Energi
Hvordan AI kan frigøre mere værdi fra vedvarende energi

NøglepunkterVedvarende kapacitet skaber kun værdi, når det omkringliggende energisystem kan levere…
Vis mere
- Vedvarende kapacitet skaber kun værdi, når det omkringliggende energisystem kan levere den effektivt.
- AI-innovation styrkede forbindelsen mellem vedvarende energi og bæredygtighed i undersøgelsens hovedmodel.
- Konservative statistiske kontroller udslettede AI-effekten, så kausale påstande forbliver ubeviste.
En solcellepark kan producere masser af elektricitet og alligevel have svært ved at levere den, når kunderne har brug for den. Skyer ændrer produktionen, transmissionslinjer bliver overbelastede, og batterier skal afveje modstridende behov. Flere solpaneler øger den potentielle produktion, men værdien af investeringen afhænger også af, hvor effektivt det omgivende energisystem fungerer.
En ny undersøgelse i Sustainable Futures ser på denne sammenhæng på nationalt niveau.1 På tværs af 20 økonomier i perioden 1990–2022 fandt forskerne, at vedvarende energi havde en mere positiv sammenhæng med bæredygtig udvikling i lande med stærkere innovation inden for kunstig intelligens. Resultatet rejser et relevant investeringsspørgsmål: Hvor stort et potentiale ligger der i at få den eksisterende energiinfrastruktur til at fungere bedre?
Hvad undersøgelsen af AI og vedvarende energi viste
Forskerne undersøgte forbruget af fossile brændstoffer, vedvarende energi, innovation inden for AI og ægte opsparing. Ægte opsparing korrigerer traditionelle opsparingsmål for faktorer som investeringer i uddannelse, udtømning af ressourcer og forureningsskader. Målet er at undersøge, om en økonomi opbygger varig velstand, når nogle af vækstomkostningerne medregnes.
Resultatmålet var indekset for bæredygtig udvikling, som sammenholder menneskelig udvikling med økologisk belastning. Det omfatter sundhed, uddannelse og indkomst samt forbrugsbaserede CO₂-udledninger og materielle fodaftryk. Derfor fører større energiproduktion eller et højere BNP ikke automatisk til en bedre score.
Ved hjælp af kvantilregression vurderede forfatterne, hvordan sammenhængene varierede på tværs af fordelingen af bæredygtighedsresultater. Forbruget af fossile brændstoffer var negativt forbundet med indekset i hele denne fordeling. Innovation inden for AI viste en positiv sammenhæng i grundmodellen, særligt ved de lavere og midterste kvantiler.
Det mest interessante resultat handlede om samspillet mellem AI og vedvarende energi. Kombinationen var positivt forbundet med bæredygtighed på tværs af kvantilerne i hovedmodellen. Resultaterne for AI var dog følsomme over for den statistiske metode, så de skal fortolkes med omhu.
| Undersøgelseselement | Resultat eller måling | Fortolkningsmæssig begrænsning |
|---|---|---|
| Dækning | 20 økonomier, 1990–2022 | Stikprøven er udvalgt efter datatilgængelighed |
| Innovation inden for AI | Målt ved hjælp af triadiske patentfamilier | Måler ikke den faktiske anvendelse af AI |
| Fossile brændstoffer | Negativ sammenhæng på tværs af grundmodellens kvantiler | Resultaterne vedrører et sammensat bæredygtighedsindeks |
| AI og vedvarende energi | Positivt samspil i hovedmodellen med kvantilregression | Ikke statistisk signifikant i den mere konservative analyse med instrumentvariabler |
| Ægte opsparing | Svækkede den negative sammenhæng med fossile brændstoffer | Måler ikke konkrete pengestrømme til grøn finansiering |
Hvorfor kapaciteten inden for vedvarende energi kun er en del af billedet
I grundresultaterne var vedvarende energi direkte negativt forbundet med indekset. Det viser ikke, at vedvarende energi skader bæredygtigheden. Indekset omfatter materialeforbrug, mens energimålet opgør vedvarende energis andel af det endelige forbrug uden at skelne mellem teknologier eller kvaliteten af integrationen.
