenen Programmeinstellungen zu experimentieren und sich deren Auswirkungen frei von pandemischen Einflüssen anzeigen zu lassen. Zu diesem Zweck muss der Schalter bereits vor Beginn eines Simulationslaufs gesetzt sein.
Vgl. hierzu auch den Abschnitt "Testläufe ohne Pandemie".
aus

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.

Stadtplan Startwert
Achtung: Die im Folgenden beschriebene achtstufige Stadttypen-Auswahl steht nur in Edition A des Pandemielabors zur Verfügung. Alle Änderungen gelten erst bei Aufruf eines neuen Simulationslaufs.
Großstadt 1*:
In der Standardeinstellung zeigt das Simulationsfeld den Plan einer Großstadt, die der niederländischen Stadt Eindhoven nachempfunden ist. Die Haushalte sind zufällig über das Feld verteilt. Ihre Zahl kann über die Option "Haushalte" (siehe unten) zwischen 50 und 450 festgelegt werden; Standard sind 200 Haushalte.
ein
Großstadt 2*:
Hier erscheinen die Haushalte kompakt um das Stadtzentrum angeordnet.
aus
Großstadt 3*:
Hier sind die Haushalte eher in der Peripherie zu finden.
aus
Kleinstadt 1*:
In dieser Einstellung zeigt das Simulationsfeld den Plan einer Kleinstadt. Diese ist der deutschen Stadt Attendorn nachgebildet. Die Haushalte sind zufällig über das Feld verteilt.
aus
Kleinstadt 2*:
Hier sind die Haushalte kompakt um das Stadtzentrum angeordnet.
aus
Kleinstadt 3*:
Hier befinden sich die Haushalte eher in der Peripherie.
aus
Stilisierte Stadt 1*:
In dieser Einstellung zeigt das Simulationsfeld eine schematisierte, symmetrisch angelegte Stadt mit zufällig über das Feld verteilten Haushalten. Die Stilisierung erleichtert die ansonsten recht komplexe Analyse von Wirkungszusammenhängen. Eine stilisierte Stadt weist grundsätzlich 200 Haushalte auf.
aus
Stilisierte Stadt 2*:
Hier erscheinen die 200 Haushalte in kompakten, ebenfalls stilisierten Blöcken.
aus
Stilisierte Stadt*:
Diese Option ersetzt in Edition B die oben beschriebenen Auswahlmöglichkeiten. Sie schaltet zwischen "Großstadt 1" und "stilisierter Stadt 1" um.
Der Stadtplan zeigt nach Setzen des Schalters bei Aufruf eines neuen Simulationslaufs die schon oben beschriebene schematisierte, symmetrisch angelegte Stadt. Hierdurch sind einige Wirkungszusammenhänge, weil weniger komplex, optisch deutlicher zu erkennen. Die stilisierte Stadt weist grundsätzlich 200 Haushalte auf.
aus
Graufilter:
Hier lässt sich der Untergrund der Karte von farbig auf graugefiltert setzen. Die Einstellung ist eine Geschmacksfrage. Ein farbiger Untergrund entspricht eher einer "echten" Karte. Graustufen heben die eigentlichen Simulationselemente besser hervor.
aus
Besucherzahl:
Das Pandemielabor ist so programmiert, dass die Agenten Arbeitsplätze, Schulen, Freizeiteinrichtungen und Supermärkte aufsuchen. Die Maximalzahl der Besucher in diesen Lokalitäten kann hier sichtbar gemacht werden.
In Edition A ist dieser Schalter in den Bereich "Soziometrie" (siehe unten) ausgelagert.
aus
Sperrfunktion:
Ist dieser Schalter aktiviert, lassen sich auf dem Simulationsfeld per Mausklick bestimmte Zonen sperren. Mehr dazu im Abschnitt "Direkteingabe im Simulationsfeld".
ein
 
 
aus
Zeitlupe:
In dieser Einstellung werden die Wege der Agenten in Zeitlupe dargestellt. Aber Achtung: Da die Agenten auf diese Weise ihren Zielort etwas später erreichen, haben sie dort auch weniger Gelegenheit, sich zu infizieren.
aus
Agentenstatus Startwert
Infektion:
Üblicherweise werden die Agenten des Pandemielabors als bunte, schwarz umrandete Kreise dargestellt, wobei die Farbe im Kreisinnern den Infektionsgrad widerspiegelt.
ein
Infektion/Alter:
In dieser Einstellung erscheinen die Agenten im Kreisinnern in ihren Infektionsfarben; der Rand verweist jedoch auf ihr jeweiliges Alter (weiß: jung, schwarz: berufstätig, grau: verrentet). Die Anzeige ist während einer laufenden Simulation nur schwer zu erkennen; einzelne Agenten sind bei angehaltener Simulation besser zu analysieren.
aus
Alter:
Hier präsentieren sich die Agenten je nach Lebensalter als schwarz umrandete weiße, schwarze oder graue Kreise - als Kinder, Jugendliche, junge Erwachsene bis 20 Jahre weiß, als Erwerbstätige (21 bis 65 Jahre) schwarz, als Rentner (über 65 Jahre) grau. Diese Farbzuweisung gilt gegebenenfalls auch für ihre Gräber. - Die Legende des Simulationsfelds wird entsprechend angepasst.
aus
verborgen:
In dieser Einstellung werden die Agenten (mit Ausnahme der markierten, siehe unten) unsichtbar. Sie agieren jedoch im Hintergrund weiter. Nützlich ist diese Option zum Beispiel, um bei gesetztem "Früherkennung"-Schalter die Blockierung einzelner Haushalte (Quarantäne) sowie die spätere Aufhebung der jeweiligen Blockade besser beobachten zu können. Auch lassen sich so die Aktivitäten markierter Agenten optimal nachvollziehen (siehe unten).
aus
Testmarker:
Ist der Schalter gesetzt, werden getestete Agenten in Sonderfarben dargestellt: positiv Getestete dunkelrot, negativ Getestete dunkelgrün. So kann man die Entwicklung der Virustestungen gut verfolgen.
In der Einstellung "verborgen" (siehe oben) bleiben die markierten Agenten sichtbar. Sie lassen sich also auch isoliert betrachten.
aus
Impfmarker:
Ist dieser Schalter gesetzt, sind es die geimpften Agenten, die in Sonderfarben dargestellt werden: priorisiert Geimpfte neongrün, nicht-priorisiert Geimpfte neontürkis.
Auch diese markierten Agenten bleiben in der Einstellung "verborgen" (siehe oben) sichtbar und können auf diese Weise isoliert betrachtet werden.
Zu beachten ist allerdings, dass markierte getestete und geimpfte Agenten sich nur wahlweise anzeigen lassen. Zudem gibt es beide Marker nur in Edition A.
aus
Haushalte Startwert
Haushalte*:
Die Anzahl der Haushalte ist in 50er-Schritten von 50 bis zu 450 (mit ca. 100 bis zu etwa 1000 Personen) wählbar. Mit dieser Option lässt sich testen, ob bzw. inwiefern die Bevölkerungsdichte Einfluss auf das Infektionsgeschehen hat. - Die Einstellung gilt nur für normale Städte, nicht für die stilisierte Variante.
200
Autokorrektur Startwert
Schule (vgl. Diagramm "Schulkapazität"):
Ist die Funktion ausgeschaltet, ordnet das Programm jeder Schule die gleiche Produktivität zu. Gibt es auf dem Simulationsfeld zum Beispiel sechs Schulen, wird jeder Schule genau ein Sechstel der Gesamtproduktivität zugewiesen. Entsprechend nimmt Letztere um ein Sechstel ab, wenn eine Schule geschlossen werden muss.
Bei eingeschalteter Autokorrektur gewichtet das Programm die individuellen Schulkapazitäten gemäß der Zahl der Schüler, die die jeweilige Institution besuchen. Eine Schule mit 40 Schülern liefert (oder verliert) also mehr Kapazität als eine mit nur 10 Besuchern.
Eine Anzeige mit Autokorrektur ist präziser, eine Anzeige ohne Korrektur bietet hingegen mehr Transparenz und lässt sich optisch besser nachvollziehen.
Das An- bzw. Abschalten der Autokorrektur während einer laufenden Simulation sollte man vermeiden, da die im Diagramm angezeigten Prozentwerte sonst ihre Konsistenz verlieren.
ein
 
