Sprache der Mäuse: Neue KI-Methoden helfen bei Entschlüsselung

Mäuse kommunizieren über komplexe Ultraschallvokalisationen, die für Menschen nicht hörbar sind. Wie diese akustischen Signale soziales und sexuelles Verhalten steuern ist bislang nur unzureichend verstanden ‒ nicht zuletzt aufgrund technischer Hürden.

Eine kürzlich veröffentlichte Publikation des Konrad-Lorenz-Instituts für Vergleichende Verhaltensforschung (KLIVV) der Vetmeduni in Wien, Österreich, in Zusammenarbeit mit Forschenden am Institut für Schallforschung (ISF) der Österreichischen Akademie der Wissenschaften bietet nun einen umfassenden Überblick über die neuesten bioakustischen Methoden und Verfahren des maschinellen Lernens zur Erforschung der akustischen Kommunikation von Nagern.

Die Forschenden identifizieren zudem bestehende technologische Herausforderungen und skizzieren zukünftige Entwicklungen in der Verhaltensbiologie und Bioakustik.

KI-gestützte Methoden machen effizientere und präzisere Analysen möglich

Die Analyse tierischer Lautäußerungen ist eine äußerst anspruchsvolle Aufgabe in der Verhaltensbiologie. Dies gilt nicht zuletzt auch für die Untersuchung der Ultraschallrufe von Hausmäusen (Mus musculus). Denn in bioakustischen Analysen wird häufig mit enormen Datenmengen gearbeitet, deren manuelle Auswertung bislang viel Zeit und Arbeitsaufwand erfordert hat. Neue Ansätze aus der Bioakustik, der Künstlichen Intelligenz (KI) und dem Machine Learning (ML) ermöglichen eine Automatisierung dieser Prozesse und verbessern zugleich die Aussagekraft der Analysen. „Lange Zeit war die Forschung zur Tierkommunikation durch den Aufwand bei der Aufbereitung und Analyse von Audiodaten begrenzt. Heute ermöglichen neue KI-gestützte Methoden wesentlich effizientere und präzisere Analysen“, erklärt Sarah M. Zala (KLIVV), Letztautorin der Studie.

Mehr Fehlerkultur in Datenverarbeitung und -analyse

Auf Basis bestehender Studien geben die Forschenden einen umfassenden Überblick über aktuell verfügbare Werkzeuge zur Verarbeitung und Analyse von Mäusevokalisationen. Besonderes Augenmerk legte das Team auf die einzelnen Schritte der Datenverarbeitung – von der Aufzeichnung und der Signalvorverarbeitung über die automatische Erkennung von Ultraschallvokalisationen bis hin zu deren Klassifikation und Auswertung. Ziel zukünftiger Studien sei es, so Zala, „Fehler in jedem Verarbeitungsschritt zu minimieren und ihre Fortsetzung entlang der Analyse-Pipeline zu verhindern“.

Chancen und Grenzen der Automatisierung

Der Vergleich etablierter signalverarbeitender Verfahren mit Methoden des maschinellen Lernens zeigt, dass die automatisierte Erkennung von Vokalisationen in den vergangenen Jahren erhebliche Fortschritte gemacht hat. Gleichzeitig bestehen weiterhin Herausforderungen – etwa bei der Unterdrückung von Hintergrundgeräuschen, der verlässlichen Verfolgung von Frequenzverläufen und der Extraktion biologisch relevanter Merkmale.

Referenzdatensätze: Der Goldstandard bleibt die manuelle Annotation

Ein weiterer Schwerpunkt der Studie war die Analyse der gängingen Klassifikationsmodelle, die für Mäuserufe Anwendung finden. Die Klassifizierung der Lautäußerungen ist besonders anspruchsvoll, da einige Rufe bzw. Rufarten klar voneinander abgrenzbar sind, während andere fließende Übergänge zeigen.

Die Forschenden betonen daher die Bedeutung hochwertiger, manuell kuratierter Datensätze als Referenz für das Training und die Validierung automatisierter Verfahren. „Aus diesem Grund schlagen wir ein neues hierarchisches Rahmenwerk zur Klassifikation von Ultraschallvokalisationen vor“, betont Dustin J. Penn (KLIVV), Letztautor der Studie, und ergänzt: „Automatisierte Methoden sind nur so gut wie die Daten, mit denen sie trainiert und validiert werden. Sorgfältig erstellte Referenzdatensätze sind und bleiben der unverzichtbare Goldstandard.“

Hohes Potenzial für neue Einblicke in Tierkommunikation und Sozialverhalten

Offene Datensammlungen und standardisierte Analyseverfahren werden nach Ansicht der Forschenden künftig eine Schlüsselrolle für den wissenschaftlichen Fortschritt spielen. Langfristig könnten KI-gestützte Methoden dazu beitragen, die in Tiersignalen enthaltenen Informationen zu entschlüsseln. So können sie dazu beitragen, neue Einblicke in Tierkommunikation und Sozialverhalten zu gewinnen.

Schon jetzt leisten die Ergebnisse der Studie einen wichtigen Beitrag zur Verhaltensforschung, sagt Penn: „Unsere Resultate bieten eine klare und praxisnahe Orientierung für Forschende in Verhaltensbiologie und Bioakustik und ebnen den Weg für die nächste Generation automatisierter Werkzeuge zur Analyse der Tierkommunikation.“