In größeren Gruppen stechen Honigbienen seltener

Stechen oder nicht stechen? Ein Alarmpheromon spielt eine entscheidende Rolle für die Stichbereitschaft der Bienen – und für ihre Gruppengröße, wie Wissenschaftler der Universität Konstanz jetzt gezeigt haben

Wie das Sprichwort sagt: „Mit Honig kann man mehr Fliegen fangen als mit Essig.“ Honigbienen hingegen vermeiden es lieber, etwas zu fangen, aber ihr Honig lockt zahlreiche Fressfeinde in die Kolonie. Einige, wie Fliegen, lassen sich recht leicht abschrecken. Andere Raubtiere sind viel größer als die Bienen und bereit, zahlreiche Honigbienenstiche für die süßen Nährstoffe zu akzeptieren. Um sie abzuwehren, müssen sich die Honigbienen zu einem kollektiven Stichangriff zusammenschließen.

Diese Abwehrreaktion wird typischerweise von vorübergehend spezialisierten Honigbienen, den sogenannten Wachbienen, eingeleitet. Sie überwachen die Umgebung der Kolonie. Wenn sie ein großes Tier entdecken, das sich der Kolonie nähert, reagieren die Wachbienen entweder, indem sie den Eindringling stechen oder indem sie ihren Stachel ausfahren und ihre Flügel fächern, manchmal während sie in den Bienenstock rennen, wo sich ihre Nestkameraden befinden.

„In beiden Fällen verursacht ihr Verhalten die Freisetzung des Stichalarmpheromons, einer komplexen Geruchsmischung, die direkt auf dem Stachel getragen wird“, sagt die Neurobiologin Morgane Nouvian.

Dieses chemische Signal weckt Honigbienen in der Nähe und rekrutiert sie zum Ort der Störung. Dort entscheiden sie, ob sie sich an der Verteidigung beteiligen oder nicht, indem sie das Raubtier stechen oder anderweitig belästigen. Daher spielt das Stichalarmpheromon eine große Rolle bei der Abwehrreaktion des Volkes. Aber spielt die Gruppengröße auch eine Rolle?

Interdisziplinäre Studie untersucht, wie Bedingungen die Abwehrreaktionen einzelner Bienen beeinflussen

Eine interdisziplinäre Zusammenarbeit zwischen Nachwuchswissenschaftlerinnen und Nachwuchswissenschaftlern – der Biologin Dr. Morgane Nouvian und der Informatikerin Juniorprofessorin Tatjana Petrov vom Center for the Advanced Study of Collective Behavior an der Universität Konstanz – entwickelte ein Modell und eine Methodik zur Quantifizierung der Reaktionsfähigkeit auf den Alarm Pheromon entwickelt sich während eines defensiven Ereignisses für jede gegebene Gruppengröße. Die Ergebnisse wurden in veröffentlicht PLOS Computational Biology am 15. September 2022.

„Unser biologisches Ziel ist es, die Auswirkungen der Umgebungsbedingungen auf die Abwehrreaktion einzelner Bienen zu untersuchen“, sagt Letztautorin Morgane Nouvian. In dieser Arbeit konzentrierte sich das Forschungsteam auf die Auswirkungen der Gruppengröße, da frühere Studien gezeigt haben, dass dieser Faktor aggressive Reaktionen bei sozialen Insekten beeinflussen kann.

„Die Adressierung dieses biologischen Ziels eröffnete neue Herausforderungen für die Informatik“, sagte Petrov. „Das Verständnis des sozialen Feedbacks – wie sich das kollektive Verhalten an Änderungen der Gruppengröße anpasst – erfordert den Umgang mit komplexen Modellen und begrenzten experimentellen Daten und damit die Integration modellbasierter und datengesteuerter Methoden.“

Zweigeteilter Forschungsansatz

Die Autoren beobachteten zunächst das Verhalten von Bienengruppen, die mit einem falschen Raubtier, einem rotierenden Dummy, konfrontiert wurden, und quantifizierten ihre Abwehrreaktion, indem sie am Ende eines Versuchs einfach die Anzahl der in den Dummy eingebetteten Stacheln zählten. Danach schlugen sie ein mathematisches Modell der Gruppendynamik vor, das die probabilistische Entscheidung einer einzelnen Biene, bei einer bestimmten Alarmpheromonkonzentration zu stechen, transparent mit dem im Experiment beobachteten kollektiven Ergebnis verknüpft.

Das Extrahieren des Verhaltens von Einzelpersonen aus Daten auf Gruppenebene ist aus Sicht der Informatik auf mehreren Ebenen ein interessantes Problem. „Erstens leiden Modelle von Gruppenverhalten, die jeden möglichen sozialen Kontext eines Individuums aufzählen, unter der kombinatorischen Explosion von Zuständen, aber auch unter einer wachsenden Zahl von Modellparametern“, sagt Tatjana Petrov. „Darüber hinaus erfordern viele Unsicherheitsquellen wie zufällige Auswahl von Personen, unbekannte Parameter oder begrenzte Stichprobengröße neuartige Methoden zur Quantifizierung der Unsicherheit.“

Bienen wägen in ihrem sozialen Kontext ab, wenn sie die Entscheidung treffen, zu stechen

Die Zusammenarbeit von Informatikern und Neurobiologen eröffnet beiden Seiten eine neue Perspektive auf die Forschung. „Auf der rechnerischen Seite haben wir eine neuartige Methodik vorgeschlagen, um individuelles Verhalten aus Bevölkerungsdaten zu extrahieren“, sagt Petrov. „Zu diesem Zweck haben wir modernste formale Methoden und statistische Inferenz auf einzigartige Weise kombiniert.“

Ein von den Autoren erstelltes Softwaretool integriert alle Schritte des Analyseprozesses modular. Die vom Doktoranden Matej Hajnal entwickelte und gewartete Software ermöglicht es, sich auf die biologische Fragestellung zu konzentrieren, während einerseits eine klare Modellinterpretation und andererseits die Unsicherheitsquantifizierung vorhanden ist.

„Auf der biologischen Seite liefern wir Beweise dafür, dass Bienen in ihrem sozialen Kontext abwägen, wenn sie die Entscheidung treffen, zu stechen“, sagt Nouvian. „Wir kommen zu diesem Beweis, indem wir unsere Analyse für jede Gruppengröße separat durchführen und dann die Dosis-Wirkungs-Kurve mit dem erhaltenen Alarmpheromon vergleichen.“ Die Autoren zeigen, dass die Rekrutierung mit zunehmender Gruppengröße weniger effektiv wird und somit soziale Hemmung zusätzlich zur Alarmpheromonkommunikation eine Rolle spielt.

„Unsere Methodik adressiert ein spezifisches soziales Phänomen bei Honigbienen, kann aber auch als Proof-of-Concept für die aktuelle Herausforderung angesehen werden, die Black-Box-Modelle des beobachteten kollektiven Verhaltens zu ‚öffnen‘ und interpretierbare Verhaltenshypothesen auf der Ebene von zu liefern Einzelpersonen“, sagt Petrov. Sie geht davon aus, dass ihr Ansatz auf eine Reihe anderer biologischer Systeme angewendet werden kann. „Im Hinblick auf eine breitere Anwendung unseres Ansatzes haben wir bereits neue rechnerische Herausforderungen identifiziert, insbesondere im Hinblick auf die Bereitstellung von Skalierbarkeit und Unsicherheitsquantifizierung im Falle von beispielsweise großen Populationen, ungenauen Messungen und einer reichhaltigeren kognitiven Kapazität von Individuen.“