KI-basierte Bestimmungs-App liefert wertvolle Forschungsdaten

KI-basierte Bestimmungs-App liefert wertvolle Forschungsdaten

Neue Studien des Projektes Flora Incognita zeigen, dass die KI-basierte Pflanzenerkennung per Smartphone-App nicht nur für den Laien hilfreich ist, sondern auch Forschenden über die Entwicklungsstadien von Pflanzen Auskunft gibt.

Die „Flora Incognita“-App hat neue Künstliche Intelligenz erhalten
Die App Flora Incognita erkennt weltweit 16.000 Arten und ist in 20 Sprachen verfügbar.

Beim Streifzug durch die Natur sind so manche unbekannte Schönheiten zu entdecken. Smartphone-Apps wie Flora Incognita helfen, die Neugier zu befriedigen und Wissenslücken schnell zu schließen. Dafür reicht ein Handyfoto aus, um die entsprechende Information zu erhalten. Möglich wird das durch ein Datenportfolio, das im Laufe der Jahre mithilfe der Nutzerinnen und Nutzer weltweit 16.000 Pflanzenarten umfasst. Doch Pflanzenbestimmungs-Apps wie Flora Incognita sind nicht nur für Laien ein nützliches Recherchetool. Auch die Forschung profitiert von der App als Datenquelle, wie zwei aktuelle Studien belegen.

Forschung profitiert von KI-basierter Pflanzenbestimmungs-App

Darin konnten Forschende des Max-Planck-Instituts für Biogeochemie (MPI-BGC) in Jena und der Technischen Universität Ilmenau zeigen, dass Pflanzenbestimmungen mit kostenlosen Smartphone-Apps wie Flora Incognita oder Meldedaten aus Plattformen wie iNaturalist auch Unterschiede in der Phänologie von Pflanzenarten abbilden können. Damit leisten sie einen Beitrag für die Forschung.

„Die vorliegende Arbeiten zeigen deutlich, dass die Anstrengungen in der Entwicklung der Flora-Incognita-App, insbesondere in der KI-basierten automatischen Bestimmung, fünf Jahre nach der ersten Veröffentlichung der App auch für die Forschung Früchte tragen. Wir ermöglichen damit sehr vielen Menschen mit unterschiedlichen botanischen Vorkenntnissen, sich am phänologischen Monitoring zu beteiligen“, so Patrick Mäder, Co-Leiter des Flora-Incognita-Projekts an der Technischen Universität Ilmenau.

Als Phänologie wird der wiederkehrende Ablauf von Ereignissen wie Blüte, Blattaustrieb, Fruchtbildung, Laubfärbung und Laubabwurf bezeichnet. Immer häufiger verändert sich allerdings der Zyklus durch den Klimawandel und lässt beispielsweise Schneeglöckchen eher blühen. So auch in diesem Jahr. Nach Angaben des Deutschen Wetterdienstes hat der sogenannte phänologische Erstfrühling drei Wochen früher als im langjährigen Mittel begonnen. Das heißt, die Entwicklung der Pflanzen ist eng mit den Klimaänderungen verbunden und beeinflusst deren Erscheinungsbild. Für die Forschung ist daher von Bedeutung, die Phänologie möglichst vieler Arten auf großen Flächen und über eine lange Zeit zu dokumentieren.
 

Phänologisches Monitoring per App möglich

Bisher erfolgte das phänologische Monitoring durch den Deutschen Wetterdienst mithilfe von geschulten Freiwilligen, war jedoch auf Länder, Regionen und Pflanzenarten beschränkt. Eine Studie, die im Fachjournal „Frontiers in Plant Science“ erschienen ist, zeigt, dass die Beobachtungsmuster von Flora Incognita – wie ein früherer Blühbeginn – für einige Pflanzenarten mit denen des Deutschen Wetterdienstes sehr gut übereinstimmen. „Benutzerinnen und Benutzer von Flora Incognita schlagen zwei Fliegen mit einer Klappe. Sie erfahren beim Erkunden der Natur mehr über Pflanzen und sammeln gleichzeitig wichtige Daten für das phänologische Monitoring in Deutschland und Europa“, sagt Negin Katal, Doktorandin am MPI-BGC und Erstautorin der Studie.

 

FLORA Incognita

Flora Incognita ist ein gemeinsames Projekt der Technischen Universität Ilmenau und des Max-Planck-Instituts für Biogeochemie Jena.

Mehr Informationen dazu gibt es auf der Webseite des Projektes.

Auch überregionale phänologische Muster sichtbar

Darüber hinaus zeigt eine zweite Studie, die Fachjournal Nature erschienen ist, dass viele Pflanzenarten, die per App beobachtet wurden, bekannte überregionale phänologische Muster widerspiegeln wie das spätere Blühen von Arten in Nord- und Osteuropa oder die Abhängigkeit von der Geländehöhe. „Wir konnten zeigen, dass phänologische Muster in Citizen-Science-Daten zu finden sind, obwohl diese nicht zum Zweck des Phänologie-Monitorings aufgenommen wurden“, erklärt Michael Rzanny vom MPI-BGC und Erstautor der zweiten Studie. „Bestimmte Ereignisse wie der Blühbeginn lassen sich aus den Daten ablesen – auch auf größeren Skalen.“

Beide Studien entstanden im Rahmen der Forschungsgruppe KI4 Biodiv und wurden vom Bundesministerium für Bildung und Forschung (BMBF) gefördert. Die Forschenden sind überzeugt, dass Pflanzenbestimmungs-Apps und Meldeplattformen eine verlässliche Quelle für räumliche und zeitliche Vorkommen von Pflanzenarten darstellen und damit helfen können, unterschiedliche Forschungsfragen zu beantworten.  

bb