refactor(examples): replace sector-specific example material with generic, fictitious examples
Reference files, test fixtures, the playground demo project and one design document now use generic, fictitious examples (buildings, energy, water, grants, municipal services). The playground demo (17 fixtures plus the embedded demo state) tells one consistent story: a municipal customer chatbot that pre-screens housing-benefit applications, classified under Annex III point 5(a). The embedded demo copies were edited in place rather than regenerated, because they already carry newer AI Act dates than the fixture files. Legal text is unchanged. Test semantics are unchanged. Four dark-theme onboarding screenshots with outdated placeholder text are removed. Co-Authored-By: Claude Opus 5.5 <noreply@anthropic.com>
This commit is contained in:
parent
ced0c5f46d
commit
544934dc57
SSH key fingerprint:
SHA256:JakMjO6FTBBzN0Bhfj9saOoEjaFxlSdYuZQQpM/lF9Q
77 changed files with 363 additions and 368 deletions
|
|
@ -23,7 +23,7 @@
|
|||
|
||||
Azure IoT Hub er Microsofts sentrale PaaS-tjeneste for toveiskommunikasjon mellom IoT-enheter og skyen. Kombinert med Azure Stream Analytics for sanntidsanalyse og Azure Machine Learning for modelltrening og -scoring, danner IoT Hub kjernen i en enhetlig AI-pipeline fra enhet til innsikt.
|
||||
|
||||
For norsk offentlig sektor er denne arkitekturen relevant for scenarioer som smart veginfrastruktur (sanntidsmaling av trafikk og veiforhold), bygg-automatisering (energistyring i offentlige bygninger), miljooverkaking (luft- og vannkvalitet), og prediktiv vedlikehold av kritisk infrastruktur. IoT Hub gir sikker enhetstilkobling, mens Stream Analytics prosesserer data i sanntid, og Azure ML scorer modeller for prediktive innsikter.
|
||||
For norsk offentlig sektor er denne arkitekturen relevant for scenarioer som smart vannforsyning (sanntidsmaling av trykk og lekkasjer), bygg-automatisering (energistyring i offentlige bygninger), miljooverkaking (luft- og vannkvalitet), og prediktiv vedlikehold av kritisk infrastruktur. IoT Hub gir sikker enhetstilkobling, mens Stream Analytics prosesserer data i sanntid, og Azure ML scorer modeller for prediktive innsikter.
|
||||
|
||||
Arkitekturen skalerer fra hundrevis til millioner av enheter, med innebygd stoette for meldingsruting, device twins for konfigurasjonstyring, og enkel integrasjon med Azure-dataplatformen (Fabric, Event Hub, Cosmos DB) for langsiktig analyse.
|
||||
|
||||
|
|
@ -426,7 +426,7 @@ class HybridScalingConfig:
|
|||
|
||||
| Sektor | Use Case | Enheter | AI-modell |
|
||||
|--------|----------|---------|-----------|
|
||||
| Samferdsel | Veisensor-nettverket | ~5 000 | Trafikk-prediksjon, vintervedlikehold |
|
||||
| Vann og avlop | Sensornettverk i ledningsnettet | ~5 000 | Lekkasje-prediksjon, trykkstyring |
|
||||
| Energi | Smart bygg-styring | ~10 000/bygg | Energi-optimalisering |
|
||||
| Miljoe | Luft/vann-kvalitet | ~500 stasjoner | Forurensnings-varsling |
|
||||
| Helse | Utstyrsovervaking | ~1 000/sykehus | Prediktiv vedlikehold |
|
||||
|
|
|
|||
|
|
@ -519,10 +519,10 @@ health_checks:
|
|||
|
||||
| Scenario | Tilkoblingsstatus | Losning |
|
||||
|----------|-------------------|---------|
|
||||
| Tunneler | Frakoblet | Edge-inferens med kamerasystem |
|
||||
| Fjellanlegg og gruver | Frakoblet | Edge-inferens med lokal sensorlogging |
|
||||
| Fartsoyvervaking | Ustabil | Lokal objektdeteksjon |
|
||||
| Trafikkanalyse | Periodisk | Batch-analyse med synk |
|
||||
| Fergedrift | Variabel | Hybrid med sky-fallback |
|
||||
| Havneanalyse | Periodisk | Batch-analyse med synk |
|
||||
| Havvind og offshore | Variabel | Hybrid med sky-fallback |
|
||||
|
||||
---
|
||||
|
||||
|
|
|
|||
|
|
@ -23,7 +23,7 @@
|
|||
|
||||
Azure IoT Operations er Microsofts edge runtime-plattform for industrielle IoT-scenarier, bygget pa Azure Arc-enabled Kubernetes. Den kombinerer datainnsamling fra sensorer og utstyr med AI-inferens direkte pa edge, noe som muliggjor sanntidsanalyse uten avhengighet av skytilkobling for tidskritiske beslutninger.
