Der Handel mit Kupfer, Lithium, Nickel, Kobalt, Graphit und Seltenen Erden ist zu einer Art Monopoly geworden. Ohne sie wird es schwierig, Stromnetze auszubauen, Elektroautos zu produzieren, Rechenzentren zu betreiben oder Rüstungsgüter herzustellen. Doch während die Nachfrage nach kritischen Mineralien steigt, bleibt ihre Erschließung langsam, teuer und politisch heikel. Große Teile der internationalen Lieferketten sind auf China ausgerichtet; bei wichtigen Rohstoffen dominiert das Land nach Angaben internationaler Institutionen große Teile der Verarbeitung und des Angebots. Für westliche Staaten und Unternehmen wird die Rohstoffsuche deshalb zu einer strategischen Aufgabe.Das amerikanische Unternehmen Terra AI will diese Suche mit Künstlicher Intelligenz beschleunigen. Die Gesellschaft hat eine Software entwickelt, die Daten aus dem Untergrund zusammenführt: Bohrkerne, geophysikalische Messungen, geochemische Analysen, seismische Daten, Karten, Hypothesen von Geologen und neue Verfahren wie Myonentomographie. Aus diesen bislang oft getrennt ausgewerteten Informationen erstellt die Plattform dreidimensionale Modelle des Untergrunds, als Vielzahl möglicher geologischer Szenarien samt Wahrscheinlichkeiten.Jede Bohrung, jede magnetische Messung, jede geochemische Probe liefert nur einen Ausschnitt der Realität. Zwischen diesen Datenpunkten bleibt vieles Interpretation. Terra AI versucht, diese Unsicherheit nicht zu verstecken, sondern systematisch zu berechnen. Die Plattform soll zeigen, wo sich Rohstoffe mit hoher Wahrscheinlichkeit befinden, welche Art von Lagerstätte vorliegen könnte und vor allem, wo die größten Wissenslücken bestehen.Beschleunigung der langwierigen ErkundungJohn Mern, Mitgründer und Vorstandsvorsitzender von Terra AI, sieht darin eine notwendige Reaktion auf eine Branche, die trotz einer immer höheren Menge an Daten nicht schneller geworden ist. „Trotz jahrzehntelanger Investitionen in Sensoren und Daten verschlechtert sich unsere Situation jährlich“, sagte Mern im Gespräch mit der F.A.Z.: „Die Menge an Metall, die dem globalen Angebot in diesem Jahr zugeführt wurde, ist um 90 Prozent geringer als 1990.“ Terra AI setzt darauf, dass nicht die Menge an Daten allein den Unterschied macht, sondern ihre Integration in ein entscheidungsfähiges Modell. Mern formuliert es zugespitzt: „Die Methode ist möglich angesichts der Digitalisierung der Verfügbarkeit von Datenmassen.“Die Schwachstelle der Rohstoffversorgung liegt nicht nur darin, neue Vorkommen zu finden. Viel häufiger bleiben Projekte nach ersten Entdeckungen stecken. Bei Kupfer dauert es im Durchschnitt rund 17 Jahre von der Entdeckung bis zur Produktion einer neuen Mine, wie Fachleute sagen. Ein großer Teil dieser Zeit entfällt auf Exploration, Machbarkeit und Ressourcendefinition. Mehr als drei Viertel der Explorationskosten entstehen oft erst nach den ersten positiven Bohrlöchern. Diese Phase will Terra AI verkürzen.Prognosequalität verbessernNach Unternehmensangaben konnte die Plattform in Projekten die benötigte Bohrtiefe wiederholt um 50 bis 60 Prozent senken. Besonders große und wertvolle Lagerstätten seien um vier bis fünf Jahre beschleunigt worden. Die Prognosequalität von Ressourcenmodellen habe sich um das Zwei- bis Dreifache verbessert. Definierte Mineralressourcen seien in einzelnen Fällen um bis zum 2,5-Fachen gestiegen. Solche Angaben stammen vom Unternehmen selbst und müssen sich im breiten Einsatz beweisen. Doch sie erklären, warum große Bergbaukonzerne Terra AI testen oder einsetzen. Zu den genannten Kunden zählen BHP und Rio Tinto, außerdem mittelgroße Bergbauunternehmen, Junior-Explorer und Reservoir-Unternehmen wie OMV im Bereich der CO₂-Speicherung.Für Markus Zechner, Mitgründer der Technikschmiede, ist der ökonomische Nutzen unmittelbar: „Fehlentscheidungen im Untergrund sind extrem kostspielig.