AI och vätgas: därför stoppas projekt – och vad du gör

Ett av världens största planerade “låga koldioxid”-vätgasprojekt skulle byggas i Baytown, Texas, mitt i en av USA:s mest tunga raffinaderi- och petrokemikluster. Nu är det pausat. Inte för att tekniken saknas, utan för att affären inte går ihop när policy, pris och kundkontrakt faller isär.

Det här är en nyttig reality check för alla som jobbar med energiomställning – även i Sverige. För när ett storbolag inte kan säkra avsättning för blå vätgas (naturgas + koldioxidinfångning) trots planerad storskalighet, då är budskapet tydligt: vätgas skalar inte på visioner. Den skalar på data, avtal, riskkontroll och systemtänk.

I vår serie AI inom energi och hållbarhet använder jag Exxons stoppade satsning som fallstudie för att visa vad som faktiskt går fel i storskaliga lågkoldioxidprojekt – och hur AI kan minska sannolikheten att du investerar i fel kapacitet, på fel plats, vid fel tid.

Varför stoppas jättesatsningar på lågkoldioxidvätgas?

Kort svar: För att vätgasprojekt i gigawattskala kräver stabil policy, långa kundkontrakt och en prispremie som marknaden sällan vill betala.

Exxon planerade en anläggning med kapacitet att producera 1 miljard kubikfot vätgas per dag (blå vätgas). Projektet hade tidigare säkrat ett statligt stöd på cirka 332 miljoner dollar, men stödet drogs tillbaka under 2025. När finansieringen försvann återstod den svåraste delen: offtake, alltså bindande köpeavtal.

Exxons vd beskrev problemet rakt: det saknades kunder som vill betala extra. Och det är logiskt.

“Blå” vätgas är ofta dyrare än “grå”

Blå vätgas (med CCS) kostar i praktiken ofta mer än grå vätgas (utan utsläppsminskning). I artikeln lyfts en tumregel: blå vätgas kan kosta omkring en tredjedel mer än grå. Om slutkunden inte får ett tydligt affärsvärde (eller tvingas av styrmedel), blir premien svår att bära.

I energimarknaden vinner nästan alltid det som är:

• billigare
• enklare att upphandla
• lätt att få finansiering för

Vätgas är sällan alla tre samtidigt.

Policy-ryckighet slår hårdare än teknikrisk

När stödprogram stängs och skatteincitament förändras, påverkar det inte bara kalkylen. Det påverkar kundernas vilja att skriva långa kontrakt. Vätgasprojekt behöver ofta 10–20-åriga offtakeavtal för att finansieras. Om kunderna tror att regelverket ändras igen, väntar de hellre.

En mening att komma ihåg: Vätgasmarknader byggs av kontrakt, inte pressmeddelanden.

Den obekväma lärdomen: efterfrågan är flaskhalsen

Huvudpoängen: Det är inte produktionen som är det största hindret – det är att få någon att köpa vätgasen till rätt pris, under rätt villkor.

Det är frestande att prata om “utbud”: fler elektrolysörer, större CCS, större hubbar. Men Exxons fall visar att efterfrågesidan ofta är där projekt dör.

Varför vill kunder inte binda sig?

För industrikunder (stål, kemi, raffinaderier, sjöfart) handlar vätgasbeslut om tre risker:

1. Prisrisk: elpris, gaspris, CO₂-pris och logistik kan dra åt olika håll.
2. Regelrisk: definitioner av “låg koldioxid”, krav på metanläckage och rapportering skärps.
3. Leveransrisk: ny infrastruktur, ny driftmodell, nya flaskhalsar.

Om du sitter som inköpare och ska skriva ett offtakeavtal är frågan enkel: Vad händer om jag sitter fast i en dyr råvara om 3 år?

EU:s regelutveckling skärper kraven även globalt

EU har under 2020-talet successivt skärpt synen på vad som räknas som lågkoldioxidvätgas, inklusive krav på hög infångningsgrad och mer rigorös redovisning av metanläckage uppströms. Det påverkar i praktiken även leverantörer utanför EU, eftersom europeiska kunder och investerare vill kunna räkna hem klimatnytta i sin rapportering.

För svenska aktörer som vill sälja till europeisk industri blir slutsatsen: mätbarhet och spårbarhet är inte “nice to have” – det är marknadstillträde.

Där AI faktiskt gör skillnad: från magkänsla till riskstyrning

Kärnan: AI minskar osäkerheten i de tre saker som fäller vätgasprojekt: efterfrågan, prissättning och drift.

När jag pratar med energibolag och industrikoncerner ser jag ett återkommande mönster: man har bra ingenjörer och bra Excel-filer, men man saknar en gemensam “sanning” om framtiden. AI ersätter inte strategi – men AI kan göra strategin mindre gissningsbaserad.

