Adopting AI-based energy optimisation in EU manufacturing SMEs : mapping roadblocks and interventions using the TOE framework

Abstract

Small and Medium-sized Enterprises (SMEs) are a critical part of the European economy, employing a significant share of the workforce. This thesis investigates barriers to adopting AI-based energy optimisation tools in EU manufacturing SMEs and proposes some targeted interventions. A systematic literature review of peer-reviewed studies was conducted as part of the thesis, complemented by a supplementary search of additional information, primarily related to national and EU policy. Identified AI tool functions can be clustered into monitoring and data integration, prediction and forecasting, optimisation and decision support, and organisational enablement. Adoption barriers were classified using the Technology-Organization-Environment (TOE) framework. The binding constraints observed are deficits in last-mile data integration and overall data availability, lack of appropriate SME capabilities, weak ROI credibility in the eyes of business decision makers, and general uncertainty with governance and compliance aspects. Interventions are proposed around creating a vendor-neutral data spine, targeted capability building, and implementation of appropriate governance practices. The results conclude that measurable and auditable savings are achievable. However, this requires three foundational pillars: first, ensuring data is available and interoperable for the AI to function; second, implementing basic governance for a sustainable foundation; and third, using credible value measurement practices to build trust and justify investment.

Pienet ja keskisuuret yritykset (PK-yritykset) ovat olennainen osa Eurooppalaista talousjärjestelmää ja merkittävä työvoiman työllistäjä. Tämä tutkielma pyrkii kartoittamaan tekoälypohjaisten energiaoptimointityökalujen käyttöönottoon liittyviä haasteita. Osana työtä toteutettiin vertaisarvioituihin tutkimuksiin perustuva systemaattinen kirjallisuusanalyysi ja laajempi täydentävä aineistohaku, pääasiassa kansallisten ja Euroopan Unionin yhteisten julkisten toimenpiteiden kartoittamiseksi. Tunnistetut tekoälyn toiminnot voidaan luokitella tarkkailuun ja datan integrointiin, ennustukseen ja ennakoimiseen, optimointiin ja päätöksenteon tukemiseen, sekä organisaation toimintakyvyn kehittämiseen. Havaitut esteet luokiteltiin Technology-Organization-Environment (TOE) -mallin mukaisesti. Havaittuja kriittisiä esteitä ovat muun muassa puutteet ns. ”last-mile” -tason datan integroinnissa ja yleisessä saatavuudessa, riittämätön asiantuntijaosaaminen PK-yrityksissä, heikko ROI:n uskottavuus yritysten päättäjien silmissä, sekä yleinen epävarmuus hallinnointiin ja laillisiin vaatimuksiin liittyvissä asioissa. Ehdotetut ratkaisut liittyvät yhtenäisemmän datajärjestelmän luontiin, tarvittavan asiantuntijaosaamisen lisäämiseen kohdistetusti, sekä sopivien hallintotapojen käyttöönottoon. Tulokset toteavat että mitattavissa olevat säästöt ovat saavutettavissa. Tämä kuitenkin edellyttää kolmea perustavanlaatuista pilaria: ensinnäkin, tiedon saatavuuden ja yhteensopivuuden varmistaminen tekoälyn toiminnan mahdollistamiseksi; toiseksi, perushallintakäytäntöjen käyttöönotto kestävän perustan luomiseksi; sekä kolmanneksi, uskottavien arvonmittauskäytäntöjen hyödyntämisen luottamuksen rakentamiseksi ja investointien perustelemiseksi.