Es gibt versteckte Warnschilder. Nicht immer. Aber oft. Begraben in Tausenden winziger Erschütterungen. Die meisten Menschen vermissen sie. Wissenschaftler versuchen es. Sie scheitern vor allem daran, dass es einfach ist, eine Nadel zu finden und zu wissen, welche Nadel wichtig ist, bevor sich der Boden spaltet? Schwerer.
Neue Forschungsergebnisse des Helmholtz-Zentrums GFZ verändern die Lage etwas. Dr. Sadegh Karimpoutli und Prof. Patricia Martinez-Garzon haben ihren Computern nicht gesagt, worauf sie achten sollen. Das ist der alte Weg. Vergabe voreingestellter Etiketten. Hier nutzlos.
Stattdessen ließen sie den Algorithmus wandern.
Unüberwachtes maschinelles Lernen. Es findet Struktur ohne Regeln.
Das Musterproblem
Erdbeben kümmern sich nicht um unseren Wunsch nach sauberen Vorhersagen. Haben Sie schon einmal versucht, den genauen Zeitpunkt des nächsten großen Ereignisses vorherzusagen? Sie würden ausgelacht werden. Es ist ungelöst. Vielleicht unlösbar.
Geowissenschaftler sind jetzt auf der Suche nach Vorläufern. Kleine Beben. Vorbeben. Langsame Schlupfereignisse, bei denen Fehler lautlos ächzen. Das Problem ist die Inkonsistenz. Der Zeitpunkt variiert. Standortverschiebungen. Ein Fehler warnt laut. Ein anderer bleibt stumm. Lokale Geologie ist wichtig. Gespeicherter Stress ist wichtig.
Ein Muster für ein Beben könnte Lärm für das nächste sein.
Maschinelles Lernen half schon früher beim Sortieren der Kataloge. Jetzt änderten sie ihre Taktik. Keine feste Vorstellung davon, wie ein „Vorläufer“ aussieht. Nur Daten. Sortiert sich selbst.
Dr. Karimpoutli hat es einfach ausgedrückt. Anstatt zu suchen, lassen Sie die Daten ihre Struktur offenbaren. Keine Diagnosekriterien vordefiniert. Es funktioniert bei Erdrutschen. Vulkane. Jetzt Erdbeben.
Erdbebenfamilien
Einzelne Beben sind Lügen. Zumindest sind sie unvollständig. Jedes Zittern als Punkt in einer Tabelle behandeln? Du vermisst das Drama.
Das Team gruppierte Ereignisse. „Familien.“
Basierend auf dem Raum. Zeit. Größe. Warum? Weil sie reden. Ein kleiner Bruch verschiebt die Belastung in die Umgebung. Macht einen anderen wahrscheinlich. Oder weniger. Größere Nähe bedeutet lautere Gespräche.
Prof. Marco Bohnhoff stellt fest, dass das kollektive Verhalten Krustenstress offenbart. Wenn man sich Familien und nicht Einzelpersonen ansieht, erkennt man die Anhäufung.
Um diese Gruppen zu beschreiben, nutzten die Forscher physikalische Merkmale. Clustering-Dichtheit. Räumliche Lokalisierung. Statistische Indikatoren für Stress. Der Algorithmus kategorisierte sie dann. Verschiedene Spannungsstufen.
Laborexperimente haben funktioniert. Die Natur ist jedoch chaotisch. Fehler komplex. Daten unvollständig. Würde es halten?
Der kritische Schalter
Sie testeten die Methode an historischen Fällen mit bekannten Vorläufern. Drei verschiedene tektonische Aufbauten.
- Kahramanmaraş (Türkiye 2023) – Strike-Slip-Grenze. Mw 7,8.
- L’Aquila (Italien 2009) – Fragmentierte normale Fehler. Mw 6.1.
- Iquique (Chile 2014) – Subduktionszone. Mw 8.1.
In allen dreien? Klare Zeichen. Wochen bis Monate vorher.
Der Algorithmus fand ein deutliches Vorbebenmuster. Drei Merkmale stachen hervor. Stärkere Clusterbildung. Erdbeben sprechen mehr. Größere Lokalisierung. Die Ereignisse rückten zeitlich und räumlich näher zusammen. Erhöhte Spannungsfreisetzung.
Es signalisiert ein System, das sich der Instabilität nähert. Ein Sprung vom stabilen zum organisierten Chaos. Kurz vor dem Bruch.
Aber nicht überall.
Stille ist auch ein Signal
Sie wandten den gleichen Filter auf Beben ohne bekannte Warnungen an. Amatrice (Italien 2016) und Noto (Japan 2024).
Nichts. Es wurde keine kritische Kategorie angezeigt.
Warum? Prof. Martinez-Garzon nennt es das Variabilitätsproblem. Komplexe Überwachung. Komplexe Physik. Manche Fehler schnappen einfach. Keine Fanfare.
Einige Fehler scheitern ohne offensichtliche Anzeichen.
Dies ist kein Fehler der Methode. Es ist eine Realität der Erde. Das vom Europäischen Forschungsrat geförderte Projekt QUAKEHUNTER zielt darauf ab, zu verstehen, wann die Vorbereitung stattfindet. Und wenn wir es fangen können.
Betriebsprognose
Echte Prognosen erfordern den Blick nach vorne, nicht zurück. Also haben sie es simuliert.
Definieren Sie zunächst die Grundlinie. Nutzen Sie frühere Erdbeben in einer Region, um „normal“ zu ermitteln. Dann schauen Sie sich die neuen Daten an. Suchen Sie nach Abgängen.
Wenn plötzlich eine neue seismische Kategorie auftaucht? Der Fehler befindet sich möglicherweise in einem kritischen Zustand. Anders. Potenziell gefährlich.
Kann dies ein Erdbeben deterministisch vorhersagen? Nein. Dr. Karimpoutli ist sich darüber im Klaren.
Es ist keine Kristallkugel. Es ist ein Anomaliedetektor. Es zeigt an, dass sich der Fehler seltsam verhält. Es flüstert etwas Neues.
Das Fazit
Physik trifft KI. Subtile Muster werden sichtbar, die herkömmliche Statistiken übersehen. Konzentrieren Sie sich auf Gruppen statt auf Singletons.
Der nächste Schritt? Echtzeitüberwachung. Integration dieser Modelle.
Warum beben manche vor Warnung? Einige schweigen? Noch unbekannt. Das Tool existiert. Die Daten sind verrauscht. Die Antwort könnte einfach in dem Hintergrundgeschwätz liegen, das wir früher ignoriert haben.
Worauf hörst du?
