MODUS-COVID Bericht vom 14.09.2023
Nützlichkeit unterschiedlicher Arten von Mobilfunkdaten in der Pandemiemodellierung
Sebastian Alexander Müller1, Inan Bostanci2,
Kristina Maier2, Sydney Paltra1, Christian Rakow1, Jakob Rehmann1,
Tim Conrad2, Christof Schütte2, Kai Nagel1
1Verkehrssystemplanung und Verkehrstelematik (“VSP”), TU Berlin
2Zuse-Inst. Berlin (“ZIB”)
Available via TU Berlin repository: https://doi.org/10.14279/depositonce-18603
Date of this version: 14-september-2023
This work is licensed under a Creative Commons Attribution 4.0 International License (CC BY
4.0) https://creativecommons.org/licenses/by/4.0/
Website: https://covid-sim.info
Zusammenfassung
In diesem Bericht untersuchen wir das Potenzial von zwei verschiedenen Arten von
Mobilitätsdaten für den Einsatz in der Pandemiemodellierung. Wir ergänzen unsere bisher für
die Modellierung verwendeten Mobilfunkzellen-basierten “Längsschnitt”-Daten, um
GPS-basierte “Querschnitts”-Daten und erklären die Vor- und Nachteile. GPS-basierte Daten
zeichnen sich durch eine höhere Genauigkeit bzgl. der Verortung aus, sind jedoch - verglichen
mit den Mobilfunkzellendaten - in einer deutlich kleineren Stichprobe verfügbar. Die höhere
Genauigkeit ermöglicht es, verschiedene Aktivitätentypen (wie z.B. Schule, Arbeit oder
Restaurant), getrennt auszuwerten - dies ist mit den Mobilfunkzellendaten nicht ohne Weiteres
möglich.
Die Integration von GPS-Daten reduziert den manuellen Aufwand, verstärkt die datengetriebene
Natur des Modells und minimiert Modellannahmen. Dieser Bericht präsentiert erste Ergebnisse
und Validierungen der GPS-Daten für das erste Pandemiejahr. Die Kombination beider
Datenquellen bietet Potenzial, um Verhaltensänderungen während der Pandemie genauer zu
erforschen und die Pandemiemodellierung zu verbessern.
1
Analyse der Bevölkerungsaktivität: Die Möglichkeiten
und Grenzen von Mobilfunkzellendaten
Während der Pandemie haben wir im Rahmen des MODUS-Covid Projektes ein
agentenbasiertes Modell entwickelt, um Infektionsdynamiken zu simulieren und die Effektivität
verschiedener Maßnahmen bewerten zu können. Dieses Modell ist aktivitätenbasiert: Die
simulierten Personen unternehmen täglich von zu Hause ausgehend verschiedene Aktivitäten,
z.B. Arbeit, Freizeit oder Schule. Wenn sie bei diesen Aktivitäten im Modell auf eine infizierte
Person treffen, kann es zu einer Übertragung des Virus kommen.
Zur Bekämpfung der Ausbreitung des Corona-Virus wurden in den einzelnen Pandemie-Wellen
durch die Politik zeitlich begrenzte Maßnahmen eingeführt. So wurden z.B. Schulen
geschlossen, und die öffentliche Freizeit (z.B. Gastronomie, Kinos) in manchen
Pandemiephasen nahezu vollständig heruntergefahren. Andere Aktivitätstypen, wie etwa die
tägliche Arbeit oder Treffen in privaten Wohnungen, wurden weniger streng reglementiert1.
Um die Wirkung dieser Einschränkungen bzw. das Verhalten der Bevölkerung zu analysieren
und in unserem Modell berücksichtigen zu können, nutzen wir seit Pandemiebeginn
Mobilfunkzellendaten. Diese eignen sich sehr gut, um die Aktivität einer Bevölkerung zu
messen, da sie eine große Stichprobe beinhalten. Weiterhin ist es möglich, über die räumlich
verteilten Mobilfunkantennen eine örtlich differenzierte Auswertung zu erhalten. Zudem lagen
uns die Daten nahezu in Echtzeit vor, was für die Einschätzung der akuten Entwicklung und als
Input für das Modell essenziell war.
