Warum sich soziales Verhalten schwieriger messen lässt als Einzelaktivität
Die Messung eines einzelnen Fisches in einem Becken ist ein Verfolgungsproblem. Die Messung mehrerer Fische gemeinsam ist ein Verfolgungsproblem plus ein Identitätsproblem. Soziale Interaktionsmuster hängen davon ab, welcher Fisch sich in der Nähe welchen anderen Fisches befindet, wie lange sie nahe beieinander bleiben und wie sich die Gruppe im Zeitverlauf neu anordnet. Ein Verhaltensanalyse-System für Zebrabärblinge muss dieses Identitätsproblem lösen, bevor es überhaupt etwas über soziales Verhalten berichten kann. Wenn sich bei Kreuzung zweier Fische die Identitäten vertauschen, wird die Datenaufzeichnung zu einer Aufzeichnung von Positionen statt zu einer Aufzeichnung von Beziehungen.
Manuelle Beobachtung stößt auf dasselbe Problem. Eine Person, die einen Tank beobachtet, kann einem Fisch eine Zeit lang folgen, doch die Aufmerksamkeit lässt nach. Wenn mehrere Fische sich gleichzeitig bewegen, kann der Beobachter nicht alle Identitäten eindeutig verfolgen. Das Ergebnis ist oft ein vager Eindruck statt einer quantitativen Messung. Automatisierung beseitigt die Schwierigkeit nicht, macht aber das Identitätsproblem explizit und lösbar.
Verfolgung von Identitäten beim Kreuzen der Wege von Fischen
Die Verfolgung mehrerer Objekte ist der Kern der Messung sozialen Verhaltens. Die Software erkennt jeden Fisch in jedem Einzelbild und verknüpft diese Erkennungen über mehrere Einzelbilder hinweg. Wenn zwei Fische sich nahekommen, wird der Verknüpfungsschritt mehrdeutig. Eine einfache Regel des nächsten Nachbarn versagt häufig und führt zu falschen Identitätszuweisungen. Robustere Systeme nutzen Bewegungsvorhersage, beispielsweise mithilfe eines Kalman-Filters, sowie Merkmale des Erscheinungsbilds – etwa die Form des Schwanzes oder die Körpergröße –, um die Identitäten stabil zu halten.
Der ungarische Algorithmus wird häufig zur Zuordnung von Erkennungen zu bestehenden Spuren verwendet. Er findet die beste Eins-zu-eins-Zuordnung anhand einer Kostenmatrix, die Distanz, vorhergesagte Position und optisches Erscheinungsbild umfassen kann. Selbst mit diesen Werkzeugen bleibt Verdeckung eine Herausforderung. Fische, die hinter einer Beckeneinrichtung schwimmen oder sich vollständig überlagern, können für einige Frames verloren gehen. Gute Systeme bewältigen kurze Unterbrechungen und geben Vertrauenswerte aus, sodass der Nutzer weiß, wann eine Spur unsicher ist.
Distanz- und Nähe-Metriken, die soziale Präferenzen erfassen
Sobald die Identitäten stabil sind, kann das System soziale Metriken berechnen. Die einfachste davon ist der Abstand zwischen zwei Fischen, also der Abstand zwischen einem Fisch und seinem nächsten Nachbarn. Der durchschnittliche Abstand zwischen Fischen innerhalb einer Gruppe liefert eine grobe Messgröße für Kohäsion. Ein kleinerer Durchschnittswert deutet auf einen dichteren Schwarm hin; ein größerer Durchschnittswert darauf, dass sich die Fische verteilen.
Weitere Kenngrößen liefern zusätzliche Nuancen. Der Abstand zum nächstgelegenen Fisch konzentriert sich auf den jeweils nächsten Fisch und kann Paarungsverhalten aufdecken. Die innerhalb eines definierten Radius um einen anderen Fisch verbrachte Zeit misst die Präferenz für Nähe. Annäherungen und Entfernungen zählen, wie oft sich Fische einander annähern oder von einander entfernen. Diese Kenngrößen können entweder für die gesamte Gruppe oder für spezifische Fischpaare berechnet werden – je nach Fragestellung. Ein Verhaltensanalyse-System für Zebrabärblinge gibt typischerweise mehrere dieser Kenngrößen gleichzeitig aus, was hilft, verschiedene Aspekte der sozialen Interaktion voneinander zu unterscheiden.
| Messziel | Manuelle Beobachtung | Automatisiertes Verfolgungssystem |
|---|---|---|
| Abstand zwischen Fischen | Schätzung mit dem Auge | Pro Bild berechnet |
| Identitätserhaltung | Schwierig, wenn sich Fische kreuzen | Wird mithilfe von Vorhersage und Erscheinungsbild aufrechterhalten |
| Gruppenzusammenhalt | Erster Eindruck | Durchschnittliche Distanz- und Cluster-Metriken |
| Annäherung und Entfernung | Leicht zu übersehen | Wird automatisch gezählt |
| Zeit in der Nähe | Unterschiedlich zwischen Beobachtern | Definiert durch Radius und Dauer |
Gruppendynamik und Schwarmverhalten
Soziale Interaktion beruht nicht nur auf der durchschnittlichen Distanz. Sie betrifft auch, wie sich die Gruppe gemeinsam bewegt. Zu Schwarmmustern zählen Polarisation – also die Ausrichtung der Schwimmrichtung zwischen den Fischen – und Rotation – also die Neigung, koordiniert im Kreis zu schwimmen. Diese Muster entstehen aus lokalen Interaktionen und sind mit bloßem Auge schwer erkennbar.
