Künstliche Intelligenz bietet ein neuartiges Verfahren zur Früherkennung von Rutschgefahren in der Nähe von Hochspannungsmasten. Forschende haben im International Journal of Power and Energy Conversion ein Modell vorgestellt, das geologische Veränderungen identifiziert, bevor diese zum Ausfall kritischer Strominfrastruktur führen. Das System basiert auf dem Prinzip der Change Detection, einem Fernerkundungsverfahren, das Aufnahmen desselben Gebiets zu unterschiedlichen Zeitpunkten vergleicht. Bisher litt die Genauigkeit bei Erdrutschen an der knappen Datenlage zu Katastrophenfällen. Der entwickelte Algorithmus verarbeitet Satelliten- oder Drohnenaufnahmen vor und nach dem Ereignis mittels einer Twin-Network-Architektur. Zwei verbundene KI-Netzwerke analysieren und vergleichen die Bilddaten zeitgleich. Zur Erweiterung des Landschaftsverständnisses kommt ein vortrainiertes visuelles Foundation-Modell zum Einsatz, das umfangreiche Terrain- und Geländedaten liefert. Ein entscheidendes Merkmal ist das auf Aufmerksamkeitsmechanismen basierende Ausrichtungsmodul. Dieses filtert störende, für die Gefahrenanalyse irrelevante Bildunterschiede wie saisonale Vegetationswechsel oder schwankende Lichtverhältnisse heraus und konzentriert sich ausschließlich auf strukturelle Veränderungen, die auf Instabilitäten hindeuten. Tests auf einem realen Katastrophendatensatz belegen, dass das System etablierte Change-Detection-Ansätze deutlich übertroffen hat. Die Ergebnisse zeigen das Potenzial, Netzbetreibern eine präzise Frühwarnung zu ermöglichen und präventive Wartungsmaßnahmen einzuleiten, bevor Strommasten durch hangbedingt ausgelöste Erdbewegungen beschädigt werden. Die Technologie bildet damit eine vielversprechende Grundlage für die Sicherung kritischer Infrastruktur in erdbeben- und rutschgefährdeten Regionen.