Neueste Erkenntnisse zu den Corona-Maßnahmen – Ein Blick in die Welt der Wissenschaft

„Die Wissenschaft sagt…“

In diesem Beitrag möchte ich auf eine Studie hinweisen, die die Wirksamkeit von politischen Maßnahmen, die nicht explizit medizinischer Natur sind, indirekt geprüft hat. Doch zunächst ein paar Worte zur Welt der Wissenschaft:

Die Verlässlichkeit „der Wissenschaft“

Wir hören ja oft, „die Wissenschaft sagt dies“ oder „die Wissenschaftler sagen jenes“, um damit einer Aussage eine gewissen Relevanz und Faktenbasiertheit zu verleihen. Zunächst sei gesagt: In der Wissenschaft gibt es in den meisten Fällen mindestens zwei Ansichten zu einem Thema. Die Wissenschaft lebt geradezu davon, unterschiedliche Meinungen gegenseitig ins Feld zu führen und sie in ihren Veröffentlichungen argumentativ gegenseitig abzuprüfen.

Dabei gibt es aber erhebliche Qualitätsunterschiede in der Arbeit der einzelnen Forscherinnen und Forscher. Nicht jede Studie ist gleich gut und damit in gleichem Maße verlässlich.

Im ersten Semester meines Masterstudiums bestand der Inhalt eines der ersten Kurse darin, die Gütekriterien einer aussagekräftigen wissenschaftlichen Arbeit zu verstehen und sie herauslesen zu können. Im Zuge dieses Seminars mussten wir insgesamt drei verschiedene wissenschaftliche Artikel untersuchen, bewerten und eine sogenannte „Rezension“ verfassen. Es ist durchaus gängige Praxis, zu einigen Artikeln, die von namhaften Wissenschaftlerinnen und Wissenschaftlern verfasst wurden, eine solche „Review“ von einem anderen Fachexperten schreiben zu lassen.

Dabei versucht man, die Arbeit der Autoren nachzuvollziehen, rechnet Ergebnisse nach, überprüft die Verlässlichkeit der Datenlage, bewertet die Verständlichkeit der Argumentationsführung und derlei Dinge mehr. Es ist eigentlich stets notwendig, einen Artikel zunächst zu lesen und nachzuvollziehen, bevor man ihn als Argumentationsgrundlage anführt. Dies geschieht leider zu selten, aber das ist verständlich.

Den ersten Artikel, den wir rezensieren mussten, war von einer anerkannten Professorin verfasst. Normalerweise werden Artikel immer mindestens von zwei weiteren Wissenschaftlern geprüft, bevor sie veröffentlicht werden. Dies ist vermutlich mit diesem ersten Artikel nicht geschehen, weil er erschreckend miserabel war. Sogar Überschriften waren falschgeschrieben und Gliederungspunkte doppelt vorhanden. Dennoch ist der Artikel in dieser Form an die Öffentlichkeit gegeben worden. Dies war natürlich ein Extrembeispiel dafür, wie stark die Qualität von wissenschaftlichen Arbeiten differieren kann.

In dem Beitrag „Verschwörungstheorie: Teil 2“ habe ich bereits erwähnt, wie gerne wir Informationen, die zu unserem Weltbild passen, bereitwilliger und unkritischer aufnehmen, als die, die unserer Meinung entgegenstehen – ich selbst bilde da keine Ausnahme. Zudem haben die meisten Menschen keinen Zugang zu wissenschaftlichen Artikeln, weil diese meist nur auf Wegen erhältlich sind, die viele nicht kennen und weil sie für „Nichtwissenschaftler“ und sogar für fachfremde Wissenschaftler schlicht inhaltlich nicht verständlich sind.

Hierin liegt das erste Dilemma der Laien: Wenn ich nur die Ergebnisse einer Studie höre, aber nicht nachvollziehen kann, wie diese zu Stande kamen, dann sollte man den Ergebnissen immer skeptisch gegenübertreten. Aber dazwischen steht häufig das blinde Vertrauen in die Expertise und die Qualität „der Wissenschaft“ – hierbei gibt allerdings eine enorme Varianz.

