LONDON (IT BOLTWISE) – Mit Artifact InSPECtor macht NASA das Prüfen von Artefakten in Teleskopdaten für Freiwillige zugänglich. Das Projekt setzt auf reale Beobachtungsdaten von Euclid und startet ab 2027 auch mit Daten des Nancy Grace Roman Space Telescope. Ziel ist, dass trainierte KI-Modelle Fehler in Spektren besser erkennen und so zuverlässigere Messungen ermöglichen. Damit rücken zentrale Fragen zu Expansion des Universums und Dunkler Energie in greifbare Reichweite.
Wer mit Daten weit entfernter Galaxien arbeitet, steht vor einer unscheinbaren, aber entscheidenden Hürde: Astronominnen und Astronomen müssen sicherstellen, dass die Signale, die sie in Spektren sehen, wirklich aus dem Kosmos stammen. Genau an diesem Punkt setzt Artifact InSPECtor an, ein Projekt, das Freiwillige an die Stelle holt, an der KI-Modelle bei noch jungen Instrumenten regelmäßig unsicher werden. Die Grundidee ist dabei nicht, die Kontrolle aus der Hand zu geben, sondern die Datenqualität messbar zu verbessern, indem Menschen Artefakte in realen Datensätzen identifizieren und damit Trainingshinweise liefern.
Technisch betrachtet liefert ein Weltraumteleskop seine Erkenntnisse über ein Instrument, das wie ein Prisma arbeitet: ein Spektrograph. Für jede beobachtete Galaxie zerlegt er das Licht in einen Regenbogen aus Farben und erzeugt so ein Spektrum, also eine auf Farben bzw. Wellenlängen abgebildete Verteilung des Lichts. Aus diesen Spektren lassen sich Entfernungen ableiten, weil die beobachteten Linien je nach kosmischer Ausdehnung verschoben sind. Ebenso gewinnen Forschende Hinweise auf Sternpopulationen und – in Kombination mit weiteren Merkmalen – auf die supermassiven Schwarzen Löcher in den Zentren dieser Galaxien. Dass dafür zuverlässige Daten nötig sind, ist offensichtlich: Schon scheinbar kleine Fehlpixel können die Interpretation von Linienformen oder Intensitäten verfälschen.
Damit beginnt das eigentliche Problem. In der Astronomie werden Signale, die nicht von echten astronomischen Objekten herrühren, als „Artefakte“ bezeichnet. Sie entstehen auf vielfältige Weise, etwa wenn Licht an Bauteilen des Teleskops reflektiert wird, wenn kosmische Strahlung auf den Detektor trifft, oder wenn es Besonderheiten in Kamera, Elektronik oder Ausleseketten gibt. Eine anschauliche Analogie liefert der Alltag: Ein Fingerabdruck oder ein Fleck auf der Kameraoptik produziert in einem Foto Strukturen, die nicht zum Motiv gehören. Übertragen auf Weltraumteleskope bedeutet das, dass ein Modell nicht nur zwischen „Signal“ und „Hintergrund“ unterscheiden muss, sondern außerdem lernen muss, welche Mustertypen auf Mess- oder Instrumenteffekte zurückgehen.
Die Lösung, die Artifact InSPECtor adressiert, kombiniert KI-Erkennung mit menschlicher Verifikation. Das Projekt arbeitet mit einem KI-Ansatz, der Artefakte im Datenstrom erkennt, ähnlich wie ein Smartphone Gesichtserkennung in Bildern anwendet. Allerdings ist das Erkennen in der Praxis schwieriger, wenn die Datengrundlage neu ist: Modelle können Artefakte nicht immer eindeutig von echten astronomischen Strukturen trennen, weil sich die Instrumentcharakteristik, Rauschmuster und typische Fehlerbilder bei neuen Missionen erst nach und nach im Detail „einprägen“. Genau daraus ergibt sich die Notwendigkeit, dass Menschen in den Kreislauf eingreifen und prüfen, ob die KI-Markierungen korrekt sind oder ob sie etwa reale Details überdeckt.
