CAPE CANAVERAL / LONDON (IT BOLTWISE) – Starcloud berichtet, dass das Startup am 10. Dezember 2025 erstmals ein GPT-ähnliches Sprachmodell direkt im Orbit trainiert hat. Die Berechnung lief auf einer NVIDIA-H100 der Rechenklasse für Data Centers an Bord von Starcloud-1 in rund 500 Kilometern Höhe. Als Trainingsmaterial diente ein Shakespeare-Datensatz, danach erzeugte das System neuen, Shakespeare-ähnlichen Text. Entscheidend ist die Abgrenzung: Das ist Training auf der Raumflugplattform, nicht nur Inferenz mit einem vorab erlernten Modell.
In den vergangenen Jahren haben sich KI-Experimente im Weltraum vor allem auf Bildauswertung, Signalverarbeitung oder die Ausführung bereits trainierter Modelle konzentriert. Umso auffälliger ist, dass Starcloud-1 nach Angaben der Ingenieurteams und der veröffentlichten Missionseinordnung am 10. Dezember 2025 nicht nur eine Textaufgabe in der Umlaufbahn beantwortet, sondern einen Trainingszyklus durchlaufen hat: Ein GPT-ähnliches Modell erhielt dabei wiederholt Gewichts-Updates, während es die Erde umrundete. Der Kern des Claims wirkt auf den ersten Blick wie ein Größenrekord, bei genauerem Hinsehen handelt es sich aber um eine bewusst klein gehaltene „Orbit-orientierte“ Demonstration, die vor allem zeigt, dass der komplette Trainings-Loop technisch abbildbar ist – nicht, dass schon heute ein Chatbot-Äquivalent im All entsteht.
Technisch findet die Abgrenzung zwischen „Training“ und „Inferenz“ statt, und genau diese Differenz entscheidet über die Bedeutung. Laut Beschreibung wurde an Bord der Starcloud-1-Plattform zunächst Inferenz mit einer vorab geladenen Gemma-Variante betrieben, also Text erzeugt, ohne dass sich die Modellgewichte während des Fluges änderten. Für den eigentlichen Rekordanspruch steht dagegen das Training, das Starcloud mit Andrej Karpatys NanoGPT verknüpft: Dem System wurden laut Missionskontext die kompletten Werke von Shakespeare als Dataset bereitgestellt, das Modell durfte die Gewichte anpassen und anschließend entstanden neue Texte im Stil des Ausgangsmaterials. NanoGPT wird in der Open-Source-Community typischerweise als „baby GPT“ eingeordnet – überschaubar genug, um in Minuten auf einer einzelnen GPU zu trainieren. Damit verfehlt Starcloud nicht die Messlatte, sondern legt die Latte so, dass der schwierigere Teil im Orbit getestet wird: die wiederholte Rechenkette aus Vorwärtsdurchlauf, Fehlerberechnung und Backpropagation unter realen Raumflugbedingungen.
Das Satellitensetup ist dabei nicht „ein kleiner Controller, der irgendwie KI rechnet“. Starcloud-1 startete am 2. November 2025 mit einer SpaceX-Bandwagon-4-Rideshare-Mission ab Cape Canaveral in den Low Earth Orbit. In den vorliegenden Angaben wird die Nutzlast mit etwa 60 Kilogramm und ungefähr der Größe eines kleinen Kühlschranks beschrieben; an Bord arbeitet eine NVIDIA-H100 aus der Data-Center-Welt, also eine kommerzielle Beschleunigerkarte, die eigentlich für den Betrieb in Serverracks vorgesehen ist. Genau dort liegt die technische Zündschnur: Ein H100 in einem Rechenzentrum ist Teil eines auf hohe Leistung ausgelegten Systems mit massiver Energieverteilung, passender Kühltechnik (flüssig oder luftgestützt), redundanten Netzpfaden und der Möglichkeit, im Fehlerfall Komponenten vor Ort zu tauschen. Im Orbit dagegen ersetzen Vakuum, Strahlung und stark limitierte Masse die gewohnte Infrastruktur. Abwärme muss über Leitung und schließlich als Infrarot abgestrahlt werden; Sonnenpanels und Regler müssen Lastspitzen abfedern; zudem können energiereiche Teilchen Speicherfehler provozieren und Elektronik in Einzelfallstörungen („single-event faults“) bringen, die in der ursprünglichen Hardware-Auslegung oft nicht als Weltraum-Primary-Requirement galten.