Die folgende Abbildung 1 zeigt die Aktivität der Kölner Bevölkerung im zeitlichen Verlauf,
basierend auf den uns für diesen Zeitraum vorliegenden Mobilfunkzellendaten:
1Ein Beispiel für die Einschränkung von Treffen in privaten Wohnungen erfolgte im Dezember 2020, als
sich nur Mitglieder zweier Haushalte mit insgesamt höchstens fünf Personen (Kinder bis einschließlich 14
Jahren nicht mitgerechnet) versammeln durften (MAGS NRW 2020).
2
Abbildung 1: Änderung der im Mittel aushäusig verbrachten Zeit pro Person und Tag (grüne
Linie) und Änderungen der Aktivitätentypen Schule & Universitäten (blau), Freizeit (rot), Arbeit
(gelb) und Einkauf des täglichen Bedarfs (lila). Man sieht für alle Aktivitätentypen einen
Rückgang im März 2020, Schulaktivitäten bleiben während des gesamten Jahres reduziert, die
anderen Aktivitätentypen und auch die Gesamtheit aller aushäusigen Aktivitäten erreichen im
Sommer 2020 wieder Normalniveau. Eigene Darstellung; Datenquelle der zugrundeliegenden
Mobilfunkzellen-Daten: Senozon (2020).
Die grüne Linie zeigt, relativ zu Ende Februar 2020, wie viel Zeit die Bevölkerung außerhalb des
eigenen Zuhauses verbracht hat. Die Punkte zeigen, wie sich das Niveau der verschiedenen
Aktivitätentypen laut den Mobilfunkzellendaten geändert hat. Es lässt sich beispielsweise
erkennen, dass die Daten im März 2020 einen starken Rückgang bei Schul- und
Universitätsaktivitäten verzeichnen (in blau; ca. –50% am 30.3, siehe blaue quadratische
Markierung) im Vergleich zu Arbeitsaktivitäten (in gelb; ca. –35% am 30.3, siehe gelbe
quadratische Markierung). An dieser Stelle wird jedoch deutlich, dass die Mobilfunkzellendaten
teilweise ungenau sind, wenn es um die detaillierte Analyse einzelner Aktivitätentypen geht: Am
30.3.2020 waren die Schulen bereits geschlossen, daher wäre ein noch stärkerer Rückgang der
Schulaktivitäten als obige –50% zu erwarten gewesen. Aus diesem Grund haben wir zur
Kalibrierung unseres Modells in der Vergangenheit nur die grüne Linie genutzt und z.B. das
Schließen der Schulen mittels manueller Parametrisierung modelliert – also nicht basierend auf
den Mobilfunkzellendaten2.
2“Manuell” bedeutet in diesem Zusammenhang, dass wir regelmäßig überprüft haben, ob es Neuigkeiten
bzgl. Einschränkungen des Schulbetriebs gab oder ob eine neue Fassung der
Coronabetreuungsverordnung veröffentlicht wurde. Gab es Neuigkeiten, wurden diese in das Modell
integriert. Schulschließungen wurden beispielsweise in eine nur noch “20%-ige Teilnahme an
Schulaktivitäten” übersetzt.
3
Die Ungenauigkeit der Mobilfunkzellendaten bei der Erkennung der Aktivitätentypen ist darauf
zurückzuführen, dass Mobilfunkzellen in Innenstädten einen Durchmesser von mehreren
hundert Metern und auf dem Land einen Durchmesser von bis zu mehreren Kilometern
aufweisen können (Bundestag und Tscherisch 2015). Daher ist die räumliche bzw. zeitliche
Verortung nur genau genug, um zwischen “zu Hause” und “nicht zu Hause” zu unterscheiden.
GPS-Daten können Mobilfunkzellendaten ergänzen
In Ergänzung zu den Mobilfunkzellendaten haben wir im Rahmen des MODUS-COVID Projekts
GPS-Daten für die Stadt Köln erhalten. Mit GPS-Daten lässt sich die oben beschriebene
Schwäche der Mobilfunkzellendaten prinzipiell ausgleichen, wenn beide Datenquellen
kombiniert werden können. Der Vorteil der GPS-Daten ist, dass sie eine sehr hohe Genauigkeit
aufweisen. Der Nachteil der GPS-Daten im Vergleich zu den Mobilfunkdaten liegt darin, dass
sie in einer deutlich geringeren Stichprobe (<5%) vorliegen.
