Ob im Stadtpark, beim Waldspaziergang oder im heimischen Garten – Wer draußen unterwegs ist, wird oft von einem vertrauten Klang begleitet: Dem Gesang der Vögel. Aber wer genau zwitschert da überhaupt im Baum über uns? BirdNET hat die Antwort.
Die Anwendung ist ein gemeinsames Projekt des Lehrstuhls für Medieninformatik der Technischen Universität Chemnitz und des Cornell Lab of Ornithology. Beteiligt waren zudem WissenschaftlerInnen der Hochschule Mittweida.
KI erkennt Vogelgesänge
BirdNET ist eine Forschungsplattform und hilft dabei, Vögel anhand ihres Gesangs zu erkennen. Dazu muss die Vogelstimme lediglich aufgezeichnet werden. Die Anwendung erzeugt aus der Aufnahme ein Spektrogramm. Anhand von diesem wird der Vogelgesang dann analysiert und zugeordnet.
Kern der Analysesoftware ist ein KI-gestützter Algorithmus – verbunden mit einem Server der Technischen Universität Chemnitz. Die Künstliche Intelligenz wurde zuvor mit rund 50.000 Aufnahmen von Vogelstimmen trainiert – insgesamt über 350 Stunden Testmaterial.
Aktuell kann die Anwendung so circa 3000 der bekanntesten Spezies erkennen und bietet innovative Tools für Naturschützer, Biologen und Vogelbeobachter.
Die Software kann mit Arduino-Mikrocontrollern, dem Raspberry Pi, Smartphones, Webbrowsern, Stand PCs und Clouddiensten genutzt werden.
BirdNET-App
Für das Smartphone steht eine eigene Android und iOS-App zur Verfügung.
Nutzer können damit einfach mit dem Mikrofon ihres Smartphones Vogelstimmen aufzeichnen und von BirdNET analysieren lassen. Die KI bezieht dabei auch Standort und Zeitpunkt der Aufzeichnung in ihre Erkennung mit ein.
Alle Beobachtungen lasse sich in der App speichern und mit FreundInnen teilen.
Vogelbeobachter können so leicht und effektiv erkennen, wer über ihren Köpfen singt.
Mittlerweile zählt die App über eine Millionen Downloads und Nutzer weit über die Landesgrenzen hinaus.
Citizien-Sciene-Plattform
Die Software profitiert so auch vom Engagement der Allgemeinheit, denn: Neue Trainingsdaten werden durch die Nutzer der Anwendung selbst zur Verfügung gestellt. Immer, wenn ein Anwender mit Hilfe der Anwendung eine Vogelstimme aufzeichnet und identifiziert, erzeugt er einen neuen (anonymisierten) Datensatz, mit dem die KI weiter trainiert werden kann. Die NutzerInnen tragen also selbst aktiv zum Entwicklungsprozess von BirdNET bei.
Weiterentwicklung
Die Erfahrung aus der Arbeit von BirdNET bietet wertvolle Erkenntnisse für unser Projekt. Wir wollen diese nutzen und gemeinsam das Modell von BirdNET in Bezug auf windkraftsensible gefährdete Arten weiterentwickeln. BirdNET liefert so von algorithmischer und technischer Seite die Basis für das Projekt DeepBirdDetect.
Mehr zu BirdNET:
BirdNET-Website
TU Chemnitz
Cornell Lab of Ornithology
BirdNET bei Twitter
BirdNET auf Youtube
BirdNET bei mdr Wissen
DE 
EN