KI für den Artenschutz

Ein Leopard ist leicht an seinem typischen Fellmuster zu identifizieren. Doch lässt sich anhand der braunen Flecken auch bestimmen, welches individuelle Tier da gerade vor der Wildkamera posiert? Oder an Audiodaten erkennen, welcher Vogel wo in diesem Moment singt? Ein Informatik-Team der Hochschule Darmstadt entwickelt KI-Methoden, die helfen sollen, Bild- und Tonaufnahmen von Wildtieren schneller auszuwerten und automatisch zu klassifizieren. Im Forschungsprojekt „AI4WildLIVE“ arbeiten sie dabei mit der Senckenberg Gesellschaft für Naturforschung zusammen.

Von Astrid Ludwig, 18.5.2026

Elke Hergenröther ist Professorin für Computer Vision. Als Informatikerin hat sie es mit Zahlen und Algorithmen zu tun, doch zuletzt immer wieder auch mit Vierbeinern. Dabei hegt sie zwar eine Vorliebe für Biologie, nicht aber eine ausgeprägte Tierliebe. „Es sind die inspirierenden Menschen und Projekte mitten aus dem Leben“, die sie reizen und ihre Lehre bereichern. So hat die Professorin etwa zusammen mit Tierärztinnen eine App entwickelt, die Untersuchungen und Befunde visualisiert und bei der Diagnosestellung assistiert. Meist ging es dabei um zahme Hunde oder Katzen. Aktuell jedoch begleitet Hergenröther ein Forschungsvorhaben, in dem sich Löwen und Leoparden, Elefanten, Büffel und exotische Singvögel tummeln.

Das Projekt „AI4WildLIVE“ dreht sich um das Monitoring von Wildtieren – und darum, wie Künstliche Intelligenz dabei helfen kann, die riesigen Datenberge, die Wildkameras einsammeln, zu sortieren und gleich nach Tierarten zu klassifizieren. Sei es in Afrika, Südamerika oder hierzulande. In „AI4WildLIVE“ kooperiert der Fachbereich Informatik der h_da mit der Senckenberg Gesellschaft für Naturforschung, der Zoologischen Gesellschaft Frankfurt und der Science-Data-Plattform Geo Engine.

Die Daten aus Tierbeobachtungen sind für Forschende essenziell, aber mühsam und sehr zeitaufwendig zu analysieren. In der bisherigen Praxis verbringen Biologen und Zoologinnen viele Stunden vor dem Bildschirm, um sich durch hunderttausende Aufnahmen aus Wildkameras zu klicken. „Wildtierdaten sehen sehr, sehr wild aus“, berichtet h_da-Promovendin Vanessa Süßle. Teils seien die Fotos durch Bewegungen verwischt, die Tiere durch einen Strauch verdeckt oder die Aufnahmen wegen schlechter Lichtverhältnisse beeinträchtigt. Hinzu kommen Fehlauslöser. „Es braucht viel Datenbereinigung“, sagt die Informatikerin.

Für ihre Doktorarbeit hat die Promovendin mehr als drei Monate in Südafrika verbracht, um die biologische Feldforschungsarbeit vor Ort mitzuerleben. Zusammengearbeitet hat sie dort mit Colleen Downs, Zoologie-Professorin für Ökosystemgesundheit und Biodiversität der University of KwaZulu-Natal. Süßle hat geholfen, Warane mit der Hand zu fangen, Vögel zu beringen, musste sich vor Büffeln verstecken und Zeckenbisse ertragen. Jetzt weiß die Darmstädter Informatikerin, wie schwer es ist, an eine gute Datengrundlage zu kommen.

Dabei aus dem Rohmaterial an Bildern aus Kamerafallen eine zu Forschungszwecken nützliche Datenbasis zu schaffen, wollen sie und ihre Professorin Elke Hergenröther im Projekt „AI4WildLIVE“ helfen. Die Doktorarbeit der h_da-Absolventin liefert wichtige Grundlagen dafür. So hat Süßle etwa Methoden der computergestützten und teils KI-basierten Objekterkennung eingesetzt und selbst entwickelt, mit deren Hilfe die Bilder der Wildkamera vorsortiert werden können. Auf diese Weise fliegen beispielsweise alle Fotos raus, auf denen Tiere nur halb zu sehen sind. Das spart erheblich Zeit. Von rund 500.000 Aufnahmen in Südafrika blieben zum Schluss etwa 100.000 brauchbare übrig, berichtet sie.

