AI hittar dold geotermi: från fynd till smarta elnät

Den mest missförstådda delen av geotermi är inte borrningen. Det är kartan.

När det amerikanska bolaget Zanskar i början av december 2025 gick ut med att de hittat ett “blint” geotermiskt system i Nevada — alltså en reservoar utan gejsrar, ångor eller annan tydlig ytsignal — var det en signal om att energikartan håller på att ritas om. Inte med magi, utan med bättre data och AI som faktiskt kan prioritera var man ska leta.

Det här spelar roll även för oss i Sverige. Elbehovet växer (inte minst från datacenter, industrielektrifiering och vätgas), samtidigt som vi behöver mer planerbar fossilfri el. Vind och sol är billiga men väderberoende. Vattenkraften är fantastisk men inte oändlig. Geotermi är en av få källor som kan leverera dygnet runt — och nu visar Zanskars fynd hur AI i energisystemet kan flytta gränsen för vad som är “möjligt” och vad som bara är “oupptäckt”.

Vad Zanskar faktiskt gjorde (och varför det är ovanligt)

Zanskar tog en väg som många i geotermivärlden nästan avfärdat: de satsade på konventionell geotermi i stället för att förlita sig på helt nya borrtekniker.

Den etablerade uppfattningen har länge varit att de bästa konventionella resurserna redan är hittade och exploaterade. Det Zanskar påstår sig ha bevisat är motsatsen: att vi fortfarande missar stora resurser, särskilt sådana som är “blinda”.

“Blind” geotermi: samma värme, sämre ledtrådar

Ett blint geotermiskt system betyder i praktiken:

• Inga tydliga yttecken (som varma källor eller gejsrar)
• Ingen historisk prospekteringsdata att luta sig mot
• Hög osäkerhet: du kan stå “nära” utan att förstå att du står rätt

Zanskar uppger att Big Blind i västra Nevada kan ha potential för över 100 MW elproduktion. Det är i storleksordningen nog för att försörja en större svensk stad med el, beroende på konsumtionsmönster.

Data + AI + standardborrning

Det intressanta är kombinationen:

1. Geologerna hittade en geotermisk anomali (ovanligt högt värmeflöde)
2. Prospekteringsdata matades in i bolagets AI-modell
3. Modellen föreslog borrpunkter som sannolikt hade rätt temperatur och permeabilitet

Under sommaren borrade de två testbrunnar. Vid cirka 2 700 fot (runt 820 meter) nådde de en porös zon med ungefär 250°F (runt 121°C). Enligt bolaget överstiger det miniminivåer för storskalig elproduktion med konventionell teknik i den typen av system.

Det är också en praktisk skillnad: i andra delar av regionen skulle man behöva borra ner mot 10 000 fot (cirka 3 km) för liknande temperaturer. Djup är dyrt. Dyrt betyder långsamt. Långsamt betyder att projekten inte hinner hjälpa när elbehovet drar iväg.

Varför AI passar geotermi bättre än många tror

AI används ofta som en etikett. I geotermi kan det vara ett konkret verktyg som minskar risken i den dyraste fasen: att borra fel.

Prospektering är ett beslutsproblem

Geotermiprojekt faller ofta på en enkel realitet: en borrning kan kosta tiotals miljoner kronor, och du får inte alltid ett tydligt “ja/nej”-svar förrän du redan har spenderat pengarna.

AI kan göra prospekteringen mer lik ett strukturerat beslutsproblem:

• Vilka datapunkter (geologi, gravimetri, magnetik, seismik, temperaturgradienter, geokemi) korrelerar med fungerande reservoarer?
• Hur kombinerar man dem utan att människor övervärderar “snygga” kartor?
• Var är nästa borrning mest sannolik att ge ett ekonomiskt fynd?

Bra modeller är inte bara prediktiva. De är prioriterande: de talar om vad du ska göra först.

Det här är AI som sparar tid, inte bara pengar

Jag tycker att den viktigaste effekten ofta underskattas: tidsvinsten.

Om AI kan korta prospekteringscykler (färre felborrningar, snabbare avgränsning av reservoaren), så händer tre saker samtidigt:

• Projekt får finansiering lättare (lägre riskprofil)
• Tillståndsprocesser blir enklare att motivera (tydligare dataunderlag)
• Kapacitet kan byggas tidigare, när den behövs som mest

Zanskars tidplan är att gå från fynd till drift på 3–5 år. Det är snabbt för kraftproduktion.

Från fynd till elnät: där smarta elnät avgör om geotermi “lönar sig”

Att hitta värmen är bara halva jobbet. Den andra halvan är att få ut maximal nytta i ett elsystem som redan är pressat av effektbehov, flaskhalsar och volatila priser.

Geotermi som “ren baskraft” för datacenter och industri

I USA drivs efterfrågan på clean firm power (fossilfri el dygnet runt) bland annat av datacenter. Samma trend syns i norra Europa.

Geotermi passar den profilen eftersom den kan:

• leverera stabil effekt över dygnet
• fungera som motvikt till väderberoende produktion
• ge hög nyttjandegrad (hög andel timmar per år)

Zanskar vill till och med få datacenter att samlokalisera nära resurserna. Det är logiskt: elnätets anslutningsköer och kapacitetsbrist är ofta en större broms än själva kraftverket.

