Intelligente Eindämmungsstrategien gegen Covid-19: Die Rolle von Künstlicher Intelligenz und Big Data - De Gruyter
←
→
Transkription von Seiteninhalten
Wenn Ihr Browser die Seite nicht korrekt rendert, bitte, lesen Sie den Inhalt der Seite unten
Perspektiven der Wirtschaftspolitik 2020; aop
Wim Naudé*
Intelligente Eindämmungsstrategien gegen
Covid-19: Die Rolle von Künstlicher Intelligenz und
Big Data
https://doi.org/10.1515/pwp-2020-0021 1 Einführung
Zusammenfassung: Die Covid-19-Pandemie ist eine Ge- Die Antwort auf die Covid-19-Pandemie ist letztlich eine
sundheits- und eine Wirtschaftskrise. Die politischen Re- wissenschaftlich-technische, insbesondere die Suche nach
aktionen auf beide sind aufgrund der durch fehlende Da- einem Impfstoff und nach Therapien. Bis dahin muss die
ten verursachten Unsicherheit nicht optimal. Der Mangel Politik die Ausbreitung der Krankheit eindämmen und ver-
an Daten schränkt den Einsatz von Künstlicher Intelligenz langsamen. In der Tat muss die epidemiologische Kurve so
(KI) und die Genauigkeit epidemiologischer Modelle ein. weit wie möglich „abgeflacht“ werden (Anderson et al.
Infolgedessen ist die Künstliche Intelligenz noch nicht in 2020). Eine solche Politik umfasst auch nicht-pharmazeuti-
der Lage, bei der Vorhersage, dem Tracking und der Diag- sche Interventionen (NPI), zum Beispiel Lockdowns und
nose von Covid-19-Infektionen wirklich zu helfen. Der soziale Distanzierung, die dramatische und sogar katastro-
Mangel an Trainingsdaten für die KI schränkt die Verwen- phale wirtschaftliche Auswirkungen haben werden, indem
dung von datenschutzsensitiven Tracing-Apps weiter ein. sie wirtschaftliche und gesellschaftliche Aktivitäten ein-
Wim Naudé kommt zu dem Schluss, dass das Sammeln schränken. Gemäß dem World Economic Outlook des IWF
ausreichender und geeigneter, unverzerrter Daten, gewon- wird das globale Bruttoinlandsprodukt im Jahr 2020 um 3
nen auch aus Apps und groß angelegten diagnostischen Prozent schrumpfen, wobei der kumulierte Verlust an glo-
Tests, eine Voraussetzung für die Verbesserung der Strate- balem BIP in den Jahren 2020 und 2021 rund 9 Billionen
gien zur Bewältigung der Zwillingskrisen ist. Angesichts Dollar betragen könnte (Gopinath 2020). Schätzungen von
der exorbitanten wirtschaftlichen Kosten der bisher ange- Eichenbaum et al. (2020) für die Vereinigten Staaten deuten
wandten ziemlich groben Eindämmungsmaßnahmen wer- darauf hin, dass eine optimale Lockdown-Politik die Zahl
den „intelligente“ Eindämmungsstrategien, die auf einer der Todesfälle um 500.000 verringert, aber zu einem Rück-
besseren Datenanalyse beruhen, die Wiederaufnahme der gang des durchschnittlichen Verbrauchs um 22 Prozent im
wirtschaftlichen Tätigkeit ermöglichen und verhindern, ersten Jahr führen wird.
dass es zu weiteren Infektionswellen kommt. Den Daten- Je länger die Regierungen diese Art von Politik durch-
schutz zu garantieren und öffentliches Vertrauen zu den setzen, desto größer wird der wirtschaftliche Schaden sein.
Datenanalyse- und KI-Systemen intelligenter Eindäm- Daher ringen alle Regierungen mit Strategien für einen
mungsstrategien aufzubauen, ist jetzt noch dringlicher als „Ausstieg“ aus diesen Maßnahmen. Da es keinen Impfstoff
je zuvor. und keine einschlägigen Erfahrungen mit einer solchen
Pandemie gibt, ist die Politik erheblichen Unsicherheiten
JEL-Klassifikation: O32, O39, I19, O20
und Risiken ausgesetzt. Ist die „Kur“ schlimmer als die
Schlüsselwörter: Künstliche Intelligenz, Covid-19, Coro- Krankheit? Was ist der optimale Trade-off zwischen ge-
na-Virus, Gesundheit, Datenwissenschaft, Wirtschafts- sundheitlichen und wirtschaftlichen Schäden?
politik, Innovation Was die Beantwortung dieser Fragen noch schwieriger
macht, ist die Tatsache, dass es einen robusten langfristigen
Zusammenhang zwischen Armut, schlechter Gesundheit
und Sterblichkeit gibt. Der mögliche dauerhafte Verlust der
Lebensgrundlagen als Folge der Eindämmungspolitik kann
im Laufe der Zeit zu einer höheren Sterblichkeit führen1.
*Kontaktperson: Wim Naudé, Maastricht School of Management,
Maastricht, Niederlande, und RWTH Aachen, Technologie- und
Innovationsmanagement (TIM), Fakultät für Wirtschafts-
wissenschaften, Kackertstraße 7, 52072 Aachen, 1 Es lässt sich noch nicht abschließend feststellen, dass die derzeiti-
E-Mail: naude@time.rwth-aachen.de gen Eindämmungsmaßnahmen aufgrund der höheren Arbeitslosig-2 Wim Naudé
Angesichts des Risikos, vom Regen in die Traufe zu kom- durchzusetzen und diese in einer Ausstiegsstrategie eben
men, bleibt den politischen Entscheidungsträgern kaum auch zu lockern.
etwas anderes übrig, als auf die Technologie und insbeson- Das Problem mit der KI indes ist, dass es sich um eine
dere auf die Datenwissenschaft zurückzugreifen. Denn der relativ teure Technologie handelt. Sie ist nicht allgemein
Schlüssel zur Lösung dieses politischen Dilemmas liegt in zugänglich, und ihre Entwicklung und ihr Besitz sind sehr
der Überwindung des Datenmangels. So ist beispielsweise konzentriert (Naudé 2019). Ein Teil des Problems sind die
nicht bekannt, wie viele Menschen infiziert sind oder waren Daten: Die Erstellung zuverlässiger KI-Modelle erfordert
(Li et al. 2020); es ist nicht bekannt, wie ansteckend und wie große Mengen unverzerrter und genauer Daten. Daten-
tödlich das Virus ist (zum Beispiel Jelnov 2020). Es ist auch getriebene Netzwerkökonomien erzwingen „Winner-
nicht bekannt, wie angemessen die in epidemiologischen takes-all“-Effekte und Marktkonzentrationseffekte, was
Modellen verwendeten Annahmen über kritische Parameter wiederum das Schreckgespenst aufkommen lässt, dass die
sind (Anderson et al. 2020). Vorteile der KI eher wenigen als vielen Menschen zugute-
Ökonomen sind sich offenbar darin einig, dass eine kommen werden. Bei der Bekämpfung einer globalen Pan-
Art von Ausstiegsstrategie auf umfangreichen diagnosti- demie, in der die Kosten unverhältnismäßig stark von den
schen Tests (also auf Datenerhebung) basieren wird, damit Armen und Marginalisierten getragen werden, ist dies
diejenigen Menschen, die entweder infektionsfrei oder im- nicht der wünschenswerte Ansatz.
mun sind, ihre wirtschaftliche Tätigkeit so schnell wie Darüber hinaus können die Durchsetzung von Lock-
möglich wieder aufnehmen können (Dewatripont et al. down-Beschränkungen und das Management ihrer Locke-
2020 und Eichenbaum et al. 2020). Ein anderer Ansatz für rung durch Tracing-Apps erfordern, dass die Bürger daten-
eine Exit-Strategie könnte darin bestehen, genauer zu be- schutzbezogene Grundrechte aufgeben, was die Aussicht
stimmen, wie ansteckend und tödlich das Virus ist: Wenn auf eine schleichende Ausweitung des Staatseinflusses
sich herausstellt, dass es sehr ansteckend ist, aber eine erhöht, sobald die Regierungen Zugang zu großen Mög-
geringe Todesrate aufweist2, würde der Exit-Ansatz darin lichkeiten der digitalen Überwachung haben. Wenn dies
bestehen, in Zukunft nur diejenigen zu isolieren, die einem geschieht, besteht die Gefahr, dass die Menschen das Ver-
sehr hohen Risiko ausgesetzt sind, zum Beispiel alte Men- trauen zu den Regierungen verlieren und dass dann die
schen. Wenn man mehr wüsste, wäre es einfacher, intelli- Gesundheitspolitik schwieriger wird (Ienca und Vayena
gente Eindämmungsstrategien ins Werk zu setzen, im Ge- 2020).
gensatz zu den groben Maßnahmen, mit denen in den Die KI kann insofern im Kampf gegen Covid-19 eine
meisten Ländern derzeit im Wesentlichen fast alle Bürger wertvolle Rolle spielen, als sie hilft, die wirtschaftlichen
unter Quarantäne gestellt werden. und gesundheitlichen Kosten zu senken. Wenn sie jedoch
Intelligente Eindämmungsmaßnahmen werden aus nicht richtig gehandhabt wird, wenn politische Fehler un-
einer Kombination von künstlicher Intelligenz (KI), Daten- terlaufen, dann kann sie der Volkswirtschaft auch hohe,
erfassung und Diagnosetests sowie Mobilfunktechnologie langfristige Kosten in Form von höherer Ungleichheit,
bestehen. Diese Kombination wird die Suche nach einem langsamer wirtschaftlicher Erholung und geringerer Dyna-
Impfstoff erleichtern, kann dazu beitragen, die Infektion mik aufbürden. Sie kann die wahrscheinlichen schädli-
schneller zu diagnostizieren, Eindämmungsmaßnahmen chen strukturellen Folgen der Pandemie verstärken, bei-
spielsweise die beschleunigte Automatisierung der
Produktion, die Rückverlagerung der wirtschaftlichen Ak-
keit oder der Unzugänglichkeit überlasteter Gesundheitseinrichtun- tivitäten aus dem Ausland und die Konsolidierung der
gen zu einem langfristigen Anstieg der Sterblichkeit führen werden. Marktmacht großer digitaler Plattformunternehmen.
Kurzfristig gesehen können die Maßnahmen vielmehr sogar die Sterb- Wie die KI verwendet wird und wie sie im Kampf gegen
lichkeit verringern, aufgrund anderer, nicht krankheitsbedingter Ur- Covid-19 eingesetzt werden sollte, sind daher Fragen von
sachen wie Verkehrsunfällen und Kriminalität. Es hat sich beispiels-
größter Bedeutung für Ökonomen. Der Rest dieses Beitrags
weise herausgestellt, dass kurzfristig eine antizyklische Beziehung
zwischen der Sterblichkeit und dem Konjunkturzyklus besteht (Bal- bietet aus wirtschaftspolitischer Sicht einen kurzen Über-
lester et al. 2019). blick über die potenzielle Rolle der KI und der Technolo-
2 Beispielsweise liefert Razavian (2020) Schätzungen, die darauf gien zur Verarbeitung und Auswertung riesiger Datenmen-
hindeuten, dass Covid-19 300-mal so ansteckend wie die saisonale gen (Big Data) für intelligente Eindämmungsstrategien im
Grippe, aber viel weniger tödlich ist (mit einer Fallsterblichkeitsrate –
Kampf gegen Covid-19.
Case Fatality Rate (CFR) – von 0,04 Prozent) und dass etwa 96 Pro-
zent der Menschen infiziert werden, aber keine Symptome zeigen. Li
Der Aufsatz ist wie folgt aufgebaut. In Abschnitt 2 gebe
et al. (2020) beziffern den Anteil der asymptomatischen Bevölkerung ich eine kurze Einführung in die KI, unter Betonung der
auf 86 Prozent. Abhängigkeit von Daten. Dann erörtere ich in Abschnitt 3Intelligente Eindämmungsstrategien gegen Covid-19 3
die Covid-19-Pandemie, wobei der Schwerpunkt auf der nur das und nichts anderes. Es gibt keine Übertragung des
Suche nach einem Impfstoff und auf dem Einsatz von NPI Gelernten von einem Bereich auf einen anderen und auch
liegt, beides Bereiche, in denen Daten im Mittelpunkt ste- keinen gesunden Menschenverstand. Deshalb wird KI
hen. Abschnitt 4 ist dem Einsatz der KI in pharmazeuti- manchmal als „enge“ KI bezeichnet, um sie von der Sci-
schen Interventionen bei Diagnosen, Prognosen und der ence-Fiction-Idee einer Künstlichen Allgemeinen Intelli-
Suche nach einem Impfstoff und nach Therapien gewid- genz (Artificial General Intelligence, AGI) zu unterschei-
met. In Abschnitt 5 befasse ich mich mit dem Einsatz der KI den, die das Lernen von einem Bereich auf einen anderen
bei NPI, insbesondere bei der Vorhersage von Infektionen übertragen kann, oder von einer Superintelligenz, die über
und der sozialen Kontrolle. Abschnitt 6 schließt mit einer die menschliche Intelligenz hinausgeht.
Zusammenfassung und mit Empfehlungen sowohl für eine Das wesentliche Merkmal ist hier die Abhängigkeit
intelligente Eindämmungspolitik als auch für weitere For- von Daten. Als der Begriff „Künstliche Intelligenz“ 1956 am
schung. Dartmouth College in den Vereinigten Staaten geprägt
wurde, versuchten Wissenschaftler, KI mit Hilfe symboli-
schen Denkens aufzubauen (Moor 2006). Dieser Ansatz
2 Künstliche Intelligenz war weitgehend erfolglos. Erst nach der Schaffung des
Internets, der Erzeugung großer Datenmengen durch Sen-
Intelligenz ist ein schwierig zu definierendes Konzept. Wie soren und mobile Geräte sowie der Möglichkeit des Cloud-
Tegmark (2017, S. 49) hervorhob, gibt es selbst unter intel- Computing wurde eine KI möglich, die auf dem Lernen aus
ligenten Intelligenzforschern keine Einigkeit darüber, was Daten basiert. Zu den Schlüsselbeiträgen zu den Tech-
Intelligenz ist. Daher überrascht es nicht, dass es auch niken von ML, die eine Nutzung großer Daten erleichter-
keine allgemein akzeptierte Definition der Künstlichen In- ten, gehören Hinton und Salakhutdinov 2006 sowie Hin-
telligenz gibt (Van de Gevel und Noussair 2013). Für die ton et al. 2006.
Zwecke hier wird sich der Begriff KI auf die Verwendung Angesichts des Datenbedarfs der KI gibt es drei Impli-
von maschinellem Lernen (ML), der Verarbeitung natürli- kationen, die für die gegenwärtigen Zwecke relevant sind.
cher Sprache (Natural Language Processing - NLP) und Erstens ist die Qualität der Daten von Bedeutung. Verzerrte
Computer Vision (CV) beziehen, um Computer dazu zu und ungenaue Daten führen zu Fehlern bei Vorhersagen
bringen, Vorhersagen zu treffen und Muster zu erkennen. und Mustererkennung. Dies hat unter anderem zur so-
Alle KI-Anwendungen sind entweder Vorhersagemaschi- genannten „Furchtbaren KI“ geführt, also zum Beispiel KI-
nen oder Mustererkenner. Bemerkenswerte Beispiele sind Modelle, die rassistische und sexistische Ergebnisse erzeu-
selbstfahrende Fahrzeuge (die Computer Vision und ML gen und die Profilerstellung, Diskriminierung und Verfol-
zur Erkennung von Objekten und zur Vorhersage des Fah- gung ethnischer Minderheiten erleichtern4. Zweitens wür-
rerverhaltens verwenden), virtuelle Assistenten wie Siri de die datengesteuerte Netzwerkökonomie zu „Winner-
oder Alexa (die auf NLP angewiesen sind) und Empfeh- takes-all“-Effekten und einer Marktkonzentration durch
lungssysteme, wie sie von Netflix oder Amazon verwendet einige wenige Großunternehmen führen, denen es gelingt,
werden, um Verbraucherpräferenzen und Kaufverhalten sich einen First-Mover-Vorteil beim Zugang zu Big Data zu
vorherzusagen (unter Verwendung von ML). verschaffen (siehe Farboodi et al. 2019). Infolgedessen
Wenn sie in diesen Anwendungen Vorhersagen ma- dominieren nur relativ wenige große Akteure das Feld der
chen und Muster erkennen, sollen Computer „intelligent KI-Entwicklung: 30 Firmen in drei Regionen (Nordame-
handeln“ (New Scientist 2017, S. 3). Natürlich sind sie rika, EU und China) vereinigen mehr als 90 Prozent der
nicht intelligent, und in dieser Hinsicht ist KI eine Fehlbe- Patentanmeldungen und der Beschaffung von Risikokapi-
zeichnung. Darüber hinaus sind alle Handlungen, die in- tal in der KI auf sich (WIPO 2019). Drittens sind Daten
telligent erscheinen, sehr bereichsspezifisch. Der Aufbau wertvoller geworden. Infolgedessen ist das Datensammeln
eines KI-Modells erfordert Trainingsalgorithmen auf be- in den Vordergrund gerückt, was Auswirkungen auf den
stimmten Datensätzen. KI-Modelle wie „AlphaGo“3, die Datenschutz, die Cybersicherheit und die Überwachung
Spiele spielen, werden auf Spieldaten trainiert und können hat (siehe beispielsweise Feldstein 2019 und Reardon et al.
