Slik endrer integrert AI-fôring norsk havbruk

Når marginene er presset, miljøkravene skjerpes og biologiske risikoer øker, blir fôringen raskt den viktigste spaken du kan dra i som oppdretter. Fôret står for rundt 50–60 % av kostnadene i lakseproduksjon, samtidig som over- eller underfôring slår direkte ut på fiskevelferd, dødelighet og miljøavtrykk.

Derfor er det interessant når en aktør som Bluefront Equity nå samler to norske teknologiselskaper – Piscada Aqua og Spillfree Analytics – i én integrert plattform for fôringsstyring, prosesskontroll og AI-basert beslutningsstøtte. Dette er ikke bare en finansiell nyhet; det peker rett inn i kjernen av AI for norsk havbruk og bærekraftig oppdrett.

I dette innlegget ser vi på hva denne sammenslåingen faktisk betyr for oppdrettere, hvordan integrerte programvaresystemer kan endre hverdagen på merdkanten – og hvilke konkrete grep du bør vurdere nå hvis du vil ligge i front på AI-drevet fôroptimalisering.

---

1. Hvorfor integrert fôringsprogramvare er blitt kritisk

Fôringssystemene i norsk oppdrett har utviklet seg fra manuelle vurderinger via kamera og magefølelse til avanserte automasjonssystemer. Likevel sitter mange anlegg fortsatt med:

• flere separate systemer for kamera, fôringsanlegg og sensorer
• Excel-ark for analyser
• begrenset deling av data mellom sjø- og landbaserte enheter

Resultatet er ofte:

• varierende fôringspraksis mellom skift og lokaliteter
• vanskeligere optimalisering på tvers av anlegg
• lite systematisk læring – erfaring blir værende i hodet på enkeltpersoner

Når Bluefront nå slår sammen Spillfree Analytics (AI, videobasert beslutningsstøtte og Feedhub-plattformen) med Piscada Aqua (prosesskontroll, overvåking og analyse), er det et tydelig signal om at bransjen går mot helintegrerte programvareplattformer for fôring og produksjonsstyring.

Nøkkelen er ikke bare mer data, men å koble sammen data, beslutninger og handling i ett system.

---

2. Hva gjør den nye Piscada Aqua-plattformen annerledes?

Den sammenslåtte virksomheten vil operere under navnet Piscada Aqua, men ta med seg AI-kompetansen og produktene fra Spillfree. For deg som oppdretter betyr det i praksis at flere kritiske funksjoner samles i én plattform.

2.1 Fra overvåking til aktiv styring

Piscada Aqua har allerede en programvareplattform som:

• styrer og overvåker fôringsintensitet
• kontrollerer vinsjer og kamera-posisjonering
• håndterer planlegging og gjennomføring av aktiviteter i både sjøanlegg og landbaserte anlegg
• gir sanntidsoversikt over produksjonsprosesser

Når Spillfree-tekologien integreres, får dette et nytt lag:

• AI bruker video og sensordata til å analysere fiskeatferd
• systemet gir beslutningsstøtte for når du skal øke, holde eller stoppe fôringen
• modellen kan trenes på historiske data fra dine lokaliteter og skape kontinuerlig læring

2.2 «Nøytral partner» – hvorfor spiller det en rolle?

Piscada Aqua skal fortsatt være en leverandørnøytral plattform. For deg betyr det:

• du kan integrere ulike typer fôringsmaskiner, kamera og sensorer
• du slipper å låse deg til én utstyrsleverandør
• du kan videreutvikle eksisterende infrastruktur i stedet for full utskifting

I en næring der mange sitter med en miks av eldre og nyere utstyr, kan denne fleksibiliteten være forskjellen mellom et realistisk digitaliseringsprosjekt – og en kostbar visjon som aldri blir gjennomført.

---

3. Hvordan AI-basert fôring faktisk gir verdi i praksis

AI og «smart feeding» kan lett bli buzzord. Men hva betyr det konkret på en lokalitet en vindfull januardag på kysten av Trøndelag eller Vestlandet?

3.1 Tre typiske gevinster oppdrettere kan hente ut

1. Redusert fôrspill og bedre FCR
   Ved å justere fôringen løpende etter faktisk appetitt og miljøforhold, kan du:

   • kutte fôrspill (pellets som går rett gjennom nota)
   • forbedre fôrkonverteringsraten (FCR)
   • redusere slam og næringssalter i resipienten

2. Mer stabil og forutsigbar vekst
   AI-systemer registrerer responser på fôring over tid og på tvers av merder. Dette kan gi:

   • mer presise vekstprognoser
   • bedre planlegging av slakt, kapasitet og logistikk
   • tettere kobling mellom produksjonsplanlegging og fôringsstrategi

3. Styrket fiskevelferd
   Avvik i atferd – redusert appetitt, uro, endret svømmemønster – kan være tidlige tegn på:

   • sykdom eller påkjenning
   • dårlig oksygensituasjon
   • tekniske problemer i anlegget

   AI-modeller som kontinuerlig følger med på video og data, kan varsle slike avvik tidligere enn det øyet rekker å se i en travel hverdag.

3.2 Eksempel: Fra magefølelse til datadrevet beslutning

Tenk deg en merd på 2000 tonn slaktet biomasse:

• I dag stopper fôringsoperatøren ofte når han/hun opplever at fisken roer seg, eller når vannet blir for grumsete på kamera.
• I et AI-basert system vil plattformen:
  • analysere fallhastighet på pellets,
  • tolke fiskeatferd (hvor tett og aktiv de står i vannsøylen),
  • se på historikk fra tilsvarende situasjoner (temperatur, strøm, tid på døgnet, biomasse),
  • foreslå en justering av fôringshastighet – eller automatisk gjøre det hvis du har satt systemet i styrende modus.

