Vogelmonitoring über das Frühjahr hinaus erweitert
Für das klassische Vogelmonitoring begehen Ornithologinnen und Ornithologen Untersuchungsflächen und erfassen die Arten, die sie sehen oder hören. Solche Kartierungen finden in der Regel im Frühjahr und meist rund um den Sonnenaufgang statt, wenn viele Arten besonders aktiv singen. „Dieses Verfahren liefert jedoch vor allem Einblicke in Vogelgemeinschaften während der Brutzeit“, sagt Erstautorin Esther Felgentreff, Wissenschaftlerin an der Universität Jena und bei iDiv. „Waldvogelgemeinschaften in anderen Zeiten des Jahres werden dabei nicht berücksichtigt.“
Im Rahmen ihrer Doktorarbeit haben Esther Felgentreff und das Forschungsteam diese Perspektive nun deutlich erweitert. In Wäldern rund um Jena setzten die Forschenden auf das sogenannte passive akustische Monitoring. Dafür brachten sie auf den Untersuchungsflächen kleine Aufnahmegeräte des Typs „AudioMoth“ an, die über das Jahr verteilt regelmäßig kurze Tonsequenzen aufzeichneten – rund um die Uhr, viermal jährlich und jeweils über einen Zeitraum von 30 Tagen.
KI wertet große Mengen an Vogelstimmen aus
Die Auswertung der Tonaufnahmen erfolgte mit BirdNET, einer frei verfügbaren, KI-gestützten Methode zur Bestimmung von Vogelstimmen. Während die Anwendung vielen vor allem als App bekannt ist, lässt sie sich auch zur automatisierten Analyse großer Datensätze nutzen. In der Jenaer Studie wurden die automatisierten Ergebnisse zusätzlich stichprobenartig manuell überprüft: Für jede erfasste Art validierte das Forschungsteam bis zu 45 Detektionen. Insgesamt konnten auf diese Weise 58 Vogelarten nachgewiesen werden.
„Gerade diese Kombination aus automatisierter Auswertung und fachlicher Kontrolle macht die Methode für die Forschung besonders interessant“, unterstreicht Prof. Dr. Markus Bernhardt-Römermann, der die Doktorarbeit von Esther Felgentreff betreut. „So lassen sich Vogelgemeinschaften mit vergleichsweise geringem Aufwand über längere Zeiträume und in größerem Maßstab erfassen.“
Jahreszeiten wirken stark – Waldtypen bleiben dennoch unterscheidbar
Wie erwartet erwiesen sich die Jahreszeiten als wichtigster Einflussfaktor auf die Zusammensetzung der Vogelgemeinschaften. Das hängt vor allem mit dem Zugverhalten vieler Arten zusammen: Zahlreiche Brutvögel verlassen die Region im Herbst und überwintern in südlicheren Gebieten, während nur ein Teil der Arten ganzjährig vor Ort bleibt.
Innerhalb der einzelnen Jahreszeiten unterschieden sich die Artenzahlen zwischen Laub-, Laubmisch- und Nadelwäldern nur gering. Deutlich waren jedoch die Unterschiede in der Artenzusammensetzung. So sind etwa Haubenmeise und Tannenmeise typisch für Nadelwälder, während Höhlenbrüter wie Spechte, Baumläufer oder Kleiber stärker auf Laub- und Laubmischwälder mit Totholz angewiesen sind.
Die Ergebnisse unterstreichen damit auch die Relevanz von Entscheidungen im Waldmanagement für Vogeldiversität, insbesondere bei der Wahl der Baumarten – gerade vor dem Hintergrund des aktuellen Waldumbaus. Ein Mosaik unterschiedlicher Waldstrukturen könnte dazu beitragen, eine hohe Vogeldiversität über das gesamte Jahr hinweg zu fördern.
Vielversprechend für Forschung und Naturschutz
Nach Einschätzung der Forschenden zeigt die Studie, dass passives akustisches Monitoring großes Potenzial für die Biodiversitätsforschung hat. Besonders vorteilhaft ist das Verhältnis von Aufwand und Nutzen: Artenvorkommen lassen sich standardisiert, wiederholt und über große Zeiträume hinweg erfassen.
Gerade in Zeiten des Wandels der Artenvielfalt und schwindender Artenkenntnis könnten solche Verfahren dazu beitragen, Monitoringprogramme auszuweiten. Zugleich bleibt Fachwissen unverzichtbar – etwa für die Validierung der Daten und ihre ökologische Einordnung. Perspektivisch lässt sich der Ansatz auch auf andere lautgebende Tiergruppen wie Fledermäuse oder Heuschrecken übertragen.
Friedrich-Schiller-Universität Jena
Originalpublikation:
Felgentreff, E. S., Singer, D. & Bernhardt-Römermann, M. (2026): Forest type consistently shapes bird communities across seasons: Insights from passive acoustic monitoring. Forest Ecology and Management 609, 123617. DOI: 10.1016/j.foreco.2026.123617, https://www.sciencedirect.com/science/article/pii/S0378112726001155
