EINSCHÄTZUNGEN ZUM PANDEMIEVERLAUF - AUSGABE MAI 2021 01 Möglichkeiten und Grenzen vorgestellt anhand von Mobilitätsdaten, Inzidenzdaten ...
←
→
Transkription von Seiteninhalten
Wenn Ihr Browser die Seite nicht korrekt rendert, bitte, lesen Sie den Inhalt der Seite unten
THEMENREPORT CORONA-DATENPLATTFORM AUSGABE MAI 2021 01 EINSCHÄTZUNGEN ZUM PANDEMIEVERLAUF Möglichkeiten und Grenzen vorgestellt anhand von Mobilitätsdaten, Inzidenzdaten, Wirtschaftsdaten und innerstädtischer Analysen
2 THEMENREPORT CORONA-DATENPLATTFORM
AUSGABE MAI 2021
Corona Datenplattform im Auftrag
des Bundesministerium für
Wirtschaft und Energie, BMWi
in Kooperation mit
IHPH – Institut für Hygiene und
Public Health der Universität Bonn
ISSN 2749-5388
Projekt: 7387
Bonn, Mai 2021
Version 1.0
Text: Robert Follmer, Michel Herter, Christoph Höser,
Thomas Kistemann, Beatrice Nolte, Barbara Wawrzyniak
Layout und Grafik: Mischa Frank
Folgende Zitierweisen werden empfohlen:
Langform:
Corona Datenplattform (2021): Themenreport 01, Einschätzungen zum Pandemieverlauf –
Möglichkeiten und Grenzen vorgestellt anhand von Mobilitätsdaten, Inzidenzdaten,
Wirtschaftsdaten und innerstädtischer Analysen, Ausgabe Mai 2021, Bonn
3 THEMENREPORT CORONA-DATENPLATTFORM
AUSGABE MAI 2021
18 Monate Pandemie – eine Einschätzung zur Datenlage
und den Analysemöglichkeiten
Kritisch zurückgeschaut, war für viele Expertinnen und Experten zum
Jahresende 2019 oder spätestens im Januar 2020 erstmals erkennbar,
was aktuell auf die Welt zukommt. Damit ist die Pandemie Mitte 2021
in ihrem 18. Monat angekommen. Obwohl in einigen Schubladen diese
oder ähnliche Szenarien ausgeführt bereit lagen, ist es der Weltgemein
schaft nicht gelungen, diese Pläne rechtzeitig zu aktivieren und das
Geschehen einzudämmen. Inzwischen bemühen sich Wissenschaftler
innen und Wissenschaftler rund um den Globus in ihren Disziplinen
– und mehr denn je – in einer darüber hinaus reichenden Zusammen
arbeit um Erkenntnisse und Empfehlungen. Die von der deutschen Bun
desregierung initiierte Corona-Datenplattform ist ein Mosaiksteinchen
in diesem Prozess. Die mit ihr verbundenen Arbeiten haben im Septem
ber 2020 begonnen. Der vorliegende Report stellt aktuelle Zahlen vor.
Vor diesem Hintergrund zieht er vorsichtig – und ganz sicher ohne An
spruch auf Vollständigkeit – eine Quersumme zu einigen Aspekten des
Geschehens. Zudem liefert er Anregungen zu weiteren Analysen – etwa
einer Betrachtung innerhalb unserer Städte und Gemeinden.
Solange wir die ökologischen, immunologischen und verhaltens-
biologischen Faktoren, die das Auftauchen und die Verbreitung
neuartiger Pathogene beeinflussen, nicht mitberücksichtigen, wird
unser Wissen um solche Erreger und ihre Verbindungen zu Krank-
heiten zwangsläufig bruchstückhaft und unvollständig bleiben.
MARK HONIGSBAUM 2021 Das Jahrhundert der Pandemien. Eine Geschichte der Ansteckung
von der Spanischen Grippe bis Covid-19. Englischsprachige Originalausgabe 2019/20.
4 THEMENREPORT CORONA-DATENPLATTFORM
AUSGABE MAI 2021
5 THEMENREPORT CORONA-DATENPLATTFORM
AUSGABE MAI 2021
Inhalt
06 NEUE KONJUNKTUR FÜR MOBILITÄTSDATEN
Vergleich der verschiedenen Datenquellen – Mobilfunk, Aufenthaltsorte und
individuelles Tracking
13 SARS-COV2 INFEKTIONSGESCHEHEN, INDIKATOREN UND MASSNAHMENANALYSE
Betrachtung der saisonalen Verläufe und Vergleich mit dem Verlauf von Grippewellen
sowie einer „Saisonnormalen“ – Hinweise auf Maßnahmewirkungen – Einführung eines
Trendwerts für den Inzidenzverlauf – Hinweise auf unterschiedliche Inzidenzverläufe
abhängig von der sozio-ökonomischen Situation in einzelnen Teilgebieten – stadtspezifi-
sches Analysebeispiel Köln – Indikatoren zur Wirtschaftsentwicklung
32 AUSBLICK
Weitere potenzielle Analysethemen
32 WAS KÖNNTE BESSER LAUFEN?
15 erfahrungsgeleitete Anregungen zum Umgang mit Daten und Wissen in der
Corona-Pandemie
33 DIE CORONA-DATENPLATTFORM
Eckwerte
6 THEMENREPORT CORONA-DATENPLATTFORM
AUSGABE MAI 2021
NEUE KONJUNKTUR FÜR Telekom-Kundschaft fehlen. Dies kann vernachläs-
sigt werden, wenn hier keine Strukturunterschiede
MOBILITÄTSDATEN bestehen. Doch natürlich unterscheiden sich die Kun-
Alle ergriffenen Eindämmungsmaßnahmen dienen dengruppen und erst gemeinsam würde sich ein re-
letztendlich der Kontaktreduzierung. Darüber hinaus präsentatives Abbild der deutschen Mobilfunk-Nut-
haben sie immer den Nebeneffekt, der Bevölkerung zerinnen und -nutzer ergeben. Nach einer aktuellen
bewusst zu machen, dass die Situation ernst und infas360-Befragung mit einem Stichprobenumfang
individuell angepasstes Verhalten angeraten ist, von 9.300 Interviews sind Telefónica-Kundinnen und
damit die Lage nicht schwieriger wird oder mit zahl- -Kunden im Schnitt jünger und einkommensschwä-
reichen Folgen gar außer Kontrolle gerät. Dies ist ein cher als die der Telekom oder von Vodafone. Ebenso
jahrhundertealtes, wirkungsvolles Reaktionsmuster, fallen die Marktanteile in einigen ostdeutschen
wenn anderweitige Abhilfe nicht in Sicht ist. Regionen geringer aus. Diese Selektivitäten können
Einfluss auf das dargestellte Mobilitätsniveau haben.
Verschiedene Datenquellen und ihre Verfahren
Trotzdem kann eine dieser drei Quellen hilfreich
Die Erfolgsmessung gestaltet sich dabei anspruchs- sein, wenn die damit verbundenen Einschränkungen
voll. Werden, wie gegenwärtig flächendeckend ganze berücksichtigt und offen gelegt werden.2
Maßnahmenbündel veranlasst, ist der Effekt einzel-
Die beiden dazugehörigen Abbildungen zeigen die
ner Anordnungen oder Ratschläge statistisch kaum
Ergebnisse auf der Ebene der Bundesländer. Möglich
sicher dingfest zu machen. Damit wird die Mobilitäts-
sind auch deutlich kleinräumigere Auswertungen
messung zu einem möglichen Ausweg. Wenn festge-
bis hinunter auf eine 500x500-Meter-Gitterzelle.
stellt wird, dass sich das Aktivitätsniveau reduziert,
Doch bereits auf der Ebene des sehr großen Bundes-
kann unterstellt werden, dass sich dies bremsend auf
landaggregats ergeben sich Auffälligkeiten, die nicht
Kontakte auswirkt. Dies ist naheliegend, jedoch nicht
immer plausibel erscheinen und möglicherweise auf
abgesichert. Wie aktuell verschiedentlich diskutiert,
den dahinter liegenden geringeren Datenumfang,
könnte sogar der gegenteilige Effekt eintreten. Kon-
einen Netzausbau oder andere „Störfaktoren“ bzw.
takte erhöhen sich an den Orten, auf die wir durch die
mögliche Selektivitäten zurückgehen. Besonders
Mobilitätseinschränkungen zurückgeworfen werden.
augenfällig ist dies bei den Beispielen Mecklenburg-
Trotzdem können Mobilitätsdaten wertvolle Hin Vorpommern und Brandenburg. Hier zeigen sich für
weise liefern. Dazu haben aktuell verschiedene den Sommer 2020 wenig nachvollziehbare Steige-
Zugänge Konjunktur: rungen gegenüber 2019 um 30 bis rund 60 Prozent.
