Die lange, staubige Wanderung ist endlich vorbei. Der Perseverance-Rover der NASA hat den einzigen Ort erreicht, auf den er seit seiner Landung im Februar 2021 zusteuert: das Jezero-Kraterdelta. Für eine Mission, die Milliarden kostete und 300 Millionen Meilen Vakuum durchquerte, ist dies der Moment, in dem sie sich auszahlt.
Warum genau dieser Ort? Warum sollte man Jahre damit verbringen, felsiges Gelände zu durchqueren, um hierher zu gelangen? Die Antwort liegt im Wasser. Vor Milliarden von Jahren bahnte sich ein Fluss seinen Weg durch die Marslandschaft und schüttete seine Sedimente in einen See, der den Einschlagskrater füllte. Diese Flussmündung ist das Delta. Heute ist der See knochentrocken. Der Rover parkt genau dort, wo einst das Wasser aufgehört hat.
„Wir werden in den Felsen am Fuße des Deltas nach Spuren antiken Lebens suchen“, sagte Ken Farley, ein Forscher der Mars-2020-Mission, gegenüber Reportern.
Farleys Team glaubt, dass diese Steine einst Schlamm waren.
Schlamm ist gut. Schlamm ist interessant. Schlamm konserviert Dinge. Wenn Flüsse in stehendes Wasser münden, verlangsamen sie sich. Schwere Partikel fallen zuerst ab. Feine Partikel – Ton, Schlamm, organische Stoffe – setzen sich sanft am Boden ab. Durch diesen Schichtungsprozess entsteht ein perfektes Archiv. Es fängt Mikroben, sofern vorhanden, ein und friert ihre chemischen Signaturen in Stein ein.
Dabei geht es nicht nur darum, Steine zu finden. Es geht darum, Kontext zu finden.
Der größte Teil des Mars ist mit Vulkangestein oder vom Wind verwehtem Staub bedeckt. Vulkangestein verrät Ihnen etwas über Hitze und Druck. Staub verrät Ihnen etwas über Wind und Erosion. Aber Sedimentgestein am Seegrund? Das verrät dir etwas über das Leben. Oder zumindest die Umgebung, die das Leben unterstützen könnte.
Das Jezero-Delta ist eine Zeitmaschine. Es enthält Sedimentschichten aus einer Zeit, als der Mars feucht, warm und möglicherweise bewohnbar war. Beharrlichkeit ist nicht zufällig dort gelandet. Der Landeplatz wurde gezielt ausgewählt, weil Orbitaldaten eindeutige Hinweise auf ein altes Flussdelta zeigten. Bei Rovern rätselt die Wissenschaft nicht. Es rechnet.
Jetzt sind die Räder stehen geblieben. Die Übungen sind aus.
Warum Sedimentgesteine der Heilige Gral sind
Wenn Sie wissen möchten, warum Wissenschaftler so besessen vom Jezero-Delta sind, denken Sie darüber nach, wie Fossilien auf der Erde entstehen. In Granit findet man keine Dinosaurierknochen. Sie finden sie in Kalkstein oder Schiefer. Weichteile zerfallen. Harte Knochen verrotten. Aber wenn ein Organismus stirbt und schnell im Feinsediment begraben wird, kann er erhalten bleiben.
Der Mars hatte den gleichen Prozess.
Die Felsen am Fuße des Deltas stellen den Grund eines alten Seegrundes dar. Sie bestehen wahrscheinlich aus Tonsteinen und Karbonaten. Diese Gesteinsarten sind dafür bekannt, organische Moleküle einzufangen. Kohlenstoff ist der Baustein des Lebens, wie wir es kennen. Wenn es jemals Leben auf dem Mars gegeben hätte, wäre es auf Kohlenstoff basierend gewesen.
Die Aufgabe des Rovers besteht nun darin, diese spezifischen Gesteine zu beproben. Es muss den vulkanischen Schutt vermeiden, der auf dem Kraterboden verstreut ist. Es muss bis zu den Schichten vordringen, die sich bei stillem Wasser abgesetzt haben.
„Wir werden in den Felsen am Fuße des Deltas nach Spuren antiken Lebens suchen“
Dies ist ein direktes Zitat von Ken Farley. Doch was bedeutet eigentlich „suchen“?
Es bedeutet Bohren. Es bedeutet analysieren. Es bedeutet, nach Isotopenverhältnissen zu suchen, bei denen dies nicht der Fall ist
Der Rover erreichte am 13. April den Rand des Deltas. Das war kein schneller Sprint. Es war eine fünf Kilometer lange Wanderung über das Marsgelände, die Präzision erforderte. Der Weg musste kartiert werden. Hindernisse umgangen. Einiges davon geschah völlig autonom mithilfe des IAAutoNav-Systems. Der Tagesdurchschnitt? Ungefähr 211 Meter. Einen ganzen Monat lang.
