Um überwachen zu können, wie es Wildtierpopulationen geht, ob sie stabil sind oder ob sie unter Druck stehen, braucht es Monitoring. Naturforscher*innen beobachten Zebras, Giraffen, Jaguare und andere Tiere über Monate und Jahre hinweg mit Drohnen oder Kamerafallen. Die Schwierigkeit ist, dass die Tiere ständig in Bewegung sind, verschwinden und an anderer Stelle wieder auftauchen. Um dieses sehr dynamische Umfeld erfassen zu können, müssen sie individuell wiederkennbar sein. Konkret bedeutet das: Ein einzelner Jaguar muss von anderen Jaguaren, eine einzelne Giraffe von anderen Giraffen eindeutig unterschieden werden können. Gängige Technologien liefern in dieser Hinsicht zwar präzise Ergebnisse, sind aber zu langsam und brauchen zu viel Rechenkapazität.
Die von Tenure-Track-Professor Aamir Ahmad geleitete Flugrobotik-Gruppe am Institut für Flugmechanik und Flugregelung (IFR) der Universität Stuttgart entwickelte gemeinsam mit weiteren Kooperationspartnern, darunter die Eötvös-Loránd-Universität in Budapest und das Max-Planck-Institut für Intelligente Systeme, den neuen Algorithmus RAPID. Er macht die Re-Identifikation von Wildtieren einfacher, schneller und zuverlässiger.
Wie ein Fingerabdruck: Jedes Muster ist einmalig
Das Kürzel RAPID steht für „Real Time Animal Pattern Re-Identification on Edge Devices". Die Methode macht sich für die Wiedererkennung ein 100-prozentig sicheres Merkmal zunutze: die Fellmusterung der Wildtiere. Denn ob es nun die Punkte der Giraffe sind oder die Streifen des Zebras: Das Muster ist immer einmalig, wie beim Menschen der Fingerabdruck.
Doch wie genau funktioniert RAPID? „Zunächst brauchen wir eine Referenzdatenbank", erklärt Ahmad. Diese Datenbank beinhaltet Bilder von Wildtieren, zum Beispiel Zebras, deren Identität bereits bekannt ist. Die Datenbank wächst, indem weitere beobachtete Individuen während des Monitorings hinzugefügt werden. Liefert zum Beispiel eine über der Savanne kreisende Forschungsdrohne neues Bildmaterial, durchsucht RAPID es nach typischen visuellen Anhaltspunkten in der Anordnung der Zebrastreifen. „Dabei setzen wir so genannte Deskriptorvektoren ein, also eine Art mathematischer Steckbrief“, erläutert András Zábó, Wissenschaftler an der Eötvös-Loránd-Universität in Budapest und Erstautor der Publikation. Er entwickelte RAPID während seines Forschungsaufenthalts in der Stuttgarter Flugrobotik-Gruppe. Der Algorithmus vergleicht dann die Deskriptorvektoren des beobachteten Tieres mit den in der Datenbank gespeicherten Deskriptorvektoren bekannter Tiere. „Auf diese Weise können wir neu beobachtete Tiere in Bruchteilen von Sekunden identifizieren, vorausgesetzt sie sind in der Referenzdatenbank gespeichert“, so Zábó.
Vielversprechendes Modul: schnell, präzise und praxistauglich
Das Forschungsteam testete RAPID an sechs Datensätzen: vier öffentlichen Datensätzen mit Bildern unter anderem von Amur-Tigern, und zwei neuen Datensätzen mit Bildern von Zebras und Jaguaren. Die Aufnahmen der Zebras machten Drohnen, die über der Savanne in Mpala in Kenia flogen; der Jaguar-Datensatz stammt von Kamerafallen der Joctoco-Stiftung aus dem Regenwald in Ecuador. Bei den vier öffentlichen Datensätzen erreichte RAPID Genauigkeiten zwischen 89 und 99 Prozent, bei den neuen Datensätzen lag die Genauigkeit bei 80 Prozent (Zebras) und 93 Prozent (Jaguare). Auch in punkto Geschwindigkeit bewies der Algorithmus seine Stärken. Auf einem Standard-PC verarbeitete er 40 bis 60 zugeschnittene Abfragebilder pro Sekunde und auf einem einfachen Gerät rund zehn Bilder pro Sekunde. „Das ist ein wichtiger Punkt: Unsere Wiedererkennung funktioniert auch auf sehr rechenleistungsschwacher Hardware und ohne Grafikprozessoren“, sagt Ahmad.
Open-source und modular: Wichtiger Baustein für Wildtierbeobachtung und ökologische Analysen
Das KI-Instrument ist open-source verfügbar und modular aufgebaut. Wenn Naturpark-Ranger oder Forschungsgruppen mit RAPID arbeiten wollen, können sie es problemlos in ihre eigenen Drohnen, Kamerafallen, Luftschiffe oder sonstige Monitoring-Geräte einbauen. Einzige Voraussetzung: Die beobachteten Tiere müssen ein gemustertes Fell haben, bei Elefanten zum Beispiel funktioniert die Technologie nicht. Der neue Algorithmus ist ein wichtiger technischer Baustein für die künftige Wildtierbeobachtung und ökologische Analysen. „Mit RAPID können wir viel leichter untersuchen, ob ein bestimmtes Tier wiederholt in einem bestimmten Gebiet gesichtet wird. Wir können auch sehen, ob sich sein Verhalten im Laufe der Zeit ändert, weil sich seine Umgebung verändert, oder ob sich ein verletztes Tier weiterhin normal bewegt und interagiert“, erklärt Ahmad. Als nächstes will er die KI so weiterentwickeln, dass sich auch andere Wildtierarten wiedererkennen lassen, ohne dabei von Fellmustern abhängig zu sein. Zudem soll der Algorithmus noch robuster werden, so dass er auch bei besonders schwierigen Bedingungen, etwa bei teilweise verdeckten Individuen, verlässlich funktioniert. Denkbar ist auch, dass mithilfe von RAPID irgendwann ganz neue Datenbanken aufgebaut werden.
Universität Stuttgart
Originalpublikation:
Zábó, A., Chaquinga, R., Palacios Pérez, J., Rubenstein, D., Nagy, M., & Ahmad, A. (2026). RAPID: Real-time animal pattern re-identification on edge devices, an open-source tool for field deployment. Methods in Ecology and Evolution, 00, 1–16. https://doi.org/10.1111/2041-210x.70332.
