Synthetic Aperture Radar (SAR) erzeugt Bilder mithilfe von Radarstrahlung und ist damit nicht auf Tageslicht oder freie Sicht angewiesen. Gerade bei dichter Bewölkung kann dies gegenüber optischen Satellitenbildern einen entscheidenden Vorteil bieten. Die entstehenden SAR-Aufnahmen sind für ungeübte Betrachter allerdings deutlich schwieriger zu interpretieren. KI soll deshalb helfen, relevante Veränderungen und Objekte schneller zu erkennen.
Wilson veranschaulicht dies anhand einer über längere Zeit beobachteten Region. Eine automatisierte Veränderungserkennung identifiziert dort auf späteren Aufnahmen eine neu entstandene Struktur. Diese Information kann einen Analysten auf die Veränderung aufmerksam machen oder direkt ein weiteres Satelliten-Tasking mit höherer Auflösung auslösen. Auf den detaillierteren Aufnahmen kommt anschließend eine Automatic Target Recognition zum Einsatz, die beispielsweise Fahrzeuge erkennen und klassifizieren kann.
Eine weitere Ebene bildet agentische KI. Sie kann die Erkenntnisse aus der Bildauswertung mit zusätzlichen Informationen im System verknüpfen und auf natürlichsprachliche Fragen reagieren. Im gezeigten Beispiel werden charakteristische bauliche Merkmale einer Anlage mit weiteren verfügbaren Daten zusammengeführt, um deren mögliche militärische Funktion einzuordnen. Perspektivisch sollen wiederkehrende Strukturen direkt automatisiert erkannt werden, sodass einzelne Analyseschritte entfallen können.
Entscheidend ist dabei die Geschwindigkeit der gesamten Verarbeitungskette. Nach Wilsons Angaben kann ein Satellitenbild inzwischen innerhalb von weniger als fünfzehn Minuten nach der Aufnahme im System beziehungsweise beim Analysten vorliegen. Die darauf aufsetzende automatisierte KI-Auswertung benötigt im gezeigten Prozess etwa eine weitere Minute. Ergebnisse lassen sich anschließend strukturiert an Führungs- und Battle-Management-Systeme übergeben.
KI ersetzt dabei nicht den Analysten, sondern verkürzt den Weg von den Sensordaten zur verwertbaren Information. Veränderungserkennung, Objektklassifikation und agentische Auswertung greifen ineinander und können damit insbesondere dort Zeit gewinnen, wo große Mengen komplexer Satellitendaten schnell bewertet werden müssen.