Forschende aus Tübingen, Manchester und Berlin haben eine künstliche Intelligenz entwickelt, die fossile Dinosaurier-Spuren automatisch analysiert. Das System spürt Formmuster auf, die Fachleuten bislang entgangen sind – und legt dabei überraschende Ähnlichkeiten zu den Füßen heutiger Vögel offen. Sogar Hobby-Fossiliensammlerinnen und -sammler sollen mit einem einfachen Handyfoto beitragen können.
Wie eine App uralte Dino-Fußabdrücke neu lesbar macht
Wer Dinosaurier-Spuren korrekt bestimmen möchte, braucht üblicherweise jahrelange Praxis – und oft auch eine Portion Glück. Denn viele Abdrücke sind nur fragmentarisch erhalten, durch Druck verzogen oder von Erosion angegriffen. In solchen Fällen wird die Einordnung schnell zur Detektivarbeit, bei der zwei Expertinnen durchaus zu unterschiedlichen Schlüssen kommen können.
An genau dieser Stelle setzt „DinoTracker“ an: ein KI-System, das Fußabdrücke nach festen Kriterien vermisst und mit tausenden Referenzen vergleicht. Grundlage sind über 2.000 digitalisierte Silhouetten dreizehiger Dino-Spuren von Fundstellen weltweit, datiert auf einen Zeitraum zwischen 200 und 145 Millionen Jahre.
Die AI übersetzt alte Fußspuren in messbare Formdaten – und ordnet sie in einem „morphologischen Raum“ ein, der Zusammenhänge sichtbar macht, die dem Auge leicht entgehen.
Zunächst wurden die Fährten auf ihre Konturen reduziert und in ein einheitliches Format überführt. So richtet sich der Algorithmus konsequent auf die Geometrie: Länge und Breite des Abdrucks, Winkel und Abstand der Zehen, die Gestalt des „Fersenbereichs“ sowie die Symmetrie der Spur. Aus diesen Eigenschaften baut die Software einen achtdimensionalen Raum, in dem jede einzelne Spur als Punkt dargestellt wird.
Unbeaufsichtigtes Lernen bei DinoTracker: Die AI sortiert Spuren ohne Vorgaben
Das Charakteristische an DinoTracker ist, dass die AI keine vorgegebenen Labels wie „Theropode“ oder „Frühvogel“ erhält. Stattdessen nutzt sie eine Machine-Learning-Methode namens unbeaufsichtigtes Lernen. Dabei sucht das System eigenständig nach Regelmäßigkeiten und Gruppen innerhalb der Daten, ohne dass ihm vorab gesagt wird, welche Formen zu welcher Tiergruppe gehören.
Auf diese Weise umgeht das Team ein Kernproblem klassischer Vorgehensweisen: In vielen herkömmlichen Datenbanken stecken ältere, teils unsichere Zuordnungen. Wird eine AI mit solchen Etiketten trainiert, übernimmt sie zwangsläufig auch deren Fehler. Bei DinoTracker zählt daher ausschließlich die Form – nicht der Name des vermuteten Verursachers.
Damit das System auch mit realistischen Verzerrungen umgehen kann, erzeugten die Forschenden zusätzlich mehr als 10.000 künstlich veränderte Spuren. In diesen Simulationen wurden Zehen verbreitert, teilweise „weggewischt“, Abdrücke verdreht oder in die Länge gezogen – so, wie es in Sedimenten passieren kann, wenn ein schwerer Dinosaurier in nassen Schlamm tritt.
- Breitere Spuren: um matschigen Untergrund nachzuahmen
- Teilweise gelöschte Zehen: für erodierte oder beschädigte Abdrücke
- Verdrehte Spuren: für schräge Standflächen oder Hänge
- Deformierte Formen: für Druckveränderungen durch Gewicht und Bewegung
Aus dieser Basis gewinnt die AI acht zentrale Formvariablen. Mit ihnen ordnet sie Spuren nach Ähnlichkeit zu Gruppen. In Tests lag das System bei gut erhaltenen Abdrücken in rund 90 Prozent der Fälle auf derselben Linie wie Expertinnen und Experten – und blieb dabei stabil, unabhängig von Tagesform oder individueller Erfahrung.
Spuren, die wie Vogel-Füße aussehen – nur 210 Millionen Jahre älter
Besonders interessant werden die Resultate mit Blick auf die Evolution der Vögel. In den Daten erscheinen sehr alte Spuren, die auffallend an heutige Vogel-Füße erinnern. Einige dieser Abdrücke sind über 210 Millionen Jahre alt, stammen also aus der späten Trias – und liegen damit zeitlich deutlich vor den bislang datierten ältesten Vogel-Fossilien aus dem Oberjura.
Die AI identifiziert bei diesen Spuren mehrere typische Kennzeichen:
| Merkmal | Ähnlichkeit mit heutigen Vögeln |
|---|---|
| Schlanke, dreizehige Gestalt | Erinnert an den Abdruck eines großen Laufvogels |
| Ausgeprägte Längssymmetrie | Linke und rechte Seite wirken nahezu spiegelbildlich |
| Geringer Zehen-Abstand | Zehen zeigen relativ eng nach vorn statt weit gespreizt |
Diese Merkmalskombination lässt zwei Interpretationen zu: Entweder begannen vogelartige Evolutionslinien deutlich früher als bisher vermutet. Oder bestimmte räuberische Dinosaurier aus der Trias besaßen bereits Füße, die dem späteren Bauplan der Vögel erstaunlich nahekommen.
Die AI vergibt keine Artnamen, sie vermisst nur Formen. Genau das macht ihre Hinweise auf vogelähnliche Füße so brisant: Die Interpretation liegt bei den Menschen, nicht bei der Maschine.
