Pipeline zur Aufnahme von Satellitenbildern für die Verteidigung: von der Rohszene zur beauftragten Auswertung

Eine Satellitenszene ist keine Aufklärungsinformation. Sie ist rohe Daten: ein komprimiertes Raster von Pixelwerten, kodiert in einem proprietären Format, mit einem Koordinatenreferenzsystem versehen, an eine Sensortelemetriedatei angehängt und in einen Geheimhaltungscontainer eingehüllt, der festlegt, wer sie anfassen darf. Zwischen dieser Rohzustellung und einem Zielaufklärungsanalysten, der ein brauchbares orthorektifiziertes Bild an seinem Arbeitsplatz erhält, liegt eine Aufnahmepipeline -- eine Reihe automatisierter Verarbeitungsstufen, die die meisten GEOINT-Programme unterschätzen, bis sie um 02:00 Uhr bei einer dringenden Aufnahmeanforderung versagt. Dieser Artikel seziert jede Stufe einer Verteidigungspipeline zur Aufnahme von Satellitenbildern: wie die Szenenbeauftragung mit den APIs der Satellitenbetreiber und den Anforderungssystemen der national technical means (NTM) zusammenspielt, was der Vorverarbeitungs-Stack mit Rohbildern macht, bevor sie in den Katalog gelangen, warum Formatentscheidungen operativ wichtig sind, wie räumliche Kataloge ein schnelles Abrufen von Szenen über Millionen archivierter Szenen ermöglichen und wie die Routing-Logik neu aufgenommene Bilder mit den Auswertewerkzeugen und Analysten-Warteschlangen verbindet, die sie benötigen.

Die Satellitenbild-Pipeline: Umfang und operative Anforderungen

Eine Verteidigungspipeline zur Aufnahme von Satellitenbildern umfasst drei Funktionsbereiche: Akquisition (die Szene vom Satelliten oder Anbieter in die Pipeline bekommen), Verarbeitung (die Umwandlung der Rohszene in ein kalibriertes, georeferenziertes, katalogisiertes Produkt) und Auswerte-Routing (die richtige Szene zur richtigen Zeit an das richtige Werkzeug oder den richtigen Analysten zustellen). Jeder Bereich hat eigene Anforderungen an Latenz, Durchsatz und Zuverlässigkeit, die die Architekturentscheidungen prägen. Für die routinemäßige Aufnahme zur Unterstützung der langzyklischen nachrichtendienstlichen Produktion ist eine Ende-zu-Ende-Latenz von der Szenenaufnahme bis zur Katalogverfügbarkeit von mehreren Stunden akzeptabel. Für zeitkritische nachrichtendienstliche Anforderungen (TSI) -- Schadenserfassung nach Gefecht, Kräfteverfolgung oder dynamische Zielbekämpfung -- muss dieselbe Pipeline diese Latenz auf unter 30 Minuten und in einigen Architekturen auf unter 10 verdichten.

Operative Anforderungen erlegen Beschränkungen auf, denen kommerzielle Bildpipelines nicht begegnen. Geheimhaltungsverarbeitung bedeutet, dass Szenen unterschiedlicher Sicherheitsstufen ohne Akkreditierung keine Verarbeitungsinfrastruktur teilen können oder in isolierten Enklaven mit strengen Datenübertragungskontrollen zwischen den Stufen verarbeitet werden müssen. Die Protokollierung der Beweiskette -- Aufzeichnung, wer eine Aufnahme bestellt hat, welche Verarbeitungsalgorithmen angewendet wurden, welcher Analyst das Produkt erhalten hat und welche Auswertehandlungen vorgenommen wurden -- ist für fertige Aufklärungsergebnisse mit rechtlicher und operativer Verantwortlichkeit zwingend. Die Verfügbarkeitsanforderungen für Bildpipelines, die aktive Operationen unterstützen, sind typischerweise höher als für Produktionssysteme in Friedenszeiten und erfordern redundante Verarbeitungsknoten, automatisches Failover und Betriebspläne für den abgestuften Modus für den Fall, dass der primäre kommerzielle Downlink-Pfad oder die Cloud-Verarbeitungsumgebung nicht verfügbar ist.