 
aus
Arbeit (vgl. Diagramm "Arbeitsvolumen"):
Zu Beginn eines Simulationslaufs berechnet das Programm am Ende des ersten Arbeitstags die effektive Arbeitsleistung aller Beschäftigten. Dieser Wert dient als 100-Prozent-Basis für alle späteren Berechnungen.
Das genannte Verfahren hat einen Nachteil: Startet eine Simulation z. B. im Lockdown, wird die hieraus resultierende verminderte Arbeit dennoch als hundertprozentige Leistung berechnet. Hebt man den Lockdown später auf, steigt die Arbeitsleistung nun deutlich über 100, im Extremfall sogar auf mehr als 1000 Prozent. Um diese irritierenden Werte zu vermeiden, kann man die Autokorrektur aktivieren. Ist sie eingeschaltet, passt das Programm die konkrete Arbeitsleistung immer in eine 100-Prozent-Skala ein.
Ein An- bzw. Abschalten der Autokorrektur während einer laufenden Simulation sollte vermieden werden, da sich die im Datenmonitor angezeigten Prozentwerte sonst nicht mehr nachvollziehen lassen.
ein
Wochenanzeige Startwert
Arbeit*:
Mit diesem Schalter lässt sich das Diagramm "Arbeitsvolumen" von täglicher auf wöchentliche Anzeige umschalten. Hierzu ist allerdings, wie auch bei den folgenden Schaltern, ein neuer Simulationslauf erforderlich.
ein
Freizeit*:
Mit diesem Schalter wird das Diagramm "Freizeitkonsum" von täglicher auf wöchentliche Anzeige umgeschaltet.
aus
Supermarkt*:
Hier lässt sich das Diagramm "Supermarktnutzung" von Tages- auf Wochenanzeige umschalten.
aus
Verkehr*:
Dieser Schalter setzt die Anzeige des Diagramms "Personenverkehr" von Tageswerten auf summierte Wochenwerte.
aus
Soziometrie Startwert
 

Achtung: Die in dieser Rubrik beschriebenen Optionen stehen nur in Edition A des Pandemielabors zur Verfügung.

Viren verbreiten sich deshalb so schnell, weil die mit ihnen infizierten Menschen in ihrem Alltag verschiedene Orte (etwa Schulen, Arbeitsplätze, Freizeiteinrichtungen) aufsuchen und dort andere Menschen anstecken. Eine effektive Pandemiebekämpfung (beispielsweise eine Impfkampagne oder auch eine Blockade bestimmter Lokalitäten) kann an genau diesen Verbreitungsorten - und hier insbesondere an Massenverbreitungsorten ("Hotspots") - ansetzen.
Das Pandemielabor definiert drei Typen von Massenverbreitungsorten:
  1. Orte, die insgesamt eine hohe Besucherzahl aufweisen: je mehr Besucher, desto höher das Ansteckungsrisiko.
  2. Orte, die über besonders viele Haushalte miteinander verknüpft sind: Die Kinder eines Haushalts besuchen zum Beispiel eine Schule, die Eltern arbeiten in unterschiedlichen Büros. So entstehen indirekte Verbindungen zwischen der Schule und den Büros sowie zwischen den beiden Büros. Je höher die Zahl derartiger Verknüpfungen, desto wahrscheinlicher ist eine Infektion.
  3. Orte, die soziale Teilnetzwerke (etwa Stadtviertel) der Agentenstadt miteinander verbinden, die also in besonderer Weise zu einer Vernetzung der Gesamtregion beitragen: Diese Orte müssen nicht zwangsläufig hohe Besucherzahlen oder einen hohen Verknüpfungsgrad aufweisen; wichtig ist, dass sie das Bindeglied vernetzter Subsysteme bilden und somit besonders geeignet sind, das Virus von einem in ein anderes Subsystem weiterzutragen.
Mit den Schaltern der Rubrik "Soziometrie" lässt sich auf dem Simulationsfeld das jeweilige Verbreitungsrisiko der von den Agenten aufgesuchten Orte anzeigen. Die Kennziffern erscheinen auf den Orten in weißen (und, falls blockiert, in roten) Kreisen.
Keine Anzeige:
Es werden keine Kennziffern angezeigt. So kann man die Bewegungen der Agenten an den jeweiligen Orten besser beobachten.
ein
Besucherzahl:
Es werden die (maximalen) Besucherzahlen der jeweiligen Orte (Schulen, Arbeitsstätten, Freizeiteinrichtungen, Supermärkte) ausgewiesen.
aus
Verknüpfungen:
Diese Option dokumentiert die Zahl der Verknüpfungen von Schulen und Arbeitsstätten (Definition siehe oben). Zugleich erscheint auf dem Simulationsfeld unterhalb der Uhr ein großes, rot durchgestrichenes (später offenes) Auge. Klickt man dieses mit der Maus an, werden sämtliche Verknüpfungen zwischen Schulen und Arbeitsstätten (aber auch untereinander) als Verbindungslinien angezeigt. Je breiter die Linien, desto stärker der Verknüpfungsgrad. Einfache Verknüpfungen werden hellblau, stärkere dunkelblau, sehr ausgeprägte Verknüpfungen rotbraun dargestellt. Ein weiterer Klick auf das Auge schaltet die Anzeige wieder ab.
aus
Vernetzungen:
Diese Option visualisiert den Vernetzungsgrad des jeweiligen Orts, bezogen auf Schulen und Arbeitsstätten (Definition siehe oben). Auch hier lassen sich auf dem Simulationsfeld über das Auge die Verbindungslinien (die nach wie vor die Verknüpfungen ausweisen!) ein- und ausblenden. Auf diese Weise können Verknüpfungs- und Vernetzungsgrad "auf einen Blick" miteinander verglichen werden.
aus
  Die beiden folgenden Schalter stehen in Verbindung mit den zuvor beschriebenen soziometrischen Auswahlschaltern. Mit ihrer Hilfe werden auf dem Simulationsfeld besonders gefährdete Haushalte hervorgehoben, was zum Beispiel für die Frage, welche Haushalte zur Pandemiebekämpfung als Erste geimpft oder auch isoliert werden müssten, eine entscheidende Rolle spielt. Markierte Haushalte tragen die Farbe Orange. Beide Schalter lassen sich kombinieren.
Schulmarker:
Diese Option markiert
  • in der Stellung "Keine Anzeige" alle Haushalte mit (kita- bzw. schulpflichtigen) Kindern bzw. Jugendlichen (0 bis 20 Jahre),
  • in der Stellung "Besucherzahl" alle Haushalte, deren jugendliche Bewohner überdurchschnittlich stark frequentierte Schulen besuchen,
  • in der Stellung "Verknüpfungen" alle Haushalte, deren jugendliche Bewohner Schulen mit überdurchschnittlich hoher Verknüpfungszahl besuchen,
  • in der Stellung "Vernetzungen" alle Haushalte, deren jugendliche Bewohner Schulen mit überdurchschnittlich hohem Vernetzungsgrad besuchen.
aus
Arbeitsplatzmarker:
Die zweite Option markiert
  • in der Stellung "Keine Anzeige" alle Haushalte mit aktiven Arbeitnehmern (21 bis 65 Jahre),
  • in der Stellung "Besucherzahl" alle Haushalte, deren berufstätige Bewohner stark frequentierte Arbeitsplätze besuchen,
  • in der Stellung "Verknüpfungen" alle Haushalte, deren berufstätige Bewohner Arbeitsplätze mit überdurchschnittlich hoher Verknüpfungszahl besuchen,
  • in der Stellung "Vernetzungen" alle Haushalte, deren berufstätige Bewohner Arbeitsplätze mit überdurchschnittlich hohem Vernetzungsgrad besuchen.
aus

Layout-Beispiele

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

Simulationsfeld-Layout: Beispiele
Großstadt 1, 50 Haushalte Großstadt 1, 450 Haushalte
Großstadt 2, 200 Haushalte Großstadt 3, 200 Haushalte
Kleinstadt 1, 200 Haushalte Kleinstadt 1, 450 Haushalte
Kleinstadt 2, 200 Haushalte Kleinstadt 3, 200 Haushalte
Stilisierte Stadt 1, 200 Haushalte Stilisierte Stadt 2, 200 Haushalte
Großstadt 1, 350 Haushalte,
Markierung: Haushalte mit Kindern
Großstadt 1, 200 Haushalte
mit Besucherzahlen
Großstadt 1, 200 Haushalte
mit Verknüpfungszahlen und Verbindungslinien
Großstadt 1, 200 Haushalte
mit Vernetzungszahlen, ohne Verbindungslinien
Großstadt 1, 200 Haushalte,
Zeitlupe, Besucherzahlen, teilw. blockierte Orte
Großstadt 1, 200 Haushalte,
verborgene Agenten, teilweise blockierte Orte
Großstadt 1, 300 Haushalte, Graufilter Stilisierte Stadt 1, 200 Haushalte, Graufilter
Agentenkennung: Beispiele
Anzeige "Infektion/Alter" Anzeige "Alter"
Positiv oder negativ Getestete,
markiert und isoliert
Priorisiert und nicht-priorisiert Geimpfte,
markiert und isoliert

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.

