Die europäische KI-Landschaft entwickelt sich stetig weiter. Gleichzeitig wächst die Kritik an vielen gängigen KI-Anwendungen und Plattformen, die als nicht verantwortungsvoll gelten und verschiedene Lücken, beispielsweise im Bereich Datenschutz, aufweisen. In unserer neuen Reihe Responsible AI-Tools nehmen wir (vermeintlich?) verantwortungsvolle KI-Tools unter die Lupe. Unser Ziel es ist, euch und uns einen Überblick über die vorhandenen Alternativen zu verschaffen. Euch erwarten Vorstellungen (nicht gesponsert!), Erfahrungsberichte aus der Praxis sowie Interviews mit Expert:innen, die den verantwortungsvollen Einsatz von KI gestalten.
Dieses Mal schauen wir uns die App BirdNET genauer an, bei der mittels Machine Learning Vogelstimmen der korrekten Art zugeordnet werden.
Der Trend begann mit der Pandemie. Junge Menschen entdeckten die lange als Rentnerhobby verschriene Vogelbeobachtung für sich, das fortan als #Birdwatching in zahlreichen Internetmemes und Social Media-Beiträgen aufgegriffen wurde. Das SRF bezeichnet Birdwatching als boomendes Hobby der Gen Z. Der Birdwatching Trend wurde zum Meme. Da liegt es nahe, innovative technologische Lösungen mit dem jahrhundertealten Naturinteresse zu kombinieren.
Hier setzt BirdNET an. Die Machine Learning Anwendung kann nach eigenen Angaben aktuell etwa 3000 Vogelarten erkennen, wobei es ständig mehr werden. Diese Anzahl verdeutlicht das Potenzial von KI, denn das ist ein vielfaches dessen, was selbst ein fachkundiger Mensch identifizieren kann. Damit ist BirdNET nicht nur für Hobby-Ornitholog:innen interessant, sondern auch eine interessante Anwendung für Biologie, Umweltschutz und verwandte Felder.
Die Macher:innen von der TU Chemnitz schreiben dazu folgendes:
„BirdNET ist eine Forschungsplattform, die darauf abzielt, Vögel anhand von Geräuschen in großem Maßstab zu erkennen. Wir unterstützen verschiedene Hardware und Betriebssysteme wie Arduino-Mikrocontroller, den Raspberry Pi, Smartphones, Webbrowser, Workstation-PCs und sogar Cloud-Dienste. BirdNET ist sowohl eine Citizen Science-Plattform als auch eine Analysesoftware für große Audiosammlungen. BirdNET zielt darauf ab, innovative Werkzeuge für Naturschützer, Biologen und Vogelbeobachter gleichermaßen bereitzustellen“
(Quelle: TU Chemnitz)
Technische Funktionsweise
In der App selbst lassen sich Tonaufnahmen live erzeugen. Aus den aufgenommenen Audiodaten werden Spektrogramme erstellt, also visuelle Abbildungen der Sounds, die dann wiederum klassifiziert werden.
Das Kernmodell von BirdNET basiert dann laut dem Paper in Ecological Infomatics auf einem Residual Neural Network (ResNet), also einer speziellen Form des Convolutional Neural Network. Das ResNet wurde in der Architektur gefinetunt und bietet einen Kompromiss zwischen Leistungsfähigkeit und Effizienz in der Rechenleistung. Das Training des Netzwerks erfolgte mit Datensätzen, die von Expert:innen manuell klassifiziert wurden. Dabei wurde eine Multi-Label-Klassifikation genutzt, damit gleich mehrere Arten gleichzeitig identifiziert werden können. Für die technisch versierten Leser:innen: Der Trainingsprozess nutzt Techniken wie Batch-Normalisierung, Data Augmentation und Knowledge Distillation, um die Generalisierungsfähigkeiten zu verbessern.