Die Mobilfunkzellendaten sind sog. Längsschnitt-Daten: Sie liefern Trajektorien und somit die
Bewegungsmuster einzelner Geräte über die Zeit. Die uns vorliegenden GPS-basierten Daten
hingegen sind Querschnittsdaten: Sie bieten den Vorteil hoher geographischer Genauigkeit,
allerdings keine Trajektorien, sondern ausschließlich die Anzahl registrierter Geräte an einem
Ort. Die Kombination von beiden Datenquellen hat großes Potenzial, da wir nun die Möglichkeit
haben, eine große Stichprobe mit einer hohen Genauigkeit zu kombinieren.
In diesem Bericht zeigen wir die ersten Ergebnisse unserer Analyse und Validierung der
GPS-Daten im Zeitraum bis Anfang 2021 für die Stadt Köln.
Vorgehen
Die uns zur Verfügung stehenden GPS-Daten stammen von der Firma NET CHECK3und
basieren auf zwei Datenquellen:
1) GPS-Daten, welche von Smartphones erzeugt werden. Diese Daten enthalten
Informationen darüber, zu welchem Zeitpunkt ein Smartphone an einem bestimmten Ort
ist. Wir betrachten hier nur eine Stichprobe, da solche Daten nur für einen geringen
Anteil der Smartphones zur Verfügung stehen.4In Abbildung 2 (links) findet sich ein
Beispiel dieser GPS Daten.
2) OpenStreetMap-Daten, welchen für die Öffentlichkeit frei verfügbar sind. Diese Daten
enthalten unter anderem Informationen in Bezug auf Land- und Gebäudenutzung.
Anhand dieser Daten lässt sich also z.B. ermitteln, ob in einem Gebäude ein
Supermarkt, eine Schule oder ein Restaurant verortet ist. In Abbildung 2 (rechts) findet
sich ein Beispiel der OpenStreetMap-Daten.
4Für Details siehe Einleitung und Methoden-Abschnitt von (Rüdiger u. a. 2021).
3https://nc-group.net/net-check/, (NET CHECK GmbH 2021).
4
Abbildung 2: Links: Verortung der GPS-Daten an einem Beispieltag in der Umgebung des
Kölner Hauptbahnhofes. Rechts: Gebäudeumrisse aus der OSM-Datenbank in der Umgebung
des Kölner Hauptbahnhofes. Die Abbildungen wurden von NET CHECK für diesen Bericht
bereitgestellt (NET CHECK), (Rüdiger u. a. 2021), (Schulz u. a. 2023).
Dank der Verknüpfung dieser beiden Datenquellen lässt sich ermitteln, ob die Koordinaten aus
den GPS-Daten in einem bestimmten Gebäudetyp liegen. Da die Daten im zeitlichen Verlauf
vorliegen, kann je nach Gebäude- bzw. Aktivitätentyp separat ausgewertet werden, wie sich das
Verhalten der Bevölkerung im Pandemieverlauf geändert hat5. In diesen Daten sind allerdings
keine Trajektorien enthalten. Das bedeutet, dass die Belegung eines Gebäudetyps über die Zeit
bekannt ist, aber nicht, woher die entsprechenden Personen kamen, und wohin sie sich als
nächstes bewegen werden.6
Wir geben diese Verhaltensänderungen als relative Werte an. “Relativ” bedeutet an dieser Stelle
“relativ zum Normalniveau”7. Dazu werten wir die Anzahl der erzeugten GPS-Datensätze aus in
der Annahme, dass diese Anzahl mit der Aufenthaltszeit an einem bestimmten Ort korreliert.
Aktivitätstyp-basierter Vergleich von Mobilfunkzellen-
und GPS-Daten
Die folgenden Abbildungen 3 bis 8 zeigen für jeweils einen Aktivitätentyp, ob und in welchem
Ausmaß sich die Aktivität relativ zum “Normalniveau” während des ersten Pandemiejahrs
verändert hat. Die blauen Punkte zeigen jeweils die GPS-basierten Daten, während die roten
Punkte die Mobilfunkzellen-basierten Daten zeigen. Zusätzlich sind je nach Aktivitätentyp
7Wir definieren hier den September 2020 als “Normalniveau”, da laut den Mobilfunkzellendaten zu
diesem Zeitpunkt das Niveau Ende Februars 2020 der aushäusigen Aktivitäten erreicht wurde.
