ms-ai-architect/skills/ms-ai-governance/references/norwegian-public-sector-governance/digital-samhandling-eif-5-layers.md

Digital samhandling og EIF - De 5 lagene

Last updated: 2026-02 Status: Gjeldende Category: Norwegian Public Sector AI Governance

---

Introduksjon

Norge implementerte European Interoperability Framework (EIF) da landet signerte Tallinn-erklæringen i 2017, sammen med EU og andre EFTA-land. Norges nasjonale samhandlingsrammeverk heter i dag Rammeverk for digital samhandling og bygger på EIF-prinsippene.

EIF definerer hvordan offentlige administrasjoner, bedrifter og innbyggere skal kommunisere på tvers av landegrenser i Europa. Rammeverket inneholder 47 anbefalinger organisert rundt tre pilarer: 12 prinsipper for politikkutforming, samhandlingslag, og en konseptuell modell for integrerte offentlige tjenester.

Digitaliseringsdirektoratet (Digdir) har ansvaret for norsk rapportering til EIF, og Norge regnes som blant de landene som presterer best på implementering av EIF – selv om det har vært en relativ nedgang det siste året. Rammeverket er obligatorisk når digitale tjenester etableres eller videreutvikles og skal samhandle med andre organisasjoner.

De fem samhandlingslagene

Norges tilpasning av EIF opererer med fem samhandlingslag (ikke fire, som i original EIF). Det femte laget – styring og forvaltning – går på tvers av de andre lagene og sikrer konsistent governance.

1. Juridisk samhandling (Legal Interoperability)

Juridisk samhandling sikrer at organisasjoner som opererer under ulik lovgivning kan samarbeide, og at rettsgrunnlaget for samarbeid mellom aktører er på plass.

Nøkkelelementer:

• Sammenheng mellom nasjonal og europeisk lovgivning (GDPR, AI Act, Forvaltningsloven)
• Hjemmel for dataflyt mellom offentlige etater
• Kontraktuelle rammer for deling av data og tjenester
• Sektorspesifikk lovgivning (helse, utdanning, transport)

AI-spesifikke juridiske hensyn:

• AI Act compliance (høyrisiko-klassifisering, GPAI-regler)
• GDPR Article 22 (automatiserte avgjørelser)
• Forvaltningsloven § 28 (forsvarlighetskrav for offentlige vedtak)
• Utredningsinstruksen (krav om konsekvensutredning)

2. Organisatorisk samhandling (Organisational Interoperability)

Organisatorisk samhandling handler om hvordan samarbeidende organisasjoner tilpasser tjenestekjeder, forretningsprosesser, roller og forventninger for å oppnå felles mål og gevinster.

Nøkkelelementer:

• Prosessharmonisering på tvers av etater
• Rolledefinering og ansvarsfordeling
• Felles forståelse av tjenestenivåer (SLA)
• Koordinering av endringsinitiativ

AI-spesifikke organisatoriske hensyn:

• Etablering av AI-styringsstrukturer (AI councils, review boards)
• Roller: AI product owner, data scientist, model validator, ethics officer
• Prosesser for modellgodkjenning og utrullingsflyt
• Håndtering av modelldrif og kontinuerlig læring

3. Semantisk samhandling (Semantic Interoperability)

Semantisk samhandling omhandler betydningen av dataelementer, forholdet mellom dem, og formatet som informasjon utveksles i.

Nøkkelelementer:

• Felles datamodeller og ontologier
• Standardiserte kodeverk og klassifikasjoner
• Metadata-håndtering og datakataloger
• Innholdsstandarder (formater, strukturer)

AI-spesifikke semantiske hensyn:

• Embeddings og vektor-representasjoner av semantisk innhold
• Ontologier for domene-spesifikk kunnskapsmodellering (RAG)
• Prompt templates og system message standardisering
• Grounding-datakilder og sannhetsreferanser

4. Teknisk samhandling (Technical Interoperability)

Teknisk samhandling sikrer at ulike systemer kan integrere, og krever teknisk standardisering – som i dag støttes av forskrift om IT-standarder i offentlig forvaltning.

