Autonome KI im Weltraum: 1.080 Satelliten, ein Rover auf Claude und ein Modell, das an Kot scheitert

Das Neueste in der Autonomie im Weltraum ist keine Rakete. Es ist eine Terminentscheidung, die auf dem Mars ein Sprachmodell getroffen hat, die ein Mensch geprüft und dann hochgeladen hat. IEEE Spectrum berichtete am 29. September, das Jet Propulsion Laboratory der NASA habe die Claude-Modelle von Anthropic genutzt, um zwei Marsfahrten für den Rover Perseverance mitzuplanen. Menschliche Planer prüften die Route und passten sie an, bevor sie gesendet wurde.

Das ist ein bescheidener, klar begrenzter Einsatz. Es ist zugleich das deutlichste Beispiel für einen Wandel, über den Ingenieure seit Jahren streiten: ob Raumfahrzeuge eigene Entscheidungen treffen dürfen.

Zwei sehr unterschiedliche Wetten auf dieselbe Idee

Am 25. September stellte das chinesische Raumfahrtunternehmen STAR.VISION Aerospace auf der Global Digital Trade Expo die Space.IDC Computing Constellation vor, wie das Raumfahrtfachportal china-in-space.com berichtet. Die Zahlen sind groß. Etwa 1.080 Raumfahrzeuge in der Hauptkonstellation, vollständig eingesetzt bis 2035, davon rund 720 für Inferenzaufgaben und 360 für allgemeines Rechnen. Drei Entwürfe liegen auf dem Tisch: das Verifikationsfahrzeug G1 mit 40 bis 60 PetaFLOPs aus 11,5 Kilowatt Solarenergie, das Standardmodell G2 mit 160 bis 310 PetaFLOPs aus 48 Kilowatt und das Flaggschiff G3 mit 460 bis 1000 PetaFLOPs aus 140 Kilowatt.

STAR.VISION erklärte, strategische Kreditvereinbarungen mit der Industrial and Commercial Bank of China und der Agricultural Bank of China über insgesamt 10 Milliarden Yuan gesichert zu haben, das sind 1,49 Milliarden US-Dollar zum Stand vom 28. September. Mindestens 1 Milliarde Yuan davon sei für die "Phase One" verfügbar. Die Starts sind an Bord von Orienspaces Gravity-1 und Galactic Energys Ceres-2 für die G1-Raumfahrzeuge gebucht, ein Zielmonat oder ein Quartal wurde jedoch nicht genannt. Umlaufbahnen, optische Verbindungen zwischen den Satelliten, Kühlergrößen und Massen wurden nicht offengelegt, und die internationalen Regulierungspapiere sind noch nicht eingereicht.

Das Projekt ist also real, finanziert und weiterhin weitgehend unspezifiziert. Diese Lücke zählt, wenn mit Rechenleistung im Orbit geworben wird.

Der alte Streit über unvorhersehbare Maschinen

Ingenieure betreiben Raumfahrzeuge seit Jahrzehnten autonom, doch Autonomie war nie das vorherrschende Modell, so IEEE Spectrum, vor allem weil das Feld Systeme bevorzugt, deren Verhalten vorhersagbar ist. Robert Ambrose, früherer Leiter der Abteilung Software, Robotics, and Simulation der NASA, brachte den Einwand gegenüber Spectrum klar auf den Punkt: "Autonomie hat oft kein deterministisches Ergebnis, was bedeutet, dass die Art, wie man in eine bestimmte Situation geraten ist, das Verhalten verändert. Wenn man also in dieselbe Situation gerät, aber über verschiedene Wege, kann das Ergebnis anders ausfallen. Und das hassen Ingenieure."

"Autonomie hat oft kein deterministisches Ergebnis... Und das hassen Ingenieure."

Ambrose arbeitete an der Autonomie für das Raumfahrzeug Orion und an Robonaut 2, dem Humanoiden, der 2011 ins All flog. Sein Punkt ist ein Testpunkt, kein philosophischer: Bei Orion mussten die Ingenieure nicht nur bedenken, was das Raumfahrzeug tun könnte, sondern jeden Weg, auf dem es zu einer Entscheidung hätte gelangen können. Spectrum berichtet, dass die Ingenieure Wege fanden, diese Komplexität zu beherrschen, weshalb die heutigen Experimente überhaupt existieren.

Die Experimente häufen sich. Im Dezember nutzte JPL Claude für die zwei Marsfahrten. Im Mai brachten NASA und IBM ein komprimiertes KI-Modell auf der Internationalen Raumstation und einem Satelliten unter, um Überschwemmungen und Wolken aus dem Orbit zu erkennen, beschrieben als das erste Modell seiner Art, das im Weltraum demonstriert wurde. Im Juli testeten Astronauten auf der ISS ein großes Sprachmodell für Wartungsfragen. Keines dieser Projekte übergab die Kontrolle an das Modell. Alle verschoben die Grenze.

Was diese Modelle tatsächlich erreichen

Wer einen Realitätscheck braucht, wie weit die Software noch gehen muss, findet ihn in der Akte, auch wenn er nichts mit Raumfahrzeugen zu tun hat. Ein Blog namens Labqoat veröffentlichte am 29. September einen Benchmark. Er legte 2.000 Fotos von Wildtierspuren vor acht Modelle, je 400 von Kot, Fußabdrücken, Federn, Eiern und Knochen. Jedes Modell bekam ein Foto und dessen Land und sollte sagen, welche Art es hinterlassen hat.

