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
deepmind5. November 2025 · Q004868

Three ways Google scientists use AI to better understand nature

deepmind.google · Originalbericht öffnen ↗

Zusammenfassung

Kurz

Google beschreibt KI-Modelle zur Vorhersage von Entwaldungsrisiken, zur Schätzung von Verbreitungsgebieten bedrohter Arten und zur Erkennung von Tierlauten. Der Beitrag nennt Pilotprojekte und geplante Datenintegration, liefert aber nur wenige konkrete Kennzahlen oder Belege für bereits erzielte Schutzwirkungen.

Mittel

Der Beitrag stellt drei KI-Anwendungen von Google DeepMind und Google Research für Naturschutz und Ökosystemforschung vor. Erstens soll ein Modell aus Satellitendaten Entwaldungsrisiken großräumig und bis auf 30 Meter vorhersagen. Es baut auf einer Erfassung von Waldverlustursachen zwischen 2000 und 2024 auf und benötigt laut Google keine lokalen Zusatzdaten wie Straßenkarten. Zweitens verbindet ein Graph Neural Network Artenbeobachtungen, Satelliteninformationen und Merkmale wie Körpermasse, um wahrscheinliche Verbreitungsgebiete zu schätzen. Ein Pilot kartierte australische Säugetiere; 23 Karten sollen öffentlich verfügbar sein. Die Schätzungen können mit lokalen Daten und Fachwissen verfeinert werden. Drittens soll Perch 2.0 Tierlaute, besonders Vogelstimmen, klassifizieren und für neue Arten oder Lebensräume angepasst werden. In Hawaiʻi unterstützt das Modell laut Beitrag Schutzmaßnahmen für bedrohte Honigfresser und die Untersuchung junger Rufe. Google will diese Datenquellen künftig verbinden. Der Artikel nennt jedoch kaum konkrete Leistungskennzahlen oder Nachweise für bereits erzielte Naturschutzwirkungen.

Ausführlich lesen

Der Bericht beschreibt drei Einsatzfelder, in denen Google DeepMind und Google Research nach eigener Darstellung KI nutzen, um Ökosysteme besser zu erfassen und Naturschutzmaßnahmen zu unterstützen: die Vorhersage von Entwaldungsrisiken, die Kartierung von Artenvorkommen und die Auswertung von Tierlauten. Als Motivation nennt der Beitrag den Druck auf Ökosysteme durch den steigenden Bedarf an Land und Ressourcen. Verlässliche Daten könnten laut den Autorinnen und Autoren helfen, Schutzpläne zu entwickeln und ihre Umsetzung zu beobachten.

Für Wälder entwickelten Google und das World Resources Institute zunächst ein Modell, das Ursachen des Waldverlusts – etwa Landwirtschaft, Holzeinschlag, Bergbau und Feuer – für die Jahre 2000 bis 2024 in einer Auflösung von einem Quadratkilometer erfasst. Darauf aufbauend stellt Google einen Datensatz zum Vorhersagen von Entwaldungsrisiken vor. Das Modell verwendet Satellitendaten und eine auf Vision-Transformern beruhende Architektur; es soll nach Angaben des Berichts großräumige Vorhersagen bis auf 30 Meter ermöglichen, ohne lokale Zusatzdaten wie Straßenkarten zu benötigen. Konkrete Gütewerte oder unabhängige Prüfergebnisse nennt der Beitrag nicht.

Bei der Verbreitung von Arten kombiniert ein Graph Neural Network Beobachtungen aus offenen Datenbanken, Satelliteninformationen von AlphaEarth Foundations und Merkmale der Arten, beispielsweise ihre Körpermasse. Damit sollen wahrscheinliche Verbreitungsgebiete vieler Arten zugleich abgeleitet und anschließend mit örtlichen Daten und Fachwissen verfeinert werden können. In einem Pilotprojekt mit QCIF und EcoCommons erstellte das Team Karten für australische Säugetiere, darunter den Großen Gleitbeutler. 23 Karten werden laut Bericht über das UN Biodiversity Lab und Earth Engine bereitgestellt. Die Karten sind somit modellbasierte Schätzungen, die lokale Prüfung und Ergänzung vorsehen; der Beitrag beschreibt keine umfassende Validierung ihrer Genauigkeit.

