Amerikansk sol under press: där AI gör skillnaden

Dallas, Texas: en fabrik som kan spotta ur sig solpaneler i upp till 5 gigawatt per år. Robotar rullar fram material, människor övervakar kvalitet, och produktionen går i två 12-timmarsskift. Samtidigt slår politiken om – snabbt. Det är ungefär där T1 Energy befinner sig just nu, och deras satsning säger något viktigt om energimarknaden 2025: efterfrågan på el och förnybart växer snabbare än vad regler och incitament hinner stabilisera sig.

Det här spelar roll även för oss i Sverige. Inte för att vi ska kopiera Texas, utan för att mönstret är bekant: osäkerhet i styrmedel, pressade leveranskedjor, och en elmarknad som ska hantera mer elektrifiering, fler datacenter och mer väderberoende produktion. Mitt perspektiv i den här delen av serien ”AI inom energi och hållbarhet” är tydligt: när politiken vacklar blir AI och dataarbete det som håller ihop affären – från planering och inköp till drift, underhåll och nätintegration.

Varför T1:s fabrik i Texas är en varningsklocka (och en möjlighet)

Kärnpunkten: T1 visar att solenergi kan fortsätta byggas ut även när regelverket blir mer oförutsägbart – men bara om bolag blir bättre på att hantera risk med data, automation och snabb omställning.

T1:s anläggning (15 miles söder om Dallas) producerade enligt reportaget över 20 000 moduler på en dag under ett besök i oktober 2025. Planen var att nå cirka 3 GW under 2025, men kapaciteten i tempo och arbetssätt ligger på 5 GW/år när linorna är intrimmade.

Det intressanta är inte bara volymen. Det är att fabriken rör sig i en miljö med:

• ”Policy whiplash” – snabba svängningar i amerikansk energipolitik
• Nya regler kopplade till ägande och ursprung i leveranskedjan (så kallade FEOC-regler)
• En marknad där storskalig sol (utility-scale) växer, medan villamarknaden kan svaja

Det T1 gör bra (och som fler borde kopiera) är att de bygger en strategi som klarar att byta spår utan att stänga ner: pausa en linje för mindre paneler och ställa om mot större volymer för storskaliga projekt. I praktiken är det en operations-fråga. Och operations blir allt mer en AI-fråga.

Policyosäkerhet gör “förutsägelse” till en konkurrensfördel

I osäkra styrmedel är det frestande att vänta. Men väntan kostar.

När du investerar i tillverkning, lager och kontrakt vill du ha något som liknar en stabil framtid. Om den inte finns politiskt måste den skapas operativt:

• bättre prognoser för efterfrågan
• snabbare beslutsloopar
• mer flexibel produktion

Det är här AI passar naturligt: AI ersätter inte politiken, men minskar friktionen när politiken skapar turbulens.

Det verkliga spelet: leveranskedjan, inte panelen

Kärnpunkten: Panelmontering är den ”lätta” delen. Det som avgör robusthet och lönsamhet är celler, wafers och polysilikon – och hur väl du styr detta med data.

Reportaget sätter fingret på en sak som många missar när de pratar om ”inhemsk sol”: en solpanel är slutprodukten i en lång kedja. Att montera moduler är kapitalintensivt men mer standardiserat. Att bygga en inhemsk kedja för solceller och tidigare steg kräver mer teknik, mer kapital och mer tålamod.

T1 gör två tydliga drag:

1. De säkrar material: avtal för USA-tillverkad polysilikon och plan att byta till USA-tillverkade stålramar.
2. De flyttar upp i värdekedjan: plan på en cellfabrik för 400 miljoner dollar i Rockdale, Texas med mål om 2,1 GW cellproduktion till slutet av 2026 (och ytterligare expansion i nästa fas).

Dessutom tar de en minoritetsandel i Talon PV som bygger en 4,8 GW cellfabrik i Baytown, med siktet på produktion i början av 2027.

Var AI kommer in i supply chain: tre praktiska användningar

1) Prognoser som kopplar ihop marknad och inköp När storskalig sol växer, men vissa segment bromsar (som villa), behöver inköp och produktion nya signaler. AI-modeller kan kombinera:

• orderstock
• pris- och ränteläge
• nätanslutningsköer
• regionala byggstarter

… och skapa bättre ”scenario-planering” än traditionella Excel-cykler.

2) Riskanalys för ursprung och compliance När regler kopplas till ägarstruktur och ursprungsland blir spårbarhet affärskritiskt. AI kan användas för att:

• klassificera leverantörsrisker
• flagga kontrakt som riskerar att tappa stöd/credits vid regeländring
• automatisera dokumentgranskning och audit-underlag

3) Optimering av lager och ledtider Solprojekt är ofta tajta på tid. Fel lagerbeslut ger antingen kapitalbindning eller produktionsstopp. AI-baserad lageroptimering kan minska båda.

Fabriken som dataproblem: kvalitet, energi och underhåll

Kärnpunkten: En modern solpanelfabrik är lika mycket ett dataflöde som ett materialflöde. AI gör kvalitet och driftsäkerhet mätbar, snabb och billigare.

