Erdbebensignale optimal zu analysieren, spielt eine entscheidende Rolle bei der Lokalisation von Erdbebenzentren. Dabei ist eine exakte Auswertung der Daten oft Voraussetzung für weitere seismologische Erhebungen – zum Beispiel auch, um Nachbeben vorhersagen zu können. Doch je mehr Daten zur Verfügung stehen, umso größer der Aufwand. Ein internationales Forscherteam hat nun ein auf Künstlicher Intelligenz basierendes Verfahren entwickelt und ist der Ansicht, es könne die Daten ebenso gut analysieren wie eine erfahrene Seismologin oder ein erfahrener Seismologe.
Konkret geht es darum, die Ankunft von Erdbebenwellen an der Seismometerstation, den sogenannten Phaseneinsatz, genau bestimmen zu können. Die Auswertung der Seismogramme ermöglicht, die verschiedenen Phasen zu identifizieren, und wird „Picken“ genannt. Das Picken geschieht traditionell von Hand. Doch dabei kann zum einen die Subjektivität des Menschen die Genauigkeit beeinträchtigen. Zum anderen ist die manuelle Auswertung sehr personal- und zeitaufwendig, da es immer mehr auszuwertende Daten gibt. Die bisher entwickelten automatisierten Verfahren brachten nicht das gewünschte Ergebnis.

Forscher des Karlsruher Instituts für Technologie (KIT), der University of Liverpool und der University of Granada haben nun gezeigt, dass KI die Daten ebenso genau auswerten kann wie ein Mensch: Sie setzten ein faltendes neuronales Netz (Convolutional Neural Network – CNN) ein, um die Phaseneinsätze eines seismischen Netzwerks in Chile zu bestimmen. CNN sind von biologischen Nervensystemen inspiriert und bestehen aus verschiedenen Schichten von miteinander verbundenen künstlichen Neuronen. Beim Deep Learning, einer Methode des Maschinellen Lernens, werden die erkannten und gelernten Merkmale von Schicht zu Schicht weitergereicht und dabei immer weiter verfeinert.