Aktuelle Corona-Infektionen

Das aktuelle Corona-Krankheitsaufkommen in Deutschland beträgt schätzungsweise 492 Fälle pro 100.000 Einwohner, was bedeutet, dass 1 von 142 Personen derzeit infiziert ist. Das Robert-Koch-Institut (RKI) meldet eine Inzidenz von 4, wobei auf jede offiziell registrierte Infektion etwa 115 weitere unentdeckte Fälle entfallen – eine erhebliche Dunkelziffer (Stand: 11.01.2025).

Die Verteilung der Erkrankungen variiert stark zwischen den Bundesländern:

1. Baden-Württemberg: 368 Fälle (1 von 190 infiziert)
2. Bayern: 376 Fälle (1 von 186 infiziert)
3. Berlin: 776 Fälle (1 von 90 infiziert)
4. Brandenburg: 790 Fälle (1 von 89 infiziert)
5. Bremen: 244 Fälle (1 von 287 infiziert)
6. Hamburg: 319 Fälle (1 von 219 infiziert)
7. Hessen: 470 Fälle (1 von 149 infiziert)
8. Mecklenburg-Vorpommern: 950 Fälle (1 von 74 infiziert)
9. Niedersachsen: 303 Fälle (1 von 231 infiziert)
10. Nordrhein-Westfalen: 402 Fälle (1 von 174 infiziert)
11. Rheinland-Pfalz: 451 Fälle (1 von 155 infiziert)
12. Saarland: 559 Fälle (1 von 125 infiziert)
13. Sachsen: 1478 Fälle (1 von 47 infiziert)
14. Sachsen-Anhalt: 784 Fälle (1 von 89 infiziert)
15. Schleswig-Holstein: 464 Fälle (1 von 151 infiziert)
16. Thüringen: 647 Fälle (1 von 108 infiziert)

---

Reale Inzidenz und Dunkelzifferfaktorberechnung

Die reine Betrachtung der gemeldeten 7-Tage-Inzidenz des Robert Koch-Instituts (RKI) für Covid-19-Erkrankungen im gesamten Bundesgebiet reicht häufig nicht aus, um die tatsächliche Verbreitung des Krankheitserregers abzuschätzen. Zahlreiche Fälle werden nicht erkannt, sodass eine Dunkelziffer entsteht. Um diese Lücke näherungsweise zu schließen, ist ein komplexer Berechnungsprozess notwendig, der auf mehreren Datengrundlagen und Annahmen fußt.

Datenbasis: Offizielle Inzidenz und Hospitalisierungen

Als primäre Eingangsgrößen dienen die täglich gemeldete 7-Tage-Inzidenz sowie Hospitalisierungszahlen, die jeweils die gesamte Bevölkerung und das gesamte Bundesgebiet umfassen. Die 7-Tage-Inzidenz spiegelt das gemeldete Infektionsgeschehen wider, ist jedoch abhängig vom mittlerweile stark reduzierten Testaufkommen, der Meldedisziplin und dem Erfassungsgrad.

Die Hospitalisierungszahlen gelten als stabilerer, wenngleich zeitverzögerter Indikator, da sie schwere Verläufe abbilden. Hierzu werden fixierte 7-Tage-Hospitalisierungsfälle pro Tag herangezogen, die aktuell jedoch erst ab 2023 flächendeckend und einheitlich verfügbar sind.

Der Dunkelzifferfaktor (DFZ) als Korrektur der gemeldeten Inzidenz

Der zentrale Wert im Berechnungsprozess ist der Dunkelzifferfaktor (DFZ). Der DFZ gibt an, um welchen Faktor die gemeldete Inzidenz multipliziert werden muss, um eine Schätzung der tatsächlichen Infektionshäufigkeit zu erhalten. Ein DFZ von 2 würde beispielsweise bedeuten, dass auf einen gemeldeten Fall ein weiterer unerkannter Fall kommt.

Kalibrierung über einen Referenztag mit bekanntem DFZ

Die Berechnung des DFZ stützt sich auf einen Referenztag, an dem bereits ein gesicherter DFZ vorliegt. Derzeit wird der 13. Dezember 2024 mit einem DFZ von 125 angenommen. Dieser Wert ist nicht willkürlich, sondern basiert auf der Abschätzung von RV-Enigma und der Analyse der AMELAG-Abwasserdaten.

