AI, elpriser och kolets sista strid i energisystemet

Kolet dör inte av moralpredikningar. Det dör av bokföring.

Det är en obekväm men nyttig lärdom från USA:s ”krig mot kol”, där ett av världens mest inflytelserika klimatarbeten i praktiken drevs fram av jurister som räknade kilowattimmar och ifrågasatte kalkylblad i torra myndighetsförhandlingar. På tio år har kolets roll i USA:s elproduktion fallit från historiskt dominerande nivåer till ungefär en sjundedel, samtidigt som vind och sol har gått om kolet. Samtidigt är utsläppen från elproduktionen ned runt 40% jämfört med 2005.

Men 2025 ser slutstriden stökigare ut än många trodde. Politik som aktivt bromsar förnybart, och en snabbt växande elhunger från AI och datacenter, gör att vissa vill ”rädda” gamla kolkraftverk – trots att de är dyra, opålitliga och ofta ett direkt kostnadsproblem för elkunderna.

För dig som arbetar med energi, hållbarhet eller digitalisering i Sverige är det här mer än en amerikansk berättelse. Det är en fallstudie i hur data, ekonomi och reglering kan accelerera omställning – och varför AI i energisystemet måste handla lika mycket om nät, flexibilitet och prissignaler som om nya modeller.

Kolets fall: när juridik och ekonomi gör jobbet

Kolets tillbakagång i USA har i grunden drivits av en enkel mekanism: det blev dyrare att fortsätta köra gamla kolkraftverk än att bygga nytt.

Det var kärnan i Sierra Clubs Beyond Coal-arbete. Mindre fokus på att ”vinna debatten”, mer fokus på att vinna i de rum där besluten faktiskt tas: tillsynsmyndigheter, tariffprocesser, investeringsprövningar och domstolar.

”Billigare el” som klimatspråk

Det mest effektiva argumentet var inte klimatet. Det var elkostnaden.

När drift och underhåll på 40–50 år gamla anläggningar skenar, när bränsle måste fraktas långt, och när anläggningen dessutom står still för reparationer – då blir kol ett dåligt köp. Det spelade mindre roll om delstaten röstade rött eller blått. Matematik är färgblind.

Det är lätt att känna igen mönstret i Europa: när teknikkostnader faller och kapital söker stabil avkastning, flyttar investeringar dit risk och pris är lägre. I energin betyder det ofta vind, sol, lagring och nät.

Den svåra delen: att vinna och ändå förlora

Ett återkommande tema i kolkampen är att juridiska segrar inte alltid räcker. Beslut kan överklagas, myndigheter kan ändra sig under politiskt tryck och företag kan driva igenom investeringar ändå.

Att ha rätt i sak är inte samma sak som att få rätt i verkligheten.

Det här är relevant för alla som bygger AI-lösningar för energibranschen: det räcker inte att modellen är korrekt. Den måste också passa in i reglering, incitament, upphandling och operativ drift.

AI-boomen: elbehovet ökar – och det utnyttjas av fossilintressen

AI är inte bara mjukvara. AI är servrar, kylning och el.

I USA bedömer många experter att AI kan öka elbehovet med upp till cirka 10% nationellt. Samtidigt har vissa elbolag presenterat planer som i praktiken skulle öka kapaciteten med över 100% – ofta med argumentet att ”vi måste bygga gas nu, annars slocknar lamporna”. Det liknar det gamla kolargumentet: skapa en bild av akut brist för att motivera stora fossilinvesteringar.

Här blir AI både problem och lösning

Jag tycker det är fel väg att låta AI-efterfrågan bli en ursäkt för ny fossil infrastruktur som låser in utsläpp i decennier. Men AI kan också göra motsatsen: minska behovet av toppkapacitet genom bättre styrning.

Tre sätt AI gör skillnad i energisystemet:

1. Prognoser som faktiskt går att drifta på
   • Bättre korttidsprognoser för last, vind och sol minskar reserver och ger högre nyttjandegrad.
2. Flexibilitet som blir mätbar och köpbar
   • AI kan paketera flexibilitet från fastigheter, industri och laddning så att nätägare och balansansvariga kan upphandla den.
3. Optimerad lagring och nätflöden
   • Batterier blir mest värdefulla när de körs smart: rätt timmar, rätt plats, rätt prisområde.

Det är exakt den här typen av data- och optimeringslogik som passar in i vår serie om AI inom energi och hållbarhet: inte AI som ”flashig teknik”, utan AI som gör elsystemet billigare, stabilare och renare.

Affärslogiken som knäcker kol: kostnad, risk och tillgänglighet

Kolets svaghet 2025 är inte bara utsläpp. Det är tre hårda affärsfaktorer: kostnad, risk och driftsäkerhet.

1) Kolet är gammalt – och gammalt är dyrt

Genomsnittlig kolanläggning i USA är runt 45 år. När sådant ska hållas vid liv blir ekonomin ofta brutal: fler oplanerade stopp, högre underhåll, sämre verkningsgrad.

I praktiken får elkunderna betala för:

• reparationer,
• fördyrade uppgraderingar,
• och en anläggning som ändå inte levererar när den behövs.

2) Förnybart bygger snabbare

När efterfrågan ökar snabbt är byggtid avgörande. Vind, sol och batterilager kan ofta realiseras snabbare än stora fossila projekt, särskilt när leveranskedjor och tillstånd är hanterade.

