Der Computer als Tierversteher

Die Unterwassermikrofone nehmen permanent die Laute der Fische auf. Verrechnet man die von den Mikrofonen empfangenen Signale miteinander, lässt sich bestimmen, aus welcher Ecke des Beckens der Klicklaut stammt.

Um herauszufinden, wer gerade „geklickt“ hat, haben die Forscher den Dorschen über einen kleinen Schnitt Erkennungsmarken implantiert, die ununterbrochen individuelle Tonsignale abgeben. Da die Haut der Fische dünn ist, werden diese Signale kaum abgeschwächt. Kombiniert man die Informationen, kann man feststellen, wo sich gerade welcher Kabeljau befindet und damit auch, wer „gesprochen“ hat.

Mit den Lautaufnahmen füttert Rasmussen anschließend einen speziellen Algorithmus in seinem Computer. Das „tiefe neuronale Netz“ ist darauf trainiert, Laute zu erkennen. „Man kann Laute visualisieren, indem man sie in Bilder wandelt, sogenannte Sonagramme“, erklärt Rasmussen. „Diese Sonagramme stellen den Verlauf der Tonhöhe über die Zeit dar.“ Ein Mensch nimmt nur einen kurzen trockenen Klick war. Der Computer aber sieht sehr genau, wie sich die Tonhöhe langsam verändert – und ob es Unterschiede zwischen den Fischen der beiden Bestände gibt. Rasmussens Projekt hat gerade erst begonnen. Ob die Fische verschiedene Dialekte haben, weiß er noch nicht. Sollten sie aber dieselbe Sprache sprechen, wird es spannend: „Dann müssten wir überprüfen, ob nicht doch der Lärm in der Nordsee eine wichtige Rolle spielt.“

Die Analyse von Tönen ist ideal, um mehr über das Verhalten von Tieren zu lernen. Denn viele Tiere kommunizieren miteinander. Vogelmännchen locken Weibchen durch ihren Gesang an. Wölfe heulen, um das Rudel zusammenzurufen. Je höher eine Tierart entwickelt ist, desto komplexer sind die Laute und desto mehr kann der Mensch durch Lautanalyse über sie erfahren. Wale zum Beispiel können ein und denselben Laut je nach Kontext variieren – etwa so, wie Eltern den Namen ihrer Kinder in verschiedenen Situationen anders betonen: zum Beispiel freundlich wie bei „Lisa, das Essen ist fertig“ oder streng wie bei „Lisa, was hast du schon wieder angestellt“.

Sprachmodell für Erdmännchen

In einem internationalen Projekt haben Verhaltensökologen in der südafrikanischen Kalahari-Savanne in den vergangenen Jahren eine riesige Menge von Erdmännchenrufen gesammelt und analysiert. Erdmännchen sind ausgesprochen gesellige Tiere. Sie bleiben stets in der Gruppe zusammen, weil sie dann seltener angegriffen werden. Erdmännchen quieken und gurren ständig. Doch bisher war es schwierig, in dem Durcheinander vieler Stimmen die angeregten Gespräche zwischen den Erdmännchen zu verfolgen. Um die Konversation der Tiere zu verstehen, haben die Forscher für ihr Experiment 36 Erdmännchen mit leichten Halsbändern ausgestattet, die die Rufe der Tiere aufnehmen und über einen GPS-Sender kontinuierlich deren Position bestimmen. Drei Monate lang zeichneten die Halsbänder die Daten auf. Hunderttausende von Rufen kamen dabei zusammen.

Für die Tonanalyse haben die Forscher die Laute in eine moderne Sprachsoftware eingespeist, ein „Large Language Model“ (LLM), das dem populären ChatGPT ähnelt. Solche Sprachmodelle analysieren Texte, indem sie jedes Wort eines Textes mit allen anderen Wörtern in Beziehung setzen. So lernen sie, dass bestimmte Wörter gehäuft gemeinsam mit anderen auftreten, das Wort „geht“ zum Beispiel mit „sie“ und „er“.