|
||||
|
||||
For norsk offentlig sektor er IoT-integrasjon med AI relevant i scenarier som smart infrastruktur (broer, tunneler, veier), miljooverkaking, energistyring i offentlige bygg, og transportlogistikk. Azure IoT Operations gir en standardisert plattform for a samle sensordata, normalisere dem, og kjore AI-modeller lokalt for prediktiv vedlikehold og anomalideteksjon.
|
||||
For norsk offentlig sektor er IoT-integrasjon med AI relevant i scenarier som smart infrastruktur (vannverk, pumpestasjoner, ledningsnett), miljooverkaking, energistyring i offentlige bygg, og transportlogistikk. Azure IoT Operations gir en standardisert plattform for a samle sensordata, normalisere dem, og kjore AI-modeller lokalt for prediktiv vedlikehold og anomalideteksjon.
|
||||
|
||||
Plattformen bygger pa MQTT-protokollen for enhetskommunikasjon, Data Flows for datatransformasjon og kontekstualisering, og Azure Arc for sentralisert administrasjon. AI-modeller kan deployes som containere pa edge-klyngen, med Azure ML for modelltrenings- og oppdateringspipeliner mellom sky og edge.
|
||||
|
||||
|
|
@ -355,7 +355,7 @@ class AIEdgePipeline:
|
|||
|
||||
### Relevante use cases
|
||||
|
||||
- **Direktoratet for digital tjenesteutvikling**: Sanntids verkontrollovervaking med AI-basert analyse av vaerdata, trafikkmonstre og veiforhold fra veistasjonssensorer
|
||||
- **Kommunalt vannverk**: Sanntids overvaking av ledningsnettet med AI-basert analyse av trykk, vannforbruk og lekkasjer fra sensorer i pumpestasjoner
|
||||
- **Kystverket**: Autonome sensorsystemer langs kysten for miljooverkaking og sikkerhet, med begrenset tilkobling
|
||||
- **Energisektoren**: Smart styring av offentlige bygg med prediktiv vedlikeholdsanalyse av HVAC-systemer
|
||||
- **Helsesektoren**: IoT-basert pasientovervaking pa sykehus med lokal AI for tidlig varsling
|
||||
|
|
|
|||
|
|
@ -25,7 +25,7 @@ AKS Edge Essentials er Microsofts lettvekts Kubernetes-distribusjon for edge-sce
|
|||
|
||||
For AI-arbeidsbelastninger pa edge muliggjor AKS Edge Essentials deployment av ML-modeller, inferensservere, og AI-pipelines som Kubernetes-pods med GPU-akselerasjon (via GPU-PV). Tilkoblet Azure Arc gir sentralisert administrasjon, GitOps-basert deployment, og integrasjon med Azure ML, Azure Monitor og Azure Policy.
|
||||
|
||||
For norsk offentlig sektor er AKS Edge Essentials relevant for distribuert AI pa lokale stasjoner (veisensorer, helseutstyr, energimalere) der Kubernetes-basert orkestrering gir standardisert deployment og oppdatering av AI-modeller pa tvers av geografisk spredte enheter.
|
||||
For norsk offentlig sektor er AKS Edge Essentials relevant for distribuert AI pa lokale stasjoner (pumpestasjoner, helseutstyr, energimalere) der Kubernetes-basert orkestrering gir standardisert deployment og oppdatering av AI-modeller pa tvers av geografisk spredte enheter.
