{"id":10242,"date":"2026-03-26T08:57:06","date_gmt":"2026-03-26T07:57:06","guid":{"rendered":"https:\/\/de.elv.com\/elvjournal\/?p=10242"},"modified":"2026-04-14T15:56:59","modified_gmt":"2026-04-14T13:56:59","slug":"vogelstimmen-erkennen-birdnet-raspberry-pi-grundlagen","status":"publish","type":"post","link":"https:\/\/de.elv.com\/elvjournal\/vogelstimmen-erkennen-birdnet-raspberry-pi-grundlagen\/","title":{"rendered":"KI-gest\u00fctzt Vogelstimmen erkennen (Teil 1): Der Raspberry Pi als Lausch- bzw. Forschungsstation"},"content":{"rendered":"\n

Raspberry Pi als Lausch- bzw. Forschungsstation, Teil 1<\/strong><\/p>\n\n\n\n

Vogelstimmen erkennen mit BirdNet und Raspberry Pi \u2013 Grundlagen & Hardware<\/h1>\n\n\n\n

Vielleicht kennen Sie diese Situation: Ein Vogel singt wundersch\u00f6n, und Sie fragen sich, welche Art sich dahinter verbirgt. Evtl. z\u00fccken Sie sogar Ihr Smartphone, um den S\u00e4nger mithilfe einer App zu bestimmen. Doch was, wenn sich alle V\u00f6gel im eigenen Garten, auf dem Balkon oder rund um die Schule erfassen lie\u00dfen \u2013 24 Stunden am Tag, sieben Tage die Woche? Mit wenigen Komponenten l\u00e4sst sich solch eine eigene Lauschstation aufbauen, die kontinuierlich ihre Umgebung \u201eabh\u00f6rt\u201c und die gefundenen Vogelarten automatisch dokumentiert.<\/strong><\/p>\n\n\n\n

Im Zentrum dieses Projekts steht ein Raspberry Pi, der mithilfe der BirdNET-KI Vogelstimmen erkennt, klassifiziert und protokolliert. Das Projekt eignet sich ideal f\u00fcr Technikbegeisterte, Naturfreunde oder Schulen, die k\u00fcnstliche Intelligenz und Biodiversit\u00e4t praktisch erleben m\u00f6chten. Welche Hardware ben\u00f6tigt wird, welche Raspberry-Pi-Modelle sich eignen und wie die Installation sowie der Betrieb funktionieren, zeigt dieser Artikel Schritt f\u00fcr Schritt in zwei Teilen.

Teil\u00a01<\/strong> behandelt Grundlagen und Hardware der BirdNET-Lauschstation, Teil\u00a02<\/strong> widmet sich der Software, Einrichtung und Auswertung der erfassten Daten.<\/p>\n\n\n\n

<\/div>\n\n\n\n

Wie funktioniert BirdNET?<\/h2>\n\n\n\n

BirdNET ist ein Forschungs- und Open-Source-Projekt, das Vogelstimmen mithilfe k\u00fcnstlicher Intelligenz automatisch erkennt. Ziel ist es, akustisches Monitoring f\u00fcr Naturbeobachtung und Naturschutz einfach zug\u00e4nglich zu machen. Viele Vogelarten sind akustisch leichter nachweisbar als visuell, weshalb Tonaufnahmen besonders gut zur Erfassung von Arten geeignet sind. BirdNET nutzt ein neuronales Netz, das mit zahlreichen Vogelrufen pro Art trainiert wurde. Die Software zerteilt lange Aufnahmen in kurze Segmente, erkennt typische Klangmuster und ordnet diese einer Vogelart mit entsprechender Wahrscheinlichkeit zu. Dadurch k\u00f6nnen auch kurze Gesangsphasen, Hintergrundger\u00e4usche oder seltene Rufe zuverl\u00e4ssig ausgewertet werden, ohne dass eine manuelle Auswertung erforderlich ist.<\/p>\n\n\n\n

