Norges Geotekniske InstituttNorges GeotekniskeInstitutt
Publisert
«Hallo, byggegrop, hvordan går det med deg i dag?»
Det høres nesten ut som en spøk. Men på enkelte anlegg kan ingeniører nå stille akkurat dette spørsmålet og få et sporbart svar.
Forskere ved Norges Geotekniske Institutt (NGI) har nemlig utviklet et system som lar ingeniører snakke med sensorene som overvåker en byggeplass.
I stedet for å lete seg gjennom kompliserte tabeller med måledata stiller ingeniøren et spørsmål med vanlige ord. Systemet henter ut relevante målinger og svarer, gjerne med figurer som viser hvordan grunnen oppfører seg.
Løsningen er utviklet i The HuT. Dette er et europeisk prosjekt som tester nye måter å redusere risikoen fra klimaendringer på ti steder i Europa.
Det er ledet av NGIs Luca Piciullo med støtte fra blant andre Andreas Mathisen. Også han er fra NGI.
– Målet er å gjøre informasjon tilgjengelig for dem som faktisk skal ta beslutninger i felt, forklarer Andreas-Nizar Granitzer. Han er forsker og prosjektingeniør ved NGI.
Forsker Andreas-Nizar Granitzer er opptatt av at avstanden mellom forskning og byggeplass fortsatt er stor.(Photo: NGI)
Vi kan ikke se grunnen
For å forstå hvorfor kunstig intelligens har noe å gjøre i geofaget, må man forstå hva som gjør faget vanskelig. Det er at grunnen under oss i utgangspunktet er usynlig.
En geotekniker kan for eksempel aldri se hele grunnen under en byggetomt. Det som finnes, er stikkprøver: et borehull her, en jordprøve der, en sensor som måler trykk eller bevegelse i ett bestemt punkt.
Alt imellom må tolkes.
Samtidig kan feiltolkninger få store konsekvenser for bygninger, veier og mennesker. Geoteknikk handler derfor om å ta trygge beslutninger med begrenset informasjon.
Det er nettopp denne typen problemer kunstig intelligens kan hjelpe med. Det å hente mer kunnskap ut av spredte data og å håndtere usikkerhet.
Men Granitzer er opptatt av at avstanden mellom forskning og byggeplass fortsatt er stor.
– Teknologien utvikler seg raskt. Mye av den fungerer godt i forskningsmiljøer. Utfordringen er å få den til å fungere i ingeniørers daglige arbeid, sier han.
Maskinen vurderer likt hver gang
Et av de enkleste eksemplene som viser at metodene virker, handler om jordprøver.
Når en borerigg henter prøver fra grunnen, må noen vurdere hvilken type jord det er. To erfarne fagfolk kan vurdere den samme prøven ulikt.
Annonse
Forskerne ved NGI har derfor tatt i bruk maskinbasert bildeanalyse. Den klassifiserer prøvene og støtter ekspertene i vurderingen. Maskinen ser det samme hver gang. Resultatene blir dermed konsistente og etterprøvbare.
Hundrevis av beregninger i kvikkleire
Et annet eksempel kommer fra NGIs eget hovedkontor, Campus Ullevål i Oslo. Det åpnet i juni.
Der ble det gravd ut en dyp byggegrop i kvikkleire. Det er en leiretype som kan miste styrken brått hvis den utsettes for ytre påvirkning. Støtteveggene rundt gropa måtte holde. Ingeniørene måtte derfor vite hvor sikre de kunne være.
Utfordringen er at disse beregningene av sikkerhet krever omfattende regnekapasitet og lang regnetid. Samtidig bygger hver analyse på antakelser om grunnen. Det er blant annet hvor sterk leira er. Slike tall kjenner man imidlertid aldri helt nøyaktig.
Hva er geoteknikk?
Geoteknikk er læren om hvordan jord og berg oppfører seg, og hvordan vi kan bygge trygt på og i grunnen.
Alt vi bygger, fra hus og veier til vindturbiner til havs, står på eller i grunn som må undersøkes og vurderes.
