Im Rahmen der laufenden Zusammenarbeit von NASA, IBM Research und verschiedenen akademischen Einrichtungen wurde das auf die Mondforschung spezialisierte Open-Source-Modell NASA-IBM Lunar Foundation Model gestartet. Das Modell, das überwiegend mit Daten des Lunar Reconnaissance Orbiter (LRO) der NASA trainiert wurde, ist auf Hugging Face verfügbar; der vollständige Code befindet sich auf GitHub.
Das Modell soll eine schnelle Analyse großer Datensätze zur Mondoberfläche ermöglichen und dadurch bei der Kartierung der Oberfläche, der Untersuchung der geologischen Vergangenheit sowie der Planung künftiger Forschung helfen. Im Gegensatz zu Algorithmen, die traditionell für jede Mission von Grund auf trainiert werden, werden Foundation-Modelle zunächst auf umfangreichen unbeschrifteten Datensätzen vortrainiert und können anschließend mit einer geringen Menge beschrifteter Daten an verschiedene wissenschaftliche Aufgaben angepasst werden.
Die in den vergangenen 17 Jahren vom LRO gesammelten Daten wurden für das Training verwendet, da sie den größten Teil der Mondoberfläche detailliert abdecken. Die von dieser Mission erzeugten Daten sind umfangreicher als die Daten aller anderen planetaren Missionen der NASA zusammen und liefern ein nahezu lückenloses hochauflösendes Mosaik des Mondes. Das Modell wurde mit etwa 2 Millionen Bildkacheln aus einem Datensatz trainiert, der mehr als 1 Million hochauflösende Kameraaufnahmen mit einer Auflösung von 1 Meter sowie etwa 964.000 multispektrale Aufnahmen mit einer Auflösung von 100 Metern umfasst. Zusätzlich wurden Bild- und Geländedaten der NASA-Missionen GRAIL und Lunar Prospector sowie der Mission Selenological and Engineering Explorer der JAXA verwendet. Das Modell kann für die Kartierung von Kratern, die Identifizierung junger vulkanischer Formationen und die Vorhersage des Standorts von Eis in der Nähe der Pole angepasst werden.
Warum es wichtig ist
Diese Arbeit zielt darauf ab, dass Monddaten nicht länger lediglich als für einzelne Missionen verarbeitete Archive dienen, sondern zu einer gemeinsamen Forschungsinfrastruktur werden, die an unterschiedliche wissenschaftliche Fragestellungen angepasst werden kann. Der Open-Source-Ansatz könnte es Mondforschern ermöglichen, auf einer fertigen Grundlage eigene Analysen zu entwickeln und dieselben Daten für unterschiedliche Zwecke auszuwerten. Dies könnte insbesondere für Teams, die Oberflächenkartierungen, geologische Untersuchungen und die Forschungsplanung durchführen, den Prozess der Datenverarbeitung neu gestalten. In welchem Maß das Modell bei unterschiedlichen wissenschaftlichen Aufgaben erfolgreich sein wird und wie gut es sich auf Situationen außerhalb der für das Training verwendeten Daten anpassen lässt, bleibt jedoch eine Frage, die beantwortet werden muss, sobald sich die Anwendungen weiter verbreiten.
Hintergrund
NASA ist im FikirPilot-Archiv kein neuer Name: In den vergangenen 90 Tagen haben wir 29 Nachrichten veröffentlicht, in denen dieser Name vorkam; die jüngste stammt vom 11. September 2026.