KI entschlüsselt die Sprache der Wale

Ein einzelner Klick eines Pottwals ist so energiereich, dass er die Wucht eines startenden Düsenjets übertrifft und die Finsternis der Tiefsee wie ein akustischer Scheinwerfer durchbricht. Hier kannst du das rhythmische Klicken im Original hören. Vierzig Jahre lang haben Biologen diese Laute aufgezeichnet, ohne zu ahnen, wie viel Struktur in ihnen steckt. Erst der Einsatz von maschinellem Lernen macht diese Struktur jetzt sichtbar und rückt ein altes Rätsel in neues Licht: Verbirgt sich hinter dem Klicken der größten Zahnwale der Erde so etwas wie eine Sprache?²

Warum wir Walen seit 40 Jahren zuhören

Dass wir Walen überhaupt zuhören, verdanken wir zu einem großen Teil einem Menschen: dem Biologen Roger Payne. 1970 veröffentlichte er das Album „Songs of the Humpback Whale”, das erstmals die kunstvollen Gesänge der Buckelwale einer breiten Öffentlichkeit zugänglich machte. Die Platte verkaufte sich über hunderttausend Mal und wurde zum Auslöser der weltweiten „Save the Whales”-Bewegung, die schließlich zum Moratorium gegen den kommerziellen Walfang beitrug. Payne machte hörbar, dass Wale keine stummen Meeresriesen sind, sondern hochsoziale Tiere mit eigener Klangwelt.

Ein halbes Jahrhundert später schloss sich der Kreis. Payne wurde zum Chefberater von Project CETI und setzte sich im letzten Jahr seines Lebens für einen verantwortungsvollen Umgang mit Technologie ein, um Walen zuzuhören und sie eines Tages vielleicht zu verstehen. Er starb 2023, ist aber als Ko-Autor auf der Studie verzeichnet, die kurz darauf für Schlagzeilen sorgte.¹ Aus dem Tonband ist inzwischen ein Datensatz geworden, aus dem geschulten Ohr ein trainiertes Modell.

Wer sind die Pottwale, und was ist eine Coda?

Pottwale (Physeter macrocephalus) sind die lautesten Tiere unseres Planeten. Sie erzeugen Klicks zur Echoortung, mit der sie im Dunkeln der Tiefe jagen, und für die soziale Verständigung. Für die Kommunikation entscheidend sind kurze, rhythmische Klickfolgen, die Fachleute Codas nennen. Eine Coda besteht meist aus einer Handvoll bis mehreren Dutzend Klicks und dauert nur Sekunden.

Codas sind zutiefst sozial. Wale tauschen sie im Verband aus, oft überlappend, sodass mehrere Tiere gleichzeitig klicken. Verschiedene Gruppen, sogenannte Clans, pflegen dabei eigene Coda-Dialekte, ähnlich regionalen Akzenten. Genau diese Vielfalt macht die Analyse so reizvoll und so schwierig.

Die wichtigste Datengrundlage stammt aus dem Dominica Sperm Whale Project des Biologen Shane Gero, der über ein Jahrzehnt hinweg einzelne, individuell bekannte Wale rund um die Karibikinsel Dominica begleitet und aufgezeichnet hat.² Erst dieser über Jahre gewachsene, sorgfältig annotierte Datenschatz macht die Arbeit der KI überhaupt möglich. Ohne saubere, kontextreiche Daten bleibt auch das beste Modell blind, ein Grundsatz, der in der Meeresbiologie genauso gilt wie in jedem Unternehmen.

Was hat die KI 2024 entdeckt?

Im Mai 2024 veröffentlichte ein Team um die MIT-Forscherin Pratyusha Sharma zusammen mit Shane Gero, Roger Payne, David Gruber, Daniela Rus, Antonio Torralba und Jacob Andreas eine vielbeachtete Studie in Nature Communications.² Für sie analysierte maschinelles Lernen knapp 9.000 Codas aus dem Eastern-Caribbean-Clan.

