BOKU Magazin 1/2024
INHALT 3 Editorial 4 Biodiversitätskrise und Herausforderungen für Forschung 5 Networking Biodiversity 8 Das EU-Renaturierungsgesetz 12 Energiewende im Einklang mit der Natur? 16 Warum der Apfel möglichst weit vom Stamm fallen sollte 18 Genetische Vielfalt von Steppenpflanzen 20 Konservieren, Archivieren, Kultivieren 23 Biodiversität durch neue Wiesen 24 Adaptive Waldwirtschaft 28 Biodiversitätsfördernde Maßnahmen in der Landwirtschaft 30 Boden-Diversität 32 Wiens globaler Biodiversitätsfußabdruck 34 Ökosystem Solarpark 35 Bäuerliche Hausgärten 36 Wildbienen: Vom Underdog zum Schutzobjekt 38 Gefährdet der Wolf die Biodiversität der Almen? 40 Die Rückkehr der Wölfe 42 Zweiter Internationaler Tag der Schakale 44 Wechselkröten und ihr immer kleinerer Lebensraum 46 Biodiversität im Süßwasser 48 Ohne Daten keine Erkenntnis 50 KI im Einsatz für die Biodiversität 52 Milben: The good, the bad and the ugly 53 Roadkill: On the road (again)? 54 Boden.Pioniere 2050 58 Mentoring für Frauen in der Forstwirtschaft 60 Die BOKU und Teezüchtung in Sri Lanka 61 Citizen Science 62 Interview Kilian Hitzl 64 Bildung für nachhaltige Entwicklung 68 KI und Hochschullehre 73 KI in der Geotechnik 74 Das nachhaltige Übungslabor 76 Naturschutzrelevante Tierarten und was das Format Vorlesung bieten kann 78 Selbstorganisierte studentische Lehrveranstaltung 80 Gender & Diversity 82 Splitter 85 Vielfältiges Forschen lohnt sich 86 Forschung FAQ / Strategische Kooperation UBA
INHALT
3 Editorial
4 Biodiversitätskrise und Herausforderungen für Forschung
5 Networking Biodiversity
8 Das EU-Renaturierungsgesetz
12 Energiewende im Einklang mit der Natur?
16 Warum der Apfel möglichst weit vom Stamm fallen sollte
18 Genetische Vielfalt von Steppenpflanzen
20 Konservieren, Archivieren, Kultivieren
23 Biodiversität durch neue Wiesen
24 Adaptive Waldwirtschaft
28 Biodiversitätsfördernde Maßnahmen in der Landwirtschaft
30 Boden-Diversität
32 Wiens globaler Biodiversitätsfußabdruck
34 Ökosystem Solarpark
35 Bäuerliche Hausgärten
36 Wildbienen: Vom Underdog zum Schutzobjekt
38 Gefährdet der Wolf die Biodiversität der Almen?
40 Die Rückkehr der Wölfe
42 Zweiter Internationaler Tag der Schakale
44 Wechselkröten und ihr immer kleinerer Lebensraum
46 Biodiversität im Süßwasser
48 Ohne Daten keine Erkenntnis
50 KI im Einsatz für die Biodiversität
52 Milben: The good, the bad and the ugly
53 Roadkill: On the road (again)?
54 Boden.Pioniere 2050
58 Mentoring für Frauen in der Forstwirtschaft
60 Die BOKU und Teezüchtung in Sri Lanka
61 Citizen Science
62 Interview Kilian Hitzl
64 Bildung für nachhaltige Entwicklung
68 KI und Hochschullehre
73 KI in der Geotechnik
74 Das nachhaltige Übungslabor
76 Naturschutzrelevante Tierarten und was das Format Vorlesung bieten kann
78 Selbstorganisierte studentische Lehrveranstaltung
80 Gender & Diversity
82 Splitter
85 Vielfältiges Forschen lohnt sich
86 Forschung FAQ / Strategische Kooperation UBA
Erfolgreiche ePaper selbst erstellen
Machen Sie aus Ihren PDF Publikationen ein blätterbares Flipbook mit unserer einzigartigen Google optimierten e-Paper Software.
