Wie ist die Einladung? ORF mitbetrieben. Wir haben Visualisierungen gemacht von 9-11 und von den Wahlen auch. Und das war ganz interessant, weil zum Beispiel beim Recherchieren, wenn ein Bahnunglück war, habe ich dann bei der Bahnpressestelle angerufen und habe gesagt, welche Form hat das Signal? Dann hat der gesagt, das ist ja wurscht. Dann habe ich gesagt, na ja, nicht, wenn Sie es visualisieren. Das heißt, es kommt schon immer auch auf den Kontext an, was die Information ist, aber das können wir vielleicht am Abend diskutieren oder auch morgen dann im Workshop. weiter erhöht. Das ist also mein Ziel. Warum? Das, womit wir uns beschäftigen, sind nicht nur Daten. Und schon bei Daten haben wir jetzt gehört, und wir wissen es ja eh alle, kann man extrem viel Schindluder betreiben. Sondern das, was wir und mein Team machen, ist, wir bauen Modelle. Das heißt, wir versuchen nicht nur jetzige Daten zu kommunizieren, sondern auch potenzielle Entwicklungen. Und jetzt brauche ich Ihnen nicht erzählen, was das bedeutet, wie angreifbar das ist und wie schwierig das zu kommunizieren ist in Zeiten, wo schon, keine Ahnung, wenn ich rausgehe und sage, der Himmel ist blau, kommt jemand und sagt, glaube ich nicht, in meiner Telegram-Gruppe sagen sie anderes. Es ist ja auch schwieriger, warum der blau ist, aber da fängt man dann meistens am besten nicht zu diskutieren mit solchen Leuten. Also das möchte ich ein bisschen erzählen. Und ich glaube, das, was Ihnen wahrscheinlich am bekanntesten ist, sind Klimamodelle. Also wir diskutieren jetzt seit 20 Jahren darüber, dass das mit dem Klima nicht ohne Menschen so wäre, wie es jetzt ist. Und das hat jetzt sehr lange gedauert und mittlerweile gibt es einen halbwegsen Konsens und der wird aber auch gerade wieder ausgehöhlt. Und damit hat mein Team und ich quasi täglich zu tun. Und darüber möchte ich jetzt ein bisschen was erzählen. Und was ich noch mitnehmen wollte vom vorigen Gespräch, ist das mit der Wahrheit. Das ist vielleicht ein ganz guter Einstieg, wenn man nämlich Modelle baut, weiß man sehr viel mehr, wie vielleicht, wenn man Daten analysiert, ist man sehr viel demütiger, weil man weiß, dass man keine Wahrheit produziert. Also das ist vielleicht der einzige Vorteil, um jetzt gleich ein bisschen wegzukommen von der Depression, die erhöhe ich dann jetzt gleich wieder im Vortrag. Man weiß, dass es keine Wahrheit gibt, sondern es gibt, und das bringen wir auch den Studierenden in der Grundvorlesung bei, es gibt nützliche Modelle und es gibt sinnlose Modelle. Und sonst gibt es relativ wenig. Also das heißt, es geht immer darum, kann ich mit Modellen sinnvoll das Verständnis der Welt, und das ist ja auch der Untertitel meines Vortrags, verbessern. Und das, was ich auch in Covid gelernt habe, ist, kann ich es auch schaffen, das Entscheidungsträgerinnen oder und vor allem auch der Öffentlichkeit zu kommunizieren. der Öffentlichkeit zu kommunizieren. Ich fange solche Vorträge ganz gerne an mit der Frage, wie verstehen wir eigentlich unsere Welt? Und es gab letztes Jahr so eine Schlagzeile, Bierbrauern geht die Kohlensäure aus, weil die Düngemittelindustrie zurückgefahren wird. Das ist jetzt, wenn man sich technisch auskennt, total simpel. Das ist auch logisch, versteht jeder. Man rechnet halt nur nicht damit, wenn man sich nicht mit Bierbrauen und nicht mit der Düngemittelindustrie beschäftigt. sind sehr undurchdringbar und das hat schon jemand gewusst vor langer Zeit. Der Herr Sinovac hat das ja gesagt, das bekannte Zitat, es ist alles sehr kompliziert. Es wird ihm ja immer unterstellt, dass er das so ein bisschen fatalistisch gesagt hat, das stimmt aber gar nicht, sondern er hat gesagt, sinngemäß, wir müssen aufhören, den Leuten zu erzählen, dass eh alles so einfach ist, es ist ebenso kompliziert. Dass es in einer pluralistischen Demokratie nicht für jeden und alles die perfekte Lösung geben kann. Das ist das, wo ich glaube, dass auch heute in der Politik wieder Politiker das behaupten, weil sie ihre Klientel damit befrieden wollen und das ist vielleicht so auch ein bisschen der Ausgangspunkt des Problems. Zwei andere Dinge, die ich dann immer bringe, ist, wie manchmal seltsame Schlüsse aus Daten oder aus Studien gezogen werden. Es gibt eine sehr schöne Studie aus dem Jahr 2017, wo die Quenz-Saucien-Analyse war, dass man zur Einsparung von CO2 einfach keine Kinder bekommen sollte. Das wurde dann in der Zeit thematisiert. Ich erspare dir jetzt die Details. Und heute natürlich beliebt das Funk und Fernsehen. Mit AI können wir alles prognostizieren. Jet-GPT löst die Welt. Nur, auch hier ohne jetzt ins Detail zu gehen, wir haben es heute schon gehört, AI kann üblicherweise nur das lernen, was es schon gegeben hat. Und das ist genau der Punkt, wo wir sozusagen mit unseren Modellen ansetzen. Wir versuchen, kausale Zusammenhänge zu bauen, sodass wir auch Mechanismen abbilden können, die sich in den Daten nicht wiederfinden, die sich aber im menschlichen Expertinnenwissen sehr wohl wiederfinden. Was heißt das? Wenn Sie zum Beispiel Bankaktien, also die Aktienkurse modellieren wollen, ist der Running Gag, wenn es dazu eine Methode gäbe, dann hätte die jemand und wäre schon sehr reich. Offensichtlich gibt es die nicht, weil immer dann, wenn etwas passiert, dann wissen das die Daten-Gybrid-Modelle eben nicht. Also es funktionieren Modelle sehr oft dann, wenn ich sie nicht brauche. Wenn ich sie brauche, funktionieren sie nicht. Also das ist ein bisschen sozusagen der Ansatz. Nun, was wir tun ist, wie schon gesagt, wir versuchen kausale Modelle zu bauen. Und das möchte ich auch nochmal vielleicht sagen, ich kenne mich ja nicht aus mit dem Thema, mit dem Sie sich beschäftigen, sondern ich erzähle jetzt eben hier, wie wir unsere Modelle bauen und wie wir versuchen, sie kommunizierbar zu gestalten. und wie wir versuchen, sie kommunizierbar zu gestalten. Und sozusagen wir sind ein bisschen vor dem, womit sie sich beschäftigen, wie es dann wirklich sozusagen an den Mann und an die Frau gebracht wird, in der Erwachsenenbildung und im Journalismus und in anderen Bereichen. Wir versuchen, auf Basis von Daten und auf Basis von Expertinnenwissen, die Welt ein bisschen besser zu verstehen. Was sind jetzt Daten, die wir haben? Daten sind zum Beispiel sowas, was Sie da hinten sehen. Hat irgendjemand eine Ahnung, was das sein könnte? Ja, genau. Wenn man hinschaut, sieht man, das ist Wien. Und das ist das Mobilitätsverhalten von Wien während der Covid-Pandemie. Und das sind zum Beispiel solche Informationen, die wir in unsere Modelle einbauen und die wir dann in einen Kontext setzen. Zum Beispiel eben, und da komme ich jetzt dazu, wie