Die Pipeline muss zudem von Grund auf mehrquellenfähig sein. Ein Verteidigungseinsatzgebiet verlässt sich nicht auf eine einzige Satellitenkonstellation. Kommerzielle Anbieter (Maxar WorldView Legion, Planet SuperDoves, Airbus Pleiades Neo, Satellogic), Anbieter von Radar mit synthetischer Apertur (SAR) (Capella Space, ICEYE, Umbra) sowie Koalitions- oder NTM-Bilder treffen alle über verschiedene Zustellmechanismen mit unterschiedlichen Formatkonventionen, Metadatenschemata und Lizenzbeschränkungen ein. Die Aufnahmepipeline abstrahiert diese Unterschiede hinter einem gemeinsamen internen Schema, sodass nachgelagerte Verarbeitungs-, Katalog- und Auswertewerkzeuge unabhängig von der Quelle auf einer normalisierten Repräsentation arbeiten.

Szenenbestellung und Beauftragung: Integration mit den APIs der Satellitenbetreiber und den NTM-Anforderungssystemen

Die Satellitenbeauftragung beginnt mit einer Anforderung: einem geografischen Interessensgebiet (AOI), einem Aufnahmefenster, einer Auflösungsanforderung und einer nachrichtendienstlichen Priorität. In einer Verteidigungsorganisation werden Anforderungen als Daueranforderungen (STANREQs) oder Ad-hoc-Aufträge formalisiert, die in einem Anforderungsverfolgungssystem verwaltet werden. Das Beauftragungsmodul der Aufnahmepipeline liest aktive Anforderungen und übersetzt sie in Aufnahmeaufträge, die an jeden relevanten Satellitenbetreiber oder NTM-Broker übermittelt werden. Für kommerzielle Anbieter bedeutet dies den Aufruf einer REST-Beauftragungs-API: Übermittlung eines AOI-Polygons, eines Aufnahmefensters, einer Produktstufen-Spezifikation und von Authentifizierungsdaten. Die Maxar-SecureWatch-API, die Planet-Orders-API und die Airbus-Intelligence-Access-API folgen alle weitgehend ähnlichen Mustern -- einen Auftrag per POST übermitteln, den Status abfragen und das Szenenpaket von einer signierten URL herunterladen, sobald die Aufnahme bestätigt ist.

Die NTM-Integration folgt einem anderen Muster, das durch geheime Anforderungsprotokolle geregelt ist. Statt über eine kommerzielle REST-API laufen NTM-Anforderungen über kontrollierte Verbreitungssysteme unter Verwendung von Nachrichtenformaten wie STANAG 4559 (NATO-Standard für Bildanforderung und -zustellung) oder US-IC-spezifischen Protokollen. Das NTM-Schnittstellenmodul der Aufnahmepipeline übernimmt die Authentifizierung gegenüber dem relevanten Brokering-System, übermittelt Anforderungen im erforderlichen Schema, überwacht Zustellbenachrichtigungen und ruft Szenenpakete über den autorisierten Übertragungspfad ab. Das zentrale Architekturprinzip lautet, dass NTM- und kommerzielle Beauftragung von getrennten Schnittstellenmodulen mit isolierten Anmeldedaten-Speichern abgewickelt werden müssen, selbst wenn sie in dieselbe nachgelagerte Verarbeitungswarteschlange münden, weil sich ihre Anforderungen an Geheimhaltung, Handhabung und Prüfung unterscheiden.

