IBM und die Nasa haben am 10. September 2026 ein frei zugängliches KI-Modell veröffentlicht, um jahrzehntelange Beobachtungsdaten des Mondes auszuwerten. Das Nasa-IBM Lunar Foundation Model soll Forscher bei der Analyse von Kratern, Vulkaneffekten und potenziellen Wassereisvorkommen für künftige Mondbasen unterstützen.
Die Raumfahrtbehörden und Technologieunternehmen stehen seit Jahrzehnten vor einer immensen Datenherausforderung. Zwar haben zahlreiche Missionen gigantische Mengen an Aufnahmen, Temperaturmessungen, topografischen Karten und Gravitationsdaten geliefert, doch diese Instrumente arbeiten mit völlig unterschiedlichen Auflösungen und Zielsetzungen. Während die GRAIL-Mission das Gravitationsfeld im Raster von rund 20 Kilometern pro Pixel erfasste, bildet der Lunar Reconnaissance Orbiter bestimmte Oberflächenstrukturen im Meterbereich ab. Bislang mussten Forschungsteams für jede neue Fragestellung mühsam eigene Pipelines aufbauen, um diese heterogenen Datenquellen zu säubern und physikalisch zuzuordnen. IBM Research erklärte hierzu, dass die Kombination von Informationen, die durch solche Abstände in der räumlichen Auflösung getrennt sind, weitaus komplizierter ist als das Einspeisen einer Bildersammlung in ein herkömmliches Computer-Vision-Modell.
Ein gemeinsames Datenfundament für die Mondforschung
Um diese Fragmentierung zu überwinden, bauten die Beteiligten ein maschinell auswertbares Dataset auf, das mehr als 30 räumlich ausgerichtete Schichten aus neun Instrumenten und vier Missionen umfasst. Dazu gehören Aufnahmen und Karten von Nasa-Sonden wie dem Lunar Reconnaissance Orbiter und der GRAIL-Mission sowie von Japans SELENE-Kaguya-Mission. Durch diese Harmonisierung entfällt künftig der wiederholte Infrastrukturaufwand, den einzelne Institute bisher betreiben mussten, da zukünftige Forscher von einer gemeinsamen Repräsentation ausgehen können, die bereits Informationen aus mehreren Instrumenten enthält.
Statt für jedes Problem ein isoliertes Modell zu entwickeln, trainierten die Forscher eine breite Basisarchitektur, die zunächst die Beziehungen innerhalb der Mondbeobachtungen erlernte und sich anschließend auf individuelle wissenschaftliche Aufgaben anpassen ließ. Dabei nutzten sie leichtgewichtige LoRA-Adapter während der Feinabstimmung, während rund 90 Prozent der Gewichte des Basismodells unverändert blieben.
Benchmark-Tests zeigen deutliche Verbesserungen
In ersten Leistungstests übertraf das Modell herkömmliche Architekturen deutlich. Bei der Erkennung potenzieller Wassereisvorkommen sank die Fehlerquote im Vergleich zu einem SwinV2-Basismodell um bis zu 22 Prozent. Bei einem Kontextmaßstab von rund 100 Metern übertraf es dieselbe Vergleichsarchitektur bei der Kratererkennung um fast 19 Prozent und benötigte dabei nur halb so viele Trainingsdaten. Für die Kartierung unregelmäßiger Vulkanstrukturen fiel der Zuwachs mit etwa drei Prozent zwar geringer aus, allerdings erreichte das System hier vergleichbare Leistungen bei geringeren Anpassungskosten.
Zusätzlich wies die Nachrichtenagentur Reuters durch Akash Sriram in Bengaluru und mit einer Bearbeitung von Shilpi Majumdar darauf hin, dass das Modell in Benchmark-Tests wichtige Merkmale auf der Mondoberfläche bis zu 23 % genauer identifizierte als weithin verwendete Methoden. Diese Kennzahlen verdeutlichen, dass der eigentliche Durchbruch weniger in einer spektakulären Einzellösung liegt als in der Wiederverwendbarkeit der Infrastruktur für völlig unterschiedliche Forschungsfragen.
Vorbereitung auf das Artemis-Programm und die bemannte Raumfahrt
Die Veröffentlichung des KI-Modells ist eng mit den langfristigen Plänen für eine dauerhafte menschliche Präsenz auf dem Mond verknüpft. Vor allem das Vorkommen von Wassereis in permanent im Schatten liegenden Regionen ist für Raumfahrtagenturen von besonderem Interesse, da es auf Wasser und Sauerstoff hinweist – Ressourcen, die für eine künftige Mondbasis und für die Produktion von Raketentreibstoff für Missionen zum Mars als unerlässlich gelten.
Das System ist Teil der Prithvi-Familie von Open-Foundation-Modellen von IBM und der Nasa, die geowissenschaftliche, wetterbezogene und weitere Anwendungen umfasst. Ein Prithvi-Geodatenmodell, das mit jahrelangen Erdbeobachtungsdaten trainiert wurde, wurde 2026 an Bord orbitaler Plattformen eingesetzt, um die auf Foundation-Modellen basierende Erdbealyse direkt im Weltraum zu testen. Die Nasa hob zudem hervor, dass Forscher Prithvi für Aufgaben von der Umweltüberwachung bis zur Vorhersage potenzieller Heuschrecken-Brutgebiete einsetzen. Für das von der Nasa geplante Artemis-Programm, das Astronauten im Jahr 2028 auf den Mond zurückbringen soll, dient die neue Technologie dazu, neue Techniken für eine dauerhafte Mondpräsenz und künftige Marsmissionen zu testen.
Verwandte Artikel
