Vilken emissionsfaktor gäller för en rad i huvudboken?
En koncern som ska redovisa Scope 3 för sina inköp har tusentals konton och hundratusentals transaktioner, och för var och en behövs en emissionsfaktor. Valet avgör både summan och var koncernen tror att utsläppen finns, och därmed var den lägger sitt arbete med att minska dem.
Så kan det göras
Fyra metoder, fyra sorters data
GHG-protokollets standard för Scope 3, från 2011, och den tekniska vägledningen beskriver fyra sätt att räkna utsläppen från inköpta varor och tjänster, ordnade efter hur specifika de är för leverantören och produkten (GHG Protocol, kapitel 1). Varje metod kräver sin egen sorts data, och i praktiken är det tillgången på data som avgör vilken som går att använda.
- Den leverantörsspecifika metoden använder leverantörens avtryck för just produkten, ur en miljövarudeklaration (EPD), ett produktavtryck enligt ISO 14067 eller ett utbytesformat som PACT.
- Hybridmetoden använder leverantörens egna utsläpp i Scope 1 och 2, fördelade på det kunden köpt, och genomsnittsdata för resten av kedjan.
- Genomsnittsmetoden, ofta kallad aktivitetsbaserad schablon, multiplicerar köpt mängd i kilo, kubikmeter eller annan enhet med ett branschsnitt, ur LCA-databaser som ecoinvent eller Boverkets klimatdatabas.
- Den utgiftsbaserade metoden multiplicerar beloppet i huvudboken med en faktor per krona eller euro för varugruppen, ur input-output-modeller.
De fyra metoderna, den mest specifika överst. Stapeln är schematisk: ju mer specifik metoden är, desto färre rader brukar den räcka till. Den utgiftsbaserade täcker alla.
Högre upp i trappan betyder mer specifikt, men inte automatiskt mer exakt. En siffra från leverantören kan vara mindre exakt än ett branschsnitt, till exempel när leverantören har behövt fördela sina utsläpp på de produkter kunden köper, som i hybridmetoden. Den fördelningen kan ge stor osäkerhet. Vägledningen skiljer därför mellan hur specifik en uppgift är och hur exakt den är (GHG Protocol, kapitel 1, ruta 1.1).
Standarden revideras. Enligt planen från juli 2026 slås den ihop med Corporate Standard, och den nya standarden väntas bli klar under fjärde kvartalet 2028. Till dess gäller 2011 års regler (GHG Protocol, Standard Development Plan).
Hela kedjan, men räknad uppifrån
De utgiftsbaserade faktorerna kommer från miljöutökade input-output-modeller (EEIO). De räknar uppifrån: ett lands utsläpp fördelas på varugrupper efter hur pengarna flödar mellan branscherna i nationalräkenskaperna. De mest använda är EXIOBASE (Stadler med flera, 2018), US EPA EEIO-modell för USA och Watersheds CEDA (Watershed). EXIOBASE har egna tabeller för 44 länder och fem regioner för resten av världen och licensieras av XIO Sustainability Analytics.
En sådan faktor anger hur mycket som i genomsnitt släpps ut i hela kedjan bakom en euro av en varugrupp från ett land, från råvaran till fabriksgrinden. Ingen källa uppströms faller bort, och det är modellens styrka. Processdata, som de mer specifika metoderna bygger på, räknar i stället nedifrån. De följer kedjan led för led och måste sluta någonstans. Lenzen visade att det som då faller bort kan vara i storleksordningen 50 procent (Lenzen, 2000).
Faktorn är ett snitt för varugruppen och säger inget om en viss produkt eller leverantör. Dyrt och billigt stål får samma faktor per euro, så ett högre pris ser ut som högre utsläpp, och ett byte till en leverantör med lägre utsläpp syns inte om priset är detsamma. Vägledningen skriver själv att metoden gör det svårt att visa en minskning (GHG Protocol, teknisk vägledning). Faktorn är också räknad i ett visst års priser, till exempel euro i 2022 års penningvärde. Inköp från ett senare år behöver därför räknas om för inflation, och från kronor till euro, innan de multipliceras. Den gäller dessutom det pris som producenten får och inte det som köparen betalar, vilket tas upp under Där det är svårt.
