Ökologen zählten Vögel, Fledermäuse oder Wale bisher nach Gehör oder durch manuelles Labeln von Spektrogrammen, was Erhebungen auf wenige Stunden je Standort begrenzt. Autonome Rekorder zeichnen heute Monate an Audio auf, und neuronale Klassifikatoren (BirdNET, Perch und ähnliche) machen daraus Artenlisten, Aktivitätskurven und Warnmeldungen. Die Rolle des Menschen verlagert sich vom Zuhören zum Prüfen der Nachweise und zum Entwurf der Erhebung.
Problem & Nutzen
- Heute: Punktzählungen durch Experten, kurze manuelle Hörsitzungen oder halbmanuelle Auswertung von Fledermaus-Rufdateien. Die Abdeckung ist gering, vom Beobachter abhängig und teuer; Nachtzeiten und abgelegene Standorte sind kaum erfasst.
- KI-Nutzen: Passives akustisches Monitoring (PAM) zeichnet kontinuierlich und ohne Störung auf; Klassifikatoren verdichten tausende Stunden Audio zu einer gerankten Liste möglicher Nachweise, die Experten prüfen. Das ermöglicht lange Zeitreihen für die Berichterstattung zum Erhaltungszustand, für Eingriffsbewertungen (Windparks, Bauvorhaben) und für Erfolgskontrollen bei Renaturierungen.
- Belegbarkeit: BirdNET deckt tausende Arten ab und wird breit in Forschung und Citizen Science genutzt; Googles Perch-Modelle und die Benchmarks BEANS/BirdSet gibt es, weil das Feld vergleichbare Auswertungen braucht [1][2][3]. Veröffentlichte Werte schwanken stark je nach Art, Region und Störgeräuschen; messen Sie Präzision und Trefferquote daher an Ihrem eigenen Standort, statt sich auf Herstellerzahlen zu verlassen.
Varianten
- Landvögel und Amphibien: der ausgereifteste Fall (BirdNET, Perch, Kaleidoscope).
- Fledermäuse: Ultraschalldetektoren plus Rufklassifikatoren (z. B. BatDetect2, Wildlife Acoustics Kaleidoscope, Elekon Batlogger); genutzt für verpflichtende Fledermauskartierungen in der Planung.
- Meer / Unterwasser: Hydrophone für Wale, Delfine (einschließlich Schweinswal-Beifang und Studien zu Schiffslärm), Fischchöre.
- Insekten und Klanglandschaftsökologie: akustische Indizes (ACI, NDSI) und Monitoring des Insektenrückgangs.
- Betrieblicher Schutz: Abschaltung von Windenergieanlagen bei Fledermaus- oder Vogelaktivität (siehe VIS-060), Erkennung von Wilderei oder Kettensägen in Schutzgebieten (allgemeine Audioereignisse, siehe SPEECH-009).
- Privat / Citizen Science: Smartphone-Apps (BirdNET, Merlin Sound ID) für Hobby-Ornithologen und Gemeinschaftsprojekte.
So funktioniert es
- recorders (AudioMoth, Song Meter, hydrophone)
- storage/upload (SD, LoRa/4G summaries)
- preprocessing (resample, segment 3-5 s, spectrogram/mel)
- classifier or embedding model (species scores per window)
- post-processing (thresholds per species, location/date species filter, smoothing)
- expert validation of a sampled subset (human-in-the-loop)
- statistics (occupancy, activity, richness)
- report / dashboard / alert
- Klassifikator: CNN oder Transformer auf Mel-Spektrogrammen, trainiert mit gelabelten Aufnahmen (xeno-canto, Macaulay Library, von Xeno-canto abgeleitetes BirdSet). Die Ausgabe ist ein Wert je Art und Zeitfenster.
- Embeddings + Few-Shot: Foundation-Modelle wie Perch erzeugen Embeddings; ein kleiner linearer Kopf oder eine Nächste-Nachbarn-Suche mit einem Vektorindex findet aus wenigen Beispielen neue Arten oder Rufarten (agile Modellierung).
- Edge-Variante: Ein kleines Modell auf dem Rekorder (Raspberry Pi, Jetson, Mikrocontroller) filtert oder klassifiziert vor Ort und sendet nur Nachweise, was Speicher und Strom spart.
- Mensch-in-der-Schleife (Human-in-the-Loop): Experten prüfen je Art eine geschichtete Stichprobe der Nachweise, um die Präzision zu schätzen; Schwellenwerte werden je Art festgelegt; seltene oder geschützte Arten werden vor der Aufnahme in einen rechtlichen Bericht immer manuell bestätigt.