Das Auftragsmanagement erfordert einen lokalen Zustandsautomaten, um den Lebenszyklus jeder Aufnahmeanforderung zu verfolgen: übermittelt, vom Anbieter bestätigt, aufgenommen (Satellitenüberflug erfolgte), heruntergeladen, vom Anbieter verarbeitet und an den Aufnahme-Endpunkt der Pipeline zugestellt. Anbieterseitige Verarbeitungsfehler, Bewölkung zum Aufnahmezeitpunkt und Konflikte bei der Satellitenbeauftragung erfordern jeweils Behandlungslogik -- Neuplanung, Eskalation zu einem höherpriorisierten alternativen Anbieter oder Kennzeichnung der Anforderung als unerfüllt zur manuellen Prüfung. Das Beauftragungsmodul sollte einen historischen Datensatz aller Anforderungen und Ergebnisse führen, um die Berichterstattung über die Aufnahmewirksamkeit und die Analyse der Anbieterleistung zu unterstützen.

Vorverarbeitung von Rohbildern: Orthorektifizierung, atmosphärische Korrektur und Wolkenmaskierung

Eine von einem kommerziellen Anbieter auf Level 1B (radiometrisch korrigiert, Sensorgeometrie) gelieferte Szene ist nicht bereit für die Auswertung oder Katalogisierung in einem Verteidigungs-Bildsystem. Bevor sie in den räumlichen Katalog gelangt, muss sie orthorektifiziert -- geometrisch korrigiert, um Sensorlagefehler und Geländeverschiebung zu entfernen -- und radiometrisch auf eine konsistente Oberflächenreflexionsskala normalisiert werden. Diese Schritte sind keine optionalen Verfeinerungen; sie sind Voraussetzungen, um Bilder über Vektorkarten zu legen, Veränderungserkennung gegen frühere Aufnahmen durchzuführen und Objekte genau genug für militärische Aufklärungszwecke zu vermessen.

Die Orthorektifizierung verwendet die mit der Szene gebündelten rationalen Polynomkoeffizienten (RPCs) und ein digitales Höhenmodell (DEM), um jedes Pixel von der Sensorgeometrie in eine Kartenprojektion zu projizieren. SRTM 1-Bogensekunde (etwa 30 m horizontale Auflösung) ist das Basis-DEM für die meisten Pipelines auf Einsatzgebietsebene; für hochauflösende Aufnahmen (0,3--0,5 m Bodenabtastabstand), bei denen Submeter-Geolokalisierungsgenauigkeit zählt, ist ein einsatzgebietsspezifisches hochauflösendes DEM erforderlich, das aus Stereo-Satellitenaufnahmen oder luftgestütztem LiDAR abgeleitet wird. Das RPC-basierte Modell erreicht ohne Bodenkontrolle einen Kreisfehler mit 50 % Wahrscheinlichkeit (CEP) von 3--8 m; das Hinzufügen einer dünnen Menge GPS-vermessener Bodenkontrollpunkte (GCPs) zur Verfeinerung der RPC-Lösung verbessert die Genauigkeit für nachverarbeitete Produkte auf 1--2 m CEP. Für Missionen, bei denen die absolute Geolokalisierungsgenauigkeit entscheidend ist -- etwa die Vermessung von Zielkoordinaten -- muss die Pipeline eine GCP-Datenbank integrieren und den RPC-Verfeinerungsschritt automatisch anwenden.

