En kritikalitetsmodel er et værktøj, der bruges til at vurdere og prioritere aktiver, projekter eller anlæg ud fra deres kritikalitet – altså hvor vigtige de er for organisationens formål og værdier. Modellen anvendes typisk i asset management og risikostyring og bygger på en grundlæggende ligning: RISIKO=KONSEKVENS×SANDSYNLIGHED
Publiceret: 08. dec. 2025
Mød en datadrevet vandpartner
Beslutninger og processer kan være datadrevne, men kan mennesker? Ja, hvis man spør’ Rune Pedersen fra NIRAS, som er en del af SFO Digitalisering i Vandpartner og en af personerne bag den såkaldte kritikalitetsmodel.
Men hvad vil det egentlig sige at være datadrevet? Er vi tilbage i folkeskoleregi med SFO’en? Og hvordan bidrager det til at nå målene i Vandpartner? Det har vi spurgt Rune om.
Sparring om digitale udfordringer
For at tage det med SFO’en først, så står det for ’strategisk fokusområde’, og er et fora, hvor Aarhus Vand har bragt de forskellige vandpartnere sammen, så vi kan sparre om digitale udfordringer.
“
Vi sidder lige nu og sparrer med rammeaftalerne omkring mål og knækpunkter for 2026. Så kan vi også være rammeaftalernes talerør ind i SFO Digitalisering, hvor vi har mulighed for at bringe input og spørgsmål fra aftalerne ind i gruppen
Hvad vil det sige at være datadrevet/dataknuser?
”Jamen, det betyder sådan set bare, at jeg er drevet af at anvende og analysere data, så vi kan gøre noget bedre, nemmere eller mere effektivt i morgen, end vi gjorde i går.
Et rigtig godt eksempel er det arbejde, vi er i gang med i R2 lige nu, hvor vi opsætter en såkaldt kritikalitetsmodel efter AAV’s standard startende med Aarhus Vands over 200 våde regnvandsbassiner,” siger Rune.
Model hjælper med at vurdere behov for oprensning
Han forklarer videre, at en kritikalitetsmodel er en model, som med udgangspunkt i en række parametre, kan hjælpe os med at give et kvalificeret bud på tilstanden ude i regnvandsbassinerne, så vi bedre kan planlægge, hvilke vi skal oprense først.
I modellen anvender vi relevante tilgængelige data og billedgenkendelse, og så henter vi brugbare informationer i de henvendelser, som Aarhus Vand får fra borgerne. Ved hjælp af AI kan vi automatisere og strukturere informationerne, selvom de ligger i fritekstfelter i et regneark, og konvertere dem til en form, som vi kan anvende i den samlede model.
"Det lyder giga-nørdet, men det går i sin enkelhed ud på at samle så meget viden, som man kan, tillægge de forskellige forhold en værdi, og derudfra vurdere, hvilke bassiner der trænger mest til at blive renset op,” siger Rune
Gør det en forskel for dit arbejde, at projektet er en del af Vandpartner?
”Ja, det synes jeg. Særligt fordi det giver os nogle bedre muligheder for at bygge ovenpå de erfaringer, vi allerede har. Fx i eksemplet med kritikalitetsmodellerne, så har vi tidligere lavet dem for overløb/udløb og spildevandsledninger, og når vi så nu skal lave en model til at prioritere regnvandsbassiner, så skal vi ikke starte fra scratch, men kan bygge ovenpå de datamodeller, som vi allerede ved fungerer. Det gør, at man sidder med følelsen af at nå endnu længere fra gang til gang, fordi Vandpartner er en længerevarende aftale.”