Automatisierte Mustererkennung im Datenberg des Universums

Seit mehr als drei Jahrzehnten beobachtet das Hubble-Weltraumteleskop das All. In dieser Zeit ist ein gigantisches Archiv entstanden: Millionen hochaufgelöster Bildausschnitte von Galaxien, Sternentstehungsgebieten und kosmischen Grenzphänomenen. Genau diese Datenfülle wird zunehmend zum Problem – denn selbst große Forschungsteams können sie kaum vollständig auswerten. Eine neue Studie zeigt nun, welches Potenzial in künstlicher Intelligenz steckt, um dieses Problem zu lösen.

Ein Forschungsteam der Europäische Weltraumorganisation hat ein KI-System entwickelt, das gezielt nach Abweichungen von bekannten astronomischen Mustern sucht. Das Ergebnis ist bemerkenswert: Innerhalb von nur wenigen Tagen identifizierte die Software mehr als 1.300 Objekte im Hubble-Archiv, die sich deutlich von typischen Galaxien, Sternen oder Nebeln unterscheiden. Rund 800 dieser Auffälligkeiten waren bislang in keiner wissenschaftlichen Veröffentlichung beschrieben.

Was bedeutet „Anomalie“ in der Astronomie?

Wichtig ist die Einordnung: Eine „Anomalie“ ist kein Beweis für neue Physik oder gar exotische Phänomene. Gemeint sind Objekte, deren Form, Helligkeitsverteilung oder Struktur nicht gut zu den bekannten Kategorien passt, mit denen Astronominnen und Astronomen üblicherweise arbeiten. Die KI wurde zunächst mit gut klassifizierten Hubble-Aufnahmen trainiert und lernte so, was als „normal“ gilt. Alles, was statistisch stark davon abwich, wurde markiert.

Der Großteil der gefundenen Anomalien entpuppte sich bei näherer Betrachtung als Galaxien in ungewöhnlichen Entwicklungsstadien. Dazu gehören Systeme, die gerade miteinander kollidieren, stark verzerrte Galaxienformen oder sogenannte Gravitationslinsen, bei denen die Schwerkraft massereicher Objekte das Licht dahinterliegender Galaxien verbiegt. Auch sogenannte „Quallen-Galaxien“ mit langen, gasförmigen Schweifen tauchten gehäuft auf – Hinweise auf extreme Umweltbedingungen in Galaxienhaufen.

Unerklärte Objekte und offene Fragen

Besonders spannend sind einige Dutzend Fundstücke, die sich bisher keiner bekannten Klasse eindeutig zuordnen lassen. Die Forschenden betonen jedoch ausdrücklich, dass diese Objekte nicht automatisch etwas völlig Neues darstellen müssen. Oft reichen zusätzliche Daten oder andere Wellenlängen aus, um eine zunächst rätselhafte Struktur einzuordnen. Die KI ersetzt also nicht die astrophysikalische Interpretation, sondern fungiert als eine Art hocheffiziente Vorauswahl.

Genau darin liegt die Stärke des Ansatzes: Statt dass Forschende Millionen Bilder manuell sichten, lenkt die Software den Blick gezielt auf die ungewöhnlichsten Fälle. Das spart Zeit und erhöht die Chance, seltene oder kurzlebige Phänomene zu entdecken, die sonst im Datenrauschen untergehen würden.

Ein Werkzeug für die nächste Generation von Teleskopen

Die Studie macht auch deutlich, warum solche Methoden künftig unverzichtbar sein werden. Neue Observatorien wie das Vera Rubin Observatory oder das Nancy Grace Roman Space Telescope werden Datenmengen erzeugen, die das Hubble-Archiv noch deutlich übertreffen. Ohne automatisierte Analyseverfahren wäre eine systematische Auswertung kaum möglich.

Die Forschenden sehen ihre Arbeit deshalb weniger als Sensation, sondern als methodischen Meilenstein. Künstliche Intelligenz wird in der Astronomie zunehmend zu einem unverzichtbaren Werkzeug – nicht um menschliche Expertise zu ersetzen, sondern um sie dort einzusetzen, wo sie den größten Erkenntnisgewinn bringt: bei der Interpretation des Unerwarteten.