Um den fortschreitenden Biodiversitätsverlust zu dokumentieren und Strategien dagegen zu entwickeln ist ein engmaschiges Monitoring essenziell. Es wird daher auch von zahlreichen nationalen wie internationalen Gesetzen und Übereinkommen (BNatSchG, FFH-Richtlinie, EG-Vogelschutzrichtlinie, …) vorgeschrieben. Für akustisch differenzierbare Artengruppen wie Vögel, Amphibien, Fledermäuse und viele Insekten hat sich das passive akustische Monitoring in der Wissenschaft etabliert. Dabei werden durch autonome Aufnahmegeräte Audioaufnahmen über einen längeren Zeitraum angefertigt und im Nachhinein ausgewertet. Die Integration von Methoden der Künstlichen Intelligenz (KI) wie BirdNET ermöglicht dabei eine weitgehende Automatisierung der Auswertung, sowie die Bearbeitung großer Datenmengen in kurzer Zeit. Dadurch kann die zeitliche und räumliche Auflösung und somit die Qualität eines Monitorings bei verbesserter Standardisierung und geringeren Personalkosten erhöht werden. Für den Einsatz in Naturschutz und Umweltplanung mangelt es jedoch (1.) an standardisierten Verfahren, die eine zuverlässige und konsistente Sichtung und Auswertung der Ergebnisse KI-basierter Algorithmen ermöglichen, (2.) an zuverlässigen KI-Klassifizierern – d.h. Algorithmen, die die Detektion von Lautäußerungen und deren Zuordnung zu Arten ermöglichen – für verschiedene Artengruppen und (3.) an der Implementierung der Verfahren und Klassifizierer in vorhandene Software zur Auswertung akustischer Daten.

Das Projekt soll als kooperative Landesinnovationspromotion zwischen der Hochschule für Technik und Wirtschaft (HTW) Dresden und der Technischen Universität (TU) Dresden unter der Leitung von Prof. Dr. Frank Dziock (HTW) und Prof. Dr. Sebastian Seibold (TU) stattfinden. Angestrebt wird zudem eine Kooperation mit der TU Chemnitz, dem Dachverband Deutscher Avifaunisten (DDA) sowie weiteren Partnern aus der Naturschutzpraxis.