Die Corona Pandemie in Deutschland

Das Monitoring der Corona Infektionen im Rahmen des offiziellen Meldesystems basiert auf der Anzahl der bestätigten Neuinfektionen pro 100 Tsd. Einwohnern in den letzten 7 Tagen. Wegen des starken wöchentlichen Meldemusters wird die Inzidenz als gleitender Durchschnitt über die letzten sieben Tage gemessen¹⁰. Der Bezug auf eine Bevölkerungszahl ermöglicht regionale Vergleiche. Dies war im Falle der RKI-Daten meist die Ebene der Stadt- und Landkreise.

Die 7‑Tages Inzidenz nahm in der Öffentlichkeit eine zentrale Stellung ein. Diese Stellung wurde auch durch die Regelungen des Infektionsschutzgesetzes verstärkt, das die 7‑Tagesinzidenz auf Kreisebene zur Begründung diverser Schutzmaßnahmen benutzte. Ob Maskenpflicht, Abstandsregeln, Reise- und Kontaktbeschränkungen oder Lockdown: Alles war an die 7‑Tagesinzidenz gekoppelt. Die RKI-Werte erfuhr man täglich aus den Nachrichten, Zeitungen, Online-Plattformen mit grafischen Animationen und Landkarten, über das RKI-Dashboard, die RKI-Tagesberichte sowie ausführlicher über die RKI-Wochenberichte¹¹. Einige Portale präsentierten etwas modifizierte Inzidenzwerte, die von den RKI-Zahlen abwichen und aktuelle Entwicklungen rascher darzustellen versprachen.

Ein Defizit des Meldesystems über die Gesundheitsämter war der sogenannte Meldeverzug. Nach Wochenenden wurden Infektionszahlen oft erst Dienstags oder Mittwochs nachgemeldet. Teilweise fehlten die Meldungen ganzer Regierungsbezirke. Die öffentlichen Kritik („Fax statt zentrale Datenbank“) zielte auf eine fehlende digitale Infrastruktur¹² bei den Gesundheitsämtern sowie eine insgesamt zu geringe Digitalisierung des Gesundheitswesens. Mitten in der Pandemie sollten die Gesundheitsämter auf eine neue Erfassungssoftware (SORMAS) umsteigen, die vom Bundesgesundheitsministerium bereit gestellt wurde. Das konnte nicht gut gehen.

Auch bei der Erfassung von Infektionsketten setzte Gesundheitsminister Spahn auf eine schnelle digitale Lösung. Mit großen öffentlichen Vorschusslorbeeren wurde zu Beginn der Corona Pandemie die Corona Warn App¹³ entwickelt. Mit Hilfe der Bluetooth Technologie sollten infizierte Kontaktpersonen über die zeitliche und räumliche Nähe von Smartphones ermittelt werden. Der finanzielle Aufwand für die Entwicklung und den Betrieb des Systems belief sich immerhin auf 220 Mio. Euro¹⁴. Aber es gab Probleme mit häufigen Fehlalarmen¹⁵ und insbesondere die Meldung von Infektionen in das System machten die App langsam und damit ineffizient. Die versprochene Evaluation der Corona Warn App lieferten zwar Download-Zahlen in Millionenhöhe¹⁶. Aufschlussreicher wäre jedoch die Angabe gewesen, wie viele Personen zuerst über die Warn App von einer Infektion erfahren haben. Diese Information ist das Verdienst einer hartnäckigen Recherche von netzpolitik.org¹⁷. Basis dieser Recherche sind die Ergebnisse einer Befragung (SURVNET) positiv getesteter Personen durch die Gesundheitsämter, um herauszufinden wie die Personen von ihrer Corona Infektion erfahren haben. Unter den möglichen Antworten war auch die Nennung über die Corona Warn App. In Woche 51/2020, also auf dem Höhepunkt der zweiten Welle, machten von dieser Antwortmöglichkeit gerade mal 106 Personen Gebrauch, während 32594 Personen die Nennung Testung/Reihenuntersuchung angaben. Abb. 1 zeigt lediglich die Größenverhältnisse der Antwortkategorien. Der Verlauf der Nennung Warn App ist kaum von der Null-Linie zu unterscheiden. Insgesamt waren die 220 Mio. Euro für die Warn App ihr Geld nicht wert!

Der Einsatz der Digitalisierung im Gesundheitswesen soll allerdings noch deutlich ausgebaut werden. So empfiehlt die Corona Experten Kommission im Februar 2022 die Nutzung der Elektronischen Patientenakte um damit Meldungen über Erkrankungen, Impfung und Hospitalisierung zu sammeln¹⁸. Dabei wird übersehen, dass das System der Elektronischen Patientenakte immer noch an technischen Unzulänglichkeiten und Datenschutzbedenken krankt. Und bisher gilt noch immer die Freiwilligkeit der Teilnahme der Patienten, die arge Löcher in die Vollstandigkeit der Daten reißen wird.

Bedeutend wichtiger ist jedoch der Einfluss unterschiedlicher Regelungen, wer überhaupt getestet wurde. Diese Regelungen stehen in direkter Verbindung mit der Dunkelziffer der nicht entdeckten Neuinfektionen im Zeitverlauf, vgl. zum Beispiel Rendtel et al. (2021). Die Dunkelziffer ist auch deswegen hoch, weil es insbesondere bei Kindern asymptomatische Verläufe der Infektion gibt. Wäre die Dunkelziffer über die Zeit stabil, so könnte man aus dem Auf und Ab der Inzidenzzahlen auf den Verlauf der Pandemie schließen. Zwar wäre der Umfang der Infektionen falsch eingeschätzt worden, aber der Verlauf der Infektionswellen würde trotzdem korrekt angezeigt werden.

