CS2 VACNet Labeling Portal: Valve lässt Community Anti-Cheat-KI trainieren

Valve hat mit dem VACNet Labeling Portal ein neues, einladungsbasiertes Community-Review-System für Counter-Strike 2 gestartet. Ausgewählte Spieler bewerten darin kurze, anonymisierte Clips möglicher Cheater und liefern damit Trainingsdaten für die Anti-Cheat-KI VACnet – ohne dass die Bewertungen selbst zu direkten Bans führen.

Wie funktioniert das neue VACNet-Portal in Counter-Strike 2, und was unterscheidet es vom alten Overwatch-System aus CS:GO-Zeiten? Der entscheidende Unterschied: Menschliche Urteile fließen nicht mehr direkt in Bann-Entscheidungen ein, sondern trainieren stattdessen ein maschinelles Lernsystem, das langfristig eigenständig Cheater erkennen soll.

Wie funktioniert das VACNet Labeling Portal konkret?

Das browserbasierte Portal ist ausschließlich per Einladung zugänglich. Ausgewählte Reviewer sehen anonymisierte Clip-Ausschnitte von 10 bis 15 Sekunden Länge mit aktivierter X-Ray-Sicht und ordnen verdächtiges Verhalten einer von vier Kategorien zu: Aim Assist, WallHack, AutoBHop oder Farming Bot. Wirkt ein Clip nicht eindeutig zuordenbar, können Reviewer die Bewertung überspringen oder beschädigte Clips melden. Um die Qualität der Daten sicherzustellen, bewerten mehrere unabhängige Reviewer denselben Clip-Ausschnitt, bevor das Label als gesichert gilt und in die Trainingsdaten von VACnet einfließt.

Der Zugang ist streng reguliert: Einladungen sind einmalig nutzbar und an individuelle Accounts gebunden, die genauen Zulassungskriterien hat Valve nicht offengelegt – vermutet werden unter anderem hohe Trust-Factor-Werte. Reviewer dürfen bewertete Clips weder streamen noch aufzeichnen oder teilen. Ein „Invite Reviewers“-Button im Portal deutet zudem darauf hin, dass vertrauenswürdige Teilnehmer künftig selbst weitere Reviewer vorschlagen können.

Welches Problem soll das Portal lösen?

VACnet, Valves KI-gestütztes Anti-Cheat-System, wurde ursprünglich mit Trainingsdaten aus der CS:GO-Ära entwickelt. Mit dem Wechsel zu Counter-Strike 2 auf die Source-2-Engine im September 2023 änderten sich grundlegende Spielmechaniken wie das Subtick-System und die Physik-Engine so stark, dass die alten Trainingsdaten für maschinelles Lernen nur noch eingeschränkt brauchbar waren. Fachleute sprechen hier von einem sogenannten Domain-Shift-Problem: Ein KI-Modell, das auf Basis alter Muster trainiert wurde, erkennt neue, andersartige Verhaltensmuster nur noch unzuverlässig.

Mit dem neuen Portal will Valve dieses Problem gezielt angehen, indem aktuelle, auf CS2 zugeschnittene Trainingsdaten von menschlichen Reviewern erzeugt werden. Die bewusste Entkopplung von menschlichem Urteil und direkter Bann-Konsequenz soll dabei zwei Ziele gleichzeitig erfüllen: konsistentere Labels durch reduzierten Handlungsdruck bei Reviewern sowie einen geringeren Anreiz für Cheat-Entwickler, gezielt Review-Sessions zu sabotieren, da einzelne Fehlurteile keine unmittelbaren Konsequenzen mehr für Verdächtige haben.

Wie fällt die bisherige Reaktion der Community aus?

Erste Reaktionen aus der Community sind vorsichtig positiv. Kritik kam unter anderem vom Datamining-Account „aquaismissing“, der bemängelte, dass das Portal Reviewer teils mit „offensichtlich eindeutigem“ Cheating konfrontiere statt mit den schwierigeren Grenzfällen, bei denen menschliches Urteilsvermögen am meisten Mehrwert liefern würde. Entwickler-nahe Stimmen entgegneten, dass auch eindeutige Cheat-Beispiele für ein robustes Trainingsdatenset notwendig seien, um dem Modell klare Referenzpunkte zu liefern.

