Entwicklung der Fledermaus-Datenanalyse (Nexus-Projekt)

 

Zusammenfassung der heutigen Erfolge

Heute haben wir die analytische Brücke zwischen den drei entscheidenden Datenquellen des Nexus-Projekts finalisiert: Umweltdaten (BME680), Akustik-Metadaten (TeensyBat) und Himmelsmechanik (Mondstand).

Das Hauptergebnis unserer intensiven Arbeit ist die Erstellung der FINAL_MASTER_DATENBANK_RUFE_PRO_SEKUNDE.csv. Diese Datenbank bildet die hochpräzise Grundlage für die detaillierte wissenschaftliche Auswertung von Fledermausverhalten und dessen Korrelation mit den erfassten Umweltbedingungen.

Wir konnten zwei kritische Hürden erfolgreich nehmen: die Eliminierung von Messfehlern durch die BME680-Optimierung und die Lösung des komplexen 3-Wege-Daten-Merges, um sicherzustellen, dass jeder Ruf seinen korrekten Umweltwert erhält.

---

1. ⚙️ Hardware-Basis und Datenqualität

Ein Hauptanliegen war die Einhaltung höchster Genauigkeit, die du in deiner Forschung verfolgst. Dies begann mit der Optimierung des BME680-Sensors. Wir haben die Gasheizung des BME680 in der NEXUS-Software deaktiviert. Diese Maßnahme verhindert eine interne Erwärmung des Sensors, die Temperatur und Druck verfälschen könnte, und stellt somit sicher, dass die aufgezeichneten Umweltdaten das tatsächliche Mikroklima widerspiegeln.

Gleichzeitig wurde die zeitliche Konsistenz gesichert: Wir nutzen die hochpräzise Hardware-RTC des NEXUS-Loggers und den GPS-Timefix des TeensyBat, um jeden Datenpunkt millisekundengenau zu verorten.

---

2. 🌌 Die astronomische Anreicherung

Die Fledermausaktivität ist stark vom Mondzyklus beeinflusst, daher war die retrospektive Berechnung des Mondstandes ein zentraler Punkt.

• Wir haben das Python-Skript bat_autostart_final.py mit der Skyfield-Bibliothek ausgestattet. Dieses Skript liest den GPS-Standort und den exakten Zeitstempel jedes Fledermausrufes aus dem WAV-Header.

• Darauf aufbauend berechnet das Skript die Mondphase, den Azimut und die Mondhöhe (Elevation).

• Das Ergebnis ist, dass jeder Ruf nun mit einem exakten Himmelsereignis verknüpft ist.

---

3. 🔗 Lösung der 3-Wege-Verknüpfung (Der "Merge")

Die größte technische Herausforderung war die Zusammenführung der Daten:

1. Segmentierung: Da BatDetect2 nur 2-Sekunden-Segmente analysiert, haben wir das Skript wav_teiler_mit_index.py erstellt. Dieses generiert einen Index, der die Brücke zwischen dem Segment und der Original-WAV-Datei herstellt.

2. Ruf-Präzision: Das Skript final_3way_merge.py berechnet den absoluten Zeitstempel jedes detektierten Rufes (bis auf die Millisekunde genau).

3. Finaler Merge: Mithilfe von Pandas merge_asof wird jeder Ruf über seinen hochpräzisen Zeitstempel mit dem zeitlich nächstgelegenen Umweltdatensatz (T, P, H) des NEXUS-Loggers verknüpft.

Dieser finale, korrigierte Prozess stellt sicher, dass unsere Datenbank die genaue Antwort auf die Frage liefert: "Welche Umweltbedingungen herrschten am genauen Ort und zur genauen Zeit des Fledermausrufes?"

---

4. 🚀 Automatisierung und Ausblick

Der gesamte Workflow wurde in die plattformspezifischen Skripte (.bat für Windows 11 und .sh für Linux Mint) übertragen und automatisiert. Nach der erfolgreichen Erstellung der FINAL_MASTER_DATENBANK_RUFE_PRO_SEKUNDE.csv beginnt nun die Auswertungsphase, die Spektrogramme, Aktivitätsgrafiken und die Pareto-Analyse umfasst.

Herzlich Willkommen - NEXUS ist da

Heute Morgen nahm der NEXUS zum ersten Mal seine Arbeit auf - um 00:03 Uhr lief der NEXUS stabil und sicher.

Leider hat der AIR530 (das GPS-Modul) durch einen Fehler im Datentransfer den Start verzögert (auf gut Deutsch - die Platine blinkt und zeigt auch einen Satelliten-Fix, sendet aber keinerlei Daten).

Sehr geehrte Damen und Herren - der NEXUS 

Fledermäuse als kostenlose Bio-Waffe gegen Agrar-Schädlinge: Meine These ist belegt!

Von der Intuition zur wissenschaftlichen Bestätigung

Als jemand, der seit Langem im Bereich der Fledermausforschung tätig ist und die Rufe und das Verhalten dieser faszinierenden Jäger analysiert, entwickelt man ein Gespür für ihre Rolle im Ökosystem. Ich hatte die Hypothese aufgestellt, dass der Große Abendsegler (Nyctalus noctula) der ideale natürliche Feind für den invasiven Japankäfer (Popillia japonica) sein könnte.

