BirdNET Live bringt die Erkennung von Tierstimmen offline aufs Smartphone

Mehr als ein Live-Detektor: Modi für Erhebungen

Die App bietet neben dem Live-Modus Funktionen, die auf längere oder strukturierte Beobachtungen zielen. Im Survey-Modus lassen sich längere Transekte erfassen; laut offizieller Funktionsbeschreibung gehören GPS-Tracking, Hintergrundmonitoring und Stichproben-Erkennung dazu. Der Point-Count-Modus ist für zeitlich begrenzte Erfassungen vorgesehen und kann Stationsmetadaten aufnehmen. [2]

Der Explore- beziehungsweise Entdecken-Modus verwendet ein Geomodell, um Arten vorherzusagen, die am jeweiligen Standort zu erwarten sind. Der t3n-Bericht beschreibt außerdem, dass Standortdaten während eines Survey-Durchgangs aufgezeichnet werden können und Point-Count Beobachtungen innerhalb eines festgelegten Zeitraums zählt. Solche Funktionen verbinden die akustische Erkennung mit einer stärker standardisierten Dokumentation des Erhebungskontexts. [1][2]

Aufgezeichnete Sessions können laut Anbieter geprüft, bearbeitet und mit Audiodateien exportiert werden. Die Projektseite nennt Raven Pro, CSV, JSON, GPX und ZIP als Exportoptionen; auch Google Play führt eine Analyse einzelner und mehrerer lokaler Audiodateien sowie einen Modus für längere Einsätze akustischer Aufzeichnungseinheiten auf. [2][5]

• Live-Modus: fortlaufende Darstellung eines Spektrogramms mit Erkennungsliste. [2]
• Survey-Modus: längere Erfassungen entlang einer Route mit GPS-Tracking. [2]
• Point-Count-Modus: zeitgesteuerte Erhebungen mit Stationsinformationen. [2]
• Export: unter anderem CSV, JSON, GPX und ZIP; die Projektseite nennt außerdem Raven Pro. [2]

Einsatzfelder und Bedeutung für Organisationen

Die Projektpartner richten BirdNET Live nicht nur an Hobby-Ornithologinnen und -Ornithologen, sondern insbesondere auch an Fachkräfte im Naturschutz, Forschende, Studierende und Citizen Scientists. Die App soll Tierlaute mit Orts- und Zeitangaben erfassen und lokal speichern; Aufnahmen können anschließend überprüft, exportiert oder zur Validierung mit Fachleuten geteilt werden. [3]

Die Universität Würzburg kündigt in der Pressemitteilung an, die App in der Lehre einzusetzen und für standardisierte Datenerhebungen bei Geländekursen und Abschlussarbeiten zu nutzen. Ein Mitarbeiter des RangerSound-Projekts beschreibt den Einsatz bei Kontrollgängen in Schutzgebieten als Ziel. Das sind Angaben und Anwendungserwartungen der beteiligten Institutionen, keine in den Quellen dokumentierten Langzeit-Ergebnisse eines flächendeckenden Betriebs. [3]

Für Organisationen liegt der praktische Nutzen damit zunächst in der Verbindung aus mobiler Erkennung, Aufnahmeverwaltung und strukturierten Modi. Exportformate können die Weiterverarbeitung in bestehenden Arbeitsabläufen unterstützen. Ob BirdNET Live für ein konkretes Monitoring-Protokoll genügt, hängt jedoch davon ab, welche Nachweise, Qualitätskontrollen und Datenformate die Organisation benötigt; die Quellen enthalten keine Evaluation für bestimmte behördliche oder betriebliche Verfahren. [2][3]

Daten, Datenschutz und Open Source

Die lokale Ausführung der Erkennung bedeutet, dass für die eigentliche Modellinferenz keine Internetverbindung erforderlich ist. Die Projektpartner schreiben, dass die App Daten mit Orts- und Zeitangaben lokal auf dem Smartphone speichert. Das ist für Feldarbeit mit eingeschränkter Verbindung praktisch; es sollte aber nicht mit einer vollständigen Aussage über sämtliche Datenflüsse der App gleichgesetzt werden. [2][3]

Im Google-Play-Eintrag gibt der Entwickler an, dass keine Daten erhoben und keine Daten an Drittunternehmen oder -organisationen weitergegeben würden. Der Store weist zugleich darauf hin, dass diese Angaben vom Entwickler bereitgestellt werden und je nach Nutzung, Region oder Alter variieren können. Die Aussage ist daher als Entwicklerangabe zur Datensicherheit einzuordnen, nicht als unabhängige Prüfung. [5]

Die offizielle Projektseite bezeichnet BirdNET Live als Open-Source-Projekt und verweist auf ein öffentliches Repository, in dem Interessierte Probleme melden oder Beiträge einreichen können. Auch die TU Chemnitz beschreibt die App als Ergebnis des geförderten Projekts RangerSound; die Entwicklung wurde nach der Pressemitteilung von der Deutschen Bundesstiftung Umwelt unterstützt. [2][3]