Derartige Einschränkungen sollten besser in der
Mobilfunkdaten1. Sie zeigen Anzahlen und, je nach
Interpretation und bei der Bereitstellung berück-
Verwendung, auch Bewegungen von Handys an
sichtigt werden. Trotzdem liefern die Ergebnisse
einem bestimmten Ort, den sogenannten Funkzel-
möglicherweise interessante Hinweise. So fallen in
len, an. Damit liefern sie einen schnellen Zugang
den norddeutschen Ländern mit den in der Tendenz
zu Aggregatdaten, die sich als Hinweis auf ein Auf
niedrigeren Covid-19-Inzidenzen die Mobilitätsrück-
oder Ab des Mobilitätsniveaus interpretieren lassen.
gänge oft geringer aus als etwa in Nordrhein-West-
Zudem haben sie den Vorteil der flächendeckenden
falen, Bayern oder Sachsen. Aber auch dies bedarf
Verfügbarkeit bei gleichzeitig vergleichsweise hoher
einer weiteren Absicherung und idealerweise einer
Kleinräumigkeit. Allerdings kommt es auf die Details
Ergänzung durch Telekom- und Vodafone-Daten.
an. So basieren die aktuell oft genutzten Daten von
Teralytics auf der Auswertung eines Providers, näm-
2 Hierum bemüht sich Destatis aktuell in einem Vergleich zwischen
lich Telefónica. Aktuelle Daten der Vodafone- oder älteren Telefónica-und Telekom-Daten – mit dem Schluss, dass eine
Zusammenführung die Repräsentativität deutlich erhöht. Damit wäre
eine Bereitstellung aktueller Telekom-Daten wünschenswert. Siehe
1 https://www.destatis.de/DE/Service/EXDAT/Datensaetze/mobilitaetsin- dazu https://www.destatis.de/DE/Service/EXDAT/Datensaetze/mobil-
dikatoren-mobilfunkdaten.html funkanbieter-strukturvergleich.html
7 THEMENREPORT CORONA-DATENPLATTFORM
AUSGABE MAI 2021
Mobilfunkdaten – Veränderung Mobilitätsniveau gegenüber 2019:
Bundesländer in Nord- und Nordostdeutschland (Veränderung gegenüber Referenz 2019 in Prozent)
% 16.3. Beginn Shutdown 02.11. Lockdown Light 16.12. verschärfter Lockdown
80 Berlin
Brandenburg
60
Bremen
40 Hamburg
Mecklenburg-
20 Vorpommern
Niedersachsen
0 Sachsen-Anhalt
Schleswig-
-20 Holstein
Deutschland
-40
-60
01.01.20
01.02.20
01.03.20
01.04.20
01.05.20
01.06.20
01.07.20
01.08.20
01.09.20
01.10.20
01.11.20
01.12.20
01.01.21
01.02.21
01.03.21
01.04.21
01.05.21
Quelle: Berechnungen
© Destatis 2021 nach Teralytics
Mobilfunkdaten – Veränderung Mobilitätsniveau gegenüber 2019:
Bundesländer in Südwest- und Südostdeutschland (Veränderung gegenüber Referenz 2019 in Prozent)
% 16.3. Beginn Shutdown 02.11. Lockdown Light 16.12. verschärfter Lockdown
80 Baden-Württemberg
Bayern
60
Hessen
40 NRW
Rheinland-Pfalz
20 Saarland
Sachsen
0
Thüringen
-20 Deutschland
-40
-60
01.01.20
01.02.20
01.03.20
01.04.20
01.05.20
01.06.20
01.07.20
01.08.20
01.09.20
01.10.20
01.11.20
01.12.20
01.01.21
01.02.21
01.03.21
01.04.21
01.05.21
Quelle: Berechnungen
© Destatis 2021 nach Teralytics
8 THEMENREPORT CORONA-DATENPLATTFORM
AUSGABE MAI 2021
Mobilitätsdaten von Google Mobility3: Räumlich orten sowie für den öffentlichen Verkehr ergeben
tiefer gegliedert, da im Ursprung GPS- und nicht haben. Aufenthaltspunkte im Wohnumfeld haben
funkzellenbasiert, ist diese Datenquelle. Allerdings an Bedeutung gewonnen, ÖPNV und Arbeitsstand-
stellt sie Google nur auf nationaler und in Deutsch- orte verloren. Zudem ist ablesbar, dass die Niveaure-
land auf Bundeslandebene zur Verfügung. Unter duzierungen in der ersten Corona-Welle deutlicher
Berücksichtigung des Datenschutzes und der zur ausfielen als im Herbst 2020 und besonders im
Verfügung stehenden Mengen ginge dies tiefer, ist späten Frühjahr 2021. Darin lässt sich eine „Reakti-
aber nicht öffentlich verfügbar. Trotzdem liefern sie onsmüdigkeit“ interpretieren, welche sich in ganz
aufschlussreiche Hinweise. Dies ergibt die Verknüp- ähnlicher Form auch in der mehrmonatigen Reihe
fung mit Aufenthaltsortskategorien, die Google in der Mobilfunkdaten zeigt.
der Aufbereitung vornimmt, kombiniert mit einer
Smartphone-basierte Trackingdaten in einem
Baseline für die Situation „vor Corona“.
Survey
Beide Quellen arbeiten mit Bewegungsdaten, die Einen anderen Zugang liefern Mobilitätsdaten,
aggregiert verfügbar sind. Die Mobilfunkdaten die bei infas auf Basis einer Smartphone-App und
werden räumlich tiefer gegliedert publiziert; die einem Tracking entstehen, GPS-basiert Wege und
Google-Mobility-Daten sind dafür angereichert genutzte Verkehrsmittel messen und so das Mobili-
durch die Klassifikation der Aufenthaltskategorien. tätsniveau wie auch die Veränderungen in der Ver-
Diese Verknüpfung lässt erkennen, dass sich deutli- kehrsmittelwahl zeigen. Im Ergebnis ergeben sich
che Verschiebungen zwischen Arbeits- und Wohn- hier vergleichbare Verläufe wie in den Mobilfunk-
und Google-Mobility-Daten. Auch die Tracking-
3 https://www.google.com/covid19/mobility/
Mobilitätsmessung Google mobility:
Deutschland von Februar 2020 bis Anfang Mai 2021
2020 2021
20
10
Die Referenz (Nulllinie) ist der
0 Medianwert der fünf Wochen vom
7 9 11 13 15 17 19 21 23 25 27 29 31 33 35 37 39 41 43 45 47 49 51 53 2 4 6 8 10 12 14 16 3. Januar bis 6. Februar 2020.
-10 Darstellung nach Kalenderwochen
-20
-30 Haltestellen und Bahnhöfe
-30
-3 täglicher Bedarf
-29 Einzelhandel und Freizeit
-40
-22 Arbeitsorte
-50 8 Wohnquartiere
-60
-70
-80
Quelle: Google LLC „Google COVID-19 Community Mobility Reports“.https://www.google.com/covid19/mobility/ Accessed: 06.05.2021.
9 THEMENREPORT CORONA-DATENPLATTFORM
AUSGABE MAI 2021
Unterwegszeit pro Tag und Person
Angaben in Stunden pro Person und Tag
16.12. verschärfter Lockdown
04.05. deutliche Reduzierung Shutdown
02.11. Lockdown Light
11.04. Ostersamstag
16.03. Beginn Shutdown
2,5
Fahrrad
zu Fuß
2,0
ÖV
Auto
1,5
MiD-Baseline
(Mobilität in Deutschland
1,0 infas, BMVI)
0,5
0,0
01.08.2020
01.09.2020
01.02.2020
01.03.2020
01.05.2020
01.01.2021
01.02.2021
01.03.2021
01.04.2021
01.01.2020
01.04.2020
01.06.2020
01.07.2020
01.10.2020
01.11.2020
01.12.2020
Datenbasis: rund 2.000 Personen bundesweit im Tracking von MOTIONTAG (Partner im MOBICOR-Projekt), nicht repräsentative Test-Stichprobe
Tageskilometer pro Person
Angaben in Mittelwerten (Kilometer pro Person)
04.05. deutliche 16.12. verschärfter Lockdown
Reduzierung Shutdown 02.11. Lockdown Light
11.04. Ostersamstag
90 Fahrrad
16.03.
