Erdbeobachtungssatelliten liefern uns wichtige Daten, um zum Beispiel Veränderungen in Umwelt und Klima schnell zu erfassen oder Gletscherbewegungen oder -schwund zu erkennen. Im Fall von Katastrophen wie Überschwemmungen oder Erdbeben können aktuelle Karten für Rettungskräfte bereitgestellt werden. Doch diese Informationen türmen große Datenberge auf.
Big Data-Aufgaben
Die Satelliten des europäischen Copernicus-Programms zählen zu den größten Datenproduzenten weltweit. Sie erzeugen mit ihren hochauflösenden Instrumenten aktuell bereits ein tägliches Volumen von rund 20 Terabyte. Das entspricht etwa einem anderthalb Jahre langen Film in HD. Hinzu kommen die Datenschätze von nationalen Missionen wie „TerraSAR-X“ und „TanDEM-X“ sowie zunehmend auch von anderen Quellen wie Internet oder Messstationen. Verarbeitung und Analyse dieser riesigen und heterogenen Datenmengen stehen als „Big Data“-Aufgaben stellvertretend für zukünftige Herausforderung unserer digitalen Gesellschaft. Um diese zu lösen, treffen sich circa 650 Experten auf der Konferenz „Big Data from Space“, die vom 19. bis 21. Februar 2019 vom Deutschen Zentrum für Luft- und Raumfahrt (DLR) in München ausgerichtet wird und gemeinsam mit der Europäischen Weltraumorganisation ESA, dem Satellitenzentrum der Europäischen Union sowie dem Joint Research Center organisiert wurde. Unterstützt wird die Konferenz von den Unternehmen European Space Imaging, OHB, GAF AG und Quantum.
Eine immer größere Anzahl von Satelliten, aber auch der Einsatz von neuen Sensoren mit höherer Auflösung liefere große Datenmengen - die Auswertung dieser Datenschätze werde zunehmend zu einer technologischen Herausforderung, sagt Prof. Hansjörg Dittus, DLR-Vorstand für Raumfahrtforschung und -technologie. Daher forsche das DLR verstärkt an effizienten Methoden und Verfahren wie dem maschinellen Lernen, um so aussagekräftige Analysen und Handlungsempfehlungen zur Urbanisierung, zu Veränderungen der Atmosphäre oder auch zur globalen Erwärmung liefern zu können. Zudem plane das DLR, mit einer High Performance Data Analytics Plattform die informationstechnologische Infrastruktur dafür zu schaffen."
Beim Empfang in der Münchner Residenz betont Bayerns Wirtschaftsminister Hubert Aiwanger, dass es bemerkenswert sei, wie sehr Raumfahrtechnik auch unseren Alltag präge: Navigation, Head-up-Display oder der gesamte Bereich der Assistenzrobotik seien nur drei Beispiele von vielen. Heute stünden die Themen Klimawandel und Umweltschutz auf der politischen Agenda ganz oben - nicht nur in Bayern.
Künstliche Intelligenz steuert Datenauswahl
Um die Datenberge weiterzuverarbeiten und in Informationen umwandeln zu können, braucht man neue Ideen und Konzepte. Dabei spielt Künstliche Intelligenz eine große Rolle, da diese Verfahren gerade bei großen Datenmengen sehr leistungsfähig sind. So erforscht DLR-Wissenschaftlerin Prof. Zhu an der TU München zum Beispiel den Einsatz solcher Methoden. Zusammen mit ihrem Team entwickelt Zhu explorative Algorithmen aus Signalverarbeitung und der künstlichen Intelligenz (KI), speziell dem maschinellen Lernen, um die Gewinnung globaler Geoinformationen aus Satellitendaten wesentlich zu verbessern und um Durchbrüche in Geo- und Umweltwissenschaften zu erzielen. Einen Schritt weiter geht die Fusion von Petabytes komplementärer georelevanter Datenquellen, von Erdbeobachtungssatelliten bis sozialen Netzwerken, die durch neuartige Data-Science-Algorithmen ermöglicht wird. Die Ergebnisse haben das Potential, bisher nicht lösbare große Herausforderungen anzugehen, wie die Erfassung und Kartierung der weltweiten Urbanisierung - eines der wichtigsten Megatrends des globalen Wandels.
Doch nicht nur die Satellitenfernerkundung ist mit dieser Herausforderung konfrontiert. Auch der umgekehrte Blick von der Erde ins All liefert riesige Datenmengen: Teleskope wie zum Beispiel das Square Kilometer Array (SKA) in Südafrika und Australien oder auch weltraumgebundene ESA-Teleskope wie Gaia und Euclid liefern riesige Datenmengen. Die systematische Analyse von Archivdaten durch selbstlernende KI-Programme bekommt daher auch in der astronomischen Arbeit einen immer höheren Stellenwert.
Weitere Informationen unter www.dlr.de