Loading...

Vor dem Hintergrund eines fortschreitenden Artensterbens können (teil-) automatisierte Methoden der Umwelterfassung wichtige Daten zum Zustand der Natur liefern.

HearTheSpecies wird das Potenzial einer bisher wenig erforschten Datenklasse ausschöpfen: Ton.

Wir möchten die Lücke zwischen den vorhandenen Daten und den modernsten AI-Techniken schließen. Dafür entwickeln wir Werkzeuge zur groben und feinen Bestimmung von Schallquellen und zur Bestimmung von Arten. Die gewonnen Daten können verwendet werden, um die Wechselwirkungen zwischen den Umweltvariablen lokaler und regionaler Landnutzung, Vegetationsbedeckung und den verschiedenen Komponenten der Klanglandschaft zu analysieren.


  • Bestimmung und Klassifizierung von vorhandenen akustischen Daten. Dadurch ermöglichen wir das Training von KI-Algorithmen. Ebenso werden wir aktuelle Daten sammeln um umfassende zeitliche Analysen der akustischen Landschaft durchführen zu können.
  • Die Entwicklung von KI-basierten automatischen Diarisierungs- und Einteilungsswerkzeugen, die eine grobe Trennung von Biophonie (Laute der belebten Umwelt), Anthropophonie (Laute menschlichen Ursprungs) und Geophonie (Abiotische Geräuche) aus Komplexen Klanglandschaften und die genaue Erkennung von Arten und unterschiedlichen anthropogenen Klängen erlauben.
  • Verwendung dieser identifizierten Geräuschkulisse zur Modellierung der Effekte potenzieller Einflussfaktoren auf die Zusammensetzung von Geräuschlandschaften und einzelner Arten.
  • Die Vorhersage von Parasitierungsraten bei Vögeln anhand ihrer individuellen Vokalisationen.

  1. Mit zunehmender lokaler und regionaler Landnutzungsintensität nimmt die Vielfalt und die Abundanz von vokalisierenden Arten ab.
  2. Eine intensive lokale und regionale Landnutzungsintensität führt zu einer homogeneren Zusammensetzung der vokalisierenden Arten (vgl. Gossner et al., 2016) und damit zu einer Vereinheitlichung der Klanglandschaft.
  3. Zunehmende Geophonie und Anthropophonie verkleinern den akustischen Raum, der für Tiervokalisationen zur Verfügung steht (vgl. Farina, 2014, 2019), und erhöhen somit die Konkurrenz zwischen den Tieren.
  4. Eine Verringerung der lokalen Landnutzungsintensität im Grünland hat positive Auswirkungen auf die akustische Aktivität von Insekten (hauptsächlich Orthopteren) und Kleinsäugern.
  5. Eine Erhöhung des Totholzvolumens verbessert die Verfügbarkeit von biotischen Ressourcen für vokalisierende Arten und erhöht somit die Vielfalt der Biophonie.
  6. Veränderungen der abiotischen Bedingungen wirken sich auf die zeitlichen Aktivitätsmuster vokalisierender Arten aus.

 


Im Rahmen der Biodiversitäts-Exploratorien gibt es bereits einen großen Audio-Datensatz, der im Rahmen von zwei früheren Projekten, “Birds & Bats” und “BEsound”, gesammelt wurde. Neue Daten werden bei den gemeinsamen Multisite-Experimenten sowohl im Wald als auch im Grasland gesammelt.
Im Rahmen dieses Projekts werden wir einen Teil dieses riesigen Datensatzes bestimmen, um die neu zu entwickelnden Algorithmen zu trainieren. Diese werden dann auf den gesamten Audiodatensatz angewendet.

Im Offenland wollen wir die akustische Aktivität von Insekten (Orthoptera und Bienen) sowie von Kleinsäugern erfassen. Im Wald erlauben die jeweils größeren Abstände zwischen den Versuchsflächen, die Auswirkungen von Waldstrukturen auf die akustische Aktivität von Vögeln zu untersuchen.

Mittels Multi-Event-Diarisierung werden wir automatische Einteilung und Bestimmung aller relevanten Schallquellen (basierend auf den vorgenommenen Annotationen) vornehmen.

Mit Hilfe der ermittelten Schallquellen werden wir das Vorkommen verschiedener Komponenten der Klanglandschaft untersuchen. Im Anschluss wird durch ökoakustische Diversitätsindizes (z. B. Acoustic Complexity Index) für jede vokalisierende Tiergruppe (Insekten, Vögel, Säugetiere) die akustische Diversität bestimmt. Multivariate Methoden finden hiernach Anwendung, um die akustische Zusammensetzung der Versuchsflächen und Regionen zu bestimmen. Ferner prüfen wir welche Aspekte der lokalen und regionalen Landnutzung die Zusammensetzung der Klanglandschaft und die Vielfalt der Biophonie beeinflussen.

