Österreicher bei Wettbewerb zu Erdbeben-Prognose erfolgreich

Wer kann aus Daten aus Erdbebenexperimenten des US-Forschungsinstituts Los Alamos National Laboratory möglichst exakt herauslesen, wann es zum Erzittern der Erde kommt? Das war die Herausforderung, auf die sich kürzlich mehr als 4.500 Forscherteams aus aller Welt stürzten. Als Sieger aus dem Wettbewerb ging ein Team unter der Leitung des österreichischen Datenwissenschafters Philipp Singer hervor.

Lanciert wurde die „Challenge“ vom Los Alamos National Laboratory auf der zum Alphabet (ehemals Google)-Konzern gehörenden Plattform Kaggle. Diese ist in der Datenwissenschaften- und Maschinelles Lernen-Community sehr bekannt, sagte Singer im Gespräch mit der APA. Hier wenden sich Unternehmen oder eben Forschungsinstitute mit bestimmten Aufgaben oder Fragestellungen und entsprechenden Daten an Interessierte. „Dann stürzen sich sozusagen viele Leute darauf, um das Problem zu lösen“, so der Forscher, der an der Technischen Universität (TU) Graz studiert hat und bei der Versicherungsgruppe UNIQA tätig ist.

Neben der Neugierde und Herausforderung als Motivation machen viele Leute bei den Wettbewerben auch mit, weil man dabei viel über neue Problemstellungen, Daten und Methoden lernt. Die Ausschreiber schaffen es auf diesem kurzen Weg wiederum, die Expertise vieler Menschen auf eines ihrer Probleme zu lenken, was oft zu schnellen, günstigen und vor allem hochwertigen Lösungen führt.

Im Fall des mit insgesamt 50.000 Dollar dotierten Wettbewerbs galt es, aus Audiodaten, die im Rahmen von Erdbebenexperimenten im Labor aufgezeichnet wurden, vorherzusagen, wie lange es noch bis zum Beginn eines Bebens dauert. Die Teilnehmer von Singers Team mit dem Namen „The Zoo“ und alle anderen Gruppen erhielten eine Datenreihe, anhand derer sie ihr jeweils entwickeltes Modell trainieren konnten. Dann wurden die Berechnungsmethoden auf verborgene Datensätze angewendet. Gewinner war jenes Team, dessen Vorhersage mit den tatsächlichen, verborgenen Daten am besten übereinstimmte.

Gemeinsam mit seinem Kollegen Dmitry Gordeev, sowie weiteren Mitstreitern aus Österreich, den USA, Griechenland und Deutschland, die u.a. aus den Bereichen Physik, Neuroforschung, Elektrotechnik oder aus den Rechtswissenschaften konnte Singers Team gängige Modelle aus dem Bereich des maschinellen Lernens anwenden, um auch in kurzen Ausschnitten der aufgezeichneten Geräusche Hinweise auf die weitere Entwicklung der Experimente zu identifizieren. Als entscheidend für die Vorhersage entpuppte sich „simpel ausgedrückt, wie instabil das Signal ist“, sagte Singer.

Den Wissenschaftern, die die Challenge gestartet hatten, „ist es darum gegangen, ein Problem, mit dem sie sich seit Jahren beschäftigen, von einer größeren Masse bearbeiten zu lassen“. Das könne nun die wissenschaftliche Arbeit verbessern, zeigte sich der Datenwissenschafter überzeugt: „Wir hatten danach auch einen aktiven Austausch mit den Veranstaltern des Wettbewerbs um ihnen unsere Lösung im Detail zu erläutern. Vielleicht ergibt sich ja auch in Zukunft eine weitere Kollaboration.“