Flera svenska räddningstjänster testat hur artificiell intelligens kan integreras i operativt arbete. Två aktuella projekt, finansierade av Vinnova och Brandforsk, visar hur behovsdriven teknikutveckling kan ge konkreta verktyg för allt från färdvägsoptimering till automatiserad rapportering.
Text: Mattias Delin, Brandforsk
AI är som anden i flaskan som vi vill önska oss allt möjligt (och omöjligt) av. Den senaste tiden har flera spännande arbeten genomförts för att se hur AI kan stärka räddningstjänsten. Både Brandforsk och Vinnova har bidragit med finansiering och Brandforsk har även varit drivande i ett av projekten. Många räddningstjänster har bidragit med arbetstid, kreativitet och RI – Räddningstjänstintelligens.
Tankar och arbeten om att använda AI för att stärka räddningstjänsten har pågått i ganska många år nu men farten har ökat markant senare år då flera AI-modeller har blivit tillgängliga för vanliga människor att använda. Det föder både superoptimistiska drömmar och lika pessimistiska farhågor.
Mönster framträder där olika personer i olika delar av verksamheter tar sig an både möjligheter och skepsis från olika håll. Det enda vi vet säkert är att vi inte kan stoppa huvudet i sanden. Det är bäst att hänga med oavsett på vilket sätt eller nivå man väljer att göra det. Det finns mycket som inte ryms i den här artikeln men förhoppningsvis kan det bli en pusselbit i ett större pussel.
Amer Catic på Aipiens bistår Brandforsk i flera arbeten med att utveckla såväl den egna verksamheten som kunskapsprojekt som vi driver. Med sin bakgrund inom forskning och start-ups inom innovation är han ett väldigt värdefullt stöd. Han säger att ta in AI i våra arbetssätt är innovation, och innovationsprocesser har sedan länge haft sina mönster. AI är inget undantag men har även vissa egenheter.
Det är viktigt att vara beredd på att innovation alltid innebär förändring och precis som vanligt så dyker då förändringsvilja och förändringsbenägenhet upp som element. När vi förändrar en fysisk sak eller ett arbetssätt så förändrar det också våra arbetsprocesser och det brukar även leda till förändringar av organisationen. När vi släpper ut anden ur flaskan så ställs vi alltså inför mer än bara våra önskningar.
Viljan till innovation kan komma från olika håll och kan enklast sorteras in i top-down eller bottom-up. I det här fallet kan man även sortera innovationerna i tech-drivna eller behovsdrivna. Vanligt är att dessa fyra kombineras i att top-down ofta är tech-drivna och inte sällan springer ur säljarbete från techindustrin till ledningsnivån. Det kan ge både överdrivna förväntningar och bristande förankring i produktionen.
På andra sidan står bottom-up som ofta är behovsdrivna. Sen kan de för all del finna en lösning i tech som motsvarar behovet. De behovsdrivna bottom-up innovationerna lyckas oftare än top-down, men de kräver en reflekterande verksamhet som inte bara fokuserar på att göra sitt jobb utan även har motivation, och resurser, att fundera på hur man kan göra det bättre.
Amers analys av räddningstjänsten i Sverige är att verksamheten och AI-teknologin är mogen att genomföra innovationer på operativ och taktisk nivå inom områden där AI kan användas för att informera och analysera åt verksamheten. Att innovera verksamhetsområden med målet att förändra dem strukturellt eller strategiskt och där AI har en integral uppgift att informera och analysera i den strukturellt eller stategiskt omstöpta verksamheten bör nog föregås av mer verksamhetsutveckling. Och att innovera med AI i vägledande eller automatiserande roll på taktisk och operativ nivå bör nog föregås av mer teknologiutveckling med syftet att öka AI:ns tillförlitlighet, speciellt i kritiska moment.
