Was KI bei SETI bereits leistet
Maschinelles Lernen hilft Astronomen, Teleskopbeobachtungen zu ordnen, Störungen zu erkennen und ungewöhnliche Signale für weitere Untersuchungen zu priorisieren. Es verarbeitet Messgrößen wie Signalstärke, Frequenz und Zeit. Das sind Aufgaben der Signalerkennung. Sie klären weder, wer ein Signal gesendet hat, noch ob es eine Nachricht enthält oder was diese bedeutet.
Bei Radiosuchen zeigt ein Spektrogramm, wie sich die Leistung bei verschiedenen Frequenzen mit der Zeit verändert. Forschende können Modelle mit simulierten Signalen trainieren, die in echte Beobachtungen eingefügt werden, oder ähnliche Funde durch Clustering gruppieren. Ein Ausreißer verdient eine genauere Prüfung, keine außerirdische Zuschreibung.
- 1. BeobachtenDaten aus der Zielrichtung und aus Vergleichsrichtungen aufzeichnen.
- 2. FilternSignale mit Algorithmen priorisieren und Störungen markieren.
- 3. ÜberprüfenDie Quelle durch weitere Beobachtungen und unabhängige Teams untersuchen.
- 4. DekodierenFalls Informationen vorhanden sind, Wege zur Rekonstruktion ihrer Struktur testen.
- 5. InterpretierenMögliche Bedeutungen dieser Struktur anhand unabhängiger Belege prüfen.
Die letzten beiden Schritte sind an Bedingungen geknüpft. Ein bestätigter Sender würde nicht automatisch eine lesbare Nachricht liefern.
Was die Studien tatsächlich gefunden haben
Diese Projekte nutzten unterschiedliche Instrumente, Datensätze und Methoden. Ihre Ergebnisse lassen sich nicht zu einem einzigen Genauigkeitswert für KI zusammenfassen.
| Studie | Daten und Methode | Ergebnis und Grenze |
|---|---|---|
| Ma et al., 2023 | Deep Learning durchsuchte 150 TB Daten des Green-Bank-Teleskops zu 820 nahen Sternen. | Acht interessante Signale. Bei Folgebeobachtungen wurden sie nicht erneut entdeckt und galten deshalb nicht als bestätigte Technosignaturen. |
| Pardo et al., 2025 | Anomalieerkennung priorisierte ungefähr 100 Milliarden Spektrogramme aus Beobachtungen von Green Bank und Parkes. | Etwa 20.000 Beispiele wurden geprüft, darunter Validierungsstichproben. Keines bestand die Prüfung als tragfähiger außerirdischer Kandidat. |
| Zhao et al., 2026 | DBSCAN-Clustering filterte verbliebene Störungen aus fünf Stunden FAST-Beobachtungen vom Juli 2019. | Nach zusätzlichen Prüfungen blieb eine Kandidatengruppe übrig. Ihre Dauer von etwa 2,8 Sekunden reichte nicht aus, um ihren Ursprung zu klären. |
Das Ergebnis von 2023 wird gelegentlich so dargestellt, als hätte KI acht außerirdische Signale entdeckt. Die Projektseite von Breakthrough Listen erklärt jedoch, dass die Signale mangels erneuter Erkennung die Kandidatenkriterien nicht erfüllten. Der Fortschritt bestand in einer anderen Methode, ungewöhnliche Beobachtungen aus einem großen Archiv auszuwählen.
Die Stellungnahme von Breakthrough Listen zu Folgebeobachtungen sowie Code und Daten ansehen.
Die im Januar 2026 veröffentlichte FAST-Studie meldet keinen Kontakt. Nach Prüfung von Frequenzbändern und Signaldauern behielten die Autoren ein kurzes Ereignis ohne beobachtete Frequenzdrift bei. Funkstörungen blieben als Erklärung offen; längere Beobachtungen wurden vorgeschlagen. Ein ungeklärtes Ereignis für spätere Untersuchungen vorzumerken, ist ein normales Forschungsergebnis.
Warum KI Signale übersehen oder falsch einordnen kann
Radiofrequenzstörungen, kurz RFI, stammen aus menschlicher Technologie. Ein schmalbandiges Signal oder eine sich verändernde Frequenz kann auffallen, aber auch Satelliten und andere irdische Quellen können strukturierte Signale erzeugen. Modelle müssen in dieser störungsbelasteten Umgebung arbeiten.
KI übernimmt außerdem Entscheidungen der Forschenden. Die Auswahl schmalbandiger Signale, die Simulation bestimmter Formen, der Ausschluss stark gestörter Frequenzen oder die Festlegung einer Nachweisschwelle bestimmen, was eine Suche finden kann. Ein Algorithmus wird nicht neutral, nur weil er mehr Daten verarbeitet.
