Kol till geoenergi: AI som driver rätt omställning

När en kolgruva börjar räkna ner mot stängning är det inte bara ett industribeslut. Det är en kalender som tickar i folks kök. I nordvästra Colorado fick gruvarbetaren Matt Cooper beskedet 2020: gruvan där han jobbar skulle läggas ner innan decenniet var över. Han blev förbannad. Sen gjorde han något som många pratar om men få faktiskt genomför: han byggde nästa kapitel.

Cooper startade ett borrföretag som installerar geoenergi (ytgeotermi) för uppvärmning och kylning av byggnader. Det är en historia om jobb, kompetens och lokal ekonomi. Men för oss som jobbar med AI inom energi och hållbarhet är den också en tydlig signal: omställningen handlar inte bara om tekniken i sig, utan om hur snabbt vi kan planera, dimensionera och drifta nya energisystem — och där är AI en praktisk hävstång.

Geoenergi är inte ”exotiskt” – det är stabil basvärme

Geoenergi för byggnader fungerar eftersom marktemperaturen är relativt stabil året runt, vilket gör att en geoenergianläggning kan flytta värme effektivt istället för att ”skapa” den med förbränning.

I praktiken borras kollektorslangar ner i marken (ofta tiotals till hundratals meter, beroende på geologi och effektbehov). En värmepump tar upp värme vintertid och kan omvänt dumpa överskottsvärme sommartid. Resultatet är ett system som ger både värme och kyla, och som ofta har mycket hög verkningsgrad jämfört med elpatroner, olja, gas eller direktverkande el.

Geoenergi är ”tråkigt” på bästa sätt: jämn, förutsägbar och driftsäker.

Det här är extra relevant i kallare klimat. I artikeln beskriver Cooper hur uppvärmningssäsongen i hans område kan vara fem till sex månader. Den logiken är lätt att känna igen i svenska villakvarter, fjällnära samhällen och kommunala fastigheter med höga effektuttag när kylan slår till.

Effektfrågan: geoenergi minskar toppar

En underskattad poäng är att geoenergi ofta minskar effekttoppar. Många elnät pressas inte av årsförbrukningen, utan av de få timmarna när allt går på max. Geoenergi kan bidra med en jämnare lastprofil, särskilt i kombination med smart styrning.

Det är här AI börjar bli konkret.

Varför en gruvarbetare kan bli geoenergiborraren som behövs

Omställning som funkar i verkligheten återanvänder kompetens. Cooper har år av erfarenhet av tung utrustning, säkerhetsrutiner, drift och logistik. Att borra för geoenergi är inte samma sak som kolbrytning, men det ligger närmare än många kontorsbeslut fattar.

I regionen han bor i riskerar samhällen att tappa både jobb och skattebas när kolkraft och gruvor stänger. I artikeln nämns att en kraftstation stod för en tredjedel av fastighetsskatten i kommunen ett specifikt år. Den typen av siffra förklarar varför ”energiomställning” kan kännas som ett hot lokalt även när den är rationell på systemnivå.

Det intressanta med Coopers val är att han inte väntar på att någon annan ska lösa det. Han sänker tröskeln för geoenergi genom att bygga lokal kapacitet. I hans fall handlar det om att slippa dyra mobiliseringskostnader när borriggar måste fraktas långt.

En modell även för Sverige: lokala entreprenörer + tydliga incitament

Svenska kommuner och fastighetsägare som vill skala geoenergi stöter ofta på tre praktiska frågor:

1. Kapacitet: Finns det borrfirmor som kan ta projektet i tid?
2. Kostnad: Hur hanterar vi investeringen när paybacken är bra men initialkostnaden hög?
3. Kompetens: Vem ansvarar för dimensionering, driftoptimering och uppföljning?

Coopers historia pekar på en fjärde faktor som ofta glöms bort: identitet och stolthet i yrket. Att ”fortsätta gräva” men för en annan energikälla kan vara ett sätt att göra omställningen begriplig utan att förminska det man byggt sin karriär på.

AI gör geoenergi mer lönsam – genom bättre beslut före borrstart

Den dyraste metern är den som borras i onödan. Geoenergi är ett teknikområde där fel dimensionering kan bli kostsam: för korta borrhål ger sämre prestanda, för långa ger onödigt hög investering. Traditionellt bygger projektering på tumregler, erfarenhet och relativt statiska beräkningar.

Med AI och datadriven analys kan man skruva upp precisionen i tre steg.

1) Lastprognoser som matchar verkligheten

AI-modeller kan använda historiska energidata, väder, byggnadens användningsmönster och evenemangskalendrar för att skapa mer realistiska effekt- och energiprofiler.