6Die bekannteren Google Community Mobility Daten (Google LLC 2023) werden auf technologisch
ähnliche Weise erhoben. Sie sind aber räumlich nur bis auf die Ebene der Bundesländer aufgelöst und
bieten nur Daten für ausgewählte Aktivitätentypen (“Retail and recreation”, “Supermarket and pharmacy”,
“Parks”, “Public transport”, “Workplaces”, “Residential”). Google hat außerdem im Oktober 2022
aufgehört, neue Daten bereitzustellen, historische Daten können allerdings noch abgerufen werden. Wie
lange diese noch zur Verfügung stehen und ob Google jemals wieder neue Daten kostenfrei
veröffentlicht, ist ungewiss.
5Gebäude haben oft mehrere Zwecke; zum Beispiel kann ein Einkaufszentrum Supermärkte,
Restaurants und Geschäfte enthalten. Wenn ein GPS-Signal eine Person innerhalb eines Gebäudes
ortet, wird angenommen, dass die Person jede dieser Einrichtungen besucht.
5
relevante Restriktionen dargestellt, die im Jahr 2020 eingeführt wurden (wie z.B.
Schulschließungen). So lässt sich erkennen, wie die einzelnen Restriktionen in den Daten
wiedergegeben werden. Zudem ist ein Vergleich der beiden Technologien (GPS und
Mobilfunkzellen) möglich. Alle Darstellungen und Analysen sind unsere eigenen, die Rohdaten
der Mobilfunkzellen-basierten Daten wurden stammen von Senozon (2020), die Rohdaten der
GPS-basierten Daten von der Firma NET CHECK (NET CHECK).
Schulen
Abbildung 3: Reduktion der Schulaktivitäten. Blau: GPS-Daten, rot: Mobilfunkzellendaten (alle
Bildungsaktivitäten), lila: Restriktionen (siehe auch Anhang), grün: Schulferien (ohne Osterferien
2020, da zu dieser Zeit die Schulen geschlossen waren). Man sieht bei den GPS-Daten im März
2020 eine sehr viel stärkere Reduktion als bei den Funkzellen-Daten. Weiterhin sieht man in
den GPS-Daten eine starke Reduktion genau während der Schulferien, während die
Funkzellen-basierten Daten hier gar nicht reagieren. In beiden Fällen sind also die GPS-Daten
deutlich realistischer; diese Daten liefern den erwünschten Gewinn an Genauigkeit.
Schule (Abbildung 3): Im März 2020 verzeichnen die Daten ein sehr deutliches Absinken der
Schulaktivitäten, welches auf die Schulschließungen zurückzuführen ist. Dieses Absinken ist
sowohl in den GPS-Daten als auch in den Mobilfunkzellendaten zu erkennen. Der Effekt ist in
6
den GPS-Daten jedoch wesentlich stärker ausgeprägt: die Mobilfunkzellendaten zeigen einen
Aktivitätenrückgang von ca. 50%, während dieser Wert bei den GPS-Daten bei über 75% liegt.
Nachdem beide Datenquellen einen Wiederanstieg der Bildungsaktivitäten vor den
Sommerferien zeigen, unterscheiden sie sich deutlich während der Sommerferien. Während der
Ferieneffekt in den GPS-Daten deutlich zu erkennen ist durch ein erneutes Absinken der
Bildungsaktivitäten, verzeichnen die Mobilfunkzellendaten ein Ansteigen der Bildungsaktivitäten
während der Ferien. In den GPS-Daten sind zudem die Herbst- und Weihnachtsferien deutlich
zu erkennen; dies ist bei den Mobilfunkzellendaten nicht der Fall.
Insgesamt lässt sich festhalten, dass die GPS-Daten im Bildungskontext bzgl. des
Aktivitätsniveaus als wesentlich plausibler zu bewerten sind als die Mobilfunkzellendaten.
Einzelhandel
Abbildung 4: Reduktion der Einkaufsaktivitäten des täglichen Bedarfs, insb. Supermärkte. Blau:
GPS-Daten, rot: Mobilfunkzellendaten. Man sieht bei den GPS-basierten Daten keinen
erheblichen Rückgang des Aktivitätentyps im März 2020, immer wieder vereinzelte Rückgänge
im Jahr 2020 und schließlich erhebliche Reduktionen im Frühjahr 2021. Die
Mobilfunkzellen-basierten Daten verzeichnen einen Rückgang im Frühjahr 2020 und erreichen
im Sommer 2020 wieder Normalniveau bevor sie im Oktober 2020 erneut absinken und ein
minimales Niveau im Dezember 2020 erreichen.
