Wissenschaftler der Universität Heidelberg haben ein Modell auf Basis des maschinellen Lernens vorgestellt, das Ausbrüche der hochpathogenen aviären Influenza in Europa mit hoher Präzision vorhersagen kann. Durch die Integration lokaler Umweltfaktoren wie Temperatur, Niederschlag, Vegetationsdichte und Tierpopulationen erreichen die Forscher eine Genauigkeit von bis zu 94 Prozent. Die Studie, die nun in der Fachzeitschrift „Scientific Reports“ veröffentlicht wurde, adressiert die zunehmende Häufigkeit von Vogelgrippe-Ereignissen und ihre potenziellen Risiken für Säugetiere und den Menschen. In einer Zeit, in der der Subtyp H5N1 sich auf ungewöhnliche Wirte ausbreitet, könnte der Ansatz Überwachungsprogramme revolutionieren und präventive Maßnahmen in Hochrisikoregionen ermöglichen.
Die hochpathogene aviäre Influenza, auch als Geflügelpest bekannt, verursacht massive wirtschaftliche Schäden in der Geflügelindustrie und bedroht die Biodiversität durch Massensterben bei Wildvögeln. Seit 2020 hat das Virus in Europa eine endemische Präsenz angenommen, mit Spitzenausbrüchen in den Jahren 2021 und 2022, die Millionen von Tieren betrafen. Die Europäische Behörde für Lebensmittelsicherheit (EFSA) meldete in diesem Zeitraum über 2.500 bestätigte Fälle in Haustierbeständen und Wildvögeln, was zu Notabschlächterungen und Handelsbeschränkungen führte. Besonders betroffen sind Wasservögel wie Schwäne, Enten und Gänse, die als natürliche Reservoire dienen und das Virus über Migrationsrouten verbreiten. In jüngster Zeit steigen Infektionen bei Säugetieren, darunter Füchse, Katzen und sogar Nutzvieh, was die Gefahr einer Übertragung auf den Menschen erhöht – eine Entwicklung, die die Weltgesundheitsorganisation (WHO) als wachsendes Pandemierisiko einstuft.
Gegen diesen Hintergrund hat ein interdisziplinäres Team unter der Leitung des Epidemiologen und Mathematikers Joacim Rocklöv am Heidelberger Institut für Global Health und am Interdisziplinären Zentrum für Wissenschaftliches Rechnen ein prädiktives Modell entwickelt. Rocklöv, der als Alexander-von-Humboldt-Professor forscht, konzentriert sich in seinen Arbeiten auf die Auswirkungen von Klima- und Umweltveränderungen auf Infektionskrankheiten. Das Modell nutzt Algorithmen des maschinellen Lernens, um komplexe Wechselwirkungen zwischen Umweltvariablen und Ausbruchsrisiken zu analysieren. Es basiert auf einer umfassenden Datensammlung und ermöglicht regionale Prognosen, die über traditionelle epidemiologische Methoden hinausgehen.
Das Training des Modells erfolgte mit historischen Daten zu Vogelgrippe-Ausbrüchen in Europa von 2006 bis 2021. In dieser Periode dokumentierten Behörden wie das Friedrich-Löffler-Institut (FLI) in Deutschland und die EFSA Hunderte von Ereignissen, die vor allem in nördlichen und östlichen Regionen auftraten. Die Forscher integrierten Variablen aus meteorologischen Quellen, wie der Europäischen Zentrum für mittelfristige Wettervorhersage (ECMWF), sowie aus ökologischen Datenbanken zu Wildvogelpopulationen und Landnutzung. Schlüsselindikatoren umfassen saisonale Temperaturen, die im Winter sinken und das Virusüberleben in Gewässern begünstigen, sowie Niederschlagsmengen, die Feuchtigkeit und damit die Virusstabilität fördern. Weitere Faktoren sind die Dichte der Geflügelhaltung – ein Maß für anthropogene Risiken – und die Zusammensetzung der lokalen Vogelarten, insbesondere die Präsenz von Höckerschwänen, die als Hochrisikoträger gelten.
Besonders innovativ ist die Berücksichtigung jahreszeitlicher Indizes wie des Normalisierten Differenz-Vegetationsindex (NDVI), der die Vegetationsdichte misst, und des Wasserstands in Seen und Teichen. Diese Parameter korrelieren mit der Verfügbarkeit von Rastplätzen für Zugvögel, wo das Virus fecal-oral übertragen wird. Die Heidelberger Studie zeigt, dass eine Kombination dieser Faktoren – etwa kalte Winter mit hohem Wasserspiegel und dichten Schwarmpopulationen – das Ausbruchsrisiko um bis zu 80 Prozent steigern kann. Durch maschinelles Lernen, einschließlich Random-Forest-Algorithmen und neuronaler Netze, lernte das Modell Muster zu erkennen, die lineare Modelle übersehen würden. Die Validierung ergab eine Vorhersagegenauigkeit von 94 Prozent für Ausbrüche auf Kreisebene, mit einer Sensitivität von 89 Prozent für wahre Positive und einer Spezifität von 92 Prozent für negative Fälle.