Forfatterne peger på, at byggebehov, omstillingsomkostninger og begrænsninger i energisystemet kan være med til at forklare mønstret, men deres data gør det ikke muligt at teste disse mekanismer direkte. I modellen med samspilsled beskriver koefficienten for vedvarende energi desuden sammenhængen ved nul AI snarere end en ubetinget effekt.
For læsere og investorer er den praktiske pointe, at elproduktion og levering af nyttige energitjenester er to forskellige resultater. Forestil dig et tænkt solenergiprojekt, der møder begrænsninger på, hvor meget elektricitet det må sende ud på nettet midt på dagen. Bedre prognoser kan måske hjælpe en operatør med at reservere batterikapacitet, før overskuddet opstår. Koordinering af elforbruget i nærheden kan skabe en anden anvendelse for strømmen. Ingen af delene kræver flere solpaneler, men begge forudsætter egnet udstyr og de nødvendige driftstilladelser.
Dette supplerer den bredere argumentation for modernisering af intelligente elnet: Produktionsanlæg er afhængige af net, der kan håndtere skiftende udbud og efterspørgsel.
Hvor AI kan forbedre energisystemets ydeevne
Det Internationale Energiagenturs rapport fra september 2026 om modernisering af elnettene fremhæver prognoser, optimering og situationsforståelse som områder, hvor AI kan hjælpe operatører med at udnytte nettene mere effektivt. Disse anvendelser handler om praktiske driftsbeslutninger, som ofte understøttes af specialiserede prognosemodeller.
- Mere præcise prognoser for vedvarende energiproduktion og elforbrug.
- Koordinering af batterier og fleksibelt elforbrug under hensyntagen til nettets begrænsninger.
- Identifikation af udstyrsproblemer, før de fører til driftsafbrydelser, der kunne være undgået.
Det er nyttigt at skelne mellem at forudsige og at have beføjelse til at handle. Software kan måske forudsige, at en nettilslutning bliver overbelastet, men problemet kan ikke løses, medmindre en operatør kan omdirigere strømmen, tilpasse efterspørgslen eller aktivere energilagring. AI’s kommercielle værdi afhænger derfor til dels af styresystemer, kontrakter og markedsregler, der ligger uden for selve modellen.
Mål den værdi, der skabes i praksis, ikke kun modellens nøjagtighed
Det stiller større krav til vurderingen af energiteknologi. En bedre prognose har kommerciel betydning, når den reducerer omkostningerne til balancering, forhindrer spild af energiproduktion eller øger forsyningssikkerheden. En model kan opnå en bedre statistisk score uden at give nævneværdige økonomiske fordele, hvis anbefalingerne kommer for sent eller ikke kan føres ud i livet.
For en projektudvikler er den relevante sammenligning de samlede implementeringsomkostninger over for målbare forbedringer af driften. Det omfatter sensorer, dataklargøring, integration, vedligeholdelse og oplæring af medarbejdere. Et snævert målrettet system, der løser et dyrt, tilbagevendende problem, kan skabe større værdi end en bredere platform med imponerende funktioner, men begrænset anvendelse i driften.
Hvad undersøgelsen ikke kan fastslå om AI
Artiklen måler AI ved hjælp af triadiske patentfamilier, som repræsenterer opfindelser beskyttet i tre store patentjurisdiktioner. Patentaktivitet er en indikator for innovationskapacitet, men den kan ikke vise, om en bestemt forsyningsvirksomhed bruger AI, eller om dens systemer forbedrer resultaterne inden for vedvarende energi.
Skellet bliver særligt vigtigt i robusthedstjekkene. Da forskerne anvendte en mere konservativ specifikation med instrumentvariabler og standardfejl klynget på landeniveau, kunne hverken den direkte AI-effekt eller samspillet mellem AI og vedvarende energi statistisk set skelnes fra nul. Det beviser ikke, at der ingen fordele er. Det betyder, at undersøgelsen ikke med sikkerhed kan fastslå den årsagssammenhæng, som dens primære statistiske sammenhænge antyder.