Das Ergebnis überraschte selbst die Fachwelt. Die Klicks sind kein simpler „Morsecode” aus An und Aus, wie man lange vermutet hatte. Stattdessen fanden die Forschenden ein kombinatorisches System: Aus wenigen Bausteinen lassen sich sehr viele unterschiedliche Signale bilden, ähnlich wie Menschen aus einer kleinen Zahl von Lauten unzählige Wörter zusammensetzen.³ Die Autoren sprachen deshalb erstmals von einem phonetischen Alphabet der Pottwale.

Besonders auffällig war die Kontextabhängigkeit. Bestimmte Merkmale einer Coda blieben nicht starr, sondern verschoben sich systematisch mit dem Verlauf des Austauschs, je nachdem, was zuvor geklickt worden war. Genau diese Beweglichkeit im Gespräch ist eines der Kennzeichen, die man von menschlicher Kommunikation kennt, und sie war in tausenden Codas erst dann zu erkennen, als ein Modell sie über den gesamten Datensatz hinweg sichtbar machte. Kein Mensch hätte diese feinen Regelmäßigkeiten mit bloßem Gehör aus dem Rauschen der Tiefsee herausgehört.

Wie klingt ein „Alphabet” aus Klicks?

Das Alphabet der Wale besteht nicht aus Buchstaben, sondern aus vier Merkmalen, die die Codas prägen. Die Forschenden borgten sich dafür Begriffe aus der Musik:²

• Rhythmus beschreibt das Zeitmuster der Klicks innerhalb einer Coda. Er ist kategorial und kontextunabhängig, gleichsam die feste Grundform.
• Tempo meint die Gesamtdauer und Geschwindigkeit einer Coda. Auch das Tempo ist eine feste, wiedererkennbare Eigenschaft.
• Rubato ist die feine, kontinuierliche Dehnung oder Stauchung, die ein Wal während eines Austauschs vornimmt, so wie ein Musiker eine Melodie minimal in die Länge zieht.
• Ornamentierung bezeichnet zusätzliche Klicks, die je nach Gesprächssituation in eine bekannte Coda eingefügt werden, vergleichbar mit einer Verzierung.

Entscheidend ist das Zusammenspiel: Rhythmus und Tempo bilden das stabile Gerüst, Rubato und Ornamentierung tragen die kontextabhängige Variation. Aus dieser Kombinatorik ergibt sich ein Repertoire, das weit größer ist als die Summe der einzelnen Coda-Typen. Die Wale scheinen also über ein System zu verfügen, mit dem sie einen großen Raum möglicher Signale aufspannen können.

Was kam 2025 dazu?

Die Geschichte war damit nicht zu Ende. Ende 2025 legte ein Team um den Berkeley-Linguisten Gašper Beguš gemeinsam mit Project CETI nach und veröffentlichte in den Proceedings of the Royal Society B eine Studie über die Phonologie der Pottwal-Codas.⁴

Die Forschenden fanden, dass Wale offenbar auch die Frequenz ihrer Klicks gezielt verändern. Dabei treten zwei wiederkehrende, individuenübergreifende Muster auf, die die Autoren in Anlehnung an die menschliche Lautlehre Vokale nennen, eine „a-Coda” und eine „i-Coda”. Sogar diphthong-ähnliche Übergänge, bei denen sich das Klangspektrum innerhalb einer einzigen Coda wandelt, wurden beschrieben. Damit gewinnt das Bild eine weitere Ebene: Neben dem zeitlichen Muster der Klicks trägt auch ihre klangliche Färbung Information. Auch hier gilt jedoch der nüchterne Vorbehalt: Es geht um strukturelle Ähnlichkeit zur menschlichen Lautsprache, nicht um belegte Bedeutung.

Wie funktioniert die KI dahinter?

Am Anfang steht nicht das Modell, sondern die Messung. Project CETI setzt Bio-Logger ein, kleine Sensoren, die sich vorübergehend an den Walen befestigen und hochauflösendes Audio zusammen mit Kontextdaten wie Tauchtiefe, Bewegung und Verhalten aufzeichnen. Unterwassermikrofone ergänzen das Bild. Diese Datensätze sind von vornherein darauf ausgelegt, maschinell auswertbar zu sein.³

Hinter der Analyse steht ein ganzes Ökosystem aus Technik. Project CETI vereint KI-Fachleute, Meeresbiologen, Robotiker und Akustiker, die mit autonomen Bojen, Unterwasserrobotern und Drohnen Audio, Video und Verhalten der Wale rund um die Uhr erfassen. Erst diese Menge und Dichte an synchronisierten Daten macht es möglich, seltene Muster überhaupt statistisch abzusichern.