breitet sich so eine Pandemie oder eine Epidemie aus? Das ist jetzt etwas, was Sie sicher alle kennen. Wir hatten ja Menschen starren auf Kurven, zwei Jahre lang. Fast jeder hat das Dashboard sich angeschaut. Das heißt, das war das Dashboard. Und das, was wir gebaut haben, ist ein Modell mit neun Millionen virtuellen Menschen, die in Österreich leben. Und wir haben dann im Grunde dieses Dashboard nachsimuliert. Jetzt könnte man sagen, da haben wir jetzt viel Geld vom Steuerzahler und von der Steuerzahlerin ausgegeben, dafür, dass wir etwas nachsimuliert haben, was im Dashboard eh schon drinsteht. Aber das war natürlich nicht der Zweck der Übung, sondern wie ich schon einleitend versucht habe zu sagen, ist, wir möchten gerne nicht nur datengetriebene Modelle bauen, sondern Information ist für uns mehr. Das heißt, wir haben diese virtuelle Bevölkerung und können dann das, was sich bei einer Epidemie oder auch in anderen Bereichen, ich komme dann später dazu, tut, wirklich virtuell nachsimulieren. Sie können sich das vorstellen wie ein Computerspiel. Da laufen also neun Millionen Menschen herum, gehen in die Schule, gehen auf den Arbeitsplatz, bleiben im Homeoffice und so können wir sehr viele Informationen reinstecken und wir können sehr oft diese Information kontextualisieren und dadurch auch ihre Sinnhaftigkeit überprüfen. Da fällt uns zum Beispiel sehr oft auf, wie zum Beispiel bei diesen Bewegungsmustern. Macht das eigentlich Sinn? Kann das stimmen? Widersprechen sich Informationen zum Beispiel? Das ist etwas, wo wir eben beizutragen versuchen. Und dann versuchen wir zu simulieren, was eigentlich dahinter passiert. Also wie ich schon gesagt habe, so eine Epidemie jetzt als Beispiel nachzusimulieren, macht ja so noch keinen Sinn. Sondern das, was wir dann eigentlich gemacht haben, ist, wir haben zum Beispiel die Dunkelziffer modelliert. Da stecken natürlich auch wieder Annahmen drin. Es stecken Studien drin, einerseits aus Österreich, auch internationale Studien. Auch da gab es ja immer die Diskussion, gibt es genug Studien, bräuchten wir mehr Studien. Worauf ich aber hinaus will, ist eigentlich Folgendes. Wenn man sich das jetzt anschaut, also das Dunkle ist eben die simulierte Dunkelziffer. Und als wir das das erste Mal der Politik gezeigt haben, haben sie gesagt, naja, aha, gut, jetzt ist das Spannende daran, wie viele Menschen haben es schon gehabt. Und dann haben wir gesagt, naja, nein, eigentlich ist das nicht das Spannende. Sondern, wenn Sie sich diese zweite Kurve hier anschauen, also der zweite Welle, die erste Welle ist übrigens die ganz kleine da hinten, das war, wie in Österreich die größte Aufregung war. Und wie wir also halt mit den Politikern geredet haben, haben wir gesagt, naja, die Höhe, das können wir auch nicht hundertprozentig sagen, das ist aber auch gar nicht so relevant, sondern das, was relevant ist, ist die zeitliche Verschiebung dieser Welle. Das heißt, das, was wir mit unserem Modell, mit diesen virtuellen neun Millionen Individuen berechnen konnten, ist nicht unbedingt die Höhe als Information, sondern dass die Welle bei uns in der Simulation immer schon zehn Tage, circa zehn Tage bis zwei Wochen vorher stattgefunden hat. Das heißt, wir konnten relativ schnell den Entscheidungsträgern und in unserem Fall haben wir es auch versucht, der Öffentlichkeit zu kommunizieren. Ja, die Zahlen gehen jetzt in den offiziellen Dashboards noch rauf und die gehen auch noch eine Woche rauf. Aber in Wirklichkeit gehen sie schon runter. Ich kann Ihnen versichern, wenn Sie damit bei der zweiten Welle beim Bundeskanzler sitzen, sagt er, genau, darauf soll ich mich jetzt verlassen. Und das ist wirklich schwierig. Nämlich ihm zu erklären, dass wir eben nicht Daten extrapolieren, sondern dass wir diese Wirkmechanismen, die vielen Maßnahmen zum Beispiel, die gesetzt wurden, im Computer wirklich nachbilden und deshalb sagen können, die Zahlen gehen runter. So, damit habe ich mich jetzt zum Beispiel sehr oft unbeglebt gemacht, weil Politik ist träge. Das ist jetzt keine Kritik, sondern Politik ist träge, weil sie sein muss. Wenn die jeden Tag anders reagieren, da kann man dann auch noch später dazu kommen, sie haben eh viel zu viel hin und her entschieden in der Covid-Pandemie, aber sie sind grundsätzlich einmal träge und sagen, ich schaue mir das einmal an, ich möchte noch mehr Information haben. Das heißt, wir haben uns deshalb unbeliebt gemacht, weil wir auch schon in der ersten Welle, und da gibt es auch die Aussendungen dazu, sehr früh immer gesagt haben, wir können es jetzt wieder aufsperren. Also einerseits haben wir gesagt, jetzt müsst ihr was machen. Und dann kam die Politik auf uns und sagt, jetzt sperren wir zu. Und dann haben wir gesagt, nein, jetzt geht es eh schon wieder rüber, jetzt ist es spät. Also es ist jetzt ein bisschen schon auch Selbsthilfe für mich hier, dass ich das Menschen erzählen kann. Nein, es geht um etwas anderes. Es geht darum, dass wir ziemlich coole Tools haben. Nicht nur wir, also es ist jetzt nicht warum soll mir mir, Niki Popper, der da herkommt, irgendwer da oben das glauben? Wie funktioniert es dann in Realität? In Realität funktioniert es so, dass wir bei der ersten und bei der zweiten Welle das ziemlich exakt sagen konnten. Ich kann mich noch erinnern, bei der ersten Welle haben wir am 13. März 2020 gesagt, dass sich die Dynamik bis zum 20. halbieren wird, von 40% Wachstum auf 20%. Und sie hat sich von 40,1 auf 20,04 halbiert. Man braucht auch Glück im Leben. Also dass es so genau gepasst hat, war jetzt natürlich Zufall. Aber sozusagen Glück haben, wie man so sagt, die Tüchtigen. Also so ganz daneben waren wir mit unserem Modell eben schon damals nicht. Und bei der zweiten lagen wir wieder richtig. Und das bedeutet dann, irgendwann sagen dann Politiker, das ist ja auch noch nicht Wissenschaft, das haben wir jetzt auch im Vorjahr im Vortrag gehört, wir haben das natürlich publiziert, aber Politiker entscheiden anders. Die sagen, aha, jetzt haben die also zweimal recht gehabt. Also offensichtlich scheint das Konzept ganz gut zu funktionieren. Und ja, sozusagen der Glaube steigt dann. Einfach, wenn man zweimal sozusagen das richtig gemacht hat. Jetzt kommt das Problem. Wir haben dann im weiteren Verlauf der Pandemie, Entschuldigung, dass ich eine heisere Stimme habe, ich habe nicht Covid, sondern ich habe eine Stirnhüllenproblematik und deshalb eine verstopfte Nase und deshalb bin ich dann immer heiser. einen Zoo an Varianten bekommen. Das ist jetzt allen neun Millionen Virologinnen und Virologen in Österreich bekannt. Kein Virus ist so gut bekannt der allgemeinen Bevölkerung wie Covid. Wir haben