7
Abbildung 5: Reduktion der Einkaufsaktivitäten des nicht-täglichen Bedarfs (nicht in Abbildung 4
enthalten). Blau: GPS-Daten, rot: Mobilfunkzellendaten, lila: Restriktionen. Man sieht, dass
beide Datenquellen dem Verlauf der Maßnahmen folgen. Die Reduktionen der GPS-basierten
Daten sind weitaus deutlicher als die Reduktionen der Mobilfunkzellendaten.
Einzelhandel (Abbildungen 4 und 5): Die Einschränkungen im Einzelhandelsbereich bezogen
sich zumeist auf den “nicht täglichen Bedarf”, so dass Supermärkte und andere Geschäfte des
täglichen Bedarfs auch während des sog. Lockdowns geöffnet waren (es gab hier lediglich
Kapazitätsbeschränkungen und Maskenpflichten). Aus diesem Grund haben wir die Auswertung
des Einzelhandels auch in diese beiden Bereiche separiert.
In den Mobilfunkzellendaten sieht die Aktivität beim täglichen Bedarf sehr ähnlich aus wie beim
nicht-täglichen Bedarf. Die GPS-Daten zeigen hier deutliche Unterschiede: Während bei den
Supermarktaktivitäten im März 2020 kein starker Rückgang bei den Aktivitäten zu verzeichnen
ist, brechen die Aktivitäten im Bereich des nicht-täglichen Bedarfs sehr deutlich ein (ca. –50%).
Ein ähnlicher Effekt ist im Dezember 2020 zu erkennen: Auch hier ist die Schließung des
Einzelhandels sehr deutlich bei einer Betrachtung der Geschäfte des nicht-täglichen Bedarfs.
8
Gastronomie
Abbildung 6: Reduktion der Gastronomieaktivitäten (Restaurant, Bar, Biergarten). Blau:
GPS-Daten, rot: Mobilfunkzellendaten (alle Freizeitaktivitäten, da die Mobilfunkzellendaten
keine Differenzierung der Freizeitaktivitäten ermöglichen), lila: Restriktionen. Der Verlauf der
GPS-basierten Daten folgt der Einführung der Maßnahmen: Man sieht eine starke Reduktion im
März 2020 mit Schließung der Gastronomie, einen Wiederanstieg mit der Wiedereröffnung im
Mai 2020 und ein extremes Absinken nach erneuter Schließung der Gastronomie im November
2020. Die Mobilfunkzellen-Daten verzeichnen leichte saisonale Muster (erhöhtes
Aktivitätsniveau im Sommer, reduziertes Aktivitätsniveau im Winter), enthalten aber kaum die
Wirkung der Maßnahmen.
Gastronomie (Abbildung 6): Ähnlich wie bei den Einkaufsaktivitäten des nicht-täglichen Bedarfs
sind die Einschränkungen der Gastronomie deutlich im Verlauf der blauen, GPS-basierten
Punkte zu erkennen. Im März 2020, mit der Schließung der Gastronomie8beobachten wir
Reduktionen von über 60%. Analog erkennen wir auch deutlich die Schließung der Gastronomie
im November 2020 im Rahmen des sog. “Lockdown light”: Auch hier sinken die
Gastronomie-Aktivitäten um fast 50% ab, während der stärkeren Einschränkungen ab Mitte
Dezember sogar um über 60%. Für die Mobilfunkzellen-basierten Daten liegen uns keine Daten
allein für die Gastronomie vor – wir haben lediglich Daten für die Kategorie “Freizeit”, welche wir
8Die Abholung und Lieferung für den Verzehr zu Hause war von den Einschränkungen nicht betroffen.
9
hier zum Vergleich verwendet haben. Die Mobilfunkzellen-basierten “Freizeit-Daten” (in rot)
folgen einem ähnlichen Verkauf, verzeichnen aber einen weniger deutlich ausgeprägten
Rückgang, verglichen mit den GPS-Daten: So sinken diese während der Phasen der
Gastronomie-Schließung (März 2020, Jahreswechsel 2020/2021) um höchstens 20%. Auch hier
sind die GPS-basierten Daten besser mit den eingeführten nicht-pharmazeutischen
Interventionen (NPIs) vereinbar. Zudem ermöglichen sie eine differenzierte Betrachtung des
Freizeitbereichs.