Allerdings ergaben sich im Verlauf der Corona Pandemie recht unterschiedliche Anreize für die Durchführung eines Corona Tests, so dass von einer zeitlich konstanten Dunkelziffer kaum ausgegangen werden kann. Aufgrund der anfangs begrenzten Testkapazitäten wurden zunächst nur Kontaktpersonen von Infizierten getestet. Schrittweise konnten sich dann vulnerable Personen und Personen in systemrelevanten Bereichen testen lassen. Mit der Überprüfung von Kitas und Schulklassen wurden die Testpopulation wesentlich vergrößert. Ebenso vergrößerte die 3G-Regelung, nach der nur Genesene, Geimpfte oder Getestete Zugang zu Restaurants und Geschäften hatten, die Testpopulation erheblich. Umgekehrt dürfte die Omikron Welle ab Januar 2022 mit relativ milden Krankheitsverläufen und reichlich vorhandenen Schnelltests kaum zur nachträglichen Durchführung eines PCR-Tests motiviert haben. Es reichte ja zu Hause zu bleiben und zu warten, bis weitere Schnelltest das Ende der Infektion anzeigten. Die steil ansteigenden Inzidenzzahlen zu Beginn des Jahres 2022 dürfen das wahre Ausmaß der Omikron Welle noch deutlich unterzeichnet haben.

Die gemeldeten Infektionszahlen hängen stark von der Anzahl der durchgeführten Tests ab. Wird weniger getestet, so sinkt auch die Anzahl der gemeldeten Infektionen. Da die Bevölkerungszahl konstant ist, sinkt der jeweilige Inzidenzwert. Man könnte diesen Effekt eliminieren, indem man die Infektionszahlen auf die Anzahl der gemeldeten Tests bezieht. Dies führt auf die so genanntePositivrate, die man ebenfalls für das Monitoring der Corona Pandemie benutzen kann.

Zur Jahreswende 2020/2021 trat eine starke Abnahme der Testungen ein. In der Woche vor Beginn der Weihnachtstage war ein harter Lockdown gestartet worden, der das Ziel hatte, die weihnachtlichen Familienkontakte zu reduzieren und so die vorher rasch ansteigenden Inzidenzzahlen zu senken. In der Tat sanken unmittelbar danach deutschlandweit die Inzidenzwerte, vgl. Abb. 2 (Oben). Allerdings sanken auch die während der Feiertage durchgeführten Tests dramatisch, vgl. Abb. 2 (Links unten). Diese Abnahme kann zum einen das Resultat der üblichen Festtagsruhe mit weniger Arztbesuchen gewesen sein. Sie konnte aber auch als unmittelbare Wirkung des Lockdowns interpretiert werden. Betrachtet man jedoch die Positivrate der Testungen in Abb. 2 (Unten rechts) so geht diese steil nach oben und erreicht zum Jahreswechsel ihren Höchstwert. Auch hier sind zwei gegenläufige Interpretationen möglich. Der Anstieg der Positivrate kann einerseits als Ausbreitung der Corona Pandemie in der Bevölkerung interpretiert werden, die um die Jahreswende ihren Höhepunkt erreicht. Umgekehrt ist jedoch auch eine Interpretation über einen Selektionsprozess möglich. Danach lassen sich über die Feiertage nur diejenigen Personen testen, die über ernsthafte Gesundheitsbeschwerden klagen und damit eine höhere Wahrscheinlichkeit haben an Corona erkrankt zu sein. Die Positivrate taugt daher nur eingeschränkt dazu, die Entwicklung des Infektionsgeschehens zu beurteilen. Erst in der längeren zeitlichen Darstellung bis Mitte Februar 2021 erscheint die Interpretation plausibel, dass die Pandemie – entgegen den Versprechungen der Lockdown-Befürworter – erst zwei Wochen nach Verhängung der Kontaktsperre ihren Höhepunkt erreicht hat. Die rigide Einschränkung der Weihnachtskontakte war also eher folgenlos für das Infektionsverhalten. Der kurzfristige Rückgang der gemeldeten Inzidenzzahlen war damit irreführend.

Ein anders Beispiel betrifft die angeblich stark gestiegenen Inzidenzzahlen unter Kita- und Schulkindern im Frühjahr 2021 (Kalenderwoche 15). Im Vergleich zur Kalenderwoche 50 am Ende des Jahres 2020 verdoppelten sich die Inzidenzzahlen für diese Personengruppe, vgl. die Werte in Tab. 2. Allerdings blieben die Inzidenzwerte für die Altersgruppe 20 bis 24 nahezu unverändert, was nicht unbedingt für eine Intensivierung der Corona Pandemie unter Kindern und Jugendlichen spricht. In der Tat hatte sich nur die Testung unter den Schülern und Kitakindern intensiviert. In Kalenderwoche 50 waren deren Einrichtungen weitgehend geschlossen, während sie in Kalenderwoche 15 teilweise wieder geöffnet wurden, allerdings unter einem strikten Testregime mit der Testung ganzer Klassen und Kitagruppen. In der medialen Öffentlichkeit wurde allerdings wild darüber spekuliert, ob die partielle Wiedereröffnung der Kitas und Schulen zu einer rasanten Ausbreitung des Corona Virus unter Kindern geführt hat¹⁹.

