KI-basierte Mustererkennung zur Echtzeit-Identifikation von Wildtieren im Artenschutz
Ein neu entwickelter Algorithmus namens „RAPID“ ermöglicht die Echtzeit-Wiedererkennung von Wildtieren anhand ihrer individuellen Fellmuster. Dieses Verfahren unterstützt Forscherinnen und Forscher dabei, einzelne Tiere wie Jaguare, Zebras oder Giraffen über längere Zeiträume hinweg präzise und mit deutlich geringerem Aufwand zu beobachten. Die Ergebnisse wurden im Fachjournal Methods in Ecology and Evolution veröffentlicht.
DOI: https://doi.org/10.1111/2041-210x.70332
Herausforderungen der Wildtierüberwachung
Zur Beurteilung des Zustands von Wildtierpopulationen ist ein kontinuierliches Monitoring essenziell. Dabei beobachten Wissenschaftlerinnen und Wissenschaftler Tiere über Monate oder Jahre mittels Drohnen oder Kamerafallen. Die ständige Bewegung der Tiere erschwert die Identifikation, da Individuen an verschiedenen Orten auftauchen und wieder verschwinden. Eine eindeutige Wiedererkennung einzelner Tiere ist daher notwendig, um ihr Verhalten und ihre Entwicklung zu analysieren. Bisherige Technologien liefern zwar genaue Ergebnisse, sind jedoch oft zu langsam und benötigen hohe Rechenleistung.
Entwicklung des Algorithmus RAPID
Unter Leitung von Tenure-Track-Professor Aamir Ahmad am Institut für Flugmechanik und Flugregelung (IFR) der Universität Stuttgart entstand in Zusammenarbeit mit der Eötvös-Loránd-Universität Budapest und dem Max-Planck-Institut für Intelligente Systeme der Algorithmus RAPID („Real Time Animal Pattern Re-Identification on Edge Devices“). Dieses Verfahren ermöglicht eine schnellere, einfachere und zuverlässigere Wiedererkennung von Wildtieren.
Funktionsweise: Einzigartige Fellmuster als Identifikationsmerkmal
Analog zum menschlichen Fingerabdruck sind die Fellmuster von Wildtieren individuell und einzigartig. RAPID nutzt diese Eigenschaft zur Identifikation. Zunächst wird eine Referenzdatenbank mit Bildern bekannter Individuen aufgebaut, die während des Monitorings kontinuierlich erweitert wird. Bei neuen Aufnahmen, beispielsweise von Drohnen über der Savanne, analysiert der Algorithmus charakteristische Muster wie Zebrastreifen oder Giraffenpunkte.
Hierbei kommen sogenannte Deskriptorvektoren zum Einsatz – mathematische Repräsentationen der Muster. Diese werden mit den gespeicherten Vektoren in der Datenbank verglichen, um das beobachtete Tier in Bruchteilen von Sekunden zu identifizieren, sofern es bereits in der Datenbank vorhanden ist, erläutert András Zábó von der Eötvös-Loránd-Universität Budapest, Erstautor der Studie.
Leistung und Praxistauglichkeit
- Tests erfolgten an sechs Datensätzen, darunter öffentliche Bilder von Amur-Tigern sowie neue Aufnahmen von Zebras aus Kenia und Jaguaren aus Ecuador.
- Die Genauigkeit lag bei öffentlichen Datensätzen zwischen 89 % und 99 %, bei den neuen Datensätzen bei 80 % (Zebras) und 93 % (Jaguare).
- Die Verarbeitungsgeschwindigkeit beträgt auf Standard-PCs 40 bis 60 Bilder pro Sekunde und auf leistungsschwacher Hardware etwa zehn Bilder pro Sekunde.
- Der Algorithmus benötigt keine Grafikprozessoren und ist somit auch auf ressourcenschwacher Hardware einsetzbar.
Offene und modulare Architektur für vielfältige Anwendungen
RAPID steht als Open-Source-Software zur Verfügung und ist modular aufgebaut. Dadurch lässt sich das System problemlos in unterschiedliche Überwachungsgeräte wie Drohnen, Kamerafallen oder Luftschiffe integrieren. Voraussetzung ist lediglich, dass die beobachteten Tiere über ein gemustertes Fell verfügen; bei Arten wie Elefanten ist die Methode nicht anwendbar.
Der Algorithmus stellt einen bedeutenden Beitrag für die Wildtierbeobachtung und ökologische Analysen dar. Er ermöglicht es, wiederholte Sichtungen einzelner Tiere in bestimmten Gebieten zu dokumentieren sowie Verhaltensänderungen im Zeitverlauf zu erfassen. Zukünftige Entwicklungen sollen die Erkennung auf weitere Tierarten ausweiten und die Robustheit bei schwierigen Sichtbedingungen verbessern.
Forschungsprojekt „Wildcap“
Die Entwicklung von RAPID erfolgte im Rahmen des Forschungsprojekts „Wildcap“ (Mai 2021 – April 2026). Die Flugrobotik-Gruppe des IFR der Universität Stuttgart kooperierte dabei mit Wissenschaftlerinnen und Wissenschaftlern aus Kenia, Ungarn sowie Partnern wie der Princeton University und dem Hortobágy Nationalpark. Ziel war der Einsatz von Künstlicher Intelligenz und autonomen Flugrobotern zur Überwachung bedrohter Wildtierarten. Das Projekt wurde vom Cyber Valley Research Fund gefördert.
Kontakt für wissenschaftliche Rückfragen
Jun.-Prof. Aamir Ahmad
Universität Stuttgart, Institut für Flugmechanik und Flugrobotik
Telefon: +49 711 685-66679
E-Mail: aamir.ahmad@ifr.uni-stuttgart.de
Originalpublikation
Zábó, A., Chaquinga, R., Palacios Pérez, J., Rubenstein, D., Nagy, M., & Ahmad, A. (2026). RAPID: Real-time animal pattern re-identification on edge devices, an open-source tool for field deployment. Methods in Ecology and Evolution, 00, 1–16. https://doi.org/10.1111/2041-210x.70332
Weiterführende Informationen
Erklärvideo zu RAPID:
