Was kann das Mond-KI-Modell von IBM und NASA?

IBM und NASA veröffentlichen ein offenes KI-Modell für die Mondforschung

Michael Dobler

Autor Dr. Web

14. September 2026

3 Min. Lesezeit

IBM und NASA stellen erstmals ein offenes KI-Modell für die Mondforschung frei ins Netz. Das Modell erkennt mögliche Eisvorkommen, Krater und Vulkanspuren auf der Mondoberfläche und senkt den Fehler bei der Eissuche um bis zu 22 Prozent gegenüber der bisherigen Methode. Für europäische Forschungsteams zählt dabei weniger der Mond als der frei nachnutzbare Bauplan dahinter.

drweb.de als bevorzugte Quelle auf Google hinzufügenQualitätsgeprüfte Inhalte direkt in Google News & DiscoverJetzt hinzufügen

Ein KI-Modell für den Mond klingt nach reiner Raumfahrt, betrifft aber jedes Team, das mit Satellitendaten arbeitet. IBM und NASA veröffentlichten am 10. September 2026 das NASA-IBM Lunar Foundation Model als Open Source, eines der ersten öffentlichen Grundmodelle für die Mondforschung.^[1]

Das Wichtigste in Kürze

IBM und NASA veröffentlichten das Lunar Foundation Model als Open Source, frei nutzbar auf Hugging Face und GitHub.
Das Modell senkt den Fehler bei der Eissuche um bis zu 22 Prozent und erkennt Krater rund 19 Prozent zuverlässiger.
Trainiert wurde das Modell auf über 30 Datenebenen aus neun Instrumenten und vier Missionen.
Dasselbe offene Rezept steckt in IBMs Erd- und Wettermodellen und lässt sich auf Satellitendaten übertragen.

Warum bauen IBM und NASA ein Grundmodell für den Mond?

Weihnachtskugel im Mond-Design mit Aufhänger auf weißem Hintergrund — NASA und IBM entwickeln ein Grundmodell für Mondforschung, das verschiedene Aufgaben wie Kratererkennung, Eisanalyse und Geländeuntersuchung vereint

Ein Grundmodell lernt einmal die Struktur riesiger Datenmengen und lässt sich danach mit wenig Aufwand auf viele Einzelaufgaben feinjustieren. Der Mondforschung fehlte bislang genau ein solches Fundament. Jede Arbeitsgruppe trainierte ihr System bisher von Grund auf neu, getrennt nach Kratern, Eis und Gelände.

Das neue Modell fasst diese Vorarbeit zusammen. NASA und IBM speisten über 30 abgeglichene Datenebenen aus neun Instrumenten und vier Missionen ein, darunter Aufnahmen des Lunar Reconnaissance Orbiter.^[1] Aus diesem Fundus erkennt das System Eisvorkommen, Krater und vulkanische Strukturen, ohne dass Forschende bei jeder Frage bei null anfangen.

Was kann das Modell besser als bisherige Software?

Das Lunar Foundation Model senkt den Fehler bei der Suche nach Wassereis um bis zu 22 Prozent und erkennt Krater rund 19 Prozent zuverlässiger als das bisher übliche Standardmodell SwinV2-B, bei halber Trainingsmenge.^[1] Bei vulkanischen Flecken liegt der Vorsprung bei 3 Prozent.

Der Gewinn beruht auf dem Prinzip Transferlernen. Das Modell lernt die Bildstruktur der Mondoberfläche vorab aus großen, unbeschrifteten Datensätzen und braucht für die konkrete Aufgabe danach nur noch wenige markierte Beispiele. Wassereis in den ewig beschatteten Polkratern gilt als Schlüssel für eine dauerhafte Station, weil daraus Trinkwasser, Atemluft und Treibstoff entstehen.

Neu ist das Rezept nicht. IBM und NASA bauten bereits offene KI-Modelle für die Erdbeobachtung und das Wetter, die Prithvi-Familie, und stellen das Mondmodell nun in dieselbe Reihe.^[2] Der Ansatz prägt die Künstliche Intelligenz quer durch die Branche.

