15. June 2026
Togoperatøren Vy har svidd av svimlende 1,6 milliarder kroner på «buss for tog» siden 2019, melder Teknisk Ukeblad. Bare i fjor måtte selskapet erstatte togsett med busser i snitt tre ganger om dagen. For samferdselssektoren tegner tallene et bilde av en kritisk infrastruktur i knestående, der reaktive løsninger og akutte brannslukkinger tømmer felleskassene i et urovekkende tempo.
Bakgrunnen for de hyppige driftsavbruddene er en aldrende infrastruktur preget av et enormt vedlikeholdsetterslep. I dag drives vedlikeholdet i stor grad etter «feil først, fiks etterpå»-prinsippet, eller basert på kalenderbaserte intervaller. Dette fører enten til at kostbare komponenter byttes ut mens de ennå har mye levetid igjen, eller – langt verre – at kritiske deler ryker uventet midt i morgenrushet.
For driftsdirektører og ledere innen logistikk og tung industri illustrerer denne milliardsmellen hvorfor prediktivt vedlikehold (predictive maintenance) drevet av kunstig intelligens har gått fra å være et innovasjonsprosjekt til å bli en ren overlevelsesstrategi. Ved å utstyre fysisk infrastruktur med IoT-sensorer og la maskinlæringsmodeller kontinuerlig analysere vibrasjoner, temperaturer og slitasje, kan man forutse komponentfeil uker før de faktisk inntreffer.
For selskaper med store maskinparker eller omfattende logistikknettverk viser Vy-eksempelet at overgangen til tilstandsbasert vedlikehold har en formidabel ROI (avkastning på investering). Ved å bruke AI til å planlegge vedlikeholdet i forkant, unngår man ikke bare de akutte kostnadene ved driftsstans, men man optimaliserer også bruken av egne teknikere. Tyske Deutsche Bahn har for eksempel allerede spart hundrevis av millioner euro ved å rulle ut slike AI-systemer på sine mest kritiske sporskiftere. For norske tech-leverandører representerer det offentlige vedlikeholdsetterslepet et gigantisk, uforløst marked for industrielle AI-løsninger.