Ein erfolgreicher kurzer Trainingslauf beweist damit vor allem „Betriebsfähigkeit“, nicht automatisch „Langzeitstabilität“. Radiation-Schäden akkumulieren über Zeit, Temperaturzyklen wiederholen sich, und Bauteile, die einmal sauber durchlaufen, können bei längerer Laufdauer oder unter veränderten Nutzprofilen ausfallen. Ebenso ist die Skalierung eine andere Dimension: Frontier-LLM-Training ist ein verteiltes Systemproblem, bei dem tausende Beschleuniger ihre Zwischenresultate in extrem kurzer Zeit austauschen, große Datensätze über sehr schnelle Pfade lesen und bei Hardwareausfällen in Sekundenbruchteilen rekonfigurieren müssen. Im Orbit ist bereits die Datenbewegung selbst der Engpass, weil Trainingskorpora heute von Web-Skalen geprägt sind. Ein Shakespeare-Korpus ist dagegen klein genug, um vorab geladen oder vergleichsweise einfach übertragen zu werden; große, tokenreiche Trainingsmengen wiederholt in den Orbit zu schicken würde Zeit, Bandbreite und Energie kosten. Deshalb erwarten viele Forschergruppen für den nächsten Schritt eher Inferenz oder Vorverarbeitung von bereits im Weltraum gesammelten Daten – weniger ein „Training wie in der Cloud“, sondern datengetriebene Workflows, die den Transferaufwand reduzieren.
Historisch gesehen reiht sich Starcloud-1 in eine Entwicklung ein, die mit klassischen On-Board-Computern begann und sich dann über Robotik, autonome Bildauswertung und erste Edge-KI-Setups fortgesetzt hat. Neu ist hier weniger das abstrakte Konzept „KI im All“, sondern der Nachweis, dass ein KI-Software-Stack den Sprung vom terrestrischen Data-Center in eine autonome Raumplattform inklusive Trainingslogik schafft. Entscheidend ist zudem, dass Starcloud die Gemma- und NanoGPT-Teile getrennt berichtet: Das nimmt der Meldung den Spekulationsanteil „es könnte doch nur Inferenz gewesen sein“ und stärkt die Aussagekraft, dass ein echter Trainings-Loop stattgefunden hat. Gleichzeitig bleibt die Einordnung recht anspruchsvoll, weil öffentlich keine Peer-Review-Experimentarbeit, kein vollständiges Telemetrie-Archiv und keine unabhängige Reproduktion vorliegt. Damit ist die „first“-Behauptung vor allem Starclouds eigener Bericht und die Unterstützung durch die in der Quelle genannten Aussagen, nicht ein unabhängig auditiertes historisches Ereignis.
Für den Markt und die Entwicklerlandschaft ist die praktische Botschaft trotzdem klar: Wenn ein kommerzieller H100-ähnlicher Beschleuniger den Wechsel in einen Orbitbetrieb übersteht und dabei sowohl Inferenz als auch NanoGPT-Training ausführen kann, steigt der Realismus für künftige KI-orientierte Missionsdesigns. Selbst wenn die gezeigte Modellgröße „klein“ ist, ist der Schritt von „Modell laden“ zu „Modell anpassen“ ein anderer Betriebsmodus mit anderer Software- und Energie-Charakteristik. Unternehmen, die heute KI-Pipelines in Produktivsysteme bringen, können daraus ableiten, dass MLOps-ähnliche Workflows künftig stärker an Hardwaregrenzen gekoppelt werden: Speicherbudget, Fehlerkorrektur, Energiehaushalt und Software-Resilienz müssen von Anfang an Teil der Architektur sein. Und wer Satelliten als Plattform für Datenveredelung betrachtet, gewinnt einen neuen Maßstab dafür, dass Training nicht zwingend ein terrestrisches „alles oder nichts“-Zentrum braucht – zumindest als kontrollierbare Demonstrationsstufe.
Am Ende ist die spannendste Erkenntnis nicht, dass ein Shakespeare-Modell plötzlich „mächtig“ wäre. Vielmehr zeigt sich, dass die Trainingskette die Atmosphäre nicht nur im übertragenen Sinn „überwunden“ hat, sondern funktional vom Boden in die Umlaufbahn gewechselt ist. Starcloud-1 bleibt ein einzelnes, bewusst handhabbares Satellitenexperiment – kein Beweis für Jahre garantierter Verfügbarkeit, keine Messreihe zur Kosten- oder Energieeffizienz gegenüber terrestrischen Trainingsfarmen. Dennoch markiert der Zeitpunkt Dezember 2025 eine neue Kategorie von KI-Tests: Nicht nur Verarbeitung im All, sondern Lernen im All.
