Weltraum

Vierbeinige Roboter bereiten sich auf autonome Mars-Exploration vor

mm
Veröffentlicht am
Aktualisiert am

Eines Tages könnte die Weltraumerforschung Astronauten einsetzen, die dauerhaft außerhalb der Erde leben, wie es von den Artemis-Missionen für den Mond oder von Elon Musk für den Mars vorgesehen ist.

Dennoch wird ein Großteil der im Weltraum benötigten Arbeit, selbst bei menschlicher Präsenz, von Robotern erledigt werden, zumindest, weil sie viel leichter zu ersetzen sind als menschliche Astronauten und viel weniger anfällig für giftige Luft oder Vakuum, Strahlung, extreme Temperaturen usw.

Idealerweise sollten die meisten Rover und Roboter in der Lage sein, einfache Aufgaben selbstständig zu bewältigen, wobei Menschen auf der Erde oder vor Ort nur eingreifen, um ihnen bei der Lösung spezifischer Probleme zu helfen oder ihre täglichen Missionen zu bestimmen.

Da sich KI schnell weiterentwickelt, einschließlich physischer KI, einem Konzept, das jetzt vom KI‑Führer NVIDIA vorangetrieben wird, könnte diese Science‑Fiction‑Vision bereits Realität sein.

Für noch weiter entfernte Missionen, wie zu Jupiters Monden, macht die Kommunikationsverzögerung von bis zu einer Stunde jede direkte Steuerung noch schwieriger, sodass autonome Entscheidungen der Sonden besonders wertvoll werden.

“Rover sind für Energieeffizienz und Sicherheit konzipiert und bewegen sich langsam über gefährliches Terrain. Infolgedessen ist die Erkundung typischerweise auf nur einen kleinen Teil der Landezone beschränkt, wobei Rover in der Regel bis zu ein paar hundert Meter pro Tag zurücklegen, was die Sammlung geologisch vielfältiger Daten erschwert.”

Ein weiterer Schritt besteht darin, den Robotern der Weltraumerforschung mehr Bewegungsfreiheit zu geben. Schließlich könnten Räder und Ketten zwar zuverlässiger sein, aber es gibt keine Straßen, die auf dem Mond und Mars auf sie warten.

Infolgedessen haben sich die meisten robotergestützten Erkundungsmissionen bisher auf relativ flache, leicht befahrbare Regionen konzentriert. Diese Gebiete könnten jedoch auch nicht die nützlichsten für die zukünftige Weltraumkolonisation sein.

Zum Beispiel könnten Lavatunnel perfekte vorgefertigte Unterkünfte für zukünftige Astronauten sein, aber wir haben keinen richtig erforscht, obwohl die KI‑gestützte Erkundung von Lavatunneln geplant ist. Und die meisten Ressourcen werden wahrscheinlich in tiefen Kratern (Wasser) oder bergigen Regionen (Metalle und andere Mineralvorkommen) zu finden sein.

“Auf dem Mond befinden sich viele wichtige Ressourcen in schwer zugänglichem Terrain, darunter flüchtige und titananreiche pyroklastische Ablagerungen, REE‑haltige KREEP‑Basalte und Wassereis in dauerhaft beschatteten Regionen in der Nähe des Südpols. Auf dem Mars wurden ebenfalls Wassereisvorkommen und metallreiches Regolith in hochlatitudinalen und Hochlandregionen identifiziert, oft in instabilen Hängen oder zerklüfteten geologischen Umgebungen.”

Daher werden fortschrittlichere Roboter benötigt, wobei vierbeinige „Robodogs“ eine wahrscheinliche Option sind, da dieses Design auch auf der Erde immer beliebter wird.

Diese Möglichkeit wird von Schweizer Forschern an der ETH Zürich, der Universität Zürich, dem Neuchâtel Space Exploration Institute, der Universität Basel und der Universität Bern getestet.

Sie nutzten einen vierbeinigen Roboter, testeten, ob er halbautonome Erkundungen und Probenentnahmen in einer rekonstruierten Weltraumatmosphäre bewältigen kann, und veröffentlichten ihre Ergebnisse in Frontiers In Space Technologies1 unter dem Titel „Semi-autonomous exploration of martian and lunar analogues with a legged robot using a Raman-equipped robotic arm and microscopic image“.

Mars auf der Erde nachbilden

Die Forscher nutzten die Marslabor-Einrichtung an der Universität Basel, die planetare Oberflächenbedingungen mithilfe von Analoggesteinen, Regolith (planetarer Staub) und analoger Beleuchtung simuliert, um eine Umgebung zu schaffen, die der des Mars entspricht, abgesehen von der Schwerkraft.

