Wenn Satelliten denken lernen KI wird im Weltraum allgegenwärtig sein

Anbieter zum Thema

AMD Advanced Micro Devices GmbH

INFOMOTION GmbH

QUNIS GmbH

Künstliche Intelligenz wird im Weltraum allgegenwärtig sein und die Fähigkeiten moderner Raumfahrzeuge maßgeblich erweitern. Hochentwickelte Sensoren und die Analyse riesiger Datenmengen erfordern zunehmend auch schnellere und autonomere Entscheidungsprozesse. KI im Orbit kann die Abhängigkeit von begrenzten Downlink-Bandbreiten reduzieren, indem sie Entscheidungen direkt vor Ort trifft.

Moderne Raumfahrzeuge sind in der Regel mit leistungsfähigeren Systemen ausgestattet. Beispiele hierfür sind Fernerkundungssatelliten, die Fotos bzw. Videos mit immer höherer Auflösung und schnellerer Bildrate aufnehmen oder eine größere Anzahl von multispektralen und hyperspektralen Bildkanälen erfassen. Während allerdings die Entwicklung von Sensoranwendungen mit dem wachsenden Datenbedarf Schritt gehalten hat, ist dies bei den Bandbreiten für den Daten-Downlink gemeinhin nicht der Fall. Je größer die Datensätze sind, desto länger dauert zwangsläufig der Austausch mit den Kontrollstationen am Boden.

Daraus ergibt sich eine große Herausforderung: Wenn die Entscheidungen, die sich aus der Analyse der Daten ergeben, immer schneller – und manchmal sogar in Echtzeit – getroffen werden müssen, wird Zeit zu einem kritischen Faktor.

Um diesen Problemen mit zu geringen Daten-Downlink-Bandbreiten zu begegnen, wird ein großer Teil der Datenverarbeitung in Systeme direkt vor Ort, also im Weltraum, verlagert. Dies erfordert jedoch wesentlich anspruchsvollere Lösungen, was den Energiebedarf und das Gewicht der Nutzlast erhöht – ein Aspekt, der bei der Entwicklung von Satelliten/Raumfahrzeugen sorgfältig berücksichtigt werden muss.

Darüber hinaus arbeiten sowohl aufstrebende als auch etablierte Akteure der Raumfahrtindustrie daran, die Kosten für die Bereitstellung von Hardware für die Raumfahrt zu senken. Dies ist auch ein Beleg für den Trend hin zu einer Demokratisierung der Raumfahrt sowie der Forschung. Preiswerte Lösungen mit geringer Leistung (wie SmallSats und CubeSats) können eine kostengünstige Plattform für wissenschaftliche Untersuchungen und die Demonstration von Technologie unter Verwendung von Konstellationen, Schwärmen und disaggregierten Systemen bieten. Dies markiert einen weiteren Trend: Die Anforderungen an für Weltraumanwendungen optimierte Halbleitertechnologien werden neu definiert.

KI-Fähigkeiten an Bord

Die Integration von KI-Recheneinheiten in weltraumtaugliche Hardware unter Verwendung von Chips, die robust genug für den Weltraumeinsatz sind, kann eine Lösung bieten. Hier kommt es darauf an, eine recheneffiziente und stromsparende lokale Inferenz zu ermöglichen, um relevante Sensordaten zu identifizieren und so den Downlink zu entlasten. Die Fähigkeit, autonome Entscheidungen im Orbit zu treffen, unterstützt die Missionen; in einigen Fällen ist sie sogar missionsentscheidend. Beispielsweise wird bei Erdbeobachtungssatelliten bereits KI eingesetzt, um das Vorhandensein von Wolken in den aufgenommenen Bildern zu erkennen. Sind Oberflächendetails durch Wolken verdeckt, kann das Bild unbrauchbar werden. In diesem Fall kann es verworfen werden und verbraucht weder Speicherplatz noch Downlink-Bandbreite.