Nøkkelelementer:

• API-standarder (REST, OData, GraphQL)
• Protokoller for datautveksling (HTTPS, AMQP, MQTT)
• Autentisering og autorisasjon (OAuth2, OIDC, SAML)
• Integrasjonsmønstre (event-driven, sync/async, batch)

AI-spesifikke tekniske hensyn:

• Azure OpenAI API og Azure AI Foundry endpoints
• Chunking-strategier og vektor-databasegrensesnitt (Azure AI Search)
• Modell-API versjonering og fallback-mekanismer
• Token-håndtering, streaming, og rate limiting

5. Styring og forvaltning (Governance)

Det femte laget – styring og forvaltning – går på tvers av de andre lagene. Det sikrer konsistent beslutningsprosess, koordinering og overvåking av samhandlingsevne.

Nøkkelelementer:

• Ansvarslinjer og eskaleringsmekanismer
• Standardiseringsvedtak (påbudt bruk av nasjonale komponenter)
• Overvåking av samhandlingsevne (EIF-monitorering)
• Finansierings- og finansieringsmodeller for felleskomponenter

AI-spesifikke styringshensyn:

• AI governance frameworks (Microsoft Responsible AI Standard)
• Modellregister og lineage tracking (Azure AI Foundry model catalog)
• Red teaming og sikkerhetsevaluering
• Budsjettmodeller for tokenforbruk (PTU vs pay-per-token)

Anvendelse på AI-løsninger

Tabellen under viser hvordan de fem lagene gjelder konkret for AI-løsninger i offentlig sektor:

Lag	AI-spesifikke krav	Eksempler
Juridisk	AI Act compliance, GDPR, Forvaltningsloven § 28	Dokumentasjon av høyrisiko-klassifisering; DPIA for personopplysninger i treningsdata; begrunnelse for automatiserte vedtak
Organisatorisk	AI-styringsstrukturer, roller, prosesser	AI council som godkjenner nye modeller; ML engineer vs. domain expert roller; modelldrif-respons-prosedyre
Semantisk	Ontologier, embeddings, prompt-standarder	RAG-ontologi for vegsikkerhetsdokumenter; prompt template-bibliotek for saksbehandling; metadata-skjema for syntetiske data
Teknisk	API-versjoner, chunking, token-håndtering	Azure OpenAI versjonspinning; 1024-token chunks med 128-token overlap; rate limit retry med exponential backoff
Styring	Responsible AI, modellregister, red teaming	Microsoft AI Standards; Azure ML model catalog; monthly red team exercises; PTU reservasjonsbudsjett

Microsoft-teknologier per lag

Juridisk lag

• Azure Policy og Compliance Manager: Automatisk sjekk av AI Act-krav
• Microsoft Purview: Data governance og lineage tracking
• Azure Information Protection: Klassifisering av sensitive data

Organisatorisk lag

• Microsoft 365 Copilot governance: Admin policies for bruk
• Power Platform CoE Starter Kit: AI governance workflows
• Azure DevOps: Prosessmaler for modell-deployment

Semantisk lag

• Azure AI Search: Vektor- og semantisk søk
• Azure AI Document Intelligence: Strukturert ekstraksjon
• Azure OpenAI Embeddings: text-embedding-3-large for representasjon

Teknisk lag

• Azure OpenAI Service: API for GPT-4o, o1-preview
• Azure AI Foundry: Felles plattform for modell, data, evaluering
• Azure API Management: API gateway med rate limiting og versjonering
• Event Grid / Service Bus: Event-driven AI-workflows

Styrings- og forvaltningslag

• Azure AI Content Safety: Moderation og red teaming
• Azure Machine Learning (Responsible AI Dashboard): Bias-evaluering
• Microsoft Copilot Studio Analytics: Bruks- og kvalitetsdata
• Azure Cost Management: Token- og PTU-kostnadsovervåking

