KI-Pflanzenerkennung: Wie sie funktioniert und wie zuverlässig sie wirklich ist

Pflanzenbestimmung per KI bedeutet, die Art einer lebenden Pflanze anhand eines Fotos zu erkennen: Die Software vergleicht die visuellen Muster des Bildes (Blattrand, Blattadern, Blütenform, Rindenstruktur) mit Millionen von Bildern, die bereits von Botanikern bestimmt wurden. Sie gibt dann eine Liste potenzieller Arten aus, sortiert von der wahrscheinlichsten bis zur unwahrscheinlichsten. Bei diesem gesamten Prozess geht es nicht darum, die Pflanze tatsächlich zu verstehen.

In wissenschaftlichen Studien, die zwischen 2020 und 2025 veröffentlicht wurden, erkannten die Apps die richtige Art beim ersten Vorschlag auf 17 % bis 90 % der Fotos. Ein großer Teil dieser Spanne liegt nicht an der App selbst, sondern daran, was du fotografiert hast. Dieselbe Kamera, dieselbe Pflanze und dieselbe App liefern völlig andere Ergebnisse, wenn du die Rinde statt des Blattes fotografierst oder wenn die Pflanze gerade blüht.

Schnelle Zusammenfassung:

• In der Studie von Schmidt und Kollegen (2022) über 55 Baumarten bestimmte die präziseste App die Art bei 83,86 % der Blattfotos korrekt, aber nur bei 51,82 % der Rindenfotos. Das ist ein Einbruch von 32 Prozentpunkten bei ein und derselben Pflanze und App.

• Bei 560 Fotos irischer krautiger Pflanzen (Campbell, Peacock und Bacon, 2023) schnitten alle getesteten Apps mit Blüten besser ab als mit Blättern, wobei die Unterschiede zwischen 6 und 29 Prozentpunkten lagen.

• Bislang hat keine veröffentlichte Studie die Genauigkeit bei kultivierten Zimmerpflanzen gemessen. Die existierenden Tests wurden an Straßenbäumen, Wildflora und Feldpflanzen durchgeführt.

• Eine Sorte ist keine eigene Art: Für das Modell sind eine Monstera 'Thai Constellation' und eine 'Albo' dieselbe Pflanze.

• Die Ergebnisse einer App sind keine Sicherheitsgarantie. In einer in Clinical Toxicology (2023) veröffentlichten Untersuchung wurden 5 von 11 giftigen Arten von mindestens einer App als essbar eingestuft.

Was die KI wirklich tut, wenn du eine Pflanze fotografierst

Ein KI-Pflanzenbestimmer versteht nichts von Botanik. Es handelt sich um ein Computer-Vision-Modell, das mit einer Datenbank bereits bestimmter Fotos trainiert wurde. Seine Aufgabe ist das Messen von Ähnlichkeiten: Es wandelt dein Foto in eine Reihe numerischer Merkmale um (Kanten, Kurven, Texturen, Proportionen) und sucht in der Datenbank nach Arten, deren Fotos ähnliche Werte aufweisen. Das Ergebnis ist eine Rangliste von Kandidaten mit einem entsprechenden Zuverlässigkeitswert.

Daraus ergeben sich vier praktische Konsequenzen, die fast jeden Fehler erklären, dem du begegnen wirst:

1. Was nicht in der Datenbank existiert, kann nicht erkannt werden. Pl@ntNet, das größte offene Projekt in diesem Bereich, veröffentlicht seine eigenen Zahlen: 84.710 Arten und mehr als 1,47 Milliarden Bildern, aufgeteilt auf 77 regionale Floren. Das ist enorm, und dennoch nur ein Bruchteil der rund 400.000 weltweit beschriebenen Blütenpflanzenarten.

2. Der Zuverlässigkeitswert misst Ähnlichkeit, nicht die Wahrheit. Ein hoher Wert bedeutet lediglich: "Dieses Foto ähnelt den Bildern dieser Art in meiner Datenbank sehr". Wenn die richtige Art dort nicht existiert, liefert das Modell mit hoher Sicherheit den ähnlichsten Verwandten.

3. Der Pflanzenteil ist wichtiger als die App. Jedes Organ liefert unterschiedlich viele taxonomische Informationen, und das Modell kann nur das bewerten, was auf dem Foto zu sehen ist.