nur Spiele spielen. Ebenso kann ein KI-Modell, das vorher- 2019).
sagt, welchen Film man sich als nächstes ansehen möchte,
3 Für eine Erörterung des AlphaGo zugrundeliegenden General-Rein- 4 Siehe Daos „Awful AI“-Liste auf GitHub, online verfügbar unter
forcement-Learning-Algorithmus siehe Silver et al. 2018. https://github.com/daviddao/awful-ai.4 Wim Naudé
Alle drei Auswirkungen – Verzerrungen, Marktkon- 19-bezogene Artikel auf ScienceDirect öffentlich zugäng-
zentration und Datenschutzverletzungen – sind zu zentra- lich macht.
len gesellschaftlichen Anliegen geworden und heizen eine Angesichts der Tatsache, dass die Antwort auf die
reichhaltige Debatte über die Governance der KI an. Für Covid-19-Pandemie letztlich eine wissenschaftlich-tech-
Ökonomen besteht in diesem Zusammenhang besonders nische ist, kann man die Reaktion der wissenschaftlichen
das Interesse, einen Beitrag zum Verständnis der daten- Gemeinschaft nur loben. Der Umfang der Arbeiten und die
gesteuerten Netzwerkökonomie zu leisten, unter anderem Schnelligkeit, mit der sie erscheinen, führt jedoch zu zwei
des digitalen und KI-Unternehmertums, der Preisgestal- Schwierigkeiten. Die eine besteht darin, dass die schiere
tung von Daten und der Fortentwicklung der Wettbewerbs- Menge potenziell wichtiger oder nützlicher Forschungs-
politik. Darüber hinaus müssen all diese Implikationen ergebnisse die Fähigkeit von Forschern und Forschungs-
verstanden werden, wenn man darüber nachdenkt, wie KI teams stark strapaziert, diese zu analysieren und zu
am besten zur Bekämpfung von Covid-19 eingesetzt wer- synthetisieren. Hier können Data-Mining-Techniken, ein-
den kann. schließlich ML, die Arbeit hilfreich ergänzen. Ein zweiter
Grund ist, dass viele dieser wissenschaftlichen Aufsätze
auf Pre-Print-Servern liegen und nicht von Fachkollegen
3 Covid-19 überprüft wurden. Die Fallstricke einer raschen Verbrei-
tung von wissenschaftlichen Arbeiten, die nicht begutach-
Covid-19 wird durch das SARS-CoV-2-Virus verursacht. tet wurden, wurden im Fall von Covid-19 von Yan (2020)
Dieses wurde im Dezember 2019 in Wuhan, China, identifi- aufgezeigt, wozu auch die Verbreitung von Verschwö-
ziert. Am 11. März 2020 erklärte die Weltgesundheitsorga- rungstheorien gehört. Eine Initiative zur Behebung dieses
nisation (WHO) Covid-19 zur globalen Pandemie. Das Vi- Problems wurde durch die bereits erwähnte Initiative von
rus wird als die ernsthafteste Bedrohung der öffentlichen Publons ergriffen. Neben der Auflistung von Arbeiten und
Gesundheit beschrieben, die seit der „Spanischen Grippe“ Vorabdrucken von Forschungsarbeiten im Zusammen-
von 1918 von einem Atemwegsvirus ausgeht (Ferguson et hang mit Covid-19 hat Publons auch ein System einge-
al. 2020, S. 1). führt, mit dem Fachkollegen die aufgelisteten Arbeiten
Eine Reihe nützlicher wissenschaftlicher Aufsätze ist leicht bewerten und begutachten können. Die Idee ist,
veröffentlicht worden, in denen die Grundlagen der Krank- dass eklatant unwissenschaftliche Arbeiten auf diese Wei-
heit zusammengefasst sind. Eine kurze Einführung mit se schnell gekennzeichnet werden.
regelmäßigen Aktualisierungen bietet das „Benutzerhand- Die Wahl der optimalen Eindämmungs- und Aus-
buch zu Covid-19“ von Galeotti und Surico (2020). Eine stiegspolitik wird durch einen Mangel an Daten erschwert.
umfangreiche Literatur zu allen Facetten der Krankheit Zu den wichtigsten Unsicherheiten gehört, dass man nicht
breitet sich weiterhin rasch aus. Der „Covid-19 Evidence weiß, wie viele Menschen infiziert sind oder waren (Li et al.
Navigator“5 von Grünwald et al. (2020) dokumentiert und 2020); wie ansteckend und tödlich das Virus ist, auch nach
kartographiert wissenschaftliche Publikationen, die Co- dem R-Nullwert (R0), der sich auf die durchschnittliche
vid-19 gewidmet sind, und aktualisiert diese täglich aus Zahl der Menschen bezieht, die eine infizierte Person infi-
PubMed. Daraus geht hervor, dass täglich Hunderte neuer ziert, wenn alle dafür empfänglich sind; wie hoch die CFR
Artikel veröffentlicht werden: Am 21. April 2020 wurden ist, die das Verhältnis der Todesfälle, die Inkubationszeit
nicht weniger als 747 neue Publikationen verzeichnet. Pu- und den Anteil der gefährdeten Bevölkerung angibt (ρ)
blons6 hat eine Online-Tabelle zur Verfügung gestellt mit (siehe zum Beispiel Jelnov 2020, Adam 2020 und Lourenço
„papers and pre-prints we’ve identified as being on the 2020); warum manche Menschen asymptomatisch sind;
frontline of Covid-19 research“. Zum Zeitpunkt der Abfas- und warum Kinder weniger gefährdet sind als ältere Men-
sung dieses Artikels (23. April 2020) waren insgesamt schen.
8.097 Beiträge aufgelistet. Ein weiteres Beispiel ist Else- Trotzdem wurden auf der Grundlage vorläufiger wis-
vier7, der alle frühen und von Fachkollegen begutachteten senschaftlicher Erkenntnisse und epidemiologischer Mo-
Forschungsarbeiten zu Covid-19 sowie etwa 20.000 Covid- delle wichtige politische Maßnahmen getroffen, die erheb-
liche wirtschaftliche Auswirkungen haben. So wurde
beispielsweise, wie Adam (2020) erörtert, die Entschei-
dung Großbritanniens, Mitte März 2020 einen strikten
5 Siehe https://gruenwald.shinyapps.io/covid19-evi/.
6 Siehe https://publons.com/publon/covid-19/?sort_by=date.
Lockdown und soziale Distanzierung zu verhängen, stark
7 Siehe https://www.elsevier.com/connect/coronavirus-informati- durch einen (nicht peer-reviewten) Aufsatz beeinflusst, der
on-center. am 16. März 2020 von Forschern des Imperial College Lon-Intelligente Eindämmungsstrategien gegen Covid-19 5
don veröffentlicht wurde. Dieses Papier enthielt eine scho- Königreichs – unter der Annahme eines wesentlich gerin-
ckierende Prognose: „In an unmitigated epidemic, we geren Anteils der gefährdeten Bevölkerung (ρ ¼ 0; 1 Pro-
would predict approximately 510,000 deaths in GB and 2.2 zent anstelle von ρ = 1 Prozent) und einer Infektionsaus-
million in the US, not accounting for the potential negative breitung von R0 = 2,25 – gehen Lourenço et al. (2020)
effects of health systems being overwhelmed on mortality“ davon aus, dass es durchaus möglich ist, dass am 19. März
(Ferguson et al. 2020, S. 7). 2020 bereits 68 Prozent der britischen Bevölkerung betrof-
Die Autoren dieses Aufsatzes forderten NPI, um diese fen gewesen sein könnten. Weil die tatsächliche ρ nicht
Auswirkungen zu reduzieren, wobei verschiedene Annah- bekannt ist, betonen die Autoren jedoch die „unmittel-
men zu R0 (2,0–2,6)8, CFR (0,9 Prozent) und Inkubations- bare“ Notwendigkeit serologischer Untersuchungen zur
zeit (5,1 Tage) getroffen wurden. Auf dieser Basis empfah- Bestimmung des wahren Ausmaßes der Infektion.