Meine These basierte auf der Biologie: Der Abendsegler ist eine unserer größten Fledermausarten, stark, schnell und kann nachweislich große, hartschalige Käfer wie den Maikäfer erbeuten. Er schien der perfekte Kandidat, um die ökologische Lücke zu füllen, die der aggressive, aus Asien stammende Japankäfer in unseren Agrarlandschaften hinterlässt.

Nun wurde diese Intuition durch die Wissenschaft bestätigt: Die aktuelle Studie von Kelling et al. (2026) liefert zwar keinen direkten Nachweis des Japankäfers, belegt aber die übergeordnete Rolle des Großen Abendseglers als zentraler biologischer Schädlingsbekämpfer in intensiv genutzten Agrarlandschaften.

Der Große Abendsegler im Detail: Ein hochwirksamer Schädlingsvertilger

Die Forscher untersuchten die Fledermäuse mittels hochauflösendem Tracking und genetischer Diätanalyse in Nordostdeutschland. Die präzisen Daten sind einleuchtend:

• 23% aller konsumierten Insekten wurden als Schädlinge (landwirtschaftlich, forstwirtschaftlich oder Plagegeister) klassifiziert.

• Wichtige Agrar-Schädlinge wie der Maikäfer (Melolontha melolontha) und der Sommer-Feldmaikäfer (Amphimallon solstitiale) stehen nachweislich auf dem Speiseplan.

• Die Jagd auf Schädlinge ist im Sommer am intensivsten, da die Fledermäuse in dieser Zeit die flugfähigen, reproduktiven Käfer dezimieren und so deren Ausbreitung und Eiablage verhindern.

Der Große Abendsegler ist somit nicht nur ein wichtiger Teil unseres Ökosystems, sondern ein kostenloser Ökosystem-Service für die Landwirtschaft.

---

Das Geheimnis der Jagd-Hotspots: Warum naturnahe Gebiete so wichtig sind

Doch die Studie zeigt auch die ökologische Abhängigkeit: Die Fledermäuse meiden reines Ackerland im Verhältnis zu seiner Verfügbarkeit (Log-Odds-Ratio ca. -0.5).

Sie zeigen jedoch eine sehr starke Präferenz für Gewässer und Feuchtgebiete (Log-Odds-Ratio ca. +0.9)! Dies sind ihre wahren Jagd-Hotspots.

Mein Beitrag: Das Jagd-Fenster präzise messen

Hier setzt mein eigenes Monitoring-Projekt an. Das Nexus-System zur Aufzeichnung von Umweltdaten spielt eine Schlüsselrolle, da Fledermäuse meteorologische Startbedingungen (Temperatur, Luftfeuchtigkeit, Druck) benötigen, um effizient zu jagen.

• Die Fledermäuse brauchen zuverlässige, nährstoffreiche Nahrung (wie Schwärme aquatischer Zuckmücken aus den Gewässern), um ihre energieintensive Jagd zu gewährleisten.

• Mit meinem TeensyBat nehme ich die Fledermausrufe auf und mit BatDetect2 analysiere ich die Rufe und Jagdbuzzes.

Die präzise Kombination dieser Daten hilft mir, die Korrelation zwischen Wetterbedingungen und der aktivsten Jagd zu dokumentieren. Wir müssen wissen, wann und wo der Abendsegler seine Energie holt, um jene naturnahen Oasen (wie die Gewässer) zu schützen, die seine Anwesenheit als Schädlingsbekämpfer auf dem Acker garantieren.

---

Fazit: Naturschutz ist Ernteschutz

Die wissenschaftliche Evidenz ist eindeutig: Der Große Abendsegler ist ein hochwirksamer biologischer Gegenspieler für Schädlinge. Um seine unschätzbare Leistung zu erhalten, muss die Landwirtschaft umdenken.

Der Schutz kleiner Gewässer, die Erhaltung von Altholzbäumen für Quartiere und die Reduktion von Pestiziden sind keine Belastung, sondern eine Investition in ein funktionierendes, nachhaltiges System.

Wer die Fledermäuse schützt, schützt die Ernte – und das ganz ohne Gift.

NEXUS: Was ist Essentiell, was ist Luxus? Ein Blick auf die Hardware-Prioritäten

Um die Wartezeit zu überbrücken, bis das neue Gehirn für den NEXUS eintrifft, habe ich mir diverse Gedanken gemacht – was ist wichtig an dem Logger, was ist verzichtbarer Luxus? Diese Priorisierung ist entscheidend, um den Fokus auf die wissenschaftliche Relevanz zu legen und das Projekt nicht zu überladen.

Essentiell: Der Kern der Kontextualisierung

Die essenzielle Ausstattung definiert den minimal notwendigen Kontext, um einen Fledermausruf wissenschaftlich interpretierbar zu machen. Die Wahl ist hier kein Zufall, sondern direkt an die Ökologie der Fledermäuse und die Physik der Schallausbreitung gekoppelt.

Die wichtigsten Sensoren und ihre Relevanz:

• GPS-Ort & GPS-Zeitstempel: Zwingend notwendig. Diese Synchronisation ist das Herzstück des NEXUS. Sie garantiert, dass jeder Ruf (der z.B. vom TeensyBat aufgenommen wird) exakt einer Koordinate und einer Sekunde zugeordnet werden kann.