Simulationsverlauf Startwert
Autostopp am Simulationsende:
Ist dieser Schalter gesetzt, wird die Simulation an ihrem "natürlichen" Ende (alle Agenten sind entweder genesen, geimpft oder tot) automatisch gestoppt. Das Ende wird auf dem Simulationsfeld durch das Verkehrszeichen "Stop" signalisiert.
Durch Betätigen einer der Abspieltasten (zum Beispiel langsamer, schneller oder superschneller Verlauf) kann die Simulation fortgesetzt werden. Dies ist allerdings nur dann sinnvoll, wenn man, etwa über die Annahme "Immunitätsverlust", die Pandemie anschließend neu aufflammen lässt.
Ein zweites Mal stoppt die fortgesetzte Simulation übrigens nicht automatisch.
ein
Auto-Reset: Akzeptanz, Erfahrung*:
Beim Neustart einer Simulation bleiben üblicherweise alle zuletzt vorgenommenen Einstellungen für Maßnahmen und Annahmen erhalten. Im Fall der Automatiken für Akzeptanz und Home-Office-Erfahrung, die kontinuierliche Veränderungen in den Simulationseinstellungen vornehmen, ist dies unter Umständen nicht erwünscht.
Ist der Schalter aktiviert, werden deshalb bei jedem Simulations-Neustart die Werte dieser Parameter automatisch auf die Ausgangswerte 100 Prozent (Akzeptanz) bzw. 0 Prozent (Erfahrung) zurückgesetzt. Wertanzeigen und Schieberegler passen sich entsprechend an.
aus

 
 
 
 
 
 
 
 
 
 
Pseudo-Zufallszahlen*:
Standardmäßig arbeitet das Pandemielabor mit definierten Zufallszahlenketten, sogenannten Pseudo-Zufallszahlen (vgl. dazu den Abschnitt "Die Erzeugung der Zufallszahlen"). Dieser Modus lässt sich hier abschalten. Anschließend werden dann "zufällige", das heißt einmalige, nicht wiederholbare Zufallszahlen verwendet. In dieser Einstellung, dem sogenannten "Blackbox-Modus", sind die Wieder­holungs-, die Rück- und die Reset-Tasten der Navigationsleiste gesperrt, da es hier nichts mehr zu navigieren gibt. Freigegeben ist lediglich die rote Taste ("Neue Simulation mit neuem Zufallsgenerator").
Beachten Sie bitte, dass Sie diesen Schalter nicht direkt umschalten können. Wirksam wird eine Umschaltung erst, wenn Sie zwischendurch mindestens einmal die rote Navigationstaste betätigt haben, damit sich der Zufallsmodus des Programms neu ausrichten kann.
Da der Schalter eine fundamentale Änderung an der Programmfunktion vornimmt, ertönt (falls die Audioausgabe aktiviert ist, siehe unten) beim Ausschalten ein Warnsignal.
ein

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.

Audio Startwert
Verlauf:
Der Schalter gibt die Ausgabe von Audiosignalen frei, die einige Ereignisse im Simulationsverlauf begleiten:
  • die Aufnahme eines erkrankten Agenten ins Krankenhaus,
  • den Tod eines Agenten,
  • das Simulationsende (Autostopp).
Beachten Sie, dass die Audioausgabe in der Einstellung "Superschneller Verlauf", um einen Klangkollaps zu vermeiden, grundsätzlich deaktiviert ist.
aus
Automatismen:
Dieser Schalter aktiviert weitere Audiosignale. Sie bezeichnen Änderungen in den automatisierten Programmabläufen:
  • automatische Warnungen der Pandemie-Warn-App,
  • das Ende der Priorisierung während einer Impfkampagne,
  • das Ende der automatischen "Abnahme der Akzeptanz",
  • das Ende der automatischen "Zunahme an Home-Office-Erfahrung",
  • eine Überlastung des Krankenhauspersonals, die den Indexwert 5 übersteigt,
  • eine Lieferketten-Störung, die den Indexwert 5 überschreitet.
Auch hier bleibt die Audioausgabe bei "superschnellem Verlauf" inaktiv.
aus
Lautstärke Startwert
Lautstärke:
Über diesen Regler lässt sich die Lautstärke der Signalausgabe festlegen.
70%

Die Signale im Einzelnen:

Audiosignale: Verlauf Bildsymbol
Aufnahme ins Krankenhaus:
Jede Aufnahme eines Agenten ins Krankenhaus wird von einem kurzen Klickgeräusch begleitet.
Todesfall:
Dieses Geräusch bezeichnet den Tod eines Agenten.
Simulationsende:
Der Schlussgong zeigt das "natürliche" Ende der Simulation an (keine Erkrankten mehr). Er unterstützt den entsprechenden optischen Hinweis.
Audiosignale: Automatismen Bildsymbol
Warnung durch Warn-App:
Dieses Signal ertönt immer dann, wenn die Pandemie-Warn-App an einem Tag mindestens einmal warnt (und damit unter Umständen die Quarantäne einiger Agenten einleitet).
Ende der Impf-Priorisierung:
Dieser Klang signalisiert, dass die Priorisierung der Impfungen beendet ist und die Impfstoffe nun für alle freigegeben sind.
Ende der Akzeptanz-Automatik:
Dieses Signal zeigt das Ende des automatisierten Akzeptanz-Rückgangs an.
Ende der Erfahrungs-Automatik:
Dieses Signal verweist auf das Ende der automatisierten Zunahme an Home-Office-Erfahrung.
Überlastungs-Index:
Dieser Klang signalisiert, dass der Überlastungs-Index (bezogen auf die Arbeit des Krankenhauspersonals) über 5 gestiegen ist. Ein späteres Absinken des Werts unter 5 wird akustisch nicht angezeigt. Das Signal wird im Übrigen nur ausgegeben, wenn der Pflegenotstand auf "situativ" eingestellt ist.
Hoher Lieferketten-Störungs-Index:
Dieses Signal zeigt an, dass der Lieferketten-Störungs-Index über 5 gestiegen ist. Sinkt der Wert später wieder unter 5, wird dies akustisch nicht ausgewiesen. Das Signal wird nur ausgegeben, wenn die Lieferengpässe auf "situativ" eingestellt sind.

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.

Sperrungen: Beispiele
Diverse Sperrungen Diverse Sperrungen (mit Besucherzahl)

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

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.

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

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

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

schaltet die Anzeige des Datenmonitors ein bzw. aus.
öffnet eine Kurzhilfe speziell zum Datenmonitor.
Fortschrittsbalken
Der Balken auf der länglichen Taste zeigt den Fortgang der Simulation an. Durch (mehrfachen) Tastendruck kann zwischen folgenden Optionen gewählt werden:
  • Anzeige von 0 bis 100 Prozent alle 100 Tage (Kennung "100", Balkenfarbe: Grün),
  • Anzeige von 0 bis 100 Prozent alle 1000 Tage (Kennung "1000", Farbe gemäß Designvorgabe, Standard),
  • Anzeige von 0 bis 100 Prozent innerhalb von 10000 Tagen (Kennung "10K", Farbe: Rot). Zu Beginn des 10000. Tags endet die Simulation grundsätzlich.
Im letztgenannten Modus kann sozusagen die aktuelle "Füllmenge" des Datenmonitors abgelesen werden.
Im Opera-Browser ist die Füllfarbe des Fortschrittsbalkens in allen drei Modi gleich, weil herstellerseitig fest vorgegeben.

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

Datenmonitor-EinstellungenStartwert
Angezeigte Zeilen legt (in Zehnerschritten) die Anzahl der Zeilen bei begrenzter Anzeige fest.10
Intervall legt das Anzeigeintervall (jeden Tag, jeden 2. Tag usw.) fest.1
Trennzeichen* bestimmt das Trennzeichen zwischen den einzelnen Daten (Semikolon, Komma, Leerzeichen, Doppelpunkt oder senkrechter Strich).leer
Schriftgröße bestimmt die Schriftgröße der Datenanzeige (falls der folgende Schalter nicht gesetzt ist).10pt
Standardgröße gibt eine Schriftgröße vor.ein
Wechselnder
Hintergrund
gibt die Datenzeilen alternierend mit weißem und grauem Hintergrund aus (Zebra-Effekt).ein
* Zur Aktivierung ist ein neuer Simulationslauf erforderlich.
- KonfigurationStartwert
Infektionsgrad blendet den entsprechenden Bereich in der Standardanzeige ein bzw. aus.ein
Indikatoren blendet den entsprechenden Bereich in der Standardanzeige ein bzw. aus.ein
Maßnahmen blendet den entsprechenden Bereich in der Standardanzeige ein bzw. aus.ein
Annahmen blendet den entsprechenden Bereich in der Standardanzeige ein bzw. aus.ein
Algorithmen blendet den entsprechenden Bereich in der Standardanzeige ein bzw. aus.ein
Die Wahl eines größeren Anzeige-Intervalls ist zum Beispiel praktisch, um auf einen Blick Entwicklungen im Wochen- oder im 10-Tages-Rhythmus analysieren zu können.