<\/div>\n\n\n\n

Von Ton zu Art: Wie BirdNET Vogelstimmen identifiziert<\/strong><\/h2>\n\n\n\n

Die KI von BirdNET erkennt Vogelstimmen, indem sie Audioaufnahmen in sogenannte Spektrogramme umwandelt \u2013 also in Bilder, die den Klang visuell darstellen. Auf der x-Achse ist die Zeit abgetragen, auf der y-Achse die Frequenz: tiefe T\u00f6ne unten, hohe T\u00f6ne oben. Die Helligkeit der Linien gibt die Lautst\u00e4rke der jeweiligen Frequenzen an. Am Beispiel der Rufe von Zilpzalp <\/strong>und Kuckuck <\/strong>l\u00e4sst sich dieses Prinzip gut nachvollziehen (Bild 2)<\/mark>.<\/p>\n\n\n\n

\n
\n

Der Ruf des Zilpzalps <\/strong>beginnt bei etwa 7 kHz und f\u00e4llt \u00fcber rund 5 kHz auf etwa 4 kHz ab. Der zweite Rufteil, das \u201eZilp-zalp\u201c, startet erneut bei etwa 7 kHz, f\u00e4llt jedoch deutlich steiler auf rund 4 kHz ab und wirkt f\u00fcr unser Geh\u00f6r dadurch tiefer.<\/p>\n\n\n\n

Der Ruf des Kuckucks <\/strong>ist zweisilbig (\u201eKu\u2013kuck\u201c) und liegt mit einer Grundfrequenz von etwa 484 Hz deutlich tiefer. Im Spektrogramm sind zudem harmonische Vielfache erkennbar, beispielsweise bei rund 887 Hz und 1700 Hz, die dem Ruf seinen charakteristischen Klang verleihen.<\/p>\n<\/div>\n\n\n\n

\n
\"Bild
Bild 2: Spektrum Kuckuck und Zilp-Zalp<\/figcaption><\/figure>\n<\/div>\n<\/div>\n\n\n\n

Das Zwitschern, Rufen oder Trillern eines Vogels wird so zu einem klaren Muster, das f\u00fcr eine k\u00fcnstliche Intelligenz maschinenlesbar ist. Die KI vergleicht diese Muster mit einem trainierten neuronalen Netz, das zuvor Tausende Vogelrufe jeder Art \u201egesehen\u201c hat. So kann sie die singenden und rufenden Vogelarten in der Aufnahme mit einer Wahrscheinlichkeit vorhersagen.<\/p>\n\n\n\n

Kurz gesagt: Ton \u2192 Spektrogramm \u2192 Mustererkennung durch KI \u2192 Vogelart erkannt. Dieses Prinzip wird sowohl in der Smartphone-App als auch in station\u00e4ren Lauschstationen angewendet.<\/p>\n\n\n\n

<\/div>\n\n\n\n
\n
\n

Dauerhaft Vogelstimmen erkennen und aufnehmen mit BirdNET und Raspberry PI<\/h2>\n\n\n\n

Als L\u00f6sung f\u00fcr die gelegentliche Datenerfassung reicht die Smartphone-App von BirdNET (Bild 1)<\/mark> zwar aus, sie st\u00f6\u00dft jedoch beim dauerhaften Monitoring an ihre Grenzen. Eine station\u00e4re BirdNET-Lauschstation auf Basis eines Raspberry Pi arbeitet rund um die Uhr, erfasst Daten automatisch und erstellt vollst\u00e4ndigere Datens\u00e4tze \u2013 von selten rufenden Arten \u00fcber nachtaktive V\u00f6gel bis hin zu n\u00e4chtlichen \u00dcberfl\u00fcgen. Solche passiven Bioakustik-Messungen erm\u00f6glichen die langfristige Beobachtung von Vogelaktivit\u00e4ten, Bewegungsmustern und saisonalen Ver\u00e4nderungen. Typische Einsatzorte reichen vom eigenen Garten oder Balkon bis zu Streuobstwiesen oder Naturschutzgebieten. Optional k\u00f6nnen die erfassten Daten an BirdWeather \u00fcbermittelt werden, eine globale Plattform zur Sammlung und Visualisierung von Vogelrufen. So wird die Lauschstation Teil eines weltweiten Netzwerks, sie unterst\u00fctzt Citizen-Science-Projekte und setzt lokale Beobachtungen in einen gr\u00f6\u00dferen \u00f6kologischen Kontext. Die Entwicklung von BirdNET wird von internationalen Forschungseinrichtungen und F\u00f6rderprogrammen unterst\u00fctzt und basiert auf der Zusammenarbeit von Wissenschaft, Industrie und einer offenen Community. Mehr \u00fcber BirdNET erfahren Sie hier<\/a>.<\/p>\n<\/div>\n\n\n\n