• Temperatur, Luftfeuchtigkeit, Luftdruck: Beeinflusst die Schallausbreitung (Luftdichte) und die Insektenaktivität. Ein kalter, windiger Abend führt zu weniger Jagdflügen, was ohne diese Daten falsch interpretiert werden könnte.

• Windstärke und -richtung: Sehr wichtig. Fledermäuse wählen Flugrouten oft in Abhängigkeit vom Wind (z.B. fliegen sie gegen den Wind, um stabiler zu sein). Windböen stören zudem die Echoortung. Die Erfassung erfolgt über Interrupts zur präzisen Durchschnittsberechnung.

• Bewölkungsgrad und Mondstand: Obwohl manuell erfasst, liefern diese Daten den visuellen Kontext zur Helligkeit. Ein voller Mond kann das Jagdverhalten von scheuen Arten beeinflussen.

• Regenmesser: Regen ist ein starker Blocker für die Jagd und die Schallausbreitung. Die Erfassung ist unerlässlich für die Filterung der Daten.

Luxus: Optionen für NEXUS II

• Thermalkamera für Flugaufnahmen: Dies wäre ein echter Mehrwert zur visuellen Bestätigung von Flugbahnen und Jagdverhalten. Die Integration in NEXUS I wäre jedoch aktuell zu komplex und würde zu viele Ressourcen binden. Ganz klar Luxus für NEXUS II!

• WLAN und Bluetooth: Der Xiao ESP32S3 bietet diese Konnektivität. Da aber keine existierenden Fledermaus-Apps existieren, die direkt mit dem NEXUS kommunizieren, ist die Aufzeichnung auf der SD-Karte der sicherste Weg. Die drahtlose Datenübertragung ist daher ein optionales Feature, das wir für eine spätere Version planen können.

---

Datenmigration: Spektrogramm trifft Mikroklima

Meine Absicht ist, dass jedes Spektrogramm eines Fledermaus-Rufes die entsprechenden Umweltdaten bekommt. Das ist das Alleinstellungsmerkmal des NEXUS.

Wie das aussieht:

Stellen Sie sich vor, wir sehen das Spektrogramm des Pipistrellus pipistrellus – eine Aufnahme, die 2 Sekunden dauert. Unterhalb dieses Frequenz-Zeit-Diagramms fügen wir ein zweites Diagramm ein, das die Umweltdaten zeigt.

• Visuelle Fusion: Wir erstellen zwei übereinander liegende Plots (Subplots) mit einer perfekt synchronisierten Zeitachse (der x-Achse).

• Daten-Plot: Im unteren Plot sehen wir die Temperaturkurve und die Windgeschwindigkeitskurve, die exakt über dem Fledermausruf liegen.

Die Realisierung (Der Schlüssel: Der Zeitstempel)

Die Migration der Daten in die Auswertung von BatDetect2 (oder ein Python-Script) funktioniert nur über den GPS-Zeitstempel:

1. NEXUS-Logging: Der NEXUS speichert jede Sekunde (oder jedes 16-Sekunden-Intervall) einen Datensatz: GPS_Zeitstempel, Temperatur, Wind_Geschw, etc..

2. Ruf-Logging: Der TeensyBat speichert den Ruf und den exakten GPS-Zeitstempel des Rufbeginns.

3. Migration: Ein Python-Script kann dann die BatDetect2-Ergebnisse (Rufbeginn/Rufende) verwenden, um den NEXUS-CSV-Logger nach den passenden Umweltwerten abzufragen.

Das Hauptproblem, das noch vor mir liegt: Die GPS-Zeitstempel des NEXUS müssen maximal präzise sein, um mit dem Ruf-Zeitstempel des TeensyBat übereinzustimmen. Hier liegt die größte Herausforderung in der Software.

Priorität 1 ist daher der neue Microcontroller, um die extrem sensible GPS-Kommunikation endlich zum Laufen zu bringen und die zeitliche Synchronisation zu garantieren.

👍Daumen drücken, dass ich nicht wieder irgendetwas anstelle – wobei: Fehler passieren nun mal, und durch sie wird man schlauer! 👍

Die Leidensgeschichte eines Fledermaus-Loggers: Warum unser "Gehirn" kaputt ging

 

1. Das Ziel: Ein Super-"Gehirn" bauen

Unser NEXUS soll das Kontrollzentrum werden, das die komplexen Fledermausrufe mit Wetterdaten und genauen GPS-Koordinaten verbindet. Das Herzstück dieses Systems ist der Xiao ESP32S3 – das kleine "Gehirn" (Microcontroller).

🤯 Stufe 1: Der Krieg in der Bauanleitung

Als wir das Programm (den Code) schreiben wollten, um die Einzelteile (Display, Sensoren) zu steuern, gab es sofort Ärger:

• Der Konflikt: Unser Computer versuchte, die "Bedienungsanleitungen" (die Bibliotheken) für die Sensoren zu laden. Aber die Anleitungen waren nicht kompatibel. Es war, als hätten wir alte Handbücher für einen japanischen Motor in einem Werkzeugkasten für amerikanische Schraubenschlüssel.

• Die Lösung: Wir mussten diese fehlerhaften Anleitungen manuell aus dem System entfernen und die korrekten, funktionierenden Versionen direkt in den Projektordner legen. Wir haben das Problem behoben, indem wir die Werkzeuge selbst sortiert haben.

