AI och grönt stål: så pressas ArcelorMittal nu

ArcelorMittal släppte ut över 100 miljoner ton CO₂e under 2024 – ungefär i nivå med ett helt land som Belgien. Det är inte en detalj i hållbarhetsrapporten. Det är en signal om att stålbranschens omställning inte längre är en intern industrifråga, utan en samhällsfråga.

Därför är det intressant att en brittisk ideell organisation, Opportunity Green, den 2025-12-17 tog ett nytt grepp: en klimatrelaterad anmälan via OECD:s riktlinjer för ansvarsfullt företagande, riktad mot ArcelorMittal. Processen är frivillig och icke-judiciell, men den är byggd för att skapa tryck, transparens och förhandling – och i bästa fall snabbare utsläppsminskningar.

För oss som jobbar med AI inom energi och hållbarhet är detta mer än en konflikt mellan aktivister och industri. Det är ett tydligt exempel på hur klimatansvar driver fram behovet av AI-baserad utsläppsmätning, beslutsstöd och optimering. Stål är svårt att elektrifiera snabbt. Men det är också ett område där AI kan ge mätbara förbättringar redan i närtid.

OECD-anmälan: varför den spelar roll för industrin

OECD-spåret är inte ett domstolsfall, men det är heller inte ”bara PR”. Poängen är att anmälningar kan leda till formell granskning, medling och offentliga slutsatser kopplade till OECD:s riktlinjer. För multinationella bolag handlar det om licensen att verka: investerare, kunder och myndigheter läser detta.

Opportunity Green menar att ArcelorMittal saknar en robust, vetenskapligt förankrad klimatstrategi och att åtgärderna inte räcker i relation till bolagets utsläpp och marknadsmakt. ArcelorMittal svarar i sak att man är engagerad i avkarbonisering och har investerat över 3 miljarder dollar 2018–2024 i åtgärder som bland annat koldioxidinfångning, vind/sol och mer skrot i ljusbågsugnar.

Här är kärnan: även om bolaget visar aktivitet, handlar kritiken om tempo, trovärdighet och beslutskraft när de stora utsläppskällorna fortfarande är kopplade till kolbaserade masugnar.

Det som ofta missas: ”frivilligt” betyder inte ”tandlöst”

Det frivilliga upplägget skapar en märklig men effektiv dynamik:

• Bolag kan välja att delta – men att avstå kan bli en reputationsrisk.
• Processen kräver ofta bättre dokumentation, spårbarhet och målstruktur.
• Den driver fram en diskussion om mätbarhet: vad är faktiskt utsläppsminskning, och vad är omklassificering, minskad produktion eller avyttring?

I praktiken blir det ett stresstest av bolagets klimatstyrning. Och där kommer AI in.

Varför stål är en klimatknut – och varför AI passar just här

Stål står för cirka 9 % av världens växthusgasutsläpp. Den stora boven är den traditionella kedjan: masugn (kol/koks) som reducerar järnmalm till järn, följt av konvertering till stål.

ArcelorMittal driver 32 masugnar globalt, och ungefär tre fjärdedelar av produktionen är fortfarande kolbaserad. Det betyder att även små förbättringar i drift kan ge stora absoluta effekter – men också att felinvesteringar blir dyra och långlivade.

AI passar särskilt bra i stålindustrin av tre skäl:

1. Processerna är dataintensiva (temperaturer, tryck, energiflöden, kemisk sammansättning).
2. Energi är en av de största kostnaderna, vilket gör optimering affärskritisk.
3. Kvalitet och produktionsstabilitet är centralt – AI kan minska variation och svinn.

En tydlig ståndpunkt: mätning och optimering är inte ”nice to have”

Jag tycker många företag gör samma misstag: de pratar om vätgas och ny teknik (som behövs), men underskattar värdet av operativ AI i befintliga anläggningar. Du får inte nettonoll 2050 genom att bara vänta på perfekta policybesked. Du får det genom att pressa ner utsläppen varje kvartal, samtidigt som du bygger nästa produktionsplattform.

AI som motor i omställningen till grönt stål

Det snabbaste sättet att få momentum är att kombinera två spår: effektivisera dagens processer och minska riskerna i investeringar för grönt stål. AI kan bidra i båda.

AI för energieffektivisering i masugn och ljusbågsugn

Direkt utsläppsminskning kan börja med bättre styrning av det som redan finns:

• Prediktiv processtyrning: modeller som förutser hur ändringar i råvarumix eller syretillförsel påverkar energibehov och utsläpp.
• Anomali-detektering: upptäcka avvikelser tidigt (t.ex. ineffektiv förbränning, läckage, drift som driver upp koksförbrukning).
• Optimering av skrotinblandning i ljusbågsugn (EAF): maximera skrotandel utan att tappa kvalitet och öka kassation.

ArcelorMittal lyfter att skrotbaserad produktion utgör cirka 25 % (upp från 19 % 2018). AI kan göra den siffran mer värd genom att höja utbytet, minska energitoppar och förbättra kvaliteten – vilket i sin tur gör ”grönt stål” mer konkurrenskraftigt.