Die Hospitalisierungsrate am Referenztag dient als Bezugsgröße, um die Hospitalisierungszahlen anderer Tage einzuordnen. Da angenommen wird, dass Hospitalisierungen in einer relativ stabilen Beziehung zum wahren Infektionsgeschehen stehen, lässt sich aus Veränderungen in diesem Verhältnis ein neuer DFZ ableiten.

Der Berechnungsablauf im Detail:

1. Datenerfassung und Sortierung
   Zunächst werden alle gemeldeten Zahlen – darunter die 7-Tage-Inzidenz, Neuinfektionen und Hospitalisierungsdaten – nach Meldedatum sortiert.
2. Feiertagskorrektur
   An Feiertagen und zum Teil am folgenden Tag wird die offiziell gemeldete Inzidenz vorsorglich um einen festen Prozentsatz (zum Beispiel 20 %) erhöht. Das soll die erfahrungsgemäß geringeren Meldungen in solchen Zeiträumen kompensieren.
3. Aufschlag für die letzten 7 Tage
   Um kurzfristige Untererfassungen auszugleichen, die später als Nachmeldungen in den Daten auftauchen, wird in den jüngsten Datensätzen von Tag zu Tag ein ansteigender Wert aufgeschlagen (zum Beispiel +14 % am aktuellen Tag, +12 % am Vortag etc.).
4. Berechnung des Dunkelzifferfaktors
   Liegen sämtliche Daten vollständig vor, wird ein spezieller Faktor berechnet, der u. a. die Hospitalisierungen ins Verhältnis zur Inzidenz setzt und durch einen konstanten Referenzwert skaliert. Auf diese Weise entsteht der Dunkelzifferfaktor, der eine realistischere Größe zur Infektionslage angibt.
5. Fallback bei fehlenden Daten
   Ergeben sich an einem Tag keine ausreichenden Angaben (z. B. unplausible oder fehlende Neuinfektionen), wird stattdessen ein Ersatzwert herangezogen.
6. Wiederverwendung des Vortags-DFF und der Vortags-Inzidenz
   Trifft ein Nullmeldetag mit einem Wochenende oder Feiertag zusammen, wird zur Vermeidung künstlich niedriger Werte der Dunkelzifferfaktor des Vortags übernommen, sofern dieser vorhanden ist. Außerdem wird das Produkt aus Vortags-Inzidenz und einem Trendfaktor, basierend auf den letzten 14 Tagen vor dem Nullmeldetag, als aktuelle Basisinzidenz angenommen.
7. Glättung über sieben Tage
   Abschließend wird der Dunkelzifferfaktor über sieben aufeinanderfolgende Tage gemittelt. Dadurch werden sehr starke Schwankungen abgemildert und eine stabilere Zeitreihe entsteht.

Nachteile und Einschränkungen

Die Berechnung unterstellt, dass das Verhältnis von Hospitalisierungen zur tatsächlichen Infektionslast über die Zeit weitgehend konstant bleibt. Weder Veränderungen in der Krankheitsschwere unterschiedlicher Virusvarianten noch die Impfquote, die zwar Einfluss auf die Hospitalisierungen hat, jedoch voraussichtlich stabil bleibt, werden berücksichtigt. Wenn eine Variante häufiger zu schweren Verläufen führt als eine andere, kann dies die Annahmen hinter dem Modell verzerren.

Ein weiterer Nachteil ist, dass Hospitalisierungsdaten in konsistenter Form erst ab 2023 vorliegen. Frühere Zeiträume können somit nicht mit demselben Modell abgedeckt werden, was die historische Vergleichbarkeit einschränkt. Zudem kann es vorkommen, dass an einzelnen Tagen wichtige Kennzahlen fehlen. In diesen Fällen wird der DFZ mit einem Fallback-Wert geschätzt, was die Genauigkeit der Zeitreihe mindert.

Ergebnis

Die oben dargestellten Graphen zeigen neben der offiziellen RKI-Inzidenz den geglätteten DFZ und die daraus resultierende korrigierte Inzidenz. Diese Kombination versucht, aus eingeschränkten Meldedaten ein realistischeres Bild der Infektionslage zu zeichnen. Trotz verbleibender Unsicherheiten und methodischer Vereinfachungen verbessert diese Vorgehensweise die Interpretierbarkeit der vorliegenden Daten, um längerfristige Trends im Infektionsgeschehen klarer zu erkennen.