Das Portal reiht sich in eine größere Anti-Cheat-Offensive Valves im Jahr 2026 ein. Im Juli hatte das Unternehmen bereits einen Fehler in der Subtick-Pipeline behoben, der von Cheat-Entwicklern ausgenutzt worden war, Anfang August folgte parallel der Start von FACEITs „Human Input Detection“-System auf der konkurrierenden Plattform. Das VACNet-Portal gilt in dieser Reihe als dritter größerer Baustein der Anti-Cheat-Erneuerung.

Was bedeutet das für Spieler in der DACH-Region?

Für die deutschsprachige Community ist die Cheating-Problematik ein Dauerthema, insbesondere im Matchmaking unterhalb der Premier-Elite-Ränge sowie in bestimmten Faceit-Levels. Ein verlässlicheres VACnet-System würde direkt die Spielqualität in den Rängen verbessern, in denen viele DACH-Spieler ihre Ranked-Runden bestreiten. Sollte Valve das Einladungssystem künftig ausweiten, könnten auch aktive Community-Mitglieder aus deutschsprachigen Discord-Servern und Foren zu Reviewern werden und direkt zur Datenqualität des Systems beitragen. Bis belastbare Ergebnisse in Form sinkender Cheater-Quoten sichtbar werden, dürfte es jedoch noch mehrere Monate dauern, da maschinelles Lernen kontinuierlich neue Trainingsdaten benötigt.

Wie ordnet sich das Portal in die langfristige Anti-Cheat-Strategie von Valve ein?

Anti-Cheat-Systeme in Multiplayer-Shootern stehen grundsätzlich vor einem Wettrüsten: Sobald eine Erkennungsmethode bekannt wird, passen Cheat-Entwickler ihre Tools entsprechend an. Valves Ansatz, menschliche Reviewer von der direkten Bann-Entscheidung zu entkoppeln, zielt genau auf dieses Problem ab – wenn ein einzelnes Fehlurteil keine unmittelbare Sperre mehr auslöst, sinkt der Anreiz für Cheat-Entwickler, gezielt Fehlinformationen ins System zu speisen oder Review-Prozesse zu manipulieren. Gleichzeitig bleibt VACnet auf eine stetig wachsende Menge an sauber gelabelten Daten angewiesen, weshalb Valve das Portal nach aktuellem Stand schrittweise um weitere Reviewer erweitern dürfte, sofern sich das System in der Praxis bewährt. Für Spieler bedeutet das: Wer Fair Play in CS2 langfristig verbessern will, sollte die Entwicklung des Portals in den kommenden Monaten im Blick behalten, auch wenn kurzfristig keine dramatischen Veränderungen bei der Ban-Rate zu erwarten sind.

Häufige Fragen

Was ist das VACNet Labeling Portal?

Ein einladungsbasiertes Browser-Tool, in dem Community-Mitglieder anonymisierte CS2-Clips auf Cheating-Verhalten bewerten und damit Trainingsdaten für die Anti-Cheat-KI VACnet liefern.

Führen die Bewertungen im Portal direkt zu Bans?

Nein, anders als beim alten Overwatch-System aus CS:GO fließen die Urteile nicht direkt in Bann-Entscheidungen ein, sondern trainieren nur das KI-Modell.

Wie wird man Reviewer im VACNet-Portal?

Der Zugang erfolgt ausschließlich über Einladungen, deren genaue Kriterien Valve nicht veröffentlicht hat. Vermutet werden unter anderem hohe Trust-Factor-Werte.

Warum brauchte VACnet überhaupt neue Trainingsdaten?

Die ursprünglichen Trainingsdaten stammten aus der CS:GO-Ära und passen wegen grundlegend anderer Spielmechaniken in CS2 nur noch eingeschränkt zum aktuellen Spiel.

Gehört das Portal zu einer größeren Anti-Cheat-Initiative?

Ja, es folgt auf eine im Juli 2026 behobene Schwachstelle in der Subtick-Pipeline und den Start von FACEITs Human-Input-Detection-System im August 2026.

TL;DR

• Valve startet mit dem VACNet Labeling Portal ein einladungsbasiertes Community-Review-Tool für CS2.
• Reviewer bewerten anonymisierte Clips in vier Kategorien, ohne dass dies direkt zu Bans führt.
• Ziel ist aktuelles Trainingsmaterial für die KI, da alte CS:GO-Daten wegen des Domain-Shifts nicht mehr ausreichen.
• Community-Reaktionen fallen vorsichtig positiv aus, vereinzelte Kritik betrifft die Auswahl der gezeigten Clips.
• Das Portal ist Teil einer größeren Anti-Cheat-Offensive Valves im Jahr 2026.

Quelle: Tech Times – Valve Launches CS2 VACNet Portal