4. Das Modell ist ein Durchschnittwert. Es wurde mit Fotos von ausgewachsenen, gesunden Pflanzen in ihrer natürlichen Umgebung trainiert. Je weiter dein Fall davon abweicht, desto höher ist die Fehlerquote.

Pl@ntNet selbst formuliert den Satz, den man auf keiner Produktseite liest: "Wie jedes KI-Modell ist auch Pl@ntNet nicht unfehlbar".

Wie gut die KI-Bestimmung laut wissenschaftlichen Messungen abschneidet

In vier wissenschaftlichen Studien, die zwischen 2020 und 2025 veröffentlicht wurden, bestimmten KI-Apps zur Pflanzenbestimmung die richtige Art beim ersten Vorschlag auf 17 % bis 90 % der Fotos, abhängig von der App, der getesteten Flora und dem fotografierten Pflanzenteil. Die Bestimmung der Gattung ist dabei immer genauer als die Bestimmung der genauen Art.

Nachfolgend findest du die jeweiligen Zahlen. Diese Studien nutzten unterschiedliche Floren, Stichproben und Kriterien, weshalb die Zahlen nur innerhalb einer Zeile und niemals zeilenübergreifend verglichen werden sollten. Eine App, die in einer Studie über Bäume in New Jersey 83 % erreicht, ist nicht automatisch "besser" als eine andere, die bei der britischen Flora auf 57 % kommt.

Zwei Muster ziehen sich durch alle vier Arbeiten. Erstens: Die Apps haben sich schnell verbessert. Der Abstand zwischen der Studie von 2020 und der von 2025 ist zu groß, um reines Rauschen zu sein. Zweitens: Der Bildausschnitt verändert das Ergebnis innerhalb derselben App genauso stark wie der Qualitätsabstand zwischen den besten Apps. In der Studie von Schmidt kostete der Wechsel von Blatt zu Rinde die präziseste App 32 Prozentpunkte, also mehr als das Doppelte des Abstands von 14 Punkten, der sie vom Zweitplatzierten trennte.

Die App, die du herunterlädst, führt die Bestimmung fast nie selbst durch. Viele nutzen im Hintergrund eine Engine von Drittanbietern. Das Bloom nutzt zur Bestimmung Plant.id, dieselbe Engine, die in der Studie von Jones (2020) den ersten Platz belegte und heute bei Google-Suchen zur Pflanzenbestimmung mit einer von unabhängigen Universitäten getesteten Genauigkeit von 93 % als Top-Ergebnis erscheint. Diese Zahl bezieht sich auf die Erkennungs-Engine, nicht auf die gesamte App, und so sollte sie bei jeder App gelesen werden, die denselben Anbieter nutzt.

Warum Fotos von Rinde viel ungenauer sind als von Blättern

Ein Foto der Rinde ist der ungünstigste Bildausschnitt für einen KI-Pflanzenbestimmer. In der Studie von Schmidt und Kollegen (2022) wurden dieselben 55 Arten zweimal fotografiert, einmal über das Blatt und einmal über die Rinde, mit demselben Gerät und von denselben Personen. Der Leistungsabfall gestaltet sich wie folgt:

Das bedeutet einen Einbruch von 32,04 Prozentpunkten bei der Artbestimmung mit PictureThis und 37,73 Punkten mit iNaturalist. Die Zusammenfassung der Studie bringt es auf den Punkt: "these apps are much more accurate in identifying leaf photos as compared to bark photos" (diese Apps sind bei der Bestimmung von Blattfotos deutlich präziser als bei Rindenfotos).

Die Ursache ist botanischer und nicht technologischer Natur. Das Blatt weist Merkmale auf, die Arten eindeutig voneinander trennen: Umriss, Blattrand (glatt, gesägt, gelappt), Aderung und der Ansatzpunkt des Blattstiels. Rinde hingegen bietet vor allem Textur. Die Textur von Rinde variiert jedoch mit dem Alter des Baumes, der Tagesfeuchtigkeit, Flechten- und Pilzbewuchs sowie der Himmelsrichtung des Stammes, die fotografiert wurde. Zwei unterschiedliche Arten können im Alter von 20 Jahren fast identische Rinden besitzen, während sich die Rinde derselben Art zwischen dem 5. und dem 50. Lebensjahr komplett verändert.

