Die Modellrechner und ihre Horrorprognosen

Am 13. März 2020 forderten 25 Schweizer Wissenschaftlerinnen und Wissenschaftler in einem offenen Brief, der Bundesrat solle die «ausserordentliche Lage» ausrufen und strengere Massnahmen verhängen. Zu den Unterzeichnern gehörte neben Christian Althaus auch der Zürcher Neuropathologe Adriano Aguzzi. Das Corona-Virus verbreite sich wie ein Lauffeuer, warnte Aguzzi in den CH-Media-Zeitungen. Es brauche unbedingt einen Lockdown. «Wir erwarten 60’000 Todesfälle bis Juli», zitierte ihn die «Weltwoche». Tatsächlich waren zu diesem Zeitpunkt dann etwa 1735 Menschen in der Schweiz an oder mit Covid verstorben.

SVP-Politiker Christoph Mörgeli hielt Aguzzi in der «Weltwoche» unter die Nase, dass er im Jahr 2000 «von 10’000 möglichen BSE-Toten in der Schweiz» gesprochen hatte, «wobei schliesslich kein einziger Mensch gestorben ist». Umstritten sei auch Aguzzis Behauptung geblieben, «in Europa seien 100 Millionen Menschen mit dem BSE-Erreger in Kontakt gekommen». Nun meinte Aguzzi dazu: «Dass es keine 10’000 Toten geworden sind, liegt daran, dass der Bundesrat auf den Rat der Wissenschaft gehört hat und sehr schnell die Risiko-Organe der Rinder verboten hat.»

Auch andere hatten sich schon getäuscht: Beim Ebola-Ausbruch von 2014 bis 2016 in Westafrika beispielsweise rechnete eine von den US-Gesundheitsbehörden präsentierte Studie vor, dass sich in den nächsten Monaten bis zu eine halbe Million Menschen infizieren könnten. «Tatsächlich waren es am Schluss weniger als 30’000», stellte die «NZZ» fest. Diese Modellrechnung sei «politisch motiviert» gewesen, sagte der Berner Wissenschaftler Christian Althaus der Zeitung.

Seine Schätzung zum Corona-Virus beruhte ebenfalls auf einer mathematischen Modellrechnung. Modellierer versuchen, im Computer die Welt abzubilden. In dieser mathematischen Modellwelt sagen sie den Verlauf einer Pandemie voraus und können Szenarien durchspielen. Für ihre Berechnungen müssen die Modellierer jedoch Annahmen treffen. Liegen diese daneben, sind auch ihre Schlüsse falsch. Das war in der Vergangenheit mehrmals passiert. 

Althaus berief sich unter anderem auf die Modellierer des Imperial College in London. In einem Warnbrief an den Bundesrat schrieb er am 25. Februar 2020: «Auch wenn nach wie vor Unsicherheiten bestehen, macht die Studie [des Imperial College – Red.] deutlich, dass wir mit einer Sterblichkeit von 1 Prozent […] über alle Infektionsfälle (asymptomatisch und symptomatisch) ausgehen müssen. Diese Resultate wurden von unserer eigenen Analyse und anderen Studien bestätigt, und im Situationsbericht der WHO vom 19. Februar 2020 präsentiert.» Tatsächlich hatte die WHO Schätzungen von 0,3 bis 1 Prozent genannt. Althaus und die anderen drei Absender des Warnbriefs erwähnten dort aber nur den oberen Wert.

Die Schreckensprognosen aus London

Bei den Modellierern des Imperial College war ebenfalls Skepsis angebracht.

2001 zum Beispiel wurden in Grossbritannien bei einem Ausbruch von Maul- und Klauenseuche rund zehn Millionen Tiere gekeult – aufgrund von Modellberechnungen, «die nicht validiert worden waren», also nicht an der Realität überprüft. Auch hier waren Imperial College-Wissenschaftler beteiligt. Andere Wissenschaftler kritisierten diese Modellrechnungen später, die wohl massgeblich zum Entscheid für das Massenkeulen beigetragen hatten.

Im Januar 2002 schreckte das Imperial-Team die Öffentlichkeit auf, als es «im schlimmsten Fall» 150’000 Todesfälle durch BSE in Grossbritannien voraussagte. Die Untergrenze ihrer Prognosen lag bei lediglich 50 Todesfällen – ein Wert, der der tatsächlichen Opferzahl nahekam.

Bei der Schweinegrippe hatte das Imperial-Team für Grossbritannien zwischen 3100 und 65’000 Todesfälle vorausgesagt. Es waren dann 457.

Althaus war also gewarnt.

Falsche Modellierungen hatten keine Konsequenzen

Die Gefährlichkeit eines neuen Erregers einzuschätzen, sei jedes Mal «eine Herausforderung», erläuterte das Wissenschaftsmagazin «Science» und verwies auf die Schweinegrippe: Zu Beginn hätten anno 2009 viele befürchtet, es könne sich um eine besonders gefährliche Virusvariante handeln. «Es dauerte Monate, bis feststand, dass das neue Virus nur bei etwa 1 von 10’000 Patienten zum Tod führte.»