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

Insgesamt lassen sich im Datenmonitor fünf unterschiedliche Datenblätter aufrufen:

  • die tagesaktuelle Standardanzeige mit den wichtigsten Daten im Überblick (),
  • zwei Datenblätter zum Infektionsgrad verschiedener Alterskohorten ( und ),
  • die Datenbasis jedes Simulationslaufs (),
  • die individuellen Krankengeschichten sämtlicher Agenten ().

Da die Krankenakten (besonders bei zugeschalteter Reinfektionsmöglichkeit und hoher Agentenzahl) sehr umfangreich ausfallen können, werden sie in einem separaten Fenster angezeigt.
 
Jedes Datenblatt enthält außer den eigentlichen Daten zwei Kopfzeilen. In der ersten Zeile werden die Hauptkategorien der Daten genannt, in der zweiten Zeile finden sich, teils in recht kryptischen Abkürzungen, die Unterkategorien. Die folgenden Tabellen bieten einen Überblick über sämtliche Haupt- und Unterkategorien.

Datenblatt 1: Standardanzeige

Standardanzeige ()
TagLaufender Tag, Stand: 24 Uhr (Tag 0: erster Tag, Stand: 0 Uhr)
Infektionsgrad
p1Zahl der gefährdeten Personen
p2Zahl der dem Virus ausgesetzten Personen
p3Zahl der Personen mit Vorsymptomen
p4Zahl der infizierten Personen
p5Zahl der schwer erkrankten Personen
p6Zahl der lebensgefährlich erkrankten Personen
p7Zahl der genesenen Personen
p8Zahl der verstorbenen Personen
p9Zahl der erfolgreich geimpften Personen
ICP
(= Intensive Care Patients)
Zahl der Personen auf den Intensivstationen
Indikatoren
CFR
(= Case Fatality Rate)
Sterberate (Zahl der Verstorbenen dividiert durch die Summe aus Verstorbenen und Genesenen)
IR
(= Infection Rate)
Infektionsrate (Zahl der Infizierten, Genesenen und Verstorbenen in Relation zur Gesamtpopulation, in Prozent)
R
(= R-Wert)
Basisreproduktionszahl (Zahl der Menschen, die ein Infizierter im Schnitt ansteckt)
I7
(= I7-Wert)
7-Tage-Inzidenz (Zahl der Neuinfektionen pro 1000 [nicht 100.000!] Einwohner in den letzten 7 Tagen)
ICU%
(= Intensive Care Units)
Auslastung der vorhandenen Intensivbetten in Prozent (über 100 Prozent: Kollaps des Systems)
Sch%
(= School capacity)
Schulkapazität in Prozent
Lab%
(= Labour volume)
Arbeitsvolumen in Prozent (Wirtschaftsleistung)
Rec#
(= Recreational consumption)
Freizeitkonsum aller Agenten (in Stunden pro Tag)
Sup#
(= Supermarket visits)
Supermarktnutzung aller Agenten (in Stunden pro Tag)
Tra#
(= Traffic volume)
Personenverkehr (Anzahl der Fahrten pro Tag)
Maßnahmen
1. Allgemeine Maßnahmen
1Abstandsregeln, Maskenpflicht, Handdesinfektion
0: ausgeschaltet
1: eingeschaltet
Ac
(= Acceptance)
Akzeptanz der Maßnahmen (in Prozent)
xFreischaltung einer Pandemie-Warn-App
0: ausgeschaltet
1: eingeschaltet
WA
(= Warning app)
Nutzung der Warn-App (in Prozent)
D
(= Delay)
Verzögerung der Warnungen (in Tagen)
xInterregionale Einreiseverbote
0: ausgeschaltet
1: eingeschaltet
Tr
(= Travel intensity)
Reiseintensität (reisebedingte Infektionen pro Woche)
xKaufbeschränkungen (ein Käufer pro Haushalt)
0: ausgeschaltet
1: eingeschaltet
xWeitreichende Ausgangssperre
0: ausgeschaltet
1: eingeschaltet
2. Maßnahmen für Veranstaltungen
20: Zulässigkeit von Großveranstaltungen
1: Begrenzte Zulässigkeit von Großveranstaltungen
2: Verbot von Großveranstaltungen
Li
(= Limit)
Besucherlimit (in Prozent)
3. Maßnahmen für Krankenhäuser
30: Keine Bereitstellung von Intensivbetten
1: Nur Aufnahme kritischer Fälle
2: Aufnahme schwerer und kritischer Fälle
Cp
(= Capacity)
Krankenhauskapazität (Zahl der Intensivbetten)
xFrüherkennung (Tests)
0: ausgeschaltet
1: eingeschaltet
TD
(= Tests per day)
Tests pro Tag
EI
(= Earliest indication)
Früheste Indikation (nach ... Latenztagen)
TI
(= Test interval)
Testintervall (in Tagen)
4. Epidemiologische Maßnahmen
40: Keine Impfmaßnahmen
1: Impfempfehlung
2: Impfpflicht
VD
(= Vaccinations per day)
Impfungen pro Tag (Personenzahl)
VO
(= Vaccine opponents)
Impfgegner (in Prozent)
xImpfpriorität
0: ausgeschaltet
1: eingeschaltet
5. Maßnahmen für Schulen
50: Keine schulspezifischen Maßnahmen
1: Wechselunterricht (falls erforderlich)
2: Kein Schulbesuch infizierter Schüler
3: Schulschließung beim ersten Krankheitsfall
4: Individuelle Schließung, Isolation der Familie
5: Individuelle Schließung, Isolation aller Familien
6: Schließung aller Schulen
OL
(= Online learning)
Online-Lernen (maximaler Effekt in Prozent)
xAufhebung der Abstandsregeln für Schüler
0: ausgeschaltet
1: eingeschaltet
AL
(= Age limit)
Altersgrenze (in Jahren) für die Aufhebung
xWechselunterricht
0: überwiegend
1: strikt
6. Maßnahmen für Unternehmen
60: Keine besonderen Maßnahmen
1: Home-Office im Krankheitsfall
2: Home-Office auch für Risikogruppen
3: Home-Office für alle (wenn möglich)
RA
(= Risk age)
Risikoalter (55 und älter bis 65 und älter)
Vi
(= Vital employees)
Systemrelevante Beschäftigte (in Prozent)
Annahmen
Psychologische Annahmen
70: Konstante Akzeptanz der Maßnahmen ( )
1: Lineare Abnahme der Akzeptanz ( )
2: Exponentielle Abnahme der Akzeptanz
A
(= Acceptance curve)
Akzeptanz-Kurve
1:
2:
3:
4:
5:
6:
7:
8:
Len
(= Length)
Akzeptanz-Verlust (in Tagen)
xZunahme an Erfahrungen im Home-Office
0: ausgeschaltet
1: eingeschaltet
LP
(= Learning progress)
Lernzuwachs pro Woche (in Prozent)
xPflegenotstand
0: permanent
1: situativ
CWl
(= Care workload index)
Arbeitsüberlastung des Krankenhauspersonals (Indexwert)
Medizinische Annahmen
GR
(= General infection risk)
Allgemeines Infektionsrisiko (Indexwert)
RT
(= Infection risk in public transport)
Risiko in öffentlichen Verkehrsmitteln (Indexwert)
VE
(= Vaccination effect)
Impfwirkung (in Prozent)
xImmunitätsverlust
0: ausgeschaltet
1: eingeschaltet
RR
(= Reinfection risk)
Risiko einer Neuinfektion (Indexwert)
IP
(= Immunity period)
Immunitätszeitraum (in Tagen)
xSofortige Ansteckungsgefahr
0: ausgeschaltet
1: eingeschaltet
Ökonomische Annahmen
Ld
(= Location-dependent
work)
Ortsgebundene (d. h. nicht homeofficefähige) Arbeit (in Prozent)
IB
(= Interregional businesses)
Überregionale (d. h. import-/exportabhängige) Unternehmen (in Prozent)
xLieferengpässe
0: permanent
1: situativ
Dp
(= Supply chain dependency)
Lieferketten-Abhängigkeit (Indexwert)
SCI
(= Supply chain index)
Lieferketten-Störungen (Indexwert)
Exp
(= Experience)
Home-Office-Erfahrung (in Prozent sämtlicher Beschäftigter)
PT
(= Public transport)
Nutzung öffentlicher Verkehrsmittel (in Prozent)
Algorithmen
C
(= Course of disease)
Krankheitsverlauf
1: unmerklich
2: mild
3: moderat
4: schwer (= COVID-19)
5: sehr schwer
6: kritisch
7: tödlich
FR
(= Focus of risk)
Risikoschwerpunkt
+5: extrem stark erhöhtes Risiko für ältere Personen
+4: sehr stark erhöhtes Risiko für ältere Personen
+3: stark erhöhtes Risiko für ältere Personen
+2: erhöhtes Risiko für ältere Personen (= COVID-19)
+1: mäßig erhöhtes Risiko für ältere Personen
  0: gleichmäßig auf alle Altersgruppen verteiltes Risiko
–1: mäßig erhöhtes Risiko für jüngere Personen
–2: erhöhtes Risiko für jüngere Personen
–3: stark erhöhtes Risiko für jüngere Personen
–4: sehr stark erhöhtes Risiko für jüngere Personen
–5: extrem stark erhöhtes Risiko für jüngere Personen
Ic
(= Incubation)
Inkubation
+3: ausgedehnte log-normale Verteilung über etwa 50 Tage
+2: standardmäßige log-normale Verteilung über 25 Tage (= COVID-19)
+1: verkürzte log-normale Verteilung über 13 Tage
  0: Ansteckung aller Gefährdeten gleich am ersten Tag
–1: lineare Verteilung über 14 Tage
–2: lineare Verteilung über 26 Tage
–3: lineare Verteilung über 51 Tage
VP
(= Vaccination prioritisation)
Impfpriorisierung
  1: Schule (Besucherzahl)
  2: Schule (Verknüpfungen)
  3: Schule (Vernetzungen)
  4: Arbeit (Besucherzahl)
  5: Arbeit (Verknüpfungen)
  6: Arbeit (Vernetzungen)
  7: Ältere (60 bis 99 Jahre)
  8: mittlere Jahrgänge (21 bis 59 Jahre)
  9: Jüngere (0 bis 20 Jahre)
10: Kohorte (definierte Altersgruppe)
11: inverse Kohorte (Personen außerhalb der definierten Altersgruppe)
12: Alter, abwärts (sukzessiv in absteigenden Altersdekaden)
13: Alter, aufwärts (sukzessiv in aufsteigenden Altersdekaden)
VC
(= Vaccination cohort)
Impfkohorte (Anfangsjahrgang)
CW
(= Cohort width)
Kohortenbreite (in Jahren)
S
(= Infection site)
Infektionsort
0: überall
1: Schule
2: Arbeitsplatz
3: Supermarkt
4: Freizeitbereich
5: zu Hause
6: öffentlicher Verkehr
xKeine weiteren Infektionen
0: ausgeschaltet
1: eingeschaltet