Der eigentliche Coup ist nicht die Mondkarte, sondern die Entscheidung, das Modell offen auf Hugging Face zu legen. So wandert der teuerste Teil einer KI, das vortrainierte Fundament, ohne Lizenzschranke nach Europa.
— Markus Seyfferth, Chefredakteur Dr. Web

Was bringt das offene Modell Europas Forschung?

Weil das Modell offen auf Hugging Face liegt, können europäische Einrichtungen wie das DLR oder die ESA das Grundmodell kostenlos nutzen und auf eigene Fragen anpassen, ohne Lizenz und ohne Bindung an einen Anbieter.^[1] Der EU AI Act nimmt Forschung und Entwicklung weitgehend aus, für den wissenschaftlichen Einsatz greifen die strengen Auflagen für Hochrisiko-KI also nicht.

Der größere Hebel liegt auf der Erde. Ein auf Satellitendaten geübtes Grundmodell lässt sich auf Landwirtschaft, Klimabeobachtung und Katastrophenschutz übertragen, und für deutsche Firmen, die Copernicus-Daten auswerten, sinkt damit die Hürde für eigene Anwendungen. Auch heimische Konzerne treiben unter dem Stichwort Souveränität kontrollierbare KI voran.

Juan Bernabe-Moreno, IBM-Forschungsdirektor für Europa, ordnet den Schritt so ein: „Das NASA-IBM Lunar Foundation Model gibt Forschenden eine Grundlage, um den Mond in großem Maßstab zu erkunden.“^[2]

Das Mond-KI-Modell in Zahlen

Offenes Grundmodell von IBM und NASA, veröffentlicht am 10. September 2026

bis 22 %

weniger Fehler bei der Suche nach Wassereis, gegenüber dem bisherigen Standardmodell SwinV2-B

rund 19 %

zuverlässigere Kratererkennung, erreicht mit der halben Trainingsmenge

30+

räumlich abgeglichene Datenebenen aus neun Instrumenten und vier Weltraummissionen

frei

offen auf Hugging Face und GitHub, ohne Lizenzgebühr nutzbar

Für Teams in Forschung und Geodatenanalyse lohnt der erste Schritt: das Modell samt Code von Hugging Face laden und prüfen, welche Aufgaben sich ohne teures Neutraining lösen lassen.

FAQ: Das offene Mond-KI-Modell von IBM und NASA

Was ist das NASA-IBM Lunar Foundation Model?

Das NASA-IBM Lunar Foundation Model ist ein offenes KI-Grundmodell für die wissenschaftliche Erkundung des Monds. Das System wertet Aufnahmen von Mondmissionen aus und erkennt darin Eisvorkommen, Krater und vulkanische Strukturen. IBM und NASA gaben das Modell am 10. September 2026 als Open Source frei.

Ist das Mond-KI-Modell wirklich kostenlos nutzbar?

Ja. Das Modell liegt samt Code frei auf der Plattform Hugging Face und auf GitHub und lässt sich ohne Lizenzgebühr herunterladen, einsetzen und für eigene Aufgaben anpassen. Forschende brauchen weder einen Vertrag noch eine Bindung an einen einzelnen Anbieter.

Auf welchen Daten basiert das Lunar Foundation Model?

Das Modell wurde auf über 30 räumlich abgeglichenen Datenebenen aus neun Instrumenten und vier Missionen trainiert. Dazu zählen NASAs Lunar Reconnaissance Orbiter, die Schwerefeldmission GRAIL und die japanische Sonde Kaguya. Aus diesem Fundus lernt das Modell die Struktur der Mondoberfläche.

Was ist ein KI-Grundmodell überhaupt?

Ein Grundmodell lernt einmal die Struktur sehr großer Datenmengen und lässt sich danach mit wenigen Beispielen auf viele Einzelaufgaben feinjustieren. Statt für jede Frage ein System von Grund auf neu zu trainieren, dient das Grundmodell als gemeinsame Ausgangsbasis.

Lässt sich das Modell auch für die Erde nutzen?

Ja. Ein auf Satellitendaten geübtes Grundmodell lässt sich auf Landwirtschaft, Klimabeobachtung und Katastrophenschutz übertragen. Dasselbe Bauverfahren steckt bereits in IBMs offenen Erd- und Wettermodellen der Prithvi-Familie, die für die Erdbeobachtung entwickelt wurden.