© Alexander The Highlander/Shutterstock.com
Umso wichtiger ist eine umfassende Aufklärung über die Auswirkungen solcher Eingriffe. Künstliche Intelligenz verändert nicht nur die Art, wie Bilder erstellt und bearbeitet werden, sondern stellt auch die Naturforschung vor neue Herausforderungen. Besonders betroffen ist die Vogelbeobachtung, die in den vergangenen Jahren einen starken Zulauf erlebt hat. Immer mehr Menschen dokumentieren ihre Sichtungen mit Fotos, Videos und Tonaufnahmen und stellen diese gemeinsam mit Angaben zu Ort und Zeitpunkt in Citizen-Science-Datenbanken zur Verfügung. Diese freiwillig gesammelten Daten sind heute ein wichtiger Bestandteil der Forschung und liefern wertvolle Informationen über die Verbreitung von Arten, Veränderungen ihrer Lebensräume und das Verhalten von Tieren.
Anhand dieser Meldungen können Wissenschafter beispielsweise nachvollziehen, wann Zugvögel in bestimmten Regionen eintreffen, wie sich Brutgebiete verändern oder ob Arten aufgrund des Klimawandels neue Lebensräume erschließen. Auch seltene oder gefährdete Vogelarten werden durch die zahlreichen Beobachtungen häufig schneller entdeckt als allein durch wissenschaftliche Erhebungen. Die Mitarbeit engagierter Naturbeobachter ist deshalb für den Arten- und Naturschutz von großer Bedeutung.
KI-Manipulationen gefährden die Datenqualität
Mit der zunehmenden Verbreitung KI-gestützter Bildbearbeitung entstehen jedoch neue Probleme. Moderne Programme können Fotos automatisch schärfen, Bildrauschen entfernen oder fehlende Bildbereiche ergänzen. Was für Erinnerungsfotos oft erwünscht ist, kann bei wissenschaftlichen Dokumentationen gravierende Folgen haben. KI arbeitet nicht wie ein klassisches Bildbearbeitungsprogramm, sondern ergänzt fehlende Informationen anhand statistischer Wahrscheinlichkeiten. Dabei entstehen mitunter Details, die in der Realität nicht vorhanden waren. Gerade bei weit entfernten oder unscharf aufgenommenen Vögeln kann dies zu falschen Merkmalen führen. Farben einzelner Gefiederpartien, Federstrukturen oder Schnabelformen werden von der Software verändert oder ergänzt. Solche Veränderungen können ausreichen, um eine Vogelart falsch zu bestimmen. Besonders problematisch wird dies bei seltenen Arten oder bei Arten, die sich äußerlich nur in kleinen Details unterscheiden.
Noch schwerwiegender sind vollständig KI-generierte Tierbilder, die vereinzelt ihren Weg in Naturbeobachtungsplattformen finden. Untersuchungen internationaler Forschungsteams haben bereits zahlreiche künstlich erzeugte Vogelaufnahmen in großen Citizen-Science-Datenbanken identifiziert. Da nicht alle Manipulationen erkannt werden, dürfte die tatsächliche Zahl deutlich höher liegen. Häufig geschieht dies nicht in betrügerischer Absicht. Vielen Nutzern ist nicht bewusst, dass auch automatische Verbesserungsfunktionen auf Smartphones oder Bildbearbeitungsprogrammen wissenschaftliche Aufnahmen verändern können.
Verfälschte Bilder beeinträchtigen die Qualität biologischer Datensammlungen erheblich. Werden Tierarten aufgrund manipulierten Bildmaterials falsch bestimmt oder an Orten gemeldet, an denen sie tatsächlich nicht vorkommen, entstehen fehlerhafte Datensätze. Bereits ein vergleichsweise geringer Anteil solcher falschen Meldungen kann wissenschaftliche Auswertungen beeinflussen – insbesondere dann, wenn es um seltene Arten oder kleine Bestände geht. Die Folgen reichen weit über einzelne Beobachtungen hinaus. Forschungsdaten aus Citizen-Science-Projekten werden genutzt, um Bestandsentwicklungen zu analysieren, Veränderungen von Lebensräumen zu dokumentieren, Wanderbewegungen von Tierarten zu verfolgen oder die Auswirkungen des Klimawandels auf die biologische Vielfalt zu untersuchen. Sind diese Datengrundlagen fehlerhaft, können ökologische Zusammenhänge falsch interpretiert und Schutzmaßnahmen unzureichend oder an den falschen Stellen umgesetzt werden.
Auch die Entwicklung automatischer Artenerkennungsprogramme leidet unter manipulierten Bildern. Künstliche Intelligenz wird zunehmend eingesetzt, um Tierarten auf Fotos oder anhand von Tonaufnahmen automatisch zu identifizieren. Damit diese Systeme zuverlässig arbeiten, benötigen sie große Mengen korrekt beschrifteter Originaldaten. Enthalten die Trainingsdaten bereits verfälschte oder künstlich veränderte Bilder, sinkt die Genauigkeit der Erkennungsalgorithmen. Das Problem beschränkt sich nicht alleine auf die Vogelforschung. Sämtliche Citizen-Science-Projekte, in denen Fotografien von Pflanzen, Pilzen oder anderen Tierarten gesammelt werden, können durch bewusste und unbewusste KI-Manipulationen beeinträchtigt werden. Je leistungsfähiger automatische Bildbearbeitung wird, desto schwieriger wird es, authentische Aufnahmen von künstlich veränderten Bildern zu unterscheiden.
Fachleute sehen deshalb einen wachsenden Bedarf an Aufklärung. Naturbeobachter sollten wissen, dass Bilder für wissenschaftliche Zwecke möglichst unverändert eingereicht werden sollten. Gleichzeitig arbeiten viele Plattformen an Verfahren, mit denen sich manipulierte Aufnahmen besser erkennen oder kennzeichnen lassen. Nur wenn die Qualität der eingereichten Daten erhalten bleibt, können Citizen-Science-Projekte auch künftig einen verlässlichen Beitrag zur Erforschung und zum Schutz der biologischen Vielfalt leisten.