Dieselbe Pflanze liefert mit Blüten ganz andere Ergebnisse

Die Blüte ist das informativste Merkmal für eine KI-Bestimmung, und der Unterschied ist groß genug, um den Zeitpunkt deines Fotos zu beeinflussen. In der Studie von Campbell, Peacock und Bacon (2023) wurden 38 krautige Arten 560-mal fotografiert, jeweils zur Hälfte als Blattfoto und zur Hälfte als Blütenfoto, mit demselben Smartphone und ohne Bildbearbeitung. Die Ergebnisse der einzelnen Apps:

Der Effekt zeigt sich erneut, unabhängig davon, in Hart et al. (2023), People and Nature 5(2), wo festgehalten wird: "the low-performing applications (PlantSnap and Google Lens) performed significantly better when a flower was present" (die Apps mit der schlechteren Leistung schnitten signifikant besser ab, wenn eine Blüte vorhanden war).

Der Grund ist derselbe wie bei der Rinde. Die Blüte ist die Struktur, die in der Botanik seit drei Jahrhunderten zur Klassifizierung von Pflanzen genutzt wird, da die Anzahl der Blütenblätter, die Symmetrie, die Position der Staubblätter und die Form des Kelches innerhalb einer Art stabil und zwischen den Arten verschieden sind. Blätter sind oft mehrdeutig: Dutzende von Aronstabgewächsen besitzen grüne, glänzende und ovale Blätter.

Efeutute, Einblatt, Bogenhanf, Nestfarn und Glücksfeder blühen in einer Wohnung nur selten oder nie. Wer Zimmerpflanzen fotografiert, befindet sich fast immer im Szenario mit der geringsten Trefferquote.

Warum Zimmerpflanzen die größte Herausforderung darstellen

Kultivierte Zimmerpflanzen sind für KI-Bestimmungen das schwierigste Szenario aus drei sich verstärkenden Gründen: Sie wurden in keiner veröffentlichten Studie untersucht, es handelt sich meist um Sorten, die sich taxonomisch nicht von der Art unterscheiden, und sie blühen fast nie.

Keine veröffentlichte Studie hat kultivierte Zimmerpflanzen untersucht. Es lohnt sich zu prüfen, was die Studien tatsächlich genutzt haben: Schmidt und Kollegen (2022) testeten Straßen- und Waldbäume in New Jersey; Campbell, Peacock und Bacon (2023) untersuchten irische Wildkräuter; Jones (2020) testete die britische Flora und Hart et al. (2023) untersuchten die Wildflora Großbritanniens, wobei exotische Arten in Parks und Gärten bewusst ausgeschlossen wurden. Wenn du liest, dass "die Apps eine Genauigkeit von 85 % erreichen", dann wurde dieser Wert in der freien Natur gemessen, nicht in deinem Wohnzimmer.

Eine Sorte ist keine Art, und das Modell kennt nur Arten. Die Pflanze, die du im Gartencenter kaufst, ist meist eine gärtnerische Selektion mit einem Fantasienamen. Eine Monstera deliciosa 'Thai Constellation' und eine 'Albo Borsigiana' sind taxonomisch gesehen dieselbe Art. Was sich unterscheidet, ist eine Panaschierung, also genau das Merkmal, das dein Auge zur Unterscheidung nutzt und das das Modell als bloße Belichtungsvariation zu ignorieren gelernt hat. Da es für die meisten Sorten keine eigenen Klassen in der Datenbank gibt, bestimmt die App zwar die korrekte Art, liegt aber bei der konkreten Pflanze in deiner Hand falsch.

Zimmerpflanzen weichen oft vom Trainingsstandard ab. Die Referenzfotos zeigen ausgewachsene, unbeschädigte Pflanzen in ihrem natürlichen Lebensraum. Deine Pflanze steht in einem kleinen Topf, ist zurückgeschnitten, wächst schief zum Fenster, hat ungewöhnlich kleine neue Blätter, trockene Spitzen und keine Blüten. Jede dieser Abweichungen entfernt das Bild von dem, was das Modell im Training gesehen hat, und diese Faktoren summieren sich.

Die App ist für Zimmerpflanzen natürlich weiterhin nützlich. Aber die veröffentlichten Zahlen stellen das absolute Maximum dar, nicht den Durchschnitt deines Alltags, und eine Überprüfung des Ergebnisses ist hier noch wichtiger als in der Natur.

