YORKTOWN HEIGHTS, N.Y., 10. September 2026 – IBM (NYSE: IBM) und die NASA haben heute die Open-Source-Veröffentlichung des NASA-IBM Lunar Foundation Models angekündigt, eines der ersten öffentlich verfügbaren Foundation Models für die Erforschung des Mondes, welches nun bereitsteht. Das Modell, welches mit umfassenden Mondbeobachtungsdatensätzen von IBM- und NASA-Forschenden trainiert wurde, kann Wissenschaftler:innen dabei helfen, aus Jahrzehnten spanende und komplexe Daten aus verschiedenen Instrumenten Erkenntnisse zu gewinnen, um eine langfristige menschliche Präsenz auf dem Mond zu ermöglichen.

Die Topografie des Mondes ändert sich ständig. Im Laufe der Zeit, hat die Mondoberfläche Krater geformt, Eis an verschiedenen Orten verteilt und sogar vulkanische Aktivität erlebt. Jahrzehntelang wurde der Mond von Sensoren und Instrumenten kontinuierlich beobachtet, sodass Petabytes von Daten generiert wurden. Doch um damit die Mondoberfläche zu untersuchen, brauchen Wissenschaftler:innen entweder Karten und Bilder, um diese händisch durchzugehen oder aufgabenspezifische Machine Learning Modelle mit niedriger Auflösung. Diese Methoden erfordern oft intensive Rechenleistung, erreichen dabei jedoch nicht immer den Grad wissenschaftlicher Genauigkeit, der zur zuverlässigen Erkennung und Analyse geografischer Merkmale notwendig ist. Das neu veröffentlichte NASA-IBM Lunar Foundation Model wird Forschenden dabei helfen, wissenschaftliche Fortschritte voranzutreiben, indem es versteckte Zusammenhänge zwischen vielen verschiedenen Typen und Auflösungsstufen von Monddaten aufzeigt.

Wissenschaftler:innen könnten das NASA-IBM Lunar Foundation Model nutzen, um verschiedene Mondphänomene zu erforschen, insbesondere:

• Potenzielle Ansammlungen von Eis auf dem Mond: Permanent im Schatten liegende Regionen gehören zu den am schwersten beobachtbaren Teilen des Mondes, wobei sich dort Mondeis unter der Oberfläche befinden könnte. Mondeis ist ein Indiz für das Vorkommen von Wasser und Sauerstoff – Ressourcen, welche als essenziell für eine zukünftige Mondbasis und die Herstellung von Raketentreibstoff für zukünftige Marsmissionen erachtet werden. Das NASA-IBM Modell kombiniert multimodale Beobachtungsdaten in verschiedenen Auflösungsstufen, um vorherzusagen, wo auf der Mondoberfläche Eis vorkommen könnte. Ein von der NASA und IBM veröffentlichtes technisches Paper zeigt, dass das NASA-IBM-Modell Fehler (RMSE) beim Identifizieren von Flächen mit einem hohen Potenzial für Mondeisvorkommen im Vergleich mit dem SwinV2-B (ImageNet) Model um 22% reduziert. ^[1]
• Vulkanische Geschichte: Wissenschaftler:innen erforschen vulkanische Merkmale, genannt «Irregular Mare Patches», um die vulkanische Geschichte und thermale Entwicklung des Mondes besser zu verstehen. Zudem ist das Erforschen dieser sich wandelnden Regionen strategisch relevant für zukünftige Forschungsprojekte auf der Oberfläche des Mondes. Mit der Nutzung von «imperfect labels» erfasst das Modell das Ausmaß vulkanischer Merkmale um 3% besser als das SwinV2-B (ImageNet Modell) und bringt somit vergleichbare Genauigkeit bei höherer Effizienz und tieferen Fine-Tuning-Kosten.^[2]
• Kratererkennung: Krater gehören zu den wichtigsten und kennzeichnenden Eigenschaften des Mondes und können wichtige Informationen zu seiner Geschichte, wie etwa dem Alter verschiedener Geländetypen, ihren geologischen Merkmalen und der chemischen Zusammensetzung des frühen Mondinneren geben. Das Abbilden von Kratern hilft der NASA auch dabei, sichere Landeplätze zu eruieren, Gefahren wie steile Hänge und Felsblöcke zu vermeiden, und Orte für langfristige Infrastruktur auf dem Mond zu planen. Mit dem Modell können Forschende nun mit einer Auflösung im Meterbereich Krater identifizieren, kontextualisieren und klassifizieren – dies mit vergleichbarer Genauigkeit wie Spitzenmodelle wie SwinV2-B und gleichzeitig höherer Effizienz und tieferen Fine-Tuning-Kosten. Bei der Context-Scale-Resolution (~100 Meter), übertrifft es SwinV2-B um etwa 19% und braucht dabei nur halb so viele Trainingsdaten. ^[3]

