Ein neues KI-Modell kann Satelliten überwachen und Anomalien in ihrem Verhalten erkennen, wodurch das Risiko von Kollisionen im Orbit verringert wird. Dies geht aus einer neuen Studie hervor, die im Fachjournal „Expert Systems“ veröffentlicht wurde. Die Forschung wurde im Rahmen des Projekts AI4 Space Safety and Sustainability durchgeführt, einem Konsortium des UK Space Agency International Bilateral Fund, an dem Australien, Kanada, Neuseeland, das Vereinigte Königreich und die Vereinigten Staaten beteiligt sind.
Entwicklung und Funktionsweise des KI-Modells
Das KI-Modell wurde von Forschern des Defence AI Research Centre (DARe) des Alan Turing Institute entwickelt. Es ist das erste Modell, das Anomalien und Satellitenbewegungen vorhersagt, indem es lernt, wie Licht von Objekten im Weltraum reflektiert wird. Das Modell könnte dazu beitragen, die wachsende Herausforderung der Überwachung Tausender Satelliten zu bewältigen, indem es Objekte im Orbit erkennt und so das Weltraumverkehrsmanagement unterstützt sowie Kollisionsvermeidungsmanöver ermöglicht.
Das Modell wurde mit großen Mengen von Helligkeitsmessungen, sogenannten „Lichtkurven“, trainiert, die durch Teleskope gesammelt wurden. Diese Daten helfen, normale Muster des Satellitenverhaltens zu verstehen. Anschließend wurde das Modell mit hochwertigen Simulationsdaten des Aerospace Centre of Excellence an der University of Strathclyde und des Unternehmens GMV weiter verfeinert. In der Praxis erhält das Modell Echtzeit- oder aktuelle Lichtkurven von bodengestützten Observatorien und markiert Anomalien, die dann von menschlichen Experten weiter untersucht werden können.
Testphase und zukünftige Entwicklungen
Tests haben gezeigt, dass das Tool ungewöhnliche oder unerwartete Lichtkurven in 88 % der Fälle identifizieren kann. Es kann auch zwischen verschiedenen Satellitenverhaltensweisen unterscheiden, wie zum Beispiel Rotation und Taumeln. Diese Analysen sind entscheidend für die Wartung im Orbit und die Verlängerung der Lebensdauer von Satelliten.
Professor Massimiliano Vasile, Leiter des AI4S3-Projekts, betonte die Bedeutung des Verständnisses und der Erklärung des Verhaltens von Weltraumobjekten für die Vorhersage der Entwicklung der gesamten Raumumgebung und die Sicherheit essenzieller Dienste für das tägliche Leben. Die nächsten Schritte des Projekts umfassen die Erforschung des Potenzials multimodaler Systeme, die auch Radardaten, hyperspektrale Daten und Satellitenbahndaten einbeziehen könnten, um noch umfassendere Einblicke für Experten zu ermöglichen.
- Quelle: University of Strathclyde, Glasgow
- Studie: Ian Groves et al, A Self‐Supervised Framework for Space Object Behaviour Characterisation, Expert Systems (2026). DOI: 10.1111/exsy.70382