SoniTrace Wiki

SoniTrace macht Klangmuster sichtbar und nutzbar. Ziel ist, Umweltinformationen durch Akustikdaten verständlich auszuwerten.

Menschen außerhalb klassischer Forschungseinrichtungen sammeln aktiv mit und helfen, Daten über längere Zeit und in größerer Breite zu erfassen.

Akustische Daten helfen, Umweltveränderungen früh zu erkennen, etwa bei Artenaktivität, Belastung oder saisonalen Mustern.

FlyBi kann Signale direkt am Gerät auswerten. Das reduziert Datenmenge, erhöht Reaktionsgeschwindigkeit und verbessert die Praxistauglichkeit im Feld.

Die Verarbeitung ist darauf ausgelegt, nur notwendige Informationen zu nutzen und sensible Rohdaten so weit wie möglich zu minimieren.

Typische Einsatzfelder sind Umweltbeobachtung, Bildungsprojekte, Forschungspiloten und lokale Monitoring-Initiativen.

Für Prototypenbau, Komponentenbeschaffung, Feldtests, technische Dokumentation und die Weiterentwicklung stabiler Versionen.

Meilensteine fließen zuerst in Stabilität und Zuverlässigkeit, danach in neue Funktionen und den breiteren Praxiseinsatz.

Über Updates auf der Website, im Wiki und über unsere Social-Media-Kanäle, damit Entwicklungsschritte transparent bleiben.

SoniTrace macht Umweltklänge sichtbar und auswertbar, damit Beobachtungen zu Natur und Artenvielfalt verständlicher werden.

FlyBi ist unser Vogel-Detektor für Bildung, Umweltbeobachtung und Citizen Science mit Fokus auf praxistaugliche Datenerfassung.

Für Schulen, Naturinteressierte, Vereine, Forschungspartner und alle, die lokale Biodiversität langfristig beobachten möchten.

Grundfunktionen können lokal laufen. Für Updates, Synchronisierung oder zentrale Auswertung ist eine Verbindung sinnvoll.

Die Genauigkeit hängt von Mikrofonqualität, Umgebungslärm, Wetter und Artenspektrum ab. Deshalb kombinieren wir automatische Analyse mit Plausibilitätsprüfungen.

Typisch sind unter anderem Amsel, Meisenarten, Rotkehlchen, Sperlinge, Finken und je nach Region Spechte sowie Krähenvögel.

Mit heimischen Pflanzen, dichten Hecken, Wasserstellen, pestizidarmen Flächen und Nistmöglichkeiten in unterschiedlichen Höhen.

Gut geeignet sind Sonnenblumenkerne, Fettfutter, ungesalzene Nüsse und je nach Art kleine Obstanteile.

Nicht geeignet sind Brot, gesalzene oder gewürzte Speisen, verschimmelte Reste und stark verarbeitete Lebensmittel.

Je Art variieren Einfluglochgröße, Innenmaß und Platzierung. Verwende unbehandeltes Holz, stabile Befestigung und reinige Nistkästen jährlich.

Die Verarbeitung erfolgt zweckgebunden zur Erkennung avianer Klangmuster (Vogelstimmen). Akustische Ereignisse ohne Vogelbezug (z. B. menschliche Stimme, Motorgeräusche, Sirenen) können technisch erfasst werden, werden jedoch nicht als Audiodatei gespeichert. Eine Ausweisung erfolgt im Viewport ausschließlich in der Kategorie "non avian".

Beides ist dauerhaft über die Footer-Links und das Menü erreichbar: Datenschutz und Impressum.

Für Hardware, Prototypen, Feldtests, Stabilisierung, Dokumentation und den Ausbau von Bildungs- und Community-Angeboten.

Updates findest du auf unserer Website sowie in den laufend aktualisierten Bereichen Wiki und Roadmap. Folge uns außerdem gerne auf Instagram, um keine neuen Entwicklungen zu verpassen.

Ja. Du kannst Beobachtungen teilen, Inhalte testen, Wiki-Themen vorschlagen, Feedback geben und lokale Partner vermitteln.

Nein. Das Wiki wird fortlaufend erweitert und bei Bedarf fachlich präzisiert.

Ja. Vorschläge über den Kontaktbereich helfen uns, relevante Inhalte schneller einzuplanen.

Ja. Neben Einsteigerinhalten ist eine vertiefte technische Dokumentation zu Hardware, Datenmodellen und Schnittstellen vorgesehen.

BirdNET ist ein KI-basiertes System zur automatischen Erkennung von Vogelstimmen in Audioaufnahmen. Es wurde für die ornithologische Praxis entwickelt und unterstützt Projekte bei standardisierter Artenbestimmung.

BirdNET ist für Forschung, Naturschutz und nicht-kommerzielle Nutzung breit verfügbar. Für kommerzielle Anwendungsfälle gelten gesonderte Lizenzbedingungen. Maßgeblich sind immer die jeweils aktuellen Lizenz- und Nutzungsbedingungen des BirdNET-Teams.

BirdNET beschleunigt die Auswertung großer Audiomengen, verbessert Vergleichbarkeit zwischen Standorten und schafft eine belastbare Grundlage für Monitoring, Bildung und Citizen-Science-Projekte.

Wir danken dem BirdNET-Team für die wissenschaftliche Entwicklung und die Bereitstellung eines starken Werkzeugs für Biodiversitätsforschung, Naturschutz und Bildung.