🧭 Stufe 2: Das GPS, das niemand hörte

Nachdem der Code endlich fehlerfrei war, kam das nächste Problem: Das GPS-Modul blinkte grün (es sah die Satelliten), aber das XIAO-"Gehirn" bekam keine Daten.

• Das Problem: Das GPS sprach, aber das XIAO-Radio hörte nicht zu. Wir haben alle "Frequenzen" (Baudraten) und alle "Kanäle" (Pins) durchprobiert.

• Der Beweis: Unsere Tests zeigten: Obwohl das Modul Daten sendete, kam auf dem Kabel kein einziges Zeichen an. Die Verbindung war physisch unterbrochen.

💥 Das Finale: Falscher Stecker im falschen Anschluss

Der Grund für das endgültige Scheitern lag nicht im Code, sondern in einem fatalen Fehler beim Zusammenstecken der Teile:

• Die kritische Fehlverbindung: Unsere Taster und unser Drehregler sind digitale Schalter. Wir haben diese Schalter versehentlich in den I2C-Anschluss (die "Hauptdatenleitung" für das Display und den Temperatursensor) gesteckt.

• Der Kurzschluss: Digitale Schalter in einer Hauptdatenleitung zu verwenden, ist, als würde man ein Kurzschlusskabel in die Busspur stecken. Dieser protokollare Kurzschluss hat die empfindliche Steuerungslogik des XIAO zerstört.

• Das traurige Ende: Der Chip ist jetzt "gebricked" (kaputt). Er kann keinen neuen Code mehr empfangen, und sogar die Status-LED ist erloschen.

---

🎉 Fazit: Das Ende der Fehlersuche

Wir haben bewiesen, dass unsere gesamte Programm-Logik (V7) korrekt und fehlerfrei ist. Wir wurden nur durch einen defekten Chip gestoppt, der durch einen Steckfehler zerstört wurde.

Der Ersatz ist bestellt. Sobald das neue, gesunde "Gehirn" da ist, können wir den Code in wenigen Minuten hochladen und mit den Messungen beginnen!

💡 Aber eines ist klar: Von einem solchen Fehler lasse ich mich nicht stoppen!

Ja, es war ein dummer Anfängerfehler. Ein Fehler, der vermeidbar gewesen wäre, wenn ich in diesem Moment genauer nachgedacht hätte. Aber genau das ist der Punkt: Fehler passieren. Sie gehören zum Lernprozess dazu, besonders in einem so komplexen Feld wie der Mikrocontroller-Entwicklung.

Jeder, der etwas Neues lernt oder entwickelt, wird stolpern. Wichtig ist nicht, ob man fällt, sondern wie man wieder aufsteht. Und ich stehe wieder auf!

Ich habe gelernt, wie empfindlich diese kleinen Platinen sind, und ich werde zukünftig jedes Kabel dreimal prüfen, bevor ich es anschließe. Durch diesen "Schaden" bin ich schlauer geworden. Und die Gewissheit, dass der Code nun absolut sauber ist, macht die Vorfreude auf das neue, funktionierende Board umso größer. 

Der NEXUS wird kommen – stärker, schlauer und mit einem unvergesslichen Lernprozess im Gepäck!

Der NEXUS: Kontextualisierung in der Fledermausforschung

Was bedeutet NEXUS? Die Macht der Verbindung

Der Name NEXUS kommt aus dem Lateinischen und bedeutet „Verbindung“, „Zentrum“ oder „Geflecht“. Dieser Name beschreibt die zentrale Aufgabe meines Projekts perfekt:

Der NEXUS ist der Verbindungspunkt zwischen den drei kritischen Datenströmen der modernen Fledermausforschung:

1. Akustische Daten (Der Ruf, über den TeensyBat).

2. Räumliche Daten (Der Ort, über GPS).

3. Ökologische Daten (Der Umweltkontext, über Sensoren).

---

Welche Aufgaben hat der NEXUS? Einhaltung der EUROBATS-Anforderungen

Die Hauptaufgabe des NEXUS ist es, die analytische Lücke in der akustischen Fledermausforschung zu schließen. Er ist ein synchroner Umweltdaten-Logger, der sich strikt an die methodischen Anforderungen von EUROBATS (Agreement on the Conservation of Populations of European Bats) orientiert, um die Datenqualität zu maximieren.

Er erfasst folgende Daten, um den Rufkontext lückenlos zu dokumentieren:

• Synchronisation: Die wichtigste Aufgabe ist die hochpräzise Zeit- und Ortssynchronisation mit dem TeensyBat mittels GPS-Zeitstempel.

• Mikroklima: Erfassung von Temperatur, Luftfeuchtigkeit und Luftdruck (BME680).

• Windsituation: Erfassung der Windgeschwindigkeit und Windrichtung.

• Lage: GPS-Koordinaten und Höhe über dem Meeresspiegel.

• Manuelle Kontextdaten: Erfassung des manuell eingegebenen Bewölkungsgrads.

---

Welchen Nutzen und Mehrwert bietet der NEXUS?