Beginn Shutdown
80 zu Fuß
70 ÖV
60 Auto
MiD-Baseline
50
(Mobilität in Deutschland
infas, BMVI)
40
30
20
10
0
01.08.2020
01.09.2020
01.02.2020
01.03.2020
01.05.2020
01.01.2021
01.02.2021
01.03.2021
01.04.2021
01.01.2020
01.04.2020
01.06.2020
01.07.2020
01.10.2020
01.11.2020
01.12.2020
Datenbasis: rund 2.000 Personen bundesweit im Tracking von MOTIONTAG (Partner im MOBICOR-Projekt), nicht repräsentative Test-Stichprobe
10 THEMENREPORT CORONA-DATENPLATTFORM
AUSGABE MAI 2021
Verläufe legen nahe, dass eine mehrmonatige Google Mobility hätte in seinen Daten das Potenzial
Mobilitätsreduzierung kaum umsetzbar ist und dazu, fasst es jedoch aus verschiedenen Gründen zu
sich das Unterwegs-, Kontakt- und Erlebnisbedürf- den genannten hohen Aggregaten zusammen – und
nis trotz allem mehr und mehr durchsetzt. Daran kommuniziert auch dazu bei einzelnen Kategorien
ändern offenbar auch Ausgangssperren wenig, und Regionen Einschränkungen in der Reliabilität.
obwohl diese vermutlich eine wichtige Signalwir-
Weiterhin liegt in den Tracking-Daten das Potenzial,
kung mit anderen, aktuell gewünschten Effekten
nicht nur die Wege, sondern die dazwischen liegen-
nach sich ziehen. Gleichzeitig belegen sie aber
den Aufenthaltszeiten und Aufenthaltskategorien
auch, dass sich vor allem zurückgelegte Entfernun-
abbilden zu können. Dazu werden die Teilnehmerin-
gen, weniger die Mobilitätszeiten verringern. Eine
nen und Teilnehmer gebeten, die Wegezwecke in
Grundmobilität – und damit eine Art „Kontaktso-
einfachen Kategorien anzugeben. Unterstützen
ckel“ – bleiben also erhalten.
sie dies, können diese Kategorien für Routineziele
Im Unterschied zu den ersten beiden Datenquel- übernommen werden und müssen nicht bei jedem
len haben die Tracking-Daten den Vorteil, auf indi- Weg erneut eingegeben werden. Zusätzlich können,
vidueller Ebene und nicht im Aggregat auswertbar ähnlich wie bei Google Mobility, umgebungsorien-
zu sein. Sie basieren bisher auf rund 2.000 aktiven tiert Aufenthaltskategorien geschätzt und zugeordnet
Teilnehmerinnen und Teilnehmern, die freiwillig werden. Beide Verfahren befinden sich zurzeit in der
dabei sind, also einen Teil ihrer Mobilitätsdaten Erprobung. Im nächsten Schritt könnten je nach Auf-
gewissermaßen spenden. Gleichzeitig verbin- enthaltskategorie, Dauer und Tageszeit Kontakthäu-
det sich damit der Nachteil, dass selbst bei einer figkeiten angenommen und hinterlegt werden. Damit
großen Stichprobengröße nicht die räumliche würde dieses Mobilitätstracking direkter zu einer
Tiefe der gröberen Mobilfunkdaten erreicht wird. Kontaktmessung führen.
-70 %
Soweit hat sich die
Mobilität im ersten
Lockdown reduziert.
Im Zweiten war es
deutlich weniger.11 THEMENREPORT CORONA-DATENPLATTFORM
AUSGABE MAI 2021
Durchschnittliche Aufenthaltsdauern nach infas-Mobilitätstracking:
Angaben in Minuten pro Aufenthalt (Mittelwerte pro Tag)
Minuten 16.12. verschärfter Lockdown Weihnachten und Jahreswechsel
02.11. Lockdown Light
700
600
500
400
zu Hause
300 andere Aufenthalte
200
100
0
2020_22
2020_24
2020_26
2020_28
2020_30
2020_32
2020_34
2020_36
2020_38
2020_40
2020_42
2020_44
2020_46
2020_48
2020_50
2020_52
2020_01
2020_03
2020_05
2020_07
2020_09
2020_11
2020_13
2020_15
2020_17
Lesebeispiel: Dargestellt werden mittlere Dauern pro Aufenthaltsabschnitt. Ein ununterbrochener Aufenthalt zu Hause dauert im Schnitt
zwischen 500 und 600 Minuten. Pro Tag kann es mehrere Zu-Hause-Aufenthalte geben. Daher ergibt sich in der Darstellung keine Tagessumme.
Verfahren: gemessen werden die Aufenthalte zwischen den zurückgelegten Wegen
Datenbasis:ca. 2.000 Personen im Tracking, nicht repräsentative Test-Stichprobe
2,94 Mio. Etappen bzw. erfasste Aufenthalte
Aufenthalte nach infas-Mobilitätstracking:
Anteile der Aufenthaltsdauern ohne „zu Hause“ und „Arbeit“ nach Kalenderwochen
16.12. verschärfter Lockdown Weihnachten und Jahreswechsel
02.11. Lockdown Light
%
60
50
Dauer des Aufenthalts
40 bis 9 Minuten
10 - 19 Minuten
30
20 - 29 Minuten
20 30 - 39 Minuten
40 - 59 Minuten
10
60+ Minuten
0
2020_22
2020_24
2020_26
2020_28
2020_30
2020_32
2020_34
2020_36
2020_38
2020_40
2020_42
2020_44
2020_46
2020_48
2020_50
2020_52
2020_01
2020_03
2020_05
2020_07
2020_09
2020_11
2020_13
2020_15
2020_17
Verfahren: gemessen werden die Aufenthalte zwischen den zurückgelegten Wegen
Datenbasis: ca. 2.000 Personen im Tracking, nicht repräsentative Test-Stichprobe
2,94 Mio. Etappen bzw. erfasste Aufenthalte12 THEMENREPORT CORONA-DATENPLATTFORM
AUSGABE MAI 2021
AUFENTHALTSDAUERN ABGELEITET AUS DEN Verhalten im Kontakt keine Aussagen treffen kann.
GETRACKTEN WEGEPROTOKOLLEN Zudem stellt selbst die Kontaktmessung nur den
Versuch dar, die Compliance gegenüber Corona-
Die beiden Abbildungen zu den ermittelten Auf-
Maßnahmen indirekt zu erheben.
enthaltsdauern im Zeitverlauf seit Ende Mai 2020
zeigen ausgewählte Ergebnisse dieser Auswer- Einen Ausweg aus diesem Messdilemma könnte
tung. Im Juni 2020 haben sich die zuvor länge- jedoch ein Erhebungsdesign auf Basis einer ausrei-
ren Dauern pro „Zu-Hause-Abschnitt“ reduziert, chend großen repräsentativen Zufallsstichprobe
während die mittlere Dauer einzelner Aktivitäten aufzeigen. In einer Kombination aus Befragung
außer Haus angestiegen ist. Erst mit dem zweiten und technischer Tracking-Messung plus wenigen
Lockdown und vor allem mit den deutlicheren „Tagebuchangaben“, etwa in Form eines Kontakt-
Einschränkungen ab Mitte Dezember 2020 ändert protokolls, könnte ein zuverlässiges Bild entstehen.
sich dies wieder. Und trotz des anhaltenden Lock- Zusammen mit abgefragten Einstellungs- und
downs reduziert sich die Zu-Hause-Zeit spätestens Verhaltensmustern gegenüber den Eindämmungs-
ab Ende Februar 2021 erneut. maßnahmen würde dies umfassende Einblicke und
Ableitungen ermöglichen, insbesondere in einer
Werden die Dauern für Aufenthalte außer Haus
gewinnbringenden Differenzierung zwischen ver-
(ohne Aufenthalte am Arbeitsplatz) nach ihrer
schiedenen Altersgruppen oder sozioökonomischen
Länge kategorisiert und ebenfalls im Zeitverlauf
Gruppen. Dies wäre ein wertvolles Werkzeug in der
seit Ende Mai 2020 betrachtet, steigen vor allem
Bekämpfung der Pandemie, das bisher jedoch noch
die Anteile der besonders langen Aufenthalte von
nicht umgesetzt wurde.
