AI och vätgas: så bygger regioner robusta projekt

Ohio är inte den mest självklara platsen att leta efter nästa kapitel i den gröna omställningen. Ändå är det precis där man ser en lärdom som fler energibolag och industriföretag borde ta på allvar: när den federala politiken svajar fortsätter de regionala vätgasprojekten ändå – men bara de som har en trovärdig affär, rätt partners och en plan för osäkerhet.

Det här är extra relevant 2025-12-21, när många organisationer sitter med budgetar för 2026 och försöker avgöra vilka hållbarhetsinvesteringar som faktiskt går att skala. Vätgas hamnar ofta i mitten av diskussionen: nödvändig för vissa utsläppsintensiva processer, men dyr, komplex och beroende av styrmedel.

Här kommer min ståndpunkt: vätgasens framtid avgörs mindre av stora utspel och mer av operativ excellens. Och där blir AI en praktisk verktygslåda – inte en vision – för att göra projekt bankbara, driftsäkra och mätbara även när stödprogram ändras.

Varför vätgas fortsätter trots politisk osäkerhet

Nyckeln är att de projekt som rullar vidare inte drivs av ”bidragslogik”, utan av konkreta problem som måste lösas. I Ohio ser vi flera sådana drivkrafter.

För det första: industrin behöver alternativ där elektrifiering är svår eller dyr. Vätgas passar i delar av den svårelektrifierade ekonomin – exempelvis högtemperaturvärme i vissa industriprocesser och vissa tunga transporter.

För det andra: efterfrågan uppstår ofta lokalt. Det är lätt att prata nationella mål, men i praktiken är det lokala kunder, lokala nätbegränsningar, lokala leverantörer och lokala tillstånd som avgör tempo.

För det tredje: det finns redan ”startsträckor” byggda. I Ohio har forsknings- och demonstrationsmiljöer (som vätgasstationer kopplade till fordonsforskning) skapat kompetens, relationer och en förmåga att genomföra projekt även när finansieringskartor ritas om.

En region som kan leverera drift, säkerhet och kunder kan fortsätta även när stöden hackar.

Ohio som fallstudie: tre typer av projekt som faktiskt går att bygga

Ohio visar att vätgas inte är en enda marknad, utan flera – med olika riskprofiler. I materialet framträder särskilt tre spår.

1) Bränsleceller för ”speed to power” i datacenter

Datacenter bryr sig mer om tid till effekt än om perfekta framtidsscenarier. I Ohio planerar en elaktör att använda bränsleceller för att få fram kapacitet snabbare för stora kunder. Initialt kör systemen på naturgas, med ett uttalat framtidsspår mot vätgas.

Det här är kontroversiellt, men logiskt: nätanslutningar och effektbrist är flaskhalsar. Bränsleceller kan bli en bro – men bara om man samtidigt bygger en trovärdig plan för hur bränslet ska ställas om och hur utsläpp ska följas upp.

AI-vinkeln:

• prognoser för lastprofiler (minutnivå) och redundansbehov
• optimering av driftstrategi: när ska bränslecellen gå, när ska man köpa från nätet, när ska man reducera last?
• automatiserad MRV (measurement, reporting, verification) för utsläpp och bränslemix

2) Mobilitet där batterier inte räcker hela vägen

För personbilar är batterier ofta det mest rationella. Det sägs också rakt ut i Ohio-sammanhanget. Men för tunga fordon, bussar, vissa arbetsmaskiner och i vissa fall sjöfart/flyg finns det användningsfall där vätgas och bränsleceller kan vara rimliga.

Utmaningen är inte bara tekniken – det är infrastrukturen: tankning, logistik, standarder, säkerhet, service.

AI-vinkeln:

• rutt- och tankningsoptimering för fordonsflottor
• prediktivt underhåll av kompressorer, dispenser-system och bränsleceller
• lokalisering: var ger en tankstation maximal nyttjandegrad givet verkliga flöden?

3) ”Vätgas från spill”: industriella restströmmar

Ett av de mer intressanta spåren är vätgas som kommer från industriella restströmmar (till exempel en kemisk process som redan släpper ut nästan ren vätgas i en spillgas). Affären blir då att rena, torka och komprimera gasen, och sälja den.

Det här bryter mot den förenklade “vätgasregnbågen” (grön/blå/grå) och tvingar fram en bättre fråga: vad är klimatnyttan i systemet, och vad hade hänt med gasen annars?

AI-vinkeln:

• kvalitetsmodellering: prediktera föroreningar och variation i inflöde
• styrning av reningssteg för att minimera energiförbrukning
• kontrakts- och volymprognoser för att säkra offtake

Där vätgasprojekt går sönder: efterfrågan, pris och trovärdig MRV

De flesta vätgasprojekt faller inte på elektrolysören. De faller på kunden. I Ohio återkommer samma problem som i Europa: ”jag behöver en offtaker”. Utan långsiktiga avtal är det svårt att räkna hem anläggningar, logistik och infrastruktur.

Tre faktorer avgör om en vätgassatsning blir robust:

1. Säkrad efterfrågan (offtake)

   • Minimikvantiteter, prisformel, indexering, och tydliga leveransvillkor.