Datenaufbereitung
Die Daten sind Feldaudio von autonomen Rekordern (SD-Karten, Hydrophone, Ultraschall-Fledermausdetektoren) plus Standortmetadaten wie GPS, Datum und Habitat. In der Praxis liegen sie auf SD-Karten, Laptops, externen Festplatten und Projekt-Dateifreigaben, die Metadaten in Tabellen. Typische Lücken sind uneinheitliche Dateinamen, fehlende oder falsche Zeitstempel und Koordinaten, Wind- und Regengeräusche, doppelte Kopien und sehr wenige von Experten verifizierte Labels für lokale Arten.
Schritte: 1. Aufnahmen und Metadaten inventarisieren (PREP-001). 2. Dateibenennung, Zeitzonen und Metadaten in einer aufgeräumten Tabelle vereinheitlichen (PREP-011). 3. Artenliste und Label-Schema festlegen (PREP-019). 4. Ornithologen oder Fledermausexperten eine Stichprobe als Testdatensatz verifizieren lassen (PREP-018). 5. Rohaudio mit Backup- und Speicherplan archivieren; ffmpeg und sox für die Konvertierung nutzen.
Vortrainierte Detektoren brauchen keine Trainingsdaten, aber die lokale Validierung ist unerlässlich. Die Aufbereitung macht grob 30 bis 40 Prozent des Aufwands aus, überwiegend Metadatenbereinigung und Expertenprüfung.
Umsetzungswege
Welcher Weg für wen
- enterprise: Weg C, weil BirdNET, Perch und Fledermausklassifikatoren auf HW1 laufen und dieselbe Pipeline viele Standorte und Projekte bedient.
- developer: Weg C, weil offene Modelle und Datensätze die Grundlage für eigene Detektoren sind.
- public: Weg C, weil Behörden und Forschungseinrichtungen nachvollziehbare, reproduzierbare Ergebnisse und Datensouveränität für Daten zu geschützten Arten brauchen.
- private: Weg A, weil Smartphone-Apps wie BirdNET ausgereift und kostenlos sind.
Weg A — Kaufen (Standardsoftware)
- Rekorder und Analysesoftware: Wildlife Acoustics (Song Meter, Kaleidoscope Pro), AudioMoth-Ökosystem (Open Acoustic Devices, UK), Fledermausdetektoren von Elekon (CH, Batlogger), Titley Scientific, SaaS im Stil von Bioacoustica.
- Plattformen: Arbimon (Rainforest Connection), BirdNET-Apps der Cornell University; Wildlife Insights ist bildbasiert (siehe VIS-032). Zu den Optionen aus der EU zählen von europäischen Instituten gehostete, von BirdNET abgeleitete Werkzeuge und Forschungsinfrastrukturen vom Typ Naturalis; prüfen Sie den Hosting-Standort.
- A wählen, wenn: ein Gutachterbüro oder eine Behörde Standarderhebungen mit wenig ML-Kenntnissen braucht.
Weg B — Auf Cloud-KI-Diensten aufbauen
- Für Tierlaute gibt es keine dominierende allgemeine API im Stil der ASR. Typisches Muster: Audio im EU-Cloud-Speicher ablegen, BirdNET- oder Perch-Modelle in einem Container auf EU-Rechenleistung ausführen (AWS Frankfurt, Azure West Europe, OVHcloud, Scaleway, STACKIT), Ergebnisse in eine Datenbank, Dashboards in Grafana oder Streamlit.
- Allgemeine Audio-Embedding-APIs sind möglich, aber offene bioakustische Modelle schneiden meist besser ab.
Weg C — Selbst betreiben (Open Source)
- Modelle und Werkzeuge: BirdNET-Analyzer (Cornell Lab / Technische Universität Chemnitz, Open Source, GUI und CLI), Perch 2.0 (Google DeepMind, offene Gewichte), BatDetect2 für Fledermäuse, BirdSet-Datensätze und -Benchmark, OpenSoundscape (Python), PAMGuard und Ocean-Sound-Werkzeuge für Meeressäuger, Audio-Encoder im Stil von AVES / BEATs / BioLingual. Das ist die übliche Wahl.
- Stack: Python, PyTorch oder TensorFlow Lite, ffmpeg, ein Vektorindex (FAISS, pgvector), eine Datenbank mit Standortmetadaten.
- Hardware: HW1 bewältigt die Inferenz (BirdNET läuft auf einem Raspberry Pi nahezu in Echtzeit); HW2 beschleunigt die Massenverarbeitung von Terabytes und das Feintuning.
- Betriebsaufwand: gering bis mittel; der eigentliche Aufwand liegt in der Datenlogistik (SD-Karten einsammeln, Speicherung, Benennung) und in der Validierung.