Das dritte Feld ist Bioakustik. Weil automatische Aufnahmegeräte sehr große Mengen überlappender, teils unbekannter Tierlaute erzeugen, sei manuelle Auswertung schwierig und kostspielig. Google veröffentlichte Perch 2.0, ein Modell zur Klassifizierung von Tierstimmen. Es werde als besonders leistungsfähig bei der Vogelbestimmung beschrieben und könne als Basismodell für neue Arten und Lebensräume angepasst werden. Als Beispiel nennt der Beitrag die Zusammenarbeit mit der University of Hawaiʻi: Perch unterstütze Schutzmaßnahmen für bedrohte Honigfresser und werde auch zur Erkennung von Rufen junger Tiere eingesetzt, um den Populationszustand besser zu verstehen. Messwerte oder Ergebnisse dieser Anwendung werden nicht ausgeführt.

Für die Zukunft kündigt Google an, solche Modelle mit weiteren Datenarten – etwa Bildern, Dokumenten, Satellitendaten und Bioakustik – sowie Modellen menschlicher Aktivitäten und ihrer Folgen zu verbinden. Das Ziel, umfassendere Entscheidungsgrundlagen für den Naturschutz zu schaffen, ist eine Perspektive des Unternehmens; der Bericht belegt noch keine daraus entstandenen Schutzwirkungen. Er betont selbst, dass bessere Entscheidungen vollständige Daten voraussetzen.

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

Gegengeprüft von Claude Haiku 5.5: kleine Mängel

Bewertet wurde die ausführlichere Zusammenfassung („mittel“). Die kurze Fassung ist ebenfalls treu und enthält keine erfundenen Angaben, lässt aber die Hawaii-Anwendung und die Waldverlust-Ursachenkarte aus. Die Einordnungen wurden unabhängig von Lunas Stufen vergeben.

Im Bericht, aber nicht in der Zusammenfassung

  • Benchmark-Datensatz zur Vorhersage von Entwaldungsrisiken wird veröffentlicht
  • Zusammenarbeit mit dem World Resources Institute bei der Modellierung der Waldverlustursachen
  • Perch 2.0 gilt laut Beitrag als State of the Art für Vogelerkennung

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 27 %Hintergrund, keine Belege
    • JEV 22 %einzelne zitierbare Belege
    • amos 100 %kein Bezug
    • SubQ 100 %kein Bezug
    • drex 100 %kein Bezug
    • d3-ultra 100 %kein Bezug
    • Haiku-Prüfung kein Bezug
Fähigkeiten messen
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 41 %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 100 %kein Bezug
    • JEV 26 %einzelne zitierbare Belege
    • amos 29 %gleiches Oberthema, hilft nicht
    • SubQ 46 %gleiches Oberthema, hilft nicht
    • drex 50 %gleiches Oberthema, hilft nicht
    • d3-ultra 100 %kein Bezug
  2. SF-H3 Wie lässt sich nachverfolgen, woraus ein Modell entstanden ist und was in ihm steckt?
    • clef 100 %kein Bezug
    • Luna 57 %einzelne zitierbare Belege
    • JEV 43 %einzelne zitierbare Belege
    • amos 24 %gleiches Oberthema, hilft nicht
    • SubQ 100 %kein Bezug
    • drex 41 %gleiches Oberthema, hilft nicht
    • d3-ultra 100 %kein Bezug
    • Haiku-Prüfung nur am Rande erwähnt
Offenlegung und Rechenschaft
Beteiligung und Gemeinwohl
  1. SF-E4 Wie bleibt KI ein gemeinsames Gut, statt Abhängigkeit und Marktmacht zu vertiefen?
    • clef 100 %kein Bezug
    • Luna 40 %Hintergrund, keine Belege
    • JEV 56 %einzelne zitierbare Belege
    • amos 39 %gleiches Oberthema, hilft nicht
    • SubQ 100 %kein Bezug
    • drex 53 %gleiches Oberthema, hilft nicht
    • d3-ultra 100 %kein Bezug
    • Haiku-Prüfung Hintergrund, keine Belege
  2. SF-E5 Welche Mitsprache haben die Menschen, die mit KI leben, bei Tempo und Grenzen, und welche Entscheidungen müssen bei ihnen bleiben?
    • clef 100 %kein Bezug
    • Luna 27 %Hintergrund, keine Belege
    • JEV 100 %kein Bezug
    • amos 45 %gleiches Oberthema, hilft nicht
    • SubQ 100 %kein Bezug
    • drex 59 %gleiches Oberthema, hilft nicht
    • d3-ultra 100 %kein Bezug

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 →