An agent-based

Policy Laboratory

for COVID-19 containment strategies

 

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

User Manual


Content
0. Preliminary note
1. The user interface
1.1 The structure of the user interface
1.2 The simulation field
1.3 The result graphs
1.3.1    Degrees of infection
1.3.2    Degree of ICU utilisation
1.3.3    Labour volume
1.3.4    School capacity
1.3.5    Degree of infection according to age cohorts
1.4 Other display fields
1.4.1    Number of the simulation run
1.4.2    Legend and data field
2. Program control
2.1 Control elements
2.2 General program functions
2.3 The "Measures" field
2.4 The "Assumptions" field
2.5 City map & diagram settings
2.6 Direct input in the simulation field
2.7 Data monitor
2.7.1    Standard display
2.7.2    Display of age cohorts under 50 years
2.7.3    Display of age cohorts from 50 years
2.7.4    Display of the database
2.7.5    Display of medical records
3. Program concept and algorithms
3.1 The policy laboratory as a multi-agent system
3.2 Algorithms
3.2.1    Agent types
3.2.2    Activities
3.2.3    Work performance
3.2.4    Infections
4. Tips & tricks
4.1 Hardware problems
4.2 Test runs without a pandemic
4.3 Worst-case scenario
5. Technical information and data references
6. Bibliography
7. User license and contact


Preliminary note

Many years ago, the World Health Organization (WHO) warned of the medical, socio-political and economic dangers of national 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, politicians - at least in non-autocratically governed societies - have been acting strikingly shoulder to shoulder with the relevant scientists. There are big, existential questions under discussion: For example, does it make sense, in the hope of a vaccine that will soon be developed, to declare the slowdown in infection rates as the top priority at all costs - or, on the contrary, does a strategy of a rapid mass infection appear more effective in order to establish a wide population immunization as soon as possible?

There are also many further questions beyond these two basic positions: Which measures are - technically and also psychologically - suitable to promote a slowdown in infections? Are friendly references to regular hand washing, wearing a mask and keeping distance sufficient? Or must the "social distancing" of people be rigidly enforced through entry bans, school or company closings and / or curfews? And what is the price in this case for the complete shutdown of the economy? Is the damage here possibly more extensive than that caused by the corona virus itself? - Conversely: How many dead is a society willing to accept just to keep the economy going? Ultimately, who counts more: people or the market? And how can be dealt with the social unrest that can result from a mass extinction?

In addition, there are questions of a very practical nature: Is the existing healthcare system able to accept a larger number of Covid patients? How can society counter the educational deficits caused by school closings? And how can this society help those who have lost their livelihoods due to company closings or covid-related illnesses?

All of these questions interact with each other in a complex way. However, this does not mean that they cannot be answered. With the help of modern computer simulations, complex systems can be described well; and the data obtained can be used to get a feeling for the seemingly unpredictable development paths of these systems.

This is where the present policy laboratory comes into play. It is a so-called multi-agent system: Many small computer-generated "agents", which are equipped with different "human" properties and from whose "behavior" one can draw conclusions about existing, real societies, move on a simulation field. How the agents behave depends on the set screws that can be turned in the program. The policy laboratory offers almost fifty of these set screws and switches, which should serve to virtually test various political-economic measures and their effects (under defined different assumptions) before they will be "tested" in reality on real people.

For this purpose, the policy laboratory scenario generates a typical European city with the usual places to stay - work and leisure facilities, supermarkets, schools and residential areas. The inhabitants of the city live a completely normal life that follows a simple calendar rhythm. In the morning, the adults go to work in their offices and factories, the children go to school, and in the afternoon to play sports. In the shopping centers, the activity also increases strongly in the afternoon. The shops are frequented in particular at the weekend; one also meets here in leisure facilities and at major events.

There is significant social interaction in all of these locations. For a virus like the highly contagious corona virus, these are ideal conditions for propagation. It is easy to observe on the screen how a large percentage of people gradually become infected and sometimes seriously ill or even die. The city's hospital capacity is limited, so deaths increase as the capacity limit is exceeded. The virus disappears after a certain amount of time without intervention, and the surviving city dwellers have developed immunity. However, there are many deceased people to complain about.

In order to prevent this high mortality, one can intervene in the observed development. Health policy may be redesigned; infected people can be quarantined at home; health measures can improve hygiene conditions. One can also invest in the bed capacity of hospitals. To be on the safe side, companies and schools can remain partially or completely closed.

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

In this way, the policy laboratory forms an efficient socio-political experimental field for the (virtual) control of diseases such as the Covid 19 pandemic.

You are now kindly invited to face the challenge of a comprehensive pandemic as a politician or as an interested layperson and - be it planning, be it through trial and error - to develop appropriate solutions in the policy laboratory. Play through various policy decisions without the risk of massive negative impacts on a real population due to gross misjudgments. Feel also free to "run the simulation against the wall". Because this can help to eliminate inappropriate decisions in "real" life in time and to work out targeted measures instead.

An important note in this context: The policy laboratory puts social interactions into focus. Epidemiological and medical relationships, on the other hand, have been modeled very easily from publicly accessible sources of knowledge. Therefore, the program does not provide any specific medical forecasts. But it strengthens the understanding of complex relationships.

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

1. The user interface

1.1 The structure of the user interface

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

The visual center of the program are the simulation field (city map with agents) and the diagrams grouped to the right.

Above this area there are some buttons for language selection and for calling up external pages. Below the simulation field - in the form of buttons modeled on cassette recorders or CD players - is the simulation run control. To the right of it, under the diagrams, is the display of the current run number.

However, the policy laboratory would not be a laboratory if it did not have a sufficient number of rough and fine adjustments to design the simulation process. Two work surfaces in particular come into play here:

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

  • general policy,
  • gathering policy,
  • hospitalization policy,
  • epidemiological policy,
  • office policy,
  • school policy.

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

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

Assumptions differ from the aforementioned measures in that they are beyond direct political control or influence. While a curfew or a school closure is an expression of political action, politics has no - or at least no short-term - influence on factors such as the properties of a virus (risk of infection, possibility of loss of immunity) or economic structures that have been cemented for decades (production on site without any home office option, dependency on imports / exports). Nonetheless, by varying various basic assumptions - including the worst-case scenario of permanent pandemic infections - many additional scenarios can be modeled that can be important for decisions about the design of current policy.

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

In editions A and B, under the two fields mentioned, there is another area with set screws and switches. On the one hand, some display variants for the simulation field can be selected on the right (city map settings). On the other hand, various options for the data monitor (data monitor settings) are placed further to the left in edition A. As an alternative to this, editions B and C have a legend for the symbols in the simulation field.

In edition A, the bottom end of the user interface is the so-called data monitor, which can be used to read out all relevant data from the simulations. When the program starts, the monitor is limited to displaying a maximum of ten data lines (); however, you can switch it to full display using the button .

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

1.2 The simulation field

The basis of the policy laboratory is a 700 by 700 pixel projection surface on which a city map with streets as well as different colored usage zones and buildings is shown. Depending on the program settings, about 80 to 920 people (so-called agents) "live" in the buildings. They pursue different occupations, depending on the time of day and their profession (schoolchildren, employees, retirees). In doing so, they run the risk of infecting each other with the virus.

At the top right of the plan there is a continuously updated legend, which shows on the one hand (in the form of an analog clock) the simulation time (in days, hours, and minutes) and on the other hand the agents' state of health (as a frequency distribution of the degrees of infection).

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

Residential buildings (orange): these form the agents' retreat from which they may "swarm" for their respective activities.
Schools (red), more precisely: childcare and educational institutions of all kinds, including day-care centers and universities: they are usually visited by the younger agents in the mornings to early afternoons on working days (here: Monday to Friday).
Workplaces (pale purple): here the working agents can be found - also on working days.
Recreational areas (green): these are generally used by all agents (except those who are seriously ill), and only on Saturdays and Sundays.
Supermarkets (light red): they are frequented by different types of agents throughout the day (except on Sundays).
Hospitals (soft pink): depending on the program settings and the simulation process, these are occupied with seriously or critically ill agents.
Cemeteries (gray): they are initially empty, but then fill up with deceased agents (more precisely: with blue tombstones) during the course of the simulation. If the option "display the age" is selected, the color of the graves depends on the age of the deceased (black, gray, rarely: white).

The agents shown as small colored dots who 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 (schoolchildren, employees, retirees) or both. Normally, the simulation optically divides the actors into eight health categories:

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

The legend on the right shows, for example, that by the 37th simulation day (a Tuesday) at 1 p.m., 100 agents were not yet infected, 44 were seriously ill, 48 others were critically ill, 100 recovered and 8 died.

If you switch the display to "Age", the agent's age is shown instead of the degree of infection:

  • "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 (gray).

