Der Wettbewerb um GPU-Rechenkapazitäten hat eine neue Front erreicht: die Astronomie. Mit dem Start des Nancy Grace Roman Space Telescope im September 2026 – acht Monate früher als geplant – werden Astronomen mit bisher unerreichten Datenmengen konfrontiert: allein dieses Instrument soll über seine Lebensdauer 20.000 Terabyte liefern. Hinzu kommen täglich 57 Gigabyte vom James Webb Space Telescope sowie rund 20 Terabyte pro Nacht vom Vera C. Rubin Observatory in Chile, das ebenfalls noch dieses Jahr mit seinem Survey beginnt. Zum Vergleich: Das Hubble-Teleskop, lange der Goldstandard, liefert lediglich 1 bis 2 Gigabyte täglich. Der UC-Santa-Cruz-Astrophysiker Brant Robertson arbeitet seit 15 Jahren mit Nvidia zusammen, um GPUs für die Weltraumforschung nutzbar zu machen – zunächst für Supernova-Simulationen, heute für die Analyse von Observatoriumsdaten. Gemeinsam mit seinem damaligen Doktoranden Ryan Hausen entwickelte er das Deep-Learning-Modell Morpheus, das große Datensätze automatisiert auf Galaxien untersucht und bei der Analyse von Webb-Daten überraschend viele Scheibengalaxien identifizierte. Robertson rüstet Morpheus nun von Convolutional Neural Networks auf Transformer-Architektur um, was die analysierbare Fläche vervielfachen soll. Parallel arbeitet er an generativen KI-Modellen, die durch die Erdatmosphäre verzerrte Bodenteleskop-Aufnahmen rechnerisch verbessern sollen – als Software-Alternative zu einem kaum realisierbaren Acht-Meter-Spiegel im Orbit. Der NSF-Cluster an der UC Santa Cruz, mit dem Robertson arbeitet, gilt jedoch bereits als veraltet, während die