Gerade am Beginn der Ausbreitung einer ansteckenden Krankheit ist das Interesse an der regionalen Ausbreitung der Krankheit und ihren Hot-Spots groß. Schließlich bietet sich hier die Möglichkeit, die Ausbreitung der Krankheit gezielt zu verlangsamen²⁰, z. B. durch die Ermittlung des noch überschaubaren Kreises von Kontaktpersonen. Hieraus erklärt sich auch ein großes Interesse an regionalen Studien. Dies auch deshalb, weil einzelne Kommunen durchaus Sonderwege gegangen sind und den Erfolg ihrer Maßnahmen überprüfen wollten. Beispielsweise hat die Stadt Rostock schon sehr frühzeitig ein Testprogramm für Schüler durchgeführt²¹. In München wurde bereits im April 2020 vom Tropeninstitut der LMU die COVID-19 Kohorte (KoCO19)²² gestartet, die in vorbildlicher Weise das Infektionsgeschehen in München im Längsschnitt abbildet. Ein wesentliches Ziel regionaler Studien²³ war die Ermittlung der Dunkelziffer der Corona-Infektionen in der jeweiligen Stadt. Hier waren zunächst nur Gemeinden mit großen Corona-Ausbrüchen untersucht worden, z. B. in Heinsberg (Ausbruch auf Karneval-Veranstaltung) oder Tirschenreuth (Ausbruch bei Bierfest)²⁴. Allerdings waren diese frühen Ergebnisse nur für die untersuchten Gemeinden aussagekräftig. Auch schwanken die Angaben über die Dunkelziffer erheblich (Faktor 2 bis Faktor 10).

Wegen der großen regionalen Unterschiede bei Beginn der Pandemie war das Interesse an der Identifikation räumlicher Cluster und ihrer z eitlichen Stabilität groß. Das RKI produzierte zu diesem Zweck täglich eine Deutschlandkarte, in der jeder Kreis mit seiner aktuellen Tagesinzidenz repräsentiert wurde. Gleichzeitig wurden die 15 Kreise mit den höchsten Inzidenzwerten neben der Karte aufgelistet. Abb. 3 zeigt die Karte von 3. Oktober 2020, dem Beginn der zweiten Corona Infektionswelle.

Dadurch dass die gesamte Kreisfläche gleichmäßig mit einer Farbe angezeigt wird, wird den Eindruck erweckt, dass sich die Infektionen gleichmäßig über die gesamte Kreisfläche verteilen. Als Konsequenz entstehen harte Sprünge an den Kreisgrenzen. Derartige Sprünge im Infektionsverhalten sind jedoch wenig plausibel, da sich Corona über räumliche Kontakte verbreitet, und sie verhindern die Identifikation von räumlichen Clustern. Zu diesem Zweck wurde von Rendtel et al. (2021) eine alternative glatte Darstellungsform über räumliche Dichten entwickelt, die auf Basis exakt derselben RKI-Kreiszahlen glatte Infektionscluster liefert. Abb. 4 zeigt auf der rechten Seite die alternative Darstellung der Infektionslage am 3. Oktober 2020 mit derselben Farbkodierung wie die RKI-Karte. Diese zeigt gut identifizierbare Infektions-Cluster an, wobei insbesondere die Kommunen der Rhein/Ruhr-Gebiets zu einem einzigen Cluster verschmelzen. Interessant ist das Cluster südwestlich von Bremen, das von der RKI-Karte nicht angezeigt wird. Diese Gegend liegt in einer landwirtschaftlich geprägten Region mit Schlachtbetrieben. Es wird sich über die gesamte 2. Welle als zeitlich stabiles Hochinfektionsgebiet erweisen²⁵.

Die Realisierung dieses Ansatzes wurde als leicht zu bedienende Internet-Anwendung frei zur Verfügung gestellt, vgl. Rendtel et al. (2021b). Hier konnte man die zeitliche Ausbreitung der Corona Pandemie seit Oktober 2020 tagesaktuell verfolgen. Über eine Animation ließ sich die zeitliche und räumlich Entwicklung der Infektionscluster leicht verfolgen. Abb. 5 demonstriert über drei Screenshots die Entwicklung von drei Inzidenzclustern (Bautzen, Riesa und Erzgebirge) in Sachsen. Hier zeigten sich am 30. Oktober (Bild links) noch drei separate Infektionscluster, die am 12. November (Bild mitte) im Begriff sind zusammen zu wachsen und am 17. Dezember (Bild rechts) kurz vor dem Höhepunkt der zweiten Infektionswelle inmitten eines völlig infizierten Bundeslands Sachsen liegen.

Eine ähnlich stabile Darstellung über die Zeit ist mit den Karten des RKI nicht zu erreichen, weil hier die harten Sprünge an den Kreisgrenzen eine Identifikation von Clustern über die Zeit sehr erschweren²⁶ Per Konstruktion ist diese Darstellung völlig kompatibel mit den vom RKI veröffentlichten Kreiszahlen. Obwohl das RKI mehrfach auf diese Darstellungsform angesprochen wurde, gab es keinerlei Reaktion auf dieses ergänzende Informationsangebot, das zudem noch kostenlos erbracht wurde.

