Vertebrate-Paläontologie steht vor einer quantitativen Herausforderung: Die Anzahl verfügbarer Fossilien ist begrenzt, und die manuelle Klassifizierung und Analyse zeitaufwändig. Doch eine neue Studie, an der Bruce MacFadden, emeritierter Distinguished Professor und ehemaliger Kurator für Vertebraten-Paläontologie am Florida Museum of Natural History, beteiligt war, zeigt, dass Künstliche Intelligenz (KI) mit deutlich weniger Daten auskommt, als bisher angenommen. Die Forschung, veröffentlicht in der Zeitschrift Paleobiology, zeigt, dass bereits etwa 250 gut dokumentierte Fossilbilder ausreichen, um ein bildbasiertes KI-Modell präzise zu trainieren – eine Zahl, die deutlich unter den früheren Schätzungen liegt, die oft Tausende von Bildern verlangten. Die Studie untersuchte, wie gut KI-Algorithmen, die auf Computer Vision basieren, in der Lage sind, Fossilien aus verschiedenen Zeitaltern und Taxa zu erkennen und zu klassifizieren. Dabei wurde ein Modell trainiert, das auf einer Mischung aus hochauflösenden Fotos von Knochen, Zähnen und anderen Resten basiert. Die Ergebnisse zeigten, dass selbst mit einer relativ kleinen Datenmenge eine hohe Genauigkeit erzielt werden kann, besonders wenn die Bilder gut dokumentiert, standardisiert und von Experten beschriftet sind. Dieser Effizienzgewinn könnte die Paläontologie grundlegend verändern, indem er den Zugang zu KI-Tools für Forschungseinrichtungen mit begrenzten Ressourcen ermöglicht. Ein weiterer Vorteil liegt in der Geschwindigkeit: Während die manuelle Analyse eines einzelnen Fossils Stunden oder sogar Tage dauern kann, kann ein gut trainiertes KI-Modell Hunderte von Bildern innerhalb von Minuten bewerten. Dies beschleunigt nicht nur die Identifikation von Funden, sondern auch die Erstellung von Datenbanken und die Analyse von evolutionären Mustern über große Zeiträume. Die Forscher betonen, dass die Qualität der Daten entscheidend ist – eine kleine, gut vorbereitete Sammlung kann mehr leisten als eine große, unstrukturierte. Zudem wird die KI nicht als Ersatz für menschliche Expertise gesehen, sondern als Werkzeug, das Wissenschaftler bei der Erkennung von Mustern, der Entdeckung neuer Arten und der Priorisierung von Funden unterstützt. In der Fachwelt wird die Studie als bedeutender Meilenstein angesehen. Experten weisen darauf hin, dass die Integration von Computer Vision in die Paläontologie langsam, aber sicher voranschreitet – und dass diese neue Methode besonders für die Erforschung von unterrepräsentierten Regionen und Zeiträumen von großer Bedeutung sein könnte. Die Ergebnisse könnten auch auf andere Bereiche der Geowissenschaften übertragbar sein, etwa in der Mineralogie oder der Stratigraphie. Bruce MacFadden, der selbst Jahrzehnte in der Paläontologie gearbeitet hat, sieht in der KI eine Chance, die Forschung zugänglicher und effizienter zu machen. Seine Beteiligung unterstreicht den Übergang von traditionellen Methoden zu datengetriebenen Ansätzen. Die Studie ist ein klares Signal: Die Zukunft der Paläontologie liegt nicht nur in der Erde, sondern auch im Code.