Description: Der Einsatz künstlicher Intelligenz (KI) hat sich bei der Analyse großer Mengen an Fotofallenbildern als fester Bestandteil in der Wildtierforschung etabliert. Dennoch existieren zum jetzigen Zeitpunkt unserer Kenntnis nach keine Untersuchungen, die für die Analyse von Fotofallendaten in mitteleuropäischen Regionen neben der Güte der Algorithmen auch die Benutzerfreundlichkeit betrachten. Vor diesem Hintergrund untersucht die vorliegende Studie die Effektivität, Effizienz und Anwendbarkeit des KI-Algorithmus DeepFaune> (DF) in der Auswertung von Fotofallenbildern im Vergleich zu menschlichen Bearbeiterinnen und Bearbeitern. Dafür wurden 1.013 Fotofallenbilder von drei Standorten in Deutschland manuell von fünf kundigen Personen sowie durch DF klassifiziert. Zuvor wurden 20 Klassen von Tierarten, Tierartengruppen, weiteren Objekten sowie die Klassen "Nicht erkennbar" und "Leer" festgelegt. Anschließend wurde ein korrekter Datensatz erstellt, der als Referenz für die Bewertung der Güte der menschlichen und der durch den Algorithmus generierten Analyseergebnisse diente. Die menschliche Vergleichsgruppe erreichte im Mittel eine korrekte Klassifikation von 91,9% der Bilder, während DF 72,85% der Bilder richtig klassifizierte. Im Durchschnitt brauchten die Personen 5,75h und DF 15min für die Klassifikation des Datensatzes. Die Genauigkeit ist momentan für seltene Arten in vielen Fällen noch gering, wird aber durch die schnelle Weiterentwicklung der KI-Technologie in Zukunft zunehmen. Algorithmen wie DF bieten daher ein hohes Potenzial für eine automatisierte Auswertung großer Mengen von Fotofallenbildern.
Global identifier:
Doi(
"10.19217/NuL2025-07-04",
)
Origins: /Bund/BfN/Publikationen
Tags: Deutschland ? Tierart ? Künstliche Intelligenz ? Studie ? Klassifikation ? Mittelwert ?
License: other-closed
Language: Deutsch
Issued: 2026-05-01
Time ranges: 2026-05-01 - 2026-05-01
Accessed 1 times.