len sie eine Kombination aus Fallisolierung, sozialer Zusammenfassend lässt sich sagen, dass die Wahl der
Distanzierung der gesamten Bevölkerung und Haushalts- NPI, deren Dauer und die zu verfolgende Ausstiegsstrate-
quarantäne oder Schließung von Schulen und Universitä- gie von den Daten abhängen, um genauere Schätzungen
ten. Obwohl es viele Unsicherheiten hinsichtlich der Wirk- insbesondere von R0, CFR und ρ zu erhalten. Darüber
samkeit gebe, sei eine solche kombinierte Strategie am hinaus erfordert die Suche nach einer langfristigen Lö-
ehesten geeignet, um sicherzustellen, dass der Bedarf an sung, dass die Suche nach einem Impfstoff inmitten einer
Intensivpflegebetten innerhalb der Überlaufkapazität blei- Explosion von Daten und wissenschaftlichen Details zügig
be (Ferguson et al. 2020, S. 10). vorangetrieben wird. Beide Herausforderungen, der Man-
Darüber hinaus unterstrichen die Autoren, dass es, gel an Daten für die Modellkalibrierung und die Notwen-
solange es keinen Impfstoff gibt, zu einem Wiederaufflam- digkeit, sich durch riesige Datenmengen für einen Impf-
men der Infektionsverbreitung kommen könnte, sobald stoff zu wälzen, können im Prinzip von der Anwendung
die NPIs gelockert oder aufgegeben werden. Somit würde der KI profitieren. Im nächsten Abschnitt untersuche ich
jegliche Ausstiegsstrategie davon abhängen, dass man das Potenzial, die Grenzen und die Fallstricke der KI in
mehr Daten erhält und mehr Forschung betreibt, um ge- dieser Hinsicht.
nauere Annahmen treffen zu können. Falls sich beispiels-
weise herausstellt, dass Covid-19 sehr ansteckend ist, aber
nur eine geringe Sterblichkeitsrate aufweist, würde der
Ausstiegsansatz darin bestehen, weiterhin nur diejenigen
4 KI vs. Covid-19: Pharmazeutische
zu isolieren, die ein sehr hohes Risiko haben, beispiels- Interventionen10
weise alte Menschen.
Neuere Forschungen haben dazu in der Tat faszinie- Die KI kann bei der Bekämpfung von Covid-19 sowohl im
rende Vorschläge geliefert. Razavian (2020) legt Schätzun- Hinblick auf die Unterstützung pharmazeutischer als auch
gen vor, wonach Covid-19 mit einem CFR von 0,04 Prozent nicht-pharmazeutischer Interventionen helfen. In diesem
300-mal so ansteckend ist wie die saisonale Grippe, aber Abschnitt werden pharmazeutische Interventionen erör-
weitaus weniger tödlich9, und dass sich zwar etwa 96 Pro- tert, zum Beispiel Diagnosen und Prognosen sowie die
zent der Bevölkerung infizieren, aber keine Symptome Suche nach Impfstoffen und Therapien.
haben werden. Li et al. (2020) schätzen den Anteil der
asymptomatischen Bevölkerung ebenfalls hoch, auf 86
Prozent. Dowd et al. (2020) stellen fest, dass das Sterblich- 4.1 Diagnose und Prognose
keitsrisiko von Covid-19 vor allem bei den über 80-jährigen
konzentriert ist. In Italien seien 96,9 Prozent der Todesfälle In einem frühen Survey über KI-Anwendungen im Kampf
bei Personen über 60 Jahren aufgetreten. Unter Verwen- gegen Covid-19 schreiben Bullock et al. (2020), dass die KI
dung eines epidemiologischen Modells des Vereinigten bei der Erstellung von Diagnosen auf der Grundlage von
Thorax-Röntgenaufnahmen wie Röntgenbildern und Com-
putertomographien (CT) hilfreich sein könnte. Dadurch
könnten Radiologen Zeit sparen und eine Diagnose schnel-
8 Daten aus China zeigten, dass R0 zum Zeitpunkt des Ausbruchs der ler und billiger stellen als mit Standard-Covid-19-Tests
Krankheit bei etwa 2,5 lag (Anderson et al. 2020). Sanche et al. (2020)
schätzen R0 in neueren Berechnungen auf 5,7.
9 Wie The Economist (11. April 2020) bemerkt: „If millions of people
were infected weeks ago without dying, the virus must be less deadly
than official data suggest.“ 10 Dieser Abschnitt stützt sich auf Naudé 2020a, b.6 Wim Naudé
(Naudé 2020b). Zu den Initiativen, die darlegen, wie dies in rimentell verifiziert wurden und dass man sich der Genau-
der gegenwärtigen Krise erreicht werden kann, gehören igkeit dieser Strukturen deshalb nicht sicher sein könne.11
Chen et al. (2020) sowie Wang und Wong (2020). Radio- Beck et al. (2020) berichten, dass ML festgestellt hat,
logen haben jedoch ihre Besorgnis darüber zum Ausdruck dass ein bereits existierendes Medikament, Atazanavir,
gebracht, dass (noch) nicht genügend Daten für die Aus- möglicherweise zur Behandlung von Covid-19 wiederver-
bildung von KI-Modellen zur Verfügung stehen, dass der wendet werden könnte. Darüber hinaus identifizierten
Großteil der Covid-19-Lungenbilder aus chinesischen Stebbing et al. (2020) in Zusammenarbeit mit Benevolent
Krankenhäusern stammt, dass diese möglicherweise einer AI, einem britischen KI-Startup-Unternehmen, das Medi-
Selektionsverzerrung unterliegen und dass die Verwen- kament Baricitinib, das gegen rheumatoide Arthritis und
dung von CT-Scans und Röntgenstrahlen die Geräte kon- Myelofibrose eingesetzt wird, als eine potenzielle Therapie
taminieren kann (Naudé 2020b). Darüber hinaus wurde für Covid-19. Dies sind nur einige Beispiele für die Ver-
die Genauigkeit der Diagnose von Covid-19 anhand von wendung der KI zur Neuverwendung vorhandener Medika-
Röntgenbildern in Frage gestellt (Engler 2020). Das Ame- mente. Eine Diskussion über weitere Beispiele bieten zum
rican College of Radiology hat davon abgeraten, KI als Beispiel Amanat und Krammer 2020.
„First-Line-Test“ zu verwenden (Engler 2020). Obwohl die KI sehr wahrscheinlich bei der Suche nach
Für die Prognose, wie eine Person vom Coronavirus einem Impfstoff und nach Therapien helfen wird, bleibt es
betroffen sein wird, geben Yan et al. (2020) und Jiang et al. doch so, dass es trotz der Fähigkeiten der KI zur Muster-
(2020) typische Beispiele. Erstere verwendeten ML zur Ent- erkennung mindestens ein bis zwei Jahre dauern wird, bis
wicklung eines Algorithmus zur Vorhersage des Sterblich- ein Impfstoff gefunden werden kann – wenn überhaupt12.
keitsrisikos einer infizierten Person, wobei Daten von (nur) Und dann wird es beträchtliche Ressourcen und Zeit erfor-
29 Patienten des Tongji-Krankenhauses in Wuhan verwen- dern, große Teile der Weltbevölkerung zu impfen, um eine
det wurden. Jiang et al. (2020) entwickelten eine KI, die mit ausreichende Immunität herbeizuführen. Es werden Ent-
80-prozentiger Genauigkeit vorhersagen kann, welche von scheidungen über den Zugang zu einem solchen Impfstoff
Covid-19 betroffene Person möglicherweise ein akutes und dessen Auslieferung getroffen werden müssen.
Atemnotsyndrom (ARDS) entwickeln wird. Die Stichprobe, Laut Regalado (2020) kann es mindestens 18 Monate
mit der sie ihr KI-System trainierten, ist jedoch klein (nur dauern, bis ein Impfstoff zur Verfügung steht. Vanderslott
53 Patienten) und auf zwei chinesische Krankenhäuser et al. (2020) beschreiben den langwierigen Prozess, den
beschränkt. potenzielle Anti-Covid-19-Medikamente durchlaufen müs-
Zusammenfassend lässt sich sagen, dass die Anwen- sen. Amanat und Krammer (2020, S. 589) kommen zu dem
dung der KI zur Diagnose von Covid-19 und zur Erstellung Schluss, dass „für SARS-CoV-2 Impfstoffe zu spät kommen
einer Prognose für die Patienten große Forschungs- könnten, um die erste Welle dieser Pandemie zu beein-
anstrengungen ausgelöst hat, aber noch nicht weit ver- flussen“.
breitet ist.
