I denna pilotstudie har vi fokuserat på hur artificiell intelligens kan användas på ett mer effektivt och skalbart sätt för analys av jordobservationsdata. Målet har varit att ta fram och testa ett ramverk för AI-baserade arbetsflöden som gör det möjligt att automatisera avancerade analysprocesser och samtidigt göra kraftfulla AI-metoder tillgängliga för fler användare, inte bara för specialister.
Arbetet har drivits av RISE tillsammans med övriga tekniska partners inom konsortiet för nationellt rymddatalabb. Pilotstudien startade under andra kvartalet 2024, slutfördes 2025, och genomfördes parallellt med pilotstudien kring meteorologisk metadata.
I de inledande faserna utvärderades olika tekniska ramverk och arkitekturer för att hitta en lösning som både möter projektets behov och fungerar väl tillsammans med Digital Earth Sweden-plattformen. Under hösten 2024 utvecklades därefter en konkret applikation med fokus på jordobservation. Lösningen designades för att integreras med plattformens befintliga tjänster och för att bygga på återanvändbara komponenter och tydliga gränssnitt. Det gör det enklare för andra aktörer att vidareutveckla och anpassa lösningen för egna användningsfall.
Under början av 2025 färdigställdes integrationen med Digital Earth Sweden och arbetet med att förbereda en demonstration inleddes. Demonstrationen, som planerades till andra kvartalet 2025, syftade till att visa hur den utvecklade lösningen kan användas i praktiken och vilken nytta den skapar för användare inom jordobservation.
Resultatet av pilotstudien är en fungerande AI-pipeline som är integrerad med Digital Earth Sweden och komms åt via DES-plattformens offentliga git-repository. Lösningen visar hur komplexa AI-arbetsflöden kan automatiseras och göras tillgängliga via plattformens tjänster. Det bidrar till mer effektiva och skalbara analysprocesser, vilket i sin tur ger bättre kvalitet och högre tempo i de beslutsunderlag som tas fram.
Pilotstudien stödjer direkt projektets övergripande mål om metodutveckling, vetenskapligt stöd och ökad tillgänglighet till AI-verktyg för jordobservation. Genom att erbjuda en återanvändbar arkitektur för AI-pipelines sänks trösklarna för både forskare och praktiska användare att dra nytta av avancerade AI-metoder i arbetet med rymddata.