Jetzt steht das Astromobil an einer Stelle, die das Team „Three Forks“ genannt hat. Es ist eine Kreuzung. Eine buchstäbliche Kreuzung zum Erkunden. Wissenschaftler auf der Erde blicken auf drei verschiedene Wege. Nichts davon ist falsch. Sie sehen alle vielversprechend aus. Hier beginnt die zweite große Phase der Perseverance-Mission.
Warum drei Wege wichtig sind
Der Standort ist nicht beliebig. Jede Route bietet eine andere geologische Erzählung. Das Ziel bleibt dasselbe: Zeichen des antiken Lebens zu finden. Aber das Gelände erzählt unterschiedliche Geschichten, je nachdem, in welche Richtung man sich wendet.
Die Wissenschaftler müssen wählen. Es ist nicht einfach, den nächstgelegenen Weg auszuwählen. Sie müssen entscheiden, welcher Weg die Chance zur Erhaltung von Biosignaturen maximiert. Diese Spuren sind fragil. Sie sind unter Milliarden von Jahren Marsstaub und Marsstrahlung begraben. Um sie richtig zu machen, müssen die Proben ausgewählt werden, die den Rückflug zur Erde tatsächlich überstehen.
Die Jagd nach acht Proben
Dabei geht es nicht nur ums Fahren. Es geht ums Bohren. Der Plan sieht vor, acht Kernproben aus dem Marsboden zu entnehmen. Diese „Karotten“ aus Gestein und Regolith sind das Hauptziel. Sie müssen für die Mars Sample Return-Mission zwischengespeichert werden, eine komplexe Logistikkette, an der künftige Rover und möglicherweise eine bemannte Mission in den nächsten Jahrzehnten beteiligt sind.
Warum acht? Die Zahl fühlt sich spezifisch an. Die Berechnung basiert wahrscheinlich auf der Speicherkapazität des Rovers, der Vielfalt der am Deltaeingang angetroffenen Gesteinsarten und dem verfügbaren Zeitfenster, bevor die Winterbedingungen den Betrieb behindern könnten. Jede Probe stellt eine Momentaufnahme der feuchten Vergangenheit des Mars dar. Man könnte Seebodensedimente zeigen. Ein anderes könnte Vulkanasche sein. Ein Drittel könnte organische Moleküle enthalten.
Das Gewicht der Autonomie
Das IAAutoNav von Perseverance bewältigte einen erheblichen Teil dieses fünf Kilometer langen Anflugs. Dies ist nicht nur ein technischer Flex. Es ist eine Notwendigkeit. Die Lichtgeschwindigkeitsverzögerung macht eine Echtzeitsteuerung unmöglich. Es dauert Minuten, bis Befehle von der Erde eintreffen. Der Rover muss in Sekundenbruchteilen Entscheidungen über Traktion, Neigung und Trümmer treffen, ohne auf die Zustimmung des Menschen warten zu müssen.
Diese Autonomie ermöglicht es der Mission, den Boden schneller abzudecken, als wenn jede einzelne Radumdrehung mikrogesteuert wäre. Aber bei Three Forks kehrt das menschliche Element zurück. Die Algorithmen können navigieren. Sie können den tieferen wissenschaftlichen Wert einer bestimmten Gesteinsschicht nicht interpretieren. Das erfordert menschliches Urteilsvermögen. Das erfordert eine Debatte. Dazu muss man sich die Daten von Spektrometern und Kameras ansehen und entscheiden, welche Abzweigung zum wissenschaftlich wertvollsten Ziel führt.
Was als nächstes kommt
Die Entscheidung fällt heute nicht. Es entsteht in Meetings. In Simulationen. In Diskussionen, in denen Risiko und Ertrag abgewogen werden. Wenn der Rover den falschen Weg einschlägt, könnte er die unberührtesten Proben antiker Flussbetten verpassen. Es könnte in einem kargen Basaltfleck landen, obwohl es Sedimentschichten entnommen haben könnte.
Es steht viel auf dem Spiel. Wir sprechen über den ersten stichhaltigen Beweis dafür, ob jemals Leben außerhalb der Erde existiert hat. Durchhalten
Der algorithmische Schatten
Die wahre Geschichte dreht sich hier nicht nur um den Code. Es geht darum, was passiert, wenn man aufhört zu fragen, wie ein Modell funktioniert, und anfängt, darauf zu vertrauen, dass es funktioniert. Wir haben Systeme entwickelt, die seltene Krankheiten diagnostizieren, Marktcrashs vorhersagen oder Gedichte schreiben können. Aber der Motor unter der Haube? Oftmals eine Black Box. Selbst die Ersteller können nicht immer den genauen logischen Pfad von der Eingabe zur Ausgabe nachvollziehen.