AI i smarta elnät: tre konkreta användningsfall

Här blir vår serie “AI inom energi och hållbarhet” väldigt konkret. När ny planerbar produktion kommer in, kan AI hjälpa på minst tre nivåer:

1. Last- och prisprognoser

   • bättre dygns- och veckoplanering
   • mindre behov av dyr reservkraft

2. Optimerad drift av geotermianläggningen

   • prediktivt underhåll av pumpar och turbiner
   • optimering av reinjektion (att återföra vatten) för att hålla tryck och temperatur stabila

3. Nätoptimering och flexibilitet

   • smart styrning av industrilaster, batterier och värmelager
   • minskade effekttoppar och mindre trängsel i nätet

Snabb poäng: geotermi blir extra värdefull när den kombineras med flexibilitet. AI är det som gör kombinationen praktiskt hanterbar.

“Konventionellt” betyder inte gammalt — det betyder repeterbart

Det mest intressanta med Zanskars strategi är att den kan skala på ett annat sätt än många hoppas på med avancerad geotermi.

Avancerad geotermi (med nya borrmetoder och reservoarkonstruktion) kan bli enormt viktig. Men nya tekniker har alltid en period där de är dyrare, mer osäkra och svårare att försäkra.

Zanskar menar i stället: hitta fler naturliga reservoarer som går att bygga med “nästan standardiserade” steg.

När prospekteringen blir bättre blir resten av projektet nästan rutin.

Det är en viktig tanke för investerare, kommuner och industriparker: repeterbarhet slår ofta “spektakulär teknik” när du vill bygga mycket, snabbt.

Siffrorna ger perspektiv

USA har i dag cirka 4 GW installerad konventionell geotermi, majoriteten i Kalifornien. Trots att landet är störst i världen på geotermiel står geotermi för mindre än 0,5 % av den totala elproduktionen.

Det betyder inte att geotermi är svag. Det betyder att den är underutnyttjad.

Zanskars vd argumenterar för att tidigare potentialbedömningar varit kraftigt underskattade och bygger på äldre studier. Poängen här är inte om siffran är “10 gånger”. Poängen är att modern prospektering + AI gör att potentialkartor från 2000-talets början riskerar att vara mer historiska dokument än beslutsunderlag.

Vanliga frågor svenska beslutsfattare borde ställa nu

“Kan vi göra samma sak i Sverige?”

Ja, men med rätt förväntningar. Sverige har inte samma uppenbara hydrotermala resurser som delar av västra USA, men vi har:

• fjärrvärmesystem där lågenergi-geotermi kan passa
• industriella kluster som behöver stabil värme och el
• geologisk data i hög kvalitet (SGU, akademi, industri)

AI kan vara extra värdefullt just här, eftersom fynden kan vara mer subtila och därmed mer “blinda”.

“Vad krävs för att geotermi ska bli en del av energimixen?”

Tre saker brukar avgöra:

1. Data och prospektering (där AI gör störst nytta tidigt)
2. Tillstånd och social acceptans (transparens, miljöuppföljning)
3. Nätanslutning och användare (helst nära förbrukning eller med tydlig kapacitet)

“Är geotermi alltid hållbart?”

Den är fossilfri i drift, men inte utan påverkan. Man behöver hantera:

• vattenflöden och reinjektion
• inducerad seismik (särskilt vid vissa metoder)
• markanvändning och lokala ekosystem

Här kan AI också bidra: realtidsövervakning, anomali-detektion och bättre styrning minskar riskerna.

Nästa steg: så kan företag använda AI för att få nytta av geotermi

Om du jobbar med energi, industri, fastigheter eller kommunal planering finns ett praktiskt spår att börja med redan under 2026:

1. Kartlägg era “clean firm”-behov i MW och MWh (effekt vs energi)
2. Identifiera var nätbegränsningar kostar mest (effektavgifter, produktionsstopp, anslutningsköer)
3. Bygg en dataplattform för energibeslut
   • mätning, prognoser, driftdata
   • modellering av scenarier (t.ex. geotermi + batteri + flexibilitet)
4. Pilota AI på ett avgränsat problem
   • lastprognos för en site
   • optimering av värme/kyla
   • prediktivt underhåll

Det här är samma logik som Zanskar visar i prospekteringen: börja där osäkerheten är dyrast.

Geotermi + AI är en kombination som passar 2026

Zanskars fynd i Nevada är inte bara en ny punkt på en karta. Det är ett exempel på hur AI kan öka takten i energiomställningen genom att sänka risken i de steg som annars gör att projekt aldrig lämnar PowerPoint.

I vår serie “AI inom energi och hållbarhet” återkommer ett mönster: AI ger störst effekt när den kopplar ihop tre saker — data, beslut och drift. Geotermi är ett skolboksexempel. Först hjälper AI att hitta reservoaren. Sedan hjälper AI att köra anläggningen effektivt. Till sist hjälper AI att få in elen i ett smartare elnät där varje MW används bättre.

Om fler aktörer lyckas hitta “blind” geotermi med konventionell teknik, blir nästa stora fråga inte om det går att bygga — utan var och hur snabbt vi kan integrera det i energisystemet. Vem tar första steget i Norden?