Die Covid-19-Pandemie hat gezeigt, dass Prognosen auf Basis von Modellen, die nur historische Daten fortschreiben, Infektionszahlen oft überschätzen, was die öffentliche Akzeptanz solcher Vorhersagen als Basis politischer Entscheidungen schwächt. Herkömmliche Modelle berücksichtigen keine Verhaltensänderungen aufgrund von wahrgenommenen Risiken und ignorieren die Auswirkungen von Krisenkommunikation und subjektiver Wahrnehmung. Ziel von SEMSAI ist es zu erforschen, wie modellbasierte Vorhersagen so angepasst werden können, dass sie die Zukunft besser widerspiegeln, und wie sich die Kommunikation von Vorhersagen auf das Verhalten der Bevölkerung auswirkt. Die KFS untersucht Möglichkeiten, die Validität von Simulationsmodellen, die bei einer lebensbedrohlichen Infektionskrankheit zum Einsatz kommen, zu erhöhen. Das Projekt bietet eine Entscheidungshilfe für Modellierer:innen, um die Reaktion der Bevölkerung und Reflexivität bei Simulationen zu berücksichtigen. Die Infektionsraten hängen entscheidend vom Verhalten der Bevölkerung ab. Es wird davon ausgegangen, dass Simulationsmodelle einen Einfluss auf die Bevölkerung haben, von dieser aber auch selbst beeinflusst werden (Reflexivität). Die Nichtberücksichtigung dieser Feedback-Effekte bei der Modellierung kann zu ungültigen Modellen führen. Modellierer:innen müssen das Verhalten der Menschen und die Rückkopplungseffekte verstehen und Wege finden, diese (wenn möglich) in Simulationsmodelle zu integrieren. Die KFS befasst sich in ihrem Teilprojekt mit diesen zentralen Forschungslücken und bearbeitet folgende Fragestellungen:

1. Wie verhalten sich die Menschen während einer Epidemie?
2. Was beeinflusst die Reaktion der Bevölkerung (Indikatoren)?
3. Wie kann das Verhalten der Bevölkerung in die Modellierung integriert werden?
4. Welche Rückkopplungseffekte gibt es und wie relevant sind sie?
5. Wie können (wenn überhaupt) Rückkopplungseffekte in Simulationsmodelle integriert werden?
6. Welche Schlussfolgerungen können gezogen werden?

Modellrelevante Indikatoren des menschlichen Verhaltens werden identifiziert, in Modelle integriert und getestet. Die Grundlagen zum Bevölkerungsverhalten und Verhaltensindikatoren während Epidemien und Pandemien werden durch umfangreiche Literatur- und Dokumentenanalysen sowie eine Sekundäranalyse der Daten der KFS-Corona-Bevölkerungsbefragungen erarbeitet und ergänzt durch eine repräsentative deutschlandweite Befragung. Im Zentrum der zweiten Phase des Projektes stehen drei Umfrageexperimente zur Analyse der wahrgenommenen Modellgenauigkeit, die Kommunikation von Modellunsicherheiten und der Modellinhalte. Empfehlungen dazu, ob und wie Feedback-Effekte in Simulationsmodelle integriert werden können, werden erarbeitet.