När ett vindkraftverk plötsligt börjar vibrera annorlunda registrerar sensorer avvikelsen. Inom millisekunder avgör en AI-modell på plats vid turbinens fot, snarare än i ett avlägset datacenter, om det rör sig om en harmlös variation eller ett begynnande haveri. Detta är edge-AI i praktiken: intelligens där data uppstår och beslut måste fattas direkt. På årets MWC-mässa i Barcelona visade flera aktörer hur tekniken nu lämnar testmiljöer och tas i drift i energisektorn och industrin.
Från telekom till energi: varför edge?
Edge computing, att flytta beräkningar från centrala molntjänster närmare nätverkets edge, har länge varit en del av telekomsektorns utveckling. Nu accelererar tillämpningen inom industri och energi, driven av fysikens begränsningar, ökade krav på datasäkerhet och behovet av beslut i realtid.
– Distribuerad inferens är nödvändig av rent fysiska skäl. Tio millisekunders jitter innebär en pixelerad film i en videoström, men för en robot som fattar säkerhetskritiska beslut kan det vara skillnaden mellan korrekt manöver och en olycka, förklarade Pallavi Mahajan, CTO på Nokia, under en av dagens första paneldiskussioner.
Mahajan pekade på att över femtio procent av all AI-trafik redan kommer från mobila enheter. Nästa våg, fysisk AI med robotar, drönare och smarta glasögon, ställer ännu högre krav på lokal bearbetning för att minska latens, öka robusthet och säkerställa kontinuitet även vid störningar i nätet.
Nagarro och Advantech: AI-agenter som omdesignar underhåll
På en annan plats på mässan demonstrerade IT-tjänsteföretaget Nagarro tillsammans med hårdvarupartnern Advantech hur edge-AI kan automatisera och omstrukturera underhållsprocesser i energiinfrastruktur. Kärnan är Advantechs WEDA-plattform, WISE-Edge Developer Architecture, ett ramverk som kopplar samman lokala beräkningsresurser med AI-chipset från Nvidia och Intel utan att känslig driftdata behöver lämna anläggningen.
Bildtext: Kanchan Ray, CTO på Nagarro. Foto: Nicholas Christiansen.
Advantech levererar hårdvaran, såsom gateways, industriskärmar och kommunikationsmoduler medan Nagarro utvecklar mjukvarulagret och AI-agenterna. Det användningsfall som Nagarros CTO Kanchan Ray lyfte rörde störningshantering i energinät, ett område där varje minuts stillestånd påverkar både intäkter och kundrelationer.
– Vi designar om hela processen. I stället för en manuell kedja där kunder ringer in fel, tekniker försöker lokalisera problemet och servicepersonal skickas ut, låter vi AI-agenter samordna arbetet. Agenten kan väga in flera variabler än en människa: teknikerns erfarenhet av just den typen av fel, trötthetsnivå efter sex timmars skift och om rätt utrustning finns tillgänglig, allt i realtid, berättade Kanchan Ray i en intervju på MWC.
Bildtext: Niklas Kvarnström, Advantech, vid montern på MWC 2026. I bakgrunden syns WEDA-plattformens edge-to-cloud-arkitektur. Foto: Nicholas Christiansen.
Enligt Nagarro visar de första implementationerna 15 till 20 procent kortare genomsnittlig reparationstid. AI-genererad kommunikation kan dessutom automatiskt informera drabbade kunder med kontextuella meddelanden, något som tidigare krävde manuella insatser. Därmed påverkas inte bara den tekniska driften, utan även planering, resursfördelning och kunddialog.
Fysisk AI: sensorer som tolkar verkligheten
Ett ytterligare steg i edge-AI-utvecklingen demonstrerades av Silicon Valley-bolaget Archetype AI, som har byggt en så kallad foundation-modell för fysisk AI med namnet Newton. Till skillnad från stora språkmodeller som tränas på text och bilddata är Newton tränad på sensordata: vibration, temperatur, tryck och ljud från hundratals olika sensortyper. Fokus ligger inte på språkförståelse utan på att identifiera mönster i fysiska processer.
– Vi tog vår modell till ett vindkraftsbolag, körde den mot deras befintliga sensordata utan anpassning och hittade nio okända anomalier som deras egna system hade missat, berättade Brandon Barbello, COO på Archetype AI, under sessionen AI in Overalls på MWC.
Samma tillvägagångssätt testades på HVAC-system i kommersiella fastigheter, där Newton uppnådde 20 procent bättre feldetektering än befintliga system direkt ur lådan. Modellen kan köras lokalt i privata molnmiljöer, utan att känslig sensordata strömmas externt – en kombination av sensorintelligens och lokal beräkningskraft som illustrerar en bredare trend på årets MWC.
Modellen kan köras lokalt i privata molnmiljöer utan att känslig sensordata lämnar organisationen. Kombinationen av tränade modeller för fysiska signaler och lokal beräkningskapacitet speglar en tydlig trend på årets MWC: AI flyttar närmare maskinerna och blir en integrerad del av den operativa miljön snarare än ett separat analyslager.
Bildtext: Brandon Barbello, COO på Archetype AI, presenterar foundation-modellen Newtons resultat under sessionen “AI in Overalls” på MWC 2026. Foto: Nicholas Christiansen.
Nordisk relevans: elnät under tryck
För nordiska energibolag är utvecklingen särskilt relevant. Sveriges elnät står inför massiv utbyggnad driven av elektrifiering och datacenteretablering, samtidigt som erfarna drifttekniker går i pension snabbare än nya rekryteras. Ray betonade vikten av att börja smått.
– Definiera problemet först. Vi tar ett specifikt område, bevisar ROI i liten skala, och skalar sedan. Annars hamnar man i AI-kaninahålet där man kan spendera hur mycket pengar som helst utan resultat, sa Ray.
Renate Nikolay, Deputy Director-General vid EU-kommissionens DG Connect, lyfte under sitt öppningstal att EU:s kommande Cloud & AI Development Act specifikt adresserar behovet av lokal beräkningskapacitet.
Bildtext: Renate Nikolay, Deputy Director-General vid EU-kommissionens DG Connect, håller öppningskeynote på SNS-sessionen under MWC 2026. Foto: Nicholas Christiansen.
Med edge-AI som mognar och foundation-modeller som förstår fysiska sensorsignaler är frågan för nordiska energibolag inte längre om tekniken fungerar. Det handlar om vem som tar steget först.
FAKTA: EDGE-AI I ENERGISEKTORN
Edge-AI
AI-beräkningar som sker lokalt, nära datakällan, istället för i ett centralt moln. Ger snabbare responstid och högre datasäkerhet.
Latens
10 millisekunder jitter kan vara skillnaden mellan pixlig video och en säkerhetsrisk för en autonom robot (källa: Pallavi Mahajan, Nokia CTO, MWC 2026).
Prediktivt underhåll
Analys av sensordata i realtid för att förutse fel innan de inträffar. Archetype AI hittade 9 okända anomalier i vindkraftverk genom sensorfusion.
WEDA
Advantechs WEDA-plattform (WISE-Edge Developer Architecture) kopplar ihop hårdvara med AI-chipset från Nvidia, Intel m.fl. och distribuerar beräkningar lokalt.
Energibesparing
Upp till 5 gånger lägre energiförbrukning jämfört med centraliserade molnlösningar, enligt Archetype AI.
Branschutmaning
Över 80 procent av världens industriella anläggningar saknar fortfarande AI-baserad övervakning (branschuppskattning MWC 2026).
