Havde der været et system i drift til at detekterer unormal adfærd i Østersøen, kunne sabotagen på Nord Stream 1 og Nord Stream 2 have været undgået.

Sådan lyder meldingen fra Rune Raunow, der er vice president i softwarevirksomheden Systematic. De leverer allerede et sådant system til flere NATO-lande.

”Det er klart vores overbevisning, at sabotagen på Nord Stream 1 og Nord Stream 2 kunne have været undgået ved at detekterer anomalier,” siger Rune Raunow.

Løsningen Sitaware bliver brugt af militær på både land og i luften i både Danmark, Tyskland og USA, men er også i farvandet omkring Østersøen.

Både Danmark, Tyskland og Sverige har sensorer i farvandet, der overvåger trafikken.

”Anomalidetektion findes allerede i vores systemer i dag, men en præmis for at gøre brug af det er jo, at man fodrer systemet med de rigtige data.”

Gør jeres kunder ikke det på nuværende tidspunkt?

”Vi kan ikke fortælle i detaljer, hvilke dele af vores systemer Danmark eller andre af vores kunder bruger. Vi kan sige, som vi også tidligere har gjort, at Danmark anvender vores systemer. Det er der andre lande i omkring Østersøen, der også gør. Vi kan også fortælle, hvad de systemer kan, men vi kan ikke oplyse, om et enkelt land benytter en specifik feature,” siger Rune Raunow.

Men Rune Raunow efterlyser gerne, at landende indgår et mere aktivt samarbejde om at udveksle vigtige data.

Ville have opdaget mistænkelig adfærd

Løsningen kan med de vigtige datapunkter meget nøje regne sig frem til, om trafik på og under havets overflade er mistænkelige, fortæller Rune Raunow.

Sammenholder man den information med data over, hvor på havet kritisk infrastruktur som gasledninger eller fiberkabler befinder sig, kunne systemet have alarmeret militært personel inden sabotagen fandt sted.

”Antager vi, at et land har haft et skib liggende, der har understøttet en undervandsmission, ville vores system have opdaget, at det her skib foretager sig noget unormalt. Sammenkoblet med viden om kritisk infrastruktur ville man kunne se, at et skib opfører sig unormalt i et område omkring kritisk infrastruktur,” siger Rune Raunow.

Hvordan ville systemet præcis vurderer, om der er tale om unormal eller helt tilfældig trafik?

”Opfører et fartøj sig unormalt, kan systemet gå tilbage i tid og se, hvad skibet har foretaget sig. Det kan den menneskelige detektor ikke bare lige gøre, for han har ikke de data tilgængelige,” siger Rune Raunow.

Civil trafik på havet er underlagt et krav om at have en transponder, der sender signaler ud om, hvilket fartøj der er tale om. I tilfældet med Østersøen ville systemet kunne have set, om et skib var et containerskib på sin normale rute, eller om der er tale om et andet fartøj, der ikke normalt er i området.

Med mere end 10.000 såkaldte radarspor i dansk farvand hvert eneste døgn, er der rigeligt med data at til at kunne oplære den kunstige intelligens i, hvornår noget er mistænkeligt.

Og det er kun kunstig intelligens, der hurtigt nok vil kunne foretage en så vigtig observation, mener Rune Raunow.

”Udfordringen er jo, at hvis noget kun er mistænkeligt nu på grund af historikken, så vil en menneskelig operatør aldrig opdage, at der foregår noget mistænkeligt,” siger Rune Raunow.

Videreudvikling af historisk løsning

Farvandsovervågning er på ingen måde nyt for Systematic, der i hele firmaets levetid har foretaget overvågning af farvand.

Metoden og formålet har dog markant ændret sig.

”Den farvandsovervågning, man har haft de seneste par årtier, har primært handlet om at sikre, at civil trafik har opført sig efter gældende regler. At man ikke dumper olie på Bellevue og ikke undsiger sig lodspligten under Storebælt,” siger Rune Raunow.

Nu handler det i stedet om at bruge big data, kunstig intelligens og avanceret sensorteknolog. Den kunstige intelligens har nemlig flyttet sig markant, siden Systematic selv tog det i brug.

”Som resten af it-industrien har vi de seneste par 4-5 år bevæget os fra, at kunstig intelligens var noget, der ville blive spændende om nogle år til, at vi nu implementerer det i vores produkter,” siger Rune Raunow.

Simpelt sagt har kunstig intelligens flyttet sig fra at kunne se forskel på katte og hunde ud fra få datapunkter i et billede, til nu at kunne lære sig selv at køre en bil.

Selvom teknologien har flyttet sig meget langt, er der stadig ”gammel” kunstig intelligens i brug nogle steder.

”Vi bruger det også til ruteplanlægning og beregninger, men der er vi lidt tilbage i kattebilledegenerationen af kunstig intelligens. Men vi er på vej et sted hen, hvor teknologien kan give dig svaret på et spørgsmål, du ikke vidste, du havde. Det er den overordnede trend, vi ser inden for kunstig intelligens,” siger Rune Raunow.

Hvilket perspektiver har det for jer udover at kunne opfange unormalt adfærd i Østersøen?

”Vi arbejder både i Asien, USA og i resten af Europe på at gøre det tydeligt, at hvis man arbejder på de her data, så opnår man en væsentlig større beredskabsgrad,” siger Rune Raunow.

Hvad med Rusland?

”Vi er underlagt våbeneksportloven, så vi arbejder ikke med Rusland som kunde,” afslutter Rune Raunow.