EU-stöd för energieffektivisering – och AI som gör jobbet

Elkostnaden är inte längre en ”fast kostnad” man bara accepterar. För många små och medelstora företag (SMF) är energi en av de snabbaste vägarna till bättre marginaler – särskilt i besöksnäringen där uppvärmning, ventilation, kyla, tvätt, belysning och transporter ofta går dygnet runt.

Därför är Tillväxtverkets kommande utlysning extra intressant: från 2026-01-13 kan intermediärer och offentliga aktörer i Östra Mellansverige söka EU-finansiering för projekt som hjälper fler SMF att energieffektivisera. Och här kommer min tydliga ståndpunkt: de projekt som kombinerar energieffektivisering + AI kommer få mest effekt per investerad krona, både för företagen och för regionens konkurrenskraft.

Det här inlägget är en del av serien ”AI inom energi och hållbarhet”. Fokus är praktiskt: vad utlysningen innebär, hur den kan kopplas till turism och besöksnäring, och hur AI kan användas för att sänka energianvändning, kapa effekttoppar och göra hållbarhetsarbetet mätbart.

Utlysningen i korthet: pengar finns – men rätt upplägg vinner

Utlysningen handlar om att finansiera projekt och förstudier som får små och medelstora företag i Östra Mellansverige att bli mer energieffektiva. Det handlar inte om att ett enskilt företag ska få ett bidrag och ”fixa sin värmepump”, utan om insatser som skapar nytta för många företag.

Fakta som styr planeringen:

• Öppnar: 2026-01-13
• Stänger: 2026-02-17
• Beslut senast: 2026-06
• EU-stöd: max 40 % av total budget (resterande 60 % offentlig/privat medfinansiering)
• Geografi: Örebro, Östergötland, Sörmland, Uppsala, Västmanland
• Projekttid: rekommenderat 3 år (förstudie 9 månader), längst till 2029-09-30

Det som ofta avgör om ett projekt blir starkt är att det visar två saker samtidigt:

1. Beteendeförändring och förmågor hos företag (inte bara ”aktiviteter”).
2. En tydlig resultatkedja: vad gör ni → vad förändras → vilka långsiktiga effekter kommer.

Och ja, det finns en administrativ verklighet (statsstödsregler, hållbarhetsanalys, likviditet eftersom utbetalning sker i efterskott). Men om ni bygger projektet smart från start går det att göra hanterbart.

Varför besöksnäringen borde bry sig mer än andra

Energieffektivisering är lätt att associera med industri och bygg. Men besöksnäringen är ett av de områden där energi är både kostnad och kundupplevelse.

Ett hotell som kör ventilation och varmvatten ineffektivt betalar dubbelt:

• Först i energikostnad.
• Sen i slitage, driftstörningar och sämre komfort (kalla rum, dålig luft, ojämna temperaturer).

Dessutom har branschen tydliga säsongstoppar. Skidhelger, konferensperioder, sommargäster – belastningen är sällan jämn. Det är exakt där AI-baserad optimering gör skillnad, eftersom den kan styra efter verklig efterfrågan i stället för fasta scheman.

En tumregel jag har sett fungera: om energistyrningen i en verksamhet bygger på ”tider” snarare än ”behov”, finns det nästan alltid snabb besparingspotential.

AI + energieffektivisering: den praktiska kombon som ger resultat

AI i energiarbete är inte en futuristisk vision. Det är i grunden tre konkreta förmågor: förutse, optimera och upptäcka avvikelser.

1) Prognoser som gör att ni slipper betala för toppar

Effekttoppar kan bli dyra – särskilt när fler verksamheter elektrifierar (laddning, eldrift, värmepumpar). AI-modeller kan prognostisera effektbehov baserat på:

• bokningsläge och beläggning
• väderdata och historiska mönster
• öppettider, evenemang och logistik
• driftdata från fastighetssystem

För ett besöksmål kan det innebära att man förvärmer, laddar eller kör energikrävande processer vid rätt tidpunkt och undviker att ”allt går max” samtidigt.

2) Optimerad drift: samma komfort, mindre energi

Det mest lönsamma är ofta inte att köpa ny utrustning – utan att få befintlig utrustning att jobba klokare.

AI kan optimera:

• ventilation (anpassad efter verklig närvaro)
• temperaturkurvor och värmestyrning
• kyl- och fryssystem (vanligt i restaurang/handel)
• tvättprocesser (hotell/spa)
• belysning med närvarostyrning och dagsljuskompensation

Det viktiga är att AI inte behöver vara ”allt eller inget”. Ett projekt kan börja med en pilot i en del av fastigheten eller en process och skala efter bevisad nytta.

3) Avvikelse- och felupptäckt: hitta energitjuvar tidigt

Många energiläckor syns inte på en faktura. De syns i data.

Exempel på typiska avvikelser som AI upptäcker:

• ett ventilationsaggregat som går på hög fart nattetid
• en värmepump som tappar verkningsgrad (små förändringar över tid)
• kyldiskar som drar mer efter en service
• varmvatten som ”drar iväg” efter ändrade rutiner

Poängen: ni får en tydlig lista på vad som avviker, när det började och hur stor påverkan är. Det gör åtgärder enklare att prioritera.

