Signaturprojekter om kunstig intelligens i kommuner og regioner

I forbindelse med aftale om kommunerne og regionernes økonomi for 2020 aftalte regeringen, KL og Danske Regioner at igangsætte 15 signaturprojekter til afprøvning af kunstig intelligens i kommuner og regioner.

Signaturprojekterne skal afprøve kunstig intelligens på områder, hvor der er et potentiale for at løfte kvaliteten og kapaciteten i fremtidens offentlige sektor gennem skalering af teknologien, men hvor der i dag er få konkrete erfaringer. Projekterne skal give erfaringer med anvendelse af teknologien i den borgernære service såvel som i administrationen, for at udnytte de muligheder teknologien giver, men samtidig også blive klogere på teknologiens begrænsninger og udfordringer. 

Signaturprojekter

Beskrivelse

Projekt DESERT træner et kunstig intelligensbaseret beslutningsstøttesystem til bedre at opdage kritisk tilstand hos akutte patienter og rangordne sandsynlighed for en række hyppige livstruende tilstande på basis af diagnostiske blod og urin analyser.

På de patienter, som kommer ind på akutmodtagelserne og vurderes at være i en potentielt kritisk tilstand, vil der i forsøgsperioden udføres cirka 100 kritiske biokemiske og mikrobiologiske analyser under 60 minutter efter ankomst. På basis af data fra patientens tidligere forløb trænes et beslutningsstøttesystem via maskinlæring til, at klassificere patienter i forhold til kritiske parametre og herunder sandsynlighed for de femten mest kritiske diagnoser og infektioner.

På kort sigt er forventningen, at projektet vil betyde færre dødsfald via blandt andet reduceret antal patienter med sepsis (blodforgiftning) og antal patienter indlagt på intensivafdelingen, reduceret liggetid, samt antal genindlæggelser. På længere sigt vil det potentielt kunne udføres på patienter i almen praksis, og derved give mulighed for bedre at skelne mellem indlæggelseskrævende og ikke-kritiske patienter uden behov for indlæggelse.

Organisering

Projektet gennemføres i et samarbejde mellem Sygehus Lillebælt, SAS Institute, og Region Syddanmark. Projektets resultater valideres i et samarbejde med blandt andet Odense Universitetshospital, Oslo Universitetshospital, Karolinska Universitetshospital. Der er således tale om en konstellation af leverandører med faglig tyngde og adgang til data, erfaringer og arbejdsgange. Sygehus Lillebælt vil eje og drive projektet og sikre at de løsninger, der frembringes, løbende afprøves og kvalificeres.

Økonomi

Projektet modtager 8,7 mio. kr. fra investeringsfonden for nye teknologier og digitale velfærdsløsninger.

Tidsplan

Projektet løber fra ultimo 2019 til ultimo 2022.

Beskrivelse

Projektet vil anvende kunstig intelligens i almen praksis som et redskab til at udvikle og fremme datadreven kvalitetsudvikling i sektoren. De udviklede algoritmer skal fx assistere med automatisk håndtering af indkomne prøvesvar, hvor nærmere uddybelse af prøvesvaret er unødvendig. Algoritmerne kan også være behjælpelige ved sortering af blodprøvesvar ved markering af vigtige udfald, som lægen skal være særligt opmærksomme på og hurtig tage stilling til.

Dette projekt udarbejder en model for anvendelse af kunstig intelligens i almen praksis, som kan bidrage til kvalitetsudvikling samt afhjælpe/lette de praktiserende lægers travle hverdag med tunge mængder af information.

Projektet vil skabe forudsætningerne for en kvalitetsoptimering, hvor de fleste borgere første gang møder sundhedsvæsnet. Smarte løsninger kan understøtte hurtigere prøvesvar til patienterne og frigøre mere tid til patienterne. Derudover vil projektet udvikle et beslutningsstøtteværktøj til tidligere diagnosticering af fx vanskelige eller sjældne diagnoser.

Organisering

Projektet gennemføres i et samarbejde mellem MedCom, Region Nordjylland samt Aalborg Universitet og klyngerne af praktiserende læger i Nordjylland.

Projektet forankres i MedCom, som ejer og driver projektet og sikrer fremdrift samt opsamling på projektets resultater.

Økonomi

Projektet modtager 8 mio. kr. fra investeringsfonden for nye teknologier og digitale velfærdsløsninger.

