Obwohl das von der Gelbfieber- und der Tigermücke übertragene Zika-Virus schon seit mehreren Jahren bekannt ist, hat der Erreger erst 2016 weltweit für Schlagzeilen gesorgt. Besonders Lateinamerika, das ab 2013 zum Zika-Zentrum wurde, rückte 2016 schlagartig ins Blickfeld. Denn Olympia in Rio stand bevor.

Während im Umfeld des Sport-Events diskutiert wurde, ob die Spiele abgesagt werden müssen, entstand auch die Frage, wie sich die Ausbreitung des Virus mittels Technologie besser verfolgen lässt. Immerhin hatten rund 150 Forscher im Frühsommer gewarnt, das Virus könne durch Olympia einen Sprung in der globalen Verbreitung machen. Aber wie genau? Auf welchen Wegen? Und unter welchen Umständen?

Entscheidende Fragen, mit denen sich unter anderem der BI-Anbieter Qlik, die Data-Management-Plattform Cloudera und der Systemintegrator Bardess beschäftigten. Zusammen bauten sie eine App, die sich auf Grundlage von Daten auf die Fährte des gefährlichen Virus macht. Denn die Situation spitzte sich im Lauf des vergangenen Jahres deutlich zu. Immer mehr Fälle von Infektionen wurden 2016 bekannt, was vor allem schwangeren Frauen auf der ganzen Welt große Sorgen machte.

Unterschiedlichste Daten auf einer Oberfläche

Die große Herausforderung bestand darin, aus der immensen Fülle verfügbarer Daten jene zu identifizieren, die mit der Verbreitung von Zika in Zusammenhang stehen können. Und, darüber hinaus, die Vielzahl unterschiedlichster Daten aus völlig verschiedenen Quellen auf einer gemeinsamen Oberfläche zu sammeln, sie zu kombinieren, zu analysieren und die Ergebnisse verständlich zu visualisieren.

Die drei Unternehmen taten mit ihrer App genau das: Weltweite Populationsdichten der virustragenden Mückenarten wurden erfasst und mit Wetterdaten, vermuteten und bestätigten Krankheitsfällen sowie Flugverbindungsdaten internationaler Airports zusammengebracht.
Dann wurde die Verfügbarkeit geeigneter Medikamente in ländlichen Regionen und Ballungsräumen in die gemeinsame Datenoberfläche integriert und ergänzt um unstrukturierte Informationen aus Social-Media-Kanälen, Newsfeeds oder WHO-Statistiken über neue Ausbruch-Hotspots.

Ein klassisches Big-Data-Szenario also, wie es auch viele multinationale Unternehmen kennen. Allein die Wetterdaten der Welt stammen von mehr als 10.000 über den Globus verteilten Wetterstationen. Viele davon stellen inzwischen nicht mehr nur punktuelle Momentaufnahmen zur Verfügung, sondern sammeln und übertragen kontinuierlich Sensordaten. Gefragt war daher nicht nur die Integration vieler, sondern auch permanent zunehmender, kontinuierlich auflaufender Daten.

Zusammenhang zwischen Wetterdaten und Mückenpopulation

Was die App schließlich ans Licht brachte, war erstaunlich - und wäre ohne umfassende Datenanalysen so in dieser Geschwindigkeit nicht darstellbar gewesen. Unter anderem konnte aus den importierten Wetterdaten mit wenigen Klicks evaluiert werden, dass 2013 eine auffällige Trockenzeit in den üblichen Verbreitungsgebieten der Gelbfieber- und der Tigermücke herrschte. Die Folge: eine überlange, von Wind und Regen ungestörte Brut-Periode, an deren Ende eine immense Mückenpopulation stand.

Das Zusammenführen von Insekten-Populationsdaten und registrierten Krankheits- beziehungsweise Verdachtsfällen ermöglichte mit einem weiteren Klick bereits eine detaillierte und bis auf Ortsebene deklinierbare Verbreitungs-Landkarte. Die Integration von Flugverbindungsdaten ließ darüber hinaus Rückschlüsse darauf zu, wo Reiserückkehrer aus betroffenen Regionen das Virus unter Umständen selbst weiterverbreiteten.