Galaxy ZooNEU

Galaxy Zoo ist eines der bekanntesten Citizen-Science-Projekte weltweit und Teil der Zooniverse-Plattform. Das Projekt unterstützt Astronomen bei der Auswertung riesiger Datenmengen aus Weltraum- und Boden-Teleskopen wie dem Sloan Digital Sky Survey, dem Hubble-Weltraumteleskop oder dem James-Webb-Weltraumteleskop. Freiwillige helfen dabei, die Morphologie – also die Form und Struktur – von Millionen entlegener Galaxien anhand visueller Merkmale zu klassifizieren.

In den letzten Jahren hat Galaxy Zoo einen innovativen Hybrid-Ansatz aus menschlicher Intelligenz und maschinellem Lernen integriert. Mithilfe von Deep-Learning-Modellen wie 'Zoobot' ermittelt das System automatisch, welche Galaxienbilder einfach von Algorithmen klassifiziert werden können und welche komplexen oder ungewöhnlichen Objekte der Begutachtung durch Menschen bedürfen. Diese aktiven Lernschleifen optimieren den Klassifizierungsprozess erheblich und ermöglichen die Bewältigung gigantischer Datenmengen.

Teilnehmende durchlaufen ein einfaches Online-Tutorial und beantworten anschließend Schritt für Schritt Fragen zum Aussehen einer eingeblendeten Galaxie (z. B. elliptisch oder spiralförmig, Vorhandensein von Balken oder Verschmelzungen). Neben der reinen Datenanalyse bietet die integrierte 'Talk'-Plattform der wissenschaftlichen Community die Möglichkeit, seltene astronomische Phänomene gemeinsam zu diskutieren und zu entdecken.

• Visuelle Galaxien-Klassifikation — Freiwillige bestimmen systematisch Form, Struktur und Besonderheiten von Galaxien anhand von Entscheidungsbäumen in einer intuitiven Benutzeroberfläche.
• Hybrid-KI und Active Learning — Das System setzt neuronal trainierte Modelle ein, um Routine-Klassifizierungen zu automatisieren und Freiwilligen vorrangig komplexe oder wissenschaftlich relevante Objekte vorzulegen.
• Community-Forum & Entdeckungsplattform — Über das Tool Zooniverse Talk können Teilnehmende ungewöhnliche Himmelskörper diskutieren, was bereits zur Entdeckung neuer astronomischer Objektklassen wie 'Green Pea Galaxies' geführt hat.

Astronomie-Begeisterte, Bürgerwissenschaftler, Lehrkräfte für den MINT-Unterricht sowie Astrophysiker und Datenwissenschaftler, die große Bilddatensätze strukturieren müssen.

Ein Astrophysiker-Team steht vor der Herausforderung, Hunderte Gigabyte an Bilddaten eines neuen Deep-Space-Surveys auszuwerten. Anstatt Jahre mit der manuellen Sichtung aller Bilder zu verbringen, speisen sie die Daten in Galaxy Zoo ein. Die KI filtert eindeutige Standardgalaxien heraus, während tausende Bürgerwissenschaftler die komplexen Zweifelsfälle klassifizieren. Innerhalb weniger Wochen steht ein hochpräziser, wissenschaftlich nutzbarer Datensatz zur Verfügung.

• Astronomie-Begeisterte, Bürgerwissenschaftler, Lehrkräfte für den MINT-Unterricht sowie Astrophysiker und Datenwissenschaftler, die große Bilddatensätze strukturieren müssen.
• Ein Astrophysiker-Team steht vor der Herausforderung, Hunderte Gigabyte an Bilddaten eines neuen Deep-Space-Surveys auszuwerten.
• Visuelle Galaxien-Klassifikation: Freiwillige bestimmen systematisch Form, Struktur und Besonderheiten von Galaxien anhand von Entscheidungsbäumen in einer intuitiven Benutzeroberfläche.
• Hybrid-KI und Active Learning: Das System setzt neuronal trainierte Modelle ein, um Routine-Klassifizierungen zu automatisieren und Freiwilligen vorrangig komplexe oder wissenschaftlich relevante Objekte vorzulegen.
• Community-Forum & Entdeckungsplattform: Über das Tool Zooniverse Talk können Teilnehmende ungewöhnliche Himmelskörper diskutieren, was bereits zur Entdeckung neuer astronomischer Objektklassen wie 'Green Pea Galaxies' geführt hat.

Nicht geeignet für Unternehmen, die kommerzielle Bildverarbeitungssoftware suchen oder vertrauliche Firmendaten analysieren möchten.

• ALeRCE — Kostenlos · Sitz: Santiago, Chile · Unklar
• AstroLens — Kostenlos · Sitz: Vereinigte Staaten · DSGVO / EU
• Astrometry.net (Nova) — Kostenlos · Sitz: New York, Vereinigte Staaten · Unklar
• ExoMiner — Kostenlos · Sitz: Vereinigte Staaten · DSGVO / EU
• GraXpert — Kostenlos · Sitz: Deutschland · DSGVO / EU