Att nå ända till att innovera genom strukturell och strategisk omstöpning med målet att AI dessutom ska ha en vägledande eller automatiserande roll i verksamheten kommer behöva föregås av både verksamhetsutveckling och teknologiutveckling. I dagsläget bör vi alltså fokusera på att förändra inom operativ och taktisk nivå och involvera AI i arbete gällande information och analys. Vi gör också klokt i att se den största potentialen i HI, Hybrid Intelligence, där människa och AI i kombination blir det starkaste kortet.
Räddningstjänsten Gotland, Västerviks räddningstjänst och Räddningstjänsten i Norrtälje har tillsammans genomfört ett projekt för AI-baserat realtidssystem för räddningstjänstens färdväg med finansiering från Vinnova. Det började med ett behov som manifesterade sig i ett suckande brandbefäl som manuellt förde in information om vägavstängningar till deras digitala kartsystem. En teknikkunnig kollega intill undrade vad suckandet handlade om och föreslog genast att det där borde kunna lösas med AI. Frågan växte till att bli: Kan AI hjälpa oss att få bättre utryckningsvägar?
De ingående delarna i projektet blev vägblockeringar i form av exempelvis varubilar som står och lastar på en trång plats, vägavstängningar för planerade arbeten, tillfälliga vägavstängningar vid akuta händelser och det aktuella trafikläget inklusive köer och liknande. Dessutom ingick att genomföra det i ett öppet API som kunde anslutas till det befintliga navigationssystemet så att man inte behövde byta ut det.
För att få koll på vägblockeringar valde man att använda sensorer som kan reagera på det och skicka information om det. För projektet valdes batteridrivna linjesensorer som placerades på strategiska platser och kommunicerade via LoRaWan (Long Range Wide Area Network) som finns i Visby men inte i de andra medverkande städerna. Därför ingick bara Visby i den delen av projektet. Sensorerna fungerade bra men gav begränsad information och fungerade dåligt vid exempelvis snö. För en fullskalig utbyggnad rekommenderar projektet andra sensorer.
Vägavstängningar meddelas på olika sätt i olika kommuner. Många räddningstjänster får information via email. Här behövde systemet kunna öppna mail, och dess bilagor, kunna läsa och förstå informationen, och lägga in den i kartan. Det gällde både plats och vilken tid som avstängningen skulle vara. Därefter ska informationen tas bort automatiskt. Systemet måste således även innehålla en kalender. Informationen kommer ofta i pdf-filer och de kan skapas på olika sätt vilket också påverkar hur de kan läsas.
Tillfälliga vägavstängningar hanterades på samma sätt som planerade, men någon funktion för att markera pågående olyckor hade man inte med i projektet.
Den enklaste delen var att få in information om det rådande trafikläget och köer i trafiken. Den informationen finns redan i flera navigationsappar och kan importeras till systemet.
Vid larm dirigerar systemet den bästa vägen baserat på all den information man ar lagt in. För att möta räddningstjänstens behov och förutsättningar kunde man även ange om man färdades med en personbil eller lastbil, eftersom de kan olika framkomlighet, och man kunde välja att systemet angav den bästa vägen inklusive körning mot enkelriktad trafik.
För genomförandet gjorde man en upphandling av systembyggare, sensorer och tekniker, där Sensative blev den utvalda leverantören. Det gick relativt snabbt att bygga systemet och det testades skarpt redan under Almedalsveckan i Visby.
På frågan om projektet tycker att de nådde sitt mål så svarar de så här: Ja, projektet visar att AI kan hjälpa räddningstjänsten att få bra framkörningsvägar. Det kan implementeras i det befintliga navigationssystemet. Man kom längre än man trott i projektet och man anser att systemet kan rädda liv genom att öka effektiviteten inom räddningstjänsten.
Brandforsk tillsammans med Nationellt utvecklingscentrum NUC vid Räddningstjänsten Storgöteborg ledde under 2025 ett projekt som finansierades till lika delar av Brandforsk och Brandskyddsföreningen Väst. I arbetsgruppen ingick dessutom 6 räddningstjänster och ett antal andra sakkunniga[1].
