Was ist ein epidemiologisches Modell?

Aufgrund der Verbreitung des COVID-19-Virus gibt es in diesen Tagen viele verschiedene Vorhersagen. Ständig werden uns Zahlen und Modelle präsentiert. Aber wissen wir auch, woher sie kommen? An dieser Stelle erklären wir dir, was ein epidemiologisches Modell ist und wo seine Grenzen liegen.
Was ist ein epidemiologisches Modell?
Samuel Antonio Sánchez Amador

Geschrieben und geprüft von dem Biologen Samuel Antonio Sánchez Amador.

Letzte Aktualisierung: 18. Juli 2022

Heute dominieren Zahlen und Statistiken die Medien. Todesfälle, Genesungen, Infektionen und andere Parameter informieren uns jeden Tag über die heikle Situation von COVID-19 im Land. Ein epidemiologisches Modell hilft uns zu verstehen, was die Zukunft bringt, obwohl es nicht immer genau ist.

Diejenigen, die sich vor der Globalisierung bereits für dieses Thema interessiert haben, werden sich daran erinnern, dass einige Studien versuchten, uns mit Sätzen wie “Es wird geschätzt, dass es nicht mehr als 10 Infizierte in unserem Land geben wird” zu beruhigen.

Als das Virus auf Wuhan und dessen Umgebung beschränkt war, waren die Vorhersagen viel optimistischer und niemand konnte vorhersagen, was in den folgenden Monaten passieren würde.

Wir müssen uns über eines im Klaren sein: Das ist keine Medienmanipulation. Wissenschaftler und Forscher verlassen sich bei Vorhersagen auf Muster im Hier und Jetzt, aber auch winzige Variablen können die dargestellten Ergebnisse bereits drastisch verändern.

An dieser Stelle wollen wir dir erklären, was ein epidemiologisches Modell und seine Variablen sind, damit du den Spielraum für menschliche Fehler besser verstehen kannst. Außerdem wirst du so auch die in den Medien diskutierten Vorhersagen zukünftig mit Vorsicht genießen.

Epidemiologisches Modell einer Katastrophe

Die mathematische Modellierung von Epidemien dient der Erklärung und Vorhersage des Verhaltens von Infektionserregern mithilfe der Mathematik. Es handelt sich in der Regel um deterministische Modelle, d. h. sie gehen davon aus, dass jede Person zufällig erkranken kann.

Es gibt zwei Haupthypothesen, auf denen die Modelle basieren:

  • Die Gesamtpopulation der infizierten Personen wird durch deren Tod oder Heilung verändert. Jemand, der geheilt ist, behält die Krankheit jedoch nicht, daher sind dies keine kumulativen Werte, sondern Werte, die über die Zeit variabel sind.
  • Die Rate der Individuen, die vom Status empfindlich zu ansteckend oder zu infiziert übergehen, ist proportional zur Interaktion zwischen der Anzahl der Individuen in beiden Klassen. Mit anderen Worten: Je mehr infizierte Personen es gibt, desto anfälliger ist die allgemeine Bevölkerung für eine Ansteckung mit der Krankheit.
Die mathematische Modellierung von Epidemien ermöglicht es, abzuschätzen, wie sich ein Infektionserreger verhalten wird. Sie liefert jedoch keine genauen Ergebnisse.

Lies auch: Viruslast: Was ist das?

Epidemiologisches Modell: Zahlenspiel gegen Coronavirus

Eines der einfachsten Modelle zur Veranschaulichung dieses Problems ist das SIR-Modell. Es ist aufgrund seiner Einfachheit und Datenkompartimentierung eines der am häufigsten verwendeten epidemiologischen Modelle. Die Parameter sind einfach:

  • Anfällige Bevölkerung (S): Menschen ohne Immunität gegen den Infektionserreger, die erkranken können. Leider gibt es bei neuen Krankheiten wie COVID-19 zunächst eine zu 100 % empfängliche Bevölkerung. Ganz anders verhält es sich z.B. bei der Grippe, da der Anteil der Geimpften diesen Wert drastisch senkt.
  • Infizierte Bevölkerung (I): Kranke Menschen, die potenziell empfängliche Menschen anstecken können.
  • Erholte Bevölkerung (R): Personen, die gegen eine Infektion immun sind und daher keine Ansteckung bewirken, wenn sie mit anderen in Kontakt kommen. Die Ironie dabei ist, dass in diesem Parameter viele Fälle von bereits verstorbenen Menschen enthalten sind, da diese die Krankheit nicht mehr verbreiten können.

