Elbilar tar över – och AI gör laddningen smartare

För bara åtta år sedan toppade världens försäljning av rena bensin- och dieselbilar på 79,9 miljoner fordon (2017). Sedan dess har kurvan vänt nedåt. 2024 såldes 54,8 miljoner rena förbränningsbilar globalt – en minskning med 31 % från toppen.

Samtidigt har elbilar gått från ”intressant nisch” till massmarknad. Nästan 11 miljoner elbilar såldes globalt under 2024, plus 6,5 miljoner laddhybrider. Det är en förändring som inte bara påverkar bilindustrin – den pressar fram ett helt nytt tänk kring elnät, laddinfrastruktur och hur vi planerar energisystem. Och här blir AI inom energi och hållbarhet mer än en trend: det blir ett praktiskt verktyg.

Det här inlägget är en del av vår serie om AI inom energi och hållbarhet. Min tes är enkel: elbilar vinner på marknaden, men AI avgör om systemet runt dem blir effektivt eller rörigt.

Varför förbränningsbilen redan passerat sin topp

Svaret: Förbränningsbilens ”peak” är ett marknadsskifte, inte en moralisk debatt. När volymerna faller med 31 % från rekordnivån samtidigt som elbilar växer i miljoner per år, förändras investeringar, produktplaner och andrahandsvärden.

Det intressanta är takten. 2017 – när förbränningsbilarna stod som starkast – såldes globalt bara 800 000 elbilar och 400 000 laddhybrider. På mindre än ett decennium har elbilar blivit ett av bilmarknadens mest volymdrivande segment.

Kina driver volym – och sätter tempot

Svaret: Kina är den stora anledningen till att elbilsförsäljningen växer så snabbt globalt.

När världens största bilmarknad och största elbilstillverkande ekosystem rör sig åt ett håll får resten av världen antingen hänga med eller hamna på efterkälken i kostnad, produktutbud och batteriförsörjning. Prognoser pekar på att omkring 60 % av nya bilar i Kina 2025 är elektriska, och att andelen kan nå 80 % till 2030.

För svenska företag spelar det här roll även om man inte säljer bilar. Leverantörskedjor, råvarustrategier, logistikflöden och elbehov påverkas. Det är här många missar helheten: elbilen är inte bara ett fordon – den är en ny typ av flexibel last i elsystemet.

”Elbilar dominerar” betyder inte att bensinbilar försvinner i morgon

Svaret: Fordonsflottan byts ut långsamt även när nyförsäljningen förändras snabbt.

Även om elbilar tar majoriteten av nyförsäljningen i fler länder kommer äldre förbränningsbilar rulla i många år. Det ger en övergångsperiod där vi har:

• Ökande elbehov från laddning
• Fortsatt behov av flytande bränslen för delar av flottan
• Ett växande tryck på städer, fastigheter och arbetsplatser att ordna laddning

Det är precis i den här ”dubbelvärlden” som AI gör mest nytta: när vi måste optimera ett system som fortfarande innehåller flera tekniker samtidigt.

Elbilsboomen blir en fråga om elnät – inte bara laddstolpar

Svaret: Den största utmaningen är inte att sätta upp fler laddare, utan att undvika effekttoppar och nätköer när många laddar samtidigt.

I Sverige har vi redan en verklighet med kapacitetsutmaningar i vissa områden, samtidigt som elektrifieringen fortsätter (industri, transporter, uppvärmning). Elbilar adderar en ny stor last, men med en viktig skillnad: laddning kan ofta flyttas i tid.

När laddning inte styrs smart händer tre saker:

1. Effekttopparna ökar (många pluggar in efter jobbet)
2. Nätavgifter och effekttariffer slår hårdare för fastigheter och företag
3. Mer nätutbyggnad krävs tidigare än nödvändigt

Det här är dyrt. Och onödigt – om vi använder data och styrning.

Från ”dum” laddning till smart laddning med AI

Svaret: AI kan prognostisera, planera och styra laddning så att den passar både användare och elnät.

I praktiken handlar AI (och maskininlärning) om tre typer av beslut:

• Prognoser: När kommer bilarna? Hur mycket behöver de laddas? Hur ser elpriset ut kommande timmar?
• Optimering: Hur fördelar vi effekt mellan 10, 50 eller 500 laddpunkter utan att spräcka en säkring eller effektgräns?
• Styrning i realtid: Vad gör vi när något ändras – en bil behöver åka tidigare, elpriset sticker, en säkring löser ut?

Det fina är att smart laddning ofta kan införas stegvis: först enkla regler, sedan datadriven optimering, sedan mer avancerad realtidsstyrning.

En enkel tumregel: det är nästan alltid billigare att styra 1 kW smart än att bygga 1 kW nätkapacitet snabbt.

Där AI ger snabbast effekt: företag, fastigheter och flottor

Svaret: Organisationer med många bilar eller många parkeringsplatser får mest ROI eftersom de kan samordna beteendet.