Wenn Fehler gefährlich werden: Giftpflanzen und Haustiere

Die Pflanzenbestimmung per KI ist nicht zuverlässig, um zu entscheiden, ob eine Pflanze giftig ist. In einem in Clinical Toxicology 61(7) im Jahr 2023 veröffentlichten Test wurden 5 von 11 potenziell giftigen Arten von mindestens einer der bewerteten Apps als essbar eingestuft. Die Studie von Campbell, Peacock und Bacon schloss zwei giftige Pflanzen ein und kommt zum selben Ergebnis, in einem Satz, den man komplett zitieren sollte:

"They should not be trusted to identify toxic species." Man sollte sich bei der Bestimmung giftiger Arten nicht auf sie verlassen.

Die praktische Faustregel ist einfach: Nutzen Sie die App als ersten Filter und bestätigen Sie die Art in einer botanischen Quelle, bevor Sie die Pflanze in Reichweite von Katzen, Hunden oder Kindern lassen, und nehmen Sie niemals etwas auf der Basis einer Foto-Bestimmung zu sich. Zwei der am häufigsten vorkommenden Zimmerpflanzen in Brasilien gehören zu den für Haustiere giftigen Pflanzen:

So fotografierst du, damit die KI präziser bestimmt

Der Bildausschnitt verändert das Ergebnis der Bestimmung stärker als die Wahl der App. Sechs Regeln, die jeweils auf Ergebnissen wissenschaftlicher Studien basieren:

1. Wenn eine Blüte vorhanden ist, fotografiere die Blüte. Das macht den Unterschied von 6 bis 29 Punkten in der PLOS ONE-Tabelle bei derselben App aus.

2. Bevorzuge immer das Blatt gegenüber der Rinde. Das bringt bis zu 32 Punkte bei der Artbestimmung in der Studie von Schmidt und Kollegen.

3. Nur ein Organ pro Foto. Fotografiere das gesamte Blatt oder die gesamte Blüte so, dass sie das Bild ausfüllen, statt die ganze Pflanze aus der Ferne abzulichten.

4. Ein sauberer Hintergrund. Ein Blatt, das auf weißem Papier oder auf der Handfläche liegt, eliminiert Elemente, die das Modell mit Teilen der Pflanze verwechseln könnte.

5. Gehe nah genug heran, damit die Blattadern sichtbar sind. Das Muster der Blattadern macht die Hälfte der taxonomischen Informationen aus, die ein Blatt bietet.

6. Lies die ersten 5 Vorschläge, nicht nur den ersten. Bei Hart et al. (2023) steigt die durchschnittliche Genauigkeit der Apps von 69 % beim ersten Vorschlag auf 85 % innerhalb der ersten fünf Vorschläge. Die richtige Art befindet sich meistens auf der Liste, nur eben nicht ganz oben.

Wenn die App es zulässt, lade mehrere Fotos derselben Pflanze hoch, die verschiedene Teile zeigen. Systeme, die mehrere Bilder verarbeiten können, kombinieren die Merkmale und liefern präzisere Ergebnisse.

Gibt es kostenlose Pflanzenbestimmung per KI?

Ja, in drei verschiedenen Varianten.

Kostenlos ohne Limit, aus akademischer Herkunft. Pl@ntNet ist ein französisches öffentliches Forschungsprojekt und verlangt keine Gebühren. Es ist am stärksten bei Wild- und einheimischen Pflanzen, zeigt den Grad des Vertrauens an und bietet alternative Kandidaten, anstatt sich auf eine einzige festzulegen. Es bietet keine Pflegehinweise oder Erinnerungen.

Kostenlos und auf dem Smartphone vorinstalliert. Google Lens ist in der Google-App und in Chrome integriert, funktioniert auf Android und iPhone und hat kein bekanntes Limit für Bestimmungen. In den beiden Studien, die es untersucht haben, lag die Genauigkeit beim ersten Vorschlag zwischen 55 % und 68 % und damit hinter Apps, die rein für Pflanzen entwickelt wurden. Den genauen Weg findest du unter wie man Pflanzen mit Google Lens bestimmt.

