Aggregierte Daten basierend auf administrativen Einheiten und regelmäßigen Zeiträumen der Berichterstattung sind häufig der einzig mögliche Weg, um Wildtierkrankheiten in Zeit und Raum zu beschreiben. In Zusammenarbeit mit der Universität München wurde versucht, die gebietsspezifische Prävalenz der Erkrankung, den zeitlichen Trend sowie den Einfluss von Umweltfaktoren mit Hilfe von Markov Chain Monte Carlo (MCMC) Simulationstechniken innerhalb eines Bayesianischen statistischen Modells zu schätzen. Mittlerweile konnten umfangreiche Tools zur Datenaufbereitung und statistischen Analyse etabliert und validiert werden. Daten zur Schweinepest bei Wildschweinen und des kleinen Fuchsbandwurms (Echinococcus multilocularis) dienten als Beispiele für Überwachungsdaten in Raum und Zeit.