Tidsplan

Projektet løber fra ultimo 2019 og til medio 2021.

Beskrivelse

Årligt registreres der cirka 25.000 KOL-relaterede indlæggelser i Danmark, hvor exacerbationer (sygdomsforværring der leder til medicinsk behandling)er den primære årsag. Exacerbationer er associeret med en øget dødelighed samt forringet prognose, lungefunktion og helbredsrelateret livskvalitet.

En anden hyppig årsag til indlæggelser er hjertesvigt, som estimeres at føre til cirka 11.000 årlige indlæggelser i Danmark. Hjertesvigt betragtes som en stor folkesundhedsmæssig udfordring med store økonomiske udgifter.

Hos TeleCare Nord arbejder man på en løsning baseret på kunstig intelligens, der kan styrke de telemedicinske løsninger omkring KOL- og efterfølgende hjertesvigtpatienter. Løsningen skal hjælpe med at finde KOL-patienterne, før exacerbationer leder til en indlæggelse, og så en tidlig behandling kan indsættes. På baggrund af disse erfaringer er en løsning baseret på kunstig intelligens med sigte på hjertesvigtpatienter under udvikling, og vil kunne testes i det eksisterende setup. Projektet indeholder desuden en analyse om, hvorvidt løsningen kan bidrage til at mindske ulighed i sundhed med fokus på sårbare patienter.

Succesfuld prædiktion af patienter med risiko for exacerbationer eller hjertesvigt kan reducere indlæggelser og føre til forbedret livskvalitet for patienten. Patienten vil samtidig kunne få et bedre behandlingsforløb. Derudover vil projektet give et styrket privat og offentligt samarbejde om udviklingen af fremtidige telemedicinske løsninger samt et anseeligt besparelsespotentiale i kommuner og regioner.

Organisering

Projektet gennemføres i et samarbejde mellem TeleCare Nord, Region Nordjylland samt Aalborg Universitet og Aalborg Kommune. Projektet forankres i regi af TeleCare Nord i Region Nordjylland, som ejer og driver projektet og sikrer fremdrift samt opsamling på projektets resultater.

Økonomi

Projektet modtager 3,9 mio. kr. fra investeringsfonden for nye teknologier og digitale velfærdsløsninger.

Tidsplan

Projektet løber fra primo 2020 til ultimo af 2022.

Beskrivelse

Projektet arbejder med realtidsprognoser igennem kunstig intelligens samt målrettet præsentation af essentielle informationer for det sundhedsfaglige personale inden for de eksisterende dataetiske rammer. Formålet er at udvikle en intelligent løsning, der kan støtte op om håndteringen af kritiske situationer og ressourcepres, og derigennem opnå en stærkere planlægning af patientforløb på hospitalet og i kommunalt regi til gavn for den enkelte patient.

Under det nationale big data forskningsprojekt, DABAI, arbejder Regionshospitalet Randers på at skabe en løsning, der kan præsentere det sundhedsfaglige personale for central information om belægningssituationen på hospitalets afdelinger kombineret med prognoser om den nære fremtid for denne på både afdelings- og patientniveau.

På hospitalsniveau skal løsningen understøtte optimeret og proaktiv tilgang til ressourceplanlægning. Fx ved prognoser af indlæggelsestiden på patientniveau, hvilket understøtter optimal udnyttelse af sengekapaciteten. På patientniveau handler det om bedre forløbsplanlægning og stærkere dialog med patienten. Dialogen kan fx understøttes af en prognose over risikoen for genindlæggelse og kan benyttes til at inddrage patienten mere aktivt i behandlingsforløbet. Dette vurderes særligt relevant i forhold til ældre patienter med behov for ekstra pleje i kommunalt regi efter indlæggelse, hvor de nye løsninger kan styrke det tværsektorielle samarbejde om patienten og forhindre unødvendige genindlæggelser.

Organisering

Projektet kører under det nationale Big Data forskningsprojekt DABAI, hvor Region Midtjylland og Regionshospitalet Randers samarbejder med Systematic om løsningen.

Regionshospitalet Randers vil eje og drive projektet og sikre, at de konkrete løsninger, der frembringes, løbende afprøves og kvalificeres.

Økonomi

Projektet modtager 1,6 mio. kr. fra investeringsfonden for nye teknologier og digitale velfærdsløsninger.

