Erdbeben gehören zu den grössten Naturgefahren. Was unmittelbar vor einem Bruch im Gestein geschieht, lässt sich in der Natur aber kaum beobachten, weil niemand im Voraus weiss, wo und wann es bebt. Das BedrettoLab der ETH Zürich kehrt diese Ausgangslage um: In einem Stollen im Tessin, mit rund anderthalb Kilometern Fels darüber, pressen Forschende Wasser ins Gestein und lösen so gezielt kleinste Erschütterungen aus, während ein dichtes Netz von Sensoren jede Regung aufzeichnet.

Dabei entstehen Datenmengen, die sich mit den üblichen Werkzeugen der Seismologie nur schwer auswerten lassen. Hier setzte das Projekt an, das Anne Obermann vom Schweizerischen Erdbebendienst (SED) 2024 und 2025 gemeinsam mit Léonard Seydoux vom Institut de physique du globe de Paris (IPGP) durchgeführt hat: Ein in Frankreich entwickeltes Verfahren des unüberwachten maschinellen Lernens sollte in den Aufzeichnungen Muster finden, nach denen niemand gezielt gesucht hatte. Unterstützt wurde die Zusammenarbeit durch das Förderprogramm Germaine de Staël.

Frau Obermann, im BedrettoLab lösen Sie tief im Felsen gezielt kleinste Erdbeben aus. Was können Sie dort beobachten, was weder in einem üblichen Labor noch an der Erdoberfläche sichtbar wird?

Im BedrettoLab können wir in einem Tunnel, der unter den Alpen verläuft, Erdbeben direkt dort untersuchen, wo sie entstehen: tief im Felsen und unter natürlichen Druck- und Spannungsverhältnissen. Durch die gezielte Injektion von Wasser verändern wir den Druck in kleinen Gesteinsrissen und lösen winzige Erdbeben aus. Hochpräzise Sensoren messen, wie Risse entstehen, sich ausbreiten und Spannungen abbauen. So gewinnen wir neue Erkenntnisse darüber, wie Erdbeben entstehen und sich ausbreiten. Die Dimension des BedrettoLabs ist in ihrer Art einzigartig. In einem üblichen Labor sind die Proben sehr klein und es ist schwierig, die natürlichen Spannungsverhältnisse der Erdkruste realitätsgetreu nachzubilden. An der Erdoberfläche wiederum ist die Distanz zum Erdbebenherd zu gross, um diese Prozesse direkt und detailliert zu beobachten. 

Ihre Sensoren zeichnen ununterbrochen und mit sehr hoher Auflösung auf. Wo stossen die klassischen Auswertungsmethoden der Seismologie bei solchen Datenmengen an ihre Grenzen?

Klassische seismologische Methoden suchen meist gezielt nach Erdbebensignalen, die bestimmte Merkmale aufweisen. Im BedrettoLab entstehen jedoch riesige Datenmengen, in denen auch sehr schwache und überlagerte Signale verborgen sind. Viele davon bleiben unentdeckt, weil sie im Rauschen untergehen oder nicht den erwarteten Mustern entsprechen. Zudem ist die manuelle Auswertung zeitaufwendig und lässt sich kaum auf kontinuierliche Messungen in dieser Grössenordnung übertragen. Neue, automatisierte Methoden helfen uns deshalb, auch kleinste Ereignisse zu erkennen, Muster in den Daten zu finden und die Prozesse im Gestein besser zu verstehen.

Im Projekt mit dem IPGP haben Sie die Daten mit einem unüberwachten maschinellen Lernverfahren durchsucht, also ohne dem Algorithmus vorzugeben, wonach er suchen soll. Was hat er gefunden, das zuvor übersehen worden war? Und wo lagen die Schwierigkeiten?

Das Verfahren fand deutlich mehr seismische Ereignisse als im bisherigen Referenzkatalog: Beim untersuchten Experiment waren es etwa neunmal so viele. Zudem trennte die Methode Erdbebensignale, elektronisches Rauschen und andere Störgeräusche sowie Signale aktiver seismische Quellen deutlich schneller und zuverlässiger als klassische Verfahren. Eine besondere Herausforderung war die Verarbeitung der grossen Datenmengen bei extrem hohen Abtastraten im Megahertz-Bereich, die eine Parallelisierung der Berechnungen erforderte. Ob sich alle gefundenen Muster eindeutig physikalisch deuten lassen, muss weiter untersucht werden.

Der Projekttitel spricht von Vorläufersignalen von Erdbeben. Wie nah ist die Forschung daran, Erdbeben anzukündigen? Und was bedeuten Ihre Ergebnisse für die Schweiz, etwa für die Tiefengeothermie?

Wir sind noch weit davon entfernt, Erdbeben zuverlässig vorhersagen zu können. Unsere Ergebnisse zeigen jedoch, dass unüberwachtes maschinelles Lernen zusätzliche seismische Ereignisse und bestimmte Signalgruppen identifizieren kann, darunter tremorartige Signale vor der Aktivierung einer Bruchzone. Ob solche Signale tatsächlich als Vorläufer eingeordnet werden können, muss weiter untersucht werden. Für die Schweiz könnte dieser Ansatz insbesondere bei der Tiefengeothermie relevant sein. Ein besseres Verständnis der Bruchprozesse und der damit verbundenen seismischen Aktivität könnte langfristig dazu beitragen, Risiken bei der Stimulation des Gesteins besser einzuschätzen. Eine zuverlässige Vorhersage oder Vermeidung von Erdbeben bei der Tiefengeothermie ermöglicht die Methode derzeit aber nicht.

