Bygging av vei og bane krever enorme ressurser og bidrar til store klimautslipp. Det skjer utvikling og innovasjon på en rekke felt for å bedre situasjonen. Den siste tiden har kunstig intelligens (KI) kommet i søkelyset. Men hvordan kan KI være med på å gi besparelser innenfor vei- og banebygging? Forskningsleder ved SINTEF, Signe Riemer-Sørensen, peker på at KI enkelt oppsummert kan være med å bidra til å redusere utslippene via to hovedfelt.

– Kunstig intelligens, eller maskinlæring, som er algoritmene som driver kunstig intelligens, kan brukes til å identifisere mulighetene for innsparing. Den kan bruke data til å vise hvor maskiner går på tomgang og hvordan terrenget påvirker drivstoffbruken. Identifiseringen i seg selv gir ikke innsparing, sier Riemer-Sørensen.

Det andre hovedfeltet KI kan brukes til er optimeringsprosessen. Når man vet hva man ønsker å spare inn på, kan man bruke KI for å gjøre prosessen mer effektiv. På en anleggsplass innebærer det for eksempel at en algoritme sender dumpere til den plassen det er behov for dem, heller enn at de går på tomgang. Når det er snakk om 30-50 gravemaskiner og flere hundre dumpere, vil det gi store besparelser både på miljø og økonomi, ifølge Riemer-Sørensen.

– Maskiner slipper å stå unødig i tomgang og bruke drivstoff på å gjøre ingenting. I tillegg kan de rutes best mulig i forhold til terrenget og drivstoffbruken. Byggingen blir mer effektiv, drivstoffbruken reduseres og man kan gjøre ting raskere slik at inngrepet i lokalområdet blir mindre. I tillegg har man et økonomisk aspekt. Mindre drivstoff og kortere anleggsperiode gir færre utgifter, sier Riemer-Sørensen.

– Avhengig av mye data

Man er ennå i tidlig fase av KI-utvikling, påpeker hun. Det byr også på utfordringer.

Nils Olsson. Foto: Privat

– Det er vanskelig å få algoritmene til å fungere i praksis. Det er et gap fra det som utvikles på språk og bilder, til fysiske systemer som for eksempel anleggsplasser. Dessuten krever store datamaskiner mye strøm. Men mangel på data er en større begrensning. Innenfor bygg- og anlegg er det lite standardisering. Entreprenører har maskiner fra ulike leverandører, med hver sine datasystem. Det å få samkjørt i et eget system som samler inn data er krevende. Og entreprenører er som regel ikke dataingeniører i tillegg, sier Riemer-Sørensen.

Nils Olsson er professor ved institutt for maskinteknikk og produksjon ved Norges Teknisk Naturvitenskapelige Universitet, NTNU. Han ser mange muligheter for KI i vei- og baneprosjekter og i bygg- og anleggsbransjen for øvrig.

– Det er mye som blir testet nå, og det kommer til å ta tid før man finner formen. Hvert prosjekt er unikt, det gjør at det er krevende å sammenligne data mellom prosjekter. Kunstig intelligens er avhengig av å ha mye data, helst av lignende type, sier han.

Mangler IT-kompetanse

Olsson tror på en sakte revolusjon av KI i vei- og baneprosjekter. Ved hjelp av erfaringsdata vil KI-en finne mønster og bruke det til å predikere og estimere eksempelvis hvor lang tid noe kommer til å ta, når det er ferdig og hva det koster.

– KI vil for eksempel bidra til å finne mer energieffektive måter å utføre produksjonen på, den vil bidra til å finne komponenter og materialer som gir mindre CO2-utslipp, og mer energieffektiv transport på anleggsplassen. KI gir muligheter til å sammenstille kunnskap og utnytte det man allerede vet, sier Olsson.  

– Hvordan skal man sikre faglig forsvarlighet i KI-verktøyene?

– Bygg- og anleggsbransjen er mye smalere enn for eksempel Chat GPT, og det er viktig å unngå at KI hallusinerer og finner på sprøyt. Man må ta i bruk data fra tidligere prosjekter. Det hadde vært ekstremt elegant om bransjen kunne dele dataen i større grad, men det er det vanskelig å gjøre mellom konkurrenter. Kanskje det vil komme en felles løsning med anonymisert og ikke-forretningssensitiv informasjon uten personopplysninger, slik at alle fikk et bedre datagrunnlag, sier Olsson.

En annen baug er manglende IT-kompetanse i bransjen. For å nyttiggjøre seg KI og utvikle den til å bli en god hjelper, må man kunne både bransjen og IT.

– I dag er det en tendens til at man bør kunne å kode selv for å bruke ulike deler av KI, eksempelvis maskinlæring. Det er en utfordring å finne folk med denne kompetansen. Vi håper at en del av våre nyutdannede skal bidra til det, sier Nils Olsson.