Das beste Modell, Claude Opus 5.5, traf die Art 743 Mal von 2.000, also in 37,15%. Muse Spark 1.3 folgte mit 33,35% und GPT-6 Astra mit 31,70%. Claude Sonnet 5.5 kam mit 25,15% auf den vierten Platz, für geschätzte 7,62 US-Dollar, und lieferte zu jedem Foto eine Antwort ohne Anfragefehler. Über alle acht Modelle hinweg zogen 842 Fotos, mehr als 40% des Satzes, überhaupt keine korrekte Artbestimmung nach sich. Selbst Opus traf nur bei 51,75% der Fotos die richtige Familie.

Der Autor ist vorsichtig mit den Grenzen des Ergebnisses. Die Werte von Sonnet, GLM und DeepSeek werden als vorläufig bezeichnet, weil ein Textmodell bei der Bewertung einige Antworten interpretierte, und bei Sonnet warten 15 Antworten auf die Prüfung. Eierfotos schnitten am besten ab, doch der Autor warnt, dass manche Arten mehr Fotos haben als andere und dass eine Neugewichtung, bei der jede Art gleich zählt, Opus' Eier-Wert von 51,25% auf etwa 37% sinken lässt. Und es gibt keine menschliche Vergleichsbasis: Keine Wildtierexperten haben denselben Satz bearbeitet. "Ich weiß noch nicht, was ein gutes Ergebnis sein sollte", heißt es in dem Beitrag.

Das ist die ehrliche Version eines KI-Benchmarks, und man sollte sie neben die orbitalen Behauptungen halten. Ein Modell, das sechs von zehn Tierspuren verfehlt, obwohl das Land als Hinweis mitgeliefert wird, ist nicht offensichtlich bereit zu entscheiden, was ein Satellit als Nächstes tut. Nützlich bleiben mag es trotzdem, um Optionen einzugrenzen, die ein Mensch anschließend prüft.

Wo das Geld und der Lärm sind

Rechenleistung im Weltraum ist bereits dicht besetzt. China-in-space.com merkt an, dass die Three-Body Computing Constellation von ADA Space und dem Zhejiang Lab mit einem Dutzend Satelliten im Orbit dem Feld voraus ist, dass Orbital Chenguang über erhebliche finanzielle Unterstützung verfügt und dass Chaozhisuan Beijing Technology gut vernetzte Partner hat, wobei beide Demonstrationssatelliten betreiben. Staatsunternehmen arbeiten mit wenig Öffentlichkeit an großen Rechen-Raumfahrzeugen. STAR.VISION selbst setzt seit mindestens Mitte 2023 KI auf Fernerkundungssatelliten ein und erklärt, zwei Satelliten, die es für Usbekistan und Indonesien gebaut habe, hätten Teile der kommenden Konstellation verifiziert. Das Portal berichtet außerdem, dass die Zentralregierung die nötigen Technologien als Schwerpunktbereich für den 15. Fünfjahresplan 2026 bis 2030 festgelegt hat.

Die öffentliche Debatte ist unterdessen nicht immer technisch. Die Daily Mail veröffentlichte am 28. September eine Geschichte über Zuschauer eines SpaceX-Starship-Livestreams. Etwa sieben Minuten und 55 Sekunden nach dem Testflug entdeckten sie einen schmalen, leicht gekrümmten Streifen blassblauen Lichts mit einer helleren weißen Spitze, wobei Nutzer in sozialen Medien von einem möglichen UFO sprachen. Dasselbe Medium merkt an, dass die Rakete den Orbit erreichte. Die Akte identifiziert das Objekt nicht.

Und es gibt eine kleine, nützliche Erinnerung daran, dass Autonomie im Orbit nicht das Einzige ist, was automatisiert wird. ABA Games veröffentlichte Wreckfall auf itch.io, einen Shooter im Stil von 1981 mit festem Bildschirm. Ein getroffenes Fahrzeug verschwindet darin nicht, sondern wird zu einem brennenden Wrack, das fällt, jedes Fahrzeug auf seinem Weg zermalmt und schließlich auf der Position des Spielers landet. Die Seite trägt eine KI-Offenlegung: AI Assisted, Code. Spiele wie dieses sind keine Wissenschaft. Sie sind jedoch ein treffendes Bild vom aktuellen Stand der Technik: eine Maschine, die etwas Nützliches hervorbringt, während ein Mensch weiterhin entscheidet, was als Sieg zählt.

Zurück zur ernsten Seite: Das umstrittene Terrain ist schmal und praktisch. STAR.VISION hat Finanzierung, Partner wie Baidu AI Cloud, MinoSpace, das Hangzhou Institute for Advanced Study an der UCAS und das Hangzhou Research Institute der Xidian University sowie Unterstützungsschreiben aus mehreren Zonen Zhejiangs und aus Xichang und Chongzhou. Veröffentlichte Umlaufbahnen, Verbindungen oder Kühlpläne hat es nicht, und die Regulierungspapiere stehen noch aus. IEEE Spectrum wiederum berichtet, dass generative KI im Weltraum noch weit davon entfernt ist, vertrauenswürdig genug zu sein, um die Kontrolle über ein Raumfahrzeug abzugeben. Zugleich beginnen Ingenieure zu fragen, ob sie es sich leisten können, es nicht zu versuchen, da Missionen komplexer, entfernter und zahlreicher werden.

Diese beiden Positionen widersprechen sich nicht, und das ist die Geschichte. Die Hardware wird finanziert und gestartet. Die Software wird in kleinen, umkehrbaren Schritten getestet. Noch hat niemand die Zahl veröffentlicht, die das klären würde: wie oft das Modell richtig liegt und was es kostet, wenn es falsch liegt.