Parks
Abbildung 7: In blau: Zu- und Abnahme des Aktivitätentyps “Parks”, GPS-Daten. In rot:
Reduktion der Freizeit-Aktivitätendauer, basierend auf den Mobilfunkzellen-basierten Daten. Die
GPS-Daten verzeichnen deutliche saisonale Muster, mit einer Zunahme des Aktivitätentyps
während des Sommers und einer starken Reduktion während des Herbst und Winters. Man
beachte insbesondere den sehr starken Einbruch Ende September, der durch einen
Temperatursturz ausgelöst wurde – auch die dann wieder wärmeren Tage Anfang Oktober
sorgten für keine Rückkehr in die Parks. Für die Mobilfunkzellendaten sind ebenfalls saisonale,
allerdings weniger ausgeprägte Muster erkennbar.
Parks (Abbildung 7): Im Zusammenhang mit Aktivitäten in Parks lässt sich ein deutlicher
saisonaler Effekt feststellen. In den Sommermonaten verbringen die Menschen mehr
Freizeitaktivitäten in Parks als in der Winterzeit. Der signifikante Rückgang ab Ende September
ist auf einen deutlichen Temperaturabfall zurückzuführen (Weather Spark 2020). Die
10
Mobilfunkzellen-Daten enthalten keine separate Aufschlüsselung der Parkaktivitäten. Wenn
jedoch die allgemeine Kategorie "Freizeit" betrachtet wird, dann sind weniger deutliche
saisonale Muster erkennbar.
Arbeit
Abbildung 8: In blau: Reduktion der Aktivitäten des Typs “Arbeit”, GPS-Daten. In rot: Reduktion
der Arbeit-Aktivitätendauer, basierend auf den Mobilfunkzellen-basierten Daten. Für beide
Datenquellen sieht man eine Reduktion des Aktivitätentyps im März 2020. Ab April 2020 nimmt
das Aktivitätsniveau wieder zu, bevor es im September 2020 Normalniveau erreicht. Im Herbst
2020 verzeichnen die Mobilfunkzellen-basierten Daten stärkere Rückgänge als die
GPS-basierten Daten.
Arbeit (Abbildung 8): Bei den Arbeitsaktivitäten beobachten wir im März 2020 in beiden
Datenquellen eine ähnliche Reduzierung von bis zu 50%. Danach stiegen die Aktivitätsniveaus
allmählich wieder auf das Normalniveau an. Es ist wichtig zu beachten, dass es weniger
Einschränkungen bei den Arbeitsaktivitäten gab als in anderen Bereichen. Es gibt einen
signifikanten Rückgang der Arbeitsaktivitäten rund um Weihnachten und Neujahr 2020/21.
Bis Herbst 2020 stimmen die beiden Datenquellen großteils überein. Danach weichen die
GPS-basierten Daten deutlich von den Funkzellen-basierten Daten ab. In diesem Fall scheinen
die Mobilfunkzellen-basierten Daten für die Klassifizierung von Arbeitsaktivitäten allerdings
besser geeignet als die GPS-basierten Daten. Dies liegt daran, dass der Lieferant der
11
Mobilfunkzellendaten nicht nur den Aktivitätsort untersucht, sondern auch die Startzeiten und
Dauer für den Klassifizierungsprozess berücksichtigt. Eine längere Aktivitätsdauer ist ein
besseres Indiz für Arbeits-Aktivitäten als der tatsächliche Standort. Zum Beispiel werden alle
GPS-Pings in Restaurants als Gastronomie- und nicht als Arbeitsaktivitäten eingestuft, auch
wenn einige der Signale von Mitarbeiter:innen während der Arbeitszeit stammen könnten.
Konsequenzen für die Pandemiemodellierung
Zusammenfassend lässt sich sagen, dass unsere Erfahrungen in der Pandemiemodellierung
über die letzten drei Jahre gezeigt haben, dass der aktivitäten- und trajektorienbasierte Ansatz
sowohl effizient als auch sensibel für verschiedene Maßnahmen war. Trotz seiner Stärken war
dieser Ansatz arbeitsintensiv und erforderte oft das Urteilsvermögen der Modellierer:innen,
insbesondere bei der Berücksichtigung spezifischer Aktivitätseinschränkungen. Die vorliegende
Analyse zeigt, dass die Integration von GPS-basierten Daten den manuellen Aufwand erheblich
verringern kann und damit die datengetriebene Natur des Modells verstärkt und die
Notwendigkeit von Modellannahmen reduziert. Diese Daten sind daher eine wertvolle
Erweiterung für Modelle in solchen Kontexten und sollten in der zukünftigen Forschung bzw.