Von daher war eine wissenschaftliche Evaluation der beschlossenen Maßnahmen, insbesondere des Lockdowns vom Dezember 2020 bis März 2021 dringend geboten. Zu diesem Zweck wurde nach den Bundestageswahlen und der Neubildung der Bundesregierung im Dezember 2021 eine Expertenkommission eingesetzt. Die Zusammensetzung Kommission⁴¹ war hochkarätig: Virologen, Ärzte, Soziologen, Ökonomen, Juristen. Nur Statistiker beziehungsweise Epidemiologen suchte man vergebens⁴². Die Kommission interpretierte ihre Aufgabe in einem kontrafaktischen Szenario: Was wäre ohne die jeweilige spezifische Maßnahme, z. B. Schulschließungen, passiert? Wie hätten sich die Infektionszahlen unter diesem Alternativszenario entwickelt? Die Beantwortung dieser Frage ist schwierig. Man bräuchte ein vergleichbares Land ohne eine derartige Maßnahme, um den Effekt der Maßnahme abzuschätzen. Es müßte ein begleitendes Evaluationsprogramm her, ähnlich dem finanziell aufwändigen Forschungsprogramm zur Evaluation der Hartz-IV Reformen. Am besten sei eine repräsentative Längsschnittstudie auf individueller Ebene. Zwar gäbe es eine Reihe von Plausibilitäten, dass die Eindämmungsmaßnahmen in die gewünschte Richtung gewirkt hätten, aber ohne die geforderten Analysemittel sei eine quantitative Abschäzung des Lockdown Effekts nicht möglich (S. 84 des Abschlussberichts⁴³). Soweit das ernüchternde Result führender Wissenschaftler, die diesen Report noch neben den üblichen Dienstaufgaben ohne große finanzielle Unterstützung erstellt hatten.

Trotz dieser Negativ-Aussage gab es im Sommer 2022, als das Ende der Pandemie absehbar war, einige Versuche quantitativen Ergebnisse zur Wirkung von Eindämmungsmaßnahmen zu produzieren. Basis aller Vergleiche sind ähnliche Länder (EU, Bundesländer, Landkreise) mit unterschiedlichen Regelungen zur Eindämmung von Corona. In der Öffentlichkeit wurde jedoch Alles, was nicht einheitlich geregelt war, als „Flickenteppich“ negativ bewertet. Nationale Regelungen, auch wenn sie Wortungetüme wie die „Bundesnotbremse“ darstellen, werden dagegen bevorzugt⁴⁴. Dass unterschiedliche Regelungen verbesserte Möglichkeiten der Analyse von Corona Schutzmaßnahmen ermöglichen, wurde in der Öffentlichkeit nicht wahrgenommen.

Der Wert unterschiedlicher regionaler Corona Maßnahmen wurde in der Wissenschaft durchaus erkannt und zur Evaluation von Corona Maßnahmen genutzt. Beispielsweise untersuchten Apel et al. (2023) die Wirkung einer nächtlichen Ausgangssperre im April 2021 in Hamburg. Natürlich ging die Anzahl der Corona Infektion nach der Ausgangssperre zurück, aber das tat sie auch in anderen Städten ohne Ausgangssperre. Hilfreich ist hier die Konstruktion eines synthetischen Hamburg aus den gewichteten Infektionszahlen von mehreren Städten ohne Ausgangssperre, die das Infektionsrisiko von Hamburg bis auf die Ausgangssperre gut abbilden. Der Vergleich mit dem synthetischen Hamburg ergab dann den Effekt der Ausgangssperre.

Ein Ländervergleich wurde im Rahmen einer WHO-Studie zwischen Deutschland und Schweden hinsichtlich der Übersterblichkeit durchgeführt. Im Gegensatz zu Deutschland hatte Schweden auf Lockdowns und die Schließung der Gastronomie verzichtet. Beide Länder sind hinsichtlich ihres Gesundheitssystems vergleichbar. Wenn also die wesentlich rigideren Eindämmungsmaßnahmen in Deutschland im Vergleich zu Schweden einen Gewinn erbracht haben, so müsste sich dies in einer niedrigeren Übersterblichkeit ausdrücken. Hierbei ist die Übersterblichkeit durch die Anzahl der Todesfälle über der Anzahl der zu erwartenden Todesfälle definiert. Während die Messung der Todesfälle über die Sterberegister eine beinharte Statistik ist, kann man über die Anzahl der zu erwartenden Sterbefälle wissenschaftlich streiten, vgl zum Beispiel De Nicola et al. (2022). Der Ausgangspunkt ist der Mittelwert der Todesfälle der letzten fünf Jahre. Aber dann gibt es noch Korrekturfaktoren für die Alterung der Bevölkerung und Ereignisse wie eine vorhergehende Grippewelle. Trotzdem ist weist die WHO-Studie keine wesentlichen Unterschiede in der Übersterblichkeit aus. Sie betrug in Deutschland 73 pro 100 Tsd Einwohner und in Schweden 66 pro 100 Tsd Einwohner⁴⁵. Ein solches Ergebnis sagt zwar noch nichts über die Anzahl der schweren Corona Verläufe in den beiden Ländern aus, aber es ist ein unerwartetes Ergebis, da auch die Politik in Deutschland immer wieder Bezug auf die Corona Todesfälle genommen hat.

