MÜNCHEN / LONDON (IT BOLTWISE) – Loft Orbital hat mit dem Testflug YAM-9 erstmals eine KI an Bord genutzt, die nicht nur Bilder aus der Erdbeobachtung auswertet, sondern auch Fragen in natürlicher Sprache versteht. Laut dem Projekt reduziert das Modell den Anteil an Rohdaten, die sonst zur manuellen oder laborbasierten Analyse zur Erde übertragen würden. Die Lösung basiert auf dem Vision-Language-Modell Gemma 3 und läuft auf einem NVIDIA Jetson Orin AGX im Orbit. Das Ziel: mehr Automatisierung pro Satellit und perspektivisch weniger Satelliten für flächige Echtzeitüberwachung.
Die entscheidende Veränderung im Orbit ist nicht, dass ein Modell Daten klassifiziert, sondern dass es den Arbeitsauftrag selbst über Sprache interpretiert. Im April kam bei einem ersten Test an Bord eines Erdbeobachtungssatelliten der Softwareschritt hinzu: Ein Vision-Language-Ansatz nahm eine Frage in natürlicher Sprache entgegen und lokalisierte im Bild das, worauf die Anfrage abzielt. Der Pilot lief auf der Plattform YAM-9 von Loft Orbital. Dadurch verschiebt sich die Wertschöpfung von der Bodenstation stärker auf den Satelliten selbst, wo Signale typischerweise nur priorisiert und komprimiert werden.
Technisch betrachtet hängt der Nutzen stark an der Frage, wie viel Rechenleistung und Speicher im Orbit verfügbar sind. Das Team nutzt hierfür Gemma 3 von Google DeepMind als Vision-Language-Modell. Solche Modelle verbinden sprachliche Semantik mit visuellen Merkmalen: Sie verknüpfen Textanweisungen mit Bildbereichen, statt rein klassifikatorisch „Labels“ auszugeben. Wichtig ist dabei, dass der Modellbetrieb ausdrücklich für Hardware mit begrenzten Ressourcen ausgelegt ist und nicht auf eine klassische Cloud- oder Rechenzentrumsumgebung angewiesen ist. In der Testanwendung sollte das System sensorische Muster strukturieren, etwa Übergänge zwischen natürlicher Umgebung und Siedlungsflächen oder Infrastruktur rund um Bahnknotenpunkte erkennen.
Aus Marktsicht verschärft dieser Schritt den Wettbewerb in einem Bereich, der bislang eher konservativ war: Viele Betreiber schicken weiterhin große Datenmengen zur Erde, weil die Auswertung dort durch Teams mit ML-Pipelines oder durch menschliche Betrachtung abgesichert erfolgt. Der Test zeigt einen anderen Ansatz, bei dem bereits im Orbit sortiert wird. Loft spricht in diesem Kontext davon, dass die Technologie die „Datenflut“ reduziert, die Analysten heute durchforsten müssen. Gleichzeitig dient der Nachweis als Argument für zukünftige, größere KI-Infrastruktur im Weltraum. Branchenexperten ordnen das typischerweise als pragmatische Etappe zwischen Klassik-Edge-Computing und „echter“ KI-Steuerung der Sensorik ein.
Auch die Hardware- und Softwareanpassung ist ein differentiierender Punkt: An Bord von YAM-9 sitzt mit dem NVIDIA Jetson Orin AGX eine Recheneinheit, die für KI-Inferenz im Randbereich ausgelegt ist. Damit lassen sich Aufgaben wie Bildklassifikation und sprachgeführte Suche innerhalb klarer Energie- und Thermo-Constraints durchführen. Die Software, die das Modell im Projekt operationalisiert, wird durch NAVI-Orbital beschrieben. Ein Projektlead aus der NASA JPL-Gruppe für KI (Juan Delfa Victoria) führte die Entwicklung des Softwarepakets als Framework aus. Obwohl Gemma 3 als Off-the-shelf-Produkt verfügbar ist, musste das Paket für den Weltraumbetrieb „streamlined“ werden – unter anderem, um die Anzahl der Software-Bibliotheken und den Speicherbedarf zu verringern.
