Dataväxt samlar in data från sina lantbrukskunder och ville förstå vad som kännetecknar en högpresterande lantbrukare. Vi tillämpade statistisk analys för att identifiera avvikelser och korrelationer i kunddatan, vilket gav konkreta insikter om vilka faktorer som driver goda resultat.

Tillsammans med Trafikverket automatiserar vi inspektionen av Sveriges järnvägsnät. Högupplösta bilder från mättåg analyseras offline av våra ML-modeller för att klassa och upptäcka sprickor i sliprar – i en skala och med en detaljnivå som överträffar manuell inspektion.

Hitachi behövde förebygga kostsamma monteringsfel som tidigare var beroende av att operatörer upptäckte dem i realtid. Vi implementerade ett AI-baserat Computer Vision-system som övervakar produktionsprocessen och varnar direkt när avvikelser uppstår, vilket minskar antalet fel och förbättrar kvaliteten.

AG-tech AB behövde en autonom ogräsborttagningsrobot utvecklad från grunden: lättviktig, simuleringsbaserad och redo för användning i fält. Vi utvecklade en prototyp av hela mjukvaruarkitekturen, samt en pipeline från kamerabilderna till optimala styrningen för rörelserna mot nästa mål.

Nacka kommun behövde förenkla hanteringen av geodata och bygglovsärenden. Vi använde multimodala språkmodeller för att tolka ritningar, detaljplaner och GIS-data från flera olika källor och sammanföra informationen i ett enhetligt arbetsflöde som effektiviserar bygglovshandläggningen.

Food Radar® utvecklar sensorbaserade inspektionssystem för livsmedelsproduktion som kan upptäcka främmande föremål med låg densitet. Utmaningen var att förbättra detekteringsprecisionen, minska antalet falska positiva och negativa resultat samt hantera variationer mellan olika produkter och produktionsförhållanden.

Flowity behövde analysera passagerarflöden på Arlanda flygplats utan att kompromissa med den personliga integriteten. Vi utvecklade algoritmer för värmekameror som anonymt detekterar och följer människor, med GDPR som en grundläggande del av lösningens design.

Vi utvecklade en AI-driven styrning för smart uppvärmning åt ett startupföretag inom fastighetssektorn. Genom att kombinera realtidsdata från byggnadsautomationssystem (BMS), maskininlärningsalgoritmer och reglerteknik kunde systemet förutse energibehov, undvika höga elpriser och proaktivt optimera uppvärmningen.

Kablar löds enligt strikta regler, men felaktig placering kan ändå förekomma. Vi utvecklade ett Computer Vision-system som automatiskt verifierar varje kabels position mot dess etikett och fångar upp fel innan de når kunden. Detta hjälper vår kund att förbättra produktionskvalitet med direkt feedback inom tillverkningsprocessen.

Elonroads system för trådlös laddning av fordon under körning behövde kunna spåra en inbäddad ledare under ett rörligt fordon i realtid, även vid dåliga ljusförhållanden och på resursbegränsad edge-hårdvara. Vi utvecklade en Computer Vision-lösning som möjliggör robust och snabb spårning under dessa förutsättningar.

Industrirobotar har svårt att hantera oregelbundna former och kräver ofta manuell omprogrammering för varje produktvariant. Vi kombinerade en 3D-kamera med specialutvecklade algoritmer så att roboten automatiskt identifierar, orienterar och plockar objekt av varierande form och storlek i realtid.

Detektera sensorposition med en noggrannhet på under 0,5 mm utan att öka svarstiden. Vi vidareutvecklade CNN-modellen, förbättrade förbehandlingen med utjämningsfilter och automatiserade testprocessen för snabbare utveckling och tillförlitligare resultat.

En del av ESAB:s svetsdokumentation finns fortfarande i pappersformat eller ostrukturerade dokument som är svåra att söka i och integrera med moderna system. Vi använde Vision Language Models och strukturerad output för att extrahera och digitalisera svetsprocedurspecifikationer till ett enhetligt digitalt format.

Alla problem kräver inte stora språkmodeller eller molninfrastruktur. Vi implementerade maskininlärning direkt på resursbegränsad edge-hårdvara för tidig upptäckt av fel och avvikelser. Ingen molntjänst, ingen Python – megabyte i stället för gigabyte.

Stena Metall IT behövde en enhetlig dataplattform i enterprise-klass för hela koncernen. Vi designade och implementerade den kompletta lösningen på Microsoft Azure hela vägen från automatiserade finansiella datapipelines till ML-Ops och stöd för informationssäkerhet enligt ISO 27001.

Kunden behövde ett system för flerspråkig kundsupport, baserat på befintlig dokumentation i form av text, bilder och YouTube-videor. Vi utvecklade ett multimodalt RAG-system som integreras sömlöst i befintliga supportflöden och gör det möjligt att ge snabba, korrekta svar på flera språk.

Delori utvecklar OpenLeash, ett policybaserat auktoriseringslager för AI-agenter. Tillsammans utvecklade vi ett system som säkerställer att agenter verifierar sina behörigheter innan de agerar. Utmaningen var att möjliggöra autonoma AI-agenter samtidigt som kontroll, tillit och spårbarhet bibehålls i dynamiska miljöer.