\n
\"Bild
Bild 1: Smartphone-App: Die BirdNET-App im Einsatz auf einem Smartphone<\/figcaption><\/figure>\n<\/div>\n<\/div>\n\n\n\n

Bei Citizen-Science-Plattformen<\/strong> handelt es sich um digitale Plattformen, \u00fcber die Menschen \u2013 auch ohne wissenschaftliche Ausbildung \u2013 aktiv an Forschungsprojekten mitwirken k\u00f6nnen. Diese k\u00f6nnen aus unterschiedlichen Bereichen kommen, wie Umwelt, Astronomie, Medizin, Klimaforschung oder Kultur. Aufgaben in einem solchen Projekt k\u00f6nnen z. B. das Sammeln von Daten (wie hier bei BirdNET dem Erkennen von Vogelstimmen), die Datenanalyse (z.\u202fB. Muster auf Satellitenbildern erkennen) oder die Meldung von Beobachtungen (z.\u202fB. Bl\u00fctezeiten von verschiedenen Pflanzen f\u00fcr die Klimaforschung) sein.<\/p>\n\n\n\n

<\/div>\n\n\n\n

Was braucht es f\u00fcr eine BirdNET-Lauschstation?<\/h2>\n\n\n\n

F\u00fcr den Aufbau einer BirdNET-Station auf Basis eines Raspberry Pi werden nur wenige Komponenten ben\u00f6tigt. In der Minimalversion umfasst die Ausstattung neben der Stromversorgung lediglich einen Raspberry Pi mit microSD-Karte und ein Mikrofon. Bei der Wahl des Mikrofons und der Einrichtung f\u00fcr den Dauerbetrieb bleibt jedoch viel Spielraum f\u00fcr individuelle Anpassungen und Erweiterungen, sodass sich die Station leicht an unterschiedliche Einsatzszenarien und Projekte anpassen l\u00e4sst.<\/p>\n\n\n\n

\"Bild
Bild 3: Skizze der ben\u00f6tigten Hardware<\/figcaption><\/figure>\n\n\n\n
<\/div>\n\n\n\n

Der passende Raspberry Pi<\/h3>\n\n\n\n

Falls kein Raspberry Pi vorhanden ist und ein Betrieb am Stromnetz geplant ist, empfiehlt sich der aktuelle Raspberry Pi 5<\/strong>, wobei bereits das 2-GB-RAM-Modell ausreichend ist. Zwar l\u00e4uft die eigentliche Echtzeit-Erkennung von BirdNET auch auf \u00e4lteren Raspberry-Pi-Modellen zuverl\u00e4ssig, der Raspberry Pi 5 bietet jedoch eine deutlich h\u00f6here Rechenleistung. Dies macht sich insbesondere bei der Weboberfl\u00e4che bemerkbar: Spektrogramme werden fl\u00fcssiger dargestellt und die Bedienung reagiert sp\u00fcrbar schneller. Sollte der Raspberry Pi zu Hause noch f\u00fcr andere Funktionen genutzt werden, kann man sich \u00fcberlegen, auf ein Modell mit mehr RAM zu setzen.<\/p>\n\n\n\n

Als Alternative eignet sich der Raspberry Pi 4B<\/strong> mit idealerweise 4 GB RAM. Auch hier ist eine gute Performance erreichbar, insbesondere wenn optional ein moderates Overclocking der CPU aktiviert wird.<\/p>\n\n\n\n

Als Mindestkonfiguration k\u00f6nnen ein Raspberry Pi 3B+<\/strong> oder ein Raspberry Pi Zero 2<\/strong> eingesetzt werden. Diese Systeme bew\u00e4ltigen die grundlegende Erkennung zuverl\u00e4ssig, zeigen jedoch Einschr\u00e4nkungen bei der Reaktionsgeschwindigkeit der Weboberfl\u00e4che und sto\u00dfen bei erweiterten Analysefunktionen oder mehreren parallelen Streams schneller an ihre Leistungsgrenzen. Ihr gro\u00dfer Vorteil liegt jedoch im geringeren Stromverbrauch, was diese Modelle neben dem g\u00fcnstigeren Preis als mobile Varianten oder Ger\u00e4te im Feldeinsatz attraktiv macht.<\/p>\n\n\n\n