Auf dieser Grundlage suchen Machine-Learning-Modelle in tausenden Codas nach wiederkehrenden Mustern, gruppieren ähnliche Signale und decken auf, wie sich Klickmuster mit dem Gesprächskontext verändern. Die KI liefert dabei nicht die fertige Antwort, sondern die Landkarte: Sie zeigt den Forschenden, wo sich das genauere Hinsehen lohnt. Die eigentliche Deutung entsteht erst im Zusammenspiel von Rechenkraft und biologischem Fachwissen.³

Oft heißt es, hier komme „dieselbe Technologie wie hinter ChatGPT” zum Einsatz. Das ist eine griffige, aber ungenaue Verkürzung. Project CETI nutzt Methoden aus dem breiten Feld der KI und der maschinellen Sprachverarbeitung, zu dem auch große Sprachmodelle gehören. Die strukturellen Befunde von 2024 und 2025 stammen aber vor allem aus statistischer Muster- und Sequenzanalyse, nicht aus einem „ChatGPT für Wale”. Treffender ist: Es sind KI-Verfahren aus derselben Forschungsfamilie, angewandt auf ein völlig neues Terrain.

Heißt das, wir können bald mit Walen sprechen?

Hier lohnt die Nüchternheit. So beeindruckend die Struktur ist, die Bedeutung der Codas bleibt unbekannt. Die KI erkennt Muster, nicht Semantik. Solange niemand weiß, was ein bestimmtes Klickmuster einem Wal mitteilt, lässt sich nicht sagen, ob es sich um Sprache im menschlichen Sinn handelt.²

Es gibt auch handfeste Kritik. Manche Meeresbiologen halten einzelne der gefundenen Muster eher für Aufnahme-Artefakte oder Nebenprodukte von Aufmerksamkeit als für sprachliche Signale. Und vieles am Verhalten der Wale ähnelt menschlicher Sprache gerade nicht: Pottwale klicken häufig gleichzeitig und gleichen ihre Rhythmen aneinander an, das wirkt eher wie Chorgesang oder ein Duett als wie ein abwechselndes Gespräch.

Dazu kommen ethische Fragen. Eine Analyse von Mark Ryan und Leonie Bossert benennt Anthropomorphismus, also die vorschnelle Übertragung menschlicher Konzepte, als eine von mehreren Herausforderungen beim Versuch, mit KI „Wal zu sprechen”.⁵ Die Autoren sehen im Entschlüsseln der Laute großen Nutzen für den Artenschutz, warnen aber davor, aktiv mit Walen kommunizieren zu wollen, weil das den Tieren schaden könnte. Es bleibt zudem die ironische Grenze aller Sprachmodelle: Selbst ein System, das flüssig mitklicken könnte, verstünde den Inhalt nicht automatisch, ebenso wenig wie wir.

Warum das über Wale hinaus zählt

Warum sollte dich als Leserin oder Leser interessieren, was Pottwale einander zurufen? Weil hier im Kleinen sichtbar wird, was KI heute wirklich gut kann und wo ihre Grenze liegt. Sie findet in riesigen, unübersichtlichen Datenmengen Strukturen, die dem menschlichen Auge und Ohr verborgen bleiben. Sie ersetzt aber nicht das Fachwissen, das nötig ist, um diese Strukturen zu deuten. Genau in dieser Arbeitsteilung, KI als Musterfinder, Mensch als Sinnstifter, liegt der Wert der Technologie, ob im Ozean oder im Unternehmen.

Und der Nutzen für die Wale ist real. Wer versteht, wie es Walen geht, was sie stresst und wie sie auf Lärm, Schiffsverkehr oder Klimaveränderungen reagieren, kann ihren Lebensraum gezielter schützen. Die KI wird so zu einer Art digitalem Stethoskop für ein Reich, das für das menschliche Ohr bisher meist nur Rauschen war. Was daraus einmal an Verständigung entsteht, ist offen. Dass wir die Tiefsee heute besser zuhören können als je zuvor, steht dagegen fest.¹