Ein neues Modell der künstlichen Intelligenz ist in der Lage, Satelliten zu verfolgen und Abweichungen in ihrem Verhalten zu erkennen, wodurch das Kollisionsrisiko im Orbit verringert wird. Die Studie wurde in der Zeitschrift Expert Systems 27 September 2026 года veröffentlicht.
Die Entwicklung erfolgte im Rahmen des Projekts AI4 Space Safety and Sustainability mit Unterstützung der UK Space Agency. Zum Konsortium gehören Organisationen aus den FVEY-Staaten: Australien, Kanada, Neuseeland, Großbritannien und den USA.
Das Projekt wird von Professor Massimiliano Vasile geleitet, dem Direktor des Aerospace Centre of Excellence an der Universität Strathclyde. Zu den Beteiligten zählen das Alan Turing Institute, die Universität Arizona, MIT, die Universität Waterloo sowie die Unternehmen GMV, Columbiad, LMO und Zendir.
Das am Defence AI Research Centre (DARe) des Alan Turing Institute entwickelte Modell hat als erstes gelernt, Anomalien und die Bewegung von Satelliten anhand des von ihnen reflektierten Lichts – der sogenannten Light Curves – vorherzusagen.
Mit jedem Jahr wird die Umlaufbahn zunehmend voller: Im Jahr 2025 wurden mehr als 4000 neue Satelliten gestartet, gegenüber 159 im Jahr 2000. Ein automatisiertes Instrument hilft, die Überwachung und Steuerung des Weltraumverkehrs zu bewältigen.
Das Modell wurde mit großen Mengen von Daten über die Helligkeit von Satelliten trainiert, die von Teleskopen gesammelt wurden, und anschließend mit Simulationen aus Strathclyde und von GMV nachtrainiert. In Echtzeit analysiert es Daten von Observatorien und markiert Anomalien zur weiteren Untersuchung durch Fachleute.
Die Tests zeigten eine Genauigkeit bei der Erkennung ungewöhnlicher Light Curves von 88 %. Das System unterscheidet zudem Verhaltensweisen von Satelliten wie Rotation und Taumeln – dies ist wichtig für die Wartung im Orbit und die Verlängerung der Lebensdauer der Geräte.
Wie genau wird die Kombination von Lichtdaten, Radar und anderen Quellen den Ansatz zum Schutz von Satelliten in den kommenden Jahren verändern?
Professor Vasile bemerkte, dass mit Hilfe von AI4S3 gezeigt werden konnte, wie KI bei der Analyse des Verhaltens von Weltraumobjekten selbst anhand eines einzigen Pixels am Himmel hilft. Die nächsten Schritte des Projekts umfassen die Integration multimodaler Daten – Radar, hyperspektrale Messungen und Orbitinformationen.
