Die Europäische Raumfahrtbehörde ESA hat das KI‑Modell Tessera, das auf den Copernicus‑Satelliten Sentinel‑1 und Sentinel‑2 trainiert wurde, einer breiten Forschungsgemeinschaft zur Verfügung gestellt. Die Ankündigung erfolgte auf einer Fachkonferenz in Denver, USA, und markiert den ersten vollständig peer‑reviewten Beitrag des Modells zur wissenschaftlichen Gemeinschaft.
Funktionsweise und Datenumfang
Tessera, offiziell „Temporal Embeddings of Surface Spectra for Earth Representation and Analysis“, komprimiert die von den Satelliten gesammelten Daten zu sogenannten Embeddings. Diese enthalten für jedes 10‑Meter‑Pixel einen Jahreszeit‑verlauf von 2017 bis 2025 und benötigen deutlich weniger Speicher als herkömmliche Bilddaten.
Vorteile fĂĽr die Forschung
Durch das vortrainierte Modell können Forscher globale Fernerkundungsaufgaben mit einem Bruchteil der früher üblichen gelabelten Daten lösen. Die Embeddings lassen sich auf einem Laptop oder sogar einem mobilen Gerät verarbeiten, sodass Nutzer ohne umfangreiche Rechenressourcen Zugang erhalten. Als Open‑Source‑Projekt folgt Tessera den FAIR‑Prinzipien und kann frei modifiziert werden.
Stimmen aus ESA und Universität Cambridge
Nach Angaben von Nuno Miranda, Mission Manager für Sentinel‑1 bei der ESA, sei Tessera ein „neues Frontiersegment von KI, das Fernerkundungsdaten praktisch anwendbar macht“. Srinivasan Keshav, Professor an der Universität Cambridge und Mitentwickler, betonte, dass das Modell die Datenmenge des Copernicus‑Programms zugänglicher mache, insbesondere für Fachbereiche wie Ökologie und Naturschutz, und dass es ohne Registrierung und kostenfrei verfügbar sei.
Anwendungsbeispiel im Vereinigten Königreich
Ein britisches Projekt nutzt Tessera‑Embeddings, um den Habitat‑Wandel in geschützten Gebieten von Cumbria zu überwachen. Das Team, das aus Tessera, dem Endangered Landscapes and Seascape Programme und weiteren Partnern besteht, will damit die Wirksamkeit von Förderprogrammen für Landwirtschaft und Naturschutz messen. Professor David Coomes, Mitentwickler des Projekts, erklärte, dass die Überwachung großflächiger Umweltveränderungen exakt das Problem adressiere, für das Tessera konzipiert wurde.
Vergleich mit anderen Modellen
Tessera steht im Gegensatz zu geschlossenen Systemen wie AlphaEarth von Google DeepMind, weil es offen, transparent und reproduzierbar ist. Das Modell fördert den Zugang zu Copernicus‑Daten und ermöglicht eine effiziente Exploration von Erdbeobachtungsinformationen.
Weitere ESA‑Initiativen im Bereich KI‑Modelle
Parallel zu Tessera entwickelt das ESA‑Labor Φ‑lab weitere Grundmodelle, darunter Thor und TerraMind. Thor fokussiert sich auf einzelne Beobachtungen und ermöglicht flexible Auflösungseinstellungen, während TerraMind multimodale Daten wie Radar, optische Bilder und topographische Informationen integriert, um komplexe Fragen zu Klima und Natur zu beantworten.
Dieser Bericht basiert auf Informationen von ESA, lizenziert unter Creative Commons BY 4.0 (Europäische Union). Enthält Informationen von Organen der Europäischen Union.
Ende der Ăśbertragung