Forschungslabor in der Tasche: KI wertet Millionen Handyfotos von Pflanzen aus

Pflanzen steuern, wie viel CO₂ die Erde bindet, wie widerstandsfähig Landschaften gegen Hitze und Dürren sind – und wie stabil ganze Ökosysteme bleiben. Doch bislang fehlten dafür weltweit vergleichbare Daten. Internationale Forschungsteams, unter anderem unter Leitung der Albert-Ludwigs-Universität Freiburg, zeigen nun, dass sich diese Lücke schließen lässt.

Zwei aktuelle Studien zeigen, wie Beobachtungen aus der Bevölkerung und moderne Datenanalyse zusammenwirken: Millionen Smartphone-Fotos aus der Bevölkerung, kombiniert mit Satelliten-, Klima- und Bodendaten, ermöglichen erstmals präzise globale Karten zentraler Pflanzeneigenschaften. Künstliche Intelligenz erkennt aus Alltagsbildern, wie hoch Pflanzen wachsen, wie groß ihre Blätter sind und wie sie auf Umweltveränderungen reagieren – genauer und flächendeckender als bisherige Methoden.

Wie Pflanzen Veränderungen in ihrer Umwelt anzeigen

Pflanzen reagieren sensibel auf ihre Umgebung. Temperatur, Wasser und Boden bestimmen, wie sie wachsen. Wird es trockener, bleiben Blätter kleiner. Nimmt die Hitze zu, verlangsamt sich das Wachstum. Solche messbaren Eigenschaften nennen Forscher funktionelle Merkmale. Sie zeigen an, wie stark Pflanzen unter Stress stehen und wie gut sie sich an neue Bedingungen anpassen.

Diese Merkmale sind entscheidend für ganze Ökosysteme. Sie beeinflussen, wie viel Kohlenstoff Landschaften speichern und wie widerstandsfähig Vegetation gegenüber Dürren oder Hitzewellen ist. Für Klimamodelle sind sie deshalb zentral.

Professor Teja Kattenborn erklärt den Ansatz so: „Beobachtungen aus der Bevölkerung eröffnen neue Möglichkeiten, Pflanzenmerkmale weltweit vergleichbar zu erfassen.“ Alltagsfotos und Umweltinformationen werden systematisch zusammengeführt – und machen globale Muster erstmals sichtbar.

Millionen Beobachtungen erweitern den Blick auf die Erde

Eine der beiden Studien setzt auf die systematische Auswertung riesiger Sammlungen von Pflanzenbeobachtungen aus Natur-Apps und internationalen Biodiversitätsdatenbanken. Diese Meldungen stammen aus der ganzen Welt und wurden mit klassischen Vegetationsaufnahmen, bestehenden Merkmalsdaten sowie hochaufgelösten Klima-, Boden- und Satelliteninformationen verknüpft. Auf dieser Basis trainierten die Forscher Modelle, die globale Karten zentraler Pflanzenmerkmale berechnen – etwa Blattfläche, Stickstoffgehalt, Wuchshöhe oder Holzdichte.

Der zentrale Fortschritt liegt in der räumlichen Abdeckung. Bisherige Datensätze stützten sich vor allem auf Feldmessungen aus gut erschlossenen Regionen. Große Teile der Erde – etwa Gebirgsräume, Feuchtgebiete oder tropische Regionen – blieben lückenhaft dokumentiert. Feldarbeit ist dort teuer, zeitaufwendig oder kaum möglich. Durch die Einbindung von Beobachtungen aus der Bevölkerung konnten diese weißen Flecken gezielt geschlossen. Die neuen Karten erfassen 31 Pflanzenmerkmale und erreichen je nach Merkmal eine Auflösung bis hinunter zu einem Quadratkilometer.

„Für die meisten Pflanzeneigenschaften konnten wir so die ersten globalen Karten überhaupt erstellen“, sagt Daniel Lusk, Erstautor der Studie. Besonders in abgelegenen Regionen, in denen bislang kaum Messungen vorlagen, seien die Verbesserungen deutlich. Die Ergebnisse zeigen zudem eine höhere räumliche Übertragbarkeit und geringere Unsicherheiten als frühere globale Kartierungen.

Wenn Künstliche Intelligenz Alltagsfotos auswertet

Der zweite Forschungsansatz geht noch einen Schritt näher an einzelne Beobachtungen heran. Hier analysiert ein KI-System direkt Smartphone-Fotos, die Menschen im Alltag aufnehmen. Das Modell erkennt Formen, Farben und Strukturen von Pflanzen und schätzt daraus konkrete Eigenschaften wie Blattfläche, Pflanzenhöhe, spezifische Blattfläche oder den Stickstoffgehalt.

Entscheidend ist die Kombination der Bildinformationen mit Kontextdaten. Aus den im Foto gespeicherten Standortangaben werden automatisch passende Klimadaten abgerufen, etwa zu Temperatur oder Niederschlag. Jede einzelne Vorhersage bleibt zunächst unsicher. Erst durch die Zusammenführung vieler tausend Bilder entsteht ein stabiles räumliches Muster, aus dem sich globale Karten ableiten lassen. Das System berücksichtigt dabei auch Bildqualität und Unsicherheiten, um fehlerhafte Aufnahmen geringer zu gewichten.

„Unsere Ergebnisse zeigen, dass sich ökologische Informationen tatsächlich in Alltagsfotos erkennen lassen“, sagt Ayushi Sharma, Erstautorin der Studie. Aus vielen Einzelbildern entstehe so ein belastbarer Überblick über die globale Pflanzenwelt – auch dort, wo klassische Messdaten bislang fehlen.

Bessere Daten, robustere Klimamodelle

Die Ergebnisse zeigen, welches Potenzial in der Verbindung aus moderner Datenanalyse und breiter Beobachtung steckt. Wo klassische Messnetze lückenhaft sind, liefern kombinierte Pflanzen- und Bilddaten neue Grundlagen für Klimamodelle. Sie machen regionale Unterschiede sichtbar und verbessern Abschätzungen zur Kohlenstoffspeicherung und Stabilität von Ökosystemen. Dass eine der Studien dafür international ausgezeichnet wurde, unterstreicht die Bedeutung dieses Ansatzes – fachlich wie gesellschaftlich.

Kurz zusammengefasst:

• Pflanzenmerkmale entscheiden mit über Klimarisiken, doch globale Messdaten fehlten lange – besonders in abgelegenen Regionen der Erde.
• Zwei Studien unter Leitung der Albert-Ludwigs-Universität Freiburg zeigen, dass Millionen Pflanzenbeobachtungen aus der Bevölkerung, kombiniert mit Satelliten- und Klimadaten sowie KI, diese Lücken schließen.
• Die neuen Karten verbessern Klimamodelle messbar, machen regionale Unterschiede sichtbar und liefern erstmals belastbare globale Daten zur Stabilität von Ökosystemen.

Übrigens: Während Alltagsfotos neue Einblicke in den Zustand von Pflanzen liefern, zeigen Satelliten inzwischen, wo Länder beim Umgang mit Hitze und Dürre vorankommen – und wo nicht. Wie diese Daten Klimaanpassung messbar machen, mehr dazu in unserem Artikel.

Bild: © Daniel Lusk