AI + nästa generations geotermi: så byggs 24/7-el

Den mest underskattade flaskhalsen i energiomställningen är inte brist på solpaneler eller vindkraftverk. Det är bristen på planerbar fossilfri el – el som finns när den behövs, inte bara när vädret samarbetar. Det är precis därför nyheten om att Fervo Energy säkrat 462 miljoner dollar för att färdigställa sin storskaliga satsning på enhanced geothermal systems (EGS) sticker ut.

EGS är i praktiken ett försök att göra geotermi lika byggbar som andra infrastrukturslag: borra djupare, skapa egna reservoarer i varm berggrund och leverera el dygnet runt. Och det intressanta för oss som följer serien AI inom energi och hållbarhet är detta: när geotermi går från ”specialfall” till ”skalbar industri”, då blir data, optimering och AI en avgörande del av kostnadskurvan.

Fervos flaggskeppsprojekt Cape Station i Utah byggs nu med målet att leverera 100 MW i 2026-10 och ytterligare 400 MW i 2028. För ett energisystem som pressas av elektrifiering, nya industrier och datacenter är det en signal om att marknaden vill betala för stabilitet.

Varför EGS är så intressant just nu

Svar först: EGS är intressant eftersom det kan ge fossilfri baskraft i fler geografier än traditionell geotermi, genom att man skapar reservoaren själv.

Traditionell geotermi bygger på att naturen redan gjort jobbet: det finns en hetvattenreservoar på rätt plats, med rätt flöden och temperaturer. Det begränsar utbyggnaden kraftigt. I USA står geotermi för omkring 0,4 % av elproduktionen, inte för att tekniken saknar potential utan för att den historiskt varit geografiskt låst.

EGS vänder på logiken:

• Man borrar ofta horisontellt (långa sidoborrningar) för att öka kontaktytan mot varm berggrund.
• Man stimulera (spräcker/öppnar) spricknät i hett berg och pumpar in vatten.
• Vattnet värms upp i berget, tas upp i en produktionsbrunn och driver turbiner.

Det här låter enkelt på papper. I verkligheten är det ett kontrollproblem: temperatur, flöde, tryck, sprickgeometri och materialpåverkan samverkar. Där får AI ett naturligt jobb – inte som ”magi”, utan som styrning och beslutsstöd i ett system med många variabler.

EGS och den nya efterfrågan på 24/7-el

Det som förändrats 2024–2025 är efterfrågeprofilen. Vi ser samtidigt:

• Datacenter som vill köpa fossilfri el som matchar förbrukningen timme för timme.
• Elektrifiering av transporter och uppvärmning som höjer vintertoppar.
• Ny industri som kräver stabil effekt, inte bara energi över året.

Vind och sol är ryggraden i utbyggnaden, men de skapar också ett större behov av resurser som kan leverera när produktionen är låg. EGS kan bli en sådan resurs – särskilt om projekten kan industrialiseras och finansieras i större volymer.

Fervo och Cape Station: vad affären säger om marknaden

Svar först: Finansieringsrundan visar att investerare nu ser nästa generations geotermi som en skalbar energiinfrastruktur, inte som ett FoU-experiment.

Fervo Energy meddelade att man stängt en Series E på 462 miljoner dollar, ledd av B Capital. Totalt uppger bolaget att man rest cirka 1,5 miljarder dollar sedan 2017. Det är stora pengar i energisammanhang – och det speglar en konkret sak: projektet är inte bara en powerpoint längre.

På plats i Utah beskrivs en byggarbetsplats med elstation, flera kraftanläggningar, borriggar och brunnsplattor, och omkring 350 personer i arbete. Den typen av fysisk progression minskar riskpremien och gör det lättare att attrahera kapital.

Tidslinjen (som energichefer faktiskt bryr sig om)

Det som gör Cape Station extra intressant är milstolparna:

• 2026-10: 100 MW planeras börja leverera el.
• 2028: ytterligare 400 MW planeras kopplas in.

För köpare av el (industri, kommunala bolag, datacenter) är tid en hård valuta. En teknik kan vara hur lovande som helst, men om leverans ligger ”någon gång efter 2030” blir den ofta bortprioriterad i portföljen.

Pilot som redan levererar

Fervo har dessutom en pilot i Nevada på 3,5 MW som togs i drift 2023-11 och levererar till NV Energy. Att ha driftdata från verkligheten – inte bara modellresultat – gör enorm skillnad när nästa projekt ska dimensioneras, försäkras och finansieras.

Där AI faktiskt gör skillnad i geotermiprojekt

Svar först: AI kan sänka kostnader och risk i EGS genom bättre borrplanering, realtidsövervakning, reservoarmodellering och optimerad drift.

Det finns en vanlig missuppfattning att AI i energisektorn främst handlar om elpriser och prognoser. I EGS är AI minst lika relevant innan första kilowattimmen produceras.

1) Borrning: från erfarenhetsbas till datadrivet beslut

Borrning är dyrt. Varje felbeslut om banprofil, borrparametrar eller målzon kan kosta miljoner och veckor av förseningar.

AI kan bidra genom:

• Prediktivt underhåll av rigg och borrsträng (minskar oplanerade stopp).
• Optimering av borrparametrar i realtid för att reducera slitage och öka hastighet.
• Analys av sensordata för att upptäcka avvikelser tidigt (t.ex. vibrationer, temperaturspikar, tryckmönster).

Fervo använder fiberoptisk sensing i sin metodik. Det är relevant eftersom fiberoptik kan ge täta mätserier längs brunnar – perfekt råmaterial för maskininlärning.

