Methanhydrate, als eine vielversprechende unkonventionelle Energiequelle, kommen weit verbreitet in Tiefsee- und Permafrostgebieten vor. Mit dem stetig wachsenden Energiebedarf gewinnt die Erkundung und Entwicklung von Methanhydraten zunehmend an Bedeutung. Maschinelles Lernen bietet neue Ansätze zur Lösung grundlegender thermodynamischer Analysen, der Erkundung, Entwicklung und technologischen Nutzung von Methanhydraten. Es werden die Eigenschaften, Verteilung und die Herausforderungen bei der Entwicklung von Methanhydraten kurz dargestellt, die gängigen maschinellen Lernalgorithmen im Bereich Methanhydrate vorgestellt und der aktuelle Forschungsstand sowie Entwicklungstrends bei der Vorhersage grundlegender thermodynamischer Parameter, der Analyse von Lagerstätteneigenschaften sowie CO₂-Abscheidung und -Speicherung mittels Hydraten zusammengefasst. Darauf aufbauend wird ein Ausblick auf die Anwendung generativer großer KI-Modelle in Kombination mit maschinellen Lernalgorithmen im Bereich Methanhydrate gegeben.

Methanhydrate;maschinelles Lernen;thermodynamische Eigenschaften;Lagerstätteneigenschaften;CO₂-Abscheidung und -Speicherung