Kunstig intelligens er nøglen til en bæredygtig fremtid

Brugen af kunstig intelligens kan reducere udledningen af drivhusgasser på verdensplan med 4% frem mod 2030, hvis energi-, vand-, landbrugs- og transportsektoren i stigende grad benytter sig af teknologien. Det viste tal fra PwC allerede i 2019. Siden er opmærksomheden om nye teknologier som middel til at imødekomme klimakrisen kun blevet større.

Kunstig intelligens rummer potentialet for, at virksomheder kan mindske deres CO2-udledninger uden, at det sker på bekostning af økonomisk vækst. Der er med andre ord mulighed for – gennem data og analyse – at skabe en bæredygtig fremtid, uden at det nødvendigvis sker på bekostning af fremgang, velstand og vækst.

Data og avanceret analyse er de sidste 10-15 år anvendt til at forudsige hændelser og optimere ressourceanvendelsen. Både ift. finansielle investeringer, bemanding samt råvarer og andet ressourceforbrug. Use-cases vedr. optimering er således veldefinerede og den analytiske tilgang anerkendt. Vi mangler dog fortsat at anvende metoden i fuld skala inden for bæredygtighed. Det er en af de vigtigste opgaver, som mange virksomheder står overfor nu.

Optimeringsmulighederne er endnu større, hvis de kobles til teknologier, som IoT, data visualisering, augmented reality mv. Data fortæller os om vores planets tilstand – om forhold i vandet, i luften og i jorden, som giver os viden, der gør, at vi kan forudsige, reagere og få det bedste ud af knappe ressourcer.

Mulighederne kan eksempelvis benyttes også i den intelligente transport- og byplanlægning, hvor vi med den rette indsigt kan optimere f.eks. den kollektive trafik gennem intelligent lysregulering, omdirigere tung trafik i myldretiden og sikre, at bussernes ruter og kapacitet følger det aktuelle behov og ikke kører halvtomme rundt. Sensordata fra IoT-kilder kan monitorere alt fra temperaturen i kølemontrerne i supermarkederne til at registrere, hvornår byens affaldsspande skal tømmes, så renovationsmedarbejderne kun kører, når det er nødvendigt. Det sparer ressourcer, er god forretningsmæssig logik og reducerer CO₂-forbruget.

Men data alene kan ikke gøre det. Store mængder data har brug for teknologier, der skaber systemer og mønstre, som vi kan handle på. Ellers overvældes vi af mængden af informationer. Og kunstig intelligens er nøglen. Vi har brug for algoritmer, der skaber mening og sammenhæng, og som kan understøtte de gode og bæredygtige beslutninger.

Predictive analytics kan være med til at forudsige fremtiden

Vores muligheder for at handle på klimakrisen i tide stiger i takt med, at vi kan forudsige begivenheder og planlægge efter flere mulige scenarier. Her er teknologier som predictive analytics et effektivt redskab.

Konkret bruger store virksomheder som f.eks. rederiet Norden predictive analytics til at forudsige, hvornår skibene skal renses for alger, der øger modstanden og dermed medvirker til et øget brændstofforbrug. Ved at kunne forudsige problemet og rense skibene tidligere, reduceres forbruget af bunker fuel og dermed CO₂-udledningen. Det samme gør sig gældende, når de mange vindmøller i Danmark skal serviceres. Ved hjælp af predictive analytics kan servicemedarbejdere – på baggrund af de tusindvis af datapunkter, som en mølle genererer – forudsige, hvornår en given del skal udskiftes, inden den går i stykker. Det betyder f.eks., at nedbrud kan undgås, og at teknikernes køreture kan optimeres, så de ikke kører forgæves eller flere gange end nødvendig.

Når ressourcerne er knappe

Hvis vi gennem teknologi kan forudsige, planlægge og optimere vores forretning, kan vi reducere vores negative klimaaftryk og udnytte knappe ressourcer bedre. Optimering handler blandt andet om at forlænge levetiden på et givent produkt og reducere uhensigtsmæssig transport ved at ruteplanlægningen følger det faktiske behov (og kan ændres i realtid). Data er forudsætningen, men teknologier som kunstig intelligens sætter strøm til.

Demokratiseringen af rådata, som gøres frit tilgængelige, så andre kan bruge dem til at bygge bæredygtige løsninger og services, er afgørende for, at vi rykker os i den rigtige retning frem mod 2030. Her er Energinets platform ’Energi Data Service’ et glimrende eksempel. Det samme gør sig gældende for analytiske assets, som vi f.eks. ser på platformen GitHub, hvor algoritmer løbende udvikles og forbedres, for derefter at blive sat fri, så de kan bruges i andre sammenhænge.

Endnu flere virksomheder og organisationer skal kunne se værdien i – og have evnerne til at operationalisere – de nye teknologier som middel til at reducere CO₂-udledningen, hvis vi skal nå det ambitiøse danske mål. Og hvis teknologierne skal gøre gavn i samfundet og for klimaet, bør de være tilgængelige for for de mange og ikke de få.

Læs mere om, hvordan din organisation kan komme godt i gang eller godt videre med AI, predictive analytics og big data ved at downloade vores klima inspirations håndbog herunder.