Kostenlose Version mit Limit innerhalb einer Pflege-App. Hier variiert das Angebot stark, und die meisten Bestimmungs-Apps bieten überhaupt keinen kostenlosen Modus an. Bloom bietet einen: Du erhältst 2 Bestimmungen pro Monat und den Gießplan dauerhaft kostenlos. Um die verschiedenen Angebote zu vergleichen, findest du die vollständige Übersicht unter die besten Apps zur Pflanzenbestimmung.

Häufig gestellte Fragen

Gibt es ein kostenloses KI-Tool zur Pflanzenbestimmung?

Ja. Pl@ntNet ist als öffentliches Forschungsprojekt unbegrenzt kostenlos, und Google Lens ist in der Google-App sowie in Chrome integriert. Pflege-Apps mit einem kostenlosen monatlichen Kontingent gibt es ebenfalls, sie sind jedoch in der Minderheit. Keine davon verlangt Geld für die allererste Bestimmung.

Welches ist die genaueste App zur Pflanzenbestimmung?

Das hängt davon ab, was du fotografierst, und die ehrliche Antwort lautet, dass man keinen einzelnen Sieger küren kann. Jede Studie hat eine andere Flora getestet: PictureThis lag bei Bäumen in New Jersey vorn, Pl@ntNet bei irischen Wildkräutern und Plant.id bei der britischen Flora. Ein Vergleich der Zahlen zwischen verschiedenen Studien ist nicht aussagekräftig.

Bestimmt die KI Zimmerpflanzen genauso gut wie Wildpflanzen?

Es gibt keine veröffentlichte Studie, die dies untersucht hat. Alle wissenschaftlichen Tests bezogen sich auf Straßenbäume oder Wildflora, und einer schloss Gartenpflanzen bewusst aus. Zimmerpflanzen sind meist Blütenlose Sorten außerhalb des Trainingsstandards, was die Genauigkeit tendenziell verringert.

Kann die App mir sagen, um welche Sorte es sich bei meiner Pflanze handelt?

Nur selten. Sorten wie 'Thai Constellation' und 'Pink Princess' gehören botanisch zur selben Art wie die Normalform. Der Unterschied liegt in einer Farbpanaschierung, die das Modell als Lichtschankung zu ignorieren gelernt hat. Erwarte den Namen der Art, nicht den der Sorte.

Kann ich eine KI-Bestimmung nutzen, um zu wissen, ob eine Pflanze giftig ist?

Als ersten Filter ja, als endgültiges Urteil nein. In einem Test aus dem Jahr 2023 in Clinical Toxicology wurden 5 von 11 giftigen Arten von mindestens einer App als essbar eingestuft. Verifiziere die Art in einer botanischen Quelle, bevor du die Pflanze in die Nähe von Haustieren oder Kindern stellst.

Fazit

Was das Ergebnis bestimmt, ist das, was auf dem Foto zu sehen ist. Bei derselben App und derselben Pflanze bringt der Wechsel von Rinde zu Blatt bis zu 32 Punkte mehr Genauigkeit, und der Wechsel von Blatt zu Blüte bis zu 29 Punkte. Die Wahl des richtigen Bildausschnitts ist die einzige Stellschraube, die du selbst in der Hand hast, und sie bringt mehr als der Wechsel der App. Wenn es sich um eine Zimmerpflanze handelt, denke daran, dass es hierzu keine veröffentlichten Studien gibt. Betrachte den Namen auf dem Bildschirm daher als die wahrscheinlichste Hypothese, nicht als absolute Wahrheit.

Der nächste praktische Schritt ist, die Pflanze unter Beachtung der sechs oben genannten Regeln erneut zu fotografieren und zu prüfen, ob sich die Artbestimmung wiederholt. Ändert sich das Ergebnis zwischen zwei guten Fotos derselben Pflanze, zeigt das, dass das Modell unsicher ist und du eine zweite Quelle benötigst.

Wenn die Frage hinter dem Namen lautet "Und was mache ich jetzt mit ihr?", hilft der Name allein nicht weiter. Hier kommt eine App ins Spiel, die dich auch nach der Bestimmung begleitet und dir sagt, wie viel Wasser und Licht diese Art benötigt. Bloom macht genau das, nutzt Plant.id zur Bestimmung und ist exklusiv für das iPhone verfügbar.

Wenn deine Pflanze krank ist und du nicht nur ihren Namen wissen willst, hilft dir dieser Weg weiter: Beginne bei herauszufinden, was deiner Pflanze fehlt.