Wer quakt denn da? KI erkennt 14 Frosch- und Krötenarten an ihrem Ruf

An einem lauen Frühlingsabend am Teich ist schnell klar: Hier ist etwas los. Wer genau da knarrt, trillert oder gluckst, wissen dagegen meist nur Fachleute. Ein Team aus Dresden hat einer künstlichen Intelligenz jetzt beigebracht, genau das herauszuhören. Das Modell heißt AnuraPAM und ordnet Tonaufnahmen automatisch 14 Frosch- und Krötenarten Mitteleuropas zu. Die Modelle stehen kostenlos zur Verfügung.

Entwickelt haben es Forschende der Senckenberg Naturhistorischen Sammlungen Dresden und der Arbeitsgruppe Bioakustik an der Hochschule für Technik und Wirtschaft (HTW) Dresden. Ihre Studie ist in der Fachzeitschrift „Salamandra“ erschienen, Senckenberg hat sie am 30. Oktober 2026 vorgestellt.

Warum Frösche ein offenes Ohr brauchen Amphibien haben es schwer. Auf der weltweiten Roten Liste der Weltnaturschutzunion IUCN gelten 41 Prozent aller Amphibienarten als gefährdet. Die Bestände der Wirbeltiere in Süßgewässern sind zwischen 1970 und 2020 weltweit um 85 Prozent geschrumpft, und in Europa ist fast die Hälfte der Süßwasserlebensräume bedroht.

Wer Frösche und Kröten schützen will, muss wissen, wo sie vorkommen. Klassische Bestandsaufnahmen kosten aber viel Zeit und Geld und decken nur kleine Gebiete ab, wie Studienleiter Raffael Ernst von Senckenberg erklärt. Eine Alternative ist das passive akustische Monitoring, kurz PAM: Dabei werden die Geräusche eines Lebensraums fortlaufend aufgezeichnet – für Ernst „ein vielversprechender Ansatz“. Damit niemand die Aufnahmen mühsam von Hand auswerten muss, braucht es eine automatische Erkennung.

Von der Vogel-KI zum Froschkenner Genau hier setzt AnuraPAM an. Das Team nutzte BirdNET, eine Deep-Learning-Plattform, die für die Bestimmung von Vogelstimmen entwickelt wurde. Darauf trainierten die Forschenden vier Varianten eines Erkennungsmodells für 14 heimische Froschlurche. Darunter sind weit verbreitete Arten wie Erdkröte und Grasfrosch, aber auch Geburtshelferkröte und Kreuzkröte, die in Deutschland auf der Roten Liste als stark gefährdet geführt werden.

Das Trainingsmaterial stammt aus privaten Rufsammlungen, aus Tonaufnahmen zu Bestimmungsbüchern und aus wissenschaftlichen Online-Tonarchiven. Ein besonderer Schatz war eine private Sammlung mit rund 80 sorgfältig dokumentierten Aufnahmen – samt Angaben etwa zu Luft- und Wassertemperatur. Sie deckt alle 14 Arten ab, stammt von 54 Fundorten in elf europäischen Ländern und umfasst einen Zeitraum von 52 Jahren.

Wie gut hört die KI hin? Geprüft wurde das Modell mit Aufnahmen, die nicht für das Training verwendet worden waren. Das Ergebnis: Für die meisten untersuchten Arten funktioniert die automatische Bestimmung zuverlässig. Das beste AnuraPAM-Modell schnitt sogar besser ab als zwei frei verfügbare Vergleichsmodelle, obwohl es mit weniger Trainingsdaten auskam.

Eine knifflige Ausnahme gibt es: die Wasserfrösche. Teichfrosch, Kleiner Wasserfrosch und Seefrosch kreuzen sich miteinander – der Teichfrosch ist selbst eine solche Mischform. Weil sich ihre Rufmerkmale deshalb überschneiden, bleibt die Unterscheidung hier besonders schwierig.

Spannend ist ein weiterer Befund: Mehr Daten allein machen die KI nicht besser. Entscheidend seien vor allem Qualität, eine repräsentative Auswahl und die sorgfältige Beschriftung der Aufnahmen durch Fachleute, sagt Mitautor Florian Meerheim von der HTW Dresden.

Kostenlos für alle – auch für Hobby-Naturforscher Alle vier Modelle sind frei zugänglich und lassen sich in kostenlose Audio-Analyseprogramme wie BirdNET-Analyzer, PAMalyzer und Raven Intelligence einbinden. PAMalyzer wird an der HTW Dresden betreut und ist quelloffen. Laut Senckenberg funktioniert AnuraPAM außerdem mit der Android-App BatGizmo, die eigentlich für Fledermausrufe gedacht war.

Ernst sieht darin Potenzial für Citizen Science, also Projekte, bei denen Freiwillige Naturdaten sammeln. Ganz ohne menschliches Ohr geht es allerdings nicht: Ein Teil der automatisch erkannten Laute sollte von Hand überprüft werden, wie die HTW Dresden zu ihrem Programm PAMalyzer schreibt.

Für den Artenschutz ist das trotzdem ein echter Gewinn: Künftig lässt sich leichter verfolgen, wo welche Frösche und Kröten rufen – und ob Schutzmaßnahmen für sie tatsächlich wirken.