4.2 Suche nach einem Impfstoff und
5 KI vs. Covid-19: Nicht-pharma-
Therapien zeutische Interventionen13
Eine Reihe von Forschungslabors und Datenzentren haben 5.1 Vorhersage und Nachverfolgung
bereits angedeutet, dass sie auf die KI zurückgreifen, um
nach Therapien und nach einem Impfstoff gegen Covid-19 Es gibt einen viel zitierten Bericht, nach dem ein in Kanada
zu suchen. Es besteht die Hoffnung, dass die KI sowohl ansässiges KI-Modell namens BlueDot den Ausbruch der
den Prozess der Entdeckung neuer Medikamente als auch Infektionswelle am 31. Dezember 2019 vorhersagte, bevor
die Umnutzung bestehender Medikamente beschleunigen dies die WHO am 9. Januar 2020 tat (Kreuzhuber 2020).
kann.
So hat beispielsweise DeepMind von Google, eine Fir-
ma, die für ihren AlphaGo-Spielalgorithmus bekannt ist, 11 Siehe https://tinyurl.com/wtsdagu.
12 Zum Zeitpunkt der Abfassung dieses Artikels waren nur fünf Pro-
die KI zur Vorhersage der Struktur der Proteine der Virus-
jekte zur Erforschung eines Impfstoffs für eine Erprobung am Men-
informationen verwendet, was bei der Entwicklung neuer schen zugelassen, siehe https://www.cbsnews.com/news/coronavi-
Medikamente nützlich sein könnte. Allerdings gesteht rus-vaccine-covid-19-human-clinical-trial-oxford-england/.
DeepMind ein, dass diese Strukturvorhersagen nicht expe- 13 Dieser Abschnitt stützt sich auch auf Naudé 2020a, b.Intelligente Eindämmungsstrategien gegen Covid-19 7
Die Publicity, die BlueDot erhalten hat, ist jedoch der Wirtschafts- und Finanzwelt verwendeten Daten. Ro-
übertrieben. Sie unterbewertet die Rolle der Wissenschaft- wan (2020) beschreibt diese Masse an Ausreißerdaten als
ler, die mit KI arbeiten. Zum einen haben chinesische „das Kryptonit“ der modernen KI. Daraus folgert er, dass in
Wissenschaftler, wie Engler (2020) hervorhebt, das Virus naher Zukunft viele Wirtschaftszweige wieder mehr auf
bereits am 26. Dezember identifiziert. Zum anderen gab im Menschen als auf Modelle setzen werden, wenn es um
Bostoner Kinderkrankenhaus ein anderes auf KI basieren- Vorhersagen geht.
des Modell, HealthMap, am 30. Dezember 2019 eine War- Aufgrund dieser Datenmängel sind nicht KI-Modelle
nung heraus, also noch vor BlueDot. Die amerikanische der Stand der Technik in Bezug auf die Vorhersage und das
HealthMap maß dem Ausbruch jedoch nur eine sehr gerin- Tracking von Covid-19, sondern etablierte epidemiologi-
ge Bedeutung bei – was ein Schlaglicht darauf wirft, dass sche Modelle, so genannte SIR-Modelle, abgeleitet von
die richtige Anwendung von KI des Menschen und seines Kermack und McKendrick 1927. Zum Beispiel liefert das
fachlichen Inputs bedarf, über Disziplingrenzen hinweg Institute for the Future of Humanity an der Universität
(siehe auch Hollister 2020). Oxford Vorhersagen über die Ausbreitung des Virus auf der
Nach dem Ausbruch einer Epidemie/Pandemie kann Grundlage des epidemiologischen Modells GLEAMviz 14.
man KI zur Vorhersage der Ausbreitung nutzen. Beispiels- Das Robert-Koch-Institut in Berlin verwendet ein epi-
weise berechneten Bogoch et al. (2020) unter Verwendung demiologisches SIR-Modell, das Eindämmungsmaßnah-
von BlueDot einen Infectious Disease Vulnerability Index men von Regierungen wie Lockdowns, Quarantänen und
(IDVI), aus dem sie auf der Grundlage von Reisedaten aus Vorschriften zur sozialen Distanzierung berücksichtigt.
Wuhan die 20 am stärksten gefährdeten Länder aufliste- Dieses Modell wurde bereits früher im Falle Chinas ver-
ten. Dies war ziemlich genau bei der Vorhersage, dass wendet, um zu veranschaulichen, dass Eindämmung er-
Länder wie Thailand, Hongkong, Südkorea und Taiwan folgreich sein kann, um die Ausbreitung auf geringere als
zuerst betroffen sein könnten. Dabei wurde jedoch völlig exponentielle Raten zu reduzieren (siehe Maier und Brock-
übersehen, wie gefährdet Länder wie Iran und Italien sind. mann 2020).
Ein zweites Beispiel für den möglichen Einsatz der KI Ein ähnlich erweitertes SIR-Modell, das Maßnahmen
zur Vorhersage der Ausbreitung eines Virus stammt aus des öffentlichen Gesundheitswesens gegen die Pandemie
einer früheren Pandemie, dem Zika-Virus 2015. Akhtar et berücksichtigt und Daten aus China verwendet, wurde
al. (2019) entwickelten ein dynamisches neuronales Netz- kürzlich von Song et al. (2020) vorveröffentlicht und ande-
werk, um die Ausbreitung des Virus vorherzusagen, aller- ren Forschern im R-Format zur Verfügung gestellt. Fergu-
dings ex post. Modelle wie diese müssen jedoch unter Ver- son et al. (2020) haben in ihrer erwähnten Studie ebenfalls
wendung von Daten aus der Covid-19-Pandemie neu ein SIR-Modell des Imperial College verwendet, um ihre
trainiert werden, da sich das Corona-Virus zu sehr vom einflussreichen Vorhersagen über die möglichen Auswir-
Zika-Virus und den saisonalen Grippeviren unterscheidet kungen von Covid-19 in Großbritannien und den Vereinig-
(Hao 2020). Zusätzlich zu diesem Mangel an historischen ten Staaten zu treffen.
und unverzerrten Daten, auf denen die KI geschult werden Atkeson (2020) verwendet ein SIR-Modell zur Ver-
kann, gibt es weitere Probleme, die ihren Einsatz für Vor- anschaulichung dessen, was unter Berücksichtigung der
hersage und Tracking in der gegenwärtigen Krise ein- Auswirkungen auf die öffentliche Gesundheit im Vergleich
schränken (Rowan 2020 und Lazer et al. 2014). zu den wirtschaftlichen Auswirkungen von Covid-19 im
Lazer et al. (2014) verweisen auf das berüchtigte Ver- Fall der Vereinigten Staaten auf dem Spiel steht. Er kommt
sagen von Google Flu Trends, selbst den Ausbruch und die zu dem Schluss, dass soziale Distanzierungsmaßnahmen
Ausbreitung der gewöhnlichen Grippe vorherzusagen, und bis zur Entwicklung eines Impfstoffs beibehalten werden
bezeichnen diese als „Big-Data-Überheblichkeit und Algo- müssten, räumt aber ein, dass einfache SIR-Modelle keine
rithmendynamik“. In dem Maße, wie sich die Infektion Antwort auf die Frage geben können, welche wirtschaftli-
weiter ausbreitet und der soziale Medienverkehr um sie chen Auswirkungen am stärksten sein werden: die Folgen
herum zunimmt, nimmt auch die Menge des Lärms zu, die des Lockdown oder die gesundheitliche Belastung durch
gefiltert werden muss, bevor sich sinnvolle Trends erken- die Krankheit. In diesem Zusammenhang ist eine der bis-
nen lassen. Allgemeiner betrachtet handelt es sich bei dem her ausgefeiltesten Modellierungsbemühungen von Ei-
Schock und den globalen Auswirkungen von Covid-19 je- chenbaum et al. (2020) zu nennen, die ein kombiniertes
doch um ein massives Ausreißerereignis, das zu riesigen makroökonomisches SIR-Modell für die Vereinigten Staa-
Mengen noch nie dagewesener Daten führt. Dies wird sich
nachteilig auf alle Vorhersagemodelle auswirken, die his-
torische Zeitreihendaten verwenden, einschließlich der in 14 Siehe http://www.gleamviz.org.8 Wim Naudé
ten verwenden, um die Kosten verschiedener Szenarien öffentlichen Räumen wie Bahnhöfen installierte Infrarot-
von Lockdown und sozialer Distanzierung hinsichtlich der kameras eingesetzt, um möglicherweise infizierte Personen
Auswirkungen auf die öffentliche Gesundheit zu verglei- zu identifizieren und die soziale Distanzierung durchzuset-
chen. Sie kommen zu dem Ergebnis, dass eine optimale zen. Hongkong hat die Geofencing-Technologie zur Durch-
Lockdown-Politik den Konsum in einem Jahr um 22 Pro- setzung von Quarantänen eingesetzt. Aus Übersee ankom-
zent senkt und 500.000 Leben rettet. mende Personen erhielten am Flughafen ein Armband mit
Zusammenfassend lässt sich sagen, dass die KI noch QR-Code, das über eine App namens StayHomeSafe mit
nicht in der Lage ist, Covid-19 zuverlässig vorherzusagen ihrem Smartphone gekoppelt wurde. Dieses verfolgte dann
und nachzuverfolgen. Stand der Technik sind etablierte ihre Bewegungen und alarmierte die Behörden, wenn sie
epidemiologische Modelle - mit ihren Unzulänglichkeiten ihre Häuser verließen (Huang et al. 2020).