über 60 Minuten im zweiten Lockdown zunächst
deutlich an, um sich dann ebenfalls ab Februar
2021 wieder zu reduzieren – also Platz für zuvor
übliche Routinen zu machen. Dies ist ein mögli-
ches Indiz dafür, dass sich in der ersten Phase des
Lockdowns zwar das Mobilitätsniveau reduziert
hat, sich aber dafür längere Aufenthaltszeiten bei
den verbliebenden Anlässen ergeben – mit mögli-
cherweise intensiveren, aber auf weniger Personen
bezogenen Kontakten. In jedem Fall steigt offenbar
die individuelle Kontaktlänge. Dies ist jedoch nur
eine Vermutung. Ideal wäre hier eine Messung,
die die Kontakte gleichfalls erfasst. Dies könnte
beispielsweise eine Kombination aus dem GPS-
basierten Mobilitätstracking mit einer Bluetooth-
Messung der Kontaktdauern bzw. Nähe anderer
Smartphones ähnlich dem Verfahren der Covid-
App des Bundes sein. Da eine solche integrierte
Messung jedoch nicht vorliegt, werden wir in noch
ausstehenden weiteren Analysen unsere Erhebung
nach Zwecken kategorisieren und experimentell
mit Eckwerten zu zweckbezogenen Kontaktzahlen
aus anderen Surveys verknüpfen.
Trotzdem wäre auch diese Lösung nur ein Hilfsmit-
tel bei der Kontaktmessung, da sie über das genaue13 THEMENREPORT CORONA-DATENPLATTFORM
AUSGABE MAI 2021
SARS-COV2 INFEKTIONSGESCHE- konstatieren, dass der Verlauf inzwischen vor allem
durch Breite und Tiefe des Infektionsgeschehens
HEN, INDIKATOREN UND MASS- geprägt wird, die ergriffenen Maßnahmen also nur
NAHMENANALYSE eine mehr oder weniger mindernde Wirkung haben.
Eine wesentliche Aufgabe der Corona-Datenplatt- Ausgehend von dieser Beschreibung stellen sich
form besteht in der Erfassung der Eindämmungs- zwei Fragen, denen im Folgenden anhand einiger
maßnahmen auf der Ebene der Landkreise und Zahlenreihen nachgegangen werden soll. Gibt es
kreisfreien Städte im Zeitverlauf seit März 2020. Abweichungen von einem erwarteten „biologischen“
Hierzu wurde ein Codeschema entwickelt und Verlauf, für die möglicherweise die Maßnahmen-
entlang der Bundes-, Landes- und Kreisverordnun- pakete verantwortlich sind? Und welche weiteren
gen gefüllt. Die Daten liegen zum gegenwärtigen Kennzahlen können aus dem vorhandenen Material
Zeitpunkt bis Mitte April vor. Komplexe multivari- abgeleitet und zusätzlich auf der Plattform bereitge-
ate Analysen zu möglichen Maßnahmewirkungen stellt werden? Beides kann hier nicht erschöpfend
wurden im ersten Zwischenbericht der Plattform behandelt werden, soll jedoch den Nutzerinnen
vorgestellt.4 Sie zeigen zum einen, dass die Betrach- und Nutzern der Plattform Anregungen für eigene
tung differenziert nach verschiedenen Phasen der Anwendungen geben.
Corona-Pandemie erfolgen muss. Eine pauschale
Betrachtung etwa der Gesamtentwicklung 2020 GIBT ES EINEN SAISONTYPISCHEN VERLAUF
ist aufgrund vielfältiger Effekte nicht angemessen.5 WEITGEHEND UNABHÄNGIG VON DEN
Zudem stehen unsere – wie auch inzwischen zahl- ERGRIFFENEN MASSNAHMEN?
reicher werdende Analysen anderer – Teams vor der Zur Bewertung der Wirksamkeit von Maßnahmen
Herausforderung, dass fast alle Einzelmaßnahmen im Rahmen des Infektionsgeschehens SARS – CoV2
parallel und bei allen regionalen Unterschieden in Deutschland erscheint es hilfreich, wenn ande-
oft mit nur geringer Varianz eingesetzt wurden. re, möglicherweise einflussreiche Faktoren ebenso
Oft sind schwache Korrelationen feststellbar. Sie untersucht werden. Unter Umständen treten diese
müssen jedoch keine direkte Kausalität bedeu- Einflüsse komplett hinter die Maßnahmen zurück;
ten. Dies erschwert in der Analyse die eindeutige oder es ergeben sich deutliche Unterschiede in der
Identifikation einzelner Maßnahmeeffekte und Stabilität der Einflussfaktoren im zeitlichen Verlauf,
die Ableitung zweifelsfreier Empfehlungen. Hin- wenn zusätzlich Maßnahmen signifikant greifen
zu kommt die Einschränkung, dass auf regionaler sollten. Wesentliche Einflussfaktoren, die die Ent-
Ebene flächendeckend und einheitlich über die Zeit wicklung der Inzidenzzahlen spätestens im ersten
nur wenige Kennwerte zur Verfügung stehen. So Halbjahr 2021 bestimmen, sind
fehlen etwa Daten zur Hospitalisierung. Zudem sind
– die Infektiosität, die durch in Deutschland neu
die berichteten Inzidenzkennwerte abhängig von
auftretende Mutationen variieren kann
der Teststrategie und vermutlich unterschiedlichen
– der Anteil der Genesenen
Niveaus einer zu unterstellenden Dunkelziffer nicht
– der Anteil der Geimpften
erkannter Infektionen. Trotzdem zeigen sich Maß-
– die Anzahl der Fälle, die auf einen typischen, saiso-
nahmewirkungen und vereinfachend kann festge-
nalen Verlauf für influenzaähnliche Erkrankungen
halten werden, dass alle direkt oder indirekt erziel-
zurückzuführen ist.
ten Kontakteinschränkungen hilfreich sind bzw.
einen gewissen Beitrag leisten. Ebenso ist jedoch zu
An dieser Stelle soll der zuletzt genannte Punkt
4 https://www.bmwi.de/Redaktion/DE/Downloads/I/Infas%20360%20 beispielhaft aufgegriffen und überprüft werden, ob
Bericht%20Corona-Datenplattform%20BMWI%20Phase%201.html
der bisher zu beobachtende Verlauf allein oder in
5 siehe zum Beispiel hier: https://www.medrxiv.org/content/10.1101/202
0.02.13.20022806v2w.13.20022806v14 THEMENREPORT CORONA-DATENPLATTFORM
AUSGABE MAI 2021
hohem Maß durch eine saisontypische Entwick- Jahre 2011 bis 2016 (blaue Linie) von der 22. Kalen-
lung zu erklären ist. Hierzu wird in erster Linie die derwoche 2011 bis zur 21. Kalenderwoche 2017. Die
Veröffentlichung „GrippeWeb als wichtiges Instru- grau hinterlegten Bereiche geben den Zeitraum der
ment in der Vorbereitung und Bewältigung einer jeweiligen Grippewelle in Deutschland nach Defini-
zukünftigen Pandemie – Ein Review der Daten von tion der AGI an (wiederum zitiert aus Buchholz et al,
2011 – 2017“ von Buchholz et al.6 herangezogen. 2017, S. 243 dort Abb. 5).
Sie stellt eine zu der aufgeworfenen Fragestellung
Typisch ist demnach ein rascher Anstieg mit Beginn
passende Untersuchung des Corona-unabhängigen
der 32. Woche. Er tritt in den betrachteten Saison-
Verlaufs bereit, bei Betrachtung eines sehr zeitnahen
verläufen von Herbst 2011 bis Frühjahr 2017 in
Abschnitts für Deutschland. Hierbei ist zu beachten,
den einzelnen Jahren mit zeitlich geringer Varianz
dass lediglich der Verlauf untersucht und weder die
wiederholt ein. Nach dem Erreichen einer ersten
absolute Anzahl der Fälle einer Grippe-Welle mit
Schulter beschreibt die Saisonnormale eine Plateau-
dem aktuellen Infektionsgeschehen von SARS–CoV2
phase ab Kalenderwoche 39. Dieser folgt eine erste
verglichen wird noch die dramatischen Folgen.
