Projektzeitplan

2018: Projektstart

Beginn des BirdRecorder-Projekts in Verbindung mit NatForWINSENT, gefördert vom Bundesamt für Naturschutz (BfN) in Zusammenarbeit mit dem Zentrum für Sonnenenergie- und Wasserstoff-Forschung Baden-Württemberg (ZSW).
Ziel: Proof-of-Concept und Entwicklung eines Antikollisionssystems zur Erkennung von Greifvögeln mithilfe von Kameratechnologie und maschinellem Lernen.

2019-2020: Entwicklung und KI-Training

KI-Training mit 680.000 Bildern, darunter 420.000 Vogelbilder. Ornithologen klassifizierten die Bilder manuell, insbesondere für Rotmilane.
Zwei Systemprototypen gebaut, um die Echtzeit-Vogelerkennung zu testen – mit einer Erkennungsgenauigkeit von über 93 % für Rotmilane.

2021: Testphase und Optimierung

Feldversuche am Testfeld WINSENT: Die KI verfolgt Flugbahnen von Vögeln in Echtzeit und sendet bei Annäherung ein automatisches Signal an die Windkraftanlagen.
Ergebnis: Aktives Tracking ermöglichte eine 98% Erkennungsgenauigkeit für Rotmilane.

2022: Erweiterung der Funktionen

Der BirdRecorder wurde erweitert, um mehr Vogelarten zu überwachen und die Abschaltzeiten der Turbinen auf das notwendige Minimum zu reduzieren, was die Stromerzeugung optimiert.

2023(Q1): Bird- und BatRecorder 2.0

Start des Projekts Bird- und BatRecorder (BBR 2.0). Ziel: Entwicklung eines modularen Antikollisionssystems für den vogel- und fledermausfreundlichen Betrieb von Windkraftanlagen, anpassbar für Offenland- und Waldstandorte.
Basis: Weiterentwicklung des BirdRecorder-Prototyps (BfN-Projekt, abgeschlossen Dez. 2021). Gefördert vom Bundesministerium für Wirtschaft und Klimaschutz (BMWK).

2023(Q3) – heute: BirdRecorder Valid

Start des Projekts BirdRecorder Valid, gefördert durch das Umweltministerium Baden-Württemberg. Ziel ist die Weiterentwicklung des BirdRecorder-Systems zu einem zuverlässigen, flexibel einsetzbaren Antikollisionssystem, das Windenergieanlagen vogelfreundlicher macht und umfassend validiert wird.
Optimierung der KI für Art- und Objekterkennung zur Erhöhung der Erfassungs- und Erkennungsrate und zur Sicherstellung eines zuverlässigen Betriebs.
Integration in Forschungswindanlagen auf dem Windenergietestfeld, um die bedarfsgerechte Abschaltung von Windenergieanlagen zu erproben und zu optimieren.