BiodivKI: Bürgerportal, Archiv und Analysetool für multimodale Monitoringdaten (AI4WILDLIVE) / BiodivKI: AI4WILDLIVE

Abstract

Um den mit der globalen Biodiversitäts- und Klimakrise einhergehenden Biodiversitätsverlust lokal frühzeitig erkennen zu können, ist ein konstantes Monitoring mit autonomen Geräten an möglichst vielen Standorten notwendig. Hierdurch nimmt aber auch die Menge an gesammelten “Biodiversity Big Data” (Fotos, Videos, Audiodaten) mit rasantem Tempo zu. Hier bietet sich für die Datenstrom-Bearbeitung momentan die Kombination aus KI und Bürgerwissenschaften an. Auch stellt das Fehlen einer Forschungsdaten-Infrastruktur für die langfristige Archivierung der audiovisuellen Big Data, und zwar in FAIR-konformer (Findability, Accessibility, Interoperability, and Reusability) Weise, ein Problem dar. Ein wichtiger Schritt hin zur Lösung bildet das von der DFG geförderte Portal für Kamerafallendaten (https://wildlive.senckenberg.de), welches gleichzeitig auch den Grundstein für das hier dargestellte AI4WILDLIVE-Projekt (Phase 1) liefert. Die Ziele von AI4WILDLIVE Phase 1 waren zunächst einmal, ein Konsortium für die Phase 2 zu bilden, sowie den Antrag für Phase 2 vorzubereiten und einzureichen. Darüber hinaus waren die inhaltlichen Ziele: (1) die Integration von Crowdsourcing- und machine learning basierter Kuration und Verarbeitung von Monitoring-Daten in FAIR-konformer Weise in das oben genannte Portal; (2) Entwicklung von Prototypen zweier Portal-Erweiterungen, nämlich (a) die automatische Bild-Klassifikation als Service, (b) integrierte Geo-Analyse; (3) Erweiterungen der Fallstudien in Bolivien und Südafrika, um den Trainingsdatensatz diverser und ausbalancierter zu machen.