Artifact InSPECtor setzt dabei auf die Zusammenarbeit zwischen Freiwilligen und Wissenschaftsteams, indem reale Daten von Euclid genutzt werden und ab Anfang 2027 auch Daten des Nancy Grace Roman Space Telescope einbezogen werden. Euclid ist als Observatorium der ESA geplant, mit entscheidenden Beiträgen aus dem Wissenschaftsumfeld der Partnerorganisationen; es soll Licht von Millionen entfernter Galaxien sammeln. Der Roman ist als ergänzendes Observatorium konzipiert, das nach dem Start der wissenschaftlichen Operationsphase ebenfalls eine sehr große Anzahl von Galaxien beobachten soll, jedoch mit einem anderen Blickwinkel in Bezug auf Distanzen und die Verteilung der Quellen über den Himmel. Gerade diese Kombination macht die wissenschaftliche Zielrichtung plausibel: Zusammen helfen die Datensätze, Fragen zur Expansion des Universums und zur Dunklen Energie zu bearbeiten, also zu der bislang schwer erklärbaren Kraft, die diese Expansion antreibt.
Für die KI-Entwicklung heißt das: Trainiert wird nicht nur ein „Erkenner“, sondern ein Datenqualitätsprozess. Die Freiwilligen lernen, Artefakte in den Spektren bzw. Bild-/Pixelstrukturen zu verifizieren. Im Hintergrund dient ihre Rückmeldung dazu, die Anweisungen bzw. Trainingshinweise zu verbessern, die das KI-System nutzt, um problematische Pixel als ungültig zu markieren. So entsteht eine Schleife aus Beobachtung, Markierung, Prüfung und Modellanpassung. Die Projektlogik ist dabei organisatorisch und wissenschaftlich zugleich: Die Menschen liefern Beispiele und Korrekturen, die KI übernimmt das skalierbare Vor-Erkennen, und die Wissenschaftsteams profitieren von saubereren Daten für ihre physikalischen Auswertungen. Dass bereits ein Kind nach dem Ausprobieren begeistert von der Idee war, „Computern neue Fähigkeiten beizubringen“, zeigt vor allem, dass die Einstiegshürde bewusst niedrig gehalten wird – der technische Wert entsteht dann durch die Menge und Qualität der Rückmeldungen.
Aus Markt- und Branchenperspektive ist das Muster bereits bekannt: Wo neue Instrumente in den Regelbetrieb gehen, entsteht ein Trainings- und Validierungsdefizit. Es reicht nicht, Modelle mit allgemeinen Daten zu „optimieren“, denn die konkrete Sensorik, die Optik und die typischen Fehlerbilder bestimmen, welche Muster als Artefakt gelten dürfen. In der Folge wird in vielen datenintensiven Domänen zunehmend auf „Human-in-the-loop“-Verfahren gesetzt, nicht als Dauerzustand, sondern als Brücke zur Kalibrierung. Genau diese Rolle spielt Artifact InSPECtor: Es macht aus einer sonst schwer skalierbaren manuellen Plausibilisierung einen zielgerichteten Input für die KI-Entwicklung. Für Organisationen, die KI in der Produktion nutzen, ist das ein lehrreiches Beispiel, wie man Qualitätsprobleme nicht nur modellseitig, sondern entlang des gesamten Datenpfads adressiert.
Wer mitmachen möchte, soll nach Angaben zum Projektstart per Smartphone, Tablet oder Computer direkt auf Artifact InSPECtor zugreifen und heute beginnen. Entscheidend ist dabei weniger der einzelne Datensatz als der fortlaufende Lernprozess: Jede verifizierte Markierung trägt dazu bei, dass das System in den kommenden Missionen robuster wird. Sobald Euclid-Daten und später auch Roman-Daten in diesen Qualitätskreislauf einfließen, können bessere Artefaktfilter indirekt auch die wissenschaftliche Aussagekraft erhöhen. Denn wenn Spektren verlässlicher sind, sinkt die Gefahr, dass Artefakte wie „smudges“ im Universum als echte kosmische Information interpretiert werden – und genau daran hängt am Ende, wie präzise sich die Physik der Expansion des Universums und die Eigenschaften der Dunklen Energie auswerten lassen.
💳 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 "Artifact InSPECtor: KI lernt Artefakte aus Euclid- und Roman-Daten zu entfernen" 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 "Artifact InSPECtor: KI lernt Artefakte aus Euclid- und Roman-Daten zu entfernen" 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: »Artifact InSPECtor: KI lernt Artefakte aus Euclid- und Roman-Daten zu entfernen« bei Google Deutschland suchen, bei Bing oder Google News!