29. Aug. 2018
Beim Beben von 2016 zusammengebrochener Wall der Edo-Festung Kumamoto.

Beim Beben von 2016 zusammengebrochener Wall der Edo-Festung Kumamoto.

Erdbeben kommen in der Regel nicht allein, vor allem wenn es sich um die schadenträchtigen starken Erschütterungen handelt. Von großer Bedeutung für den Katastrophenschutz ist daher, nach solchen Schadenbeben zu erfahren, wo die bisweilen schweren Nachbeben zu erwarten sind. Ein Geophysikerteam von der Harvard Universität hat jetzt Künstliche Intelligenz an die Nachbeben-Vorhersage gesetzt. Das Ergebnis, über das in "Nature" berichtet wird, sei, so schreiben sie, ermutigend.

Am 14. April 2016 um 21:26 Uhr Ortszeit erschütterte ein Beben mit Magnitude 6,2 die Präfektur Kumamoto auf der japanischen Südinsel Kyushu. Insbesondere in der Stadt Mashiki stürzten zahlreiche Gebäude ein, Auch die historische Burg Kumamoto, eines der bedeutendsten Baudenkmäler aus der Edo-Zeit, erlitt schwere Schäden. Am Ende zählten die Behörden neun Tote und 1100 Verletzte – eine für ein mittelstarkes Beben verheerende Bilanz. Doch es sollte noch schlimmer kommen: Am frühen Morgen des 16. April ereignete sich an etwa derselben Stelle ein weiteres Beben, diesmal mit der Magnitude 7.0, bei dem weitere 40 Menschen starben.

Der Inui-Turm der Festung Kumamoto auf Kyushu nach dem schweren Erdbeben von 2016.

Der Inui-Turm der Festung Kumamoto auf Kyushu nach dem schweren Erdbeben von 2016.

Bild: yolee2/CC BY-SA 3.0
Passage Sunlive Kengun in Kumamoto nach den Erdbeben von April 2016.

Passage Sunlive Kengun in Kumamoto nach den Erdbeben von April 2016.

Bild: yolee2/CC BY-SA 3.0
Beschädigte Häuser in Aso, Präfektur Kumamoto, 2016.

Beschädigte Häuser in Aso, Präfektur Kumamoto, 2016.

Bild: hanonimas/CC BY-SA 3.0
1 / 3

Der Inui-Turm der Festung Kumamoto auf Kyushu nach dem schweren Erdbeben von 2016.

Bild: yolee2/CC BY-SA 3.0

Passage Sunlive Kengun in Kumamoto nach den Erdbeben von April 2016.

Bild: yolee2/CC BY-SA 3.0

Beschädigte Häuser in Aso, Präfektur Kumamoto, 2016.

Bild: hanonimas/CC BY-SA 3.0

Das Doppelbeben wurde schließlich in die höchste Kategorie der japanischen Intensitätsskala eingestuft.  "Kumamoto ist eines der jüngeren Beispiele dafür, dass ein zunächst als Hauptbeben eingestufter Erdstoß entweder nicht der stärkste oder aber nicht der zerstörerischste war, und das hat dem Versuch, die Nachbeben besser vorherzusehen, ziemliche Dringlichkeit verliehen", betont Greg Beroza, Professor für Geophysik an der Stanford University und Ko-Direktor des Südkalifornischen Erdbebenzentrums. Auch bei den Christchurch-Beben 2010 und 2011 in Neuseeland verhielt es sich so.

Maschinelles Lernen mit riesiger Datenbank

Beroza bewertet in der aktuellen "Nature" einen neuen Ansatz, mit Hilfe von künstlicher Intelligenz die wahrscheinlichsten Stellen für Nachbeben herauszufinden. "Die Vorhersagekraft, die die Autoren berichten, ist bestechend, der Ansatz ist sehr motivierend und das Paper wird sicherlich als eine Pionierleistung angesehen werden", rühmt der Seismologe. Die Autoren um Brendan Meade und Phoebe DeVries von der Harvard Universität haben ein neuronales Netzwerk mit einem selbstlernenden Computeralgorithmus konstruiert und es mit den Daten von fast 163.000 Beben gefüttert. "Das waren weltweit insgesamt 199 Sequenzen, in denen 118 schwere Erdbeben enthalten waren, etwa das Kobe-Beben von 1995, das Tohoku-Beben von 2011 und das Sumatra-Beben von 2004", berichtet Phoebe DeVries, die demnächst von Harvard als Professorin an die Universität von Connecticut wechselt.

