NASA schickt Googles Gemma 3 ins All. Der Satellit kann jetzt selbst denken.

Das 4-Milliarden-Parameter-Modell, das das Rechenzentrum verließ

Die Frage, ob orbitale Rechenzentren mit Tausenden von GPUs praktikabel sind, wird weiterhin heiß diskutiert. Doch es zeigt sich, dass man keine Megawatt-Anlage im All braucht, um LLMs dort nützlich zu machen. Man braucht nur das richtige Modell.

Das Jet Propulsion Laboratory der NASA hat Googles Gemma 3 ins All geschickt – an Bord eines YAM-9-Satelliten von Loft Orbital. Damit gelang die erste In-Orbit-Demonstration eines vision-language Models, das Bilder vom eigenen Sensor analysiert. Das System heißt NAVI-Orbital und nutzt Gemma 3, um Kamerabilder zu untersuchen und in Klartext zu beschreiben – ohne Rohdaten zur Erde zu senden.

Das Modell, das diese Analyse durchführt, ist keine spezielle Weltraum-KI. Es ist die gleiche Basisversion von Gemma 3, die jeder Entwickler herunterladen kann – auf 4-Bit-Präzision quantisiert, laufend auf einem Nvidia Orin AGX mit nur 8 GB Speicher. Kein Feintuning, kein spezielles Training. Es funktioniert einfach.

Warum "semantische Kompression" die Wirtschaftlichkeit des Weltraums verändert

Satelliten haben ein grundlegendes Bandbreitenproblem. Sie können Daten nur in festgelegten Intervallen zu Bodenstationen senden, basierend auf ihrer Umlaufbahn. Ein Satellit im erdnahen Orbit überfliegt eine Empfangsstation vielleicht für ein paar Minuten alle 90 Minuten. Bei einem Waldbrand, einer Überschwemmung oder einer militärischen Eskalation ist diese Verzögerung der Unterschied zwischen verwertbaren Informationen und einem historischen Protokoll.

NAVI-Orbital umgeht dieses Problem mit dem, was Loft-Orbital-Geschäftsführer Antoine Lasserre "semantische Kompression" nennt. Statt großer Mengen an Rohbilddaten sendet der Satellit eine Textzusammenfassung der wichtigen Informationen.

"Es spielt keine Rolle, ob die Verbindung langsam ist, denn man sendet Dutzende Kilobyte statt Dutzende oder Hunderte Megabyte", sagte Lasserre gegenüber IEEE Spectrum. "Das ermöglicht es, den Satelliten taktisch zu nutzen, was bisher nur in der Vorstellungskraft existierte."

JPL-Ingenieur Delfa veranschaulichte dies an einem konkreten Beispiel: der Erkennung von Waldbränden. Satelliten können heute zwar Hitzepunkte detektieren, aber die Daten müssen mehrere Bodenstationen, Verarbeitungspipelines und Analysten-Warteschlangen durchlaufen, bevor sie einen menschlichen Entscheider erreichen. Ein Satellit, der ein Bild im All analysieren und sofort eine Klartext-Warnung senden kann, eliminiert diese Verzögerung vollständig.

88 % Genauigkeit ohne Training

In Tests erreichte NAVI-Orbital 88 % Genauigkeit bei der Klassifizierung von Bildern in einem Benchmark-Datensatz mit 7.960 Bildern. Das bemerkenswerte Detail: Gemma 3 erreichte dies ohne Training oder Feintuning auf dem Datensatz oder seinen Kategorien. Es verwendete die gleichen Basisgewichte, die jedem Entwickler über Googles KI-Plattform zur Verfügung stehen.

Im Orbit führte die NASA zwei Live-Tests durch. Die Kamera des Satelliten nahm Bilder auf – eines über Argentinien, ein weiteres über einer Küstenregion – und Gemma 3 erstellte Textbeschreibungen. Das System beantwortete auch eine Reihe von Fragen zu den Bildern: ob sie Wohn- oder Gewerbegebiete enthielten, ob sie Naturmerkmale zeigten und was die bemerkenswerten Eigenschaften waren.

Der Satellit wird von Solarpaneelen mit 150 bis 500 Watt versorgt. Der Nvidia Orin AGX, ein Modul, das ursprünglich für Robotik und Edge-KI entwickelt wurde, passt problemlos in dieses Budget. "Es vermittelt die Botschaft, wie leichtgewichtig es ist", sagte Delfa. "Man kann es in einem winzigen Computer betreiben."

Von der Bildanalyse zum Astronauten-Begleiter

NAVI-Orbital ist bewusst von der Flugsoftware des Satelliten getrennt. Es liest Bilder, erstellt Beschreibungen und trifft Entscheidungen darüber, wie Bilder analysiert werden – hat aber keinen Zugriff auf Antrieb, Ausrichtung oder Kommunikationssysteme. Diese Sicherheitsisolierung ist beabsichtigt: Das Team will nachweisen, dass die KI zuverlässig funktioniert, bevor sie an etwas angeschlossen wird, das das Verhalten des Raumfahrzeugs verändern könnte.

Die langfristige Vision geht weit über unbemannte Satelliten hinaus. Delfa sagte, NAVI sei mit Blick auf Astronauten konzipiert worden.

"Roboter sind noch nicht auf dem Niveau des Menschen, was die Geschicklichkeit betrifft, daher hatten wir die Idee, NAVI als Begleiter für den Astronauten zu entwickeln, um die Interaktion über natürliche Sprache zu ermöglichen", erklärte Delfa. "Das ist das Konzept, das wir definitiv vorantreiben wollen."

Diese Vision ist Jahre entfernt. Aber NAVI-Orbital hat bereits gezeigt, dass zwei grundlegende Komponenten – der Einsatz eines leistungsfähigen LLM im Weltraum und seine Steuerung durch natürliche Sprachbefehle – heute möglich sind. Der Rest ist Ingenieursarbeit.

Eine realistische Einordnung

Die 88-prozentige Genauigkeit ist beeindruckend, stammt jedoch aus einem kuratierten Benchmark, nicht aus den chaotischen, schlecht beleuchteten Bedingungen des realen Orbitalbetriebs. Die beiden Live-Aufnahmen waren kontrollierte Tests. Und das Modell ist bewusst auf das Lesen beschränkt, nicht auf das Handeln – eine vernünftige Sicherheitsentscheidung, die seinen praktischen Nutzen kurzfristig einschränkt.

Dennoch ist die Demonstration bedeutsam, weil sie eine implizite Annahme in Frage stellt: dass KI im All orbitale Rechenzentren erfordert. Der Gemma-3-Einsatz zeigt, dass ein vision-language Model mit 4 Milliarden Parametern auf handelsüblicher Edge-Hardware innerhalb des knappen Energie- und Wärmebudgets eines kleinen Satelliten nützliche Arbeit leisten kann. Das verändert den Gestaltungsspielraum für jede zukünftige Erdbeobachtungsmission – und irgendwann für jedes Raumfahrzeug, das entscheiden muss, was es sich lohnt, nach Hause zu berichten.

Quellen

• IEEE Spectrum: NASA Puts Google's Gemma Large Language Model in Orbit
• Google AI: Gemma models
• Nvidia: Jetson Orin AGX für Edge-KI
• Loft Orbital: YAM-9 Satellite Platform