Marslabor umfasst einen Raum von 80 m² mit einem 40 m² großen Testbett aus marsanalogen Materialien. Dazu gehörten Gesteine mit hohem Potenzial zur Erhaltung von Biosignaturen, wie Gips oder Karbonatgestein, die bei einer echten Marsmission von großem Interesse wären, um vergangene biologische Aktivitäten auf dem Roten Planeten zu untersuchen.

Zusätzlich wurden Gesteinsarten, die auf einst fließendes Wasser hinweisen, wie silikiklastisches Karbonatgestein und schwefelhaltiger Basalt, ebenfalls einbezogen.

Ein Teil des Raums stellte zudem Mondbedingungen nach, mit Gesteinsarten, die eine nützliche Quelle für Oxide, Titan, Aluminium und Silizium sein könnten.

Vierbeinige Entdecker

Vielseitiger Roboter mit Sensoren

Der in dieser Studie verwendete Roboter war ein ANYmal-Roboter, gebaut von dem Schweizer Unternehmen ANYbotics, das sich auf industrielle Inspektionen in gefährlichen Bereichen spezialisiert hat. Zur Kartierung und Lokalisierung ist ANYmal mit einem VLP‑16 Puck LITE LiDAR von Velodyne, sechs RealSense D435 aktiven Stereo‑Sensoren von Intel für Höhenskarten und zwei FLIR Blackfly Weitwinkelkameras ausgestattet, die RGB‑Bildströme liefern.

Der Roboter war mit einem mikroskopischen Bildgeber (MICRO) und einem MIRA RTX Raman‑Spektrometer ausgestattet, das vom Schweizer Unternehmen Metrohm hergestellt wird. Diese Sensoren wurden an einem von der ETH (Eidgenössische Technische Hochschule – Schweizerische Bundesanstalt für Technologie) entwickelten Roboterarm installiert.

Er wurde von einem Bediener aus der Ferne über eine grafische Benutzeroberfläche (GUI) gesteuert, die eine digitale Höhenkarte und Kamerabilder anzeigt, über die Befehle und Aufgaben übertragen werden.

Das Ziel des MICRO‑Bildgebers ist es, Nahaufnahmen der Textur, Körnung und Farbe von Gesteinsproben zu erfassen – ein entscheidender Datensatz, um die Gesteinsart und deren Zusammensetzung zu bestimmen. Er beinhaltet ein USB‑Mikroskop, einen Ring aus 48 RGB‑LEDs, einen Time‑of‑Flight‑(ToF‑)Sensor und Steuerungselektronik. Ein Schaumstoffring verhindert das Eindringen von Streulicht, wenn MICRO mit einem Ziel in Kontakt ist.

Das Raman‑Spektrometer verfügte über einen infraroten Anregungslaser mit einer Wellenlänge von 785 nm und einer maximalen Leistung von 100 mW, mit einem Messbereich von 400 bis 2 300 cm⁻¹ und einer Auflösung von 8–10 cm⁻¹. Die Daten ergänzen die MICRO‑Beobachtungen, indem sie die chemische Zusammensetzung der untersuchten Gesteine offenbaren.

Untersuchung mit & ohne Menschen

Zwei Betriebskonzepte für robotergestützte wissenschaftliche Vermessungen: eines mit klassischer menschlicher Steuerung und das andere mit Mehrziel‑, halbautonomer Probenahme bei minimaler menschlicher Intervention.

Im menschlich unterstützten Verfahren identifizierte der Bediener ein Ziel im Kamerabild und wählte einen Navigationswegpunkt in der grafischen GUI. Anschließend konnte der Bediener die eingehenden Daten sofort prüfen und entscheiden, ob zusätzliche Messungen erforderlich waren. Der Bediener wählte zudem, wie viele Raman‑Messungen durchgeführt werden sollten, und bestimmte deren genaue Positionen auf dem Gestein.

Im halbautonomen Verfahren wurden dem Roboter im Voraus vordefinierte Befehle erteilt, einschließlich Fortbewegung, Wegpunktnavigation, Instrumentenbereitstellung und Datenrückgabe. Sobald die Anweisungen hochgeladen waren, führte der Roboter alle Aufgaben autonom aus, von der Bewegung bis zur Bereitstellung des Roboterarms und den wissenschaftlichen Messungen.

