KICS-Zert - BiodivKI: KI- und Citizen Science-gestütztes Monitoring von zertifizierten Biodiversitätsprojekten

Abstract

Die Phase I des KICS-Zert-Projekts hatte zum Ziel, einen Prototyp eines KI-gestützten Biodiversitätsmonitoringsystems zu entwickeln, das auf Zertifizierungsrahmen für den Biodiversitätsschutz abgestimmt ist. Der Schwerpunkt lag auf ressourcenschonenden Deep-Learning-Ansätzen (DL), der Einbindung von Stakeholdern und der Integration von Citizen Science für die bildbasierte Erfassung von Biodiversitätsdaten. Zu den getesteten Kerntechnologien gehörten Modelle wie InstructIR, SAM und SimSiam zur Analyse von Agrar- und Landschaftsbildern. Zu den Herausforderungen zählen die hohen Kosten und der hohe Arbeitsaufwand der traditionellen Biodiversitätsüberwachung, die begrenzte räumliche und zeitliche Abdeckung sowie die geringe Skalierbarkeit bestehender Technologien wie eDNA und akustische Sensoren. Das Projekt schlug einen kombinierten Ansatz vor, der leichtgewichtige KI-Techniken und Beiträge aus der Bürgerwissenschaft, insbesondere Fotos von Laien (z. B. Landwirten, Freiwilligen), nutzt. Die Arbeit baute auf früheren ZALF-Projekten auf.