Det är en central poäng i USA-berättelsen: gasprojekt som såg ”trygga” ut på papper blev plötsligt dyrare och långsammare, vilket öppnade för mer förnybart och lagring.

3) Prissignalerna har blivit tydligare

När elpriser stiger snabbare än inflationen blir det politiskt känsligt att försvara dyr produktion. Beyond Coal har varit skickliga på att hålla fokus på räkningen.

Det är en bra kommunikationsläxa även i Sverige: klimatargumentet räcker sällan ensamt. Det som biter är ofta kombinationen lägre systemkostnad + högre robusthet + lägre utsläpp.

Vad Sverige kan lära av USA:s kolkamp (utan att kopiera den)

Sverige har i praktiken redan lämnat kol för elproduktion i stor skala, men vi brottas med en liknande slutstrid i andra former: flaskhalsar i nätet, långa ledtider, prisområden, effektbrist i vissa timmar och en snabbt ökande elektrifiering.

Här är fem konkreta lärdomar jag tycker svenska energibolag, kommuner och industrier bör ta med sig.

1) Gör ”affordability case” till standard – med data

Vill du få igenom en investering i flexibilitet, lagring eller nät? Kom med:

• tydlig kostnad per undviken topp-kW,
• påverkan på nätavgifter,
• riskreducering (t.ex. färre avbrott, mindre obalanskostnader),
• och scenarioanalys för elprisvolatilitet.

AI kan automatisera stora delar av den analysen och göra den repeterbar.

2) Lås inte in er i fel kapacitetslösning

USA visar hur lätt ”akut kapacitetsbehov” blir argument för långlivad fossil kapacitet. I svensk kontext kan motsvarigheten vara att alltid välja den mest traditionella lösningen först.

Ställ alltid två frågor:

• Kan vi minska toppen istället för att bygga för toppen?
• Kan vi bygga modulärt och snabbare (lager, flexibilitet, styrning) medan nätet byggs ut?

3) Sätt AI där den skapar systemnytta, inte bara dashboard-glans

De bästa AI-projekten i energi handlar sällan om snygga vyer. De handlar om att styra:

• värmepumpar,
• ventilation,
• processer,
• laddning,
• batterier,
• och lokal produktion.

Målet bör vara mätbara effekter: lägre effekttoppar, bättre prognoser, lägre inköpskostnader, färre driftstörningar.

4) Bygg en ”reglerings- och marknadsstrategi” tidigt

Beyond Coal vann ofta genom att förstå processerna där beslut fattas. På samma sätt behöver AI-initiativ i energibranschen vara kompatibla med:

• marknadsregler,
• dataåtkomst och mätning,
• IT/OT-säkerhet,
• upphandlingsmodeller,
• och incitament för slutkund.

5) Gör elbehovet från datacenter och AI till en katalysator för ren kapacitet

Datacenteretableringar diskuteras även i Norden. Om de blir en stor last är det avgörande att de kommer med:

• flexibilitetskrav (t.ex. laststyrning),
• lokal lagring,
• värmeåtervinning,
• och smart anslutning till nätets begränsningar.

Annars riskerar de att förstärka behovet av dyr spets – oavsett om den är fossil eller bara ineffektiv.

Praktisk checklista: så tar du nästa steg med AI i energiarbetet

Om du ansvarar för energi, hållbarhet eller digitalisering och vill skapa leads internt (budget) och externt (partners) är det här en vettig startpunkt.

1. Välj ett problem som syns på fakturan
   • Effektavgifter, obalanskostnader, toppar, avbrott, dyr timköpt el.
2. Säkra datagrunden
   • Mätning per timme (minst), gärna 15-min, och en tydlig datakatalog.
3. Bygg en enkel modell först
   • Prognos + åtgärdsregel slår ofta en komplex modell som aldrig går i drift.
4. Knyt åtgärd till styrbar last
   • Utan styrning blir AI bara analys.
5. Mät resultat i kronor och kW
   • Sätt KPI:er före pilot: t.ex. ”-15% toppeffekt vardagar 07:00–09:00”.

Det här är också den brygga jag tycker saknas i många energi-AI-satsningar: kopplingen mellan algoritm och faktisk systemeffekt.

Kolet försvinner inte av sig självt – och det gör inte omställningen heller

USA:s kolhistoria visar två saker samtidigt: kol kan fasas ut snabbt när ekonomin vänder, och det blir politiskt rörigt när de sista anläggningarna ska stängas.

Översatt till vår verklighet 2025-12-21: elektrifieringen och AI driver upp elbehovet, vilket gör att varje beslut om ny kapacitet, nät och flexibilitet får större konsekvenser. Om vi fyller gapet med fel saker blir det dyrt i 20–30 år. Om vi fyller gapet med rätt saker – mer förnybart, mer lagring, smartare styrning och bättre nätplanering – blir det både billigare och stabilare.

Den intressanta frågan är därför inte om kolet kan ”vinnas över” med fler argument. Den intressanta frågan är om vi kan bygga energisystem som gör fossila lösningar ekonomiskt överflödiga även när efterfrågan sticker iväg.

Vad skulle hända om varje ny stor elförbrukare i Norden tvingades bevisa, med data, hur den bidrar till flexibilitet i stället för att bara öka lasten?