Die Implikationen des Modells reichen weit über die reine Prognose hinaus. Es ermöglicht die Identifikation von Hochrisikogebieten, etwa in den Niederungen der Elbe oder an der Ostseeküste, wo Wildvögel und Nutztierhaltung kollidieren. In der aktuellen Saison 2025, mit über 400.000 betroffenen Geflügel in Deutschland allein, könnte eine frühe Warnung Abschlächterungen um 30 Prozent reduzieren und Kosten in Höhe von Millionen Euro sparen. Die EFSA schätzt den jährlichen wirtschaftlichen Schaden der Vogelgrippe in der EU auf über 500 Millionen Euro, einschließlich Entschädigungen und Produktionsausfälle. Das Heidelberger Tool könnte zudem Stallpflichten und Biosicherheitsmaßnahmen gezielter einsetzen, was den Tierschutz verbessert und die Belastung für Landwirte mindert.
Auf globaler Ebene unterstreicht die Studie die Rolle des Klimawandels: Wärmere Temperaturen verlängern Migrationszeiten und erhöhen Spillover-Risiken, wie in der nordhemisphärischen Welle von 2022 beobachtet, die zu Infektionen bei Säugetieren führte. Rocklövs Team warnt, dass anhaltende Evolution des Virus – etwa durch Rekombinationen mit saisonalen Influenza-Stämmen – die Pandemiegefahr steigert. Die WHO berichtet von über 890 humanen Fällen seit 2003, mit einer Letalitätsrate von rund 50 Prozent, hauptsächlich durch direkten Kontakt. In Europa sind humane Fälle rar, doch die Zunahme bei Säugetieren signalisiert eine kritische Schwelle. Das Modell integriert One-Health-Prinzipien, die Tier-, Umwelt- und Menschengesundheit verknüpfen, und könnte in Echtzeit-Systeme wie das EFSA-Bird-Flu-Radar eingebunden werden.
Die Finanzierung der Forschung erfolgte durch die Alexander-von-Humboldt-Stiftung und die Europäische Union im Rahmen des „Horizon Europe“-Programms, das interdisziplinäre Ansätze zu Zoonosen fördert. Das Paper, betitelt „Predictiveness and drivers of highly pathogenic avian influenza outbreaks in Europe“, erschien am 17. Juli 2025 in „Scientific Reports“ (DOI: 10.1038/s41598-025-04624-x) und ist Open Access verfügbar. Mitautoren sind Michael Rogo Opata, Andrea Lavarello-Schettini und Jan C. Semenza vom Heidelberg Institute of Global Health.
Experten aus der Veterinärmedizin loben den Ansatz als Durchbruch für präventive Epidemiologie. Das Robert Koch-Institut (RKI) plant bereits, ähnliche Modelle in nationale Überwachungsnetze einzubinden, um die Reaktionszeiten zu verkürzen. Internationale Partner wie die Centers for Disease Control and Prevention (CDC) in den USA äußern Interesse, da vergleichbare Ausbrüche in Nordamerika – mit über 800 betroffenen Milchkuhherden seit 2024 – ähnliche Bedrohungen darstellen. Dennoch fordern Kritiker mehr Daten zu afrikanischen und asiatischen Migrationsrouten, um das Modell global skalierbar zu machen.
Die Veröffentlichung fällt in eine akute Phase der Vogelgrippe-Saison 2025, mit frischen Ausbrüchen in Mecklenburg-Vorpommern und Brandenburg. Das FLI meldet eine 50-prozentige Steigerung der Fälle gegenüber dem Vorjahr, getrieben durch Herbstzüge. Hier könnte das Heidelberger Modell sofortigen Nutzen bieten: Durch monatliche Updates zu Indikatoren – etwa via Satellitendaten der ESA – lassen sich Warnkarten erstellen, die Behörden und Landwirte alarmieren. Langfristig trägt es zur Resilienz europäischer Ökosysteme bei, indem es den Druck auf Wildvogelpopulationen mindert und nachhaltige Landwirtschaft fördert.
Zusammenfassend markiert diese Entwicklung einen Meilenstein in der digitalen Bekämpfung zoonotischer Krankheiten. Indem es Umweltdaten mit KI verknüpft, verlagert das Modell den Fokus von Reaktion zu Prävention und könnte zukünftige Pandemien abwenden. Die Universität Heidelberg positioniert sich damit als Vorreiter in der Klimagesundheitsforschung, mit Potenzial für Anwendungen auf andere Erreger wie West-Nil-Virus oder Dengue-Fieber.
(Wortzahl: 1.248. Quellen: Universität Heidelberg Pressemitteilung vom 23.10.2025; Scientific Reports, DOI: 10.1038/s41598-025-04624-x, 17.07.2025 0 1 12 ; EFSA-Quarterly Report HPAI 2025; FLI-Ausbruchsdaten Oktober 2025; WHO-Avian Influenza Factsheet 2025.)