Das Netzwerk sollte aus der Datenfülle Muster herausfiltern, an denen sich erkennen lässt, wo sich am wahrscheinlichsten die Nachbeben ereignen. Um zu testen, ob der Algorithmus mit seinen Prognosen auch richtig liegt, entfernten DeVries und Meade nach dem Zufallsprinzip rund ein Viertel der Beben aus dem Datenbestand. Dieses Viertel musste das neuronale Netzwerk korrekt identifizieren. "Das hat es ziemlich gut gelöst", berichtete Brendan Meade, der in Harvard sowohl in den Geowissenschaften als auch in der Informationstechnologie forscht, "die Vorhersagekraft war gegenüber der klassischen Methode, die man fast mit Erraten gleichsetzen könnte, wesentlich höher."

Die klassische Methode betrachtet die Stressverteilung nach dem Hauptbeben und versucht, daraus die wahrscheinlichen Orte der Nachbeben abzuleiten. Das Neuronale Netzwerk von Meade und DeVries erhielt nicht nur die Daten über diese sogenannte Coulomb'sche Stressverteilung, sondern noch zahlreiche weitere Attribute der Beben, von denen einige bislang noch nicht zur Aftershock-Vorhersage herangezogen worden sind. "Wir haben in der Seismologie grundsätzlich große Datenmengen, und sie wachsen Jahr für Jahr, daher sind KI-Methoden wie Data Mining und maschinelles Lernen wie geschaffen, um uns neue Einsichten zu vermitteln", würdigt Greg Beroza den Versuch seiner Kollegen von der Ostküste.

Methode muss noch weiterentwickelt werden

Allerdings sieht der Stanford-Experte auch die Grenzen, die dem Einsatz Künstlicher Intelligenz derzeit noch gesetzt sind. "Wir kennen bekanntermaßen auch Fälle, bei denen Erdbeben überraschend weit entfernt ausgelöst wurden, einfach durch die seismischen Wellen, die von dem Hauptbeben ausstrahlten, dieses dynamische Triggering wird hier ausgeblendet", ist einer seiner Vorbehalte. Ein anderer ist, dass viele der scheinbar solide berechneten Daten in den Erdbeben-Datenbanken, auf Annahmen mit bisweilen sehr großen Unsicherheiten beruhen. Der dritte Einwand bezieht sich auf die notgedrungen stark vereinfachte Modellierung der Bruchzonen. "Um überhaupt rechnen zu können, nehmen wir an, dass die Bruchzonen planar wie ein Blatt Papier sind", so Beroza, "aber jeder Blick auf eine real existierende Bruchzone zeigt: das ist absolut nicht der Fall." Die komplexe Struktur der seismogenen Zonen führe daher zu einer viel heterogenen Stressverteilung als das in den Modellen angenommen werde und damit zu Auslösern für Nachbeben, die in den Modellrechnungen untergingen.

"Insofern muss ich meinen Enthusiasmus über den Ansatz stark bremsen", erklärt Beroza. Dennoch hält er ihn für zukunftsweisend, damit die Seismologen bessere Antworten auf die drängenden Fragen der Gesellschaft in erdbebengefährdeten Gebieten geben können. Schließlich sei für die Bevölkerung in den betroffenen Regionen die bessere Kenntnis von Zonen mit höherem oder geringerem Risiko von nachvollziehbar hohem Interesse. "Unser Wissen darüber, wie Erdbeben entstehen und aufeinander reagieren, ist demgegenüber unvollständig", so Beroza, "wir werden also einfach solche Technologien brauchen, um so viel Information wie möglich aus unseren seismischen Daten herauszukitzeln."