1. Wissenschaftliche Validierung: Der NEXUS liefert die Kausalität für die Aktivität.

2. Prozesssicherheit und Standardisierung: Durch das integrierte OLED-Menü wird die Methode standardisiert. Der Anwender wählt zwischen TRANSECT (Gehen) und POINT (Stehen), was sicherstellt, dass beispielsweise die Windmessung nur dann geloggt wird, wenn sie wissenschaftlich valide ist.

3. Effizienz für die Analyse: Die sauberen, kontextreichen Daten füttern meinen Batch-Analyseprozess (über BatDetect2 und Python). Diese Kombination reduziert den Zeitaufwand für die Rohdatenanalyse von Wochen auf Stunden.

---

Was will ich damit erreichen? Open Science für den Artenschutz

Mein Ziel ist es, die Grenzen der reinen akustischen Erfassung zu überwinden und die entscheidenden Fragen zu stellen: Wo, Wann und vor allem Warum?

Vor dem Hintergrund, dass die Weiterentwicklung von Ideen oft an kommerziellen Interessen scheitert, habe ich mich für den Weg der Open Science entschieden:

• Öffentliche Entwicklung: Der Bau des NEXUS (Schaltpläne und Bauanleitung) wird öffentlich dokumentiert.

• Freie Software-Nutzung: Der gesamte Code des NEXUS wird unter der Lizenz CC BY-NC-SA 4.0 veröffentlicht.

• Das Ziel: Jeder Forscher, jede Bürgerinitiative und jeder Citizen Scientist soll die Möglichkeit haben, die Methode zu nutzen, den NEXUS nachzubauen und die gesammelten Daten ohne Einschränkungen weiterzuverwenden und zu verbessern.

Der NEXUS ist der Versuch, die Datenbasis des Fledermausschutzes auf das nächste Level zu heben – für die gesamte Community.

Klarstellung: Meine Rolle bei TeensyBat und BatDetect2 – Der Fokus liegt auf der Analyse und dem NEXUS

Als aktiver Forscher und Naturfotograf, der sich intensiv mit Fledermausrufen, -verhalten und deren Analyse beschäftigt, nutze ich verschiedene spezialisierte Werkzeuge, um meine Arbeit voranzutreiben. In der Fledermaus-Community ist die genaue Zuordnung von Projekten und Entwicklern wichtig. Daher möchte ich heute klarstellen, wie ich die großartigen Tools TeensyBat und BatDetect2 in meinem Arbeitsfluss verwende – und wie mein eigenes Projekt, der NEXUS, dazu in Beziehung steht.

🎤 TeensyBat: Das Aufnahmewerkzeug der Wahl

Der TeensyBat ist ein hervorragender, kompakter Fledermaus-Decoder, der es mir ermöglicht, die Ultraschallrufe der Tiere zuverlässig aufzuzeichnen.

Wichtig: Ich bin NICHT der Erbauer oder Entwickler des TeensyBat-Projekts. Ich bin ein dankbarer Nutzer, der dieses Gerät für die Datenerfassung im Feld einsetzt. Seine Zuverlässigkeit und Spezifikationen sind ein Schlüsselelement für die hohen Qualitätsstandards, die ich an meine akustischen Aufnahmen stelle.

---

💻 BatDetect2: Die Software für die wissenschaftliche Auswertung

Nach der Aufzeichnung kommt die Analyse. Hier setze ich auf die Software BatDetect2. Sie dient mir dazu, die gesammelten Rufdaten zu analysieren und die Fledermausarten anhand ihrer einzigartigen Rufsignaturen zu bestimmen.

Wichtig: Ich bin NICHT der Autor oder der ursprüngliche Entwickler der BatDetect2-Software. Ich nutze dieses leistungsstarke Tool zur Analyse und Auswertung meiner Fledermausrufe. Die Ergebnisse dieser Analyse sind fundamental für meine Forschungsergebnisse und meine Arbeit.

---

💡 Der NEXUS: Mein Beitrag zur Umweltmesstechnik

Während ich die hervorragenden Projekte anderer für die Kernaufgaben der Aufzeichnung und Analyse nutze, konzentriere ich mich auf die Entwicklung meiner eigenen spezialisierten Hardware: der NEXUS.

Der NEXUS ist ein DIY-Umweltsensorik-System, das ich entwickle, um die Bedingungen (wie Temperatur, Feuchtigkeit, etc.) zu erfassen, unter denen die Aufnahmen der Fledermäuse stattfinden. Er soll eine präzisere und umfassendere Kontextualisierung der Rufdaten ermöglichen, was für die genaue Interpretation des Fledermausverhaltens entscheidend ist.

Zusammengefasst ist meine Rolle:

• Nutzer des TeensyBat zur Aufnahme der Rufe.

• Nutzer von BatDetect2 zur Analyse der Rufe.

• Entwickler meines eigenen NEXUS-Systems zur Kontextualisierung der Daten.

Ich möchte hiermit die jeweiligen Urheber und Entwickler von TeensyBat und BatDetect2 für ihre Arbeit würdigen. Ihre Tools sind für meine Forschung unverzichtbar.

