KI im Bergbau: die Branche, die die weltweite Automatisierung still anführt

Der Bergbau zählt zu den erfolgreichsten kommerziellen Anwendungen künstlicher Intelligenz und erhält einen Bruchteil der Aufmerksamkeit, die Chatbots zuteilwird. Warum es dort funktioniert, sagt viel darüber, wo KI tatsächlich Wert schafft.

Warum Bergbau zur Automatisierung passt:

Die Bedingungen sind nahezu ideal. Standorte liegen abgelegen, was Arbeitskraft teuer und schwer zu halten macht. Die Umgebungen sind gefährlich, sodass es über die Kosten hinaus einen Sicherheitswert hat, Menschen daraus zu entfernen. Geräte sind ungeheuer teuer, sodass ungeplanter Stillstand mit Hunderttausenden Dollar pro Tag zu Buche schlägt. Die Abläufe sind wiederkehrend und räumlich begrenzt, was der Autonomie entgegenkommt. Und die Datenlage ist reich, denn stark instrumentierte Geräte erzeugen fortlaufend Telemetrie.

Entscheidend: Die Ergebnisse sind messbar. Bewegte Tonnen, Anlagenverfügbarkeit, gewonnener Erzgehalt und Kraftstoffverbrauch sind alle beziffert, sodass sich der Ertrag eines Systems nachprüfen und nicht bloß behaupten lässt.

Was tatsächlich im Einsatz ist:

Autonomer Transport ist die Vorzeigeanwendung. Flotten führerloser Muldenkipper arbeiten im großen Maßstab in den australischen Eisenerzregionen, in chilenischen Kupferminen und anderswo, gesteuert aus Leitzentralen, die tausend Kilometer entfernt liegen können.

Automatisiertes Bohren und Sprengen, autonome Züge und ferngesteuerte Untertagegeräte sind ebenso etabliert, wobei der Untertagebetrieb besonders wertvoll ist, weil er Menschen aus den gefährlichsten Umgebungen holt.

Vorausschauende Wartung ist allgegenwärtig und nutzt Schwingungs-, Temperatur-, Öl- und Schalldaten, um Ausfälle vorherzusagen, bevor sie eintreten.

Geologische Modellierung und Explorationszielsetzung wenden maschinelles Lernen auf seismische, geochemische und Satellitendaten an, um aussichtsreiche Vorkommen zu erkennen, was die Kosten der Explorationsbohrungen senkt.

Prozessoptimierung in Aufbereitung und Verhüttung passt Betriebsparameter fortlaufend an, um die Ausbeute zu maximieren, und kleine prozentuale Verbesserungen bedeuten im industriellen Maßstab große Summen.

Bilderkennung übernimmt Erzsortierung, Anlageninspektion und Sicherheitsüberwachung, einschließlich der Erkennung, ob sich Beschäftigte in Gefahrenzonen aufhalten.

Wo das geschieht:

Australien führt beim Umfang der Autonomie, besonders im westaustralischen Eisenerz. Chile und Peru führen bei der Automatisierung im Kupferbergbau. Kanada, Südafrika und Schweden verfügen über tiefe Kompetenz, Südafrika speziell im Tiefbergbau und Schweden bei automatisierten Untertagebetrieben.

Die Technik verbreitet sich über international tätige Bergbaukonzerne, weshalb anspruchsvolle Systeme in Sambia, der DR Kongo, der Mongolei und Kasachstan auftauchen, selbst wo heimische Technologiesektoren minimal sind.

Die unbequemen Seiten:

Automatisierung verringert die Beschäftigung in Regionen, in denen der Bergbau oft der wichtigste formelle Arbeitgeber ist, und die verbleibenden Stellen verlangen andere Fähigkeiten. Das hat in Bergbaugemeinden echte politische Reibung erzeugt.

Der Bergbau liefert zudem die physischen Vormaterialien für den KI-Ausbau selbst: Kupfer für elektrische Infrastruktur, Kobalt und Lithium für Batterien, Seltene Erden für Elektronik. Die Branche ist zugleich Nutzerin von KI und Zulieferin für sie.

Die Menschenrechts- und Umweltprobleme in Teilen der Lieferkette, besonders im handwerklichen Kobaltabbau, löst die Automatisierung nicht, denn sie findet in großen Industriebetrieben statt und nicht im informellen Sektor, in dem die schlimmsten Bedingungen herrschen.

Die Lehre:

Der Bergbau zeigt, dass KI dort am meisten leistet, wo Ergebnisse messbar sind, Umgebungen kontrolliert, Fehler behebbar und die Wirtschaftlichkeit groß genug ist, um ordentliche Ingenieurarbeit zu finanzieren.

Diese Bedingungen sind seltener, als die Begeisterung um universell einsetzbare KI vermuten lässt, und sie zutreffend zu erkennen ist der Unterschied zwischen Einführungen, die sich rechnen, und Pilotprojekten, die still auslaufen.