Die Sammlung digitaler Daten ist ein wesentlicher Bestandteil fast aller Unterwasser-Missionen. Neben der expliziten Datenerhebung als Zweck der Mission, beispielsweise bei der Inspektion von Unterwasserstrukturen oder der digitalen Erfassung des Seebodens, werden auch bei der Missionssteuerung (gerade bei autonomen Fahrzeugen) sehr umfangreiche Datenmengen erzeugt. Diese heterogenen, verteilten und großvolumigen Daten müssen leicht kombiniert und im Kontext bestehender Daten interpretiert werden können. Das Projekt zielt darauf ab, die bisher meist getrennt erfassten Sensordaten als fusionierte Kontextdaten in einem Framework als Basis für die Entwicklungen im Cluster zur Verfügung zu stellen. Ein wesentlicher Aspekt ist die effiziente Anwendung von Verfahren des Machine Learnings (ML) auf komplexen Datentypen wie 3D-Punktwolken oder Stereo-Videos. Eine besondere Herausforderung sind Multi-Sensor-Fusionen (Kamera, Akustik, Strömung) in einer physikalisch anspruchsvollen Umgebung samt schmalbandigen Verbindungen zwischen den einzelnen Systemen.