Ein weiterer Vergleich auf Basis mehrerer EU-Länder wurde von der COVID-19 Analysis Group durchgeführt. Dies ist eine akademische Gruppe von Statistikern und Medizinern an der LMU München, die in regelmäßigen Abständen Berichte zu einzelnen Aspekten der Corona Pandemie veröffentlicht haben. Diese CODAG Berichte sind in allgemein verständlicher Sprache verfasst, verweisen aber auch auf methodische Quellen⁴⁶. Sie richten sich an ein allgemeines Publikum und können auch zur Politikberatung genutzt werden. Ihr Beitrag ist der sichtbarste Ausdruck von Statistikern in Deutschland zur Corona Pandemie. Der CODAG Bericht Nr. 28 präsentiert einen quantitativen Vergleich unterschiedlicher Eindämmungsmaßnahmen⁴⁷.

Abb. 8 zeigt, dass der Effekt von Schulschließungen wenn überhaupt quantitativ nur minimal war. Verhältnismäßig wirkungsvoll war der erste Lockdown zu Beginn der Corona Pandemie, während folgende Lockdowns in ihrer Wirkung deutlich nachgelassen haben. Auch Versammlungeinschränkungen schneiden nur moderat ab. Dagegen scheinen allgemeine Verhaltenseinschränkungen wie das Tragen von Masken und Abstandsregeln eine deutliche Wirkung gehabt zu haben.

Der Königsweg in der Evaluationsforschung ist das Experiment. Lockdowns lassen sich jedoch nicht als Experiment mit Treatment und Kontrollgruppe durchführen. Aber in umgekehrter Richtung sind Experimente durchgeführt worden, allerdings nicht in Deutschland sondern in England. Das dortige Event Research Program ermittelte schon relativ frühzeitig (April bis Juli 2021) das Risiko von Lockerungsmaßnahmen im Rahmen von mehreren Experimenten⁴⁸. Bei insgesamt 31 Pilotveranstaltungen im Bereich Fußball, Tennis, Theater und Nachtklubs wurde auf die üblichen Abstandsregeln und Besucherbeschränkungen verzichtet. Die insgesamt 2 Millionen Besucher waren nach der 3G Regel und mit Corona Warn-App gekommen, um sich wie in Vor-Corona Zeiten zu treffen. Einzige Bedingung: Sie mussten sich sieben Tage nach dem Event einem Corona Test unterziehen, um zu überprüfen, ob sie sich eine Corona Infektion zugezogen hatten. Nach 14 Tagen mussten sie sich einem weiteren Corona Test unterziehen, der überprüfte, ob sie sich nach dem Event eine Corona Ansteckung zugezogen hatten. Auf diese Weise war es möglich, regionale und persönliche Corona Risiken zu identifizieren und so den Ansteckungseffekt des Events ohne Corona Einschränkungen zu ermitteln.

Das WHO Konzept wurde in Großbritannien beispielhaft umgesetzt. Hier kooperierten die Universität Oxford, das nationale Statistische Amt (ONS) und das britische Gesundheitministerium beim Aufbau und bei der Durchführung einer großen Längsschnittstudie⁵². Der Aufbau der Stichprobe des Corona Infection Survey (CIS) war bereits im September 2020 abgeschlossen⁵³. Die Stichprobenmitglieder führten alle 14 Tage einen PCR Test durch (180 Tsd. Proben) und prüften einmal im Monat über eine Trockenblutprobe (120 Tsd. Proben), ob Corona Anitkörper im Blut vorhanden sind. Zusammen mit zahlreichen Hintergrundvariablen eröffnete sich hier eine riesiges Forschungpotential zu Corona Infektionen und ihren langfristigen gesundheitlichen, aber auch sozialen Wirkungen⁵⁴. Hinsichtlich der kumulativen Dunkelziffer kommt man im CIS zu geschätzten 38,5 Millionen Infektionsfällen (England bis 22.04.2022), denen 18,4 Millionen gemeldete Infektionen gegenüber stehen. Dies führt auf einen Faktor von 2,09 für die kumulative Dunkelziffer. Seit 2021 wird auch die Impfung gegen das Corona Virus erhoben.

Die Beprobung von Mitgliedern einer Stichprobe stellt ganz besondere Herausforderungen an die Durchführung. Eine ausführliche Diskussion der hierbei auftretenden Probleme findet man bei Rendtel et al. (2021). Besonders schwer wiegt hier die Tatsache, dass bei einem positiven PCR Test die Anonymität der Umfrage nicht mehr vollständig gewährleistet ist, weil ein positives Testergebnis an das Gesundheitsamt gemeldet werden muss. Allerdings wird ausschließlich das Testergebnis und nicht etwa die Angaben aus dem Fragebogen weiter gemeldet.

Ein weiteres Problem ist die Frage, wie und wo die Beprobungen durchgeführt werden. Eine Durchführung in einem medizinischen Zentrum ist nur im Falle einer gewissen räumlichen Nähe zumutbar. Die mag bei räumlich geclusterten Stichproben funktionieren. Bei Stichproben, die nicht räumlich geclustert sind, weil sie über eine Telefonstichprobe gewonnen wurden, ist diese Voraussetzung nicht mehr gegeben. Wird die Probe im Haushalt über speziell geschultes Personal erhoben, so waren gerade bei Anfang der Corona Pandemie die Ängste groß, dass diese Personen Corona Viren in den Haushalt einschleppen. Schließlich bleibt noch die Möglichkeit, dass die Stichprobenteilnehmer die Tests selber durchführen. Dies vermeidet die eben genannten logistischen Probleme. Allerdings stellen sich hier Fragen nach der Qualität der Testergebnisse.