Tidsplan

Projektet løber fra ultimo 2019 til ultimo af 2020.

Beskrivelse

Danmark er nået langt inden for behandling af tarmkræft, men én ud af fire patienter, der gennemgår tarmkræftkirurgi, får komplikationer inden for de første 30 dage efter operationen. Derudover får én ud af tre patienter tilbagefald inden for de første par år efter operationen. I Region Sjælland vil man med patienten i centrum udvikle en løsning baseret på kunstig intelligens i regi af DTUs life science computercenter til at vælge den rigtige behandling, på det rigtige tidspunkt, for derigennem at forbedre det kirurgiske behandlingsforløb for tarmkræftpatienter.

Regionen vil etablere en ’patients-like-me’ platform på tarmkræftområdet som klinisk beslutningsstøtteværktøj, baseret på eksisterende anonymiserede registerdata på over 55.000 sygdomsforløb over de sidste cirka 20 år. Formålet med projektet er at anvende kunstig intelligens til at identificere højrisikopatienter før de kirurgiske indgreb, så behandlingsforløbet tilpasses, og man reducerer risikoen for komplikationer eller genindlæggelser. Ved at anvende kunstig intelligens kan man forudsige, hvor stor sandsynlighed der er for, at en patient har en komplikation efter en operation, samt hvor stor en sandsynlighed der er for, at patienten bliver genindlagt.

For den enkelte patient er det en stor gevinst at undgå komplikationer og genindlæggelser efter tarmkræftkirurgi og derved sikre optimale forudsætninger for at blive rask. Desuden vil dokumentation af effekten af ovenstående værktøj potentielt kunne have indvirkning på andre specialer, der også har en målsætning om at anvende personlig medicin til behandling af kirurgiske patienter.

Organisering

Projektet ejes og drives af Region Sjællands Universitetshospital, hvor forskerne og projektet kører under eliteforskningskonsortiet EPeOnc i samarbejde med KU, DTU samt andre regioners hospitaler.

Økonomi

Projektet modtager 7,7 mio. kr. fra investeringsfonden for nye teknologier og digitale velfærdsløsninger.

Tidsplan

Projektet løber fra andet ultimo 2019 til primo 2023.

Beskrivelse

På Rigshospitalet arbejder en bred forskergruppe på at anvende kunstig intelligens på anonymiseret journaldata og registerdata i et forsøg på at planlægge bedre behandlingsstrategier for kræftpatienter. Cirka 40.000 borgere får årligt stillet diagnosen ’kræft’ for første gang. Med redskaberne inden for kunstig intelligens bliver det muligt at drage dybere indsigt på baggrund af historiske journal- og registerdata og planlægge bedre behandlingsforløb, og derved skabe stor værdi for både patient og sundhedsfagligt personale.

Projektet har to centrale elementer, hvor det ene fokuserer på at risikostratificere kræftpatienter i forhold til omfanget af interventionen, mens det andet handler om at optimere stråleterapien i forhold til eksponeringen af kroppens organer. I begge projekter er der et opmærksomhedspunkt på de juridiske og etiske udfordringer fx vedrørende databehandling af journal- og registerdata.

Gruppen af forskere er sammensat, så den repræsenterer både det diagnostiske og behandlingsmæssige element, den operative situation samt tilrettelæggelsen af den systemiske kemoterapi.

Igennem anvendelse af kunstig intelligens vil projektet kunne målrette indsatsen, involvere patienter og pårørende samt reducere omkostninger gennem muligheden for at anvende ressourcerne på en mere hensigtsmæssig måde. Projektet sigter mod at kunne udregne en mere præcis og risikobaseret behandlingsstrategi for den enkelte patient og dermed øge overlevelse, livskvalitet og reducere de bivirkninger og senfølger, der kan opstå i forbindelse med en kræftbehandling.

Organisering

Projektet kører ved Rigshospitalet, der også er ejer af projektet. Det er ligeledes Rigshospitalet der driver projektet og sikrer, at opsamling af viden og resultater løbende afprøves og kvalificeres.

Økonomi

Projekt modtager 2,7 mio. kr. fra investeringsfonden for nye teknologier og digitalise velfærdsløsninger.

Tidsplan

Projektet løber fra primo 2020 til ultimo 2022.

