Cepio — Club Cepio, unsere Methode

Wie lässt sich das Pilzwachstum vorhersagen?

1Das Pilzwachstum modellieren

Anders als die Tech-Giganten mit ihrem Ansatz der „Massendaten“ setzen wir auf wissenschaftliches Fachwissen, um das Erscheinen von Pilzen vorherzusagen (das nennt man üblicherweise ein „Expertenmodell“).
Alle glauben, man brauche Millionen von Daten, um eine KI zu bauen. Für das Pilzesammeln gibt es aber keine verlässliche Erntehistorie. Die Realität im Wald sind verstreute, subjektive und lückenhafte Daten.
Am Ende liefert unser Modell einen Kennwert: den Wachstumsindex. So liest du ihn:
- Spärlich: geringe Wahrscheinlichkeit – lieber abwarten
- Gering: einzelne Stellen sind aktiv – Tour möglich, aber gezielt
- Mäßig: gutes Potenzial – steuere die günstigen Zonen an
- Reichlich: ideale Bedingungen – hol den Korb raus!

2Es gibt zwei Wege, das Pilzwachstum zu modellieren

Methode 1

Der datengetriebene Ansatz („Data-Driven“)

Prinzip

„Gib mir eine Million Beispiele, und ich finde darin, was die Zukunft vorhersagt“

Quellen: Deine persönlichen Daten und weitere
Vorteile: Findet unsichtbare Zusammenhänge
Nachteile: Braucht riesige Mengen guter Daten

Visualisierung

Datenberg → KI-Blackbox → Vorhersagen

Methode 2 · unsere Wahl

Der wissensgetriebene Ansatz („Knowledge-Driven“)

Prinzip

„Ich kenne die Mechanismen, also modelliere ich sie“

Quellen: Wissenschaftliche Publikationen, Praxiswissen
Vorteile: Kommt mit wenig Daten aus und ist erklärbar
Nachteile: Begrenzt durch unser heutiges Wissen

Visualisierung

Wissenschaftliches Wissen → Explizites Modell → Vorhersagen

3Warum wir den wissensgetriebenen Ansatz („Knowledge-driven“) gewählt haben

Pilze bleiben eine Herausforderung: Ihr Wachstum ist komplex und unberechenbar. Genau diese Komplexität reizt unsere Wissenschaftler – uns stehen über 50 Jahre mykologische Forschung und wissenschaftliche Literatur zur Verfügung.
Die biologischen Mechanismen der Entwicklung und des Wachstums von Pilzen sind gut dokumentiert.
Kontrollierte Studien im Gelände und im Labor geben ein gutes Bild von der Kinetik (der Geschwindigkeit) des Pilzwachstums.
Fehlende Daten: Es gibt kein „Netflix der Steinpilze“ mit Millionen von Beobachtungen, Fotos und sauberen Annotationen
Menschliche Variabilität: Jeder Sammler hat seine geheimen Stellen
Beobachtungsverzerrung: Gemeldet werden nur die Erfolge, nie die Fehlschläge!

Besser verstehen, was ein „Knowledge-driven“-Modell ist:

Analogie: Man lernt mit dem Flughandbuch, statt mit Crashtests an echten Flugzeugen
Konkretes Beispiel: Unsere Wettermodelle (Physik der Atmosphäre) gegenüber reiner KI

4Aufbau des Wachstumsmodells von Cepio

Schritt 1: Wir nehmen die Biologie der Pilze auseinander (Steinpilze/Röhrlinge)

Die Lebenszyklen der Pilze: Myzel → Stimulation → Fruktifikation
Die in der Literatur beschriebenen Auslöser:
- Temperaturschock (Kältestress)
- Rehydrierung (chemisches Signal)
- Trockenstress (Fortpflanzungsdruck)
Unser Modell bewertet Episoden von Temperaturschocks. Für die Fruktifikation der Fruchtkörper ist eine bestimmte Zahl kalter Stunden nötig. Im Idealfall kommt ein kräftiges Regenereignis dazu und danach eine trockene Phase – und schon geht es los.