also einen Zoo bekommen, der bei uns in einem Forschungsprojekt schon im Jahr 2020 namens Concurrent Infectious Disease Simulation mitsimuliert wurde. Das heißt, wir haben ein Modell entwickelt, wo also sozusagen die Competition zwischen den Virusvarianten, nicht nur Covid, sondern auch andere Erkrankungen, die wir jetzt brauchen, mit Influenza und RSV, simuliert wurde. Und das heißt, wir konnten sehr schön abbilden, dass diese Viren eigentlich unterschiedliche Erkrankungen sind. Warum? Das wird jeder vielleicht aus leidvoller Erfahrung wissen. Wenn man das eine gehabt hat und immun ist, ist man leider gegen das nächste nicht unbedingt immun. Das ist sehr schwierig. Manchmal ja, manchmal nein. Und wenn Sie sich jetzt diese Doppelwelle hier anschauen, das ist jetzt die BA1, BA2 Omikronwelle gewesen. Und jetzt stellen Sie sich vor, wir sind also am Anstieg dieser ersten Welle. Politik ist nervös, sehr hohe Welle, die höchste bis dahin. Und wir reden so und wir sagen, ja, gute Nachricht ist, es ist der Peak der BA1-Welle bald erreicht. Also dieser ersten Welle hier. Politiker sagt, super, topper, wir haben es verstanden. Die Welle kommt, der Peak ist in fünf oder zehn Tagen da, dann geht es runter, danke. Und dann sagst du, na, leider, Doppelwelle. Und dann sagt der Politiker, seid sehr deppert, jetzt haben wir das fünfmal durchgespielt. Ihr habt es uns immer erklärt, Welle kommt, ihr wisst es früher, geht runter. Und jetzt sagt ihr, Welle kommt, ihr wisst es früher, es geht runter. Und jetzt sagst du aber, dann geht es wieder auf. Ja, sagt die Politik, okay, verstehe ich nicht, glaube ich wieder nicht. Völlig logisch, weil wir haben ja quasi unsere Meinung anscheinend geändert. Fakt ist aber nicht, dass wir unsere Meinung geändert haben, sondern Fakt ist, dass wir unser Modell der Änderung des realen Systems angepasst haben und in Wirklichkeit das modelliert haben. Und wenn Sie sich das anschauen, also würden Sie die gelbe Kurve wegrechnen, wäre die grüne wirklich runtergegangen. Also die Aussage ist genau gleich geblieben. Die BA1-Welle in grün wäre angestiegen, wir hätten genau ein paar Tage vorher sagen können, waren sie wieder biegt und sie wäre auch wieder runtergegangen, aber leider kam die gelbe Welle und die ist, wenn man es sozusagen analysieren möchte, eine völlig eigenständige Krankheit gewesen, weil die Immunisierung eben kaum vorhanden war. Es gab zu der Zeit wirklich Leute, die haben innerhalb von kürzester Zeit zweimal Covid gehabt. Einmal PA1, PA2. Das heißt, was möchte ich damit sagen? Ich möchte damit sagen, dass unsere Welt derzeit schon daran scheitert, mit einfachen Daten umzugehen und wir aber in einem Kontext arbeiten, wo wir versuchen, sehr komplizierte Wirkmechanismen Leuten zu erklären und dass das sehr schwierig ist und dass wir regelmäßig daran scheitern. Also da geht es eben nicht darum, dass ich jetzt sage, die sind zu doof, sondern es ist sehr kompliziert, ja. Und wir sind eindeutig zu schlecht darin, diese Dinge zu erklären. Und das ist in meinen Augen sozusagen der Task, den wir in Zukunft haben werden. Weil es wird nicht reichen, nur die Daten anzuschauen. Weil der aktuelle Klimawandel ist ja derzeit so, dass jetzt schon alle raus und sagen, naja, es ist wirklich zu warm. Und wenn es dann aber im Winter kalt ist, dann kommen ja die Klimaleugner und sagen, haben wir euch doch in der Twitter anschauen. Heute ist es so kalt, dass mit dem Klimawandel stimmt nicht. Ich meine, dass man dann gerne mit dem Kopf gegen die Mauer rennt oder Unmengen Alkohol trinkt, um das auszuhalten. Okay. Aber so ist es. Und deshalb habe ich dieses Beispiel auch gebracht, weil ich da eben zugeben muss, und dieses Beispiel bringe ich sehr gern, dass es eben sehr kompliziert ist. Wir müssen aber diese Wirkmechanismen verstehen und wir müssen auch potenzielle zukünftige Entwicklungen verstehen. Also das ist sozusagen die Challenge, die ich sehe und die ich heute auch mitbringen wollte. nicht nur um mein wissenschaftliches Geschäft zu bewerben, sondern es ist etwas, wo ich eben seit 20 Jahren wirklich daran glaube, dass diese Modelle sehr wichtig sind, um voranzukommen. Und aktuell sind wir in einer massiven Glaubenskrise. Also unsere Community hat es im Moment extrem schwer, weil ja jetzt auch jeder sagt, ihr habt ja nur plötzlich gerechnet in Covid und das war ja alles falsch und so weiter. Also dieser Diskurs ist durchaus herausfordernd. Was wir nutzen, um es besser zu kommunizieren, ist, wir visualisieren die Ergebnisse. Also das war jetzt ein bisschen, ich hoffe, es war als Lob gemeint, eben diese Grenzen sozusagen überwinden oder Gaps schließen. Wir visualisieren zum Beispiel das und versuchen zu erklären, warum funktioniert unser Modell. Also unser Modell ist keine statistische Hochrechnung, sondern dieses Populationsmodell bauen wir seit über zehn Jahren. Da bin ich im wissenschaftlichen Beirat, wo auch jetzt solche Modelle von einer großen Plattform gebaut werden. Und dann sage ich zum Beispiel, okay, dieses Modell ist einmal die Bevölkerung und die habe ich jetzt zum Beispiel hier mal gleichmäßig verteilt über die Bezirke und Gemeinden. Also, weil ich es nicht genauer brauche, habe ich sie mit Informationen anreichern. Wenn ich mir zum Beispiel die Wegdistanz bis zum nächsten Kindergarten inklusive der Öff Verteilung der Menschen, sondern ich muss mir zum Beispiel reinmappen, wo die Menschen wirklich genau leben. Das sehen Sie jetzt. Der Kollege, der Wien erkannt hat, da sieht man jetzt wieder Wien. Jetzt sind es aber nicht die dynamischen Netzwerkkontakte, sondern das ist jetzt eben die gemappte Bevölkerung und wenn man sich das jetzt genauer anschaut, dann sieht man hier zum Beispiel eben sehr schön, wo die Donau ist oder auch wo der Wiener Wald ist und viele andere Dinge. Also das heißt, wo die Menschen wirklich wohnen. Was will ich damit sagen? Ich will damit sagen, dass wir eben mit dem Modell versuchen, sehr nahe an der Anschauung des Menschen zu sein. Das heißt, wir bauen nicht statistische Modelle, mit denen keiner was anfangen kann, sondern mir ist immer ganz wichtig, dass unsere Modelle so sind, dass ich sie eigentlich jedem Menschen erklären kann und jeden Effekt dann auch auf gewisse Mechanismen zurückführen kann. Das ist das, was unser Ziel ist. Das heißt, bei uns funktioniert das Modell so, dass dann eben sogenannte Agenten heißen, weil sie individuell agieren können, eben über Kontakte am Arbeitsplatz, über Kontakte in der Freizeit etc. eben für die Ausbreitung sorgen. mit dem ich mich gut verstehe und der ein sehr hervorragender Wissenschaftler ist, darüber diskutiert, dass zum Beispiel anfangs gesagt