Das Projekt mit dem Titel „AI-Driven Behavioural Epidemic Models for Intervention Design (Aibem)“ erhält über einen Zeitraum von drei Jahren 970.139 Euro und wird von Yamir Moreno koordiniert, dem Direktor des Universitätsinstituts für Biokomputation und Physik komplexer Systeme (BIFI) und Mitglied der Abteilung für Theoretische Physik der Universität Saragossa. Zum Konsortium gehören außerdem das Forschungsteam des Professors der Universitat Pompeu Fabra (UPF), Joan Benach, Direktor der Forschungsgruppe für gesundheitliche Ungleichheiten – Employment Conditions Network (GREDS-EMCONET) und Ko-Direktor des JHU-UPF Public Policy Center, sowie das Team des Professors Anxo Sánchez, Forscher der Interdisziplinären Forschungsgruppe für komplexe Systeme (GISC) an der Universität Carlos III Madrid (UC3M).
Aibem wurde als eines von 32 Projekten aus 800 eingereichten Vorschlägen für die Ausschreibung 2026 ausgewählt. Dies entspricht einer Erfolgsquote von 4 %. Insgesamt stellt die Stiftung „la Caixa“ den in dieser Ausgabe ausgewählten Projekten 25,7 Millionen Euro zur Verfügung.
Die Bewilligung stellt zudem einen Meilenstein für die Forschung in Aragón dar. Seit ihrer ersten Ausgabe im Jahr 2018 hat die Ausschreibung der Stiftung „la Caixa“ zur Gesundheitsforschung rund 260 biomedizinische Forschungsprojekte in Spanien und Portugal finanziert. AIBEM ist das erste von der Universität Saragossa als federführender Organisation (host organization) geleitete aragonesische Projekt.
„Seit zwei Jahrzehnten ermöglicht uns die Wissenschaft, die Dynamik der Ausbreitung eines Krankheitserregers über Kontaktnetzwerke präzise zu modellieren. Die eigentliche Herausforderung lag jedoch stets in der Unberechenbarkeit unserer eigenen Natur. Die Komplexität des menschlichen Verhaltens in einer Gesundheitskrise abzubilden, bleibt eine offene Aufgabe. Das Aufkommen generativer künstlicher Intelligenz verändert die Spielregeln zu unseren Gunsten: Indem autonome Rechenagenten mit der Fähigkeit zum Schlussfolgern und zur gegenseitigen Beeinflussung ausgestattet werden, könnten wir erreichen, dass epidemiologische Modelle nicht länger bloße mathematische Projektionen sind, sondern den menschlichen Faktor auf gesellschaftlicher Ebene wirklichkeitsgetreu abbilden“, erklärt der wissenschaftliche Leiter des Projekts, Yamir Moreno, Direktor des Universitätsinstituts für Biokomputation und Physik komplexer Systeme (BIFI) und Mitglied der Abteilung für Theoretische Physik der Universität Saragossa.
MODELLE ZUR NACHBILDUNG MENSCHLICHEN VERHALTENS
Die Covid-Pandemie zeigte, dass die Befolgung von Maßnahmen wie Impfungen, dem Tragen von Masken oder der Einschränkung der Mobilität zwischen sozialen Gruppen und im Zeitverlauf stark variierte. Beeinflusst wurde sie auch durch die Risikowahrnehmung, das Vertrauen in Institutionen, Desinformation, das sozioökonomische Umfeld, die Verwundbarkeit und materielle Ungleichheiten. Die gängigen epidemiologischen Modelle behandeln menschliches Verhalten jedoch weiterhin als festen oder exogenen Parameter, was ihren Nutzen als Instrument zur Entscheidungsfindung erheblich einschränkt.
Aibem schlägt in diesem Zusammenhang einen Paradigmenwechsel vor: sogenannte generative agentenbasierte Modelle (GABM), in denen jedes simulierte Individuum von einem großen Sprachmodell (LLM) gesteuert wird, das mit einem spezifischen Profil konfiguriert ist. Dieselbe Technologie liegt Plattformen für künstliche Intelligenz wie ChatGPT oder Gemini zugrunde. Die Agenten werden über eine eigene Identität, Ziele, ein Gedächtnis und Werkzeuge verfügen. In diesem Kontext werden sie miteinander interagieren, Entscheidungen treffen, Erwartungen entwickeln und soziale Normen hervorbringen. Zudem werden ihre Reaktionen systematisch anhand von Experimenten mit realen Menschen validiert.
