Virtuelle 3D-Modelle als synthetische Trainingsdaten für die automatisierte Bildauswertung von Insekten-Biodiversitätserhebungen. 3DTRAB

• Antragstellerinnen / Antragsteller: Professor Dr.-Ing. Bernd Freisleben; Professor Dr. Michael Heethoff; Dr. Lea Heidrich; Dr. Ivaylo Kostadinov
• Fachliche Zuordnung: Künstliche Intelligenz und Maschinelle Lernverfahren ; Ökologie und Biodiversität der Tiere und Ökosysteme, Organismische Interaktionen ; Systematik und Morphologie der Tiere
• Förderung: Förderung seit 2025
• Projektkennung: Deutsche Forschungsgemeinschaft (DFG) - Projektnummer 557404521

Die Vielfalt der Insekten, sowohl bezüglich der Arten, als auch der Individuenzahlen, hat in den letzten Jahrzehnten teils deutlich abgenommen - in der Öffentlichkeit wird dies gar als “Insekten-Apokalypse” kommuniziert. Eine engmaschige und großflächige Erfassung des Status quo von Insektengemeinschaften ist daher ebenso notwendig wie die wissenschaftliche Untersuchung möglicher anthropogener Einflüsse auf diese. Bisherige Monitoringprogramme müssen aber den räumlichen und zeitlichen Umfang und die taxonomische Auflösung einschränken, da die Bestimmung von Sammelproben, wie sie mit den gängigen Fallensystemen generiert werden, zu arbeitsintensiv sind und die Anzahl verfügbarer Taxonom*innen immer weiter abnimmt. Der wissenschaftliche Bedarf an einer (Teil-)Automatisierung der Probenprozessierung, d.h. Sortierung und Bestimmung, ist also enorm, um die Dynamik der Diversität von Insekten untersuchen zu können. Künstliche Intelligenz (KI), insbesondere Deep Learning, wird immer häufiger für die Bestimmung von Insekten eingesetzt, benötigt aber große Mengen an annotierten Trainingsdaten. Diese in ausreichender Menge zu generieren, ist nicht nur ein Problem bei seltenen Arten, sondern auch in Sammelproben, in denen es eine große Variation in Körperhaltung und -orientierung der Individuen gibt. Mit diesem Projekt soll, basierend auf synthetischen Trainingsdaten und KI, ein benutzerfreundliches Hard- und Softwaresystem zur automatisierten Detektion und Erkennung von Insekten aus Sammelproben entwickelt werden. Dazu soll (1) ein Werkzeug entwickelt werden, um synthetische Trainingsdaten aus realitätsgetreuen virtuellen Insekten-3D Modellen zu generieren, (2) ein Workflow und ein Bildaufnahmesystem entwickelt werden, um Sammelproben möglichst automatisch und effizient aufzubereiten, damit sie der KI zugeführt werden können (Heidrich, Universität Marburg) und (3) KI-Methoden zur Detektion und Erkennung von Insekten in Sammelproben entwickelt werden, welche automatisch mit synthetischen Trainingsdaten erweitert werden können. Zudem wird (4) ein webbasiertes Softwaresystem zur benutzerfreundlichen Anwendung und Verwaltung von KI-Modellen zur automatisierten Bildauswertung von Insekten-Biodiversitätserhebungen erstellt. Die Gesamtentwicklung ist ein iterativer Prozess, in dem durch kontinuierliche Abstimmung von Testdatenerfassung, initialer Modellierung und Anreicherungen, Trainingsdatengenese und KI-Methodenentwicklung ein effektiver und zuverlässiger Gesamt-Workflow entsteht, der künftig die teil-automatisierte Auswertung umfangreicher Monitoring-Studien ermöglichen soll.

• DFG-Verfahren: Forschungsdaten und Software (Wiss. Literaturversorgung und Informationssysteme)
• Mitverantwortlich: Dr. Markus Mühling