Guld ur e-avfall utan cyanid – och med hjälp av AI

AI inom energi och hållbarhetBy 3L3C

Ny metod utvinner guld ur e-avfall utan cyanid eller kvicksilver. Se hur AI kan optimera sortering, energi och processkontroll för skala.

E-avfallGuldutvinningGrön kemiAI-optimeringCirkulär ekonomiMiljöövervakning
Share:

Featured image for Guld ur e-avfall utan cyanid – och med hjälp av AI

Guld ur e-avfall utan cyanid – och med hjälp av AI

62 miljoner ton. Så mycket e-avfall skapades globalt under 2022, och bara 22,3 % dokumenterades som formellt insamlat och återvunnet. Resten hamnar i lådor, källare, osäkra återvinningskedjor – eller på soptippar. Samtidigt fortsätter guld att vara en nyckelmetall i elektronik, medicinteknik och rymdindustri, vilket driver på både gruvdrift och materialbrist.

Det är därför en ny metod för att utvinna guld utan kvicksilver och cyanid är mer än en keminyhet. Den pekar på en praktisk väg mot cirkulär ekonomi: guld från kretskort och blandade metallströmmar – med ljus och salt i stället för giftiga processkemikalier. Och här finns en tydlig koppling till vår serie ”AI inom energi och hållbarhet”: när kemin blir renare blir optimering, spårbarhet och energieffektiv drift nästa stora flaskhals – och där är AI riktigt bra.

Vad är det nya i metoden – och varför spelar det roll?

Kärnan är enkel att beskriva: forskare vid Flinders University har visat en process som kan lösa upp och fånga upp guld från både malm och e-avfall med hjälp av ett desinfektionsmedel (en klorförening som används i vattensanering), saltvatten och en återanvändbar polymer som binder guldet selektivt.

Det som gör detta viktigt för hållbarhet är tre saker:

  • Giftfria alternativ till cyanid och kvicksilver minskar risker för människor, vatten och ekosystem.
  • Hög selektivitet gör att metoden kan fungera i “stökiga” materialflöden (typiska återvinningsströmmar med många metaller).
  • Återvinningsbar sorbent (polymer) innebär att fångstmaterialet kan användas om igen, vilket sänker både kostnad och miljöpåverkan.

Den verkliga effekten uppstår när tekniken skalas: om mer guld kan tas tillbaka ur befintliga produkter minskar trycket på primär gruvbrytning, som ofta innebär stora markintrång, utsläpp och kemikalierisker.

Kort om processen – i klartext

Processen kan sammanfattas i fyra steg:

  1. Lakning (leaching): En relativt mild kemikalie aktiveras i saltvatten och kan då lösa upp guld.
  2. Selektiv bindning: En svavelrik polymer fungerar som en “magnet” för guldjoner i lösningen.
  3. Återvinning av guld: Polymeren kan triggas att “monteras ned” tillbaka till monomerer, vilket frigör guldet.
  4. Återanvändning: Polymeren kan återvinnas och användas på nytt.

Det är elegant – men den stora frågan för industrin är alltid densamma: går det att köra stabilt, billigt och säkert i stor skala?

E-avfall är inte ett avfallsproblem – det är ett resurslager

Det finns en seglivad missuppfattning i många organisationer: att återvinning främst är en avfallsfråga. I praktiken är det en resurs- och försörjningsfråga.

Elektronik innehåller små mängder guld per enhet, men i stora volymer blir det betydande. CPU:er, RAM-moduler, kontaktstift och vissa kretskort innehåller guldbeläggningar just för att guld leder bra och korroderar dåligt.

Problemet är att dagens återvinningskedjor ofta hamnar i ett av två lägen:

  • Högteknologiska processer som kräver stora investeringar och robust logistik.
  • Informella processer som kan vara farliga och utsläppsintensiva, särskilt i miljöer där arbetsmiljöskydd och avfallshantering är svag.

Här blir metodens giftfria inriktning viktig även socialt. I artisanal och småskalig gruvdrift arbetar uppskattningsvis 10–20 miljoner människor i över 70 länder, och sektorn står för cirka 37 % av världens kvicksilverföroreningar (838 ton per år). Att ersätta kvicksilver är inte bara “bra för planeten” – det handlar om att minska akut hälsorisk.

Varför just nu? (December 2025-perspektivet)

Mot slutet av året tenderar elektronikinköp att öka (julhandel, företagsbudgetar som ska användas, uppgraderingscykler). Samtidigt rensas lager och äldre utrustning fasas ut. Det gör Q4 och Q1 till en period där e-avfallsflöden ofta ökar hos både företag och kommunala insamlingssystem.

Det är ett bra läge att tänka om: inte “hur blir vi av med det här?”, utan “hur tar vi vara på det här – säkert och energisnålt?”.

Där AI faktiskt gör skillnad: från labbmetod till industriell drift

När kemin är mindre farlig flyttar fokus mot styrning, kvalitet och energi. Den som har jobbat med processindustri vet att små variationer i materialmix, temperatur, pH, flöden och reaktionstider snabbt äter upp både utbyte och marginal.

