AI aarhus

sAIgsresum

Sagsresumé

Sagsresumé hjælper ansatte på udførerområdet med at skabe et struktureret resumé med kildehenvisning. Løsningen er modulopbygget med henblik på mulig skalering. I plotcasen hjælper Sagsresumé ansatte med forberedelse til møder, der kræver læsning af op til 100 sider. 

  • Aarhus Kommune

Beskrivelse af systemet

I. Hvor bruges systemet og hvad bruges det til?

Sagsresumé anvendes i Magistratsafdelingen for Social og Beskæftigelse (MSB) i Aarhus Kommune, specifikt på udførerområder. Systemet bruges til at udarbejde strukturerede resuméer af omfattende og komplekse borgersager, når disse overdrages mellem sagsbehandlere eller ved sagsgennemgang. Systemet hjælper medarbejdere med hurtigt at sætte sig ind i sager med over 1.000 dokumenter ved at opsummere nøglefakta i et tre siders notat, der kan læses på 15 minutter.

II. Hvornår blev det implementeret?

Systemet forventes færdiggjort ultimo 2024. Det er i pilotfase per juni 2024. 

Det er ikke lykkedes editor (Christopher H. Gyldenkærne) hos offentlig-ai.dk, at finde oplysninger om andet, end at systemet stadigvæk er i testfase dags dato (10 november 2025) 

III. Hvordan gør systemet brug af kunstig intelligens?

Systemet er baseret på en stor sprogmodel (Large Language Model). Data fra fagsystemer indlæses i AI-modellen, som derefter analyserer og strukturerer informationen til et sammenhængende resumé. Systemet anvender Natural Language Processing (NLP) til at identificere og udtrække nøgleinformation fra sagsdokumenter.

IV. Hvilke data er blevet brugt til at træne algoritmen?

Systemet anvender åbne sprogmodeller som grundlag. Til den lokale tilpasning anvendes data fra MSB's fagsystemer indeholdende eksisterende borgersager fra udførerområder. Data structureres af en data scientist for at sikre optimal input til modellen.

V. Hvilke sikkerhedsforanstaltninger findes der?
  • Systemet skal køre på infrastruktur, der tillader behandling af borgerdata baseret på åbne modeller
  • Da MSB egenudvikler løsningen, kræves ikke databehandleraftale med eksterne leverandører
  • Juridisk screening via dialogværktøj har sikret, at systemet kun anvendes på udførerområder, ikke myndighedsområder, for at undgå retssikkerhedsproblematikker
  • Menneskelig sagsbehandler læser igennem AI-genererede resuméer for at verificere korrekthed
  • Systemet træffer ikke beslutninger - det understøtter kun medarbejdernes arbejde
VI. Har systemet været afprøvet gennem f.eks. pilotprojekter? Blev der identificeret konkrete (etiske, juridiske, tekniske) udfordringer? Blev disse udbedret? Hvordan?

Ja, systemet har gennemgået grundig screening gennem Aarhus Kommunes AI-screeningsværktøj:

Juridiske udfordringer:

  • Oprindeligt var systemet planlagt til både myndigheds- og udførerområder
  • Det juridiske dialogværktøj afdækkede, at anvendelse på myndighedsområder kunne opfattes som indgribende, at der manglede hjemmel, og at det kunne fungere som de facto afgørelse
  • Løsning: Scopet blev reduceret til kun at omfatte udførerområder, hvor der ikke træffes myndighedsafgørelser

Etiske udfordringer:

  • Bekymring om medarbejdere stoler for meget på AI'en og ikke læser originaldokumenter
  • Spørgsmål om borgerens retssikkerhed påvirkes
  • Bekymring om tab af faglig dømmekraft over tid
  • Løsning: Tydelig kommunikation om at AI'en kun understøtter, ikke erstatter faglig vurdering; krav om menneskelig gennemgang af resuméer
VII. Hvordan er begrundelsen for indføring af systemet?

Systemet indføres for at:

  • Effektivisering: Bruttopotentialet alene i én udførerenhed i MSB er 1.300 timer årligt
  • Kvalitetsforbedring: Reducere risiko for informationstab ved sagsoverdragelse
  • Serviceforbedring: Undgå forsinkelser i sagsforløb til gavn for borgere
  • Arbejdsmiljø: Hjælpe medarbejdere med at håndtere komplekse sager mere effektivt
  • Vidensfasthold: Sikre kontinuitet ved medarbejderskift uden videnstab

Idéen opstod på en intern workshop om digitale potentialer, hvor medarbejdere identificerede behovet for bedre overblik over omfattende sager.

VIII. Er lignende systemer blevet implementeret andres stede? Eventuelt, hvilke erfaringer er der derfra.

Rapport og kilder nævner ikke konkrete implementeringer af identiske systemer andre steder, men fremhæver at:

  • Løsningen har "sprednings- og skaleringspotentiale" til andre magistratsafdelinger i Aarhus Kommune
  • Løsningen kan "formentlig genanvendes på tilsvarende sagsgange"
  • Systemet er udviklet med udgangspunkt i RPA-erfaringer fra Aarhus Kommune, hvor forretningsnær tilstedeværelse af konsulenter og udviklere i samarbejde med forretningen var nøglen til succes
IX. Kilder
  • A.I.aarhus - Kunstig intelligens fornyer velfærden. Rapport om udvikling og anvendelse af kunstig intelligens i Aarhus Kommune. Aarhus, juni 2024

Bidrag til offentlig-ai

Har du supplerende oplysninger, ønsker du ændringer som projektejer eller vil du give et bidrag til offentlig-ai.dk og vores arbejde med at synliggøre AI i den offentlige sektor?

Bidrag med oplysninger til offentlig-ai.dkStøt forskningen finansielt
Klassifikationsbegrundelse
Systemet opsummerer reaktivt komplekse borgersager på forespørgsel fra medarbejderen. Det er ADS på sagniveau (den konkrete sag), og output er et anbefalet kortfattet resumé til sagsforberedelse.
Ændringshistorik (3 opdateringer)
Algoritmisk reguleringsklassifikation tilføjet
Kilde: Laage-Thomsen & Ratner (2025), Politica 57(2) (2026-06-30)
Felt opdateret
Vis detaljer
+ Leverandør: Ukendt leverandør
Oprettet
Citér dette projekt

APA 7

Aarhus Kommune. (2025). sAIgsresum. I «Offentlig AI – Database over kunstig intelligens i den offentlige sektor». Tilgået 7. august 2026 fra https://offentlig-ai.dk/projekter/saigsresum

Citér databasen

APA 7

Küçüksu, A., & Gyldenkærne, C. H. (2026). Offentlig AI - Kunstig Intelligens i det offentlige v2 [Data set]. Zenodo. https://doi.org/10.5281/zenodo.20660412