AI læser prøvningsrapporter fra underleverandører

Et konkret anvendelseseksempel på kunstig intelligens i laboratoriet: modellen aflæser resultaterne i et eksternt laboratoriums prøvningsrapport og indsætter dem under ordrens positioner. Mennesket skal blot bekræfte.

31. august 2026 CleverLAB-teamet 9 min. læsning AI i laboratoriet

AI aflæser resultaterne i en prøvningsrapport fra en analyse, der er sendt til et eksternt underleverandørlaboratorium

TL;DR

Underleverancen ender med en andens PDF. Nogen skriver en halv snes tal af fra den i hånden — og det er netop dér, de dyreste fejl i hele processen opstår.
Modellen aflæser hovedet, resultattabellen og fodnoterne, matcher rækkerne med ordrens positioner og forbereder et forslag til registrering. Selv godkender den ingenting.
Den normaliserer det, der er forskelligt fra laboratorium til laboratorium: decimaltegn, enheder, notationen »< 0,5«, udvidet usikkerhed, standardens udgivelsesår.
Resultatet bevarer en permanent markering »analyse udført af underleverandør« og den vedhæftede originale prøvningsrapport — det kræver pkt. 7.8.2.1 litra p i ISO/IEC 17025.
Godkendelsen bliver hos mennesket. AI forkorter behandlingen af én prøvningsrapport fra et kvarter til et minuts kontrol, men fjerner ikke ansvaret.

Hvorfor netop prøvningsrapporter fra underleverandører

Næsten intet laboratorium har alt det, kunderne spørger om, inden for sit akkrediteringsomfang. Tungmetaller, PAH, Legionella, bestemmelser efter en anden standard, sæsonanalyser, der udføres en gang i kvartalet — det sendes videre til et underleverandørlaboratorium. Kunden får én prøvningsrapport, og du står inde for alt, hvad der står i den.

Og her begynder et problem, som ikke ses i nogen effektivitetsrapport: underleverandøren sender en PDF tilbage, og nogen hos dig skriver tallene af fra den. Som regel er det den person, der har mest andet arbejde — den tekniske leder eller den person, der godkender prøvningsrapporterne. Afskrivningen tager fra nogle få minutter til et kvarter pr. dokument, er kedelig og kræver hundrede procents opmærksomhed. Den perfekte kombination til at begå en fejl.

Denne artikel beskriver ét snævert defineret anvendelsestilfælde for AI: aflæsning af resultaterne i underleverandørens prøvningsrapport og indsættelse af dem under ordrens positioner. Uden visioner om et autonomt laboratorium og uden løfter om en »revolution«. Én opgave, som maskinen udfører hurtigere og mere omhyggeligt end et træt menneske — forudsat at beslutningen om godkendelse forbliver hos mennesket.

Fem fejl, der oftest går igen

Komma kontra punktum. Prøvningsrapporten fra et udenlandsk laboratorium angiver 0.05, systemet forventer 0,05 — ved en uopmærksom indsættelse kan resultatet vokse tusind gange.
mg/l i stedet for µg/l. Den dyreste fejl i miljøanalyser. Underleverandøren rapporterer mikrogram, dit akkrediteringsomfang arbejder i milligram — uden omregning bliver et overholdt resultat til en overskridelse.
Forskudt række. En tabel med femten bestemmelser, blikket glider en linje, og resultatet for krom havner ved nikkel.
Glemt mindre end-tegn. < 0,5 afskrevet som 0,5 er ikke længere »under kvantificeringsgrænsen«, men en konkret målt værdi. Det ændrer fortolkningen og vurderingen af overensstemmelse.
Oversprunget fodnote. En bemærkning om afvigelse fra metoden, om at kunden selv har udtaget prøven, eller om at den pågældende bestemmelse ligger uden for underleverandørens akkrediteringsomfang — det er som regel småt nederst på siden, men det skal med i den endelige prøvningsrapport.

Hvorfor auditoren spørger om det først

Når et laboratorium sender analyser til underleverandører, skal det kunne dokumentere styring af den eksterne leverandør (pkt. 6.6 i ISO/IEC 17025) og tydeligt markere de resultater, der kommer fra denne leverandør, i prøvningsrapporten (pkt. 7.8.2.1 litra p). Manuel afskrivning af tal fra en andens PDF taber som regel begge dele: markeringen af oprindelsen forsvinder, og forbindelsen til originalen findes kun i hukommelsen hos den person, der gjorde det.

