Grönt stål och AI: Nippon Steel vid ett vägskäl

En investering på 11 miljarder dollar över två år låter som en tydlig framtidssatsning. Men när Nippon Steel nu planerar både nya anläggningar med ljusbågsugnar (EAF) och samtidigt förlänger livslängden på kolbaserade masugnar i USA, blir signalen dubbel. Det är precis den här typen av ”både-och” som avgör om tung industri faktiskt kan minska utsläppen i tid – eller cementerar dem i decennier.

Det här är mer än en företagsnyhet. Det är en case study i industrins klimatomställning, och den passar rakt in i vår serie AI inom energi och hållbarhet. För min erfarenhet är att många organisationer underskattar hur mycket som avgörs i de operativa detaljerna: energiprofiler, råvarukvalitet, planeringshorisonter och hur snabbt man kan skala. Där blir AI inte en ”nice to have”, utan ett praktiskt verktyg för att göra grönt stål konkurrenskraftigt.

Varför Nippon Steels beslut spelar större roll än rubrikerna

Nippon Steel har aviserat en ny amerikansk stål-anläggning på 4 miljarder dollar med två EAF (som typiskt smälter skrot till nytt stål). Parallellt finns planer på en DRI-anläggning (direct reduced iron) i Arkansas. Samtidigt vill bolaget också renovera/”reline” masugnar vid Gary Works i Indiana – vilket i praktiken kan låsa in kolförbrukning och lokala luftföroreningar i lång tid.

Det här är kärnan: stålindustrin är full av investeringar med 20–40 års konsekvenser. Bygger du in kol i processen i dag, får du en klimat- och kostnadsprofil som blir allt svårare att försvara när krav och marknader skärps.

Masugn vs DRI+EAF – den avgörande skillnaden

• Masugn (kol/koks): järnmalm reduceras med kol (koks), vilket ger höga direkta CO₂-utsläpp.
• DRI (ofta naturgas, i ökande grad vätgas): malmen reduceras med varm gas. Kopplat till EAF kan man få en mer flexibel process.
• EAF (ljusbågsugn): kan använda skrot och/eller DRI. Elmixen (och ev. vätgasens ursprung) avgör klimatavtrycket.

En enkel men viktig formulering:

EAF utan tillgång till rent järn (DRI/HBI) riskerar att bli en återvändsgränd för högkvalitativt stål.

Skrot räcker långt, men för vissa kvaliteter – särskilt för bilindustrin – blir skrotets föroreningar en begränsning. Då behövs ”rent järn” in i ugnen.

Marknaden rör sig – politiken kan bromsa, men inte stoppa

Sedan början av 2025 har amerikansk industripolitik blivit mer ryckig. I artikeln beskrivs hur flera gröna stålsatsningar tappat fart när finansiering och incitament omförhandlats. Det är en påminnelse om en obekväm sanning: industrins omställning måste tåla politiska svängningar.

Ändå finns en stark motkraft: kunderna.

Bilindustrin och inköpare driver kraven uppåt

Stål är inte bara en bulkvara. För stora inköpare handlar det om:

• kvalitet och spårbarhet (konstant mekanisk prestanda)
• leveranssäkerhet (stabila flöden)
• klimatdata (produktens CO₂-intensitet per ton)

När inköpare börjar skriva in klimatkrav i kontrakt blir investeringslogiken tydligare: det är svårt att motivera masugnar som behöver kol i decennier om kunderna vill ha låg-CO₂-stål redan före 2030.

AI som gör grönt stål möjligt i praktiken

AI i industrin handlar sällan om en enda stor modell som ”fixar allt”. Det handlar om en portfölj av tillämpningar som tillsammans ger lägre energiförbrukning, jämnare kvalitet och färre produktionsstopp. I ett DRI+EAF-upplägg finns flera punkter där AI direkt påverkar både kostnad och utsläpp.

1) Energioptimering i EAF: sänk kWh per ton utan kvalitetsförlust

EAF-processen är elintensiv och dynamisk. Här kan AI användas för att:

• förutsäga optimal effektprofil under smältning
• styra tillsatser och blåsning för att minska överhettning och spill
• upptäcka avvikelser tidigt (t.ex. elektrodslitage, onormala ljusbågsbeteenden)

Resultatet blir en lägre energitopp, jämnare körning och ofta bättre utnyttjande av elavtal och flexibilitetsmarknader.

2) Råvaruintelligens: skrotets kvalitet är ett dataproblem

Om du vill göra mer avancerade stålsorter i EAF behöver du kontroll på insatsen. AI kan kombinera:

• kemisk analys av skrotpartier
• leverantörshistorik
• sensor- och processdata från ugnen

…för att rekommendera blandningar (charge mix) som maximerar kvalitet och minimerar omkörningar.