Faktorerna är osäkra i nivå men stabilare i ordning. Olika databaser ger olika siffror, och mest skiljer de sig för enskilda varugrupper. När Li och Suh räknade fram faktorer för varor som USA importerar, ur tre databaser, hamnade de i snitt mellan 8 procent under och 44 procent över de inhemska faktorerna beroende på databas (Li och Suh, 2025). Kilian, Owen och Hoekstra jämförde fyra databaser och fann att de stämde väl för de flesta länder, och att samma branscher vägde tyngst i alla fyra (Kilian med flera, 2026). Valet av databas påverkar alltså summan mer än vad som är stort och smått. Det är rangordningen som behövs för nästa steg: att avgöra var bättre data gör störst skillnad.
Stort och smått
Att börja grovt och lägga detaljen där den väger är både standardens råd och en äldre idé. Standarden säger att företaget först ska uppskatta allt med enklare data, där input-output-data nämns som särskilt användbara, rangordna från störst till minst och samla in bättre data där det väger tyngst (Scope 3 Standard, avsnitt 7.1). I livscykelanalysen heter samma sak bidragsanalys, och ISO 14044 räknar den till tolkningens första steg (ISO 14044). Huang, Weber och Matthews visade att ett företag kan fånga en stor del av sitt avtryck uppströms med fullständiga data från ett fåtal direkta leverantörer (Huang med flera, 2009). Det stämmer med vad vi har sett.
Analysen görs i fyra steg:
- Hela huvudboken räknas med utgiftsbaserade faktorer, så att inget saknas.
- Kontona rangordnas efter uppskattade utsläpp och läggs i en kurva, där det syns hur få konton som bär hur mycket. Rangordningen görs på utsläppen och inte på beloppen, eftersom de två inte alltid följs åt, något standarden själv varnar för.
- En gräns sätts. Standardens exempel tar de leverantörer som tillsammans står för 80 procent av inköpen, varje annan leverantör över en procent och de som är viktiga av andra skäl (Scope 3 Standard, box 7.3).
- Bättre data hämtas för det som ligger över gränsen. Analysen görs om varje år, eftersom rangordningen flyttar sig.
Var gränsen ska gå beror också på vem som frågar. En inköpare kan byta leverantör, en konstruktör kan byta material och en produktionschef kan ändra de egna processerna, och var och en behöver se den del av kedjan där de kan påverka. I livscykelanalysen kallas det aktörsperspektivet: resultatet läggs upp efter de beslut som faktiskt fattas (Löfgren med flera, 2011; Baumann med flera, 2011). Standarden pekar åt samma håll, eftersom den låter möjligheterna att minska och affärsmålen avgöra var bättre data behövs, inte bara storleken.
Svansen, det som ligger under gränsen, behåller sin utgiftsbaserade faktor. Den får inte strykas utan vidare, eftersom standarden kräver att alla Scope 3-utsläpp redovisas och att varje undantag redovisas och motiveras (Scope 3 Standard, avsnitt 6.2). Med utgiftsbaserade faktorer i svansen blir summan komplett till en låg kostnad, och osäkerheten hamnar där den väger minst.
Matchningen
I praktiken kopplas raderna till varugrupper för hand av konsulter eller med regler som matchar kontonummer och nyckelord. Forskningen har börjat pröva språkmodeller för uppgiften. Jain med flera finjusterade modeller på exempel de själva skapat. Modellerna placerar beskrivningar ur huvudboken i EEIO-modellens varugrupper, och enligt författarna slog de enklare metoder och nådde samma nivå som en sakkunnig (Jain med flera, 2023). ATLAS, en benchmark med 10 000 syntetiska inköpsrader, publicerades 2024 med motiveringen att det saknades ett gemensamt sätt att jämföra sådana lösningar (ATLAS, 2024).
Där det är svårt
Det svåra är av tre slag: att veta vad som har köpts, att faktorn passar inköpet och att kunna jämföra siffrorna från år till år.
Att veta vad som har köpts
Ett konto rymmer sällan en sorts inköp. Ett konto för förbrukningsmaterial kan innehålla handskar, skärvätska och arbetskläder från fyrtio leverantörer. Kontonamnet och inköpstexterna är korta, och leverantörens namn säger sällan vad den säljer. Två kunniga personer delar upp samma konto olika, och båda kan försvara sitt val. Det finns alltså inget facit att rätta mot, bara val som går att bedöma.
