Während sich europäische Streitkräfte an den Einsatz von KI und Drohnen in der modernen Kriegsführung anpassen, hilft ein von der NATO unterstütztes Startup dabei, KI-gestützte Zielerkennung und -auswahl zu implementieren, die auf kleinen Drohnen für Überwachungs- und Angriffsmissionen laufen kann.

Das Unternehmen Scaleout Systems wurde ursprünglich 2018 von Forschern der Universität Uppsala in Schweden gegründet und konzentrierte sich anfangs darauf, Modelle des maschinellen Lernens direkt auf der Hardware zu trainieren und einzusetzen, die in kommerziellen LKWs und anderen Fahrzeugen verfügbar ist. Doch nachdem Russland 2022 seine Invasion in der Ukraine startete, verlagerte das Unternehmen seinen Fokus auf Verteidigungsanwendungen.

„Mit dem Krieg in der Ukraine und einer sich verändernden Welt haben wir erkannt, dass diese Technologie sehr wichtig sein kann, um Edge-Daten und Sensordaten für maschinelles Lernen nutzbar zu machen und sicherzustellen, dass NATO-Verbündete diesen strategischen Vorteil erlangen“, sagte Andreas Hellander, Mitbegründer und CEO von Scaleout Systems, gegenüber Ars.

Anstatt fortschrittliche KI-Modelle von OpenAI oder Anthropic zu verwenden, setzt Scaleout auf schlankere Modelle, wie etwa Algorithmen des maschinellen Lernens, die Computer-Vision-Aufgaben auf der Hardware von Drohnen oder Computern an vorderen Stützpunkten ausführen können. „Sie müssen auf vorab bereitgestellter Hardware und Edge-Hardware laufen, die von kleinen eingebetteten Geräten bis hin zu ziemlich leistungsstarken Edge-Workstations variieren kann“, sagte Hellander.

Scaleout wurde ausgewählt, um 2025 dem Programm der NATO Defence Innovator Accelerator for the North Atlantic (DIANA) Challenge beizutreten. Dort hat das Unternehmen am Projekt Federated Aerial Intelligence for Recon gearbeitet, um Modelle des maschinellen Lernens an die Edge-Computing-Hardware anzupassen, die in Drohnen, Tablets von Drohnenpiloten und Feldgefechtsständen zu finden ist.

Solche KI-Modelle können Drohnenbetreiber bei Aufgaben wie der Zielidentifizierung unterstützen, selbst während die Kameras und Sensoren der Drohne Daten aus der umliegenden Gefechtsfelduffassung sammeln. Sie können dann zeitweise selektive Aktualisierungen an Rechenknoten im lokalen Zug- oder Kompaniehauptquartier übermitteln, ohne sensible Rohdaten zu übertragen.

Diese Rechenknoten des Hauptquartiers helfen dabei, die KI-Modelle anhand neuer Gefechtsfelddaten, die aus mehreren Quellen aggregiert wurden, neu zu trainieren, bevor die aktualisierten Fähigkeiten bei nächster Gelegenheit auf die Edge-Geräte übertragen werden. „Modelle wurden möglicherweise in einer Wüstenumgebung trainiert, und wenn wir versuchen, sie in einer städtischen Umgebung einzusetzen, werden sie keine gute Leistung erbringen“, sagte Hellander gegenüber Ars.

„Wenn wir mehrere neue Versionen dieses Modells veröffentlichen können, die im Laufe eines einzigen Zeitalters oder sicherlich einer Operation weiter lernen und sich durch diese massive Menge an Sensordaten verbessern, die an einer praktischen Edge generiert werden, dann ist das der nachhaltige Vorteil“, fügte er hinzu.

Die Technologie bedeutet, dass militärische Drohnen und Geräte von lokalen KI-Modellen profitieren können, die unabhängig arbeiten, ohne auf eine kontinuierliche Kommunikation mit einem zentralen Server angewiesen zu sein, der größere KI-Modelle in einem Rechenzentrum hostet. Die Abhängigkeit von einem zentralisierten Standort zum Ausführen von KI-Modellen erscheint risikoreicher zu einer Zeit, in der große Rechenzentren während des Krieges zwischen den USA und dem Iran ins Visier genommen und zerstört wurden.

Dieser Ansatz ist auch auf modernen Schlachtfeldern äußerst nützlich, wo elektronische Kriegsführung und feindliches Stören häufig Kommunikationssignale beeinträchtigen können. Eine wachsende Zahl ukrainischer Militärdrohnen integriert bereits KI-Fähigkeiten an Bord in günstige Kamikaze-Drohnen.

„Wir haben ein funktionierendes Konzept dafür entwickelt, wie wir dies für ein Überwachungs- und Aufklärungssystem auf Basis einer Drohne umsetzen“, sagte Hellander gegenüber Ars. „Das ist etwas, das wir auch bei öffentlichen Demonstrationen in Schweden getan haben.“

Scaleout nimmt am Projekt Affordable Loitering Modular Ammunition (ALMA) unter der Leitung von BAE Systems Bofors teil, das darauf abzielt, eine kostengünstige, autonome Kamikaze-Drohne zu entwickeln. Das ALMA-Konzept wurde erstmals im Januar während einer Winter Demo 2026 in Schweden öffentlich vorgeführt.

Diese Demonstration zeigte, wie eine Drohne mithilfe von KI alle potenziellen erkannten Bedrohungen autonom „erkennen, identifizieren und geolokalisieren“ kann, so eine Präsentation von Scaleout Systems über die Fähigkeiten von ALMA. „Alle Daten werden durch dedizierte Bordberechnungen verarbeitet, sodass das System in Echtzeit ohne externe Verarbeitung arbeiten kann.“

Unter Verwendung seiner bordeigenen KI-Fähigkeiten priorisierte die Drohne automatisch das wertvollste Ziel, das durch ihre Mission definiert war — in diesem Fall ein gepanzertes Pionierfahrzeug — und flog zu diesem Ziel, um Sprengstoff darauf abzuwerfen. Ein menschlicher Operator konnte die Drohne nach wie vor kontrollieren und lenken, aber die Drohne führte die Mission eigenständig ohne direkte menschliche Befehle aus.

Im Juni testete Scaleout seine Technologie zudem auf einem schwedischen Luftwaffenstützpunkt in Uppsala, wo das schwedische Militär bereits eine Lizenz zur Nutzung der Hauptsoftwareplattform von Scaleout besitzt. Diese Demonstration zeigte, wie ein an vorderster Front eingesetzter Rechenknoten auf dem Militärbasis seine eigenen KI-Inferenz- und aktiven Lernprozesse ausführen konnte, selbst nachdem die Verbindung zu einem zentralen Rechenknoten im Labor von Scaleout Systems unterbrochen worden war.

Sobald die Verbindung wiederhergestellt war, wurden die lokalen Aktualisierungen des KI-Modells mit dem zentralen Rechenknoten geteilt. Diese föderierte Lernstrategie, die es dem dezentralen Netzwerk von KI-Modellen ermöglicht, aus aggregierten Daten zu lernen, könnte sich schließlich über ganze geografische Regionen oder Länder hinweg skalieren lassen, erklärte Hellander.

„Prinzipiell kann man die Zusammenarbeit zwischen den NATO-Mitgliedstaaten freischalten“, sagte er.