Christopher Gannatti, Global Head of Research, WisdomTree<\/strong><\/p>\r\n
\r\nWisdomTree hat eine lange Tradition in der Fokussierung auf Rohstoffm\u00e4rkte und verschiedene thematische Trends. Einige der interessantesten Konzepte kommen zum Vorschein, wenn sich diese verschiedenen Arten von Initiativen \u00fcberschneiden.<\/p>\r\n
Es ist eindeutig, dass:<\/strong><\/p>\r\n\r\n- Die Welt\u00a0 sich mehr als je zuvor in der j\u00fcngeren Geschichte auf die Reduzierung von CO2-Emissionen konzentriert. Dies k\u00f6nnte zu bestimmten Ma\u00dfnahmen f\u00fchren, wie z. B. einem massiven Anstieg der Nachfrage nach Elektrofahrzeugen.<\/li>\r\n
- Ein massives Wachstum der Nachfrage nach Elektrofahrzeugen f\u00fchrt zu einem massiven Anstieg der Nachfrage nach Batterien, die viele Rohstoffe ben\u00f6tigen.<\/li>\r\n
- Wenn wir als globale Gesellschaft mehr dieser Rohstoffe finden wollen, werden neue Techniken erforderlich sein, \u00e4hnlich wie Horizontalbohrungen in Schiefer erforderlich waren, um mehr fossile Brennstoffressourcen zu finden. Was ist das f\u00fcr eine \u00e4hnlich neue Technik, mit der man zum Beispiel mehr Kobalt, Nickel oder Lithium finden kann?<\/li>\r\n<\/ol>\r\n
Mehr Daten k\u00f6nnten zu effektiverem Mining f\u00fchren<\/strong><\/p>\r\nExplorationsgeologen haben eine begrenzte Kapazit\u00e4t, um reichhaltige Daten zu verarbeiten, die von der neuen Generation von Explorationswerkzeugen wie Geophysik, hyperspektrale Bildgebung, Geochemie und Mineralologie bereitgestellt werden. Richtig kalibrierte maschinelle Lerntechniken k\u00f6nnen verwendet werden, um die Muster zu erkennen, die die besten Chancen f\u00fcr das Vorhandensein bestimmter Erzarten anzeigen \u2013 wie Lithium, Kupfer, Nickel oder was auch immer gew\u00fcnscht werden k\u00f6nnte. Wenn man sich einen bestimmten Standort als eine Reihe von Erdbl\u00f6cken vorstellen kann und das Computermodell die Daten innerhalb jedes Erdblocks verfolgen kann, k\u00f6nnte die Effizienz gr\u00f6\u00dfer sein.[2]<\/p>\r\n
Diese Techniken erfordern derzeit eine erhebliche \u00dcberwachung, da Algorithmen bei der Verarbeitung von Satellitenbildern bestimmte Muster in Seen, Golfpl\u00e4tzen oder Kl\u00e4ranlagen als gro\u00dfes Explorationspotenzial erkennen k\u00f6nnen[3]. In Sambia wurde bereits ein n\u00fctzliches Werkzeug entwickelt, um mit mafischem Gestein umzugehen, das f\u00fcr den Unerfahrenen wie Signale f\u00fcr ein Kupfervorkommen aussehen k\u00f6nnte. Der Vorteil richtig eingestellter Algorithmen kann zur Erkennung dieser falschen Signale f\u00fchren[4].<\/p>\r\n
KoBold Metals \u2013 Namhaftes Unternehmen, das versucht, die Suche nach wichtigen Mineralien zu unterbrechen<\/strong><\/p>\r\nKoBold Metals ist ein Startup, das von Bill Gates\u2019 Breakthrough Energy Ventures unterst\u00fctzt wird. Das Unternehmen will mithilfe k\u00fcnstlicher Intelligenz Metalle finden, die f\u00fcr den Elektrofahrzeug-Boom ben\u00f6tigt werden. In einer k\u00fcrzlich durchgef\u00fchrten Finanzierungsrunde konnte KoBold 192,5 Millionen US-Dollar aufbringen[5].<\/p>\r\n
Eine Datenerfassungstechnik beinhaltet eine 115 Fu\u00df breite Kupferspule, die an einem Hubschrauber baumelt, elektromagnetische Wellen in die Erde sendet und Str\u00f6me tief in die Erde eindringen l\u00e4sst. Mineralien haben unterschiedliche elektromagnetische Eigenschaften, und die zur\u00fcckkommenden Signale enthalten wertvolle Informationen \u00fcber die Arten von Mineralien an verschiedenen Orten. Nickel- oder Kobaltvorkommen weisen bestimmte Eigenschaften auf, welche die Anzeigen des Detektors widerspiegeln.\u00a0 Mit diesem Ansatz lie\u00dfen sich an einem guten Tag mehr als 160 km zur\u00fccklegen. Es ist unwahrscheinlich, dass eine einzelne Technik alle Antworten enth\u00e4lt, aber die F\u00e4higkeit, 1) mehr Daten effizienter zu erfassen und 2) verschiedene Arten von Daten zu \u00fcberlagern, um bestimmte regionale Lagerst\u00e4tten besser zu verstehen, k\u00f6nnte hilfreich sein[6].<\/p>\r\n
