Wie Kameras für die Jagd mit KI denken lernen: „Rotwild-ID“
- vor 2 Tagen
- 2 Min. Lesezeit
Ein Projekt aus Schleswig-Holstein zeigt, wie Innovation aus dem ländlichen Raum kommen kann. Mit Gesichtserkennung für Rothirsche entsteht eine neue Form der Wildtierforschung, die ohne Markierungen und Besenderung auskommt
Markierungen am Ohr, Halsbänder mit GPS-Sendern, eingefangene Tiere für die Forschung: Das ist seit Jahrzehnten Standard in der Wildtierforschung. Doch diese Methoden haben einen Preis. Sie sind invasiv, stressig für die Tiere und teuer. Eine ganz andere Frage stellt sich nun: Was, wenn moderne Technik diesen Aufwand überflüssig macht? Der Landesjagdverband Schleswig-Holstein hat diese Frage für die Praxis in den Revieren aufgegriffen und ist damit in unbekanntes Terrain vorgestoßen. Das Projekt „Rotwild-ID“ kombiniert etwas, das lange Zeit getrennt schien: künstliche Intelligenz und klassische Jagdwirtschaft. Das Ergebnis ist bahnbrechend, aber auch symptomatisch für ein Problem, das bisher zu wenig Aufmerksamkeit bekommen hat: Wildtierforschung findet oft im Dunkeln statt. Nicht aus mangelndem Interesse, sondern aus Ressourcenmangel.
Ein Problem, das größer ist als Rotwild
Wer weiß, wie viele Rothirsche wirklich in Schleswig-Holstein unterwegs sind? Welche Wanderwege nehmen sie? Wie oft kehren einzelne Tiere an dieselben Orte zurück? Diese Fragen sind nicht akademisch. Sie sind praktisch relevant für Jagdmanagement, Waldschutz und Landwirtschaft. Aber die klassische Forschungsmethode ist aufwendig, teuer und mit ethischen Fragen belastet. Deshalb ist das Projekt bemerkenswert: Es löst nicht nur ein technisches Problem, sondern auch ein praktisches. Wenn einzelne Tiere sich ohne menschliche Eingriffe verlässlich erkennen lassen, verändern sich die Möglichkeiten für Forschung und Hege fundamental.
Was die Zahlen über die Machbarkeit aussagen
Das Projekt basierte auf einem gigantischen Datensammlungsaufwand: 12.700 Fotos von Wildkameras, von denen 1.000 für die KI-Analyse aufbereitet wurden. Die Quote von 77 Prozent Erkennungssicherheit bei bekannten Tieren mag auf den ersten Blick nicht überwältigend wirken. Aber der zweite Wert ist entscheidend: Bei Bildpaaren (zwei Fotos nebeneinander) erreicht die Software eine Genauigkeit von 98,4 Prozent. Das ist praktisch brauchbar. Die Technologie funktioniert. Sie ist nicht Zukunftsmusik, sondern Gegenwart. Der nächste Schritt ist logisch: Verbesserung durch Datenmengen. Je mehr qualitätsgesicherte Bilder die KI lernen kann, desto besser wird sie.
Warum das für die Jagdwirtschaft wichtig ist
Das Interessante ist die Rückwärtslogik: Während andere Umweltverbände häufig Technologie kritisieren, löst hier gerade digitale Innovation ein Problem, das klassische Naturschutzarbeit hätte lösen sollen. Die Jagdwirtschaft zeigt sich hier pragmatisch und progressiv zugleich. Sie nutzt das, was funktioniert.
Das hat auch ökonomische Perspektiven. Wildtiermanagement kostet Geld. Wenn modernes Monitoring ohne Besenderung funktioniert, sinken die Kosten. Das ist für Behörden finanziell relevant, aber auch für Jagdverbände.
Offene Fragen und nächste Schritte
Offen bleibt, wie schnell die Technologie skalierbar ist. Derzeit funktioniert sie in geschlossenen Populationen gut (wie im Wildpark). Offene Populationen sind schwieriger, weil ständig unbekannte Individuen auftauchen. Mehrere Hochschulen arbeiten bereits daran, die Modelle weiterzuentwickeln.
Auch die Open-Source-Veröffentlichung von Code und Daten ist bedeutsam. Das ist nicht Standard in der Forschung und zeigt, dass der LJV die Idee breiter verankern möchte und nicht nur selbst profitieren.
Was bleibt, ist die grundsätzliche Frage: Kann die Jagdwirtschaft zum Vorreiter für innovative Wildtierforschung werden? Das Projekt deutet darauf hin, dass es möglich ist. Und dass Innovation nicht aus den Großstädten kommen muss, sondern aus der Jagdpraxis selbst entstehen kann.
Weitere Blog-Artikel finden Sie HIER.
Kommentare