Wie nah ist die Forschung daran, Erdbeben vorherzusagen? Und welches Potenzial hat unüberwachtes maschinelles Lernen allgemein in der Seismologie?

Wir sind noch weit davon entfernt, Erdbeben zuverlässig vorhersagen zu können. Unsere Ergebnisse zeigen jedoch, dass unüberwachtes maschinelles Lernen zusätzliche seismische Ereignisse und bisher wenig beachtete Signalgruppen identifizieren kann. Das ist nicht nur für die Erforschung von Bruchprozessen und die Tiefengeothermie interessant. Dieselbe grundsätzliche Idee lässt sich auch auf andere geophysikalische Prozesse übertragen: Statt ausschliesslich nach bekannten Signalen zu suchen, können wir kontinuierliche Messdaten systematisch nach wiederkehrenden Mustern und Veränderungen durchsuchen. Das könnte neue Möglichkeiten eröffnen, beispielsweise für die Überwachung instabiler Hänge. Wie zuverlässig und unter welchen Bedingungen das funktioniert, müssen wir noch untersuchen.

Die Methode stammt aus Frankreich, die Daten aus dem Tessin. Was haben die Aufenthalte in Paris und Grenoble sowie der Gegenbesuch in der Schweiz ermöglicht, was per Videokonferenz nicht gelungen wäre? Und was haben die jungen Forschenden in Ihrem Team davon mitgenommen?

Die persönlichen Treffen in Paris, Grenoble und der Schweiz ermöglichten einen direkten wissenschaftlichen Austausch, der über Videokonferenzen hinausgeht. Gerade spontane Ideen und neue Ansätze entstehen oft leichter im persönlichen Gespräch, wenn man gemeinsam über Daten, Methoden und offene Fragen diskutiert. Die Zusammenarbeit zwischen den französischen und schweizerischen Teams konnte so vertieft und die gemeinsame Forschung weiterentwickelt werden. Für die jungen Forschenden waren die Aufenthalte zudem eine Gelegenheit, Kontakte zu knüpfen und ihr wissenschaftliches Netzwerk über die eigene Institution hinaus auszubauen – eine wichtige Grundlage für zukünftige Kooperationen.

Das Förderprogramm deckt lediglich Reise- und Unterkunftskosten. Was bewirkt ein so kleiner Betrag tatsächlich und was raten Sie Forschenden, die sich bewerben möchten?

Das Budget ist natürlich nicht mit der Finanzierung grosser Forschungsprojekte vergleichbar. Es zielt vielmehr darauf ab, Kooperationen zwischen einzelnen Forschenden zu ermöglichen. Genau darin liegt eine Stärke: Man kann Ideen ausserhalb grosser Forschungskonsortien spontan austauschen, gemeinsam weiterentwickeln und neue Ansätze ausprobieren, ohne dafür zunächst ein grosses Projekt aufgleisen zu müssen. Bei uns entstand die Idee zur Zusammenarbeit mit Frankreich spontan an einer Konferenz; eigene Mittel dafür waren ursprünglich nicht vorgesehen. Die Germaine-de-Staël-Förderung hat diese Kooperation überhaupt erst ermöglicht. Ich rate Forschenden deshalb, solche Chancen zu nutzen, aktiv nach passenden Partnern zu suchen und offen für gemeinsame Ideen zu sein – gerade aus kleinen Begegnungen können langfristige Kooperationen entstehen.

Besonders spannend finde ich, dass die Wirkung inzwischen über das ursprüngliche Projekt hinausgeht. Wir haben die Methode zunächst auf seismische Daten aus kontrollierten Experimenten in Bedretto angewendet. Während eines gegenseitigen Besuchs kam die Idee auf, den Ansatz auch auf Daten des Eis- und Felssturzes von Blatten auszuprobieren. Die ersten Ergebnisse waren sehr vielversprechend. So ist aus einer Zusammenarbeit zur Erforschung von Erdbeben eine neue Forschungsfrage zur Überwachung von Naturgefahren entstanden.

Das zeigt für mich den besonderen Wert solcher Förderprogramme: Sie finanzieren nicht nur Reisen, sondern schaffen die Voraussetzungen für persönlichen Austausch, neue Denkansätze und Kooperationen, deren Potenzial sich oft erst im gemeinsamen Arbeiten zeigt.

Das Projekt ist abgeschlossen. Wie geht es mit der Zusammenarbeit und der Methode weiter? Welche Frage möchten Sie als Nächstes beantworten?

Als Léonard Seydoux uns kürzlich in Zürich besuchte, analysierte ich gerade seismische Daten des Eis- und Felssturzes von Blatten im Mai 2025. Dabei entstand die Idee, unsere Methode auch auf diese Daten anzuwenden. Gesagt, getan: Bereits einen Tag später hatten wir erste, sehr vielversprechende Ergebnisse. Sie deuten darauf hin, dass wir mit unüberwachtem maschinellem Lernen und den Daten einer einzelnen Station die Aktivität an einem Hang gut nachvollziehen können. Das ist noch kein einsatzbereites Frühwarnsystem, aber eine spannende Perspektive für die zukünftige Überwachung von Naturgefahren. Diesen Ansatz möchten wir nun weiterentwickeln. Vielleicht ergibt sich ja die Gelegenheit, die Zusammenarbeit mit einer weiteren Germaine-de-Staël-Förderung fortzusetzen!