Prescience Insilico: KI-gestütztes Molekül-Screening für Kupfer-Leaching bei BHP

Die Gewinnung von Kupfer aus minderwertigeren Erzen gilt als eine der zentralen Herausforderungen der Bergbauindustrie. Leaching – ein hydrometallurgisches Verfahren, bei dem Kupfer aus dem Gestein herausgelöst und anschließend über Solvent-Extraktion gewonnen wird – ist dabei ein etablierter Ansatz. Die Suche nach Reagenzien, die diesen Prozess verbessern, war bislang jedoch ein langsames Unterfangen: Millionen potenzieller Moleküle müssen berücksichtigt werden, und die klassische Methode beruht auf sequenziellen Labortests nach dem Prinzip von Versuch und Irrtum. Laut BHP-Innovationsvize Jessica Farrell ist das „eine Herausforderung, an der Wissenschaftler seit Jahrzehnten arbeiten".

Die Dringlichkeit wächst: Neue Kupferlagerstätten werden schwieriger und teurer zu erschließen, während die Nachfrage – getrieben durch Elektrofahrzeuge, digitale Infrastruktur und erneuerbare Energien – steigt. BHP, nach eigenen Angaben der weltgrößte Kupferproduzent, setzt daher verstärkt auf die Optimierung der Rückgewinnung aus bekannten Ressourcen.

BHP arbeitet gemeinsam mit Microsoft und Prescience Insilico an einem Projekt, das mehr als 500.000 Moleküle auf ihr Potenzial zur Verbesserung von Kupfer-Leaching-Prozessen untersucht hat. Computational Chemists von Prescience Insilico sind dabei Teil des operativen Teams. Die identifizierten Kandidatenmoleküle werden anschließend von Wissenschaftlern in australischen Laboren unter den tatsächlichen Bedingungen der BHP-Erzlagerstätten und Betriebsanforderungen getestet.

„Dieses Projekt dreht sich darum, unseren Wissenschaftlern ausgezeichnete Werkzeuge zu geben, damit sie sich früher auf die vielversprechendsten Kupfer-Leaching-Lösungen konzentrieren können", sagte Farrell. Die Zusammenarbeit mit Microsoft begann laut Unternehmensangaben Anfang 2025.

Technische Grundlage ist Microsofts Discovery-Plattform, die auf der Azure-KI-Infrastruktur aufbaut. Die Plattform setzt spezialisierte KI-Agenten ein, die verschiedene Funktionen im Forschungs- und Entwicklungsprozess übernehmen – von der Auswertung wissenschaftlicher Literatur und der Generierung von Hypothesen bis hin zu experimentellen Simulationen. Im Rahmen des Projekts wurden zehntausende quantenchemische Berechnungen und Simulationen durchgeführt. Die Plattform ist darauf ausgelegt, verschiedene Datenquellen zu verknüpfen und die Integration mit physischen Laboren sowie Laborinstrumenten zu ermöglichen.

Das Ziel ist die Eingrenzung eines „nahezu unendlichen Feldes an Möglichkeiten" auf eine handhabbare Anzahl von Kandidaten. Dabei berücksichtigt das Projekt laut australischen Medienberichten neben verbesserter Kupferrückgewinnung auch Kriterien wie geringere Toxizität, reduzierte Umweltauswirkungen und niedrigere Betriebskosten.

Für Prozessingenieure gilt: Shortgelistete Reagenzien müssen weiterhin durch konventionelle Säulen- und Flaschentests unter standortspezifischen Bedingungen validiert werden, bevor sie operativ eingesetzt werden können.

Als konkretes Ergebnis liegt eine Shortlist von Kandidatenmolekülen vor, die nun in australischen Laboren getestet wird. Quantitative Angaben zur Anzahl der final ausgewählten Kandidaten oder zu bereits erreichten Rückgewinnungsraten sind aus dem vorliegenden Material nicht belegbar.

Farrell beschrieb den Effekt des Vorgehens so: „Diese Arbeit erhöht unsere Geschwindigkeit, gibt unseren Fachleuten mehr Raum für gründlichere Analysen, und sie erhöht unsere Erfolgschancen."

Das Projekt steht im Kontext von BHPs breiterer Kupferstrategie: Das Unternehmen strebt eine Kupferproduktion von rund zwei Millionen Tonnen pro Jahr bis 2035 an und setzt dabei auf organisches Wachstum. Die KI-gestützte Leaching-Optimierung adressiert dabei explizit die Extraktion aus bestehenden Ressourcen – also einen Hebel, der unabhängig von Neuentdeckungen oder Akquisitionen wirkt.

Der Ansatz von Prescience Insilico und Microsoft zeigt, wie quantenchemische Rechenkapazität in Kombination mit agentenbasierter KI eingesetzt wird, um klassische laborgestützte Suchprozesse in der Reagenzienforschung erheblich zu beschleunigen – ohne den abschließenden Labortest unter Realbedingungen zu ersetzen.