Bergleute haben darauf hingewiesen, dass neue Lagerst\u00e4tten viel tiefer in der Erdkruste gefunden werden m\u00fcssen, wenn die Welt in der Lage sein soll, ihren Bedarf an gr\u00fcner Energie der Zukunft zu decken. Es ist m\u00f6glich, dass sich bestimmte Muster in den oberen Krustenschichten befinden, die auf das potenzielle Vorhandensein bestimmter Erze in den unteren Schichten hinweisen k\u00f6nnten.<\/p>\r\n
Der Bergbausektor muss gest\u00f6rt werden<\/strong><\/p>\r\nNachdem Unternehmen verschiedene Rechte und Genehmigungen erhalten haben, kann es noch immer mehr als zehn Jahre dauern, bis neue Minen in Betrieb gehen. Die Suche nach dem bestm\u00f6glichen Ort zur Exploration kann ebenfalls viel Zeit in Anspruch nehmen. Die meisten leicht identifizierbaren hochgradigen Lagerst\u00e4tten wurden bereits gefunden, und die Investitionen in die Exploration sind r\u00fcckl\u00e4ufig. Eine grobe Faustregel lautet, dass f\u00fcr jeweils 100 bewertete Lagerst\u00e4tten eine profitable Abbaust\u00e4tte gefunden wird. Es ist m\u00f6glich, dass die tats\u00e4chliche Zahl in den letzten Jahren eher bei eins zu tausend liegt[7].<\/p>\r\n
KoBold glaubt, dass die Entdeckungsraten um den Faktor 20 gesteigert werden k\u00f6nnen, und auch ein Vorteil besteht, wenn weniger unrentable Bohrl\u00f6cher gebohrt werden m\u00fcssen[8].<\/p>\r\n
In Kanada wird viel Anfangsarbeit geleistet. Kanada verf\u00fcgt \u00fcber gro\u00dfe Mengen \u00f6ffentlich zug\u00e4nglicher Studiendaten, wie z. B.[9]<\/p>\r\n
\r\n- Erfahrungsberichte in Erz\u00e4hlform<\/li>\r\n
- Veraltete geologische Karten<\/li>\r\n
- Geochemische Daten zu Bohrlochproben<\/li>\r\n
- Luftgest\u00fctzte magnetische und elektromagnetische Vermessungsdaten<\/li>\r\n
- Lidar-Lesungen<\/li>\r\n
- Satellitenbilder aus vielen Jahrzehnten der Erforschung<\/li>\r\n<\/ul>\r\n
Sobald die Informationen zusammengestellt sind, untersucht KoBold die Daten mithilfe von maschinellem Lernen, beispielsweise um ein Modell zu erstellen, das vorhersagen k\u00f6nnte, welche Teile von Erzlagerst\u00e4tten die h\u00f6chsten Kobaltkonzentrationen aufweisen k\u00f6nnten. Es ist auch m\u00f6glich, dass Daten w\u00e4hrend der Erfassung zu Modellen hinzugef\u00fcgt werden, was adaptive \u00c4nderungen der Explorationsstrategie in Echtzeit erm\u00f6glicht.<\/p>\r\n
KoBold arbeitet mit dem Stanford Center for Earth Resources Forecasting zusammen, das dem Mix eine zus\u00e4tzliche Analyseebene in Form eines KI-\u201eEntscheidungsagenten\u201c hinzuf\u00fcgt, der einen gesamten Explorationsplan abbilden kann. In gewisser Weise kann dies die Unsicherheit in den Modellergebnissen von KoBold quantifizieren und einen Datenerfassungsplan entwerfen, der zur Verringerung dieser Unsicherheit f\u00fchren kann[10]. Wenn das Ziel auf diese Weise festgelegt wird, k\u00f6nnte es Wissenschaftler und Forscher dazu anleiten, die Arten von Daten und Informationen zu sammeln, die zu den gr\u00f6\u00dften Auswirkungen auf das Ergebnis f\u00fchren k\u00f6nnten \u2013 das Auffinden von Erzvorkommen \u2013 und von Aktivit\u00e4ten ablenken, die weniger wirkungsvoll sein k\u00f6nnten.<\/p>\r\n
Fazit: Ein weiterer Fall von m\u00f6glicherweise genaueren Vorhersagen<\/strong><\/p>\r\nKI nutzt im Kern die verf\u00fcgbaren Daten, um Benutzern die M\u00f6glichkeit zu genaueren Vorhersagen zu geben. Es gibt keine Garantie daf\u00fcr, dass KI sofort den Bergbau revolutioniert oder pl\u00f6tzlich alle Mineralien in der Erdkruste findet und katalogisiert. In anderen Bereichen gibt es jedoch keine Garantie daf\u00fcr, dass KI sofort wirksame neue Medikamente findet oder Fahrzeuge autonom steuern kann. Kurzfristig sind dies neue Ans\u00e4tze, bei denen Forscher und Praktiker viel lernen werden, was zu m\u00f6glichen Durchbr\u00fcchen von KI-Techniken f\u00fchren k\u00f6nnte, die zusammen mit menschlichen Experten eingesetzt werden.<\/p>\r\n