<\/div>\n\n\n\n

SD-Speicherkarte<\/h3>\n\n\n\n

F\u00fcr den Dauerbetrieb empfiehlt sich eine microSD-Karte mit mindestens 64 GB Kapazit\u00e4t<\/strong>. Wichtig ist weniger die maximale Geschwindigkeit (V30 reicht), als vielmehr eine hohe Schreibfestigkeit. Ideal sind Karten, die als \u201eHigh Endurance\u201c, \u201eSurveillance Grade\u201c oder \u201eDashcam Rated\u201c gekennzeichnet sind. Sie sind speziell f\u00fcr den 24\/7-Betrieb ausgelegt. Bew\u00e4hrt haben sich unter anderem SanDisk High Endurance, Samsung PRO Endurance oder Western Digital Purple SC.<\/p>\n\n\n\n

Um Performance und Lebensdauer der microSD-Karte zu erhalten, sollte deren Belegung dauerhaft unter 80 Prozent bleiben. Werden viele Audioaufnahmen langfristig archiviert, empfiehlt sich alternativ oder erg\u00e4nzend ein externes USB-Speichermedium oder NAS, um die microSD-Karte zu entlasten.<\/p>\n\n\n\n

<\/div>\n\n\n\n

Mikrofon<\/a><\/h3>\n\n\n\n

Das Mikrofon ist eine zentrale Komponente der BirdNET-Lauschstation, da die Qualit\u00e4t der Audioaufnahmen die Erkennungsgenauigkeit und Zuverl\u00e4ssigkeit der Vogelstimmenanalyse beeinflusst. Zudem kann man mit der Wahl des Mikrofons das System an den jeweiligen Einsatzzweck und die \u00f6rtlichen Gegebenheiten anpassen, um optimale Ergebnisse zu erzielen.<\/p>\n\n\n\n

Die Wahl des geeigneten Mikrofons h\u00e4ngt ma\u00dfgeblich vom Einsatzort und den spezifischen Anforderungen ab. USB-Mikrofone<\/strong> \u00fcberzeugen durch ihre einfache Inbetriebnahme, w\u00e4hrend I2<\/sup>S-MEMS-Mikrofone<\/strong> besonders effizient sind und sich f\u00fcr den Dauerbetrieb eignen. Externe Soundkarten<\/strong> und hochwertige Spezialmikrofone <\/strong>liefern eine sehr hohe Audioqualit\u00e4t, verursachen jedoch h\u00f6here Kosten und erfordern zus\u00e4tzlichen Aufwand bei der Einrichtung sowie beim Schutz vor Umwelteinfl\u00fcssen. Dieses Beispiel zeigt, dass selbst ein scheinbar einfaches Projekt zahlreiche weiterf\u00fchrende Forschungs- und Experimentierfelder er\u00f6ffnet \u2013 von Mikrofontechnik \u00fcber Signalverarbeitung bis hin zur Optimierung akustischer Erfassungsmethoden.<\/p>\n\n\n\n

USB-Mikrofone<\/h4>\n\n\n\n

USB-Mikrofone stellen die einfachste und kosteng\u00fcnstigste Variante dar. Sie lassen sich besonders einfach an einem Raspberry Pi betreiben, da sie in der Regel ohne zus\u00e4tzliche Treiber erkannt werden. Sie eignen sich gut f\u00fcr den schnellen und erfolgreichen Einstieg und liefern bereits eine solide Aufnahmequalit\u00e4t. Nachteilig sind der etwas erh\u00f6hte Stromverbrauch sowie die begrenzten M\u00f6glichkeiten durch die vorgegebene Kabell\u00e4nge und Einschr\u00e4nkungen bei der Audioqualit\u00e4t.<\/p>\n\n\n\n

I\u00b2<\/sup>S-MEMS-Mikrofone<\/h4>\n\n\n\n

I\u00b2<\/sup>S-MEMS-Mikrofone sind speziell f\u00fcr den Einsatz mit Einplatinencomputern wie dem Raspberry Pi konzipiert und werden direkt \u00fcber die GPIO-Pins angeschlossen. Die digitale Audio\u00fcbertragung erfolgt \u00fcber die digitale I\u00b2<\/sup>S-Schnittstelle \u2013 nicht zu verwechseln mit I\u00b2C \u2013 die f\u00fcr kontinuierliche Audiodaten mit geringer Latenz ausgelegt ist.<\/p>\n\n\n\n