wurde, Kinder breiten Covid nicht aus. Und wir beide damals schon gesagt haben, das ist lieb, aber woher kommt die Evidenz? Oder eine sehr schöne Aussage war, auch in U-Bahnen finden keine Ausbreitungskontakte statt, weil da wurde nämlich halt nicht gemessen. Also wenn man auch nur die Grundvorlesung, also ich bin weit davon entfernt, mich mit meinem Namensvetter intensiv beschäftigt zu haben, aber Grundvorlesung in Wissenschaftstheorie hilft da schon, dass wenn ich wo nicht hinschaue und dort nichts finde, die Aussage nicht ist, dort ist nichts. Aber gut. Also das heißt, wir versuchen unsere Modelle so zu bauen, dass man verstehen kann, was passiert. Das ist ein anderes Beispiel. Wir haben eben sehr schnell, weil wir die Schulen schonließen und deshalb in unserem Modell schon vor fünf oder sechs Jahren eingebaut wurde, dass Schulen da sind, sondern mir war klar, dass sozusagen die Diversität und dass gewisse Prozesse in Schulen wichtig sind, um sie in der Bevölkerung abzubilden. Sei es jetzt zum Beispiel, wenn man sich eben die Frage stellt, wie funktioniert das im Zusammenspiel mit der Berufstätigkeit von Eltern. Und weil wir das abgebildet haben, konnten wir es dann sozusagen bringen. Und dann können wir aus diesem Modell Auswertungen machen, wo wir eben sagen, schau, wenn wir die Schule schließen, dann passiert Folgendes, die Kinder bleiben zwar zu Hause, das reduziert die Ausbreitung, sie gehen aber zum Beispiel zu den Großeltern. Kein guter Effekt. Das haben wir ganz früh eben diskutiert. Deshalb war ich zum Beispiel auch immer jemand, der gesagt hat, allgemeine Schulschließungen sind kein guter Ansatz. Nämlich aus verschiedenen Gründen. Erster Punkt, Sie gehen zu den Großeltern und wenn Sie sich die Zahlen anschauen, bei der zweiten Schulschließung haben wir zwar die Schule geschlossen, es durften aber eh alle in die Schule gehen, wo die Eltern gesagt haben, ich kann nicht, was legitim ist. nicht, was legitim ist. Dann sind aber auch die meisten in die Schule gegangen. Dort durfte zu dem Zeitpunkt aber nicht unterrichtet werden, weil ja sonst die, die zu Hause geblieben sind, einen Nachteil gehabt hätten. Das ist sozusagen das Super-GAU. Also maximaler negativer Effekt ohne irgendeinen Nutzen. Und solche Mechanismen klar zu machen, dazu dienen solche kausalen Modelle. Funktioniert das? Retrospektiv auf Covid gerechnet, manchmal, aber oft nicht. Oft dann nicht, wenn schlicht und einfach der Druck der Realpolitik, und das haben wir auch heute schon gehört, höher ist als sozusagen die Toleranz und sozusagen die Möglichkeit von Politikern, Evidenz zu ertragen. Auch das meine ich jetzt nicht zynisch oder kritisch, sondern man muss schon immer sagen, das haben wir eben auch heute schon gehört, wir haben den Luxus, ich versuche sozusagen unser Modell immer so einzusetzen, dass die Effekte, wurscht was rauskommt, eben dargestellt werden und auch solche etwas komplizierteren Mechanismen wie bei den Schulschließungen eben kommuniziert werden können. Politik muss dann irgendwann entscheiden. Das heißt, die haben nicht diesen Luxus und das ist eben nie perfekt und der Glaube, dass es irgendwann perfekt wird, ja, da lügt man sich wahrscheinlich in die Tasche. Auch das ist eben ein wichtiger Aspekt, den ich gelernt habe und wo ich mit der Barbara Schober oder mit der Barbara Brenzack in den letzten Jahren, Monaten oft gesprochen habe. Wie können wir solche Modelle eigentlich einsetzen und wie verhindern wir Schaden? Weil das muss man sich auch immer überlegen. Gut gemeint ist das Gegenteil von gut gemacht. Das ist, wenn wir zum Beispiel mit Ergebnissen kommen und ich meine gar nichts Böses, aber Politiker missinterpretieren sie, weil sie zum Beispiel das Wenn-Dann überlesen haben. Das ist ein ganz typischer Effekt bei Entscheidern. Du kommst mit Wenn-Dann und es bleibt nur über Dann. Ist jetzt in unserer täglichen Arbeit, wirkt banal und sollte man ja sagen, ist nicht so, aber im Eifer des Gefechts passiert das einfach. Ja, das ist jetzt wieder ein bisschen Selbsthilfeteil, zu dem ich jetzt komme. Selbsthilfe und Eigenlob. Das, was wir in unser Modell reinstecken, ich habe da zu Beginn zum Beispiel eben diese Dynamik der Bewegungen gezeigt. Das Coole an unserem Modell ist, jetzt Eigenlob, dass wir in der Lage sind, extrem viele Daten zu integrieren. Das heißt, dieses Populationsmodell, wir waren zum Beispiel in 48 Stunden im März 2020 in der Lage, das EMS, also diese elektronischen Meldungen zu integrieren, das Impfsystem und viele andere Dinge, die hier aufgezählt sind, Hospitalisierungsdaten und vieles mehr. Also das ist etwas, wo wir, auch weil wir eben auch aus der Praxis kommen, es wurde angesprochen, Dexelp ist eben Decision Support for Health Policy and Planning. Das heißt, wir publizieren nicht nur, sondern wir arbeiten seit 15 Jahren wirklich bei Entscheidungen. Also wird für Kinder eine Krebstherapie ersetzt oder nicht und wann wird sie ersetzt? Solche Themen ist das, womit wir uns beschäftigen und deshalb bauen wir dieses Modell so, dass wir sehr schnell reagieren können. Schule, habe ich eben gesagt, Homeoffice-Daten zum Beispiel und vieles mehr. Selbsthilfegruppe-Teil, SUDARA-Teil, was heißt das? Das heißt, wir hören immer wieder, dass zum Beispiel bei einer einzigen dieser Datenquellen sich verschiedene Seiten in die Goschen hauen und sagen, ich weiß es besser. Können Sie sich ansatzweise vorstellen, was es bedeutet, dass wir all diese Daten in unser Modell integrieren müssen und wie viele Leute uns dafür kritisieren, dass wir totale Idioten sind, weil wir natürlich die falsche Quelle wollen? Sehr viele. Also alle eigentlich. Nehme als Beispiel Hospitalisierungsdaten. Ich weiß nicht, ob Sie sich entsinnen können, da gab es über zwei Jahre lang von zwei Ministerien zwei verschiedene Zahlen täglich. Sehr schön. Das Schlimme ist, wenn man den Hintergrund kennt, versteht man sogar warum. Das macht es aber nicht unbedingt besser. Das macht es aber nicht unbedingt besser. Also das heißt, was wir versuchen zu machen, und ich glaube, wo wir eben auch gemeinsam daran arbeiten sollten, ist, wie geht man mit Diversität, ich sage es jetzt einmal positiv, in Zahlen um. Wie kann man sie verhindern? Und wenn man sie nicht verhindern kann, wie kann man sie erklären? Weil das ist sozusagen der Super-GAU für Konsumenten, für Menschen, die informiert werden möchten, ist, wenn du ihnen zwei verschiedene Sachen sagst. Das ist bei Modellen sehr häufig und das fängt eben bei den Daten an und geht dann über die Modelle. dass man schon damit leben kann, dass da zwei Zahlen zum Beispiel stehen bei einem Modell. Aber ich muss erklären können, warum stehen da