Så kan ett starkt projekt se ut i Östra Mellansverige

Utlysningen riktar sig till intermediärer och offentliga aktörer (regioner, kommuner, energikontor, lärosäten) – alltså de som kan skapa skalbar nytta för många företag.

Här är tre projektupplägg som passar utlysningens logik och samtidigt stärker AI-spåret i besöksnäringen.

Projektidé A: ”Energicoach + AI-labb” för turism-SMF

Kärna: Kombinera praktisk energicoachning med ett gemensamt AI-stöd (enkla dashboards, avvikelselarm, benchmarking).

Aktiviteter:

• energikartläggning light för 50–150 företag
• standardiserade mätpunkter (minimipaket) som gör data jämförbar
• AI-baserad baseline och uppföljning (före/efter)
• utbildning för driftansvariga och chefer (”så blir det en vana”)

Resultat som går att skriva in i ansökan: förbättrade förmågor (mäta, styra, prioritera) och ändrade beteenden (regelbunden uppföljning, investeringsbeslut baserade på data).

Projektidé B: Digitala stödstrukturer – ”så gör vi lätt att göra rätt”

Kärna: Utveckla stödstrukturen runt företagen så att fler projekt och investeringar faktiskt blir av.

Aktiviteter:

• gemensam metod för energiplaner i små verksamheter
• mallar för kravställning i upphandling (t.ex. styrsystem, sensorer, driftavtal)
• samverkansarena mellan energikontor, kommuner, turismorganisationer och leverantörer

Det här passar särskilt bra för aktörer som inte vill jobba direkt med företag i första hand, men vill bygga kapacitet i systemet.

Projektidé C: Fossilfria drivmedel + smart planering i besöksflöden

Kärna: Koppla ihop energieffektivisering med transport- och flödesoptimering.

Aktiviteter:

• dataunderlag för laddinfrastruktur där den faktiskt behövs
• AI-stödd planering av logistik (leveranser, tvätt, avfall)
• samarbete med större noder (t.ex. eventarenor, handelsplatser, resecentrum)

Det här matchar utlysningens önskan om koppling till resiliens, beredskap och klimatomställning.

Ansökan som håller: det ni bör ha klart innan 2026-01-13

Bra projekt faller sällan på ambition. De faller på otydlighet. Här är en konkret checklista jag hade följt.

Förbered en förändringsteori som går att mäta

Skriv den i orsak–verkan:

1. Insats: t.ex. rådgivning + datainsamling + AI-analys
2. Resultat: företag börjar följa upp kWh/m², kWh/gästnatt, effekt (kW) och vidtar åtgärder
3. Effekt: lägre energianvändning, lägre kostnader, mindre sårbarhet vid pristoppar

Välj få mått – men välj sådana ni kan följa utan att skapa en datamardröm.

Planera statsstöd och företagsmedverkan tidigt

Företag är gärna med i projekt, men de ska sällan vara projektägare i den här typen av utlysning. Det kan vara en styrka: företag får nytta utan att bära hela administrationen.

Gör tidigt klart:

• vilka företag deltar (målgrupp och urval)
• om medfinansiering ska komma från företag och hur
• vilken typ av stöd som ges (direkt/indirekt)

Designa för uppskalning (inte bara en pilot)

Tillväxtverket vill se nytta för flera företag. I praktiken betyder det att ni bör ha:

• en metod som går att repetera
• ett utbildningsupplägg som fler kan ta över
• ett sätt att sprida lärdomar mellan regioner och branscher

Den som kan visa ”pilot → standard → spridning” brukar stå starkare.

Vanliga frågor jag får: ”Måste vi ha avancerad AI?”

Nej. Det räcker långt med rätt AI på rätt plats.

• För energiprognoser kan enklare modeller vara fullt tillräckliga.
• För avvikelseupptäckt kan ni komma långt med smarta tröskelvärden och mönsterigenkänning.
• För optimering kan ni börja med beslutsstöd (rekommendationer) innan ni automatiserar styrningen.

Det viktiga är att projektet skapar förmåga hos aktörer och företag: att mäta, förstå och agera – kontinuerligt.

Nästa steg: bygg en projektidé som gynnar både energi och AI

Utlysningen öppnar 2026-01-13, men de bästa ansökningarna skrivs inte i januari. De förbereds nu: partnerbild, målgrupp, budgetlogik, och framför allt en plan för hur företag faktiskt ändrar beteende.

Om ni jobbar med turism och besöksnäring i Östra Mellansverige är detta en ovanligt bra chans att göra två saker samtidigt: sänka energikostnader och bygga en praktisk grund för AI-driven optimering i drift och affär.

Det jag hoppas fler vågar göra 2026 är att sluta se energi som en teknisk sidofråga och börja se den som en strategisk dataprodukt. När energidata väl finns på plats blir steget till AI mycket kortare.

Vilken del av besöksnäringens energianvändning i din region skulle ge snabbast effekt om den blev datadriven: fastighetsdrift, kyla/mat, eller transporter?