In den letzten paar Wochen unserer Themenschwerpunkt: Digitale BotanikWir haben den Umfang der Arbeit gesehen, die Herbarien weltweit leisten, um ihre Sammlungen zu digitalisieren und online zugänglich zu machen. Millionen von Belegexemplaren – darunter rund 7.3 Millionen im Königliche botanische Gärten, Kew und 4.6 Millionen bei der New York Botanical Garden – stehen Forschern, Studierenden und Pflanzenliebhabern weit über die Grenzen ihrer Institutionen hinaus zur Verfügung. Doch der Zugang ist nur der erste Schritt. 

Sobald diese Sammlungen online verfügbar sind, benötigen Nutzer weiterhin Möglichkeiten, um Exemplare in großem Umfang zu suchen, zu interpretieren und zu identifizieren. Forscher entwickeln daher entsprechende Tools, damit die Erkundung von Millionen von Exemplaren mehr wird, als sie einfach einzeln durchzuklicken. Hier sind drei nützliche Tools und Arbeitsabläufe, die in keiner Werkzeugkiste eines digitalen Botanikers fehlen sollten.

Wikidata: Vernetzen von verstreutem botanischem Wissen

WikidataWikidata, das Schwesterprojekt von Wikipedia, ist eine mehrsprachige, offene Wissensdatenbank, die dazu beiträgt, botanische Informationen zu verknüpfen, die oft isoliert voneinander existieren. Um welche Art von Informationen handelt es sich? So gut wie um alles: Pflanzenarten, Sammler, Publikationen, Expeditionen, Fundorte oder sogar DNA-Sequenzen. Jedes dieser Elemente kann einen eigenen Wikidata-Eintrag mit einer eindeutigen Kennung erhalten, der mit anderen Einträgen verknüpft werden kann und so ein zusammenhängendes Netzwerk botanischen Wissens schafft.

Für Botaniker liegt der eigentliche Wert von Wikidata in den Möglichkeiten, die diese Links eröffnen. Ein anschauliches Beispiel ist die Geschichte von Oxalis psoraleoides subsp. insipida, Die Sabine von Mering und Kollegen präsentieren in ihrer jüngsten VeröffentlichungMithilfe von Wikidata kann ein Nutzer diese Pflanze über mehr als zwei Jahrhunderte botanischer Forschung verfolgen: von Saint-HilaireSammlungen in Brasilien, bis Darwin Sauerklee Exemplar von Fernando de Noronhabis hin zu Alicia LourateigWikidata kann die Spurensuche auf ältere Sammlungen, namengebende Publikationen, molekulare Studien, DNA-Sequenzen, Blütenbesucher und traditionelle Verwendungszwecke ausweiten. Anders ausgedrückt: Wikidata kann einzelne Fakten oder Verknüpfungen, die Forschende sonst mühsam zusammensetzen müssten, zu einer zusammenhängenden Geschichte einer Pflanze, ihrer Namen, ihrer Sammler und ihrer Verwendungszwecke verbinden. Nutzer können diese Verbindungen erkunden, indem sie direkt in Wikidata suchen, bestehende Einträge verbessern, fehlende Informationen hinzufügen oder mithilfe der Suchfunktion übergreifende Fragen zu den Daten stellen. Wikidata-Abfragedienst.

Wikidata ersetzt weder Fachdatenbanken noch Herbariumskataloge oder taxonomisches Fachwissen. Sein Wert liegt vielmehr darin, diese miteinander zu verknüpfen und botanische Informationen leichter auffindbar, überprüfbar, wiederverwendbar und erweiterbar zu machen. Für alle, die mit digitalen Pflanzendaten arbeiten, bietet Wikidata die Möglichkeit, Brücken zwischen verstreutem Wissen zu schlagen und dieses Wissen für andere zu erhalten.

Herbariograph: die verborgene Unordnung der Herbariumsbilder sortieren

Digitalisierte Sammlungen enthalten nicht nur saubere Herbarbelege. Sie können auch Illustrationen, Mikroskop-Präparate, Textseiten, verdeckte Belege, beschädigte Dateien und viele andere Bildtypen umfassen. Bevor Forschende diese Bilder nutzen können, müssen sie wissen, was sich tatsächlich im Stapel befindet. Hier kommt die Erkenntnis ins Spiel. Herbariograph kommt in.

Herbariograph, Das von Fabio Andrés Ávila und Kollegen entwickelte Deep-Learning-Tool dient der Erkennung gängiger Bildtypen in Sammlungsdatenbanken. Die Forscher erstellten dazu einen offenen Datensatz mit 17 Bildkategorien, die jeweils durch 12,288 Bilder aus 43 Institutionen repräsentiert werden. Anschließend trainierten sie ein Bilderkennungsmodell, um verschiedene Arten von Bildern botanischer Sammlungen zu unterscheiden, darunter Herbarbelege, Illustrationen, Mikroskopaufnahmen, Texte, lebende Pflanzen, beschädigte Akten und andere problematische Bilder. Herbariograph kann große Mengen von Sammlungsbildern sortieren, bevor Forscher oder Kuratoren mit der detaillierteren Arbeit beginnen.