“ Terra AI verspricht, das Explorationsrisiko deutlich zu senken. In internen Projekten ist von bis zu 60 Prozent weniger Risiko die Rede. Zugleich kann schon eine kleine Verbesserung der Produktionsprognose einen großen Effekt haben. „Wir können das Produktionsziel um fünf bis zehn Prozent gegenüber der herkömmlichen Vorgehensweise übertreffen“, sagt Mern. Gemeint ist: Wer den Untergrund präziser versteht, kann Produktionsziele verlässlicher planen und Kapital effizienter einsetzen. Statt nur geologische Daten zu visualisieren, will die Plattform risikoquantifizierte Erkenntnisse liefern. Wo sollte gebohrt werden? Welche zusätzlichen Daten lohnen sich? Welche Lagerstätte sollte gekauft, entwickelt oder aufgegeben werden?Entscheidungsinfrastruktur auch für EnergiewendeDas Geschäftsmodell ist damit breiter aufgestellt als klassische Bergbausoftware. Terra AI verkauft eine Entscheidungsinfrastruktur für Unternehmen, die unterirdische Ressourcen verstehen und entwickeln müssen. Im Bergbau geht es um kritische Mineralien, Gold oder polymetallische Systeme. Die Geothermie beschäftigt sich mit der Frage, wo Bohrungen wirtschaftlich Wärme fördern können. In der CO₂-Speicherung geht es darum, wie sicher sich Kohlendioxid im Untergrund verpressen lässt.Zechner, der an der Stanford University promoviert hat und seit mehr als zwei Jahrzehnten an der Modellierung von Unsicherheiten im Untergrund arbeitet, sieht die gleichen Grundprobleme in mehreren Märkten. Die Charakterisierung des dynamischen Untergrunds ist langsam, teuer und riskant. Bohrungen können in der Geothermie 50 bis 70 Prozent der Projektkosten ausmachen. Projekte zur Kohlenstoffspeicherung können sich vier bis sieben Jahre verzögern, bevor die Injektion überhaupt beginnt.Kohlenstoffabscheidung und GeothermieEin gemeinsames Projekt mit dem österreichischen Rohstoffkonzern OMV zeigt, wie Terra AI seine Plattform jenseits des klassischen Bergbaus einsetzen will. Der Energie- und Chemiekonzern arbeitet im kohlenstoffarmen Themenspektrum mit Terra AI vor allem in der Kohlenstoffabscheidung und -speicherung (CCS) sowie Geothermie zusammen. OMV bringt dabei über Jahrzehnte aufgebautes Explorationswissen mit ein.Gerade CCS sei ein Anwendungsfall, in dem geologische Unsicherheit unmittelbar ökonomische Folgen hat, heißt es. Ob ein Speicher wirtschaftlich betrieben und zuverlässig überwacht werden kann, hängt stark von den lokalen geologischen Bedingungen und den regulatorischen wie auch wirtschaftlichen Rahmenbedingungen ab. Herkömmliche Optimierungsansätze berücksichtigen oft nur eine begrenzte Zahl möglicher Szenarien. Mitbegründer Anthony Corso erklärt den Ansatz mit einem Vergleich aus der Welt selbstfahrender Autos: „Adaptierte Algorithmen aus diesem Bereich können Millionen möglicher Szenarien berücksichtigen.