Die atmosphärische Korrektur wandelt die Radianz am Atmosphärenoberrand (TOA) in Oberflächenreflexion um und entfernt die Effekte der molekularen Streuung, der Aerosolabsorption und der solaren Beleuchtungsgeometrie. Dieser Schritt ist für die multispektrale Veränderungserkennung unerlässlich: Zwei unter unterschiedlichen atmosphärischen Bedingungen aufgenommene Szenen zeigen in jedem Band scheinbare radiometrische Unterschiede, selbst wenn sich die Bodenoberfläche nicht verändert hat, was Fehlalarme erzeugt. Strahlungstransfermodelle wie MODTRAN oder 6S berechnen Korrekturkoeffizienten anhand atmosphärischer Parameter (Aerosol-optische Dicke, Wasserdampf, Ozonsäule), die aus zeitgleichen MODIS-Abrufen oder Modellanalysefeldern gewonnen werden. Die Wolken- und Wolkenschattenmaskierung verwendet einen Qualitätsbewertungsalgorithmus (FMask, S2cloudless oder ein trainiertes CNN), um jedes Pixel als klar, Wolke, Schatten oder Schnee/Eis zu kennzeichnen. Die Wolkenmaske wird als Begleitband neben der verarbeiteten Szene gespeichert und propagiert durch die gesamte nachgelagerte Verarbeitung -- Veränderungserkennungsalgorithmen müssen beispielsweise wolkenmaskierte Pixel aus ihren Statistiken ausschließen.

Formatlandschaft: NITF, GeoTIFF, JPEG 2000 und ihre Verteidigungsanwendungsfälle

Verteidigungs-Bildpipelines müssen mehrere koexistierende Formate verwalten, weil kein einzelnes Format alle Anwendungsfälle innerhalb einer Verteidigungsorganisation erfüllt. NITF 2.1 (National Imagery Transmission Format) ist der maßgebliche Container für Aufklärungsbilder in US- und verbündeten Systemen. Es trägt die Bilddaten zusammen mit strukturierten Metadatenfeldern, die kein anderes Format nativ unterstützt: Sicherheitseinstufungs- und Handhabungskennzeichnungen im Dateikopf, technische PIAIMC-Erweiterungsdatensätze (Profile for Imagery Access), die Sensorparameter und Aufnahmegeometrie beschreiben, SENSRB (Sensor Data Records) für präzise Sensortelemetrie und IGEOLO-Eckkoordinaten sowie Informationen zur Kartenprojektion. Die Struktur von NITF erlaubt zudem mehrere Bildsegmente innerhalb einer einzigen Datei, wodurch ein panchromatisches Band, ein multispektraler Stapel und ein pan-geschärftes Produkt in einem Container mit einem gemeinsamen Metadatenkopf koexistieren können.

GeoTIFF -- und speziell Cloud-Optimized GeoTIFF (COG) -- ist das Arbeitspferd-Format für webbasierte Visualisierung, GEOINT-Plattform-Visualisierungsebenen und KI/ML-Verarbeitungs-Workflows. COG-Dateien organisieren die interne Kachel- und Übersichtsstruktur so, dass HTTP-Range-Anfragen nur den Teil des Bildes abrufen können, der bei der aktuellen Kartenzoomstufe sichtbar ist, wodurch ein Web-Kartendienst Bilder aus dem Objektspeicher streamen kann, ohne Kachelpyramiden vorzugenerieren. Für die KI-Modellinferenz -- Veränderungserkennung, Objekterkennung, Merkmalsextraktion -- ist GeoTIFF mit GDAL-lesbaren Metadaten das Standard-Eingabeformat für Python-basierte geospatiale ML-Frameworks. Die Pipeline erzeugt COG-Derivate aus dem NITF-Master als parallelen Ausgabeschritt und schreibt sie in die Objektspeicherschicht, die für Webdienste und ML-Inferenzknoten zugänglich ist.