Was die Quellen über die Zuverlässigkeit aussagen – und was nicht

Der t3n-Bericht liefert einen konkreten, aber schmalen Praxiseindruck aus einer Balkonbeobachtung. Ergänzend zeigt eine Rezension im Google-Play-Eintrag, dass die App in einem Einzelfall zunächst eine Mönchsgrasmücke als Nachtigall erkannt und an dieser Zuordnung festgehalten habe. Einzelne Nutzungsberichte belegen weder eine allgemeine Schwäche noch eine bestimmte Fehlerrate; sie machen aber deutlich, weshalb eine angezeigte Art nicht ohne Weiteres als bestätigte Beobachtung gelten sollte. [1][5]

Die Pressemitteilung der Projektpartner nennt den Umfang des Artenspektrums und hebt die Offline-Nutzung hervor, enthält im bereitgestellten Text aber keine unabhängige Benchmark-Auswertung zur Erkennungsgenauigkeit. Auch der redaktionelle Test berichtet keine standardisierten Vergleichsmessungen. Aussagen zur Leistungsfähigkeit sind deshalb von den nachgewiesenen App-Funktionen zu trennen. [1][3]

Für den Einsatz in Forschung oder Naturschutz ist die App nach den Quellen darauf ausgelegt, Erkennungen nachträglich zu prüfen und Aufnahmen zur Validierung zu teilen. Als Analyse lässt sich daraus ableiten: BirdNET Live kann den Erfassungsprozess unterstützen, ersetzt anhand der vorliegenden Belege aber keine Qualitätssicherung, wenn Ergebnisse als belastbare Monitoringdaten verwendet werden sollen. [2][3]

Einordnung: ein Feldwerkzeug mit klarer Offline-Stärke

BirdNET Live verbindet ein großes angegebenes Artenspektrum mit Erkennung auf dem Gerät, strukturierten Erhebungsmodi und Exportmöglichkeiten. Die Kombination ist besonders auf Situationen zugeschnitten, in denen Beobachtungen unterwegs dokumentiert werden und eine Netzverbindung nicht zuverlässig verfügbar ist. Die App wird laut Projektseite für Android und iOS angeboten; Google Play weist für den dortigen Eintrag mehr als 50.000 Downloads aus. [2][5]

Der nächste Schritt für professionelle Anwenderinnen und Anwender ist weniger die Frage, ob sich eine Artenerkennung anzeigen lässt, sondern wie die Ergebnisse im eigenen Verfahren abgesichert werden. Dafür bieten Session-Prüfung, Audioexport und die Möglichkeit zum Teilen mit Fachleuten Ansatzpunkte. Wie gut diese Abläufe in konkrete Monitoringstandards passen und wie zuverlässig das Modell in unterschiedlichen Habitaten, bei Störgeräuschen oder wechselnder Mikrofonqualität arbeitet, beantworten die bereitgestellten Quellen nicht. [2][3]

Der t3n-Test stützt damit einen vorsichtigen Befund: Die Live-Erkennung funktionierte in der beschriebenen Alltagssituation schnell und lieferte mehrere plausible Bestimmungen. Für belastbare Aussagen zur wissenschaftlichen oder behördlichen Eignung wären darüber hinaus standardisierte Prüfungen nötig, die in den verfügbaren Quellen nicht dokumentiert sind. [1][3]

Quellen

1. [1] KI-App erkennt fast 9.000 Vogelarten – wir haben sie ausprobiert — https://t3n.de/news/birdnet-live-erkennt-fast-9-000-vogelarten-wir-haben-die-ki-app-ausprobiert-1767169 (abgerufen am 2026-10-18)
2. [2] BirdNET Live – Vogelerkennung in Echtzeit — https://birdnet.cornell.edu/live-app?lang=de (abgerufen am 2026-10-18)
3. [3] 27.07.2026: Vögel offline mit KI bestimmen: Neue App erfasst Tierlaute direkt auf dem Smartphone | TU Chemnitz — https://www.tu-chemnitz.de/tu/pressestelle/2026/07.27-10.05.html (abgerufen am 2026-10-18)
4. [4] BirdNET – KI-gestützte Klangerkennung — https://birdnet.cornell.edu/?lang=de (abgerufen am 2026-10-18)
5. [5] BirdNET Live – Apps bei Google Play — https://play.google.com/store/apps/details?hl=de&id=de.tu_chemnitz.mi.kahst.birdnet_live&referrer=utm_source%3Dgoogle%26utm_medium%3Dorganic%26utm_term%3Dbirdnet+live+erkennt+fast+9.000+vogelarten+%E2%80%93+wir+haben+die+ki-app+ausprobiert (abgerufen am 2026-10-18)