AI för att integrera förnybar el i tunga processer

EAF och vätgasbaserad järnframställning kräver stora mängder el. Utmaningen är inte bara tillgång, utan timing och pris.

Här gör AI konkret nytta:

• Lastprognoser på minut- och timnivå för att planera körscheman.
• Prisoptimering mot elmarknadens variationer.
• Styrning av flexibilitet: när kan anläggningen dra ner, flytta eller modulera last utan att produktkvaliteten påverkas?

Det här är en av de mest underskattade broarna mellan energi och industri. Smarta elnät och industrins flexibilitet är två sidor av samma mynt.

AI för utsläppsmonitorering som tål granskning

När anmälningar och granskning ökar blir frågan: kan du bevisa dina framsteg? Inte med en powerpoint, utan med datalinjer.

AI och modern dataplattform kan ge:

• Nära realtids-beräkning av CO₂-intensitet per ton stål, per anläggning, per produkt.
• Spårbarhet av vad som driver utsläpp (råvara, energikälla, driftläge).
• Scenarioanalys: vad händer med utsläpp och kostnad om elpriset stiger, om skrotkvaliteten varierar, eller om vätgasleveranser blir oregelbundna?

Detta är särskilt relevant när utsläppsminskningar annars riskerar att förklaras av saker som minskad produktion eller avyttring av verksamheter, snarare än tekniska förbättringar.

En bra klimatstrategi är en strategi som går att revidera utan att rasa. Det kräver data, uppföljning och tydliga antaganden.

Från vätgasdröm till investeringsbeslut: så minskar AI risken

ArcelorMittal har mål om nettonoll 2050 och ambitioner kring vätgasbaserad järnproduktion, men har samtidigt skjutit upp ett större investeringsbeslut i Spanien med hänvisning till ekonomiska motvindar och osäkerhet kring policy och marknad.

Det är begripligt. Vätgas, elnätskapacitet, tillstånd, stödmodeller och kundpremier är osäkra variabler.

Men här blir AI ett verktyg för att gå från ”vi väntar” till ”vi fattar beslut med kontroll”:

Digitala tvillingar för grönt stål

En digital tvilling av produktionen (process + energi + underhåll) gör det möjligt att testa:

• Hur olika vätgaspriser påverkar styckkostnaden.
• Hur elmixens utsläppsfaktor slår på produktens klimatavtryck.
• Vilken kapacitetsfaktor som krävs för att investeringen ska bära sig.

Det är inte magi. Det är ett bättre kalkylblad med fysik, data och sannolikhet.

Prediktivt underhåll som frigör både pengar och utsläppsbudget

I tunga anläggningar finns ofta en dold klimatpost: oplanerade stopp och kvalitetsproblem som leder till omkörningar, skrot och extra energianvändning.

AI för prediktivt underhåll kan:

• minska stillestånd,
• stabilisera processen,
• minska behovet av ”säkerhetsmarginaler” i energiförbrukning.

Det är inte lika sexigt som vätgasrubriker – men det syns i både marginal och klimatdata.

Praktisk checklista: vad bör industriföretag göra 2026?

Om du sitter på industri-, energi- eller hållbarhetsansvar i Sverige och vill ligga före nästa våg av granskning (från kunder, investerare eller civilsamhälle) är detta en rimlig ordning att jobba i:

1. Sätt en mätbar CO₂-intensitetsmodell per produktlinje (inte bara per koncern).
2. Bygg ett datalager för energi + process + kvalitet så att du kan koppla utsläpp till drift.
3. Prioritera 3–5 AI-use cases som ger effekt inom 90–180 dagar (t.ex. anomali-detektering, lastprognos, optimerad skrotmix).
4. Inför styrning för modellrisk: versionshantering, audit-loggar, ansvariga roller.
5. Knyt AI-arbetet till CapEx-beslut: digital tvilling som standard i investeringsunderlag.

Det här är också ett bra svar när frågan kommer: ”Vad gör ni konkret – och hur vet ni att det fungerar?”

Vad händer nu – och varför det angår fler än ArcelorMittal

OECD:s nationella kontaktpunkt i Luxemburg väntas bedöma anmälan inom ungefär tre månader, och om bolaget går in i processen kan dialogen pågå i allt från ett halvår till flera år.

Men effekten kommer tidigare: pressen flyttar normen. Kunder börjar ställa hårdare krav på klimatdata. Banker och investerare vill se mer än långsiktiga mål. Och industrin behöver visa att man kan leverera verklig utsläppsminskning utan att vänta på perfekta förutsättningar.

För serien AI inom energi och hållbarhet är det här ett tydligt exempel på varför AI inte ska behandlas som en ”innovationshörna”. AI är verktyget som gör klimatstyrning operativ: den kopplar ihop el, process, kostnad och utsläpp i samma beslutsrum.

Nästa steg är att ställa den obekväma, men nödvändiga frågan: Om stålbolag med enorma resurser inte kan visa snabbare utsläppsminskningar – vilka krav kommer då marknaden att ställa på resten av industrin, och vem är redo att svara med data?