Grön nickel: nyckeln till hållbar elektrifiering

Att producera 1 ton nickel kan i dag ge upphov till ungefär 20 ton CO₂. Det är en siffra som skaver extra mycket när samma nickel ofta hamnar i batterier och rostfritt stål som ska hjälpa oss bort från fossila bränslen. Elektrifieringen vinner på utsläpp i transportledet – men riskerar att förlora i materialledet.

Här finns en konkret ljuspunkt. Forskare vid Max Planck Institute for Sustainable Materials har visat en ny metod för att ta fram nickel med hydrogenplasma i en enda processteg, vilket enligt resultaten kan minska CO₂-utsläppen med 84 % och samtidigt vara upp till 18 % mer energieffektiv när processen drivs med förnybar el och grön vätgas.

För oss som jobbar med AI inom energi och hållbarhet är det här mer än materialkemi. Det är en påminnelse om att AI inte bara optimerar elnät och energilager – AI behöver också rena insatsvaror för att elektrifieringens klimatnytta ska hålla hela vägen från gruva till nät.

Varför nickel blivit en flaskhals i elektrifieringen

Nickel är en av de där metallerna som sällan syns i rubriker, men som sitter i hjärtat av mycket vi bygger just nu. Det används i:

• Batterier (särskilt energitäta batterikemier där nickel ofta spelar stor roll)
• Rostfritt stål (för industri, infrastruktur, energisystem)

Poängen är enkel: utan nickel stannar elektrifieringen, eller blir dyrare och mer materialmässigt sårbar.

Prognosen som styr investeringsbeslut

Efterfrågan på nickel väntas enligt forskningssammanfattningen fördubblas till 2040 i takt med att transporter och infrastrukturer elektrifieras. När en råvara både är kritisk och ökande i efterfrågan händer två saker samtidigt:

1. Pris- och leveransrisker påverkar projektkalkyler (batterifabriker, laddinfrastruktur, nätförstärkningar).
2. Klimatpåverkan flyttar från avgasrör till processindustri om vi inte ställer om metallurgin.

Det här är exakt den typ av systemproblem där energiomställningen ofta “läcker” utsläpp. Man gör rätt på ett ställe och bygger in en ny belastning någon annanstans.

Vad som gör “grön nickel” intressant på riktigt

Den nya metoden är intressant för att den kombinerar tre saker industrin brukar vilja ha – men sällan får samtidigt: lägre utsläpp, lägre energibehov och bredare råvarubas.

Ett processteg istället för flera

Traditionellt kräver nickelutvinning flera energiintensiva steg som exempelvis kalcinering, smältning, reduktion och raffinering. Problemet blir extra stort när man vill använda låggradiga nickelmalmer, där nickel sitter kemiskt “fast” i komplexa mineralstrukturer.

Max Planck-gruppens idé är att göra mer av jobbet i en och samma reaktorugn, där smältning, reduktion och raffinering sker parallellt, och där man får en raffinerad ferronickellegering direkt.

Ett bra riktmärke för hållbar elektrifiering är det här: om du kan kapa processsteg, kapar du ofta både energi, kostnad och risk.

Hydrogenplasma – varför det spelar roll

I stället för kolbaserade reduktionsprocesser används hydrogenplasma. Effekten blir att man kan bryta ned mineralens komplexa struktur till enklare joniska former utan katalysatorer, genom att styra termodynamiken i ljusbågsugnen.

Resultaten som lyfts fram är tydliga:

• 84 % lägre CO₂-utsläpp jämfört med konventionell produktion
• upp till 18 % högre energieffektivitet när processen drivs med förnybar el och grön vätgas

Det är den typen av siffror som gör att en process går från “spännande labbresultat” till “något inköp och strategi måste förhålla sig till”.

Där AI faktiskt gör skillnad: från pilot till skala

Att skala metallurgi är sällan en linjär resa. I sammanfattningen pekar forskarna på en specifik skalningsutmaning: reduktionen sker vid reaktionsgränssnittet, inte i hela smältan. I större system måste man därför se till att oreducerad smälta kontinuerligt når gränssnittet.

Det är här jag tycker många missar AI-perspektivet. AI är inte bara “analys” på kontoret – AI kan bli en operativ del av själva processen.

AI för processtyrning i el- och ljusbågsugnar

Vid uppskalning nämns etablerade industrimetoder som korta ljusbågar med hög ström, elektromagnetisk omrörning och gasinjektion. Alla dessa är styrbara och mätbara. Det öppnar för:

• Prediktiv styrning av ström, båglängd och effektuttag för stabil plasma
• Optimering i realtid av omrörning/gasinjektion för att maximera reaktionsyta
• Digitala tvillingar som simulerar smältdynamik och termodynamik innan man kör dyr tid i ugnen

Det här är en klassisk AI-situation: många signaler (temperatur, spänning, ström, gasflöden, vibrationer, bilddata), komplexa samband och höga kostnader för fel.

AI för energiintegration: när “grön” måste vara grönt på timnivå

Hydrogenplasma och elugnar kräver el. För att klimatnyttan ska bli maximal räcker det inte att elen är “förnybar i snitt” – man vill styra mot låg marginalintensitet och smart laststyrning.

