AI4FDIR

AI4FDIR

KI-gestütztes FDIR- und Ressourcenmanagement für Satelliten

AI4FDIR

AI4FDIR ist ein von der ESA gefördertes Projekt unter der Leitung der OHB System AG, das ein KI-basiertes Framework für die autonome Fehlererkennung, -Isolation und -Behebung (FDIR) sowie für das Konstellationsmanagement und die Ressourcenoptimierung in Satelliten-Telekommunikationssystemen entwickelt. Durch die Kombination von Machine Learning, Deep Learning und neuromorpher Datenverarbeitung zielt das Projekt darauf ab, sowohl die Betriebsunterbrechungen als auch die Zeit zur Wiederherstellung des Normalbetriebs um den Faktor zehn zu reduzieren. Das Konsortium – bestehend aus OHB DC, OHB Hellas, SATE, Kepler und fortiss – wird den Ansatz mithilfe von Simulatoren und Hardware-in-the-Loop-Plattformen, einschließlich der neuromorphen Akida-Prozessoren von BrainChip, validieren. fortiss wird ein neuromorphes Proof-of-Concept für FDIR auf Raumfahrzeugebene umsetzen.

Projektbeschreibung

Das Projekt adressiert den wachsenden Bedarf an mehr Autonomie bei der Verwaltung großer Satellitenkonstellationen, da traditionelle erdgestützte Fehlerverwaltungsprozesse teuer, langsam und zunehmend unpraktisch sind. Die zentrale Herausforderung besteht darin, Fehler an Bord in Echtzeit zu erkennen, zu isolieren und zu beheben, während potenzielle Degradierungen vorhergesagt werden, bevor sie den Service beeinträchtigen.

Um dies zu erreichen, kombiniert das Konsortium fortschrittliche KI-Methoden mit neuromorpher Hardware, wodurch schnelle und energieeffiziente Entscheidungen direkt auf den Satelliten ermöglicht werden. Dieser Proof-of-Concept-Ansatz zeigt, wie predictive Monitoring und autonome Fehlerbehebung die Ausfall- und Wiederherstellungszeiten um eine Größenordnung reduzieren und den Weg für resiliente, selbstverwaltende Weltraumsysteme ebnen.

Forschungsbeitrag

fortiss wird CNN-basierte Klassifikations- und Erkennungsalgorithmen auf der BrainChip Akida Plattform untersuchen. Darüber hinaus wird das Team Pattern-Matching-Techniken, Encoder und ergänzende Netzwerkarchitekturen erforschen, um heterogene Multikanal-Eingaben zu verarbeiten. Als erster Schritt wird der öffentliche ESA-Anomaliedatensatz verwendet, um geeignete Netzwerkmodelle für die Fehlererkennung zu identifizieren. Aufbauend auf diesen Ergebnissen werden die implementierten Algorithmen mit Echtzeitdaten von Kepler und dem OHB-Konstellationssimulator validiert.

Projektdauer

01.09.2025 - 31.08.2027

Dr. Axel von Arnim

Ihr Kontakt

Dr. Axel von Arnim

+49 89 3603522 538
vonarnim@fortiss.org

 Priyadarshini Kannan

Ihr Kontakt

Priyadarshini Kannan

+49 89 3603522 275
kannan@fortiss.org

Projektpartner