Energi
Hvordan KI kan frigjøre mer verdi fra fornybar energi

Viktige punkterFornybar kapasitet skaper bare verdi når det omkringliggende energisystemet kan levere…
Vis mer
- Fornybar kapasitet skaper bare verdi når det omkringliggende energisystemet kan levere den effektivt.
- AI-innovasjon styrket sammenhengen mellom fornybar energi og bærekraft i studiens hovedmodell.
- Konservative statistiske kontroller fjernet AI-effekten, slik at kausale påstander fortsatt er ubeviste.
Et solkraftverk kan produsere rikelig med strøm og likevel ha problemer med å levere den når kundene trenger den. Skyer endrer produksjonen, overføringslinjer blir overbelastet, og batterier må håndtere konkurrerende behov. Flere solcellepaneler øker den mulige kraftproduksjonen, men verdien av investeringen avhenger også av hvor effektivt det omkringliggende energisystemet fungerer.
En ny studie i Sustainable Futures undersøker denne sammenhengen på nasjonalt nivå.1 Forskerne fant at fornybar energi hadde en mer gunstig sammenheng med bærekraftig utvikling i de 20 økonomiene som ble undersøkt fra 1990 til 2022, der innovasjonen innen kunstig intelligens var sterkere. Funnet reiser et relevant investeringsspørsmål: Hvor store muligheter ligger det i å få eksisterende energiinfrastruktur til å fungere bedre?
Hva studien fant om KI og fornybar energi
Forskerne undersøkte forbruket av fossilt brensel, fornybar energi, KI-innovasjon og reell sparing. Målet på reell sparing justerer konvensjonelle sparemål for faktorer som investeringer i utdanning, uttømming av ressurser og miljøskader fra forurensning. Det viser om en økonomi bygger varig velstand når noen av vekstkostnadene er tatt med i beregningen.
Resultatmålet var indeksen for bærekraftig utvikling, som setter menneskelig utvikling i sammenheng med økologisk belastning. Den omfatter helse, utdanning og inntekt, sammen med forbruksbaserte karbonutslipp og materielle fotavtrykk. Høyere energiproduksjon eller BNP gir derfor ikke automatisk en bedre skår.
Ved hjelp av kvantilregresjon vurderte forfatterne hvordan sammenhengene varierte på tvers av fordelingen av bærekraftsresultater. Forbruket av fossilt brensel var negativt forbundet med indeksen gjennom hele denne fordelingen. I grunnmodellen viste KI-innovasjon en positiv sammenheng, særlig ved lave og middels kvantiler.
Det mest interessante funnet gjaldt samspillet mellom KI og fornybar energi. Kombinasjonen var positivt forbundet med bærekraft på tvers av kvantilene i hovedmodellen. KI-funnene var imidlertid følsomme for den statistiske framgangsmåten, så det er viktig å tolke dem med varsomhet.
| Studieelement | Funn eller måling | Begrensning ved tolkningen |
|---|---|---|
| Omfang | 20 økonomier, 1990–2022 | Utvalget ble bestemt av datatilgjengeligheten |
| KI-innovasjon | Målt ved hjelp av triadiske patentfamilier | Måler ikke faktisk bruk av KI |
| Fossilt brensel | Negativ sammenheng på tvers av kvantilene i grunnmodellen | Resultatene gjelder en sammensatt bærekraftsindeks |
| KI og fornybar energi | Positivt samspill i hovedmodellen for kvantiler | Ikke statistisk signifikant i den mer konservative analysen med instrumentvariabler |
| Reell sparing | Svekket den negative sammenhengen med fossilt brensel | Måler ikke bestemte pengestrømmer til grønn finansiering |
Hvorfor kapasiteten for fornybar energi bare er en del av bildet
I grunnresultatene hadde fornybar energi en negativ direkte sammenheng med indeksen. Det betyr ikke at fornybar energi skader bærekraften. Indeksen omfatter materielt forbruk, mens energimålet fanger opp fornybarandelen av det endelige energiforbruket uten å skille mellom teknologier eller hvor godt de er integrert.