🔗 Weiterführende Links

• TeensyBat-Projekt: TeensyBat

• BatDetect2-Software: BatDetect2

Pipeline - unbekannter Fehler verhindert Einsatz

In einem früheren Bericht habe ich beschrieben, wie ich eine Pipeline entwickelt habe – einen automatisierten Ablauf von Python-Skripten, der Audiodaten analysieren sollte. Drei erfolgreiche Testläufe mit 7,15 GByte an WAV-Dateien ließen mich hoffen. Doch plötzlich begann das System, seltsame Fehler zu produzieren: Plausibilitätschecks schlugen fehl, Spektrogramme veränderten sich von selbst, und am Ende „zerlegte“ sich die Pipeline quasi selbst.

Ein Déjà-vu aus meiner Zeit als Maschinenschlosser 

Jahrelang lang war ich auf Montage, habe CNC-Bearbeitungszentren aufgestellt und in Betrieb genommen. Auch dort gab es Momente, in denen die Maschine plötzlich Eigenleben entwickelte – ähnlich wie meine Pipeline.
Mein erprobter Rat in solchen Situationen: Maschine Maschine sein lassen, einen Schritt zurücktreten, Kaffee trinken.
Oft zeigte sich der Fehler dann wie von Zauberhand.

Die Parallele: Ob Stahl oder Code – Systeme brauchen Geduld

Egal, ob es um mechanische Anlagen oder digitale Pipelines geht: Komplexe Systeme reagieren manchmal unberechenbar. Der Fehler liegt oft nicht im Offensichtlichen, sondern im Zusammenspiel der Komponenten. Bei der CNC-Maschine war es vielleicht ein falsch eingestellter Parameter, bei der Pipeline eine überlastete Variable.

Was ich daraus mitnehme 

Die Pipeline liegt jetzt erstmal auf Eis – aber nicht im digitalen Müll. Der Grundgedanke bleibt richtig: Automatisierung soll Arbeit erleichtern. 

Doch ich weiß inzwischen: Wenn ein System „spinnt“, hilft es oft, die Perspektive zu wechseln. Vielleicht ist es ein Pufferüberlauf, eine ungeschirmte Variable oder ein unerwarteter Störfaktor. Die Lösung kommt selten aus dem Krampf, sondern aus der Distanz.

Vielleicht ist das die wichtigste Lektion aus beiden Welten: 

Manchmal findet die Lösung uns, wenn wir aufhören, sie zu jagen.

Halbzeit

Ein Meilenstein ist erreicht!

Nach unzähligen Testläufen, kleinen Erfolgen und dem ein oder anderen Rückschlag läuft die Kombination aus TeensyBat-Decoder und BatDetect2-Software jetzt wie ein Schweizer Uhrwerk – perfekt auf meine Anforderungen abgestimmt. Es hat sich gelohnt, durchzuhalten: Die Systeme arbeiten Hand in Hand, und die Fledermausrufe werden nun zuverlässig und präzise decodiert. Ein echtes Erfolgserlebnis!

Doch das ist noch nicht alles: Heute traf bereits die erste Lieferung für meinen NEXUS (Umwelt-Sensorik) ein. Der Mikrokontroller, das Herzstück des Projekts, ist für die kommenden Tage angekündigt. Die Vorfreude ist groß – doch diesmal gönne ich mir und meinen grauen Zellen eine Pause.

Denn nächste Woche steht Spätschicht an, und so muss die Entwicklung des NEXUS kurz ruhen. Aber keine Sorge: Die Ideen sind da, die Motivation auch – und nach einer Woche Verschnaufpause geht es mit frischem Elan weiter.

Was kommt als Nächstes? Sobald der Mikrokontroller da ist, wird es ernst: Dann geht es an die Integration der Sensorik, die Programmierung und die ersten Feldtests. Ich bin gespannt, wie der NEXUS die Fledermausforschung hier im Paderquellgebiet bereichern wird.

Bis dahin: Gute Nacht, Fledermäuse – wir hören uns bald wieder!

Fledermaus-Bioakustik: Datenanalyse am Limit

Präzision in der Bioakustischen Forschung

Mein Engagement in der Naturfotografie ist stets von der maximalen Ausnutzung technologischer Kapazitäten geleitet. Diese Methodik, welche die Leistungsgrenzen der Ausrüstung evaluiert und ausschöpft, übertrage ich konsequent auf meine bioakustische Forschungsarbeit und die Dokumentation im Fledermaus-Blog.

Heute erfolgte die Initiierung der automatisierten Datenverarbeitungs-Pipeline. Ziel ist die systematische und automatisierte Auswertung des bisher gesammelten Korpus an Aufnahmen des TeensyBat-Detektors zur Artidentifikation und Verhaltensanalyse.

Datenkorpus und Analyseparameter

Die Rohdatenbasis, erfasst über den TeensyBat, umfasst folgende Spezifikationen:

• Gesamtdatensatz: 569 Audiodateien (Gesamtvolumen von 7,15 GB).

• Segmentierung: Aufgeteilt in 6.844 Einzel-Audio-Segmente von jeweils 2 Sekunden Dauer.

• Software-Pipeline: Die Artklassifikation erfolgt mittels der Software BatDetect2.

• Qualitätssicherung: Als strenger Filter wird ein Detection Threshold (DT) von 0,7 angewendet. Dieser hohe Schwellenwert dient der Eliminierung falsch-positiver Detektionen und gewährleistet die ausschließliche Berücksichtigung hochwertiger, klarer Ultraschallrufe (Call Quality Filtering), was die Validität der bioakustischen Analyseergebnisse sichert.