Wird eine Stichprobe neu gezogen, zum Beispiel als Telefonstichprobe, so hat man mit hohen Nonresponseraten von 70 Prozent und mehr zu rechnen. Hier tritt neben der mittlerweile üblichen Zurückhaltung bei Umfragen noch der Umstand hinzu, dass diese mit einer Beprobung verbunden wird. Bei diesem Ansatz stehen für eine Kontrolle des Nonresponse Bias nur die Merkmale zu Verfügung, die auch für die Nonrespondenten bekannt sind oder man ist auf die demografischen Kontrollvariablen aus der Bevölkerung beschränkt. Da aber gerade bei Beginn der Corona Pandemie die Anzahl der Infektionen in der Bevölkerung noch relativ klein war und somit die erwarteten Fallzahlen gering, ist eine wirkungsvolle Kontrolle des Nonresponse von großer Wichtigkeit.

Alternativ könnte man ein bestehendes Panel für eine Beprobung nutzen und die Testergebnisse mit den bereits vorliegenden Umfragedaten verknüpfen. Dieser Ansatz wurde schon zu Beginn der Pandemie von Rendtel et al. (2020) vorgeschlagen und Anfang November 2021 zunächst als einfacher Querschnitt realisiert worden (Hoebel et al. 2021). In diesem Fall stehen viele und auch aussagekräftige Merkmale für die Kontrolle des Nonresponse zur Verfügung (Steinhauer et al. 2021 sowie Danne et al. 2022). Da die Probanden auch weiterhin im Panel verbleiben, beisteht die Möglichkeit für Testwiederholungen und die Ermittlung von Langzeitfolgen. Somit können auch dynamische Modelle über die Dauer von Infektionen geschätzt werden. Eine ausführliche Darstellung der vielfältigen Möglichkeiten einer Kombination von Panel-Surveys und medizinischen Beprobungen findet man beiRendtel et al. (2021). Allerdings darf nicht verschwiegen werden, dass die Beprobung sich möglicherweise negativ auf die weitere Teilnahmebereitschaft in der Basisumfrage auswirken kann. Dies ist für eine langfristig angelegte Panelerhebung ein substantielles Risiko.

Ein Ansatz auf Basis von Mobilfunknutzern, die Fitness-Armbänder tragen oder Smart Watches benutzen, wurde im Rahmen der sogenannten „Datenspende“ ab April 2020 realisiert⁵⁵. Die Studie reklamiert eine halbe Million Datenspender, von denen ca. 120 Tsd. Teilnehmende täglich auf freiwilliger Basis ihre Daten zum Ruhepuls, der täglichen Schrittanzahl, und Schlafdauer bereitgestellt haben. Die Datenerhebung über die Smartphones wurde Ende 2022 eingestellt. Allerdings sollen Untersuchungen zu Long-Covid fortgeführt werden. Die Teilnehmer finden auf der Plattform des Projekts⁵⁶ zahlreiche Assoziationen von Corona Erkrankungen mit smart gemessenen Pulsfrequenzen und Fieberkurven. Angesichts des völlig ungeregelten Zugangs zur Stichprobe und der Beschränkung auf die Nutzung von Fitnessarmbändern und Smart Watches ergeben sich starke Zweifel an der Aussagekraft dieser Ergebnisse⁵⁷. Dass hohe Fallzahlen nicht unbedingt valide Ergebnisse garantieren, gehört zum Fundament der Survey Statistik!

Das oben skizzierte Konzept einer Koppelung einer Panelerhebung mit einer Corona Beprobung wurde auf Basis des Sozio-ökononmischen Panel (SOEP) als RKI-SOEP Studie teilweise realisiert (Hoebel et al. 2021). Hier wurde der Weg einer Selbstbeprobung mittels Nasenabstrich (PCR-Test) und Trockenblut auf Löschpapier (Antigentest) gewählt. Alle 30 Tausend Teilnehmer des SOEP erhielten im November 2020 – also zu Beginn der sich rasch steigernden Infektionszahlen der zweiten Corona Welle – ein Päckchen mit den Testutensilien, was eine logistische Herausforderung für das Feldinstitut war. Da das SOEP ein Haushaltspanel ist, das auch die Kinder der Befragten über indirekte Auskünfte mit einschließt, bestand hier die günstige Möglichkeit, Inzidenzzahlen für Kinder zu ermitteln und das Ansteckungsverhalten im Haushaltskontext zu ermitteln. Immerhin geschah die Schließung von Schulen und Kitas aufgrund nicht gesicherter Vermutungen über das Ansteckungsverhalten von Kindern während der Corona Pandemie. Aber es reichte das Veto eines einzigen Datenschutzbeauftragten der am RKI-SOEP beteiligten Kooperation, um alle unter 18-Jährigen von der Beprobung auszuschließen. Allerdings war es ab Oktober 2020 möglich, Kinder in Kitas mit einer COVID-19 Infektion im Rahmen der COALA-Studie (Anlassbezogene Untersuchung in Kitas) des RKI zu beproben⁵⁸. Die Feldarbeit lief über die gesamte zweite Corona-Welle bis zum Februar 2021. Die Finanzierung über das Bundesgesundheitsministerium deckte zunächst nur diese eine Befragung ab. Erst nachträglich wurde eine zweite Befragungswelle im Winter 2021/2022 finanziert, vgl. Bartig et al. (2022).

