Das Schmuckbild zeigt einen Marienkäfer auf einem Pilz.
Das Sprachmodell soll automatisiert und kontinuierlich Erkenntnisse aus wissenschaftlichen Publikationen extrahieren und so Biodiversitätstrends in ganz Deutschland sichtbar machen.

KIBA-D

Kontinuierliche KI-basierte Biodiversitäts-Assessments für Deutschland

FEdA-Begleitforschung KIBA-D nutzt Sprachmodelle für kontinuierliche Biodiversitätsanalyse


Mit „KIBA-D“ beginnt ein neuer Weg in der Biodiversitätsforschung: Erstmals wird in Deutschland ein System entwickelt, das mithilfe Künstlicher Intelligenz (KI) automatisiert Informationen zum bundesweiten Zustand der biologischen Vielfalt aus digitalen Textquellen gewinnt und kontinuierlich auswertet – schnell, effizient und aktuell.

Das nun gestartete „Kontinuierliche KI-basierte Biodiversitäts-Assessments für Deutschland“, kurz: KIBA-D, baut auf dem Faktencheck Artenvielfalt auf, der den Zustand der Biodiversität in Deutschland erstmalig umfassend dokumentiert hat. In KIBA-D sollen mit diesem Datenfundus große Sprachmodelle (engl. Large Language Models; LLMs) trainiert werden. Das Ziel: diesen Datensatz mittels KI automatisiert fortschreiben und erweitern. Dafür sollen – nach strengen Regeln der Quellenbewertung – neben wissenschaftlichen Veröffentlichungen auch Behördenberichte, Stellungnahmen und Webseiten, möglicherweise sogar Social Media-Beiträge einfließen. Diese werden von der KI automatisiert gefunden, ausgewertet und in die von Faktencheck Artenvielfalt erarbeitete Struktur der Lebensräume, Treiber und Maßnahmen eingeordnet. Gefördert wird das Assessment als Begleitforschung der Zentralen Koordinierungsstelle der Forschungsinitiative zum Erhalt der Artenvielfalt (FEdA) vom Bundesministerium für Forschung, Technologie und Raumfahrt.

„Mit KIBA-D schaffen wir die Grundlage für ein lernfähiges System, das bundesweit und umfassend Biodiversitätsdaten kontinuierlich auswertet und Trends frühzeitig sichtbar macht“, sagt Koordinator Leonhard Hennig. „So gewinnen wir schneller belastbare Informationen für Politik, Wissenschaft und Gesellschaft.“ Das Assessment wird von dem Deutschen Forschungszentrum für Künstliche Intelligenz (DFKI), dem Deutschen Zentrum für integrative Biodiversitätsforschung Halle-Jena-Leipzig (iDiv), dem Unabhängigen Institut für Umweltfragen (UfU) und dem Öko-Institut e.V. umgesetzt und über einen Zeitraum von 18 Monaten durchgeführt.

Ergebnisse werden Anfang 2027 erwartet. Langfristig ermögliche das KI-System, das in KIBA-D entsteht, die Grundlage für ein umfassendes, kontinuierliches neues Biodiversitäts-Assessment im Jahr 2030. „Natürlich hoffen wir, dass unsere Sprachmodelle eines Tages auch international, zum Beispiel für IPBES-Reporte, eingesetzt werden können,“ setzt Hennig hohe Ziele.

Auch FEdA-Sprecher Volker Mosbrugger betont, warum es so wichtig ist, dass KIBA-D den umfangreichen Datensatz aus Faktencheck Artenvielfalt mit Hilfe von Sprachmodellen fortlaufend erweitert: „Wir bekämen erstmals ein System, das automatisiert und kontinuierlich Biodiversitätstrends in ganz Deutschland sichtbar macht. Dass das Sprachmodell die Erkenntnisse aus wissenschaftlichen Publikationen fortlaufend extrahiert, bedeutet eine enorme Zeitersparnis, gibt uns umfassende Einblicke in die Trends und Treiber der Biodiversitätskrise – und hilft uns, effiziente und umsetzbare Handlungsempfehlungen zu erarbeiten.“

KIBA-D wird als Modul in der Zentralen Koordination der FEdA, die zur Senckenberg Gesellschaft für Naturforschung gehört, mit rund einer Million Euro gefördert. Das Assessment knüpft an den renommierten Faktencheck Artenvielfalt an, der im Oktober 2024 erschienen. Mehr als 150 Wissenschaftlerinnen und Wissenschaftler aus 75 Institutionen hatten dafür rund 6.000 Studien ausgewertet und einen einmaligen Überblick über Trends und Ursachen des Biodiversitätsverlusts in Deutschland erstellt. KIBA-D steht exemplarisch für einen neuen, datengetriebenen Zugang zum Schutz der biologischen Vielfalt – und dafür, wie neue Technologien wie die Künstliche Intelligenz helfen können, Natur schneller und besser zu verstehen und gezielter zu bewahren.

Leonhard Hennig
Koordination Leonhard Hennig

Dr. Leonhard Hennig ist Senior Researcher und Projektleiter am DFKI Speech & Language Technology Lab. Sein Forschungsschwerpunkt liegt auf der Anwendung von Techniken des maschinellen Lernens auf Probleme der Computerlinguistik, wie beispielsweise automatisierte Informationsextraktion und -zusammenfassung.Â