Entsprechend durchforstete das LLM die Rufe der Erdmännchen – und stellte Beziehungen zwischen den einzelnen Lauten her. „So haben wir herausgefunden, dass die Erdmännchen offenbar mit einem Ruf-Antwort-Wechselspiel in Kontakt bleiben“, sagt Julian Schäfer-Zimmermann vom Max-Planck-Institut für Verhaltensbiologie, der in dem Projekt für die LLM-Analyse zuständig ist. Der erste Ruf ist ein sogenannter Kontaktruf. Wenn ein Erdmännchen diesen Ruf ausstößt, ist es wahrscheinlich, dass ein Nachbar antwortet. Die Erdmännchen versichern sich damit gegenseitig, dass jemand in der Nähe ist. Beim zweiten Ruf handelt es sich um ein kurzes Gurren, das unbeantwortet bleibt. Offensichtlich teilen Erdmännchen damit nur kurz mit, dass sie noch da sind.

„Drei Monate rund um die Uhr mehr als 30 Tiere zu beobachten, Rufe aufzunehmen und hinterher die Daten auszuwerten – das wäre früher wegen des Zeitaufwands unmöglich gewesen“, sagt Schäfer-Zimmermann. „Früher hätte man vielleicht zwei oder drei Tiere mit einem Halsband ausgestattet. Da wäre es dann ungleich schwerer gewesen, die Kommunikation einer ganzen Gruppe zu entschlüsseln.“ Derzeit laufen noch weitere Feldexperimente mit Nasenbären und Hyänen.

Zufriedenes Schweine-Grunzen

Solche Beispiele zeigen, wie hilfreich das maschinelle Lernen ist, um das Verhalten von Tieren zu verstehen – und zwar nicht nur von Wildtieren, sondern auch von solchen, die uns sehr nah sind. Im bereits beendeten EU-Projekt „SoundWel“ ging es darum, mithilfe von Tonanalysen herauszufinden, ob sich Schweine im Stall wohlfühlen. Gesetze schreiben vor, dass Tierhalter mindestens einmal pro Tag das Wohlbefinden jedes Schweins überprüfen müssen. Doch die Schweinemastbetriebe stehen heute wirtschaftlich unter Druck. Schweinefleisch wird billig verkauft, die Ausgaben für Energie und Futter aber sind stark gestiegen. Es fehlt an Personal, daher haben die Tierhalter kaum Zeit, sich um jedes Schwein zu kümmern.

„Wenn man die Zahl der Mastschweine und des Personals miteinander verrechnet, zeigt sich, dass in Deutschland in der konventionellen Haltung täglich nur wenige Sekunden Arbeitszeit pro Schwein zur Verfügung stehen“, sagt Sandra Düpjan, Expertin für Verhalten und Tierwohl am Forschungsinstitut für Nutztierbiologie in Dummerstorf. „Es ist kaum möglich, in dieser Zeit die Gesundheit und das Wohlbefinden eines Schweins zu kontrollieren und es bei Bedarf auch noch zu behandeln.“ In anderen europäischen Staaten sei die Situation nicht wesentlich anders. So entstand die Idee, Schweine akustisch zu überwachen, rund um die Uhr die Geräusche aufzunehmen und sie in Echtzeit zu analysieren. Wenn dann in einer Schweinebucht gellendes Stressgeschrei erklingt, gibt das System Alarm und informiert den Tierhalter.

Die Herausforderung im Projekt „SoundWel“ bestand darin, dem Computer beizubringen, wie entspannte und wie gestresste Tiere klingen. Dazu trugen die Wissenschaftler der beteiligten Institute bereits bestehende Tonaufnahmen zusammen. Außerdem nahmen sie neue Töne auf. Dafür bauten sie unter anderem eine Spielarena auf, in der die Schweine toben konnten – und vor allem entspannte Laute von sich gaben. Mehr als 7.400 Laute kamen schließlich zusammen. Die ordneten die Forscher in 19 verschiedene Kategorien ein: vom zufriedenen Grunzen bis zum Stressquieken.