💳 Amazon-Kreditkarte mit 2.000 Euro Limit bestellen!
🔥 Heutige Hot Deals bei Amazon: Bis zu 80% Rabatte!
🎉 Amazon Haul-Store für absolute Schnäppchenjäger!
- ★ 23-stufiges KI-Go-Training – Für Spieler mit Grundkenntnissen der Regeln – Entwickelt als intelligenter Trainingspartner passt sich die KI Spielern von 18K bis 9D an. Ideal für alle, die die Grundregeln bereits beherrschen und ihr Spiel verbessern möchten.
- IHR EMOTIONALER AI-BEGLEITER: Eiliko ist mehr als nur ein Anhänger, es ist ein charismatischer KI-Freund. Mit einem dynamischen LED-Bildschirm, der eine Vielzahl von animierten Gesichtern und Ausdrucksformen anzeigt, reagiert er auf Ihre Interaktionen mit einzigartiger Persönlichkeit und Charme.
- 【MEHR LEBEN FÜR DEINEN SCHREIBTISCH】 Lerne Eilik kennen – deinen kleinen Roboter-Freund mit Persönlichkeit. Mit liebevollen Animationen, ausdrucksstarken Reaktionen und spielerischen Interaktionen bringt Eilik mehr Freude in deinen Alltag. Ob auf dem Schreibtisch, im Büro oder am Nachttisch – Eilik wird schnell zu einem vertrauten Begleiter für besondere Momente.
- 【XL-Größe für gedeihende Pflanzen】Geben Sie Ihren Pflanzen den Raum, den sie verdienen! Unser verbessertes, großes 13,7 cm großes Design bietet Platz für Pflanzen mit einem Durchmesser von bis zu 8,9 cm und damit deutlich mehr Platz für Wurzelwachstum und Pflanzengesundheit im Vergleich zu kleineren, veralteten Modellen. Die Produktabmessungen betragen 13,6 x 13,6 x 13,2 cm und das Gerät wiegt nur 355 g.
- V28 Update - JETZT MIT NEUEN FUNKTIONEN! Als Reaktion auf das Ladeproblem von Loona haben wir das automatische Aufladen 2.0 verbessert. Diese Optimierung hilft Loona, die Ladewege in verschiedenen Szenarien zu erkennen und anzupassen, um die Erfolgsquote beim automatischen Aufladen zu erhöhen. Mobile Hotspots können sich mit Loona verbinden und überwinden WLAN-Einschränkungen, sodass Sie jederzeit und überall mit Loona interagieren können.
- Die besten Bücher rund um KI & Robotik!
- Die besten KI-News kostenlos per eMail erhalten!
- Zur Startseite von IT BOLTWISE® für aktuelle KI-News!
- IT BOLTWISE® kostenlos auf Patreon unterstützen!
- Aktuelle KI-Jobs auf StepStone finden und bewerben!
- Künstliche Intelligenz: Dem Menschen überlegen – wie KI uns rettet und bedroht | Der Neurowissenschaftler, Psychiater und SPIEGEL-Bestsellerautor von »Digitale Demenz«
Du hast einen wertvollen Beitrag oder Kommentar zum Artikel "KI-Sprachmodell in der Umlaufbahn: Starcloud trainiert NanoGPT mit H100" für unsere Leser?
#Sophos
#AmazonPrime
#Bestseller
Es werden alle Kommentare moderiert!
Für eine offene Diskussion behalten wir uns vor, jeden Kommentar zu löschen, der nicht direkt auf das Thema abzielt oder nur den Zweck hat, Leser oder Autoren herabzuwürdigen.
Wir möchten, dass respektvoll miteinander kommuniziert wird, so als ob die Diskussion mit real anwesenden Personen geführt wird. Dies machen wir für den Großteil unserer Leser, der sachlich und konstruktiv über ein Thema sprechen möchte.
Du willst nichts verpassen?
Du möchtest über ähnliche News und Beiträge wie "KI-Sprachmodell in der Umlaufbahn: Starcloud trainiert NanoGPT mit H100" informiert werden? Neben der E-Mail-Benachrichtigung habt ihr auch die Möglichkeit, den Feed dieses Beitrags zu abonnieren. Wer natürlich alles lesen möchte, der sollte den RSS-Hauptfeed oder IT BOLTWISE® bei Google News wie auch bei Bing News abonnieren.
Nutze die Google-Suchmaschine für eine weitere Themenrecherche: »KI-Sprachmodell in der Umlaufbahn: Starcloud trainiert NanoGPT mit H100« bei Google Deutschland suchen, bei Bing oder Google News!