Video- und Fotokameras sind aus der meeresbiologischen Forschung nicht mehr wegzudenken. Küstenforscher erfassen mit Drohnen, welche Organismen in der Gezeitenzone siedeln; Tiefseeforschende dokumentieren in HD, welche Wesen das Scheinwerferlicht ihrer Forschungsroboter einfängt. Bei diesen und vielen anderen Arbeiten entstehen Abermillionen Fotos und zahllose Stunden Videomaterial, die Menschen allein kaum noch prozessieren und auswerten können. Aus diesem Grund setzen Meeresforschende verstärkt auf künstliche Intelligenz (KI): Gemeint sind intelligente, das heißt selbstlernende Computerprogramme, die vom Menschen geschaffen wurden und daher als künstlich bezeichnet werden.

Keine Leistung ohne Training

KI-Systeme revolutionieren derzeit die Art und Weise, wie Forschende das Leben im Meer erkunden und beobachten. Ihre Stärke liegt dabei in der blitzschnellen Analyse riesiger Datenmengen. Ermöglicht wird dies durch Computer mit hoher Rechenleistung und Programmen, die an vielen Beispielen lernen, Aufgaben zu erfüllen, ohne dafür explizit programmiert zu sein. Maschinenlernen (englisch: machine learning) heißt diese Technologie. Wie wir Menschen auch, müssen KI-Systeme also üben und trainieren, um ihre künftigen Aufgaben zufriedenstellend zu erledigen. Dazu füttern Fachleute sie mit annotierten Daten – etwa mit Abertausenden Bildern, auf denen jene Muscheln markiert sind, welche die KI künftig auf Luftaufnahmen von Küstengebieten erkennen soll.
Um das Lernen meeresbiologischer KI-Systeme auf der ganzen Welt zu erleichtern, haben das US-amerikanische Monterey Bay Aquarium Research Institute (MBARI) und Partner im Jahr 2022 die Online-Plattform FathomNet ins Leben gerufen. Auf ihr finden sich unter anderem rund 28 000 Stunden annotiertes Videomaterial aus der Tiefsee sowie mehr als eine Million Fotos, für welche MBARI-Taxonomen die abgebildeten Arten bestimmt haben. Ähnliche Ziele verfolgen Fachleute mit der Global Library of Underwater Biological Sounds (Internationale Bibliothek biologischer Unterwassergeräusche). Sie soll eines Tages Unterwasser-Tonaufnahmen aus aller Welt vereinen und die Aufnahmen bekannter und unbekannter Meeresarten frei zur Verfügung stellen. Interessierte können diese dann als Lernstoff für KI-Algorithmen nutzen.
Wie erfolgreich KI artspezifische Unterwassergeräusche wie Klick- und Pfeiftöne identifizieren kann, zeigt eine Studie aus Nordbrasilien. Dort ist es Forschenden erstmals gelungen, mithilfe von Tonaufnahmen die Wanderbewegungen zweier Flussdelfinarten nachzuvollziehen – jene des pinkfarbenen Amazonasdelfins (Inia geoffrensis) und des Amazonas-Sotalia (Sotalia fluviatilis).

Neuronale Netze machen KI-Programme leistungsfähiger

KI-Systeme arbeiten jedoch nicht nur mit Bildern, Videos und Tönen. Forscherinnen und Forscher am Plymouth Marine Laboratory (PML) an der Südküste von Großbritannien haben KI darauf trainiert, anhand optischer Satellitenaufnahmen und Wasserproben aus verschiedenen Küstengewässern das Auftreten von giftigen Algenblüten vorherzusagen. Dazu haben die IT-Fachleute ihr KI-System mit einem sogenannten neuronalen Netzwerk ausgestattet.
Neuronale Netze sind eine Methode des maschinellen Lernens, bei der eine Reihe von „Neuronen“ miteinander verbunden sind. Mit diesem Ansatz kopieren die IT-Fachleute die Funktionsweise des menschlichen Gehirns, in dem Nervenzellen miteinander verbunden sind und elektrische Signale zwischen ihnen verschickt werden. Ein neuronales Netz in der Künstlichen Intelligenz funktioniert ähnlich. Es ermöglicht den Wissenschaftlern, komplexere Computerprogramme zu entwickeln. Für eine verbesserte Vorhersage der Algenblüte beispielsweise wollen die PML-Experten ihr System auch mit Daten zur Wassertemperatur und zum Chlorophyllgehalt füttern. Die Forschenden hoffen, auf diese Weise die Blüten verschiedener giftiger Algen zu erkennen und vorhersagen zu können.
KI-Systeme werden jedoch nicht nur für die Identifikation von Arten eingesetzt. Autonome Unterwasserfahrzeuge, ausgerüstet mit Sensoren, Kameras und KI-gesteuerten Navigationssystemen, entscheiden auf ihren Tauchfahrten mittlerweile eigenständig, welchen Lebewesen sie folgen, auf welchem Kurs sie ein Meeresgebiet vermessen oder an welchen Positionen sie Proben nehmen. KI-gesteuerte Kamerasysteme erfassen, wie viel Plastikmüll an der Meeresoberfläche oder in der Wassersäule treibt, und neue, KI-gestützte Modelle versetzen Fischereiexperten in die Lage, allein auf Grundlage von Fangdaten zu berechnen, wie groß die noch verbleibenden Fischbestände sind. Letzteres gelingt dank KI viel genauer als mit jedem bisher verwendeten Modell.

Jeder Einsatz will gut überlegt sein

Bei aller Euphorie darf jedoch nicht vergessen werden, dass der Einsatz von KI wohlüberlegt sein muss. Fragen der Forschungsethik spielen hierbei ebenso eine Rolle wie Fragen des Datenschutzes. Zudem muss die Wissenschaft sicherstellen, dass KI-gesteuerte Systeme bei Einsätzen in empfindlichen Meereslebensräumen keinen Schaden anrichten. Meistern Wissenschaft und andere Anwender diese Hürden, werden KI-gesteuerte Systeme schon bald maßgeblich dazu beitragen, dass wir marine Ökosysteme besser verstehen.

Abb. 1.19 > Nicht nur auf dem Planeten Erde: Autonome, KI-getriebene Unterwasserfahrzeuge sollen auch das Meer auf dem Jupitermond Europa erforschen.