Pandemie Warum manche Corona-Prognosen nicht eintreten

Jessica Brautzsch
Bildrechte: MDR/Markus Geuther

Anfang Dezember hatte der damalige Gesundheitsminister Jens Spahn davor gewarnt, dass die Zahl der Covid-19-Patienten auf den Intensivstationen in den darauffolgenden Wochen auf über 5.000 steigen würde. Andere prognostizierten sogar 6.000. Tatsächlich gingen die Zahlen dann aber zurück. Warum?

Eine Ärztin kümmert sich auf einer Intensivstation um einen Corona-Patienten
Nicht immer bewahrheiten sich Prognosen zu Corona-Fallzahlen oder belegten Intensivbetten. Dafür gibt es Gründe. Bildrechte: dpa

Über 6.000 Corona-Patienten auf den Intensivstationen bis Weihnachten – auf diese Schreckens-Zahlen kamen die Berechnungen und Analysen der Deutschen Interdisziplinäre Vereinigung für Intensiv- und Notfallmedizin (Divi). Doch Weihnachten kam und ging, den Höchststand an Intensivpatienten gab es am 7. Dezember. Mit 4.918 Patienten. War das also ein Fehler der Experten? Nicht direkt.

Mehr freie Intensivbetten durch mehr Todesfälle

Die Intensivstationen waren von einer anderen Entwicklung überrascht worden, erklärt Prof. Gernot Marx, Divi-Präsident und Direktor der Klinik für Operative Intensivmedizin am Universitätsklinikum Aachen. "Wir hatten in den Monaten November, Dezember mindestens 6.500 Patienten mit Covid-19, die wir nicht ins Leben zurückholen konnten. Das heißt, die auf den Intensivstationen verstorben sind. Das sind vergleichsweise mehr als wir erwartet haben. Und da ein Patient mit Covid im Schnitt so 20 Tage auf einer Intensivstation behandelt werden muss – kann man sich vorstellen, dass relativ einfach diese prognostizierte Zahl von 6.000 Intensivpatienten nicht eingetreten ist. Eigentlich ein sehr trauriger Grund, dass die Prognose nicht in Erfüllung gegangen ist."

Viele Experten und Modellierer waren von der Sterblichkeit überrascht. Solche Unschärfen sind aber bei Prognosen – oder besser gesagt bei solchen Modellen – ganz normal. Ihr Zweck ist nicht, die Zukunft vorherzusagen. Dafür gibt es zu viele Unsicherheiten. Etwa den Zufall, erklärt der Soziologe Professor Michael Mäs vom Karlsruher Institut für Technologie: "Es kann sein, dass jemand nach Dänemark fährt und sich durch Zufall dort ansteckt. Im Bus. Einen Bus später hätte sie sich nicht angesteckt. Und dann bringt sie das Virus nach Deutschland und die Person geht zu einem Superspreader-Event. Und dadurch breitet sich das Virus aus." So ein zufälliges Ereignis mit großen Folgen könne heute oder erst in einer Woche passieren und die besten Modellierungen unnütz machen.

Die "sich selbst tötende Prognose"

Der weitaus größere Feind der Modellierer ist aber wohl, die sich selbst tötende Prognose – ein schon lange bekanntes Phänomen aus der Soziologie, sagt Mäs: "Ein Physiker, der Aussagen darüber macht, wie das Erdbeben wird – das interessiert das Erdbeben nicht. Aber wenn man in der Gesellschaft Aussagen macht, dann kann die Gesellschaft darauf reagieren. Wenn ich jetzt vorhersage, dass wir eine riesige Welle in Deutschland haben werden, dann kann es eben gut sein, dass sich mehr Leute impfen lassen werden, dass die Leute vorsichtiger werden, in Masken investieren, Abstand halten – und dann kommt die Welle gar nicht."

Düstere Prognosen können also dazu führen, dass sich die Dinge letztlich weniger schlimm entwickeln. Doch dieser Effekt ist eben kaum vorhersehbar. Am Ende liege der Zweck von Modellierungen darin, uns auf verschiedene Szenarien vorzubereiten, erklärt der Informatiker und Physiker Prof. Kai Nagel von der Technischen Universität Berlin: "Also eigentlich müssen wir Modelle auch als Hinweise verstehen, wie wir mit Dingen umgehen können. Und dann ist ja die Frage, wenn da nichts gemacht wird, was passiert eigentlich?"

Beziehungsweise was passiert, wenn etwas Bestimmtes getan wird. Und solche Konsequenzen weiß man doch gerne vorher – zumindest ungefähr.

Dieses Thema im Programm: MDR AKTUELL RADIO | 10. Januar 2022 | 05:00 Uhr

Mehr aus Panorama

Mehr aus Deutschland