Fra driftslog til overblik: AI som hændelses-analytiker

Moderne transport- og infrastruktursystemer genererer enorme mængder data. Driftslogge, alarmer og hændelsesrapporter strømmer ind fra tog, signalanlæg, SCADA-systemer, fly, havne og vejinfrastruktur. Når noget går galt, er problemet sjældent mangel på data – men mangel på overblik. 

Her begynder generativ AI at vise sit potentiale. Ikke som beslutningstager, men som analytisk assistent. 

Når data bliver for meget for mennesker 

En enkelt hændelse i et komplekst transportsystem kan udløse hundredevis – nogle gange tusindvis – af loglinjer og alarmer. Mange af dem er støj, nogle er symptomer, og enkelte er årsagen. At gennemgå materialet manuelt er tidskrævende og kræver stor erfaring. 

Her kan AI hjælpe ved at strukturere informationen. Sprogmodeller er gode til at: 

• gruppere loglinjer og alarmer i sammenhængende hændelser 
• opsummere lange forløb i kronologiske overblik 
• identificere gentagelser og mønstre på tværs af hændelser 

Det gælder, uanset om der er tale om SCADA-alarmer i energiforsyning, toglogge fra signalsystemer eller data fra fly og lufthavnsdrift. 

Struktur før konklusion 

Det afgørende er, hvordan AI bruges. For sprogmodeller er ikke trænet til at afgøre, hvad der faktisk skete. De er trænet til at formulere plausible forklaringer. 

Derfor bør AI’ens rolle i hændelsesanalyse være klart afgrænset: 
Den skal strukturere og synliggøre – ikke konkludere. 

Brugt rigtigt kan AI: 

• samle relaterede alarmer i meningsfulde hændelser 
• foreslå mulige sammenhænge mellem symptomer 
• pege på, hvilke systemer der oftest er involveret 

Men det er stadig mennesker med domæneviden, der skal vurdere årsag, ansvar og næste skridt. 

Eksempler fra praksis 

I SCADA-baserede systemer kan AI bruges til at samle alarmstorme til én overskuelig hændelse og give et hurtigt overblik over, hvad der kom først, og hvad der fulgte efter. 

I jernbanedrift kan toglogge, signalfejl og hændelsesrapporter struktureres, så det bliver tydeligt, om der er tale om en enkeltstående fejl eller et gentagende mønster. 

I luftfart kan store mængder flydata og hændelsesbeskrivelser opsummeres, så teknikere og planlæggere hurtigere kan danne sig et overblik – uden at miste detaljerne. 

Fælles for alle eksempler er, at AI ikke erstatter analysearbejdet, men reducerer den tid, det tager at komme frem til et fælles billede af situationen. 

Human-in-the-loop er afgørende 

Hændelser i transport og infrastruktur er ofte sikkerhedskritiske. Derfor er det afgørende, at AI ikke får lov til at “slutte cirklen” selv. Den må ikke alene konkludere på årsager eller foreslå handlinger, uden at et menneske har vurderet grundlaget. 

Den mest robuste anvendelse er derfor: 

• AI som første analyseled 
• mennesker som beslutningstagere 
• klare krav til sporbarhed og dokumentation 

På den måde bliver AI et værktøj til hurtigere indsigt – ikke en sort boks, der træffer beslutninger. 

Fra datamængde til indsigt 

I takt med at transportsystemer bliver mere komplekse og datatunge, bliver evnen til hurtigt at skabe overblik stadig vigtigere. Generativ AI kan være en stærk medspiller i det arbejde – hvis den bruges med teknisk forståelse og sunde forbehold. 

For i sidste ende er det ikke mængden af data, der skaber sikker og stabil drift. 
Det er overblikket – og de rigtige beslutninger på det rigtige tidspunkt.