LONDON (IT BOLTWISE) – Google und das NASA Jet Propulsion Laboratory haben mit MAPL-EMIT ein KI-Modell vorgestellt, das Methanemissionen aus dem Weltraum verfolgt. Trainiert auf 3,6 Millionen physiksimulierten Methanfahnen, soll es Lecks schneller und zielgerichteter lokalisieren als manuelle Methoden. Das Verfahren nutzt das EMIT-Instrument der Internationalen Raumstation, um auch in komplexen, überlagernden Landschaften Hinweise auf Punktquellen zu finden. Laut den Projektangaben entdeckt das Modell 50 % mehr Lecks und deckt weltweit über 23.000 bislang verborgene Methan-Plumes auf.
Wenn Methanleckagen unentdeckt bleiben, bleibt häufig auch der Hebel zur schnellen Entlastung von Klimaeffekten ungenutzt. Genau an dieser Stelle setzt das neue Modell MAPL-EMIT an: Google und das NASA Jet Propulsion Laboratory (JPL) haben eine Künstliche Intelligenz entwickelt, die Methanemissionen aus dem All erkennen und geografisch zuordnen soll. Im Zentrum steht dabei nicht die reine Beobachtung, sondern die Automatisierung der Detektion und Lokalisierung von sogenannten Punktquellen – also klar abgrenzbaren Emissionsherden –, die in einem großen Betrachtungsraum sonst schwer zu finden sind.
Technisch basiert das Vorhaben auf der Kopplung eines KI-Frameworks mit einem Sensor an der Internationalen Raumstation: Das Modell arbeitet mit NASA-EMIT (Earth Surface Mineral Dust Source Investigation), einem bildgebenden Spektrometer, das außen an der Raumstation angebracht ist. EMIT liefert spektrale Messdaten, aus denen sich Rückschlüsse auf Bestandteile der Atmosphäre ziehen lassen; Methan lässt sich dabei aus dem Zusammenspiel von charakteristischer Absorption und räumlichem Kontext herauslesen. Für die KI bedeutet das: Sie muss nicht nur Muster aus Trainingsdaten lernen, sondern auch mit „cluttered landscapes“ umgehen, also mit Szenen, in denen sich Signale überlagern und visuelle Kontraste nicht von selbst die richtige Stelle markieren.
Damit das gelingt, wurde MAPL-EMIT nach den Projektangaben auf 3,6 Millionen physiksimulierten Methan-Plumes trainiert. Diese simulierten Wolken stellen Methan dar, das in die Atmosphäre ausgetragen wird, und bilden bewusst ein Spektrum realitätsnaher Situationen ab – von unterschiedlichen Ausbreitungsformen bis zu Konstellationen, in denen mehrere Emissionsfahnen parallel auftreten. Entscheidend ist der versprochene Effizienzgewinn gegenüber menschlichen Expertenteams: Die Forschenden geben an, das Modell könne 50 % mehr Methanlecks detektieren und weltweit über 23.000 versteckte Methan-Plumes aufdecken. Zusätzlich nennt die Studie eine besonders operative Kennzahl: Darunter sollen 24 von 25 der größten emittierenden Landfill-Standorte im Blick gewesen sein.
Der praktische Nutzen wird in der Studie konkret an den typischen Workflows sichtbar, die in vielen Umweltdatenauswertungen bisher zeitintensiv bleiben. Das Modell soll dafür eingesetzt werden, Enhancement Quantification, Plume Segmentation und Source Localization zu automatisieren. Im Klartext heißt das: Die KI soll nicht nur „wo“ Methan vorkommt, sondern auch den sichtbaren Ausbreitungsbereich (Segmentierung) präziser abgrenzen und die Quelle (Lokalisierung) schärfer eingrenzen – und zwar auch bei mehreren überlappenden Plumes. Damit adressiert MAPL-EMIT einen Engpass, der in der Methan-Überwachung regelmäßig diskutiert wird: Selbst wenn Messdaten vorhanden sind, fehlt oft eine skalierbare Methode, um aus ihnen zuverlässig punktgenaue Hinweise auf Emissionsquellen abzuleiten.
In den Kontext menschlicher Emissionsquellen passt das Modell besonders gut zu Deponien: Berichten zufolge rangieren Deponien für Siedlungsabfälle in den USA als drittgrößter Auslöser von Methanemissionen aus menschlichen Aktivitäten. Für Betreiber und Behörden bedeutet das: Wenn man die großen Emittenten und ihre zeitlichen Muster besser erkennt, lassen sich Monitoring-Programme stärker priorisieren und Maßnahmen gezielter planen. Außerdem verschiebt sich der Schwerpunkt von reiner Inventar-Logik hin zu operativem Leak-Handling, weil die KI die Detektion und Zuordnung beschleunigen soll. Die Studie formuliert das Ziel entsprechend als „Methanquellen einfacher in großem Maßstab finden“ und damit verbundene „schnellere, gezieltere“ Klimaschutzmaßnahmen.
Wirtschaftlich und strategisch fügt sich das Projekt in Googles breiteren Ansatz ein, Superemitter besser zu identifizieren und problematische Stoffströme zu reduzieren. Methan zählt dabei zu den Treibhausgasen, die pro Tonne stärkere Erwärmung verursachen als Kohlendioxid. Parallel zu der Weltraumkomponente verweist der Bericht auf eine Zusammenarbeit mit einem Anbieter für KI-gestützte Recycling- und Abfall-Sortierung (AMP), die über ein System aus Carbon Credits und Klimaschutzwirkung auch auf konkrete Mengen zielt. Genau hier liegt ein relevanter Trend: KI wird nicht nur als analytisches „Dashboard“ eingesetzt, sondern als Instrument, das Messdaten, Prozessketten und Entscheidungslogik enger miteinander verzahnt, um aus Beobachtung schneller Intervention werden zu lassen.
Für die weitere Entwicklung stellt sich vor allem die Frage, wie gut sich ein modellierter Ansatz in den Routinebetrieb überführen lässt. In der Praxis hängt das von mehreren Faktoren ab: von der Stabilität der Messdaten des Instruments, von der Robustheit der KI gegenüber veränderten Umgebungsbedingungen und von der Frage, wie schnell neue Trainings- oder Kalibrierzyklen integriert werden können. Wenn die angegebenen Verbesserungen gegenüber menschlicher Auswertung auch unter unterschiedlichen Szenarien reproduzierbar sind, könnte MAPL-EMIT zu einem Baustein werden, der die Lücke zwischen Satellitenmessung und lokalisierter Verursacheranalyse schließt. Für Unternehmen und Forschungsorganisationen ergibt sich damit ein deutlich greifbareres Einsatzfeld für KI in der Klimaüberwachung: weniger „Daten sammeln“, mehr „Daten in Entscheidungen übersetzen“.
💳 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 "MAPL-EMIT: Google und NASA starten KI zur Methan-Detektion im All" 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 "MAPL-EMIT: Google und NASA starten KI zur Methan-Detektion im All" 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: »MAPL-EMIT: Google und NASA starten KI zur Methan-Detektion im All« bei Google Deutschland suchen, bei Bing oder Google News!