Begriffserklärungen:
Ein Convolutional Neural Network (CNN), auch bekannt als Faltungsneuronales Netz, ist eine Art von neuronalem Netzwerk, das für die Analyse visueller Daten eingesetzt wird. Es ist so konzipiert, dass es die Funktionsweise des menschlichen visuellen Systems nachahmt. Es kann Muster und Objekte in Bildern erkennen, unabhängig von deren Position oder Ausrichtung.Multi-Label-Klassifikation ist ein Verfahren im maschinellen Lernen, bei dem ein Modell für jeden Eingabedatensatz mehrere zutreffende Klassen gleichzeitig vorhersagen kann. Damit steht es im Gegensatz zur herkömmlichen Klassifikation, bei der genau eine Klasse pro Beispiel zugeordnet wird.
BirdNET im Praxistest
BirdNET wird von uns nur in der iOS-Version getestet. Diese kommt im schlichten aber funktionalen Design daher und funktioniert ohne Registrierung. Bei der Einrichtung fallen direkt die ungewöhnlich übersichtlich gestalteten Datenschutzhinweise und hilfreichen Erklärungen auf.
Anders als bei den meisten Apps, wird in einfacher Sprache genau erklärt, welche Daten wozu erhoben werden. Das Erfassen von Standortdaten wird sinnvoll begründet: Vogelarten kommen regional unterschiedlich vor. Somit ist der Standort ein hilfreicher Faktor und die regionale Clusterbildung trägt zur Richtigkeit der Antworten bei. Die Audiodaten werden auf einem Universitätsserver in der EU verarbeitet. Sie verlassen die EU also nicht und werden auch nicht von Unternehmen zu kommerziellen Zwecken genutzt. Trotzdem werden die Nutzer:innen dazu aufgefordert, keine sensiblen Audioaufnahmen hochzuladen. Hier wird der Grundsatz der Datensparsamkeit ernst genommen und weitergegeben. Dies ist besonders wertvoll, weil auch Nutzer:innen, die weniger technikaffin sind und kein Hintergrundwissen zu Datenschutzthemen mitbringen, so bestens informiert sind.
Dank einer übersichtlich gestalteten Startseite ist die App sehr einfach zu bedienen und funktioniert auch, um das Handy während einer Vogelbegegnung spontan schnell zur Hand zu nehmen. In einigen Testsituationen erkannte sie schnell und korrekt die Vogelstimmen. Allerdings standen leider gerade keine seltenen Vogelarten zum Testen zur Verfügung. Ein häufiger auftretendes Problem sind Umgebungsgeräusche, die den Sound verzerren und/oder zu leise Vogelstimmen, sodass kein brauchbares Spektrogramm entsteht. Das ist aber weniger der App anzulasten, sondern abhängig vom Endgerät und dessen Audioquelle. Durch die manuelle Auswahl von einzelnen Stellen im Spektrogramm gibt es dagegen zumindest eine kleine Handhabe.
Fazit: Empfehlung
BirdNET ist aus unserer Sicht uneingeschränkt empfehlenswert und darf als Vorbild für KI-Apps gelten. Schwachstellen in Sachen Datenschutz konnten wir nicht ausmachen. Zum verantwortungsvollen Tool wird BirdNET auch durch die Vielzahl der Zielgruppen und die Anbindung an Forschung und Zivilbevölkerung gleichermaßen. Die Daten werden genutzt, um im größeren Stil regionale Cluster zu bilden und Zusammenhänge zu überprüfen. Über die Jahre entsteht so ein Datenschatz für Biologen. Das ist clever genutztes Machine Learning für ein relevantes Thema. Dabei handelt es sich letztendlich um mehr als nur eine nette Spielerei. Denn Artenvielfalt bzw. deren Rückgang sollte als Folge des Klimawandels genau erfasst werden. Eine gesicherte Datenlage ist wichtig, um mögliche Klima- und Umweltschutzmaßnahmen adäquat planen zu können.
Es gibt allerdings noch mindestens eine andere App, die nach einem ähnlichen Prinzip funktioniert wie BirdNET, Merlin Sound ID. BirdNET ist also möglicherweise nicht die einzige verantwortungsvolle App, die Vogelstimmen per KI zuordnen kann, worauf wir hier der Vollständigkeit halber hinweisen wollen.
Text: Sabrina Pohlmann
Technische Beratung: Jakob Mertes
Quellen:
- Ecological Informatics: BirdNET: A deep learning solution for avian diversity monitoring
- BirdNET Projektwebsite
- BirdNET Github
Weitere Beiträge der Reihe:
