KI sagt die Effizienz von Biokohle voraus: Reinigung von Wasser von Antibiotika wird um ein Vielfaches beschleunigt

Wissenschaftler haben ein KI-Modell entwickelt, das präzise vorhersagt, wie schnell Biokohle Antibiotika im Wasser abbaut – dies verkürzt die Entwicklung von Filtern von Jahren auf Wochen und ebnet den Weg für eine erschwingliche Trinkwasserreinigung.

Die Forscher unter der Leitung von Junaid Latif und Na Chen sammelten Daten aus Dutzenden frôherer Arbeiten und identifizierten 16 Schlüsselparameter: die Art des Rohstoffs für die Biokohle, die Pyrolysetemperatur, die Porosität, die chemische Zusammensetzung, die Konzentration von Oxidationsmitteln und die Reaktionsbedingungen.

Auf dieser Grundlage trainierten sie mehrere Maschinenmodelle, wobei die Transformer-Architektur TabPFN die beste Genauigkeit aufwies: ein Bestimmtheitsmaß R² ≈ 0,91 bei minimalem Prognosefehler.

Die wissenschaftliche Neuheit liegt im Übergang von der Trial-and-Error-Methode zum gezielten Design von Materialien. Früher erforderte die Auswahl effektiver Biokohle hunderte von Laborexperimenten; heute bewertet der Algorithmus in Sekundenschnelle, welche Kombination von Parametern die maximale Abbaugeschwindigkeit des Schadstoffs liefert.

Parallel dazu entwickelte das Team ein Web-Tool: Jeder Forscher kann die Parameter seines Materials eingeben und sofort eine Prognose der Reaktionskinetik erhalten.

Der praktische Nutzen liegt auf der Hand: Antibiotika im Abwasser sind einer der Treiber für die zunehmende Resistenz von Bakterien gegen Medikamente.

Biokohle, die aus landwirtschaftlichen Abfällen (Maiskolben, Stroh) gewonnen wird, ist kostengünstig und umweltfreundlich und kann in Kombination mit Photokatalysatoren (TiO₂, g-C₃N₄) Sulfonamid-Antibiotika unter Sonneneinstrahlung innerhalb von 60 Minuten zu 98% abbauen.

Das KI-Modell hilft dabei, genau die Rezeptur zu finden, die ein solches Ergebnis unter spezifischen Wasserreinigungsbedingungen gewährleistet.

Es ist wichtig, die Einschränkungen zu verstehen. Bisher wurde das Modell mit Daten zu einem begrenzten Satz von Antibiotika und unter Laborbedingungen trainiert; reales Abwasser enthält eine Mischung aus Schadstoffen, organischer Substanz und Schwebstoffen, die den Prozess beeinflussen können.

Auch die langfristige Stabilität der Verbundstoffe im industriellen Maßstab erfordert zusätzliche Überprüfungen – in Labortests behielt das Material seine Wirksamkeit nach fünf Zyklen bei, der industrielle Betrieb könnte jedoch härter sein.

Wie geht es weiter? Das Team plant, den Datensatz zu erweitern und Daten zu anderen Schadstoffklassen wie PFAS, Mikroplastik und Pharmazeutika der neuen Generation einzubeziehen.

Parallel dazu laufen Gespräche mit Pilot-Wasserwerken über die Erprobung von KI-entworfenen Biokohlefiltern unter Feldbedingungen. Falls sich die Ergebnisse bestätigen, könnte die Technologie bereits in den nächsten 3 bis 5 Jahren in die Standardlösungen für Kommunen und Industrieunternehmen aufgenommen werden.