AI driver datahallar – så klarar elnätet trycket

166 gigawatt i toppbelastning till 2030. Det är den nivå som amerikanska elnätsprognoser nu pekar mot – och en stor del kopplas till nya datahallar som byggs för AI, molntjänster och i viss mån kryptobrytning. Problemet är inte bara att siffran är stor. Problemet är att den riskerar att bli fel på ett dyrt sätt.

När elbolag planerar efter prognoser som är uppblåsta av dubbelräkning och spekulativa projekt kan resultatet bli investeringar som kunderna får betala för – även om datahallarna aldrig byggs, byggs senare, eller flyttar. Det här är en av de mest underskattade hållbarhetsfrågorna i AI-boomen: energisystemet hinner inte alltid med – och notan hamnar ofta hos någon annan.

I den här delen av vår serie AI inom energi och hållbarhet går jag igenom vad som faktiskt händer, varför prognoserna spårar ur och hur AI kan användas på riktigt för att planera smartare, minska kostnader och kapa utsläpp – utan att tumma på leveranssäkerheten.

Varför elprognoserna för datahallar skenar

Elprognoserna skenar för att datahallar har blivit city-size-last. En anläggning på 1 GW motsvarar i praktiken en mindre stads totala elbehov. När många sådana projekt samtidigt hamnar i elbolagens planeringsunderlag ser det ut som en helt ny industriell epok – och det triggar investeringar i nät och produktion.

En analys från Grid Strategies (publicerad 2025-11-18) sammanställde elbolagens egna lastprognoser och landade i en uppgång till 166 GW i topp till 2030 – en sexdubbling jämfört med vad som förutsågs för tre år sedan. Av den prognostiserade ökningen stod datahallar för ungefär 90 GW.

Två orsaker gör siffrorna mindre pålitliga

Det är lätt att tro att prognoser är “objektiva”. Men i datahallsboomen finns två systemfel:

1. Dubbelräkning: Samma projekt kan “presenteras” i flera elnätsområden samtidigt när utvecklare jämför elpris, anslutningsvillkor och ledtider.
2. Spekulation: Marknaden beter sig som en guldrusch. Många projekt är tidiga idéer med osäker finansiering, osäkra kundavtal och oklara byggplaner.

Grid Strategies pekar på att elbolagens prognoser kan överskatta datahallsbehovet med upp till 40%. Det är en enorm osäkerhet när det handlar om investeringar i miljardklassen.

Varför det här även angår Sverige

”Det där är USA.” Visst – men mönstret känns igen.

• Norden marknadsförs som attraktivt för datahallar tack vare elmix, kyla och stabilitet.
• Svenska effektfrågor blir mer konkreta när både industri, elektrifiering och datahallar konkurrerar om kapacitet.
• Diskussionen om vem som ska betala nätutbyggnad och effektreserver är redan laddad.

Poängen: Om prognoserna är fel, blir styrningen fel. Och då blir både klimatnytta och samhällsekonomi lidande.

Den dolda kostnaden: när osäkra prognoser blir dyra elräkningar

Den snabbaste vägen till dyrare el är inte alltid högre spotpris. Ofta är det systemkostnader: kapacitetsmekanismer, nätavgifter, reservkraft, flaskhalsar och investeringar som ska skrivas av över decennier.

I USA lyfts PJM Interconnection (ett stort elmarknadsområde) som exempel: kapacitetskostnaderna steg från 2,2 miljarder USD (2023) till 14,7 miljarder USD (2024) och vidare till 16,1 miljarder USD i sommarens auktion. Sådana hopp skapar politisk vrede, särskilt när hushåll ser höjda räkningar utan att ha fått ”något” i utbyte.

Fossilgas som snabb lösning – och långsiktigt problem

När elbolag pressas av tillväxtprognoser väljer många den kortaste vägen: nya gaseldade kraftverk för att säkra effekt. Det är begripligt ur ett driftsäkerhetsperspektiv – men det riskerar att:

• låsa in utsläpp under 20–40 år
• skapa investeringskonflikter med förnybart och flexibilitet
• flytta kostnader till kunder om datahallarna uteblir

Det är här jag tycker många beslutsfattare gör en miss: man behandlar datahalls-last som “given” och “oförhandlingsbar”. Den är ofta varken eller.

En bra energiplan bygger inte bara mer – den bygger smartare, snabbare och med optioner.

AI kan göra elnätsplanering mindre gissningsdriven

AI kan inte trolla fram transformatorer eller nya ledningar över en natt. Men AI kan göra två saker som är direkt avgörande i den här situationen: förbättra prognoserna och minska topparna.

1) Prognoser som tar höjd för sannolikhet, inte bara “max”

Många nätplaner bygger i praktiken på worst-case: alla projekt blir av, på utsatt tid, med full effekt. Det är robust – men också extremt dyrt.

