ETH eröffnet Swiss GeoLab – KI soll Felsstürze früher erkennbar machen

Die ETH Zürich hat am 16. Oktober 2026 das ETH Swiss GeoLab in Root bei Luzern eröffnet, wie das SRF-Regionaljournal berichtet. Das Zentrum soll mithilfe künstlicher Intelligenz Veränderungen im Gebirge auswerten, damit Naturgefahren wie Felsstürze früher erkennbar werden. Hauptsponsor ist die Jörg-G.-Bucherer-Stiftung; zum Forschungsprogramm gehören auch Anwendungen für die Land- und Forstwirtschaft.

Das Zentrum liegt im D4 Business Village. Bei der Eröffnung waren GeoLab-Direktorin Verena Griess, Geschäftsführer Felix Seidel, ETH-Präsident Joël Mesot und der Luzerner Regierungsrat Fabian Peter anwesend. Laut der ETH-Mitteilung zur Eröffnung wurden bereits rund 100 Petabyte öffentlich zugänglicher NASA-Erdbeobachtungs- und Klimadaten an das Schweizer Supercomputing-Zentrum CSCS übertragen; im Lötschental erprobte das GeoLab zwei drohnengetragene Radarsysteme. Die Flüge waren Technikversuche, keine einsatzfähige Gefahrenüberwachung.

Wie aus Beobachtungen ein genaueres Lagebild werden soll

Die geplante Datenkette beginnt mit unterschiedlichen Blickwinkeln auf dasselbe Gelände. Satelliten erfassen grosse Gebiete wiederholt und können Hinweise auf Bewegungen liefern. Eine Drohne kann danach gezielt eine steile Talflanke oder einen Gletscher aus geringerem Abstand vermessen. Messstationen am Boden liefern Beobachtungen an festen Punkten und helfen, Veränderungen über längere Zeit einzuordnen.

Die KI-basierte Plattform soll Satellitenbilder, Drohnenaufnahmen, Daten von Messstationen und weitere räumliche Informationen zusammenführen. Damit Messungen sinnvoll verglichen werden können, müssen sie demselben Geländeabschnitt und passenden Zeiträumen zugeordnet sein. Ein einzelner auffälliger Wert sagt wenig über Ursache und Entwicklung einer Bewegung; der Vergleich mit weiteren Beobachtungen kann zeigen, ob ein Signal räumlich zusammenpasst oder sich fortsetzt. Diese Zuordnung und Prüfung beschreiben die Aufgabe der geplanten Auswertung, keinen bereits veröffentlichten Warnalgorithmus.

Für die Rechenarbeit kooperiert das GeoLab mit dem CSCS in Lugano und dessen Supercomputer Alps. Die dorthin übertragenen NASA-Daten sollen bei der Entwicklung von KI-Modellen helfen. Die Plattform soll Informationen künftig für Forschungsprojekte und Entscheidungen von Behörden nutzbar machen. Entscheidend wird sein, ob die Modelle auffällige Veränderungen zuverlässig von Schwankungen der Messung trennen können.

Was der Versuch am Oigschtchummun-Gletscher tatsächlich zeigte

Im Lötschental flog das GeoLab zusammen mit Gravimon und Gamma Remote Sensing Radarsysteme an Drohnen über den Oigschtchummun-Gletscher oberhalb von Blatten. Ein Gerät unter der Drohne tastet die Oberfläche mit elektromagnetischen Wellen ab. Im SRF-Bericht über die Radarflüge erläutert Seidel den Vergleich aufeinanderfolgender Aufnahmen: «Wenn wir den Gletscher 20 Minuten später nochmals erfassen, sehen wir bereits einen ganz kleinen Unterschied.» So lässt sich eine Bewegung der Eisoberfläche sichtbar machen, ohne sich auf eine einzelne Aufnahme zu stützen.

Der Ort war für einen Technikversuch besonders aufschlussreich, weil der Gletscher wegen seiner Bewegung bereits überwacht wird. Die neuen Radarmessungen lassen sich deshalb mit vorhandenen Beobachtungen abgleichen. Dieser Vergleich prüft, ob die Drohne unter alpinen Bedingungen Veränderungen nachvollziehbar erfasst. Er liefert noch keinen Nachweis dafür, dass sich aus einem gemessenen Muster Zeitpunkt oder Ausmass eines künftigen Felssturzes zuverlässig ableiten lassen.

Die Methoden ergänzen sich wegen der schwierigen Geometrie im Gebirge. Satelliten beobachten grosse Flächen regelmässig, doch steile Wände können aus ihrem Blickwinkel schlecht sichtbar sein. Eine Drohne kann einen solchen Abschnitt gezielt aus einer anderen Perspektive vermessen. Radar kann zudem bei Wolken eingesetzt werden, während optische Beobachtungen dadurch eingeschränkt sind. Feste Sensoren liefern Messreihen direkt am Hang oder Gletscher, decken aber jeweils nur einen begrenzten Ausschnitt ab.

Welche Schritte zwischen Messung und Warnung liegen

Für eine Frühwarnung muss aus einer beobachteten Bewegung eine belastbare Einschätzung der Gefahr werden. Dazu gehört, ob das Signal mehrfach und mit verschiedenen Verfahren sichtbar ist, wie schnell es sich verändert und welcher Bereich betroffen sein könnte. Erst danach lässt sich entscheiden, welche Information eine zuständige Stelle braucht und wann sie handeln muss. Eine KI-Auswertung kann solche Daten ordnen; die Entscheidung über Massnahmen bleibt Teil des Gefahrenmanagements.

Das GeoLab prüft mit dem WSL-Institut für Schnee- und Lawinenforschung SLF und dem Bundesamt für Umwelt, wie neue Erdbeobachtungsmethoden sowie kommerzielle Satellitendaten kantonale und lokale Früherkennungssysteme ergänzen könnten. Die Lötschental-Flüge belegen bislang, dass die Radargeräte im alpinen Gelände funktionieren. Wie viel zusätzlichen Vorlauf sie bei einem konkreten gefährlichen Hang ermöglichen, soll die detaillierte Auswertung der Messungen erst zeigen.

Was in Root ausserhalb der Gefahrenforschung geplant ist

Dasselbe Prinzip der verknüpften Erdbeobachtung soll der Land- und Forstwirtschaft helfen. Satellitendaten können räumliche Veränderungen an Nutzpflanzen und Waldflächen sichtbar machen; zusätzliche Messungen können für bestimmte Orte genauere Informationen liefern. Bei Feldern geht es etwa um Ernteprognosen und die Anpassung an veränderte Klimabedingungen, bei Wäldern um eine bessere Grundlage für die Bewirtschaftung. Konkrete einsatzfähige Anwendungen in diesen Bereichen sind mit der Eröffnung noch nicht ausgewiesen.

Für die Naturgefahrenforschung folgt nun die genauere Auswertung der Daten aus dem Lötschental. Weitere Drohnenflüge über Gletschern und Geröllhalden sind vorgesehen. Ihr Nutzen für alpine Gemeinden wird sich daran messen, ob die zusätzlichen Beobachtungen früh genug eine überprüfbare Veränderung zeigen, die bestehende Überwachung allein nicht so klar erfasst.

Lesen Sie auch:

• Homeoffice bleibt bei 24,9 Prozent – ein Rückruftrend ist nicht erkennbar
• Eine EU-Cloud ist nicht automatisch souverän – 48 Kriterien machen den Unterschied
• Faro erhält 37,3 Millionen Dollar – KI soll Studienabläufe verbinden