NASA und IBM veröffentlichen kostenlose KI, die Mondeis-Ablagerungen 22% genauer erkennt

Die Entdeckung von Wassereis auf dem Mond gehört zu den schwierigsten Problemen der Planetenforschung. Eis ist ungleichmäßig verteilt, es versteckt sich in permanent beschatteten Kratern an den Polen, und seine Identifizierung aus der Umlaufbahn erfordert, schwache spektrale Signale von Instrumentenrauschen zu unterscheiden. Das Lunar Foundation Model von IBM und NASA wurde genau für dieses Problem entwickelt.

Das Lunar Foundation Model ist eine Open-Source-KI, die mit mehr als zwei Millionen Bildern von fünf Mondumlauf-Sonden trainiert wurde: dem Lunar Reconnaissance Orbiter, GRAIL, Lunar Prospector, SELENE/Kaguya und anderen. Es ist über das georäumliche Framework TerraTorch von IBM auf Hugging Face und GitHub kostenlos verfügbar.

In Benchmark-Tests identifiziert das Modell Wassereis-Vorkommen 22 % genauer als bisherige Methoden. Außerdem findet es Mondkrater 19 % präziser. Bemerkenswert ist, dass es diese Leistung mit der Hälfte der gekennzeichneten Trainingsdaten erreicht, die vergleichbare Modelle benötigen – ein wichtiges Merkmal für die Mondforschung, wo gekennzeichnete Datensätze teuer zu erstellen sind.

Der praktische Nutzen liegt in der Ressourcenkartierung für das Artemis-Programm. Die NASA plant, eine dauerhafte menschliche Präsenz in der Nähe des lunaren Südpols zu etablieren, wo Wassereis in Trinkwasser, Sauerstoff und Raketentreibstoff umgewandelt werden könnte. Zu wissen, wo das Eis tatsächlich ist und wie viel davon existiert, beeinflusst direkt die Auswahl der Landeplätze und die Infrastrukturplanung.

Das Modell wird unter einer offenen Lizenz veröffentlicht, weil sowohl IBM als auch NASA es aus öffentlich finanzierter Forschung beisteuern. Die kostenlose Verfügbarkeit bedeutet, dass Wissenschaftler an Universitäten, Raumfahrtagenturen und privaten Unternehmen es ohne Lizenzhürden nutzen, bewerten und verbessern können. TerraTorch, das IBM-Framework, auf dem es läuft, übernimmt die zugrunde liegende georäumliche Datenpipeline.

Die 22 %-Verbesserung ist ein Benchmark-Ergebnis – ein Vergleich mit anderen Modellen auf einem standardisierten Testdatensatz, nicht eine Messung aus einer aktiven operativen Mission. Ob das Lunar Foundation Model die tatsächliche Missionsentscheidungsfindung verbessern wird, hängt davon ab, wie gut die Benchmark-Bedingungen reale Mondbeobachtungsdaten widerspiegeln, die mit Orbitalgeometrie, Instrumentenkalibrierung und Sonneneinstrahlungswinkeln variieren. Eine unabhängige Validierung durch Gruppen, die nicht mit IBM oder NASA verbunden sind, wurde noch nicht veröffentlicht.

Das Lunar Foundation Model ist auf Hugging Face und GitHub verfügbar. IBM und NASA haben keinen Zeitplan für die Integration des Modells in die aktive Artemis-Missionsplanung festgelegt.

Schlagwörter: künstliche Intelligenz, Open-Source-KI, nasa, IBM, Lunar Foundation Model, Mondforschung