AI är särskilt bra på att optimera system där:

  • inputen varierar (olika typer av skrot, olika metallhalter)
  • utfallet är dyrt (guldutbyte, renhetsgrad)
  • energin kostar (värme, pumpar, omrörning, UV/ljus)
  • avbrott är dyra (fouling, filterproblem, stopp i linjen)

1) AI för smart sortering och materialklassning

Den mest underskattade hävstången i återvinning är förbehandlingen. Om du kan separera kretskortstyper, kontakter och högguldfraktioner redan innan kemin startar, sjunker kemikalieåtgången och energin per gram återvunnet guld.

AI-stödd sortering kan bygga på:

  • bildanalys (kameror över band)
  • spektral data (t.ex. NIR/XRF i industrimiljöer)
  • vikt- och densitetsmätning

Det här minskar variationen och gör kemiprocessen stabilare. Stabil drift är ofta det som avgör om en metod blir “demo” eller verklig industri.

2) AI för processoptimering: utbyte per kWh

Om polymeren skapas med ljus (UV i studien) och lakningen kräver kontrollerade förhållanden, blir nästa fråga: hur maximerar vi gram guld per energienhet?

Här fungerar AI-modeller (t.ex. prediktiva regressionsmodeller eller förstärkningsinlärning i styrsystem) som en autopilot som hela tiden justerar:

  • ljusintensitet och exponeringstid
  • salthalt och reagensdosering
  • omrörningsprofil och flöden
  • kontaktid mellan lösning och sorbent

Målet är inte “maximalt utbyte” i teorin, utan högst utbyte inom givna gränser: energibudget, renhetskrav, tid och säkerhet.

En bra tumregel i cirkulära processer: det du inte mäter kan du inte förbättra – och det du inte kan förbättra kommer aldrig att bli lönsamt i stor skala.

3) AI för miljöövervakning och regelefterlevnad

I EU och Sverige skärps kraven på spårbarhet, kemikaliehantering och rapportering. För anläggningar som återvinner metaller blir det allt mer värdefullt med automatiserad övervakning:

  • avvikelsedetektion i utsläppsvatten (ledningsförmåga, kloridnivåer, metallspår)
  • prediktivt underhåll (filter, pumpar, UV-källor)
  • digitala loggböcker för batchar och materialursprung

Det här är också en leadsmöjlighet för aktörer som jobbar med AI i hållbarhet: många återvinnare sitter på data men saknar ett praktiskt sätt att göra den användbar.

Vanliga följdfrågor (och raka svar)

Är “ljus och salt” verkligen tillräckligt?

Ja, men inte på ett magiskt sätt. Saltvatten och en klorförening kan skapa en kemisk miljö som löser upp guld, och polymeren fångar guldet selektivt. Det som kräver ingenjörskonst är stabil drift och återvinning av material i varje steg.

Är detta redo för svensk industri i dag?

Tekniken är publicerad och testad på flera typer av material, men nästa steg är pilot och uppskalning. För svensk kontext handlar det om att integrera metoden i befintliga flöden, energisätta den (vad kostar processen per kWh?) och säkerställa att restströmmar hanteras enligt regelverk.

Var kommer AI in om kemin redan funkar?

För att kemi som funkar i labb och kemi som går 24/7 är två olika sporter. AI är ett av de mest kostnadseffektiva sätten att höja utbyte, minska energi och säkra kvalitet när inputen varierar.

Så kan företag ta första steget (praktiskt, inte teoretiskt)

Om du jobbar med återvinning, industriell kemi, energioptimering eller hållbarhetsdata är det här en rimlig startplan för 2026:

  1. Kartlägg era guldflöden: Var uppstår kretskort, kontakter, elektronikreturer, labbskrot?
  2. Mät variationen i input: Vilka fraktioner ger mest värde, och vilka skapar mest problem?
  3. Sätt ett energimål: Exempelvis “gram återvunnet guld per kWh” eller “kWh per batch”.
  4. Bygg en datagrund: Sensorer, provtagning, batch-ID, enkla dashboards.
  5. Pilotera AI där den ger snabb effekt: sortering, dosering, avvikelsedetektion.

Det fina är att även små förbättringar ofta slår hårt på ekonomin när du jobbar med ädelmetaller.

Var det här passar i serien “AI inom energi och hållbarhet”

Vi pratar ofta om AI för smarta elnät och prognoser, men cirkulära materialflöden är minst lika energirelevanta. Varje gång vi kan återvinna metaller effektivt minskar energin som annars går åt till gruvdrift, transporter och raffinering.

Det här genombrottet visar att hållbar kemi och AI hör ihop: kemin gör processen möjlig och säkrare – AI gör den skalbar, mätbar och energieffektiv.

Och den mest intressanta frågan framåt är inte om vi kan få ut guld ur e-avfall. Det kan vi. Frågan är: vem bygger de data- och AI-drivna processerna som gör att vi kan göra det lönsamt, tryggt och med låg energiförbrukning – i industriell skala?

🇸🇪 Guld ur e-avfall utan cyanid – och med hjälp av AI - Sweden | 3L3C