Datenblatt 2: Anzeige der Alterskohorten unter 50 Jahren

Anzeige der Alterskohorten unter 50 Jahren ()
TagLaufender Tag, Stand: 24 Uhr (Tag 0: erster Tag, Stand: 0 Uhr)
Altersgruppe 0-9 Jahre
p1Zahl der gefährdeten Personen in der Altersgruppe
p2Zahl der dem Virus ausgesetzten Personen in der Altersgruppe
p3Zahl der Personen mit Vorsymptomen in der Altersgruppe
p4Zahl der infizierten Personen in der Altersgruppe
p5Zahl der schwer erkrankten Personen in der Altersgruppe
p6Zahl der lebensgefährlich erkrankten Personen in der Altersgruppe
p7Zahl der genesenen Personen in der Altersgruppe
p8Zahl der verstorbenen Personen in der Altersgruppe
p9Zahl der erfolgreich geimpften Personen in der Altersgruppe
Altersgruppe 10-19 Jahre
p1 - p9siehe oben
Altersgruppe 20-29 Jahre
p1 - p9siehe oben
Altersgruppe 30-39 Jahre
p1 - p9siehe oben
Altersgruppe 40-49 Jahre
p1 - p9siehe oben

Datenblatt 3: Anzeige der Alterskohorten ab 50 Jahren

Anzeige der Alterskohorten ab 50 Jahren ()
TagLaufender Tag, Stand: 24 Uhr (Tag 0: erster Tag, Stand: 0 Uhr)
Altersgruppe 50-59 Jahre
p1 - p9siehe oben
Altersgruppe 60-69 Jahre
p1 - p9siehe oben
Altersgruppe 70-79 Jahre
p1 - p9siehe oben
Altersgruppe 80-89 Jahre
p1 - p9siehe oben
Altersgruppe 90-99 Jahre
p1 - p9siehe oben

Datenblatt 4: Anzeige der Datenbasis

Anzeige der Datenbasis ()
LaufEigenständiger Simulationslauf (ohne Laufwiederholungen)
Mod.Simulationsmodus
C1: Großstadt 1
C2: Großstadt 2
C3: Großstadt 3
T1: Kleinstadt 1
T2: Kleinstadt 2
T3: Kleinstadt 3
S1: Stilisierte Stadt 1
S2: Stilisierte Stadt 2
Pers.Anzahl der Personen (Agenten) im Simulationslauf
Haushaltstypen: Eltern/Kinder*
1/0Anzahl der Haushalte des Typs "Single"
1/1Anzahl der Haushalte des Typs "Alleinerziehende mit einem Kind"
1/2Anzahl der Haushalte des Typs "Alleinerziehende mit zwei Kindern"
1/3Anzahl der Haushalte des Typs "Alleinerziehende mit drei Kindern"
2/0Anzahl der Haushalte des Typs "Paar ohne Kinder"
2/1Anzahl der Haushalte des Typs "Paar mit einem Kind"
2/2Anzahl der Haushalte des Typs "Paar mit zwei Kindern"
2/3Anzahl der Haushalte des Typs "Paar mit drei Kindern"
Misc
(= Miscellaneous)
Anzahl der Haushalte des Typs "Sonstige"
(P)Gesamtzahl der Personen im Haushaltstyp "Sonstige"
* Die hier als "Kinder" Bezeichneten können de facto auch schon erwachsen sein.
Beschäftigung
SAnzahl der "Schüler", d. h. der Kinder und Jugendlichen (hier: Personen bis 20 Jahre), darin:
16-Zahl der Unter-16-Jährigen
16+Zahl der 16- bis 20-Jährigen
EAnzahl der Erwerbstätigen (Personen von 21 bis 65 Jahren), darin:
E++Anzahl der Erwerbstätigen mit sehr hoher Effektivität** im Home-Office
E+Anzahl der Erwerbstätigen mit hoher Effektivität** im Home-Office
E+-Anzahl der Erwerbstätigen mit mäßig hoher Effektivität** im Home-Office
E-Anzahl der Erwerbstätigen mit geringer Effektivität** im Home-Office
E--Anzahl der Erwerbstätigen ohne Möglichkeit** zum Home-Office
RtAnzahl der Rentner (Personen ab 66 Jahren)
** Die Angaben beziehen sich auf den Beginn des Simulationslaufs. Die Werte können sich während des Laufs ändern.

Datenblatt 5: Anzeige der Krankenakten

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

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

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

Simulationsende
Warnung per App
Impfpriorität
Einreisesperre
Akzeptanzverlust
Zuwachs an Erfahrung
Pflegenotstand
Lieferengpässe

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

3. Programmkonzept und -algorithmen

3.1 Das Pandemielabor als Multi-Agenten-System

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

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

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

3.2 Algorithmen

Agententypen

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

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

Hierzu bildet das Programm insgesamt drei Typen von Agenten aus:

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

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

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

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

Tätigkeiten

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

Agententyp Montag Dienstag Mittwoch Donnerstag Freitag Samstag Sonntag
Schüler 9:00 - 16:00
Schule
9:00 - 16:00
Schule
9:00 - 16:00
Schule
9:00 - 16:00
Schule
9:00 - 16:00
Schule
bis 15 Jahre:
18:00 - 20:00
Freizeit-
einrichtung,
ab 16 Jahren:
15:30 - 17:30
Supermarkt,
18:00 - 22:00
Freizeit-
einrichtung
11:00 - 15:00
Freizeit-
einrichtung
Erwerbstätige 7:30 - 17:00
Arbeitsplatz,
17:30 - 18:30
Supermarkt
7:30 - 17:00
Arbeitsplatz,
17:30 - 18:30
Supermarkt
7:30 - 17:00
Arbeitsplatz,
17:30 - 18:30
Supermarkt
7:30 - 17:00
Arbeitsplatz,
17:30 - 18:30
Supermarkt
7:30 - 17:00
Arbeitsplatz,
17:30 - 18:30
Supermarkt
11:00 - 13:00
Supermarkt,
18:00 - 20:00
Freizeit-
einrichtung
11:00 - 15:00
Freizeit-
einrichtung
Rentner irgendwann
zwischen
10:00 und 19:00
1,5 Stunden
Supermarkt
irgendwann
zwischen
10:00 und 19:00
1,5 Stunden
Supermarkt
irgendwann
zwischen
10:00 und 19:00
1,5 Stunden
Supermarkt
irgendwann
zwischen
10:00 und 19:00
1,5 Stunden
Supermarkt
irgendwann
zwischen
10:00 und 19:00
1,5 Stunden
Supermarkt
irgendwann
zwischen
10:00 und 19:00
1,5 Stunden
Supermarkt
11:00 - 15:00
Freizeit-
einrichtung
Die unterschiedliche Länge der Freizeitaktivitäten bildet das divergierende Freizeitverhalten der verschiedenen Altersgruppen ab.
Die Berufstätigen verbringen zwar neuneinhalb Stunden am "Arbeitsplatz", arbeiten dort de facto aber nur acht Stunden. Der Rest der Zeit besteht aus der (unterschiedlich langen) Fahrt zum Arbeitsplatz sowie aus Pausen während oder nach der Arbeitszeit. Es gilt die Annahme, dass die Agenten am Arbeitsort nur während der eigentlichen Arbeit ansteckend sind.

