3Rs in Aktion: Digitales Verhaltensmonitoring zur Verbesserung des Wohlbefindens von Hunden in der Forschung
Forschung mit Hunden ist notwendig, insbesondere in der Veterinärmedizin und der tierärztlichen Ausbildung, wo Erkenntnisse direkt der Tiergesundheit zugutekommen. Gleichzeitig ist es unerlässlich, hohe Standards im Tierwohl sicherzustellen.
In der Hundehaltung der Vetsuisse-Fakultät (VSF) an der Universität Zürich (UZH) werden die Hunde in Gruppen gehalten, durch stressarmen Umgang sowie Training mit positiver Verstärkung betreut und leben in strukturierten Tagesabläufen, die Beschäftigungsangebote und soziale Interaktion einschliessen (Abb. 1). Wichtig ist ausserdem, dass alle Hunde an private Halter vermittelt werden, sobald sie nicht mehr in die Forschung einbezogen sind.
Doch selbst in gut geführten Einrichtungen bleibt eine zentrale Frage bestehen: Wie können Veränderungen im Wohlbefinden objektiv und kontinuierlich gemessen werden, ohne durch zusätzlichen Umgang mit den Tieren Stress zu verursachen?
Von der Beobachtung hin zu objektiven Daten
Verhalten ist einer der wichtigsten Indikatoren für das Tierwohl. Traditionell beruhen Beurteilungen des Verhaltens auf geschulten menschlichen Beobachtungen. Obwohl diese wertvoll sind, lassen sie sich nur schwer standardisieren und können subjektiv ausfallen.
Ein von der UZH-Abteilung Tierwohl und 3R gefördertes Pilotprojekt verfolgte daher einen anderen Ansatz. PD Dr. Henning Richter und Dr. Miho Sato vom VSF Stiegenhof untersuchten, ob Computer Vision und komplexe Analysen von Verhaltenssequenzen eine objektivere und reproduzierbarere Bewertung des Wohlbefindens von Hunden ermöglichen.
«Wir haben eine Computer-Vision-Methode eingesetzt, um die Verhaltensbeurteilung von Hunden objektiver zu gestalten», so Miho Sato. «Wir konnten damit nachweisen, dass Hunde je nach Tageszeit unterschiedliche Haltungsmuster zeigen.»
Wie das System funktioniert
Das Team entwickelte digitale Referenzpunkte für Hunde und trainierte Computer-Vision-Modelle, um einzelne Körperteile zu erkennen und zwischen individuellen Hunden in Gruppenhaltung zu unterscheiden (Abb. 2 a–c).
Mithilfe der Behavioural Flow Analysis (BFA) analysierten sie, wie sich Hunde über die Zeit hinweg bewegen und miteinander interagieren. Anstatt isolierte Verhaltensweisen zu bewerten, erfasst diese Methode dynamische Verhaltensabfolgen und ermöglicht so robuste statistische Vergleiche von Verhaltensmustern.
Die Pilotstudie zeigte messbare Unterschiede in charakteristischen Verhaltensmustern zwischen den Phasen nach dem Aufwachen am Morgen und am Nachmittag, während die Muster über verschiedene Tage hinweg konsistent blieben (Abb. 2d und e).
Dies zeigt, dass subtile Veränderungen in den Verhaltensabläufen objektiv erfasst werden können, ganz ohne zusätzlichen direkten Kontakt mit den Tieren.
a) Entwurf von Referenzpunkten für Hunde. b) Repräsentative Draufsicht auf eine Gruppenhaltung von Hunden. c) Drei einzelne Hunde, identifiziert mittels Referenzpunkten und Bounding-Boxen unter Verwendung angepasster Computer-Vision-Modelle (Hund 1: violett, Hund 2: blau, Hund 3: gelb). d) 24-Stunden-Zeitplan der für die Behavioural Flow Analysis ausgewählten Hunde. Drei 5-minütige Aufwachphasen wurden entweder am Morgen (Tag 1: blau, Tag 2: orange) oder am Nachmittag (Tag 1: grün) aufgezeichnet. e) Die BFA zeigt Verhaltensunterschiede zwischen zwei verschiedenen Phasen, jedoch keine signifikanten Unterschiede zwischen den Tagen.
Beitrag zu den 3R-Prinzipien durch digitale Innovation
Dieses Projekt trägt zu zwei der 3R-Prinzipien (Replacement, Reduction, Refinement) in der Forschung mit Tieren bei:
Refinement (Verbesserung)
Die kontinuierliche, automatisierte Verhaltensüberwachung ermöglicht eine Beurteilung des Tierwohls ohne zusätzliches Handling oder Stress.
Reduction (Verringerung)
Objektivere und konsistentere Daten zum Tierwohl können die Variabilität in Studien reduzieren und dadurch potenziell die Anzahl der benötigten Tiere verringern, um verlässliche Ergebnisse zu erzielen.
Über die reine Einhaltung von Vorschriften hinaus zeigt das Projekt etwas Grundlegendes: Digitale Werkzeuge können das Tierwohl maßgeblich verbessern und gleichzeitig die wissenschaftliche Qualität und Aussagekraft stärken.
Ein Projekt mit weitreichender Wirkung
Das Projekt wurde durch interne Pilotförderung für innovative 3R-Ansätze (AW&3R-Grant) unterstützt. Als Seed-Projekt untersuchte es die Machbarkeit der Behavioural Flow Analysis als neues Auswertungssystem, das auf früheren Arbeiten aufbaut, welche vom Swiss 3R Competence Centre (3RCC) gefördert wurden. Die analytische Methode könnte nun erweitert werden, um Veränderungen im Tierwohl über verschiedene Tierarten und Forschungseinrichtungen hinweg zu überwachen.
Projekte wie dieses zeigen, dass die Förderung des Tierwohls und wissenschaftlicher Fortschritt keine gegensätzlichen Ziele sind, sondern Hand in Hand gehen.