Bei MEMS-Mikrofonen (Micro-Electro-Mechanical-Systems) handelt es sich um mikroelektromechanische Bauelemente, bei denen die eigentliche Mikrofonmembran direkt in Silizium integriert ist. Dadurch entstehen \u00e4u\u00dferst kompakte, robuste und temperaturstabile Mikrofone, die unempfindlich gegen\u00fcber Ersch\u00fctterungen sind und \u00fcber eine gleichbleibende Audioqualit\u00e4t verf\u00fcgen. Diese werden z. B. in Smartphones eingesetzt. Das Audiosignal wird bereits im Mikrofon digitalisiert, was St\u00f6reinfl\u00fcsse auf der Leitung deutlich reduziert.<\/p>\n\n\n\n

I\u00b2<\/sup>S-MEMS-Mikrofone zeichnen sich durch einen sehr geringen Stromverbrauch, eine kleine Bauform und eine hohe Langzeitstabilit\u00e4t aus und eignen sich somit besonders f\u00fcr den dauerhaften 24\/7-Betrieb. Der Einrichtungsaufwand ist jedoch h\u00f6her: Neben Anpassungen auf Betriebssystemebene sind h\u00e4ufig L\u00f6tarbeiten sowie zus\u00e4tzlicher mechanischer Aufwand f\u00fcr die Integration in ein Geh\u00e4use erforderlich.<\/p>\n\n\n\n

Im Hinblick auf den Au\u00dfeneinsatz sind MEMS-Mikrofone durchaus empfindlich gegen\u00fcber direkter Feuchtigkeit und Kondensation. F\u00fcr den Dauerbetrieb im Freien ist daher ein geeigneter Schutz erforderlich, etwa durch wasserabweisende, akustisch durchl\u00e4ssige Membranen sowie ein gut bel\u00fcftetes und wettergesch\u00fctztes Geh\u00e4use.<\/p>\n\n\n\n

USB-Soundkarte mit Mikrofoneingang<\/h4>\n\n\n\n

Eine USB-Soundkarte mit externem Mikrofoneingang bietet hohe Flexibilit\u00e4t bei der Mikrofonwahl. So lassen sich auch h\u00f6herwertige oder bereits vorhandene Mikrofone weiterverwenden. Dies resultiert jedoch in einen zus\u00e4tzlichen Hardwareaufwand sowie einen etwas h\u00f6heren Energiebedarf. Mit dieser Konfiguration lassen sich auch hochwertige Richtmikrofone einsetzen.<\/p>\n\n\n\n

Gerne wird dabei auf das R\u00f8de VideoMic NTG zur\u00fcckgegriffen, das urspr\u00fcnglich f\u00fcr den Videodreh entwickelt wurde. Durch seine Supernieren-Richtcharakteristik nimmt das Mikrofon bevorzugt Schall aus der nach vorne ausgerichteten Richtung auf, w\u00e4hrend seitliche und r\u00fcckw\u00e4rtige Ger\u00e4usche deutlich abgeschw\u00e4cht werden. Dadurch werden Umgebungsger\u00e4usche reduziert und gezielte Aufnahmen erm\u00f6glicht. Solche Mikrofone eignen sich besonders f\u00fcr gezielte Beobachtungen, sind jedoch vergleichsweise kostenintensiv und f\u00fcr den dauerhaften Outdoorbetrieb nur dann sinnvoll, wenn sie zuverl\u00e4ssig vor Witterungseinfl\u00fcssen gesch\u00fctzt werden k\u00f6nnen.<\/p>\n\n\n\n

Eigenbau: Elektretmikrofon<\/h4>\n\n\n\n

Elektretmikrofone eignen sich besonders f\u00fcr Eigenbauprojekte, vor allem f\u00fcr Anwender, die sich intensiver mit Mikrofontechnik und analoger Signalverarbeitung besch\u00e4ftigen m\u00f6chten. Sie sind kosteng\u00fcnstig, weitverbreitet und lassen sich mit einfachen Vorverst\u00e4rkerschaltungen in Kombination mit einer USB-Soundkarte oder einem Audio-ADC am Raspberry Pi betreiben. F\u00fcr den dauerhaften Au\u00dfeneinsatz sind Elektretmikrofone jedoch nur bedingt geeignet, da sie empfindlich gegen\u00fcber Feuchtigkeit und Temperaturschwankungen sind.<\/p>\n\n\n\n

