KI-gesteuerte Lageregelung von Satelliten im Orbit erfolgreich demonstriert

Wissenschaftler der Julius-Maximilians-Universität Würzburg (JMU) haben einen wesentlichen Fortschritt in der Raumfahrtautonomie erzielt: die erfolgreiche Demonstration der eigenständigen Steuerung der Satellitenorientierung mittels Künstlicher Intelligenz (KI) im Orbit. Diese Erprobung, die am 30. Oktober 2025 stattfand, signalisiert eine potenzielle Steigerung der operationellen Effizienz und Sicherheit zukünftiger Weltraummissionen. Die präzise Ausrichtung von Satelliten ist fundamental, um wissenschaftliche Instrumente exakt zu positionieren, thermische Belastungen durch Sonneneinstrahlung zu steuern und notwendige Bahnkorrekturen durchzuführen.

Traditionell erforderten diese komplexen Ausrichtungsaufgaben die Intervention menschlicher Operateure oder die Ausführung starrer, vorprogrammierter Routinen. Solche Methoden waren oft mit zeitlichen Verzögerungen und einer begrenzten Anpassungsfähigkeit an unvorhergesehene Weltraumbedingungen verbunden. Das federführende Team um Professor Sergio Montenegro entwickelte für den 3U-Nanosatelliten InnoCube einen KI-basierten Lageregler, der auf der Methode des Deep Reinforcement Learning (DRL) fußt.

Während des entscheidenden Testfensters zwischen 11:40 Uhr und 11:49 Uhr MEZ am 30.10.2025 vollzog der KI-Agent ein komplettes Lagemanöver autonom. Er justierte die Ausrichtung des Satelliten mithilfe der vorhandenen Reaktionsräder auf eine vordefinierte Zielkonfiguration. Dieser Erfolg belegt, dass ein auf DRL trainierter KI-Lageregler erfolgreich im Weltraum operieren kann, womit die sogenannte Sim2Real-Lücke – die Übertragung von Simulationsergebnissen auf reale Hardware – überwunden wird. Die Erprobung war Teil des Projekts In-Orbit Demonstrator for Learning Attitude Control (LeLaR), das auf die Entwicklung autonomer Lageregelungssysteme abzielt. Zu den Schlüsselakteuren des LeLaR-Teams gehören neben Professor Montenegro auch Dr. Kirill Djebko, Tom Baumann, Erik Dilger und Professor Frank Puppe.

Die Finanzierung des Vorhabens wird mit rund 430.000 Euro durch das Bundesministerium für Wirtschaft und Energie (BMWi) bereitgestellt, wobei die Deutsche Raumfahrtagentur im Deutschen Zentrum für Luft- und Raumfahrt e.V. (DLR) als Projektträger fungiert. Die JMU baut mit diesem Ergebnis auf früheren Leistungen im Bereich der Weltraumautonomie auf, wie der SONATE-2-Mission, bei der KI-Systeme zur Identifizierung von Anomalien auf der Erdoberfläche trainiert wurden. Professor Montenegro sieht in dieser Entwicklung den Beginn einer Ära für die Steuerung von Raumfahrzeugen, die sich durch Intelligenz und Anpassungsfähigkeit auszeichnen wird.

Im Gegensatz zu konventionellen Systemen, die oft zeitaufwendige manuelle Kalibrierungsschleifen erfordern, lernt das neuronale Netz des LeLaR-Projekts eigenständig optimale Steuerungsstrategien. Die Technologie des Deep Reinforcement Learning stellt einen Paradigmenwechsel dar, da RL-basierte Agenten bei reaktionsradbasierten Systemen eine höhere Belohnung erzielen können als speziell abgestimmte etablierte Strategien wie der QRF-Controller. Die Testplattform InnoCube wurde in Kooperation mit der Technischen Universität Berlin entwickelt und beinhaltet den drahtlosen Satellitenbus SKITH, der durch den Ersatz von Kabelverbindungen Masse einspart. Die Fähigkeit, unter realen Bedingungen präzise und autonome Manöver durchzuführen, bestätigt die Robustheit der Würzburger KI und ebnet den Weg für komplexere, selbstgesteuerte Missionen.