“ Ähnlich wie autonome Fahrzeuge viele Verkehrssituationen vorausberechnen, bewertet Terra AI unterschiedliche geologische Entwicklungen und Handlungsoptionen im Untergrund. Dadurch lassen sich Entwicklungsoptionen besser vergleichen, technische Risiken früher sichtbar machen und Investitionsentscheidungen auf eine deutlich breitere Datengrundlage stellen.Kostenvorteile und geringere RisikenDer von OMV und Terra AI entwickelte Ansatz soll daher bestimmen helfen, wann und wo seismische Messungen sinnvoll sind. In einem realen CCS-Projekt in der Nordsee, das sich noch in einer frühen Planungsphase befindet, konnte der Einsatz Künstlicher Intelligenz nach Angaben der Beteiligten die theoretischen Speichermengen erhöhen und die erwarteten Kosten für die Datenerfassung deutlich senken. Die ersten internen Ergebnisse aus dem norwegischen Projekt sind vielversprechend. Nach Berechnungen der Projektpartner konnte der erwartete Projektwert um mehr als 25 Prozent gesteigert werden, während die quantifizierten Untergrundrisiken um rund 50 Prozent reduziert wurden. Gleichzeitig wurden zentrale Planungs- und Entwicklungszeiträume deutlich verkürzt.Für die Perspektiven des Geschäftsmodells ist diese Ausweitung wichtig. Terra AI ist nicht allein auf die Erkundung von Metallen angewiesen. Die Plattform soll systemunabhängig funktionieren, weil geologische Unsicherheit in fast jeder Untergrundanwendung eine zentrale Rolle spielt. Das eröffnet Märkte in Bergbau, Geothermie, CO₂-Speicherung und möglicherweise weiteren Anwendungen. Besonders attraktiv sei der Markt der Junior-Bergbauunternehmen, heißt es. Diese kleineren Explorationsfirmen sind nach Unternehmensangaben für etwa 70 Prozent der Erzfunde auf der Welt verantwortlich, verfügen aber oft über begrenztes Kapital. Wenn sie mit weniger Bohrungen bessere Modelle erzeugen können, verbessert das ihre Finanzierungschancen.Wagniskapitalfinanzierer ermöglicht ExpansionDie von dem Wagniskapitalspezialisten Khosla Ventures angeführte Finanzierungsrunde über 20 Millionen Dollar, die Terra AI nun veröffentlicht hat, soll diese Expansion ermöglichen. Mern beschrieb den Anlass mit den Worten: „Diese Investition ermöglicht es uns, in die nächste Phase des Wachstums überzugehen, indem wir unsere generative ,Modellierungs-Engine‘ skalieren, Implementierungen auf Unternehmensebene beschleunigen und die Technik zur Untergrund-Inferenz vorantreiben, die die Industrie benötigt, um die Nachfrage nach kritischen Mineralien zu decken.“Die Chancen sind groß, aber nicht ohne Risiken. Bergbau ist konservativ, kapitalintensiv und stark reguliert. Eine KI-Plattform muss nicht nur technisch überzeugen, sondern auch geologische Fachleute, Finanzierer, Genehmigungsbehörden oder Betreiber. Modelle, die Wahrscheinlichkeiten berechnen, ersetzen keine Bohrungen. Sie können helfen zu entscheiden, wo und wann gebohrt wird. Zudem hängt der Erfolg von der Qualität der vorhandenen Daten ab. In alten Bergbaurevieren können große historische Datenmengen vorhanden sein, aber in uneinheitlichen Formaten und mit Lücken. In wenig erkundeten Regionen fehlen dagegen oft belastbare Ausgangsdaten.Trotzdem spricht vieles dafür, dass datengestützte Exploration an Bedeutung gewinnt. Der Rohstoffbedarf steigt, die besten oberflächennahen Lagerstätten sind vielerorten schon bekannt, neue Projekte werden teurer und politisch schwieriger. Gleichzeitig wächst der Druck, Eingriffe in Natur und Landschaft zu begrenzen. Weniger Fehlbohrungen bedeuten nicht nur geringere Kosten, sondern auch weniger Belastung für die Umwelt.