KI und Fernerkundung

Allgemeines

Künstliche Intelligenz (KI) ist ein Teilgebiet der Informatik. Sie erforscht Mechanismen, die intelligentes menschliches Verhalten simulieren können. Das beinhaltet zum Beispiel, eigenständig Schlussfolgerungen zu ziehen, angemessen auf Situationen zu reagieren oder aus Erfahrungen zu lernen.

Sehr abstrakt ordnen sich KI-Forscher zwei Richtungen zu: der „schwachen“ und der „starken“ KI. Die „starke“ KI formuliert, dass KI-Systeme die gleichen intellektuellen Fertigkeiten wie der Mensch haben oder ihn darin sogar übertreffen können. Die „schwache“ KI ist fokussiert auf die Lösung konkreter Anwendungsprobleme auf Basis der Methoden aus der Mathematik und Informatik, wobei die entwickelten Systeme zur Selbstoptimierung fähig sind. Dazu werden auch Aspekte menschlicher Intelligenz nachgebildet und formal beschrieben bzw. Systeme zur Simulation und Unterstützung menschlichen Denkens konstruiert.

Mit Hilfe der KI wollen Forscher und Anwender mehr und mehr dazu kommen, Wissen über die sich wandelnde Erde aus dem reichhaltigen Schatz verfügbarer Erdbeobachtungsdaten herauszufiltern. Die bei der Fernerkundung anfallenden Datenmengen sind mittlerweile so enorm, dass die benötigten Informationen in Zukunft nur noch mit KI-Verfahren gewonnen werden können.

Einsatz in der Fernerkundung

Erdbeobachtungssatelliten und zunehmend auch Forschungsdrohnen sammeln große Mengen von Umweltdaten. Allein die Europäische Raumfahrtagentur (ESA) produziert beispielsweise mit den Sentinel-Satelliten täglich Datenmengen in der Größenordnung von mehreren Millionen hochauflösenden Bildern. Diese stehen Open Access zur Verfügung und werden für verschiedenste Zwecke ausgewertet. Aber nicht nur bestimmte Phänomene können erfasst, sondern auch neue Erkenntnisse und bisher unbekannte Zusammenhänge sollen in den Daten erkannt werden. So kann die Beobachtung eines Gebiets über einen längeren Zeitraum bestimmte Veränderungen sichtbar machen, die mit politischen Entscheidungen zusammenhängen oder zu solchen führen.

Künstliche Intelligenz wird im Weltraum allgegenwärtig sein und die Fähigkeiten moderner Raumfahrzeuge maßgeblich erweitern. Hochentwickelte Sensoren und die Analyse riesiger Datenmengen erfordern zunehmend auch schnellere und autonomere Entscheidungsprozesse. KI im Orbit kann die Abhängigkeit von begrenzten Downlink-Bandbreiten reduzieren, indem sie Entscheidungen direkt vor Ort trifft.

Die Integration von KI-Recheneinheiten in weltraumtaugliche Hardware unter Verwendung von Chips, die robust genug für den Weltraumeinsatz sind, kann eine Lösung bieten. Hier kommt es darauf an, eine recheneffiziente und stromsparende lokale Inferenz zu ermöglichen, um relevante Sensordaten zu identifizieren und so den Downlink zu entlasten. Die Fähigkeit, autonome Entscheidungen im Orbit zu treffen, unterstützt die Missionen; in einigen Fällen ist sie sogar missionsentscheidend. Beispielsweise wird bei Erdbeobachtungssatelliten bereits KI eingesetzt, um das Vorhandensein von Wolken in den aufgenommenen Bildern zu erkennen. Sind Oberflächendetails durch Wolken verdeckt, kann das Bild unbrauchbar werden. In diesem Fall kann es verworfen werden und verbraucht weder Speicherplatz noch Downlink-Bandbreite.

Geht es um Sicherheitsanwendungen, bei denen Objekte auf der Erdoberfläche in Echtzeit identifiziert werden müssen, können KI-Algorithmen ebenfalls wichtige Unterstützung liefern. Sie können beispielsweise bei der Objekterkennung Handelsschiffe schnell von Kriegsschiffen unterscheiden, um Reaktionszeiten zu verkürzen und lange Analysezyklen durch den Menschen zu vermeiden.

Maschinelles Lernen als Teilgebiet der KI wird immer häufiger zur automatischen Auswertung der Fülle von Daten aus der Fernerkundung eingesetzt, um komplexe Umweltsysteme besser zu verstehen und zu managen. Die in Wissen überführten Daten aus dem All sollen Entscheidungsträgerinnen und Entscheidungsträgern am Boden beispielsweise helfen, nachhaltige und lebenswerte Städte zu gestalten. Auch kann KI-Einsatz z. B. Wettervorhersagen und Klimamodellierungen verbessern, um damit beispielsweise bessere Vorhersagen für Überflutungen oder Dürren zu treffen.

Wasserressourcen können überwacht werden, die Messung von Meeres- und Luftverschmutzung oder das Notfallmanagement bei Naturkatastrophen kann optimiert werden. Ein weites Feld mit verstärktem Einsatzpotential ist die Präzisionslandwirtschaft. KI findet auch in der Forstwirtschaft Anwendung, z.B. bei der drohnenbasierten Überwachung von Schädlingsbefall oder bei Ernte, Logistik oder illegalem Holzeinschlag oder der Vorhersage und frühzeitigen Eindämmung von Waldbränden.

In Deutschland befasst sich beispielsweise das Zukunftslabor „AI4EO“ – geleitet von der TUM in Zusammenarbeit mit dem DLR – mit der Entwicklung von KI-Technologien für die Erdbeobachtung. So sollen etwa Satelliten-Daten mithilfe von intelligenter Big-Data-Analyse die globale Urbanisierung, die Ernährung der Weltbevölkerung oder das Management von Naturgefahren modellieren.

