Die klassische Verhaltensforschung bei Tieren ist zeitintensiv und oft unvollständig. Studien zeigen, dass rund 70 % der Verhaltensmuster nicht vollständig erfasst werden können. Durch den Einsatz von generativer KI, speziell multimodalen LLMs wie GPT-4, ergeben sich neue Möglichkeiten zur Automatisierung und Präzisierung der Analyse. Diese Arbeit untersucht, wie GPT-4 das Verhalten von Hunden, Kühen und Pferden analysieren und evaluieren und zur Vermeidung potenziell gefährlicher Interaktionen zwischen Menschen und Tieren beitragen kann.

In der Arbeit wurde ein interdisziplinärer Ansatz gewählt. Eine umfassende Literaturrecherche diente der Erfassung des aktuellen Forschungsstands. Interviews mit Experten und Tierhaltern boten praktische Einblicke. Der Autor erstellte eine eigene Fotosammlung, die verschiedene Verhaltensweisen von Hunden, Kühen und Pferden dokumentiert. Die darin befindlichen Bilder wurden manuell gelabelt und als Trainings- sowie Testdaten für das LLM verwendet. Anschliessend wurden die Modelle auf ihre Fähigkeit getestet, Verhaltensmuster zu erkennen und zu interpretieren.

Die Ergebnisse der Studie zeigen, dass multimodale LLMs wie GPT-4 erfolgreich zur Verhaltensanalyse von Tieren eingesetzt werden können. Der Cow Whisperer erzielte eine Genauigkeit von 86,38 % bei der Erkennung von Verhaltensmustern bei Kühen, was etwa Wanderern helfen mag. Der Horse Whisperer konnte mit einer Genauigkeit von 81,25 % die komplexen Verhaltensmuster von Pferden erkennen und bietet wertvolle Einblicke zur Verbesserung von Trainingsmethoden und zum Wohlbefinden der Tiere. Der Dog Whisperer erzielte eine Genauigkeit von 81,21 % bei der Erkennung emotionaler Zustände wie Angst, Aggression oder Freude bei Hunden, was besonders für Hundetrainer und -besitzer oder Spaziergänger in urbanen Umgebungen nützlich ist. Trotz der Beschränkung auf zweidimensionale Daten und des Mangels an Geräuschanalysen zeigen die Ergebnisse, dass KI-Technologien erhebliches Potenzial zur Verbesserung des Tierschutzes und der Sicherheit von Mensch-Tier-Interaktionen bieten. Die Integration von Sensor- und Wearables-Technologien könnte die Analyse weiter optimieren, wobei ethische Überlegungen, insbesondere in Bezug auf den Datenschutz, berücksichtigt werden müssen.