In the legend, the death rate CFR of the infected agents (CFR = Case Fatality Rate; number of deceased divided by the sum of deceased and recovered) and the base reproduction number R0 are also indicated - and continuously updated. The latter states how many more people an infected person will infect on average, if no vaccinations or existing immunities slow this process. The higher the number, the more dramatic and faster the pathogen will spread. Since it describes the infectious potential of the pathogen, it is the key indicator for assessing its pandemic potential. Both indicators (CFR and R0) vary in the present case depending on the settings and the course of the simulation.

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

1.3 The result graphs

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

Degrees of infection

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

Degree of ICU utilisation

In addition to this, the second diagram shows the utilization of the 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 the value 150 percent. The value 100 percent corresponds to the number of currently available intensive care beds (the number of beds can vary between 0 and 20 depending on the program settings). If the number of beds required is over 100 percent (i.e. more than the number of beds available), the system is at risk to collapse. In the specific case, it is assumed that the hospitals can still absorb overstrain up to a value of around 150 percent, but the health system finally collapses above this value. - In order to avoid distortions in the representation, the graphic display of overuse is limited to 150 percent; higher values are not shown, even if (or because) they could be a few thousand percent in extreme cases.

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

Labour volume

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

  • The work performance of the employees is of course primarily impaired by their illness. In particular, when individual agents are severely or critically ill, their individual performance is zero.
  • Another disturbance is the closure of the borders, which is intended to prevent the entry of infected people. At the same time, however, foreign trade is prevented or severely disrupted. Companies that are heavily dependent on imports and exports must therefore send their employees on short-time work, which in the simulation is set at 50 percent of the original workload. This situation is visualized in the simulation field by the fact that half of the employees concerned only go to work on the first three working days (i.e. 60 percent work), while the other half only work on Thursdays and Fridays (i.e. only 40 percent work).
  • Of course, work performance is also reduced if home office variants or even a general lockdown are set. 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 even allows them to work from home. - 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, naturally, recovery from the illness, on the other hand, belonging to the group of systemically important employees who are not even sent to the home office.

Attention: The work done by the agent society is always calculated for the entire previous work week; therefore the data are updated only every seven days and are repeated in the remaining days. This means that (as is also the case with real labor market statistics, by the way) the data situation always "lags behind" the current development.

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

In order to avoid these irritations, the so-called autocorrection can be switched off in the field "City map & diagram settings". The program then always starts with a roughly calculated 100 percent maximum output and shows the real values only from the second week. However, due to the different calculation mode, these have a slight fuzziness of up to 0.3 percentage points.

School capacity

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

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

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

Degree of infection according to age cohorts

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

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

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

1.4 Other display fields

Number of the simulation run

There is another display field immediately below the diagrams. 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) on the right of the point.

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

Legend and data field

In editions B and C of the policy laboratory, a legend with brief explanations of the symbols on the simulation field is displayed at the bottom of the user interface.

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)

When the program starts, this legend is also shown in edition A of the policy laboratory, but there in the data monitor field. If this is activated, the data records of the monitor appear on the same area instead - in the standard setting    for example in the following design:

2. Program control

2.1 Control elements

The policy laboratory uses five types of control elements as set 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): With these you can set a numerical value within a certain value range. The 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 to some areas of the simulation field with a mouse click.

2.2 General program functions

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

Language selection

The policy laboratory can currently be accessed in German and English. An expansion of the language options is planned.
External sites
This button links to the online policy laboratory of the University of Hohenheim.


Depending on the edition of the policy laboratory, different buttons are displayed here:
  • In edition A you can switch to edition B using the B button.
  • Edition B can also be called up from edition C via the B button.
  • If you start with edition B or call up B from A, B shows an A button to switch to edition A. If B was selected from C, the edition shows a C button to return to C.
The language selection is retained when changing editions.
This manual can be opened in a separate window using this button.
Control of the simulation run
Break:
The simulation can be stopped at any time and then continued with the help of a step or run button.
Small step:
This key enables forward jumps of 15 minutes within the simulation. Then the run is stopped.
Big step:
This key allows larger jumps. They vary, depending on the setting (see below), between 30 minutes and a full day (24 hours).
The settings are only effective in combination with the "Big step" button.
Slow run:
The simulation is played continuously at a moderate speed.
Fast run:
The simulation is played continuously relatively quickly.
Super fast run:
The simulation is played very quickly. The speed can be adjusted using the slider (see below). The simulation stops automatically after a hundred days, but can be continued for another hundred days by pressing the button again.
Position "x1" corresponds to the playback speed of the "Fast run". The default value "x100" can only be seen as symbolical, since the actual playback speed depends to a large extent on the hardware used.
Repetition:
A simulation run can be repeated with the same number of agents and the same number and composition of households. Since the program does not use an arbitrary random number generator, but works with so-called fixed random number series, if no settings have been changed, exactly the same results will appear as in the previous run. - But be careful: changes in the number of households and / or in the "normal / stylized city" area automatically mean that the repeat button behaves like the "New simulation" button (see below).
New simulation:
This key basically generates a new simulation with new random numbers, i.e. with new agent numbers and household compositions.

2.3 The "Measures" field

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

Various health policy measures can be activated or deactivated in this work area. The following table shows which measures are involved in detail. The last column shows the value the policy laboratory specifies when the program starts.

1. General policy initially
Physical measures: distance / hygiene / coughing:
Political appeals, laws and requirements of the authorities lead to higher hygiene standards in the population. This reduces the risk of infection.
If the switch is set, all schools are also automatically switched to "hybrid operation" (60 percent face-to-face teaching, 40 percent distance learning).
off
Acceptance:
Not all people adhere to the prescribed hygiene standards, be it out of negligence or out of principle. Here you can set the proportion of the population that accepts distance rules and mask requirements. The percentage is displayed above the controller.
In the "Psychological assumptions" field (see below), an automatism can also be called up which successively reduces the acceptance linearly or exponentially. Percentage display and slider position are then updated accordingly.
95%
Interregional travel policy: refuse incoming travelers:
The external borders can be closed to contain the pandemic. If the counter is open, new infections caused by immigration are recorded; if the counter is closed, this is prevented.
It should be noted that in the event of an entry ban, all import or export-dependent companies must go into short-time work and only 50 percent of the usual work performance is achieved there.
If the switch "Far-reaching lockdown" (see below) is set, this automatically includes entry bans.
Incidentally, systemically important employees are generally not affected by the ban.
off
Travel intensity
The number of infections increases with high travel intensity. The number of new infections per week can be set here with the slider. No distinction is made between professional and private trips. The setting is only effective if the "Interregional entry bans" switch is not set.
1
Purchase restrictions (1 buyer per household):
If the number of buyers in the supermarket is limited to one per household, the social contacts in the market are reduced and so is the risk of infection.
The program selects the oldest person in the household as the person entitled to purchase.
off
Far-reaching lockdown:
With the curfew set here, public life largely comes to a standstill. Unless they are employed in a system-relevant manner, people are only allowed to leave their homes to go shopping, and that only on Mondays, Wednesdays and Fridays from 4:30 p.m. to 7:00 p.m. If possible, work takes place in the home office, school at home in "distance learning". Major events are omitted; the borders remain closed.
Any other settings of the program are ignored. This switch is therefore one of the most momentous in the entire simulation.
off
2. Gatherings policy initially
Gatherings allowed:
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
Gatherings limited:
Major events are now only permitted under certain conditions and are associated with a significant reduction in the number of visitors. The visitor limit can be set below using the slider.
off
Gatherings prohibited:
Major events are no longer taking place.
off
Attendance limit:
The limitation of the number of visitors can be set here, if major events are permitted under certain conditions.
20%
3. Hospitalization policy initially
No special admission rules:
This option describes a situation that is actually untenable for a western industrialized country: the existing hospitals have no intensive care beds, no possibilities for artificial ventilation, etc. and therefore do not accept pandemic patients.
on
Admit only critical cases:
The hospitals now 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 below using the slider and is also displayed in the top diagram.
off
Admit both severe 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 patient more likely to survive.
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 20 intensive care beds to be set up is certainly luxurious, but in a society of 920 people (i.e. 400 households) it may not be any more.
If you reduce the number of intensive care beds while the simulation is running, the patients lying 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
4. Epidemiological policy initially
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:
Now the vaccine is available. A vaccination is recommended and noticed 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:
The vaccination is now compulsory and must also be observed by vaccine opponents.
off
Vaccinations per day:
Here you can set how many vaccinations the system can provide per day. This also includes unsuccessful vaccination attempts (in the case of vaccine opponents).
The total number of successful vaccinations carried out so far in the simulation run is displayed above the slider. In the case of an assumed loss of immunity, multiple vaccinations must be carried out, so the number of vaccinations can be higher than the total number of agents after a longer simulation time.
5
Vaccine opponents:
This slider can be used to set the percentage of those who oppose the vaccination. In practice, it depends heavily on the communication policy of the respective government and, in particular, the Ministry of Health.
The absolute number of vaccine opponents is noted above the slider.
6%
5. Office policy initially
None: come to the office regardless:
This option represents the normal case: All companies do "business as usual".
on
Stay and work from home when sick
Sick employees now stay at home and, if only slightly ill, continue to work from there if necessary.
off
Also work from home, if at risk
In addition to the sick, all members of risk groups are now sent to the home office as a precaution. The program defines all employees above a certain higher age as risk groups (see below).
off
Work from home regardless (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-compatible. 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 completely replace the work at the actual workplace, especially not if the employees have little relevant experience or the circumstances at home (children in home schooling, etc.) are unfavorable. 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.
off
Risk age:
The age at risk can be varied within the last decade of regular working life. The setting 55+ means, for example, that all employees between 55 and 65 are affected. If the value is 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 whom 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 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, politics 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 happy to unceremoniously declare those employed here to be systemically relevant 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 the "Measures" field.
20%
6. School policy initially
None: come to school regardless:
Normally, all schools work full-time. However, if the switch "Physical measures: distance / hygiene / coughing" is set, the educational and care institutions automatically fall into a hybrid mode. This is based on the idea that distance rules can only be adhered to if classes are divided. Shared classes, in turn, require more rooms that are not always available. Therefore, full-time operations cannot be maintained for all students. In practice, the classes receive face-to-face tuition on three days (i.e. 60 percent) - distributed over the week according to age groups - while the remaining learning content (40 percent) has to be worked through at home, e.g. through online learning.
on
Bar the ill from entering school:
If a student is diagnosed with an illness, he stays at home. For his classmates, lessons continue to take place full-time (or in hybrid mode, see above).
off
Close school by first infected person:
If an illness is diagnosed, the entire single school will now be closed as a precaution; the students learn in home schooling. - At the other schools in the city, lessons take place according to plan.
off
Close for one case and isolate households:
In addition, not only the sick student, but his entire family is placed in quarantine at home. The closure of the single school will of course continue.
off
Close all schools:
With this setting, all schools will be closed as a precaution. Lessons take place exclusively in home schooling through online learning.
off
Online learning:
Here you can set 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 here 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 are canceled, 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 makes it possible to have classroom teaching throughout, at least for younger age groups. For older students, however, depending on the setting of the program (see below), hybrid lessons with only temporary school attendance can still exist.
A note on this: The concept described seems quite bizarre and is only included here because it is actually practiced. However, unlike some school ministries, the policy laboratory program does not differentiate between school and extracurricular stay of the pupils, 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 in school without distance rules may find it difficult to convey why they should behave differently outside of the school.
off
Age limit:
Here you can select the age up to which children (students) are exempt from the distance rules. The age limit is displayed above the slider.
12 years