jetzt zwei Zahlen. Wir haben das zum Beispiel bei Covid dadurch gelöst, dass wir das Prognose-Konsortium, dass wir die drei, sage ich jetzt einmal, erfahrensten Teams, die in Österreich solche Modelle bauen, zusammengebracht haben. Nicht, weil wir da gemauschelt haben, sondern weil wir den Diskurs, wenn unsere Modelle unterschiedliche Dinge geliefert haben, vorgeschaltet haben. Und dann gesagt haben, okay, wenn wir in irgendeiner Art und Weise in der Lage sind, das zu koordinieren, dass wir dann eben kommuniziert haben, warum gibt es Unterschiede Oder ein gemeinsames Ergebnis eben kommuniziert haben. Ich möchte zum Abschluss kommen. Es gibt dann ganz verschiedene Dinge. Die Situation wird mit solchen Modellen immer komplizierter, weil hier sehen wir zum Beispiel jetzt die Bevölkerung und den Effekt, was passiert, wenn man Krankenhäuser schließt. Das ist eigentlich total banal. Aber stellen Sie sich mal kurz vor, was das schon für ein Konfliktpotenzial in einer politischen Diskussion hat. Wo ein Krankenhaus gebaut wird, wo eine Ambulanz geschlossen wird. Für uns ist das sehr simpel, das ist ein Knopfdruck in unserem Modell. Führt zu mehrjährigen politischen Diskussionen, vor allem in der Regionalpolitik etc. Das Ganze lässt sich auf viele andere Themen weiterbringen. Ich habe jetzt Covid auch, weil es jetzt wieder aktuell ist, als Beispiel genommen. Wir haben Modelle gerechnet, zum Beispiel zur Migration und zur Frage, warum ist es ein Schwachsinn, die Balkanroute zu schließen. Das haben wir gemeinsam im ORF gemacht. Wir können uns damit sehr gut zum Beispiel um Ausbau von Verkehrswegen anschauen. Das heißt, Sie können trefflich darüber diskutieren, was passiert, wenn ich jetzt eine neue U-Bahn baue. Wie ändern sich dann eigentlich die Verkehrsströme? Und das können Sie mit Bus und Bahn auch machen. Das ersetzt aber dann nicht die Entscheidung, wo kommen die hin und wer profitiert und wer verliert davon. Das heißt, Modelle helfen sehr klar dabei, Vor- und Nachteile für verschiedene Outcome-Variablen, für verschiedene Bevölkerungsgruppen klarzumachen. Und das führt uns eigentlich ins totale Desaster. Weil Politik hat früher deshalb funktioniert, weil wir es nicht gewusst haben. Und wir kommen jetzt und sagen mit Modellen, du kannst jedem Bürger genau erklären, wo sein Vor- und sein Nachteil ist. Und dann müsste man offen darüber diskutieren, okay, was gebe ich her, was kriege ich wieder. Ich weiß nicht, ob Sie großes Vertrauen haben, dass wir das im Moment zusammenbringen. Mein Vertrauen ist jetzt im Moment als Bürger überschaubar. Also das ist sozusagen das Potenzial, aber eben auch ein bisschen die Depression, die ich sehe bei dem, was wir tun, nicht weil wir es nicht können, sondern weil sozusagen das Werkzeug, das wir haben, sehr, sehr kompliziert einzusetzen, ist nicht nur technisch, nicht nur in der Kommunikation, sondern eben auch dann im diskursiven Prozess, weil wir eben sehr klar machen können, was sind die Vor- und Nachteile. Da gibt es sehr schöne Beispiele, zum Beispiel wollen wir eine dritte Piste am Flughafen bauen. sehr schöne Beispiele, zum Beispiel wollen wir eine dritte Piste am Flughafen bauen. Die Effekte sind quasi mindestens für halb Österreich und auch noch bis in Nachbarländer zu sehen, ökologischer, ökonomischer, wirtschaftlicher Natur. Und der Prozess dauert jetzt seit vielen Jahren. Und es stellt sich halt die Frage, wie wird am Ende entschieden? Also wer setzt sich da durch? Wir können sehr schön klar machen, was sind die Effekte, das machen wir in sehr vielen Projekten, aber eben die Herausforderung ist eine sehr große. Und ganz zum Schluss, um es ein bisschen weniger depressiv zu gestalten, ich habe Ihnen das Populationsmodell gezeigt und das Potenzial, das ich eben sehe, ist, dass wir Mechanismen herzeigen. Das ist zum Beispiel in Dexelp, haben wir im Grunde das gesamte Gesundheitssystem nachgebaut in verschiedenen Ebenen, eben die Bevölkerung ist da ganz unten und dann gibt es verschiedene Erkrankungen, Services und Kosten und dann kann man sich anschauen, eine Therapie bringt für diese Bevölkerungsgruppe, wir haben auch heute schon gehört, Männer, Frauen, ganz wichtiges Thema ist, es gibt auch in Österreich noch immer einen enormen Effekt, ob ich arm oder reich bin für meine Gesundheit. Und wir können diese Effekte herzeigen. Und ich bin da sehr guter Dinge und weniger depressiv, weil wir eben in diesem System, in diesem virtuellen System, wo wir Inputgrößen haben, dann reproduzierbare Modelle rechnen können und auch die Ergebnisse kommunizieren, die Effekte sehr klar machen können. Und das wird nicht morgen funktionieren und wahrscheinlich werde ich schon lange in Pension sein, aber es wird jeden Tag besser, weil die Evidenz sozusagen stärker wird. Und das ist etwas, wo ich schon sehr stark daran glaube. Wir haben das vor über zehn Jahren angefangen, vor knapp 15 Jahren jetzt, wo wir eine Impfung modelliert haben, aber ich mache das jetzt aus Zeitgründen, nehme ich das nicht rein, wo wir sehr schön zeigen konnten, dass ein Effekt eben stattfindet, den man eben lösen kann. Und was meine Erfahrung ist, ist erfolgreich sind wir aktuell mit den Modellen nicht in der großen Politik, das ist sehr schwierig, aber im Kleinen. Morespace war ein Projekt, wo wir zum Beispiel den Umbau der TU Wien modelliert haben oder den Umzug der Wirtschaftsuniversität, also die Wiener werden das vielleicht wissen, da gibt es das schöne Neue mit der Zara Hadid, also die ist jetzt auch schon zehn Jahre alt, und die kamen zu uns und haben gesagt, naja, das wird sich mit den Studierenden nicht ausgehen, das geht sich nicht aus. Sie haben sich eben gefürchtet, dass sie einen Container vor das neue Zahra Hadid Gebäude stellen müssen. Sie hatten dann andere Probleme. Und wir haben uns das dann angeschaut und haben, Sie sehen da die Max anlaufen, wir haben also simuliert, wie die Studierenden die Hörsäle nutzen. Und nachdem wir das durchsimuliert haben, haben wir gesehen, dass in dem aktuellen Zustand, wo sie geglaubt haben, sie sind voll, 15% der Ressourcen genutzt wurden. 