VESO kjøper seg inn i Salmalytics – et tydelig signal om at fremtidens fiskehelse og bærekraftige oppdrett blir datadrevet og etter hvert AI-drevet.
Når fiskehelse møter data: Derfor er VESOs Salmalytics-oppkjøp viktig
Norsk havbruk står midt i et teknologisk skifte. Kravene til dokumentasjon, fiskevelferd, klimaavtrykk og lønnsomhet øker – samtidig. Da holder det ikke lenger med magefølelse og excel-ark. Beslutninger må være datadrevne, sporbare og raske.
I dette bildet kommer nyheten om at VESO kjøper 51 % av analysefirmaet Salmalytics som et tydelig signal: fremtidens fiskehelse og bærekraftige oppdrett bygges på avansert dataanalyse, kliniske studier og etter hvert kunstig intelligens (AI).
I denne artikkelen ser vi på hva oppkjøpet betyr for næringen, hvordan kombinasjonen av veterinær kompetanse, epidemiologi og dataanalyse kan løfte både fiskevelferd og lønnsomhet – og hvilke konkrete muligheter dette åpner for AI i norsk havbruk.
Kort om VESO og Salmalytics – og hvorfor kombinasjonen er spennende
VESO er en etablert aktør innen fiskehelse, kontraktsforskning, produktdokumentasjon og regulatorisk rådgivning. Gjennom VESO Aqualab har selskapet i mange år vært en nøkkelpartner for utvikling og testing av legemidler, vaksiner og helseverktøy.
Salmalytics, etablert i 2020, er spesialisert på:
- studiedesign og forsøksoppsett
- gjennomføring av forsøk i felt og kontrollerte miljø
- statistisk analyse av store og komplekse datasett
- beslutningsstøtte-modeller for oppdrettere, leverandører og teknologiselskaper
Med bakgrunn i veterinærmedisin, biologi, epidemiologi og akvakultur jobber Salmalytics i skjæringspunktet mellom biologi og matematikk – akkurat der AI for havbruk har størst potensial.
Når VESO-sjef Bjørn Skjævestad peker på «helhetlige leveranser innen kliniske studier og statistiske beregninger», handler det i praksis om å ta et langt steg nærmere virkelig datadrevet – og etter hvert AI-drevet – oppdrett.
Fra datainnsamling til beslutningsstøtte – hva betyr dette i praksis?
Alle oppdrettere sitter allerede på enorme mengder data: dødelighet, behandlinger, lusetall, fôrforbruk, tilvekst, miljødata, sensorer, kamera og etter hvert genetikk. Utfordringen er sjelden mangel på data – men å gjøre dataene pålitelige, sammenliknbare og beslutningsrelevante.
Her er det samspillet mellom VESO og Salmalytics kan gi merverdi:
1. Bedre kvalitet på kliniske studier
Utvikling av vaksiner, legemidler, rensefiskstrategier eller nye behandlingsmetoder krever robuste forsøk. Dårlig designede studier gir usikre konklusjoner og dyre feilvalg.
En samlet leveranse der én aktør både:
- planlegger studien (design, styrkeberegning, utvalg)
- gjennomfører forsøk i sjø eller landanlegg
- analyserer data med avanserte statistiske metoder
reduserer risikoen for skjevheter og feil. Dette gir tryggere dokumentasjon – både mot myndigheter, kunder og interne beslutningstakere.
2. Statistikk som grunnmur for AI
Moderne AI-modeller er ikke magi – de er bare så gode som dataene de fôres med. For å lykkes med maskinlæring i havbruk må man ha:
- konsistente og rensede datasett
- gode definisjoner på helseutfall og produksjonsmål
- forståelse for årsak–virkning og biologiske mekanismer
Epidemiologer og statistikere, som i teamet til Salmalytics, er derfor helt sentrale. De bygger bro mellom rådata og de modellene som senere kan automatiseres og skaleres gjennom AI-løsninger.
3. Praktisk beslutningsstøtte for oppdretter
I stedet for å få en 80-siders rapport én gang i året, kan oppdrettere fremover i større grad få:
- dashbord med løpende nøkkeltall og risikoscorer
- scenarioanalyser: «Hva skjer med dødelighet og kostnad hvis vi endrer behandlingsstrategi nå?»
- tidlige varsler om helseutfordringer basert på kombinasjon av historiske mønstre, vær, temperatur og drift
Dette er kjernen i AI for norsk havbruk: skritt for skritt gå fra manuelle analyser til kontinuerlig, datadrevet beslutningsstøtte integrert i den daglige driften.
Hvordan dette løfter bærekraftig oppdrett
I serien «AI for Norsk Havbruk: Bærekraftig Oppdrett» ser vi på hvordan teknologi kan styrke både miljø, fiskevelferd og økonomi. VESO–Salmalytics-samarbeidet er et konkret eksempel på hvordan dette kan se ut i praksis.
Redusert dødelighet og bedre velferd
Ved å kombinere kliniske studier, produksjonsdata og modelleringskompetanse kan man:
- identifisere hvilke kombinasjoner av temperatur, tetthet, behandling og fôr som gir høyest risiko for dødelighet
- teste ulike forebyggende strategier virtuelt før de rulles ut i full skala
- evaluere effekten av tiltak raskere og mer presist enn før
Med AI-løsninger oppå dette bildet kan systemer etter hvert selv lære å gjenkjenne mønstre som leder til sykdomsutbrudd – og varsle driftsleder i forkant.
Mindre miljøavtrykk gjennom smartere beslutninger
Bærekraft handler også om å bruke færre ressurser for samme (eller bedre) produksjonsresultat:
- Fôreffektivitet: Analyse av fôrfaktor, tilvekst og miljødata kan danne grunnlag for algoritmer som anbefaler optimalt fôringsmønster i sanntid.