Det gör att man kan:

• välja rätt kompressorstorlek
• uppskatta driftkostnad med mindre osäkerhet
• planera effekttoppar och undvika överdimensionering

För fastighetsbolag blir skillnaden ofta att geoenergi går från ”spännande men osäkert” till investeringsbart.

2) Bättre dimensionering av borrfält och termisk balans

På längre sikt handlar geoenergi inte bara om första vintern, utan om 10–30 års termisk balans i marken. AI kan hjälpa till att simulera scenarier:

• Hur påverkas marktemperaturen om fastigheten får mer kyla (serverrum, nya hyresgäster, klimatförändring)?
• Vad händer om man senare kopplar på fler byggnader?
• När lönar det sig att kombinera geoenergi med solceller, värmelager eller fjärrvärme som spets?

3) Driftoptimering: från ”på/av” till smart styrning

När anläggningen är i drift finns mer att hämta. AI-baserad styrning kan:

• optimera framledningstemperaturer
• minska onödiga start/stopp
• samköra med elpris (timpris) och effektavgifter
• prioritera komfort utan att slösa energi

Den praktiska poängen: AI gör att geoenergi blir enklare att äga. Och när tekniken blir enklare att äga, sprider den sig.

Rättvis omställning: tekniken räcker inte utan en plan för människor

Omställningen i Colorado backas av en särskild ”Just Transition”-funktion som hjälper arbetare och samhällen. Det är inte välgörenhet. Det är riskhantering.

När stora arbetsgivare försvinner snabbt uppstår sekundära effekter: bostadsmarknad, skolor, handel, kommunal service. Samma logik gäller i mindre skala när en industrikund stänger, eller när en kommun förlorar stora skatteintäkter.

Här tycker jag många företag gör ett misstag: man pratar om hållbarhet som en teknisk fråga och missar att den sociala dimensionen är det som avgör om projekt får acceptans.

Så kan AI stödja en rättvis omställning (utan att bli ”HR-robot”)

AI kan användas pragmatiskt, med tydliga ramar:

• Kompetenskartläggning: matcha befintliga yrkesprofiler (maskinförare, elektriker, tekniker) mot utbildningsvägar inom geoenergi, värmepumpar, elnät, industriell energieffektivisering.
• Regional planering: modellera var nya jobb faktiskt uppstår och hur pendlingsmönster påverkas.
• Projektpipeline: analysera byggnadsbestånd och identifiera var geoenergi ger störst klimat- och kostnadseffekt per investerad krona.

Det är så man gör omställningen mer förutsägbar — och därmed mindre polariserande.

Vanliga frågor svenska beställare ställer om geoenergi (och raka svar)

Är geoenergi värt investeringen när installationen är dyr?

Ja, när byggnaden har stort värmebehov, hög energikostnad eller effektavgifter som svider. Nyckeln är korrekt dimensionering och en plan för driftoptimering.

Fungerar geoenergi i befintliga byggnader?

Ja, ofta. Retrofits är vanliga, men man behöver se över distributionssystemet (radiatorer/golv) och temperaturbehov. Lägre framledningstemperaturer förbättrar verkningsgraden.

Räcker geoenergi som enda värmekälla?

I många fall ja, men spets kan vara smart. Elpatron, fjärrvärme eller annan spets kan dimensioneras för extrema timmar istället för att överbygga hela anläggningen.

Var kommer AI in om vi redan har en fungerande värmepump?

AI ger bättre beslutsunderlag före investering och bättre drift efteråt. Det är skillnaden mellan att ”ha geoenergi” och att tjäna på geoenergi.

Från kol till geoenergi: det här är signalen vi bör ta på allvar

Coopers resa är inte en feelgood-historia om att ”allt löser sig”. Den visar något mer användbart: omställning blir snabb när den bygger på yrkesstolthet, lokala företag och teknik som går att räkna hem. Geoenergi checkar alla tre — särskilt när AI används för att minska osäkerhet och förbättra lönsamhet.

Om du arbetar med energi, fastigheter eller industri i Sverige 2025 är det här ett mönster att kopiera: identifiera vilka kompetenser som redan finns lokalt, kombinera dem med en tydlig affär, och använd AI för att ta bättre beslut tidigare i processen.

Vill du ta nästa steg? Börja med att inventera tre saker: lastdata, effektkostnader och projektmål (kostnad, klimat, komfort). När de sitter blir frågan inte om geoenergi är möjligt, utan hur snabbt ni kan skala det.

Och den mer obekväma men viktiga frågan som hänger kvar: när nästa stora omställning träffar din verksamhet — väntar ni på besked, eller bygger ni nästa affär innan nedräkningen når noll?