Helmholtz-Zentrum Deutsches Geoforschungszentrum

Bericht | Erster Machine Learning-Hackathon am GFZ Potsdam

Die Abschätzung von Mineralgehalten im Boden und die Vorhersage von Erdbeben in Laborexperimenten standen im Fokus des ersten Machine Learning-Hackathons des GFZ.

Beim ersten Machine Learning-Hackathon des GFZ am 5. März 2020 arbeiteten mehr als 40 Forschende an der Abschätzung von Mineralgehalten im Boden aus Infrarotdaten und der Vorhersage von Erdbeben in Laborexperimenten. Unter Machine Learning (ML) versteht man einen Zweig der Datenwissenschaft, bei dem Algorithmen aus Trainingsdaten Muster und Gesetzmäßigkeiten „lernen“ und dann zur Verarbeitung neuer Daten verwenden können. In den vergangenen Jahren hat Maschinelles Lernen erfolgreiche Anwendungen in der automatischen Sprach-, Text- und Bilderkennung hervorgebracht. Nun gewinnen diese Verfahren in den Geowissenschaften zunehmend an Popularität.

Beim GFZ-Machine-Learning-Hackathon nahmen Forschende aus allen vier Departments teil und des eScience-Zentrum sowie externe Gäste aus dem Geo.X-Netzwerk in Berlin und Brandenburg teil. Bei der Abschätzung von Mineralgehalten im Boden aus Infrarotdaten gelang es für bestimmte Mineralien ihren Gehalt mit bis zu 95 Prozent Genauigkeit vorherzusagen. Bei der Vorhersage von Erdbeben in Laborexperimenten schafften es die Teilnehmerinnen und Teilnehmer die Abfolge der typischen Phasen eines Erdbebens in den seismischen Daten zu identifizieren.

Ausgerichtet hat den Hackathon die im August 2019 gegründete Gruppe „ML@GFZ“, die üblicherweise jeden ersten Dienstag im Monat auch einen Jour fixe veranstaltet. „Wir leben dort eine enge Zusammenarbeit zwischen Natur- und Datenwissenschaften, um Prozesse im Erdsystem besser zu verstehen“, sagt Werner Köckeritz, Chief Information Officer des GFZ. „Hierdurch entsteht ein sektionsübergreifendes Netzwerk in der Anwendung neuer Methoden. Die Nutzung von KI-Methoden (KI = „Künstliche Intelligenz“; Englisch: AI = „Artificial Intelligence“) wie Machine Learning ist aus meiner Sicht die Zukunft der Geowissenschaften.“

Ziel der Gruppe ist ein weiterer Ausbau der Machine Learning-Kompetenzen am GFZ und eine Ausweitung zum „Kompetenzzentrum Telegrafenberg“ in dem ein Erfahrungsaustausch und gemeinsame Aktivitäten mit PIK, AWI und AIP stattfinden. Auch der Erfahrungsaustausch mit anderen Machine Learning-Interessierten innerhalb der Helmholtz Gemeinschaft ist für „ML@GFZ“ wichtig: „Die Helmholtz-AI-Plattformen laufen jetzt an“, erklärt der Leiter der GFZ-Sektion „Seismologie“ Frederik Tillmann. Er vertritt das GFZ im Lenkungsausschuss der Helmholtz Artificial Intelligence Cooperation Unit (Helmholtz AI). „Die Helmholtz-AI-Plattformen werden zusätzlich dazu beitragen, mehr Wissenschaftlerinnen und Wissenschaftlern Zugang zu KI-Methoden zur Unterstützung ihrer Forschung zu ermöglichen.“ (ph)

Beim ersten GFZ-Machine-Learning-Hackathon waren folgende GFZ-Sektionen vertreten:

  • Geodätische Weltraumverfahren
  • Fernerkundung und Geoinfomatik
  • Erdbeben- und Vulkanphysik
  • Seismologie
  • Geodynamische Modellierung
  • Erdbebengefährdung und dynamische Risiken
  • Geomikrobiologie
  • Dynamik der Lithosphäre
  • Geomechanik und wissenschaftliches Bohren
  • Hydrologie
  • Sedimentbeckenmodellierung
  • Geomorphologie
  • Erdoberflächenprozessmodellierung


Weitere Informationen:

Weitere Meldungen

zurück nach oben zum Hauptinhalt