2.4 The "Assumptions" field

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

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

The following table shows which these are in detail. Here, too, the initial values at the start of the program are shown in the last column.

Psychological assumptions initially
Constant acceptance of the measures:
The policy laboratory tries to introduce a "human factor" into the simulation by also taking into account the psychological state 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 accepts the imposed requirements (distance rules, mask requirement, etc.) consistently. For example, if the acceptance value is 95 percent, this value will remain throughout the entire simulation run - even over years.
In practice, however, such an assumption is rather unrealistic.
on
Linear decrease in acceptance:
It is therefore assumed here that the acceptance of health policy measures, be it out of impatience and weariness, or out of political opposition, will wane over time. A linear decrease (down to zero) is modeled over a defined period of time that can be set with the "Loss of acceptance" slider (see below).
off
Exponential decrease in acceptance:
In this setting the acceptance does not decrease linearly, but exponentially.
off
Acceptance curve:
Eight curve types are available for modeling the exponential decrease. In curve type 0, acceptance remains relatively high for a long time and only decreases exponentially towards the end of a defined period. Curve type 7 generates a relatively flat (almost linear) exponential curve in which acceptance drops noticeably from the start. The remaining curve types lie between these two extremes.
2
Loss of acceptance:
The period over which the loss of acceptance extends can be set here. The program defaults are 100, 125, 150, 175 or 200 days.
The number of days assumes that the original acceptance value is 100 percent. If it is lower, the acceptance reaches the value "zero percent" earlier.
100 days
Increase in experience in the home office:
It is assumed here that the agents gain experience in dealing with the home office over time and can thus work more effectively from home in the long term. If the switch is set, the value increases weekly by 8 percentage points, so that after a quarter of a year (13 weeks) at the latest, all agents are one hundred percent "home office suitable" (provided they can work in the home office at all from their profession).
Here, too, the following applies: If the agents' initial experience is not zero percent, but rather higher (for example, with an initial value of 25 percent), the total experience of 100 percent is reached earlier.
off
Medical assumptions initially
Infection risk:
The program sets the risk of infection to the index value 4. However, lower or higher values are of course 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 traditional flu.
4
Loss of immunity:
The body of a sick or convalescent person may not build up sufficient long-term immunity against a virus. If the switch is set, such a loss of immunity is assumed for all agents.
off
Risk of re-infection:
Here you can see the risk of re-infection after surviving illness (or after a temporary vaccination). In this case, too, an index value is specified. If it is 10, all agents can in principle be re-infected. If it is 1, it only hits about one in ten.
5
Immunity period:
How long a pandemic patient (or vaccinated person) has de facto immunity with an expected loss of immunity can be adjusted here between 5 and 90 days using a slider.
60 days
No new infections:
If you choose this option, further infections in the simulation run are prevented.
Of course, the sudden end of a pandemic almost "overnight" is unrealistic. Alternatively, 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 a simulation run begins.
See also the section "Test runs without a pandemic".
off
Economic assumptions initially
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 degree 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 they have to send their workforces to short-time work (program specification: 50 percent).
Analogous to the heading "Local work", the following also applies here: The higher the percentage of supra-regional companies, the lower the work performance in the event of a lockdown or travel restrictions.
40%
Home office affinity:
Not all employees have sufficient home office experience. The proportion of experienced home workers in relation to the total number of employees can therefore be determined here. The percentage is displayed above the slider.
In the "Psychological assumptions" area (see above), an automatism can be called up that gradually increases the home office experience linearly. Percentage display and slider position are then updated accordingly.
25%

2.5 City map & diagram settings

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

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

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

City map & diagram settings initially
Stylized city*:
The city map shows a schematized, symmetrically laid out city after the switch is set and a new simulation run is called. As a result, some interdependencies can be seen more clearly because they are less complex. The stylized city basically has 200 households.
off
Attendance:
The policy laboratory is programmed in such a way that the agents visit workplaces, schools and leisure facilities in their vicinity. The maximum number of visitors in these locations can be made visible here.
off
Locking function:
If this switch is activated, certain areas on the simulation field can be blocked with a mouse click. More on this in the following section "Direct input in the simulation field".
on
 
 
off
Autocorrection: labour (cf. labour volume diagram):
The program calculates the work performance of the employees at the end of each working week. Since there is no previous working week at the start of the program, the program initially roughly calculates a (theoretical) performance of the agents, which is set to 100 percent and readjusted from the second week based on the calculation of the real performance of the first week (autocorrection). This method has a dis­advantage: If a simulation starts e.g. in lockdown, the reduced work performance of the first week is calculated as 100 percent. If the lockdown is lifted later, the workload increases to well over 100, in extreme cases even to more than 2000 percent. To avoid these irritating values, you can deactivate the autocorrection. The program then always starts with the formally determined 100 percent performance of the agents and does not readjust it. However, the formal determination (and updating) of the work performance is not very precise. The real performance is (at random) between 0.0 and 0.3 percent lower.
Switching the autocorrection on or off during a running simulation should be avoided, as the percentage values displayed in the data monitor can otherwise no longer be reconstructed.
on
 
 
off
Infection:
The agents of the political laboratory are usually shown as colorful circles outlined in black, with the color inside the circle reflecting the degree of infection.
on
Infection/age:
In this setting, the agents appear inside the circle in their infection colors; however, the edge indicates their age (white: young, black: employed, gray: retired). The display is difficult to see while the simulation is running; individual agents can be analyzed better when the simulation is stopped.
off
Age:
Depending on their age, the agents present themselves as white, black or gray circles with a black border - white as children, adolescents, young adults up to 20 years of age, black as employees (21 to 65 years old), gray as retirees (over 65 years of age). This color assignment may also apply to their graves. - The legend of the simulation field is adjusted accordingly.
off
Households*:
The number of households can be selected in steps of 50 from 50 to 400 (with approx. 100 to approx. 900 people). This option can be used to test whether and to what extent the population density has an influence on the infection process. - The setting only applies to normal cities, not to the stylized variant.
200

Simulation field layout: examples
50 households 400 households
200 households with attendance 200 households, stylized

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

2.6 Direct input in the simulation field

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

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

Of course, every block can be lifted again by clicking the mouse again.

