14 Minuten Lesezeit · 532 Aufrufe
Autor: Gregory Abramov, PhD, Borehole Mining International, Inc., Denver, Colorado/USA
DOI: 10.66356/mrg.2026.05.04.DEKIDTT
Der Bohrlochbergbau (Borehole Mining, BHM) ist ein ferngesteuertes, auf Wasserstrahltechnik basierendes Abbauverfahren, das die Gewinnung von Mineralien durch ein Bohrloch ermöglicht, ohne dass sich Menschen unter Tage aufhalten müssen. Diese Fernsteuerung ist einer der Hauptvorteile von BHM, führt jedoch auch zu einer grundlegenden betrieblichen Einschränkung: Der Bediener verfügt nur über begrenzte, indirekte Informationen über die Bedingungen und die Geometrie des untertägigen Abbauraums. Infolgedessen werden wichtige Entscheidungen oft reaktiv getroffen und können zu Erzverdünnung, Unterausbeute, vorzeitigem Einsturz des Abbauraums, unkontrollierter Bodensenkung oder ineffizienter Nutzung von Wasser und Pumpenergie beitragen. In diesem Beitrag wird ein konzeptioneller Ansatz vorgeschlagen, bei dem geologische Charakterisierung, Untersuchungen der physikalischen Eigenschaften, dreidimensionale Modellierung und bergbaumechanische Simulationen die Wissensgrundlage für einen BHM-Digitalen Zwilling (Digital Twin, DT) bilden. Der DT würde den Erzkörper und das umgebende Gestein zusammen mit ihren relevanten physikalischen und geomechanischen Eigenschaften abbilden und prognostizierte Reaktionen auf alternative Abbauszenarien liefern. Während des Abbaus könnten Überwachungsdaten mithilfe von Künstlicher Intelligenz (KI) und Maschinellem Lernen (ML) mit diesen Vorhersagen verglichen werden, wodurch Abweichungen, Muster und potenzielle Gefahren erkannt und dem menschlichen Bediener mitgeteilt werden könnten. Das vorgeschlagene KI+DT-Konzept würde den BHM somit von einem überwiegend reaktiven Betrieb hin zu einer proaktiven, vom Menschen überwachten Entscheidungsfindung führen, mit dem Potenzial, Sicherheit, Zuverlässigkeit, Ressourcenrückgewinnung und Umweltleistung zu verbessern. 