Den historiske periode slutter desuden i 2022, før den seneste udbygning af infrastrukturen til generativ AI tog fart. IEA’s vurdering fra april 2026 af AI og elforbrug beskriver den hastige vækst i datacentrenes elforbrug og samtidig mulighederne for, at AI kan forbedre driften på energiområdet. Det er separate virkninger, som skal opgøres hver for sig.
En vellykket prognoseanvendelse bør derfor vurderes ud fra sit eget energiforbrug og de dokumenterede fordele. Forbedringer på ét anlæg kan ikke automatisk opveje elforbruget fra uvedkommende AI-tjenester andre steder.
Schneider Electric og mulighederne inden for energiintelligens
Disse praktiske krav skaber muligheder for virksomheder, der forbinder software med elektrisk udstyr og arbejdsgange i driften. For investorer, der undersøger aktier inden for energiinfrastruktur, er Schneider Electric (SND.DE ) et relevant eksempel med sine forretningsområder inden for energistyring, automatisering og netsoftware.
Virksomhedens EcoStruxure-løsninger omfatter styring af mikronet og integration af vedvarende energi, mens One Digital Grid Platform bringer AI-understøttet software ind i forsyningsselskabernes drift. Disse aktiviteter knytter sig direkte til udfordringen med at koordinere produktion, lagring, net og efterspørgsel.
I sin omtale fra oktober 2026 af intelligente elnet og pålidelige data fremhæver Schneider Electric vigtigheden af at forbinde fragmenterede driftssystemer og understøtte menneskers beslutningstagning. Det er en nyttig beskrivelse af implementeringsudfordringen, men den afspejler virksomhedens eget perspektiv og er ikke uafhængig dokumentation for produkternes ydeevne.
Investeringscasen afhænger af, om kunderne omsætter disse muligheder til vedvarende udgifter og rentable implementeringer. Relevante spørgsmål er, om softwareforretningen vokser sammen med udstyrssalget, om kunderne fornyer deres serviceaftaler, og om implementeringsomkostningerne giver plads til attraktive avancer. Stor efterspørgsel efter modernisering af elnettet er ikke i sig selv ensbetydende med, at en aktie er attraktivt værdiansat.
Schneider Electric har også aktiviteter inden for bygninger, industriel automatisering og datacentre. Virksomhedens resultater afspejler derfor en bredere forretningssammensætning end AI-understøttet integration af vedvarende energi. Undersøgelsen vurderer hverken virksomheden eller dens fremtidige indtjening.
Seneste nyheder og udvikling hos Schneider Electric (SU)
En mere nyttig tilgang til at vurdere investeringer i ren energi
Undersøgelsens bredere bidrag er at fremme et helhedssyn på bæredygtighed. Vedvarende energianlæg, innovationskapacitet og langsigtet kapitaldannelse påvirker hinanden. Indkøb af mere udstyr er kun én del af arbejdet med at forbedre resultaterne; institutioner og driftskapacitet har betydning for, hvor effektivt udstyret anvendes.
For investorer betyder det, at begrænsningerne omkring hvert projekt bør undersøges. Hvor går energien til spilde? Hvilken beslutning i driften kan ændre det? Hvem kan gennemføre den nødvendige forbedring, og hvem får den økonomiske gevinst? Disse spørgsmål forbinder et lovende teknologitema med en forretningscase, der kan efterprøves.
AI kan hjælpe vedvarende energisystemer med at skabe større værdi af de eksisterende ressourcer. Det er ved at påvise denne værdi gennem pålidelig drift, lavere omkostninger og bedre udnyttelse af infrastrukturen, at muligheden kan blive til en holdbar vækstmulighed.
Referencer:
1 Esily, R. R., Chi, Y., Ibrahiem, D. M., Muhammadullah, S., Hassanein, E. A. og Zhang, X. (2026). Afhængighed af fossile brændstoffer og bæredygtig udvikling: Kvantilbaseret evidens for AI, vedvarende energi og ægte opsparing. Sustainable Futures, 12, artikel 102265. https://doi.org/10.1016/j.sftr.2026.102265











