Sådan laver du et klimaregnskab i Excel for SMV'er

Hvor meget CO₂ udleder din virksomhed egentlig - og hvad koster det på bundlinjen om fem år? For mange små og mellemstore virksomheder er svaret en blanding af gætterier og spredte tal i mails, PDF’er og regneark. Men med EU’s kommende rapporteringskrav og voksende forventninger fra kunder, banker og medarbejdere er tiden løbet fra “vi tror roughly, vi ligger lavt”. Du har brug for et klimaregnskab, der er lige så gennemarbejdet som dit finansregnskab - og heldigvis kan du bygge det i noget, du allerede kender: Excel.

I denne guide tager vi dig trin for trin fra den første linje i GHG-protokollen til det færdige dashboard, der viser, hvor klima­belastningen er størst, og hvor du kan spare både CO₂ og kroner. Du får konkrete eksempler på, hvordan du:

• afgrænser scope 1, 2 og 3 uden at drukne i detaljer,
• samler data fra el-regninger, brændstof-kvitteringer og leverandørsystemer,
• opbygger en robust Excel-skabelon, der kan genbruges år efter år,
• krydser dobbelttjekker dine tal og oversætter dem til handlingsklare KPI’er.

Resultatet? Et klimaregnskab, der ikke bare tilfredsstiller revisoren, men giver dig et skarpt overblik over dine største klima-hotspots - og en plan for at gøre noget ved dem.

Lad os komme i gang. Jo før du får styr på tallene, desto hurtigere kan du omsætte grøn indsigt til konkurrencefordel.

Metoder og afgrænsning: GHG-protokollen og scope 1–3

GHG-protokollen inddeler udledninger i tre scopes, som tilsammen dækker alle relevante kilder til drivhusgasser for en virksomhed. For at give et hurtigt overblik til SMV’er kan scopes forklares sådan:

1. Scope 1 - Direkte udledninger: Eget naturgasfyr, firmabiler, procesudledninger og køle­midler.
2. Scope 2 - Indkøbt energi: Elektricitet og fjernvarme/-køling. Her skelnes mellem location-based (gennemsnitlig elmix i nettet) og market-based (kontrakt- eller certifikat­baseret el). SMV’er bør vise begge, men kan starte med location-based.
3. Scope 3 - Værdikæden: Alt fra indkøbte varer, transport og affald til medarbejderrejser, brug og bortskaffelse af solgte produkter. GHG-protokollen rummer 15 underkategorier; SMV’er bør udvælge de væsentligste (se næste afsnit).

Væsentlighedsvurdering handler om at fokusere kræfterne dér, hvor udledningerne og forretnings­påvirkningen er størst. Et praktisk greb for SMV’er er at plotte alle potentielle kilder i et matrix efter volumen (t CO₂e) og indflydelse (kontrol, risiko, branding). Alt der lander i øverste højre hjørne bliver “must-have” i det første klimaregnskab, mens mindre poster kan pareres med spend-baserede estimater. Når væsentligheden er afklaret, skal man definere organisatoriske grænser - typisk operational control for driftsenheder og financial control for datterselskaber - så man undgår overlap med partnere. Husk at beskrive eventuelle joint ventures og leasede aktiver (som kan høre til scope 1, 2 eller 3 afhængigt af lejetypen).

Til sidst skal der fastlægges en baseline og et rapporteringsår. Vælg helst et helt regnskabsår med pålidelige data (fx kalenderåret 2023) som reference for fremtidige reduktionsmål. Dokumentér alle metodevalg: hvilken emissionsfaktor­database, hvilke beregningsmetoder (aktivitet vs. spend), og hvordan usikkerhed håndteres. Når rammerne er på plads, kan du trygt gå videre til data­indsamling - og allerede nu sætte en årlig review-proces op, så regnskabet løbende forbedres i takt med bedre data og strammere klimakrav.

