Grönt stål: så kan AI få Stegra att skala snabbare

När ett industriprojekt saknar över 1 miljard dollar i finansiering är det sällan en ”liten försening”. Det är ett stresstest av hela affärslogiken: elpris, elnät, logistik, teknikval, kundlöften – allt samtidigt. Ändå är det precis där Europas mest uppmärksammade satsning på grönt stål befinner sig. Stegra (tidigare H2 Green Steel) bygger i Boden en storskalig anläggning som ska producera stål med fossilfri vätgas. Bygget är enligt uppgifterna omkring 60 % färdigställt, men bolaget har behövt öppna en ny finansieringsrunda.

Samtidigt finns en ljuspunkt: den franska vätgasinvesteraren Hy24 har klivit in och bidrar till att hålla projektet rullande. Det är mer än en rubrik om finans. Det är en signal om att marknaden fortfarande tror på grönt stål – och att nästa flaskhals inte bara är kapital, utan förmågan att styra energisystem, processer och risk i realtid.

Här kommer kampanjens kärna in: AI inom energi och hållbarhet. Jag tycker att många pratar om AI i industrin som om det handlade om ”smarta dashboards”. I verkligheten kan AI bli en av de viktigaste byggstenarna för att göra grönt stål skalbart: från energiprognoser och optimerad elektrolys till emissionskontroll, kvalitetsstyrning och bankbar rapportering.

Varför Stegra spelar roll för hela den gröna industrin

Stegra är intressant av en enkel anledning: stål är en av världens tyngsta utsläppskällor och samtidigt en förutsättning för nästan allt annat – elnät, vindkraft, bilar, byggnader. Det gör grönt stål till en nyckelbit i Europas industristrategi.

Det som skiljer grönt stål från ”vanligt” stål är inte bara bränslet, utan systemet runt omkring:

• Storskalig elförsörjning till elektrolys (och ofta till ljusbågsugn).
• Vätgaslogistik (produktion, lagring, användning) med hårda säkerhetskrav.
• Processintegration där variationer i elpris, vind och vattenkraft påverkar produktionen.

När Stegra söker nytt kapital (bolaget har beskrivit att det rör sig om cirka 15 % av total finansiering i en mix av eget kapital, lån, outsourcing och partnerskap) handlar det inte bara om att ”fylla hålet”. Det handlar om att övertyga långivare och kunder om att man kan leverera stabil produktion till förutsägbar kostnad.

Och det är exakt där AI gör skillnad.

AI är motorn som håller ihop energin och processen

Den stora utmaningen för grönt stål är inte att vätgas går att göra. Utmaningen är att göra den billigt, stabilt och spårbart – varje timme.

För en vätgasbaserad stålprocess är energin inte en stödresurs. Den är själva råvaran. Det betyder att konkurrenskraften avgörs av hur bra du kan:

1. Förutsäga energibehov och tillgänglighet
2. Styra elektrolys och lagring
3. Optimera reduktionsprocess och ugnar
4. Säkerställa kvalitet och minimera spill

Energiprognoser: från ”budget” till timme-för-timme

I norra Sverige kan du ha stora variationer i elpris och effektläge beroende på väder, produktion, överföring och industrilast. AI-baserade prognoser (t.ex. maskininlärning på historiska pris- och produktionsdata plus väderdata) kan ge:

• timvisa prognoser för elpris och effektbegränsningar
• varningar för ”tighta” timmar när flexibilitet lönar sig
• beslutsstöd för när elektrolys ska gå hårt, gå ner eller pausa

Det låter banalt, men effekten är konkret: bättre prognoser ger högre utnyttjandegrad när elen är billig och lägre exponering när elen är dyr eller nätet är begränsat. För kapitalintensiva projekt är det skillnaden mellan ett bra och ett dåligt år.

Processoptimering: styrning av elektrolys och vätgaslager

Elektrolysörer mår inte alltid bra av att köras som en strömbrytare. Men de behöver ofta vara flexibla för att matcha elmarknaden. AI kan användas för predictive control:

• optimera driftpunkter mot elpris, slitage, verkningsgrad och vätgasbehov
• planera laddning/urladdning av vätgaslager (”vätgas som batteri”)
• undvika driftmönster som leder till snabbare degradering

I praktiken kan detta handla om att ett AI-system föreslår driftplaner i 24–72 timmar framåt och justerar timvis när prognoser uppdateras.

En bra tumregel: när energin är din största kostnad blir AI i energistyrningen en av dina mest lönsamma investeringar.

Emissionsmätning och spårbarhet: det som bankerna och kunderna kräver

Grönt stål säljs inte bara på klimatnytta – det säljs på trovärdighet. Kunder vill kunna säga ”det här stålet är fossilfritt” utan att behöva be om ursäkt i nästa granskning. Investerare vill se att klimatpåståenden håller juridiskt och affärsmässigt.