„Die Mehrheit der Wissenschaftler sagt…“

Ein weiterer wichtiger Punkt ist: Die Wissenschaft folgt nicht demokratischen Prinzipien. Es ist kein Argument für die Beweiskraft einer Aussage, wenn die angebliche „Mehrheit“ der Forscherinnen und Forscher dieser oder jener Theorie anhängt. Dies erscheint der menschlichen Logik zu entsprechen, tatsächlich ist es aber ein einfacher Trugschluss. Nur weil die Mehrheit etwas glaubt, spricht dies noch lange nicht für dessen Wahrheitsgehalt – dies gilt auch, nein, sogar vor allem für die Wissenschaft.

Die Geschichte hat uns oft genug gezeigt, wie zu Lebzeiten einige kluge Köpfe von ihren Zeitgenossen sogar politisch verfolgt wurden, weil ihre Aussagen nicht in das vorherrschende Weltbild passten und gesetzten wissenschaftlichen Tatsachen widersprachen. Sokrates und Galilei sind dabei nur zwei der berühmtesten Beispiele.

Auch mit der steigenden Zahl der Wissenschaftstreibenden ist die Gefahr eines Irrtums nicht geringer. Viele Arbeiten, die veröffentlicht werden, schaffen häufig nicht eigenes Wissen und neue Erkenntnisse, sondern beziehen sich auf bereits erforschte und argumentierte Sachlagen, zitieren diese Arbeiten und verlassen sich teilweise blind auf die Richtigkeit bereits verfasster Artikel. In einer dynamischen Welt wie heute können sich Fehlschlüsse in der Wissenschaft ebenso schnell verbreiten wie „Fake News“ in den sozialen Medien.

Die Wissenschaftswelt erinnert teilweise sogar an eine Aristokratie. Wenn renommierte und anerkannte Forscher bestimmte Aussagen treffen, genießen sie naturgemäß eine gewisse Autorität. Wenn also der Professor einer universitären Abteilung einer bestimmten Theorie anhängt, dann haben es die anderen Akademiker an dessen Lehrstuhl schwer, eine vollkommen andere Meinung zu vertreten. Die Welt der Wissenschaft ist teilweise sehr von Beziehungen geprägt. „Networking“ ist dabei enorm wichtig. Wenn man als unbekannter Name mit etablierten Wissenschaftlern erscheint, dann ist dies wie ein imaginärer Orden, den man sich an seine Weste heften kann.

Mein Professor hat mir beispielsweise ermöglicht, als Masterstudent gemeinsam mit ihm einen Artikel zu verfassen. Dies ist für mich aus akademischer Sicht eine wirklich herausragende Gelegenheit, da mein Professor im Bereich der Sprachwissenschaften eine absolute Kapazität darstellt – was er schreibt und sagt, hat enormes Gewicht.

Zur Studie: Die Wirksamkeit der Corona-Maßnahmen

Die folgende wissenschaftliche Studie erschien am „National Bureau of Economic Research“ (NBER). Diese Forschungseinrichtung wurde bereits 1920 gegründet und hat seitdem mehr als zwanzig Nobelpreisträger hervorgebracht. Die Einrichtung ist eine „US-amerikanische private, überparteiliche Nonprofit-Forschungsorganisation, die sich dem Studium von Theorie und Empirie der Ökonomik widmet, insbesondere der amerikanischen Wirtschaft. Der Sitz ist in Cambridge, Massachusetts (USA). Als Zielsetzung sieht es die unvoreingenommene Forschung vor sowie die Verbreitung von Wissen unter Politikern, Geschäftsleuten und der akademischen Gemeinschaft.“ (Quelle)

Die Studie „Four stylized facts about covid-19“ („Vier vereinfachte Fakten zu Covid-19“) erschien im August diesen Jahres und wurde von Andrew Atkeson, Karen Kopecky und Tao Zha durchgeführt und verfasst. Bei dieser Studie handelt es sich um eine statistische Studie, in der in mehreren variierten Statistikmodellen der Frage nachgegangen wurde, inwiefern nachweisbar ist, ob die „non-pharmaceutical interventions (NPIs)“ also die „nicht-pharmazeutischen Maßnahmen“ einen Einfluss auf die Übertragung von „Covid-19“ hatten.

