Richard Cloete

Das Center for Astrophysics weist Cloete als Informatiker mit einem Doktorgrad in Informatik aus. Nach Angaben des Galileo Project hatte er vor seinem Wechsel nach Harvard eine Postdoktorandenstelle an der University of Cambridge inne. [S1][S5]

Das Promotionsverzeichnis der Newcastle University liefert weitere Einzelheiten. Cloetes Doktorarbeit befasste sich mit der Messung, Modellierung und Steuerung von Latenz beim interaktiven Remote Rendering, darunter Vorhersage, Simulation und Leistungsmessung in cloudbasierten Systemen. [S6] Dieser Hintergrund ist für die daten- und systemtechnische Seite der UAP-Forschung relevant. Ein modernes multimodales Observatorium sammelt nicht bloß Fotografien.

Es muss:

• mehrere Sensoren synchronisieren;
• große Datenmengen übertragen;
• Objekte in Echtzeit erkennen;
• sie über mehrere Einzelbilder hinweg verfolgen;
• Beobachtungen mit externen Katalogen abgleichen;
• bekannte Objekte klassifizieren;
• Rohdaten bewahren;
• mögliche Ausreißer zur späteren Analyse markieren. Dabei handelt es sich zunächst um Probleme der Informatik und Systemtechnik, bevor Fragen nach exotischer Physik entstehen.

Das aktuelle Profil des Galileo Project beschreibt Cloete als Forschungsmitglied, das unter Avi Loeb am Center for Astrophysics Forschungsarbeiten des Projekts definiert und durchführt. [S1] Das Projekt will anekdotische UAP-Belege durch systematische Messungen bodengestützter Observatorien ersetzen. Seine technische Architektur umfasst optische, Infrarot-, Radar-, Hochfrequenz-, akustische und Umweltsensoren. Die Rechnerebene ist wesentlich, weil eine Überwachungsstation enorme Mengen an Flugzeugen, Satelliten, Vögeln, Insekten, Wetterereignissen und astronomischen Quellen beobachten kann.

Die meisten Erfassungen dürften gewöhnliche Ursachen haben. Ein wissenschaftlich belastbares System muss daher gewöhnliche Erscheinungen sehr zuverlässig erkennen, bevor ein ungewöhnlicher Restbefund aussagekräftig wird.

Cloete war Hauptautor des 2023 im Journal of Astronomical Instrumentation erschienenen Beitrags "Integrated Computing Platform for Detection and Tracking of Unidentified Aerial Phenomena (UAP)". [S2] Der Artikel beschreibt eine geplante Rechnerarchitektur, die Daten mehrerer Sensortypen aufnimmt, Beobachtungen in Echtzeit verarbeitet und natürliche sowie menschengemachte Phänomene von Ereignissen unterscheidet, die außerhalb des bekannten phänomenologischen Spektrums liegen. Der Entwurf umfasst Algorithmen sowohl für die nachträgliche Analyse als auch für die Erkennung in Echtzeit.

Die Autoren bezeichnen die Arbeit ausdrücklich als vorläufig. Das ist bedeutsam. Eine vorgeschlagene Architektur ist kein Beleg dafür, dass das System bereits ein neuartiges UAP entdeckt hat. Ihr wissenschaftlicher Beitrag liegt in der Technik: Sie definiert, wie Daten von Sensoren zur Klassifizierung und Ausreißeranalyse gelangen sollen.

Der Artikel zur integrierten Plattform trifft eine wichtige begriffliche Unterscheidung zwischen statistischen Ausreißern und wissenschaftlichen Anomalien. [S2] Ein statistischer Ausreißer ist ein Messwert, der von der vorherrschenden Verteilung abweicht. Dafür kann es viele Gründe geben:

• mangelhafte Kalibrierung;
• seltene, aber bekannte Flugzeuge;
• ungewöhnliches Wetter;
• beschädigte Daten;
• Sensorsättigung;
• ein Insekt in unmittelbarer Kameranähe;
• unvollständige Klassifizierungsdaten. Eine wissenschaftliche Anomalie ist eine wesentlich stärkere Kategorie.