As a sign of blocking, the clicked area appears crossed out in red. If the "Attendance" switch (also in the "City map & diagram settings" field) is activated, the maximum number of visitors to the respective field is no longer displayed on a white, but on a red background.

The following fields can be blocked:

  • schools,
  • working areas,
  • recreation areas.

Agents can no longer enter blocked areas. During the time that they would normally be there, they stay at home and work here, for example, from home offices or via distance learning.

In addition, individual households can also be blocked with a click of the mouse, i.e. be sent to quarantine. Households selected with the mouse now appear outlined in dark red and bold; all household members no longer leave the apartment (not even to go shopping).

Blockings generated with a click of the mouse generally apply to all agents, including 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 does its capacity decrease. If you put all households in quarantine so that no more students can attend an educational institution, the capacity of the institution (as an offer) will still be retained as long as it is not expressly blocked.

2.7 Data monitor

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

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

On the right above the display field is a bar with buttons for calling up the most important functions of the monitor.

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

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

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

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

In addition, the "Data monitor settings" field offers further, rather basic options for the display.

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

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

It is necessary to change the separator if you want to transfer the displayed data record to an external spreadsheet and this requires certain separators (such as a semicolon) for the import.

A total of five different data sheets can be called up:

  • 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 (particularly if the possibility of re-infection and a high number of agents are switched on) 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 line shows the main categories of the data, the second line contains the subcategories, sometimes in rather cryptic abbreviations. The following tables provide an overview of all main and sub categories.

Standard display ()
DayCurrent day at midnight, 24:00 (day 0: first day at 0:00)
Infection state
1Number of uninfected, but susceptible people
2Number of people exposed to the virus
3Number of people with pre-symptoms
4Number of people infected
5Number of seriously ill people
6Number of critically ill people
7Number of people recovered (or vaccinated)
8Number of people deceased
ICP
(= Intensive Care Patients)
Number of people in intensive care units
Indicators
CFR
(= Case Fatality Rate)
Death rate (number of deceased divided by the sum of deceased and recovered)
R0
(R0-Wert)
Basic reproduction number (number of people infected on average by an infected person)
ICU-%
(= Intensive Care Units)
Utilization of the existing intensive care beds in percent (over 100 percent: collapse of the system)
Vacc
(= Vaccinations)
Total number of vaccinations carried out so far
Lab-%
(= Labor volume)
Labor volume in percent (economic output)
Sch-%
(= School capacity)
School capacity in percent
S
(= Schools)
Number of schools open
Measures
1. General policy
1Physical measures: distance/hygiene/coughing
0: switched off
1: switched on
Ac
(= Acceptance)
Acceptance of the measures (in percent)
xInterregional travel policy: refuse incoming travelers
0: switched off
1: switched on
Tr
(= Travel intensity)
Travel intensity (travel-related infections per week)
xPurchase restrictions (1 buyer per household)
0: switched off
1: switched on
xFar-reaching lockdown
0: switched off
1: switched on
2. Gathering policy
20: Gatherings allowed
1: Gatherings limited
2: Gatherings prohibited
Li
(= Limit)
Attendance limit (in percent)
3. Hospitalization policy
30: No special admission rules
1: Admit only critical cases
2: Admit both severe and critical cases
Cp
(= Capacity)
Hospital capacity (number of intensive care beds)
4. Epidemiological policy
40: No vaccination measures
1: Vaccination recommended
2: Vaccination required
VD
(= Vaccinations per day)
Vaccinations per day (number of persons)
VO
(= Vaccine opponents)
Vaccine opponents (in percent)
5. Office policy
50: None: come to the office regardless
1: Stay and work from home when sick
2: Also work from home, if at risk
3: Work from home regardless (if possible)
RA
(= Risk age)
Risk age (55 and older to 65 and older)
Vi
(= Vital employees)
Vital employees (in percent)
6. School policy
60: None: come to school regardless
1: Bar the ill from entering school
2: Close school by first infected
3: Close for one case and isolate households
4: Close all schools
OL
(= Online learning)
Online learning (maximum effect in percent)
xAbolition of distance rules for students
0: switched off
1: switched on
AL
(= Age limit)
Age limit (in years) for the cancellation
Assumptions
Psychological assumptions
:0: Constant acceptance of the measures
1: Linear decrease in acceptance
2: Exponential decrease in acceptance
C
(= Curve)
Acceptance curve
from 0: first small, then massive exponential decrease
to 7: flat, almost linear exponential decrease
Len
(= Length)
Loss of acceptance (in days)
xIncreasing experience in the home office
0: switched off
1: switched on
Medical assumptions
IR
(= Infection risk)
Infection risk (index value)
xLoss of immunity
0: switched off
1: switched on
RR
(= Risk of reinfection)
Risk of reinfection (index value)
IP
(= Immunity period)
Immunity period (days)
xNo new infections
0: switched off
1: switched on
Economic assumptions
Ld
(= Location-dependent work)
Location-dependent (i.e. not home office capable) work (in percent)
IB
(= Interregional businesses)
Interregional (i.e. import / export dependent) businesses (in percent)
Af
(= Affinity)
Home office affinity (as a percentage of all employees)

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

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

Display of the database ()
RunIndependent simulation run (without repetitions)
ModeSimulation mode
N: normal city
S: stylized city
Pers.Number of people (agents) in the simulation run
Household types: parents/children*
1/0Number of single households
1/1Number of single-parent households with one child
1/2Number of single-parent households with two children
1/3Number of single-parent households with two children
2/0Number of households of type "couple without children"
2/1Number of households of type "couple with one child"
2/2Number of households of type "couple with two children"
2/3Number of households of type "couple with three children"
Misc
(= Miscellaneous)
Number of other households
(P)Total number of people in the "other/miscellaneous" household type
* Those referred to here as "children" can in fact already be adults.
Profession
SNumber of "students", i.e. of children and adolescents (here: people up to 20 years)
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.

Display of medical records ()
Query day and timeQuery day and time (day / hour:minutes)
No.Agent ID number
AgeAge of the agent
HH
(= Household)
Agent's household number
Day / timeTime of the event described below (see Status)
StatusMedical status of the agent:
  • exposed, latent
  • presymptomatic
  • infected, symptomatic
  • infected severely
  • admitted to the hospital
  • infected critically
  • recovered
  • released from hospital
  • vaccinated
  • reinfectable
  • deceased

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

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

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

3. Program concept and algorithms

3.1 The policy laboratory as a multi-agent system

There are a number of attempts to track the development of a pandemic on the computer and thus to provide the basis for political decisions. For example, at the beginning of the Covid-19 pandemic in the USA, the Washington Post published a highly regarded article that tried to explain the effects (and the necessity) of "social distancing" using a simple simulation model (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. Even if the contribution has become the most widely read WP article of all time, it is based more on physical than on social science considerations.

The Neherlab of the Biozentrum of the University of Basel took an alternative route and developed a metapopulation model for pandemic analysis that uses a system of differential equations that essentially structure spatial features and social interactions.

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

3.2 Algorithms

Agent types

On the one hand, the agents of the policy laboratory act individually and self-sufficiently, on the other hand, as a general population, they also follow certain schemes. They move around in strictly regulated time windows in a classic five-day week, they keep doing the same job, they don't leave their simulation field, they don't age either and yet act "typically" for a western industrial society.

In the present simulation environment, to put it bluntly, they basically only have one "real" task, namely that of getting infected with the pandemic virus under unfavorable 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.

These three agent types move, guided by their respective "interests" (work, education, basic care, diversion, etc.), across the simulation field. In doing so, they define a virtual field around themselves. If a neighboring 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 in school), but on the other hand they also take place across types in places of common interest (in supermarkets, during sports, etc.).

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

Activities

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

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

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

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

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

The situation is similar with employees who are sent on short-time work due to restrictions in the interregional movement of people and goods:

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

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

Agent type Monday Tuesday Wednesday Thursday Friday Saturday Sunday
Students  
 
Vital employees 8 a.m. - 5 p.m.
workplace,
5:30 - 6:30 p.m.
supermarket
(1 pers./househ.)
8 a.m. - 5 p.m.
workplace
8 a.m. - 5 p.m.
workplace,
5:30 - 6:30 p.m.
supermarket
(1 pers./househ.)
8 a.m. - 5 p.m.
workplace
8 a.m. - 5 p.m.
workplace,
5:30 - 6:30 p.m.
supermarket
(1 pers./househ.)
Other employees 5:30 - 6:30 p.m.
supermarket
(1 pers./househ.)
5:30 - 6:30 p.m.
supermarket
(1 pers./househ.)
5:30 - 6:30 p.m.
supermarket
(1 pers./househ.)
Retirees sometime
between
4:30 and 7 p.m.
supermarket
1.5 hours
(1 pers./househ.)
sometime
between
4:30 and 7 p.m.
supermarket
1.5 hours
(1 pers./househ.)
sometime
between
4:30 and 7 p.m.
supermarket
1.5 hours
(1 pers./househ.)
Retirees who 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 provided for by other agents.
In the rare event that students (i.e. people under 21) already live in their own household, it is also assumed that they are provided 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 concrete work performance of each individual working agent. The sum of these individual services then allows conclusions to be drawn about the overall economic situation of the agent society (see also the labour volume diagram).