Es gab in diesem Jahr bereits eine Reihe an Studien, die die Wirksamkeit der NPIs bestätigt haben. Die Autoren argumentieren jedoch mit vier Fakten, die bisher nicht in die Bewertung der Wirksamkeit der NPIs eingegangen sind. Diese Fakten lauten wie folgt:

  1. In allen Regionen und Ländern, die sie untersuchten, stiegen die Todeszahlen in kurzer Zeit rapide an und fielen nach 20 bis 30 Tagen auf ein Niveau nahe 0.
  2. Nach diesem anfänglichen Zeitraum bewegte sich die Wachstumsrate der Todeszahlen auf der ganzen Welt um 0 herum.
  3. Das durchschnittliche Wachstum der Todeszahlen fiel in allen untersuchten Regionen und Ländern nach 10 Tagen, nachdem die ersten 25 Corona-Tote in dem jeweiligen Gebiet verzeichnet wurden, sehr schnell ab und blieb seitdem sehr niedrig.
  4. Wenn man diese drei Fakten in verschiedene epidemiologische Modelle implementiert (Wir erinnern uns an die Kugelmodelle), dann kann man für jede Region weltweit nachweisen, dass sich die Reproduktionszahl (R-Faktor) und die Übertragungsrate von Covid-19 unabhängig von den getroffenen Maßnahmen gleich verhält.

Zudem merken sie an, dass nach Lockerungen der Maßnahmen kein Anstieg der Todeszahlen zu beobachten war (vgl. S. 2). Außerdem nennen sie drei Faktoren, die in den letzten sieben großen Pandemien eine Rolle gespielt haben, für die aktuelle Pandemie allerdings noch nicht untersucht wurden:

  1. Die Menschen verhalten sich anders, wenn eine Pandemie ausgerufen wird.
  2. Die Netzwerkstruktur menschlicher Gesellschaften ist komplexer, als es die epidemiologischen Modelle darstellen. Dort wird die Masse als homogener Haufen betrachtet, in dem potentiell jeder mit jedem interagiert.
  3. Unerklärte und unerklärbare natürliche Faktoren, wie das Wesen des jeweiligen Virus oder Temperaturschwankungen. 7 von 8 großen Pandemien hatten ebenfalls einen kurvenartigen Verlauf ohne vergleichbare Maßnahmen (vgl. S. 3-4).

Daraus leiten die drei Autoren folgende Hypothese ab:

„We argue that failing to account for these four stylized facts may result in overstating the importance of policy mandated NPIs for shaping the progression of this deadly pandemic.“
(Seite 1)

Übersetzt heißt dies in etwa: Wir argumentieren, dass ein Vernachlässigen dieser vereinfachten Fakten zu einer Überwertung der Wichtigkeit von politisch verordneten NPIs (nicht-pharmazeutischen Maßnahmen) für den Verlauf dieser tödlichen Pandemie führen kann.

Kurz gesagt: Die bisherigen Studien haben wichtige Dinge ausgelassen, sodass sie dem Irrtum unterlagen, die Maßnahmen hätten nachweislich einen Effekt gehabt.

Die Datenlage

Die Autoren nennen beispielhaft für eine Reihe von Arbeiten drei Studien, (Dehning et al. 2020, Hsiang et al. 2020 und Flaxman et al. 2020) die aus ihrer Sicht einen Fehler in der Beweisführung aufweisen, weil sie die oben genannten vier Fakten nicht berücksichtigt haben (vgl. S. 2). Die genannten drei Studien sind in den renommierten und weltweit anerkannten Wissenschaftsmagazinen „Science“ und „Nature“ erschienen. Die hier präsentierte Studie ist also eine Minderheitsmeinung in der Forschungslandschaft, was aus meiner Sicht aber kein gültiges Argument für eine mangelnde Aussagekraft ist.

In der Studie wurden folgende Länder und Regionen untersucht:

„Argentina, Belgium, Brazil, Canada, Chile, France, Germany, India, Iran, Ireland, Italy, Japan, Mexico, Netherlands, Panama, Peru, Portugal, Russia, Spain, Sweden, Switzerland, Denmark, Turkey, the United Kingdom, Arizona, California, Colorado, Connecticut, Florida, Georgia, Illinois, Indiana, Louisiana, Maryland, Massachusetts, Michigan, Mississippi, Minnesota, Missouri, New Jersey, New York, North Carolina, Ohio, Pennsylvania, South Carolina, Texas, Virginia, and Washington. The rest of the U.S. is counted as another region.“
(S. 9-10)

Die Autoren haben die Regionen ausgewählt, die „in der Summe mehr als 1000 an Covid-19 Verstorbene bis zum 22. Juli 2020“ verzeichneten (vgl. S. 9). Ihre Daten für die USA bezogen die Autoren von der „New York Times“ und für die anderen Länder von der „Johns-Hopkins-Universität“ (vgl. ebd.).

