Der Seismologe Jannes Münchmeyer hat für seine herausragende Doktorarbeit zum Thema Erdbebenfrühwarnung nach dem Dissertationspreis Adlershof nun auch den Helmholtz-Promotionspreis erhalten. Die Arbeit hatte er in der Sektion 2.4 „Seismologie“ angefertigt. Mittlerweile forscht er als PostDoc an der Université Grenoble.

Der Helmholtz-Promotionspreis unterstützt junge Wissenschaftler:innen mit einmalig 5000 Euro. Zusätzlich werden Auslandsaufenthalte von bis zu sechs Monaten mit 2000 Euro monatlich gefördert. In diesem Rahmen ist Jannes Münchmeyer jetzt bis Ende September wieder für einen Gastaufenthalt am GFZ.

Im Interview erzählt er uns genauer, woran er forscht.

Worum geht es in Ihrer Forschung?

Jannes Münchmeyer: Ich habe Deep-Learning-Methoden für die Erdbebenfrühwarnung und die Echtzeitabschätzung von Erdbebenstärke und -ort entwickelt. Frühwarnung und Risikoabschätzung können große Schäden vermeiden. In den wenigen Sekunden zwischen dem Beginn eines Erdbebens und den starken Erschütterungen können häufig noch wertvolle Schutzmaßnahmen ergriffen werden. Ich habe untersucht, wie früh solche Warnungen möglich sind und wo die Grenzen liegen. Mithilfe eines probabilistischen Rahmens habe ich die Vorhersagbarkeit des Verlaufs von Erdbebenbrüchen erprobt und mit meiner Forschung zeigen können, dass Erdbebenbrüche während ihrer anfänglichen Wachstumsphase tatsächlich nicht genau bewertet werden können und somit in dieser Phase keine Frühwarnung möglich ist.

Was waren die größten Herausforderungen?

J.M.: Für mich gab es in der Promotion zwei große Herausforderungen. Die erste Herausforderung war die interdisziplinäre Arbeit. Vor der Promotion habe ich Mathematik und Informatik studiert; die Promotion am Deutschen GeoForschungsZentrum war also ein großer Sprung. Ich musste mich bei vielen geowissenschaftlichen Themen erstmal einfinden. Gleichzeitig konnte ich durch diese interdisziplinäre Arbeit aber auch neue Methoden des maschinellen Lernens auf ganz aktuelle Fragestellungen der Seismologie anwenden. Die zweite Herausforderung war wissenschaftlicher Natur. Maschinelles Lernen funktioniert am besten, wenn große Datenmengen verfügbar sind. Große Erdbeben kommen wiederum nur selten vor. Meine Forschung war also ein permanenter Balanceakt, um aus den wenigen Daten großer Beben so viele und so signifikante Ergebnisse wie möglich abzuleiten.

Was sind Ihre Pläne für die Zukunft?

J.M.: In meiner Promotion habe ich mich mit der Phase direkt zu Beginn eines Erdbebens befasst. Nun untersuche ich an der Université Grenoble Alpes, wo ich derzeit als Postdoc weiterforsche, mögliche Phasen, die einem Erdbeben systematisch vorausgehen. Dafür entwickle ich Methoden des maschinellen Lernens, um sogenannte ‚niedrigfrequente Erdbeben‘ zu detektieren. Diese speziellen Beben zeigen langsame Deformationen, die möglicherweise auf kommende Erdbeben hinweisen. Viele Aspekte dieses Zusammenhangs sind allerdings noch unklar. Meine Forschung trägt schlussendlich, so die Hoffnung, zum besseren Verständnis dieser sogenannten ‚Vorbereitungsphasen‘ von Erdbeben bei. Um dieses Forschungsvorhaben durchführen zu können, habe ich von der Europäischen Union ein Marie Skłodowska-Curie Individual Fellowship erhalten. Im Rahmen dieses Stipendiums werde ich auch für einen sechsmonatigen Forschungsaufenthalt am Massachusetts Institute of Technology (MIT) in Boston forschen.

Wir danken für das Interview!