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

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

The following table provides an overview of the values set by the program.

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

Infections

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

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

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

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

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

4. Tips & Tricks

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

4.1 Hardware problems

On older computers, you should not set the processing speed to the highest level, as the hardware may otherwise no longer cope with the complex calculations of the policy laboratory. So start at a moderate pace and test the capabilities of your computer.

Conversely, with an unfavorable hardware configuration it can happen that on very fast computers with high processing speed individual days are "swallowed up" and are 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, as otherwise thousands of data in the display have to be updated at high speed. This can lead to a noticeable slowdown in the run, especially on older computers.

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

The following basic rule also applies: the more households are set in a simulation run, the more time the computer needs to calculate the data.

4.2 Test runs without a pandemic

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

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

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

4.3 Worst case scenario

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

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

In the case of very long simulations with many infections, hospital stays, vaccinations, immunity losses and reinfections, the medical files of the individual agents naturally become very extensive. If you call up the files using the button   , it can therefore take a moment (especially on older computers) until the external window is displayed.

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 the highest ID numbers are displayed.

5. Technical information and data references

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

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

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

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

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

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

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

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

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

6. Bibliography

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

Aksamentov, I., Noll, N., Neher, R. (2020): COVID-19 Scenario webapp. Available online at https://neherlab.org/covid19, checked on 3/22/2020.

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

7. User license and contact

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

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

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

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

For inquiries please contact the following people:

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

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

English text created by automatic translator


Politiklabor

zum Test gesundheitspolitischer Instrumente
zur Eindämmung der COVID-19-Pandemie

 

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

Benutzerhandbuch


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


Vorbemerkung

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

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

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

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

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

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

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

An all diesen Orten finden in erheblichem Umfang soziale Interaktionen statt. Für einen Virus wie den hoch ansteckenden 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. Der Virus verschwindet nach einer gewissen Zeit zwar auch ohne ein Eingreifen, und die überlebenden Stadtbewohner haben eine Immunität entwickelt. Es sind dann jedoch viele Verstorbene zu beklagen.

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

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

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

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

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

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

1. Die Benutzeroberfläche

1.1 Die Struktur der Benutzeroberfläche

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

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

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

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

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

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

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

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

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

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

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

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

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

1.2 Das Simulationsfeld

Die Basis des Politiklabors bildet eine 700 mal 700 Pixel große Projektionsfläche, auf der ein Stadtplan mit Straßen sowie verschiedenfarbigen Nutzungszonen und Gebäuden dargestellt ist. In den Gebäuden "leben", je nach Programmeinstellungen, etwa 80 bis 920 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.

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 Option "Anzeige des Alters" gewählt, richtet sich die Farbe der Gräber nach dem Alter der Verstorbenen (schwarz, grau, selten: weiß).

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

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

Der nebenstehenden Legende ist zum Beispiel zu entnehmen, dass bis zum 37. Simulationstag (einem Dienstag) um 1 Uhr 100 Agenten noch nicht infiziert, 44 hingegen schwer, 48 weitere lebensgefährlich erkrankt, 100 wieder genesen und 8 verstorben sind.

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

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

In der Legende zusätzlich angegeben - und laufend aktualisiert - werden die Sterberate CFR der infizierten Agenten (CFR = Case Fatality Rate; Zahl der Verstorbenen dividiert durch die Summe aus Verstorbenen und Genesenen) sowie die Basisreproduktionszahl R0. Letztere 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. Beide Kennziffern (CFR und R0) 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.

1.3 Die Ergebnisgraphen

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

Infektionsgrade

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

Auslastung der Intensivstationen

In Ergänzung hierzu stellt das zweite Schaubild die Auslastung der medizinischen Intensivstationen dar. Ausgewiesen wird hier in Prozent die Zahl der benötigten, nicht die der vorhandenen Intensivbetten. Die y-Achse ist bis zum Wert 150 Prozent gerastert. Der Wert 100 Prozent entspricht der Zahl der aktuell verfügbaren Intensivbetten (wobei die Bettenzahl je nach Programmeinstellungen zwischen 0 und 20 variieren kann). Liegt die Zahl der benötigten Betten über 100 Prozent (d. h. über der Zahl der vorhandenen Betten), droht das System zu kollabieren. Im konkreten Fall wird angenommen, dass die Hospitäler Überbeanspruchungen bis zum Wert von etwa 150 Prozent vielleicht noch auffangen können, das Gesundheitssystem oberhalb dieses Werts jedoch endgütig zusammenbricht. - Um Verzerrungen in der Darstellung zu vermeiden, ist die grafische Anzeige von Überbeanspruchungen auf 150 Prozent begrenzt; höhere Werte werden nicht ausgewiesen, auch wenn (bzw. weil) sie im Extremfall bei einigen tausend Prozent liegen könnten.

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

Arbeitsvolumen

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

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

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

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

Um diese Irritationen zu vermeiden, lässt sich im Feld "Stadtplan- und Diagramm-Einstellungen" die sogenannte Autokorrektur abstellen. Das Programm startet dann grundsätzlich mit einer überschlägig ermittelten 100-Prozent-Maximalleistung und zeigt erst ab der zweiten Woche die realen Werte an. Diese haben aufgrund des anderen Berechnungsmodus allerdings eine leichte Unschärfe von bis zu 0.3 Prozentpunkten.

Schulkapazität

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

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

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

Infektionsgrade nach Alterskohorten

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

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

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

1.4 Weitere Anzeigefelder

Nummer des Simulationslaufs

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

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

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

Legende und Datenfeld

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

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

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

2. Die Programmsteuerung

2.1 Bedienelemente

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

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

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


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

2.2 Allgemeine Programmfunktionen

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

Sprachauswahl

Das Politiklabor kann zurzeit in deutscher und in englischer Sprache aufgerufen werden. Eine Ausweitung der Sprachoptionen ist geplant.
Externe Seiten
Dieser Schaltknopf verlinkt auf das Online-Politiklabor der Universität Hohenheim.


Je nach Edition des Politiklabors werden hier unterschiedliche Knöpfe angezeigt:
  • In Edition A kann man über den B-Schaltknopf zur Edition B wechseln.
  • Ebenso kann man aus Edition C heraus über den B-Knopf die Edition B aufrufen.
  • Startet man mit Edition B oder ruft man B von A aus auf, zeigt B einen A-Schaltknopf für den Wechsel zur Edition A. Wurde B von C aus angewählt, zeigt die Edition einen C-Knopf für die Rückkehr zu C.
Die Sprachauswahl bleibt beim Wechsel erhalten.
Über diesen Schaltknopf kann in einem separaten Fenster das vorliegende Handbuch geöffnet werden.
Steuerung des Simulationslaufs
Pause:
Die Simulation kann jederzeit angehalten und dann mit Hilfe einer Schritt- oder Verlauf-Taste fortgesetzt werden.
Kleiner Schritt:
Diese Taste ermöglicht innerhalb der Simulation Vorwärts-Sprünge von 15 Minuten. Danach wird der Lauf angehalten.
Großer Schritt:
Diese Taste gestattet größere Sprünge. Sie variieren, je nach Einstellung (siehe unten), zwischen 30 Minuten und einem ganzen Tag (24 Stunden).
Die Einstellungen sind nur in Kombination mit der Taste "Großer Schritt" wirksam.
Langsamer Verlauf:
Die Simulation wird kontinuierlich in mäßiger Geschwindigkeit abgespielt.
Schneller Verlauf:
Die Simulation wird kontinuierlich relativ schnell abgespielt.
Superschneller Verlauf:
Die Simulation wird sehr schnell abgespielt. Die Geschwindigkeit lässt sich per Schieberegler (siehe unten) einstellen. Nach hundert Tagen stoppt die Simulation automatisch, kann aber durch neuerliches Betätigen der Taste für jeweils weitere hundert Tage 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.
Wiederholung:
Ein Simulationslauf kann mit gleicher Agentenzahl sowie gleicher Zahl und Zusammensetzung der Haushalte wiederholt werden. Da das Programm keinen willkürlichen Zufallsgenerator verwendet, sondern mit sogenannten festen Zufallszahlenreihen arbeitet, erscheinen bei einer Wiederholung, falls keine Einstellungen verändert wurden, exakt dieselben Ergebnisse wie beim vorherigen Lauf. - Aber Achtung: Änderungen in der Zahl der Haushalte und/oder im Bereich "normale/stilisierte Stadt" führen automatisch dazu, dass sich die Wiederholungs-Taste wie die Taste "Neue Simulation" (siehe unten) verhält.
Neue Simulation:
Diese Taste generiert grundsätzlich eine neue Simulation mit neuen Zufallszahlen, d. h. mit neuen Agentenzahlen und Haushaltszusammensetzungen.