En mening jag ofta återkommer till:

Grönt stål är lika mycket ”data stål” som det är ”ny process”.

3) DRI-styrning: stabil reduktion är skillnaden mellan hype och volym

DRI-processen kräver stabil temperatur och gas-komposition för att leverera jämn metallisering (hur väl syret avlägsnats). AI kan:

• förutsäga reduktionsgrad baserat på sensordata
• optimera gasflöden och temperaturkurvor
• identifiera driftlägen som ger lägre bränsleåtgång

Om målet är att gå från naturgas-DRI till vätgas-DRI blir styrningen ännu viktigare eftersom processfönstret förändras.

4) Integrering med elnät och förnybart: AI för flexibilitet

Stålproduktion kan bli en aktiv del av energisystemet, särskilt med EAF.

AI kan användas för att:

• schemalägga energitunga steg när elpriset är lägre
• utnyttja flexibilitet utan att tumma på leverans
• matcha produktion mot tillgänglighet av förnybar el (”time matching”)

För företag som vill minska både kostnad och klimatavtryck är detta ett konkret sätt att koppla AI-driven energieffektivisering till industriell konkurrenskraft.

Vägskälet: tre strategier – och deras konsekvenser

När Nippon Steel gör både masugnsrenoveringar och nya gröna investeringar blir det relevant att beskriva tre tydliga vägar. Alla tre förekommer i industrin just nu.

Strategi A: Förläng masugnarna och ”hoppas på senare teknikskifte”

Det här är den riskabla vägen. Skälen är enkla:

• masugnar binder kapital länge
• kolrisk blir både en klimat- och kostnadsrisk
• lokala utsläpp skapar socialt och regulatoriskt tryck

Även om effektivisering kan minska utsläpp per ton marginellt, ändrar det inte grundproblemet: processen är byggd kring kol.

Strategi B: Bygg EAF snabbt – men utan plan för rent järn

EAF är ofta snabbare att bygga och kan skala skrotbaserad produktion. Men utan DRI/HBI i kedjan kan man fastna i:

• kvalitetsbegränsningar
• högre andel omkörningar
• svårare väg in i premiumsegment (t.ex. avancerat bilstål)

Strategi C: DRI + EAF med tydlig plan mot vätgas och grön el

Det här är den industriellt logiska vägen om man vill närma sig ”grönt stål” på riktigt. Den kräver:

• säker tillgång till el (och på sikt vätgas)
• investeringar i processkontroll och digitalisering
• affärsmodeller som värderar lägre CO₂-intensitet

I praktiken är det här också den väg där AI ger störst utdelning, eftersom helheten blir en optimeringsfråga: råvaror, energi, kvalitet, underhåll och planering.

Praktisk checklista: så bedömer du en ”grön stål”-satsning (som kund eller investerare)

Om du jobbar med inköp, hållbarhet, energi eller industriell utveckling är det lätt att drunkna i processnamn. Här är en rak checklista jag själv använder för att skilja seriösa planer från marknadsföring:

1. Vilken processmix byggs? (Masugn, DRI, EAF – och hur kopplas de?)
2. Varifrån kommer elen? Finns en trovärdig väg till låg fossil el över året?
3. Finns plan för rent järn? DRI/HBI eller mycket högkvalitativt skrot?
4. Hur mäts CO₂ per ton? Finns spårbar data på produktnivå?
5. Vilken roll har digitalisering/AI? Finns budget och organisation för driftoptimering?
6. Tidplan: när kommer volymerna, och vilka milstolpar finns före 2030?

När ett projekt kan svara konkret på de här punkterna blir sannolikheten högre att satsningen faktiskt levererar.

Vad det här betyder för AI inom energi och hållbarhet 2026

Stål är ett av de tydligaste exemplen på varför energiomställningen inte bara handlar om elproduktion. Den handlar om hur industrin använder energi, och hur snabbt den kan byta processer utan att tappa kvalitet eller lönsamhet.

Nippon Steels vägskäl visar också något annat: när politiken svajar blir operativ excellens avgörande. AI hjälper företag att göra rätt sak (lägre utsläpp) på ett sätt som också är affärsmässigt (lägre kostnad, bättre kvalitet, högre tillgänglighet).

Om du står nära industrin – som energibolag, teknikleverantör, inköpare eller hållbarhetsansvarig – är en bra nästa steg att välja en processnod (EAF, DRI, energiplanering eller kvalitetsstyrning) och börja där med datagrund, sensorer och ett tydligt förbättringsmål.

Frågan jag tycker fler borde ställa inför 2026 är enkel: när nästa miljard investeras i tung industri, är den byggd för att klara 2050 – eller bara nästa kvartalsrapport?