Informatiker entwickeln Methode zur Aufdeckung von Dopingfällen mithilfe von KI

13.08.2024
Oliver Dietze

Wolfgang Maaß, Professor für Wirtschaftsinformatik an der Universität des Saarlandes

Tausende von Sportlern kämpften bei den Olympischen Spielen in Paris um Medaillen. Und in einigen Fällen wird man sich fragen, ob die Medaillen fair gewonnen wurden oder ob Doping im Spiel war. Eine Software, die von einem Team um Wolfgang Maaß, Professor für Wirtschaftsinformatik an der Universität des Saarlandes, entwickelt wurde, könnte helfen, diese Fragen bei künftigen Wettkämpfen zu beantworten. Die Software, die derzeit auf der International Joint Conference on AI vorgestellt wird, benötigt nur eine Handvoll Datenpunkte, um mit bisher unerreichter Genauigkeit vorherzusagen, welche Athleten definitiv nicht gedopt haben - und kann so die Fälle identifizieren, in denen ein genauerer Blick nötig ist.

Die Suche nach der Nadel im Heuhaufen oder das Kämpfen gegen Windmühlen sind beides gute Metaphern für die Herausforderung, gedopte Sportler aufzuspüren. Bei Tausenden von Athleten, die an großen Sportveranstaltungen wie den Olympischen Spielen, Weltmeisterschaften oder in Profiligen wie dem Fußball teilnehmen, kann es Wochen dauern, bis ein Labor Urinproben analysiert hat, um festzustellen, ob einer der Teilnehmer leistungssteigernde Mittel eingenommen hat. Im Moment werden die Proben alle manuell analysiert", sagt Wolfgang Maaß, Professor für Wirtschaftsinformatik an der Universität des Saarlandes und wissenschaftlicher Leiter des Forschungsbereichs Smart Service Engineering am Deutschen Forschungszentrum für Künstliche Intelligenz (DFKI).

Angesichts der großen Zahl von Athleten bei Großereignissen wie den Olympischen Spielen - in Paris sind es rund 10.500 - und des hohen Zeitaufwands der derzeitigen Testverfahren ist es nicht schwer zu erkennen, dass viele Betrüger einfach durch das Netz schlüpfen. Nur ein Bruchteil der Urinproben kann im Labor analysiert werden. Wie wir aus dem Dopingskandal bei den Olympischen Winterspielen 2014 in Sotschi wissen, versuchen einige der betrügerischen Athleten, ihre eigenen Urinproben mit "sauberen" Proben anderer zu vertauschen.

Bislang war die DNA-Analyse die einzige zuverlässige Methode, um festzustellen, ob Proben ausgetauscht wurden. Aber das ist teuer und zeitaufwändig", erklärt Wolfgang Maaß. Es ist einfach nicht möglich, die DNA jeder einzelnen Probe zu analysieren. Maaß und andere Kollegen vom DFKI (Deutsches Forschungszentrum für Künstliche Intelligenz), der Deutschen Sporthochschule Köln und der Welt-Anti-Doping-Agentur (WADA) beschlossen, ihr Fachwissen zu bündeln und nach einer einfacheren, praktikablen Lösung zu suchen. Dieses Problem schreit geradezu nach einer maschinellen Analyse", so Maaß.

Um das Problem zu lösen, entwickelten sie eine Software, die mit Hilfe künstlicher Intelligenz die Daten von Urinproben schnell und kostengünstig auswertet. Bei Dopingtests werden die Konzentrationen und Verhältnisse verschiedener Steroide gemessen und auf Plausibilität geprüft", erklärt Wolfgang Maaß. So entsteht ein biochemischer Fingerabdruck, mit dem die Saarbrücker KI-Software Auffälligkeiten zuverlässig erkennen kann.

Das maschinelle Lernprogramm benötigt lediglich die Daten von drei Urinproben, die jeder Sportler im Laufe seiner sportlichen Karriere abgegeben hat. Da sich das natürliche Steroidprofil eines Sportlers von dem eines anderen stark unterscheiden kann, lernt das Programm, welche Konzentrationen bestimmter Substanzen für den jeweiligen Sportler typisch sind. Für jede Probe werden im biochemischen Labor sieben Merkmale wie die Steroidkonzentrationen und ihre Verhältnisse bestimmt. Und ähnlich wie ein Kind bei einem Bilderrätsel sucht die Software nach Abweichungen vom üblichen Muster.

Wenn man die drei oder mehr "Bilder" mit den Messdaten der einzelnen Urinproben vergleicht, findet die Software diejenigen, bei denen alles übereinstimmt", erklärt Wolfgang Maaß in einfachen Worten die Funktionsweise des Computerprogramms. So bleibt eine Restzahl von Proben übrig, bei denen die "Bilder" nicht übereinstimmen, bei denen also Ungereimtheiten festgestellt wurden. Die wenigen verbleibenden Fälle können dann von Biochemikern im Labor mittels DNA-Analyse genauer untersucht werden. Wenn ein Sportler eine leistungssteigernde Substanz eingenommen hat und diese Substanz im Urin nachgewiesen werden kann, dann kann unsere Software helfen, den Sportler mit hoher Sicherheit zu identifizieren", so Wolfgang Maaß.

Die Software erkennt Dopingsünder nicht direkt, sondern identifiziert saubere Sportler mit 99-prozentiger Sicherheit, um sicherzustellen, dass Unschuldige nicht zu Unrecht beschuldigt werden. Während dies bedeuten kann, dass eine kleine Anzahl von Dopingsündern unentdeckt bleibt, werden positive Dopingfälle, in denen Sportler verbotene Substanzen eingenommen haben, um höher, weiter oder schneller zu werden, mit einem sehr hohen Grad an Sicherheit erkannt. Wer gedopt hat, findet sich mit ziemlicher Sicherheit unter den verbleibenden Fällen, die dann mit Hilfe von DNA-Tests genauer untersucht werden können", erklärt Wolfgang Maaß.

Hinweis: Dieser Artikel wurde mit einem Computersystem ohne menschlichen Eingriff übersetzt. LUMITOS bietet diese automatischen Übersetzungen an, um eine größere Bandbreite an aktuellen Nachrichten zu präsentieren. Da dieser Artikel mit automatischer Übersetzung übersetzt wurde, ist es möglich, dass er Fehler im Vokabular, in der Syntax oder in der Grammatik enthält. Den ursprünglichen Artikel in Englisch finden Sie hier.

Originalveröffentlichung

Maxx Richard Rahman, Lotfy Abdel Khaliq, Thomas Piper, Hans Geyer, Tristan Equey, Norbert Baume, Reid Aikin, Wolfgang Maass. "SACNN: Self Attention-based Convolutional Neural Network for Fraudulent Behaviour Detection in Sports."; International Joint Conference on Artificial Intelligence, IJCAI, (2024).

Weitere News aus dem Ressort Wissenschaft

Weitere News von unseren anderen Portalen

Unter die Lupe genommen: Die Welt der Mikroskopie