Over tid gir dette en mer konsistent fôringspraksis, uavhengig av skift, erfaring og enkeltpersoner.

---

4. AI for norsk havbruk: Hva betyr Bluefront-sammenslåingen strategisk?

Vår serie «AI for Norsk Havbruk: Bærekraftig Oppdrett» ser på hvordan kunstig intelligens kan brukes til helsemonitorering, miljøovervåking, produksjonsplanlegging og – ikke minst – fôroptimalisering. Sammenslåingen av Piscada Aqua og Spillfree er et konkret eksempel på denne utviklingen.

4.1 Fra punktløsninger til helhetlig plattform

Tidligere har mange oppdrettere testet AI og avansert analyse som enkle punktløsninger:

• et smart kamerasystem på én merd
• et analyseverktøy som kjører på historiske data
• en pilot for miljøovervåking på et fåtall lokaliteter

Utfordringen er at effekten ofte stopper der piloten slutter. Med integrerte plattformer som den nye Piscada Aqua blir AI:

• bygget inn i daglig drift, ikke bare i prosjekter
• koblet til styring av utstyr, ikke bare rapportering
• brukt på alle lokaliteter, ikke bare «innovasjonsmerden»

4.2 Bærekraft og dokumentasjon

Myndigheter, kunder og finansinstitusjoner etterspør stadig mer dokumentasjon på:

• miljøpåvirkning
• fiskevelferd
• ressursutnyttelse

AI-baserte fôrings- og produksjonssystemer gir:

• tidsstemplet dokumentasjon på fôrforbruk, fôrspill og belastning
• bedre data om biomasseutvikling og vekst
• grunnlag for rapportering mot bærekraftsindikatorer

I en fremtid med strengere krav til utslipp, arealbruk og dyrevelferd kan slike systemer bli en konkurransefordel – og i neste omgang kanskje en forutsetning for å få tildelt og beholde areal.

---

5. Slik kan du forberede deg på integrert AI-fôring

Sammenslåingen mellom Piscada Aqua og Spillfree forventes formelt ferdigstilt i løpet av første kvartal 2026. Uavhengig av om du planlegger å bruke akkurat denne plattformen eller ikke, er dette et godt tidspunkt for å stille seg noen strategiske spørsmål.

5.1 Kartlegg modenheten i eget anlegg

Start med en ærlig vurdering av dagens situasjon:

• Hvordan fattes fôringsbeslutninger i dag – manuelt, halvautomatisk, fullt automatisk?
• Hvilke datastrømmer har dere (kamera, oksygen, temperatur, strøm, biomasse, dødelighet)?
• Hvor lagres og analyseres data – i ulike systemer, i skyen, lokalt?
• Hvilke støtteverktøy bruker fôringsoperatørene i praksis?

Dette gir et bilde av hvor langt dere er fra å kunne ta i bruk en integrert AI-plattform.

5.2 Prioriter datakvalitet og infrastruktur

AI er aldri bedre enn dataene den fôres med. Før du investerer tungt i avanserte algoritmer, bør du:

• sørge for stabile kamera og sensorer
• definere standardiserte rutiner for registrering (f.eks. årsak til dødelighet, hendelser)
• rydde opp i dupliserte eller mangelfulle datasett

God datakvalitet gjør implementering raskere, rimeligere og mer treffsikker.

5.3 Start med pilot – men tenk skalerbart

En vellykket tilnærming kan være:

1. Velg én eller noen få lokaliteter som piloter for AI-basert fôring.
2. Sett tydelige mål: for eksempel:
   • 3–5 % reduksjon i fôrforbruk pr. kg slaktet fisk
   • bedre forutsigbarhet i slakteplan (mindre avvik)
   • færre episoder med under- eller overfôring dokumentert
3. Evaluer resultatene systematisk og planlegg utrulling til flere lokaliteter hvis målene nås.

Nøkkelen er å unngå evige piloter uten klar plan for skalering.

5.4 Involver folkene på merdkanten

Ingen AI-løsning lykkes uten aksept og eierskap hos fôringsoperatører og driftsledere. Sørg for:

• praktisk opplæring i tolkning av anbefalinger og alarmer
• rom for å kombinere faglig erfaring med AI-anbefalinger
• tydelig rolleavklaring: når skal mennesket overstyre systemet – og hvorfor?

De beste løsningene er ikke de som «erstatter» mennesket, men de som gjør erfarne fagfolk enda mer treffsikre.

---

6. Veien videre for AI i bærekraftig oppdrett

Bluefronts sammenslåing av Piscada Aqua og Spillfree er et tydelig tegn på at norsk havbruk går inn i en ny fase: Fra manuelle vurderinger og fragmenterte systemer til integrerte, datadrevne plattformer der AI er en innebygget del av driften.

For næringen som helhet betyr dette mulighet til å:

• utnytte fôret bedre
• styrke fiskevelferden
• redusere miljøavtrykket
• dokumentere bærekraft på en helt annen måte enn i dag

For deg som oppdretter betyr det at tiden er inne til å:

• kartlegge egne data- og fôringsprosesser
• definere en tydelig digitaliserings- og AI-strategi
• ta aktive valg om hvilke plattformer og samarbeidspartnere du vil bygge videre med

AI kommer ikke til å løse alle utfordringer i havbruket. Men i kombinasjon med god biologi, robuste driftsrutiner og sterke fagmiljøer kan integrert, AI-drevet fôring bli en av de viktigste driverne for bærekraftig vekst i norsk lakseoppdrett de neste årene.

Spørsmålet er ikke lenger om teknologien kommer – men hvordan og hvor raskt du vil ta den i bruk.