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

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

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

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

Agententyp Montag Dienstag Mittwoch Donnerstag Freitag Samstag Sonntag
Kurzarbeiter
(ungeradzahliges
Alter)
7:30 - 17:00
Arbeitsplatz,
17:30 - 18:30
Supermarkt
7:30 - 17:00
Arbeitsplatz,
17:30 - 18:30
Supermarkt
7:30 - 17:00
Arbeitsplatz,
17:30 - 18:30
Supermarkt
17:30 - 18:30
Supermarkt
17:30 - 18:30
Supermarkt
11:00 - 13:00
Supermarkt,
18:00 - 20:00
Freizeit-
einrichtung
11:00 - 15:00
Freizeit-
einrichtung
Kurzarbeiter
(geradzahliges
Alter)
17:30 - 18:30
Supermarkt
17:30 - 18:30
Supermarkt
17:30 - 18:30
Supermarkt
7:30 - 17:00
Arbeitsplatz,
17:30 - 18:30
Supermarkt
7:30 - 17:00
Arbeitsplatz,
17:30 - 18:30
Supermarkt

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

Agententyp Montag Dienstag Mittwoch Donnerstag Freitag Samstag Sonntag
Schüler  
 
Systemrelevante 7:30 - 17:00
Arbeitsplatz,
17:30 - 18:30
Supermarkt
(1 Pers./Haush.)
7:30 - 17:00
Arbeitsplatz
7:30 - 17:00
Arbeitsplatz,
17:30 - 18:30
Supermarkt
(1 Pers./Haush.)
7:30 - 17:00
Arbeitsplatz
7:30 - 17:00
Arbeitsplatz,
17:30 - 18:30
Supermarkt
(1 Pers./Haush.)
Sonstige Erwerbstätige 17:30 - 18:30
Supermarkt
(1 Pers./Haush.)
17:30 - 18:30
Supermarkt
(1 Pers./Haush.)
17:30 - 18:30
Supermarkt
(1 Pers./Haush.)
Rentner irgendwann
zwischen
16:30 und 19:00
1,5 Stunden
Supermarkt
(1 Pers./Haush.)
irgendwann
zwischen
16:30 und 19:00
1,5 Stunden
Supermarkt
(1 Pers./Haush.)
irgendwann
zwischen
16:30 und 19:00
1,5 Stunden
Supermarkt
(1 Pers./Haush.)
Rentner, die üblicherweise außerhalb des vorgegebenen Zeitfensters (16:30 - 19:00 Uhr) eingekauft haben, besuchen die Supermärkte nun nicht mehr. Es wird hier unterstellt, dass sie von anderen Agenten mitversorgt werden.
Für den seltenen Fall, dass Schüler (d. h. Personen unter 21) bereits in einem eigenen Haushalt wohnen, wird ebenfalls angenommen, dass sie von anderen mitversorgt werden.

Arbeitsleistung

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

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

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

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

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

Beachten Sie bitte, dass bei hohem Lieferketten-Störungs-Index die hier notierte Arbeitsleistung zusätzlich abnehmen kann.

Infektionen

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

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

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

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

Zu beachten ist, dass die Überlebenswahrscheinlichkeit im Krankenhaus sinkt, falls das dortige Personal stark überlastet ist (oder wegen Eigeninfektion ausfällt). Liegt der Überlastungs-Index bei 0, ist die Überlebenschance eines hospitalisierten kritisch Erkrankten gegenüber einer fehlenden Intensivversorgung viermal so hoch, bei einem Index von 10 hingegen nicht höher als außerhalb des Krankenhauses.

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

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

4. Tipps & Tricks

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

4.1 Systemvoraussetzungen

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

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

Bekannte Einschränkungen:

  • Im MS Internet Explorer 11 ist das Programm nicht lauffähig.
  • In sehr alten Versionen von Firefox (z. B. in der letzten XP-Version 52.9.0) zeigt die Maus auf dem Simulationsfeld keine Funktion.
  • Die im Programm wählbaren Farbdesigns sind browserabhängig. So lässt zum Beispiel der Opera-Browser (bis jetzt) keine Farbwechsel in Schaltern, Schiebereglern und Fortschrittsbalken zu. Änderungen im Farbdesign erfolgen dort also unvollständig.
  • Auch der Datenexport () und die Anzeige der Krankenakten () sind browserabhängig. Einige Browser bieten nur ein eingeschränktes Zweitfenster-Handling. Die verlässlichsten Ergebnisse erzielen Sie mit dem Firefox-Browser.

4.2 Hardware-Probleme

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

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

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

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

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

4.3 Testläufe ohne Pandemie

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

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

4.4 Worst-Case-Szenario

Ein Worst-Case-Szenario stellt sich ein, falls Sie den "Verlust der Immunität" annehmen, das "Infektionsrisiko" sowie das "Risiko einer Reinfektion" sehr hoch und zugleich den "Immunitätszeitraum" sehr niedrig ansetzen. Natürlich können Sie stattdessen in den Algorithmen-Einstellungen den Krankheitsverlauf auch gleich als "tödlich" definieren.

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

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

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

4.5 Häufig gestellte Fragen

Obwohl ich die Simulation mehrere Wochen durchlaufen lasse, bleibt die Lage konstant: Niemand infiziert sich; die Agentengesellschaft bleibt virusfrei, also "grün". Wie ist das zu erklären?

Dafür gibt es eigentlich nur zwei Gründe. Entweder wurden bereits zu Beginn des Programmlaufs die Schalter "Interregionale Einreiseverbote" oder "Weitreichende Ausgangssperren" gesetzt. In beiden Fällen werden Reisetätigkeiten "über den Spielfeldrand hinaus" unterbunden, so dass das Virus auch nicht eingeschleppt werden kann. Oder aber die Option "Keine weiteren Infektionen" (in den Algorithmen-Einstellungen) ist zugeschaltet. Ist dies bei Programmstart der Fall, infiziert sich natürlich niemand. Um die Simulation sinnvoll durchführen zu können, sollten Sie Änderungen an den Programmeinstellungen daher frühestens nach zwei, drei Wochen vornehmen. Geben Sie dem Virus zuvor eine "Chance" sich auszubreiten; denn in der Realität werden epidemiologische Lagen ebenfalls nur mit Zeitverzögerung bemerkt.

Obwohl ich keine Änderungen an den Stellschrauben des Programms vornehme, erhalte ich bei Wiederholungen desselben Laufs manchmal unterschiedliche Ergebnisse. Kann das sein?

Leider ja, und zwar dann, wenn Sie während des Programmlaufs die Abspielgeschwindigkeit ändern. Dadurch kann es vorkommen, dass kleinere Zeiteinheiten der Simulation "verschluckt" werden, was dann natürlich den oben beschriebenen Effekt verursachen kann. Daher der dringliche Rat: Wollen Sie mit dem Programm wissenschaftliche Messreihen durchführen, dann rühren Sie die Geschwindigkeitstasten während des Simulationslaufs bitte nicht an. Lassen Sie das Programm also in ein und derselben zuvor festgelegten Geschwindigkeit arbeiten. - Unzuverlässig arbeitet die Simulation unter Umständen auch, wenn die Rechenleistung Ihres Computers durch die gleichzeitige Ausführung weiterer Programme stark belastet wird. Unstimmigkeiten in den Resultaten sind dann nicht auf das Pandemielabor selbst, sondern auf dessen Hardware-Umgebung zurückzuführen; auch der Browsertyp spielt hierbei möglicherweise eine Rolle.

Müssten nicht die Ergebnisse bei gleichbleibenden Einstellungen für alle Programmläufe immer exakt gleich ausfallen?

Nein, auf keinen Fall. Jeder neue Simulationslauf arbeitet mit einer eigenen Zufallsauswahl an Agenten und Haushalten. Da ist es nur wahrscheinlich, dass es bei den Ergebnissen zu (geringfügigen) Abweichungen kommt. Dies soll sogar so sein; denn auf diese Weise kann man ermitteln, in welcher Streuung bestimmte Resultate bei ähnlichen Grundkonstellationen zu erwarten sind. Die Berechnung derartiger Streuungen per Zufallszahlen nennt man übrigens Monte-Carlo-Methode (in Anlehnung an die zufälligen Spielergebnisse in der monegassischen Spielbank).

Weshalb bietet das Pandemielabor verschiedene Stadttypen (Groß- und Kleinstadt, stilisierte Stadt) an? Und lässt sich vielleicht auch meine Heimatstadt in das Programm einbinden?