JPEG 2000 besetzt eine spezifische Nische in Verteidigungsbildern: Es ist das in NITF-Dateien eingebettete Kompressionsformat für hochauflösende Produkte, bei denen verlustfreie oder visuell verlustfreie Kompression mit Verhältnissen von 4:1 bis 8:1 erforderlich ist, und es ist das Format, das in vielen älteren Standards für den Bildaustausch zwischen Verbündeten verwendet wird. Die wavelet-basierte Kompression von JPEG 2000 übertrifft JPEG bei hohen Kompressionsverhältnissen und bewahrt zugleich feine Detailmerkmale, die für die Auswertung entscheidend sind (Fahrzeugidentifikation, Anlagenanalyse, Erkennung von Aktivitätsmustern). Die Pipeline sollte JPEG-2000-Streams sowohl als eigenständige Dateien als auch als Bildsegmentdaten innerhalb von NITF-Containern lesen und schreiben können, mit einer konformen Bibliothek wie OpenJPEG oder Kakadu. Für Verteidigungs-Datenfusionspipelines, die Bilder aus mehreren Quellen verarbeiten, eliminiert die Normalisierung aller Quellen auf ein konsistentes internes Format vor der Katalogindizierung die formatspezifische Behandlung in nachgelagerten Werkzeugen.

Katalogindizierung: räumliche und zeitliche Indizierung für schnelles Abrufen von Szenen

Der räumliche Katalog ist das operative Gedächtnis der Bildpipeline. Jede verarbeitete Szene muss indiziert werden, bevor sie nützlich ist: Ein orthorektifiziertes NITF, das im Objektspeicher liegt und von keinem Katalog erfasst wird, ist für Analysten und Auswertewerkzeuge faktisch unsichtbar. Die Spezifikation SpatioTemporal Asset Catalog (STAC) hat sich zum Standardschema für Verteidigungs- und kommerzielle Bildkataloge entwickelt, weil sie eine gemeinsame JSON-Struktur für Szenenmetadaten definiert -- Footprint-Geometrie, Aufnahmedatum, Sensor- und Plattformkennungen, Bandbeschreibungen, Asset-Links --, die von einem wachsenden Ökosystem aus Katalog-Clients, Such-APIs und Visualisierungswerkzeugen ohne kundenspezifische Integrationsarbeit lesbar ist.

Unter der STAC-API speichert eine PostGIS-gestützte PostgreSQL-Datenbank Item-Datensätze und ihre GeoJSON-Footprint-Geometrien. Räumliche Abfragen -- "alle Szenen, die dieses Polygon schneiden, in den letzten 14 Tagen aufgenommen, mit weniger als 15 % Bewölkung, bei 0,5 m oder besserer Auflösung" -- werden als räumliche PostGIS-Schnittmengen-Abfragen mit zusammengesetzten Indizes auf der Footprint-Geometriespalte, der Aufnahmedatumsspalte sowie den numerischen Feldern für Bewölkung und Auflösung ausgeführt. Für einen Katalog mit 10 Millionen Szenen-Datensätzen liefert diese Abfragestruktur Ergebnisse in unter 500 ms, wenn die Indizes gepflegt und die Abfragepläne optimiert sind. Der Indizierungsschritt der Pipeline fügt jeden neuen STAC-Item-Datensatz unmittelbar ein, nachdem das NITF geschrieben und seine Metadaten validiert wurden, sodass die Szene innerhalb von Sekunden nach Abschluss der Verarbeitung abfragbar ist.

Die zeitliche Indizierung ist für Veränderungserkennungs-Workflows ebenso wichtig wie die räumliche Indizierung. Analysten und automatisierte Dienste fragen häufig nach "allen früheren Aufnahmen dieses AOI", um Basisbilder für die Veränderungserkennung oder die Analyse von Aktivitätsmustern zu erstellen. Ein Index auf der Aufnahmedatumsspalte mit einer B-Baum-Struktur unterstützt Bereichsabfragen (alle Aufnahmen zwischen Datum A und Datum B) effizient, aber das nützlichste zeitliche Zugriffsmuster -- "alle Szenen, die den Footprint X schneiden, nach Aufnahmedatum sortiert" -- erfordert eine gemeinsame räumlich-zeitliche Abfrage, die von einem abdeckenden Index profitiert, der die Geometrie- und Datumsspalten kombiniert. Die gleichen Prinzipien der räumlichen Indizierung, die in Pipelines zur Normalisierung von Sensordaten verwendet werden, gelten hier: Das Schema muss für die Abfragemuster entworfen werden, die die Auswertewerkzeuge tatsächlich absetzen, nicht allein für die Schemanormalisierung.

