Ground Station as-a-Service: ein Datenleitfaden für Raumfahrt-Startups

Start-up-Unternehmen, Satellitenbetreiber und Megakonstellationen, die eine Bedrohung für die Branche darstellen und ein beachtliches Potenzial für eine künftige Marktstörung haben – all das haben wir in unseren vorherigen Artikeln diskutiert, aber ein Thema ist noch offen.

Wir haben uns mit dem Geschäftsmodell  „Space-Data-as-a-Service“ befasst – vom Start bis zum Senden von Geräten in den LEO. Doch was nach oben fliegt, muss auch wieder herunterkommen, und die Arbeit hört nicht auf, sobald ein Satellit aktiv ist: Die Zeit zwischen Start,  Inbetriebnahme und dem eventuellen Verlassen der Umlaufbahn ist die magische Zeit.

Diese Magie nennt sich Space Data – das  begehrte Schlagwort,  das für unsere Gesellschaft zentral ist aber auch der Grund, warum wir uns mit diesem neuen, disruptiven Thema der Raumfahrtindustrie beschäftigt haben.

Wie man Daten erhält: Die Bodenstation (as-a-Service)

Satelliten haben nur begrenzte Möglichkeiten, aufgezeichnete Daten an Bord zu speichern und zu verarbeiten. Egal wie fortschrittlich sie auch sein mögen, sie sind Teil eines viel größeren Systems, in dem sie in direktem Kontakt mit einer Bodenstation stehen müssen, um ihre Daten in Echtzeit herunterzuladen. Satellitenbodenstationen dienen der Erfassung und Weiterleitung von Satellitendaten zum Remote Sensing, die dann einer Vielzahl von Nutzern und Anwendungen zur Verfügung gestellt werden.

Diese Stationen, die sich häufig in der Nähe der Erdpole befinden, da polumlaufende Satelliten diese Gebiete am häufigsten überfliegen, senden Funksignale an den Satelliten (Uplink), z. B. Befehle für das Raumfahrzeug oder neue Erfassungsaufgaben, und empfangen Datenübertragungen vom Satelliten (Downlink). In einigen Fällen dienen sie auch als Kommando- und Kontrollzentren für das Satellitennetz.

Von der Bodenstation aus können die Daten analysiert oder zur Analyse an einen anderen Ort weitergeleitet werden. Die Höhe, die Bewegung und die Lage des Satelliten sowie Informationen über seine kritischen Systeme können überwacht werden, und die Satelliten können von Entscheidungsträgern gesteuert werden.

Bodenstationen sind jedoch recht teuer in Bau, Betrieb und Wartung. Außerdem war es in der Vergangenheit immer notwendig, mit den einzelnen Bodenstationen zu verhandeln, um einen Kommunikationsplatz zugewiesen zu bekommen – und genau hier kommt das as-a-Service-Geschäftsmodell ins Spiel.

 

Das Konzept von Ground Station as-a-Service (GSaaS), das von AWS, K-Sat und Azure nach ihrem ersten Markteintritt als Raumfahrtdienstleister eingeführt wurde, ist simpel: Kunden, die Satelliten oder Sensoren im LEO betreiben, können sich mit diesen verbinden und die Daten zu geringeren Kosten sammeln. Neben einer erheblichen Senkung der Kosten und Anforderungen bietet dieses Geschäftsmodell zahlreiche Vorteile:

  • Die Kunden können sich auf den Bau des Satelliten und der Anwendungsebene konzentrieren, da sie wissen, dass die Dienste der Bodenstation bereits zur Verfügung stehen.
  • Die Kunden haben Zugang zu verwalteten Bodensegmenten mit globalen Stationen und Netzausdehnung. Dies entspräche dem Aufbau einer mehrere Millionen Dollar teuren Infrastruktur.
  • Keine langfristige Bindung erforderlich: Es gibt ein einfaches Pay-as-you-go-Modell – in der Regel pro Minute. Ähnlich wie bei anderen Cloud-Diensten können Unternehmen mit einem vollständigen OPEX-Modell arbeiten (ohne Kosten für die Satelliten).
  • Self-Service-Planung, über APIs oder Konsole.
  • First-come, first-serve scheduling.

Wie üblich haben wir die wichtigsten Akteure aus diesem Business interviewt und Leaf Space nach ihrer Meinung zum Aufstieg des As-a-Service-Geschäftsmodells,  insbesondere hinsichtlich der Bodenstationen, gefragt:

Speicherung, Verarbeitung und Handling von Daten

Das Datenmanagement steuert den Datenfluss von der Erfassung, Verarbeitung und Archivierung bis hin zum Benutzerzugriff auf die Nutzlastdaten im Bodensegment einer Erdbeobachtungsmission. Es gewährleistet einen reibungslosen Fluss von Aufträgen und Anfragen im gesamten System und bietet Überwachungs- und Berichtsfunktionen.

Satelliten liefern wichtige Daten, die es beispielsweise ermöglichen, Umwelt- und Klimaveränderungen schnell zu erkennen – das bedeutet aber auch, dass die erzeugten Datenmengen gewaltig sind. Im Falle des Copernicus-Programms der EU erzeugen die hochauflösenden Instrumente der Satelliten derzeit täglich etwa 20 Terabyte an Daten. Es bedarf neuer Ideen und Konzepte, um die Daten zu verarbeiten und in Informationen umzuwandeln. Künstliche Intelligenz spielt dabei eine große Rolle, da solche Verfahren gerade bei großen Datenmengen extrem leistungsfähig sind.

