Guld ur e‑avfall utan cyanid: så kan AI skala upp

62 miljoner ton. Så mycket elektronikavfall producerades globalt under 2022 – och bara 22,3 % dokumenterades som formellt insamlat och återvunnet. Resten hamnar i en gråzon där värdefulla metaller går förlorade och där felaktig hantering kan skapa giftiga utsläpp.

Samtidigt jagar industrin mer guld. Inte bara för smycken och investeringar, utan för att guld är en nyckelkomponent i elektronik, medicinteknik och vissa analysinstrument. Problemet är att klassisk guldutvinning ofta innebär cyanid eller kvicksilver – kemikalier som både skadar människor och lämnar ett långt avtryck i naturen.

Här kommer en forskningsnyhet som faktiskt känns användbar: ett team vid Flinders University har visat en metod för att lösa ut guld med ett ämne som används i vattenrening, aktiverat med saltvatten, och sedan fånga guldet med en återanvändbar polymer som byggs (och kan “av-byggas”) med hjälp av ljus. Den här typen av processer blir extra intressanta i vår serie AI inom läkemedel och bioteknik – för det är exakt här AI kan göra skillnad: i att skala, kvalitetssäkra och göra materialflöden spårbara.

Vad är det nya – och varför spelar det roll?

Den korta poängen: metoden undviker cyanid och kvicksilver och fungerar både på gruvmalm och e‑avfall, inklusive mycket låga halter guld i komplexa avfallsströmmar.

I studien (publicerad i Nature Sustainability 2025-06-27) kombineras två idéer:

1. Ett “snällt” urlakningsmedel: trikloroisocyanursyra (TCCA), ett ämne som ofta finns i poolkemi och vatten-desinfektion. När det aktiveras i saltvatten kan det lösa upp guld.
2. En selektiv, svavelrik polymer som binder guld i vatten även när blandningen är full av andra metaller. Efteråt kan polymeren triggas att “un-make” sig själv tillbaka till monomer, så att guldet frigörs och polymeren kan återvinnas och användas igen.

Det här är en stor sak av två skäl:

• Miljö och arbetsmiljö: Kvicksilver i småskalig gruvdrift är en av världens största källor till kvicksilverföroreningar. Uppvärmning av amalgam släpper ut giftiga ångor, och studier pekar på att upp till 33 % av hantverksgruvarbetare kan drabbas av måttlig kvicksilverångor-förgiftning.
• Cirkularitet: E‑avfall är inte “skräp”. Det är en urban gruva. CPU:er, RAM och kretskort innehåller guld och koppar – men dagens processer är ofta dyra, farliga eller ineffektiva i liten skala.

Om du arbetar med hållbarhet, energioptimering eller avancerade laboratoriemiljöer (bio/medtech) är det svårt att inte se potentialen: mindre farliga kemikalier, bättre materialåtervinning och en process som i princip kan byggas in i kontrollerade flöden.

Så fungerar processen – steg för steg

Svar först: Processen består av urlakning (lösa ut guldet) och selektiv infångning (binda guldet), följt av regenerering (återanvänd materialet).

1) Urlakning med TCCA + saltvatten

TCCA är välkänt inom vattenrening. Nyckeln här är att det i saltvatten kan generera en kemisk miljö som löser upp guld utan att ta omvägen via cyanid. Det betyder inte att processen är “helt riskfri” (allt som oxiderar metaller kräver kontroll), men toxikologin och hanterbarheten är en annan nivå än cyanid/kvicksilver.

2) Infångning med svavelrik polymer

Guld har stark affinitet till svavel. Forskargruppen tog fram en polymer som är svavelrik och selektiv: den kan binda guld även när det finns andra metaller i lösningen.

Det fina: polymeren framställs med ljusinitierad reaktion (UV). Det kan låta som en detalj, men i processkemi betyder det ofta bättre styrbarhet, lägre behov av vissa tillsatser och möjlighet till mer energieffektiva reaktordesigner.

3) “Un-make” och återanvändning

När polymeren har fångat guldet kan man trigga den att brytas tillbaka till monomer. Resultatet blir:

• Guld återvinns med hög renhet
• Polymeren kan återvinnas och köras igen

Det här är exakt den typ av återanvändbar “sorbent”-logik som passar en cirkulär ekonomi: materialet som gör jobbet behöver inte bli förbrukningsavfall.

Där AI kommer in: från labbmetod till industriell och trygg drift

Svar först: AI är mest värdefull här i tre områden: sortering av e‑avfall, processoptimering (kemi + energi) och spårbarhet/efterlevnad.

Metoden är demonstrerad på kretskort, blandmetallavfall och malmkoncentrat. Nästa hinder är nästan alltid det tråkiga: variation, logistik och driftstabilitet. E‑avfall är rörigt. Malm är rörig. Avfallsströmmar från labb är röriga.

AI för smartare insamling och pre‑processing

Om inflödet varierar kraftigt blir även den kemiska processen svårare att styra. Här kan AI (computer vision + spektral data + vikt/kompositionssensorer) göra jobbet före processen:

• Identifiera kretskortstyper och komponenttäthet
• Prediktera metallinnehåll per batch
• Minimera “felmaterial” som försämrar selektiviteten

I Sverige är detta extra relevant när kommuner och producentansvarssystem försöker öka andelen korrekt hanterad elektronikåtervinning.