«Um die Rätsel rund um den Mond zu lösen, braucht man die Fähigkeit, von einer enorm großen Menge an wissenschaftlichen Daten zu lernen» sagt Juan Bernabe-Moreno, Director of IBM Research Europe, UK and Ireland. «Das NASA-IBM Lunar Foundation Model stellt Wissenschaftler:innen eine offene Plattform als Grundlage zur Verfügung, um den Mond umfassend zu erforschen, indem Beobachtungen von verschiedenen Instrumenten verbunden, und Muster, die isoliert betrachtet schwer erkennbar wären, zum Vorschein gebracht werden.»

Trotz einer Fülle von Monddaten gibt es keinen öffentlich verfügbaren, einheitlichen Datensatz, welcher multimodale Daten mit unterschiedlicher Auflösung in einem Standardframework, welches für modernes Machine Learning geeignet ist, zusammenbringt. Neben dem Modell bereiten IBM and NASA Wissenschaftler:innen den ersten Open-Source-Monddatensatz seiner Art auf, ein einheitlicher Monddatensatz, der für Machine Learning bereitsteht und über 30 räumlich abgestimmte Schichten von neun Instrumenten und vier Missionen zusammenführt. Der Datensatz kombiniert zehntausende von Bildern und Karten, welche die einzigartigen geophysikalischen Eigenschaften der Mondoberfläche von NASAs Lunar Reconnaissance Orbiter (LRO) und NASAs GRAIL Mission zeigen sowie integrierte komplementäre Monddaten von SELENE/Kaguya der Japanese Aerospace Exploration Agency für eine reiche multimodale Sicht auf Mondoberfläche und -untergrund, auf der die Mondwissenschafts-Community aufbauen kann.

Das Modell weitet eine bestehende Zusammenarbeit von IBM und der NASA aus, welche wertvolle wissenschaftliche Daten in eine offen verfügbar Forschungsgrundlage für die Wissenschaftsgemeinschaft umwandelt. Durch Open-Sourcing des Modells haben Wissenschaftler:innen und Forschende Zugriff auf Spitzen-KI-Systeme, um die Mondforschung voranzutreiben. Es wird Teil der Prithvi-Familie von Open Foundation Models, welche Geodaten, Wetter, Heliophysik und nun auch den Mond umfassen. Zusammen treiben diese Modelle eine größere Vision voran: anstatt ein neues algorithmisches System für jede Forschungsfrage zu entwickeln, können Forschende von einem gemeinsamen Modell aus starten und es an neue Aufgaben anpassen, um Entdeckungen in verschiedenen Bereichen zu beschleunigen.

Über IBM

IBM ist ein führender Anbieter von globaler Hybrid Cloud und KI sowie von Beratungsleistungen. Wir unterstützen Kunden in mehr als 175 Ländern dabei, Erkenntnisse aus ihren Daten zu nutzen, Geschäftsprozesse zu optimieren, Kosten zu senken und sich Wettbewerbsvorteile zu verschaffen. Tausende Regierungen und Unternehmen in kritischen Infrastrukturbereichen wie Finanzdienstleistungen, Telekommunikation und Gesundheitswesen verlassen sich auf die Hybrid-Cloud-Plattform von IBM und Red Hat OpenShift, um ihre digitale Transformation schnell, effizient und sicher voranzutreiben. Die bahnbrechenden Innovationen von IBM in den Bereichen KI, Quantencomputing, branchenspezifische Cloud-Lösungen und Beratung bieten unseren Kunden offene und flexible Optionen. Dies alles basiert auf dem langjährigen Engagement von IBM für Vertrauen, Transparenz, Verantwortung, Inklusion und Service. Weitere Informationen finden Sie unter www.ibm.com.

Medienkontakte:

Ashley Peterson

IBM Research Communications

Ashley.peterson@ibm.com

Barbara Jax

Unternehmenskommunikation IBM Österreich

barbara.jax@at.ibm.com