Für die vorliegende Studie beziehen sich die Autoren ausschließlich auf Todeszahlen, da diese „verlässlicher“ sein sollen, also positive Testergebnisse (vgl. S. 5). Ihren Aussagen zufolge waren die Daten sehr „verrauscht“. Das heißt, in den Daten waren „unverhältnismäßige“ Schwankungen zu sehen. Zum einen stellen sie eine wochentagsabhängige Sterblichkeit („day-of-the-week effect“) fest. Und zum anderen führen sie die Schwankungen auf die laufend veränderten und länderabhängigen Definitionen, ab wann ein Todesfall als „Corona-Opfer“ gilt, zurück (vgl. S. 10).

Die Forschungsmethode

Wie bereits erwähnt, handelt es sich um ein statistische Untersuchung. Statistik ist ein wesentliches Kernelement der Epidemiologie, denn die Epidemiologen versuchen, Aussagen über eine ganze Gruppe von Menschen zu treffen, wohingegen die klinische Medizin Einzelfälle untersucht. Statistik bedeutet im Prinzip, auf Grundlage bestimmter Daten Aussagen über Dinge treffen zu können, zu denen keine Daten vorliegen. Man versucht also so viele Einzeldaten zu berücksichtigen, dass man aus einer Reihe von Einzelfällen, die repräsentativ für die Gesamtheit sein sollten, auf das große Ganze schließen kann.

Für diese Studie wurde die Bevölkerung („population“) der jeweiligen Regionen in vier Gruppen eingeteilt: Gefährdete („susceptible“), Infizierte („infected“), Resistente („resistant“) und Tote („dead“) (vgl. S. 6). Weitere Größen sind: Zeit, Gesamtbevölkerung, Reproduktionsfaktor, Erholungsrate, Lethalitätsrate und Übertragungsrate (vgl. ebd.).

Die hergeleiteten Größen, die sie in ihren Formeln definieren, decken sich mit den Angaben, die das CDC („center for disease control„) offiziell annimmt (vgl. S. 9). Das CDC ist im Prinzip das RKI der USA.

Die Autoren haben, stark vereinfacht ausgedrückt, sehr viele unterschiedliche Länder und Regionen und deren individuellen Verlauf der Todeszahlen von dem Zeitpunkt, ab wann in einer Region insgesamt 25 Corona-Tote verzeichnet wurden, bis zum  22. Juli 2020 untersucht und analysiert. Dabei hat man nicht berücksichtigt, welche Maßnahmen in welchem Land getroffen wurden. Sie haben dafür einfach die Todeszahlen des jeweiligen Landes stets in dieselbe hergeleitete statistische Formel eingesetzt.

Die Herleitung einer solchen Formel sieht dann in Ausschnitten so aus:(Ausschnitt 1: Quelle, S. 11)

Ich gebe offen zu: Auch ich kann nicht jedem Schritt dieser Herleitung gedanklich folgen, weil sich mein statistisches Wissen auf deskriptive Statistik beschränkt. Darum sollten alle Zweifler und Skeptiker den Statistik- und/oder Mathe-Menschen ihres Vertrauens einen Blick auf diesen Artikel werfen lassen. Wenn man keine solche Person kennt, dann ist man wohl dem Dilemma der Laien ausgeliefert, das einem immer dann begegnet, wenn man die Ergebnisse einer Studie vorgesetzt bekommt.

Die Ergebnisse

Wenn man diese oben dargestellte Formel dann mit den Daten eines exemplarischen Landes ausfüllt, erhält man folgende Graphiken:

(Abbildung 1: Quelle, S. 17)

Die Autoren haben für die obigen Graphiken vier exemplarische Länder aus vier verschiedenen Kontinenten ausgewählt, die sehr unterschiedliche geformte Verlaufskurven (linke Abbildungen) aufweisen: New York, Schweden, Panama und Iran. Wenn man die Daten aus den linken Kurven allerdings mit der hergeleiteten Formel ausdrückt, dann erhalten wir sehr ähnlich geformte Verlaufskurven, die die Wachstumsrate der täglichen Todeszahlen und die effektive Reproduktionszahl darstellen.