Bei der Analyse der Schweinelaute setzte das Team klassische Analysealgorithmen ein, insbesondere die „schnelle Fourier-Transformation“, mit der sich Tonaufnahmen in ihre Frequenzanteile zerlegen lassen. „Inzwischen können wir viele Laute den Kategorien richtig zuordnen“, sagt Düpjan. In manchen Fällen habe das System aber noch Probleme, den Anfang und das Ende eines Lauts zu erkennen, vor allem bei sehr schrillem Quieken. Außerdem erschwerten Hintergrundgeräusche von Lüftungsanalgen oder Hufgetrappel die Analyse. „Insgesamt sind wir aber zufrieden. In einem Nachfolgeprojekt wollen wir jetzt eine App entwickeln, die Warnmeldungen direkt an das Handy der Tierhalter sendet.“

Auch bei Kühen wollen Forscher künftig das Wohlbefinden mit Computerhilfe messen. Das Thünen-Institut für Agrartechnologie in Braunschweig setzt dafür robuste und preisgünstige Bewegungssensoren ein, die die Aktivität der Kühe messen. „Kühe bewegen sich weniger, wenn sie an den Klauen verletzt sind, wenn sie unter Hitzestress stehen oder eine Mastitis haben, einen entzündeten Euter“, sagt Institutsleiterin Christina Umstätter. „Die Herausforderung besteht für uns darin, dass wir aus unspezifischen Bewegungsdaten auf spezifische Erkrankungen schließen wollen.“ Wie gut das am Ende gelingen werde, sei noch offen. Zudem sei noch unklar, welche mathematischen Verfahren am besten geeignet seien, um charakteristische Muster in den Bewegungen der Kühe zu erkennen.

Gesichtserkennung bei Schimpansen

Auch der Leipziger Zoo hat das maschinelle Lernen bereits für die Tierforschung genutzt. Dort war im „Pongoland“ für längere Zeit ein Kamerasystem installiert, das die Schimpansen im Gehege permanent im Blick hatte. Die Kamera war mit einer Software gekoppelt, die das Gesicht jedes Affen erkennt. Eine Zeit lang durften die Besucher selbst zu Forschern werden und die Kamera über einen Steuerhebel auf einen Schimpansen richten. Auf einem Bildschirm erschienen dann die mit dem jeweiligen Affen verknüpften Informationen wie der Name, das Alter und die Familienverhältnisse.

Dieses „FaceEdutain-System“ ist ein Ergebnis der langjährigen Forschung am Fraunhofer-Institut für Digitale Medientechnologie IDMT in Ilmenau. Alles begann im Jahr 2012 mit dem Projekt „Saisbeco“ zum Schutz von freilebenden Gorillas und Schimpansen. „Wir haben damals erste tiefe neuronale Netze selbst entwickelt und darauf trainiert, in Aufnahmen von Wildkameras Affen der richtigen Art zuzuordnen“, erzählt Alexander Loos, Experte für audiovisuelle Systeme am Fraunhofer IDMT. Das Ziel bestand darin, herauszufinden, ob die Tierpopulationen in Schutzgebieten wieder anwachsen. Seinerzeit musste Loos das neuronale Netz noch mit Hunderten von Bildern füttern.

Wie das System im Pongoland zeigt, ist die Technik heute deutlich weiter – sie erkennt nicht nur die Art, sondern auch Individuen. Möglich machen das neue Verfahren wie die „Embedding Vectors“. Diese Algorithmen übersetzen ein Bild in eine Art Zahlenwolke, einen mathematischen Fingerabdruck. Weniger als zehn Bilder reichen aus, um für ein Gesicht einen solchen Embedding Vector zu erzeugen. Im Freiland kann man damit die Entwicklung von Tierbeständen oder von Gorillafamilien untersuchen. Und in Zoos erleichtern sie Verhaltensforschern die Arbeit, weil sie aus langen Videosequenzen punktgenau die gewünschten Individuen herauspicken. „Es gibt inzwischen viele solcher informatischen Werkzeuge, für ganz unterschiedliche Fragestellungen“, sagt Loos. „Meiner Meinung nach sind die nicht nur für die Grundlagenforschung interessant. Sie können in den kommenden Jahren vor allem auch den Tierschutz voranbringen.“ ■

Menschen orientieren sich bei Entscheidungen an den Erfahrungen anderer. Dieses als „Social Proof“ bekannte psychologische Phänomen…