Sie erfordert eine gestützte und statistisch markante Beobachtung, die sich auch dann nicht mit den vorherrschenden Modellen erklären lässt, wenn Artefakte und bekannte Alternativen geprüft wurden. Diese Unterscheidung ist entscheidend, weil KI-Systeme außerordentlich gut darin sind, "weird"-Kandidaten hervorzubringen. Ein hoher Anomaliewert ist kein Beleg für nichtmenschliche Technologie. Er ist ein Triage-Signal, das Forschern anzeigt, wo sie genauer hinschauen sollten.

Cloete war außerdem Mitautor des Fahrplans "The Scientific Investigation of Unidentified Aerial Phenomena (UAP) Using Multimodal Ground-Based Observatories." des Galileo Project aus dem Jahr 2023. [S7] Der Artikel beschreibt eine wissenschaftliche Rückverfolgbarkeitsmatrix, die gewünschte physikalische Parameter mit beobachtbaren Größen und Instrumentenanforderungen verknüpft. Das Sensorpaket umfasst:

• Weitwinkelkameras;
• multispektrale Kameras mit engem Sichtfeld;
• passives multistatisches Radar;
• Überwachung des Funkfrequenzspektrums;
• akustische Sensoren;
• Umweltmessungen. Ziel ist es nicht, lediglich etwas Ungewöhnliches zu fotografieren.

Vielmehr sollen genügend unabhängige Messwerte gewonnen werden, um physikalische Eigenschaften wie Position, Flugbahn, Spektrum und Kinematik zu bestimmen und zu prüfen, ob scheinbare Anomalien dem Vergleich zwischen Sensoren standhalten. Dieser Ansatz richtet sich unmittelbar gegen Schwächen vieler historischer UAP-Fälle.

Cloete war Mitautor eines gesonderten Beitrags von 2023, der Hard- und Software für die dreidimensionale Lokalisierung von Objekten im Luftraum beschreibt. Das System nutzt mehrere Kameras im sichtbaren, nahen Infrarot- und Infrarotbereich sowie Kalibrierung und Triangulation, um Positionen über die Zeit zu bestimmen und daraus Geschwindigkeit und Beschleunigung zu schätzen. [S8] Das ist für heutige Debatten über UAP-Videos besonders relevant. Eine einzelne Bildsequenz kann scheinbar schnelle Bewegung zeigen, ohne eine verlässliche Entfernung zu liefern.

Ein kalibriertes Mehrkamerasystem kann Tiefe geometrisch bestimmen. Dadurch wird Winkelbewegung in messbare Kinematik überführt. Die technische Herausforderung besteht somit nicht lediglich in höherer Auflösung, sondern in der Gewinnung unabhängiger Geometriedaten.

Cloete wird auch als Mitautor von Arbeiten des Galileo Project zur akustischen Mehrbandüberwachung und zum passiven multistatischen Radar geführt. [S9][S10] Das akustische System soll infra-, hör- und ultraschallspezifische Signaturen überwachen und anhand von Aufzeichnungen bekannter Flugzeuge Identifikationsalgorithmen entwickeln. Das Radarkonzept soll aus verteilten Empfängern Position und Geschwindigkeit eines Objekts bestimmen. Diese Modalitäten sind wissenschaftlich wertvoll, weil sie optische Daten bestätigen oder ihnen widersprechen können. Ein optisches Ziel ohne entsprechende akustische, Radar- oder Wärmesignatur kann je nach Entfernung und Sensorempfindlichkeit dennoch real sein; das Multisensormuster setzt jedoch Grenzen, die ein Video allein nicht bietet.

2025 war Cloete Mitautor eines begutachteten Beitrags in Sensors über die Inbetriebnahme eines Infrarot-Kameraarrays zur Erfassung des gesamten Himmels für die Erkennung von Flugobjekten. Als seine Beiträge waren Software, formale Analyse und der ursprüngliche Entwurf des Manuskripts aufgeführt. [S11]

Inbetriebnahmearbeit ist wichtig, weil wissenschaftliche Instrumente charakterisiert werden müssen, bevor ihren Anomalien vertraut werden kann. Forscher müssen Folgendes kennen:

• Empfindlichkeit;
• tote Pixel;
• Objektivverzeichnung;
• thermisches Verhalten;
• Hintergrundrauschen;
• Falscherkennungen;
• Auswirkungen der Bildverarbeitung. Ein unkalibrierter Sensor kann überzeugende Anomalien erzeugen, die verschwinden, sobald sein Verhalten verstanden ist. Cloetes Beteiligung an der Inbetriebnahme unterstreicht daher seine Relevanz für UAPSACs Aufgabe der Datenanalyse.