1) AI för prognoser av efterfrågan och offtake

För att få bankerna med dig måste du visa att det finns kunder. AI kan hjälpa till genom att:

• modellera sannolik offtake per segment (t.ex. sjöfart, raffinaderi, ammoniak)
• analysera historik för energipriser, CO₂-kostnader och kapacitetsutnyttjande
• simulera policy-scenarier (t.ex. hårdare utsläppskrav, nya incitament)

Praktiskt blir det ett beslutsstöd som svarar på: Vilka kunder kan skriva kontrakt, på vilka volymer, vid vilket prisintervall – och när?

2) AI för prissättning och kontraktsdesign

Många vätgasaffärer faller på att priset är “fast” medan kostnaderna är rörliga. AI-baserade modeller kan föreslå kontraktsmekanismer som delar risk bättre, till exempel:

• prisindexering mot elpris (för grön vätgas) eller gaspris (för blå)
• trösklar för CO₂-pris och incitament
• volymflex (min/max) kopplat till produktionsutfall

Resultatet är inte bara bättre marginaler – det är högre sannolikhet att affären blir av.

3) AI för driftoptimering: högre nyttjandegrad, lägre kostnad

Vätgas är känslig för driftstörningar. AI kan användas till:

• prediktivt underhåll (kompressorer, elektrolysstackar, CCS-utrustning)
• optimering av lastprofil för att utnyttja timmar med låga elpriser
• integrering med batterier och flexibilitetsmarknader

I klartext: AI kan pressa kostnad per kg vätgas genom att höja tillgänglighet och styra produktionen smartare.

Smartare systemtänk: vätgas + elnät + industri

Nyckeln: Vätgasprojekt blir stabilare när de planeras som del av ett energisystem – inte som en fristående fabrik.

I Sverige pratar vi ofta om vätgas i relation till fossilfritt stål, raffinaderier och framtida e-bränslen. Men samma logik gäller här som i Texas: om du inte löser integrationen mot elnät och industriella processer blir vätgasen dyr.

AI i smarta elnät: att göra vätgas till en resurs, inte en belastning

Ett stort problem är att elektrolys kan dra enorm effekt. Med AI-styrning kan elektrolysanläggningar fungera som flexibel last:

• kör mer när det finns överskott av vindkraft
• kör mindre när nätet är pressat
• leverera stödtjänster där det är möjligt

Det är ett av de tydligaste broarna mellan vätgas och AI inom energi och hållbarhet: prognoser + optimering = lägre systemkostnad.

Scenario: industriell hubb i Norden

Tänk en kustnära industrizon i Norden med:

• vindkraft (land/hav)
• elektrolys
• lagring (saltkavern, trycktankar)
• industriell förbrukare (ammoniak, stål, raffinaderi)
• hamnlogistik

AI kan då optimera hela kedjan: elinköp, drift, lagring, leverans. Det minskar risken att du sitter med dyr vätgas när kunden inte behöver volymen – eller att kunden saknar volym när de behöver den.

Vad du kan göra nu: en checklista för vätgasprojekt 2026

Poängen: De flesta projekt behöver en “AI-klar” plan redan innan investeringsbeslutet.

Här är en konkret lista jag själv använder när jag bedömer om ett vätgasinitiativ har chans att bli verklighet:

1. Bygg en offtake-pipeline som en säljprocess, inte som ett antagande

   • definiera 10–20 målkunder
   • rangordna dem efter sannolikhet att skriva 5–15-årigt avtal

2. Skapa en datamodell för kostnad per kg vätgas i 50+ scenarier

   • el/gas, CO₂, utnyttjandegrad, CAPEX, ränta

3. Lägg in policy som en variabel, inte som fotnot

   • krav på utsläppsintensitet, spårbarhet, metanläckage

4. Planera för flexibilitet i drift och kontrakt

   • min/max-volymer, indexering, optioner

5. Sätt upp mätbarhet från dag 1

   • datainsamling, emissionsbokföring, rapportering

Det här är exakt där AI-team, data scientists och energistrateger bör sitta vid samma bord. Annars får du en organisation som kan bygga anläggningen – men inte kan sälja produkten.

När “stoppade projekt” blir en konkurrensfördel

Exxons pausade anläggning är inte bara en amerikansk nyhet. Den är en signal om hur 2026 kommer se ut: färre symbolprojekt, fler krav på lönsamhet och spårbar klimatnytta.

För svenska och nordiska aktörer finns en öppning här. Den som tidigt kan kombinera AI-driven prognostik, optimerad drift och robust emissionsdata kommer ha lättare att säkra finansiering och kundkontrakt – även när politiken svajar.

Om du jobbar med energi, industri eller infrastruktur: vilka beslut tar du just nu som bygger på antaganden du inte längre kan försvara med data? Och vad skulle hända om du lät AI stresstesta planen innan marknaden gör det åt dig?