Anwendungen einbezogen werden.
Quellen
Bundestag, Tscherisch T. Öffentliche Anhörung zum Thema Erhöhung der Sicherheit
informationstechnischer Systeme (IT-Sicherheitsgesetz) am 20. April 2015, 14.00 Uhr -
Stellungnahme von Herrn Dipl. Ing. (FH) Thomas Tschersich, Deutsche Telekom AG
[Internet]. bundestag.de. 2015 [zitiert 11. September 2023]. Verfügbar unter:
https://www.bundestag.de/resource/blob/908164/8124058f9c68d93c9e7292baf133537b/Ste
llungnahme-Thomas-Tschersich-Deutsche-Telekom-data.pdf
Google LLC. Google COVID-19 Community Mobility Reports [Internet]. 2023 [zitiert 28. August
2023]. Verfügbar unter: https://www.google.com/covid19/mobility/
MAGS NRW. Verordnung zum Schutz vor Neuinfizierungen mit dem Coronavirus SARS-CoV-2
(Coronaschutzverordnung – CoronaSchVO) Vom 30. November 2020 [Internet]. 2020
[zitiert 16. August 2023]. Verfügbar unter:
https://www.land.nrw/sites/default/files/asset/document/coronaschutzverordnung_-_coronas
chvo_vom_30.11.2020.pdf
NET CHECK. NET CHECK – Die #1 der Qualitätssicherung für Kommunikationsnetze.
NC-Group. Berlin. Germany [Internet]. nc-group.net. [zitiert 4. September 2023]. Verfügbar
unter: https://nc-group.net/net-check/
NET CHECK GmbH. „Auswirkungen des Kontakt verhaltens auf die Verbreitung von
SARS-CoV-2 in Deutschland“ [Internet]. contactindex.netcheck.de. 2021 [zitiert 18. August
2023]. Verfügbar unter: https://contactindex.netcheck.de/
Rüdiger S, Konigorski S, Rakowski A, Edelman JA, Zernick D, Thieme A, u. a. Predicting the
12
SARS-CoV-2 effective reproduction number using bulk contact data from mobile phones.
Proc Natl Acad Sci U S A [Internet]. 3. August 2021;118(31). Verfügbar unter:
http://dx.doi.org/10.1073/pnas.2026731118
Schulz S, Pastor R, Koyuncuoglu C, Crawford FW, Zernick D, Karch A, u. a. Real-time
dissection and forecast of infection dynamics during a pandemic [Internet]. bioRxiv. 2023.
Verfügbar unter: https://www.medrxiv.org/content/10.1101/2023.03.02.23286502v3
Senozon. The Senozon Mobility Model [Internet]. The Senozon Mobility Model. 2020 [zitiert 19.
März 2020]. Verfügbar unter: https://senozon.com/en/model/
Weather Spark. 2020, Wetterverlauf in Köln (Deutschland) [Internet]. weatherspark.com. 2020
[zitiert 11. September 2023]. Verfügbar unter:
https://de.weatherspark.com/h/y/54495/2020/Historisches-Wetter-w%C3%A4hrend-des-Jah
res-2020-in-K%C3%B6ln-Deutschland
Anhang
Im Anhang findet sich eine Zusammenfassung der Einschränkungen in den im Bericht
diskutierten Bereichen. Die angegebenen Daten beziehen sich nur auf das Bundesland
Nordrhein-Westfalen und können für andere Bundesländer abweichen. Die dargestellten
Zeitleisten erheben keinen Anspruch auf Vollständigkeit.
Schule
Zeitstrahl Einschränkungen des Schulbetriebs:
●16.03. - 19.04.20209:Schulschließungen. Das 1. Maßnahmenpaket beschloss die
Schließung von Grundschulen und weiterführenden Schulen10. Betreuungsmöglichkeiten
für Kinder, deren Eltern beide im Bereich der kritischen Infrastruktur tätig sind, müssen
angeboten werden.
●23.04. : Schüler:innen der Abschlussjahrgänge dürfen die Schule wieder besuchen.
●23.04. : Erweiterung der Berufsgruppen der bisherigen kritischen Infrastruktur, um für
mehr Kinder ein Betreuungsangebot zu schaffen.
●27.04. : Ausdehnung der Notbetreuung auf erwerbstätige Alleinerziehende.