Immerhin gelang es, eine Nettostichprobe mit 15 Tsd. Beprobungen zu realisieren, was einer Teilnahmequote von ca. 50 % entsprach, einem in Umfragen mittlerweile ungewöhnlich hohen Wert. Ein wesentliches Ergebnis der ersten Welle war eine geschätzte kumulative Dunkelziffer von ca. 2 für die erwachsene Bevölkerung (Neuhausen et al. 2022). Ein weiteres Ergebnis der zweiten Welle des RKI-SOEP Panels schätzt den Anteil der Bevolkerung, der schon eine Corona Infektion durchgemacht hat, im November 2021 auf 10 Prozent⁵⁹. An diesem Wert erkennt man die ungeheure Dynamik der Infektionen durch die Omikron-Variante des Virus, die in 6 Monaten fast den Rest der Bevölkerung infiziert hat.

Die Ergebnisse der Beprobung sind mit allen Merkmalen des SOEP verknüpfbar. Allerdings kann diese Version zur Zeit nur On-Site auf einem Gastwissenschaftler-Arbeitsplatz im DIW genutzt werden. Infektionsdaten gelten zur Zeit als besonders sensibel.

Schon im März 2020 bildete sich eine Arbeitsgruppe von Kolleginnen und Kollegen des Instituts für Statistik der LMU, des Instituts für Medizinische Informationsverarbeitung Biometrie und Epidemiologie (IBE) sowie der Data Science Initiative an der LMU. Sie gründeten die COVID-19 Analysis Group (CODAG) der LMU auf Basis eines gesellschaftlichen Anspruchs⁶⁰: „Wir sehen es als unsere gesellschaftliche Verpflichtung an, mit unserem wissenschaftlichen Know-How und unserem statistischen Sachverstand unterstützend zur Bewältigung der COVID-19 Pandemie beizutragen. Unsere Forschung und unsere statistischen Analysen sind dabei anwendungs- und bedarfsgetrieben. Valide statistische Modelle und robuste Prognosen sind jetzt gefragt. Unser Ziel ist es, diese Werkzeuge bereitzustellen, damit Entscheidungsträger im Gesundheitswesen und Politik Ihre Entscheidungen datenbasiert treffen können.“. Die Arbeitsgruppe veröffentliche seit Oktober 2020 regelmäßig die CODAG Berichte, die sich direkt an die Öffentlichkeit sowie politische Entscheidungsträger richteten⁶¹. Diese Berichte bereiten Analysen auf Basis methodisch anspruchsvoller Analysen für eine breite Öffentlichkeit auf und geben auch konkrete Handlungsempfehlungen. Sie wurden über einen breiten Verteiler gestreut. Im Bericht Nr. 18 (Juli 2021) tragen die Autoren der AG zusammen mit Gert Antes von der Cochrane Foundation⁶² noch einmal unter der Überschrift „Informationen zur Corona Pandemie: Welche Daten benötigen wir?“ zusammen, wie das Datendefizit der deutschen Corona-Politik behoben werden könnte.

Es gibt auch andere Initiativen mit hoher Geschwindigkeit und breitem Verteilerkreis. Eine solche Plattform⁶³ ist die „Unstatistik des Monats“, auf den Seiten des RWI Esssen. Eigentlich fühlen sich die Autoren dieser Plattform der Aufdeckung missbräuchlicher Statistikergebnisse verpflichtet, was den Titel der Plattform motiviert. Im Fall der Corona-Pandemie liegt der Aspekt jedoch eher auf der Aufklärung über das neue Corona Vokabular und seine Bedeutung. So beginnt der erste Beitrag im März 2020, also unmittelbar bei Beginn der Pandemie mit einem Exkurs über exponentielles Wachstum und dessen Konsequenzen. Bei Einführung der Corona Warn-App bietet die Plattform eine Simulations-Maschine an, deren Nutzer je nach Einschätzung seiner Risikobereitschaft den Prozentsatz der Fehlalarme der Warn-App ermitteln kann⁶⁴.

Schließlich sei hier noch erwähnt, dass ein konkreter Vorschlag zur Beprobung der Mitglieder des SOEP bereits im Juli 2020 gemacht wurde (Rendtel et al. 2020). Auch ein alternativer Vorschlag von Schnell und Smed (2020) von Juni 2020 ist sehr schnell publiziert worden.

In Ihrer Antwort auf die breite Übersicht von Jahn et al. (2022) zur Rolle von Daten, Statistik und Entscheidungen in einer Pandemie gehen die CODAG Autoren Berger et al. (2022) auf das Fehlen einer Koordinierungsgruppe für Deutschland ein. In Großbritannien wurde von der Royal Statistical Society schon im April 2020 eine Task Force gebildet mit der Absicht, dass die Statistische Gemeinde „can contribute its collective expertise to … governments and its public bodies, regarding statistical issues during the COVID-19 pandemic“. Das Fehlen einer solchen Koordinierungsorgans hätte es verhindert, dass viele interessante Ansätze nicht wahrgenommen wurden bzw. im politischen Umfeld wirkungslos blieben.

Da es in Deutschland eine derartige breite Statistik-Organisation wie die Royal Statistical Society nicht gibt, blieben anfängliche Koordinierungsversuche, wie zum Beispiel die Sammlung von 315 Corona Studien⁶⁵ durch den Rat für Sozial- und Wirtschaftsdaten (RatSWD) oder auch die 40-seitige Corona-Stellungnahme⁶⁶ der DAGSTAT wirkungslos.