Abbildung 1: Die einfachste Version eines Künstlichen Neuronalen Netzes (unten) in Analogie zu einer menschlichen Nervenzelle (oben) (Grafik inspiriert
von Bast, 2024 und Franzetti, 2023, verfügbar gemacht als OER: Andreas Zitek, University of Natural Resources and Life Sciences, Vienna
(BOKU), Division of E-Learning and Didactics. „Ein einfaches Künstliches Neuronales Netzwerk im Vergleich zu einer menschlichen Nervenzelle.“
CC BY-SA 4.0, https://creativecommons.org/licenses/by-sa/4.0/, https://doi.org/10.5281/zenodo.10683984; Remix basierend auf “Derived Neuron
schema with no labels” von Dhp1080, svg adaptation by Actam, via Wikimedia Commons.
https://commons.wikimedia.org/wiki/File:Derived_Neuron_schema_with_no_labels.svg
riesige Menge an Trainingsmaterial können
dabei auch Nuancen der Sprache in
hoher Qualität wiedergegeben werden.
Während Sprachprogramme mit Wortsilben
trainiert werden, werden Bilderkennungsprogramme
mit Pixelwerten
trainiert und ständig optimiert. So können
sie aus dem Vorhandensein und der
Konfiguration von Pixelwerten bestimmte
Objekte und Eigenschaften erkennen.
Die Qualität des Ergebnisses hängt dabei
immer von der Menge und Qualität der
verwendeten Trainingsdaten und der
verfügbaren Rechenkapazität ab.
RASEND SCHNELLE ENTWICKLUNG
Im Jahr 2018 hat OpenAI damit begonnen,
GPT (General Pre-trained Transformer)
mit Daten zu trainieren, um schließlich
im November 2022 mit ChatGPT
eine öffentlich zugängliche Schnittstelle
zur Interaktion mit dem GPT-Modell anbieten
zu können. Seitdem hat sich das
Modell stark weiterentwickelt und ist nun
in der Version ChatGPT 4.0 verfügbar.
Durch die Anbindung an andere KI-Tools
und Plug-ins ist es möglich, Bilder oder
bald auch Videos aus Texteingaben zu generieren,
hochgeladene PDFs zu analysieren
und zusammenzufassen, automatisch
Quizfragen aus Skripten und PDFs
zu generieren, Daten zu analysieren etc.
Aufgrund der stark gestiegenen Anzahl
von Knoten bzw. Parametern (175 Milliarden
bei ChatGPT-3.5 vs. geschätzte
100 Billionen bei ChatGPT-4.0) war
auch der qualitative Sprung zwischen
ChatGPT-3.5 und ChatGPT-4.0 signifikant.
Und die Entwicklung geht rasant
weiter. Letztlich ungeklärt ist aber immer
noch das Problem der Urheberrechte
für die Trainingsmaterialien. Mittlerweile
gibt es bereits Anbieter, die KI-Tools
basierend auf einer offiziellen Zusammenarbeit
zwischen Textinhaber*innen
und KI-Entwickler*innen anbieten und
somit in dieser Hinsicht eine „saubere“
KI-Lösung darstellen, deren Qualität und
Anwendung jeweils auf den Bereich der
Trainingsdaten beschränkt ist.
WIE SIEHT DIE ZUKUNFT DER KI AUS?
Der nächste Schritt für ChatGPT wird
vermutlich sein, es mit einem „Gedächtnis“
auszustatten (derzeit sind die
Anfragen zwar miteinander verknüpft,
aber es gibt keine weiteren „Gedächtnisfunktionen“).
Dies ebnet den Weg
für personalisierte Chatbots, „die meine
Geschichte, meine besonderen Interessen
usw.“ kennen.
Dies verdeutlicht zugleich die datenschutzrechtliche
Problematik der Technologie,
da sie zur Gewährleistung einer
hohen Qualität der Interaktion beziehungsweise
der Ergebnisse auf die Speicherung
großer Datenmengen und auf
enorme Rechenleistungen angewiesen
ist, welche bisher vor allem auf Servern in
den USA zur Verfügung gestellt werden.
Obwohl das menschliche Gehirn wesentlich
komplexer funktioniert und vor allem
durch seine Fähigkeit zur Selbstorganisation,
zum Lernen aus Erfahrung und zur
Anpassung die Funktionalität heutiger
KI-Modelle bei Weitem übersteigt, sind
Magazin 1 | 2024
69