Use case trin for trin

Herunder følger hele forløbet for ét dokument — fra det kommer ind, til resultatet er klar til den endelige prøvningsrapport. Hele sekvensen tager lige så lang tid som at læse dette afsnit; det sidste trin er det eneste sted, hvor der er brug for et menneske.

TRIN 1

Prøvningsrapporten kommer ind og knyttes til ordren

Pr. e-mail, fra underleverandørens portal eller som en scanning fra sekretariatet. Dokumentet knyttes straks som bilag til den konkrete ordre og bliver der permanent — det er dokumentet og ikke det afskrevne tal, der er beviset.

TRIN 2

Aflæsning af dokumentets struktur

Modellen genkender tre lag: hovedet (hvem der har analyseret, prøvningsrapportens nummer, datoer), identifikationen af prøven samt resultattabellen med fodnoter. Den leder ikke efter nøgleord — den læser sidens layout og kan derfor håndtere, at hvert laboratorium har sin egen skabelon for prøvningsrapporter.

TRIN 3

Matchning af rækker med ordrens positioner

Hver række i tabellen parres med den position, du har sendt videre — ud fra bestemmelsens navn, metoden og identifikationen af prøven på samme tid. Rækker, der ikke kan matches entydigt, fremhæves i stedet for at blive gættet.

TRIN 4

Normalisering af notationen

Decimaltegn, enheden omregnet til den, der bruges i dit akkrediteringsomfang, bevaret mindre end-tegn og værdien for kvantificeringsgrænsen, udvidet usikkerhed med den angivne dækningsfaktor. Det er det trin, hvor tallets mening oftest går tabt — og derfor er det beskrevet for sig og ikke skjult i aflæsningen.

TRIN 5

Forslag til kontrol

På skærmen vises en oversigt: til venstre den foreslåede registrering, til højre det udsnit af den originale prøvningsrapport, som den stammer fra. Man behøver ikke lede i dokumentet — kildestedet er fremhævet ved hvert tal.

TRIN 6

Menneskets godkendelse

Først når en bemyndiget person bekræfter, gemmes resultaterne i ordren. Hvert af dem får en permanent markering som analyse udført af underleverandør sammen med underleverandørens navn og nummeret på dennes prøvningsrapport.

Hvad modellen skal aflæse, for at resultatet er komplet

Tallet alene er ikke nok. Den endelige prøvningsrapport til kunden skal rumme langt flere oplysninger, og de findes alle i underleverandørens dokument — blot spredt over tre forskellige steder. Det minimale sæt, uden hvilket registreringen ikke giver mening:

Hvem der har analyseret — underleverandørlaboratoriets fulde navn og adresse samt nummeret på dets akkreditering.
Underleverandørens prøvningsrapports nummer og dato — det er den identifikator, ud fra hvilken auditoren kan genskabe sammenhængen.
Identifikation af prøven på begge sider — din betegnelse for prøven og den betegnelse, underleverandøren har givet den.
Datoer for modtagelse af prøven og udførelse af analysen — uden dem kan du ikke vurdere, om prøvens holdbarhedstid er overholdt.
Bestemmelse, resultat og enhed — samlet, aldrig hver for sig.
Prøvningsmetode med standardens udgivelsesår — »DS/EN ISO 17294-2« uden år er en anden metode end med år.
Udvidet usikkerhed og dækningsfaktor — hvis underleverandøren har angivet den.
Kvantificeringsgrænse og måden, resultater under den angives på.
Bemærkninger, afvigelser og udsagn om overensstemmelse — inklusive oplysning om, hvilke bestemmelser der lå uden for akkrediteringsomfanget.

Princippet, der ikke har nogen undtagelser

Hvis nogen af disse oplysninger mangler i dokumentet, må modellen ikke udfylde dem — den skal melde, at de mangler. At gætte standardens år eller tilføje en enhed, »fordi det plejer at være sådan«, er præcis den slags hjælp, der gør et værktøj uegnet til et akkrediteret laboratorium.