15. Wir haben es dann auf 18 erhöht, das ist sicher ausgegangen. Und das ist sozusagen zum Abschluss immer mein Lieblingssatz. Wir können mit den Modellen extrem gut zeigen, wie Dinge funktionieren. Wir können eine Brille liefern, wie man da reinschauen kann. Und mein Glaube, warum wir die Klimakrise oder andere Dinge überwinden können, ist nicht, weil ich so großes Vertrauen in unsere Intelligenz habe, aber weil wir mit diesen Modellen sehr schön sehen, wie extrem ineffizient wir im Moment sind. Und eben von 15 auf 18 Prozent zu kommen, hat in dem Fall das Problem gelöst und wir müssen gar nicht so extrem schlau sein, wir müssen nur ein bisschen weniger nicht schlau sein. Und dabei versuchen wir zu helfen und wie gesagt, wir können bis zu dem Punkt gehen, dass wir die Werkzeuge liefern und ich bin auch eben sehr dankbar, dass ich heute das hier erzählen darf, weil genau dann der Prozess diese Dinge zu kommunizieren, das wird die Aufgabe der nächsten Jahre und Jahrzehnte, glaube ich, sein. Vielen Dank für Ihre Aufmerksamkeit. Danke herzlich. Danke für den wunderbaren Einblick. Ich habe einfach eine Verständnisfrage. Wie kommt ihr im Team zu diesen Relationen? Also, Niki Popper tritt als Komplexitätsforscher auf. Ich bin der Simulationsforscher, der Klinik ist der Komplexitätsforscher. Entschuldigung. Trotzdem die Nähe zur Mathematik. Jeder stellt sich Formeln vor. Sie haben jetzt aber ganz viel von der Realität und der Simulation der Realität geredet. Das heißt, meine Frage wäre jetzt nur, inwiefern sind Leute, die Experten des Alltags sind, also Betroffene, eingebunden und wie sehr sind Geistes- und Sozialwissenschaftler eingebunden im Bauen? Ich möchte nur einfach auch für diese Runde erklärbar machen, wie man zu diesen Modellen kommt. Dass also hinter den Formeln und Relationen, die dann Ergebnisse und Visualisierungen erzeugen, andere Prozesse stehen, der würde mich sehr interessieren. Danke. Ja, also das ist genau der Punkt. Also man kann sich das so vorstellen, ich sage es jetzt ein bisschen schnippisch, die heutige AI sagt, Google, gib mir einfach sehr viele Daten und damit kann ich dir die Welt erklären. Was rührend ist, weil sie schmeißen ein paar tausend Jahre wissenschaftliche Erkenntnisse auf den Müllhaufen und glauben, sie haben eine schlauere Idee, gratuliere, wünsche ich ihnen viel Erfolg. Was wir machen ist, wir kombinieren diese Dinge. Das heißt, ja, auf der einen Seite sammeln wir Daten. Ja, auf der einen Seite sammeln wir Daten. Das können automatische Daten sein, wie welche Krankenhäuser haben, welche Ambulanzen und wie schauen dort die Leistungen aus. Das können zum Beispiel bei Covid-19 eine Zusammenarbeit mit der Eva Schernhammer. Ihr Team hat in einem irrsinnigen Aufwand zum Beispiel aktuelle Informationen über die Immunisierung und eben über die Änderung der Virusvarianten gesammelt. Und das können wir dann ins Modell reinstecken. Das ist die Datenseite. Und das Zweite ist aber eben die Zusammenhänge abbilden zu können. Und so wie Sie es richtig sagen, da gibt es einmal relativ einfache Dinge. Das heißt, bei einer Epidemie, wie ich es auf der Karte auch gezeigt habe, da müssen sich Leute treffen, damit sie sich gegenseitig anstecken. Na gut, okay, das ist noch einfach. Jetzt ist aber die Frage, mit welcher Wahrscheinlichkeit. Da kommt dann wieder die Parametrisierung, also die Daten rein. Und dann kommen aber durchaus Dinge rein, die wir von den Expertinnen übernehmen. Das heißt, wie ist das jetzt wirklich mit dem Homeoffice? Wie ist das wirklich mit der Schule? Da gibt es große EU-Projekte, wo zum Beispiel das Kontaktverhalten zwischen verschiedenen Altersgruppen auch datenmäßig erfasst wird. Da kann man dann sehr schön plausibilisieren, dass komischerweise 20-Jährige mehr Kontakte unter sich haben, 30-Jährige dann wieder plötzlich zu kleineren Kindern. Wie überraschend. Also es sind ganz oft Dinge, wo jeder sagt, ja eh. Und das Coole bei unserer Arbeit ist, wenn du ein sehr, sehr großes Modell, wie dieses Populationsmodell hast, und da stehen ganz viele Dinge drin, wo alle sagen, ja eh, und das kannst du dann wirklich auch mit den Leuten durchgehen. Wir haben das beim Morse-Maze-Modell gemacht. Die haben gesagt, nein, das geht sich nicht aus, wir haben alle Regeln, jeden Schwachsinn, und wenn die Freundin von Huber leider die Vorlesung nur halten kann um 11.30 Uhr in dem Hörsaal, alles reingeben, und dann kannst du das einzeln durchgehen, diese Annahmen, und alle sagen, joe, und zum Schluss kommt aber was Kontraintuitives raus. Und das ist sozusagen das Coole an unserer Arbeit. Und ja, und ich glaube, darauf wollten Sie auch hinaus, es geht wirklich darum, maximal viel von den Informationen von Expertinnen und Experten reinzunehmen und diese nicht auf den Müllhaufen der Geschichte zu werfen, sondern zu sagen, ja, gemeinsam mit den Daten können wir dann die Prozesse so beschreiben, dass sie für Menschen nachvollziehbar sind und nicht eben 42 rauskommt, sondern es kommt was raus und man kann es Schritt für Schritt durchgehen. Und jeder kann sagen, nein, das glaube ich aber nicht. Das ist ja das Coole bei unseren Modellen. Das ist sich jetzt zeitlich halt nicht ausgegangen. Das ist in den meisten Fällen ein Mediationstool. Weil du setzt das dann ein und dann sagt einer, na, das finde ich aber nicht. Und dann sage ich, okay, dann sagen wir mal, was du für Annahmen hast. Und dann füllen wir die Annahmen rein und es kommt plötzlich raus, ah, da kommt das Gleiche raus. Also ich kann mich erinnern, wir haben über vier Gruppenpraxen, als die eingeführt wurden, Modelle gerechnet. Und da gab es eine Arbeitsgruppe dann zwischen den ganzen Beteiligten und die haben sich die ganze Zeit nur gestritten. Und dann haben sie sich einmal Zeit nur gestritten. Und dann haben sie sich einmal eine Stunde gestritten, ob 3% oder 5% Abschlag. Und mein Kollege, damals der Patrick Reitzinger, hat gesagt, es ist scheißegal, zwischen 2 und 15 kommt immer das Gleiche raus. Dann war die Diskussion beendet. Also für sowas kann man diese Modelle sehr gut einsetzen. Warum? Weil wir eben Dateninformationen, aber auch kontext- kausale Informationen einfüllen müssen. Und das, glaube ich, wird extrem wichtig sein in der Zukunft. Jetzt habe ich so viel geredet. Wir haben gehört, es ist alles sehr kompliziert. Und wir haben gehört, wir werden immer mehr Vor- und Nachteile erfahren von gewissen Entwicklungen, Entscheidungen, Dingen. Und ich frage mich, wie verändert sich das in einer Zeit, wo man eh hochindividualisierte, perfekte Lösungen sucht, Stichwort Selbstoptimierung und Co. Wie wird sich das verändern? Ich glaube, da bin ich sozusagen der Falsche. Das ist genau das. Das weiß ich nicht. Ich glaube, dass wir mit solchen Modellen eben sehr schön zeigen können, dass wenn ich verschiedene Individuen habe und die versuchen sich zu selbst zu optimieren, wo es kollidiert und wo dann sozusagen es sich nicht mehr ausgeht. um eine gemeinsame Ressource geht oder um mehrere gemeinsame Ressourcen, um Zeit, um verschiedene Dinge, dann können wir mit unseren Modellen sehr schön klar machen, warum sich das so nicht ausgeht. Und die Politik möchte ja manchmal kommunizieren, na, das wird sich schon eh schon ausgehen. Und