In this MSc thesis, it is investigated what parameters are relevant for describing energy consumption of heavy haul freight trains and how these can be used to develop key performance indicators (KPIs) for energy efficiency. The possible set of KPI is bounded by data available from energy meters used in electric IORE class locomotives hauling iron ore trains in northern Sweden. Furthermore, the analysis is only concerned with energy efficiency at the rolling stock level, excluding losses in the electric power supply network. Based on a literature study, parameters of interest describing driver, operations and rolling stock energy efficiency have been identified. By means of simulation, a parametric study is performed, simulating a 30 ton axle load iron ore train with 68 wagons. Train modelling input is obtained from technical documentation or estimated through measurements and statistical analysis. A multi-particle representation of the train is used to calculate gradient resistance for the simulation, which is also applied to determine the curve resistance.  Results show that the motion resistance is simulated quite accurately, while the lack of a driver model in the simulation tool leads to overestimation of energy consumption. Taking this into account, the importance of the driver for energy efficiency can still clearly be showcased in the parametric study. Especially on long steep downhill sections, prioritising the electric brakes over mechanical brakes is demonstrated to have a huge influence on net energy consumption, as has the amount of coasting applied. With the same driver behaviour in all simulations, the savings in specific energy from increasing axle load to 32.5 tons is estimated. Moreover, a comparison of increased train length and axle load points towards higher savings for the latter. In the end, parametric study results are used to recommend a structure for a monitoring system of energy efficiency based on a set of KPIs. With a sufficiently high sampling rate of energy meter data, it is adequate for calculating driver related KPIs and some additional KPIs. More KPIs can be tracked with access to additional data, e.g. cargo load. / I detta examensarbete undersöks vilka parametrar som är relevanta för att beskriva energiförbrukning för tunga godståg och hur dessa kan nyttjas för att utveckla nyckeltal för energieffektivitet. Antalet möjliga nyckeltal avgränsas till sådana som kan beräknas med data från elmätare som används i elektriska littera IORE lok som drar tunga malmtåg i norra Sverige. Vidare så tar analysen endast hänsyn till energieffektivitet för rullande materiel, vilket utesluter förluster i elektriska kraftmatningsnätet. Baserad på en litteraturstudie har relevanta parametrar som beskriver förare, drift och rullande materiel identifierats. Med hjälp av simuleringar av ett malmtåg med 30 tons axellast och 68 vagnar så utförs en parameterstudie. Indata för tågmodelleringen erhålls från teknisk dokumentation respektive uppskattas genom mätningar och statistisk analys. En representation av tåget som flertalet partiklar tillämpas i simulering för att beräkna lutningsmotståndet. Dessutom används densamma för att ta fram kurvmotståndet. Resultaten visar att gångmotstånd simuleras ganska exakt, medan avsaknad av en förarmodell i simuleringsvertyget leder till överskattad energiförbrukning. Med hänsyn tagen till detta så kan betydelsen av föraren för energieffektivitet fortfarande påvisas mycket tydligt i parameterstudien. I synnerhet i långa branta nedförsbackar har prioritering av den elektriska bromsen framför den mekaniska bromsen mycket stor påverkan på nettoenergiförbrukningen, likaväl som hur mycket tåget frirullar. Med samma förarbeteende i samtliga simuleringar har besparingar i specifik energiförbrukning kunnat uppskattats för en ökning av axellasten till 32,5 ton. Dessutom pekar en jämförelse av ökad tåglängd och axellast mot att sistnämnda ger större besparingar. Slutligen så har resultaten från parameterstudien nyttjats för att rekommendera en struktur för ett uppföljningssystem av energieffektivitet baserad på en uppsättning av nyckeltal. Med tillräckligt hög samplingsfrekvens på data från elmätare är den adekvat för att beräkna vissa nyckeltal, framförallt relaterad till förare. Fler nyckeltal kan följas upp med mer tillgänglig data så som lastvikter.