Beslutningsveiledning

Tabellen under viser hvilke lag som må vurderes for ulike AI-arkitekturbeslutninger:

Beslutning	Juridisk	Org	Semantisk	Teknisk	Styring
Valg av Azure OpenAI vs. Copilot Studio	✅ (lisens)	✅ (roller)	⬜	✅ (API)	✅ (cost)
RAG-implementasjon	✅ (GDPR)	⬜	✅ (ontologi)	✅ (chunking)	✅ (lineage)
Multimodal AI (vision + text)	✅ (AI Act)	⬜	✅ (metadata)	✅ (API)	✅ (safety)
Integrasjon med eksisterende fagsystemer	✅ (hjemmel)	✅ (SLA)	✅ (format)	✅ (protocol)	✅ (monitor)
Bruk av syntetiske data for fine-tuning	✅ (privacy)	⬜	✅ (quality)	✅ (pipeline)	✅ (audit)
Agentic AI med tool calling	✅ (ansvarsfordeling)	✅ (eskalering)	✅ (function schema)	✅ (API integration)	✅ (red team)

Legend: ✅ = kritisk vurdering nødvendig, ⬜ = mindre relevant

For arkitekten (Cosmo)

Når en kunde spør om digital samhandling og EIF, still disse oppfølgingsspørsmålene:

1. Hvilke andre systemer eller etater skal AI-løsningen integrere med? → Kartlegg om det er interne systemer, eksterne APIer, eller tverrsektorielle felleskomponenter (Altinn, ID-porten, etc.)

2. Er det etablert databehandleravtaler eller samarbeidsavtaler med eksterne parter? → Juridisk lag: sjekk om hjemmel for dataflyt er på plass

3. Finnes det eksisterende API-standarder eller integrasjonsmønstre i organisasjonen? → Teknisk lag: unngå å introdusere nye mønstre hvis etablerte fungerer

4. Hvilke kodeverk, klassifikasjoner eller ontologier brukes i dag? → Semantisk lag: gjenbruk eksisterende semantiske standarder der mulig

5. Hvem er ansvarlig for modellgodkjenning og sikkerhetsvurdering? → Organisatorisk og styrings-lag: identifiser AI governance-roller

6. Er det krav om revisjon eller etterprøvbarhet av AI-vedtak? → Styringslag: design for auditability (model lineage, prompt logging)

7. Er løsningen klassifisert som høyrisiko etter AI Act? → Juridisk lag: høyrisiko krever ekstra dokumentasjon og conformity assessment

8. Er det budsjett for provisioned throughput units (PTU), eller skal det være pay-per-token? → Styrings- og kostnadslag: påvirker arkitektvalg (burstiness vs. forutsigbar belastning)

Kilder og verifisering

Digdir og norske myndigheter

• Rammeverk for digital samhandling — Hovedsiden for det norske rammeverket
• Bruk rammeverk for digital samhandling — Krav og anbefalinger
• Slik anvender du rammeverket i praksis — Praktisk veiledning
• EIF-monitorering — Norges årlige EIF-rapportering
• Felles struktur og arkitektur for samhandling — Arkitekturveiledning

EU og EIF

• European Interoperability Framework (EIF) – official site — EU-portal
• New European Interoperability Framework (brochure) — EIF oversiktsdokument
• The EIF in detail — Full detalj om de 47 anbefalingene

Microsoft

• Explore integration patterns (Power Platform) — Instant trigger, event-driven, data consolidation, service-oriented, synchronization
• Data integration patterns for Microsoft industry clouds — Real-time, asynchronous, batch, presentation layer
• Integration patterns for Dynamics 365 finance and operations — Synchronous, asynchronous, event-driven
• Interoperability with Enterprise Services and COM+ Transactions — Teknisk interoperabilitet på transaksjonsnivå

---

Merk: Dette dokumentet beskriver gjeldende rammeverk per februar 2026. EU arbeider med "Next Generation EIF" som forventes vedtatt Q1 2026, og Norge vil måtte tilpasse seg eventuelle endringer i dette rammeverket.