Hur AI kan frigöra mer värde ur förnybar energi

En solpark kan producera gott om el och ändå ha svårt att leverera den när kunderna behöver den. Moln förändrar produktionen, överföringsledningar blir överbelastade och batterier måste balansera konkurrerande behov. Fler solpaneler ökar den potentiella elproduktionen, men värdet av investeringen beror också på hur effektivt det omgivande energisystemet fungerar.

En ny studie i Sustainable Futures undersöker sambandet på nationell nivå.¹ I 20 ekonomier under perioden 1990–2022 fann forskarna att förnybar energi hade ett mer gynnsamt samband med hållbar utveckling där innovation inom artificiell intelligens var starkare. Resultatet väcker en relevant investeringsfråga: hur stora möjligheter finns det att få befintlig energiinfrastruktur att fungera bättre?

Vad studien om AI och förnybar energi visade

Forskarna undersökte förbrukning av fossila bränslen, förnybar energi, AI-innovation och genuint sparande. Måttet genuint sparande justerar traditionella sparmått med hänsyn till faktorer som investeringar i utbildning, uttömning av naturresurser och miljöskador till följd av föroreningar. Det visar om en ekonomi bygger upp varaktigt välstånd när vissa av tillväxtens kostnader har räknats in.

Utfallsmåttet var indexet för hållbar utveckling, som relaterar mänsklig utveckling till ekologisk belastning. Det omfattar hälsa, utbildning och inkomst samt konsumtionsbaserade koldioxidutsläpp och materiella fotavtryck. Högre energiproduktion eller BNP leder därför inte automatiskt till ett bättre resultat.

Med hjälp av kvantilregression bedömde författarna hur sambanden skilde sig åt mellan olika nivåer av hållbarhetsutfall. Förbrukning av fossila bränslen hade ett negativt samband med indexet genom hela fördelningen. I basmodellen hade AI-innovation ett positivt samband, särskilt vid lägre och mellersta kvantiler.

Det mest intressanta resultatet gällde samspelet mellan AI och förnybar energi. Kombinationen hade ett positivt samband med hållbarhet vid de olika kvantilerna i huvudmodellen. Resultaten för AI var dock känsliga för det statistiska tillvägagångssättet, vilket gör det viktigt att tolka dem varsamt.

Varför kapaciteten för förnybar energi bara är en del av bilden

I basresultaten hade förnybar energi ett negativt direkt samband med indexet. Det innebär inte att förnybar energi försämrar hållbarheten. Indexet omfattar materialförbrukning, medan energimåttet fångar förnybar energis andel av den slutliga energianvändningen utan att skilja mellan olika tekniker eller hur väl de integreras.

Författarna menar att byggbehov, omställningskostnader och begränsningar i energisystemet kan bidra till att förklara mönstret, men deras data kan inte pröva dessa mekanismer direkt. I modellen med samspel beskriver koefficienten för förnybar energi dessutom sambandet vid noll AI, snarare än en ovillkorlig effekt.

För läsare och investerare är den praktiska slutsatsen att elproduktion och leverans av användbara energitjänster är två skilda prestationer. Tänk er ett hypotetiskt solenergiprojekt som möter begränsningar för överföring till elnätet mitt på dagen. Bättre prognoser skulle kunna hjälpa en operatör att reservera batterikapacitet innan överskottet uppstår. Genom att samordna efterfrågan på el i närheten skulle man kunna skapa ytterligare en avsättning. Inget av detta kräver fler solpaneler, även om båda åtgärderna förutsätter lämplig utrustning och tillstånd att bedriva verksamheten.

Detta kompletterar de bredare argumenten för modernisering av smarta elnät: produktionsanläggningar är beroende av nät som kan hantera förändringar i tillgång och efterfrågan.

Så kan AI förbättra energisystemets prestanda

Internationella energiorganets rapport från september 2026 om modernisering av elnäten pekar ut prognostisering, optimering och lägesbild som områden där AI kan hjälpa operatörer att använda näten mer effektivt. Dessa tillämpningar handlar om praktiska driftsbeslut, ofta med stöd av specialiserade prediktiva modeller.

• Prognostisera produktionen av förnybar energi och efterfrågan på el mer exakt.
• Samordna batterier och flexibla laster utifrån begränsningar i elnätet.
• Upptäcka problem med utrustning innan de orsakar driftavbrott som hade kunnat undvikas.

Det är värdefullt att skilja mellan att förutsäga något och att ha befogenhet att agera. Programvara kan förutsäga att en nätanslutning kommer att överbelastas, men den kan inte lösa problemet om inte en operatör kan styra om el, anpassa efterfrågan eller aktivera energilagring. AI:s kommersiella värde beror därför delvis på styrsystem, avtal och marknadsregler utanför själva modellen.

Mät det värde som skapas i praktiken, inte bara modellens träffsäkerhet

Detta innebär att energiteknik måste bedömas enligt strängare kriterier. En bättre prognos har kommersiell betydelse när den minskar kostnaderna för balansering, förhindrar att elproduktion går till spillo eller förbättrar driftsäkerheten. En modell kan få bättre statistiska resultat men ändå ge liten ekonomisk nytta om rekommendationerna kommer för sent eller inte går att genomföra.