Ett fel här kan gömma sig. Hamnar ett stort inköp i en varugrupp med låg faktor ser det litet ut och hamnar i svansen, där ingen tittar närmare. Matchningen måste därför vara god också för det som aldrig får bättre data.
Att faktorn passar inköpet
Tre saker gör att en utgiftsbaserad faktor kan passa sämre än den ser ut.
Landet. Faktorn kan gälla landet där varan tillverkas eller landet där den köps. Med tillverkningslandets faktor räknas importerat stål som om det vore svenskt, tillverkat med svensk el. Var en vara tillverkades framgår sällan av en huvudbok, och då rekommenderar XIO ett snitt för det som köps i landet, där importen ingår (XIO, Choosing the right emission factor).
Priset. Faktorerna gäller per euro av det som producenten får betalt. Huvudboken visar vad köparen betalade, med handelns påslag, transporter och skatt. Räknas hela beloppet som om det vore varan räknas påslaget som tillverkning, och vissa varor blir för höga medan andra blir för låga (XIO, Prices, inflation and time).
Detaljen. Modellerna byggs för att stämma för hela länder och hela ekonomin, inte för varje vara i varje land. En enskild faktor kan därför vara orimlig, och för vissa varor i vissa länder saknas den helt (XIO, Data quality and reliability).
Att jämföra från år till år
En faktor högre upp i trappan kan sakna delar av kedjan. Den utgiftsbaserade faktorn tar med allt som branschen köper, i alla led. Leverantörens EPD och schablonerna i LCA-databaserna bygger i stället på livscykelanalyser av processerna, och de lämnar delar av kedjan utanför av två skäl.
Det första är reglerna. Ett produktavtryck behöver bara ta med det som blir produkten, tillverkar den eller transporterar den, och inte maskiner och anläggningar, administration eller personalens resor. GHG-protokollets produktstandard räknar upp vad som får lämnas utanför (Product Standard, avsnitt 7.3), och branschregler som fordonsindustrins Catena-X gör likadant (Catena-X, avsnitt 4.2). Det andra är att analysen måste sluta någonstans, eftersom det i praktiken inte går att kartlägga alla led bakåt i kedjan. Det är den lucka Lenzen beskrev.
När ett stort konto byter till en sådan faktor kan utsläppen därför se lägre ut utan att något har hänt hos leverantören.
Input-output-modellerna bakom de utgiftsbaserade faktorerna ändras också. Varje version av till exempel EXIOBASE innehåller hela tidsserien från 1995 och räknas om i sin helhet. En ny version ersätter framskrivna år med uppmätta, rättar indata och ändrar ibland metoden, för alla år på en gång (EXIOBASE, version 3.11.2). De utgiftsbaserade faktorerna ändras då även för inköp som är oförändrade, och bara den del som kommer av nya uppmätta data speglar en verklig förändring. I ett fall vi har räknat på sjönk faktorerna i median med ungefär en femtedel, eftersom databasen hade räknat upp ekonomins storlek. Ibland ändras vad som räknas: i en senare version tillkom en rad för koldioxid från förbränning av biobränsle, och den följer med in i faktorn om ingen tar ställning till den.
Det gör det svårt att följa ett mål. Varje byte flyttar siffrorna, vare sig det är en ny version av databasen eller ett byte från belopp och utgiftsbaserad faktor till mängder och leverantörens egen faktor, och då flyttar sig både utfallet och det man jämför med. Med utgiftsbaserade faktorer minskar utsläppen dessutom bara om man köper för mindre pengar.
Basåret är det år målet räknas från, och det ligger fast. Siffran för basåret är en annan sak, och där säger reglerna olika. GHG-protokollet kräver att den räknas om när en ändrad metod eller bättre faktorer påverkar den väsentligt, men inte när ändringen speglar en verklig minskning. Räknas bara det senaste året om med bättre data ser det ut som att utsläppen har ändrats mer än de har (EY, Greenhouse Gas Protocol: Interpretative guidance, avsnitt 2.7.2.1; Corporate Standard, kapitel 5). SBTi sätter gränsen för väsentligt till fem procent (SBTi, kriterium C27).
