Die schnelle und korrekte Identifizierung von Exemplaren ist eine wesentliche Voraussetzung für die Überwachung der biologischen Vielfalt und die Analyse von Veränderungen der biologischen Vielfalt. Da es immer weniger Taxonomen gibt, die in der Lage sind, Exemplare korrekt zu identifizieren, wird der Einsatz von künstlicher Intelligenz für diese Aufgabe immer wichtiger. Allerdings sind die Möglichkeiten und Grenzen der Methodik noch nicht ausreichend erforscht. Bislang gibt es Apps, die Funde identifizieren können, nur für einen kleinen Teil der europäischen Artenvielfalt.

Das Projekt zielt darauf ab, Trainingsdaten für die Identifizierung von Schalen terrestrischer Mollusken mit Hilfe von KI-Modellen bereitzustellen, die in naturkundlichen Sammlungen und bei der Feldarbeit verwendet werden können. Das Projekt ist in zwei Unterprojekte unterteilt. Das erste zielt darauf ab, Trainingsdaten für die Identifizierung der 17 europäischen Vertigo-Arten bereitzustellen, einer Gruppe von kleinen Schnecken, zu der auch Arten gehören, die in der EU-Richtlinie über Lebensräume und Arten aufgeführt sind. Das zweite Teilprojekt zielt auf die Bereitstellung von Trainingsdaten für die Identifizierung von ca. 100 Landschnecken von Teneriffa, Kanarische Inseln, die Teil des Hotspots der biologischen Vielfalt im Mittelmeer sind. Die KI-Identifizierungssysteme sollen die Identifizierung von Arten erheblich beschleunigen und erleichtern und sind daher von großem Interesse für Personen, die mit der Planung von Erhaltungsmaßnahmen befasst sind, aber auch für Personen, die mit natürlichen Sammlungen arbeiten, sowie für Malakologiestudenten und Bürgerwissenschaftler. Beide Modelle werden in naturkundlichen Sammlungen und im Feld getestet.