Biod.AI.versity Observation & Integration (Bio.AI)
Dr. Jana Wäldchen
Unsere Mission
Unser Ziel ist es, das globale Biodiversitätsmonitoring durch automatisierte Artbestimmung in Citizen Science Projekten und durch Fernerkundung zu vereinfachen, zu beschleunigen und zunehmend zu automatisieren. Unsere eigens entwickelte KI-Technologie zur Artbestimmung liefert dafür große Datenmengen, und eine gezielte Wissenschaftskommunikation trägt zusätzlich dazu bei, die Öffentlichkeit für den Schutz der Biodiversität zu sensibilisieren.
Schwerpunkte der Bio.AI-Forschungsgruppe:
Die Bio.AI-Forschungsgruppe vereint drei Schwerpunktbereiche, die sich gegenseitig ergänzen:
- Automatisierte Artbestimmung
- Monitoring der biologischen Vielfalt
- Citizen Science/Wissenschaftskommunikation
Automatisierte Artbestimmung
Im Rahmen dieses Forschungsschwerpunkts entwickeln und nutzen wir innovative Methoden der künstlichen Intelligenz, um die Bestimmung von Arten zu automatisieren. Im Rahmen unserer Forschungsarbeit wurde die App "Flora Incognita" entwickelt. Bis heute kann die App 4800 Wildpflanzen Mitteleuropas einfach durch die Aufnahme von Fotos in der Natur identifizieren, und wir danken allen Nutzerinnen und Nutzer für vielen Millionen Pflanzenbeobachtungen mit Fundort. Bis 2022 wurde die App mehr als 5 Millionen Mal installiert.
Darauf aufbauend arbeiten wir an der automatischen Bestimmung von anderen Lebensformen wie Phytoplankton, Pilzen und Schmetterlingen.
Die wichtigsten Publikationen:
Michael Rzanny et al. (2022)
Image-based automated recognition of 31 Poaceae species: The most relevant perspectives
Frontiers in Plant Science,12: 804140. doi: 10.3389/fpls.2021.804140
Roelvan Klink et al. (2022)
Emerging technologies revolutionise insect ecology and monitoring
Trends in Ecology & Evolution. doi: 10.1016/j.tree.2022.06.001
Michael Rzanny et al. (2019)
Flowers, leaves or both? How to obtain suitable images for automated plant identification
Plant Methods 15, 77. doi: 10.1186/s13007-019-0462-4
Susanne Dunker et al. (2018)
Combining high‑throughput imaging flow cytometry and deep learning for efficient species and life‑cycle stage identification of phytoplankton
BMC Ecology 18, 51. doi: 10.1186/s12898-018-0209-5
Biodiversitätsmonitoring
Die Forschungsgruppe Bio.AI hat sich zum Ziel gesetzt, das globale Biodiversitätsmonitoring zu vereinfachen, zu beschleunigen und zunehmend zu automatisieren. Daher konzentrieren wir uns in diesem Forschungsbereich derzeit auf die Frage, inwieweit die automatisierte Artbestimmung in Kombination mit Citizen Science und Fernerkundung zum Biodiversitätsmonitoring beitragen kann. Die stetig wachsende Zahl von Daten zu Pflanzenvorkommen über die Flora Incognita-App liefert uns bereits wichtige Informationen:
- Wann und wo blühen welche Arten?
- Wie stark variieren die Merkmale einer Pflanzenart?
- Wie verändern sich die Zusammensetzung von Pflanzengemeinschaften und die Standorte von Pflanzen im Zusammenhang mit dem Klimawandel und der Art der zugrunde liegenden Landnutzung?
Die wichtigsten Publikationen:
Miguel D. Mahecha et al. (2021)
Crowd-sourced plant occurrence data provide a reliable description of macroecological gradients
Ecography (Editors‘ Choice). doi: 10.1111/ecog.05492
Citizen Science & Wissenschaftskommunikation
Daten zur Erfassung der biologischen Vielfalt werden häufig von geschulten Personen erhoben und decken meist nur einen kleinen zeitlichen und räumlichen Bereich ab. Ein weiterer einschränkender Faktor ist der zunehmende Verlust an Artenkenntnis in der Öffentlichkeit. Mit der Entwicklung automatischer Instrumente zur Artbestimmung ist es nun möglich, dass auch Personen ohne jegliche Artenkenntnis Daten zur biologischen Vielfalt erheben können. Diese befolgen jedoch nur selten ein strenges Protokoll darüber, wo, wann und wie eine Art zu erfassen ist, was zu einem unstrukturierten Datensatz führt.
Im Rahmen der Bio.AI-Forschungsgruppe führen wir zwei Citizen-Science-Projekte durch, bei denen das Vorkommen von Pflanzenarten erfasst wird: Das Projekt Flora Incognita, das opportunistische Pflanzenbeobachtungen sammelt, und das Projekt Flora Capture, bei dem Citizen Scientists Pflanzenfunde in einer bestimmten Anzahl von vordefinierten Perspektiven aufnehmen, so dass eine Serie von strukturierten Bildern entsteht.
Um möglichst viele Menschen zu erreichen, die unsere Apps nutzen und Daten über Pflanzenvorkommen sammeln, investieren wir umfangreiche Ressourcen in die Wissenschaftskommunikation:
- Social-Media-Kanäle (Twitter, Mastodon, Instagram, Facebook, Youtube)
- Flora Incognita Website und Blog
- Ausstellungen und Veranstaltungen (MS Wissenschaft, Lange Nacht der Wissenschaften)
- Traditionelle PR wie Interviews, Podcasts, Artikel
Die wichtigsten Publikationen:
Patrick Mäder et al. (2021)
The Flora Incognita app – Interactive plant species identification
Methods in Ecology and Evolution. 12: 1335– 1342; doi: 10.1111/2041-210X.13611
David Boho et al. (2020)
Flora Capture: a citizen science application for collecting structured plant observations,
BMC Bioinformatics 21, 576; doi:10.1186/s12859-020-03920-9
Team
Projekte
Wichtige Publikationen