AI kan stärka detta på tre nivåer:

1) Kontinuerlig emissionsberäkning (nära realtid)

Genom att koppla samman data från:

• elinköp (ursprung, timmix)
• elektrolysdrift
• reduktionsprocess och ugnar
• interna transporter och bränslen

…kan man skapa en dynamisk produktkoldioxidprofil per batch/coil. AI hjälper här främst med datakvalitet: upptäcka luckor, avvikelser, felkalibrerade sensorer och orimliga värden.

2) Avvikelse- och läckagedetektering

Vätgassystem kräver tät kontroll. AI-modeller som letar efter mönster i tryck, flöden, temperaturer och vibration kan tidigt upptäcka:

• mikro-läckage
• ventilproblem
• fel i kompressorer
• avvikande värmeutveckling

Tidiga larm minskar både säkerhetsrisk och oplanerade stopp.

3) Rapportering som håller för granskning

När marknaden för grönt stål växer kommer standarder och krav skärpas (och det görs redan arbete internationellt kring standarder). AI kan automatisera delar av rapporteringen:

• datainsamling och spårbar loggning
• konsistenskontroller
• underlag för revision

Det är inte glamoröst – men det är det som gör att ”grönt stål” blir en produktkategori som går att skala, inte ett PR-projekt.

Riskerna som fäller projekt – och hur AI minskar dem

Att stora investerare blir nervösa när kostnader drar iväg är logiskt. Särskilt när marknaden har färska minnen av klimatindustri-projekt som inte höll. Stegra bygger i en tid där även stora stålbolag i Europa har bromsat eller lagt ner planer för vätgasbaserad produktion.

Det gör riskhantering till en kärnförmåga. AI kan bidra konkret i fyra riskområden:

Produktionsrisk: oplanerade stopp

Prediktivt underhåll är ofta den snabbaste vinsten. Med rätt sensorer och modeller kan man förutse fel i kritisk utrustning (elektrolys, kompressorer, pumpar, transformatorer, ugnar) innan stoppet sker. För en anläggning med hög kapitalkostnad är varje extra procentenhet i tillgänglighet pengar.

Energirisk: effektbrist och prisvolatilitet

AI kan kombinera väder, nätdata, spotpris och interna lastkurvor för att skapa driftstrategier som:

• maximerar produktion när marginalkostnaden är låg
• använder vätgaslager för att kapa pristoppar
• minimerar risk för att bryta effektgränser

Marknadsrisk: kundkrav och pris för ”grön premie”

Efterfrågan på grönt stål uppges ha ökat sedan projektstart. Men kunder vill ha leveranssäkerhet och jämn kvalitet. AI i kvalitetskontroll (vision-system, processdata) kan minska kassation och variation, vilket direkt påverkar kundnöjdhet och marginal.

Finansieringsrisk: långivarnas förtroende

Långivare gillar stabilitet. Stabilitet kommer från mätbar kontroll. AI-baserad styrning och spårbarhet kan göra ett projekt mer ”bankbart” genom:

• bättre prognoser i affärsplanen
• lägre driftavvikelser
• tydligare riskindikatorer
• robustare data för hållbarhetsrapportering

Så kommer du igång: en praktisk AI-checklista för grönt stål

Om du jobbar med energi, industri, hållbarhet eller digitalisering och vill omsätta AI i verklig nytta, har jag sett att följande ordning funkar bäst:

1. Säkra datagrunden: sensorer, tidsstämplar, masterdata, datakvalitet.
2. Bygg en gemensam modell av processen: vad är ”sanning” för produktion, energi och kvalitet?
3. Börja med två use cases som ger snabb effekt:
   • prediktivt underhåll på en kritisk tillgång
   • elpris-/effektprognoser kopplade till driftplanering
4. Skapa en styrloop: från insikt → beslut → åtgärd → uppföljning.
5. Gör spårbarhet till produktfunktion: batchnivå, audit trail, automatiska kontroller.

Det fina är att det här inte kräver ”AI överallt”. Det kräver AI på rätt ställen där den minskar kostnad, risk eller utsläpp.

Vad Stegra-läget säger oss inför 2026

Att Hy24 går in som investerare i ett läge med finansieringspress är en tydlig signal: grönt stål bedöms fortfarande ha en stark marknad. Men vägen till lönsam storskalighet går inte genom fler powerpointbilder om vätgas. Den går genom disciplin i drift, energioptimering och spårbarhet.

För oss som följer serien AI inom energi och hållbarhet är lärdomen enkel: när industrin elektrifieras blir den också digital på riktigt. AI är verktyget som gör elektrifieringen styrbar, inte bara möjlig.

Om du sitter med ansvar för energifrågor, produktion, ESG eller investeringar: var skulle AI göra störst skillnad i din värdekedja redan nästa kvartal – i energiprognoser, underhåll, kvalitet eller emissionsdata?