Geowissenschaften: KI-System soll Nachbeben vorhersagen

Beben nach dem Beben prognostizieren, ist schwierig. Forscher der Harvard-Universität und von Google haben ein KI-System entwickelt, das das können soll. Maschinelles Lernen soll besonders gut geeignet sein, die komplexen Muster aufzudecken, die Nachbeben vorangehen.

Artikel veröffentlicht am 31. August 2018, 19:16 Uhr, Werner Pluta

Von einem Erdbeben zerstörtes Haus in Japan (2005) (Bild: STR/AFP/Getty Images)

Wenn die Erde bebt, bleibt es meist nicht bei einem Mal, sondern es folgen Nachbeben. Sie vorherzusagen, ist schwierig. Ein neues Künstliche-Intelligenz-System (KI) soll das ermöglichen. Entwickelt wurde das System von Forschern der Harvard Universität und von Google.

Nach einem schwerem Erdbeben dauert es manchmal Wochen oder Monate, bis sich die Situation wieder beruhigt hat. Nachbeben ängstigen die vom Beben betroffenen Menschen und können Rettungs- und Aufräumarbeiten behindern.

"Es gibt drei Dinge, die man über Erdbeben wissen möchte: Man will wissen, wann sie auftreten, wie stark sie sein werden und wo sie stattfinden", sagt Harvard-Geowissenschaftler Brendan Meade dem US-Wissenschaftsmagazin Science Daily. Bislang gebe es empirische Gesetze wie das Båth- oder das Omori-Gesetz, um Stärke und Zeitpunkt der Nachbeben vorhersagen zu können. Das funktioniert einigermaßen. Den Ort vorherzusagen, ist jedoch schwierig. "Jetzt arbeiten wir am dritten Teil: Wo sie auftreten könnten."

Neuronales Netz soll bisher unentdeckte Muster finden

Die Forscher um Meade haben ein System entwickelt, das das kann. Sie setzen ein lernfähiges neuronales Netz ein, um diese Vorhersagen zu treffen. Die Idee ist, dass das Deep-Learning-System in der Lage ist, bisher nicht entdeckte Muster in komplexen Datensätzen zu finden. Trainiert wurde die KI mit einem Datensatz aus 131.000 Paarungen von Haupt- und Nachbeben.

Anschließend testeten die Forscher sie anhand eines weiteren Datensatzes mit 30.000 ähnlichen Paarungen. Dabei war das KI-System ziemlich gut mit seinen Vorhersagen: Auf einer Skala von 0 bis 1, wobei 1 perfekt ist, erreichte es 0,849. Das derzeit beste Modell bisher, das Schergesetz von Coulomb, schafft 0,583.

Das System ist noch zu langsam

Allerdings sei das System noch lange nicht reif für den Praxiseinsatz, sagen die Forscher. So ist es noch zu langsam für Echtzeitvorhersagen. Die sind aber wichtig, da viele Nachbeben am Tag nach dem großen Beben auftreten. Außerdem betrachtet es nur Nachbeben, die durch permanente Bodenveränderungen, auch statische Belastung genannt, ausgelöst werden. Nachbeben können aber auch durch dynamischen Stress, das sind später auftretende Belastungen im Boden, ausgelöst werden.

Sie sei gespannt, was maschinelles Lernen in dem Bereich noch erreichen könne, sagte Meades Kollegin Phoebe DeVries. Es sei gut für die Nachbebenprognose geeignet. Nachbeben würden durch viele physikalische Phänomene beeinflusst, und maschinelles Lernen sei sehr gut darin, solche Beziehungen aufzudecken. "Ich denke, wir haben gerade erst an der Oberfläche dessen gekratzt, was bei der Vorhersage von Nachbeben möglich ist."