Geht es um Sicherheitsanwendungen, bei denen Objekte auf der Erdoberfläche in Echtzeit identifiziert werden müssen, können KI-Algorithmen ebenfalls wichtige Unterstützung liefern. Sie können beispielsweise bei der Objekterkennung Handelsschiffe schnell von Kriegsschiffen unterscheiden, um Reaktionszeiten zu verkürzen und lange Analysezyklen durch den Menschen zu vermeiden.

Bei Raumfahrzeugen, die auf Planeten oder Asteroiden landen sollen, ist eine direkte Fernsteuerung des Landevorgangs von der Erde aus aufgrund von Kommunikationsverzögerungen schlicht nicht möglich. Dank der bordeigenen KI kann das Fahrzeug geeignete Landeplätze in Echtzeit selbstständig erkennen.

Wachsendes Interesse lässt sich auch am Einsatz von KI zur Überwachung des Gesamtzustands von Systemen an Bord von Satelliten/Raumfahrzeugen beobachten. Dabei dient KI der Erkennung von Anomalien bei gemessenen Parametern (z. B. Ströme, Spannungen, Temperaturniveaus, mechanische Beanspruchungen, Vibrationen, Flüssigkeitsströme und -drücke sowie magnetische und elektrische Feldstärken).

Dies liefert eine schnellere Fehlererkennung ohne menschliches Eingreifen, welches andernfalls Tage oder Wochen dauern könnte. Da ein komplexer moderner Satellit über mehrere tausend Telemetriekanäle verfügen kann, ermöglicht KI die Echtzeitanalyse aller Kanäle, während am Boden nur eine Teilmenge der Telemetriekanäle für die menschliche Analyse zur Verfügung stehen muss.

Leben im Weltraum

Mit der zunehmenden Verbreitung von KI im Weltraum benötigt die Industrie kosteneffiziente Lösungen für das Hosting von Inferenz-Workloads. Es gibt verschiedene Möglichkeiten, KI-Inferenzverfahren in Embedded-Systemen zu implementieren. Ein gängiger Ansatz ist die Verwendung dedizierter DSP-Ressourcen, die häufig in mikroelektronische Hardware wie FPGAs, GPUs, TPUs oder spezialisierte ASICs integriert sind. Bausteine wie die adaptiven AMD Versal AI Core SoCs mit ihren integrierten AI-Engines (AIEs) sind darauf ausgelegt, die von neuronalen Netzen benötigten Multiplikations- und Akkumulationsoperationen wesentlich effizienter zu implementieren.

Die Herausforderungen bei der Vorbereitung von Systemen für den Einsatz im Weltraum werden jedoch nie überflüssig werden. Raumfahrtsysteme sind teuer und können nach dem Start nicht mehr repariert werden. Daher ist die Gewährleistung von Qualität und Zuverlässigkeit von entscheidender Bedeutung.

Da im Weltraum die Strahlung deutlich höher ist als hier auf der Erde, sind Komponenten der Mikroelektronik plötzlichen zerstörerischen Strahlungseffekten (einmalige Latch-ups usw.) sowie einer allmählichen Verschlechterung der Leistung durch die Auswirkungen der ionisierenden Gesamtdosis ausgesetzt sein können.

Beispiel AMD

Hier basiert der Qualifizierungs- und Fertigungstestablauf der Klasse B auf der Spezifikation MIL-PRF-38535 Klasse B für die Qualifizierung und Prüfung von monolithischen ICs. Diese Qualifizierung wurde an das fortschrittliche organische Packaging angepasst, das für weltraumtaugliche Produkte wie die adaptiven AMD XQR Versal AI Core SoCs erforderlich ist, und ergänzt die große Menge an Qualitäts- und Zuverlässigkeitsinformationen, die bereits über diese Bauteile bei extremen Temperaturbedingungen gesammelt wurden. Die Komponenten werden auch auf Strahlungseffekte hin untersucht, indem sie in verschiedenen Tests Protonen, schweren Ionen und Gammastrahlung ausgesetzt werden. Dies stellt die Funktionsfähigkeit der Raumfahrtsysteme sicher, die diese Bauteile verwenden, und ermöglicht es den Organisationen, die diese Geräte verwenden, die Hardware nach dem Einsatz neu zu programmieren und die erforderlichen OTA-Updates (Over-the-Air) durchzuführen.