Det ursprungliga syftet med projektet var att få kunskap om hur räddningstjänsten kan stärkas med hjälp av AI, men för att ta utgångspunkt i rätt ände valde vi att primärt fokusera på behovet av digitala verktyg. Är de väl digitala kan AI läggas till om man så önskar. Projektet fick därför titeln DSR Digitalt Stöd för Räddningstjänsten.
Arbetet genomfördes i workshops under ledning av Amer Catic. En behovsanalys utfördes vilket la grunden till tre förslag till digitala verktyg för räddningstjänster. Dessa verktyg kan även innefatta AI-baserat stöd.
Behovsanalysen avsåg värdering av nyttan med ett nytt digitalt verktyg utifrån att nå ett eller flera av följande mål: Frigöra tid, frigöra pengar, öka kvalitet eller öka effekt inom de tre delarna av räddningstjänstens uppdrag att rädda liv, miljö och egendom.
Behovsanalysen kom fram till tre förslag som gruppen ville arbeta vidare med och utan egentlig styrning så föll det sig så att de fördelade sig över arbete på skadeplats, olycksförebyggande arbete, och internt planeringsarbete.
Verktyget för skadeplats kom att kallas ”Smart rapport” och ska automatiskt kunna samla in information från en insats utifrån exempelvis ljudinspelning från ledningsgenomgångar, filmer och bilder från hjälmkameror och drönare samt sensorer i byggnader och på räddningstjänstpersonal. Extern information från exempelvis fastighetsregister och liknande ska också kunna importeras. Därefter ska verktyget sammanställa informationen och kunna sända iväg exempelvis en händelserapport till MCF, men även mer information än det ska kunna hanteras och analyseras.
Verktyget för det olycksförebyggande arbetet utgör ett stöd för tillsyn enligt LSO. Primärt vill man att det inriktas mot publika verksamheter såsom hotell, restauranger och samlingslokaler men längre fram kan det även bistå vid tillsyn av andra verksamheter. Verktyget ska kunna samla information om objektet på flera sätt, med början redan före tillsynen, ge en checklista för tillsynen, skriva protokoll och initiera faktureringen.
Verktyget för det interna planeringsarbetet ska kunna schemalägga personalens utbildningar så att de kan genomföras med god kvalitet och effektivitet, och att ingenting missas. Ett sådant verktyg underlättar också exempelvis semesterplanering och minskar behoven av övertidsuttag av ersättningspersonal under utbildning. Förutom personalen så behöver instruktörer, lokaler och utrustning ingå i systemet.
För att kontrollera om arbetsgruppens resultat stämde överens med behovsbilden även hos fler räddningstjänster så genomfördes en enkätundersökning som skickades till landets räddningstjänster. 60 svar inkom och de bekräftade behovet av de föreslagna verktygen. Den inbördes viktningen av dem visar på att de alla är av stor relevans.
De föreslagna verktygen har även skalats ner till minsta möjliga piloter för att vara möjliga att prova inom ramen för begränsade resurser avseende både tid och pengar.
Det fortsatta arbetet behöver testbäddar, finansiering och organisation. Flera räddningstjänster har visat intresse för att utgöra testbädd. Finansiering är en kvarstående fråga och beror delvis på hur mycket som krävs för att komma vidare. Grova bedömningar av kostnader handlar om i storleksordningen hundratusental kronor. Organisation för arbetet är en öppen fråga men det vore till fördel om det till stor del ägs av intressenterna.
Om du vill veta mer om detta kan du se inspelningen av En dag om AI i räddningstjänsten på Brandforsks hemsida och där kan du även hitta hela rapporten från DSR-projektet.
[1] Räddningstjänsten Storgöteborg, Brandkåren Attunda, Räddningstjänsten Östra Götaland, Räddningstjänsten Skåne Nordväst, Södertörns brandförsvarsförbund, Räddningstjänsten Kiruna, Rönninge larm, WinGuard, Linköpings universitet och MSB.