RTSP-Stream anstatt Mikrofon<\/h4>\n\n\n\n

Statt eines direkten Mikrofoneingangs kann auch der bestehende Videostream einer Kamera zur Vogelstimmerkennung genutzt werden. Dar\u00fcber hinaus ist es m\u00f6glich, mit zus\u00e4tzlichen Komponenten ein Funkmikrofon zu realisieren, wodurch auf eine Kabeldurchf\u00fchrung verzichtet werden kann. Weitere Informationen zu diesem Projekt finden Sie hier<\/a>.<\/p>\n\n\n\n

<\/div>\n\n\n\n

Stromversorgung<\/h3>\n\n\n\n

F\u00fcr einen stabilen und st\u00f6rungsfreien Betrieb der BirdNET-Lauschstation ist die richtige Stromversorgung entscheidend. Je nach Einsatzzweck stehen verschiedene Optionen zur Verf\u00fcgung.<\/p>\n\n\n\n

Netzteil f\u00fcr station\u00e4ren Betrieb<\/h4>\n\n\n\n

F\u00fcr den Betrieb zu Hause \u201eauf der Fensterbank\u201c empfiehlt sich das offizielle Netzteil des jeweiligen Raspberry-Pi-Modells:<\/p>\n\n\n\n

    \n
  • Raspberry Pi 5: 5,1\u202f V\/5 A USB-C<\/li>\n\n\n\n
  • Raspberry Pi 4: 5,1 V\/3 A USB-C<\/li>\n\n\n\n
  • Raspberry Pi 3: 5 V\/2,5 A Micro-USB<\/li>\n<\/ul>\n\n\n\n

    Die offiziellen Netzteile liefern bewusst 5,1 V, um Spannungsverluste auszugleichen, bieten eine bessere Abschirmung gegen elektromagnetische St\u00f6rungen (EMI) und hochfrequente Funkst\u00f6rungen (RFI) und reduzieren somit St\u00f6rungen bei der Audioaufnahme. Zudem sind sie exakt auf die Stromanforderungen des Raspberry Pi unter Last ausgelegt. Der Einsatz ungeeigneter Netzteile kann zu Unterspannungswarnungen, Instabilit\u00e4ten, St\u00f6rger\u00e4uschen und Aussetzern im Betrieb f\u00fchren. <\/p>\n\n\n\n

    Der Stromverbrauch liegt modellabh\u00e4ngig typischerweise zwischen 3 und 8 W:<\/p>\n\n\n\n

      \n
    • Raspberry Pi 3B+: ca. 3 W im Leerlauf, bis zu 5,5 W bei aktiver Analyse<\/li>\n\n\n\n
    • Raspberry Pi 4B: ca. 4\u20136,5 W<\/li>\n\n\n\n
    • Raspberry Pi 5: 5\u20138 W<\/li>\n<\/ul>\n\n\n\n

      F\u00fcr ein angeschlossenes USB-Audiointerface oder Mikrofon sollten zus\u00e4tzlich etwa 0,5 bis 1 W eingeplant werden.<\/p>\n\n\n\n

      Powerbank f\u00fcr mobilen Einsatz<\/h4>\n\n\n\n

      F\u00fcr mobile oder tempor\u00e4re Installationen kann die BirdNET-Lauschstation \u00fcber eine Powerbank mit ausreichender Ausgangsleistung betrieben werden. Dadurch sind Messungen unabh\u00e4ngig vom Stromnetz m\u00f6glich, beispielsweise auf Exkursionen. So eine Powerbank mit 100 Wh kann einen Raspberry Pi 4B mit USB-Mikrofon etwa 14 Stunden am St\u00fcck betreiben.<\/p>\n\n\n\n