Zu guter Letzt ist die Langlebigkeit von entscheidender Bedeutung. Satellitenhersteller benötigen manchmal noch Jahre nach dem Start Support für ihre Produkte. Zu diesem Zeitpunkt sind viele kommerzielle mikroelektronische Komponenten bereits nicht mehr verfügbar und veraltet. AMD erfüllt diese Anforderungen mit einem Team von spezialisierten Qualitäts- und Zuverlässigkeitsingenieuren, mit adaptiven SoCs, die auf Strahlungseffekte getestet und charakterisiert werden. Und auch die Produktion und der Support von weltraumtauglichen Komponenten werden für einen langen Zeitraum nach dem Start beibehalten.

Vielfältige Systeme

In den letzten zehn Jahren ist die Nachfrage nach kommerziellen Bilddaten aus dem Weltraum sowohl für die passive (sichtbares, Infrarot- und ultraviolettes Licht) als auch für die aktive Bildgebung (hauptsächlich Radar mit synthetischer Apertur) erheblich gewachsen. Die meisten neuen Satelliten, die kommerzielle Bilddaten liefern, fliegen in einer niedrigen Erdumlaufbahn (LEO), um so die Entfernung zwischen Satellit und Objekt zu minimieren und dadurch eine hohe Bildqualität zu gewährleisten. Durch den Einsatz vieler Satelliten können die Satellitenbetreiber die Häufigkeit erhöhen, mit der ein Satellit ein interessierendes Gebiet überfliegt. Häufigere Überflüge können für Abnehmer kommerzieller Bilder von Vorteil sein, z. B. für Organisationen, die Aktivitäten in Häfen, Bergwerken oder auf landwirtschaftlichen Flächen überwachen. Die für solche Anwendungen eingesetzten Satelliten gehören häufig zu den Kategorien MiniSat (200 kg bis 600 kg) oder SmallSat (600 kg bis 1200 kg).

Bei solchen Satelliten kann KI-Inferenzierung sehr nützlich sein, um die Nutzung von Speicherressourcen und Downlink-Bandbreite zu optimieren und autonome Entscheidungen zu treffen. Da diese kompakten Satelliten jedoch elektronische Systeme mit kleinem Formfaktor erfordern, muss die KI-Inferenzierung in Geräten mit minimalem Platzbedarf durchgeführt werden. Führende Unternehmen, die KI in für Weltraumanwendungen optimierten Halbleitertechnologien unterstützen, sind jetzt in der Lage, große, voll ausgestattete Geräte neben solchen mit weniger Ressourcen, aber viel kleineren Gehäuseabmessungen anzubieten. Auf diese Weise können die Konstrukteure die optimale Geräteauswahl für die spezifischen Beschränkungen ihres Systems treffen.

Beschleunigung von Missionen

Während die Fähigkeiten von Satelliten bzw. deren Sensoren dramatisch zugenommen haben, ist die Downlink-Bandbreite nicht so schnell gewachsen. Künstliche Intelligenz ist ein gangbarer Weg, um den Bedarf an begrenzter Bandbreite zu reduzieren und gleichzeitig eine wesentlich schnellere Entscheidungsfindung – zuweilen in Echtzeit – unter Verwendung der erfassten Daten zu ermöglichen. Sie kann effizient in SoCs implementiert werden, die spezielle adaptive AIEs bereitstellen.

Dieser Artikel stammt von unserem Partnerportal ELEKTRONIKPRAXIS.

* Ken O'Neill ist Space Systems Architect bei AMD.

(ID:50055877)