Jedes Tier ein eigenes Gesicht: Wie KI das Wildtier-Monitoring verändert
Ein Verband der Wildtierhilfe kündigt an, künftig einzelne Tiere per Künstlicher Intelligenz wiederzuerkennen. Der Schritt eines einzelnen Projekts steht für einen leisen Wandel im Naturschutz: Kameras und Algorithmen ersetzen zunehmend die Zählung von Hand – mit Möglichkeiten und Grenzen, die man kennen sollte.
Wer wissen will, wie viele Tiere einer Art in einem Gebiet leben, stand lange vor einem Grundproblem: Man sieht immer nur einzelne Individuen, selten alle auf einmal, und fast nie weiß man, ob man dasselbe Tier schon einmal gezählt hat. Ein Verband der Wildtierhilfe hat nun angekündigt, gemeinsam mit einem Technologiepartner ein Verfahren zu erproben, das laut den Beteiligten einzelne Tiere per Künstlicher Intelligenz wiedererkennt. Der Einzelfall ist bemerkenswert, weil er einen Trend sichtbar macht, der die Feldbiologie schon seit einigen Jahren verändert.
Von der Fotofalle zur Wiedererkennung
Kamerafallen gehören seit Langem zum Werkzeug des Naturschutzes. Sie lösen aus, wenn sich etwas bewegt, und sammeln über Wochen Zehntausende Bilder. Das eigentliche Nadelöhr war stets die Auswertung: Fachleute mussten jedes Foto sichten und Tiere bestimmen. Der neue Schritt ist die sogenannte Re-Identifikation – die Frage, ob zwei Aufnahmen dasselbe Individuum zeigen. Bei manchen Arten ist das für den Menschen ohnehin möglich, etwa bei Tigern mit ihren einzigartigen Streifen oder bei Walen an der Form der Fluke. KI-Systeme übertragen dieses Prinzip auf Arten, bei denen die Unterschiede für das bloße Auge zu fein sind.
Wie die Technik das Einzeltier findet
Technisch stützen sich solche Verfahren meist auf neuronale Netze, die darauf trainiert werden, charakteristische Merkmale in einem Bild in eine Art digitalen Fingerabdruck zu übersetzen. Fell- und Gefiederzeichnungen, Narben, Ohrkonturen oder Fleckenmuster werden zu einem Zahlenvektor verdichtet; ähnliche Vektoren deuten auf dasselbe Tier hin. Der Mensch muss die Individuen dafür nicht mehr von Hand markieren. Das ist der eigentliche Reiz: Klassische Methoden wie das Beringen von Vögeln, das Anlegen von Ohrmarken oder das Besendern mit Peilgeräten sind aufwendig, kostspielig und für die Tiere ein Eingriff. Eine Kamera dagegen berührt nichts.
Was der Ansatz leisten kann
Für den Naturschutz eröffnet das mehrere Möglichkeiten. Bestände lassen sich genauer schätzen, weil Doppelzählungen seltener werden. Wanderbewegungen und Reviergrenzen werden nachvollziehbar, wenn dasselbe Tier an verschiedenen Standorten auftaucht. Und weil die Auswertung automatisiert läuft, können auch ehrenamtlich getragene Projekte Datenmengen bewältigen, die früher ganze Forschungsteams gebunden hätten. Gerade in der Wildtierhilfe, wo Ressourcen knapp sind, ist das ein handfestes Argument – vorausgesetzt, die Technik hält, was sie verspricht.
Wo die Grenzen liegen
Und genau da beginnt der nüchterne Teil. Ein KI-Modell ist nur so gut wie die Bilder, mit denen es trainiert wurde. Für häufige, gut fotografierte Arten liegen große Datensätze vor; für seltene oder unscheinbare Arten fehlen sie oft – ausgerechnet dort, wo genaue Zahlen am wichtigsten wären. Schlechtes Licht, Bewegungsunschärfe, Jahreszeitenwechsel im Fell oder schlicht die Rückansicht eines Tieres führen zu Fehlern. Ein System, das zwei verschiedene Tiere für dasselbe hält oder umgekehrt, verzerrt die Statistik in beide Richtungen. Fachleute betonen deshalb, dass die Automatisierung die Kontrolle durch Menschen nicht ersetzt, sondern verschiebt: weg vom Sichten jedes Bildes, hin zum Prüfen der Zweifelsfälle.
Einordnung
Die Wiedererkennung einzelner Tiere durch KI ist kein Zukunftsversprechen mehr, sondern in Teilen des Naturschutzes bereits Praxis. Ihr Wert liegt weniger in spektakulären Einzelfunden als in der Fähigkeit, große, unübersichtliche Datenmengen überhaupt handhabbar zu machen. Ob ein konkretes Projekt hält, was es ankündigt, entscheidet sich an Fragen, die selten in der Ankündigung stehen: an der Qualität der Trainingsdaten, an der Fehlerquote und an der Bereitschaft, die Ergebnisse kritisch nachzuprüfen.
Dieser Beitrag ordnet einen technischen Trend redaktionell ein. Angaben zu einzelnen Projekten beruhen auf den Mitteilungen der beteiligten Organisationen.