Hvor det går galt

En ærlig beskrivelse af et anvendelsestilfælde skal omfatte de situationer, hvor automatikken ikke slår til. Der er nogle stykker, og de er alle forudsigelige:

Scanning af dårlig kvalitet. Et dokument, der er faxet, fotograferet skævt eller underskrevet med kuglepen hen over tabellen. Aflæsningen er så usikker og skal markeres som krævende fuld kontrol.
Tabel delt over to sider. Kolonneoverskrifterne bliver på første side, en del af rækkerne havner på den anden — uden at genkende fortsættelsen er det let at knytte værdierne til de forkerte kolonner.
Gentagelser og fortyndinger. Den samme bestemmelse optræder to gange i prøvningsrapporten, fordi analysen blev gentaget. Kun mennesket ved, hvilket resultat der er det rigtige — og det er mennesket, der skal udpege det.
Samlet prøvningsrapport for mange prøver. Ét dokument, ti prøver i kolonner. Risikoen for at knytte et resultat til den forkerte prøve er størst her.
Navne, der ligner hinanden. »Krom« og »Krom(VI)« er to forskellige bestemmelser med forskellige grænseværdier. Parring alene ud fra navnet er uacceptabel her — matchningen skal ske sammen med metoden.

Overordnet regel: AI foreslår, mennesket godkender. Et værktøj, der gemmer resultater uden bekræftelse, flytter ansvaret for prøvningsrapporten over på softwareleverandøren — og det forudser ingen standard, og det accepterer ingen auditor. Værdien i dette anvendelsestilfælde er ikke at fjerne mennesket fra processen, men at ændre dets arbejde fra afskrivning til kontrol.

Revisionsspor

Automatisk aflæsning giver kun mening, hvis man bagefter kan spore, hvor hvert tal kom fra. Derfor gemmes der ved hvert godkendt resultat et komplet sæt oplysninger om selve aflæsningen — uanset at det originale dokument allerede ligger i ordren.

Hvad der gemmes	Hvorfor
Kildedokument	Underleverandørens originale prøvningsrapport i den form, den kom ind i — uden konvertering og uden bearbejdning.
Dato og klokkeslæt for aflæsningen	Gør det muligt at placere aflæsningen i hændelsesforløbet i forhold til modtagelsen af dokumentet og godkendelsen af prøvningsrapporten.
Modelversion	Når værktøjet ændrer adfærd, ved man, hvilke tidligere aflæsninger der er lavet med den gamle version.
Foreslået værdi	Gemt ved siden af den godkendte værdi — man kan se, om mennesket har rettet noget, og hvad præcis.
Godkendende person	Personligt ansvar for indførelsen af resultatet i ordren.
Markering af underleverance	Permanent knyttet til resultatet, føres videre til den endelige prøvningsrapport og opfylder kravet i pkt. 7.8.2.1 litra p.

Prøvningsrapporten skal entydigt angive de resultater, der kommer fra eksterne leverandører — det er et krav i standarden, ikke god praksis. Hvis markeringen af resultatets oprindelse laves manuelt, bliver den før eller siden glemt.

Tabellens sidste række er den vigtigste her. En markering af underleverance, der tildeles automatisk i aflæsningsøjeblikket, kan ikke blive glemt, fordi ingen skriver den ind — den følger af, hvor dokumentet kom fra. Det er den eneste ændring i hele processen, der forbedrer overensstemmelsen med standarden alene gennem sin konstruktion og ikke gennem teamets disciplin.

Hvad det reelt giver

Tallene nedenfor er en beregning på et eksempel og ikke resultatet af en måling hos en bestemt kunde. Lad os tage et mellemstort laboratorium, der jævnligt, men ikke massivt sender analyser til underleverandører:

prøvningsrapporter fra underleverandører om måneden

bestemmelser i gennemsnit pr. prøvningsrapport

8 → 1,5

minutter pr. dokument: afskrivning kontra kontrol af forslaget

4 t 20 min

tid sparet om måneden under disse forudsætninger

Fire timer om måneden er ikke et tal, man bør sælge som et gennembrud. Den virkelige gevinst ligger et andet sted: det er fire timers arbejde for den dyreste person i laboratoriet, udført under tidspres, med en opgave, hvor én uopmærksom række koster en reklamation, en gentagelse af analysen eller en afvigelse ved audit. At ændre afskrivning til kontrol ændrer ikke så meget antallet af timer som fordelingen af risikoen.

En bivirkning, som ingen planlægger

Når alle underleverandørernes prøvningsrapporter går gennem ét sted, har du efter nogle måneder færdige data til den vurdering af leverandører, som pkt. 6.6 kræver: hvem der overholder frister, hvem der sender dokumenter, der skal rettes, og hos hvem der gentagne gange mangler oplysninger i beskrivelsen af metoden. Uden at føre et særskilt register.