Spitze zu den Weihnachtsfeiertagen mit einem an-
Buchholz et al. beschreiben eine „ILI-Saisonnormale“ schließenden Rückgang auf das Niveau der Plateau-
(ILI: Influenza-like-illness). Diese wird in der unten- phase. In den jeweils anschließenden Verläufen ab
stehenden Abbildung der betrachteten saisonalen den Jahreswechseln erfolgt ein rascher Anstieg mit
Verläufe dargestellt und aus dieser Veröffentlichung einem ausgeprägten Maximum in Kalenderwoche 9.
zitiert. Sie zeigt für die Bevölkerung in Deutschland Das Maximum der mittelnden „ILI-Saisonnormalen“
die geschätzte wöchentliche ILI-Rate (schwarze, liegt bei einer ILI-Rate von etwa 2,8 Prozent, wäh-
gestrichelte Linie) sowie die „Saisonnormale“ der rend das Maximum für das ILI-Gesamt der einzelnen
Saisons zwischen 2,1 Prozent (etwa Kalenderwoche
6 Buchholz U, Gau P, Buda S, Prahm K: GrippeWeb als wichtiges Instru- 10/2014) und 4,4 Prozent (Kalenderwochen 6 und
ment in der Vorbereitung und Bewältigung einer zukünftigen Pandemie 7/2013/15/17) schwankt. Der daran anschließen-
Epid Bull 2017;27:239 – 247 | DOI 10.17886/EpiBull-2017-035.2
6. Juli 2017 Epidemiologisches Bulletin Nr. 27 Robert Koch-Institut 243
Grippewelle und „ILI-Saisonnormale“ 2011 bis 2017 in Deutschland
ILI-Rate in % Grippewelle
Grippewelle „ILI-Saisonnormale“
"ILI-Zeitreihe" ILI Gesamt
ILI gesamt
4,5
4,5
4,0
4,0
3,5
3,5
3,0
3,0
2,5
2,5
2,0
2,0
1,5
1,5
1,0
1,0
0,5
0,5
0,0
0,0
22
22 34
34 46
46 66 18
18 30
30 42
42 22 14
14 26
26 38
38 50
50 10
10 22
22 34
34 46
46 66 18
18 30
30 42
42 11 13
13 25
25 37
37 49
49 99 21
21
Kalenderwoche 2011 – 2017
Abb. 5:Buchholz
Quelle: Für die Bevölkerung
et al. 2017 in Deutschland geschätzte wöchentliche ILI-Rate (schwarze, gestrichelte Linie) sowie die „Saisonnormale“ der Jahre 2011 – 2016
(blaue Linie) von der 22. KW 2011 bis zur 21. KW 2017. Die grau hinterlegten Bereiche geben den Zeitraum der jeweiligen Grippewelle in Deutschland nach
Definition der AGI an
Die für die gesamte Bevölkerung in Deutschland berech- ten Altersgruppe (Abb. 6c). Vor allem in der Altersgruppe
neten ARE-Raten liegen, wenn man die Saisonnormale be- der Schulkinder sind die drei Ferienperioden Herbstferien,
trachtet, je nach Altersgruppe in einem Bereich zwischen Weihnachtsferien und Osterien als Einschnitte zu sehen.15 THEMENREPORT CORONA-DATENPLATTFORM
AUSGABE MAI 2021
de Rückgang unterschreitet die Plateauphase vom November (Kalenderwoche 46) erreicht wird, also
Herbst in Kalenderwoche 14. Die ausgeprägte Spitze mit etwa sieben Wochen Verzögerung gegenüber
der „ILI-Saisonnormalen“ deckt sich mit der Grippe- der „ILI-Saisonnormalen“.
welle. Diese variiert etwas zwischen den einzelnen
Der weitere Verlauf ist prinzipiell ähnlich, aller-
Saisons, liegt aber demnach in der Regel zwischen
dings nur bis zum 9. Januar 2021. Anschließend
dem Jahreswechsel und Kalenderwoche 18.
ist für SARAS–CoV2 ein starker Rückgang zu
Im Vergleich dazu wird der Verlauf der RKI-Mel- beobachten. Er liegt genau in der Phase, in der die
dezahlen, veröffentlich auf NPGEO7 und ebenfalls „ILI-Saisonnormale“ ein ausgeprägtes Maximum
verfügbar auf unserer Corona-Datenplattform, an- zeigt. Der Wiederanstieg der SARS–CoV2 7-Tage-
hand der 7-Tage-Inzidenzen in folgender Abbildung Inzidenzen ab dem 9. März 2021 steht ebenfalls
gezeigt. im Gegensatz zur „ILI-Saisonnormalen“, während
der Einschnitt um die Osterfeiertage herum eher
Im Vergleich zu der beschriebenen „ILI-Saisonnor-
typisch ist. Zum gegenwärtigen Zeitpunkt wird ein
malen“, zeigt sich zunächst im Herbst ein ähnlicher
erneuter starker Rückgang seit dem 26. April (KW
Verlauf, obwohl die Plateauphase erst ab dem 8.
17) beobachtet. Dies deckt sich mit dem typischen
7 https://www.arcgis.com/home/item.html?id=f10774f1c63e40168479a Ende der Grippewelle.
1feb6c7ca74
Vergleich
Verlauf der der "influenza-like-illness"
7-Tage-Inzidenz (ILI) 2011 bis
SARS-CoV2 für Deutschland 2017 Einwohner im Herbst 2020 und Frühjahr 2021
je 100.000
mit dem Verlauf der Corona-Meldungen in Deutschland
23.12. 6.1. 9.1. 13.2. 9.3. 1.4. 7.4.14.4.
220
ILI-typischer starker
ILI-typischer starker
200 Rückgang
Anstieg vor Weihnachten
zwischen
Weihnachten und
Neujahr
180
für ILI typische Schulter im
Herbst
aber für Corona 2020 im ILI-typischer
160 starker Anstieg:
Vergleich sehr spät
Beginn der
üblichen
140 Grippewelle
7-Tage-Inzidenz
120
100
80 bis Ende April
erwartet:
ILI-typischer
60 starker Rückgang
atypischer,
sehr starker
40 und
9. KW
anhaltender
erwartet:
Rückgang
ILI-typisches
20 MAXIMUM
0
1. Sep 20 1. Okt 20 1. Nov 20 1. Dez 20 1. Jan 21 1. Feb 21 1. Mär 21 1. Apr 21 1. Mai 21
Meldedatum
Datenstand: 17.5.202116 THEMENREPORT CORONA-DATENPLATTFORM
AUSGABE MAI 2021
Die Tatsache, dass sich Beginn und Anfang des Ver- pel-)Schauern, Gewittern und Schneefällen bis in die
laufs der 7-Tage-Inzidenz für SARS–CoV2 im Herbst Niederungen mitführte. Die Mitteltemperatur lag
und Frühjahr 2020/2021 ähnlich sind, darf nicht da- in Deutschland mit 4,8 °C um 0,1 K nur knapp über
rüber hinwegtäuschen, dass in den ersten drei Mo- dem vieljährigen Durchschnittswert11.
naten des Jahres 2021 erhebliche Abweichungen zu
Wird die Analyse des DWD für ganz Deutschland
verzeichnen sind, die durch einen saisontypischen
herangezogen, ergibt sich tatsächlich eine leicht
Verlauf nicht erklärt werden können. Hier können
überdurchschnittlich warme Phase von Mitte Febru-
also andere Einflussfaktoren vermutet werden.
ar bis Mitte März (gegenüber dem Referenzzeitraum
1991 bis 2020). Dies entspricht jedoch der Phase,
WAS IST MIT DEM WETTER?
in der die Fallzahlen zu SARS–CoV2 wieder leicht
Das Argument, dass der April 2021 als außerge- ansteigen. Auch eine zeitlich verzögerte Wirkung
wöhnlich kalter Monat das Wiederansteigen der der relativ wärmeren Temperaturen ist eher aus-
Fallzahlen alleine erklärt, ist ebenfalls nicht stich- zuschließen, da anschließend die 7-Tage-Inzidenz
haltig. Gravierender ist hier aller Einschätzung nach, noch stärker ansteigt. So war der Januar vergleichs-
dass neben dem Wiederansteigen der bereits zuvor weise kalt. Somit ist zu vermuten, dass das Wetter
bekannten Mutationen die britische Variante B.1.1.7 weder eine Erklärung für den starken Rückgang der
das Infektionsgeschehen besonders prägt. So bleibt Fallzahlen ab dem 9. Januar liefern kann noch das
zu prüfen, ob die Monate Januar bis März 2021 mög- niedrige Niveau und das zunächst nur langsame
licherweise außergewöhnlich warm waren – und Wiederansteigen ab Mitte Februar 2021 erklärt.
sich damit die Saisonalität nicht ILI-typisch entfal-
ten konnte. Hierzu können die Monatsberichte des MASSNAHMEN UND IMPLIZITE
Deutschen Wetterdienstes (DWD)8 herangezogen VERHALTENSWIRKUNGEN?
werden.
