Zum Hauptinhalt Zur Navigation Zur Suche

IBM & Nasa: Größtes KI-Grundlagenmodell für Geodaten veröffentlicht

Es gibt immer mehr Daten, um den Klimawandel besser zu verstehen. Doch die Ver- und Bearbeitung ist eine Herausforderung.
/ Patrick Klapetz
Kommentare undefined News folgen (öffnet im neuen Fenster)
Geodaten aus dem Weltraum (Bild: Nasa)
Geodaten aus dem Weltraum Bild: Nasa

Die US-Raumfahrtbehörde Nasa arbeitet mit IBM zusammen, um ein KI-Grundmodell zur Analyse von Petabytes an Text- und Fernerkundungsdaten zu ermöglichen(öffnet im neuen Fenster) . Dadurch soll die Entwicklung von KI-Anwendungen erleichtert werden, die auf spezifische Klimafragen zugeschnitten sind.

Laut der Nasa(öffnet im neuen Fenster) werden bis 2024 wohl etwa 250.000 Terabyte an Daten aus neuen Missionen zur Verfügung stehen. Bei so vielen Daten ist es schwer, sie für Forschungsteams einfach zugänglich zu machen. Im Rahmen einer Space-Act-Vereinbarung mit der Nasa begann IBM Anfang des Jahres, ein KI-Grundlagenmodell für Geodaten zu entwickeln.

Durch die Bereitstellung eines Geodaten-Basismodells über Hugging Face – einem anerkannten Marktführer im Bereich Open Source und einem bekannten Repository für alle Transformer-Modelle – sollen die Daten einfacher zugänglich gemacht werden. "Wir hoffen, dass diese Modelle (…) die Menschen dazu ermutigen, Anwendungen zu entwickeln, die es einfacher machen, unsere Datensätze zu nutzen" , erklärte Rahul Ramachandran laut einer Pressemitteilung von IBM(öffnet im neuen Fenster) . Er ist leitender Wissenschaftler am Marshall Space Flight Center der Nasa.

Schneller als die Konkurrenz, trotz mehr Daten

Dafür verwendeten die Nasa und IBM die Landsat-Sentinel-2-Satellitendaten (HLS)(öffnet im neuen Fenster) über ein Jahr hinweg und trainierten ihr Modell für den nordamerikanischen Kontinent. Es wurde mit markierten Daten für die Kartierung von Überschwemmungen und Brandnarben feinabgestimmt – was bisher eine 15-prozentige Verbesserung gegenüber anderen modernen Techniken, denen nur halb so viele Daten zur Verfügung stünden, gezeigt habe.

Mit zusätzlicher Feinabstimmung kann das Basismodell für Aufgaben wie die Verfolgung von Abholzung, die Vorhersage von Ernteerträgen oder die Ermittlung und Überwachung von Treibhausgasen eingesetzt werden.


Relevante Themen