BaySenseAI

Anthropogenic biodiversity loss is a global concern and a national and federal priority, in particular in the context of climate change. Nevertheless, our information on current biodiversity status and change is still very incomplete. Technological advances in environmental and species sensing, coupled with appropriate AI systems, could make it possible, for the first time, to measure biodiversity at scale – i.e. over large spatial extents and at high resolution and frequency. Realizing this vision, however, requires combining specialized skills from multiple disciplines. This proposal brings together a interdisciplinary team of experts in environmental sensing, biodiversity research, and artificial intelligence. Using a case study in the Bavarian alps (Berchtesgaden National Park), we will develop a scalable next-generation biodiversity observation and prediction platform, synergistically combining cutting-edge technologies from AI/deep learning, remote and proximal sensing as well as modern biodiversity sensors such as metabarcoding, visual image analysis and bioacoustics. Our goal is to develop a foundational AI model that can incorporate multimodal inputs (images, tabular data, time series), as well as incomplete local species observations from rapid assessment tools, to predict species compositions at scale and with high accuracy. The case study will be used to train this model in automatically selecting new sampling locations, so that it could later be scaled to act as an observation platform for the entire Bavarian state. Our research program will deliver multiple scientific and societal benefits, including better understanding of the drivers of species distribution and abundance; efficient data generation pipelines; a scalable biodiversity model; and low-marginal-cost biodiversity maps to improve policy planning.

Der durch den Menschen verursachte Verlust an biologischer Vielfalt, insbesondere im Kontext des Klimawandels, ist sowohl ein globales Problem als auch eine nationale und f?derale Priorit?t. Trotz der breiten Aufmerksamkeit für das Thema sind unsere Informationen über den aktuellen Zustand und die Ver?nderungen von ?kosystemen sehr unvollst?ndig. Ein Hoffnungstr?ger sind technologische Fortschritte im Bereich des Biodiversit?tsmonitorings, die es uns gekoppelt mit geeigneten KI-Systemen in Zukunft erm?glichen k?nnten, Biodiversit?tsver?nderungen in gro?em Ma?stab zu messen – d. h. über gro?e r?umliche Ausdehnungen und mit hoher Aufl?sung und H?ufigkeit. Die Verwirklichung dieser Vision erfordert jedoch die Kombination von Fachkenntnissen aus verschiedenen Disziplinen. Das hier vorgeschlagene Projekt vereint ein interdisziplin?res Team aus Experten für Umweltsensorik, Biodiversit?tserfassung und künstliche Intelligenz. Anhand einer Fallstudie im Nationalpark Berchtesgaden werden wir eine skalierbare Biodiversit?tsmonitoring- und Vorhersageplattform der n?chsten Generation entwickeln, die Spitzentechnologien aus den Bereichen Künstliche Intelligenz, Fern- und Naherkundung sowie moderne Biodiversit?tssensoren (z. B. Metabarcoding, visuelle Bildanalyse und Bioakustik) synergetisch kombiniert. Unser Ziel ist es, ein sogenanntes ?KI Foundation-Modell“ zu entwickeln, das aufgrund multimodaler Inputs (Bilder, Tabellendaten, Zeitreihen) sowie unvollst?ndiger lokale Artenbeobachtungen lokale Artenzusammensetzungen mit hoher Genauigkeit vorherzusagen kann. Im Rahmen einer Fallstudie wird dieses Modell auch auf die automatische Auswahl neuer Daten trainiert, so dass es sp?ter auf eine Beobachtungsplattform für ganz Bayern erweitert werden kann. Das hier vorgeschlagene Forschungsprogramm ist in vielerlei Hinsicht von wissenschaftlichem und gesellschaftlichem Interesse: insbesondere erzeugt es ein besseres Verst?ndnis der Faktoren, die für die Verbreitung und H?ufigkeit von Arten verantwortlich sind, effiziente Pipelines für Biodiversit?tsmonitoring, ein skalierbares Biodiversit?tsmodell und genaue Biodiversit?tsvorhersagen mit geringen Kosten für die Naturschutzplanung.