Die Energiewende hin zu einem nachhaltigen Planeten hängt unweigerlich von sogenannten seltenen Materialien ab, die für die Entwicklung sauberer Energietechnologien unerlässlich sind – etwa Batterien für Elektrofahrzeuge, Windturbinen, energiesparende Leuchtmittel, elektronische Displays, Solarpaneele, fortschrittliche Chips und vieles mehr.
Da die meisten bekannten weltweiten Reserven bereits weitgehend ausgebeutet sind, ist die Identifizierung neuer Lagerstätten von Kobalt, Lithium, Indium, Seltenen Erden usw. komplex und äußerst kostspielig, da sich die Abbaugebiete oft in abgelegenen Regionen und in großen Tiefen befinden. Daher setzen einige Akteure zunehmend auf künstliche Intelligenz.
Einsatz von künstlicher Intelligenz im Bergbau
Kosten- und Zeitaufwand bei der Rohstoffexploration können deutlich reduziert werden. Unternehmen und Start-ups nutzen zunehmend die Möglichkeiten der künstlichen Intelligenz.
Wie? Durch die Zusammenführung zahlreicher Daten über die Erdkruste (Bodenproben, Satellitenbilder, wissenschaftliche Publikationen, aktuelle und historische geologische Berichte) entstehen riesige Datenbanken. Mithilfe von Machine-Learning-Algorithmen können diese analysiert werden, um Muster von Regionen zu erkennen, in denen bereits seltene Metalle gefunden wurden, und so neue vielversprechende Gebiete zu identifizieren.
Erste Feldtests zeigen, dass dieses System die Erfolgsquote um bis zu das 25-Fache steigern kann und gleichzeitig Risiken für Investoren besser kalkulierbar macht.
Prognose der Nachfrage nach seltenen Metallen
Die Nachfrage nach seltenen Metallen steigt stark durch den Ausbau sauberer Energietechnologien. Laut der Internationalen Energieagentur (IEA) dürfte die Nachfrage bis 2050 deutlich zunehmen und sich bei bestimmten Materialien vervielfachen.
Globale Lage und Europa
Seltene Metalle stammen überwiegend aus Nicht-EU-Ländern: Abbau und Verarbeitung konzentrieren sich auf wenige Staaten. China, Australien und Südafrika verfügen über eine Art Monopol, was zu einer europäischen Abhängigkeit führt.
Diese Abhängigkeit wirft Fragen zu Preisen, Versorgungssicherheit und Umweltfolgen auf. Die EU hat mit dem „European Critical Raw Materials Act (CRMA)“ reagiert, der 2024 verabschiedet wurde und folgende Ziele verfolgt:
- Abhängigkeit von Drittstaaten reduzieren
- Inländische Produktionskapazitäten durch mehr Förderung, Raffination und Recycling strategischer Rohstoffe erhöhen
- Lieferquellen diversifizieren
Ohne sicheren Zugang zu diesen Materialien riskiert die Europäische Union Wettbewerbsverluste. Hochwertige geologische Daten sind jedoch entscheidend für das Training von KI-Systemen.
Unvollständige oder inkonsistente Daten können zu Fehlinterpretationen, falschen Signalen oder fehlerhaften Prognosen führen.
Globale Gleichgewichte und Verhandlungen
Anfang Mai 2025 unterzeichneten die Regierungen der Ukraine und der USA ein Abkommen über die Nutzung von Mineral- und Energieressourcen in der Ukraine.
Dies zeigt, wie strategisch der Zugang zu Rohstoffen ist – sowohl wirtschaftlich als auch geopolitisch.
KI zur Reduzierung der Umweltbelastung
Neben den genannten Vorteilen kann künstliche Intelligenz eine wichtige Rolle bei der Reduzierung der Umweltauswirkungen der Rohstoffexploration spielen, indem sie unnötige Bohrungen und „blinde“ Explorationen vermeidet.
Zudem sollte diese Technologie darauf trainiert werden, die Umweltfolgen der Förderung zu minimieren und das ökologische Bewusstsein zu stärken.