Routing zur Auswertung: Einreihen von Bildern an passende analytische Werkzeuge und Analysten-Arbeitsplätze

Eine neu katalogisierte Szene ist ein Kandidat für die gleichzeitige Zustellung an mehrere nachgelagerte Abnehmer: einen automatisierten Veränderungserkennungsdienst, ein KI-basiertes Objekterkennungsmodell, einen menschlichen Bildanalysten und ein System zur Berichtserstellung. Die Routing-Engine ist die Komponente, die jede neue Szene mit registrierten Anforderungen abgleicht und bestimmt, welche Abnehmer sie erhalten, in welcher Prioritätsreihenfolge und über welchen Zustellmechanismus. Das in den meisten Verteidigungs-Bildsystemen verwendete Routing-Modell basiert auf Abonnements für benannte Interessensgebiete (NAI) in Kombination mit Daueranforderungen (STANREQs), die Filterkriterien angeben -- Mindestauflösung, maximale Bewölkung, Aufnahmedatumsfenster, Sensortyp -- sowie ein Zielsystem oder eine Analysten-Warteschlange.

Wenn der Indizierungsschritt ein neues STAC-Item schreibt, bewertet die Routing-Engine es gegen alle aktiven Abonnements. Abonnements werden als räumliche Abfragen gegen die NAI-Polygonbibliothek implementiert: Wenn der Szenen-Footprint ein registriertes NAI schneidet, wendet die Engine die Filterkriterien des Abonnements an. Eine Szene, die alle Kriterien erfüllt, erzeugt eine Zustellbenachrichtigung an das bezeichnete Zielsystem. Für KI-Auswertedienste trägt die Benachrichtigung den NITF-Speicher-URI der Szene und wird in eine Arbeitswarteschlange (RabbitMQ, AWS SQS oder einen gleichwertigen Nachrichten-Broker) veröffentlicht, die von den Worker-Prozessen des Dienstes konsumiert wird. Für Analysten-Arbeitsplätze aktualisiert die Benachrichtigung die Auftragswarteschlange des Analysten im Bildauswertesystem (SOCET GXP, RemoteView oder FADE/MIST) mit einem neuen Auftragsdatensatz, der auf die Szene verweist. Für zeitkritische nachrichtendienstliche Anforderungen wendet die Routing-Engine einen Prioritätsschub an, der bereits in der Auswertewarteschlange befindliche Elemente mit niedrigerer Priorität verdrängt.

Das klassifikationsübergreifende Routing erfordert besondere Sorgfalt. Eine Szene, die auf einer höheren Geheimhaltungsstufe aufgenommen wurde als die Basis-Akkreditierung des Analysten, kann nicht in seine Standard-Arbeitsplatzwarteschlange geleitet werden; sie muss an einen Arbeitsplatz in der entsprechend akkreditierten Enklave geleitet werden. Die Routing-Engine muss die Freigabe- und Akkreditierungsdaten des Analysten im Identitätsmanagementsystem abfragen, bevor sie eine Zustellbenachrichtigung versendet. Automatisierte KI-Dienste, die Bilder auf mehreren Geheimhaltungsstufen verarbeiten, müssen auf der höchsten Stufe der von ihnen verarbeiteten Daten akkreditiert sein, und ihre Ausgabeprodukte müssen die Quellklassifizierungskennzeichnungen der Bilder tragen, die sie konsumiert haben. Pipeline-Entwerfer, die diese Kontrollen auf "später hinzufügen" verschieben, stellen ausnahmslos fest, dass die Nachrüstung von klassifikationsbewusstem Routing in eine bestehende Nachrichtenübermittlungsarchitektur teurer und störender ist, als es von Anfang an einzubauen.

