Neue Muster seismischer Aktivität vor großen Erdbeben durch maschinelles Lernen einer KI entdeckt – Hoffnung auf bessere Vorhersagbarkeit von Erdbeben wächst
Trotz aller Fortschritte in den Geowissenschaften ist es immer noch unmöglich, starke Erdbeben exakt vorherzusagen. Zwar können Forschende mittlerweile erkennen, ob sich an einer der großen prominenten Störungszonen der kontinentalen Plattengenzen Spannungen aufbauen und somit den Grundstein für ein Erdbeben liefern, doch wann genau ein starkes Erdbeben auftreten wird, bleibt oft ungewiss. Einen Schritt in Richtung Prognoseansatz schaffte nun eine neue Arbeit von Forschenden des GFZ Helmholtz-Zentrums für Geoforschung und internationalen Partnern, die mit Hilfe Künstlicher Intelligenz Vorläufermuster starker Erdbeben identifizierten.
Die Vorläuferphänomene wurden durch den Einsatz unüberwachter Verfahren des maschinellen Lernens einer KI entdeckt: seismische Daten wurden ohne vorgegebene Annahmen analysiert und so konnten bislang verborgene Muster sichtbar gemacht werden.

Hauptautor Dr. Sadegh Karimpouli, Wissenschaftler am GFZ, erklärt in einer Pressemeldung der Einrichtung: „Anstatt nach bestimmten Vorläufern zu suchen, lassen wir die Daten ihre eigene Struktur offenbaren und nutzen dafür das sogenannte unüberwachte Maschinelle Lernen, bei dem diagnostische Merkmale nicht vordefiniert sind.“ Dieser Ansatz wurde bereits erfolgreich bei der Erkennung von Vorläuferphasen von Erdrutschen und Vulkanausbrüchen eingesetzt, so der Forscher weiter.
Die so entwickelte Methode betrachtet Erdbebensequenzen nicht als isolierte Ereignisse, sondern als miteinander in Wechselwirkung zueinander stehende Familien von Beben. Dabei werden räumliche, zeitliche und energetische Merkmale kombiniert, um Entwicklungsstadien seismischer Aktivität zu identifizieren. Ein unüberwachter Algorithmus gruppiert und kategorisiert diese Muster, die unterschiedliche Spannungszustände der Erdkruste widerspiegeln.
Anhand gut dokumentierter Erdbebensequenzen in der Türkei, Chile und Italien zeigte die Analyse, dass sich vor mehreren starken Beben charakteristische Veränderungen in der Seismizität entwickeln. Dazu zählen eine erhöhte seismische Aktivität, eine stärkere räumliche Konzentration schwacher Erdbeben sowie eine verstärkte Freisetzung von Spannungsenergie. Diese Signale traten jeweils Wochen bis Monate vor den Hauptbeben auf.
Die Ergebnisse zeigen zugleich, dass nicht alle Erdbeben erkennbare Vorläufer aufweisen. In einigen Fällen blieb die analysierte Seismizität vor großen Ereignissen unauffällig oder entwickelte keine eindeutige Struktur. Das verdeutlicht die begrenzte Vorhersagbarkeit seismischer Prozesse und die Abhängigkeit von geologischen Rahmenbedingungen. Damit ist auch klar, dass es weiterhin ein weiter Weg bis zur genauen Vorhersagbarkeit von Erdbeben ist und dass sich selbst bei weiterer Eingrenzung des Prognosezeitraums niemals alle Erdbeben sicher vorhersagen lassen werden.
Der Ansatz ermöglicht dennoch eine perspektivische Einschätzung von Veränderungen im Verhalten von Verwerfungssystemen. Durch die kontinuierliche Analyse neuer Daten kann wohlmöglich ein Übergang in einen kritischen Zustand erkannt werden, in dem sich die seismische Aktivität deutlich von bisherigen Mustern unterscheidet. Bei einer Weiterentwicklung der Technik in die Echtzeitüberwachung von seismisch aktiven Regionen sollen künftig schnellere Fortschritte in der Mustererkennung gemacht werden.
Prinzipiell ist das kein neuer Ansatz, denn auch natürliche Intelligenz versucht, durch die Erkennung von Mustern in Vorläuferseismizität Hinweise auf möglicherweise bevorstehende Starkbeben zu entdecken. Je freier der Geist dabei agieren kann, desto größer die Erfolgsaussichten.
Quellen: Karimpouli, S., Martínez-Garzón, P., Núñez-Jara, S. et al. Preparatory phase of large earthquakes illuminated by unsupervised categorization of earthquake catalog features. Nat Commun 17, 4024 (2026). DOI: 10.1038/s41467-026-72279-x; Pressetext GFZ.














