Zum Inhalt
AMANi DUNiA research
DE

Die Fragen auf dieser Website haben KI-Sprachmodelle gestellt; auch die Erklärtexte und Übersetzungen stammen von KI-Modellen. Wer was geprüft hat, steht jeweils dabei. → Über die Fragen

← Alle bewerteten Quellen
deepmind7. August 2025 · Q003927

How AI is helping advance the science of bioacoustics to save endangered species

deepmind.google · Originalbericht öffnen ↗

Zusammenfassung

Kurz

Der Bericht beschreibt Perch als KI-Modell, das große Mengen von Tierlaut-Aufnahmen schneller auswerten und den Naturschutz unterstützen soll. Das Perch-Team berichtet von Verbesserungen und erfolgreichen Anwendungen, doch der Text nennt keine konkreten Genauigkeitswerte oder ausführliche unabhängige Bewertung des neuen Modells.

Mittel

Der Bericht stellt die neue Version von Perch vor, einem KI-Modell zur Analyse von Tierlauten in Naturaufnahmen. Laut dem Perch-Team erkennt das Modell Vogelarten besser, lässt sich leichter auf neue Umgebungen wie Korallenriffe übertragen und wurde mit nahezu doppelt so vielen Daten trainiert wie die Vorgängerversion. Die Daten umfassen neben Vögeln auch Säugetiere, Amphibien und menschengemachte Geräusche. Perch soll große Mengen komplexer Aufnahmen auswerten und Fragen etwa zur Zahl von Jungtieren oder einzelnen Tieren unterstützen. Das Modell ist offen auf Kaggle verfügbar.

Der Bericht verweist auf frühere Anwendungen: Perch sei mehr als 250.000-mal heruntergeladen worden, in den BirdNET Analyzer eingeflossen und habe bei der Entdeckung einer neuen Population des seltenen Plains-Wanderers geholfen. Ein Labor auf Hawaiʻi habe Honigfresser-Laute damit fast 50-mal schneller gefunden. Ein Verfahren namens „agile modeling“ nutzt ähnliche Klangbeispiele und menschliche Rückmeldungen, um Klassifikatoren in weniger als einer Stunde zu erstellen.

Der Bericht nennt keine konkreten Genauigkeits- oder Fehlerraten für die neue Version und bietet keine ausführliche unabhängige Bewertung; viele Angaben stammen vom Perch-Team.

Ausführlich lesen

Der Bericht stellt eine neue Version von Perch vor, einem KI-Modell von Google DeepMind zur Analyse bioakustischer Aufnahmen. Forschende nutzen Mikrofone und Unterwasser-Hydrofone, um Tierlaute in Ökosystemen aufzuzeichnen. Solche Aufnahmen können Hinweise darauf geben, welche Arten in einem Gebiet vorkommen und wie es um das Ökosystem steht. Die Auswertung sehr großer Datenmengen sei jedoch aufwendig.

Laut dem Perch-Team verbessert die neue Version die Erkennung von Vogelarten ohne zusätzliche Anpassung und lässt sich besser auf neue Umgebungen übertragen, insbesondere auf Unterwasserlebensräume wie Korallenriffe. Das Modell sei mit einer größeren Bandbreite an Tieren trainiert worden, darunter Säugetiere und Amphibien, sowie mit menschengemachten Geräuschen. Insgesamt habe sich die verwendete Datenmenge gegenüber der früheren Version nahezu verdoppelt; zu den öffentlichen Quellen zählten Xeno-Canto und iNaturalist. Perch könne komplexe Klanglandschaften über Tausende bis Millionen Audiostunden erschließen und unterschiedliche Fragen unterstützen, etwa nach der Zahl von Jungtieren oder einzelner Tiere in einem Gebiet. Google stellt das Modell offen auf Kaggle bereit.

Der Bericht nennt Beispiele für den bisherigen Einsatz der ersten Perch-Version. Seit 2023 sei sie mehr als 250.000-mal heruntergeladen worden; ihre frei verfügbaren Werkzeuge würden von Biologinnen und Biologen genutzt. Die Vektorsuchbibliothek sei in den BirdNET Analyzer des Cornell Lab integriert. Gemeinsam mit BirdLife Australia und dem Australian Acoustic Observatory unterstütze Perch den Aufbau von Klassifikatoren für australische Arten. Mithilfe der Werkzeuge sei außerdem eine neue Population des seltenen Plains-Wanderers entdeckt worden. Andere Forschungsarbeiten hätten gezeigt, dass die frühere Version einzelne Vögel erkennen und deren Häufigkeit erfassen könne. Das könne den Bedarf an Fang-und-Freilassungsstudien verringern.

Besonders hervorgehoben wird die Arbeit des LOHE Bioacoustics Lab an der University of Hawaiʻi. Perch habe dem Labor dabei geholfen, Laute von Honigfressern fast 50-mal schneller als mit den üblichen Methoden zu finden. So könnten mehr Arten über größere Gebiete hinweg überwacht werden. Die Vögel seien durch Vogelmalaria gefährdet, die von nicht heimischen Mücken übertragen werde. Das Team erwartet, dass die neue Modellversion diese Arbeit weiter beschleunigt.

Der Bericht beschreibt außerdem „agile modeling“: Ausgehend von einem einzelnen Klangbeispiel sucht Perch ähnliche Aufnahmen in einem Datensatz. Fachleute markieren passende und unpassende Treffer und verwenden diese Rückmeldungen, um einen Klassifikator zu trainieren. Eine genannte Forschungsarbeit zeige, dass sich auf diese Weise hochwertige Klassifikatoren für Vögel und Korallenriffe in weniger als einer Stunde erstellen ließen.

