KI und COVID

Das Projekt KI und COVID wird in Zusammenarbeit von vier Forschungsgruppen der Universität Koblenz realisiert. Der Fachbereich Informatik ist durch die Forschungsgruppen Verwaltungsinformatik (Prof. Dr. Maria A. Wimmer, Projektleitung), IT- und Datensicherheit (Prof. Dr. Andreas Mauthe) und Software Engineering (Prof. Dr. Jan Jürjens) beteiligt, der Fachbereich Mathematik und Naturwissenschaften durch die Arbeitsgruppe Modeling and Simulation (Prof. Dr. Thomas Götz).

Im Projekt KI und COVID wird untersucht, mit welchen Methoden und Werkzeugen der künstlichen Intelligenz (KI) die Komplexität der Maßnahmensetzung zur Eindämmung von Pandemien sowie zum vorsorgenden Schutz der Bevölkerung reduziert werden kann. Die Fortschritte in der Digitalisierung bieten zur Auswertung und Prognose der Pandemieentwicklung und zur Unterstützung im Zivilschutz mittlerweile sehr große Datenmengen, um regionale Maßnahmen und Handlungsstrategien zur Bekämpfung der Pandemie abzuleiten und zu steuern. Die in diesem Kontext notwendigen komplexen Entscheidungsprozesse stellen aber vor allem politische Entscheidungsträger sowie haupt- und ehrenamtliche Aufgabenträger im Gesundheitswesen und Zivilschutz (Gesundheitsämter, Ärzte und Krankenhäuser, Rettungsdienst, udgl.) vor große Herausforderungen, denn sie müssen neben den grundlegenden gesundheits- und versorgungsrelevanten Fakten auch sozial-, wirtschafts- und gesellschaftspolitische Einflussfaktoren in ihre Entscheidungsfindung und Maßnahmensetzung einfließen lassen. Aus Sicht der Bürgerinnen und Bürger scheinen die getroffenen Entscheidungen nicht immer ausreichend transparent, wie die Erfahrungen mit der COVID-19-Pandemie zeigen.

Während einer Pandemie werden vielfältige Daten (z.B. zu Fallzahlen und Maßnahmen) durch Behörden, Ämter und andere Einrichtungen erhoben und teils öffentlich verfügbar gemacht. Auf Grundlage dieser Daten soll KI in Verbindung mit verschiedenen Datenanalyseverfahren dazu beitragen, die jeweils aktuelle Datenlage schnell und belastbar (d.h. vertrauenswürdig und valide) auszuwerten und zu interpretieren. KI und Datenanalyseverfahren sollen die verschiedenen Akteure unterstützen, um die Pandemie-Situation besser zu verstehen, um letztendlich schneller Entscheidungsgrundlagen für angemessene und sachlich begründbare Handlungsmaßnahmen abzuleiten. Zielsetzung des Projekts COVID und KI ist es daher, ein KI-gestütztes Expertensystem zu entwickeln, das einerseits Empfehlungen von Verhaltensregeln und Maßnahmen zur Verringerung des COVID-19 Infektionsrisikos in der Bevölkerung gibt und andererseits Aufgabenträger in den Bereichen Gesundheitsversorgung, Zivilschutz und Rettungsdienst unterstützt, gezielte Maßnahmen hinsichtlich Bevölkerungsschutz und Maßnahmen zur Handhabe und Eindämmung der Pandemie zu geben.

Als Lösungsansatz sollen auf der Grundlage verfügbarer Daten sowie der Erfahrungen vergangener Ereignisse selbstlernende KI-basierte Methoden des maschinellen Lernens (wie z.B. Case-based Reasoning und Deep Neural Networks) eingesetzt werden. Diese Methoden werden ergänzt durch agentenbasierte Simulationen des sozialen Verhaltens sowie durch mathematische Simulationen der epidemiologischen COVID-19-Dynamik. Der Gesamtprozess von der Datenanalyse bis hin zur Generierung von Handlungsempfehlungen soll transparent, nachvollziehbar und erklärbar offengelegt werden, um Daten, Methoden und Werkzeuge validierbar zu machen. Insgesamt muss dieser Lösungsansatz sowohl auf Prozessebene als auch auf der Architektur- und Anwendungsebene betrachtet und ausgearbeit werden, auch unter dem Gesichtspunkt des Datenschutzes und der Datensicherheit, insofern nicht-öffentlich zugängliche, hochsensible Daten verarbeitet werden.

Die Kernelemente dieses umfassenden Ansatzes zur KI-basierten Analyse und Steuerung pandemischer Situationen werden in miteinander verbundenen Teilprojekten entwickelt und zu einem Gesamtsystem zusammengeführt:

1. Datenanalyse und -strukturierung
2. Methoden der Künstlichen Intelligenz und des maschinellen Lernens
3. Methoden der mathematischen und der sozialen Simulation
4. Referenzarchitektur für integrierten Datenschutz und Datensicherheit
5. Integration und Systemzusammenführung