Zum Hauptinhalt springen

KI-Leuchttürme für Umwelt, Klima, Natur und Ressourcen

Illustration mit Leuchttürmen, Windrad und Menschen

DeepBirdDetect

Verbund - KI: Automatic Bird Detection of Endangered Species Using Deep Neural Networks

Zuwendungsempfangende:

Fraunhofer-Gesellschaft zur Förderung der angewandten Forschung e.V. (Institut für Energiewirtschaft und Energiesystemtechnik)

Universität Kassel (Fachgebiet Intelligente Eingebettete Systeme)

Christian-Albrechts-Universität zu Kiel (Arbeitsgruppe Intelligente Systeme)

Technische Universität Chemnitz (Fakultät für Informatik - Professur Medieninformatik)

Thema :

Klimaschutz, Erneuerbare Energien

Laufzeit

laufend

01.01.2023 bis 31.12.2025

Fördervolumen

2.208.122,95 €

Die Ausgangssituation: Was ist die ökologische Herausforderung?

Beim naturverträglichen Ausbau der Windenergie kommt es immer wieder zu Konflikten mit dem Natur- und Artenschutz, da insbesondere Vögel und Fledermäuse durch Kollisionen mit Windrädern gefährdet sind. Die Genehmigung von Windenergieanlagen ist aufgrund sehr unterschiedlicher, zahlreicher Nutzungsinteressen aufwändig und verlangt unter anderem eine artenschutzrechtliche Prüfung der im Bundesnaturschutzgesetz geregelten Verbotstatbestände. Insgesamt ist das Monitoring von gefährdeten Arten und die Datenlage in Deutschland lückenhaft, vor allem in ländlichen und dünn besiedelten Regionen.

Die Idee: Welchen Beitrag kann KI konkret leisten?

DeepBirdDetect entwickelt ein neuartiges, KI-gestütztes System, das windkraft-sensible und -gefährdete Arten, mit Fokus auf Vögel, automatisiert anhand von Geräuschen erkennt. Es hat das Potenzial für eine schnellere und flächendeckendere Erfassung von Vogelarten mit geringerem personellem Aufwand. Auf diese Weise kann die Datenlage in Deutschland verbessert und können mögliche Konflikte mit dem Artenschutz beim Ausbau der Windenergie vermieden werden. Beispielsweise bei der Planung und Ausweisung von Flächen sowie der Genehmigung von Windenergieanlagen.

Für die Vorbereitung des Trainings der neuronalen Netze werden bereits vorliegende Audiodaten von Vogelstimmen genutzt. Mithilfe von Deep-Learning-Systemen werden Vorkommen zeitlich und räumlich erfasst. Durch erklärbare und interaktive Schnittstellen soll die Erfassung genauer werden. So kann eine Bewertung der Verträglichkeit von Windparkprojekten verlässlich getroffen werden. Mit dem Open-Source-Ansatz soll sich eine Community entwickeln, die die Ergebnisse von DeepBirdDetect auf weitere Artengruppen wie Fledermäuse, Amphibien, Säugetiere und Insekten überträgt.

Der Ausblick: Welchen Leuchtturmcharakter hat das Projekt?

Das Projekt hat das Potenzial, den Ausbau der Windenergie besser mit dem Natur- und Artenschutz zu vereinbaren und die Genehmigung von Windenergieanlagen zu beschleunigen. Mit DeepBirdDetect werden nicht nur Arten erkannt, sondern durch die automatisierte Erkennung von Ruftypen auch einzelne Individuen. Dadurch können detailliertere Aussagen über die Situation gefährdeter Arten in einem bestimmten Habitat getroffen werden. Eine Zusammenführung der erhobenen Daten könnte es ermöglichen, eine bessere Aussage über den Zustand bestimmter Vogelarten in Deutschland zu treffen. Es wird zudem eine erklärbare und interaktive Schnittstelle geboten, die Nutzerfreundlichkeit garantiert und die Bewertung der Verträglichkeit verlässlicher umsetzt.