Motivation

Mit der Kommerzialisierung der Raumfahrt wird die Reise ins Weltall für ein breiteres Publikum zugänglich. In Zukunft werden nicht nur hochausgebildete und hochtrainierte Raumfahrer:innen an den Start gehen. Damit verändern sich auch die Ansprüche an Raumanzüge und die gesundheitlichen Voraussetzungen.

Um medizinisch und technisch auf diese Situation vorbereitet zu sein, werden neue Technologien und Messverfahren erprobt und auf die neuen Voraussetzungen angepasst.

Ansatz & Ziele

Schutzanzüge für Raumfahrer:innen dienen zur Sicherung der Vitalfunktionen sowohl bei Start und Landung als auch bei Einsätzen im Vakuum. Heutige Anzüge verfügen bereits über verschiedene Sensoren, insbesondere zur Temperatur- und Sauerstoffkonzentrationsüberwachung. Die Erfassung von Vitalparametern erstreckt sich von punktuellen Messungen zu bestimmten Zeitpunkten bis hin zu kontinuierlichen Messungen. Die Sensordaten werden im Raumfahrzeug erfasst und anschließend zur Bodenstation gesendet.

Ziel des Gesamtvorhabens AI-Suit ist es, mit Hilfe von künstlicher Intelligenz (KI) das Belastungslevel kontinuierlich zu erfassen. So sollen zukünftig kritische Gesundheitszustände frühzeitig erkannt und ein selektives Feedback an die Raumfahrer:innen gegeben werden können. Da kritische Vorkommnisse lokal erkannt werden, wird der Kontakt zur Basisstation und die übertragene Datenmenge reduziert.

Es werden Konzepte für ein Design von miniaturisierten, KI-basierten und trotzdem energieeffizienten Sensorik-Patches und deren Umsetzung/Evaluierung erforscht. Die Anwendung soll eine optimierte, digitale Gesundheitsüberwachung der Raumfahrer:innen realisieren und präventiv vor einer unmittelbaren Überbelastung warnen. Für den Einsatz im Weltraum ermöglicht (z.B. der Blutdruck) als Vitalparameter wichtige Aussagen über die Wirkungen der Mikrogravitation auf den menschlichen Blutkreislauf und ist in Kombination mit der Herzfrequenz essentiell für die Ermittlung des Belastungszustands. Der neuartige Forschungsansatz der künstlichen Intelligenz wird für die schnelle und effiziente Berechnung der Daten verwendet. Durch die Integration von Expertenwissen wird sichergestellt, dass es sich bei den eingesetzten Algorithmen des maschinellen Lernens, nicht um eine Black Box handelt.

Parallel wird untersucht, wie sich die gewonnen Erkenntnisse und Instrumentarien auch im medizinischen Bereich einsetzen lassen. Naheliegend ist zum Beispiel die Sensorik zur kontinuierlichen Überwachung im klinischen Bereich einzusetzen.

Förderung / Kooperation

Deutsches Zentrum für Luft- und Raumfahrt e. V. (DLR)

Laufzeit: 1.2.2022-31.7.2023

Beteiligte Partner

• Fraunhofer IMS
• TESAT – Spacecom