Biod.AI.versity Observation & Integration (Bio.AI)

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:  

  • When and where do which species flower? 
  • How much do the characteristics of a plant species vary? 
  • How do the composition of plant communities and the locations of plants change in connection with climate change and the type of underlying land use? 

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, 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

     
Flora Incognita - mehr als Pflanzenbestimmung

Flora Incognita - mehr als Pflanzenbestimmung

Um den Wandel bzw. den Verlust der biologischen Vielfalt sichtbar zu machen, ist Artenkenntnis der Schlüssel - nicht nur für Expert*innen, sondern für alle Menschen. Wir haben die App "Flora Incognita" entwickelt, die mit Hilfe moderner Bildverarbeitungstechniken wie tiefen neuronalen Netzen und einem "Connected Data"-Ansatz Standortinformationen (z. B. Phänologie, Standort, Datum und Uhrzeit) und morphologische Merkmale von Pflanzen zur halbautomatischen Artenbestimmung nutzt. Die gesammelten Daten dienen dem Monitoring von Pflanzenarten und der Phänologie. 
Die App wurde 2018 veröffentlicht und wurde bis 2022 bereits 5 Millionen Mal heruntergeladen. Sie ist kostenlos für iOS und im Google Play Store erhältlich. Weitere Informationen finden Sie auf der Flora-Incognita-Website.
NaturaIncognita-Schaffung einer Workflow-Plattform für AI-basierte Artbestimmung

NaturaIncognita-
Schaffung einer Workflow-Plattform für AI-basierte Artbestimmung

Um dem Verlust der biologischen Vielfalt entgegenzuwirken, werden Daten über den Stand und die Veränderung der biologischen Vielfalt für viele Lebensformen benötigt. In diesem "KI-Leuchtturmprojekt" sollen die bestehenden Rahmenbedingungen für die automatisierte Artbestimmung des Projekts "Flora Incognita" erweitert werden, um eine automatische Bestimmung für andere Artengruppen zu ermöglichen.
Die Workflow-Plattform des Projekts wird einen Service zur Artbestimmung anbieten, der auf den neuesten Methoden des maschinellen Lernens basiert. Zu den Pilotprojekten gehören bereits Phytoplankton, Schmetterlinge und Pilze.
Plankt.AI 

Plankt.AI 

Automatische Bestimmung von mikroskopischen Algen zur Bewertung der biologischen Vielfalt und des trophischen Zustands von Gewässern.
KI4Biodiv - Künstliche Intelligenz in der Biodiversitätsforschung

KI4Biodiv - Künstliche Intelligenz in der Biodiversitätsforschung

In diesem Projekt geht es darum, verschiedene Benchmark-Datensätze zu erstellen, Trainingsalgorithmen für die automatische Artbestimmung weiterzuentwickeln, die Ergebnisse zu interpretieren und kontextbezogene Informationen in den Erkennungsprozess einzubeziehen.

Im Bereich des Arten- und Bestandsmonitorings werden Trainingsalgorithmen und Netzwerkarchitekturen speziell für Fernerkundungsdaten angewendet und weiterentwickelt.

Im Bereich der Modellierung werden KI-basierte Modelle entwickelt, die sowohl den räumlichen als auch den zeitlichen Kontext auf verschiedenen Skalen berücksichtigen.
BetterWeeds

BetterWeeds

Ziel des Projekts ist die Entwicklung eines Rahmens für nachhaltiges Unkrautmanagement durch autonome Unkrauterkennung, KI-gestützte Bestimmung von Unkrautarten und georeferenzierte Unkrautverteilungskarten, die die standortspezifischen Merkmale des jeweiligen Feldes berücksichtigen. Auf der Grundlage dieser Karten werden Managementstrategien zur Unkrautbekämpfung auf den jeweiligen Feldern entwickelt und unter Feldbedingungen getestet.
 
     

Wichtige Publikationen

Zeitschriftenartikel (19)

1.
Zeitschriftenartikel
Jana Wäldchen, Hans Christian Wittich, Michael Rzanny, Alice Fritz, and Patrick Mäder, "Towards more effective identification keys: A study of people identifying plant species characters," People and Nature (2022).
2.
Zeitschriftenartikel
Roel van Klink, Tom August, Yves Bas, Paul Bodesheim, Aletta Bonn, Frode Fossøy, Toke T. Høye, Eelke Jongejans, Myles H.M. Menz, Andreia Miraldo, Tomas Roslin, Helen E. Roy, Ireneusz Ruczyński, Dmitry Schigel, Livia Schäffler, Julie K. Sheard, Cecilie Svenningsen, Georg F. Tschan, Jana Wäldchen, Vera M.A. Zizka, Jens Åström, and Diana E. Bowler, "Emerging technologies revolutionise insect ecology and monitoring," Trends in Ecology and Evolution 37 (10), 872-885 (2022).
3.
Zeitschriftenartikel
Kevin Karbstein, Salvatore Tomasello, Ladislav Hodac, Natascha Wagner, Pia Marinček, Birthe Hilkka Barke, Claudia Paetzold, and Elvira Hörandl, "Untying Gordian knots: unraveling reticulate polyploid plant evolution by genomic data using the large Ranunculus auricomus species complex," New Phytologist 235 (5), 2081-2098 (2022).
4.
Zeitschriftenartikel
Negin Katal, Michael Rzanny, Patrick Mäder, and Jana Wäldchen, "Deep learning in plant phenological research: A systematic literature review," Frontiers in Plant Science 13, 805738 (2022).
5.
Zeitschriftenartikel
Bernhard Schmid, Martin Schmitz, Michael Rzanny, Michael Scherer-Lorenzen, Peter N. Mwangi, Wolfgang W. Weisser, Andrew Hector, Roland Schmid, and Dan F. B. Flynn, "Removing subordinate species in a biodiversity experiment to mimic observational field studies," Grassland Research 1 (1), 53-62 (2022).
Mehr anzeigen

Weitere interessante Beiträge

Zur Redakteursansicht