Weg D — Eigenes Training
Lohnt sich für Taxa oder Regionen, die von öffentlichen Modellen schlecht abgedeckt sind (lokale Dialekte, seltene Arten, tropische oder Unterwasserlaute). Es braucht hunderte verifizierte Clips je Zielklasse plus realistische Hintergrund-Negativbeispiele von den eigenen Standorten; tunen Sie einen vortrainierten Encoder fein, statt von Grund auf zu trainieren. Domänenverschiebung zwischen Rekordermodellen und Habitaten ist der Hauptgrund für ein Nachtrainieren.
Stand der Technik (2026)
- Bioakustische Foundation-Modelle: Perch 2.0 und ähnliche Encoder, trainiert auf großen Korpora mit vielen Taxa, liefern starke Übertragung und Few-Shot-Leistung; BirdNET v2.x bleibt der am häufigsten eingesetzte Vogelklassifikator [1][2].
- Benchmarks: BirdSet und BEANS vereinheitlichen die Auswertung; die Ergebnisse zeigen eine große Lücke zwischen kuratierten Fokalaufnahmen und echten Klanglandschaften mit überlagerten Rufen [3].
- Trends: Inferenz auf dem Gerät, aktives Lernen zur Priorisierung der Annotation, Multi-Label-Erkennung überlappender Arten und Integration mit Kamerafallen (VIS-032) für multimodales Biodiversitäts-Monitoring.
- Grenzen und Fehlerbilder: Fehlalarme durch Wind, Regen, Insekten und menschliche Stimmen; schlechte Trefferquote bei leisen oder seltenen Arten; Klassifikatorwerte sind keine kalibrierten Wahrscheinlichkeiten; regionale Artenlisten sind wichtig; kein Modell liefert verlässlich die Häufigkeit (Individuenzahlen); unterschiedliche Mikrofone der Rekorder verschieben die Leistung.
Gemeinsame Bausteine & Kombinationen
- Gleiche Bausteine (audio-classification, edge-runtime): SPEECH-009 Erkennung akustischer Ereignisse, SPEECH-008 Audio-Entrauschen, ROBO-011 TinyML-Sensoren.
- Kombinationen: VIS-032 (Artbestimmung per Kamerafalle) für multimodale Erhebungen, VIS-060 (Vermeidung von Vogelkollisionen an Windenergieanlagen), VIS-013 (Umweltmonitoring). Ein gemeinsamer Embedding-Index und ein zentrales Management der Edge-Geräteflotte können all diese bedienen.
Aufwand, Kosten & Kennzahlen
- Weg A: Wochen; die Rekorder-Hardware ist der Hauptkostenpunkt (einige zehn bis wenige hundert Euro je Gerät bei Geräten der AudioMoth-Klasse, mehr für professionelle Detektoren; aktuelle Preise prüfen).
- Weg B/C: 1-3 Monate für eine validierte Pipeline; der Speicherbedarf wächst schnell (kontinuierliche Aufnahme erzeugt Terabytes pro Saison).
- Weg D: 3-6 Monate einschließlich Annotation.
- Kennzahlen: Präzision und Trefferquote je Art an einer validierten Stichprobe, Nachweise je Rekorder-Nacht, Anteil des von Menschen geprüften Audios, Trend der Artenvielfalt, Verfügbarkeit der Rekorder, Kosten je erfasster Standort-Nacht.
Menschen & Veränderung
Binden Sie die Geschäftsleitung oder den Projektverantwortlichen (Budget, Umfang), die Fachbereichsleitung für Ökologie oder Naturschutz, Außendienstmitarbeitende und Ökologen als Anwender sowie die IT für Speicher und Rechenleistung ein. Dateneigentümer wie Grundeigentümer, Behörden und Forschungspartner müssen dem Datenaustausch zustimmen. Recht oder Compliance klärt Genehmigungen für geschützte Arten und die Veröffentlichung von Standorten.
Betriebsrat: in der Regel nein, weil das System Tierlaute analysiert, nicht Beschäftigte (§ 87 Abs. 1 Nr. 6 BetrVG); informieren Sie ihn, wenn sich Abläufe der Feldarbeit ändern (§ 90 Abs. 1 Nr. 3). In öffentlichen Stellen ist der Personalrat zu unterrichten. Datenschutz: Aufnahmen können menschliche Stimmen erfassen; konfigurieren Sie Rekorder und Filter so, dass Sprache verworfen wird, und beziehen Sie die(den) Datenschutzbeauftragte(n) ein, mit einer DSFA nur, wenn Sprache im großen Maßstab nicht ausgeschlossen werden kann.