Forfatterne antyder at byggebehov, omstillingskostnader og begrensninger i energisystemet kan bidra til å forklare mønsteret, men dataene deres kan ikke teste disse mekanismene direkte. I samspillsmodellen beskriver koeffisienten for fornybar energi dessuten sammenhengen når KI-nivået er null, ikke en ubetinget effekt.
For lesere og investorer er det nyttige poenget at det å produsere strøm og det å levere nyttige energitjenester er to forskjellige prestasjoner. Tenk deg et hypotetisk solkraftprosjekt som møter begrensninger på strømleveranser til nettet midt på dagen. Bedre prognoser kan hjelpe en driftsansvarlig med å reservere batterikapasitet før overskuddet oppstår. Ved å samordne strømforbruket i nærheten kan man skape en annen avsetningsmulighet. Ingen av tiltakene krever flere solcellepaneler, men begge forutsetter egnet utstyr og nødvendige driftstillatelser.
Dette utfyller den bredere begrunnelsen for modernisering av strømnettet: Produksjonsanlegg er avhengige av nett som kan håndtere endringer i tilbud og etterspørsel.
Slik kan KI forbedre energisystemets ytelse
Det internasjonale energibyråets rapport fra september 2026 om modernisering av strømnettene peker på prognoser, optimalisering og situasjonsforståelse som områder der KI kan hjelpe driftsansvarlige med å utnytte nettene mer effektivt. Dette handler om praktiske driftsbeslutninger, ofte støttet av spesialiserte prediksjonsmodeller.
- Lage mer presise prognoser for produksjon av fornybar energi og etterspørsel etter strøm.
- Samordne batterier og fleksibelt forbruk med hensyn til begrensninger i strømnettet.
- Oppdage utstyrsproblemer før de fører til unødvendige strømbrudd.
Det er nyttig å skille mellom å forutsi og å ha myndighet til å handle. Programvare kan forutsi at en nettilknytning blir overbelastet, men kan ikke løse problemet uten at en operatør kan omdirigere strøm, justere etterspørselen eller sette lagringskapasitet i drift. Den kommersielle verdien av KI avhenger derfor delvis av styringssystemer, kontrakter og markedsregler som ligger utenfor selve modellen.
Mål verdien som faktisk skapes, ikke bare modellens treffsikkerhet
Dette stiller strengere krav til hvordan energiteknologi vurderes. En bedre prognose har kommersiell verdi når den reduserer kostnadene ved balansering, hindrer at kraftproduksjon går til spille eller øker påliteligheten. En modell kan oppnå bedre statistiske resultater uten å gi særlig økonomisk gevinst dersom anbefalingene kommer for sent eller ikke kan gjennomføres.
For en prosjektutvikler er den relevante sammenligningen den samlede utrullingskostnaden opp mot målbare driftsgevinster. Dette omfatter sensorer, klargjøring av data, integrering, vedlikehold og opplæring av ansatte. Et system med et avgrenset bruksområde som løser et kostbart, tilbakevendende problem, kan skape større verdi enn en bredere plattform med imponerende funksjoner, men begrenset bruk i driften.
Hva studien ikke kan fastslå om KI
I artikkelen måles KI ved hjelp av triadiske patentfamilier, som omfatter oppfinnelser beskyttet i tre store patentjurisdiksjoner. Patentaktivitet er en indikator på innovasjonsevne, men kan ikke vise om et bestemt kraftselskap bruker KI, eller om systemene deres forbedrer ytelsen til fornybar energi.
Dette skillet blir særlig viktig i robusthetskontrollene. Da forskerne brukte en mer konservativ spesifikasjon med instrumentvariabler og standardfeil gruppert etter land, var verken den direkte KI-effekten eller samspillet mellom KI og fornybar energi statistisk forskjellig fra null. Det beviser ikke at det ikke finnes noen gevinst. Det betyr at studien ikke med sikkerhet kan fastslå den årsakssammenhengen som hovedfunnene antyder.