in Ermangelung genauer Daten, die sie benötigen, um ihre Die Ermittlung von Kontaktpersonen ist eine traditio-
kritischsten Parameter wie Ansteckungsraten, Sterblich- nelle Methode zur Bekämpfung von Epidemien und Pan-
keitsraten und den Prozentsatz der gefährdeten Bevölke- demien, bei der die Gesundheitsbehörden, sobald bei einer
rung zu kalibrieren. Diese Modelle können aber immerhin Person ein Virus diagnostiziert wurde, alle Personen zu-
für eine ökonomische Kosten-Nutzen-Analyse verwendet rückverfolgen, mit denen diese Person in der zurückliegen-
werden, um die wirtschaftlichen Folgen der Pandemie zu den Zeit in Kontakt gekommen ist. Diese Personen werden
minimieren (siehe zum Beispiel Eichenbaum et al. 2020). dann kontaktiert und isoliert. Ferretti et al. (2020, S. 1)
stellen fest, dass sich das Virus im Fall von Covid-19 zu
schnell ausbreitet, als dass es durch eine herkömmliche,
5.2 Soziale Kontrolle und manuelle Kontaktverfolgung wirksam eingedämmt wer-
Kontaktverfolgung15 den könnte. Sie modellieren den Einsatz einer App zur
Kontaktverfolgung und stellen fest, dass die Pandemie
Zwar ist die KI noch nicht nützlich für die Vorhersage und eingedämmt werden könnte, wenn genügend Personen
Diagnose, und ihre Rolle bei der Suche nach einem neuen diese App nutzten, ohne dass Massenquarantänen (Lock-
Impfstoff wird wahrscheinlich auch noch auf sich warten downs) erforderlich wären, die der Gesellschaft schaden.
lassen, doch wird ihr Einsatz zur sozialen Kontrolle drama- Lockdowns und soziale Distanzierungsmaßnahmen
tisch zunehmen. Obgleich Datenprobleme die Vorhersage können wie gesagt zwar wirksam sein, um R0 unter 1 zu
und Diagnose erschweren, ist dies keine Einschränkung senken, doch sie verursachen exorbitante wirtschaftliche
für die Überwachungstechnologie, die mobile Geräte in Kosten (Atkeson 2020, Eichenbaum et al. 2020, McKibbin
Verbindung mit GPS- und Bluetooth-Technologie verwen- und Roshen 2020 sowie McNeil 2020). Da sie wirtschaftlich
det. Tatsächlich wird diese Technologie bereits seit 2011 nicht nachhaltig sind, werden sie irgendwann auslaufen
zur Verfolgung von Ausbrüchen von Infektionskrankhei- müssen – im Rahmen einer Ausstiegsstrategie. Um die
ten eingesetzt (Huang et al. 2020). Neuere mobile Tech- Gefahr eines Wiederaufflammens der Infektionen während
nologie zur Verfolgung und Überwachung integriert häu- des Ausstiegs aus diesen Maßnahmen zu begrenzen, kann
fig KI/ML-Modelle, zum Beispiel zur Gesichtserkennung, es notwendig sein, durch groß angelegte diagnostische
zur Messung der Nähe zwischen Personen mittels Blue- Tests diejenigen zu identifizieren, die noch infiziert sind,
tooth, zur Untermauerung von Chat-Bot-Schnittstellen und sie in Quarantäne zu halten (Dewatripont et al. 2020).
oder zur Verbesserung der Datengenauigkeit im Fall der Das makroökonomische SIR-Modell von Eichenbaum et al.
Selbstanzeige von Symptomen (Sanderson 2020). (2020, S. 6) betont die potentielle Bedeutung einer intelli-
Soziale Kontrolle, beispielsweise durch Überwachung, genten Eindämmungspolitik, die auf tatsächlichen Daten
kann in der Anfangsphase des Ausbruchs erforderlich sein, darüber beruht, wie viele Menschen anfällig, infiziert und
um NPI durchzusetzen, zum Beispiel Lockdown und sozia- genesen sind, und die Autoren kommen zu dem Schluss,
le Distanzierung, und auch um infizierte Personen zu iden- dass der soziale Nutzen, diese Informationen zu sammeln
tifizieren und zu isolieren und den Gesundheitsbehörden und danach zu handeln, enorm sei.
bei der Planung zu helfen (Petropoulos 2020). In dieser Zur intelligenten Eindämmung können daher Tracing-
Hinsicht ist der Einsatz von Massenüberwachung zur Apps, ergänzt durch groß angelegte diagnostische Tests,
Durchsetzung von NPI in China gut dokumentiert (Chun wertvoll sein. Sie können möglicherweise dazu beitragen,
2020). Die chinesischen Behörden haben zum Beispiel in künftige Neuausbrüche zu verhindern und/oder zu be-
grenzen, wenn die Sperren gelockert werden. Eine zuneh-
mende Zahl von Ländern, dem Beispiel von Ländern wie
15 Dieser Unterabschnitt stützt sich auf Naudé 2020c. China, Hongkong, Singapur und Südkorea folgend, hatIntelligente Eindämmungsstrategien gegen Covid-19 9
daher den Einsatz von Tracing-Apps eingeführt und unter- macht bereits einen Unterschied), Objekte und Oberflächen
sucht. Gershgorn (2020) hat eine Liste von mindestens 25 sowie das verwendete Betriebssystem. Das bedeutet, dass
Ländern zusammengestellt, die bis Mitte April 2020 auf eine Tracing-App, die auf dieser Technologie basiert, zu
Tracing- und andere Überwachungstechnologien zurück- viele Fehlalarme verursachen kann. Wie O’Neill (2020b)
gegriffen haben. erörtert, besteht die einzige Möglichkeit, die Probleme der
Viele davon – nicht alle – verstoßen gegen Daten- Signalstärke zu verringern, darin, ausreichende Daten-
schutznormen, und eine wachsende Zahl von Ländern und mengen zu sammeln, aus denen ein KI-Modell lernen kann,
Organisationen ringt mit den Trade-offs zwischen dem die reale Entfernung unter Berücksichtigung des Kontexts
Bedarf an Daten und dem Schutz von Privatsphäre und des Benutzers besser abzuschätzen. Somit ist auch hier
Menschenrechten. In diesem Zusammenhang wurde gefor- wieder ein Haupthindernis für den Einsatz der Technologie
dert, dass die Tracing-Apps auf einem dezentralisierten, im Kampf gegen Covid-19 der Mangel an Daten.
datenminimierten und transparenten System mit an-
gemessenen rechtlichen, technischen und administrativen
Garantien basieren sollten, das zudem freiwillig ist (Simp- 6 Abschließende Bemerkungen
son und Conner 2020). Es wird argumentiert, dass im Fall
einer freiwilligen Nutzung das Vertrauen der Öffentlichkeit Innerhalb von fünf Monaten nach ihrem Ausbruch hat die
zu dem System, das in der Lage ist, den Datenschutz zu Covid-19-Pandemie mindestens 210.000 Todesopfer in 185
gewährleisten, unerlässlich ist, um eine ausreichend gro- Ländern gefordert. Sie hat dazu geführt, dass die Regierun-
ße Zahl von Menschen überhaupt für die Nutzung der App gen ihre Volkswirtschaften im Wesentlichen stillgelegt ha-
zu gewinnen – eine Voraussetzung für deren Erfolg (Fer- ben. Der Rückgang der wirtschaftlichen Aktivität in aller
retti et al. 2020 sowie Ienca und Vayena 2020). Welt innerhalb von 5 Monaten war in der jüngsten Ge-
Das Future of Privacy Forum hat eine Reihe bestehen- schichte beispiellos. Die Arbeitslosenzahlen sind drama-
der Tracing-Apps und Software Development Kits (SDK) tisch gestiegen. Allein in den Vereinigten Staaten hat die
untersucht, und zwar K Health (Vereinigte Staaten), HaMa- Zahl der Anträge auf Arbeitslosenunterstützung in einem
gen (Israel), TraceTogether (Singapur), Covid Symptom Zeitraum von 5 Wochen zwischen März und April 2020 um
Tracker (Großbritannien), Home Quarantine (Polen) und 26 Millionen zugenommen. Es wird erwartet, dass die
Pan-European Privacy-Preserving Proximity Tracing Weltwirtschaft im Jahr 2020 um 3 Prozent schrumpfen
(PEPP-PT) (EU). Die Wissenschaftler kamen zu dem wird – ein Verlust von 9 Billionen Dollar. Die Welt steht
Schluss, dass es schwierig ist, Standortdaten vollständig nicht nur vor einer Gesundheitskrise, sondern auch vor
zu anonymisieren. Sogar Apps, die aggregierte Standort- einer Wirtschaftskrise.
