Studie zur Seismologie beschäftigt sich mit Genauigkeit von Prognosemodellen
Viele Metropolen und Ballungsräume liegen entlang der Küsten der Weltmeere, weil die Schifffahrt in historischen Zeiten von besonderer Bedeutung war, Besiedelungen und Handel ermöglichte und Häfen die Tore zum Hinterland darstellten. Leider sind diese Metropolen oft besonders erdbebengefährdet, denn vor den Küsten der Ozeane und auch einiger Binnenmeere verlaufen kontinentale Nahtstellen. So liegen Tokio, San Francisco, Los Angeles und Istanbul (um nur einige zu nennen) in Regionen mit besonders hoher Erdbebengefahr.
Nun lassen sich Erdbeben immer noch nicht punktgenau vorhersagen, doch aktuelle Langzeitmodelle berechneten für die kommenden Jahrzehnte teilweise hohe Wahrscheinlichkeiten für starke Erdbeben in diesen Regionen. Für San Francisco wird innerhalb von 30 Jahren eine 72-prozentige Wahrscheinlichkeit für ein Beben der Magnitude 6,7 oder größer angegeben, für Los Angeles sind es 60 Prozent. In Tokio liegt die Wahrscheinlichkeit für ein Beben mit Magnitude zwischen 6,7 bis 7,3 am Sagami-Trog bei rund 70 Prozent. Für Istanbul errechnete eine Modellierung für ein M>7,3-Beben im Marmarameer eine Wahrscheinlichkeit von 35 Prozent innerhalb von 30 Jahren, die bei Berücksichtigung zeitabhängiger Effekte auf 47 Prozent steigt.
Solche Zahlen verdeutlichen, wie wichtig zuverlässige Erdbebenprognosen wären. Könnte man nicht nur die langfristige Wahrscheinlichkeit, sondern auch den Zeitpunkt, den Ort und die Magnitude eines bevorstehenden Bebens zuverlässig bestimmen, ließen sich Evakuierungen und Schutzmaßnahmen gezielter planen. Genau hier liegt allerdings bis heute die entscheidende Grenze der Erdbebenforschung: Eine verlässliche Vorhersage einzelner Erdbeben ist bis jetzt in weiter Ferne.
Eine neue Studie in Nature Communications beschäftigt sich deshalb mit einer etwas anderen Frage: Wie gut können statistische Prognosemodelle die zukünftige Erdbebenaktivität des nächsten Tages abschätzen? Die Forscher untersuchten 27 Modelle, die zwischen August 2007 und August 2018 im Rahmen des internationalen Collaboratory for the Study of Earthquake Predictability (CSEP) tatsächlich im Voraus betrieben wurden. Insgesamt entstanden 51.625 Tagesprognosen für Kalifornien. Anschließend wurden sie mit 597 tatsächlich registrierten Erdbeben der Magnitude Mw 3,95 oder größer verglichen.
Das Ergebnis fällt bemerkenswert aus. Rund 95 Prozent der Modelle lieferten hinsichtlich der Anzahl der Erdbeben statistisch mit den Beobachtungen vereinbare Ergebnisse. Bei der räumlichen Verteilung lag der Anteil bei etwa zwei Dritteln, während wiederum rund 95 Prozent hinsichtlich der Magnitudenverteilung erfolgreich waren. Besonders gut schnitten verschiedene Varianten der etablierten ETAS- und STEP-Modelle ab. Diese berücksichtigen unter anderem die typische zeitliche und räumliche Häufung von Erdbeben und Nachbeben.
Damit ist allerdings keineswegs bewiesen, dass ein großes Erdbeben konkret vorhergesagt werden kann. Die Modelle geben Wahrscheinlichkeiten für Erdbebenaktivität an und können beispielsweise nach einem starken Beben die Wahrscheinlichkeit weiterer Ereignisse abschätzen, insbesondere da nachgewiesen wurde, dass Erdbeben oft an einer Region gehäuft vorkommen. Sie sagen dagegen nicht zuverlässig voraus, dass an einem bestimmten Tag an einem bestimmten Ort ein Erdbeben einer bestimmten Magnitude auftreten wird.
Die Autoren sehen gerade in der prospektiven Überprüfung einen entscheidenden Fortschritt. Die Modelle mussten ihre Prognosen abgeben, bevor bekannt war, welche Erdbeben tatsächlich eintreten würden. Dadurch lässt sich vermeiden, dass ein Modell im Nachhinein scheinbar erfolgreich an bereits bekannte Ereignisse angepasst wird.
Die Studie liefert somit keinen Durchbruch bei der Vorhersage des nächsten „Big One“. Sie zeigt aber, dass auf Wahrscheinlichkeiten beruhende Erdbebenprognosen inzwischen messbare und überprüfbare Informationen über die künftige seismische Aktivität liefern können – und damit eine Grundlage für Frühwarnung, Katastrophenschutz und die langfristige Risikobewertung bilden.
Quelle der Studie: Bayona, J. A. et al. (2026), Nature Communications 17, 9444. Veröffentlicht am 6. August 2026. DOI: 10.1038/s41467-026-76243-7