Seismische Erkennung mittels Polarisation von Licht in Seekabeln mit maschinellem Lernen

Erdbeben mithilfe von Unterwasserkabeln belauschen

Die meisten Erdbeben der Welt ereignen sich unter den Ozeanen, weit entfernt von herkömmlichen bodengebundenen Sensoren. Dennoch sind nahezu alle Kontinente bereits durch weitläufige Netze aus Glasfaserkabeln verbunden, die unseren Internetverkehr tragen. Die Studie stellt eine einfache, aber weitreichende Frage: Können diese vorhandenen Kabel auch als riesige, sofort verfügbare „Ohren“ dienen, um Erdbeben auf dem Meeresboden wahrzunehmen?

Warum ein Internetkabel das Erdreich spüren kann

Das durch ein Glasfaserkabel laufende Licht transportiert nicht nur Daten; seine inneren Eigenschaften verändern sich subtil, wenn das Kabel gebogen, gedehnt oder erschüttert wird. Eine dieser Eigenschaften ist der Polarisationszustand, ein Maß dafür, wie die Lichtwellen beim Durchlaufen ausgerichtet sind. Bewegt sich der Meeresboden während eines Erdbebens, kann er ein vergrabenes oder aufliegendes Kabel in Bewegung versetzen und damit die Polarisation des Lichts im Inneren beeinflussen. Die Autoren untersuchten eine wichtige Internetroute im Mittelmeer, das Med‑Nautilus‑Kabel zwischen Catania auf Sizilien und Tel Aviv, um herauszufinden, ob reale Erdbeben in diesen Polarisationssignalen einen konsistenten Fingerabdruck hinterlassen.

Rohsignale des Kabels in verwertbare Hinweise verwandeln

Zwischen Mitte 2022 und Ende 2024 lieferte ein italienischer Telekommunikationsanbieter kontinuierliche Aufzeichnungen von polarisationbezogenen Größen aus dem Kabel sowie Informationen über das Verhalten des optischen Systems. Die Forschenden kombinierten diese Daten mit einem unabhängigen Erdbebenkatalog für das Mittelmeer und konzentrierten sich auf 60 Ereignisse mit Magnitude 5 oder größer. Sie schätzten die Entfernung jedes Bebens zum Kabel und berechneten anhand gängiger Erdmodelle die erwartete Ankunftszeit von Primär‑ und Sekundärwellen. Danach bereinigten und standardisierten sie die optischen Daten, schnitten sie in Zeitfenster um jedes Ereignis und in Kontrollperioden ohne nennenswerte Erdbeben. Diese sorgfältige Vorbereitung bildete die Grundlage dafür, sowohl klassische Erkennungsverfahren als auch moderne künstliche Intelligenz an denselben Daten zu testen.

Einfache Regeln reichen nicht aus, lernende Systeme sind besser

Das Team probierte zunächst klassische seismologische Werkzeuge, die nach plötzlichen Sprüngen in Signalstärke oder spektraler Energie suchen und über feste Schwellen gesteuert werden. Bei den Polarisationsdaten führten diese regelbasierten Methoden entweder zu zu vielen Fehlalarmen oder verfehlten die meisten tatsächlichen Ereignisse und schnitten mitunter nicht besser ab als ein Zufallstest. Im Gegensatz dazu erzielten Modelle des maschinellen Lernens, die viele subtile Merkmale gleichzeitig gewichten können, deutlich bessere Ergebnisse. Eine Technik namens Extreme Gradient Boosting, die Entscheidungen vieler kleiner Entscheidungsbäume zusammenfasst, erreichte etwa 60 Prozent Genauigkeit, Sensitivität und Spezifität, wenn sie zwischen beben- beeinflussten Tagen und ruhigeren Tagen unterscheiden sollte. Die Analyse des Modellverhaltens zeigte, dass es sich nicht auf ein einzelnes „rauchendes Gewehr“-Merkmal stützte, sondern auf eine Mischung statistischer Kennzahlen, die zusammen kleine, aber aussagekräftige Veränderungen in den Polarisationsmustern erfassten.

Was das Kabel hören kann — und was nicht

Die Autoren untersuchten anschließend, welche Erdbeben vom Lernalgorithmus am ehesten erkannt wurden. Überraschenderweise zeigten sich einfache Faktoren wie Entfernung zum Kabel, Herdtiefe oder sogar Magnitude nicht in klaren Trends. Einige mäßig starke Erdbeben erzeugten deutliche, erkennbare Polarisationsänderungen, während andere mit ähnlichen Eigenschaften weitgehend unbemerkt blieben. Ein zusätzlicher Deep‑Learning‑Ansatz, der das „normale“ Verhalten des Kabels lernte und starke Abweichungen als Anomalien markierte, reagierte nur auf einige der größten Ereignisse deutlich. Das deutet darauf hin, dass die Fähigkeit eines Kabels, ein Beben „zu hören«, von mehr abhängt als dem Beben selbst: Faktoren wie die Kopplung des Kabels zum Meeresboden, seine Verlegung und Bauweise sowie das umgebende Umgebungsrauschen spielen alle eine wichtige Rolle.

Das große Bild für zukünftige Ozeanüberwachung

Trotz moderater Erkennungsraten und vieler verpasster Ereignisse liefert die Studie einen wichtigen Machbarkeitsnachweis: Selbst wenn das Med‑Nautilus‑Kabel nie als Sensor konzipiert wurde, enthält es durch seine Lichtpolarisation verwertbare Informationen über starke Erdbeben. Für die Öffentlichkeit ist die Kernbotschaft, dass unsere bestehende digitale Infrastruktur prinzipiell als ein riesiges und kostengünstiges Netzwerk wissenschaftlicher Instrumente dienen könnte. Werden solche Methoden verfeinert und mit anderen Sensortechnologien kombiniert, könnten globale Seekabelsysteme dazu beitragen, die derzeitigen blinden Flecken in der ozeanischen seismischen Überwachung zu schließen und Küstengemeinden frühere und reichhaltigere Einblicke in das Geschehen unter den Wellen zu geben.

Zitation: Caruso, M., Morelli, M., Monaco, A. et al. Seismic detection using submarine cable polarization signals with machine learning. Commun Earth Environ 7, 421 (2026). https://doi.org/10.1038/s43247-026-03434-x

Schlüsselwörter: Seekabel, Erdbebenerkennung, Faseroptische Sensorik, Maschinelles Lernen, Mittelmeer