Nytt projekt om AI inom VA-sektorn – vad fungerar och hur?

Mistra InfraMaints styrelse ger under hösten grönt ljus till nya strategiska projekt inom vårt program.

– Vi väljer att starta upp ett antal projekt som vi ser kommer att bidra till effektiv och hållbar tillgångsförvaltning. Det är allt ifrån optimering av sensorplacering i nätet till AI och erfarenheter från utlandet, men den röda tråden är att de alla hjälper våra VA-organisationer att åstadkomma mer med mindre medel, säger Åsa Flydén, tf programchef.

Tre nya vattenprojekt

Tre projekt är redan nu klara att sätta igång, och de kretsar alla kring vatten och framtida strategier och innovation för vår vatteninfrastruktur. Ett handlar om vad vi kan lära oss av utländska föregångare när det gäller digitalisering i vattensektorn och ett om optimal placering av sensorer i dag- och spillvattenledningsnät.
Det tredje är en färdplan för att skala upp användningen och införandet av AI och maskininlärning i svenska VA-organisationer – vad fungerar, hur och varför fungerar det?

Projektet syftar till att förenkla införandet och användningen av AI och maskininlärningsverktyg i svenska vattenverk, genom att utvärdera nuvarande implementeringar, granska ”best practice” och ta del av expertinsikter. Vi lät projektledare Emmanuel Okwoi berätta mer.

Varför initierade du det här projektet?

– Svenska kommuner står inför ett kritiskt skede i vattenhanteringen. Vi har en åldrande infrastruktur och ett årligt investeringsunderskott på över 10 miljarder kronor i vår vatten- och avloppsinfrastruktur, enligt en rapport från Svenskt Vatten. Denna utmaning innebär dock en möjlighet till innovation.

Vilken är den huvudsakliga utmaningen projektet adresserar?

– Trots fördelarna med AI verkar det finnas ett gap mellan insikten kring detta och hur utbrett användandet är i praktiken. Att överbrygga det gapet är avgörande för digital transformation i många VA-organisationer.
Projektet kommer att titta på några aspekter som påverkar användandet av AI, som klassificering av datasäkerhet och snabba tekniska framsteg – den snabba utvecklingen av AI innebär ständiga utmaningar när det gäller att avgöra vilka algoritmer, verktyg och bästa praxis som ska användas eller undvikas. Det gör det svårt för VA-organisationerna att införa lösningar utifrån sina specifika behov och integrera dem med befintliga system.

Vilken lösning bidrar projektet med?

– Vi vill leverera en tydlig, användbar färdplan som kan stödja VA-organisationerna i att effektivt använda AI och maskininlärningsmetoder. Den kommer förhoppningsvis att kunna leda till mer beslutsfattande baserat på data och högre effektivitet – med hjälp av AI kan vi optimera processer vilket leder både till kostnadsbesparingar och bättre resurshantering.

Datadrivna beslut och proaktivt underhåll

Artificiell intelligens och maskininlärning skulle kunna erbjuda transformativa lösningar som möjliggör datadrivet beslutsfattande och proaktiv underhållsplanering.
– Då skulle vi gå mot en mer optimerad resursfördelning, längre livslängd och förbättrad operativ effektivitet för vatten- och avloppsinfrastrukturen, säger Emmanuel Okwori.

Han menar att det behövs en strategisk färdplan för införandet av AI. En sådan behöver fokusera på vad som fungerar, hur och varför det har fungerat – och även visa på vad som inte har fungerat och varför. Det ger en riktning för dem som ännu inte påbörjat arbetet.

– I grund och botten handlar integrationen av AI i vår vattensektor inte bara om att lösa aktuella problem – det handlar om att framtidssäkra vårt infrastrukturbestånd.

Hur långt har den svenska vattenindustrin kommit när det gäller AI-utveckling, tycker du?

– Enligt mig befinner sig den svenska vattenindustrin fortfarande i ett tidigt skede, men visar redan lovande resultat inom viktiga områden som förebyggande underhåll, läckagedetektering och övervakning av vattenkvaliteten. Det finns kommuner som är pionjärer inom dessa lösningar och visar att det finns stor potential när det gäller effektivitet och hållbarhet. Utmaningarna kvarstår dock – många allmännyttiga företag brottas med begränsningar i datainfrastrukturen, kompetensbrist och behovet av att balansera AI-investeringar med brådskande infrastrukturförnyelser. Trots dessa hinder är framtidsutsikterna lovande!