Die Wirksamkeit der Maßnahmen als alternative
Januar: So fiel der Januar, verglichen mit der in Erklärung für den Verlauf der 7-Tage-Inzidenzen,
dieser Publikation ab Januar 2021 verwendeten insbesondere ab dem 9. Januar 2021, ist damit aller-
Klimareferenzperiode 1991 bis 2020, bei negativer dings nicht abschließend belegt. Andererseits kann
Sonnenscheinbilanz überwiegend nässer und kälter der saisontypische Verlauf von influenza-like-illness,
aus. Die Mitteltemperatur lag in Deutschland mit wie von Buchholz et al. beschrieben, nicht als Erklä-
0,6 °C um 0,3 K unter dem Mittelwert des Zeitraums rung verwendet werden. Ebenfalls aus scheidet eine
1991 bis 20209. kurzfristige, zeitlich begrenzte Temperaturanomalie
im Januar, um den starken Rückgang ab dem 9. Janu-
FEBRUAR: Mitte Februar räumte eine Warmfront die
ar 2021 und den anschließenden Verlauf bis April zu
sehr kalte Luft fast vollständig aus und führte zu
erklären. Hier ist mit großer Sicherheit anzunehmen,
einem deutlichen Temperaturanstieg. Die Mittel-
dass andere Eingriffe erfolgreich waren. Dazu kann
temperatur lag in Deutschland mit 1,7 °C um 0,2 K
nach gegenwärtiger Einschätzung die beginnende
über dem vieljährigen Mittelwert10.
Impfung der ältesten Bevölkerung einen kleinen
MÄRZ: Mitte März floss aus Norden polare Kaltluft Beitrag geleistet haben. Impfdaten werden wir auf
ein, die einen unbeständigen Mix aus Sonne, (Grau- der Plattform bereitstellen, sobald diese zuverlässig
auf Kreisebene verfügbar sind. Allerdings stellen die
8 https://www.dwd.de/DE/leistungen/pbfb_verlag_monat_klimastatus/ über 80-Jährigen nur einen Prozentsatz von etwa
monat_klimastatus.html?nn=510076 sieben Prozent der Gesamtbevölkerung dar, der
9 Deutscher Wetterdienst, 2021: Monatlicher Klimastatus Deutschland
Januar 2021. DWD, Geschäftsbereich Klima und Umwelt, Offenbach, 29 zudem bisher nicht vollständig geimpft wurde, so
Seiten, www.dwd.de/klimastatus
10 Deutscher Wetterdienst, 2021: Monatlicher Klimastatus Deutschland 11 Deutscher Wetterdienst, 2021: Monatlicher Klimastatus Deutschland
Februar 2021. DWD, Geschäftsbereich Klima und Umwelt, Offenbach, 31 März 2021. DWD, Geschäftsbereich Klima und Umwelt, Offenbach, 29
Seiten, www.dwd.de/klimastatus Seiten, www.dwd.de/klimastatus17 THEMENREPORT CORONA-DATENPLATTFORM
AUSGABE MAI 2021
dass auch dieser Effekt für den starken Rückgang der Bei genauerer Betrachtung zeigt sich allerdings, dass
Fallzahlen ab 9. Januar 2021 nicht alleine ursächlich die Kreise bzw. Reporting areas bei einzelner Be-
sein kann. trachtung nicht nur eine sehr große Variabilität in
der Höhe der Inzidenz aufweisen, sondern auch über
BEDEUTUNG VON VERHALTENSDATEN mehrere Tage hinweg unterschiedliche Richtungen
Zusammengefasst legen diese Beobachtungen nahe, der Entwicklung berichten. Eine zusammenfassende
dass der Inzidenzrückgang im Januar mit hoher kreisübergreifende Inzidenz oder 7-Tage-Inzidenz
Wahrscheinlichkeit auch maßnahmeninduziert ist. ist daher stark aggregiert. Dabei sind jedoch Trends
Zumindest ergibt sich ein untypischer Verlauf, der schwer erkenn- und vergleichbar. So wird etwa nicht
nicht durch „natürliche“ Effekte aus vergangenen offenbar, dass unter den Kreisen mit hoher Inzidenz
Beobachtungen und Analogien erklärbar ist. Wirk- einige Kreise bereits eine stark fallende Tendenz
sam ist vermutlich das Maßnahmenbündel verbun- aufweisen, diese in anderen Gebieten jedoch noch
den mit der einhergehend hohen Verhaltenssensibi- steigt. Eine solche Unterscheidung ist jedoch für die
lisierung eines überwiegenden Teils der Bevölkerung. Bewertung der möglichen Maßnahmeneffizienz
Aber auch diese Vermutung verlangt nach genau- erheblich.
eren Verhaltensdaten. Dafür stellen die eingangs Daher ermitteln wir einen Trendindikator und
vorgestellten und in der intensiv geführten Diskussi- stellen diesen mit dem nächsten Update auf der
on oft herangezogenen Mobilitätsdaten eine Annä- Plattform zur Verfügung. Dieser Indikator soll die
herungsmöglichkeit dar. Sie zeigen aber, anders als 7-Tage-Inzidenz ergänzen. Hierzu werden anhand
nach der ersten Infektionswelle, keinen besonders des Verlaufs der 7-Tage-Inzidenzen Trends berech-
drastischen Mobilitätsrückgang, sondern eher ein net, ausschließlich retrospektiv auf der Basis berich-
auf mittlerem Niveau gebremsten Aktivitätslevel teter Meldezahlen. Diese Trends sind von den in die
auf. Damit kann unterstellt werden, dass angepasste Zukunft gerichteten Prognosen zu unterscheiden.
Verhaltensweisen, die sich nicht unbedingt im Mo-
Auch in den üblicherweise verfügbaren 7-Tage-
bilitätsniveau widerspiegeln, eine wesentliche Rolle
Inzidenzen sind die an den beiden letzten Tagen
gespielt haben. Doch letztlich fehlen gerade dafür
veröffentlichten Werte oft nicht zuverlässig. Durch
zuverlässige, kleinräumige und schichtspezifische
Meldeverzug und Nachmeldungen können sich
empirisch gewonnene Verhaltensdaten.
die entsprechenden Inzidenzwerte bei Neuberech-
ERGÄNZUNG DES INDIKATORS INZIDENZ nungen auf der Basis korrigierter Fallzahlen ändern.
UM TRENDANALYSEN Daher wird bei den hier vorgestellten Trends auf
die beiden jüngsten Werte verzichtet: der aktuellste
Der am häufigsten verwendete Indikator ist die
Trend ist immer der Trend, der für vor-vorgestern
7-Tage-Inzidenz. Zur Beurteilung der Lage werden da-
berechnet wurde, also zum Beispiel am Kalendertag
bei absolute Fallzahlen zur jeweiligen Bevölkerung in
19. Mai der Trend des 16. Mai. Für die Trendberech-
Beziehung gesetzt. Nach diesem Verfahren können
nung werden dabei die sieben am Stichtag zuletzt
Inzidenzen auch für unterschiedliche Zeiträume oder
berichteten Werte der 7-Tage-Inzidenz verwendet.
unterschiedliche Bevölkerungsgruppen wie etwa
Dies stellt in der Abwägung eine möglichst hohe
Altersgruppen berechnet und verglichen werden. Die
Aktualität sicher und trägt gleichzeitig der beobach-
Ergebnisse unterliegen wegen der Datenerhebung
teten Variabilität des Verlaufs der 7-Tage-Inzidenzen
einer wochentäglichen Schwankung, daher wird für
Rechnung. Diese Trends werden für alle Tage der
den Verlauf die 7-Tage-Inzidenz verwendet.
Historie und für jeden Kreis erzeugt.
Für derartige Trendanalysen könnten verschiedene
Funktionen unterschiedlicher Komplexität herange-
zogen werden, um den Verlauf der Werte eines Krei-18 THEMENREPORT CORONA-DATENPLATTFORM
AUSGABE MAI 2021
COVID19: 7-Tage-Inzidenzen und TrendsCOVID19:
der Entwicklung
7-Tage-Inzidenzen und Trends der Entwicklung
Trends relativ zum individuellen InfektionsgeschehenTrends
des jeweiligen
relativ zum
Kreises.
individuellen Infektionsgeschehen des jeweiligen Kreises.