ESRS är otydligare. Målets utgångsvärde ska bara ändras om målet eller rapporteringens avgränsning ändras väsentligt, i första hand vilka bolag som ingår. Ny metod eller nya faktorer nämns inte (ESRS E1, AR 25). Samtidigt ska bolaget ta hänsyn till GHG-protokollet när utsläppen räknas (ESRS E1, AR 39), och det kräver omräkning. Vi har inte hittat någon vägledning från EFRAG eller revisionsbyråerna om hur de två ska läsas ihop. I sina hållbarhetsredovisningar för 2025 räknar H&M, Schneider Electric och SKF om basåret när metoden ändras, utan att ta upp vad ESRS säger.
Vår ansats
Metoden började i Peabs huvudbok, som vi har arbetat med sedan 2024 tillsammans med Peabs egna experter och LCA-konsulterna på Miljögiraff (kundcaset). Sedan har den utvecklats med kunder i andra branscher och fungerar nu för fler sorters data än konton: transaktioner, produktlistor och stycklistor. Den följer stort och smått, med processbaserade faktorer för det som dominerar, ur en LCA-databas som ecoinvent eller ur leverantörernas egna data.
Varje rad bryts först ned i vad den innehåller: vilken vara eller tjänst, vilka material och i vilka andelar. Faktorerna kopplas till materialen och inte direkt till kontot. Två inköp på samma konto kan då få olika innehåll, samma metod fungerar för alla sorters data, och nedbrytningen går att granska i sak. En rad matchas först mot det som redan är bedömt, på namn och sedan på betydelse, så att "wellpapplåda 320x225 mm" och "corrugated cardboard box" hamnar på samma artikel. Finns ingen säker matchning föreslår en språkmodell innehållet. Förslaget märks som en uppskattning tills en människa har godkänt det, och varje rad sparas med metod, konfidens och motivering. Det som en gång är godkänt används igen nästa gång samma inköp dyker upp.
Fem rader, tre konton, en stycklista och en transaktion, brutna ned i vara, material och faktor. Stålet samlar tre rader och får två faktorer: leverantörens EPD där det väger, EXIOBASE i svansen. Påhittade rader och värden.
Där datamängden är stor tränas modellen på experternas bedömningar. Ett urval rader dras med en sannolikhet som följer deras uppskattade påverkan, experterna bedömer dem, och modellen tränas om tills skillnaden mellan två versioner ligger under en gräns som satts i förväg. Modellen lär sig alltså varv för varv, och inte en gång som hos Jain med flera.
Modellen läser fler rader än någon har tid till, men metodval, systemgränser och validering ligger kvar hos människor. Vilken fråga talet ska svara på, och för vem, avgör modellen inte.
För varje faktortabell skrivs valen ner, så att det går att se hur land och pris har hanterats: databas och version, prisbas och om beloppen är köparpris, om faktorn gäller tillverkningslandet eller marknaden där varan köps, vilka gaser som ingår och hur biogent kol har hanterats.
För att ett mål ska gå att följa låses faktorversionen per rapportår. En ny version prövas en gång om året genom att både den gamla och den nya läggs på samma års inköp. Skillnaden delas upp i det som är nytt år och det som är rättelser av tidigare data, och bara det första speglar en verklig förändring. Rättelserna läggs ihop år för år (Corporate Standard, kapitel 5). Så länge summan ligger under tröskeln kan bytet vänta, och flera ändringar kan göras i ett steg. När den når tröskeln byts versionen, och jämförelseåret och basåret räknas om samma år. Mål sätts på leverantörernas egna siffror och inte på de utgiftsbaserade.
Stort och smått gör att faktorerna byts just där det väger mest, och det är där målen följs. Varje gång ett stort konto får mer specifika data flyttar siffran, och den nya faktorn kan sakna delar av kedjan. Bytet visas därför konto för konto, och är skillnaden väsentlig räknas basåret om med den nya faktorn.