Sådan kommer du i gang

Implementering af dette anvendelsestilfælde kræver ikke en ombygning af laboratoriet. Det kræver derimod den rette rækkefølge — et forsøg på at slå alt til på én gang ender med, at teamet mister tilliden til værktøjet:

Vælg én underleverandør — den, du modtager flest prøvningsrapporter med et ensartet layout fra. Hos den vil du se effekten hurtigst.
Saml et par dusin af dens prøvningsrapporter fra det seneste år, og kontrollér aflæsningen på dokumenter, hvis resultater du allerede kender. Det er den eneste ærlige test: en sammenligning med det, der faktisk blev indtastet manuelt.
Kør parallelt i en måned — automatisk aflæsning ved siden af den hidtidige afskrivning. De forskelle, der viser sig, er mere værdifulde end overensstemmelserne.
Beskriv det i ledelsessystemets dokumentation — hvem der godkender, hvad der sker ved en tvetydig aflæsning, og hvordan resultater fra underleverandører markeres. Auditoren vil spørge til proceduren, ikke til teknologien.
Først derefter tilføjer du flere underleverandører — én ad gangen, og hver ny skabelon for prøvningsrapporter kontrolleres for sig.

Betyder det, at det er AI, der godkender resultaterne?

Nej. Og det er det eneste svar, der gør dette anvendelsestilfælde egnet til et akkrediteret laboratorium. Modellen udfører en teknisk handling — den overfører oplysninger fra ét dokument til et andet, mere præcist end et menneske, fordi den ikke bliver træt ved tabellens femtende række. Vurderingen af overensstemmelse, beslutningen om at gentage analysen og godkendelsen af prøvningsrapporten forbliver opgaver for den bemyndigede person, præcis som før implementeringen.

Det er også værd at sige, hvad dette værktøj ikke gør: det vurderer ikke, om underleverandøren har udført analysen korrekt, det erstatter ikke styringen af leverandøren, og det fritager ikke for pligten til at kontrollere, om bestemmelsen lå inden for dennes akkrediteringsomfang. Aflæsning af et dokument og styring af en leverandør er to forskellige ting — automatisering af det første klarer ikke det andet.

Opsummering

Afskrivning af resultater fra andres prøvningsrapporter er en opgave, der har alle kendetegn ved en god kandidat til automatisering: den er gentagen, tidskrævende, udføres af de mest belastede personer og er udsat for fejl med alvorlige konsekvenser. Samtidig er den så snæver, at den kan beskrives, testes og dokumenteres — og dermed forsvares over for auditoren.

En fornuftig implementering af AI i laboratoriet ser netop sådan ud: én konkret opgave, en klar grænse for ansvaret, et fuldt revisionsspor. Ikke et »intelligent laboratorium«, men mindre afskrivning af tal fra en PDF klokken to om eftermiddagen.

Hvis du vil se, hvordan denne aflæsning klarer sig på dine underleverandørers prøvningsrapporter, så skriv til os — den bedste test er en halv snes af jeres egne dokumenter.

Lad os afprøve det på dine prøvningsrapporter

Vi viser aflæsningen på dokumenter fra dine underleverandører og gennemgår, hvordan ændringen beskrives i ledelsessystemets dokumentation — så den består en audit.

Grundlag og kilder

PN-EN ISO/IEC 17025:2018-02 Generelle krav til prøvnings- og kalibreringslaboratoriers kompetence — pkt. 6.6 (eksternt leverede produkter og tjenesteydelser) og pkt. 7.8.2.1 litra p (tydelig angivelse i prøvningsrapporten af resultater fra eksterne leverandører): iso.org/standard/66912.html.
Polskie Centrum Akredytacji (PCA, Polens nationale akkrediteringsorgan) — dokumenter og krav til prøvningslaboratorier, herunder reglerne for brug af eksterne ydelser: pca.gov.pl.
European co-operation for Accreditation — fortolkningsdokumenter om rapportering af resultater efter standardens pkt. 7.8: european-accreditation.org.
LabCoda.pl — søgemaskine for akkrediterede laboratorier efter analyseområde: labcoda.pl.

Om artiklen

Det beskrevne anvendelsestilfælde vedrører aflæsning af prøvningsrapporter fra underleverandørlaboratorier. De angivne tidsforbrug og antal prøvningsrapporter er en beregning på eksemplet med et mellemstort laboratorium — de skal vise størrelsesordenen og er ikke resultatet af en måling hos en bestemt kunde.

CleverLAB-teamet udvikler LIMS-software til laboratorier, der er akkrediteret efter ISO/IEC 17025. Blandt vores kunder er bl.a. laboratorier for vand, spildevand og mikrobiologi, fysisk-kemiske laboratorier og laboratorier for teknisk renhed.