//Geodaten, KI, Big Data

Kühe zählen aus dem All

Im Weltraum winkt ein neues Geschäftsmodell mit hochauflösenden Satellitenaufnahmen, das vor allem auf die intelligente Analyse der Bilder setzt. Auch die ersten deutschen Anbieter stehen bereits in den Startlöchern.

Google drückt auf die Tube. 500 Millionen US-Dollar hat sich das Unternehmen die Übernahme von Skybox Imaging, einem Anbieter von hochauflösenden Satellitenbildern, der jetzt unter dem Namen Terra Bella firmiert, im Jahr 2014 kosten lassen. Bis 2017 will Google insgesamt 24 Satelliten in die erdnahe Umlaufbahn befördert haben. Dabei handelt es sich um Kleinstsatelliten nach der sog. CubeSat-Designspezifikation, ein von der Stanford University und der California Polytechnic State University im Jahr 1999 entwickeltes Konzept, um Studenten und Universitäten einen kostengünstigen Zugang zum All zu verschaffen. CubeSats weisen im Standardformat eine Größe von nur 11,35 x 10 x 10 cm bei einem Gewicht von max. 1,33 kg auf. Aber auch Doppelt- und Dreifachausführungen sind zulässig und gewähren Unternehmen den notwendigen Entwicklungsspielraum. Cube-Satelliten können in der Regel mühelos im Rahmen von Raketenstarts anderer Missionen in den Orbit befördert werden.

Das CubeSat-Konzept, das eigentlich zur Förderung von Forschungsvorhaben erdacht wurde, verleitet immer mehr private Unternehmen dazu, den Sprung ins All zu wagen, so auch die Startups Black Sky (gegründet 2013) und Astro Digital (gegründet 2014). Black Sky will nach aktuellem Stand insgesamt 60 Satelliten ins All schießen, Astro Digital setzt für sein Vermessungskonzept auf ingesamt 30 künstliche Erdtrabanten. Die allgemeine Strategie ist also klar: Durch die Entsendung einer Vielzahl von Kleinsatelliten soll jeder Punkt auf dem Globus innerhalb von Minuten erreichbar sein, um so nahezu in Echtzeit Bilder aus dem All liefern zu können.

Die neuen Player auf dem Markt versprechen außerdem besonders hochauflösende Aufnahmen - von bis zu unter 1 m pro Pixel (der 2013 ins All beförderte Erdbeobachtungssatellit Landsat 8 der NASA liefert im Vergleich dazu lediglich eine Auflösung von bis zu 15 m pro Pixel).  Google will mit Terra Bella sogar hochauflösende Videos mit einer Länge von bis zu 90s anbieten. Verarbeitet  und ausgewertet werden die riesigen Datenmengen in den hauseigenen Rechenzentren. Als mögliche Anwendungsszenarien skizzierte Google die Überwachung von Lieferketten aus dem Weltall, Unterstützung bei der Koordination von Katastropheneinsätzen und die Infrastrukturüberwachung, z. B. beim Ausbau von Minen.

Für Bronwyn Agrios, Produktmanagerin von Astro Digital, liegt der Schlüssel für das neue Geschäft aber nicht mehr in den Satellitenbildern selbst, sondern in der Software: „In Zukunft wird niemand mehr einfach nur Satellitenbilder kaufen, sondern Satellitendaten in Form eines Abonnement-Diensts“, sagte sie gegenüber Spacenews. Bildanalysen und Datenströme sollen dabei auf die spezifischen Bedürfnisse von Kunden in den unterschiedlichsten Branchen angepasst werden. KI-Anwendungen spielen in diesem Zusammenhang eine zentrale Rolle.

Auch das derzeit führende Unternehmen der Branche DigitalGlobe, das u. a. Facebook, Uber, Mapbox, den Geodaten-Softwarespezialisten ESRI und auch Google zu seinen Kunden zählt, setzt auf den KI-Trend. Im Rahmen einer Kooperation mit dem (der CIA nahestehenden) VC-Unternehmen CosmiQ Works, dem Grafikkartenhersteller Nvidia und Amazon wurde die Bilderdatenbank SpaceNet ins Leben gerufen, mit der KI-Systeme besonders effizient trainiert werden sollen, z. B. für die automatische Erkennung von Gebäuden und Autos.

Und auch die ersten selbst gestrickten Services warten bereits auf die (potenzielle) Kundschaft. Die 2014 gegründeten Descartes Labs brüsten sich bereits damit, Ernteerträge besser voraussagen können als das Landwirtschaftsministerium der USA. In Deutschland hat die Firma Terraloupe derzeit vor allem Kunden aus dem Bereich des autonomen Fahrens und der Versicherungsbranche im Visier. Anhand von Satellitenbildern, die in 3D-Modelle umgewandelt werden, kann das Unternehmen mittels ausgeklügelter Deep Learning-Techniken gezielt Objekte und Strukturen identifizieren und klassifizieren. So sollen Versicherer z. B. mögliche Versicherungsschäden bei einem Unwetter genau berechnen können. Die Analysemethoden sollen so detailliert sein, dass sich damit sogar die genaue Größe einzelner Fenster aus dem All bestimmen lässt. Für autonome Fahrzeuge könnten stets aktuelle Straßen- und Verkehrsinformationen ein entscheidender Wettbewerbsvorteil sein.