(openPR) Noch immer ist eine Mondlandung ein technisch herausforderndes Unterfangen. Von etlichen Versuchen, unbemannte Raumsonden auf den Mond zu schicken, ist in jüngster Zeit die Mehrzahl gescheitert. Zuletzt ging das Drama um die US-amerikanische Mondlandefähre „Peregrine“ um die Welt, die im Januar 2024 in der Erdatmosphäre verglühte. Zum wiederholten Male wurden damit millionenteure Geräte zu Weltraumschrott.
Was ist das Problem? „Beim Landeprozess gibt es oft Schwierigkeiten“, erklärt Professor Hichem Snoussi von der Université de technologie de Troyes, einer der neun Partnerhochschulen des EUT+-Verbunds. „Auf der Mondoberfläche gibt es Krater und große Gesteinsbrocken, die die Landung kleiner Sonden gefährden.“ Deshalb ist es wichtig, den Zustand der Oberfläche vorab genau zu evaluieren und mögliche Landeplätze zu identifizieren, um die Erfolgschancen einer Mondmission zu erhöhen.
Dazu trainiert das EUT+-Team ein KI-System mit Bilddaten von der Mondoberfläche. Das System muss lernen, auf solchen Bildern Gefahren zu erkennen: Hier ist ein Krater, dort ein Gesteinsbrocken. Als Trainingsmaterial stehen Bilder von der Mondoberfläche in Hülle und Fülle zur Verfügung. Was die Sache aufwändig macht: Damit ein KI-System überhaupt lernen kann, müssen Gefahren auf den Bildern vorab lokalisiert und klassifiziert werden. Eine mühevolle Arbeit, die in der Regel Menschen von Hand erledigen. Experten nennen diesen Vorgang Annotation. Dabei wird jedes Bild mit einer Art Code versehen, der der KI das Bild „erklärt“. Das kostet Zeit und Geld.
„Wir können diesen Prozess mit unserem Ansatz schlanker und sehr viel effizienter machen“, erklärt Mathematiker Prof. Dr. Andreas Weinmann. „Wir arbeiten mit einem System, das all die ‚gefährlichen‘ Objekte sehr schnell entdeckt – ohne Annotation. Das funktioniert ähnlich wie ChatGPT: Das System wertet unvorstellbare Mengen bereits vorhandener Bilddaten aus dem Internet oder Datenbanken aus, die bereits mit einer Beschreibung in Text-form versehen sind.“ Es verbindet also die Fähigkeiten von Sprachmodellen wie ChatGPT mit den von Systemen zur Bilderkennung. Wenn man so will: das Beste aus zwei Welten. „Zero Shot Learning“ bzw. „Few Shot Learning“ heißt diese Methode, die das aufwändige und teure Annotieren ganz oder größtenteils überflüssig machen soll. „Wir arbeiten hier mit aktuellsten Technologien aus der Bild- und Sprachverarbeitung“, erläutert Professor Weinmann.
Ein weiterer Ansatz, den das EUT+-Forschungsteam verfolgt: Das KI-System soll lernen, Gefahren als Abweichung von der Norm zu registrieren. Der Normalfall ist ein ebener Untergrund, die Abweichung davon sind Krater und Felsen. Pixel für Pixel werden Bilder von der Mondoberfläche dafür durchgerastert und klassifiziert. Es läuft also, wie so oft in der Computerwelt, auf Null oder Eins hinaus. Bei Null heißt es: mission possible. Bei Eins springen die Warnsysteme an. Hauptsache auch die ESA kann schließlich vermelden: „The Eagle has landed.“
wissenschaftliche Ansprechpartner: Fachliche Ansprechperson für die Medien Hochschule Darmstadt Fachbereich Mathematik und Naturwissenschaften
Prof. Dr. Andreas Weinmann Schöfferstraße 3 – 64295 Darmstadt Tel +49 6151 – 533 68659 Mail