Beskrivelse

Langt de fleste patienter med prostatacancer bliver opdaget i et tidligt stadie, hvor canceren stadig er afgrænset til prostata. Mange patienter med prostatacancer har ikke behov for en regulær operation for at sikre deres overlevelse, men kan nøjes med mindre indgribende og mere skånsom behandling. Ved operationer er almindelige bivirkninger impotens eller inkontinens, hvilket vil kunne reduceres.

Med henblik på at reducere alvorlige bivirkninger arbejder Odense Universitetshospital med et projekt, hvor kunstig intelligens skal hjælpe til bedre at forstå dannelsen af metastaser ved prostatacancer i forhold til dødelighed og behandlingsbehov, og i forlængelse heraf at udvikle et beslutningsstøtteværktøj, der kan understøtte den lægefaglige vurdering af, hvilke patienter der har behov for en operation.

Projektet anvender kunstig intelligens til at observere, analysere og bearbejde større datasæt fra patienters respektive sygdomshistorie, og herigennem søges det at forudsige cancer- og sygdomsforløb i forhold til prostatacancer. Det forventes, at metoden på sigt kan udvides til andre kræft- og sygdomsområder. Projektet anvender eksisterende data omkring diagnoser, billeddiagnostiske data samt biokemiske og mikrobiologiske data.

Projektet vil inddrage patientperspektivet undervejs, når patienten fx forelægges den lægelige vurdering.

Organisering

Projektet kører ved Odense Universitetshospital med snitflader ind i sundhed.dk, sundhedsdatastyrelsen samt systemleverandør med flere.

Odense Universitetshospital ejer og driver projektet og sikrer, at de konkrete løsninger, der frembringes, løbende afprøves og kvalificeres.

Økonomi

Projektet modtager 5,0 mio. kr. fra investeringsfonden for nye teknologier og digitale velfærdsløsninger.

Tidsplan

Projektet løber fra ultimo 2019 til primo 2022.

Beskrivelse

PET-skanning benyttes til diagnostik af en lang række lidelser, herunder kræftsygdomme, hjertesygdomme, demens og andre hjernesygdomme. For at optage et PET-billede sprøjtes et radioaktivt mærket sporstof ind i kroppen, hvor der er en klar sammenhæng mellem mængden af det radioaktive stof og skarpheden af skanningsbillederne. Formålet med projektet er at udvikle en ny metode til efterbehandling af billederne baseret på kunstig intelligens, der kan reducere mængden af støj i billeder optaget med lavere dosis og/eller kortere skanningstid, så skanningsbillederne fortsat kan bruges diagnostisk.

Projektet udvikler en algoritme på baggrund af skanningsbilleder foretaget med henholdsvis normalt og nedsat mængde af sporstof, hvor algoritmen kan forudsige billedet skabt med den fulde dosis sporstof ved brug af den nedsatte dosis. Resultaterne og metoden vil herefter blive søgt valideret på specifikke kliniske områder inden for demens, hjertesygdom og kræftsygdom. Data bliver håndteret i Rigshospitalets kliniske systemer. Det er anonymiseret billeddata, der bliver brugt under modeltræningen, mens den færdige algoritmemodel ikke anvender henførbare data.

En lavere stråledosis betyder mindre risiko for senere at udvikle kræft relateret til PET-skanningen. For specielt demenspatienter kan den nedsatte skanningstid endda betyde bedre kvalitet af skanningerne, da mindre bevægelse alt andet lige vil forekomme. Reduceret dosis vil også betyde mindre omkostninger til sporstof-fremstilling.

Organisering

Projektet kører ved Rigshospitalet, der også er ejer af projektet. Det er ligeledes Rigshospitalet der driver projektet og sikrer, at opsamling af viden og resultater løbende afprøves og kvalificeres.

Økonomi

Projektet modtager 2,5 mio. kr. fra investeringsfonden for nye teknologier og digitale velfærdsløsninger.

Tidsplan

Projektet løber fra ultimo 2019 til ultimo 2021.

Beskrivelse

Hvis en borger har behov for fx genoptræning, tilbyder kommunerne fysisk træning. I en række tilfælde får borgerne dog ikke den optimale effekt ud af kommunale tilbud om fysisk træning og rehabilitering.

Aalborg Kommune vil udnytte kunstig intelligens til at tilbyde og målrette borgerne den træning, som de med størst sandsynlighed vil få mest ud af, både i forhold til rehabilitering og forebyggelse. Desuden vil projektet opspore borgere med høj faldrisiko med henblik på en forebyggende indsats, som kan reducere antallet af fald.