Die Gesamtbevölkerung wäre die Summe von S, I und R. Wenn wir diese drei Einteilungen verwenden, können wir mithilfe komplexer Gleichungen die Veränderung durch einen Wechsel der Menschen von einer Gruppe zur anderen über die Zeit vorhersagen. Klingt einfach, nicht wahr… Warum ist es dann so schwierig, eine zuverlässige Schätzung vorzunehmen?

Dies könnte dich auch interessieren: Wie ansteckend ist Bronchitis?

Epidemiologisches Modell: Die Begrenzung der Unwissenheit

Wir möchten dir eine Studie von MedrXiv (Yale) vorstellen, die ein Forscherteam am 28. Januar über die Verbreitung des Virus durchgeführt hat. Sie selbst warnen uns vor den Grenzen der mathematischen Modellierung:

  • Die Übertragbarkeit des Virus ist je nach Ort und Zeit unterschiedlich. Die grundlegende Reproduktionsrate des Virus (R0) liegt zwischen 2 und 3, und jede minimale Variation des Parameters bringt die Vorhersagen durcheinander.
  • Viele Studien können nur einen Übertragungsweg abdecken. Im Fall dieser Studie wird nur der Transport von infizierten Personen auf dem Luftweg betrachtet. Aber was ist mit dem Transport per Auto, zu Fuß, mit dem Boot oder der Bahn?
  • Die Wirkung der von den einzelnen Ländern ergriffenen Maßnahmen kann nicht genau vorhergesagt werden. Jede Nation verhält sich im Umgang mit dem Virus anders. Man kann nicht wissen, wann ein Land beschließt, die Bewegungsfreiheit einzuschränken, Quarantäne zu verhängen oder die Grenzen zu schließen. Auch kann man diese Maßnahmen nicht modellieren, wenn man nicht weiß, wann und wie sie durchgeführt werden.

Zusätzlich zu all diesen Komplikationen kann ein weiterer Faktor hinzukommen:

  • Die genesene Population (R), von der im SIR-Modell angenommen wird, dass sie geheilt ist, ist es möglicherweise nicht. Dokumentierte Fälle von Reinfektionen und asymptomatische Träger erschweren die Vorhersage erheblich. Daher ist eine frühzeitige Erkennung unerlässlich.
Epidemiologisches Modell
Das epidemiologische Modell hat mehrere Einschränkungen, die eine 100 % zuverlässige Schätzung nicht möglich machen.

Positivität und Vorsicht

Wir hoffen, dass wir dir an dieser Stelle ein epidemiologisches Modell und dessen immense Komplexität aufzeigen konnten. Die Medien und Forscher versuchen zwar, uns die bestmöglichen Informationen zu liefern, aber wir sollten die von ihnen gelieferten Zukunftszahlen trotzdem als das betrachten, was sie sind: Vorhersagen.

So viel zum Guten und zum Schlechten. Eines ist jedenfalls sicher: Mit den richtigen Maßnahmen und Quarantäneverordnungen wird die Ausbreitung des Virus früher oder später gestoppt werden.


Alle zitierten Quellen wurden von unserem Team gründlich geprüft, um deren Qualität, Verlässlichkeit, Aktualität und Gültigkeit zu gewährleisten. Die Bibliographie dieses Artikels wurde als zuverlässig und akademisch oder wissenschaftlich präzise angesehen.


  • Gulis G, Fujino Y. Epidemiology, population health, and health impact assessment. J Epidemiol. 2015;25(3):179–180. doi:10.2188/jea.JE20140212
  • Garner, M. G., & Hamilton, S. a. (2011). Principles of epidemiological modelling What are epidemiological models ? Why use epidemiological models ? Rev. Sci. Tech. Off. Int. Epiz.30(2), 407–416.
  • Suganthan, N. (2019). Covid-19. Jaffna Medical Journal31(2), 3. https://doi.org/10.4038/jmj.v31i2.72
  • Wang, Y., Wang, Y., Chen, Y., & Qin, Q. (2020). Unique epidemiological and clinical features of the emerging 2019 novel coronavirus pneumonia (COVID‐19) implicate special control measures. Journal of Medical Virology. https://doi.org/10.1002/jmv.25748
  • Qiu, Y. Y., Wang, S. Q., Wang, X. L., Lu, W. X., Qiao, D., Li, J. B., … Han, T. W. (2020). [Epidemiological analysis on a family cluster of COVID-19]. Zhonghua Liu Xing Bing Xue Za Zhi41(4), 506–509. https://doi.org/10.3760/cma.j.cn112338-20200221-00147

Dieser Text dient nur zu Informationszwecken und ersetzt nicht die Beratung durch einen Fachmann. Bei Zweifeln konsultieren Sie Ihren Spezialisten.