Wenn man alle untersuchten Regionen gemeinsam darstellt, erhält man folgende Graphiken:

(Abbildung 2: Quelle, S. 18)

Die obige Darstellung in Abbildung 2 zeigt die effektive Reproduktionszahl und die untere Darstellung den Verlauf der Wachstumsrate der Todeszahlen. Man muss nun kein Statistikexperte sein, um zu sehen, wie schnell die Kurven von einem bestimmten Niveau abfallen und auf einem niedrigen Niveau bleiben. Wenn beispielsweise in den Ländern, in denen keine oder geringe Maßnahmen getroffen worden sind, viel mehr gestorben worden wäre, würde dies zu seltsamen Hügeln und Spitzen sogenannten „Ausreißern“ führen. Davon ist hier jedoch nichts zu sehen.

Und was bedeutet das?

Und hier beginnt das nächste Dilemma der Laien: Wenn man selbst nicht in der Lage ist, die Aussagekraft einer solchen Studie, deren Herleitungen und Graphiken zu bewerten, dann ist man der Deutungshoheit von „Experten“ ausgeliefert. Im Zuge meines Studiums habe ich bereits viel Erfahrung mit wissenschaftlichen Texten sowohl auf Deutsch als auch auf Englisch gesammelt. Darum maße ich mir inzwischen an, eine wissenschaftliche Arbeit bewerten zu können.

Im vorliegenden Fall haben wir es mit einem sehr straff durchstrukturierten und methodisch sauberen Artikel zu tun, der allen Anforderungen entspricht, die ich aus meinem Studium kennengelernt habe. Zu der Einwandfreiheit der statistischen Formeln kann ich weniger sagen, aber da die Autoren nach der Herleitung ihrer Größen zu denselben Werten kamen, die die offizielle amerikanische „Seuchenkontroll-Behörde“ (CDC) angibt, gehe ich von einem robusten Modell aus.

Für die Stichhaltigkeit ihres Modells spricht auch die Tatsache, dass eine Reihe anderer bereits existierender epidemiologischer Simulationen unter Berücksichtigung der vier genannten Fakten länderunabhängig zu einem vergleichbaren Ergebnis kamen.

Wir können in den Abbildungen oben also sehen, wie sich die Entwicklung der Todeszahlen der Corona-Pandemie trotz der Unterschiedlichkeit der getroffenen bzw. nicht getroffenen Maßnahmen, der unterschiedlichen geographischen und demographischen Lage der untersuchten Regionen überall sehr ähnlich gestaltet hat.

Mandala

Darum kommen die Autoren zu folgendem Fazit:

„Our finding in Fact 1 that early declines in the transmission rate of COVID-19 were nearly universal worldwide suggest that the role of region-specific NPI’s implemented in this early phase of the pandemic is likely overstated. This finding instead suggests that some other factor(s) common across regions drove the early and rapid transmission rate declines. While all three factors mentioned in the introduction, voluntary social distancing, the network structure of human interactions, and the nature of the disease itself, are natural contenders, disentangling their relative roles is diffcult.“

In etwa: „Unsere Ergebnis bezüglich Fakt 1 legt nahe, dass die NPIs, die in dieser frühen Phase der Pandemie eingeführt wurden, wahrscheinlich überbewertet werden. Das Ergebnis lässt eher vermuten, dass andere Faktoren, die überregional gelten, für den schnellen Abfall der Übertragungsraten verantwortlich sind. Faktoren wie freiwilliges Social Distancing, die Netzwerkstruktur menschlicher Interaktion und das Wesen der Krankheit selbst sind natürliche Phänomene, deren relative Rolle schwer abzuschätzen ist.

Mandala

Our findings in Fact 2 and Fact 3 further raise doubt about the importance in NPI’s (lockdown policies in particular) in accounting for the evolution of COVID-19 transmission rates over time and across locations. Many of the regions in our sample that instated lockdown policies early on in their local epidemic, removed them later on in our estimation period, or have have not relied on mandated NPI’s much at all. Yet, effective reproduction numbers in all regions have continued to remain low relative to initial levels indicating that the removal of lockdown policies has had little effect on transmission rates.