Bei dieser Undurchsichtigkeit wird es schwierig. Warum lehnt ein Einstellungsalgorithmus einen Lebenslauf ab? Welcher Faktor gibt den Ausschlag, wenn ein Kreditantrag abgelehnt wird? Normalerweise ist die Antwort ein Gewirr gewichteter Variablen, die so komplex sind, dass selbst ein menschlicher Experte Schwierigkeiten hätte, sie in einfacher Sprache zu erklären. Das ist kein Fehler. Es ist ein Merkmal von Deep Learning. Die Modelle finden Muster, die Menschen niemals sehen würden. Sie sind gut darin. Vielleicht zu gut.
Die Gefahr besteht nicht darin, dass KI böse wird. Es wird auf eine Weise effizient, die wir nicht verstehen.
Die Bias-Falle
Wir reden viel über Voreingenommenheit in der KI. Aber es geht nicht nur um Geschlecht oder Rasse, obwohl das ein großer Teil davon ist. Es geht um Repräsentation. Wenn Ihre Trainingsdaten hauptsächlich aus einer Bevölkerungsgruppe, einer Region oder einer Wirtschaftsgruppe stammen, übernimmt Ihr Modell diese blinden Flecken.
Stellen Sie sich ein medizinisches Diagnosetool vor, das auf Daten städtischer Krankenhäuser basiert. Bei ländlichen Bevölkerungsgruppen, die ihre Symptome anders zeigen, könnten frühe Anzeichen einer Herzerkrankung übersehen werden. Oder ein autonomes Fahrzeug, das im sonnigen Kalifornien trainiert wurde und in Stockholm mit dem Schnee zu kämpfen hat. Dabei handelt es sich nicht nur um technische Störungen. Es handelt sich um Fehlfunktionen. Und wenn viel auf dem Spiel steht – Leben, Freiheit, finanzielle Stabilität – reicht „gut genug“ nicht aus.
Die Lösung besteht nicht darin, die Technologie zu verwerfen. Es geht darum, eine bessere Datenkuratierung zu fordern. Auf Transparenz bei Trainingssätzen bestehen. Algorithmische Fairness als zentrale technische Kennzahl zu behandeln, nicht als nachträglicher Einfall. Es ist eine langsame Arbeit. Unsexy Arbeit. Aber notwendig.
Das menschliche Element
Es gibt eine wachsende Bewegung hin zu „Human-in-the-Loop“-Systemen. Anstatt den Algorithmus die letzte Entscheidung treffen zu lassen, überprüfen Menschen die Entscheidungen mit hohem Risiko. Es handelt sich um einen hybriden Ansatz. Es behält die Geschwindigkeit des maschinellen Lernens bei, fügt aber eine Ebene der Verantwortlichkeit hinzu.
Aber hier ist der Haken. Menschen sind faul. Wir leiden unter einer Tendenz zur Automatisierung. Wir neigen dazu, dem Vorschlag der Maschine zu vertrauen, auch wenn er sich falsch anfühlt. Studien zeigen, dass Menschen, wenn sie eine Empfehlung eines Algorithmus erhalten, ihre eigene Intuition in alarmierendem Maße außer Kraft setzen. Wir lagern unser Urteil aus. Wir geben unsere Entscheidungsfreiheit auf.
Die Herausforderung besteht also nicht nur darin, eine intelligentere KI aufzubauen. Es geht darum, Schnittstellen zu entwerfen, die Skepsis fördern. Das veranlasst uns zum Innehalten. Zu fragen: „Warten Sie, ist das richtig?“ statt „Was steht da?“
Der Weg in die Zukunft
Wir steuern nicht auf eine Zukunft zu, in der KI den Menschen ersetzt. Wir steuern auf eine Situation zu, in der Menschen, die KI nutzen, Menschen ersetzen, die dies nicht tun. Aber das ist eine oberflächliche Sichtweise. Der tiefere Wandel ist kognitiv. Wir ändern die Art und Weise, wie wir denken, wie wir entscheiden, wie wir vertrauen.
Die Werkzeuge werden immer schärfer. Die Fragen werden immer schwieriger. Und die Fehlerquote schrumpft.
Was passiert, wenn die Blackbox zu sprechen beginnt, wir die Sprache aber nicht verstehen? Wir hören zu. Wir halten uns daran. Wir machen weiter.
Bis wir es nicht mehr tun.
Ihr nächster Schritt
Folgen Sie Futura weiter
WhatsApp
und
Google
