AI ska bättre förstå industrins vardag

Många industriföretag har svårt att använda generella AI-språkmodeller i sin verksamhet. I ett nytt forskningsprojekt vid Jönköping University (JU) ska forskare därför ta fram AI-lösningar som kombinerar språkmodeller med industrispecifik kunskap, för att göra tekniken mer träffsäker, begriplig och användbar i verkliga tillverkningsmiljöer. Projektet presenterades i ett pressmeddelande den 28 maj 2026.

Projektledaren He Tan, universitetslektor i datalogi vid Tekniska Högskolan på JU, beskriver målsättningen så här:

– Jag hoppas att resultaten ska bidra både till företagens digitala omställning och till den vetenskapliga utvecklingen inom kunskapsintensiv och förklarbar AI, säger He Tan.

Strukturerad industrikunskap ska ge mer träffsäkra svar

Enligt JU handlar ansatsen om att ge AI-systemen tillgång till tydlig och strukturerad information om hur industrin fungerar. På så sätt kan systemen förstå sammanhanget bättre, ge mer relevanta svar och också tydligare visa varför ett visst råd lämnas.

Forskningsprojektet genomförs i samverkan med industriella partners, däribland industriföretaget Comptech och IT-konsultbolaget Consid. Comptechs vd Per Jansson kommenterar satsningen:

– Vi ser detta projekt som ett viktigt steg mot en mer intelligent och kunskapsbaserad tillverkning, säger Per Jansson, vd för Comptech.

Från rådata till maskinläsbar kunskap

Tillverkningsindustrin genererar stora mängder data, exempelvis i form av loggar, rapporter, sensordata och inspektionsresultat. Samtidigt är informationen ofta fragmenterad och svår att använda direkt i avancerade AI-system. I projektet ska forskarna utveckla metoder för att omvandla rådatan till strukturerad, maskinläsbar kunskap som kan användas tillsammans med språkmodeller.

Fyra mål – från utvinning till test i produktion

JU beskriver fyra övergripande mål för projektet:

• Plocka ut industriell kunskap från olika typer av data.
• Strukturera kunskapen i modeller.
• Integrera kunskapen med språkmodeller.
• Testa lösningarna i praktiska industriella tillämpningar med hjälp av AI-agenter.

Projektet tar enligt pressmeddelandet sikte på flera utmaningar för dagens industriella AI, bland annat bristande transparens, begränsad domänkunskap och svårigheter att använda modeller i verkliga produktionsmiljöer. Målet är att ta fram metoder och verktyg som kan stärka allt från produktionsstyrning och kvalitetskontroll till felsökning och strategiska beslut.