EDEN NEXT GEN
Getrieben durch wissenschaftliche, kommerzielle oder explorationsmotivierte Aufgaben werden in der Zukunft Astronauten auf anderen Planeten in Habitaten leben und arbeiten. Bio-regenerative Lebenserhaltungssysteme (BLSS) werden innerhalb dieser Habitate eingesetzt, um Stoffkreisläufe wie z.B. bei Atemluft, Wasser, Biomasse und Abfällen zu schließen. Ein Gewächshausmodul kann hier essentielle Funktionen übernehmen wie z.B. die Umwandlung von menschlichem Urin in frische Nahrung, wenn Controlled Environment Agriculture (CEA) Technologien mit C.R.O.P.®-Biofiltern gekoppelt werden.
Das übergeordnete Ziel des EDEN NEXT GEN-Projektes ist das Design sowie die Detailanalyse aller essentiellen Subsysteme eines integrierter BLSS Demonstrator. Innerhalb des Projektes soll die Analyse der erbrachten wissenschaftlichen Daten sowie der technischen Telemetriedaten mittels maschineller Lernverfahren durchgeführt werden. Im Vordergrund dabei steht die Erkennung von Anomalien sowohl in den Umgebungsparametern als auch beim Pflanzenwachstum, um diesen unter Umständen entgegen wirken zu können. Da sich reale Daten meist nicht ad-hoc perfekt für maschinelle Lernverfahren eignen, beschäftigen wir uns mit der Entwicklung robuster Lernverfahren zur Analyse der vorhandenen Daten sowie der Anwendung der Modelle auf Livedaten des Demonstrators.