NASA nutzt seit 2025 Generative KI für Perseverance

Die NASA setzt seit Ende 2025 erstmals generative KI und LLM-artige Modelle ein, um die Pfadplanung des Marsrovers Mars 2020 Perseverance Rover zu automatisieren. Entscheidend ist: Die KI ersetzt nicht die bestehende Navigation, sondern ergänzt sie. Statt dass Ingenieure jeden einzelnen Wegpunkt manuell setzen, schlägt ein vision-fähiges System komplette Routen vor. Getestet wurde das Verfahren im Jezero-Krater – mit realen Fahrten auf der Marsoberfläche. Damit beginnt eine neue Phase der autonomen Exploration.

Das Wichtigste in Kürze

• Seit Ende 2025 plant ein Generative-AI/LLM-System Routen für Perseverance.
• Die KI analysiert Orbitalbilder und Roverdaten und erzeugt komplette Fahrpfade.
• Erste Tests fanden an den Sols 1707 und 1709 (8. & 10. Dezember 2025) statt.
• Gefahrene Distanzen: ca. 210 m und 246 m im Jezero-Krater.
• Klassische Algorithmen wie Dijkstra bleiben für Echtzeit-Navigation entscheidend.

Setzt NASA KI als Autopilot für Perseverance ein?

Nein. Die NASA nutzt seit Ende 2025 generative KI zur hochleveligen Routenplanung. Die eigentliche Navigation, Hindernisvermeidung und Fahrdynamik laufen weiterhin über klassische Bordalgorithmen. Die KI ergänzt das System, ersetzt es aber nicht.

Was genau neu ist

Neu ist ein vision-fähiges Generative-AI-System, das Bilddaten versteht und daraus Fahrtrouten ableitet. Es analysiert sowohl Orbitalaufnahmen als auch Roverbilder. Statt einzelner „Brotkrumen“ erzeugt es einen durchgehenden Pfad mit Wegpunkten. Entwickelt wurde der Ansatz im JPL Rover Operations Center. Partner war Anthropic. Zum Einsatz kamen Claude-Modelle. Sie werteten Missionsdaten und hochauflösende HiRISE-Orbitalbilder aus. Die ersten Tests fanden an Sol 1707 und 1709 statt. Die Strecken betrugen rund 210 und 246 Meter. Beide Fahrten wurden erfolgreich durchgeführt.

Rolle der LLMs in der Pfadplanung

Das LLM übernimmt die strategische Planung. Es erhält digitale Geländemodelle. Zudem verarbeitet es Hangneigungen und Klassifikationen wie Felsfelder, Sandwellen oder Bedrock. Daraus berechnet es eine zusammenhängende Route. Diese Route enthält optimierte Wegpunkte. Die Ausgabe erfolgt in maschinenlesbarer Form. Dazu gehören Rover-Markup-Kommandos. Diese werden in die bestehende Flugsoftware integriert. Die Feinnavigation bleibt jedoch klassisch. Systeme wie AutoNav nutzen weiterhin Dijkstra-Varianten und Bordbildverarbeitung. So entsteht eine hybride Architektur aus KI-Planung und algorithmischer Präzision.

Sicherheitsmechanismen und Validierung

Sicherheit hat höchste Priorität. Jede KI-geplante Route wird vorab simuliert. Dazu dient ein digitaler Zwilling von Perseverance. Über 500.000 Telemetrie-Variablen werden geprüft. So lassen sich Risiken früh erkennen. Danach kontrolliert das Rover-Team die Vorschläge manuell. Meist sind nur kleine Anpassungen nötig. Erst dann werden die Befehle über das Deep Space Network übertragen. Zusätzlich können Bordcomputer die Route unterwegs anpassen. Erkennt das System ein unerwartetes Hindernis, wird der Kurs korrigiert. Der KI-Plan gilt also als „Best-Guess“, nicht als starre Vorgabe.

Warum mehr Autonomie entscheidend ist

Die Mars-Mission leidet unter Zeitverzögerung. Signale benötigen bis zu 20 Minuten pro Richtung. Echtzeitsteuerung ist daher unmöglich. Autonomie wird zur Schlüsseltechnologie. Gleichzeitig sind menschliche Planungsteams ein Engpass. Jede manuelle Route kostet Zeit. KI kann große Datenmengen vorsortieren. Dadurch lassen sich mehr wissenschaftliche Ziele erreichen. Zudem arbeitet das JPL an einem GPS-ähnlichen System für Perseverance. Es bestimmt die Rover-Position in rund zwei Minuten. Die Genauigkeit liegt bei etwa 25 Zentimetern. Das erlaubt längere autonome Fahrten.

Zusammenspiel mit klassischen Algorithmen

Trotz KI bleiben bewährte Methoden stark. Studien zeigen, dass Dijkstra-Varianten auf planetaren Datensätzen sehr effizient sind. LLMs ergänzen diese Verfahren. Sie arbeiten auf Missions- und Entscheidungsebene. Klassische Algorithmen sichern die physische Navigation. Diese Kombination erhöht Robustheit und Effizienz. Forschung auf arXiv beschreibt hybride Systeme. Sie verbinden LLM-Agenten mit Computer Vision. Auch Multi-Robot-Konzepte sind geplant. Ziel ist es, künftige Rover selbstständig Ziele wählen zu lassen. Sie sollen Prioritäten setzen und Wege eigenständig optimieren.

Blick nach vorn: KI als Missionsassistent

Die Entwicklung markiert keinen Ersatz, sondern eine Evolution. Generative KI wird zum Missionsassistenten. Sie analysiert riesige Bilddatensätze schneller als Menschen. Gleichzeitig bleibt menschliche Kontrolle zentral. Künftige Marsmissionen könnten noch autonomer werden. Multi-Robot-Systeme könnten kooperieren. LLM-Agenten könnten wissenschaftliche Hypothesen priorisieren. Damit rückt eine teilautonome Exploration näher. Der Schritt von 2025 ist somit ein Meilenstein. Er verbindet moderne KI mit jahrzehntelang bewährter Raumfahrttechnik.

Fazit

NASA setzt seit 2025 generative KI gezielt für die Mars-Navigation ein – aber nicht als Autopilot. Das LLM plant strategische Routen, während klassische Algorithmen Sicherheit garantieren. Erste Tests im Jezero-Krater zeigen: Die Kombination funktioniert. Mehr Autonomie bedeutet mehr Wissenschaft pro Missionstag. Wer verstehen will, wie KI die Raumfahrt verändert, sollte diese Entwicklung genau verfolgen.