„Künstliche Intelligenz bewältigt gigantische Datenmengen in Sekunden, für deren Auswertung Biologinnen und Biologen von Hand Jahre brauchen würden“, sagt Hergenröther. „Das ist gar nicht zu schaffen.“ Die Expertin für Data Science und Computer Vision legt am Fachbereich Informatik daher schon länger einen Fokus auf die Frage, wie KI für den Arten- und Naturschutz eingesetzt werden kann. Auch die Hochschule Darmstadt selbst setzt in Lehre und Forschung einen Schwerpunkt auf Nachhaltigkeit. „AI4WildLIVE“ mit seinem biodiversen Ansatz „passt da sehr gut“, betont die Informatikerin.

Zustande kam die Kooperation bei dem Forschungsprojekt, als die h_da-Professorin bei einer Veranstaltung von „Jugend forscht“ auf eine Biologin der Senckenberg Gesellschaft für Naturforschung traf. Zeitgleich arbeitete Hergenröthers Doktorandin Vanessa Süßle bereits an einem Promotionsthema, das sich mit Natur- und Tierschutz befasste und in eine ähnliche Richtung ging. Die Senckenberg-Forschenden steckten mitten in der Antragsphase für das Fördervorhaben, das vom Ministerium für Forschung, Technologie und Raumfahrt mit zwei Millionen Euro unterstützt wird. Die h_da mit ihrer KI-Expertise war eine perfekte Ergänzung „und so stiegen wir kurzerhand mit in das Projekt ein“, sagt Hergenröther.

Das Forschungsvorhaben läuft seit rund zwei Jahren. Die Informatiker*innen haben bisher KI-Modelle erarbeitet, die Wildtier-Fotos analysieren und auch Audiodateien wie den Gesang von Vögeln visualisieren können. Mit diesen Bildern und visuellen Mustern wird die Künstliche Intelligenz trainiert. „Derzeit arbeiten wir an der Individuen-Erkennung“, berichtet die Professorin. Die Forschungsarbeit, die h_da-Promovendin Süßle in Südafrika geleistet hat, wird nun mit den Daten von Forschenden der Senckenberg Gesellschaft, die Projekte in Südamerika betreiben, kombiniert und mit Informationen, die Tech-Unternehmen wie Google gesammelt haben. Auf dieser jetzt sehr breiten Datenbasis, berichtet Hergenröther, sollen KI-Modelle entwickelt werden, die nicht nur das Tier an sich erkennen und klassifizieren, sondern auch das einzelne Individuum identifizieren können. Die Professorin nennt als Beispiel den Leoparden mit seiner typischen Fellzeichnung. Alle Leoparden sind gefleckt, aber bei jedem Tier sitzen die braunen Punkte an einer anderen Stelle. Die KI soll nun anhand dieser Muster und Pixel erkennen, um welchen Leoparden oder welche Leopardin es sich genau handelt.

Das Thema Tier- und Artenschutz kommt bei den Studierenden gut an. Nicht nur die Seminare, die Süßle und Hergenröther an der h_da zum Thema anbieten, sind schnell belegt, auch Bachelor- und Masterarbeiten befassen sich unterdessen mit dieser Fragestellung und ergänzen das Forschungsprojekt. Aktuell untersuchen Studierende die Frage, wie sich eine Erkennung via Künstliche Intelligenz auch auf Tiere trainiert lässt, die kaum oder kein Fellmuster haben – wie etwa Löwen. Oder Möglichkeiten, KI-Modelle auf Merkmale wie Ohrenform oder Schnurrhaare zu konditionieren. „Die Studierenden sind sehr engagiert und stecken da sehr viel Energie rein“, freut sich Hergenröther.