Ich erwarte gespannt die Ergebnisse dieser qualitätsgesicherten Analyse und werde die gewonnenen Erkenntnisse zeitnah hier dokumentieren.

Musste aus Zeitgründen die Pipeline abbrechen - habe Frühschicht, muss um4:30 Uhr aufstehen. Beginne morgen direkt nach Feierabend den zweiten Durchlauf .....

Vom Chaos bis zur Ordnung ....

Liebe Leser:innen und Fledermausfreund:innen,

In den letzten Wochen habe ich gemeinsam mit meinem KI-Partner Gemini intensiv daran gearbeitet, meine Fledermaus-Forschung auf ein neues Level zu heben. Unser Ziel: eine vollautomatische „Fabrikstraße“ im Computer, die stundenlange Aufnahmen meines TeensyBat-Decoders blitzschnell auswertet – und diese Daten mit den Umweltdaten meiner NEXUS-Sensorik verknüpft.

Hier ist die Geschichte, wie wir in sieben Schritten zur finalen Version V8 gelangt sind:

---

Phase 1: Aufräumen und Basis schaffen (V1–V3)

Ordnung muss sein (V1 – Der Teiler): Meine Aufnahmen sind oft stundenlang – doch die Spezialsoftware BatDetect2 arbeitet am besten mit kurzen, überschaubaren Clips. Der erste Schritt: Die langen WAV-Dateien in 2-Sekunden-Häppchen zerlegen.

Der kritische Übersetzungsfehler (V3 – Die Korrektur): Die Software lieferte Detektionslisten – doch es gab ein Problem: Die Rufe wurden manchmal mit der falschen Einheit (kHz statt Hz) ausgezeichnet. Das führte zu falschen Artenzuordnungen! Nach der Code-Korrektur konnte die Pipeline endlich garantieren, dass jede Fledermaus der richtigen Art (z. B. Pipistrellus oder Myotis) nach ihrer Frequenz zugeordnet wurde.

---

Phase 2: Die Detektive für Statistiken und Bilder (V4–V6)

Wer dominiert? (V4 – Die Pareto-Analyse): Um schnell zu erkennen, welche Arten am häufigsten unterwegs waren, wandten wir die Pareto-Regel (80/20) an. Das Ergebnis: Ein Diagramm, das sofort zeigt, welche Arten 80 % aller Rufe ausmachen – die „Hauptdarsteller“ des Abends.

Wann ist Jagdzeit? (V5 – Die Aktivitätsanalyse): Die Pipeline liest die Uhrzeit aus den Dateinamen und erstellt einen stündlichen Aktivitäts-Plot. So sehen wir, zu welcher Uhrzeit welche Art die höchste Ruffrequenz hatte – entscheidend, um die tatsächliche Aktivität im Feld zu verstehen.

Die visuelle Kontrolle (V6 – Die Spektrogramme): Als Naturfotograf weiß ich: Bilder sind unverzichtbar. Die Pipeline generiert für jeden Ruf ein hochauflösendes Spektrogramm (das „Frequenzbild“ des Rufs) mit zwei Funktionen:

• „Highlight“: Extrem sicher erkannte Rufe werden markiert.
• „Myotis-Check“: Zweifelsfälle – besonders bei den schwer unterscheidbaren Myotis-Arten – werden für die manuelle Überprüfung vorgemerkt.

---

Phase 3: Die Brücke zur Umwelt (V7–V8 – Der Erfolg)

Der GPS-Link (V7 – Die KML-Datei): Mein TeensyBat-Decoder speichert GPS-Koordinaten direkt in den Tondateien. Die Pipeline liest diese aus und erstellt eine KML-Datei – den magischen Moment: Diese Datei lässt sich in Google Earth öffnen, um alle Aufnahmepunkte auf einer Karte zu sehen. So weiß ich genau, wo ich meine NEXUS-Sensoren mit den Fledermaus-Rufen abgleichen muss.

Der finale Umwelt-Faktor (V8 – Die Temperatur): Der größte Erfolg: Die Pipeline extrahiert nun auch das Feld „Temperature Ext“ (die externe Temperatur zum Aufnahmezeitpunkt) aus dem TeensyBat-Header. Warum ist das so wichtig? Weil die Umgebungstemperatur die Ruffrequenz der Fledermäuse maßgeblich beeinflusst!

---

Fazit: Ein hochpräzises Werkzeug

Mit Version V8 ist die Fledermaus-Analyse-Pipeline nun ein integriertes System, das nicht nur für Ordnung und korrekte Artenbestimmung sorgt, sondern meine akustischen Aufnahmen direkt mit den entscheidenden Orts- und Klimadaten verknüpft.

Ich werde einen Durchlauf starten - von unserer letzten Aufnahmen.
Insgesamt sind es 123 Wave-Dateien, Aufnahmebeginn 18:55:06 Uhr, Aufnahmeende 20:37:17 Uhr.

Hier die Ergebnisse ..... 

Ich habe einen Video-Mitschnitt gemacht. Das ist die Originalgeschwindigkeit, mit der mein Script die 123 Dateien mit Hilfe von BatDetect2 auswertet.

Ich werde die Spektrogramme und Auswertungen in meine Cloud hochladen, damit jeder Interessierte nachschauen kann, wie die Ergebnisse aussehen.