Die sogenannte Großstadt (Eindhoven) und die Kleinstadt (Attendorn) bilden die realen Lebensverhältnisse dieser Städte nicht wirklich nach. Sie stehen eher symbolisch für verschiedene Anordnungen von Siedlungen. Eine Variation der Stadttypen sowie der Haushaltsgrößen kann Auskunft darüber geben, in welchem Umfang ein Simulationsergebnis in Abhängigkeit von der Anordnung und Zahl der Wohnungen "streut". - Eine Einbindung Ihrer Heimatstadt in das Programm wäre vor diesem Hintergrund bestenfalls ein "Gimmick". Aber Sie können sich, Programmierkenntnisse vorausgesetzt, gern selbst daran versuchen. Das Pandemielabor bietet hierzu ein eigenes Entwickler-Werkzeug.

Gibt es zwischen den Editionen A, B und C des Pandemielabors Unterschiede in der Arbeitsweise des Programms? Erhalte ich also in Edition C bei gleichen Einstellungen womöglich andere Ergebnisse als in Edition A?

Nein. Allen drei Editionen liegt die gleiche "Maschine" zugrunde. Lediglich die Zahl der sichtbaren Stellschrauben variiert. Aber auch die, die man nicht sieht, sind vorhanden und intern auf einen Standardwert gesetzt.

Wie simuliere ich das Aufkommen von Virusvarianten, die in ihrem Verhalten vom ursprünglichen Virus abweichen?

Das ist relativ einfach. Starten Sie die Simulation mit den Original-COVID-19-Einstellungen. Halten Sie das Programm dann nach einer gewissen Zeit an und verändern Sie die Eigenschaften des Virus. Für die mildere, zugleich aber ansteckendere Omikron-Variante erhöhen Sie zum Beispiel den Wert der Option "Allgemeines Infektionsrisiko" (eventuell auch "Risiko in öffentlichen Verkehrsmitteln"), senken aber den Algorithmus für den Krankheitsverlauf auf "moderat" oder sogar "mild" ab. Setzen Sie danach die Simulation fort. Beim (vermuteten) Aufkommen weiterer Virusvarianten verfahren Sie entsprechend. - Das gleichzeitige Auftreten verschiedener Varianten lässt sich so natürlich nicht simulieren. Mit den genannten Stellschrauben können Sie jedoch zumindest durchschnittliche Veränderungen der Pandemieentwicklung konzipieren.

Mich irritiert, dass die Simulationsergebnisse wiederholbar sind. Handelt es sich also gar nicht um "zufällige", sondern um "programmierte", womöglich manipulierte Resultate?

Alle Simulationsergebnisse folgen dem Zufall. Den Modus, in dem definierte Zufallszahlenketten verwendet werden, sollte man sich nicht so vorstellen, dass dort fertig konzipierte Zahlen vorliegen; vielmehr werden diese sehr komplex erzeugt und divergieren bereits bei minimal veränderten Simulationseinstellungen. Der Terminus "Zufallszahlenketten" beschreibt also eher ein vieldimensionales Geflecht von Zufallszahlen. Manipuliert wird hier nichts. Die Berechnung der Zufallszahlen folgt einem Algorithmus von Makoto Matsumoto, Takuji Nishimura und Sean McCullough. Der Quellcode zum Pandemielabor liegt offen; die Programmierung ist also im Detail überprüfbar. - Die Ergebnisse, die im Modus "zufällige Zufallszahlen" erzeugt werden, weichen im Übrigen nicht von denen im Modus der definierten Zufallszahlen ab.

Seltsamerweise zeigt mir das Programm im Datenmonitor (und zum Teil auch im Ergebnisgraphen) zum Arbeitsvolumen merkwürdige Werte deutlich über 100 Prozent, mitunter sogar über 1000 Prozent an. Wie kann das sein?

Wie auch an anderer Stelle im Handbuch schon beschrieben, geschieht dies immer dann, wenn Sie die Simulation im (Teil-)Lockdown starten. 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. Falls man die Simulation mit Maßnahmen startet, die den Arbeitsmarkt beeinträchtigen (Einreiseverbote, Lockdown, Home-Office), führt dies zwangsläufig zu Irritationen. 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, sollten Sie im Bereich "Stadtplan- und Diagrammeinstellungen" die Autokorrektur zuschalten, die gesetzte Beeinträchtigungen automatisch in eine 100-Prozent-Skala einpasst. - Eine Simulation im Lockdown zu starten ist übrigens nicht zielführend, da ein solcher Lockdown in der Realität üblicherweise frühestens nach Feststellung einer pandemischen Situation (das heißt: nach mehreren Wochen) ausgerufen werden kann.

Ich habe Schwierigkeiten, Daten zu exportieren oder die Krankenakten zu verarbeiten. In dem separaten Fenster, das sich hierzu jeweils öffnet, lässt sich der Text allenfalls umständlich per Hand markieren und kopieren. Browsereigene Optionen hierzu fehlen. Häufig verrutscht auch das Tabellenformat. Was ist zu tun?

Manche Browser verzichten in der Tat auf komfortable Kopieroptionen. Wechseln Sie gegebenenfalls zum Firefox-Browser. Dort sind die Daten und Texte problemlos zugänglich und komplette Tabellen bequem mit einfachem Mausklick (rechte Maustaste!) markier- und kopierbar. - Wollen Sie eine Tabelle in ein Textverarbeitungsprogramm übernehmen, dann wählen Sie dort für die Darstellung unbedingt eine nicht-proportionale Schrift (z. B. Courier). So bleibt das Format erhalten.

Ich habe den bzw. die Audio-Schalter gesetzt. Trotzdem wird kein Ton abgespielt. Was ist zu tun?

Prüfen Sie zunächst die Einstellungen Ihres Computers. Möglicherweise ist dort der Ton stummgeschaltet. Zeigt der Rechner volle Lautstärke an und bleibt trotzdem stumm, kann es daran liegen, dass Ihr Browser das Abspielen von Klangdateien grundsätzlich unterdrückt. In diesem Fall müssen Sie die Abspielfunktion "von Hand" in Ihren Browser-Einstellungen freigeben.

Die meisten Klänge werden auf meinem Rechner korrekt abgespielt, nur der Schlussgong nicht. Wie ist das zu erklären?

Der Klang des Schlussgongs enthält sehr tiefe Frequenzen. Hat Ihr Rechner einen sehr kleinen Lautsprecher, kann dieser tiefe Klänge möglicherweise nicht adäquat ausgeben.

Einige Vorgaben des Programms erscheinen mir realitätsfremd. Warum gibt es zum Beispiel keine Schulferien und keine Urlaubszeiten?

Schlimmer noch: Selbst über mehrere simulierte Jahre oder Jahrzehnte bleiben die Agenten gleich alt. Babys sind auch nach Jahren noch Babys; 98-jährige Greise halten ihren Status über Jahrzehnte hinweg. Für die mathematische Auswertung der Simulationen spielt das jedoch keine Rolle. Hier werden die Ergebnisse modellhaft ermittelt. - Aber in gewisser Hinsicht ist Ihre Kritik natürlich berechtigt: So wird bei den Agenten zum Beispiel auch nicht zwischen den Geschlechtern unterschieden - obwohl man nach heutigen Erkenntnissen weiß, dass Männer anfälliger für eine schwere COVID-Erkrankung sind als Frauen. Auch der soziale Status der Agenten ist hier bei der Auswertung nicht berücksichtigt, obwohl prekäre Lebensverhältnisse die Ansteckung mit und schwere Erkrankung an Corona nachweislich begünstigen.

Welche Neuerungen sind für künftige Versionen des Pandemielabors geplant?

Das Pandemielabor ist bereits jetzt recht komplex. In größerem Umfang wird es daher keine inhaltlichen Erweiterungen geben. Denkbar ist allerdings, den Grundalgorithmus, der an den bisherigen Erkenntnissen zu COVID-19 orientiert ist, bei Aufkommen neuer Erkenntnisse zu überarbeiten oder aber das gesamte Programm an die Kennzahlen neuer Virustypen anzupassen. Dabei sind durchaus auch Virustypen jenseits von COVID-19 gemeint.

5. Technische Informationen und Datenreferenzen

Im Programmkonzept des Pandemielabors sind folgende Faktoren berücksichtigt:

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

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

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

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

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

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

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

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

6. Literaturverzeichnis

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

Aksamentov, I., Noll, N., Neher, R. (2020): COVID-19 Scenario webapp. Online (erloschen) unter https://neherlab.org/COVID19, abgerufen am 22.03.2020. Jetzt online verfügbar unter https://covid19-scenarios.org/, abgerufen am 01.05.2022.

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, 13.06.2022. DOI: 10.1073/pnas.2112182119. Online unter 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), abgerufen am 22.03.2020.

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

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, 31.01.2021. DOI: 10.18564/jasss.4532. Online unter https://www.jasss.org/24/1/8.html, abgerufen am 15.06.2022.

