WEBVTT

00:00:06.640 --> 00:00:09.440
Wir schauen uns
nun mit einem kleinen Simulationsmodell

00:00:09.440 --> 00:00:12.680
an, wie sich Infektionskrankheiten
in unterschiedlich stark

00:00:12.680 --> 00:00:15.680
vernetzten Gesellschaften ausbreiten
können.

00:00:15.760 --> 00:00:19.400
Die grundlegende Logik entspricht
dem sehr Modell,

00:00:19.400 --> 00:00:23.280
das in der Lektion beschrieben wurde
Menschen können anfällig.

00:00:23.880 --> 00:00:27.760
Das sind die blauen Punkte infiziert,
das sind die roten.

00:00:28.400 --> 00:00:29.320
Oder genesen?

00:00:29.320 --> 00:00:32.320
Beziehungsweise nicht mehr infektiös sein.

00:00:32.480 --> 00:00:33.720
Das werden wir dann gleich sehen.

00:00:33.720 --> 00:00:35.280
Die sind grau.

00:00:35.280 --> 00:00:39.680
Entscheidend ist bei dem Modell
außerdem, dass Infektionen nicht einfach

00:00:39.680 --> 00:00:44.120
irgendwo stattfinden, sondern nur entlang
sozialer Kontakte in einem Netzwerk.

00:00:44.920 --> 00:00:48.200
Zunächst starten wir
mit den Standardeinstellungen des Modells.

00:00:48.200 --> 00:00:54.040
150 Personen und einem durchschnittlichen
Vernetzungsgrad von sechs Kontakten.

00:00:54.440 --> 00:00:56.840
Die Person.

00:00:56.840 --> 00:00:57.600
Die Punkte.

00:00:57.600 --> 00:00:59.640
Stellen einzelne Personen dar.

00:00:59.640 --> 00:01:02.640
Die Verbindungslinien,
ihre sozialen Kontakte.

00:01:02.640 --> 00:01:04.880
Wenn eine Person infiziert ist,

00:01:04.880 --> 00:01:08.000
kann sie den Erreger über diese Kontakte
weitergeben.

00:01:09.480 --> 00:01:12.920
Wenn wir die Simulation starten,
sehen wir die typische Dynamik

00:01:12.920 --> 00:01:14.240
einer Infektionswelle.

00:01:15.560 --> 00:01:17.640
Die Zahl der Infizierten steigt zunächst

00:01:17.640 --> 00:01:21.640
an, gleichzeitig nimmt
die Zahl der noch anfälligen Personen ab.

00:01:21.680 --> 00:01:24.680
Nach einiger Zeit
erholen sich immer mehr Menschen

00:01:24.880 --> 00:01:28.200
und die Infektionswelle
klingt langsam wieder ab.

00:01:28.720 --> 00:01:32.960
Damit konnten wir zunächst einfach
die Logik des sehr Modells

00:01:32.960 --> 00:01:35.960
in einem sozialen Netzwerk beobachten.

00:01:37.080 --> 00:01:40.080
Nun verändern wir die Struktur
der Modellwelt.

00:01:40.240 --> 00:01:43.400
Wir reduzieren die Bevölkerung
auf 100 Personen

00:01:44.760 --> 00:01:46.880
und wir reduzieren

00:01:46.880 --> 00:01:49.600
den durchschnittlichen Vernetzungsgrad auf

00:01:49.600 --> 00:01:52.600
nur noch drei Kontakte pro Person.

00:01:53.600 --> 00:01:57.840
Wir können uns diese Welt vereinfacht
als eine vor urbane Gesellschaft

00:01:58.200 --> 00:02:01.200
mit mehreren relativ isolierten

00:02:01.240 --> 00:02:03.800
dörflichen Gemeinschaften vorstellen.

00:02:03.800 --> 00:02:05.840
Menschen haben nur wenige Kontakte

00:02:05.840 --> 00:02:09.080
und zwischen einzelnen Gruppen bestehen
wenige Verbindungen.

00:02:09.800 --> 00:02:12.760
Wenn jetzt irgendwo eine Infektion
ausbricht,

00:02:12.760 --> 00:02:13.360
kann sie sich

00:02:13.360 --> 00:02:17.040
innerhalb einer solchen Gemeinschaft
durchaus ein bisschen verbreiten.

00:02:17.480 --> 00:02:20.680
Sie erreicht aber häufig
keine anderen Teile des Netzwerks.

00:02:21.200 --> 00:02:24.720
Wir sehen deshalb,
dass einzelne Infektionsausbrüche

00:02:24.720 --> 00:02:29.000
lokal begrenzt bleiben
und relativ schnell wieder aussterben.

00:02:30.560 --> 00:02:32.080
Im dritten Schritt

00:02:32.080 --> 00:02:35.280
betrachten wir jetzt eine wesentlich
stärker vernetzte Welt.

00:02:35.720 --> 00:02:39.120
Wir erhöhen die Bevölkerung
auf 300 Personen

00:02:39.520 --> 00:02:43.440
und den durchschnittlichen Vernetzungsgrad
auf zehn Kontakte

00:02:43.440 --> 00:02:46.440
pro Person.

00:02:48.160 --> 00:02:49.360
Diese Modellwelt

00:02:49.360 --> 00:02:53.800
können wir als eine stark urbanisierte
und vernetzte Gesellschaft interpretieren.

00:02:53.800 --> 00:02:57.720
Menschen haben deutlich mehr
soziale Kontakte und unterschiedliche

00:02:57.720 --> 00:03:01.120
Teile des Netzwerks sind eng miteinander
verbunden.

00:03:01.360 --> 00:03:05.840
Wenn wir die Simulation nun starten,
sieht die Dynamik ganz anders aus.

00:03:06.200 --> 00:03:09.800
Eine Infektion findet
sehr schnell ihren Weg durch das Netzwerk.

00:03:09.800 --> 00:03:13.040
Lokale Ausbrüche bleiben nicht mehr lokal,
sondern erreichen

00:03:13.040 --> 00:03:16.360
nach und nach immer weitere Teile
der Bevölkerung.

00:03:16.400 --> 00:03:17.920
Über kurz oder lang

00:03:17.920 --> 00:03:21.840
wird nahezu das gesamte Netzwerk
vom Infektionsgeschehen erfasst.

00:03:21.880 --> 00:03:25.480
Aus einem lokalen Ausbruch
kann so in unserem Modell

00:03:25.480 --> 00:03:28.480
eine richtige kleine Pandemie werden.

00:03:28.680 --> 00:03:32.360
Natürlich ist dieses Modell
eine starke Vereinfachung.

00:03:32.960 --> 00:03:35.920
In der Realität spielen
zusätzlich viele Faktoren

00:03:35.920 --> 00:03:40.680
wie die Eigenschaften des Erregers,
die Bevölkerungsdichte, die Mobilität,

00:03:41.040 --> 00:03:45.160
Impfungen, Verhalten und Maßnahmen
des Gesundheitsschutzes eine Rolle.

00:03:45.280 --> 00:03:49.360
Das Netzwerkmodell macht aber
einen grundlegenden Mechanismus sichtbar

00:03:49.760 --> 00:03:55.280
Vernetzung verbindet nicht nur Menschen
und Ideen, sondern auch Krankheits.