Um diese großen Datenmengen verarbeiten und auswerten zu können, sind geeignete Speicher- und intelligente Zugriffsmöglichkeiten erforderlich. In den letzten Jahren haben öffentliche und private Unternehmen Plattformen für die Nutzung von Erdbeobachtungsdaten entwickelt, um die Nutzung dieser Daten zu fördern und den Markt für von Erdbeobachtungsdaten abgeleiteten Informationen zu erweitern. Dieser Bereich umfasst Plattformanbieter, Dienstanbieter, die die Plattform nutzen, um ihren Nutzern einen Dienst anzubieten, sowie Datenanbieter.

Lösungen wie die Multi-Cloud-Plattform für die Verarbeitung von EO-Daten[1] bieten die Technologie zur Integration von IKT-Ressourcen und EO-Daten von verschiedenen Anbietern in einer einzigen Plattform. Sie bietet insbesondere eine Multi-Cloud-Datenermittlung, eine Multi-Cloud-Datenverwaltung und einen Multi-Cloud-Datenzugang sowie eine Multi-Cloud-Anwendungsbereitstellung. Diese Plattform wurde mit der EGI Federated Cloud, der Innovation Platform Testbed Poland und der Amazon Web Services Cloud demonstriert.

Data Transformation

Unter Data Transformation versteht man die Änderung des Formats, der Struktur oder der Werte von Daten.  Prozesse wie Datenintegration, Datenmigration, Data Warehousing und Data Wrangling können alle eine Datentransformation beinhalten. Ob es darum geht, Daten besser zu organisieren, damit sie sowohl für Menschen als auch für Maschinen einfacher zu nutzen sind, die Datenqualität zu verbessern und die Kompatibilität zwischen Anwendungen, Systemen und Datentypen zu erleichtern – Daten werden aus vielen Gründen umgewandelt.

Die Datenumwandlung kann die Effizienz von Analyse- und Geschäftsprozessen erhöhen und so eine bessere, datengesteuerte Entscheidungsfindung ermöglichen. Hier sind einige der Funktionen, die die Datenumwandlung im Datenanalyse-Stack erfüllt:

  • Extraction & parsing
  • Translation & mapping
  • Filtering, aggregation, & summarization
  • Enrichment & imputation
  • Indexing & ordering
  • Anonymization & encryption
  • Modeling, typecasting, formatting, & renaming

Was mit den Daten zu tun ist: Unsere Rolle

Wie bereits erwähnt, erzeugen Satelliteninstrumente große Datenmengen – 24/7 während ihrer gesamten Lebensdauer, um genau zu sein, und sowohl der Zugriff als auch die Speicherung dieser Daten sind eine Herausforderung in sich selbst. Auch nach der Verarbeitung der Daten ist es noch nicht vorbei: Die Ergebnisse müssen wissenschaftlich validiert werden. Dies erfordert manuelle Schritte, die nur mit dem Fachwissen eines Wissenschaftlers durchgeführt werden können.

Die Verarbeitung von Daten und die Gewinnung von Ergebnissen daraus ist etwas, was wir bereits durch unsere hauseigene Plattform für Machine Learning, ModelCloud, tun. Ein noch relevanteres Beispiel ist möglicherweise GRASP. Cloudflight unterstützt hierbei die Wissenschaftler bei der Verbesserung ihrer Algorithmen. Wir stellen dem GRASP-Team eine Cloud-basierte Entwicklungsumgebung zur Verfügung, in der sie GRASP einfach auf unserem Datenarchiv ausführen und die generierten Ergebnisse mithilfe eines maßgeschneiderten Frameworks auswerten können.

Archiv ist hier das Schlüsselwort. Unabhängig von ihrer Menge und ihrer Herkunft sind Daten im Grunde nutzlos, wenn es auch nach der Verarbeitung keine Möglichkeit gibt, sie leicht zugänglich zu machen und zu kategorisieren. Erst dann können sie genutzt, um aktuelle Branchen zu bedienen, neue Geschäftsmodelle zu entwickeln und neue Planeten zu erforschen. Eines Tages werden wir vielleicht sogar Daten nutzen, um tinoch weiter in den Weltraum vorzudringen und herauszufinden, wie die Zukunft unserer Spezies aussieht.

Was die Datennutzung betrifft, so entwickeln wir für einen anderen Partner eine echtzeitnahe Streaming- und Verarbeitungsplattform, um Tausende von Positionsaktualisierungen pro Sekunde zu verarbeiten und die Daten über Streaming-Endpunkte an die Kunden weiterzuleiten sowie Einblicke in die Historie der letzten Jahre zu geben. Eine der größten Herausforderungen ist auch hier die riesige Menge an Daten, die verarbeitet werden muss. Das Sammeln und Speichern all dieser Daten kann leicht Dutzende bis Hunderte von Milliarden einzelner Datenpunkte erreichen. Letztendlich möchte der Kunde jedoch nur einen einfachen, unterbrechungsfreien und zuverlässigen Zugang haben, um seine eigenen Geschäftsfälle darauf aufzubauen. Es muss sichergestellt werden, dass dies von dem Zeitpunkt an, an dem die Daten aus dem Weltraum ankommen, bis zum Verlassen eines beliebigen Rechenzentrums (in der Cloud oder vor Ort) der Fall ist.

Wenn Sie mehr über unseren Ansatz für die NewSpace-Industrie und unsere Sicht auf ihre Zukunft erfahren möchten, nehmen Sie an unserem GetInspired-Event teil: Gemeinsam mit AAC Clyde Space werden wir über das Geschäftsmodell Space Data as-a-Service, KI und vieles mehr diskutieren.

[1] Cloud Based Earth Observation Data Exploitation Platforms – https://ui.adsabs.harvard.edu/abs/2017AGUFMIN21F..03R/abstract

#Cloudflight

Haben Sie ein Thema, das Sie mit unseren Experten besprechen möchten?

Schreiben Sie uns

Schreiben Sie uns

Menü