verständlicherweise, und die möchten quasi bis zur nächsten Wahl damit durchkommen. Und unser Job ist sozusagen, es frühzeitig nämlich als Szenario für die Zukunft klarzumachen, wenn sich gewisse Konzepte eben nicht ausgehen. Also Sie sehen schon, dass es jetzt für das eigene Lebensglück kein gutes Geschäftsmodell ist. Es ist sehr oft so, dass die Leute nicht sehr glücklich mit unseren Modellen sind. Ich hätte da eine Frage, weil ich mich damit beschäftige, welche Kompetenzen denn eben Menschen brauchen, um wissenschaftlich literate zu sein. Die Frage ist jetzt bei solchen Modellen, das ist ja so komplex und man müsste ja wahrscheinlich mindestens ein Semester studieren. Das ist jetzt so mein, ich bin Sozialwissenschaftlerin, mein Eindruck. Was sagen wir den Menschen in einem Scientific Literacy Kurs dazu? Sagen wir, bitte vertrauen, bitte Ambiguität aushalten oder können wir Kompetenzen formulieren, die wir durchbringen könnten, damit Menschen leichter mit so einem Modell umgehen können? Das ist eine super Frage. Und ich glaube, die kann man schon beantworten. Ich glaube, man muss sozusagen trennen. Es muss einen Bereich geben, wo man es erklären muss und einen Bereich, wo es um Vertrauen geht. Und zwar, ich kann es, glaube ich, in dem Fall sogar relativ klar beantworten, nein, ich glaube, um grundsätzlich unsere Modelle zu verstehen, die sind ja extra so gebaut und damit beschäftigen wir uns seit vielen Jahren, dass sie im Grunde verständlich sind. Das heißt, ich kann, und das ist eben auch in der Politikberatung oder auch in der Kommunikation mit JournalistInnen so gewesen und ist auch so, wir können eigentlich jeden Effekt erklären. Das heißt, ich kann sagen, weil eben das zum Beispiel in den Schulen mit den Testungen so war, hat das nicht funktioniert für die Reduktion. Also das ist zum Beispiel ein Thema, da habe ich mit Martin Tür diskutiert, der wollte einen furchtbar bösen ZIP2-Beitrag über Tage machen, wie scheiße testen ist und dann habe ich ihm das einmal eine halbe Stunde lang erklärt und dann hat er gesagt, okay, es hat trotzdem nicht funktioniert, aber er hat jetzt besser verstanden, warum es nicht funktioniert. Also das heißt, ich glaube, dass unsere Modelle eben anders wie andere Konzepte sehr wohl geeignet sind, kommuniziert zu werden. Und jetzt komme ich aber zum zweiten Teil. Ja, es braucht Vertrauen, aber nicht im Vertrauen aller Nehammer, ich glaube an Österreich, sondern die Grundlage unseres Modells ist natürlich publiziert. Und wenn jetzt jemand kommt und sagt, Papa, du bist ein Trottel, sage ich, diese Meinung ist ja okay. Nur wir können gerne darüber diskutieren. Jetzt liest einmal die acht Publikationen durch, wo unser Modell natürlich dokumentiert und publiziert ist. Das heißt, Vertrauen insofern, dass nicht jeder die Grundlagen des mathematischen unseres Modells verstehen kann. Nur daran wird kein Weg vorbeiführen. Wenn ich zum Bäcker gehe, glaube ich ihm auch, dass das Brot A nicht nur gut schmeckt, sondern mich auch nicht umbringt und dass er das besser kann als ich. Also ich glaube, da müssen wir die Kirche im Dorf lassen. Fakt in der Wissenschaft ist, dass ich auf eine Quelle verweisen können muss, wo das drinsteht und wo dann einer sagen kann, okay, ich traue dir nicht, aber ich suche mir einen anderen, der das kontrolliert. Und weil ich zum Beispiel eben die Kollegen Komplexitätsforscher genannt habe, wir pflegen eine Zusammenarbeit und wir pflegen auch eine sehr lebhafte Konkurrenz. Und glauben Sie mir, wenn wir ein Plätzchen machen, würden die anderen das zwar nicht öffentlich gleich machen, aber den anderen das zwar nicht öffentlich gleich machen, aber den anderen darauf hinweisen und das war bei Covid auch so. Also mein Mitarbeiter, der Martin Bicher und der Peter Klimig, haben sich oft zehn Stunden in der Covid-Prognosesitzung gestritten, bis sie entweder gesagt haben, okay, wir haben da einen Unterschied, wir verstehen warum, oder bis das Modell zusammengepasst hat. Also beides. Das heißt, wir müssen dafür sorgen, dass die Grundprinzipien kommuniziert werden und dass der Rest, da muss es ein Vertrauen geben, aber nur insofern, dass die Community derer, die sich auskennen, diese Grundlagen natürlich überprüft und da würde ja jemand kommen und sagen, das Modell von Popper und seinem Team ist ein Scherz. Also das können Sie mir glauben, da gäbe es genug, die das gerne gemacht hätten. Aber es ist eine super Frage. Es ist ein ganz spannendes Thema und es ist jetzt einmal nur das, was wir uns in den letzten Jahren überlegt haben, aber da muss man noch weiter überlegen. Es ist ein extrem wichtiges Thema. Zur Frage der Wissenschaftskommunikation und den Politikerinnen, weil Sie gesagt haben, es ist so depressiv. Vielleicht haben wir in Österreich ein besonderes politisches Material, gerade auch. Aber die Frage wäre, im internationalen Vergleich, finden Sie da Staaten, die es besser gemacht haben in der Kommunikation, in der Kollaboration zwischen den Wissenschaftlerinnen, beratenden Wissenschaftlerinnen und den Politikerinnen? Weil es betrifft uns ja auch in der Klimafrage genauso, wenn nicht sogar intensiver. Also ich weiß nicht, wie lange ich jetzt noch reden soll, weil ich glaube, die Zeit ist auch schon eng. Das ist ja eine Frage, da können wir jetzt Tage drüber diskutieren. Ich versuche es ganz kurz zu machen. Also Punkt eins ist, nur damit das nicht falsch rüberkommt, ich meine, ich sage das manchmal dann so jovial, natürlich passiert auch ein Scherz, aber ich glaube nicht, dass es bei uns so viel schlimmer ist wie anderswo. Also ehrlich nicht. In manchen Bereichen, zum Beispiel im Prognose-Konsortium, das wir uns koordiniert haben, haben die Deutschen uns massiv beneidet, weil dort war ein Wildwuchs an Modellen, den sie jetzt einfangen, das muss man aber auch sagen, und da komme ich zum zweiten Punkt. Die Deutschen haben jetzt ein Projekt, wo 65 Forschungseinrichtungen an so etwas bauen, was ich da jetzt auch gezeigt habe. Wir haben nichts, also zumindest mir ist es nicht bekannt, also ja, es gibt so Einzelprojekte. Wir haben jetzt auch noch ein WLTF-Projekt. Aber nein, ich glaube, die Kommunikation haben skandinavische Länder besser gemacht, weil aber dort auch die Health Literacy besser ist und grundsätzlich das Vertrauen in eigenständige Entscheidungen. Also das große Desaster ist ja bei uns dieses Missverständnis gewesen, dass die Politik gesagt hat, ich muss es mit Zwang machen, mit dem unrühmlichen Höhepunkt einer völlig absurden Impfpflicht zum falschen Zeitpunkt mit den falschen Methoden und entgegen der konkreten Aussage von den Leuten, die sich auskennen, das ist der größte Schwachsinn, den