Als Grenzen der Darstellung enthält der Bericht keine konkreten Kennzahlen zu Erkennungsgenauigkeit oder Fehlerraten und keine ausführliche unabhängige Bewertung des neuen Modells. Die Leistungs- und Wirkungsangaben stammen überwiegend vom Perch-Team oder aus den dort angeführten Beispielen. Das Team beschreibt das Projekt insgesamt als Beitrag zu effizienterer Naturschutzarbeit und damit zum Schutz der Artenvielfalt.

Luna (gpt-6-luna, Denkstufe high), ChatGPT-Abo · 2026-11-19

Gegengeprüft von Claude Haiku 5.5: kleine Mängel

Das Urteil bezieht sich auf die mittlere Zusammenfassung, die kurze ist ebenfalls treu. Die Angabe von über 250.000 Downloads betrifft im Bericht die Erstversion von 2023 und nicht das neue Modell; Luna formuliert das ungenau. Der Bericht enthält keine Passagen zu Sicherheit, Verantwortung oder Governance, daher fallen alle Einordnungen niedrig aus.

Im Bericht, aber nicht in der Zusammenfassung

  • Die Bedrohung der Honigfresser durch Vogelmalaria, die von nicht heimischen Stechmücken übertragen wird
  • Die Forschung, in der Perch einzelne Vögel identifiziert und Bestandsentwicklungen verfolgt, was Fang-und-Freilassung-Studien ersetzen könnte

Automatische Gegenprüfung mit dem vollständigen Originaltext (Batch, 20.11.2026). Ungeprüft durch Menschen.

Wie die Modelle den Bericht einordnen

Je Sammelfrage und Teilfrage die häufigste Stufe (0 bis 7) und ihr Anteil, geordnet nach Fragenfamilie (Farbe) oder nach den Wegen des Atlas. Ab Stufe 4 liefert der Bericht Belege, Stufe 3 ist Hintergrund (gestrichelt). Was die Stufen bedeuten, steht in der Legende.

Ansicht
Filter
Modelle 8 von 8
Angezeigte Modelle
Vorfälle melden
  1. SF-M4 Wie kommen Meldungen von Laboren, Betreibern und Nutzern schnell und geschützt zu den Stellen, die handeln müssen, auch über Grenzen hinweg?
    • clef 100 %kein Bezug
    • Luna 100 %kein Bezug
    • JEV 22 %einzelne zitierbare Belege
    • amos 100 %kein Bezug
    • SubQ 100 %kein Bezug
    • drex 100 %kein Bezug
    • d3-ultra 100 %kein Bezug
Unabhängig prüfen
Tempo und Grenzen
Vertrauen in Modelle
  1. SF-V4 Was für ein Wesen ist ein Modell, und was folgt daraus für den Umgang mit ihm und für den Wert des Menschseins?
    • clef 100 %kein Bezug
    • Luna 100 %kein Bezug
    • JEV 42 %einzelne zitierbare Belege
    • amos 100 %kein Bezug
    • SubQ 100 %kein Bezug
    • drex 100 %kein Bezug
    • d3-ultra 100 %kein Bezug
Modelle teilen und schützen
  1. SF-H2 Was darf offen veröffentlicht werden, und wer ist verantwortlich, wenn ein offenes Modell anderswo Schaden anrichtet?
    • clef 100 %kein Bezug
    • Luna 65 %einzelne zitierbare Belege
    • JEV 56 %einzelne zitierbare Belege
    • amos 23 %einzelne zitierbare Belege
    • SubQ 42 %gleiches Oberthema, hilft nicht
    • drex 34 %gleiches Oberthema, hilft nicht
    • d3-ultra 100 %kein Bezug
    • Haiku-Prüfung nur am Rande erwähnt

  2. SF-H3 Wie lässt sich nachverfolgen, woraus ein Modell entstanden ist und was in ihm steckt?
    • clef 100 %kein Bezug
    • Luna 54 %einzelne zitierbare Belege
    • JEV 49 %einzelne zitierbare Belege
    • amos 32 %einzelne zitierbare Belege
    • SubQ 100 %kein Bezug
    • drex 32 %gleiches Oberthema, hilft nicht
    • d3-ultra 100 %kein Bezug
    • Haiku-Prüfung nur am Rande erwähnt
Frieden und Sicherheit
Beteiligung und Gemeinwohl
  1. SF-E4 Wie bleibt KI ein gemeinsames Gut, statt Abhängigkeit und Marktmacht zu vertiefen?
    • clef 100 %kein Bezug
    • Luna 42 %einzelne zitierbare Belege
    • JEV 63 %einzelne zitierbare Belege
    • amos 21 %gleiches Oberthema, hilft nicht
    • SubQ 100 %kein Bezug
    • drex 40 %gleiches Oberthema, hilft nicht
    • d3-ultra 100 %kein Bezug
    • Haiku-Prüfung nur am Rande erwähnt

Weitere Berichte zu diesen Fragen

Eigene Zusammenfassungen und Einordnungen von AMANi DUNiA. Fremde Originalberichte behalten ihre eigenen Rechte.

Sprache und Prüfstand

Haupttext: DE. Prüfvermerke gelten nur für den jeweils genannten Inhalt.

Vorhandene Prüfvermerke stehen am jeweiligen Inhalt.

Sprachabdeckung und Datenstand ansehen →