BENGALURU / LONDON (IT BOLTWISE) – IBM und NASA haben ein Open-Source-KI-Modell veröffentlicht, das hilft, jahrzehntelange Beobachtungsdaten vom Mond auszuwerten. Das „NASA-IBM Lunar Foundation Model“ ist auf mehrere Missionen trainiert und soll Geologen bei der Suche nach Eis in dauerhaft verschatteten Regionen unterstützen. Außerdem kann es Krater präziser kartieren, um potenziell sichere Landeplätze zu identifizieren. In Tests erreicht das Modell laut NASA und IBM bis zu 23% höhere Genauigkeit als etablierte Methoden.
Wer seit Jahren planetare Beobachtungen auswertet, kennt die Engstelle: Datenmengen wachsen deutlich schneller, als sich das manuelle Durchforsten von Karten, Bildern und Bildfolgen in den Laboralltag integrieren lässt. Genau hier setzt die neue Veröffentlichung von IBM und NASA an. Mit dem „NASA-IBM Lunar Foundation Model“ entsteht ein offenes KI-Werkzeug, das Mondbeobachtungsdaten aus verschiedenen Missionen in einer einheitlichen Modellbasis zusammenführt und damit die Analyse von Eisvorkommen, Kratern und vulkanischen Strukturen beschleunigen soll. Für Programme wie Artemis ist das relevant, weil jedes Prozent weniger Unsicherheit bei der Landestellen-Auswahl später den Unterschied zwischen effizientem Betrieb und kostspieligen Korrekturschleifen ausmachen kann.
Technisch betrachtet basiert das Modell auf einem Foundation-Model-Ansatz: Es wurde laut NASA und IBM auf mehr als 30 Schichten bzw. „Layers“ von Daten trainiert, die von neun Instrumenten auf vier NASA-Missionen stammen. Entscheidend ist dabei weniger die abstrakte Zahl der Datenebenen als die Art der Zusammenführung: Instrumente liefern unterschiedliche Signaltypen und Auflösungen, während die wissenschaftliche Frage oft eine gemeinsame Interpretation verlangt. Foundation Models sind in diesem Kontext dafür gedacht, solche heterogenen Eingaben in repräsentationsfähige Muster zu übersetzen. Das erleichtert nicht nur einzelne Klassifikations- oder Segmentierungsaufgaben, sondern kann auch die Grundlage für wiederverwendbare Workflows schaffen, bei denen Teams nicht jedes Mal von vorn mit neuen, niedrig aufgelösten KI-Ansätzen starten.
Für die konkrete Anwendung nennen NASA und IBM drei typische Aufgabenbereiche: Erstens sollen Forschende potenzielle Eisablagerungen in dauerhaft verschatteten Regionen identifizieren können. Genau diese Gebiete sind besonders interessant, weil dort Wasser-Eis als Indikator für Ressourcen gilt, die für eine langfristige Mondbasis und als Ausgangsstoff für Treibstoffproduktion (Stichwort Raketen-Propulsion Richtung Mars) zentral sein könnten. Zweitens geht es um das Mapping von Kratern, um geeignete und möglichst sichere Landeplätze abzuleiten. Drittens unterstützt das Modell laut Angaben auch die Untersuchung vulkanischer Merkmale. Der gemeinsame Nenner ist, dass bisherige Verfahren häufig entweder manuelle Bild- und Kartenanalysen erforderten oder auf Machine-Learning-Tools mit geringerer Auflösung bzw. eingeschränkterer Genauigkeit zurückgriffen.
Beim Blick auf die Leistung liefern NASA und IBM ebenfalls konkrete Vergleichswerte: In Benchmark-Tests identifizierte das Modell Schlüsselfeatures auf der Mondoberfläche bis zu 23% genauer als weit verbreitete Methoden. Wichtig ist hier die Einordnung: „bis zu“ deutet auf Szenarien hin, in denen das neue Modell besonders stark war, nicht auf eine universelle Konstante über alle möglichen Bildtypen, Beleuchtungsbedingungen oder Regionen hinweg. Trotzdem ist der Sprung gegenüber etablierten Ansätzen in der Praxis spürbar, weil Genauigkeit direkt in Entscheidungs- und Validierungsprozesse zurückwirkt. Wer Landezonen plant, muss nicht nur wissen, wo es „wahrscheinlich“ passt, sondern auch, wie belastbar die Messgrundlage ist, auf der Sicherheitsreserven basieren.