Der Projektplan zeigt außerdem, dass Sprache nicht nur „Komfort“ ist, sondern eine neue Art der Steuerung ermöglicht. Nach Angaben des Unternehmenschef-AI (Paul Lasserre) könne einem Satelliten eine Beobachtungsaufgabe übergeben werden, etwa eine Region im Blick zu behalten und zu berichten, sobald sich etwas ändert. Der nächste Schritt wäre dann ein iterativer Dialog: Operatoren formulieren eine Frage, der Satellit antwortet mit einer lokalisierten Beobachtung, und die nächste Nachfrage verengt den Fokus. Für die Abdeckung „überall auf der Erde in Echtzeit“ nennt Lasserre als Größenordnung zwischen 50 und 100 Satelliten dieses Typs. Das ist ein entscheidender Market-Impact, weil es den Engineering-Aufwand für Skalierung in Stückzahlen quantifiziert.
Historisch betrachtet reiht sich der Test in eine Entwicklung ein, bei der Edge-KI schrittweise in Raumfahrt-Workflows überführt wurde: Zuerst ging es um Kompression und Ereigniserkennung, später um vortrainierte Inferenznetze für Zielerkennung. Der Sprung zu Vision-Language-Modellen ist jedoch stärker, weil er die Schnittstelle zwischen Mensch und Sensorik flexibilisiert. Die Idee für YAM-9 wurde laut Projektkontext auch aus Überlegungen zu digitalen Assistenten für Astronauten abgeleitet – etwa für Missionen zum Mond oder Mars. In pressurisierten Anzügen ist Tippen kaum praktikabel; ein dialogfähiger Assistent wäre daher ein natürlicher Use Case. Regulatorisch und sicherheitstechnisch bleibt dabei ein Kernpunkt: Wenn KI-Auswertungen an Bord stattfinden, müssen Betreiber später nachvollziehbar machen können, wie die Modelle zu Entscheidungen kommen, welche Daten verarbeitet wurden und wie Integrität sowie Betriebsstabilität überwacht werden.
Für die Zukunft ist absehbar, dass solche On-Orbit-Workflows nicht nur die Datenmenge senken, sondern auch die Produktivität in der Auswertung erhöhen. Entwicklern eröffnen sich neue Chancen in den Bereichen Model Optimization, Inferenz-Overheads und Monitoring unter Weltraumbedingungen. Gleichzeitig werden MLOps-Disziplinen für „Space-grade AI“ wichtiger: Versionierung, Drift-Tracking und reproduzierbare Auswertung auch dann, wenn Modelle teilweise eingebettet und ressourcengebunden laufen. Wenn Loft in den nächsten Schritten größere KI-Stacks im Orbit demonstriert, könnte das den Wettbewerb zu traditionellen Boden-zentrierten Analysesystemen weiter verschieben. Das Ergebnis wäre ein Satellitenökosystem, in dem KI nicht nur Daten liefert, sondern gezielt Fragen beantwortet – ein Paradigmenwechsel, der sowohl Betriebs- als auch Kostenmodelle verändert.
💳 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.
- NIEDLICHER BEGLEITER: Eilik ist der ideale Begleiter für Kinder und Erwachsene, die Haustiere, Spiele und intelligente Roboter lieben. Mit vielen Emotionen, Bewegungen und interaktiven Funktionen.
- 【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 versteht Bild und Sprache an Bord: Loft testet Echtzeit-EO-Auswertung" 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 versteht Bild und Sprache an Bord: Loft testet Echtzeit-EO-Auswertung" 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 versteht Bild und Sprache an Bord: Loft testet Echtzeit-EO-Auswertung« bei Google Deutschland suchen, bei Bing oder Google News!