„Epidemien sind nicht ausschließlich biologische Phänomene: Ihre Ausbreitung und ihre Folgen werden tiefgreifend durch soziale Ungleichheiten, Lebens- und Arbeitsbedingungen sowie Machtverhältnisse geprägt“, erklärt Joan Benach, einer der weiteren Projektforscher, Direktor der Forschungsgruppe für gesundheitliche Ungleichheiten – Employment Conditions Network (GREDS-EMCONET) und Ko-Direktor des JHU-UPF Public Policy Center der Universitat Pompeu Fabra (UPF).
Benach ist daher der Ansicht, dass es nicht ausreicht, ausgefeiltere epidemiologische Modelle zu entwickeln. Vielmehr müssten die strukturellen Ursachen einbezogen werden, die dazu führen, dass bestimmte soziale Gruppen stärker Epidemien ausgesetzt, verwundbarer oder weniger in der Lage sind, sich zu schützen. Die Forscher der UPF werden ihre Erfahrung in den Bereichen gesundheitliche Ungleichheiten, ökosoziale Determinanten und öffentliche Politik einbringen und die Entwicklung sowie Bewertung von Maßnahmen leiten, die sowohl ihre Wirksamkeit als auch ihre Auswirkungen auf die Chancengleichheit berücksichtigen.
„Unsere Herausforderung besteht darin, dazu beizutragen, dass künstliche Intelligenz nicht nur Epidemien besser vorhersagt, sondern auch hilft, sie zu erklären und sozial gerechte Antworten des öffentlichen Gesundheitswesens zu entwickeln“, betont Benach. Diese Antworten müssen unter Beteiligung der betroffenen Akteure entwickelt werden und dazu beitragen, bestehende Ungleichheiten zu verringern, statt sie zu reproduzieren.
Das Projekt ist in drei große Arbeitsbereiche gegliedert. Die UC3M wird über die Plattform IBSEN, die im Rahmen des gleichnamigen europäischen H2020-Projekts entwickelt wurde, Verhaltensexperimente mit sozioökonomisch vielfältigen Teilnehmern durchführen. Die Universität Saragossa wird ihrerseits generative Agenten entwickeln, die menschliches Verhalten nachbilden, und sie in epidemiologische Modelle integrieren. Dabei nutzt sie die Supercomputing-Infrastruktur des BIFI (CESAR) sowie die umfangreiche Erfahrung der Forschungsgruppe für Netzwerke und komplexe Systeme (COSNET) in der mathematischen und computergestützten Modellierung von Epidemien. Die UPF wird die Ergebnisse in Instrumente zur Unterstützung der Entscheidungsfindung von Gesundheitsbehörden übertragen, einschließlich einer ausdrücklichen Bewertung der Verteilungswirkungen jeder Maßnahme.
CHANcengleichheit ALS ERGEBNIS DES MODELLS
Ein wesentliches Merkmal von AIBEM besteht darin, dass Chancengleichheit nicht erst am Ende der Analyse hinzugefügt, sondern als primäres Ergebnis des Modells selbst behandelt wird. Die nach Alter aufgeschlüsselten Kontaktmatrizen werden anhand von Daten aus der spanischen Volkszählung, Arbeitskräfteerhebungen und stratifizierten epidemiologischen Registern um sozioökonomische Dimensionen – Beruf, Einkommen und Wohnviertel – erweitert. So sollen Unterschiede bei der Krankheitslast und bei den Reaktionsmöglichkeiten aus den materiellen Bedingungen der jeweiligen Gruppe hervorgehen.
Das Projekt umfasst außerdem einen ethischen und Governance-Rahmen, der an die Europäische Verordnung über künstliche Intelligenz (EU AI Act) angelehnt ist und Bias-Audits, menschliche Aufsicht sowie unabhängige Prüfungen der Chancengleichheit vorsieht. Alle Modelle, Daten und Validierungsprotokolle werden nach den FAIR-Prinzipien offen veröffentlicht.
Zu den erwarteten Ergebnissen gehören anhand experimenteller Daten von Menschen validierte Verhaltensagenten mit expliziter sozioökonomischer Vielfalt; gekoppelte epidemiologische Modelle, die quantifizieren können, wie heterogenes Verhalten die Übertragung beeinflusst; eine systematische Methodik zur Entwicklung und Bewertung von Maßnahmen unter realistischen sozialen Bedingungen; sowie ein Instrumentarium zur Unterstützung der Entscheidungsfindung für spanische und europäische Gesundheitsbehörden, das Politikberichte, ethische Leitlinien und Simulationssoftware umfassen wird.
