Pilzbestimmung per App und KI: Wie zuverlässig?

Foto machen, zwei Sekunden warten, Artname mit Prozentangabe. Pilzbestimmungs-Apps sind eindrucksvoll geworden, und sie sind für viele der Einstieg in die Mykologie überhaupt. Gleichzeitig gibt es kaum ein Werkzeug, bei dem der Abstand zwischen wahrgenommener und tatsächlicher Zuverlässigkeit so groß ist. Beides ist wichtig zu verstehen.

Wie die Erkennung funktioniert

Hinter modernen Apps stecken neuronale Netze, die mit sehr großen Mengen beschrifteter Pilzfotos trainiert wurden. Das Modell lernt visuelle Muster – Hutform, Farbverläufe, Oberflächenstruktur, Lamellenabstände – und ordnet ein neues Bild derjenigen Art zu, deren Muster am besten passen. Manche Systeme ziehen zusätzlich Standort, Datum und Habitat mit ein, was die Trefferquote deutlich verbessert.

Das Ergebnis ist immer eine Wahrscheinlichkeitsrangliste. Die Prozentzahl, die die App anzeigt, ist eine modellinterne Konfidenz – sie sagt aus, wie gut das Bild zu den Trainingsdaten dieser Art passt. Sie ist keine Aussage darüber, wie sicher die Bestimmung objektiv ist.

Was Apps gut können

• Charakteristische, unverwechselbare Arten: Fliegenpilz, Pfifferling, Schopftintling, Riesenporling – hier liegen gute Apps sehr häufig richtig.
• Die Vorauswahl eingrenzen: Aus über 10.000 heimischen Großpilzarten auf drei bis fünf Kandidaten zu kommen, ist echte Arbeitsersparnis.
• Lernen: Wer sich die Vorschlagsliste ansieht und die genannten Arten anschließend nachliest, baut systematisch Wissen auf.
• Dokumentation: Funde mit Datum, Ort und Foto festzuhalten, macht aus Zufallsfunden ein persönliches Revierwissen.

Wo die Technik systematisch scheitert

Die Grenzen sind keine Kinderkrankheiten, die sich mit mehr Trainingsdaten auflösen. Sie liegen in der Sache:

Die Kamera sieht das Falsche

Viele bestimmungsrelevante Merkmale sind auf einem Foto der Hutoberseite gar nicht vorhanden: die Stielbasis mit Knolle und Scheide, die Farbveränderung im Anschnitt, der Geruch, die Sporenpulverfarbe, die Konsistenz beim Anfassen, das Verhalten der Milch bei Milchlingen. Genau diese Merkmale entscheiden bei den gefährlichen Verwechslungen.

Ähnlichkeit ist nicht Verwandtschaft

Ein weißer Champignon und ein weißer Grüner Knollenblätterpilz können auf einem Handyfoto von oben nahezu identisch aussehen. Ein Stockschwämmchen und ein Gifthäubling ebenfalls. Für das Modell sind das schwer trennbare Klassen – für den Esser ist der Unterschied Leben und Tod.

Variabilität

Alter, Nässe, Trockenheit, Frost, Sonnenbrand und Fraßspuren verändern das Aussehen eines Pilzes massiv. Die Trainingsdaten enthalten überwiegend fotogene Idealexemplare. Der Fund am Wegrand ist selten eines.

Lücken in den Trainingsdaten

Häufige, gut fotografierte Arten sind gut vertreten. Seltene, unscheinbare oder regional begrenzte Arten sind es nicht – und dann liefert das Modell den nächstbesten bekannten Treffer, statt Unwissen einzugestehen.

Kein Zweifel-Modus

Ein erfahrener Mykologe sagt „das kann ich am Foto nicht bestimmen". Eine App liefert praktisch immer ein Ergebnis. Diese fehlende Fähigkeit, sich zu verweigern, ist ihr größtes Sicherheitsproblem.

Warum die Prozentzahl trügt

Zwei Angaben werden regelmäßig verwechselt. Eine App, die im Durchschnitt über alle Anfragen zu 90 Prozent richtig liegt, klingt sehr gut. Für das Essen ist aber nur die Frage relevant, wie oft sie bei genau den kritischen Paaren richtig liegt – und dort ist die Quote deutlich schlechter. Bei einer Amatoxin-Vergiftung reicht ein einziger Fehler.

Die Hersteller wissen das. Seriöse Apps zeigen deshalb explizite Warnhinweise, dass ihre Ergebnisse keine Verzehrfreigabe sind. Diese Hinweise sind nicht juristische Vorsicht, sondern eine korrekte Beschreibung der Grenzen.

So nutzt man Apps richtig

1. Als Hypothesengenerator, nicht als Urteil. Die App liefert Kandidaten, nicht Ergebnisse.
2. Gute Fotos machen: Hutoberseite, Unterseite, ganzer Stiel mit Basis, Längsschnitt, Umgebung mit Substrat und Begleitbäumen. Bei Tageslicht, mit Maßstab.
3. Jeden Vorschlag gegenprüfen – mit einem Bestimmungsbuch oder einer ausführlichen Artbeschreibung. Und dabei ausdrücklich die Verwechslungspartner der vorgeschlagenen Art nachlesen.
4. Merkmale am echten Pilz durchgehen: Geruch, Anschnitt, Stielbasis, Konsistenz. Was die App nicht sehen konnte.
5. Bei allem, was auf eine kritische Gruppe hindeutet – Knollenblätterpilze, Raukopf-Arten, Trichterlinge, kleine braune Blättlinge – gar nicht erst weiter überlegen, sondern stehen lassen.
6. Zweifelhafte Funde zum Pilzsachverständigen bringen. Das ist der einzige Weg, der die App-Grenzen tatsächlich überwindet.

Kurz gesagt: KI-Bilderkennung ist ein hervorragendes Lernwerkzeug und ein schlechter Vorkoster. Wer sie so einsetzt, holt viel heraus – und geht kein Risiko ein.