Nach Abschluss der Messsequenz an jedem Ziel setzte der Roboter den Ausführungszyklus autonom fort, bewegte sich zum nächsten Ziel und speicherte die Daten nach jeder Messung. Erst wenn alle Messungen für alle Ziele abgeschlossen waren, übermittelte der Roboter die gesammelten Daten an die Basisstation.

Die Ergebnisse der Analyse bestätigten den Nutzen der Kombination verschiedener Instrumente, wobei die Kombination von Raman‑ und MICRO‑Analyse die Wahrscheinlichkeit einer korrekten Identifizierung eines gegebenen Gesteins erhöhte.

Das halbautonome Verfahren identifizierte korrekt mindestens ein Drittel der Ziele pro Zyklus und erreichte bei einer von vier Analogie‑Missionen eine 100 %ige Zielidentifikation. Mehrziel‑Missionen dauerten zwischen 12 und 23 Minuten, während eine menschlich gesteuerte Mission 41 Minuten benötigte, um vergleichbare Analysen abzuschließen.

Obwohl die Ergebnisse weniger perfekt waren, konnten pro Minute deutlich mehr erfolgreiche Analysen durchgeführt werden, was zu einer insgesamt höheren Effizienz führte. Diese Erfahrung bestätigte, dass autonomere Roboter große Flächen planetarer Oberflächen schnell sondieren können.

Zusätzlich kann ein interessantes Sample, sobald es identifiziert ist, manuell von Wissenschaftlern für weitere Untersuchungen analysiert werden.

„Anstatt sich ausschließlich auf große und komplexe Instrumentenpakete zu verlassen, könnten zukünftige Missionen agile Roboter einsetzen, die die Umgebung schnell scannen und vielversprechende Ziele für detaillierte Untersuchungen markieren.“

Verbesserung der robotergestützten Erkundung

Die Forscher stellten außerdem fest, dass die eingesetzten Werkzeuge alle für die direkte menschliche Steuerung entwickelt wurden. Das bedeutet, dass der halbautonome Roboter gelegentlich unter falscher Armplatzierung litt, was zu unscharfen MICRO‑Bildern oder zu verrauschten Raman‑Daten führte.

Ein verbessertes System könnte den Test stattdessen mit leichten automatisierten Armkorrekturen wiederholen, falls Bilder unscharf oder Spektrometriedaten von schlechter Qualität sind. Weitere Automatisierungsprogramme könnten ebenfalls helfen.

„Um zu einem noch höheren Autonomiestatus zu gelangen, könnten die Roboter Interessenziele autonom anhand von Form, Farbe und Textur erkennen. In Szenarien, in denen die Datenübertragung sehr langsam ist (z. B. im äußeren Sonnensystem), könnte der Roboter dann autonom Messungen an diesen Zielen durchführen.“

Dieses System nutzte zudem nicht die neuesten Fortschritte in der KI, die den Robotern in Zukunft viel größere Autonomie verleihen könnten, wie wir in „Space 2.0: The Rise of Autonomous Robots and AI“ diskutierten. So könnten weiterentwickelte Erkennungs‑ und Scan‑Protokolle zu effizienteren und autonomeren Messungen führen. Darauf aufbauend könnte das Training eines spezialisierten KI‑Modells mit realen Daten von Robotern auf dem Mars oder Mond zukünftige Sondengenerationen noch effizienter machen.

Investition in Weltraumrobotik

Intuitive Machines

(LUNR )

Der Versand autonomer Sonden zu interstellaren Objekten erfordert umfangreiche Expertise im Bau großer Weltraumsonden und deren unbeschädigte Ankunft am Zielort. Bisher lag dies hauptsächlich im Verantwortungsbereich öffentlicher Institutionen wie NASA, ESA und angeschlossener Universitäten.

Dies ändert sich, da wir dem Punkt näher kommen, an dem private Unternehmen beginnen könnten, automatisierte oder bemannte Missionen zum Abbau von Asteroiden, insbesondere erdnahe Objekte, zu starten. Ein solches Projekt wird wahrscheinlich der nächste Schritt sein oder parallel zur Rückkehr bemannter Missionen zum Mond, die für die kommenden Jahre geplant sind, durchgeführt werden.

Gegründet 2013 in Houston, Texas, ist Intuitive Machines derzeit ein stark „Mond‑fokussiertes“ Unternehmen, wie ihr Börsenticker LUNR zeigt, und wurde bereits für vier NASA‑Mondmissionen ausgewählt und beschäftigt über 400 Mitarbeitende.