AI-baserad prognostik kan i stället använda:

• historik från anslutningsärenden (hur många blir av?)
• finansieringssignaler (t.ex. när PPA:er eller hyresavtal tecknas)
• bygglovs- och markdata
• leverantörsledtider (GPU/transformatorer/kylsystem)
• realtidsdata från anslutningspunkter och belastningsprofiler

Resultatet blir sannolikhetsbaserade scenarier (P50/P90) snarare än ett enda tal. För planerare och regulatorer är det guld: man kan koppla investeringar till trösklar och ”bevis” – inte bara avsiktsförklaringar.

2) Smart laststyrning: datahallar är mer flexibla än de låtsas vara

Alla datahallar kan inte “stänga av”. Men många kan flytta och forma sin last mer än vad som syns i ett anslutningsavtal.

AI hjälper till att optimera:

• schemaläggning av träningsjobb (flytta tunga körningar från högbelastning)
• geografisk lastfördelning (flytta jobb mellan regioner/datacenter)
• kylstrategier (förkylning, frikyla, dynamiska setpoints)
• batterier och UPS (använd dem även som systemresurs, inte bara backup)

För elnätet är det skillnaden mellan att bygga för en extrem topp och att bygga för en hanterbar topp. För datahallsägaren är det skillnaden mellan dyra effektavgifter och mer kontrollerbara kostnader.

3) AI i smarta elnät: från reaktiv drift till proaktiv

När efterfrågan blir mer volatil behöver elnätet styras mer som ett trafiksystem: förutse trängsel och dirigera om flöden innan det blir stopp.

Praktiskt innebär AI i smarta elnät:

• tidigare varning om lokala flaskhalsar
• adaptiva nätmodeller som uppdateras med mätdata
• bättre utnyttjande av befintlig kapacitet (”mer nät utan mer nät”)
• beslutstöd för var nätförstärkning ger mest nytta per krona

Det här är inte science fiction. Det är teknik som redan används i olika grad, men som behöver skalas – och integreras med regulatoriska krav.

Så här minskar du risken: en checklista för energi- och hållbarhetschefer

Om du sitter på kundsidan (industri, fastighet, kommun, datacenter, tech) finns det ett tydligt budskap: effekt och anslutning blir en strategisk fråga 2026–2030. Vänta inte på att någon annan löser den.

Här är en konkret checklista jag brukar rekommendera:

1. Kravställ lastflexibilitet i interna projekt
   • Sätt mål för maxeffekt och ramp-rate (hur snabbt lasten får öka).
2. Arbeta med scenarier, inte punktprognoser
   • Planera för P50 och ha en plan för P90 – men bygg inte allt för P90 direkt.
3. Gör kylningen till en energiresurs
   • Optimerad kylning kan sänka topplast och förbättra PUE i praktiken.
4. Utvärdera batteri som både riskhantering och affär
   • Rätt dimensionerat kan det kapa effekttoppar och stötta driften.
5. Be om transparenta nätantaganden
   • Vilken “bevisgrad” krävs innan nätinvesteringar triggas?
6. Mät, följ upp och dela data
   • Prognoser blir bättre när verklig lastdata används kontinuerligt.

Vanliga frågor (som fler borde ställa tidigare)

Är datahallar alltid dåliga för klimatet?

Nej. Men klimatutfallet avgörs av när de använder el (topp eller dal), var de ansluter (trångt eller gott om kapacitet) och om de driver fram mer fossil effekt i systemet.

Varför kan inte elbolagen bara “bygga mer nät”?

För att nät tar tid: tillstånd, markfrågor, leverantörskedjor och byggkapacitet. Dessutom blir det dyrt om man bygger för projekt som inte blir av.

Kan AI verkligen hjälpa när AI är orsaken?

Ja – och det är den mest praktiska insikten i hela diskussionen. AI skapar efterfrågan, men AI kan också minska systemkostnaden genom bättre prognoser och smartare drift.

Vad som behöver hända 2026: bättre styrning, inte bara mer byggande

Den här datahallsboomen kommer inte bromsa för att energibranschen vill det. Den bromsar bara om ekonomin gör det. Därför behöver vi sätta spelreglerna så att tillväxten blir hanterbar.

Min tydliga ståndpunkt: osäker efterfrågan ska inte socialiseras på hushållens elräkningar. Det betyder att regulatorer och nätägare måste bli tuffare med villkor, milstolpar och kostnadsfördelning – och att datahallsaktörer måste visa flexibilitet som en del av affären.

För dig som jobbar med energi och hållbarhet är nästa steg konkret: börja se datahallar och AI-last som styrbar last, inte som naturkraft. När prognoserna blir sannolikhetsbaserade och flexibilitet blir standard minskar behovet av panikinvesteringar – och då kan elektrifiering och förnybart fortsätta i högre tempo.

Frågan som avgör de kommande åren är enkel: kommer vi bygga ett elsystem som jagar prognoser – eller ett som styr efter verklig, mätbar efterfrågan?