Cloetes aktuelle Forschung beschränkt sich nicht auf UAP. 2024 war er Mitautor eines begutachteten Beitrags in Astronomy & Astrophysics über Methoden des maschinellen Lernens zur automatisierten Klassifizierung interstellarer Objekte in der Datenumgebung des Vera C. Rubin Observatory/LSST. [S12]

2025 war er Mitautor eines weiteren Beitrags in Astronomy & Astrophysics, in dem Verfahren des maschinellen Lernens zur besseren Entdeckung erdnaher Objekte eingesetzt wurden. [S13] Diese Veröffentlichungen sind für sein Profil wichtig, weil sie Arbeit zum maschinellen Lernen an etablierten astronomischen Klassifizierungsproblemen belegen, bei denen Referenzdaten und die Leistung der Himmelsdurchmusterung geprüft werden können. Die Relevanz für UAP ist methodischer Art. Algorithmen sollten zunächst zeigen, dass sie bekannte Populationen identifizieren, Fehlerraten schätzen und auf neue Daten verallgemeinern können, bevor Forscher ihrer Einstufung als "unknown." großes Gewicht beimessen.

Künstliche Intelligenz ist für die UAP-Forschung attraktiv, weil Sensornetze zu viele Daten für eine manuelle Prüfung erzeugen. KI bringt jedoch eigene erkenntnistheoretische Risiken mit sich. Ein Modell kann Artefakte in den Trainingsdaten erlernen. Es kann ein Objekt mit hoher Konfidenz klassifizieren, obwohl ihm eine im Training nicht enthaltene Kategorie vorgelegt wird.

Es kann allein deshalb ein "unknown" erzeugen, weil Metadaten fehlen. Die Erkennung von Daten außerhalb der Trainingsverteilung ist selbst ein aktives Forschungsproblem. Eine UAP-KI-Pipeline braucht daher mehr als anspruchsvolle Software. Sie benötigt:

• Validierungsdatensätze bekannter Objekte;
• menschliche Prüfung;
• transparente Schwellenwerte;
• reproduzierbare Vorverarbeitung;
• Aufzeichnungen über Modellversionen;
• Kalibrierung der Unsicherheit;
• Zugang zu Sensorrohdaten. Cloetes technische Rolle könnte daher entscheidend dazu beitragen, dass UAPSAC falsch positive Befunde vermeidet.

Cloete erschien auf der ersten Ratsliste vom Juni 2026 mit Zuständigkeit für Datenanalyse und KI-Werkzeuge. [S3][S4] Anders als bei Mitgliedern, deren Beiträge vor allem Politik oder öffentliche Kommunikation betreffen, liegt sein zugewiesener Aufgabenbereich nahe an der technischen Kernfrage, UAP-Daten in Klassifizierungen zu überführen. Das bedeutet nicht, dass die KI-Systeme des Rates bereits eine Entdeckung hervorgebracht haben. Die hier geprüften öffentlich verfügbaren Informationen liefern weder eine vollständige UAPSAC-Datenpipeline oder Modellarchitektur noch validierte Ergebnisse einer Fallanalyse. Das Profil sollte die Ernennung daher als neue Anwendung eines etablierten Forschungsschwerpunkts beschreiben, nicht als Beleg für ein bereits erzieltes Ergebnis des Rates.

Cloete arbeitet im Galileo Project unter Avi Loeb und gehört nun einem von Loeb geleiteten Rat an. Dies schafft sowohl Kontinuität als auch ein mögliches methodisches Problem. Kontinuität ist nützlich, weil vorhandene Werkzeuge und Fachkenntnisse schnell in die Beratung der Regierung übertragen werden können. Das mögliche Problem betrifft die Unabhängigkeit.

Wenn dieselbe Forschungsgruppe Instrumente entwickelt, mögliche Anomalien auswählt und sie ohne ausreichende externe Replikation bewertet, kann selbst in technisch anspruchsvollen Systemen Bestätigungsfehler entstehen. Die Schutzmaßnahme besteht nicht darin, verbundene Forscher auszuschließen. Erforderlich sind vielmehr unabhängige Validierung, soweit möglich offene Methoden und eine klare Trennung zwischen der Entwicklung von Algorithmen und abschließenden Anomaliebehauptungen.