Es war das erste kommerzielle Unternehmen, das erfolgreich auf dem Mond landete und wissenschaftliche Daten übermittelte. Außerdem führte es die erste Zündung des LOx/LCH4‑Triebwerks (flüssiger Sauerstoff, flüssiges Methan) im Weltraum durch. Das Unternehmen arbeitet an zahlreichen Projekten, die die Basis einer lunaren Infrastruktur für Erkundung und Besiedlung bilden werden.

Das erste ist der „Datenübertragungs‑Service“, bei dem die Technologie getestet wird und letztlich eine lunare Datenübertragungskonstellation um die Mondumlaufbahn bilden soll.

Der zweite Teil ist das „Infrastructure as a Service“. Es soll Telekommunikationsdienste, GPS‑Lokalisierungsdienste und ein Lunar Surface Vehicle (LTV) umfassen, das autonome Operationen durchführen kann.

Der letzte Abschnitt betrifft die Lieferung von Material zur Mondoberfläche. Bisher hat das Unternehmen wissenschaftliche Nutzlasten mit dem Nova‑C‑Lander, einem 4,3 m hohen Lander (14 ft), der 130 kg Nutzlast zum Mond transportieren kann, geliefert.

Der nächste Schritt wird der Nova‑D‑Lander sein, der 1.500–2.500 kg Material zum Mond transportieren kann. Diese Nutzlastkapazität und Größe werden für die Lieferung des Lunar Terrain Vehicle (LTV) sowie des 40 kW Fission Surface Power‑Kernreaktors, der die Mondbasis versorgen soll, benötigt.

Das Unternehmen hat zahlreiche wertvolle Verträge mit der NASA abgeschlossen, zum Beispiel den Near Space Network‑Vertrag mit einem maximalen potenziellen Wert von 4,82 Mrd. $. Die endgültige Entscheidung der NASA zum LTV‑Vertrag unter den drei potenziellen Anbietern wird voraussichtlich Ende 2025 getroffen und könnte ebenfalls bis zu 4,6 Mrd. $ wert sein.

Abgesehen von der NASA versucht das Unternehmen, seine Kundenbasis zu diversifizieren, und wurde im April 2025 für ein Förderprogramm der Texas Space Commission in Höhe von bis zu 10 Mio. $ ausgewählt.

Dies wird die Entwicklung eines Wiedereintrittsfahrzeugs für die Erde und eines orbitalen Fertigungslabors unterstützen, das die Mikroschwerkraft‑Biomanufacturing ermöglichen soll. Dieses Wiedereintrittsfahrzeug bietet zudem eine Backup‑Option und reduziert Risiken für zukünftige Mond‑Sample‑Return‑Missionen des Unternehmens.

Ein weiteres Projekt ist die Entwicklung von stromsparenden nuklearen Tarnsatelliten für einen JETSON‑Vertrag des Luftwaffen‑Forschungslabors.

Da das Unternehmen im ersten Quartal 2025 einen positiven freien Cashflow erreicht hat und mit dem lunaren Telekommunikationsvertrag, wird es für Investoren deutlich sicherer und wandelt sich von einem cash‑verbrennenden Startup zu einem etablierten Dienstleister für die wachsende Weltraumwirtschaft.

Und es könnte das Fundament für weitere Tiefraummissionen und die Nutzung von Weltraumressourcen bilden, insbesondere da es zu einem vertrauenswürdigen Partner der NASA auf Augenhöhe mit SpaceX (bald nach der Fusion mit xAI an die Börse) oder Rocket Lab (RKLB ) wird.

(Sie können mehr über Intuitive Machines in unserem Investment‑Report, der dem Unternehmen gewidmet ist, lesen.)

Neueste Intuitive Machines (LUNR) Aktiennachrichten und Entwicklungen

Studie referenziert

1. Gabriela Ligeza, Philip Arm, et al. Semi-autonomous exploration of martian and lunar analogues with a legged robot using a Raman-equipped robotic arm and microscopic imager. Frontier Space Technologies, 31. März 2026. Band 7 – 2026 | https://doi.org/10.3389/frspt.2026.1741757 

mm

Jonathan ist ein ehemaliger Biochemiker-Forscher, der in der genetischen Analyse und klinischen Studien tätig war. Er ist jetzt ein Börsenanalyst und Finanzautor mit Fokus auf Innovation, Marktzyklen und Geopolitik in seiner Publikation The Eurasian Century.