In etwa: Die Ergebnisse bezüglich Fakt 2 und 3 lassen weitere Zweifel am Einfluss der NPIs bezüglich der zeitlichen Entwicklung der überregionalen Übertragungsrate aufkommen. Viele der untersuchten Regionen haben früh Maßnahmen ergriffen, diese früh gelockert oder haben gar keine Maßnahmen ergriffen. Dennoch blieb die effektive Reproduktionszahl in allen Regionen relativ gering, was ein Hinweis darauf ist, dass die Lockerung von Maßnahmen nur einen kleinen Effekt auf die Übertragungsrate hatte.

The existing literature has concluded that NPI policy and social distancing have been essential to reducing the spread of COVID-19 and the number of deaths due to this deadly pandemic. The stylized facts established in this paper challenge this conclusion. “
(S. 15-16)

In etwa: Die bereits existierenden Studien haben geschlussfolgert, dass die Politik der Maßnahmen und Social Distancing essentiell für die Reduktion der Ausbreitung von Covid-19 und der darauf zurückzuführenden Todeszahlen waren. Die vereinfachten Fakten, die in diesem Artikel formuliert wurden, zweifeln diese Schlussfolgerung stark an.

Und jetzt?

Die hier behandelte Studie ist bereits letzten Monat erschienen. Sie stellt bisherige Studien zur tödlichen Ausbreitung von Corona in Frage. Wenn man über Google nach „NBER studie corona“ sucht, dann erhält man auf der ersten Seite lediglich zwei Treffer mir unbekannter Seiten, die auf diese Studie hinweisen: (1), (2). Der zweite Link verweist auf eine englischsprachige Seite, die den Artikel ebenfalls behandelt. Die Seite, über die der Artikel an mich herangetragen wurde, ist das alternative Medium „Journalistenwatch„, das erst in der Mitte der zweiten Seite der Google-Suche aufgeführt wird. Von den „Leitmedien“ ist bezüglich dieser Studie auf den ersten fünf Seiten nichts zu sehen.

Darum gehe ich davon aus, dass die Leitmedien in Deutschland diese Studie bewusst ignorieren. Ich persönlich kann mir kaum vorstellen, wie eine solch kontroverse Studie, die noch dazu aus einem der renommiertesten Forschungseinrichtungen der Welt stammt, einfach mal eben untergeht. Wenn dieser Artikel mich erreicht, dann erreicht er auch die Redakteure der großen Medienhäuser. Alle Studien, die in die Corona-Erzählung der Leitmedien passen, werden hingegen prominent behandelt.

Natürlich bin auch ich voreingenommen. Weil dieser Artikel in meine Ansicht der aktuellen Geschehnisse passt, habe ich ihn hier lang und breit ausgeführt. Meine eigenen Beobachtungen, meine bisherige Analyse und mein logisches Verständnis der offiziellen Zahlen werden mir mit dieser Studie nun zusätzlich bestätigt. All die Fragen, die ich in dem Beitrag „Die Gesetze der Logik“ gestellt habe, werden hier als Argumente herangezogen, um die bisherigen Untersuchungen in diesem Bereich anzuzweifeln.

Die Tatsache, dass diese Studie nicht in den Leitmedien („der Lückenpresse“) thematisiert wird, ist für mich nur ein weiteres Indiz für dessen Aussagekraft. Ich glaube, wenn es die Möglichkeit gäbe, diese Studie irgendwie abzubügeln, dann wäre dies unmittelbar geschehen. Daraus schließe ich: Die Studie ist sehr sauber durchgeführt und bietet wenig Angriffsfläche, weshalb sie einfach unter den Tisch fallengelassen wird.

Wir werden sehen, ob die Erkenntnisse dieser Studie jemals das Licht der breiten Öffentlichkeit erblicken werden oder ob der Mantel des Schweigens, den die „Lückenpresse“ ausbreitet, ein Durchdringen dieser Arbeit verhindert.


von Marco Lo Voi

Kommentar verfassen

Trage deine Daten unten ein oder klicke ein Icon um dich einzuloggen:

WordPress.com-Logo

Du kommentierst mit Deinem WordPress.com-Konto. Abmelden /  Ändern )

Google Foto

Du kommentierst mit Deinem Google-Konto. Abmelden /  Ändern )

Twitter-Bild

Du kommentierst mit Deinem Twitter-Konto. Abmelden /  Ändern )

Facebook-Foto

Du kommentierst mit Deinem Facebook-Konto. Abmelden /  Ändern )

Verbinde mit %s