- Das neue KI-System verkürzt die Dauer von Mineralprognosen auf eine Woche.
- AI-GeoMapping integriert Big Data und künstliche Intelligenz in die Kartierung.
- AI-OreSeeking automatisiert herkömmliche Arbeitsabläufe in der Mineralexploration.
- Das System wurde bereits in mehreren internationalen Regionen erprobt – mit deutlichen Ergebnissen.
Ein neues KI-System der China Geological Survey hat die Dauer von Mineralprognosen und -bewertungen, die zuvor sechs Monate beanspruchten, auf nur eine Woche verkürzt. Die Behörde stellte auf der in Tianjin abgehaltenen 28. China Mining Conference and Exhibition erstmals zwei Systeme namens AI-GeoMapping und AI-OreSeeking vor – es handelt sich um die weltweite Premiere beider Anwendungen. Ziel ist es, geologische Untersuchungen und die Mineralexploration zu beschleunigen und die Abhängigkeit von manueller Expertenanalyse zu verringern.
Innovation in der Kartierung mit AI-GeoMapping
AI-GeoMapping bietet einen neuen Ansatz für regionale geologische Untersuchungen, indem es Big Data und künstliche Intelligenz direkt in den Kartierungsprozess einbindet. Das System integriert und analysiert auf intelligente Weise Daten aus Weltraum-, Luft- und Bodenquellen und bettet in jeder Untersuchungsphase KI-generierte Karten ein. Es deckt den gesamten Kartierungs-Workflow ab – von Vorstudien und Datenerfassung bis hin zur endgültigen Kartenerstellung und Redaktion – und kann geologische Einheiten mit einer Gesamtgenauigkeit von über 90 % identifizieren. Darüber hinaus steigert es die Effizienz von Datenverarbeitung, integrierter Analyse und Kartenerstellung um mehr als 50 %.
Die Entwickler haben das System auf fast 100 Karten im Maßstab 1:50.000 in Regionen wie Qinghai, Tibet, Xinjiang und Fujian erprobt. International wird es unter anderem in Marokko, Saudi-Arabien und Laos eingesetzt.
Automatisierter Workflow mit AI-OreSeeking
Während herkömmliche Mineralexploration vor allem auf menschliche Experten angewiesen ist, die Daten aus zahlreichen voneinander unabhängigen Quellen analysieren, automatisiert AI-OreSeeking diesen Workflow. Es integriert geowissenschaftliche Daten, geologisches Wissen, Explorationsmodelle und mehr als 200 Algorithmen zur Datenverarbeitung in der Mineralexploration. Das System nutzt Millionen von Datenpunkten aus geologischen Wissensgraphen – darunter Mineralisierungsmuster, Lagerstättenmodelle und geologische Umgebungen – und kombiniert sie mit spezialisierten Algorithmen zur Verarbeitung von Gravitations-, Magnet-, Elektro-, geochemischen und Fernerkundungsdaten. Es kann Daten aus mehreren Quellen erfassen und zusammenführen, Explorationsziele identifizieren, dreidimensionale Modelle geologischer Strukturen erzeugen sowie Ressourcenprognosen und vollständige Bewertungsberichte ausgeben.
Die Anwender können je nach Projektanforderung zwischen expertengesteuerten, vollautomatischen oder kollaborativen Mensch-Maschine-Modi wählen.
Bei einer Demonstration im Westlichen Qinling-Gebirge verarbeitete das System innerhalb von nur fünf Tagen Daten und erstellte Prognosebewertungen für 32 Karten. Dabei identifizierte es erfolgreich zwei Gold-Explorationsziele sowie vier weitere potenzielle Gebiete. Das System unterstützt die Exploration und Bewertung einer Vielzahl fester mineralischer Rohstoffe, darunter Gold, Eisen, Kupfer, Aluminium, Lithium, Kobalt, Nickel, Blei, Zink, Chrom, Kalisalz und Uran. Laut Beamten Qu der China Geological Survey wurde das System bereits in mehr als 100 Projekten in über zehn Provinzen erprobt. Beide Systeme wurden von der China Geological Survey eigenständig entwickelt. Wie die Behördenvertreterin Ren Xiaomei erklärte, werde die Technologie voraussichtlich eine technologische Referenz für die intelligente Transformation der weltweiten Mineralexploration darstellen.
Wie KI die Mineralexplorationsbranche umgestaltet
Die von der China Geological Survey vorgestellten KI-Systeme zeigen, welche Bedeutung Technologie in der Mineralexploration hat. Die Kombination aus AI-GeoMapping und AI-OreSeeking steigert nicht nur die Explorationseffizienz, sondern verringert auch die Abhängigkeit von menschlichen Experten – was sowohl für das Ressourcenmanagement als auch für den Umweltschutz positive Bedeutung hat. Angesichts der weltweit steigenden Nachfrage nach mineralischen Rohstoffen könnten solche Technologien die Arbeitsweise der Branche verändern, eine intelligentere Mineralexploration vorantreiben und neue Möglichkeiten für die künftige Ressourcenentwicklung eröffnen.