Autokorrektur schadet der Genforschung

Viele Journalistinnen und Journalisten kennen dieses Problem. Manche Programme machen aus dem Wort DNA zum Beispiel „DANN“ oder sie ändern den Namen des bedeutenden Logikers Kurt Gödel in „Kurt Dödel“. Solche Änderungen passieren aber tatsächlich auch in der Wissenschaft, in Fachartikeln in der Genetik.

In den Artikeln geht es oft darum zu bestimmen, wie das Erbgut eines Lebewesens aufgebaut ist und wie einzelne Abschnitte im Erbgut miteinander zusammenspielen. Oder darum, die Abläufe in einer Zelle zu untersuchen. Im Anhang zu einem Artikel veröffentlichen Wissenschaftlerinnen und Wissenschaftler dabei häufig lange Tabellen mit Daten aus Untersuchungen – etwa Zahlen darüber, welches Gen wie oft planmäßig in ein Protein umgewandelt wurde bei gesunden Menschen und bei kranken.

Das Problem, dass in diesen langen Tabellen Gen-Namen falsch sein können, weil Excel sie geändert hat, ist schon seit vielen Jahren bekannt. Australische Mediziner haben im Jahr 2016 nachgezählt, wie häufig solche unsinnigen Auto-Formatierungen auftreten.

Dr. Mark Ziemann und sein Team haben sich Artikel aus verschiedenen Fachzeitschriften aus der Genetik mithilfe eines Computerprogramms untersucht. Wenn es eine Excel-Datei als Anhang gab und darin eine Liste von Gen-Namen, dann hat das Programm nach üblichen Fehlern gesucht, zum Beispiel nach einer falschen Datumsformatierung.

Ziemann und sein Team haben Daten aus über 30.000 Artikeln gesammelt und festgestellt, dass in jedem fünften eine irrtümliche Konvertierung von Gen-Namen in Datumsangaben zu finden ist. Die Fehler werden leicht übersehen und so wird der fehlerhafte Anhang veröffentlicht.

Laut dem Bioinformatiker Dr. Martin Eisenacher aus Bochum können diese Fehler fatale Folgen haben. Wissenschaftlerinnen und Wissenschaftler nutzen Datensätze, um ihre Forschung mit der Forschung anderer zu vergleichen. Das funktioniert nicht, wenn Datensätze auto-formatiert sind. Die Fehler, die Excel in Gen-Listen einbaut, können also zu Fehlern bei Forschenden führen, die mit diesen Listen weiterarbeiten.

Dr. Martin Eisenacher betont auch, dass deswegen keine falschen wissenschaftlichen Hypothesen aufgestellt werden können. Eventuell könnten Gene übersehen werden, wenn sie im Datensatz angeblich nicht drin sind und deswegen nicht weiter betrachtet werden. Am besten wäre es, wenn solche Fehler erst gar nicht entstünden.

Eisenacher empfiehlt deshalb wissenschaftlichen Laboren, Excel zu vermeiden. Wissenschaftlerinnen und Wissenschaftler sollten Software verwenden, die keine automatische Formatierung vornimmt. Und sie sollten statt des Gen-Namens besser die Katalognummer des Gens aus einer Gen-Datenbank verwenden oder zumindest mit angeben, das sei sicherer.

Doch Arbeitsabläufe und Formate in einem Fachgebiet einheitlich zu gestalten – über Unis, Forschungseinrichtungen und Personen hinweg, ist mühsam und langwierig. Excel ist bei vielen in der Wissenschaft immer noch das Standard-Programm, um Daten zu verwalten. So finden sich nach wie vor Excel-Fehler in wissenschaftlichen Arbeiten.

Mark Ziemann und sein Team haben Mitte 2021 ihre Analyse von 2016 wiederholt und noch einmal nachgezählt – mit erschreckendem Ergebnis: In 11.000 Artikel mit Gen-Daten fanden sie Excel-Fehler bei fast einem Drittel der Artikel.