- Falsch positive Ergebnisse. Unbekannte Störungen können ungewöhnlich genug erscheinen, um in die engere Auswahl zu gelangen.
- Falsch negative Ergebnisse. Ein echtes Signal außerhalb des getesteten Modellbereichs könnte aussortiert oder nie erkannt werden.
- Begrenzte Abdeckung. Eine Suche erfasst bestimmte Richtungen, Frequenzen und Zeitpunkte. Kein Fund in dieser Stichprobe beweist nicht, dass die Galaxie leer ist.
Pardo und Kollegen beschreiben den Zielkonflikt ausdrücklich. Die Bevorzugung störungsärmerer Datenbereiche verringerte die menschliche Arbeitslast, konnte aber ein echtes Signal in einem gestörten Bereich ausschließen. Sie räumen auch ein, dass Simulationen die Signaltypen widerspiegeln, die Forschende erzeugen möchten.
Könnte KI eine außerirdische Nachricht übersetzen?
In diesen Studien wurde kein Übersetzer für außerirdische Sprachen nachgewiesen. Eine mögliche Übertragung zu erkennen, ihre Kodierung zu rekonstruieren und ihre Bedeutung zu bestimmen, sind getrennte Probleme. Ein wiederkehrendes Muster könnte helfen, eine Kodierungshypothese zu prüfen. Allein verrät es jedoch nicht, ob der Inhalt Chemie, Navigation oder etwas anderes beschreibt.
KI könnte Forschenden helfen, mögliche Strukturen zu vergleichen oder Hypothesen zu entwickeln. Eine überzeugende Interpretation bräuchte weiterhin Belege, die über die flüssig formulierte Erklärung des Modells hinausgehen. Ein auf menschlichen Texten trainiertes System verfügt über kein bestätigtes außerirdisches Wörterbuch, mit dem es seine Antwort abgleichen könnte. Mathematische Regelmäßigkeiten könnten Hinweise geben, liefern aber keine automatische Übersetzung.
Ein reales Experiment zeigt diesen Unterschied. Im Mai 2023 übertrug Daniela de Paulis' Projekt A Sign in Space vom ExoMars Trace Gas Orbiter der ESA eine von Menschen entworfene, simulierte außerirdische Nachricht. Ken und Keli Chaffin dekodierten sie im Juni 2024 und rekonstruierten ein Bild mit fünf Aminosäuren. Auch der ESA-Bericht vom Oktober 2024 unterschied zwischen diesem Dekodierungserfolg und der Interpretation der Nachricht.
Den ESA-Bericht zum Dekodierungsexperiment lesen.
Es handelte sich um ein Kunst- und Wissenschaftsprojekt mit einer auf der Erde erstellten Nachricht. Es war kein außerirdischer Fund. Die gemeldete Lösung stammte von einem Vater-Tochter-Team und war kein Beweis, dass KI die Mitteilungen einer unbekannten Zivilisation übersetzen kann.
Was würde als Bestätigung gelten?
Die Internationale Akademie für Astronautik aktualisierte ihre SETI-Prinzipien im Juni 2026. Sie empfehlen die Überprüfung eines Kandidaten, idealerweise mit mehreren Einrichtungen, Organisationen und Methoden, sowie einen begutachteten Verifikationsbericht mit den zugrunde liegenden Daten. Das sind wissenschaftliche Leitlinien und keine Garantie, dass sich jeder Kandidat klären lässt.
Die Prinzipien zur Entdeckung und Verifikation vom Juni 2026 lesen.
Wenn eine Schlagzeile eine neue KI-Entdeckung meldet, prüfen Sie drei Punkte, bevor Sie darin einen Beleg für Kontakt sehen.
- Meldet die Originalstudie einen Nachweis, einen vorläufigen Kandidaten oder nur eine an Simulationen getestete Methode?
- Wurden Störungen und Instrumenteneffekte untersucht, und stützen unabhängige Beobachtungen einen außerirdischen Ursprung?
- Gibt es tatsächlich Informationen zu dekodieren oder lediglich ein Signal, das die Suchsoftware ausgewählt hat?
KI kann die Suche effizienter machen und Beobachtungen hervorheben, die eine erneute Prüfung verdienen. Durch Interpretation allein kann sie eine Anomalie nicht in eine bestätigte Nachricht verwandeln. Die umfassendere Frage, warum die Suche bisher ohne eindeutiges Ergebnis bleibt, gehört zum Fermi-Paradoxon.