2.3 Das Feld "Maßnahmen"

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

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

1. Allgemeine Maßnahmen Startwert
Abstandsregeln, Maskenpflicht und Händewaschen:
Politische Appelle, Gesetze und Vorgaben der Behörden führen zu höheren Hygienestandards in der Bevölkerung. Die Infektionsgefahr wird hierdurch reduziert.
Ist der Schalter gesetzt, werden darüber hinaus alle Schulen automatisch in den "Hybrid-Betrieb" (60 Prozent Präsenzunterricht, 40 Prozent Distanzlernen) versetzt.
aus
Akzeptanz:
Nicht alle Menschen halten sich an die vorgeschriebenen Hygienestandards, sei es aus Nachlässigkeit, sei es aus Prinzip. Hier kann eingestellt werden, zu welchem Anteil die Bevölkerung Abstandsregeln und Maskenpflicht akzeptiert. Der Prozentsatz wird über dem Regler angezeigt.
Im Feld "Psychologische Annahmen" (siehe weiter unten) lässt sich zudem ein Automatismus aufrufen, der die Akzeptanz sukzessive linear oder exponentiell reduziert. Prozentanzeige und Schiebereglerposition werden dann entsprechend aktualisiert.
95%
Interregionale Einreiseverbote:
Zur Eindämmung der Pandemie können die Außengrenzen geschlossen werden. Bei offenem Schalter sind durch Einreise verursachte Neuinfektionen zu verzeichnen, bei geschlossenem Schalter 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 (1 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 jeweils 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.
Anderweitige Einstellungen des Programms werden ignoriert. Dieser Schalter ist also einer der folgenreichsten der gesamten Simulation.
aus
2. Maßnahmen für Großveranstaltungen Startwert
Großveranstaltungen zulässig:
Diese Option nimmt den Normalzustand an: Großveranstaltungen wie Konzerte oder Stadionereignisse, aber auch größere Familienfeiern im Restaurant oder Club-Events sind erlaubt.
ein
Großveranstaltungen begrenzt zulässig:
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
Großveranstaltungen verboten:
Großveranstaltungen finden nun grundsätzlich nicht mehr statt.
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 20 einzurichtende Intensivbetten sicherlich luxuriös, in einer Gesellschaft von 920 Personen (d. h. 400 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
4. Epidemiologische Maßnahmen Startwert
Keine Impfmaßnahmen:
Angenommen wird hier der ungünstige Fall, dass entweder noch keine Impfmaßnahmen eingeleitet worden sind oder aber gar kein Impfstoff verfügbar ist.
ein
Impfempfehlung:
Nun ist Impfstoff vorhanden. Eine Impfung wird empfohlen und von den meisten Agenten - außer erklärten Impfgegnern - auch wahrgenommen. Allerdings ist die Zahl der Impfungen pro Tag (aus technischen Gründen) begrenzt, so dass sich eine "Durchimpfung" der Bevölkerung einige Zeit hinziehen kann.
aus
Impfpflicht:
Die Impfung ist jetzt verpflichtend und muss auch von Impfgegnern wahrgenommen werden.
aus
Impfungen pro Tag:
Hier lässt sich einstellen, wie viele Impfungen das System pro Tag leisten kann. Eingerechnet sind dabei auch vergebliche Impfversuche (bei Impfgegnern).
Oberhalb des Schiebereglers wird die Gesamtzahl der bisher im Simulationslauf vorgenommenen erfolgreichen Impfungen angezeigt. Im Falle eines angenommenen Immunitätsverlusts müssen Mehrfachimpfungen durchgeführt werden, daher kann die Zahl der Impfungen nach längerer Simulationszeit auch über der Gesamtzahl der Agenten liegen.
5
Impfgegner:
Über diesen Regler lässt sich die Quote der Impfgegner prozentual festlegen. In der Praxis hängt sie stark von der Kommunikationspolitik der jeweiligen Regierung und hier speziell des Gesundheitsministeriums ab.
Die absolute Zahl der Impfgegner ist oberhalb des Schiebereglers notiert.
6%
5. Maßnahmen für 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.
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%
6. Maßnahmen für Schulen Startwert
Nur allgemeine Maßnahmen:
Im Normalfall arbeiten alle Schulen im Vollzeitbetrieb. Ist allerdings der Schalter "Abstandsregeln, Maskenpflicht und Händewaschen" gesetzt, fallen die Bildungs- und Betreuungsinstitutionen automatisch in einen Hybridmodus. Dem liegt die Überlegung zugrunde, dass das Einhalten von Abstandsregeln nur möglich ist, wenn Klassen geteilt werden. Geteilte Klassen wiederum benötigen mehr Räume, die nicht immer zur Verfügung stehen. Daher kann der Vollzeitbetrieb für alle Schüler nicht aufrechterhalten werden. In der Praxis erhalten die Klassen - nach Jahrgängen über die Woche verteilt - an drei Tagen (also zu 60 Prozent) Präsenzunterricht, die restlichen Lerninhalte (40 Prozent) müssen zu Hause, etwa durch Online-Lernen, erarbeitet werden.
ein
Häusliche Quarantäne für infizierte 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 bei 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.
aus
Individuelle Schulschließung, 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.
aus
Schließung aller Schulen:
In dieser Einstellung werden vorsorglich alle Schulen geschlossen. Unterricht findet ausschließlich im Home-Schooling durch Online-Lernen statt.
aus
Online-Lernen:
Hier lässt sich einstellen, bis zu welchem Grad Online-Lernen herkömmlichen Unterricht im Klassenraum ersetzen kann. Selbstverständlich können hier nur Schätzungen vorgenommen werden. Ältere Schüler werden mit dem Computer besser zurechtkommen als jüngere und zeigen unter Umständen auch mehr Lerndisziplin - vorausgesetzt, die entsprechende Online-Technologie (Tablets, schnelles Internet, Lernplattformen usw.) steht überhaupt zur Verfügung.
Beachtet werden muss hier zudem, dass sich die Möglichkeiten für Online-Unterricht automatisch (im Programm: auf die Hälfte) reduzieren, falls die Lehrer im Hybrid-Modus zugleich auch Präsenzunterricht leisten müssen.
10%
Aufhebung der Abstandsregeln für Schüler:
Ist dieser Schalter gesetzt, werden, selbst wenn sie in anderem Zusammenhang weiterhin gelten, die Abstandsregeln für Schüler aufgehoben. Diese Maßnahme beruht auf der Vermutung, dass Kinder und Jugendliche nicht so infektiös seien wie Erwachsene.
Hierdurch wird, zumindest für jüngere Jahrgänge, wieder durchgängiger Präsenzunterricht möglich. Für ältere Schüler kann jedoch, je nach Einstellung des Programms (siehe unten), durchaus weiterhin Hybrid-Unterricht mit nur zeitweiliger schulischer Präsenz bestehen bleiben.
Hierzu eine Anmerkung: Das beschriebene Konzept erscheint recht bizarr und ist hier nur aufgenommen, weil es tatsächlich praktiziert wird. Allerdings unterscheidet das Politiklabor-Programm, anders als einige Schulministerien, nicht zwischen schulischem und außerschulischem Aufenthalt der Schüler, sondern hebt die Abstandsregeln für die entsprechenden Altersgruppen grundsätzlich auf. Dieser Ansatz folgt der Überlegung, dass Kindern, die einen großen Teil ihrer Zeit ohne Abstandsregeln in der Schule verbringen, nur schwer zu vermitteln sein dürfte, warum sie sich außerhalb anders verhalten sollten.
aus
Altersgrenze:
Hier kann ausgewählt werden, bis zu welchem Alter Kinder (Schüler) von den Abstandsregeln ausgenommen werden. Die Altersgrenze wird oberhalb des Reglers angezeigt.
12 Jahre