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, Juli 2021 (28.06.2021). 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, Brasilien, 13.07.2021. In Comput Biol Med. 2021 Sep; 136: 104645. DOI: 10.1016/j.compbiomed.2021.104645. Online unter 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), 05.08.2009. DOI: 10.1038/460687a. Online unter https://www.nature.com/articles/460687a, abgerufen am 15.06.2022.

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). Online unter https://www.newyorkfed.org/research/policy/gscpi#/overview, abgerufen am 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, 31.03.2021. 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. Online verfügbar unter 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, 03.06.2020. Online unter https://www.soziopolis.de/die-simulation-der-pandemie.html, abgerufen am 10.06.2022.

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, 01.05.2007. DOI: 10.1073/pnas.0610941104. Online unter 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. Online unter https://www.bzga.de/fileadmin/user_upload/PDF/studien/Infektionsschutzstudie_2020.pdf, abgerufen am 15.06.2022.

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, 05.06.2020. DOI: 10.7326/m20-0504, online auch unter https://www.acpjournals.org/doi/10.7326/M20-0504, abgerufen am 15.06.2022.

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, 20.08.2020. DOI: 10.1080/17477778.2020.1800422, online auch unter https://www.tandfonline.com/doi/full/10.1080/17477778.2020.1800422, abgerufen am 15.06.2022.

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, 13.09.2021. DOI: 10.1073/pnas.2108909118. Online unter https://doi.org/10.1073/pnas.2108909118.

Melacher, Patrick: COVID-Town: An Integrated Economic-Epidemiological Agent-Based Model. Universität Graz/Graz Schumpeter Centre, 13.11.2020. Online verfügbar unter https://mpra.ub.uni-muenchen.de/104109/1/MPRA_paper_104109.pdf, abgerufen am 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, 12.05.2020 (preprint). Online verfügbar unter 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, 31.01.2022. DOI: 10.18564/jasss.4532, online auch unter https://www.jasss.org/25/1/3.html, abgerufen am 15.06.2022.

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 (19.11.2020). DOI: 10.1186/s12879-020-05566-7. Online verfügbar unter https://www.ncbi.nlm.nih.gov/pmc/articles/PMC7675392.

Simler, Kevin (2020): Outbreak (16.03.2020). Online verfügbar unter https://meltingasphalt.com/interactive/outbreak/, abgerufen am 01.05.2022.

Stevens, H. (2020): Why outbreaks like coronavirus spread exponentially, and how to "flatten the curve". Washington Post, 14.03.2020. Online verfügbar unter https://www.washingtonpost.com/graphics/2020/world/corona-simulator/, abgerufen am 01.05.2022. Auch in deutscher Fassung:

Stevens, H. (2020a): Warum Ausbrüche wie das Coronavirus sich exponentiell ausbreiten und wie man "die Kurvenlinie glätten" kann. Washington Post, 18.03.2020. Online unter https://www.washingtonpost.com/graphics/2020/health/corona-simulator-german/, abgerufen am 01.05.2022.

Struben, Jeroen (2020): The Coronavirus Disease (COVID-19) Pandemic: Simulation-Based Assessment of Outbreak Responses and Post Peak Strategies. In medRxiv, 17.06.2020. DOI: 10.1101/2020.04.13.20063610. Online auch unter https://www.medrxiv.org/content/10.1101/2020.04.13.20063610v3.full.pdf, abgerufen am 15.06.2022.

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 (für NetLogo). CoMSES Computational Model Library, 13.09.2021. Online unter https://www.comses.net/codebases/d42ef8c9-7bdf-4a4c-8df9-a0b57654c08d/releases/1.3.0/, abgerufen am 31.05.2022.

Troitzsch, Klaus G. (2021b): Minding Norms in an Epidemic Does Matter. Dokumentation. Online unter https://userpages.uni-koblenz.de/~kgt/Publications/Epidemic.pdf, abgerufen am 31.05.2022.

Vermeulen, Ben; Pyka, Andreas; Müller, Matthias (2020a): Agenten-basiertes Modell gesundheitspolitischer Maßnahmen in der Corona-Epidemie. Lehrstuhl für Innovationsökonomik, Universität Hohenheim, Stuttgart. Online verfügbar unter https://inno.uni-hohenheim.de/corona, abgerufen am 01.05.2022.

Vermeulen, Ben; Pyka, Andreas; Müller, Matthias (2020b): An agent-based policy laboratory for COVID-19 containment strategies. Lehrstuhl für Innovationsökonomik, Universität Hohenheim, Stuttgart. Online verfügbar unter https://inno.uni-hohenheim.de/corona-modell, abgerufen am 01.05.2022.

Vermeulen, Ben (2020): UHOHCoronaPolicyLab. In GitHub (Update: 29.04.2021). Online unter https://github.com/BenVermeulen/UHOHCoronaPolicyLab, abgerufen am 01.05.2022.

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, 30.06.2021. DOI: 10.18564/jasss.4571. Online verfügbar unter 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), abgerufen am 21.03.2020.

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

7. Entwickler-Werkzeug

Falls Sie das Pandemielabor weiterentwickeln möchten, hilft Ihnen dabei möglicherweise das dem Programm beigefügte Entwickler-Werkzeug. Hiermit können Sie auf Knopfdruck die zufällige Anordnung der Gebäude auf dem Stadtplan ändern. Das Hilfsprogramm erstellt aus den neuen Daten automatisch eine aktualisierte JavaScript-Ortsdatei localitydata30.js, die anstelle der originalen verwendet werden kann.

Indem Sie den Quellcode des Entwickler-Werkzeugs studieren und dort Veränderungen an den Gebäudekoordinaten vornehmen, können Sie auch ganz neue Stadtpläne erstellen, etwa von anderen realen Städten.

Beachten Sie allerdings bitte, dass derartige "reale" Stadtpläne nicht die Situation am jeweiligen Ort widerspiegeln. Bestenfalls kann die Anordnung der Gebäude (dichte oder lockere Bebauung, Zahl und Lage der Industriebetriebe usw.) Aufschluss über allgemeine Pandemieentwicklungen geben. Das Pandemielabor ist für modellhafte Berechnungen ausgelegt, nicht für ortsgebundene.

Für die Nutzung des Entwickler-Werkzeugs sind grundlegende Programmierkenntnisse in JavaScript erforderlich. Das Werkzeug lässt sich aus der Umgebung des Hauptprogramms nur mit einem speziellen Code aufrufen. Dieser ist dem Programm in einer gesonderten Informationsdatei beigefügt. Konsultieren Sie hierzu gegebenenfalls den Programmautor.

8. Nutzungsrechte und Kontakt

Das vorliegende Programm Pandemielabor geht auf die Simulation Politiklabor (englisch: An agent-based policy laboratory for COVID-19 containment strategies) von Ben Vermeulen (Lehrstuhl für Innovationsökonomik, Universität Hohenheim, Stuttgart 2020) zurück.

Das aktuelle Pandemielabor bietet eine umfassende Überarbeitung der ursprünglichen Programmroutinen (etwa bei der Ermittlung und Darstellung statistischer Daten und bei den veränderbaren Parametern) sowie wesentliche Erweiterungen (Warn-App-, Selbsttest-, Impfroutinen, Schulpolitik, psychologische, medizinische und ökonomische Annahmen, Algorithmenbildung, Datenexport, Klangausgabe, Modifikationen des Simulationsfelds, Benutzerhandbuch und vieles mehr).

Sowohl das ursprüngliche Programm als auch das Pandemielabor sind unter den Bedingungen der Creative Commons License BY-NC-SA 4.0 lizenziert. Im Einzelnen bedeutet dies unter anderem:

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

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

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

Bei Rückfragen zur aktuellen Pandemielabor-Simulation (Version 3.x) wenden Sie sich bitte an den Programmautor:

Frank U. Kugelmeier,
St.-Ursula-Gymnasium Attendorn
Programmierung (ab V. 3.0), Handbuch und Kurzhilfe,
Zusatzprogramme MiniLab und PathoGen

Haben Sie Fragen zu den Vorgängerversionen 1 und 2, kontaktieren Sie bitte folgende Personen:

Ben Vermeulen,
Universität Hohenheim;
jetzt: IQIP
Konzept, zugrundeliegendes Modell, Programmierung
(V. 1.x, V. 2.x)
Andreas Pyka,
Universität Hohenheim
Forschungszusammenarbeit, Weiterverwendung und Medien­nutzung der Programmversionen 1 und 2

Beachten Sie bitte, dass die dem Pandemielabor beigefügte Simulation MiniLab ein eigenständiges Programm ist und unter der MIT-Lizenz steht, während der ebenfalls beigefügte eigenständige Pandemierechner PathoGen wie das Pandemielabor unter Creative Commons BY-NC-SA 4.0 lizenziert ist.


Deutscher Text: Frank U. Kugelmeier, Attendorn
Version 3

 

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