daten sammelten, um allgemeine Trends und Risiken auf Im vorliegenden Aufsatz habe ich argumentiert, dass
der Makroebene für Forschungszwecke aufzudecken, die Politik zur Bewältigung dieser beiden Krisen auf Tech-
könnten unbeabsichtigt heikle persönliche Informationen nologie zurückgreifen muss. Die Lösung des Problems
preisgeben (Sanderson 2020, S. 1). wird darin bestehen, einen Impfstoff und Therapien zu
Sanderson (2020) weist auch darauf hin, dass Apps, die finden sowie diese auf faire und gerechte Weise in der
Bluetooth nutzen, um die Nähe abzuschätzen, weniger ganzen Welt zu verbreiten – was alles Zeit brauchen wird.
„Privatsphären-invasiv“ sind als Apps, die GPS verwen- Bis dahin muss die Ausbreitung der Krankheit verlangsamt
den. In diesem Zusammenhang ist es bemerkenswert, dass werden. Angesichts der exorbitanten wirtschaftlichen Kos-
Apple und Google mitgeteilt haben, sie wollten gegen Mai ten der bisher von den meisten Ländern angewandten,
2020 Smartphone-Apps auf den Markt bringen, um bei der relativ groben Eindämmungsmaßnahmen plädieren etli-
Kontaktverfolgung zu helfen (O’Neill 2020a). Angesichts che Autoren ökonomischer Studien für intelligente Ein-
der Bedenken hinsichtlich des Datenschutzes werden diese dämmungsstrategien. Solche Strategien werden für jede
Apps Bluetooth nutzen, um festzustellen, ob sich jemand Ausstiegsstrategie von entscheidender Bedeutung sein.
in der Nähe einer infizierten Person aufgehalten hat. Es gibt Die Suche nach einem Impfstoff und die praktische
jedoch Unzulänglichkeiten von Apps zur Kontaktverfol- Umsetzung intelligenter Eindämmungsstrategien als
gung, die auf der Bluetooth-Technologie basieren (O’Neill Teil des bestehenden Lockdown können von der Künst-
2020b). Eine davon ist, dass die Nähe zu einer anderen lichen Intelligenz profitieren. Die Einschränkung von deren
Person auf Grundlage der Signalstärke geschätzt wird. Frei- Nützlichkeit liegt jedoch in den Daten. Der Mangel an Daten
lich kann die Bluetooth-Signalstärke durch eine Vielzahl reduziert die Möglichkeit, die KI zur Vorhersage, zum Tra-
von Faktoren beeinflusst werden, darunter die Position des cking und zur Diagnose von Covid-19-Infektionen einzuset-
Mobiltelefons (ob es aufrecht oder seitlich gehalten wird, zen, aber auch zur Verbesserung der Genauigkeit von weni-10 Wim Naudé
ger stark in die Privatsphäre eingreifenden Tracing-Apps. gionen: Nordamerika, Europa und China. Wenn man sich
Der Datenmangel wirkt sich auch auf die traditionellen einig ist, dass ein Impfstoff gegen SARS-CoV-2 ein globales
epidemiologischen (SIR-)Modelle aus, auf denen die meis- öffentliches Gut ist, dann kann die KI, wenn sie hierzu
ten NPI basieren. Infolgedessen besteht Ungewissheit über beiträgt, als ein „single-best effort public good“ betrachtet
ihre kritischsten Parameter, wie Ansteckungsraten, Sterb- werden (Barrett, 2007). Dies ist ein öffentliches Gut, das
lichkeitsraten und der Anteil der gefährdeten Bevölkerung. von einem oder einigen wenigen Ländern, die dazu in der
Glücklicherweise gibt es zum Zeitpunkt des Verfassens Lage sind, zum Nutzen aller produziert werden kann. Die
dieses Artikels eine wachsende Zahl globaler Initiativen, Voraussetzung dafür, dass es ein öffentliches Gut bleibt,
deren Ziel es ist, die Datenlücke zu schließen. Dazu gehören besteht darin, dass es in einer nicht ausschließbaren und
unter anderem das Covid-19 Open Research Dataset (CORD- nicht rivalisierenden Weise verfügbar ist. Das bedeutet,
19), die öffentlichen Datensätze Covid-19 von Google und dass bei der Mobilisierung der KI in der Suche nach einem
der AWS Covid-19 Data Lake von Amazon (Naudé 2020b). Impfstoff ein unkoordiniertes „KI-Wettrüsten“ zwischen
Alle Länder sollten sich an der Sammlung und dem Aufbau den Ländern vermieden werden muss und dass es klare
großer öffentlicher Datenbanken beteiligen, auf denen die und faire Regeln für die Verteilung und den Zugang zu
KI trainiert werden kann. Die Kosten dafür sind gering, und einem solchen Impfstoff geben sollte. Herauszufinden, wie
der mögliche Nutzen ist angesichts des Bedarfs an unver- ein solches Ergebnis finanziert und mit Hilfe von Anreizen
zerrten und repräsentativen Daten über die Pandemie herbeigeführt werden kann, ist eine weitere dringende
hoch. Es sollte auch als Investition für den Kampf gegen Herausforderung für Ökonomen, nicht zuletzt im Hinblick
künftige Pandemien betrachtet werden. Neben dem Aufbau auf die Überwindung von Produktions- und Logistikpro-
von Datenbanken für die Schulung der KI ist das groß blemen (Amanat und Krammer 2020).
angelegte Testen der Bevölkerung zur Verbesserung der Die Künstliche Intelligenz kann insofern im Kampf
Genauigkeit von Schlüsselparametern in epidemiologi- gegen Covid-19 möglicherweise eine wertvolle Rolle spie-
schen Modellen von entscheidender Bedeutung. Solche len, als sie hilft, die wirtschaftlichen und gesundheitlichen
Informationen ergänzen den Einsatz von Tracing-Apps Kosten zu senken. Wenn sie jedoch nicht richtig gehand-
stark. habt wird, wenn politische Fehler unterlaufen, dann kann
Dass der Bedarf an besseren Daten im Kampf gegen sie der Volkswirtschaft auch hohe, langfristige Kosten in
Covid-19 so wichtig ist, wirft die Frage nach dem Daten- Form von höherer Ungleichheit, langsamer wirtschaftli-
schutz und verbundenen bürgerlichen Freiheiten auf. Eini- cher Erholung und geringerer Dynamik aufbürden. Sie
ge Kommentatoren verstehen dies als einen Trade-off zwi- kann die wahrscheinlichen schädlichen strukturellen Fol-
schen den Belangen der öffentlichen Gesundheit und dem gen der Pandemie verstärken, beispielsweise die beschleu-
Datenschutz. Dieser Aufsatz sollte gezeigt haben, dass die nigte Automatisierung der Produktion, die Rückverlage-
Dinge komplexer sind: Es ist auch ein Trade-off zwischen rung der wirtschaftlichen Aktivitäten aus dem Ausland
Datenschutz und wirtschaftlichen Kosten. Wie hoch ist der und die Konsolidierung der Marktmacht großer digitaler
wirtschaftliche Preis, den die Menschen bereit sind, für Plattformunternehmen.
Datenschutz zu zahlen? Und gibt es überhaupt einen un-
vermeidlichen Trade-off? Ist es möglich, ein System für die Danksagung: Ich möchte Karen Horn herzlich für ihre sehr
Sammlung und Nutzung von Daten zum Zwecke des Aus- hilfreiche und professionelle Überarbeitung dieses aus
stiegs aus dem Lockdown so zu konzipieren, dass der dem Englischen übertragenen Manuskripts danken.
