Wissenschaft | Geschichte | Forschung
KI soll Meeresschnee im Ozean chemisch entschlüsseln
Unterwasserkameras sehen Form, Größe und Transparenz von Meeresschnee – nicht aber seine Chemie. Ein US-Forschungsteam will KI darauf trainieren, aus Bildern auf Kohlenstoff, Nährstoffe und Mikroplastik zu schließen. Das könnte die Beobachtung der Ozeane deutlich effizienter machen.
Von Michael Beier ·
Im Ozean schneit es ständig. Allerdings besteht dieser Schnee weder aus Eis noch ist er weiß: Abgestorbenes Plankton, Ausscheidungen von Meerestieren, Mineralpartikel und anderes Material verklumpen zu kleinen Flocken und sinken langsam aus den oberen Wasserschichten in die Tiefe. Forschende nennen diesen dauernden Partikelregen „marine snow“ – Meeresschnee.
Was beinahe poetisch klingt, ist ein wichtiger Teil des globalen Kohlenstoffkreislaufs. In den Partikeln steckt organischer Kohlenstoff, der mit ihnen in tiefere Wasserschichten gelangen kann. Gleichzeitig transportiert Meeresschnee Nährstoffe und dient zahlreichen Tiefseelebewesen als Nahrung. Wie weit einzelne Partikel sinken und was unterwegs mit ihnen geschieht, entscheidet mit darüber, wie Kohlenstoff im Meer verteilt und gespeichert wird.
Kameras sehen viel – aber bisher nicht genug Das Problem: Moderne Unterwasserkameras können riesige Mengen dieser Partikel fotografieren. Größe, Form oder Transparenz lassen sich auf den Bildern erkennen. Doch ob eine Flocke besonders kohlenstoffreich ist, welche Mineralien sie enthält oder ob sich Mikroplastik darin befindet, lässt sich aus einem normalen Bild bislang nicht zuverlässig ablesen.
Genau hier setzt ein neues Forschungsprojekt der University of Rhode Island und der University of Maine an. Die US-amerikanische National Science Foundation stellt dafür knapp 700.000 US-Dollar bereit. Das dreijährige Projekt soll im Januar 2027 beginnen und bis Dezember 2029 laufen. Erste Bilder und Proben wurden bereits im Sommer 2026 gesammelt.
Zum Team gehören die Ozeanografin Melissa Omand von der University of Rhode Island sowie Meg Estapa und der KI-Forscher Chaofan Chen von der University of Maine. Sie wollen untersuchen, ob künstliche Intelligenz aus sichtbaren Eigenschaften von Partikeln auf deren Zusammensetzung schließen kann.
Das Labor liefert der KI die richtige Antwort Dafür reicht es nicht, der KI einfach tausende Unterwasserbilder zu zeigen. Die Forschenden wollen Fotos mit realen Proben und deren geochemischen Eigenschaften verknüpfen. So entsteht ein Datensatz, bei dem bekannt ist, wie bestimmte Partikel aussehen – und was tatsächlich in ihnen steckt.
Material dafür soll aus sechs großen ozeanografischen Feldkampagnen stammen. Die Untersuchungsgebiete reichen von der Küste Ghanas und dem äquatorialen Atlantik über den Schelf vor Neuengland bis zum Kalifornienstrom. Erfasst werden sollen neben chemischen Eigenschaften auch Informationen über Mikroplastik und den jeweiligen Fundort.
Die KI soll dabei möglichst nicht zur undurchsichtigen Blackbox werden. Ein Teil der Forschung beschäftigt sich deshalb mit interpretierbaren Modellen: Wissenschaftler sollen nachvollziehen können, welche Bildmerkmale für eine Vorhersage ausschlaggebend waren. Das ist besonders wichtig, wenn aus einem Foto später wissenschaftliche Aussagen über Kohlenstoff oder andere Stoffe abgeleitet werden sollen.
Mehr Wissen aus Bildern, die ohnehin entstehen Der mögliche Gewinn liegt vor allem im Maßstab. Die klassische Analyse von Meeresschnee ist aufwendig: Proben müssen gesammelt, im Labor untersucht und Bilder teilweise von Hand ausgewertet werden. Laut University of Maine verbrachte eine Doktorandin allein Monate damit, Partikel in Aufnahmen zu klassifizieren.
Eine zuverlässige KI könnte solche Analysen nicht ersetzen, aber erheblich ergänzen. Große Bildbestände ließen sich schneller auswerten, Expeditionen könnten mehr Informationen aus ihren Kameradaten gewinnen und Veränderungen des Kohlenstoff-, Nährstoff- oder Mikroplastiktransports könnten räumlich umfassender beobachtet werden.
Noch ist das allerdings das Forschungsziel – nicht das Ergebnis. Erst die kommenden Jahre sollen zeigen, wie zuverlässig sich chemische Eigenschaften tatsächlich aus sichtbaren Merkmalen ableiten lassen.
Gerade darin steckt die interessante Perspektive: Die Forschenden bauen nicht zwangsläufig einen völlig neuen Ozeansensor. Sie versuchen vielmehr, aus Bildern, die Unterwasserkameras ohnehin aufnehmen, eine zusätzliche Ebene wissenschaftlicher Information herauszuholen. Aus einer kleinen Flocke im dunklen Meer könnte so künftig deutlich mehr ablesbar werden als nur ihre Form.
Welche Prozesse im Meer könnten wir besser verstehen, wenn Millionen Unterwasserbilder automatisch ausgewertet würden?
Und wo sollte KI in der Forschung unterstützen – und wo bleibt die Laboranalyse unverzichtbar?