Geoteknikere undersøker grunnen med borehull, jordprøver og sensorer. Ut fra dette beregner de blant annet hvor mye grunnen tåler, hvor mye den vil synke over tid og om det er fare for skred.
Kvikkleire er en spesiell utfordring i Norge: en leire avsatt i havet etter siste istid, som kan miste nesten all styrke og bli flytende hvis den utsettes for ytre påvirkning.
For å finne ut hvor sikre svarene er, burde forskerne gjenta beregningene mange ganger med litt ulike antakelser. Men beregningene tar så lang tid at de i praksis bare rekker noen få.
Forskerne løste dette ved å lage en raskere modell, en såkalt surrogatmodell. De brukte resultatene fra et begrenset antall tunge beregninger til å trene en maskinlæringsmodell.
Modellen lærte å etterligne de tunge beregningene og kan gi omtrent de samme svarene på langt kortere tid.
– Metoden gjorde det mulig å kjøre et stort antall analyser på kort tid og håndtere usikre tall og forutsetninger på en helt åpen og oversiktlig måte, sier Granitzer.
Ikke de unge mot de gamle
Hvordan tar den geotekniske bransjen imot de nye anvendelsene som KI gir?
Granitzer deltok i en internasjonal studie med nærmere 1.000 deltakere fra ulike geofaglige disipliner. Funnene utfordret en utbredt antakelse:
Annonse
Eldre fagfolk er ikke nødvendigvis skeptiske, og yngre er ikke nødvendigvis entusiastiske til KI. Interessen går på tvers av generasjoner.
– Undersøkelsen viser at KI i stor grad oppfattes som et verktøy for å redusere repetitive og arbeidsintensive oppgaver, ikke som en trussel mot jobbsikkerheten, sier Granitzer.
Samtidig viser studien at bransjen fortsatt ser på kunstig intelligens som et passivt verktøy, og ikke som en aktiv samarbeidspartner. Her har geofaget et etterslep sammenlignet med andre fagfelt, som allerede er i ferd med å ta i bruk autonome systemer under menneskelig tilsyn.
Teknologi alene er ikke svaret
Hvorfor brukes ikke KI-teknologien mer når resultatene er så lovende?
Granitzer peker på tre barrierer: sparsomme og mangelfulle data, dårlig integrering i ingeniørenes arbeidsprosesser og mangel på tverrfaglig kunnskap.
– Geotekniske data er i sin natur ofte mangelfulle. De er samlet inn av ulike virksomheter og med varierende standarder. Det gjør dem vanskelige å bruke direkte i datasentrerte løsninger, forklarer han.
Mens andre KI-felt kan trene på millioner av bilder eller tekster, må geoteknikken klare seg med små og ujevne datasett. Disse er samlet inn av ulike aktører, kanskje over flere tiår.
Og selv om dataene holder mål, hjelper det lite hvis systemene ikke passer inn i den måten ingeniører faktisk jobber på.
– Det som gir mer mening, er å ta utgangspunkt i det praktiske problemet og la dét styre valget av teknologisk løsning, ikke omvendt, sier Andreas-Nizar Granitzer.
Andreas-Nizar Granitzer mfl.: Conversational Interfaces for Geotechnical Monitoring. CREST 2026, Cambridge (Vitenskapelig artikkel under fagfellevurdering).
forskning.no vil gjerne høre fra deg! Har du en tilbakemelding, spørsmål, ros eller kritikk? TA KONTAKT HER
Om forskeren
Funnene ble lagt fram i Andreas-Nizar Granitzers Bright Spark-presentasjon «Unlocking the Potential of Data-Centric Geotechnics: A Cross-Disciplinary Perspective» på 5ISMLG, Hongkong, mai 2026.
I mai mottok Granitzer «Bright Spark Lecture»-prisen under den internasjonale konferansen 5ISMLG i Hongkong. Det er en utmerkelse forbeholdt særlig lovende forskere tidlig i karrieren. Der presenterte han en gjennomgang av hva kunstig intelligens faktisk får til i geoteknikken og hva som fortsatt står i veien.