      Stromversorgung mit Solar und Batterie<\/h4>\n\n\n\n

      Neben der klassischen Netzstromversorgung ist auch ein Betrieb mit Solarenergie und Akku m\u00f6glich. Diese Variante eignet sich besonders f\u00fcr Langzeitstudien fernab des Stromnetzes und er\u00f6ffnet neue Einsatzm\u00f6glichkeiten. Mit wenigen zus\u00e4tzlichen Komponenten zur Energieverwaltung, einer geeigneten Solarzelle, einem Akku und einem wetterfesten Geh\u00e4use l\u00e4sst sich eine autarke BirdNET-Lauschstation realisieren, die \u00fcber l\u00e4ngere Zeitr\u00e4ume unabh\u00e4ngig betrieben werden kann \u2013 etwa in Naturschutzgebieten oder auf abgelegenen Fl\u00e4chen.<\/p>\n\n\n\n

      <\/div>\n\n\n\n

      Damit sind die technischen Grundlagen gelegt: <\/strong>von der Funktionsweise der KI \u00fcber die ben\u00f6tigte Hardware bis hin zu Mikrofonwahl, Stromversorgung und Einsatzszenarien. Bereits mit \u00fcberschaubarem Aufwand l\u00e4sst sich so eine leistungsf\u00e4hige BirdNET-Lauschstation realisieren, die kontinuierlich Vogelstimmen erfasst und dokumentiert.

      Doch die eigentliche St\u00e4rke des Systems zeigt sich erst im Betrieb: <\/strong>Genau darum geht es in Teil 2: Dort steht die Open-Source-Software im Mittelpunkt \u2013 von der Installation von BirdNET-Go \u00fcber die Bedienung der Weboberfl\u00e4che bis hin zu Analysefunktionen, Optimierungen f\u00fcr den Dauerbetrieb und der Einbindung in Citizen-Science-Plattformen wie BirdWeather.<\/p>\n\n\n\n

      <\/div>\n\n\n\n

      Ebenfalls interessant: Vogelbeobachtung im Nistkasten<\/h2>\n\n\n
      \n
      <\/div>\n<\/div>\n\n\n\n

      <\/p>\n","protected":false},"excerpt":{"rendered":"