Ved at sammenligne data mellem bevillinger af hjælpemidler og med data fra faktiske træningsforløb kan der dannes et billede af, hvilke borgere der vil have størst gavn af træning. Derved kan sagsbehandlere og visitatorer få input til den faglige vurdering, og målrette træningen til den enkelte borgers behov. Som led i projektet vil juridiske og etiske afklaringer foretages løbende fx vedrørende borgere, der forventeligt har størst gavn af rehabiliterende træning, og hvordan det påvirker borgere og kommunens praksis.

I et samarbejde mellem Aarhus Universitet og Aalborg kommune, er der i et tidligere projekt udviklet en algoritme baseret på data om bevilgede hjælpemidler. Dette signaturprojekt skal bygge videre på disse erfaringer og videreudvikle algoritmen samt idriftsætte løsningen i tre kommuner.

Organisering

Aalborg Kommune er både projektejer og -leder. Viborg Kommune er projektdeltagere, mens Syddjurs, Norddjurs og Hjørring Kommune følger projektet. 

Økonomi

Projektet modtager 4,1 mio. kr. fra investeringsfonden for nye teknologier og digitale velfærdsløsninger.

Tidsplan

Projektet løber fra primo 2020 til ultimo 2021.

Beskrivelse

Sagsbehandlerne i jobcentrene skal i dag træffe beslutninger om sanktioner over for ledige med afsæt i et relativt kompliceret regelsæt og mange forskellige typer informationer. De komplicerede regler og mange datakilder medfører risiko for uensartet praksis blandt sagsbehandlerne, ligesom kommunerne bruger mange ressourcer på opgaven.

Projektet forventes at sikre en højere grad af korrekt og ensartet sagsbehandling ved at understøtte medarbejderne i at vurdere, hvorvidt en ledig borgers udeblivelse fra samtale eller aktiveringstilbud skal medføre en sanktion i borgerens ydelse.

Algoritmen skal bidrage med beslutningsstøtte til brug for den faglige medarbejders vurdering. Der kan desuden være økonomiske gevinster ved sparet tid, idet algoritmen bearbejder data og yder støtte til, at sagsbehandleren hurtigere kan få den præcise viden, der skal til for at kunne træffe afgørelse.

Projektet vil behandle de datamæssige, juridiske og etiske problemstillinger, der kan knytte sig til anvendelsen af algoritmer som beslutningsstøtte til afgørelser, der vedrører borgere – herunder bias i datasæt, og at algoritmen kan forstås og forklares for både sagsbehandlere og borgere.

Organisering

Frederiksberg Kommune er projektejer og projektleder for projektet. Desuden har en række andre kommuner tilkendegivet interesse for at deltage i projektet.

Økonomi

Projektet modtager 4,7 mio. kr. fra investeringsfonden for nye teknologier og digitale velfærdsløsninger.

Tidsplan

Projektet løber fra primo 2020 til medio 2022.

Beskrivelse

Det kan være vanskeligt at målrette effektfulde beskæftigelsesindsatser til ledige borgere, hvilket kan forlænge ledighedsperioden. Kommunerne bruger mange ressourcer på beskæftigelsesrettede indsatser, men anvender ikke nødvendigvis databaseret viden om, hvad der virker bedst for, at den enkelte ledige kommer i job eller uddannelse.

For at understøtte sagsbehandleren i at anbefale en individuel, målrettet beskæftigelsesindsats, udarbejdes en algoritme på baggrund af eksisterende data. Ved brug af data om de forskellige beskæftigelsesindsatser, vil projektet forsøge at nedbringe ledighedsperioden, mindske langtidsledighed og øge tilfredsheden med indsatsen hos de ledige.

Beslutningsstøtten skal understøtte sagsbehandlerens faglige arbejde og integreres i de fagsystemer, sagsbehandler bruger i forbindelse med fx samtaler. Det er fortsat sagsbehandleren som ud fra en samlet faglig vurdering og samtale med borgeren, anbefaler den bedst egnede indsats.

I projektet vil der løbende blive foretaget vurderinger af etiske problemstillinger, der kan opstå om følge af brugen af data fx bias i data, ligesom der vil være opmærksomhed på, at borgerne oplever, at deres data bliver anvendt på en gennemsigtig måde, der understøtter målet om hurtigere beskæftigelse.

