Mit dem Smartphone können Naturbeobachtungen unkompliziert dokumentiert und geteilt werden. Neue Methoden des Maschinellen Lernens können dabei helfen, die dabei gesammelten Bilder auszuwerten und Nutzer*innen direkt Bestimmungsvorschläge zu ihren Beobachtungen zu geben. In Kooperation mit der Billa-Stiftung Blühendes Österreich hat Friederike Barkmann vom Viel-Falter Monitoring ein Modell entwickelt, das in 97 % der Fälle die auf einem Foto abgebildete Schmetterlingsart korrekt bestimmen konnte.
Die App „Schmetterlinge Österreichs“ der Stiftung Blühendes Österreich erfreut sich großer Beliebtheit. Fast eine Million Beobachtungen von Tag- und Nachtfaltern wurden dort mittlerweile hochgeladen und bestimmt. Über 500.000 dieser Bilder werden in einem aktuellen Projekt im Rahmen des Viel-Falter Monitorings verwendet, um Neuronale Netzwerke auf die Erkennung von Schmetterlingsarten zu trainieren. Das Training solcher Modelle benötigt neben vielen Daten auch einiges an Rechenleistung. Das Projekt EuroCC Austria ermöglicht den Zugang zum Supercomputer LEONARDO und unterstützt die Umsetzung mit Expertise im Bereich High Performance Computing. Gemeinsam konnten so bereits die ersten Modelle trainiert und die Genauigkeit der Bestimmung getestet werden.
Das Computermodell konnte 97 % der Bilder der richtigen Art zuordnen. Die hohe Genauigkeit der Bestimmung zeigt, dass solche Modelle gut geeignet sind, um Nutzer*innen von Apps Feedback zu ihren Sichtungen zu geben. Die Genauigkeit kann zudem erhöht werden, indem Bilder mit unsicherer Bestimmung aussortiert werden. Diese können dann zum Beispiel von Expert*innen nachbestimmt werden. Durch ein solches Vorgehen kann in Zukunft viel Arbeitszeit eingespart und gleichzeitig eine hohe Datenqualität sichergestellt werden. Einige Artgruppen sind leichter zu bestimmen als andere. Die Familie der Ritterfalter und der Tribus Nymphalini mit auffälligen Arten wie dem Kleinen Fuchs und dem Admiral lassen sich besonders gut anhand von Fotos bestimmen. Artgruppen, die auch für Expert*innen eine Herausforderung darstellen können, wie die Familie der Dickkopffalter und die in den Alpen häufige Gattung Erebia sind auch für das Computermodell schwieriger zu bestimmen.
Erste Ergebnisse des Projekts wurden von Friederike Barkmann in ihrer von Stephan Antholzer und Johannes Rüdisser betreuten Masterarbeit im Bereich Data Science veröffentlicht. Als nächstes ist geplant, unterschiedliche Modellarchitekturen zu testen und zu vergleichen. Das Ziel ist, herauszufinden welche am besten für die Artbestimmung der Schmetterlinge geeignet sind. Die dabei gewonnen Erkenntnisse können angewandte Projekte mit ähnlichen Fragestellungen und weniger verfügbarer Rechenleistung bei der Auswahl von passenden Modellen unterstützen.
Die Universität Innsbruck hat über das Projekt berichtet: https://www.uibk.ac.at/de/newsroom/2025/biodiversitat-ein-supercomputer-als-schmetterlingsexperte/