För en projektutvecklare är den relevanta jämförelsen den fullständiga implementeringskostnaden ställd mot mätbara förbättringar i driften. I kostnaden ingår sensorer, databehandling, integrering, underhåll och personalutbildning. Ett avgränsat system som löser ett kostsamt återkommande problem kan skapa större värde än en bredare plattform med imponerande funktioner men begränsad användning i verksamheten.

Vad studien inte kan fastställa om AI

I studien mäts AI med hjälp av triadiska patentfamiljer, som omfattar uppfinningar skyddade i tre stora patentjurisdiktioner. Patentaktivitet är en indikator på innovationskapacitet, men visar inte om ett visst energibolag använder AI eller om dess system förbättrar resultaten för förnybar energi.

Skillnaden blir särskilt viktig i robusthetskontrollerna. När forskarna använde en mer konservativ specifikation med instrumentvariabler och standardfel klustrade på landsnivå gick det inte att statistiskt skilja vare sig den direkta AI-effekten eller interaktionen mellan AI och förnybar energi från noll. Det bevisar inte att det saknas fördelar. Det innebär att studien inte med säkerhet kan fastställa det orsakssamband som antyds av de huvudsakliga sambanden.

Den historiska perioden slutar också 2022, före en stor del av den senaste utbyggnaden av infrastruktur för generativ AI. I IEA:s bedömning från april 2026 av AI och efterfrågan på el beskrivs den snabbt ökande elförbrukningen i datacenter, samtidigt som AI kan bidra till effektivare energidrift. Det rör sig om separata effekter som måste redovisas var för sig.

En framgångsrik prognostillämpning bör därför bedömas utifrån sin egen energianvändning och sina verifierade fördelar. Förbättringar vid en anläggning kan inte automatiskt kompensera för elbehovet hos orelaterade AI-tjänster någon annanstans.

Schneider Electric och möjligheterna med intelligent energihantering

Dessa praktiska krav skapar möjligheter för företag som kopplar samman programvara med elutrustning och arbetsflöden i verksamheten. För investerare som undersöker aktier inom energiinfrastruktur är Schneider Electric (SND.DE ) ett relevant exempel genom sina verksamheter inom energihantering, automation och programvara för elnät.

Företagets EcoStruxure-erbjudanden omfattar hantering av mikronät och integrering av förnybar energi, medan One Digital Grid Platform för in AI-baserad programvara i energibolagens verksamhet. Dessa verksamheter är direkt kopplade till utmaningen att samordna elproduktion, energilagring, elnät och efterfrågan.

I sin diskussion från oktober 2026 om intelligenta elnät och tillförlitliga data betonar Schneider Electric vikten av att koppla samman splittrade operativa system och stödja mänskligt beslutsfattande. Det är en användbar beskrivning av utmaningen med att införa lösningarna, men den återger företagets perspektiv och utgör inte oberoende belägg för produkternas prestanda.

Investeringscaset hänger på att kunderna omsätter dessa förmågor i återkommande utgifter och lönsamma implementeringar. Relevanta frågor är om programvaruförsäljningen växer i takt med utrustningsförsäljningen, om kunderna förnyar sina tjänsteavtal och om implementeringskostnaderna lämnar utrymme för goda marginaler. Stark efterfrågan på modernisering av elnätet innebär inte i sig att en aktie är attraktivt värderad.

Schneider Electric är också verksamt inom byggnader, industriell automation och datacenter. Företagets resultat återspeglar därför en bredare verksamhetsmix än AI-stödd integrering av förnybar energi. Studien utvärderar varken företaget eller prognostiserar dess intäkter.

Senaste nytt och utveckling om Schneider Electric (SU)

Ett bättre sätt att bedöma investeringar i ren energi

Studiens bredare bidrag är att uppmuntra till ett systemperspektiv på hållbarhet. Förnybara energitillgångar, innovationskapacitet och varaktig kapitalbildning samverkar. Att köpa mer utrustning är bara en del av arbetet med att förbättra resultaten; institutioner och operativ förmåga påverkar hur effektivt utrustningen används.

För investerare innebär detta att man bör granska begränsningarna kring varje projekt. Var går energi till spillo? Vilket operativt beslut skulle kunna ändra på det? Vem kan genomföra den nödvändiga förbättringen, och vem får den ekonomiska nyttan? Dessa frågor kopplar ett lockande tekniktema till ett affärscase som går att pröva.

AI skulle kunna hjälpa förnybara energisystem att skapa större värde av befintliga resurser. Att visa detta värde genom tillförlitlig drift, lägre kostnader och bättre utnyttjande av infrastrukturen är vad som kan göra möjligheten till en varaktig chans.

Referenser:

¹ Esily, R. R., Chi, Y., Ibrahiem, D. M., Muhammadullah, S., Hassanein, E. A., och Zhang, X. (2026). Fossilbränsleberoende och hållbar utveckling: kvantilbaserade belägg för AI, förnybar energi och genuina besparingar. Sustainable Futures, 12, artikel 102265. https://doi.org/10.1016/j.sftr.2026.102265