Dataindsamling til SMV’er: Kilder, struktur og kvalitet

For at kunne beregne et retvisende klimaregnskab skal du først identificere de aktivitetsdata, der driver udledningerne i din virksomhed. Typisk vil en SMV have brug for data inden for følgende kategorier:

• Energi: elforbrug (kWh), fjernvarme/naturgas (kWh eller m³)
• Brændstof: diesel, benzin og evt. biobrændstoffer (liter)
• Transport & logistik: fragt (ton-km), kurerpakker (antal, km) og distributørers brændstofforbrug
• Rejser: fly (km eller antal strækninger), tog, hotelovernatninger
• Affald & vand: mængde og type affald (kg) samt vandforbrug (m³)
• Indkøb af varer og ydelser: vægt (kg) eller spend (DKK) pr. varekategori

Datakvaliteten kan variere, så indbyg et simpelt scorings- eller farvekodesystem: A=revideret aktivitetsdata, B=leverandøroplyst, C=estimat, D=spend-baseret antagelse. Ved manglende datapunkter (huller) kan du 1) ekstrapolere fra sammenlignelige måneder, 2) bruge konservative defaultfaktorer eller 3) anvende gennemsnitstal fra offentlige databaser som Danmarks Statistik eller EEIO-modeller. Dokumentér altid metodevalg i en separat “Datakilder & antagelser”-fane, så efterfølgende revisioner bliver gennemsigtige. Slutteligt bør du beslutte en fast opdateringsfrekvens (kvartal, halvår) og lave en checkliste med

1. udtræk fra ERP/bank/energiselskaber
2. validering af enheder og mappede konti
3. kontrolsummer mod finansbogføringen

Byg Excel-skabelonen trin-for-trin

Et solidt klimaregnskab begynder med en logisk opbygget arbejdsbog. Opret derfor syv faner, der bygger oven på hinanden:

1. Forside / metadata: Titel, logo, ansvars­havende, versions­nr., dato samt en kort procesbeskrivelse.
2. Indstillinger: Rapporteringsår, organisatorisk afgrænsning (subsidi­er, sites) og evt. scope-filtre (in/​out). Brug dropdown-felter så du nemt kan skifte år eller inkludere/ekskludere et scope.
3. Emissionsfaktorer: En tabel med kilde, faktor, enhed og seneste opdatering. Del den i underafsnit for energi, brændstof, transport, materialer mv.
4. Rådata pr. kategori: Separate Excel-tabeller for el, varme, diesel, fly, fragt, indkøb osv. Kolonnerne bør mindst hedde Dato, Leverandør, Aktivitets­mængde, Enhed, Omkostning, Konto og Kommentar. Hent data fra kontoplan, ERP eller kreditorudtræk og angiv klare cut-off-regler.
5. Beregninger pr. scope: Her linkes aktivitetsdata til emissionsfaktorer via simple formler (fx =VOPSLAG() eller XOPSLAG()). Beregn CO₂e både brutto og pr. normaliserings­enhed.
6. Resultater / KPI’er: Samlede ton CO₂e fordelt på scope, kategori og tid. Tilføj indikatorer som CO₂e/omsætning og CO₂e/fuldtids­medarbejder.
7. Diagrammer / rapport: Pivot­tabeller og dynamiske diagrammer (kolonne, doughnut, heat-map) der automatisk følger filtrene fra Indstillinger. Kopiér udklip direkte til PDF eller præsentation.

For at gøre modellen robust bør du anvende følgende værktøjer:

• Excel-tabeller (Ctrl+T) sikrer automatisk rækkeudvidelse og læselige strukturer.
• Datavalidering på alle enheds- og kategorifelter reducerer tastefejl.
• Enhedsfelter (kWh, liter, km, ton) kombineret med klart definerede konverteringsfaktorer.
• Navngivne områder til centrale parametre (År_aktuel, Scope_Filter) gør formler mere læsbare.
• Dokumentations­sektion nederst i hver fane: kilde, version, seneste opdatering og ansvarlig.

