UV-Himmel: Claude Science kartiert, was Ihr Auge nie sieht
Kurz gesagt: Der Astrophysiker Brice Ménard hat mit Claude Science eine vollständige Himmelskarte im ultravioletten Licht erstellt. Rund zwei Drittel stammen aus Messungen, ein Drittel ist per KI vorhergesagt. Die Genauigkeit von etwa zehn Prozent wurde nur an bekannten Regionen getestet.
Symbolbild: KI-generiert
Ultraviolettes Licht sieht kein Mensch, und vom Boden aus misst es auch kein Teleskop: Die Ozonschicht schluckt es. Wer den Himmel im UV kartieren will, braucht Satellitendaten, und die sind über Jahrzehnte, Missionen und Instrumente verstreut. Genau diese Fleißarbeit hat der Astrophysiker Brice Ménard von der Johns Hopkins University nun weitgehend KI-Agenten überlassen.
Was tatsächlich passiert ist
Laut Anthropics Forschungsbeitrag ließ Ménard Agenten von Claude Science Daten mehrerer Weltraummissionen herunterladen, aufeinander abstimmen und zusammenführen. Hauptquelle ist NASAs GALEX (2003 bis 2013) mit rund 38.000 Beobachtungen, die etwa zwei Drittel des Himmels abdecken. Helle Sterne und große Teile der Milchstraßenebene sparte die Mission aus, um ihre Detektoren zu schützen. Das fehlende Drittel hat das Modell geschätzt: Es lernte, wie UV-Helligkeit mit sichtbarem Licht, Infrarot und Radiostrahlung zusammenhängt, und füllte die Lücken per Inpainting. Jeder Pixel ist als „gemessen“ oder „vorhergesagt“ markiert, dazu gibt es Unsicherheitsangaben.
Wie belastbar ist das?
Ménard verdeckte bekannte Regionen und ließ sie rekonstruieren. Nach mehreren Verbesserungen lagen die Schätzungen innerhalb von etwa zehn Prozent der echten Messwerte. Das gilt aber nur für diese Testflächen, nicht für das tatsächlich unbeobachtete Gebiet. Auffällig ist auch ein Fehler: Zwei Prüfrunden durch andere Agenten übersahen kreisförmige Artefakte durch Restleuchten der Atmosphäre. Erst Ménard selbst bemerkte sie, danach wurde die Korrektur auf alle 38.000 Beobachtungen angewendet.
Unsere Einordnung
Spannend ist weniger die Karte als das Muster dahinter: Aufgaben, die Fachleute wegen des Aufwands jahrelang liegen ließen, werden machbar. Zugleich zeigt der Fall, dass KI-Prüfer eigene Fehler nicht zuverlässig finden; ein Mensch mit Fachblick blieb nötig. Wer KI-Ergebnisse im Alltag nutzt, sollte das als Merkregel mitnehmen: Stichproben gegen bekannte Werte sind gut, ersetzen aber keine Kontrolle. Vergleichszahlen zu anderen KI-Systemen gibt es hier nicht; die Karte ist keine Benchmark-Meldung, und eine unabhängige Überprüfung der „ersten vollständigen“ Karte haben wir nicht gefunden. Mehr aus diesem Bereich lesen Sie in unseren KI-News.