Fra juni 2024 vil vi i Haderslev Kommune have en voicebot der besvarer alle telefoniske henvendelser. Den vil dog i første omgang ikke kunne svare på andre henvendelser end typiske borgerservice-henvendelser. Planen er at den stille og roligt vil blive udrullet til resten af organisationen.

Chatbottens opgave er at besvare medarbejderes spørgsmål ifm. implementering af M365. Chatbotten er supplement til vores M365-univers på vores intranet, da den – hvis muligt – bruger indholdet på siden til at besvare brugerens spørgsmål. Den henviser rigtig godt til de undersider eller dokumenter, den har brugt til at svare på spørgsmålet, hvilket også hjælper medarbejderen med at navigere og fremsøge information på sitet.

Intern Opkrævningschatbot der er udviklet specialet til opkrævning og indeholder alle opkrævnings interne vejledninger og øvrige beskrivelser som de ønsker at have hurtig adgang til. Dette er med til at fastholde og sikre viden, og gøre data hurtigere tilgængelig via AI i stedet for at skulle læse tunge vejledninger eller lede efter interne notater. Er også en stor hjælp for nye medarbejdere, der har et ekstra godt opslagsværk til vejledning og information.

Team Prisme-chatbotten er et AI-værktøj udviklet til systemadministrationen i Prisme365. Chatbotten samler interne vejledninger, specialistviden, kendte fejl, workarounds og erfaringer fra supportsager, så medarbejdere hurtigt kan finde løsninger via AI frem for at lede i dokumentation og gamle noter.

Systemet anvender kunstig intelligens og billedgenkendelse til automatisk at registrere vejskader, skilte, kloakriste og andet vejinventar via smartphones monteret i kommunale køretøjer. 

Bertha er en intelligent telefonrobot implementeret i Aabenraa Kommune fra april 2023 som del af projektet "Fremtidens Borgerservice". Robotten modtager alle opkald til kommunens hovednummer og er tilgængelig døgnet rundt.

Projektet afprøver anvendelsen af Microsoft 365 Co-Pilot som støtteværktøj i medarbejdernes daglige arbejde. Co-Pilot kan hjælpe med at udarbejde udkast, analysere data og skabe overblik direkte i kendte programmer som Word, Excel og Outlook. Løsningen anvender udelukkende data, som medarbejderen i forvejen har adgang til. Projektet er sat på pause og afventer videre afklaring.

AI-assistent til danske folkeskolelærere, der hjælper med forberedelse, kommunikation og administration. Systemet er trænet på skolespecifik viden og integrerer med Unilogin, Aula og TRIO/Skema.

Nationalt lægemiddelovervågningssystem der anvender AI og big data til real-time detektion og analyse af lægemiddelbivirkninger på danske hospitaler og i primærsektoren.

Projekt der anvender deep learning (fully convolutional networks) til automatisk graduering af nethindebilleder og detektion af diabetisk retinopati — trænet på over 35.000 nethindebilleder fra OUH.

Projekt der anvender maskinlæring til automatisk at genkende og klassificere audiogrammønstre i mindst 8–10 af de mest almindelige høretab-subtyper, med henblik på at understøtte klinisk beslutningsstøtte og mulig integration med patientbetjent audiometri (UAud).

Projekt der udvikler NLP-algoritmer til at identificere tidligere episoder af venetromboembolisme i patienters elektroniske journaler og kombinere disse med en blødningsalgoritme for at understøtte kliniske beslutninger om antikoagulationsbehandling.

PhD-forskningsprojekt der udvikler en AI-algoritme til detektion af potentielt maligne lungeforandringer på lavdosis-CT-scanninger med henblik på at understøtte lungekræftdiagnostik og -screening i Danmark.

AI-projekt der udvikler en algoritme til automatisk klassificering af lymfeknodevævsprøver som lav- eller højrisiko (benign/malign) med henblik på at forbedre effektiviteten og præcisionen i kræftdiagnostik ved Patologisk Afdeling på OUH.

AI-system der automatiserer udarbejdelsen af tværsektorielle kommunikationsdokumenter — plejeplaner og udskrivningsbreve — ved patientovergange mellem Odense Universitetshospital og den kommunale plejesektor, ved hjælp af agentic RAG-teknologi.

Systemet har til formål at identificere asymptomatiske personer med svær ubehandlet sygdom, som har høj risiko for hjerte-kar-sygdomme.

Digital løsning der identificerer hjemmeplejemodtagere med højest risiko for indlæggelse indenfor 30 dage ved at analysere SOSU-medarbejdernes fritekst observationer med matematiske modeller.

Horizon Europe-finansieret projekt der udvikler AI-algoritmer til automatisk billedanalyse ved colon kapselendoskopi (CCE) — et minimalt invasivt alternativ til optisk koloskopi — med 10 europæiske partnere.

HospiBot er en robot, som har til formål at støtte og aflaste personalet på hospitaler.