Privat hemmaladdning är viktig, men de stora systemvinsterna kommer när laddning sker i kluster: arbetsplatser, bostadsrättsföreningar, logistiknav och kommunala depåer.

1) Arbetsplatsladdning som energitjänst

Svaret: Med AI-styrning kan arbetsplatsen erbjuda ”tillräcklig laddning” till fler – utan att höja huvudsäkringen.

Exempel på vad som optimeras:

• Prioritet för de som pendlar längst
• Rättvis fördelning av effekt
• Schemalagd laddning när elpriset är lägre
• Begränsning av maximal effekt vid effekttopp

Många tror att lösningen är att installera maximal effekt överallt. Jag tycker tvärtom: dimensionera smart och styr hårt. Det är mer hållbart – och brukar bli billigare.

2) Fastigheter och BRF: effekttariffer kräver styrning

Svaret: När nätbolag inför eller skärper effekttariffer blir ”peak shaving” en konkret besparing, inte ett teknikintresse.

AI kan lära sig fastighetens lastprofil (hissar, ventilation, tvättstugor, värme) och anpassa laddningen så att den inte krockar med andra toppar. Resultatet kan bli:

• Lägre effektabonnemang eller färre effekttoppar
• Bättre utnyttjande av befintlig elcentral
• Möjlighet att skala från 10 till 50 laddplatser utan att bygga om allt

3) Elektrifierade fordonsflottor: planering slår panik

Svaret: För flottor handlar allt om planering: rätt bil laddad i rätt tid till rätt kostnad.

Här blir AI särskilt kraftfullt eftersom man har mycket data:

• Körsträckor och rutter
• Stilleståndstider
• Depåladdning vs publik laddning
• Temperaturpåverkan på batteri

AI kan optimera laddschema så att depån inte får en kraftig topp kl 17:00 och samtidigt säkra att fordon med tidiga pass är färdiga i tid.

Elbilar + förnybart: AI binder ihop systemet

Svaret: När mer sol och vind kommer in i elsystemet behövs flexibel efterfrågan – och elbilsladdning är en av de mest flexibla lasterna vi har.

Det här är den stora ”energi och hållbarhet”-kopplingen. Elbilar kan laddas när elen är billig och ofta grönare. AI kan:

• Flytta laddning till timmar med hög andel förnybart
• Reagera på pris- och nätbegränsningar
• Samordna laddning med lokal solproduktion (t.ex. på en lagerbyggnad)

Vehicle-to-Grid (V2G) – bra idé, men kräver styrning

Svaret: V2G kan ge nytta, men det blir bara stabilt med bra prognoser, batterihälsomodeller och tydliga incitament.

Att använda bilbatterier som stödtjänstresurs låter enkelt. I verkligheten måste man räkna på:

• Batterislitage (cykler och temperatur)
• Tillgänglighet (bilen ska ju kunna köras)
• Ersättningsmodeller (vem får intäkten?)

AI kan modellera batteriets hälsa och optimera hur mycket man kan mata tillbaka utan att ”äta upp” värdet för ägaren. Men: det kräver bra data och tydliga regler på marknaden.

Vanliga följdfrågor (och raka svar)

Kommer elbilar belasta elnätet för mycket?

Svaret: De kan göra det om laddningen sker okontrollerat. Med smart styrning kan elbilar i stället bli en last som stabiliserar systemet.

Är laddhybrider en övergångslösning eller här för att stanna?

Svaret: De är en tydlig broteknik där laddning sker. Ur energisystemperspektiv är de värdefulla när de faktiskt laddas och körs på el i vardagen.

Vad ska ett företag göra först – köpa fler laddare eller införa styrning?

Svaret: Börja med en plan för effekt och styrning. Det är grunden som avgör hur snabbt och billigt ni kan skala.

Nästa steg: så kommer du igång med AI för elbilsladdning

Svaret: Börja smått men mät allt. Det är datan som gör AI användbar.

En praktisk checklista jag brukar rekommendera:

1. Kartlägg effektläget: huvudsäkring, effekttariff, toppar per dygn/vecka.
2. Samla ladddata: start/stopptider, energimängd, beläggning, köer.
3. Sätt en policy: rättvisa, prioritet, minsta garanterade laddnivå.
4. Inför lastbalansering: först regelbaserat, sedan optimering.
5. Koppla till elpris och (om relevant) lokal solel.
6. Följ upp med KPI:er: kr/kWh, toppkW, ”vehicles ready on time”, kundnöjdhet.

Elbilar tar över nyförsäljningen snabbare än många vill erkänna. Förbränningsbilen har redan passerat sin topp globalt. Den stora frågan för 2026 och framåt är därför inte om elbilar blir dominerande – utan om vi bygger ett energisystem som kan hantera dem effektivt.

Om du följer vår serie om AI inom energi och hållbarhet kommer du se samma mönster om och om igen: elektrifiering skapar nya laster, och AI gör dem styrbara. Det är där både klimatnyttan och affärsnyttan bor.

Vad skulle hända med era kostnader och er kapacitet om ni kunde flytta 30 % av laddningen till rätt timmar – automatiskt?