●04.05. : Wiederaufnahme des Schulbetriebs in Grundschulen, vorerst Beschränkung auf
Schüler:innen der 4. Klasse).
● 11.05. : An Grund- und Förderschulen werden Schüler:innen der Jahrgangsstufen 1-4 im
Rahmen eines Wechselmodells (ein Jahrgang pro Tag) wieder unterrichtet.
10 Kindertageseinrichtungen, Kindertagespflegestellen und heilpädagogische Kindertragungseinrchtungen
wurden ebenfalls geschlossen
9Quellen: https://www.land.nrw/pressemitteilung/ministerpraesident-armin-laschet-zur-aktuellen-lage-zum-corona-virus,
https://www.land.nrw/pressemitteilung/nordrhein-westfalen-oeffnet-schulen-schrittweise-corona-betreuungsverordnung ,
https://www.land.nrw/pressemitteilung/stamp-stufenweise-oeffnung-bei-kindertagesbetreuung-wird-auf-erwerbstaetige,
https://www.land.nrw/pressemitteilung/konzept-zur-schrittweisen-oeffnung-der-kindertagesbetreuung-nordrhein-westfalen,
https://www.land.nrw/pressemitteilung/ministerin-gebauer-wenn-es-um-bildung-geht-zaehlt-jeder-tag
13
●14.05. : Erweiterung der Anspruchsberechtigung auf Kindertagesbetreuung. Betreuung
von Kindern mit Behinderung in Kindertageseinrichtungen/Kindertagespflegestellen.
●28.05. : Alle Vorschulkinder dürfen wieder an der Kindertagesbetreuung teilnehmen.
●15.06. : Alle Grundschulkinder dürfen wieder regulär die Grundschule besuchen.
●29.06. - 11.08. : Sommerferien.
●12.10. - 24.10. : Herbstferien.
●14.12. : Schulen bleiben geöffnet, Präsenzpflicht wird aufgehoben bis zum Beginn der
Weihnachtsferien.
●21.12. - 06.01. : Weihnachtsferien.
Gastronomie
Zeitstrahl der Einschränkungen des Gastronomiebetriebs:
●22.03.11 :Schließung der Gastronomie. Lieferung und Abholung für den Verzehr zu
Hause bleibt erlaubt.
●11.05. : Wiederaufnahme des Betriebs von Restaurants, Gaststätten, Kneipen,
Imbissen, Cafés. Hygiene- und Infektionsstandards müssen gewährleistet werden, am
selben Tisch dürfen nur Personen sitzen, die nicht unter das Kontaktverbot fallen.
●02.11. : Schließung von Restaurants, Gaststätten, Imbissen, Kneipen, Cafés. Lieferung
und Abholung für den Verzehr zu Hause bleibt erlaubt.
Supermärkte und Einzelhandel
Nicht betroffen von den Schließungen im Frühjahr 2020 waren sogenannte “Geschäfte des
täglichen Bedarfs”. Die schließt ein: Lebensmittelgeschäfte, Wochenmärkte, Abhol- und
Lieferdienste, Getränkemärkte, Apotheken, Sanitätshäuser, Drogerien, Tankstellen, Banken,
Sparkassen, Poststellen, Reinigungen, Waschsalons, Zeitungsverkauf, Tierbedarfsmärkte,
Großhandel. Zeitgleich wurde die Öffnung an Sonn- und Feiertagen gestattet.
Zeitstrahl Einschränkungen von Geschäften, die nicht in die Kategorie des täglichen Bedarfs
fallen:
●22.03. : Schließung des Einzelhandels, der keine Produkte des täglichen Bedarfs
anbietet. Schließung von Friseuren und weiteren Dienstleistungsbetrieben
(Kosmetikstudios, Massagepraxen).
● 11.05. : Unabhängig von ihrer Größe dürfen Geschäfte unter den Auflagen zu Abstands-
und Hygieneregeln (1 Person pro 10qm Verkaufsfläche) wieder öffnen.
●16.12. : Schließung aller Läden, die keine Produkte des täglichen Bedarfs anbieten.
11 Quellen:
https://www.land.nrw/pressemitteilung/nordrhein-westfalen-plan-tritt-kraft-stufenweise-oeffnung-der-anti-corona,
https://www.land.nrw/sites/default/files/asset/document/2020-10-30_coronaschutzverordnung_vom_30._oktober_202
0.pdf,
14