2) Reservoaren: att förstå ett osynligt system

En EGS-reservoar är inte en tank; den är ett dynamiskt spricknät i berg. Nyckeln är att få hög värmeöverföring utan att skapa problem som för höga tryck, snabb temperaturnedgång eller oönskad spridning.

AI-stödd modellering kan:

• Kalibrera reservoarmodeller med driftdata (”digital tvilling”).
• Förutsäga hur flöde/tryck påverkar temperatur över tid.
• Optimera injektionsstrategier för stabil produktion och lång livslängd.

Här är min tydliga ståndpunkt: bolag som behandlar reservoaren som ett statiskt ingenjörsproblem kommer få dyrare el än de som behandlar den som ett lärande system.

3) Drift och elnät: maximera värdet av planerbar fossilfri el

När anläggningen väl är i drift handlar värde inte bara om att producera, utan om att producera rätt.

AI i drift kan:

• Optimera körning mot effektbehov och prisbild (utan att slita på reservoaren).
• Samordna med batterier och efterfrågeflex för att minska toppkostnader.
• Upptäcka tidiga tecken på scaling/korrosion och styra kemin proaktivt.

EGS blir extra intressant i ett energisystem med mycket vind och sol: geotermi kan fungera som stabil bas, medan AI optimerar samspel och ekonomi i ett mer volatilt nät.

Vad svenska aktörer kan lära av Fervo (även utan Utahs geologi)

Svar först: Lärdomen är inte ”kopiera projektet”, utan att kombinera investering, industrialisering och AI för att göra fossilfri el mer leveranssäker.

Sverige har andra förutsättningar än USA. Vi har vattenkraft, fjärrvärme och en elmarknad där vintereffekt är känslig. Samtidigt ökar trycket: elektrifiering av industrin, laddning, och fler datacenter även i Norden.

Här är tre konkreta spår där insikterna är direkt överförbara:

1) Geotermi för värme – och AI för att få ekonomi

Djupgeotermi för fjärrvärme diskuteras i flera europeiska länder. Även när slutprodukten är värme (inte el) finns samma behov: bättre platsval, bättre borrplaner, bättre drift.

AI kan hjälpa kommunala energibolag och industriella värmekunder att:

• Identifiera bästa borrmål genom att kombinera geologiska data, historiska brunnsdata och kostnadsmodeller.
• Optimera värmeproduktion mot fjärrvärmens dygns- och säsongsprofil.
• Planera underhåll och minska stillestånd i kritiska vinterperioder.

2) ”24/7 fossilfri” som upphandlingskrav

Datacenter och industrier går från årliga ursprungsgarantier till krav som matchar förbrukning över timmar. Den utvecklingen driver fram fler projekt som kan leverera när det är vindstilla och mörkt.

Om du jobbar med energistrategi är en bra övning att skriva om dina mål så här:

• Från: ”100 % förnybar energi per år”
• Till: ”X MW fossilfri effekt tillgänglig under topplast, med definierad leveransprofil”

Den typen av kravbild gör att geotermi, lagring, flexibilitet och nätåtgärder hamnar i samma portfölj – och AI blir limmet som får helheten att fungera.

3) Finansieringslogiken: risk bort, kapital in

Fervo-rundan visar en enkel regel: kapital följer riskreduktion.

För svenska projekt (oavsett om det är geotermi, batterier eller vätgas) är AI inte bara en teknikfråga. Det är ett sätt att:

• minska osäkerhet i prognoser,
• dokumentera driftstabilitet,
• och bygga förtroende för att leverera över tid.

Vanliga frågor (som ofta dyker upp internt)

Är EGS samma sak som fracking?

Svar: Metodiken delar verktyg och borrteknik med olje- och gasindustrin, inklusive att man skapar eller öppnar sprickor i berg. Skillnaden är målet och produkten: värme och el utan förbränning. Risker som inducerad seismik måste hanteras, och det kräver strikt övervakning och styrning.

Varför bygger inte alla geotermi om det är 24/7?

Svar: Kostnad och risk ligger i borrning och reservoarosäkerhet. EGS försöker göra processen mer repeterbar. AI hjälper till genom att minska felbeslut och förbättra drift över tid.

Kommer geotermi ersätta vind och sol?

Svar: Nej. Vind och sol är fortfarande billigast att bygga mycket av. Poängen är att geotermi kan minska behovet av fossil toppkraft och göra systemet stabilare när andelen variabel produktion ökar.

Nästa steg: gör AI till en del av energiprojektets kärna

Fervos finansiering och Cape Stations tidslinje visar vart energimarknaden är på väg: mer investeringar i fossilfri el som går att leverera 24/7. Och när projekten blir större blir frågan inte om AI ska vara med, utan var i kedjan den ger mest effekt.

Om du ansvarar för energi, hållbarhet eller industriell expansion skulle jag börja med tre praktiska steg:

1. Kartlägg var osäkerheten finns (geologi, drift, leveransprofil, intäkter) och koppla AI-insatser direkt till risk.
2. Bygg en datapipeline tidigt – sensorer och datakvalitet är billigast att göra rätt från början.
3. Sätt krav på leveransprofil, inte bara på energimängd, i upphandling och strategi.

När 2026-10 närmar sig och Cape Station börjar leverera blir det ett lackmustest: kan EGS skala kommersiellt i storlek och takt? Den intressanta följdfrågan för oss i AI inom energi och hållbarhet är lika konkret: vilka aktörer lär sig snabbast av driftdata – och sänker kostnaden först?