AI-inferentiesatelliet: kunstmatige intelligentie die in een baan om de aarde denkt
Een AI-inferentiesatelliet is een satelliet met een ingebouwde computerchip die een kunstmatig-intelligent model niet traint, maar toepast: hij "denkt" met een AI-model dat al ergens op aarde is klaargestoomd, en gebruikt dat om beelden of signalen meteen in de ruimte te analyseren. In plaats van alle ruwe data naar een grondstation te sturen en daar te laten verwerken, filtert of interpreteert de satelliet de informatie al aan boord, vlak nadat hij die heeft opgevangen.
Een vergelijking: stel je een fotograaf voor die duizenden foto's maakt tijdens een trektocht, maar geen internetverbinding heeft om ze allemaal te versturen. In plaats daarvan bekijkt hij zelf welke foto's onscherp, overbelicht of gewoon oninteressant zijn, en stuurt hij via een trage satelliettelefoon alleen de tien beste foto's door. Een AI-inferentiesatelliet doet iets vergelijkbaars: hij neemt duizenden beelden van de aarde op, herkent zelf al welke een brand, een schip of een overstroming tonen, en stuurt vooral die conclusie door in plaats van gigabytes ruwe beeldsdata.
Wat is het precies?
Het woord "inferentie" komt uit de machine-learningwereld en betekent het toepassen van een al getraind AI-model op nieuwe, nog ongeziene gegevens om er een voorspelling of classificatie uit te halen. Dat is iets anders dan "trainen", waarbij een model met enorme hoeveelheden voorbeelden wordt bijgeschaafd totdat het patronen herkent. Trainen kost doorgaans veel meer rekenkracht en energie dan inferentie; daarom is inferentie makkelijker te verkleinen tot iets dat in een klein apparaat past, zoals een satelliet.
Een satelliet die aan inferentie doet, heeft aan boord een gespecialiseerde chip: een kleine AI-versneller (een zogeheten VPU, GPU of neurale-netwerk-chip) die berekeningen voor neurale netwerken veel efficiënter uitvoert dan een gewone processor. Die chip krijgt stroom van de zonnepanelen van de satelliet en moet het doen zonder airconditioning: in de vacuümruimte kan warmte niet wegstromen via lucht, dus wordt overtollige warmte via metalen radiatorplaten uitgestraald naar de kou van de ruimte.
Het praktische nut zit vooral in bandbreedte. Aardobservatiesatellieten nemen enorme hoeveelheden beeldmateriaal op, maar kunnen die data alleen doorsturen als ze een grondstation "zien" en er voldoende radiocapaciteit is. Door eerst aan boord te filteren – bijvoorbeeld bewolkte, onbruikbare beelden weg te gooien of alleen de locatie van een gedetecteerd schip door te geven in plaats van de hele foto – hoeft er veel minder data via de trage, dure verbinding naar de grond. Sommige projecten gaan een stap verder en verbinden meerdere satellieten met elkaar via laserlinks, zodat ze samen als een soort verspreid rekencentrum in de ruimte kunnen werken.
Wat wil men ermee bereiken?
De eerste en meest concrete drijfveer is snelheid en efficiëntie bij aardobservatie. Bij een bosbrand, overstroming of scheepvaartincident telt elke minuut; als een satelliet zelf al kan concluderen "hier brandt iets" en dat direct doorseint, is dat sneller dan wachten tot alle ruwe beelden zijn gedownload en op aarde door software of mensen zijn bekeken.
Een tweede drijfveer is kostenbesparing: radiobandbreedte tussen satelliet en aarde is schaars en duur, dus hoe minder data je hoeft te versturen, hoe goedkoper en efficiënter het systeem draait. Voor inlichtingendiensten en defensie is er nog een reden: door gevoelige beelden al in de ruimte te laten analyseren, hoeft ruwe, mogelijk geheime data niet onnodig via kwetsbare verbindingen naar de grond te reizen.
Een ambitieuzere, en nog grotendeels onbewezen, gedachte gaat verder dan alleen aardobservatie: sommige bedrijven en onderzoekers stellen dat je zware AI-rekenklussen – ook los van satellietbeelden – beter in de ruimte kunt uitvoeren dan op aarde. Het argument: in een baan om de aarde is (bijna) continu zonlicht beschikbaar zonder wolken of nacht, is er geen beperking door een overvol elektriciteitsnet, en kan warmte worden afgevoerd zonder het drinkwater te gebruiken dat grote datacenters op aarde nodig hebben voor koeling. Of dit voordeel in de praktijk opweegt tegen de hoge kosten en risico's van lanceren en onderhoud, is een open vraag waarover experts het oneens zijn.
Voorbeelden uit de praktijk
Het European Space Agency (ESA) lanceerde in 2020 Φ-sat-1 (spreek uit als "phi-sat-1"), een kleine satelliet met een Intel Movidius Myriad 2-chip aan boord. Die chip draaide een neuraal netwerk dat bewolkte, dus onbruikbare, beelden er zelf uitfilterde nog vóór verzending, wat naar schatting tientallen procenten aan overbodige downlink bespaarde. Het was een van de eerste geslaagde demonstraties van AI-inferentie in een operationele satelliet.