Überblick über das Konzept und die Arbeitspakete des Projekts

Doc
Pérez‐Granados C., Etxebarría J. M., Darras K. F., ..., Arend D., Müller S., et al (2026): WABAD: A World Annotated Bird Acoustic Dataset for Passive Acoustic Monitoring. Ecology 107 (2), e70317. doi: 10.1002/ecy.70317
Mehr Informationen:  doi.org
Doc
Ein Datensatz für die automatisierte akustische Identifizierung europäischer Orthoptera und Cicadidae
Funosas, D., Massol, E., Bas, Y., Schmidt, S., Bennet, D., Arend, D., […], Müller, S., […] Cauchoix, M. (2026), A finely annotated dataset for the automated acoustic identification of European Orthoptera and Cicadidae. Scientific Data. doi: 10.1038/s41597-026-07150-1
Mehr Informationen:  doi.org
Doc
Arend D., Gebhard A., Triantafyllopoulos A., Schuller B., Scherer-Lorenzen M., Müller S. (2025): Soundscape-based evaluation of small-scale forest management interventions. Forest Ecology and Management 596, 123067. doi: 10.1016/j.foreco.2025.123067.
Mehr Informationen:  doi.org
Doc
Automatic recognition of small terrestrial mammal calls in aoundscape recordings using machine learning
Riffel M. (2024): Automatic recognition of small terrestrial mammal calls in soundscape recordings using machine learning. Master thesis, University of Freiburg and KIT
Doc
The Impact of Landscape and Vegetation Structure Parameters of Temperate Forest Environments on their Soundscapes
Gutsche T. J. (2023): The Impact of Landscape and Vegetation Structure Parameters of Temperate Forest Environments on their Soundscapes. Bachelor thesis, University Freiburg

Öffentliche Datensätze

Dataset
Arend, Dominik (2026): Acoustic features of songs from five forest bird species. Version 1. Biodiversity Exploratories Information System. Dataset. www.bexis.uni-jena.de/ddm/data/Showdata/32243?tag=1. Dataset ID= 32243
Dataset
Arend, Dominik (2026): R Script used for the analysis in the paper "Towards a non-invasive bioacoustic indicator of avian health: linking song performance traits to physiological condition". Version 2. Biodiversity Exploratories Information System. Dataset. https://doi.org/10.71615/BEXIS.32245
Dataset
Arend, Dominik (2026): Counts of acoustically identified Orthoptera species in grasslands. Version 1. Biodiversity Exploratories Information System. Dataset. https://doi.org/10.71615/BEXIS.32404
Dataset
Arend, Dominik (2026): R-Scripts for the analysis of extensification effects on Orthoptera diversity. Version 1. Biodiversity Exploratories Information System. Dataset. https://doi.org/10.71615/bexis.32405
Dataset
Arend, Dominik (2025): Python-Script to compute acoustic features from the paper "Towards a non-invasive bioacoustic indicator of avian health: linking song performance traits to physiological condition". Version 1. Biodiversity Exploratories Information System. Dataset. https://doi.org/10.71615/BEXIS.32268

Nicht veröffentlichte Datensätze

Dataset
CoarseSoundNet: A model to predict anthropophony, biophony or geophony in audio data
Gebhard, Alexander; Triantafyllopoulos, Andreas (2026): CoarseSoundNet: A model to predict anthropophony, biophony or geophony in audio data. Version 1. Biodiversity Exploratories Information System. Dataset. www.bexis.uni-jena.de. Dataset ID= 32402
Dataset
InsectNetBE: A model that tags audio files as belonging to one or more of 29 selected Orthoptera species
Triantafyllopoulos, Andreas (2026): InsectNetBE: A model that tags audio files as belonging to one or more of 29 selected Orthoptera species. Version 1. Biodiversity Exploratories Information System. Dataset. www.bexis.uni-jena.de. Dataset ID= 32423
Dataset
Acoustic recordings of the environment in grasslands
Arend, Dominik; Müller, Sandra (2026): Acoustic recordings of the environment in grasslands. Version 7. Biodiversity Exploratories Information System. Dataset. www.bexis.uni-jena.de. Dataset ID= 32449
Dataset
Acoustic environmental recordings from the Forest Experiment (FOX) sites
Arend, Dominik; Müller, Sandra (2026): Acoustic environmental recordings from the Forest Experiment (FOX) sites. Version 5. Biodiversity Exploratories Information System. Dataset. www.bexis.uni-jena.de. Dataset ID= 32451
Dataset
Predictions of anthropophony, biophony, geophony, or silence on audio recordings from forest experiment (FOX) plots
Arend, Dominik; Gebhard, Alexander; Triantafyllopoulos, Andreas; Müller, Sandra (2025): Predictions of anthropophony, biophony, geophony, or silence on audio recordings from forest experiment (FOX) plots. Version 1. Biodiversity Exploratories Information System. Dataset. www.bexis.uni-jena.de. Dataset ID= 31929
Dataset
Acoustic indices on forest experiment (FOX) 2023
Arend, Dominik; Müller, Sandra (2025): Acoustic indices on forest experiment (FOX) 2023. Version 1. Biodiversity Exploratories Information System. Dataset. www.bexis.uni-jena.de. Dataset ID= 31928
Dataset
Model to predict anthropophony, biophony, geophony, or silence in audio data
Gebhard, Alexander; Triantafyllopoulos, Andreas; Arend, Dominik; Müller, Sandra; Scherer-Lorenzen, Michael; Schuller, Björn (2025): Model to predict anthropophony, biophony, geophony, or silence in audio data. Version 1. Biodiversity Exploratories Information System. Dataset. www.bexis.uni-jena.de. Dataset ID= 31963

Wissenschaftliche Mitarbeiter:innen

Prof. Dr. Michael Scherer-Lorenzen
Projektleiter
Prof. Dr. Michael Scherer-Lorenzen
Albert-Ludwigs-Universität Freiburg
Prof. Dr.-Ing. Björn Schuller
Projektleiter
Prof. Dr.-Ing. Björn Schuller
Technische Universität München (TUM)
Dr. Sandra Müller
Mitarbeiterin
Dr. Sandra Müller
Albert-Ludwigs-Universität Freiburg
Dominik Arend
Mitarbeiter
Dominik Arend
Albert-Ludwigs-Universität Freiburg
Andreas Triantafyllopoulos
Mitarbeiter
Andreas Triantafyllopoulos
Technische Universität München (TUM)
Alexander Gebhard
Mitarbeiter
Alexander Gebhard
Technische Universität München (TUM)
Top