KI-gestützte Materialentwicklung für die nachhaltige Rückgewinnung seltener Erden mittels Elektrodialyse

• Antragsteller: Professor Dr. Patrick Rinke
• Fachliche Zuordnung: Physikalische Chemie von Molekülen, Flüssigkeiten und Grenzflächen, Biophysikalische Chemie ; Physikalische Chemie von Festkörpern und Oberflächen, Materialcharakterisierung
• Förderung: Förderung seit 2026
• Projektkennung: Deutsche Forschungsgemeinschaft (DFG) - Projektnummer 572984715

Die weltweite Nachfrage nach Seltenen Erden (REEs), die für erneuerbare Energien, Elektronik und Verteidigung unverzichtbar sind, steigt rasant und belastet die Lieferketten. Einige REEs könnten bereits zwischen 2040 und 2050 erschöpft sein. Herkömmliche Rückgewinnungsmethoden wie Lösungsmittel-Extraktion und Ionenaustausch sind teuer, energieintensiv und schwer skalierbar. Elektrodialyse (ED) bietet eine selektive und kontinuierliche Alternative, ist jedoch durch hohe Investitions- und Betriebskosten – vor allem wegen teurer Membranen und hohem Energieverbrauch – eingeschränkt. Das Projekt AI-REE (KI-gestützte Materialentwicklung für die nachhaltige Rückgewinnung Seltener Erden mittels Elektrodialyse) verfolgt einen innovativen Ansatz: Es kombiniert Graphen-basierte Membranen (GBMs) mit Künstlicher Intelligenz, um die Effizienz und Wirtschaftlichkeit der REE-Rückgewinnung zu verbessern. Experimentelle Membranentwicklung wird mit KI-gestützter Optimierung verknüpft. Im Zentrum steht die Entwicklung ultradünner GBMs (0,2–1 µm), die mit REE-selektiven Agenzien (REISAs) funktionalisiert sind. Die Herstellung erfolgt über eine neuartige photokatalytische Grenzflächenpolymerisation, die die Produktionskosten um den Faktor 3 senken und die Fertigungszeit halbieren soll. Zur Leistungsoptimierung der Membranen wird Bayessche Optimierung (BO) eingesetzt, um Parameter wie Zulaufkonzentration, Stromdichte, Membrandicke und REISA-Zusammensetzung effizient zu analysieren. Ziel ist eine Selektivität von über 99 % bei hoher Stabilität, wobei durch BO-basiertes aktives Lernen die Zahl der Experimente minimiert wird. Aus techno-ökonomischer Sicht zielt das Projekt auf hybride GBM-Polymermembranen ab, die, durch günstigere Materialien und energieeffizienten Ionentransport, die Investitionskosten um das 1,5-Fache und die Betriebskosten um das 5-Fache im Vergleich zu herkömmlicher ED und Lösungsmittel-Extraktion senken sollen. Das 36-monatige Projekt gliedert sich in drei Phasen: Phase 1 (Monate 1–12) etabliert die Ausgangsleistung mit Einzel-REISA-GBMs (>90 % Selektivität). Phase 2 (Monate 13–24) optimiert Misch-REISA-Formulierungen (>95 %) mittels multiobjektiver BO. Phase 3 (Monate 25–36) skaliert die Technologie auf Laborebene und liefert Struktur-Eigenschafts-Beziehungen für die industrielle Umsetzung. Durch die Verbindung von Materialwissenschaft und KI adressiert AI-REE zentrale Herausforderungen der REE-Rückgewinnung und bietet einen nachhaltigen Weg zur Sicherung kritischer Rohstoffe für grüne Technologien. Geleitet wird das Projekt von Prof. Ang (Membrandesign, ED) und Prof. Rinke (KI-gestützte Materialforschung). Es baut auf Vorarbeiten zu hybriden ED-Systemen und maschinellem Lernen auf. Erwartete Ergebnisse sind frei zugängliche KI-Tools, leistungsstarke Membranen und ein skalierbares, kosteneffizientes Konzept für REE-Recycling.

• DFG-Verfahren: Sachbeihilfen
• Internationaler Bezug: Singapur
• Partnerorganisation: Agency for Science, Technology and Research (A*STAR)
• Kooperationspartner: Professor Dr. Edison Huixiang Ang, Ph.D.