Erdbeben vorherzusagen gilt als eines der härtesten Probleme der Geowissenschaften. Ein Team um Sadegh Karimpouli und Patricia Martínez-Garzón vom GFZ Helmholtz-Zentrum für Geoforschung in Potsdam hat nun einen Weg erprobt, der zumindest Warnzeichen sichtbar machen könnte. Die Studie erschien in der Fachzeitschrift Nature Communications.
Der Clou: Die Forscher sagten ihrem Programm nicht, wonach es suchen soll. Sie nutzten sogenanntes unüberwachtes maschinelles Lernen und fütterten es nur mit Daten, die Seismologen ohnehin sammeln – Zeitpunkt, Ort und Stärke kleiner Beben. Statt einzelne Erschütterungen zu betrachten, bündelte die Software eng zusammenhängende Ereignisse zu „Familien“ und beschrieb jede davon mit rund hundert Merkmalen, etwa wie dicht sie räumlich und zeitlich beieinander liegen und wie viel Spannung sie abbauen.
Getestet wurde das Verfahren an fünf bekannten Starkbeben. Vor dem Beben in Kahramanmaraş in der Türkei 2023 (Magnitude 7,8), vor L’Aquila in Italien 2009 und vor Iquique in Chile 2014 tauchte jeweils Wochen bis Monate vorher eine auffällige Gruppe auf: stärker gebündelt, enger lokalisiert, energiereicher. Vor den Beben von Amatrice 2016 und auf der japanischen Halbinsel Noto 2024 fand der Algorithmus dagegen nichts.
Karimpouli dämpft deshalb die Erwartungen. Man könne Erdbeben damit nicht deterministisch vorhersagen, das Werkzeug zeige aber, wann sich ein Störungssystem ungewöhnlich verhalte. Co-Autor Marco Bohnhoff betont, Beben seien „keine isolierten Ereignisse“, sondern beeinflussten sich gegenseitig.
Grenzen hat die Methode: Für manche Fälle standen nur wenige Dutzend bis knapp 200 Familien zur Verfügung, und einige Entscheidungen erfordern Expertenurteil. Als Nächstes will das Team den Ansatz in die Echtzeitüberwachung einbauen.
