Eine datengestützte Entscheidungsgrundlage für nachhaltige Investitionen
Wiederabbau oder Rekultivierung?Eine datengestützte Entscheidungsgrundlage für nachhaltige Investitionen
Eine 1,7 Millionen Tonnen umfassende Abraumhalde (TSF) aus einem skandinavischen Goldbetrieb der 1980er-Jahre stellte den Betreiber vor eine zentrale Frage:
Kostenintensive Rekultivierung – oder die wirtschaftliche Nutzung bislang unerschlossener Potenziale?
Wir wurden beauftragt, die Halde umfassend zu bewerten und eine belastbare Entscheidungsgrundlage zu schaffen. Dafür entwickelten und implementierten wir ein statistisch fundiertes Bohr- und Probenahmekonzept auf einer Fläche von rund 80.000 m², das sowohl die laterale als auch die vertikale Variabilität systematisch erfasste.
Durch die Kombination von geochemischen Analysen, automatisierter Mineralogie und hyperspektraler Bildgebung – in enger Zusammenarbeit mit unseren Partnern – entstand ein hochauflösendes, integriertes Modell der Materialzusammensetzung.
Zentrale Ergebnisse:
- Klar abgegrenzte mineralogische Zonierung innerhalb der Halde
- Signifikante Goldgehalte sowie erhöhte Tellurkonzentrationen
- Identifiziertes Ressourcenpotenzial von ca. 40.000–50.000 Unzen Gold
Mehrwert für den Kunden:
- Reduziertes Investitionsrisiko durch statistisch abgesicherte Datengrundlage
- Verlässliche Ressourcenschätzung für die gesamte Halde
- Transparente Entscheidungsbasis für den Vergleich von Rekultivierungs- und Wiederabbauoptionen
Datengestützte Prozesssteuerung im Bergwerk Kansanshi
Von reaktiver Fehlerbehebung zu vorausschauender FlotationsleistungDatengestützte Prozesssteuerung im Bergwerk Kansanshi
Die vorausschauende Steuerung von Flotationsprozessen ist bei komplexen Erzkörpern eine besondere Herausforderung. Im Bergwerk Kansanshi zeigt Kupfer ein stark variierendes Verhalten zwischen Sulfiden, Oxiden und Silikaten – wodurch klassische chemische Analysen allein nicht ausreichen, um die Anlagenleistung zuverlässig vorherzusagen.
Um diese Grenzen zu überwinden, haben wir den Einsatz eines partikelbasierten Trennmodells (PSM) erprobt. Durch die Analyse der Rückgewinnungswahrscheinlichkeit auf Ebene einzelner Partikel – unter Berücksichtigung von Korngröße, Aufschlussgrad und Mineralogie – konnten wir die Auswirkungen der Erzvariabilität direkt auf die metallurgische Performance quantifizieren.
Das Ergebnis: ein deutlich tieferes Prozessverständnis und die Grundlage für eine vorausschauende, datengetriebene Anlagensteuerung.
Zentrale Ergebnisse:
- Identifikation der Hauptursachen für Kupferverluste
- Quantifizierung der Auswirkungen von unaufgeschlossenem Chalkopyrit und Gangmineralen
- Entwicklung eines robusten Vorhersagemodells zur Prognose der Ausbeute für unterschiedliche Erztypen
Mehrwert für den Kunden:
- Vorausschauende Prozesssteuerung statt reaktiver Fehleranalyse
- Stabilere und höhere Anlagenleistung durch besseres Verständnis der Erzvariabilität
- Reduzierte metallurgische Unsicherheit bei komplexen Erzgemischen
- Schnellere Entscheidungsprozesse auf Basis täglicher mineralogischer Daten
- Gesteigerte Kupferausbeute und verbessertes wirtschaftliches Ergebnis