Das Aktivitätsprotokoll - wann flog was in der Luft. Ist Interessant für Aufnahmen größer 5 Stunden.

Hier bedeutet die Konfidenz größer gleich 0.7, das weniger wichtige Rufe (DT=0.9) analysiert werden.

Dies hier ist kein MUSS, sondern eine Schätzung von BatDetect2!

Und schließlich das Pareto-Diagramm, welche Fledermaus aus allen analysierten Rufe am meisten vorkam.

Ich habe alle Spektrogramme, die die Pipeline erstellt hat, in einen Ordner meiner Cloud geladen.
Über den Link 👉LINK ZUR CLOUD 👈können die Bilder angeschaut werden.

An interessierte Fachleute:

Sollten Sie die Daten gegenprüfen möchten, können Sie sich gerne über das Kontaktformular bei mir melden. Ich sende Ihnen dann die gewünschten WAV-Dateien zu.

Müde bin ich, geh' zur Kaffeemaschine .....

 

Ich bin einen Schritt weiter ....

Myotis-Arten werden nun in einen gesonderten Ordner verschoben, so dass eine manuell Überprüfung einfacher wird.

Die Uhr zeigt 22:40 Uhr und ich habe Frühschicht ..... 

😩😴😴😴

Python will nicht so ....

Um mein Problem besser zu veranschaulichen, hier ein Screenshot:

Die Herausforderung liegt in der Komplexität der Datenauswertung.

Nehmen wir als Beispiel die Datei Zeile 152 – 20251002T195002_segment10.wav: 

BatDetect2 identifiziert hier angeblich folgende Arten:

• Myotis daubentonii

• Pipistrellus pipistrellus

• Pipistrellus nathusii

Als Gegenbeweis dazu ein Screenshot aus Raven Lite:

Tatsächlich sind alle von BatDetect2 „erkannten“ Rufe im Spektrogramm sichtbar – und ich würde hier nicht einmal mehr von einer Schätzung sprechen, sondern von einer klaren Erkennung. 

Doch genau hier beginnt mein Problem: 

BatDetect2 gibt nur ein einziges Ergebnis aus – und das ist auch noch falsch 😔.

Das wirft für mich die Frage auf: Entweder ist das Skript, das die Spektrogramme generiert (BatDetect2 selbst erstellt keine), grundlegend fehlerhaft – oder … 😵 

Ich brauche dringend mehr Kaffee – und vielleicht eine Lösung.

BatDetect2: Ein Game-Changer für Fledermausforscher – aber nicht perfekt

Wer sich mit Fledermausrufen beschäftigt, weiß: Die Analyse ist oft Detektivarbeit. Stundenlanges Lauschen, Vergleichen, Raten – und manchmal bleibt selbst für erfahrene Experten nur ein ratloses Schulterzucken. Hier kommt BatDetect2 ins Spiel: eine Software, die diese Arbeit nicht nur vereinfacht, sondern fast schon revolutioniert.

Warum BatDetect2 überzeugt

BatDetect2 analysiert Fledermausrufe mit einer Treffergenauigkeit von 0,88 bis 0,91 (auf einer Skala von 0,0 bis 1,0). Das ist beeindruckend – vor allem, wenn man bedenkt, dass selbst teure Alternativen oft nicht an diese Werte heranreichen. (Und nein, ich werde hier keine Software-Wettkämpfe vom Zaun brechen; ich kenne die Konkurrenz nicht gut genug.)

Doch wie funktioniert das? BatDetect2 schätzt die Art des Rufs ein – und das mit einer Präzision, die selbst Skeptiker überrascht. Für die meisten Arten klappt das hervorragend. Aber – und hier kommt der Haken – es gibt Rufe, die selbst für Profis eine echte Herausforderung sind. Und genau da stößt auch BatDetect2 an seine Grenzen.

Die Lücken in der Datenbank

BatDetect2 arbeitet mit einer Datenbank von 14 Fledermausarten, die in Deutschland vorkommen. Klingt viel? Ist es auch – aber nicht genug. Denn in Deutschland gibt es 24 (bzw. früher 25) Arten. Die fehlenden 10–11 Arten? Genau die, bei denen selbst Experten ins Grübeln kommen.

Das Problem: Niemand listet auf, welche Arten fehlen. Also bleibt mir nichts anderes übrig, als selbst zu testen, zu analysieren, zu vergleichen – und zwischendurch viel Kaffee zu trinken. (Der ist übrigens ein unverzichtbarer Begleiter bei der Fledermausruf-Analyse. Wer hätte das gedacht?)

Mein Fazit – und was jetzt kommt

Aktuell kann ich noch keine abschließende Bewertung abgeben. Aber ich bin auf einem guten Weg! Die Software spart mir unendlich viel Zeit, und die Ergebnisse sind vielversprechend. Klar, es gibt Lücken – aber welche Software ist schon perfekt?

In den nächsten Tagen werde ich weiter testen, analysieren, dokumentieren – und vielleicht sogar die eine oder andere überraschende Erkenntnis gewinnen. Eine arbeitsreiche Woche liegt vor mir, aber ich bin gespannt, was BatDetect2 (und ich) noch alles herausfinden werden.

Bleibt dran – es wird spannend!