Ein weiteres Markt- und Ökosystem-Detail: Das Lunar Foundation Model reiht sich in die „Prithvi“-Familie offener Foundation-Modelle von IBM ein, die bereits auf geospatialen, Wetter- und anderen Anwendungen aufgebaut sind. Diese Kontinuität ist strategisch, weil sie zeigt, dass IBM Foundation-Model-Lernmuster nicht nur auf einen einzelnen Domänenfall begrenzt. Gleichzeitig liefert NASA hier ein Signal, dass offene Modellzugänge für wissenschaftliche und industrielle Folgeentwicklungen wichtiger werden: Statt nur ein internes Werkzeug bereitzustellen, kann die Community neue Workflows entwickeln, Validierungen gegen unabhängige Datensätze durchführen und die Modellkonfiguration langfristig anpassen. Gerade bei der Auswertung schwer zugänglicher Zielräume wie dauerhaft verschatteter Kraterfelder ist das Community-Lernen ein echter Hebel.
Auch zeitlich lässt sich ein Kontext erkennen. NASA plant im Rahmen des Artemis-Programms, 2028 wieder Astronauten zum Mond zurückzubringen, um neue Technologien für eine nachhaltige Präsenz zu testen. Ein Modell, das Eisvorkommen präziser lokalisieren und Kraterstrukturen zuverlässiger kartieren kann, passt in diese Logik, weil es sich nicht nur auf die reine Erkundung beschränkt, sondern indirekt auch die Planung von Missionsteilen beeinflusst: von der Rohdatenpriorisierung über die Zielregion-Entscheidung bis hin zur Auswertung, die spätere Flüge schneller „in den Betrieb“ bringt. Das ist zwar keine Garantie, dass alle wissenschaftlichen Fragen damit sofort gelöst sind, aber die Eintrittshürde für gute Kandidaten wird messbar niedriger.
Für Organisationen außerhalb von IBM und NASA eröffnet die Veröffentlichung mehrere konkrete Möglichkeiten. Teams in Forschungseinrichtungen können das Modell in eigene Analyse-Pipelines integrieren, ohne zunächst ein proprietäres System zu beschaffen oder die Trainingsdetails vollständig nachzubauen. Gleichzeitig profitieren auch Entwickler, die geospatial Datenverarbeitung und KI-Workflows aufbereiten: Gerade wenn ein Foundation Model als Ausgangspunkt dient, lassen sich Validierungstests, Modell-Feedback und domänenspezifische Anpassungen (etwa für bestimmte Instrument-Kombinationen oder Regionen) effizienter gestalten. Am Ende verschiebt sich der Fokus von „Wie trainieren wir das Modell?“ hin zu „Wie nutzen wir das Modell, um wissenschaftlich bessere Entscheidungen zu treffen?“.
Offen bleibt, wie sich das Modell im Langzeitbetrieb über unterschiedliche Datengenerationen hinweg schlägt und wie sich die Genauigkeitsvorteile in den Randbedingungen verhalten, die in realen Missionsplanungen auftreten: unterschiedliche Bildgeometrien, datentechnische Lücken, Abweichungen in Sensorqualität oder neue Missionsepochen. Gerade weil das Modell offen ist, werden genau diese Fragen vermutlich schneller beantwortet werden als bei geschlossenen Ansätzen. Wenn sich der 23%-Vorsprung in weiteren unabhängigen Benchmarks bestätigt, könnte das Lunar Foundation Model damit zu einem wichtigen Baustein in der KI-gestützten Planungs- und Analyse-Infrastruktur für den nächsten Mondabschnitt werden.
💳 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 "NASA und IBM veröffentlichen Lunar Foundation Model für Eis- und Krateranalyse" 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 "NASA und IBM veröffentlichen Lunar Foundation Model für Eis- und Krateranalyse" 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: »NASA und IBM veröffentlichen Lunar Foundation Model für Eis- und Krateranalyse« bei Google Deutschland suchen, bei Bing oder Google News!