Künstliche Intelligenz hat eine neue Methode zur Detektion verborgener Verwerfungsbewegungen an der San-Andreas-Verwerfung in Kalifornien entwickelt. Traditionell fokussiert sich die seismologische Überwachung primär auf akute Erdbebenereignisse. Tatsächlich finden jedoch auch kontinuierliche, kaum wahrnehmbare Verschiebungen statt, die als langsame Verwerfungsereignisse bekannt sind. Dabei gleiten die tektonischen Platten über Tage oder Wochen um Millimeter, wobei sich angesammelter Spannungsaufbau schrittweise entlädt, ohne nennenswerte Erschütterungen zu verursachen. Herkömmliche Sensornetzwerke erfassen diese Prozesse regelmäßig nicht, da ihre Signalamplituden unter den etablierten Detektionsschwellen liegen. Durch den Einsatz fortschrittlicher Algorithmen und maschineller Lernverfahren können Forscher nun selbst minimale Veränderungen in den seismischen Rohdaten isolieren und räumlich wie zeitlich auflösen. Dieser Ansatz erweitert das Verständnis der Erdkrustendynamik erheblich und liefert wertvolle Daten zur Bewertung längerfristiger Stabilität. Die Integration künstlicher Intelligenz in die geophysikalische Analyse stellt damit einen signifikanten Fortschritt dar, der künftige Modelle zur Stressakkumulation und möglichen Auslösemechanismen von Erdbeben präziser machen wird.