2. Total kostnad per kg levererad vätgas

   • Inte bara produktionskostnad. Även komprimering, lagring, transport, förluster och stationstillgänglighet.

3. Trovärdig utsläppsredovisning (MRV)

   • Kunder och finansiärer vill veta utsläpp per kg (och hur det räknats), inte bara “lågt koldioxidavtryck”.

Om du inte kan mäta kostnad och klimatnytta per kg levererad vätgas, får du betalt som om du inte vet.

AI i vätgasekonomin: från buzz till verktyg som sänker risk

AI hjälper inte vätgas genom att ”förutsäga framtiden”, utan genom att minska osäkerheten här och nu. När federala stöd är otydliga blir bankbarhet, riskreduktion och effektiv drift ännu viktigare.

Prognoser som gör investeringar tryggare

Vätgas är ett kedjeprojekt: el → produktion → lagring → logistik → kund. Små felantaganden blir stora pengar.

AI används praktiskt för:

• elprisprognoser och optimerad körning av elektrolys (”kör när elen är billig och ren”)
• efterfrågeprognoser per kundsegment (transport, industri, reservkraft)
• scenarioanalys: vad händer med marginalen om nyttjandegrad går från 55 % till 35 %?

Optimering av drift och energiförbrukning

Komprimering och kylning kan äta upp affären. Här gör datadriven optimering skillnad.

Exempel på styrparametrar som AI kan optimera i realtid:

• elektrolysörens lastpunkt (effektivitet vs livslängd)
• trycknivåer i lagring för att minska kompressorarbete
• underhållsfönster baserat på vibration, temperatur och driftmönster

MRV som överlever policyförändringar

När regelverk och stöd ändras blir spårbarhet en konkurrensfördel.

AI + sensordata + transaktionsdata kan bygga en MRV-kedja där du kan svara på:

• vilken elmix användes vid produktion?
• vilka förluster uppstod i komprimering och transport?
• vilket utsläppsvärde gäller per leveransbatch?

Det här är exakt den typen av ”tråkig” kapacitet som gör att projekt fortsätter även när stöden inte gör det.

Praktisk checklista: så gör du ett vätgasprojekt mindre stödkänsligt

Målet är att kunna överleva på marknadsvillkor, även om styrmedel ändras. Här är en konkret lista jag brukar utgå från.

1. Designa från kunden bakåt

   • Skriv ner kundens krav på leveranssäkerhet, trycknivå, renhet och pris – innan du väljer teknik.

2. Säkra en “minsta möjliga” offtake tidigt

   • Hellre en mindre volym med bindande villkor än en stor “avsiktsförklaring”.

3. Bygg en AI-driven driftmodell från dag 1

   • Bestäm vilka sensorer som krävs, dataplattform, och vilka optimeringsmål som ska följas upp varje vecka.

4. Räkna på levererad vätgas, inte producerad

   • Ta med komprimering, lagring, boil-off/förluster, och distribution. Det är där verkligheten bor.

5. Gör MRV till en produkt, inte en rapport

   • Kunden ska kunna få utsläpp per leveransbatch som en del av avtalet.

6. Planera för ”bränsleflexibilitet” utan att greenwasha

   • Om du startar med naturgas (som i vissa bränslecellsupplägg): definiera tydliga trappsteg, tekniska krav och mätpunkter för omställning.

Vanliga frågor (som beslutsfattare faktiskt ställer)

Är vätgas rätt för alla?

Nej. Direkt elektrifiering är oftast billigare och effektivare när den är möjlig. Vätgas passar bäst där el inte räcker till (energidensitet, driftprofil, högtemperatur, vikt, lagring över tid).

Är ”lokal vätgas” alltid bättre?

Inte alltid, men ofta. Lokal produktion kan minska transportkostnad, förenkla tillstånd och öka resiliens. Men den kräver stabil elförsörjning och bra nyttjandegrad.

Vad ska jag mäta för att veta om projektet går åt rätt håll?

Tre KPI:er som alltid fungerar:

• SEK per kg levererad vätgas (total kostnad)
• kg CO₂e per kg H₂ (MRV-baserat)
• tillgänglighet (%) för kritisk utrustning (produktion, komprimering, tankning)

Nästa steg: vätgas + AI som verklig affär 2026

Ohio-fallet visar att vätgas inte dör av politisk turbulens – men den tvingas växa upp. Projekt som saknar offtake, spårbarhet eller driftlogik blir stående. De som kan leverera mätbar nytta per krona fortsätter.

I vår serie AI inom energi och hållbarhet kommer vi tillbaka till samma mönster om och om igen: AI är som bäst när den gör energisystem mer förutsägbara, mer optimerade och mer transparenta. Vätgas är inget undantag.

Vill du ta nästa steg? Börja med att inventera var osäkerheten i ditt vätgascase faktiskt sitter: pris, volym, el, drift eller rapportering. När du kan peka ut den svagaste länken kan du också bestämma var AI ger snabbast effekt.

Vilken del av din vätgaskedja är mest sårbar för 2026 – efterfrågan, elpriser eller tillstånd och rapportering?