ESA volgde dit op in 2024 met Φ-sat-2, een geavanceerdere satelliet die niet één maar meerdere AI-toepassingen aan boord draait, waaronder detectie van scheepvaart, bosbranden en overstromingen, ontwikkeld door verschillende Europese partners.
De Britse satellietbouwer Open Cosmos en het Ierse chipbedrijf Ubotica brachten in 2024 CogniSAT-6 in een baan, met een Intel Movidius Myriad X-chip die onboard beeldverwerking en AI-classificatie demonstreert voor commerciële en onderzoeksdoeleinden.
Google maakte in 2025 Project Suncatcher bekend: een onderzoeksproject waarin het bedrijf verkent of zijn eigen AI-chips (TPU's) via zonnepanelen gevoed en met laserverbindingen onderling gekoppeld, ooit een soort ruimtegebaseerd rekencluster kunnen vormen. Google noemt dit uitdrukkelijk een langetermijnverkenning, met een eerste testlancering die op zijn vroegst rond 2027 wordt voorzien.
Het Amerikaanse start-up Starcloud (voorheen Lumen Orbit) werkt aan wat het bedrijf zelf een "ruimte-datacenter" noemt: een satelliet uitgerust met Nvidia-grafische chips, bedoeld om te bewijzen dat zware AI-rekenklussen ook buiten de dampkring kunnen draaien. Het bedrijf kondigde voor 2025 een eerste testlancering aan; de daadwerkelijke resultaten en of de satelliet de beloofde rekenprestaties waarmaakt, moeten nog blijken.
In China maakte het aan de Zhijiang-onderzoekslaboratorium (in Hangzhou) gelieerde project rond een "rekenconstellatie" in 2025 naam, met de lancering van een eerste groep satellieten die onderling met laserlinks zijn verbonden en die aardobservatiedata aan boord met AI-modellen verwerken, met als uiteindelijke ambitie een veel grotere constellatie op te bouwen. Over de precieze technische prestaties van dit project circuleren vooral berichten via Chinese staatsmedia en gespecialiseerde ruimtevaartsites; onafhankelijke verificatie van de claims is beperkt.
Hoe ver is de techniek?
Het onderdeel dat al bewezen en operationeel werkt, is relatief bescheiden: kleine, gespecialiseerde AI-chips die eenvoudige, goed afgebakende taken uitvoeren, zoals het herkennen van wolken, schepen of branden op satellietbeelden. Projecten als Φ-sat-1, Φ-sat-2 en CogniSAT-6 laten zien dat dit werkt en al enkele jaren in gebruik is.
Het idee van satellieten als volwaardige, zware AI-rekencentra – vergelijkbaar met de datacenters die grote taalmodellen op aarde trainen en draaien – staat nog in de kinderschoenen. Grote uitdagingen zijn er genoeg: straling in de ruimte kan chips beschadigen die niet speciaal daarvoor zijn ontworpen, koeling zonder lucht is fysiek lastiger dan op aarde, satellieten zijn niet of nauwelijks te repareren als er iets stukgaat, en de energie die zonnepanelen leveren is eindig zodra een satelliet in de schaduw van de aarde komt. Ook is het nog onduidelijk of de gestelde voordelen (goedkopere energie, geen koelwater nodig) in de praktijk opwegen tegen de hoge lanceerkosten en de complexiteit van onderhoud op afstand.
Het tempo van aankondigingen is de laatste twee jaar wel duidelijk versneld: waar Φ-sat-1 in 2020 nog een voorzichtige proef was, kondigden meerdere partijen in 2025 grotere plannen aan. Dat betekent niet dat al deze plannen ook daadwerkelijk zullen slagen; veel van de meest ambitieuze aankondigingen (zoals die van Starcloud en Google) betreffen nog vroege testfases, geen bewezen, schaalbare technologie.
Wie werken eraan?
Het European Space Agency (ESA), met bijdragen van diverse Europese lidstaten en bedrijven, is een van de vroegste en meest ervaren spelers op het gebied van AI-inferentie in aardobservatiesatellieten. Ubotica (Ierland) en Open Cosmos (Verenigd Koninkrijk) leveren gespecialiseerde AI-chips en kleine satellieten voor dit soort toepassingen.
In de Verenigde Staten verkent Google via Project Suncatcher, binnen zijn onderzoeksafdeling Google Research, de combinatie van zijn eigen TPU-chips met zonne-energie in de ruimte. Het start-up Starcloud werkt, met steun van investeerders en naar verluidt in samenwerking met chipmaker Nvidia, aan een eigen satelliet met grafische chips voor AI-rekenwerk.
China investeert eveneens fors in dit terrein; het Zhijiang-laboratorium in Hangzhou is betrokken bij een grootschalig geplande satellietconstellatie voor onboard AI-verwerking van aardobservatiedata, met steun van de Chinese ruimtevaartsector. Daarnaast houden defensie- en inlichtingendiensten in verschillende landen zich, doorgaans minder in de openbaarheid, bezig met soortgelijke technologie voor snelle beeldanalyse vanuit de ruimte.