AI för energisnål styrning av reaktorn

När vi pratar “AI inom energi och hållbarhet” är det lätt att fastna i elnät och batterier. Men i kemi är energin ofta dold i:

• uppvärmning/kylning
• omrörning och pumpar
• UV‑exponering (dos, tid, intensitet)
• återcirkulation och separationssteg

Med modellprediktiv styrning och maskininlärning kan man optimera för flera mål samtidigt:

1. Maximal guldbindning
2. Minimal kemikalieförbrukning
3. Minimal energianvändning per gram återvunnet guld
4. Stabil kvalitet trots varierande inflöde

Det här är inte “nice to have”. Det är ofta skillnaden mellan en metod som fungerar i labb och en process som fungerar på 3‑skift.

AI för spårbarhet – viktigt för bioteknik och läkemedel

I vår AI inom läkemedel och bioteknik-serie återkommer ett tema: spårbarhet och kvalitetssystem. Om du återvinner ädelmetaller ur vetenskapligt avfall eller elektronik som hamnar i medicintekniska produkter behöver du kunna svara på:

• Var kom materialet från?
• Vilka batchar blandades?
• Vilka processteg och parametrar användes?
• Hur såg metallrenheten ut, och hur verifierades den?

AI kan inte ersätta kvalitetsarbete, men den kan automatisera datainsamling, flagga avvikelser och bygga prediktiva riskmodeller. Det gör cirkulära materialflöden mer realistiska i reglerade miljöer.

Praktiska användningsfall: där metoden kan göra nytta snabbt

Svar först: Den största kortsiktiga nyttan finns i e‑avfall med hög metallhalt, blandmetallflöden och laboratorie-/forskningsavfall med spår av guld.

1) Kretskort och “högvärdigt” e‑avfall

CPU:er och vissa kretskort har relativt hög guldhalt jämfört med annan elektronik. Ett realistiskt första steg är att rikta in sig på fraktioner där ekonomin går ihop utan att processerna blir gigantiska.

2) Blandmetallavfall från industri och återvinning

Många återvinningsflöden innehåller blandningar av koppar, nickel, tenn och spår av ädelmetaller. Den selektiva polymeren är intressant just här: den bryr sig mindre om “bruset”.

3) Vetenskapligt avfall och instrumentmiljöer

Studien visade att metoden även kunde ta spårmängder guld i vetenskapliga avfallsströmmar. I bioteknik och läkemedelsutveckling används avancerade instrument, kontakter och ibland belagda komponenter där små mängder ädelmetaller förekommer. Att kunna återvinna det i kontrollerade flöden kan vara både en hållbarhets- och kostnadsfråga.

Vanliga följdfrågor (och raka svar)

Är detta “helt ofarligt” jämfört med cyanid?

Nej. Men riskprofilen är mer hanterbar. Processen kräver fortfarande kemikaliekontroll, ventilation och korrekt avfallshantering. Skillnaden är att man undviker två av de mest problematiska ämnena i klassisk guldutvinning.

Varför räcker det inte att bara återvinna mer e‑avfall som idag?

För att mycket återvinning i praktiken fokuserar på volym och grovsortering. Ädelmetallerna sitter i små fraktioner och kräver kemiska eller elektro-kemiska steg för att tas tillvara. Om de stegen är farliga eller dyra hamnar metallerna i slagg eller exporteras till processer med sämre kontroll.

Vad är den största utmaningen för att skala?

Tre saker brukar avgöra:

• variation i inflöde (kompositionen ändras hela tiden)
• processintegration (separation, rening, återcirkulation)
• ekonomi i drift (energi, kemikalier, underhåll)

Det är också därför AI är relevant: den kan hantera variation och driftsoptimering bättre än statiska recept.

Nästa steg: så kommer du igång om du vill testa möjligheten

Svar först: Börja med data, inte med en pilotreaktor.

Om du representerar en återvinnare, en industrikoncern, ett labb eller en medtech-/biotech-verksamhet är en pragmatisk start att göra en “förstudie light”:

1. Kartlägg inflödet: vilka produktkategorier eller avfallsfraktioner innehåller mest guld?
2. Sätt mätpunkter: provtagning per batch, metallanalys, föroreningar som stör selektivitet.
3. Bygg en enkel prediktionsmodell: även en basal ML‑modell som kopplar bilddata/produkt-ID till uppskattad metallhalt kan spara mycket pengar.
4. Definiera KPI:er: gram guld per kWh, gram guld per kg kemikalie, renhet, avvikelsefrekvens.

När du har detta på plats blir det tydligt om du ska gå mot pilot, partner eller helt enkelt förbättra den återvinning du redan gör.

En bättre berättelse om guld: mindre gift, mer kontroll

Det mest lovande med metoden från Flinders är inte att den gör en bra rubrik. Det lovande är att den kombinerar kemisk enkelhet (saltvatten + ett etablerat desinfektionsämne) med materialsmart selektivitet (återanvändbar polymer). Det är en kombination som brukar överleva mötet med verkligheten.

Och för oss som jobbar nära AI inom läkemedel och bioteknik finns en extra poäng: samma AI‑tänk som används för att optimera laboratorieprocesser, kvalitet och spårbarhet kan användas för att göra metallåtervinning mer styrbar, energieffektiv och säker.

Om vi kan bygga läkemedelsprocesser som är robusta nog för regulatoriska krav borde vi också kunna bygga återvinning som är robust nog för en cirkulär ekonomi. Frågan är vilka aktörer som vågar ta första pilotsteget – och vem som äger datan när det väl skalar.