I forbindelse med projektet undersøges forudsætninger for udvikling af en fælles platform til deling af algoritmer på beskæftigelsesområdet. Undersøgelsen har fokus på etiske, juridiske og sikkerhedsmæssige afklaringer i forbindelse med fx datadeling. Formålet er at undersøge forudsætningerne for udvikling og anskaffelse af en løsning baseret på kunstig intelligens til alle kommuner på en sikker og ressourceeffektiv måde.

Organisering

Odense Kommune indgår i projektet som projektejer, mens Københavns Kommune indgår som projektdeltager. Begge kommuner bidrager til både udvikling og afprøvning af algoritmen og funktionaliteterne i jobcentrenes fagsystemer.

Der er desuden 15 andre kommuner, der har tilkendegivet interesse for at deltage i eller at følge projektet, mens KL i samarbejde med KOMBIT, projektets parter og en eksterne leverandør står for gennemførelse af analyseforløbet vedrørende en fællesplatform.

Økonomi

Projektet modtager 7,2 mio. kr. fra investeringsfonden for nye teknologier og digitale velfærdsløsninger.

Tidsplan

Projektet løber fra primo 2020 til medio 2022.

Beskrivelse

Virksomheder melder i stigende grad om mangel på arbejdskraft, mens der fortsat er mange ledige borgere, der ikke har fundet vej til job. Det gode match mellem ledige borgere og virksomheder kan styrkes gennem bedre understøttelse af sagsbehandlerens vidensgrundlag.

For at understøtte, at ledige borgere hurtigere kommer i beskæftigelse og får anbefalet mere relevante jobforslag, vil Københavns Kommune ved hjælp af machine learning-teknologi udvikle en algoritme til bedre match.

Algoritmen skal understøtte sagsbehandlerens faglige vurdering ved at matche både faglige og personlige kompetencer fra den lediges CV med kompetencekrav i aktuelle stillingsopslag inden for et givent geografisk område. Værktøjet skal primært anvendes af jobkonsulenten i dialogen med borgeren om konkret jobsøgning, men kan på sigt også stilles til rådighed for borgeren fx via Jobnet.

Derudover vil algoritmen understøtte sagsbehandleren med alternative jobforslag i fx andre brancher og jobfunktioner end dem, som er i det nuværende fokus for jobsøgningen, således borgerens perspektiver på mulige jobs udvides.

Projektet skal desuden tilvejebringe viden om, hvordan algoritmen kan bringes videre i drift, når projektet slutter.

I forbindelse med projektet vil etiske spørgsmål blive opsamlet og vurderet, fx i forhold til borgeroplevelsen og sagsbehandlerens anvendelse af værktøjet som beslutningsstøtte, samt behovet for gennemsigtighed i forhold til behandlingen af data.

Organisering

Københavns Kommune er projektejer for projektet og varetager ansvaret for projektets fremdrift og økonomi, og deltager som sparringspartner i alle faser af projektet.

Desuden har 12 andre kommuner tilkendegivet interesse for at deltage i projektet. Disse vil blive inddraget i afprøvningen og eventuelt senenere udbredelse.

Økonomi

Projektet modtager 2,9 mio. kr. fra investeringsfonden for nye teknologier og digitale velfærdsløsninger.

Tidsplan

Projektet løber fra primo 2020 til medio 2021.

Beskrivelse

Kommunerne bruger i dag meget tid på at fordele og journalisere store mængder af fysisk post og henvendelser. Norddjurs Kommune vil etablere en digital løsning baseret på kunstig intelligens til optimering af post- og journaliseringsprocesser.

Ved brug af kunstig intelligens kan post og mails fra borgere og virksomheder leveres til rette modtager første gang og journaliseres hurtigere, hvilket giver kortere sagsbehandlingstid til gavn for borgerne. Medarbejdere vil desuden opleve at bruge mindre tid på journalisering og i højere grad koncentrere sig om faglige opgaver. For kommunerne vil det medføre ressourcebesparelser i post- og journalfunktioner.

Projektet tager afsæt i det pilotprojekt, som Norddjurs Kommune, Favrskov Kommune og Syddjurs Kommune har gennemført i første halvår af 2019. Dette projekt skal videreudvikle den algoritme, som er etableret, så der sikres en endnu højere præcision i sorteringen af henvendelser.