Den historiske perioden slutter dessuten i 2022, før mye av den nylige utbyggingen av infrastruktur for generativ KI. I IEA-rapporten fra april 2026 om KI og etterspørselen etter elektrisitet beskrives den raske veksten i datasentrenes strømforbruk, samtidig som det pekes på muligheter for at KI kan forbedre driften i energisektoren. Dette er separate virkninger som må regnskapsføres hver for seg.
En vellykket prognoseapplikasjon bør derfor vurderes ut fra sitt eget energiforbruk og dokumenterte gevinster. Forbedringer ved ett anlegg kan ikke automatisk veie opp for strømbehovet til andre, uvedkommende KI-tjenester andre steder.
Schneider Electric og mulighetene innen energiintelligens
Disse praktiske kravene skaper muligheter for selskaper som kobler programvare sammen med elektrisk utstyr og arbeidsflyter i driften. For investorer som ser på aksjer innen energiinfrastruktur, er Schneider Electric (SND.DE ) et relevant eksempel med virksomhet innen energistyring, automatisering og programvare for strømnett.
EcoStruxure-produktene deres omfatter styring av mikronett og integrering av fornybar energi, mens One Digital Grid Platform bringer KI-basert programvare inn i kraftselskapenes drift. Disse aktivitetene er direkte knyttet til utfordringen med å samordne kraftproduksjon, energilagring, strømnett og etterspørsel.
I sin omtale fra oktober 2026 av intelligente strømnett og pålitelige data legger Schneider Electric vekt på å koble sammen oppdelte driftssystemer og støtte menneskelig beslutningstaking. Dette beskriver implementeringsutfordringen godt, men er fortsatt selskapets eget perspektiv, ikke uavhengig dokumentasjon på produktenes ytelse.
Investeringscaset avhenger av at kundene omsetter disse mulighetene i vedvarende forbruk og lønnsomme utrullinger. Relevante spørsmål er blant annet om programvaresalget vokser sammen med utstyrssalget, om kundene fornyer tjenesteavtalene, og om implementeringskostnadene gir rom for attraktive marginer. Sterk etterspørsel etter modernisering av strømnettet er ikke i seg selv bevis på at en aksje er attraktivt priset.
Schneider har også virksomhet innen bygg, industriell automatisering og datasentre. Resultatene gjenspeiler derfor en bredere virksomhetsportefølje enn integrering av fornybar energi ved hjelp av KI. Studien vurderer verken selskapet eller selskapets framtidige inntjening.
Siste nytt og utvikling om Schneider Electric (SU)
En mer nyttig måte å vurdere investeringer i ren energi på
Studiens bredere bidrag er å oppfordre til et helhetlig perspektiv på bærekraft. Fornybare energianlegg, innovasjonsevne og langsiktig kapitaloppbygging påvirker hverandre. Å kjøpe mer utstyr er bare én del av arbeidet med å oppnå bedre resultater; institusjoner og driftskapasitet påvirker hvor effektivt utstyret brukes.
For investorer betyr dette at begrensningene rundt hvert prosjekt bør undersøkes. Hvor går energi til spille? Hvilken driftsbeslutning kan endre dette? Hvem kan gjennomføre den nødvendige forbedringen, og hvem får den økonomiske gevinsten? Slike spørsmål knytter et lovende teknologitema til et forretningscase som kan prøves.
KI kan hjelpe fornybare energisystemer med å skape større verdi av eksisterende ressurser. Det er ved å påvise denne verdien gjennom pålitelig drift, lavere kostnader og bedre utnyttelse av infrastrukturen at muligheten kan bli til en varig satsing.
Referanser:
1 Esily, R. R., Chi, Y., Ibrahiem, D. M., Muhammadullah, S., Hassanein, E. A. og Zhang, X. (2026). Avhengighet av fossilt brensel og bærekraftig utvikling: Kvantilbasert dokumentasjon på KI, fornybar energi og reell sparing. Sustainable Futures, 12, artikkel 102265. https://doi.org/10.1016/j.sftr.2026.102265