Datenschutz gewahrt bleibt? Wie wird ein solches System Selbstverständlich bin ich für alle Fehler und Ungenau-
das Vertrauen der Bevölkerung gewinnen und halten? Die- igkeiten selbst verantwortlich.
se grundlegenden Fragen wurden schon lange vor dem
Ausbruch der Covid-19-Pandemie als wichtig erkannt und
sind in den meisten Vorschlägen für eine angemessene Literaturverzeichnis
Steuerung der KI enthalten. Die Pandemie hat die Beant-
wortung dieser Fragen dringlich gemacht. Adam, D. (2020), Modelling the impact: The simulations driving the
Die KI kann bei der Suche nach einem Impfstoff und world’s response to Covid-19, Nature 580, S. 316–18.
nach Therapien eine wichtige Rolle spielen. Unglück- Akhtar, M., M. Kraemer und L. Gardner (2019), A dynamic neural
network model for predicting risk of Zika in real-time, BMC
licherweise haben die meisten Länder jedoch keinen Zu-
Medicine 17 (171).
gang zu den fortgeschrittenen Möglichkeiten der KI. Mehr Amanat, F. und F. Krammer (2020), SARS-CoV-2 vaccines: Status
als 90 Prozent aller Investitionen in Forschung und Ent- report, Immunity 52(4), S. 583–89.
wicklung sowie in KI-Risikokapital entfallen auf drei Re-Intelligente Eindämmungsstrategien gegen Covid-19 11
Anderson, R. M., H. Heesterbeek, D. Klinkenberg und T. D. Hollings- Hinton, G., S. Osindero und T.-W. The (2006), A fast learning algorithm
worth (2020), How will country-based mitigation measures influ- for deep belief nets, Neural Computation 18, S. 1527–54.
ence the course of the Covid-19 epidemic? The Lancet, 395, Hinton, G. und R. Salakhutdinov (2006), Reducing the dimensionality
S. 931–34. of data with neural networks, Science 313, S. 504–07.
Atkeson, A. (2020), What will be the economic impact of Covid-19 in Hollister, M. (2020), AI can help with the Covid-19 crisis – but the right
the US? Rough estimates of disease scenarios, NBER Working human input is key, World Economic Forum, 30. März.
Paper 26867. Huang, Y., M. Sun und Y. Sui (2020), How digital contact tracing slowed
Ballester, J., J. M. Robine, F. R. Herrmann und X. Rodó (2019), Effect of Covid-19 in East Asia, Harvard Business Review, 15. April.
the Great Recession on regional mortality trends in Europe, Ienca, M. und E. Vayena (2020), On the responsible use of digital data
Nature Communications 10(1), 679. to tackle the Covid- 19 pandemic, Nature Medicine, 27. März.
Barrett, S. (2007), Why Cooperate? The Incentive to Supply Global Jelnov, P. (2020), Confronting Covid-19 myths: Morbidity and morta-
Public Goods, Oxford, Oxford University Press. lity, GLO Discussion Paper 516.
Beck, B., B. Shin, Y. Choi, S. Park und K. Kang (2020), Predicting Jiang, X. et al. (2020), Towards an Artificial Intelligence framework for
commercially available antiviral drugs that may act on the novel data-driven prediction of Coronavirus clinical severity, Compu-
Coronavirus (2019-nCoV), Wuhan, China, through a drug-target ters, Materials and Continua 63(1), S. 537–51.
interaction deep learning model, bioRxiv, 2. Februar. Kermack, W. O. und A. G. McKendrick (1927), A contribution to the
Bogoch, I., A. Watts, A. Thomas-Bachli, C. Huber, M. Kraemer und mathematical theory of epidemics, Proceedings of the Royal
K. Khan (2020), Pneumonia of unknown aetiology in Wuhan, Society of London A 115 (772), S. 700–21.
China: Potential for international spread via commercial air Kreuzhuber, K. (2020), How AI, big data and machine learning can be
travel, Journal of Travel Medicine 27(2), S. 1–3. used against the Coronavirus, ARS Electronica Blog, 19. März.
Bullock, J., A. Luccioni, K. H. Pham, C. S. N. Lam und M. Luengo-Oroz Lazer, D., R. Kennedy, G. King und A. Vespignani (2014), The parable
(2020), Mapping the landscape of artificial intelligence applica- of Google flu: Traps in big data analysis, Science 343(6176),
tions against Covid-19, ArXiv, online verfügbar unter https:// S. 1203–05.
arxiv.org/abs/2003.11336v1. Li, R. et al. (2020), Substantial undocumented infection facilitates the
Chen, J. et al. (2020), Deep learning-based model for detecting 2019 rapid dissemination of novel Coronavirus (SARS-CoV2), Science,
novel Coronavirus pneumonia on high-resolution computed 16. März.
tomography: A prospective study, medRxiv, 1. März. Lourenço, J. et al. (2020), Fundamental principles of epidemic spread
Chun, A. (2020), In a time of coronavirus, Chinas investment in AI is highlight the immediate need for large-scale serological surveys
paying off in a big way, South China Morning Post vom 18. März. to assess the stage of the SARS-CoV-2 epidemic, medRxiv
Dewatripont, M., M. Goldman, E. Muraille und J.-P. Platteau (2020), preprint.
Rapidly identifying workers who are immune to Covid-19 and Maier, B. und D. Brockmann (2020), Effective containment explains
virus-free is a priority for restarting the economy, VoxEU.org. sub-exponential growth in confirmed cases of recent Covid-19
Dowd, J. B. et al. (2020), Demographic science aids in understanding outbreak in mainland China, medRxiv, 20. Februar.
the spread and fatality rates of Covid-19, Proceedings of the McKibbin, W. und F. Roshen (2020), The global macroeconomic
National Academy of Sciences. impacts of Covid-19: Seven scenarios, Brookings Institution,
Eichenbaum, M. S., S. Rebelo und M. Trabandt (2020), The macroeco- online verfügbar unter https://www.brookings.edu/research/
nomics of epidemics, NBER Working Paper 26882. the-global-macroeconomic-impacts-of-Covid-19-seven-scena-
Engler, A. (2020), A guide to healthy skepticism of artificial intelli- rios/.
gence and coronavirus, The Brookings Institution, verfügbar McNeil, D. (2020), Restrictions are slowing Coronavirus infections,
unter https://www.brookings.edu/research/a-guide-to-healthy- new data suggest, The New York Times vom 30. März.
skepticism-of-artificial-intelligence-and-coronavirus/. Moor, J. (2006), The Dartmouth College Artificial Intelligence confe-
Farboodi, M., R. Mihet, T. Philippon und L. Veldkamp (2019), Big data rence: The next fifty years, AI Magazine 27(4), S. 87–91.
and firm dynamics, NBER Working Paper 25515. Naudé, W. (2019), The race against the robots and the fallacy of the
Feldstein, S. (2019), The global expansion of AI surveillance, Carnegie giant cheesecake: Immediate and imagined impacts of Artificial
Endowment for International Peace Working Paper. Intelligence, IZA Discussion Paper 12218.
Ferguson et al. (2020), Report 9: Impact of non-pharmaceutical inter- Naudé, W. (2020a), Artificial Intelligence vs. Covid-19: Limitations,
ventions (NPIs) to reduce Covid-19 mortality and healthcare constraints and pitfalls, AI & Society, 28. April.
demand, Spiral, online verfügbar unter https://spiral.imperial. Naudé, W. (2020b), Artificial Intelligence against Covid-19: An early
ac.uk:8443/handle/10044/1/77482. review, IZA Discussion Paper 13110.
Ferretti, L. et al. (2020), Quantifying SARS-CoV-2 transmission Naudé, W. (2020c), Artificial Intelligence, Covid-19, and developing
suggests epidemic control with digital contact tracing, Science, countries: Priorities and trade-offs, UNU-WIDER Background
31. März. Note.
Gershgorn, D. (2020), We mapped how the Coronavirus is driving new New Scientist (2017), Machines that Think, London, John Murray
surveillance programs around the world, Medium: OneZero, Learning.
13. April. O’Neill, P. H. (2020a), Apple and Google are building coronavirus
Grünwald, E., D. Antons und T. Salge (2020), Covid-19 Evidence Navi- tracking into iOS and Android, MIT Technology Review, 10. April.
gator, Institute for Technology and Innovation Management, O’Neill, P. H. (2020b), Bluetooth contact tracing needs bigger, better
RWTH Aachen. data, MIT Technology Review, 22. April.
Gopinath, G. (2020), The great lockdown: Worst economic downturn Petropoulos, G. (2020), Artificial Intelligence in the fight against
since the Great Depression, IMF Blog, 14. April. Covid-19, Bruegel, 23. März.Sie können auch lesen
