Energiledelsessystemet bruges til at foreslå de bygninger der har størst potentiale for energibesparelser. Dette gøres gennem en analyse af parametre, som kan have indflydelse på en ejendoms el-forbrug.

Systemet bruges til energistyring med det formål at reducere varmeforbrug i bygninger.

Heimdal – DNS Security anvender machine learning til at opdage, forebygge og reagere på cybertrusler i kommunale netværk gennem analyse og filtrering af DNS-trafik.

Systemet giver personalet i ældreplejen mulighed for at følge med i borgernes bevægelser via sensorer som skal registrere og forebygge fald blandt beboere.

KMD Letbetaling er en AI-baseret konteringsmotor, der automatiserer fakturabehandling i danske kommuner ved hjælp af machine learning. Systemet scanner elektroniske fakturaer, foreslår kontering baseret på historiske data og leverandørmønstre, og kan automatisk bogføre fakturaer under en fastsat beløbsgrænse, når sandsynligheden for korrekt kontering overstiger en defineret tærskel. Systemet frigør administrative ressourcer og kan automatisere op til 80% af fakturabehandlingen.

Orikio skal bruges til at opfange risikosituationer for ældre borgere gennem analyse af lyd. Orikio skal fungere som et ekstra og forstærket 'øre' for personalet.

Ento.ai anvendes til dataindsamling og analyser af energiforbrug i kommunale bygninger med henblik på energistyring og optimering.

AI-systemet er et værktøj med det formål at nedbringe antallet af patienter, der udebliver fra deres aftaler.  

Forskningsprojekt der udvikler ansvarlig kunstig intelligens til beslutningsstøtte ved akuttelefonen 1813 med henblik på at forbedre triagering, patientsikkerhed og ressourceanvendelse.

Machine learning-baseret prædiktionssystem udviklet ved Aarhus Universitet og Region Midtjylland til forudsigelse af kliniske udfald i psykiatrien for at forbedre behandling og patientresultater.

Testprojekt der afprøver infrarød sensorteknologi kombineret med AI til forebyggelse af fald blandt ældre patienter med demens på geriatriske afdelinger på Odense Universitetshospital og OUH Svendborg.

Projekt der integrerer AI i et eksisterende telemedicinprogram for kronisk syge patienter med henblik på at skifte fra reaktiv til proaktiv behandling — ved tidlig forudsigelse af forværringer og komplikationer, og dermed reducere hospitalsindlæggelser.

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.

BIPED er et EU Horizon Europe projekt der udvikler digitale tvillinger og AI-drevne værktøjer til at planlægge og optimere positive energidistrikter (PED'er). Systemet anvendes i Brabrand/Gellerup, Aarhus til at simulere og analysere energiproduktion, forbrug og lagring med henblik på at skabe byområder der producerer mere energi end de forbruger.

Det prædiktive analysesystem blev brugt af Syddansk Erhvervsskole til at identificere elever, der var i højrisiko for at droppe ud. Systemet kunne give indsigter i, hvorfor eleven var i fare for at droppe ud, samt forslag til indsatser for at forebygge frafaldet.