Rohstoffe im Bergbau effizienter fördern mit künstlicher Intelligenz

15.10.2018

Fürth, Luleå, Berlin, Santiago de Chile: Zahlreiche Erz-Lagerstätten weisen immer geringere Konzentrationen an abbaubarem Wertmaterial auf. Um an die versteckten Minerale zu gelangen, setzt die Bergbauindustrie aufwendige Verfahren ein, die große Mengen an Energie und Wasser verbrauchen. Gemeinsam mit drei Partnern nutzt das Fraunhofer IIS künstliche Intelligenz und Sensorfusion, um die Konzentration der Wertminerale im Prozess möglichst früh zu erkennen und damit Ressourcen zu schonen.

© MEV Verlag

Beispiel für Sensortechnologie.

© MEV Verlag

Gewinnung von Bodenschätzen im Bergbau.

Ziel des Forschungsprojekts »REWO-SORT« ist die Bewertung der technischen Machbarkeit und Entwicklung einer verbesserten Sortiertechnologie für Rohstoffe, bei der optische und röntgenbasierte Technologien zu einem multimodalen Sensor fusioniert werden. Dabei wird die Robustheit der Methode unter variablen geologischen Bedingungen, also beispielsweise unterschiedlichen Zusammensetzungen des Gesteins, untersucht.

Ressourcen schonen durch Sensorfusion

Indem das Material mit geringem Wert schon in einer frühen Phase des Prozesses abgetrennt wird, steigert sich nicht nur die Effizienz in der Aufbereitung. Auch der Verbrauch von Wasser und Energie soll in den Folgeschritten reduziert werden. Die zu entwickelnde Fusion der Sensortechnologien soll eine genaue Überwachung der Mineralogie des abgebauten Gesteins bieten. Das Besondere: Die geologischen, mineralogischen, gesteinsmechanischen und metallurgischen Eigenschaften des Erzes werden direkt ermittelt. Das heißt: während sich das Gesteinsmaterial über ein Förderband bewegt. Diese Daten werden dann in ein geologisches 3D-Modell gespeist, um die weitere Minenplanung zu erleichtern.

Technologien ergänzen sich

Die Kombination von laserinduzierter Plasmaspektroskopie (LIBS) und Multienergie-Röntgenbildgebung (ME-XRT) ist besonders erfolgsversprechend, da sich die Technologien bezüglich ihrer analytischen Leistungsfähigkeit sehr gut ergänzen: LIBS ist in der Lage eine Analyse der chemischen Zusammensetzung der Oberfläche zu liefern, ME-XRT hingegen ermittelt elementare Informationen des gesamten Objektvolumens. »Die technologische Zusammenführung dieser beiden Sensortechnologien soll die Extrapolation der präzisen Oberflächeninformation auf das gesamte Volumen ermöglichen. So können repräsentative Werte für das gesamte Erz ermittelt werden. Die Anpassung an variierende Erztypen und geologische Parameter soll unter Zuhilfenahme von Künstlicher Intelligenz erfolgen «, erklärt Dr. Markus Firsching, Projektleiter am Fraunhofer-Institut für Integrierte Schaltungen IIS.

 

Über das Projekt:

REWO-SORT ist ein Gemeinschaftsprojekt des Fraunhofer IIS, der Luleå University of Technology in Schweden, dem Unternehmen Secopta sowie der University of Chile. Das Arbeitspaket der deutschen Partner Secopta und Fraunhofer IIS wird vom Bundesministerium für Bildung und Forschung für drei Jahre mit einem Volumen von rund 520 000 EUR gefördert.