AI kan kutte energiforbruket dramatisk: Vi er kun i startgropa av utviklingen
Kunstig intelligens er i ferd med å bli en nøkkelteknologi for energisektoren. Smarte algoritmer kan forutse strømpriser, styre last automatisk, lagre energi når det lønner seg og redusere både forbruk og kostnader med dramatisk effekt.
Professor Morten Goodwin ved Universitetet i Agder har i en årrekke forsket på kunstig intelligens og praktiske bruksområder i samfunnet. Ett av de områdene som beveger seg raskest akkurat nå, er energisektoren.
– Det mest lovende er muligheten til å optimalisere strømforbruket. I smarte hjem, lagerbygg og industri, kan AI lære hva som er fornuftig å bruke når, og automatisk styre energibruken deretter. Strømpriser er tilgjengelige 24 timer i forkant. Kombinerer man dette med informasjon om lagring, driftshistorikk og forbruksmønstre, kan AI beslutte når det er smartest for eksempel å lade batterier, redusere forbruk eller flytte last. I praksis betyr det at forbruket tilpasses både pris og effektuttak. Resultatet er lavere energibruk, lavere kostnader og mindre belastning på nettet.
Kutter kostnader i norske logistikkbygg
Goodwin peker på et konkret prosjekt, ledet av Sven Myrdahl Opalic, som illustrerer effekten. Det er samarbeidet mellom KI- og energiforskere, logistikkaktøren Rema 1000 og datterselskapet Relog.
– Her brukes AI som styrer når batterier skal lagres eller ikke. Løsningen vurderer i sanntid når det er smart å lagre energi og når det ikke er det. Dette er med på å kutte energikostnader betydelig, sier han. Hvor mye Rema 1000 sparer, er ikke offentlig, men Goodwin viser til en internasjonal parallell.
– Google DeepMind optimaliserte energibruken i datasentre og reduserte forbruket med 40 prosent. Det er en gigantisk reduksjon. Hvis slike tall kan overføres til annen infrastruktur, snakker vi om enorme gevinster.
Smartnett krever kunnskap og datakraft
Potensialet er stort, men det finnes reelle barrierer før AI kan tas fullt ut i energisystemer. – Du må vite hvordan en AI modell skal trenes. Det krever både algoritmisk kompetanse og store mengder historiske data. Mangler du datagrunnlag, har du ingenting å trene modellen på, sier Goodwin.
Datakraft er en knapp ressurs
– De mest avanserte modellene krever betydelig regnekraft som selv bruker energi. Tilgang på maskiner og energi er derfor en konkret utfordring. En annen utfordring, er at norske selskaper i stor grad baserer seg på løsninger fra amerikanske tek-aktører. Mange kjøper systemer fra Microsoft, Google eller OpenAI uten å tenke over hva slags avhengighet det skaper. Store deler av energiinfrastrukturen vår bygges nå på teknologi vi ikke kontrollerer selv, sier Goodwin. – Derfor bør flere bygge og trene egne datamodeller. Det vil gi kontroll, reduserer sårbarhet og gir bedre tilpasning til norske forhold.
Sikkerhet, personvern og skjevheter
AI utfordrer også sikkerhets- og personvernhensyn.
– Feil håndtering av data kan føre til personvernbrudd. I tillegg kan historiske skjevheter i data føre til ugyldige eller urettferdige anbefalinger. Gjør man feil her kan det påvirke både omdømme og sikkerhet, sier han.
Reduserer plunder, avvik og tyveri
AI kan også automatisere oppgaver som i dag er ressurskrevende og manuelle. – Systemene er gode til å oppdage uregelmessigheter. Det kan handle om avvik, feilrapportering, unormalt forbruk eller tyveri. Dette kan spare selskaper for store summer.
Energisektoren i førersetet
– Kan norske aktører oppnå de samme effektene som DeepMind?
– Absolutt. Teknologien, datagrunnlaget og kompetansen er på plass. Det handler mer om vilje til å ta steget, sier Goodwin. – Vi står helt i startfasen av en transformasjon. Energisektoren kommer til å være blant dem som får størst gevinst av AI-revolusjonen de neste årene, sier han til slutt.
.webp)
%20-%20Cyber%20sikkerhet%20utvidet%20bruk.webp)
%20-%20Kopi.webp)