AI-modeller som används i smarta elnät kan kopplas till processindustrin för att:

1. Prognostisera timvisa elpriser och nätbegränsningar
2. Styra produktionen mot timmar med hög andel vind/vatten/sol
3. Planera vätgasproduktion och lagring som buffert

I praktiken: materialproduktion blir en flexibel resurs i energisystemet, inte bara en stor förbrukare. Det är ett skifte som passar Sverige väl, eftersom vi redan har ett elsystem där flexibilitet värderas allt mer.

Låggradiga malmer: hållbarhet, men också geopolitik och ekonomi

En av de mest underskattade detaljerna i forskningen är att metoden kan använda låggradiga nickelmalmer, som utgör cirka 60 % av de totala nickelreserverna enligt artikelsammanfattningen.

Det gör skillnad av tre skäl:

1) Mindre avfall per användbar metall (potentiellt)

När industrin bara kan använda “de bästa” malmerna får du ett hårdare tryck på specifika fyndigheter, mer transporter och ofta större miljöavtryck per kg produkt när kvaliteten sjunker. Om processer klarar låggradigt material kan man i bästa fall planera smartare och minska vissa typer av spill.

2) Fler möjliga leveranskedjor

Materialförsörjning är ett strategiskt område för hela energiomställningen. Om fler malmtyper blir användbara kan det ge:

• större marknadslikviditet
• bättre möjligheter till diversifiering
• mindre sårbarhet för enskilda regioner och processkapaciteter

3) AI för “mine-to-material” spårbarhet

När man börjar använda fler malmtyper och fler källor ökar behovet av datadriven spårbarhet: kvalitet, föroreningar, processparametrar och klimatdata. Här är AI praktiskt:

• Automatisk klassning av malm baserat på sensordata
• Prognoser för hur variationer i råvara påverkar utbyte och energibehov
• Kvalitetsstyrning av ferronickellegering för olika slutapplikationer

Vad betyder detta för batterier, smarta elnät och svensk industri?

Grön nickel är inte bara en “batterifråga”. Den påverkar tre stora områden som ofta hänger ihop i våra projekt.

Batterier och energilager: bättre klimatbokföring

När batterier används för att balansera vindkraft, kapa effekttoppar och stötta industriell elektrifiering blir klimatvärdet beroende av hela kedjan. Lägre utsläpp i nickeldelen förbättrar livscykelprofilen och gör det lättare att möta kundkrav, upphandlingar och rapportering.

Smarta elnät: material blir en del av systemdesignen

AI i smarta elnät handlar om prognoser, optimering och flexibilitet. Men systemdesignen börjar tidigare än så: vilka material vi använder avgör hur snabbt och hållbart vi kan bygga nät, stationer, lagring och laddning.

När metallurgin blir elektrifierad och mer flexibel uppstår dessutom en ny typ av samspel: industrin kan bli en aktiv balansresurs.

Processindustri i Norden: chans att flytta upp i värdekedjan

Om tekniker som hydrogenplasma kan industrialiseras blir frågan snabbt strategisk: var placeras kapacitet, och vem har kompetens att köra den effektivt?

Jag tar ställning här: de som kombinerar processteknik med AI-kompetens kommer få ett tydligt försprång. Inte för att “AI är trendigt”, utan för att det är svårt att köra energitunga processer stabilt, billigt och klimatoptimalt utan avancerad styrning.

Praktiska nästa steg: så kan du agera redan 2026

Om du ansvarar för energi, hållbarhet, inköp eller digitalisering finns det konkreta saker att göra innan tekniken är helt kommersialiserad.

1. Kartlägg din nickelberoende risk

   • Var finns nickel i era produkter och investeringar (batterier, rostfritt, komponenter)?

2. Skärp kraven i inköp och LCA

   • Begär klimatdata för material och process, inte bara “förnybar el” som marknadsfras.

3. Bygg datagrund för spårbarhet

   • Standardisera artikeldata, batchspårning och emissionsfaktorer så AI kan arbeta med det.

4. Identifiera flexibilitetspotential

   • Om ni har elintensiva processer: kan de styras mot timmar med lägre klimatintensitet och kostnad?

5. Testa en digital tvilling i liten skala

   • Börja med en avgränsad process (ugn, elektrolysör, vätgaslager) och koppla den till energiprisprognoser.

Vad jag tar med mig från forskningen

Budskapet är rakt: hållbar elektrifiering kräver hållbara material. Om nickel produceras med höga utsläpp flyttar vi problemet, vi löser det inte.

Samtidigt visar resultaten att vägen framåt inte behöver vara mystisk. En process som minskar CO₂ med 84 % och förbättrar energieffektiviteten med upp till 18 % är precis den typ av teknik som kan göra skillnad – särskilt när den kopplas till AI för processtyrning, spårbarhet och smart energiintegration.

Den mest intressanta frågan för 2026–2030 är därför inte om vi ska elektrifiera, utan: hur snabbt kan vi göra elektrifieringen materiellt och industriellt ren – och vilka aktörer vågar koppla ihop AI, el och metallurgi till ett och samma system?