In den Ergebnissen erkennen die Forschenden zudem eine mögliche Übergangsreihe: Stellt man die sehr alten Spuren jüngeren Abdrücken aus Jura und Kreide gegenüber, tauchen ähnliche Formen wiederholt auf. Das spricht eher für eine schrittweise Annäherung an den „Vogelfuß“ als für einen abrupten Sprung.
Citizen Science: Wer Dino-Spuren findet, kann sie per Handy einreichen
DinoTracker richtet sich nicht nur an Labore. Die Software ist auch als mobile Anwendung verfügbar und setzt auf eine leicht verständliche Oberfläche für Laien. Wer beim Wandern oder an bekannten Fossilienplätzen eine auffällige Spur entdeckt, kann sie fotografieren oder abzeichnen und anschließend in die App hochladen.
Die AI setzt automatisch Messpunkte, ermittelt Winkel und Abstände und positioniert den Abdruck im morphologischen Raum. Danach erhalten Nutzerinnen und Nutzer eine Einschätzung, welchen bekannten Spurtypen der Fund am ehesten entspricht – und wie hoch die Zuverlässigkeit dieser Zuordnung aus Sicht des Systems ist.
Mit jeder eingesandten und später überprüften Spur wächst die Datenbasis. Auffällige Meldungen werden von den Forschenden kontrolliert, mit bekannten Fundorten abgeglichen und danach bewertet, ob sie in den Trainingsbestand aufgenommen werden. So entsteht schrittweise ein Netzwerk aus professionellen Einrichtungen und engagierten Laien.
Warum die Datensammlung per App so attraktiv ist
Für die Paläontologie bedeutet das einen großen Fortschritt:
- Feldarbeit in entlegenen Gegenden kann deutlich besser dokumentiert werden.
- Regionen mit wenig Fachpersonal sind trotzdem in der Lage, hochwertige Daten beizusteuern.
- Seltene Spurtypen werden schneller sichtbar, weil sie im AI-Raum „aus der Reihe tanzen“.
- Alle neu eingehenden Spuren folgen demselben Standard – unabhängig davon, wer sie meldet.
Gerade diese Standardisierung ist entscheidend. Bislang existieren viele Dino-Spuren lediglich als alte Fotos, handgezeichnete Skizzen oder reine Textbeschreibungen. Die neue Vorgehensweise zwingt jede Beobachtung in ein klar definiertes, quantitatives Raster. Dadurch werden Vergleiche über Kontinente und Jahrzehnte hinweg überhaupt erst zuverlässig machbar.
Was hinter Begriffen wie „morphologischer Raum“ eigentlich steckt
Für Nicht-Fachleute klingt ein „achtdimensionaler morphologischer Raum“ schnell nach Science-Fiction. Gemeint ist im Kern ein Koordinatensystem, in dem statt Länge, Breite und Höhe andere Messgrößen eingetragen werden – zum Beispiel der Winkel zwischen zwei Zehen, das Verhältnis von Zehenlänge zur Ferse oder der Grad der seitlichen Abweichung.
Für jede dieser Messgrößen erhält eine Spur einen Zahlenwert. Zusammengenommen ergeben diese Zahlen einen Punkt. Ähnliche Spuren liegen als Punkte eng beieinander, stark abweichende Formen rücken weit auseinander. So lassen sich Cluster erkennen, ohne dass zuvor jemand festlegt, was „typisch“ oder „untypisch“ sein soll.
Genau deshalb ist die Methode für Evolutionsfragen so spannend. Ob es sich bei einer Gruppe um eine frühe Vogelart, einen Theropoden oder etwas anderes handelt, bleibt zunächst offen. Erst im nächsten Schritt gleichen Fachleute die neutral gebildeten Gruppen mit Skelettfunden und geologischen Daten ab.
Chancen, Grenzen und mögliche nächste Schritte
Die AI macht Feldforschung nicht überflüssig, sondern verlagert den Schwerpunkt. Menschen müssen die Spuren weiterhin finden, sauber dokumentieren und den Kontext klären: In welcher Gesteinsschicht liegen sie? Welche anderen Fossilien finden sich in der Umgebung? Welche Sedimente weisen auf welche Umweltbedingungen hin?
Es gibt jedoch auch Risiken. Wenn besonders gut untersuchte Regionen die Daten dominieren, kann es passieren, dass die AI seltene Formen aus wenig erforschten Gebieten als „Fehler“ einstuft. Dafür brauchen Forschende klare Regeln im Umgang mit Ausreißern – ob sie verworfen oder gezielt nachkontrolliert werden.
Gleichzeitig sind die Möglichkeiten groß. Die zugrunde liegende Technik lässt sich relativ unkompliziert auf andere Spuren übertragen: Fährten von Wirbeltieren, Schleifspuren von Wirbellosen, Pflanzenabdrücke, sogar Bruchstücke von Knochen und Schalen. Überall dort, wo Form eine zentrale Rolle spielt, kann eine objektive, AI-gestützte Vermessung helfen.
Damit eröffnet sich auch für junge Menschen, Geologie-AGs an Schulen oder lokale Naturkundevereine ein neues Betätigungsfeld. Wer die Grundlagen beherrscht – etwa wie man einen Abdruck korrekt fotografiert, vermisst und dokumentiert –, kann Beiträge zu echter Forschung leisten. So wird ein Spaziergang an einer versteinerungsreichen Küste plötzlich zu einem kleinen Baustein für das große Bild der Erdgeschichte.
Kommentare
Noch keine Kommentare. Sei der Erste!
Kommentar hinterlassen