T1:s fabrik beskrivs som högautomatiserad, med maskiner som skär och sammanfogar celler, laminerar mellan glas, sätter ramar och kör härdning i hög temperatur. Det här är en miljö där små avvikelser kan bli stora kostnader.

AI för kvalitetskontroll: från stickprov till 100% insyn

Ett konkret exempel i reportaget är en medarbetare som granskar skanningar av celler för kvalitet. Det här är en klassisk ingång för datorseende (computer vision):

• upptäcka mikro-sprickor
• identifiera laminatdefekter
• klassificera feltyper och koppla dem till maskininställningar

När det görs rätt får du två vinster samtidigt:

1. Färre reklamationer och bättre yield
2. Snabbare root-cause: du ser vilken station som börjar drifta innan skrotprocenten sticker

Prediktivt underhåll i produktion som aldrig sover

Två 12-timmarsskift per dygn innebär att stopp blir dyra. AI-baserat prediktivt underhåll handlar mindre om ”fancy algoritmer” och mer om disciplin:

• sensordata (vibration, temperatur, ström)
• konsekvent loggning av fel och åtgärder
• modeller som varnar när ett beteende avviker

I praktiken räcker det ofta med enkla anomalidetektorer och bra process kring åtgärd. Det är där många industriprojekt faller – inte i matematiken.

Energioptimering i fabriken: ett bortglömt hållbarhetsspår

Solpaneler ska vara klimatnytta, men fabriker använder också energi. AI kan optimera:

• ugnar/härdning (temperaturprofiler)
• tryckluftssystem
• laststyrning mot effekttoppar

För en tillverkare blir det inte bara ”hållbarhet”. Det blir lägre kostnad och lägre risk för nätavgifter och effektproblem.

Ett smartare elnät behöver mer än fler paneler

Kärnpunkten: Mer sol kräver bättre planering, prognoser och flexibilitet i elnätet – och där är AI en nyckel för både producenter och nätbolag.

T1:s argument är att sol är det mest skalbara sättet att möta en trend: ökad elanvändning. Den trenden syns även i Europa – elektrifiering av industri, transporter och uppvärmning plus tillväxt i datacenter.

Men solens styrka (snabb och billig utbyggnad) skapar också en systemutmaning: variationen. Lösningen är inte att bromsa sol, utan att bygga ett elsystem som kan ta emot den.

Tre AI-områden som gör sol “lättare” för nätet

1. Korttidsprognoser (15 min–48 h)

   • bättre driftbeslut
   • mindre behov av dyr reserv

2. Flexibilitetsstyrning (batterier, last, avtal)

   • matcha produktion med konsumtion
   • minska nätträngsel

3. Kapacitetsplanering och nätutbyggnad

   • prioritera rätt investeringar
   • hitta flaskhalsar tidigare

Det här är också en svensk verklighet: nätkapacitet och anslutningstider är ofta det som begränsar projekt, inte själva solparken.

Praktisk checklista: så bygger du en solstrategi som tål “policy whiplash”

Kärnpunkten: Resiliens är en designfråga. Du kan planera för osäkerhet med tydliga dataflöden, scenarier och operativ flexibilitet.

Oavsett om du jobbar på ett energibolag, en industrikoncern, en fastighetsägare eller ett bolag som utvecklar solprojekt är detta en rimlig start:

1. Bygg scenarier, inte en plan

   • minst tre: bas, stram policy, expansiv policy

2. Gör leveranskedjan mätbar

   • spårbarhet, riskklassning, alternativleverantörer

3. Sätt KPI:er som kopplar kvalitet till ekonomi

   • yield, skrot, reklamationsgrad, stopptid

4. Inför AI där data redan finns

   • kvalitetskontroll, underhåll, prognoser

5. Säkra kompetens: data + el + drift

   • de bästa teamen blandar produktion, elkraft och dataanalys

En enkel tumregel: Om du inte kan förklara hur en regeländring slår på din produktion inom 24 timmar, har du ett dataproblem.

Vad T1-lärdomen betyder för svensk energi och hållbarhet 2026

Amerikansk solindustri byggs just nu i ett tempo som är svårt att ignorera, samtidigt som politiken blir mindre förutsägbar. Det T1 gör rätt är att behandla osäkerhet som något som går att hantera, inte bara lida av. De investerar i kapacitet, flyttar upp i leveranskedjan och skapar strukturer som klarar nya regler.

För oss som jobbar med AI inom energi och hållbarhet är slutsatsen praktisk: AI är inte ett sidoprojekt. Det är ett sätt att göra förnybar energi stabilare, billigare och mer styrbar – från fabriksgolvet till elnätets sista kilometer.

Om du vill skapa leads, investeringsunderlag eller en intern färdplan: börja med en inventering av var ni har mest friktion idag – prognoser, kvalitet, underhåll eller nätbegränsningar – och välj ett AI-case som kan bevisa värde på 8–12 veckor. Vilket område i din organisation skulle tåla minst en till säsong av “policy whiplash” utan att ni tappar fart?