KI-Kompetenz: Unterstützen Sie Ökologen mit Schulungen zu Konfidenzwerten, Fehlalarmen und zur Verifizierung von Nachweisen, gemäß Art. 4 der KI-Verordnung (AI Act). Beginnen Sie mit einem Pilotvorhaben an wenigen Standorten und vergleichen Sie mit manuellen Erhebungen. Der Mensch behält die Kontrolle: Nur von Experten verifizierte Nachweise gehen in amtliche Berichte. Eine typische Sorge ist das Vertrauen in automatisierte Artenlisten; begegnen Sie ihr, indem Sie Präzision und Trefferquote aus Ihrer eigenen Validierung veröffentlichen und Freiwillige aus der Citizen Science offen einbinden.
Guides: GUIDE-009, GUIDE-003, GUIDE-006.
Risiken, Regulierung & Compliance
- KI-Verordnung (AI Act): minimales Risiko bei der Analyse von Wildtieren (keine Kategorie nach Anhang III). Die KI-Kompetenz (Art. 4) gilt. Würde dieselbe Audio-Pipeline zur Identifizierung von Personen (Sprechererkennung) oder zur Überwachung wiederverwendet, änderte sich die Einstufung; das liegt außerhalb dieses Anwendungsfalls (siehe SPEECH-010, und beachten Sie die Grenzen nach Art. 5 für die biometrische Identifizierung).
- DSGVO: Rekorder in Wäldern, Parks oder in Wegnähe können menschliche Sprache erfassen. Gegenmaßnahmen sind die Platzierung, Ultraschall- oder Aufnahme mit niedriger Abtastrate, Spracherkennung, die Sprache auf dem Gerät verwirft oder maskiert, kurze Aufbewahrung und eine dokumentierte DSFA, wo Personen aufgenommen werden könnten. Aufnahmen erkennbarer Gespräche sind personenbezogene Daten.
- Naturschutzrecht: Die Ergebnisse fließen oft in rechtliche Verfahren ein (EU-Vogelschutz- und FFH-Richtlinie, Natura 2000, Umweltverträglichkeitsprüfungen). Behörden können von Experten verifizierte Nachweise und dokumentierte Methoden verlangen, daher ist die KI-Ausgabe eine Beweisstütze, keine endgültige Feststellung. Die EU-Verordnung zur Wiederherstellung der Natur (2024/1991) erhöht den Monitoring-Bedarf [4].
- Daten-Governance: Standortdaten seltener Arten können Wilderei begünstigen; beschränken Sie den Zugriff und verschleiern Sie Koordinaten in öffentlichen Datensätzen. Beachten Sie die Lizenzen der Trainingsdaten (Creative-Commons-Bedingungen von xeno-canto).
- Wissenschaftliches Risiko: Unvalidierte Nachweise blähen Artenlisten auf; gegensteuern mit Schwellenwerten je Art und Stichprobenprüfung.
Erste Schritte
- Definieren Sie die Fragestellung (Präsenz, Aktivitätstrend, Artenvielfalt) und die Ziel-Taxa, wählen Sie dann Rekordertyp und Zeitplan (zum Beispiel Zeitfenster des Morgenchors).
- Lassen Sie BirdNET-Analyzer oder Perch über einen Pilotdatensatz mit 1-2 Wochen Aufnahmen von einigen Standorten laufen.
- Lassen Sie einen Experten eine Zufallsstichprobe je Art labeln, um die Präzision zu berechnen und Schwellenwerte je Art festzulegen.
- Ergänzen Sie Datenschutzkontrollen (Sprachfilterung, Aufbewahrungsrichtlinie) vor einem breiteren Einsatz.
- Automatisieren Sie Übernahme, Inferenz und ein Dashboard; erwägen Sie Feintuning erst, nachdem Sie gesehen haben, wo die öffentlichen Modelle scheitern.
Quellen
- BirdNET-Analyzer (Cornell Lab of Ornithology / Chemnitz University of Technology) - https://github.com/birdnet-team/BirdNET-Analyzer
- Google Research Perch (bioacoustics models) - https://github.com/google-research/perch
- Rauch et al., BirdSet: A Large-Scale Dataset for Audio Classification in Avian Bioacoustics - https://arxiv.org/abs/2403.10380
- Regulation (EU) 2024/1991 on nature restoration - https://eur-lex.europa.eu/eli/reg/2024/1991/oj
- OpenSoundscape - https://github.com/kitzeslab/opensoundscape
- BatDetect2 - https://github.com/macaodha/batdetect2
- AudioMoth, Open Acoustic Devices - https://www.openacousticdevices.info/
- Regulation (EU) 2024/1689 (AI Act) - https://eur-lex.europa.eu/eli/reg/2024/1689/oj