Insects play a central role in Bavarian ecosystems, for example in pollination, pest control, and the carbon cycle. However, we observe an alarming decline in many insect species and their biomass worldwide. To initiate, and the right time and place, effective countermeasures, we must detect significant declines early and reliably.

The bAImo project is part of the Bavarian research network bayklif2 and consists of three subprojects, each led by Dr. Maximilian Pichler (University of Regensburg), Dr. Eva Katharina Engelhardt (University of Würzburg), and Prof. Dr. J?rg Müller (University of Würzburg). The aim of the project is to support and optimize the existing Bavarian insect monitoring system on a model-based approach. To this end, we combine artificial with ecological expertise, and monitoring and citizen science data.

Subproject 1, based at the University of Regensburg, will combine cutting-edge AI methods with statistical modeling approaches. The aim is to better capture complex environmental effects, distinguish between short-term weather-related and long-term climatic fluctuations, and improve the modeling of rare species. The Deep Joint Species Distribution Model, which is developed during this process, will form the methodological basis for the other subprojects within bAImo. Together, bAImo will develop a cost-efficient, targeted sampling strategy which lay the foundation for a more precise understanding of insect trends and for targeted protection measures in Bavaria.

Insekten spielen eine zentrale Rolle in bayerischen ?kosystemen, beispielsweise bei der Best?ubung, der Sch?dlingskontrolle und im Kohlenstoffkreislauf. Gleichzeitig wird weltweit ein deutlicher Rückgang vieler Insektenarten und ihrer Biomasse beobachtet. Um wirksame Gegenma?nahmen einleiten zu k?nnen, müssen solche Ver?nderungen frühzeitig und verl?sslich erkannt werden.

Das Projekt bAImo ist Teil des bayerischen Forschungsnetzwerks bayklif2 und besteht aus drei Teilprojekten, die jeweils von Dr. Maximilian Pichler (Universit?t Regensburg), Dr. Eva Katharina Engelhardt (Universit?t Würzburg) und Prof. Dr. J?rg Müller (Universit?t Würzburg) geleitet werden. Ziel des Projekts ist es, das bestehende bayerische Insektenmonitoring modellbasiert weiterzuentwickeln und zu optimieren. Dazu werden Methoden der Künstlichen Intelligenz (KI) mit ?kologischer Expertise sowie Monitoring- und Citizen-Science-Daten kombiniert.

Im dem an der Universit?t Regensburg angesiedelten Teilprojekt 1 werden neueste KI-Methoden mit klassischen statistischen Ans?tzen kombiniert. Das Ziel besteht darin, komplexe Umwelteffekte besser abzubilden, kurzfristige witterungsbedingte von langfristigen klimatischen Schwankungen zu trennen und die Modellierung seltener Arten zu verbessern. Das dabei entwickelte ?Deep Joint Species Distribution Model“ (deepJSDM) bildet die methodische Grundlage für die weiteren Teilprojekte innerhalb von bAImo. In Zusammenarbeit mit den anderen Teilprojekten von bAImo werden darauf aufbauend kosteneffiziente und zielgerichtete Beprobungsstrategien entwickelt. Damit wird bAImo die Grundlage für ein pr?ziseres Verst?ndnis von Insektentrends und für gezielte Schutzma?nahmen in Bayern schaffen.