Forum Citizen Science: Invasive Brombeerarten durch KI erkennen

Unter dem Motto „Mit:Wirkung“ bot das siebte Forum Citizen Science Raum für Austausch und Vernetzung. Die KI-Ideenwerkstatt veranstaltete ein Methodenatelier und einen Workshop zum KI-gestützten Artenmonitoring in Citizen-Science-Projekten.

Im Hamburger Besenbinder Hof erklärten Stefan Ulrich und Janis Klug von der KI-Ideenwerkstatt, wie künstliche Intelligenz im Umwelt- und Naturschutz eingesetzt werden kann. Dazu stellten sie den BirdNET Pi vor – ein Gerät, das aus einem USB-Mikrofon und einem Raspberry Pi Kleincomputer besteht.  Auf diesem läuft ein lokales KI-Model, das mit den Aufnahmen von vielen Tausend Vogelrufen trainiert wurde. 

Singt oder ruft ein Vogel in der Nähe des Gerätes, erkennt der BirdNET Pi automatisiert die Art und überträgt die Daten anonymisiert an eine Forschungsplattform. So können Bürger*innen auch ohne Fachwissen zum Thema Vögel den BirdNET Pi nutzen, indem sie den BirdNET Pi beispielsweise auf ihrem Balkon oder in ihrem Garten betreiben. Die gewonnenen Daten liefern wichtige Erkenntnisse über die Vogelpopulation. Gleichzeitig lernen die Citizen Scientists mehr über verschiedene Vogelarten.

Der Name des Raspberry Pi bezieht sich auf die Himbeere (engl. „Raspberry“). Dies griff Janis Klug im Workshop zum Thema Artenmonitoring auf und verwies auf andere „fruchtige“ Computernamen wie Apple oder Blackberry. Im Workshop stand jedoch keine technische „Blackberry“, sondern die biologische „Brombeere“ im Mittelpunkt.

Die erste Phase des Workshops widmete sich der Geschichte und Entwicklung von KI und verschiedenen Machine-Learning-Algorithmen. Im Fokus stand die Funktionsweise von Künstlichen Neuronalen Netzen, insbesondere Convolutional Neural Networks (CNN), die vor allem bei der Verarbeitung von Bilddaten eingesetzt werden. Mit der Frage: „Warum könnte KI von Nutzen sein, wenn es um das Monitoring von Brombeeren geht?“ ging es in den praktischen Teil des Workshops über.

Die Armenische Brombeere (Rubus armeniacus), eine potentiell invasive Art, war den meisten Teilnehmenden unbekannt. Schnell kam die Idee auf, KI zu nutzen, um diese Art automatisch von anderen Brombeerarten zu unterscheiden – etwa mit einer Pflanzenbestimmungs-App.

Im praktischen Teil des Workshops arbeiteten die Teilnehmenden mit dem Tool „Teachable Machine“. Damit trainierten sie ein KI-Modell, das Bilder von Brombeeren klassifizieren konnte. Sie sammelten Fotos der Armenischen Brombeere und anderer Brombeerarten, um das Modell darauf zu trainieren. Beim anschließenden Test mit neuen Bildern stellte sich heraus, dass das Modell nur zwischen den vorgegebenen Klassen unterscheiden konnte.

Einige Teilnehmende versuchten, das Modell auch mit Bildern von Maulbeeren, Johannisbeeren und Himbeeren zu testen. Schnell wurde klar: Ein KI-Modell funktioniert nur gut, wenn es mit ausreichend und passendem Bildmaterial trainiert wurde. Geeignete Trainingsdaten zu sammeln, stellte sich als große Herausforderung heraus.

In der Abschlussrunde präsentierten die Teilnehmenden ihre eigenen Ideen. Sie diskutierten, wie KI helfen könnte, die zunehmende Lichtverschmutzung zu überwachen, und sprachen darüber, welche Pflanzen- und Tierarten als invasiv gelten. Auch der Begriff „invasive Art“ selbst wurde dabei intensiv diskutiert.