Bevor ich im Bachelorprojekt eine Zeile Code schreibe, habe ich rund 35 Arbeiten von vier Jahrgängen vor mir gelesen. Das ist der ehrliche Stand nach fünf Wochen.

GorillaScout ist mein Bachelorprojekt am HPI, am Lehrstuhl Artificial Intelligence and Intelligent Systems von Prof. Gerard de Melo. Wir sind acht Studierende, das Projekt läuft vom Wintersemester bis zum Sommer 2027, im Sommer dann in Vollzeit. Es geht um Westliche Flachlandgorillas, die vom Aussterben bedroht sind. Die Videos, mit denen die bisherigen Jahrgänge arbeiten, kommen aus Kamerafallen in einem Nationalpark in der Republik Kongo. Und Kamerafallen liefern mehr Video, als Menschen von Hand auswerten können.

Am HPI arbeiten Bachelorprojekte daran seit Jahren, jedes Jahr ein neuer Jahrgang. Wir sind der fünfte. Der Jahrgang vor dem letzten, GorillaWatch, hat dazu sogar ein Paper auf der WACV 2026 veröffentlicht. Unsere Aufgabe ist also nicht, bei null anzufangen, sondern eine bestehende Pipeline weiterzuentwickeln. Was genau unser Teil wird und welche Rolle ich darin übernehme, ist noch nicht entschieden.

Die Pipeline lässt sich in fünf Schritten erklären. Die Demo auf dieser Seite zeigt die Web-Plattform des Projekts, die frühere Jahrgänge gebaut haben, nachgebaut mit erfundenen Beispieldaten und gezeichneten Platzhaltern statt echter Kamerafallen-Aufnahmen. Erstens erkennen: Ein Modell findet in jedem Einzelbild die Gorillas und zieht einen Rahmen um sie. Zweitens verfolgen: Über mehrere Bilder hinweg wird klar, welcher Rahmen zu welchem Tier gehört, damit aus Einzelbildern Spuren werden. Drittens ein Embedding: Jede Spur wird in einen Zahlenvektor übersetzt, der das Aussehen des Tiers beschreibt. Viertens wiedererkennen: Ähnliche Vektoren gehören vermutlich zum selben Individuum, auch in einem anderen Video. Das Schwierige daran ist, dass neue Tiere auftauchen können, die noch nie jemand gesehen hat. Fünftens zählen: Wie viele verschiedene Gorillas gibt es eigentlich?