Dadurch eignet es sich hervorragend als erster Schritt in der digitalen Herbariumsarbeit. Ein Forscher, der Blattmerkmale untersucht, benötigt möglicherweise nur Standard-Belegbögen; ein KI-Forscher möchte eventuell Illustrationen oder beschädigte Dateien entfernen; ein Kurator möchte möglicherweise Bilder von geringer Qualität kennzeichnen. Anstatt Tausende von Dateien manuell zu öffnen, Herbariograph Sie kann die erste Sortierrunde durchführen. Sie ersetzt zwar nicht das menschliche Urteilsvermögen, kann aber den Weg von „Millionen von Bildern online“ zu „den richtigen Bildern für diese Frage“ deutlich verkürzen.

Von Experten geprüfte Datensätze: KI mit besseren Herbariumbildern trainieren

Die automatisierte Pflanzenbestimmung klingt nach etwas, das mit Millionen online verfügbarer Herbarbelege deutlich einfacher werden sollte. Doch es gibt einen Haken: Modelle der künstlichen Intelligenz sind nur so gut wie die Bilder und Beschriftungen, mit denen sie trainiert werden. Ist der Datensatz unausgewogen, enthält er viele Duplikate oder veraltete bzw. zweifelhafte Bestimmungen, neigt das Modell dazu, falsche Muster zu lernen. Die von Jed Arno und Kollegen entwickelte Pipeline Dieser Artikel befasst sich mit dem weniger glamourösen, aber unerlässlichen Schritt: Wie lassen sich zuverlässige Bilddatensätze aus digitalisierten Herbariumsammlungen erstellen, bevor man KI mit der Pflanzenidentifizierung beauftragt?

Die Pipeline sammelt digitalisierte Bilder von Pflanzenexemplaren aus GBIF, verarbeitet sie vor, gleicht die Repräsentation verschiedener Taxa aus und fügt Taxonbezeichnungen hinzu, die anschließend von Experten überprüft werden können. Das Team testete sie an zwei Pflanzenfamilien: den Cyperaceae, einer schwer zu erfassenden Gruppe der Monokotyledonen, und den Rhamnaceae, einer Familie der Eudikotyledonen. Sie nutzten die Datensätze, um Deep-Learning-Modelle auf Gattungsebene in beiden Familien und auf Artebene in der zweiten Familie zu trainieren. Bulbostylis und ZiziphusIn den Tests war der erste vom Modell vorgeschlagene Gattungsname in mindestens 72 % der Fälle korrekt. Der korrekte Gattungsname war in mindestens 88 % der Fälle unter den drei besten Vorschlägen und in mindestens 92 % der Fälle unter den fünf besten. Auf Artebene war der erste Vorschlag in 65 % der Fälle korrekt. Bulbostylis und 72% für ZiziphusDer Wert stieg auf 89 % bzw. 90 %, wenn fünf Vorschläge zugelassen wurden.

Der Wert dieser Pipeline liegt darin, dass sie Taxonomen die Arbeit in größerem Umfang erleichtert. Kuratoren und Forscher können sie nutzen, um einen übersichtlicheren Bilddatensatz zu erstellen, ein Bestimmungsmodell zu trainieren und Namensvorschläge für zahlreiche Exemplare zu generieren. Diese Vorschläge erfordern zwar weiterhin die Expertise von Fachleuten, insbesondere bei schwierigen Artengruppen, können aber helfen, Prioritäten zu setzen, wahrscheinliche Fehler aufzuzeigen und routinemäßige Bestimmungen zu beschleunigen.

Diese Werkzeuge zeigen gemeinsam, dass es in der digitalen Botanik nicht nur darum geht, Belege online zu stellen, sondern auch darum, sie leichter auffindbar, sortierbar, vernetzbar und nutzbar zu machen. Keines dieser Werkzeuge ersetzt botanisches Fachwissen. Vielmehr tragen sie dazu bei, dieses Fachwissen zu erweitern: Sie ermöglichen die Bearbeitung einer größeren Anzahl von Belegen, Sammlungen und Fragestellungen, als eine einzelne Person allein bewältigen könnte.

LERN MEHR:

Ávila FA, Park JY, Feder L, Little DP. 2025 Herbariograph: ein Deep-Learning-Tool zur Klassifizierung von Probenbildern. New Phytologist. https://doi.org/10.1111/nph.70447

Arno J, Morel J, Rasaminirina F, et al. 2025 Eine Pipeline zur Zusammenstellung von expertengeprüften Datensätzen digitalisierter Herbarbelege für die automatisierte Pflanzenidentifizierung, um die Taxonomie zu beschleunigen. Pflanzen, Menschen, Planet. https://doi.org/10.1002/ppp3.70149

von Mering S, Leachman S, Santos J, Meudt HM. 2025 Wikidata für Botaniker: Vorteile der Zusammenarbeit und des Teilens von Linked Open Data. Annals of Botany 136: 491-511. https://doi.org/10.1093/aob/mcaf062