      Mit BirdNET wird der Raspberry Pi zur 24\/7-Lauschstation: Vogelstimmen automatisch erkennen, protokollieren und auf Wunsch mit BirdWeather teilen. Teil 1 erkl\u00e4rt Prinzip und Hardware.<\/p>\n","protected":false},"author":5,"featured_media":10261,"comment_status":"open","ping_status":"closed","sticky":false,"template":"","format":"standard","meta":{"_acf_changed":false,"footnotes":""},"categories":[160],"tags":[1553,1547,1545,1555,1558,1550,1557,1562,1559,1556,1554,1552,1546,1551,1560,1544,1548,1549],"post-author":[1536],"class_list":["post-10242","post","type-post","status-publish","format-standard","has-post-thumbnail","hentry","category-projekt-diy","tag-bioakustik-monitoring","tag-birdnet","tag-birdnet-lauschstation","tag-birdnet-raspberry-pi","tag-birdnet-go","tag-birdweather","tag-citizen-science","tag-high-endurance-microsd","tag-i2s-mems-mikrofon-raspberry-pi","tag-outdoor-vogelstimmen-monitoring","tag-raspberry-pi-4-birdnet","tag-raspberry-pi-5-birdnet","tag-raspberry-pi-lauschstation","tag-spektrogramm-vogelstimmen","tag-usb-mikrofon-raspberry-pi","tag-vogelstimmen-erkennen-raspberry-pi","tag-vogelstimmen-ki","tag-vogelstimmenerkennung-24-7","post-author-gregor-baumart"],"acf":[],"info":{"thumbnail":{"url":"https:\/\/elvjournal.elv.com\/wp-content\/uploads\/header_birdnet.jpg","alt":""},"teaserImage":{"ID":10263,"id":10263,"title":"liste-beitrag_birdnet_t1","filename":"Liste-Beitrag_birdnet_t1.jpg","filesize":52538,"url":"https:\/\/elvjournal.elv.com\/wp-content\/uploads\/Liste-Beitrag_birdnet_t1.jpg","link":"https:\/\/de.elv.com\/elvjournal\/vogelstimmen-erkennen-birdnet-raspberry-pi-grundlagen\/liste-beitrag_birdnet_t1\/","alt":"","author":"5","description":"","caption":"","name":"liste-beitrag_birdnet_t1","status":"inherit","uploaded_to":10242,"date":"2026-02-05 10:55:24","modified":"2026-02-05 10:55:24","menu_order":0,"mime_type":"image\/jpeg","type":"image","subtype":"jpeg","icon":"https:\/\/elvjournal.elv.com\/wp-includes\/images\/media\/default.png","width":433,"height":274,"sizes":{"thumbnail":"https:\/\/elvjournal.elv.com\/wp-content\/uploads\/Liste-Beitrag_birdnet_t1-250x250.jpg","thumbnail-width":250,"thumbnail-height":250,"medium":"https:\/\/elvjournal.elv.com\/wp-content\/uploads\/Liste-Beitrag_birdnet_t1-300x190.jpg","medium-width":300,"medium-height":190,"medium_large":"https:\/\/elvjournal.elv.com\/wp-content\/uploads\/Liste-Beitrag_birdnet_t1.jpg","medium_large-width":433,"medium_large-height":274,"large":"https:\/\/elvjournal.elv.com\/wp-content\/uploads\/Liste-Beitrag_birdnet_t1.jpg","large-width":433,"large-height":274,"1536x1536":"https:\/\/elvjournal.elv.com\/wp-content\/uploads\/Liste-Beitrag_birdnet_t1.jpg","1536x1536-width":433,"1536x1536-height":274,"2048x2048":"https:\/\/elvjournal.elv.com\/wp-content\/uploads\/Liste-Beitrag_birdnet_t1.jpg","2048x2048-width":433,"2048x2048-height":274,"gform-image-choice-sm":"https:\/\/elvjournal.elv.com\/wp-content\/uploads\/Liste-Beitrag_birdnet_t1.jpg","gform-image-choice-sm-width":300,"gform-image-choice-sm-height":190,"gform-image-choice-md":"https:\/\/elvjournal.elv.com\/wp-content\/uploads\/Liste-Beitrag_birdnet_t1.jpg","gform-image-choice-md-width":400,"gform-image-choice-md-height":253,"gform-image-choice-lg":"https:\/\/elvjournal.elv.com\/wp-content\/uploads\/Liste-Beitrag_birdnet_t1.jpg","gform-image-choice-lg-width":433,"gform-image-choice-lg-height":274}},"categories":[{"id":160,"name":"Projekte & DIY","slug":"projekt-diy"}],"authors":[{"id":1536,"name":"Gregor Baumart","slug":"gregor-baumart"}],"document":false,"epaper":"","date":"26. M\u00e4rz 2026","excerpt":"Mit BirdNET wird der Raspberry Pi zur 24\/7-Lauschstation: Vogelstimmen automatisch erkennen, protokollieren und auf Wunsch mit BirdWeather teilen. Teil 1 erkl\u00e4rt Prinzip und Hardware."},"_links":{"self":[{"href":"https:\/\/de.elv.com\/elvjournal\/wp-json\/wp\/v2\/posts\/10242","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/de.elv.com\/elvjournal\/wp-json\/wp\/v2\/posts"}],"about":[{"href":"https:\/\/de.elv.com\/elvjournal\/wp-json\/wp\/v2\/types\/post"}],"author":[{"embeddable":true,"href":"https:\/\/de.elv.com\/elvjournal\/wp-json\/wp\/v2\/users\/5"}],"replies":[{"embeddable":true,"href":"https:\/\/de.elv.com\/elvjournal\/wp-json\/wp\/v2\/comments?post=10242"}],"version-history":[{"count":10,"href":"https:\/\/de.elv.com\/elvjournal\/wp-json\/wp\/v2\/posts\/10242\/revisions"}],"predecessor-version":[{"id":13152,"href":"https:\/\/de.elv.com\/elvjournal\/wp-json\/wp\/v2\/posts\/10242\/revisions\/13152"}],"wp:featuredmedia":[{"embeddable":true,"href":"https:\/\/de.elv.com\/elvjournal\/wp-json\/wp\/v2\/media\/10261"}],"wp:attachment":[{"href":"https:\/\/de.elv.com\/elvjournal\/wp-json\/wp\/v2\/media?parent=10242"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/de.elv.com\/elvjournal\/wp-json\/wp\/v2\/categories?post=10242"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/de.elv.com\/elvjournal\/wp-json\/wp\/v2\/tags?post=10242"},{"taxonomy":"post-author","embeddable":true,"href":"https:\/\/de.elv.com\/elvjournal\/wp-json\/wp\/v2\/post-author?post=10242"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}