Der Prototyp-Satellit, den Google im Rahmen seines Plans Project Suncatcher für Rechenzentren im Orbit entwickelt hat, wurde am 1. Oktober 2026 mit einer SpaceX-Rakete aus Kalifornien gestartet. Der von Planet Labs produzierte Satellit soll testen, ob die Tensor Processing Unit (TPU)-Chips von Google, die mit den Nvidia-GPUs konkurrieren, im Weltraum betrieben werden können. Im Rahmen des Experiments soll der Chip kontinuierlich mit einem Kilowatt Leistung versorgt, gekühlt und mit verschiedenen Modellen getestet werden.
Nach der Inbetriebnahme des Satelliten soll die TPU in 15-minütigen Intervallen betrieben werden, um die Systeme für Energie- und Wärmemanagement nicht zu überlasten. Im Anschluss an dieses auf der Standardplattform von Planet Labs basierende Raumfahrzeug ist für das kommende Jahr eine Demonstrationsmission mit zwei Satelliten geplant, die für intensivere Rechenlasten ausgelegt sind. Ziel ist, dass diese Satelliten gemeinsam über eine Laserkommunikationsverbindung arbeiten.
Die SpaceX-Rakete transportiert mehr als 100 Nutzlasten, darunter auch die Missionen von Satlyt und Cowboy Space Company. Was Googles Projekt von anderen Initiativen im Bereich der künstlichen Intelligenz im Weltraum unterscheidet, ist sein langfristiger Ansatz, der sich auf künftige Weltrauminfrastruktur und KI-Rechenlasten konzentriert. Das Unternehmen stellt sich ein orbitales Rechenzentrum aus 81 Satelliten vor, die in engem Abstand zueinander fliegen und parallel arbeiten. Google ist außerdem ein bedeutender Investor in SpaceX.
Laut der peer-reviewten Studie von Google könnte es möglich sein, dass sich die Startkosten im Jahr 2035 dem Wert von 200 Dollar pro Kilogramm annähern, wenn die Lernkurve von SpaceX, die seit Falcon 1 für eine jährliche Kostensenkung von etwa 20 % sorgt, anhält. Für dieses Ziel müsste Starship den Berechnungen zufolge 370.000 metrische Tonnen in den Orbit transportieren und in den kommenden 10 Jahren etwa 1.800, also 180 Flüge pro Jahr, absolvieren. Diese Berechnung basiert auf dem Transport von 200 metrischen Tonnen pro Mission. Starship ist bislang in keinem Jahr mehr als fünfmal geflogen. Die Studie soll in Joule veröffentlicht werden.
Googles aktuelle Tests haben gezeigt, dass die Chips der Strahlung im Weltraum standhalten können. Obwohl die Zahl der Fehler zunimmt, geht das Unternehmen davon aus, dass die Chips während der fünfjährigen Lebensdauer des Satelliten große Inferenz-Workloads bewältigen können. Während die Fehlerquote bei typischen Inferenzvorgängen mit etwa einem Fehler pro Million angegeben wird, wurde darauf hingewiesen, dass groß angelegte Trainingsprozesse, bei denen Tausende Chips monatelang laufen, Probleme verursachen könnten. Im Bericht wurde festgehalten, dass die zuvor mit 1.600 angegebene Schätzung korrigiert wurde und die richtige Zahl 1.800 lautet.
Warum das wichtig ist
Diese Initiative zeigt, dass KI-Berechnungen nicht nur von der Chip-Leistung, sondern auch von Infrastrukturbedingungen wie einer unterbrechungsfreien Stromversorgung im Orbit, Wärmemanagement und Laserkommunikation abhängen. Auch wenn die Strahlungsbeständigkeit der TPU’s eine positive technische Schwelle darstellt, besteht hinsichtlich der Zuverlässigkeit ein erheblicher Unterschied zwischen Inferenz und langfristigen Trainings-Workloads mit Tausenden von Chips. Daher wird die aktuelle Demonstration weniger die Nachhaltigkeit großer Workloads über die fünfjährige Lebensdauer des Satelliten beweisen, sondern vielmehr testen, welche Ausfälle und Betriebsgrenzen sich beherrschen lassen. Die groß angelegte Umsetzung des Projekts hängt neben dem gemeinsamen Betrieb von 81 Satelliten auch von den kalkulierten Startkosten und der erforderlichen Flugfrequenz ab; die bisherige Fluggeschichte von Starship zeigt, dass diese Annahme noch eine offene Frage ist.
Hintergrund
Google ist im FikirPilot-Archiv kein neuer Name: In den vergangenen 90 Tagen haben wir 74 Nachrichten veröffentlicht, in denen dieser Name vorkommt; die jüngste stammt vom 2. Oktober 2026.
Begriff: Inferenz
Inferenz bezeichnet die Erzeugung einer Antwort auf eine neue Eingabe durch ein trainiertes Modell; anders als beim Training entstehen dabei bei jeder Nutzung erneut Kosten.