Künstliche Intelligenz macht versteckte Invasion im Wald sichtbar
Forschenden gelingt es erstmals, mit Hilfe von Drohnen und Künstlicher Intelligenz (KI) die unter Baumkronen verborgene invasive Baumart Götterbaum zu kartieren. An der Untersuchung beteiligt ist mit Prof. Dr.-Ing. Rolf Becker ein Forscher der Hochschule Rhein-Waal (HSRW). Er stellt dem Forschungsteam der Justus-Liebig-Universität Gießen (JLU) mit dem Earth Observation Lab (EO-Lab) eine wichtige Infrastruktur zur Verfügung.
Bildnachweis: © Harley Nelson Lara Alonso - Hochschule Rhein-Waal
Wie lässt sich eine invasive Pflanzenart im Unterwuchs eines Waldes aufspüren? Dafür hat das Forschungsteam der JLU eine neuartige Methode entwickelt: Mit handelsüblichen Drohnen, Schrägluftbildern aus mehreren Blickwinkeln und Künstlicher Intelligenz gelang es erstmals, den invasiven Götterbaum (Ailanthus altissima) auch dort zu kartieren, wo er bislang unsichtbar blieb – unter dem Kronendach eines dürregeschädigten Waldes in Südhessen.
Invasive Arten wie der Götterbaum können heimische Ökosysteme erheblich verändern – auch in Nordrhein-Westfalen nimmt die Verbreitung des Götterbaums mit steigenden Temperaturen zu. Ihr Monitoring aus der Luft stößt jedoch an Grenzen: Gängige Verfahren werten sogenannte Orthomosaike aus – das sind aus vielen Einzelbildern zusammengesetzte, von oben betrachtete Gesamtkarten. Was unter den Baumkronen verborgen liegt, bleibt dabei systematisch unsichtbar. Genau hier setzt die Studie an. Die Forschenden werteten die unbearbeiteten Originalaufnahmen der Drohne mit KI aus und verknüpften die Ergebnisse zu einem dreidimensionalen Modell des Waldes. Das Ergebnis war eindeutig: Über 40 Prozent des tatsächlichen Götterbaum-Befalls lagen verborgen unter dem Kronendach – und wären mit herkömmlichen Methoden unentdeckt geblieben.
„Ein erheblicher Teil dieser Invasion spielt sich im Verborgenen ab, unter dem Kronendach“, erläutert PD Dr. André Große-Stoltenberg von der JLU. „Erst die Kombination aus Schrägluftbildern und Künstlicher Intelligenz macht diese versteckte Invasion sichtbar – und liefert ein realistisches Bild ihres tatsächlichen Ausmaßes.“ Ein weiteres Ergebnis überraschte das Team: Die KI-Modelle arbeiteten genauer, wenn sie mit den unbearbeiteten Originalaufnahmen trainiert wurden, statt mit den sonst üblichen, aufwendig zusammengesetzten Orthomosaiken. „Das vereinfacht den Arbeitsablauf und macht die Methode für die Praxis attraktiv“, so Marcel Dogotari. Der Absolvent der HSRW war zunächst wissenschaftlicher Mitarbeiter an der HSRW; seit 2021 ist er an der JLU.
„Marcel Dogotari hat seine akademischen Wurzeln an der Hochschule Rhein-Waal und war langjähriger Mitarbeiter in meinem Team. Für seine innovativen Sensorentwicklungen nutzt er nach wie vor die Infrastruktur unseres Earth Observation Labs. Für uns ist diese Kooperation mit der Universität Gießen eine fantastische Möglichkeit, gemeinsam an ökologisch drängenden Zukunftsfragen zu forschen“, so Professor Dr.-Ing. Rolf Becker, Professor für Physik mit dem Schwerpunkt Sensorik und Mechatronik an der HSRW und Mitautor der Studie.
Die Auswertung der unbearbeiteten Originalaufnahmen der Drohnenflüge erfolgte mittels neuronaler Netze, einem Verfahren des maschinellen Lernens zur automatisierten Erkennung von Bildinhalten. Anschließend projizierten die Forschenden die Ergebnisse mithilfe photogrammetrischer Verfahren auf eine georeferenzierte dreidimensionale Punktwolke des Waldes. Der Ansatz liefert nicht nur genauere Karten, sondern auch reichhaltigere räumliche Informationen und dürfte sich besser auf andere Gebiete übertragen lassen. Da er sich auf bereits vorhandene Bilddatensätze anwenden lässt, eröffnet er nach Einschätzung der Forschenden neue Möglichkeiten – für das Monitoring invasiver Arten ebenso wie für die Vegetationsforschung insgesamt. Damit könnte die Methode künftig Entscheidungen im Natur- und Umweltschutz unterstützen.
Die Arbeit ist im Projekt MonA (Monitoring von naturschutzrelevanten Arten und Renaturierungsmaßnahmen per Fernerkundung) entstanden, das durch den Hessischen Biodiversitätsforschungsfonds des Hessischen Landesamtes für Naturschutz, Umwelt und Geologie (HLNUG) gefördert wurde. Die Ergebnisse wurden in der Fachzeitschrift „ISPRS Open Journal of Photogrammetry and Remote Sensing“ veröffentlicht.
Publikation Marcel Dogotari, Till Kleinebecker, Rolf Becker, André Große-Stoltenberg: Mapping understorey tree invasion in a drought-affected forest using multi-view UAV imagery and deep learning, ISPRS Open Journal of Photogrammetry and Remote Sensing, Volume 21, 2026, 100133, ISSN 2667-3932. https://doi.org/10.1016/j.ophoto.2026.100133