Dr. Sean Yap vom National University of Singapore (NUS) nutzt künstliche Intelligenz, um die Artenvielfalt in tropischen Regenwäldern durch Klangüberwachung zu erfassen. An seinem Labor für den Schutz der Biodiversität mit innovativen Lösungen, bekannt als LAPIS, kombiniert der wissenschaftliche Mitarbeiter Bioakustik mit KI, um große Mengen an Audiodaten aus Waldumgebungen zu analysieren. Das Ziel besteht darin, komplexe Klanglandschaften zu entschlüsseln, die auf das Vorhandensein verschiedener Tierarten hinweisen, wie Vogelgesang, Insektengemurre oder Froschrufe. Die Forschung konzentriert sich derzeit auf zwei Hauptfragen: Wie sich menschengemachte Lärmquellen, beispielsweise Verkehr, auf die Tieraktivität auswirken und ob kleine, wiederhergestellte Waldflächen – sogenannte Mikroforsten – die ökologische Konnektivität in städtischen Landschaften verbessern können. Zur Datenerhebung setzen die Forscher autonome Aufnahmegeräte ein, die mikrofongestützte Messungen in spezifischen Frequenzbereichen vornehmen. Die eigentliche Herausforderung liegt in der Verarbeitung der riesigen Datenmengen. Die Aufnahmen werden in Spektrogramme, also visuelle Darstellungen von Schall, umgewandelt. KI-Modelle analysieren diese Darstellungen, um Muster zu erkennen, die bestimmten Geräuschquellen zugeordnet werden können. Während einige Modelle grobe Kategorien wie Lärm oder Tierstimmen unterscheiden, können fortschrittlichere Modelle Gesänge bis auf die Artenebene klassifizieren. Diese Methode ergänzt herkömmliche Feldsurveys erheblich. Traditionelle Überwachungen basieren oft auf der zeitlich begrenzten Beobachtung durch Forscher, was zu Ergebnissen führen kann, die von der Erfahrung des Beobachters oder der Dauer des Aufenthalts abhängen. Akustische Überwachung ermöglicht dagegen eine kontinuierliche oder zu spezifischen Zeiten automatisierte Datenerfassung. Da die Geräte unbemannt im Gelände verbleiben, können sie auch Tiere registrieren, die dem Menschen ausweichen. Dies ermöglicht konsistentere und umfangreichere Datensätze über längere Zeiträume. Trotz der Vorteile gibt es Herausforderungen. Die Algorithmen funktionieren besonders gut bei Arten mit eindeutigen Rufen, wie Singvögeln. Für Tierarten mit tief Frequenzrufen, wie Tauben oder Eulen, ist die Erkennung jedoch schwieriger, da diese oft mit anderen Geräuschen wie Verkehrslärm verwechselt werden. Ein weiteres Problem stellt die Datengrundlage dar: Viele existierende Modelle wurden primär mit Daten aus Nordamerika und Europa trainiert, was ihre Zuverlässigkeit für Arten in Südostasien mindert. Das NUS-Team arbeitet daher daran, Modelle durch lokal gesammelte Daten zu verfeinern, um die Genauigkeit zu steigern. Dr. Yap betont, dass KI-Tools die traditionelle Feldforschung nicht ersetzen, sondern als leistungsfähiges Werkzeug ergänzen sollen. Der Erfolg hängt von qualitativ hochwertigen Trainingsdaten und dem ökologischen Fachwissen der Wissenschaftler ab. Für artenreiche Regionen wie Südostasien, in denen dichte Wälder eine langfristige manuelle Erfassung erschweren, stellen bioakustische Technologien einen signifikanten Fortschritt dar. Zukünftig plant Dr. Yap, die Anwendung der KI über Vögel hinaus auf Frösche, Insekten, Fledermäuse und andere Säugetiere auszuweiten, um die Überwachung der Biodiversität in der Region weiter zu verbessern.