Trends spiegeln nicht das individuelle Niveau der 7-Tage-Inzidenz,
Trends spiegeln
nurnicht
Richtung
das individuelle
und StärkeNiveau
der Entwicklung.
der 7-Tage-Inzidenz, nur Richtung und Stärke der Entwicklung.
ses möglichst exakt in einer Formel abzubilden. Da Kartenbasierter Vergleich 7-Tage-Inzidenzen vs. Trends in
7-Tage-Inzidenz 27 Tage 7-Tage-Inzidenz
7-Tage-Inzidenz 27 Tage langfristiger
7-Tage-Inzidenz
Trend 28 Tage kurzfristiger
langfristiger
Trend
Trend 28 Tage kurzfristi
vor demalle
26. Trends
Dezemberzusammengetragen
2020 am vor
26. demwerden
Dezember sollen,
26. Dezember
2020 ist es bis Deutschland
2020 am
incl.26. am 2020
26.Dezember
Dezember26. Dezemberbis
2020 2020
bis
incl.incl.
26. 26.
Dezember
Dezember
2020
2020 bis incl. 2
erforderlich, ein einheitliches Verfahren anzuwen-
den, um eine gleichartige Bewertung vorzunehmen.
Daher wird eine einfache lineare Regression ange-
wendet - und so letztlich die Steigung beziehungs-
weise das Fallen der Geraden als Indikator genutzt.
In einem Streudiagramm würde die Steigung der
Inzidenz direkt gegenübergestellt. Die Steigung
kann jedoch auch klassifiziert werden, um weitere
Visualisierungen zu ermöglichen. Für unsere diesbe-
züglichen Darstellungen wurde die Steigung in elf
Klassen
© Mapbox © OSM
gruppiert.
Filter u. Legende
© Mapbox
FilterFilter
© Mapbox
und Legende
© OSM © OSM
u. Legende
© Mapbox
© Mapbox
© OSM © OSM
Filter Filter und Legende
und Legende
© Mapbox
© Mapbox
© OSM © OSM
FilterFilter
und Legende
und Legende
© Mapbox © OSM
7-Tage-Inzidenz vorhergehend 7-Tage-Inzidenz
7-Tage-Inzidenz
zum Datum
vorhergehend langfristiger Trend
7-Tage-Inzidenz zum Datum langfristiger
kurzfristiger TrendTrend
sehr hohes Niveau sehr hohes
sehr hohes
Niveau
Niveau extrem steigender Trend
sehr hohes Niveau extrem steigender Trend
extrem steigender Trend
Die sich daraus ergebenden Trends
hohes Niveau
stellen
hoheshohes
NiveauNiveau
nicht nur sehr stark
hohessteigender
Niveau Trend sehr stark
sehr stark steigender
steigender TrendTrend
einemittleres
bloße Widerspiegelung
Niveau
niedriges Niveau
der Inzidenzverläufe
mittleres
mittleres
niedriges
Niveau
niedriges
Niveau
Niveau
Niveau
stark mittleres
steigender
mäßigniedriges
Trend
Niveau
steigender Trend
Niveau
stark stark steigender
steigender
mäßigmäßig
TrendTrend
steigender
steigender TrendTrend
dar, sehr
sondern sortieren und gruppieren
niedriges Niveau die
sehr niedriges Kreise
sehr niedriges
NiveauNiveau leichtsehr
steigender Trend
niedriges
wenig Veränderung
Niveau leichtleicht steigender
steigender
wenig
TrendTrend
Veränderung
wenig Veränderung
Tag vonneu, da die Trends unabhängig
Meldedatum Tag von von der Höhe der
Meldedatum leicht fallender Trend leichtleicht fallender
fallender TrendTrend
Das jüngste wählbare Meldedatum hat bewußt einen mäßig fallender Trend
Das jüngste wählbare Meldedatum hat bewußt einen mäßigmäßig fallender
fallender TrendTrend
26. Dezember 2020 26. Dezember 2020
Inzidenz ermittelt werden. Beispielsweise
Verlauf anzeigen Abstand
Verlaufzum werden
aktuellen Tagesdatum,
anzeigen da eine verläßliche stark
Abstand zumfallender
aktuellenTrend
Tagesdatum, da eine verläßliche stark stark fallender
fallender TrendTrend
Trendberechnung erst mit vollständigen Meldedaten Trendberechnung erst mit vollständigen
sehr stark fallender Trend Meldedaten sehr stark
sehr stark fallender
fallender TrendTrend
stark steigende Trends unweigerlich möglich ist. zu höheren möglich ist. fallender Trend
extrem extremextrem fallender
fallender TrendTrend
Inzidenzen führen, doch lässt sich dies in der explizi-
ten Trendbetrachtung rechtzeitiger erkennen, auch
wenn ein größerer Teil der Kreise sich gerade auf
einem niedrigen Inzidenzniveau befindet. Dies wäre
etwa in der lange unterschätzten Anstiegssituation
achten sind. Zur Illustration des Verfahrens wird in
im Herbst 2020 möglicherweise hilfreich gewesen.
unserer hier aufgenommenen Trendgrafik beispiel-
Dabei ist für den einzelnen Kreis eine Trendberech- haft dargestellt12 , dass am 26. Dezember 2020 in
nung aus den jeweils letzten sieben Werten der Sachsen und Thüringen besonders hohe Werte für
7-Tage-Inzidenz kaum erforderlich. Hier ergibt sich die 7-Tage-Inzidenz zu berichten waren, während
die Situation intuitiv bei visueller Betrachtung des große Teile Sachsens bereits einen extrem fallenden
Verlaufs der 7-Tage-Inzidenzen, insbesondere wenn Trend aufwiesen. Damit erlaubt der Indikator „Trend“
eine lineare Regression benutzt wird. Der Nutzen der eine differenziertere Betrachtung der Inzidenzen als
hier vorgestellten Methode liegt jedoch darin, dass die Inzidenzwerte allein.
die Trends aller Kreise sich zusammentragen und
Eine weitere Abbildung liefert eine Gegenüberstel-
vergleichen lassen. Trends ersetzen die 7-Tage-Inzi-
lung von Inzidenzen und Trends. Es wird deutlich,
denzen wie erwähnt nicht, lassen aber die im Hin-
dass eine alleinige Beurteilung der Lage anhand der
tergrund bereits erkennbaren Entwicklungen besser
7-Tage-Inzidenzen eine Häufung der Kreise um den
hervortreten und erlauben eine differenziertere
Wert 120 feststellen wird. Unter Hinzuziehung der
Betrachtung der Lage, als dies mit 7-Tage-Inzidenzen
Trends wird allerdings die Dichotomisierung in stark
allein möglich wäre.
fallende und stark steigende Trends deutlich. Diese
Dies soll anhand einiger Beispiele auch graphisch Art der Dichotomisierung ist besonders relevant in
illustriert werden. So können etwa die Kreise zweier den Übergangsphasen zwischen Tagen mit hoher
Bundesländer ein vergleichbar hohes Inzidenzni-
veau aufweisen, während in einem der beiden Bun- 12 Diese und die folgenden Trenddarstellungen sind auch online verfügbar
unter https://corona-datenplattform.de/pages/visualisierungen, dort
desländer im Schnitt fallende Tendenzen zu beob- auch interaktiv, mit Filteroptionen und Animation.19 THEMENREPORT CORONA-DATENPLATTFORM
AUSGABE MAI 2021
Gegenüberstellung der 7-Tage-Inzidenz zu Trends für den 3. April 2021
COVID19: 7-Tage-Inzidenzen und Trends der letzten 7 Tage: Animation
Auswahl Datum / Animation 100%
Bevölkerung Größenlegende
80%
Bevölkerung [%]
3. April 2021
34.209
Verlauf anzeigen 60% 1.000.000
40% 2.000.000
24,0% 3.000.000
17,9%
Das letzte wählbare Datum hat einen Abstand zum aktuellen Tages- 20% 9,9% 12,4% 8,8% 11,3% 3.754.418
datum, da Trends nur aus gesicherten Meldedaten berechnet werden. 1,0% 2,3% 3,2% 2,9% 1,4% 1,1% 3,7%
0%
9,9% extrem steigend 15,3%
14,8% sehr stark steigend 15,8%
7 Tage Trend bis zum gewählten Datum
6,4% stark steigend 5,0%
3,9% mäßig steigend 3,5%
3,3% leicht steigend 2,0%
Extremwerte >=260
4,9%
4,9% wenig Veränderung 3. April 2021 5,5%
5,5%
4,3% 3,3%
9,9%
4,3% 15,3%
3,25%
leicht fallend
4,3%
5,4%
14,8% 15,8%
5,4% mäßig fallend 4,25%
7,8%
7,0%
6,4% 5,0%
7,0% stark fallend 7,75%
16,8%
21,8% 3,9% 3,5% 16,75%
21,8% sehr stark fallend
21,0%
18,4% 3,3% 2,0% 21,00%
18,4% extrem fallend
Bevölkerung (Trendklasse)
4,3% 0 20 40 60 80 100 120 140 160 180 200 220 240 260 280 300 Kreise (Trendklasse)
3,3%15,25%
4,9%
Filter Bundesländer 7-Tage-Inzidenz am gewählten Datum Bundesländer
4,3%
Farbcode
Baden-Württemberg 5,4%
9,9% 15,75%
Baden-Württe.. Niedersachsen
Bayern 1,5% 1,7% 1,7% Bayern Nordrhein-Wes..