Ofta går det inte, eftersom bytet gäller mer än faktorn. I stället för belopp ur huvudboken räknas mängder, till exempel kilo ur digitala följesedlar, och i stället för en faktor per krona används leverantörens EPD per kilo. För basåret finns varken mängderna eller EPD, bara beloppen. Då finns två vägar: att uppskatta basårets mängder ur beloppen och lägga den nya faktorn på dem, med antagandet att priser och leverantörer var desamma då, eller att låta basåret stå och redovisa när den nya datan började användas och hur mycket av minskningen den förklarar (EY, avsnitt 2.7.2.1). Den första suddar ut en verklig förbättring hos leverantören. I den andra syns bättre data som en del av minskningen, även om det redovisas. Andelen inköp som räknas med leverantörernas egna siffror kan också följas för sig, vid sidan av utsläppen. Inget av det löser problemet, och det är en av de öppna frågorna nedan.
Vad vi såg
Utsläppen är koncentrerade, i varje underlag vi har räknat på. I en koncerns huvudbok stod tre procent av kontona för en fjärdedel av utsläppen. I de öppna leverantörsreskontrorna från sju svenska kommuner står 3 till 23 leverantörer för hälften av avtrycket och 23 till 118 för fyra femtedelar, räknat med Upphandlingsmyndighetens miljöspendindikatorer (Upphandlingsmyndigheten, miljöspendanalys). Det är där bättre data gör skillnad, eftersom den behövs för att hitta orsakerna bakom utsläppen och se var det går att agera.
Kumulativ andel av klimatavtrycket mot antal leverantörer, störst först, i sju kommuner under 2025. En linje per kommun, som slutar där kommunen passerar 80 procent. Punkten är där den passerar hälften. Räknat med Upphandlingsmyndighetens miljöspendindikatorer på kommunernas öppna leverantörsreskontror.
Belopp och utsläpp följs inte åt. I kommunerna är livsmedel, el och fjärrvärme några procent av kronorna men en fjärdedel till en tredjedel av utsläppen, medan köpta tjänster som skola och omsorg är stora i kronor men inte i klimat.
Kontots namn säger lite om vad som köps. Det som avgör står i leverantörerna och raderna bakom kontot, och de är för många för att läsa för hand. En modell kan läsa alla och hittar sådant som kontotexten döljer, som när ett konto för frakter visar sig vara kollektivtrafik. Den gör också fel som låter rimliga, som när arbetskläder från Björnkläder blev pälsvaror, och dem ser bara den som vet vad kontot är till för. Därför granskar människor, och därför sparas motiveringen på varje rad.
Vilken faktor gäller?
Det beror på hur mycket raden väger, och för vem. För de flesta rader är svaret en utgiftsbaserad faktor för rätt varugrupp, land och prisbas, med versionen låst och valet motiverat, så att summan blir komplett och går att granska. För de få rader som bär det mesta räcker den inte. Där behövs en faktor som säger något om just produkten eller leverantören, eftersom det är där orsakerna finns och där det går att agera, och den behöver läsas med vetskap om vad den saknar. Inget av valen har ett facit. Ett val håller när någon som kan saken kan följa skälen.
Hur långt det svaret räcker i praktiken beror på fyra frågor som fältet ännu inte har löst.
Hur rätt är ett faktorval? Skillnaderna mellan databaser är kända för länder och branscher men inte för en enskild rad i en huvudbok. I dag bedöms valen av bolagets egna experter, på ett urval rader. Vi känner inte till någon jämförelse av hur olika experter, i olika bolag, väljer för samma rad.
Var går gränsen mellan svans och detalj, och för vem? Rangordningen visar vad som är stort för koncernen. För ett dotterbolag, en inköpare eller en konstruktör kan något helt annat vara stort, beroende på vilka mål de har och vad de kan påverka. Hur samma huvudbok ska rangordnas för var och en, och vad bättre data är värd för just dem, vet vi inte än.
Hur syns en verklig minskning? Det är minskningen koncernen ska styra mot. Med utgiftsbaserade faktorer går det knappt, av skälen ovan. Med de andra metoderna går det bättre men är fortfarande svårt, eftersom alla vilar på antaganden som är svåra att överblicka för den som köper: branschsnitt som inte visar vad en viss leverantör har gjort, och systemgränser och avgränsningar i varje EPD. Reglerna för versionsbyten finns, men att skilja det som har hänt i kedjan från det som följer av antagandena är ännu olöst.
