KI analysiert Dinosaurier-Fußabdrücke neu

Seit Jahrzehnten rätseln Paläontolog*innen über geheimnisvolle dreizehige Dinosaurier-Fußabdrücke. Stammen sie von wilden Fleischfressern, sanften Pflanzenfressern oder sogar frühen Vögeln? Nun hat ein internationales Team künstliche Intelligenz eingesetzt, um dieses Problem anzugehen – und eine kostenlose App entwickelt, die es jeder und jedem ermöglicht, die Vergangenheit zu entschlüsseln.

Dinosaurier-Fußabdrücke sind ikonische Spurenfossilien, aber ihre Interpretation ist berüchtigt schwierig. Klassische Machine-Learning-Methoden benötigen riesige Datensätze und manuelle Beschriftungen, was zu Verzerrungen führen kann – insbesondere, weil der wahre Verursacher eines Abdrucks selten eindeutig bekannt ist. Um dies zu überwinden, setzte ein Team unter der Leitung von Gregor Hartmann vom Helmholtz-Zentrum Berlin und Stephen Brusatte von der University of Edinburgh ein unüberwachtes neuronales Netzwerk ein, einen sogenannten „disentangled variational autoencoder“.

Über Dinosaurier hinaus

Hartmann wendet ähnliche KI-Techniken an, um Elektronenbahnen am Synchrotron BESSY II zu analysieren, Röntgenpulse an DESYs FLASH zu charakterisieren, Gehirnscans auf frühe Anzeichen von Demenz zu untersuchen, den Nuklidbeitrag in Gammaspektren zu identifizieren sowie chemische Reaktionen in Batterien und Katalysatormaterialien zu evaluieren. „Es ist aufregend zu sehen, wie diese Werkzeuge sowohl die Spitzenforschung der Physik als auch unser Verständnis des urzeitlichen Lebens voranbringen können“, sagt er.

Das Team trainierte das Modell mit fast 2.000 fossilen Fußabdrücken – plus Millionen augmentierter Varianten, um realistische Veränderungen wie Kompression und Kantenverschiebungen zu simulieren. Nach der Erprobung von nahezu 1.000 neuronalen Architekturen fanden sie ein kompaktes, robustes Netzwerk, das eigenständig acht Schlüsselfaktoren der Variationen von Fußabdrücken identifizierte: Ausmaß des Bodenkontakts; Zehenabstand; Zehenansatz; Fersenbelastung; Betonung von Zehen und Ferse; Belastungsposition; Fersenposition; sowie Links-rechts-Belastung. Im Vergleich zu Expertenklassifikationen erreichte der Algorithmus eine Übereinstimmung von 80–93 %, selbst bei umstrittenen Exemplaren.

Wissenschaft für alle: Die DinoTracker-App

Um ihre Forschung zugänglich zu machen, entwickelte das Team DinoTracker – eine kostenlose App, die es Wissenschaftler*innen und Interessierten erlaubt, einen Fußabdruck hochzuladen oder zu skizzieren und sofort eine Analyse zu erhalten. „Unsere Methode bietet eine unverzerrte Möglichkeit, Variationen in Fußabdrücken zu erkennen und Hypothesen über ihre Urheber zu testen“, sagt Hartmann. „Es ist ein Werkzeug für Forschung, Bildung und sogar für die Feldarbeit.“

Lob von Expert*innen

„Diese Studie ist ein spannender Beitrag für die Paläontologie“, sagt Brusatte. „Dies ist eine objektive, datengesteuerte Methode, um Dinosaurier-Fußabdrücke zu klassifizieren – etwas, das Fachleute seit über einem Jahrhundert vor große Herausforderungen stellt. Sie eröffnet spannende neue Möglichkeiten, zu verstehen, wie diese unglaublichen Tiere lebten und sich bewegten.“

Von einer Neugier zur Zusammenarbeit

Die Idee begann zu Hause: Hartmanns kleiner Sohn Julius entwickelte eine Faszination für Dinosaurier, was Hartmann dazu inspirierte, paläontologische Fachliteratur zu erkunden. Nachdem er The Rise and Fall of the Dinosaurs gelesen hatte, nahm er Kontakt zu Brusatte und zwei seiner Doktorandinnen in Edinburgh auf – den Fußabdruckexpertinnen Paige dePolo und Tone Blakesley, die während ihres Studiums zahlreiche Dinosaurier-Fußabdrücke aus dem Jura auf der Isle of Skye in Schottland untersucht hatten. Aus diesem Funken wurde eine Zusammenarbeit – und schließlich eine Veröffentlichung in PNAS.

Bildunterschrift: Ein Dinosaurier-Fußabdruck aus dem Jura von der Isle of Skye (Schottland), dargestellt in 5-mm-Konturen basierend auf einem photogrammetrischen Modell. Die schematische Darstellung oberhalb und unterhalb des Fußabdrucks repräsentiert das Machine-Learning-Neuronale Netz von Hartmann et al., das die wichtigsten Aspekte der Variation in einer großen Stichprobe von Dinosaurierspuren entflechtet und diese Informationen nutzt, um Forschenden bei der Identifizierung plausibler Spurverursacher zu helfen.

YouTube: Die Wissenschaftler und Entwickler der DinoTracker App erklären, wie sie aufgebaut ist und wie sie funktioniert.