Durchbruch in der Exoplanetenforschung: 44 neue Hinweise auf zweite Erde

Ein Forschungsteam der Universität Bern und des Nationalen Forschungsschwerpunkts PlanetS durfte einen bedeutenden Durchbruch in der Suche nach bewohnbaren Planeten feiern. Wie die Universität Bern am 9. April 2025 bekannt gab, entwickelte das Team ein maschinelles Lernmodell, das mit hoher Präzision Planetensysteme mit erdähnlichen Exoplaneten identifiziert. Das ist nicht nur ein Durchbruch auf der Suche nach bewohnbaren Planeten, sondern auch ein potenzieller Meilenstein auf dem Weg zur Entdeckung außerirdischen Lebens.

Das KI-Modell wurde unter der Leitung von Dr. Jeanne Davoult im Rahmen ihrer Dissertation an der Universität Bern entwickelt. Unterstützt wurde sie von Prof. Dr. Yann Alibert und Romain Eltschinger vom Center for Space and Habitability (CSH). Das KI-Modell wurde mit synthetischen Daten trainiert, basierend auf dem renommierten „Bern Model of Planet Formation and Evolution“, das die Entstehung von Planetensystemen physikalisch simuliert. Das Ergebnis ist beeindruckend: Mit einer Treffsicherheit von 99 % konnte das Modell Systeme identifizieren, die mit sehr hoher Wahrscheinlichkeit mindestens einen erdähnlichen Planeten enthalten.

Anwendung auf reale Planetensysteme

Nach dem Training wurde das Modell auf reale Beobachtungsdaten angewendet – und identifizierte dabei 44 Planetensysteme, die bislang unentdeckte erdähnliche Planeten enthalten könnten. Diese Erkenntnisse sind besonders relevant für künftige Weltraummissionen wie PLATO (ESA) und das geplante Projekt LIFE, die beide die Erforschung erdähnlicher Welten im Fokus haben.

PLATO (PLAnetary Transits and Oscillations of stars), dessen Start für 2026 geplant ist, soll mit Hilfe der Transitmethode und Asteroseismologie bewohnbare Exoplaneten aufspüren – insbesondere um sonnenähnliche Sterne. Die von PLATO identifizierten Kandidaten bilden wiederum die Grundlage für zukünftige Missionen wie LIFE (Large Interferometer For Exoplanets), das mit Infrarotspektroskopie und Nulling-Interferometrie die Atmosphären entfernter Planeten nach möglichen Biosignaturen wie Wasser oder Methan analysieren soll. Das neue maschinelle Lernmodell könnte dabei helfen, die vielversprechendsten Ziele für diese Missionen bereits im Vorfeld präzise auszuwählen.