«Trotz dieser offensichtlichen Fehlschläge gedieh die Epidemievorhersage weiterhin prächtig, möglicherweise weil selbst grob fehlerhafte Prognosen in der Regel keine schwerwiegenden Konsequenzen hatten», stellte der Epidemiologe John Ioannidis fest und warnte zu Beginn der Corona-Pandemie scharf: Falsche Prognosen könnten bei Covid-19 «Milliarden von Menschen in Bezug auf Wirtschaft, Gesundheit und gesellschaftliche Verwerfungen schwer treffen.» Die Diskussion über schlechte Modellierungen, die zudem meist nur einen von vielen Aspekten modellierten, sei deshalb nicht bloss akademisch.

Krasse Fehleinschätzungen

Ioannidis gehört zu den berühmtesten zeitgenössischen Wissenschaftlern. Er ist Professor für Medizin, Epidemiologie und Bevölkerungsgesundheit sowie für Datenwissenschaft an der Universität Stanford, beschäftigt sich seit Jahrzehnten mit Meta-Analysen und er setzt sich seit langem für bessere Qualität der Wissenschaft ein. Seine Bilanz im Sommer 2020 im «International Journal of Forecasting»: «Die Epidemievorhersage bei Covid-19 ist gescheitert.» 

Ioannidis zählte diverse Vorhersagen von verschiedenen wissenschaftlichen Modellierern auf, die sich in der Corona-Pandemie krass verschätzt hatten. Einige Beispiele:

• 100 Millionen US-Amerikaner würden binnen vier Wochen infiziert sein, lautete beispielsweise eine Warnung Ende März 2020.
• Beim Wiederöffnen nach dem Lockdown sagten Modellierer für den US-Bundesstaat Georgia innerhalb eines Monats 23’000 Todesfälle voraus – es wurden 896. 
• Kalifornien benötige 500’000 zusätzliche Spitalbetten, prognostizierten andere. Es stellte sich heraus: Weniger als fünf Prozent der Spitalbetten wurden dort von Covid-Patienten belegt.  

Modelle sind Hypothesen

Wissenschaftler der Universität Massachusetts zeigten in einer Grafik die Beliebigkeit. Aus den unterschiedlichen Prognosen liess sich alles herauslesen:

Mitläufertum bei den Wissenschaftlern, Schlagzeilen bei den Medien

Ioannidis nannte eine Reihe von möglichen Gründen, weshalb die Modellrechner so oft daneben lagen: Zu fachlichen Schwächen gesellten sich fehlende Daten, mangelnde Transparenz, eindimensionale Betrachtungsweise, Gruppendenken und Mitläufertum – und die Medien berichteten öfter und mit grösseren Schlagzeilen, wenn ein Szenario extrem ausfiel.

Der Berner Wissenschaftler Christian Althaus hatte zu Beginn der Pandemie öffentlich in Schweizer Medien gewarnt, dass etwa ein Prozent aller Sars-CoV-2 Infizierten – einberechnet diejenigen ohne oder nur mit leichten Symptomen – an Covid sterben würden. Die Medien griffen diese Aussage breit auf.

Was sie nicht berichteten: Schon kurz danach ruderten Althaus und seine Kollegen und Kolleginnen um die Hälfte zurück. In einer mathematischen Modellierung, die sie im März 2020 bei der Fachzeitschrift «Plos Medicine» einreichten, schätzten die Wissenschaftler die Infektionssterblichkeitsrate für die Schweiz auf etwa 0,5 Prozent. Als das Ergebnis im Juli 2020 veröffentlicht wurde, informierte Althaus auf Twitter pauschal: Zwischen 0,5 und 1,4 Prozent aller Corona-Infizierten in Österreich, Baden-Württemberg, Bayern, der Lombardei, Spanien und der Schweiz würden sterben.

Die Medien griffen diese Nachricht nicht auf.*

Vier Jahre nach Pandemiebeginn veröffentlichten Christian Althaus und mehrere Kolleginnen und Kollegen einen Fachartikel, den man stellenweise wie eine Rechtfertigung deuten kann. Nicht alle Modellierungen seien «darauf ausgelegt, Vorhersagen zu treffen. Szenariomodelle dienen nicht dazu, das wahrscheinlichste Ergebnis vorherzusagen, sondern mögliche Verlaufsverläufe», verteidigten sich die Forscherinnen und Forscher in «Health Affairs». Von den Szenarien, welche Modellierer darstellen, würden «einige möglicherweise niemals eintreten».

Sie erklären, wie wichtig gute Kommunikation sei, bei der die Modellierer auch «die Grenzen und Unsicherheiten des Modells» aufzeigen, «um Fehlinterpretationen, eine falsche Anwendung oder übermässiges Vertrauen in die prognostizierten Zukunftsszenarien zu vermeiden».

Zudem geben sie an, dass sich die meisten epidemiologischen Modelle darauf konzentrierten, die Folgen von Massnahmen auf die Covid-Fallzahlen zu modellieren. «Wirtschaftliche, bildungspolitische, psychische und politische Auswirkungen wurden selten berücksichtigt.» Das war genau der Punkt, auf den John Ioannidis von Anfang an hingewiesen hatte.

_____________________

*Die Medien erwähnten auch nicht, was Althaus und seine Kollegen inzwischen bemerkt hatten: Wenn sie ihre mathematische Modellierung für die chinesische Provinz um Wuhan vor dem Gipfel einer Coronawelle machten, überschätzten sie die Sterblichkeitsrate. Zudem errechnete das Team um Althaus dort eine höhere Infektions- (IFR) als Fallsterblichkeitsrate (CFR). Das ist verwunderlich, denn normalerweise ist die IFR immer niedriger als die CFR.

_____________________

➞ Lesen Sie demnächst Teil 3.