Die Nutzung tiefer Geothermie ist ein wichtiger Baustein in der geplanten Transformation der Energiesysteme. Die Erschließung neuer Quellen ist jedoch, insbesondere auch für die Porenaquifere im Norddeutschen Becken, nicht so weit fortgeschritten wie notwendig, um einen substanziellen Beitrag zu liefern. Entscheidende Hemmnisse sind dabei zum einen das Fündigkeitsrisiko, das wesentlich aus Unsicherheiten bezüglich der Untergrundeigenschaften resultiert, sowie schwer kalkulierbare größere Kostenfaktoren im Betrieb, etwa durch Scalingeffekte, die die Effizienz vermindern und unter Umständen teure Gegenmaßnahmen erfordern. Die schwache Informationslage über die geologischen Eigenschaften im Zielhorizont erschwert Planungen und Abschätzungen, die zu Entscheidungsfindungen notwendig sind. Auch wegen der Tiefe der Formationen wird sich die Situation der generell schwachen Informationslage nicht schnell ändern. Neben der Weiterentwicklung der Explorationsverfahren sind daher Methoden notwendig, die aus den vorhandenen Daten die bestmöglichen Informationen über den Untergrund und die Prozesse generieren und wegen der geringen Datenlage die Unsicherheiten der gewonnenen Informationen berücksichtigen.
Dies soll hier durch die Entwicklung von KI-Methoden zur Erschließung und Verknüpfung vorhandener Datenquellen erfolgen. Ziel des Projektes ist die Erarbeitung und Anwendung eines IT-basierten Konzeptes für die Planung von geothermischen Dublettensystemen in norddeutschen Aquifere, und die Prognose des Einflusses geochemischer Prozesse auf die langfristige Effizienz dieser Systeme. Hierfür werden ein digitales Abbild des Untergrunds mit Bewertung der Unsicherheiten entwickelt („digitaler Zwilling mit Unsicherheiten“) und verschiedene aufeinander abgestimmte digitale Werkzeuge erstellt und in einem Open-Source Workflow zusammengefasst, die flexibel verändert werden können. Dies wird beispielhaft für die seit vielen Jahren im Betrieb befindliche Geothermiekraftanlage Neustadt-Glewe aufgebaut, insbesondere werden die geochemischen Prozesse, die für die Anlage seit längerem untersucht werden, berücksichtigt. Durch die Ergebnisse des Projekts sollen Planung und Entscheidungen unterstützt und vorhandenes Prozess- und Standortwissen für einen effizienteren Betrieb der tiefen Geothermie nutzbar gemacht werden.
Am ikg wird die automatische Analyse von Rohdaten mittels KI-Methoden untersucht. Hierzu gilt es Methoden zu entwickeln, mit denen die unterschiedlichsten Datenquellen (Bohrlochdaten, geophysikalische Daten, geologische Daten, Beschreibende Bohrungsdaten, etc.) automatisch interpretiert werden können. Diese werden anschließend im digitalen Zwilling gespeichert.
Leitung:
Insa Neuweiler, Mattheo Broggi, Monika Sester, André Stechern, Martin Thullner