Ein Forschungsteam der TU Ilmenau hat gemeinsam mit Wissenschaftlern des Julius Kühn-Instituts eine neue Methode entwickelt, um Parasiten bei Wildbienen automatisch zu erkennen. Die Studie „Deep learning based detection of wild bee parasites under natural conditions“ wurde in der Fachzeitschrift Ecological Informatics veröffentlicht: doi.org/10.1016/j.ecoinf.2026.103754
Wildbienen sind Bestäuber vieler Pflanzen und unverzichtbar für unsere Ökosysteme und die Landwirtschaft. Seit 2018 wird daher jährlich am 20. Mai der Welttag der Bienen gefeiert, um auf die Bedeutung von Honig- und Wildbienen für Biodiversität und Nahrungsmittelsicherheit aufmerksam zu machen.
Denn weltweit gibt es zwar mehr als 20.000 Wildbienenarten. Von den mehr als 550 Arten in Deutschland ist jedoch fast die Hälfte bedroht – durch Versiegelung von Landschaften, Herbizide und das Wegfallen von Nahrungsquellen, aber auch durch Parasiten, die ganze Populationen schwächen oder gar vollständig auslöschen können.
Bislang konzentrierte sich ihre automatisierte Beobachtung vor allem auf Honigbienen unter Laborbedingungen. Eine neue Studie mit dem Titel „Deep learning based detection of wild bee parasites under natural conditions“ untersucht die Wildbienen dagegen direkt in ihrer natürlichen Umgebung. Dabei konzentrierten sich die Forschenden auf zwei Parasitenarten: Fächerflügler (Stylopidae) und Larven von Ölkäfern (Meloidae).
Die Herausforderung dabei, so Svetlana Ionova, Erstautorin der Studie und Doktorandin im Fachgebiet Data-intensive Systems and Visualization (dAI.SY):
Die Parasiten sind winzig, auf Bildern oft unscharf und in komplexen Naturaufnahmen schwer zu erkennen.
Um dennoch zuverlässige Ergebnisse zu erzielen, entwickelte das Forschungsteam ein KI-gestütztes Erkennungssystem auf Basis eines modernen Bildanalyseverfahrens. Zusätzlich setzten die Wissenschaftler*innen vom Fachgebiet dAI.SY künstlich erzeugte Trainingsbilder ein, um die begrenzte Menge verfügbarer Naturaufnahmen zu erweitern. Mitautor Dr. Marco Seeland erklärt:
Unsere Ergebnisse zeigen, dass die Methode Parasiten sehr genau erkennen kann: Das Modell erreichte eine hohe Präzision von 0,96 bei der Erkennung von Stylopidae sowie 0,85 bei der Erkennung von Larven der Meloidae.
Besonders praxisrelevant: In einer Testanwendung konnte der Aufwand für die manuelle Bildkontrolle drastisch reduziert werden – von rund 2.500 Bildern auf nur noch 31, die von Forschenden überprüft werden mussten. Damit könnte die Technologie künftig helfen, Biodiversität effizienter und kostengünstiger zu überwachen.
„Wildbienen spielen eine zentrale Rolle für funktionierende Ökosysteme. Mit unserer KI-gestützten Methode können Parasiten erstmals auch unter realen Freilandbedingungen deutlich effizienter erkannt werden. Das eröffnet neue Möglichkeiten für das Biodiversitätsmonitoring und den Schutz wichtiger Bestäuberarten“, resümiert Svetlana Ionova.
Die Studie entstand in Zusammenarbeit mit Henri Greil vom Julius Kühn-Institut im Rahmen des Projekt „BeesUp“, das durch das Bundesamt für Naturschutz gefördert wird.
Originalpublikation
Svetlana Ionova, Henri Greil, Patrick Mäder, Marco Seeland, Deep learning based detection of wild bee parasites under natural conditions, Ecological Informatics, Volume 95, 2026, 103754, ISSN 1574-9541, https://doi.org/10.1016/j.ecoinf.2026.103754.
Mehr Infos zum Projekt „BeesUp“ und zum Thema Künstliche Intelligenz zur Wildbienenerkennung gibt es auch bei der Ilmenauer Wissenschaftsnacht am 20. Juni 2026.
Kontakt
Dr. Marco Seeland
Data-intensive Systems and Visualization Group (dAI.SY)