Bei den olympischen Winterspielen in Peking steht einmal mehr ein Thema auf der Tagesordnung, das den Leistungssport mit schöner Regelmäßigkeit überschattet: Doping. Bei der jungen russischen Eiskunstläuferin Kamila Walijewa wurden Spuren eines verbotenen Herzmittels nachgewiesen, woraufhin sie zunächst gesperrt wurde. Nach einem Urteil des Sportschiedsgerichts CAS darf sie aber doch beim olympischen Eiskunstlauf-Wettbewerb der Damen mitmachen – was international auf viel Kritik gestoßen ist.

Fälle wie die von Kamila Walijewa können künftig möglicherweise eindeutiger geklärt und schneller entschieden werden – durch den Einsatz von Künstlicher Intelligenz (KI). Ansätze dazu bieten etwa Algorithmen, die ein Team der Universität des Saarlandes entwickelt hat, um die Dopingfahndung zu unterstützen.

• Wie könnte Künstliche Intelligenz Dopingfahndern helfen?
• Warum ist es in der Praxis oft schwierig, Dopingsünder zu überführen?
• Welche Fortschritte bei der Dopingfahndung könnten KI- Algorithmen bringen?
• Kommt KI bei der Dopingfahndung bereits zum Einsatz?
• Wie beurteilen Sportmediziner und die Welt-Anti-Dopingagentur WADA den Einsatz von KI-Algorithmen zur Dopingfahndung?
• Können in Zukunft Dopingsünder durch KI-Algorithmen überführt werden?

Künstliche Intelligenz kann in großen Datenmengen verborgene Muster aufspüren, die anders nicht auffallen und damit unentdeckt bleiben. In der Medizin können das zum Beispiel Auffälligkeiten in Röntgenbildern sein. Andere Algorithmen erkennen bestimmte Unregelmäßigkeiten auf der Haut und damit mögliche Vorstufen für Hautkrebs. In der Dopingfahndung kann KI eingesetzt werden, um in einer Menge von Laborwerten unentdeckte Muster und Korrelationen aufzuspüren, die auf Doping hinweisen können.

Oft genug läuft die Fahndung auf Detektivarbeit und mühevolle Indiziensuche hinaus – etwa beim EPO-Doping: EPO ist ein Hormon, das die Bildung roter Blutkörperchen anregt, dadurch kann der Körper mehr Sauerstoff aufnehmen und wird leistungsfähiger. Allerdings ist EPO nicht nur ein Dopingmedikament, sondern auch ein körpereigenes Hormon. Das macht es für die Dopingfahndung schwierig, denn sich muss zwischen natürlichem und synthetischem EPO unterscheiden. Schon jetzt müssen die Anti-Doping-Agenturen mit aufwendigen statistischen Verfahren arbeiten, um mögliche Abweichungen aufzuspüren.

An der Universität des Saarlandes hat ein Team um den Informatiker Wolfgang Maaß einen Algorithmus entwickelt, der zumindest vom Prinzip her EPO-Doping entdecken kann. Als Ausgangspunkt diente eine Studie der Universität Kopenhagen, bei denen Sportlern kontrolliert EPO verabreicht wurde. Dann wurden sie wochenlang überwacht, ihre Blutwerte wurden analysiert. Mit diesem Datensatz haben die Fachleute aus Saarbrücken ihren Algorithmus gefüttert bzw. trainiert. Als Resultat konnte er tatsächlich recht gut durch maschinelles Lernen herausfinden, welche der Testpersonen mit EPO behandelt worden waren und welche nicht.

Der EPO-Algorithmus steckt noch mitten in der Entwicklung. Um ihn wirklich robust zu machen, müsste er noch mit mehr Daten trainiert werden als nur mit den Daten der Uni-Studie. Hilfreich wäre dabei vor allem, wenn die Software mit richtigen Doping-Daten trainiert werden könnte, dann sollte sie deutlich treffsicherer und zuverlässiger werden. Genau das wollen die Fachleute aus Saarbrücken in absehbarer Zeit angehen.

Deutlich weiter sind sie bei einer anderen Sache – bei vertauschten Urinproben. Bei den olympischen Spielen von 2014 in Sotschi gab es einen Skandal, offenbar waren gezielt Urinproben vor den Dopingtests ausgetauscht worden. Das Problem: Durch Laboranalysen ist das schwierig nachzuweisen. Dazu müsste im Prinzip bei jeder Urinprobe auch ein DNA-Test durchgeführt werden, was in der Praxis viel zu aufwendig und teuer wäre. Wolfgang Maaß und sein Team haben einen KI-Algorithmus entwickelt, der bestimmte Auffälligkeiten in den Daten von Urinproben aufspüren kann. Da sie bereits recht viele Daten zum Training des Programms nutzen konnten, halten sie diesen KI-Algorithmus im Prinzip für einsatzbereit.

Als die Zusammenarbeit vor etwa fünf Jahren begann, reagierte die Fachwelt zunächst ein wenig abwartend und zurückhaltend. Das scheint sich jetzt geändert zu haben, denn beim Entdecken von EPO-Doping und vor allem bei der Identifizierung von vertauschten Urinproben konnten die KI-Algorithmen offenbar überzeugen: Bei Vergleichstests haben sie zum Teil besser funktioniert als die mathematischen Verfahren, die bislang bei der Datenanalyse zur Verfügung stehen.

Komplett einsatzreif sind die Algorithmen allerdings noch nicht. Dazu sind nach Ansicht von Fachleuten von der Sporthochschule in Köln noch weitere Testläufe und Trainingsrunden notwendig, um das Verfahren noch zuverlässiger und robuster zu machen. Doch die Hoffnung besteht, Künstliche Intelligenz in einigen Jahren bei der Doping-Fahndung einsetzen zu können – etwa bei den nächsten olympischen Winterspielen in vier Jahren.

Dass der Algorithmus eine Blutprobe analysiert und dann entscheidet, ob jemand an einem Wettbewerb teilnehmen darf oder nicht, dürfte nicht so schnell Realität werden. Auf absehbare Zeit werden weiterhin Menschen bzw. Sportgerichte über Dopingsperren befinden. Aber mit den KI-Algorithmen dürfte künftig es ein zusätzliches Werkzeug geben, mit dem sich Doping zuverlässiger entlarven lässt.

Damit könnte es vor allem möglich werden, die Auswertung von Doping-Tests zu beschleunigen, so dass die Ergebnisse bereits während Großereignissen wie den olympischen Spielen vorliegen und nicht erst Tage oder Wochen danach. Zudem könnten KI-Algorithmen Geld zu sparen: Wenn durch ihren Einsatz Verdachtsfälle gezielter aufgespürt würden als bislang. Das würde möglicherweise viele teure DNA-Tests überflüssig machen – so die Hoffnung.