Über zwei Jahrzehnte lang nutzte das Projekt SETI@home der Universität Berkeley die Rechenleistung privater Computer, um nach möglichen Signalen außerirdischer Intelligenz zu suchen. Von 1999 bis 2020 analysierten Millionen von Freiwilligen Radioteleskop-Daten, wobei 12 Milliarden potenzielle Signale detektiert wurden.
Verteilte Rechenleistung durch Freiwillige
SETI@home basierte auf dem Prinzip des verteilten Rechnens. Privatpersonen konnten ungenutzte Prozessorleistung ihrer Computer für die Analyse von Radioteleskop-Aufzeichnungen zur Verfügung stellen. Die Software teilte die Daten in kleine Arbeitseinheiten auf, die an die angeschlossenen Rechner verteilt wurden. Ursprünglich für 50.000 Teilnehmer konzipiert, wuchs das Netzwerk schnell auf über zwei Millionen Nutzer an. Zum zehnten Jubiläum im Jahr 2009 waren noch 140.000 aktive Teilnehmer mit 235.000 Computern beteiligt.
Die Rechenleistung des Systems erreichte zu Spitzenzeiten etwa 10^15 Gleitkommaoperationen pro Sekunde. Die Infrastruktur wurde später für andere wissenschaftliche Projekte wie Protein-Faltung oder Gravitationswellen-Forschung weiterentwickelt.
Datenanalyse und Ergebnisse
Die Hauptdatenquelle war das 305-Meter-Radioteleskop in Arecibo, Puerto Rico. Über 14 Jahre wurden fast der gesamte von Arecibo aus sichtbare Himmel und verschiedene Frequenzbereiche mehrfach abgesucht. Die Software suchte nach fünf spezifischen Signaltypen, darunter schmalbandige Signale und sich wiederholende Muster.
Die Auswertung der 12 Milliarden Detektionen dauerte ein weiteres Jahrzehnt. Ein Analysesystem namens Nebula gruppierte die Einzelsignale nach Himmelsposition und Frequenz. Nach mehreren Filterstufen blieben etwa 100 vielversprechende Kandidaten für weitere Beobachtungen übrig. Die Forscher betonen, dass es sich dabei nicht um bestätigte außerirdische Signale handelt, sondern um die statistisch interessantesten Ergebnisse aus einem komplexen Filterprozess.
- Quelle: SpaceDaily (2009) – SETI@home 10th Anniversary
- Quelle: The Astronomical Journal – Front-end Signal Processing
- Quelle: UC Berkeley (2026) – Final Analysis Report