|
||||
|
||||
---
|
||||
|
||||
|
|
@ -383,9 +383,9 @@ spec:
|
|||
|
||||
| Stasjon | Antall | Hardware | AKS Edge-konfig | AI-workload |
|
||||
|---------|--------|----------|-----------------|-------------|
|
||||
| Veisensorer | ~200 | Industrial PC | Single-node K3s | Trafikk-analyse |
|
||||
| Tunnelverkaking | ~50 | Rack-server | Multi-node K8s | Brann/ventilasjon |
|
||||
| Ferjekaier | ~30 | Rugged PC | Single-node K3s | Bildetelling |
|
||||
| Pumpestasjoner | ~200 | Industrial PC | Single-node K3s | Lekkasje-analyse |
|
||||
| Sykehusbygg | ~50 | Rack-server | Multi-node K8s | Brann/ventilasjon |
|
||||
| Gjenvinningsstasjoner | ~30 | Rugged PC | Single-node K3s | Bildetelling |
|
||||
| Ladestajoner | ~500 | IoT gateway | K3s minimal | Energi-prediksjon |
|
||||
|
||||
### Sikkerhets- og administrasjonskrav
|
||||
|
|
|
|||
|
|
@ -23,7 +23,7 @@
|
|||
|
||||
Offline-first AI-applikasjoner er designet for a fungere primaert lokalt og synkronisere med skyen nar tilkobling er tilgjengelig. Dette monsteret snur den tradisjonelle sky-forst-tilnaermingen pa hodet: i stedet for a feile nar nettverket er nede, er applikasjonen designet for a operere uavhengig med lokal AI-inferens og datalagring.
|
||||
|
||||
For norsk offentlig sektor er offline-first sarlig relevant i felt-scenarioer: vegarbeidere som inspiserer infrastruktur i omrader uten dekning, ambulansepersonell som trenger AI-stoette i rurale omrader, beredskapspersonell under krisesituasjoner der kommunikasjonsinfrastruktur kan vaere nede, og maritime inspeksjoner langs kysten.
|
||||
For norsk offentlig sektor er offline-first sarlig relevant i felt-scenarioer: driftspersonell som inspiserer ledningsnett i omrader uten dekning, ambulansepersonell som trenger AI-stoette i rurale omrader, beredskapspersonell under krisesituasjoner der kommunikasjonsinfrastruktur kan vaere nede, og maritime inspeksjoner langs kysten.
|
||||
|
||||
Microsoft tilbyr flere byggeklosser for offline-first AI: ONNX Runtime for lokal inferens, Azure IoT Edge for container-basert edge-prosessering med utvidet offline-stoette, Azure Container Storage for lokal persistens med automatisk sky-synkronisering, og Phi-modeller for lokale SLM-kapabiliteter.
|
||||
|
||||
|
|
@ -405,7 +405,7 @@ class TestOfflineAI:
|
|||
def test_event_persistence_offline(self, event_store):
|
||||
"""Hendelser skal lagres lokalt ved offline"""
|
||||
event = event_store.append_event(
|
||||
"inspection", "bridge-001",
|
||||
"inspection", "pumpestasjon-001",
|
||||
{"status": "ok", "notes": "Ingen synlige skader"}
|
||||
)
|
||||
assert event.synced is False
|
||||
|
|
@ -465,7 +465,7 @@ class TestOfflineAI:
|
|||
|
||||
| Scenario | Etat | Offline-varighet | AI-funksjon |
|
||||
|----------|------|-----------------|-------------|
|
||||
| Vegfinspeksjon | DDT | Timer | Skadeklassifisering |
|
||||
| Ledningsinspeksjon | Kommunalt vannverk | Timer | Skadeklassifisering |
|
||||
| Ambulanse | Helseetaten | Minutter-timer | Triagering |
|
||||
| Beredskap | DSB | Dager | Situasjonsanalyse |
|
||||
| Maritime inspeksjoner | Sjoefartsdir. | Timer-dager | Rapport-generering |
|
||||
|
|
|
|||
|
|
@ -52,7 +52,7 @@ Ifoolge GDPR Art. 35 er DPIA pakrevd nar databehandling sannsynligvis medforer h
|
|||
| Trigger | Edge AI-eksempel | DPIA-krav |
|
||||
|---------|-----------------|-----------|
|
||||
| Automatiserte beslutninger | AI-basert triage pa sykehus | Pakrevd |
|
||||
| Systematisk overvaking | Kamerabasert trafikkanalyse | Pakrevd |
|
||||
| Systematisk overvaking | Kamerabasert overvaking av offentlige rom | Pakrevd |
|
||||
| Sensitive data i stor skala | Helsedata-analyse pa lokale servere | Pakrevd |
|
||||
| Ny teknologi | AI-modeller pa edge-enheter | Vurderes |
|
||||
| Saerbare grupper | AI i barnevern/NAV | Pakrevd |
|
||||
|
|
|
|||
Loading…
Add table
Add a link
Reference in a new issue