man machen kann, eine allgemeine Impfpflicht. Also insofern, ob die Skandinavier die Kommunikation besser gemacht haben oder die Niederländer oder andere, weiß ich nicht. Es war eine andere Voraussetzung und daran müssten wir arbeiten. Also die Kommunikation, ja, hätte man besser machen können. In Österreich ist es aber auch in anderen Ländern schiefgegangen. Wahrscheinlich ist jetzt die Folge bei uns ziemlich so eine der negativsten, eben was auch der Glaube an Wissenschaft jetzt betrifft. Das zweite Thema, was ich in Österreich schade finde, das war dann auch gegen Ende von GECO, wir haben keine klaren Strukturen. Das haben wir heute schon gehört. Studien, die nicht veröffentlicht werden. Also wenn ich einen Vertrag mache, auch mit dem Ministerium oder mit einem Bundesland, der Herr Stelzer hat uns beauftragt, wie der Herr Stelzer bei mir angerufen hat, habe ich zuerst gesagt, April, April. Aber die Niederösterreicher, für die wir für die Krankenhäuser gearbeitet haben, haben uns offensichtlich empfohlen. Also ich glaube, das ist jetzt eine Vermutung, aber auch kein Geheimnis. Oder nicht schlimm zumindest. Und ich habe gesagt, das glaube ich nicht, dann waren sie es doch. Und ich habe gesagt, wir machen das sehr gerne, aber A, sage ich, was ich mir denke, und B, veröffentlichen wir alles. Ganz einfach. Und der hat gesagt, ja. Es ist aber durchaus üblich, es wird seit Jahren gekämpft, die Kollegen vom Health Technology Assessment, dass zum Beispiel klinische Studien oder auch Real-World-Studien von Pharmafirmen veröffentlicht werden müssen. Das heißt, die müssen in ein Register kommen und dann müssen sie auch veröffentlicht werden, egal was rauskommt. Und da bin ich bei meiner Vorrednerin, da müssen wir hinkommen. Also das ist etwas, wo ich total dafür bin. Wo ich wiederum nicht dafür bin, nein, es muss nicht alles in jedem Detail veröffentlicht werden, weil wir das zum Beispiel aus Datenschutzgründen nicht dürfen. Also, aber man muss es vorher festlegen und man muss klare Spielregeln machen. Und da sind wir in Österreich ein bisschen schlechter noch wie andere, weil zum Beispiel in England oder in anderen Ländern gibt es klare Beratungsgremien. Also zum Beispiel, wenn ein Beratungsgremium was sagt, dann muss das Ergebnis gesamt dokumentiert und veröffentlicht werden. Und wenn die Politik anders entscheidet, gibt es überhaupt keinen Rechtsanspruch von einem Wissenschaftler, sich gekränkt aufzuregen. Auch das habe ich erlebt. Aber es muss erklärt werden von der Politik. Kann man ja sagen, ich entscheide anders, weil. Und dann kann man nachher auch offen darüber diskutieren. Aber das ist jetzt ein Thema, da könnte man. Wochen. Kommunikation, Dokumentation, Transparenz, all das sind Themen. Aber noch einmal, ich glaube nicht, um jetzt nicht so depressiv zu sein, dass wir so besonders schlecht sind. Also ja, in manchen Bereichen, die ich jetzt genannt habe, aber Politiker sind im Moment weltweit nicht so super. Also in Amerika möchte ich jetzt auch nicht leben, gerade in den USA, was die politische Vertretung betrifft. Ich würde noch gerne fragen, ob es einen Unterschied macht, wer gerade an der Macht ist, was die Zusammenarbeit betrifft, weil es gibt in den Ministerien einen Grundstock an Beamten, die nicht wechseln, wenn eine Regierung wechselt und so weiter. Gibt es da sozusagen ein Modell, wie es vielleicht nach der nächsten Wahl mit einer anderen Regierung, mit derselben Regierung sozusagen weitergehen kann, was das Vertrauen in diese Kommunikationsarbeit bietet? Das sind jetzt zwei Fragen. Also die eine ist die Unterscheidung zwischen dem Beamtenstab und der Politik, da gibt es einen Unterschied. Auch das habe ich teilweise gar nicht so schlimm erlebt, sondern wenn man weiß, was Sache ist, dann kann man damit umgehen. Beamte in den Ministerien sind hochprofessionell und kennen ihre Materie und müssen das übersetzen gemeinsam mit dem Kabinett, die dann schon quasi politische Player sind. Und irgendwann entscheidet der Minister oder die Ministerin. In der Realität ist es nicht immer so schön, dass das immer ganz klar ist. Aber grundsätzlich finde ich das okay. Man muss halt nur wissen, worauf man sich einlässt. Also dieses Wechselspiel, das kann man gestalten, ob es jetzt ein Generalsekretär braucht oder nicht. Das sind dann so politische Diskussionen. Schwierig, vielleicht ein kleiner Seitenhieb, ist, wenn sich sozusagen entkoppelt voneinander. Also das ist sozusagen unterschiedlich. Es gab in meiner Erfahrung sozusagen Bereiche, da funktioniert das sehr gut, wenn alle sehr offen miteinander sind und es eine wertschätzende Unterhaltung ist. Und manchmal habe ich es erlebt, dass es sich dann irgendwann entkoppelt. Aber das gibt es in jedem Firma oder in jeder Redaktion auch. Wenn der Chefredakteur was sagt und alle anderen sagen, ja, red du nur, du alter Trottel, dann wird es halt nicht so gut funktionieren im Wechselspiel. Vielleicht funktioniert es, weil sich die Redaktion dann durchsetzt, aber es sollte nicht sein, sondern es sollte anders funktionieren. Und das Zweite, ob sich das ändert mit anderen politischen Parteien, da werden Sie verstehen. Ich halte es immer so, und auch wenn Politiker sehr wohl gewusst haben, dass ich sie wahrscheinlich nicht wähle, manche habe ich das auch gesagt in der Intro gleich, habe ich es immer so gehalten, dass ich mit allen demokratisch gewählten Politikern gleich wertschätzend umgegangen bin. Das halte ich auch immer so. In Covid-Zeiten haben wir das Gesundheitsministerium beraten, wenn der Bundeskanzler uns etwas gefragt hat, oder das Bildungsministerium haben wir das genauso gemacht. Gestern war ich im Bildungsministerium zu so einer Veranstaltung eingeladen. Wurscht, ob ich die jetzt politisch mag oder nicht, sondern das ist unser Job, dass wir das völlig wertfrei und neutral machen, wie es auch Journalisten machen müssten. Ich betrachte es immer so, dass ich zu allen nicht gleich freundlich, sondern zu allen gleich unfreundlich bin, im Idealfall. Und die Oppositionsparteien haben uns auch angerufen und jedes Mal, wenn sie uns gefragt haben, haben wir das natürlich auch beantwortet. Kann ich Ihnen aber auch sagen, es gibt eine Partei, die hat uns nicht gefragt. Also genau eine parlamentarische. Ich habe auch gewisse Zweifel, dass die mich fragen würden, würden sie in der Regierung sein. Aber nicht, weil ich nicht mit ihnen reden möchte. Also keineswegs, ich halte das, würde das für eine massive Anmaßung halten, wenn ich das tun würde. Also dann habe ich einen Job verfehlt in der Beratung, in der wissenschaftsbasierten Beratung mit Simulationsmodellen. Gut. Vielen Dank, Niki Popper. Dankeschön.