3,5% 3,7% 4,0% 5,7% 7,8%
5,00%
Berlin 7,0%
14,8% 20% 9,0% 10,0%
13,0% 12,2% 15,2% Berlin Rheinland-Pfalz
Brandenburg 18,7%
3,50% 16,8%
Brandenburg Saarland
21,8% 6,4% 40%
Kreise [%]
Bremen
Hamburg Bremen Sachsen
60% 2,00% 21,0%
Hessen 18,4% 3,9% Hamburg Sachsen-Anhalt
Mecklenburg-Vorpommern 80%
Hessen
5,50% Schleswig-Hols..
Niedersachsen 3,3% 100% Mecklenburg-V.. Thüringen
Nordrhein-Westfalen
Zur Bewertung von Inzidenzen benötigt man zusätzlich die
Quelle: Visualisierung auf der Corona-Datenplattform
Richtung der Entwicklung. Trends ermöglichen eine differenzierte
Betrachtung der Inzidenzen.
Am 3. April 21 beispielsweise (siehe Abbildung) sind die Werte der
und Tagen mit niedriger Inzidenz. Sie ist hinter den 7-Tage-Inzidenz mehrheitlich in der Klasse “120 bis 140” vertreten.
Daten der 7-Tage-Inzidenz „versteckt“ und belegt Es zeigt sich aber eine Dichotomisierung in Kreise mit stark steigen-
erneut die Schwierigkeiten der statistischen Analyse dem Trend und Kreise mit stark fallendem Trend für diese Klasse.
in der Korrelation der Inzidenzen mit Maßnahmen. Extremwerte der 7-Tge-Inzidenz sind am rechten Rand des
Die Trendergebnisse können auch im zeitlichen Scatterplot aggregiert, um die Identifikation im unteren Bereich
zu erlauben. Die randliche Zusammenfassung der Inzidenzen und
Verlauf dargestellt werden. Da die Kreise sehr unter-
Trends kann nach Anzahl der Kreise erfolgen (rechts und unten) oder
schiedliche Bevölkerungsgrößen aufweisen, können gewichtet nach Einwohnerzahl (oben und links). Die interaktive Ver-
die Trends anhand der jeweiligen Einwohnerzahl sion ermöglicht freie Auswahl des Datums und Filterung der Kreise
gewichtet werden. Damit wird deutlich, wie viele auf Ebene der Bundesländer.
Einwohnerinnen oder Einwohner am Stichtag unter Damit ergänzen sich Trends und Inzidenzen und erzeugen ein diffe-
bestimmten Trendbedingungen leben, ausgedrückt renzierteres Bild der Lage.
unabhängig von der absoluten Höhe des Inzidenz-
niveaus. Ein Beispiel liefert eine Verlaufsabbildung.
Sie stellt ein Auswahl- und Anwendungsbeispiel
aus den Visualisierungsmöglichkeiten dar, die auf
der Corona-Datenplattform abrufbar sind. In dem
gewählten Beispiel wird deutlich, wie sich einzelne
Bundesländer vom allgemeinen Trend in Deutsch-
land unterscheiden.20 THEMENREPORT CORONA-DATENPLATTFORM
AUSGABE MAI 2021
COVID19: welcher kurzfristige Trend wurde für welchen Anteil Bevölkerung am Meldetag beobachtet?
Trends relativ zum individuellen Infektionsgeschehen jedes Kreises. Aggergation auf Bundeslandebene bzw Bund per Einwohner.
Verlauf der Trends
Trends spiegeln zu SARS-CoV2
nicht das individuelle Niveau derdargestellt
7-Tage-Inzidenz,anhand der
nur Richtung und betroffenen Bevölkerung
Stärke der Entwicklung.
Der kurzfristige Trend berücksichtigt die täglichen 7-Tage-Inzidenzen des jeweiligen Kreises. Einbezogen werden die Werte seit dem letzten breakpoint im langfristigen Trend.
Deutschland gesamt
100%
kurzfristiger Trend
extrem steigender Trend
80% sehr stark steigender Trend
stark steigender Trend
Einwohner [%]
mäßig steigender Trend
60% leicht steigender Trend
50% wenig Veränderung
leicht fallender Trend
40% mäßig fallender Trend
stark fallender Trend
sehr stark fallender Trend
20%
extrem fallender Trend
0%
1. Aug 20 1. Sep 20 1. Okt 20 1. Nov 20 1. Dez 20 1. Jan 21 1. Feb 21 1. Mär 21 1. Apr 21 1. Mai 21 Zeitraum
Von 20.07.2020
Sachsen und Sachsen-Anhalt
100%
ausgewählte Bundesländer
80% Baden-Württemberg
Bayern
Einwohner [%]
Berlin
Brandenburg
60%
Bremen
50%
Hamburg
Hessen
40% Mecklenburg-Vorpommern
Niedersachsen
Nordrhein-Westfalen
20% Rheinland-Pfalz
Saarland
Sachsen
0% Sachsen-Anhalt
Schleswig-Holstein
1. Aug 20 1. Sep 20 1. Okt 20 1. Nov 20 1. Dez 20 1. Jan 21 1. Feb 21 1. Mär 21 1. Apr 21 1. Mai 21 Thüringen
Die Trendberechnungen werden von uns täglich erster Linie auf der Ebene größerer Aggregate, der
ausgeführt. Dabei werden für jeden Stichtag der Landkreise und kreisfreien Städte. Diese Ebene ist
Historie alle Trends für jeden Kreis einzeln neu be- nur bedingt geeignet, um der aufgeworfenen Frage
rechnet, um mögliche Korrekturen der historischen im Detail nachzugehen. Doch bereits im Herbst 2020
Daten durch das RKI zu berücksichtigen. Die berech- haben unsere Analysen nahegelegt, dass hier Unter-
neten Trendwerte stehen, wie bereits ausgeführt, schiede bestehen. Unterschiedlich in verschiedenen
demnächst auch auf Corona-Datenplattform bereit. Pandemiephasen sind Regionen mit weniger Pros-
perität oder Städte mit höheren Ausländeranteilen
stärker betroffen. Wir interpretieren dies als Auffor-
INZIDENZVERLAUF UND SOZIALE SITUATION derung, derartige Hinweise genauer zu analysieren
– etwa innerstädtisch, wie beispielhaft in einem
Wie bereits kurz erörtert, erscheint es erforderlich,
noch folgenden Kapitel dieses Reports. Dabei geht es
die Lage und Entwicklung des Infektionsgeschehens
letztlich um die Frage, ob bestimmte Bevölkerungs-
räumlich, zeitlich sowie nach weiteren Aspekten
gruppen andere Unterstützungsformen benötigen
differenziert zu betrachten. Vor diesem Hinter-
und ob die gegenwärtige Kommunikation ausrei-
grund wurde in den letzten Wochen eine verstärkte
chend zielgruppengerichtet erfolgt.
Diskussion über innerstädtische Unterschiede der
Corona-Betroffenheit geführt. Dahinter steht vor Um hierzu weitere Ergebnisse bereits auf der
allem die Frage, ob bestimmte Bevölkerungsgruppen Kreisebene zu gewinnen, wird in diesem Abschnitt
aufgrund ihrer Lebensumstände und damit ver- exemplarisch dargestellt, inwieweit eine spezifische
bundenen Verhaltensweisen stärker betroffen sind Sozialstruktur mit unterschiedlichem Infektionsge-
als andere. Die Corona-Datenplattform arbeitet in schehen zusammenhängen kann. Um dies in einfa-Sie können auch lesen
