NASA wird das Interesse der Wissenschaftler an GPUs beschleunigen, wenn sie mit dem Datenstrom von neuen Teleskopen konfrontiert werden

NASA beschleunigt den Start des neuen Weltraumteleskops

Im September 2026 – acht Monate früher als geplant – wird NASA das neue Teleskop „Nancy Grace Roman“ (RST) in die Erdumlaufbahn schicken. Während seiner Mission wird es etwa 20 000 TB Daten sammeln. Das ist ein enormer Umfang, der zusammen mit den Strömen anderer Observatorien eine wachsende Nachfrage nach Grafikprozessoren (GPU) erzeugt, die für ihre Verarbeitung erforderlich sind.

Wie RST in das moderne Beobachtungssystem passt
Observatorium Zeitraum Täglicher Datenvolumen
RST 2026–… 20 000 TB (insgesamt)
James Webb seit 2021 57 GB pro Tag
Vera C. Rubin Observatory 2026 und danach ~20 TB pro Nacht
Hubble bis 2000 1–2 GB pro Tag

Der Vergleich zeigt, dass RST fast tausendmal mehr Daten liefert als „Hubble“. Das bestätigt den Übergang der Astronomen zur GPU-Verarbeitung: Manuelle Analyse kann die Volumina nicht mehr bewältigen.

Schlüsselpersonen und ihr Beitrag
- Brant Robertson – Astrophysiker an der University of California, Santa Cruz.
- Arbeitet seit über 15 Jahren mit Missionsdaten zusammen, kooperiert mit Nvidia.
- Übergang von Supernova-Simulationen zur Entwicklung von Analysewerkzeugen für Datenströme.

- Ryan Hausen – ehemaliger Doktorand von Robertson.
- Gemeinsam entwickelten sie das Deep‑Learning-Modell *Morpheus* zur Erkennung von Galaxien in großen Datensätzen.

Von Convolutional Networks zu Transformern
Das Modell Morpheus nutzte ursprünglich konvolutionale neuronale Netzwerke, wechselt nun jedoch auf Transformer-Architekturen – dieselbe Technologie, die der Basis moderner Sprachmodelle dient. Dadurch kann es mehrere Male mehr Himmel pro Durchlauf verarbeiten.

Generative KI und Verbesserung terrestrischer Beobachtungen
- Generative Modelle werden aus Weltraumdaten trainiert, um atmosphärische Verzerrungen bei Erdaufnahmen zu korrigieren.
- Da der Start eines achtmeter großen Spiegels in die Umlaufbahn technologisch schwierig bleibt, wird die Softwareverarbeitung als beste Option angesehen.

Finanzielle Herausforderungen
Robertson bemerkt den steigenden Bedarf an GPUs:

> „Die Leute wollen KI und maschinelles Lernen nutzen, und GPU ist das einzige Werkzeug dafür. Universitäten sind wegen begrenzter Ressourcen vorsichtig, aber es muss eine Richtung gezeigt werden.“

Der National Science Foundation (NSF) finanzierte die Einrichtung eines GPU‑Clusters an der Universität, jedoch wird die Ausrüstung schnell veraltet. Gleichzeitig plant die US-Präsidentschaft, das NSF-Budget um 50 % zu kürzen, was weitere Forschungen erschweren könnte.

Ergebnis:
Der Start von RST im September 2026 wird ein Schlüsselerlebnis für die Astronomie sein und neue Horizonte der Datenanalyse eröffnen. Parallel entwickeln sich KI‑Modelle und GPU‑Cloud-Lösungen, doch finanzielle Beschränkungen erfordern Kreativität und effiziente Ressourcennutzung von Forschern.