Berger et al. (2022) betonen die Notwendigkeit einer raschen Veröffentlichung von Ergebnissen. Die hohe Dynamik des Pandemiegeschehens setze die politischen Entscheidungsträger unter Druck. Wolle man Einfluss ausüben, so müsse man auch bereit sein, schnelle Antworten zu geben und den zeitaufwändigen Prozess einer Publikation mit Review-Verfahren abkürzen. Dies sei bei einigen der vorgelegten CODAG Berichte auch praktiziert worden.

In Talk-Shows wurden aktuelle Corona Entwicklungen und Entscheidungsprozesse heftig und publikumswirksam diskutiert. Aber Talk-Shows sind wahrscheinlich nicht das geeignete Forum für Statistiker. Auch an die Teilnehmerzahlen der Podcasts des Kollegen Drosten sind Statistiker nicht im Mindesten herangekommen. Nun ja, vielleicht ist unsere Materie etwas schwieriger zu vermitteln. Aber das ist vielleicht auch eine Frage der Präsentationskunst. Aber es ist so, dass Statistiker während der Corona Pandemie überhaupt nicht öffentlichkeitswirksam auftraten? Wer zu Tagesschau und Küchenhoff oder Kauermann recherchiert, wird fündig. Die BILD Zeitung zitiert gerne den „Top-Statistiker Kauermann“. Gerd Antes habe ich schon häufiger im Interview im Deutschlandfunk gehört. Es ist also nicht so, dass wir nicht wahrgenommen würden, wie einige Kollegen zerknirscht behaupten. Und vielleicht brauchen wir unsere Ergebnisse auch nicht via Twitter in die Öffentlichkeit hinaus zu blasen. Dafür ist unsere Materie doch zu komplex.

Gerade in der Corona Pandemie wurde der Anspruch vertreten mit Statistik Politikberatung machen zu können, vgl. Radermacher (2022). Natürlich ist auch der Sachverstand anderer Disziplinen, z. B. von Virologen und Medizinern, gefragt. Im CODAG Bericht heißt es dazu: „Daher wäre es aus unserer Sicht sinnvoll, ein interdisziplinäres Beratergremium für die Regierung bzw. Beratergremien für die Landeregierungnen zu berufen. Dieses sollte interdisziplinär besetzt sein und hierbei sollte die Epidemiologie, Statistik und der Bereich Public Health prominent vertreten sein.“ In der Tat wurden zwei Beratungsgremien zur Beratung der Politik bei Corona Maßnahmen genutzt. Dies ist zum einen die Nationale Wissenschaftsakademie Leopoldina und zu anderen eine extra für diesen Zweck eingestzte Expertenkommission zur Evaluation der Corona Maßnahmen. Aber waren waren Statistiker und Epidemiologen in diesen Beratungsgremien „prominent“ vertreten?

Der zweite Lockdown geht auf eine Empfehlung der nationalen Wissenschaftaftsakademie Leopoldina zurück. Zwar ist die Liste der mitwirkenden Teilnehmer der Arbeitsgruppe mit 35 beeindruckend. Aber es befinden sich nur zwei Statistikerinnen darunter. Unter den wissenschaftlichen und redaktionellen Mitarbeitern der Empfehlung ist die Statistik nicht vertreten⁶⁷.

Die Expertenkommission zur Evaluation der Corona Schutzmaßnahmen verfügte über keinen Epidemiologen und keinen Statistiker⁶⁸. Dies war – neben der geringen finanziellen Ausstattung der Kommission – der Grund, warum sich der Virologe Drosten aus der Kommission zurückzog. Der Ausbildungshintergrund der meisten Entscheider: Virologen, Mediziner, Psychologen, Ökononmen, Soziologen und sehr viele Juristen. Gerade Juristen nehmen es notorisch in Anspruch, von Statistik gar keine Ahnung zu haben. Sie verlassen sich aus ganz formalen Gründen auf „die nackten Zahlen“. Statistischen Schlussweisen unterstellen sie gerne eine gewisse Unsicherheit und Willkür, weshalb Ergebnissen ohne statistische Methodik der Vorrang zu geben ist. Dass die Rohdaten zur Hospitalisierung mit einem massiven Meldeverzug behaftet sind und zu falschen Schlüssen führen, scheint vernachlässigbar zu sein.

Auch kann man von diesen Experten keinen Überblick über Vorschläge aus fremden Fachgebieten erwarten. Und so wundert es nicht, wenn die Expertenkommission in ihrem Abschlussbericht nach einer repräsentativen Längsschnittstichprobe zur Messung des aktuellen Infektionsgeschehens (S. 13) verlangt, obwohl eine solche Studie mit den RKI-SOEP Panel zumindest im Ansatz verfügbar ist. Zumindest hätte ein solcher Ansatz im Bericht erwähnt werden müssen.

Die Maßnahmen zur Eindämmung der Corona Pandemie waren neben den persönlichen Einschränkungen der Bürger auch finanziell extrem teuer. Selbst so einfache Maßnahmen, wie die Beschaffung von Schutzmasken schlugen mit Milliarden-Beträgen sowie einigen „Vermittlungsgebühren“ in Millionen Höhe zu Buche⁶⁹. Die Erstellung und Verwaltung der Corona Warn-App mit einem – wie gezeigt – sehr geringen Wirkungsgrad wird mittlerweile mit 210 Millionen Euro angegeben⁷⁰.