Der Klimawandel verändert schon jetzt die Lebensbedingungen in marinen Ökosystemen. Insbesondere eine Häufung von Hitzewellen führt in flachen Küstengewässern zu Sauerstoffminimumzonen, welche wahrscheinlich einen erheblichen aber bisher weitgehend unerforschten Einfluss auf das Überleben von für die Fischerei wichtigen Arten haben. Die Möglichkeiten zu einem Monitoring in marinen Systemen sind dabei begrenzt. Traditionelle “Surveys” zur Evaluierung des Zustandes von Fischbeständen basieren zumeist auf Netzfängen und vermitteln nur ein limititertes Bild des Zustandes von Populationen, da Forschungsschiffe die flachen küstennahen Aufenthaltsgebiete oft nicht erreichen können. Der Einsatz von moderner, videobasierter und akustischer Technologie und maschinellen Lernverfahren (Teilgebiet der K¨unstlichen Intelligenz, KI) bietet bisher ungenutzte Möglichkeiten in der räumlich-zeitlichen Auflösung der Beprobung, insbesondere wenn sie auf mobilen Trägertechnologien, wie z.B. sogenannten emotely Operating Vehicles (ROVs) oder Autonomous Underwater Vehicles (AUV) zum Einsatz kommen.
In dem hier vorgeschlagenen Projekt soll eine neuartige Methode zur nicht-invasiven und zeitlich-räumlich hoch aufgelösten Beobachtung von Fischgemeinschaften in marinen Küstengebieten entwickelt werden. Hierzu ist eine interdisziplinäre, hochschulübergreifende Zusammenarbeit notwendig, um Sensoren und Sensordatenvorverarbeitung auzuwählen, um im ROV/AUV automatisch wichtige von unwichtigen Daten unterscheiden zu können (Senden nur relevanter Informationen, autonomes Steuern des Fahrzeugs), um Daten geeignet übertragen zu können und um schließlich auch gesammelte größere Datenmengen langer Einsätze vieler Fahrzeuge offline automatisch nach wichtigen Informationen filtern zu können. Das Projekt wird unter gemeinsam mit der TU Hamburg-Harburg und der Universität Hamburg durchgeführt und liegt in der Verantwortung der HAW Hamburg.
Projektwebsite: Projekt AutagBeoFisch