Pipeline-Leistung: Durchsatz, Latenz und Speicheranforderungen im operativen Maßstab

Eine mittelgroße Verteidigungs-Bildpipeline, die ein einzelnes Einsatzgebiet unterstützt, verarbeitet typischerweise 50--150 Satellitenszenen pro Tag aus mehreren kommerziellen und staatlichen Quellen. Bei 0,5 m Auflösung deckt eine kommerzielle Standardaufnahmeschwade 15--30 km Breite und 100--200 km Länge ab und erzeugt orthorektifizierte Szenen von je 1--4 GB als GeoTIFF und 2--8 GB als unkomprimiertes NITF. Das tägliche Aufnahmevolumen in diesem Maßstab liegt bei 150--600 GB neuer Szenendaten, hinzu kommen Vorverarbeitungs-Zwischenergebnisse, die den Arbeitsspeicherbedarf während der aktiven Verarbeitung verdoppeln oder verdreifachen können. Ein hochauflösender Vollgebiets-Anstieg -- umfassende Abdeckung über ein großes umkämpftes Gebiet -- kann die täglichen Aufnahmevolumina auf mehrere Terabyte treiben und erfordert Vorverarbeitungs-Cluster, die horizontal skalieren, um die Latenz-SLAs einzuhalten.

Die Verarbeitungslatenz ist die Leistungsvorgabe, die den operativen Nutzen am unmittelbarsten beeinflusst. Für TSI-Workflows ist das Ziel unter 30 Minuten von der Szenenzustellung bis zur Katalogverfügbarkeit; für die routinemäßige Produktion ist unter 4 Stunden akzeptabel. Der Orthorektifizierungsschritt ist die rechenintensivste Stufe: Eine panchromatische Szene mit voller Auflösung von 0,3 m mit RPC-Verfeinerung und DEM-Projektion benötigt 5--20 Minuten auf einem einzelnen modernen Rechenknoten. Die Parallelisierung über Szenenkacheln und das gleichzeitige Ausführen mehrerer Szenen auf einem Cluster von 8--16 Knoten erreicht die TSI-Latenzziele für typische Szenenvolumina. Die atmosphärische Korrektur ist rechnerisch leichter (1--3 Minuten pro Szene), erfordert aber Zugriff auf zeitgleiche atmosphärische Parameterdaten aus NWP-Modellanalysen oder satellitengestützten Aerosolprodukten, was eine Datenabhängigkeit einführt, die die Verarbeitung verzögern kann, wenn die Hilfsdatenpipeline nicht vorbefüllt ist.

Die Speicherarchitektur folgt einem abgestuften Zugriffsmodell, das auf die Auswertemuster ausgerichtet ist. Aktiver Arbeitsspeicher (NVMe-gestützter Block- oder Hochleistungs-Objektspeicher) hält die letzten 30--60 Tage orthorektifizierter Szenen in voller Auflösung und unterstützt Katalogabfragen im Subsekundenbereich sowie das schnelle Abrufen von Szenen für die aktive Auswertung. Die Stufe des aktiven Archivs von 6--18 Monaten verwendet Objektspeicher (S3-kompatibel) mit einer Abruflatenz von Sekunden bis Minuten, ausreichend für historische Analysen und Veränderungserkennungs-Baselines. Die Langzeitaufbewahrung über 18 Monate hinaus wird in Kalt-Objektspeicher oder auf Band verlagert, mit einer Abruflatenz von Stunden -- akzeptabel für historische Aufbewahrungspflichten, aber nicht für die aktive Auswertung. Die STAC-Katalogdatenbank hält stets vollständige Metadaten für alle Stufen; der Speicher-URI in jedem Katalogdatensatz verweist auf die passende Stufe, und die Abrufschicht übernimmt den stufentransparenten Zugriff, sodass Auswertewerkzeuge nicht wissen müssen, auf welcher Speicherstufe sich eine angeforderte Szene befindet.