Die automatisierte Verfolgung kann diese Werte aus den Bewegungsbahnen berechnen. Die Polarisation ist der durchschnittliche Richtungsvektor aller Fische. Die Rotation wird anhand der Winkelgeschwindigkeit um den Schwerpunkt der Gruppe gemessen. Diese Kenngrößen reagieren empfindlich auf die Gruppengröße, die Beckenform und die Strömung. Eine Gruppe in einem kreisförmigen Becken kann andere Muster zeigen als eine Gruppe in einem rechteckigen Becken. Das System gibt die Zahlenwerte aus, doch die Forschenden müssen sie im jeweiligen Kontext interpretieren.
Umweltfaktoren, die soziale Interaktionsdaten prägen
Soziales Verhalten findet nicht im luftleeren Raum statt. Die Wassertemperatur beeinflusst das Aktivitätsniveau und damit, wie nahe die Fische zueinander bleiben. Die Lichtintensität verändert die Erregungslage und die Schwarmneigung. Die Größe und Form des Beckens bestimmen den für Interaktionen zur Verfügung stehenden Raum. Die Haltedichte vor dem Experiment beeinflusst das basale soziale Verhalten. Fische, die isoliert gehalten wurden, können sich anders verhalten als Fische, die in Gruppen gehalten wurden.
Das Verhaltensanalysesystem für Zebrabärblinge kann viele dieser Variablen erfassen, sofern die Sensoren angeschlossen sind. Es kann jedoch weder die Haltungsbedingungen noch den genetischen Hintergrund steuern. Diese Faktoren müssen separat dokumentiert und bei der Interpretation der Daten berücksichtigt werden. Eine soziale Metrik, die sich zwischen zwei Gruppen unterscheidet, kann einen Behandlungseffekt, einen Haltungseffekt oder eine Wechselwirkung zwischen beiden widerspiegeln.
Ein Praxisbeispiel und die Grenzen der automatisierten sozialen Analyse
Ein Universitätslabor im Süden Chinas untersuchte die Wirkung einer Verbindung auf das Sozialverhalten erwachsener Zebrabärblinge. In der ersten Runde kam manuelle Auswertung zum Einsatz: Beobachter zählten, wie oft sich die Fische nahe beieinander bewegten; die Ergebnisse erwiesen sich jedoch als uneinheitlich – sowohl zwischen verschiedenen Personen als auch zwischen verschiedenen Sitzungen. Anschließend installierte das Labor ein Verhaltensanalysesystem für Zebrabärblinge mit Mehrziel-Tracking.
Die automatisierten Daten zeigten, dass die behandelten Gruppen eine größere durchschnittliche Distanz zwischen den Fischen und weniger Annäherungsereignisse als die Kontrollgruppen aufwiesen. Der Effekt war gering, aber über alle Sitzungen hinweg konsistent. Die manuelle Auswertung hatte ihn übersehen, weil die Beobachter die Identitäten nicht zuverlässig verfolgen konnten, sobald die Fische sich kreuzten. Das automatisierte System bewies nicht, dass die Verbindung die soziale Motivation veränderte. Es zeigte lediglich, dass sich das räumliche Muster veränderte. Folgearbeiten wären erforderlich, um den Grund dafür zu verstehen.
Die automatisierte soziale Analyse hat Grenzen. Sie misst Positionen und Bewegungen. Sie misst jedoch nicht Motivation, Erkennung oder Präferenz im kognitiven Sinne. Ein Fisch mag sich einem anderen Fisch nähern, weil er Gesellschaft bevorzugt, weil er einem Leitfisch folgt oder weil die Geometrie des Beckens ihn dazu zwingt. Die Verfolgungsdaten können diese Erklärungen nicht unterscheiden. Menschliches Urteilsvermögen und sorgfältig gestaltete Folgeexperimente bleiben weiterhin notwendig.
Hunter Lab (Hunter) fertigt Laborausrüstung für Zebrabärblinge unter besonderer Berücksichtigung der Bildstabilität und der Verfolgung mehrerer Objekte, wie sie für die Erforschung sozialen Verhaltens erforderlich ist. Die Fertigung und Qualitätskontrolle gewährleisten die Konsistenz, die langfristige Verhaltensforschung erfordert. Für Labore, die Muster sozialer Interaktion messen, gehört diese Art von Herstellungsdisziplin zur Grundlage.