Die vom Fachbereich entwickelten Modelle nutzt Zoologin Prof. Dr. Colleen Downs bereits für ihre Arbeit in Südafrika. Die Darmstädter KI ist also schon im Einsatz. „Das funktioniert sehr gut bei der Masse an Dateien“, so Hergenröther. „Aber natürlich schauen die Biolog*innen noch mal drauf, die genaue Analyse liegt nach wie vor in Menschenhand.“ Die größte Herausforderung, so die Darmstädter Expertin für Computer Vision, bleibe jedoch das schwierige Datenmaterial – Fotos, die, egal ob bei Sonne, in der Nacht oder mit Infrarot, alle mit demselben Verfahren aufgenommen werden. Eine Idee sei daher auch, „unsere Erkenntnisse direkt auf die Wildkameras zu bringen“. Sprich: dort eine Technologie oder ein KI-System zu installieren, das bereits grob sichtet und sortiert, „um von vornherein die Masse an Daten zu reduzieren“, so die Professorin. Ziel ist generell, „die Grenzen des Machbaren zu verschieben, um auch aus eigentlich unzureichendem Datenmaterial noch Informationen extrahieren zu können“, sagt die Informatikerin.

Bisher befassen sich die Wissenschaftlerinnen und Wissenschaftler bei ihrer Forschung und KI-Entwicklung mit dem einzelnen Bild. Die Realität vor der Linse der Wildkamera ist jedoch eine andere: Dort spielen sich Bewegungsabläufe ab. Das aufgenommene Tier läuft, frisst, jagt oder schläft. Es ist also eine Sequenz, eine Abfolge von Bildern. Ziel ist daher auch, die KI auf eine Verhaltensanalyse zu trainieren. Was genau tut das Tier gerade? Seit Ende 2025 befasst sich mit dieser Thematik ein weiterer Promovend im Promotionszentrum für Angewandte Informatik der Hochschule, berichtet Hergenröther. Er beschäftigt sich mit der Analyse kurzer Tieraufnahmen und versucht mit KI-Modellen wie etwa ChatGPT, die im Video sichtbaren Aktionen automatisch zu klassifizieren.

Wichtig sind die Erkenntnisse aus den Doktorarbeiten und „AI4WildLIVE“ nicht nur für den Natur- und Artenschutz. „Übertragbar wären die entwickelten Prozessketten in nahezu identischer Form auch auf industrielle Fragestellungen, bei denen es entweder um die automatisierte Erkennung kleinster Unterschiede oder um den Umgang mit ungünstigen Bild- und Tonaufnahmen geht“, erklärt die h_da-Professorin. Einsetzbar, betont sie, wäre eine ähnlich trainierte KI ebenso in Zusammenarbeit mit Polizei und Staatsanwaltschaft für die Analyse und Bekämpfung von kinderpornografischen Bildern und Videos.

Die Förderung für das Forschungsprojekt läuft noch bis 2027. Ein Part der Senckenberg Gesellschaft für Naturforschung ist, unter der Leitung von Dr. Martin Jansen, eine breit angelegte Bürgerbeteiligung zu etablieren und Mitmach-Plattform zu entwickeln, auf der Daten und Bildmaterial eingestellt werden. Das Portal (WildLIVE-Portal – Datenmanagementplattform für Kamerafallen) soll das Interesse an der Biodiversität und dem Artenschutz fördern. Bürgerinnen und Bürger können sich dabei als Citizen Scientists einbringen und die neuesten Tiersichtungen durchstöbern, die von den Kamerafallen der Gesellschaft erfasst wurden. Interessierte können so helfen, die KI-Vorhersagen zu überprüfen, indem sie Arten kennzeichnen. Die Genauigkeit soll dadurch geschärft werden.

Bisher, so Professorin Hergenröther, haben sich bereits mehrere tausend Bürgerinnen und Bürger angemeldet. Mathematik-Professor Andreas Weinmann, der zuvor an der h_da und heute an der Technischen Hochschule Würzburg-Schweinfurt lehrt, entwickelt ergänzend dazu KI-Verfahren, die die Auswertung der Daten durch die Bürgerwissenschaftler effizienter machen sollen.