Hur kommer leverantörernas egna siffror in? För det som väger mest räcker ingen schablon. Siffrorna behöver komma från leverantörerna, och det kräver mer än ett sätt att dela dem. Det kräver också ett gemensamt sätt att räkna, där varje led räknar sina egna utsläpp med samma faktorer och fördelar dem på sina kunder, så att siffrorna kan läggas ihop längs kedjan utan att något räknas två gånger eller faller bort. Det är vad MASSIV+ arbetar med.
Källor
- GHG Protocol. Corporate Value Chain (Scope 3) Accounting and Reporting Standard, 2011. Avsnitt 6.2, 7.1 och 7.3. ghgprotocol.org
- GHG Protocol. A Corporate Accounting and Reporting Standard, reviderad utgåva, 2004. Kapitel 5. ghgprotocol.org
- SBTi. Corporate Near-Term Criteria, version 5.3.1, 2026. Kriterium C27. sciencebasedtargets.org
- Europeiska kommissionen. Delegerad förordning (EU) 2023/2772, ESRS. ESRS E1, AR 25 och AR 39. eur-lex.europa.eu
- EY. Sustainability reporting developments: Greenhouse Gas Protocol, interpretative guidance, augusti 2026. Avsnitt 2.7.2.1. ey.com
- Hållbarhetsredovisningar för 2025: H&M, Schneider Electric, SKF
- GHG Protocol. Corporate Standard - Standard Development Plan, version 2.0, 29 juli 2026. ghgprotocol.org
- Boverket. Klimatdatabas. boverket.se
- GHG Protocol. Technical Guidance for Calculating Scope 3 Emissions, 2013. Inledningen om EEIO-data och kapitel 1: Purchased Goods and Services. Hela vägledningen, kapitel 1
- Stadler, K. med flera. EXIOBASE 3: Developing a time series of detailed environmentally extended multi-regional input-output tables. Journal of Industrial Ecology, 2018. doi.org
- Watershed. CEDA, Comprehensive Environmental Data Archive, och den fria versionen Open CEDA. watershed.com
- Lenzen, M. Errors in conventional and input-output-based life-cycle inventories. Journal of Industrial Ecology, 2000. doi.org
- Kilian, L., Owen, A. och Hoekstra, R. Quantifying the impacts of multi-regional input-output data on emissions from imports. Economic Systems Research, 2026. doi.org
- Li, M. och Suh, S. Comparing CEDA, GLORIA and EXIOBASE for greenhouse gas emissions embodied in imports by USEEIO model. Konferensbidrag, International Input-Output Association, 2025. Pdf
- ISO 14044. Environmental management, Life cycle assessment, Requirements and guidelines. iso.org
- Huang, Y. A., Weber, C. L. och Matthews, H. S. Categorization of Scope 3 emissions for streamlined enterprise carbon footprinting. Environmental Science & Technology, 2009. doi.org
- Löfgren, B., Tillman, A.-M. och Rinde, B. Manufacturing actor's LCA. Journal of Cleaner Production, 2011. doi.org
- Baumann, H., Berlin, J., Brunklaus, B., Lindkvist, M., Löfgren, B. och Tillman, A.-M. The usefulness of an actor's perspective in LCA. I Towards Life Cycle Sustainability Management, Springer, 2011. doi.org
- Jain, A. med flera. Supply chain emission estimation using large language models. arXiv 2308.01741, 2023. arxiv.org
- ATLAS: A spend classification benchmark for estimating scope 3 carbon emissions. Climate Change AI, NeurIPS 2024. Pdf
- GHG Protocol. Product Life Cycle Accounting and Reporting Standard, 2011. Avsnitt 7.3. ghgprotocol.org
- Catena-X. Product Carbon Footprint Rulebook, version 4, 2025. Avsnitt 4.2. catena-x.net
- Upphandlingsmyndigheten. Miljöspendanalys: beräkna och analysera inköpens klimatpåverkan. Miljöspendindikatorerna, version 4, 2025. upphandlingsmyndigheten.se
- XIO Sustainability Analytics. Knowledge hub: Choosing the right emission factor; Prices, inflation and time; Data quality and reliability. Läst oktober 2026. xio-sa.com
- Icons Of. Kundcase: Peabs experters bedömningar, skalade till tusentals konton. iconsof.se