- Behandlingsstrategier: Bedre dokumentasjon av effekt og bivirkninger gjør det mulig å redusere unødige behandlinger og kjemikaliebruk.
- Produksjonsplanlegging: Modeller kan hjelpe til med å planlegge utsett, slakt og brakklegging på en måte som balanserer biologi, miljøkrav og marked.
Styrket tillit og samfunnsaksept
Regulatorer, forbrukere og lokalsamfunn forventer mer åpenhet og dokumentasjon. Systematiske kliniske studier kombinert med robust dataanalyse gir:
- mer etterprøvbar dokumentasjon av fiskevelferd
- tydeligere effektmåling av tiltak som gjøres for miljø og utslipp
- bedre grunnlag for dialog med myndigheter om nye løsninger og regelverk
Når næringen kan vise til datadrevne, vitenskapsbaserte beslutninger, øker også sjansen for langsiktig samfunnsaksept.
Tre konkrete muligheter for AI i lys av oppkjøpet
Selv om VESO og Salmalytics i utgangspunktet snakker om «dataanalyse» og «kliniske studier», ligger det åpenbare AI-muligheter i forlengelsen av dette arbeidet. Her er tre eksempler.
1. Prediktive modeller for sykdom og dødelighet
Med gode datagrunnlag fra forsøk, feltstudier og ordinær produksjon kan man trene maskinlæringsmodeller som:
- beregner sannsynlighet for sykdomsutbrudd per merd de neste ukene
- identifiserer hvilke lokaliteter som er ekstra sårbare gitt vær, temperatur og historikk
- gir anbefalinger om forebyggende tiltak, for eksempel justering av fôring, tetthet eller håndteringsrutiner
Dette gir oppdrettere et helt annet handlingsrom enn tradisjonelle «etterpå-analyser».
2. Optimalisering av kliniske studier med AI
AI kan også brukes til å gjøre selve forskningen mer effektiv:
- simulere ulike studiedesign før man går i gang, for å finne optimal forsøksstørrelse
- bruke adaptiv design der data fortløpende styrer hvilke grupper som bør få mer eller mindre behandling
- oppdage uventede mønstre i forsøksdata som kan peke på nye hypoteser eller risikofaktorer
Her vil koblingen mellom VESOs forsøksinfrastruktur og Salmalytics’ analysekompetanse være sentral.
3. Integrerte beslutningsstøttesystemer for drift
På litt lengre sikt kan data og modeller fra VESO/Salmalytics bli byggeklosser i mer helhetlige AI-plattformer for oppdrett, der du som driftsleder får:
- sanntidsstatus på fiskehelse, velferdsindikatorer og risiko
- anbefalt handlingsplan når nøkkeltall avviker
- dokumentasjon automatisk strukturert for myndigheter, sertifisering og interne revisjoner
Dette er også kjernen i målbildet til «AI for Norsk Havbruk: Bærekraftig Oppdrett» – ikke teknologi for teknologiens skyld, men verktøy som faktisk gjør hverdagen ute på lokalitetene bedre.
Hva bør oppdrettere og leverandører gjøre nå?
Oppkjøpet i seg selv endrer ikke driften på merdkanten over natten. Men det peker på en tydelig retning. For å være i forkant kan du:
1. Rydde i eget datagrunnlag
- Sikre at helsejournaler, behandlinger og produksjonsdata registreres likt på tvers av lokaliteter.
- Standardisere begreper: Hva mener dere helt konkret med «hendelse», «utbrudd», «akutt dødelighet» osv.?
- Ta stilling til datastruktur og eierskap – hvem har ansvar for kvalitet, og hvor lagres hva?
Jo ryddigere egne data er, desto mer verdi får du av eksterne analyser og fremtidige AI-løsninger.
2. Tenk «studie» når dere tester noe nytt
Når dere prøver nye fôr, vaksiner, teknologier eller driftsrutiner – planlegg det som et reelt forsøk:
- ha kontroll- og testgrupper
- definér på forhånd hvordan effekt skal måles
- involver fagfolk på statistikk og studiedesign tidlig
Da bygger dere opp egen kunnskap og datagrunnlag som kan gjenbrukes i videre analyser og modellering.
3. Utforsk samarbeid om analyse og AI
- Ta en prat med miljøer som kombinerer biologi, veterinærmedisin og dataanalyse.
- Start i det små: én konkret problemstilling (for eksempel dødelighet etter en bestemt type håndtering) er nok til å komme i gang.
- Vurder hvordan analysekompetanse kan knyttes tettere til deres FoU-arbeid og daglige drift.
Det viktigste er å gå fra «vi har masse data» til «vi bruker data systematisk til å ta bedre beslutninger».
Veien videre for AI i norsk havbruk
Oppkjøpet av Salmalytics markerer en utvikling vi vil se mer av: tett integrasjon mellom biologisk/veterinær kompetanse og avansert dataanalyse. For AI i havbruk er dette en forutsetning – ikke et tillegg.
I denne serien om «AI for Norsk Havbruk: Bærekraftig Oppdrett» kommer vi til å følge utviklingen videre: fra helsedata og miljøovervåking, til fôroptimalisering, produksjonsplanlegging og mer avanserte prediktive modeller.
For deg som jobber i næringen, er spørsmålet nå ikke lenger om data og AI vil bli en integrert del av driften – men hvordan og hvor raskt du vil ta det i bruk.
Neste steg kan være så enkelt som å stille spørsmålet i egen organisasjon: Hvilke beslutninger i dag tas på magefølelse – som kunne vært bedre med solid data i bunn?
Når svaret på det spørsmålet er klart, er du også klar for å ta ut verdien av neste generasjons analyse- og AI-løsninger i norsk havbruk.