Ein selbstlernendes Modell durchkämmt unzählige Aufnahmen der Mondoberfläche – und pickt ausgerechnet menschliche Landegeräte heraus, ohne je gelernt zu haben, wonach es suchen soll.
Ein Forschungsteam hat eine künstliche Intelligenz auf hochauflösende Mondbilder losgelassen, und sie erkennt zuverlässig alles, was aus der grauen Eintönigkeit heraussticht:
Vulkanschlote, frische Krater, Felsstürze – und sogar gelandete Raumsonden.
Das Überraschende dabei: Das Modell weiß gar nicht, wonach es sucht.
Es lernt nur, wie „durchschnittlicher“ Mond aussieht, und meldet jede Abweichung.
So fand es zwei von Hobbyforschern gehandelte Mondanomalien wieder und markierte reihenweise menschliche Lander.
Für die Fahndung nach möglichen Technosignaturen – künstlichen Objekten fremden Ursprungs – ist das ein handfester Machbarkeitsbeweis.
Ein Mond, der fast überall gleich aussieht
Der Lunar Reconnaissance Orbiter (LRO) umkreist den Mond seit vielen Jahren und fotografiert dessen Oberfläche mit seiner Schmalwinkelkamera so scharf, dass einzelne Felsbrocken zu erkennen sind.
Daraus ist ein gigantisches Bildarchiv geworden.
Der Mond ist dabei ein dankbares Motiv: Seine Oberfläche ist über weite Strecken erstaunlich gleichförmig.
Genau das macht Ausreißer sichtbar – alles, was nicht ins graue Einerlei passt, sticht sofort hervor.
Zu viele Bilder, zu wenige Augen
Das Problem: Niemand kann dieses Archiv von Hand durchsehen.
Schon vor Jahren gab es den Vorschlag, die LRO-Aufnahmen gezielt nach Dingen abzusuchen, die vielleicht „jemand“ auf dem Mond zurückgelassen hat – doch bei einer solchen Bilderflut ist das per Auge aussichtslos.
Es brauchte eine Maschine, die selbst entscheidet, was ungewöhnlich ist, ohne vorher gesagt zu bekommen, wie „ungewöhnlich“ überhaupt aussieht.
Eine KI, die den Durchschnittsmond auswendig lernt
Genau das haben Cameron Kelahan (University of Warwick) und seine Kollegen umgesetzt – darunter Daniel Angerhausen vom SETI Institute, Adam Lesnikowski (UC Berkeley) und Valentin Bickel (Universität Bern).
Ihr Werkzeug ist ein sogenannter β-Variational Autoencoder, ein neuronales Netz, das lernt, den „normalen“ Mondboden nachzuzeichnen.
Wo seine Nachzeichnung stark vom Originalbild abweicht, vergibt es einen hohen „Anomalie-Wert“.
Wichtig für die Einordnung: Die Arbeit ist bislang ein Preprint – ein Beitrag zu den Proceedings eines Fachsymposiums, der die reguläre Begutachtung durch ein Journal noch nicht durchlaufen hat.
Warum ein Steinhaufen auffälliger ist als ein Raumschiff
Beim Testen stießen die Forschenden auf einen Moment zum Stutzen.
Sie fütterten das Modell mit Bildern bekannter Landestellen – Apollo, sowjetische Luna- und chinesische Chang’e-Sonden.
Man würde erwarten, dass menschliche Technik, das Fremdartigste überhaupt auf dem Mond, die höchsten Werte kassiert.
Doch die Lander schnitten deutlich schwächer ab als schlichte natürliche Felsformationen.
Hieß das, die KI übersieht sie?
Nein – ein statistischer Vergleich zeigte, dass die Technik solche Lander rund dreimal treffsicherer aufspürt als reines Raten.
Der niedrige Wert hat einen simplen Grund: Das Verfahren bewertet vor allem, was ein Bildfeld ausfüllt.
Und in einem Feld von gut 30 Metern Kantenlänge – ungefähr die Länge eines ausgewachsenen Blauwals – ist ein Lander bloß ein winziger Fleck.
Dreißigfach über dem Normalwert
Bei den natürlichen Anomalien fiel das Urteil dagegen glasklar aus.
Zwei Felsformationen, die Amateure zuvor als Mond-„Rätsel“ gehandelt hatten – am Plaskett-Krater und am Krater Paracelsus C –, ordnete das Modell prompt als auffällig ein.
Der Plaskett-Fund, in Wahrheit ein Felsvorsprung, von dem immer wieder Brocken abrollen, erreichte einen Anomalie-Wert rund dreißigmal so hoch wie der Durchschnitt aller untersuchten Flächen.
Dieser Wert, heißt es im Paper, zeige, „wie leicht das Modell diese auffälligen Merkmale erkennen konnte“.
Nützlich für künftige Mondmissionen – und die große Frage
Der praktische Nutzen liegt auf der Hand: Eine solche KI könnte künftige bemannte Missionen vorwarnen, wo Felsstürze, Einbrüche oder frische Einschläge lauern.
Und sie hält die Tür zu der Frage offen, aus der das Projekt entstand: Könnte auf dem Mond etwas liegen, das niemand von der Erde dorthin gebracht hat?
„Die aktuelle Version des Modells kann Anomalien auf der Mondoberfläche gut erkennen“, bilanzieren die Autoren – ein nüchterner Satz, der bewusst nichts verspricht, was er nicht belegen kann.
Wenn dich dieser Gedanke nicht loslässt – ein Rechner, der auf dem Mond etwas markieren könnte, das dort niemand abgestellt hat –, dann schick diesen Artikel dem einen Menschen, der bei so etwas sofort nach oben schaut.
Als Nächstes: eine Anomalie-Landkarte des ganzen Mondes
Das Team will das Verfahren nun auf den kompletten Mond ausweiten und eine globale Karte aller Auffälligkeiten erstellen.
Später soll dieselbe Technik auf andere Welten wandern – der Mars bietet sich an, bald vielleicht auch Merkur.
Was ich daraus mitnehme
Mich fasziniert der Kniff, dem Computer eben nicht zu sagen, wonach er suchen soll.
Ein überwachtes Modell findet nur, was man ihm vorher gezeigt hat.
Dieses hier findet auch das, wonach niemand zu fragen wusste.
Und die schönste Lehre steckt im Steinhaufen, der ein Raumschiff aussticht: „Auffällig“ ist keine feste Eigenschaft eines Objekts, sondern hängt davon ab, wie groß der Ausschnitt ist, durch den man schaut.
Dass die Forschenden die Alien-Frage stellen, ohne sie großspurig zu beantworten, macht die Arbeit für mich erst überzeugend.
Quelle: Cameron Kelahan (University of Warwick) et al., Proceedings des IAU-Symposiums Nr. 404, 2026 (Preprint); arXiv:2608.09350