2.4 Das Feld "Annahmen"

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

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

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

Psychologische Annahmen Startwert
Konstante Akzeptanz der Maßnahmen:
Das Politiklabor versucht einen "menschlichen Faktor" in die Simulation einzubringen, indem es auch die psychische Verfassung der Agenten berücksichtigt. In der Grundeinstellung wird eine sehr gefestigte Grundhaltung der Bevökerung angenommen. Der in der Rubrik "Akzeptanz" festgelegte Prozentsatz an Agenten akzeptiert die auferlegten Gebote (Abstandsregeln, Maskenpflicht usw.) durchgängig. Liegt der Akzeptanzwert zum Beispiel bei 95 Prozent, bleibt dieser Wert also während des gesamten Simulationslaufs - auch über Jahre hinweg - bestehen.
In der Praxis ist eine solche Annahme allerdings eher unrealistisch.
ein
Lineare Abnahme der Akzeptanz:
Angenommen wird deshalb hier, dass die Akzeptanz der gesundheitspolitischen Maßnahmen, sei es aus Ungeduld und Überdruss, sei es aus politischer Opposition, im Lauf der Zeit nachlässt. Modelliert wird eine lineare Abnahme (bis auf null) über einen definierten Zeitraum, der sich mit dem Regler "Akzeptanz-Verlust" (siehe unten) festlegen lässt.
aus
Exponentielle Abnahme der Akzeptanz:
In dieser Einstellung nimmt die Akzeptanz nicht linear, sondern exponentiell ab.
aus
Akzeptanz-Kurve:
Für die Modellierung der exponentiellen Abnahme stehen acht Kurventypen zur Verfügung. In Kurventyp 0 bleibt die Akzeptanz über eine lange Zeit hinweg relativ hoch und nimmt erst gegen Ende eines definierten Zeitraums rapide exponentiell ab. Kurventyp 7 generiert eine relativ flache (fast schon lineare) exponentielle Kurve, in der die Akzeptanz bereits von Anfang an erkennbar sinkt. Die übrigen Kurventypen liegen in ihrem Verlauf zwischen diesen beiden Extremen.
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
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. Bei gesetztem Schalter nimmt der Erfahrungswert wöchentlich um 8 Prozentpunkte zu, so dass spätestens nach einem Vierteljahr (13 Wochen) sämtliche Agenten hundertprozentig "home-office-tauglich" sind (sofern sie von ihrer Profession her überhaupt im Home-Office arbeiten können).
Auch hier gilt: Liegen die Anfangserfahrungen der Agenten nicht bei null Prozent, sondern höher (zum Beispiel beim Startwert 25 Prozent), werden die 100 Prozent Gesamterfahrung früher erreicht.
aus
Medizinische Annahmen Startwert
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 einen extrem aggressiven Virus ab, der in seiner Infektiösität deutlich über der von Covid-19 liegt. Ein Indexwert von 1 entspricht hingegen eher dem einer traditionellen Grippe.
4
Immunitätsverlust:
Unter Umständen baut der Körper eines Erkrankten bzw. Genesenen keine hinreichende Langzeit-Immunität gegen einen Virus auf. Bei gesetztem Schalter wird hier ein solcher Immunitätsverlust für alle Agenten angenommen.
aus
Risiko einer Neuinfektion:
Hier lässt sich das Risiko einer erneuten Infektion nach überstandener Krankheit (oder nach einer temporären Impfung) ablesen. Vorgegeben wird auch in diesem Fall ein Indexwert. Liegt er bei 10, können sich im Prinzip alle Agenten neu infizieren. Liegt er bei 1, trifft es nur etwa jeden zehnten.
5
Immunitätszeitraum:
Wie lange ein Pandemie-Patient (bzw. Geimpfter) bei zu erwartendem Immunitätsverlust de facto Immunität genießt, ist hier per Regler zwischen 5 und 90 Tagen zu justieren.
60 Tage
Keine weiteren Infektionen:
Wählt man diese Option, werden weitere Infektionen im Simulationslauf unterbunden.
Natürlich ist das plötzliche Ende einer Pandemie quasi "über Nacht" unrealistisch. Hilfsweise kann man den Schalter jedoch benutzen, um mit verschiedenen Programmeinstellungen zu experimentieren und sich deren Auswirkungen frei von pandemischen Einflüssen anzeigen zu lassen. Zu diesem Zweck muss der Schalter bereits vor Beginn eines Simulationslaufs gesetzt sein.
Vgl. hierzu auch den Abschnitt "Testläufe ohne Pandemie".
aus
Ökonomische Annahmen Startwert
Ortsgebundene Arbeit:
Einstellen lässt sich hier, in welchem Umfang die Agentengesellschaft Arbeit betreibt, die an bestimmte Fertigungsorte gebunden ist und daher nicht im Home-Office erledigt werden kann. Je höher der Prozentsatz an ortsgebundener Arbeit, desto geringer die Leistungen im Falle eines Lockdowns.
40%
Überregionale Unternehmen:
Hier kann man definieren, zu welchem Grad die Unternehmen der Agentengesellschaft überregional agieren und damit von Exporten und/oder Importen abhängig sind. Im Fall eines kompletten Lockdowns oder auch nur der Schließung der Grenzen (Einreiseverbote) wird ihre Produktion empfindlich getroffen, so dass sie ihre Belegschaften in Kurzarbeit (Programmvorgabe: 50 Prozent) schicken müssen.
Analog zur Rubrik "Ortsgebundene Arbeit" gilt auch hier: Je höher der Prozentsatz an überregionalen Unternehmen, desto geringer die Arbeitsleistung im Falle eines Lockdowns oder von Reiserestriktionen.
40%
Home-Office-Erfahrung:
Nicht alle Beschäftigten verfügen über hinreichende Home-Office-Erfahrung. Festgelegt werden kann hier deshalb der Anteil der erfahrenen Heimarbeiter in Relation zur Gesamtzahl der Beschäftigten. Der Prozentsatz wird oberhalb des Schiebereglers angezeigt.
Im Bereich "Psychologische Annahmen" (siehe oben) lässt sich ein Automatismus aufrufen, der die Home-Office-Erfahrung sukzessive linear erhöht. Prozentanzeige und Schiebereglerposition werden dann entsprechend aktualisiert.
25%

2.5 Stadtplan- und Diagramm-Einstellungen

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

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

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

Stadtplan- und Diagramm-Einstellungen Startwert
Stilisierte Stadt*:
Der Stadtplan zeigt nach Setzen des Schalters bei Aufruf eines neuen Simulationslaufs eine schematisierte, symmetrisch angelegte Stadt. Hierdurch sind einige Wirkungszusammenhänge, weil weniger komplex, optisch deutlicher zu erkennen. Die stilisierte Stadt weist grundsätzlich 200 Haushalte auf.
aus
Besucherzahl:
Das Politiklabor ist so programmiert, dass die Agenten Arbeitsplätze, Schulen und Freizeiteinrichtungen in ihrer häuslichen Nähe aufsuchen. Die Maximalzahl der Besucher in diesen Lokalitäten kann hier sichtbar gemacht werden.
aus
Sperrfunktion:
Ist dieser Schalter aktiviert, lassen sich auf dem Simulationsfeld per Mausklick bestimmte Zonen sperren. Mehr dazu im folgenden Abschnitt "Direkteingabe im Simulationsfeld".
ein
 
 
aus
Autokorrektur: Arbeit (vgl. Diagramm "Arbeitsvolumen"):
Das Programm berechnet die Arbeitsleistung der Beschäftigten jeweils am Ende einer Arbeitswoche. Da bei Programmstart noch keine bisherige Arbeitswoche vorliegt, kalkuliert das Programm zunächst überschlägig eine (theoretische) Leistung der Agenten, die auf 100 Prozent gesetzt und ab der zweiten Woche aufgrund der Berechnung der realen Leistung der ersten Woche nachjustiert wird (Autokorrektur). Diese Methode hat einen Nachteil: Startet eine Simulation z. B. im Lockdown, wird die verminderte Arbeitsleistung der ersten Woche als 100 Prozent berechnet. Hebt man den Lockdown später auf, steigt die Arbeitsleistung nun deutlich über 100, im Extremfall sogar auf mehr als 2000 Prozent. Um diese irritierenden Werte zu vermeiden, kann man die Autokorrektur deaktivieren. Das Programm startet dann immer mit der formell ermittelten 100-Prozent-Leistung der Agenten und justiert diese nicht nach. Die formelle Ermittlung (und Fortschreibung) der Arbeitsleistung ist allerdings nicht ganz präzise. Die reale Leistung liegt (zufallsbedingt) zwischen 0.0 und 0.3 Prozent niedriger.
Ein An- bzw. Abschalten der Autokorrektur während einer laufenden Simulation sollte vermieden werden, da sich die im Datenmonitor angezeigten Prozentwerte sonst nicht mehr nachvollziehen lassen.
ein
 
 
aus
Infektion:
Üblicherweise werden die Agenten des Politiklabors als bunte, schwarz umrandete Kreise dargestellt, wobei die Farbe im Kreisinnern den Infektionsgrad widerspiegelt.
ein
Infektion/Alter:
In dieser Einstellung erscheinen die Agenten im Kreisinnern in ihren Infektionsfarben; der Rand verweist jedoch auf ihr jeweiliges Alter (weiß: jung, schwarz: berufstätig, grau: verrentet). Die Anzeige ist während einer laufenden Simulation nur schwer zu erkennen; einzelne Agenten sind bei angehaltener Simulation besser zu analysieren.
aus
Alter:
Hier präsentieren sich die Agenten je nach Lebensalter als schwarz umrandete weiße, schwarze oder graue Kreise - als Kinder, Jugendliche, junge Erwachsene bis 20 Jahre weiß, als Erwerbstätige (21 bis 65 Jahre) schwarz, als Rentner (über 65 Jahre) grau. Diese Farbzuweisung gilt gegebenenfalls auch für ihre Gräber. - Die Legende des Simulationsfelds wird entsprechend angepasst.
aus
Haushalte*:
Die Anzahl der Haushalte ist in 50er-Schritten von 50 bis zu 400 (mit ca. 100 bis zu etwa 900 Personen) wählbar. Mit dieser Option lässt sich testen, ob bzw. inwiefern die Bevölkerungsdichte Einfluss auf das Infektionsgeschehen hat. - Die Einstellung gilt nur für normale Städte, nicht für die stilisierte Variante.
200

Simulationsfeld-Layout: Beispiele
50 Haushalte 400 Haushalte
200 Haushalte mit Besucherzahl 200 Haushalte, stilisiert

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

2.6 Direkteingabe im Simulationsfeld

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

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

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

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

Blockiert werden können folgende Felder:

  • Schulen,
  • Arbeitsbereiche,
  • Erholungsgebiete.