Schritt 2: Wir übersetzen die biologischen Vorgänge in einfache mathematische Gleichungen

Temperaturschwellen: auf Basis physiologischer Studien
Zeitfenster: aus kontrollierten Beobachtungen
Wechselwirkungen: Modellierung der Synergien

Konkretes Beispiel:

WENN (Temperatur < 12 °C über 72 h)
UND  (Regen > 15 mm in den 5 Tagen danach)
UND  (Kein Regen für 5–8 Tage danach)
DANN Fruktifikationswahrscheinlichkeit = 80 %

Schritt 3: Wir kalibrieren mit den heute verfügbaren Daten

Wetterdaten: 30 Jahre Historie, europaweit verfügbar
Beobachtungen aus dem Gelände: dokumentierte Fälle aus der wissenschaftlichen Literatur (Landwirtschaftskammern, große europäische Forschungseinrichtungen)
Regionale Anpassung: Wir passen uns den örtlichen Besonderheiten an

Schritt 4: Wir lassen unser Modell laufen

Großer Vorteil: Wir können erklären, warum es funktioniert, und unser Ergebnis begründen: den Wachstumsindex. Ein prädiktives KI-Modell könnte das nicht.
Vertrauen: Wir können die Grenzen nachvollziehen
Verbesserung: Wir können künftige Forschung gezielt ansetzen, um genauer zu werden

Schritt 5: Wir prüfen unser Modell draußen im Gelände, mit einer Testgruppe

Wir validieren ohne Big Data, über Kreuzvalidierung (das Modell in verschiedenen Regionen testen)
Wir stellen unser Modell erfahrenen Mykologen und spezialisierten Gruppen gegenüber

Schritt 6: Wir starten cepio.fr, das Pilzwetter

Wir stellen ein erstes Modell für Steinpilze und Röhrlinge online: am Wochenende ist es kostenlos, und für 12,99 Euro bekommst du Vorhersagen eine Woche im Voraus (damit wir unsere Kosten decken).

Schritt 7: Wir werten Rückmeldungen und Bedürfnisse aus und arbeiten weiter

Wir werten aus, was aus dem Gelände zurückkommt: Suchdauer, Erfahrung des Sammlers, Fotos der gefundenen Pilze, Erntegewicht.
Wir gleichen uns ab mit erfahrenen Mykologen und spezialisierten Gruppen
Wir investieren weiter in Forschung und Entwicklung, um die Grenzen unseres heutigen Modells zu überwinden:
- Nicht modellierte Faktoren: Gesundheit der Wirtsbäume, Konkurrenz zwischen Arten, Mikrovariationen des Bodens
- Genauigkeit: 70–80 % gegenüber 95 % bei führenden Big-Data-Modellen
- Verallgemeinerung: Es braucht mehr lokale Anpassung
- Wissenschaftliche Transparenz: offener, von der Community überprüfbarer Code, keine versteckte Magie

5Die Zukunft von Cepio

Mit einem hybriden Ansatz aus wissensgetriebenen und datengetriebenen Modellen können wir das Beste aus beiden Welten verbinden.

Unsere künftigen Modelle werden durch Daten gestärkt: Hybridmodelle.
Aus dem hybriden Ansatz könnte die ideale Plattform für alle werden, die auf Pilze aus sind und keine Scheu davor haben, ab und zu Technik zu nutzen – um:
- ein gutes Zeitfenster für die Suche zu finden
- einen Ort für die Suche zu finden
- eine bestimmte Pilzart zu suchen
Wir begleiten Hobbysammler genauso wie alte Hasen dabei:
- sich mit Wetter, Biotopen und den biologischen Zyklen zu beschäftigen, die Pilze zum Wachsen brauchen
- ihr Wissen zu teilen und vor Ort Tipps zum Sammeln weiterzugeben

Club Cepio

Cepio heute

Wer sind wir?

Thierry V.

Hugues L.