Løsningen bliver udviklet som open source og skal være frit tilgængelig for alle 98 kommuner. I forbindelse med projektet skal det juridiske grundlag fx i forbindelse med databehandleraftaler med mere afklares nærmere.

Organisering

Norddjurs Kommune er projektejer og fungerer samtidig som projektleder. Projektet tilknytter en række deltagerkommuner, som afprøver og bidrager til projektet. På sigt vil løsningen blive stillet til rådighed for alle kommuner.

Økonomi

Projektet modtager 1,9 mio. kr. fra investeringsfonden for nye teknologier og digitale velfærdsløsninger.

Tidsplan

Projektet løber fra primo 2020 til ultimo 2021.

Beskrivelse

Nogle borgere oplever, at byggesagsbehandlingen i kommunerne er langvarig, hvor en sag typisk tager 6-7 uger. I visse tilfælde opstår der desuden fejl i vurderingen af byggesager, der betyder en længere proces.

For at reducere sagsbehandlingstiden for borgernes byggesager vil Københavns Kommune ved hjælp af kunstig intelligens automatisk screene byggeansøgninger for relevante dokumenter. Såfremt byggeansøgningen mangler oplysninger, får borgeren besked herom med det samme, hvilket vil reducere tiden fra en byggesag indsendes til ansøgningen kan vurderes.

Derudover vil projektet med automatisk sagsstøtte præsentere tidligere afgørelser i sammenlignelige sager for sagsbehandleren og derved reducere tidsforbruget i selve byggesagsbehandlingen. Den automatiske sagsstøtte kan endvidere medføre mere ensartethed i afgørelserne på sammenlignelige sager samt forkorte oplæringsperioden af nye medarbejdere.

I forhold til juridiske overvejelser er det vigtigt at sikre, at ansøgerne fortsat har mulighed for at indsende ansøgninger, uanset om løsningen foreslår, at der vedhæftes yderligere dokumentation, således at ingen fratages mulighed for at ansøge på baggrund af automatiserede processer.

Organisering

Københavns Kommune vil være projektleder og stå for udvikling af løsningen.

Desuden har 18 andre kommuner tilkendegivet interesse for at deltage i projektet. Øvrige projektdeltagere bidrager til design af arbejdsgange, leverer testdata til udvikling af algoritmen samt deltager i test af løsningen.

Økonomi

Projektet modtager 4 mio. kr. af investeringsfonden for nye teknologier og digitale velfærdsløsninger.

Tidsplan

Projektet gennemføres i perioden primo 2020 til ultimo 2021.

Beskrivelse

For at give borgere en hurtigere afklaring af tilkendelse af rengøringshjælp vil Esbjerg Kommune etablere en digital løsning baseret på kunstig intelligens, som giver beslutningsstøtte til sagsbehandleren ved tildeling af rengøringshjælp.

Herved vil både borgere og de involverede medarbejdere opleve et løft i visitationsprocessen, hvilket forventeligt kommer til udtryk i færre besøg hos borgeren i de lette sager og frigive mere tid til borgeren i de komplicerede sager.

Foruden den digitale løsning baseret på kunstig intelligens vil projektet anvende en simpel softwarerobot, som automatisk opretter en sag på en borger, når borgeren henvender sig i visitationen. Når dette sker, vil robotten samtidig sende et brev til borgeren vedr. GDPR og oplysninger om kommunens databehandling. Herefter inddeler den digitale løsning sagerne i to kategorier, henholdsvis ukompliceret sager og komplicerede sager som kræver særlig opmærksomhed.  

Projektet vil måle effekten af indsatsen ved, at se om borgerne oplever en øget kvalitet i visitationsprocessen via kommunens tilbagevendende tilfredshedsundersøgelser.

I forbindelse med projektet vil der være stort fokus på tidlig inddragelse og anvendelse af fagpersonernes og borgernes viden.

Organisering

Esbjerg Kommune er projektejer og fungerer som projektleder. Der tilknyttes desuden andre kommuner i projektet, som agerer sparringspartnere eller projektdeltagere.

Økonomi

Projektet modtager 2,2 mio. kr. fra investeringsfonden for nye teknologier og digitale velfærdsløsninger.

Tidsplan

Projektet løber fra primo 2020 til ultimo 2021.