Beregninger og kvalitetssikring

Når dine aktivitetsdata (kWh, liter, ton km osv.) er indtastet i rådata-fanen, skal de ganges med de korrekte emissionsfaktorer fra din Emissionsfaktorer-tabel. Brug altid unikke koder (f.eks. EL_DK_GRID_2023 eller DIESEL_B7) som fælles nøgle, så et simpelt =XLOOKUP([@Kode];Emissionsfaktorer[Kode];Emissionsfaktorer[CO2e_kg_pr_enhed]) henter den rigtige faktor i kolonnen CO2e_kg_pr_enhed. Selve udregningen kan ligge i en hjælpekolonne: =[@Aktivitetsmængde]*[@CO2e_kg_pr_enhed]. For el anbefales to kolonner-location-based og market-based-så du både kan rapportere standard-mixet og dit eventuelle køb af vedvarende certificater (GO’er). Hvis du mangler aktivitetsdata (fx taxi-kørsel), kan du midlertidigt bruge et spend-baseret estimat: =[@DKK]*Emissionsfaktor_DKK, men marker disse felter med betinget formatering, så de nemt kan erstattes af bedre data senere.

Usikkerhed og kvalitetsstyring kræver klare regler. Overvej følgende tjekliste for hver datalinje:

1. Kildekvalitet: Originalmåling > leverandøropgørelse > estimat.
2. Temporal dækning: Matcher perioden (måned/år)? Hvis ikke, skaler pro rata.
3. Konservative antagelser: Ved tvivl rund hellere op end ned, fx brug diesel frem for benzin for varebiler, eller antag økonomiklasse < 3.000 km og business > 3.000 km for fly.
4. Dobbelttjek for overlap: Anvend pivottabeller til at summere antal km pr. bil pr. år og sammenlign med total brændstof; ulogiske afvigelser afslører ofte dobbeltregning.
5. Usikkerhedsflag: Tilføj en kolonne [Usikkerhed_%]; lav derefter et vægtet gennemsnit for at se, hvor de største fejlmarginer ligger.

Før rapportering bør du lave en “reality check” på tværs af faner: kontrolsummer (summer CO2e i rådata = summer i scope-fanerne), outlier-test (kg CO2e per kWh < 1 for el, > 2,5 for naturgas) og år-til-år-trend (afvigelser > 20 % kræver forklaring). Afslut med normaliserede KPI’er, f.eks.

Visualisering, rapportering og næste skridt

Et godt dashboard i Excel giver ledelsen et øjebliksbillede af virksomhedens klimaaftryk. Start med en oversigtsside, hvor slicers kan filtrere på år, afdelinger og scope. Anvend stablede søjlediagrammer til at vise den procentvise fordeling mellem scope 1, 2 og 3, treemap eller Pareto-diagram til at identificere hotspots (fx top 10 leverandører eller materialer) og en linjegraf til trendanalyse over flere år. Brug betinget formatering til at fremhæve stigninger/fald, og læg alle figurer i en fast matrix (f.eks. 3 × 2), så rapporten er let at eksportere til PDF. Husk at låse layoutet, så utilsigtede ændringer undgås.

Når dataene præsenteres visuelt, kan du definere mål og KPI’er, der matcher både virksomhedens strategi og relevante standarder (f.eks. Science Based Targets). Overvej at kombinere absolute targets (tons CO₂e) med intensitetsmål (kg CO₂e pr. omsætnings- eller produktionsenhed). Typiske KPI’er omfatter:

1. Samlet udledning pr. scope
2. Udledning pr. omsætningskrone eller pr. medarbejder
3. Andel vedvarende energi (%)
4. Antal leverandører med klimadata

Næste skridt er at udarbejde en reduktionsplan, hvor hver handling kobles til en estimeret CO₂-gevinst, budget og ansvarlig person. Et simpelt eksempel:

Afslut med at dokumentere metode, antagelser og datakilder i en dedikeret fane, inkl. version, dato og ansvarlig. Planlæg en årlig opdatering-læg en påmindelse i kalenderen og kopier hele mappen som “År + version”, så du kan spore udviklingen. For SMV’er, der snuser til ESG-rapportering under CSRD-tærsklerne, kan denne Excel-løsning fungere som et “CSRD-light” fundament: tilføj blot sociale og governance-nøgletal. Overvej på sigt at automatisere dataimporten via Power Query eller API’er fra energiselskaber og økonomisystemer; det reducerer fejl og frigør tid til at fokusere på actual klimaaction.