Edge KI in der Fernerkundung

Edge KI bezeichnet die Ausführung von KI-Algorithmen direkt auf Geräten am Rand des Netzwerks (z. B. Satelliten, Drohnen, Sensoren), anstatt Daten zur Verarbeitung in die Cloud zu senden. Dadurch werden Daten lokal analysiert, was folgende Vorteile bietet:

Geringere Latenz: Echtzeit-Entscheidungen ohne Verzögerung durch Datenübertragung.
Reduzierter Bandbreitenbedarf: Nur relevante Ergebnisse werden übertragen, nicht riesige Rohdatenmengen.
Datenschutz: Sensible Daten verbleiben am Gerät.
Zuverlässigkeit: Funktioniert auch bei schlechter oder fehlender Netzwerkanbindung.
Kosteneffizienz: Weniger Cloud- und Übertragungskosten.

Diese Eigenschaften sind besonders für die Fernerkundung wichtig, da hier oft große Datenmengen unter schwierigen Bedingungen und mit begrenzter Konnektivität verarbeitet werden müssen.

Konkrete Anwendungsfälle von Edge KI in der Fernerkundung
Satellitenbild-Analyse	Echtzeit-Erkennung von Ereignissen: Satelliten mit Edge KI erkennen z. B. Waldbrände, Überschwemmungen oder illegale Abholzung sofort und senden nur relevante Alarme zur Erde. Datenpriorisierung: Nur wichtige Bildausschnitte werden übertragen, was Bandbreite spart und Reaktionszeiten verkürzt
Umweltmonitoring	Luft- und Lärmmessung in Städten: Sensoren mit Edge KI analysieren kontinuierlich Luftqualität und Geräuschpegel und melden Anomalien sofort. Wildtierüberwachung: Kamerafallen und akustische Sensoren erkennen und melden Wildtiere oder Störungen autonom
Präzisionslandwirtschaft	Drohnen-gestützte Analyse: Drohnen mit Edge KI bewerten Pflanzenzustand, Krankheiten und Bodenfeuchte in Echtzeit, was gezielte Maßnahmen ermöglicht. Autonome Landmaschinen: Traktoren und Erntemaschinen treffen eigenständig Entscheidungen basierend auf Sensordaten
Katastrophenmanagement	Schnelle Schadensbewertung: UAVs und Satelliten mit Edge KI analysieren Schäden nach Katastrophen und unterstützen Rettungskräfte mit aktuellen Informationen. Suche und Rettung: Drohnen erkennen Überlebende oder Gefahrenstellen ohne ständige Verbindung zur Zentrale
Smart Cities & Infrastruktur	Verkehrs- und Infrastrukturüberwachung: Edge KI analysiert Videodaten von Brücken, Straßen und Verkehr in Echtzeit für Wartung und Sicherheit

Offene Fragen

Neben vielen Vorteilen, bringen KI-Anwendungen aber auch technische sowie ethische und rechtliche Herausforderungen mit sich. Mit dem verstärkten Einsatz von KI sind grundsätzliche Fragen, wie die Verlässlichkeit und Genauigkeit von Aussagen aus KI-Systemen verbunden.

Technisch wird ein weit verbreiteter Einsatz von KI durch die Datenzugänglichkeit und den Aufbau und die Validierung der Trainingsdaten limitiert. Außerdem bringt das Algorithmendesign Unsicherheiten durch Fehler und Bias (Verzerrungseffekte) mit sich, was zu rechtlichen und ethischen Problemen führen kann. Bei komplexen Algorithmen in der Umweltfernerkundung stellt sich insbesondere im öffentlichen Sektor die Frage der Nachvollziehbarkeit und Transparenz von getroffenen Entscheidungen. Auch Verantwortungs- und Haftungsfragen sind bislang ungeklärt.

Wenn Informationen öffentlich zugänglich sind, könnten sie zum Beispiel dabei helfen, Städte nachhaltiger und lebenswerter zu gestalten oder Slums besser zu managen. Hier ist es wichtig, den Nutzen öffentlicher Daten gegen einen möglichen Missbrauch abzuwägen. Auch der Schutz der privaten Informationen ist wegen der immer höheren Auflösung der Bilder ein wichtiges Thema.

Zwar bezieht sich die europäische Datenschutzgrundverordnung auf die Verwendung personenbezogener Daten, dies geschieht allerdings sehr allgemein. Es muss rechtliche eindeutig geklärt werden, wie mit den hochauflösenden Daten der Fernerkundung umzugehen ist. Die zwei Trends von zunehmender Verfügbarkeit von Satellitenbildern mit sehr hoher räumlicher und zeitlicher Auflösung und die Auslagerung der rechenintensiven Bildanalyse haben in Verbindung mit den in naher Zukunft absehbaren Verbesserungen der Gesichtserkennungstechnologie und anderer Bilderkennungssoftware das Potenzial für die Identifizierung von Personen und bergen damit Auswirkungen auf Privatsphäre, Datenschutz und ethische Risiken. Im Vordergrund stehen auch ungeklärte Verantwortungs-, Haftungs- und Abhängigkeitsfragen.

Weitere Informationen:

Künstliche Intelligenz in der Erdbeobachtung (DLR 2020)
Plattform "Lernende Systeme" (acatech)
Nationale Strategie für Künstliche Intelligenz - Startseite (BMBF)
Künstliche Intelligenz treibt Raumfahrt des 21. Jahrhunderts an (ESA 2021)
Φsat-2 - Enhancing onboard AI processing (ESA 2025)
Φsat-2 begins science phase for AI Earth images (ESA 2025)