[1] Quelle: \u201eThe Role of Critical Minerals in Clean Energy Transitions.\u201c International Energy Agency. Mai 2021.<\/span><\/p>\r\n2 Quelle: Descharnais, Guy. \u201eThe Power and Pitfalls of Predictive Algorithms.\u201c CIM Magazine. 15 Februar 2018.<\/span><\/p>\r\n3 Quelle: Descharnais 2018.<\/span><\/p>\r\n4 Quelle: Rosen, Jonathan W. \u201eElectric Cars are Powered by Rare Metals. Can AI Help Find Them?\u201c KoBold Metals. 3 Dezember 2021.<\/span><\/p>\r\n5 Quelle: Hoyle, Rhiannon. \u201eKoBold Metals Raises $192.5 Million to Use AI to Find Battery Minerals.\u201c * Wall Street Journal, 10. Februar 2022<\/span><\/p>\r\n6 Quelle: Stone, Maddie. \u201eThe Big Tech Question to Find the Metals Needed for the Energy Overhaul.\u201c MIT Technology Review. 11. August 2022.<\/span><\/p>\r\n7 Quelle: Stone 2021.<\/span><\/p>\r\n8 Quelle: Stone 2021.<\/span><\/p>\r\n9 Quelle: Stone 2021.<\/span><\/p>\r\n10 Quelle: Stone 2021.<\/span><\/p>\r\nQuelle: ETFWorld<\/p>\r\n\r\n\r\n","protected":false},"excerpt":{"rendered":"
WisdomTree : Es besteht eindeutig ein Bedarf an 1) mehr nat\u00fcrlichen Ressourcen und 2) effizienten Mitteln, um sie effektiver zu nutzen.<\/p>\n","protected":false},"author":4,"featured_media":22993,"comment_status":"closed","ping_status":"closed","sticky":false,"template":"","format":"standard","meta":{"telegram_tosend":false,"telegram_tosend_message":"","telegram_tosend_target":0,"footnotes":"","_wpscp_schedule_draft_date":"","_wpscp_schedule_republish_date":"","_wpscppro_advance_schedule":false,"_wpscppro_advance_schedule_date":"","_wpscppro_dont_share_socialmedia":false,"_wpscppro_custom_social_share_image":0,"_facebook_share_type":"","_twitter_share_type":"","_linkedin_share_type":"","_pinterest_share_type":"","_linkedin_share_type_page":"","_instagram_share_type":"","_medium_share_type":"","_threads_share_type":"","_google_business_share_type":"","_selected_social_profile":[],"_wpsp_enable_custom_social_template":false,"_wpsp_social_scheduling":{"enabled":false,"datetime":null,"platforms":[],"status":"template_only","dateOption":"today","timeOption":"now","customDays":"","customHours":"","customDate":"","customTime":"","schedulingType":"absolute"},"_wpsp_active_default_template":true},"categories":[33],"tags":[117,158],"class_list":["post-26646","post","type-post","status-publish","format-standard","has-post-thumbnail","hentry","category-analyses-etf","tag-etf","tag-wisdomtree"],"blocksy_meta":{"styles_descriptor":{"styles":{"desktop":"","tablet":"","mobile":""},"google_fonts":[],"version":6}},"_links":{"self":[{"href":"https:\/\/www.etfworld.com\/ch\/wp-json\/wp\/v2\/posts\/26646","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/www.etfworld.com\/ch\/wp-json\/wp\/v2\/posts"}],"about":[{"href":"https:\/\/www.etfworld.com\/ch\/wp-json\/wp\/v2\/types\/post"}],"author":[{"embeddable":true,"href":"https:\/\/www.etfworld.com\/ch\/wp-json\/wp\/v2\/users\/4"}],"replies":[{"embeddable":true,"href":"https:\/\/www.etfworld.com\/ch\/wp-json\/wp\/v2\/comments?post=26646"}],"version-history":[{"count":3,"href":"https:\/\/www.etfworld.com\/ch\/wp-json\/wp\/v2\/posts\/26646\/revisions"}],"predecessor-version":[{"id":26649,"href":"https:\/\/www.etfworld.com\/ch\/wp-json\/wp\/v2\/posts\/26646\/revisions\/26649"}],"wp:featuredmedia":[{"embeddable":true,"href":"https:\/\/www.etfworld.com\/ch\/wp-json\/wp\/v2\/media\/22993"}],"wp:attachment":[{"href":"https:\/\/www.etfworld.com\/ch\/wp-json\/wp\/v2\/media?parent=26646"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/www.etfworld.com\/ch\/wp-json\/wp\/v2\/categories?post=26646"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/www.etfworld.com\/ch\/wp-json\/wp\/v2\/tags?post=26646"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}