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

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

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

Sperrungen: Beispiele
Diverse Sperrungen Diverse Sperrungen (mit Besucherzahl)

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

2.7 Datenmonitor

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

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

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

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

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

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

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

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

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

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

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

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

Standardanzeige ()
TagLaufender Tag, Stand: 24 Uhr (Tag 0: erster Tag, Stand: 0 Uhr)
Infektionsgrad
1Zahl der gefährdeten Personen
2Zahl der dem Virus ausgesetzten Personen
3Zahl der Personen mit Vorsymptomen
4Zahl der infizierten Personen
5Zahl der schwer erkrankten Personen
6Zahl der lebensgefährlich erkrankten Personen
7Zahl der genesenen (bzw. geimpften) Personen
8Zahl der verstorbenen Personen
ICP
(= Intensive Care Patients)
Zahl der Personen auf den Intensivstationen
Indikatoren
CFR
(= Case Fatality Rate)
Sterberate (Zahl der Verstorbenen dividiert durch die Summe aus Verstorbenen und Genesenen)
R0
(R0-Wert)
Basisreproduktionszahl (Zahl der Menschen, die ein Infizierter im Schnitt ansteckt)
ICU-%
(= Intensive Care Units)
Auslastung der vorhandenen Intensivbetten in Prozent (über 100 Prozent: Kollaps des Systems)
Vacc
(= Vaccinations)
Gesamtzahl der bisher durchgeführten Impfungen
Lab-%
(= Labor volume)
Arbeitsvolumen in Prozent (Wirtschaftsleistung)
Sch-%
(= School capacity)
Schulkapazität in Prozent
S
(= Schools)
Anzahl der geöffneten Schulen
Maßnahmen
1. Allgemeine Maßnahmen
1Abstandsregeln, Maskenpflicht und Händewaschen
0: ausgeschaltet
1: eingeschaltet
Ac
(= Acceptance)
Akzeptanz der Maßnahmen (in Prozent)
xInterregionale Einreiseverbote
0: ausgeschaltet
1: eingeschaltet
Tr
(= Travel intensity)
Reiseintensität (reisebedingte Infektionen pro Woche)
xKaufbeschränkungen (1 Käufer pro Haushalt)
0: ausgeschaltet
1: eingeschaltet
xWeitreichende Ausgangssperre
0: ausgeschaltet
1: eingeschaltet
2. Maßnahmen für Großveranstaltungen
20: Großveranstaltungen zulässig
1: Großveranstaltungen begrenzt zulässig
2: Großveranstaltungen verboten
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)
4. Epidemiologische Maßnahmen
40: Keine Impfmaßnahmen
1: Impfempfehlung
2: Impfpflicht
VD
(= Vaccinations per day)
Impfungen pro Tag (Personenzahl)
VO
(= Vaccine opponents)
Impfgegner (in Prozent)
5. Maßnahmen für Unternehmen
50: 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)
6. Maßnahmen für Schulen
60: Nur allgemeine Maßnahmen
1: Häusliche Quarantäne für infizierte Schüler
2: Schulschließung bei Krankheitsfall
3: Individuelle Schulschließung, Isolation der Familie
4: 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
Annahmen
Psychologische Annahmen
:0: Konstante Akzeptanz der Maßnahmen
1: Lineare Abnahme der Akzeptanz
2: Exponentielle Abnahme der Akzeptanz
C
(= Curve)
Akzeptanz-Kurve
von 0: zuerst geringe, dann massive exponentielle Abnahme
bis 7: flache, fast schon lineare exponentielle Abnahme
Len
(= Length)
Akzeptanz-Verlust (in Tagen)
xZunahme an Erfahrungen im Home-Office
0: ausgeschaltet
1: eingeschaltet
Medizinische Annahmen
IR
(= Infection risk)
Infektionsrisiko (Indexwert)
xImmunitätsverlust
0: ausgeschaltet
1: eingeschaltet
RR
(= Reinfection risk)
Risiko einer Neuinfektion (Indexwert)
IP
(= Immunity period)
Immunitätszeitraum (in Tagen)
xKeine weiteren Infizierten
0: ausgeschaltet
1: eingeschaltet
Ökonomische Annahmen
Ld
(= Location-dependent work)
Ortsgebundene (d. h. nicht homeofficefähige) Arbeit (in Prozent)
IB
(= Interregional businesses)
Überregionale (d. h. import-/exportabhängige) Unternehmen (in Prozent)
Af
(= Affinity)
Home-Office-Erfahrung (in Prozent sämtlicher Beschäftigter)

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

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

Anzeige der Datenbasis ()
LaufEigenständiger Simulationslauf (ohne Laufwiederholungen)
Mod.Simulationsmodus
N: normale Stadt
S: stilisierte Stadt
Pers.Anzahl der Personen (Agenten) im Simulationslauf
Haushaltstypen: Eltern/Kinder*
1/0Anzahl der Haushalte des Typs "Single"
1/1Anzahl der Haushalte des Typs "Alleinerziehende mit einem Kind"
1/2Anzahl der Haushalte des Typs "Alleinerziehende mit zwei Kindern"
1/3Anzahl der Haushalte des Typs "Alleinerziehende mit drei Kindern"
2/0Anzahl der Haushalte des Typs "Paar ohne Kinder"
2/1Anzahl der Haushalte des Typs "Paar mit einem Kind"
2/2Anzahl der Haushalte des Typs "Paar mit zwei Kindern"
2/3Anzahl der Haushalte des Typs "Paar mit drei Kindern"
Misc
(= Miscellaneous)
Anzahl der Haushalte des Typs "Sonstige"
(P)Gesamtzahl der Personen im Haushaltstyp "Sonstige"
* Die hier als "Kinder" Bezeichneten können de facto auch schon erwachsen sein.
Beschäftigung
SAnzahl der "Schüler", d. h. der Kinder und Jugendlichen (hier: Personen bis 20 Jahre)
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.

Anzeige der Krankenakten ()
Abruftag und -zeitZeitpunkt der Abfrage (Tag / Stunde:Minuten)
Nr.Kennnummer des Agenten
AlterAlter des Agenten
Haush.Nummer des Haushalts des Agenten
Tag / ZeitZeitpunkt des anschließend beschriebenen Ereignisses (vgl. Status)
StatusMedizinischer Status des Agenten:
  • latent ausgesetzt
  • infiziert (präsympt.)
  • infiziert (sympt.)
  • schwer erkrankt
  • ins Krankenhaus eingeliefert
  • kritisch erkrankt
  • genesen
  • aus dem Krankenhaus entlassen
  • geimpft
  • reinfizierbar
  • verstorben

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

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

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

3. Programmkonzept und -algorithmen

3.1 Das Politiklabor als Multi-Agenten-System

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

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

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

3.2 Algorithmen

Agententypen

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

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

Hierzu bildet das Programm insgesamt drei Typen von Agenten aus:

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

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

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

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

Tätigkeiten

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

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

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

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

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

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

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

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

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

Arbeitsleistung

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

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

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

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

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

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

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

4. Tipps & Tricks

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

4.1 Hardware-Probleme

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

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

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

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

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

4.2 Testläufe ohne Pandemie

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

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

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

4.3 Worst-Case-Szenario

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

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

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

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

5. Technische Informationen und Datenreferenzen

Im Programmkonzept des Politiklabors sind folgende Faktoren berücksichtigt:

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

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

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

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

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

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

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

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

6. Literaturverzeichnis

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

Aksamentov, I., Noll, N., Neher, R. (2020): COVID-19 Scenario webapp. Available online at https://neherlab.org/covid19, abgerufen am 22.03.2020.

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

7. Nutzungsrechte und Kontakt

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

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

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

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

Bei Rückfragen wenden Sie sich bitte an folgende Personen:

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

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

Deutscher Text: Frank U. Kugelmeier, Attendorn 2020