Ny æra for norsk flatfisk med data og AI

Ny æra for norsk flatfisk – når data og AI møter flyndra

Norske kvoter på torsk, hyse og sei strammes til, samtidig som kravene til bærekraft, dokumentasjon og lønnsomhet øker. I denne situasjonen peker flatfisk som rødspette og lomre seg ut som en nesten uforløst mulighet. Forskning viser at vi bare utnytter en brøkdel av potensialet, til tross for at artene finnes langs store deler av kysten – også innenfor fjordlinjene.

Parallelt står havbruks- og fiskerinæringen midt i et teknologisk skifte. Datafangst, sensorteknologi og kunstig intelligens (AI) er i ferd med å bli like viktige verktøy som not, line og snurrevad. I denne artikkelen ser vi på hvordan den nye satsingen på flatfisk kan kobles med «AI for norsk havbruk» – og hvordan kombinasjonen av beste praksis og smart teknologi kan gi en helt ny verdikjede for norsk flatfisk.

Vi går gjennom:

• hvorfor flatfisk er en strategisk ressurs nå
• hva Nofimas «beste praksis»-arbeid faktisk innebærer
• hvordan data og AI kan støtte fangst, håndtering, lagring og pakking
• konkrete steg du kan ta i 2026 for å bygge et lønnsomt og bærekraftig flatfiskløp

Flatfisk som ny ressurs: Fra bifangst til premiumprodukt

I dag fiskes rundt 1000 tonn flyndre årlig i Norge. Mye av dette kommer som bifangst i snurrevadfiske etter torskefisk. Fangstene er ofte små, sammensatte av flere arter, og logistisk krevende å håndtere. Resultatet er lave priser og at store volum går til ensilasje eller dyrefôr i stedet for til tallerkenen.

Samtidig vet vi at:

• rødspette og andre flatfiskarter har høy konsumentverdi i mange markeder
• levende mellomlagring gir mulighet for jevnere leveranser og bedre pris
• markedet etterspør nye, dokumentert bærekraftige sjømatprodukter

Med strengere kvoter på tradisjonelle arter, står næringen ved et veiskille: Enten fortsetter flatfisk å være et «problem» i bifangststatistikken – eller så blir det en strategisk ressurs med ny verdikjede, nye produkter og nye inntektsstrømmer.

Her kommer både Nofimas forskningsprosjekter og AI-baserte løsninger for norsk havbruk inn som nøkkelen til å lykkes.

Nofimas beste praksis: Fundamentet for en ny verdikjede

Nofima har allerede levert en rapport om «beste praksis for føring og mellomlagring av levende flyndre», og arbeider nå videre med en beste praksis-veileder for fangst, håndtering, lagring og pakking av rødspette og annen flatfisk, planlagt ferdig i løpet av 2026.

Kjernen i dette arbeidet er å utvikle og dokumentere effektive og skånsomme løsninger gjennom hele verdikjeden:

• kartlegging av logistikkløsninger for levende flatfisk
• forsøk med transport og mellomlagring i kar
• metoder for bedøving og avliving tilpasset flatfisk
• evaluering av dagens praksis for slakting, kjøling og transport
• testing av nye metoder for rensing, blant annet vakuumsug inspirert av lakseoppdrett
• dokumentasjon av overlevelse, skadeutvikling, fiskevelferd og kjølelagringstid

Målet er ikke bare å lage en veileder på papir, men å skape et kunnskapsgrunnlag som kan operasjonaliseres – i landanlegg, på fartøy og i digital infrastruktur.

For aktører i havbruk og fiskeri betyr dette at 2026 kan bli året hvor flatfisk går fra «komplisert bifangst» til standardisert, kontrollerbar produksjon. Det er her AI og datadrevne løsninger kan gjøre overgangen raskere, tryggere og mer lønnsom.

Slik kan AI og sensorer revolusjonere flatfisklogistikk

Når vi snakker om «AI for norsk havbruk» tenker mange på laks i merd. Men de samme prinsippene – datafangst, modellering og prediksjon – kan like godt anvendes på flatfisk, både i fiskeri og landbasert håndtering.

1. Smart fangst og planlagt landing

Allerede om bord i fartøyet finnes det muligheter:

• Automatisk arts- og størrelsesgjenkjenning via kamerateknologi og AI-modeller kan sortere flatfisk digitalt, gi bedre oversikt over bifangst og dokumentere ressursuttak.
• Fangstdata kombinert med vær, posisjon og bunnforhold kan brukes i prediksjonsmodeller for å planlegge mer målrettet flatfiskfiske – i stedet for tilfeldig bifangst.
• AI-basert rute- og leveringsplanlegging kan optimalisere hvor og når fangsten skal leveres for å minimere dødtid og kvalitetstap.

For rederier som allerede samler inn data, er terskelen lav for å trene enkle modeller som gir forslag til optimale fangstområder og landingsmønstre for flatfisk.

2. Overvåking av levende lagring og velferd

Mellomlagring av levende flatfisk er krevende. Små justeringer i oksygen, tetthet, temperatur eller håndtering kan gi store utslag i dødelighet og kvalitet. Her kan AI-løsninger for helse- og velferdsmonitorering fra oppdrett overføres nesten direkte:

• sensorer måler vannkvalitet (oksygen, temperatur, pH, salinitet, ammonium)
• kameraer og undervannsvisjon kan overvåke atferd, svømmeaktivitet og eventuelle skader
• AI-modeller lærer sammenhengen mellom miljødata, atferd og overlevelse
• systemet kan gi varsler før kritiske grenser nås, og foreslå tiltak (økt gjennomstrømning, lavere tetthet, endret temperatur)

For landanlegg som allerede bruker digitale løsninger i lakseoppdrett, er dette i stor grad en utvidelse til en ny art – ikke et helt nytt paradigme.

3. Datadrevet kvalitet gjennom slakt, kjøling og pakking

Flatfisk er krevende å sløye og rense manuelt. Nofima tester blant annet vakuumsug som et nytt steg etter sløying, inspirert av teknologier brukt i laksenæringen. Når slike nye prosesser tas i bruk, øker også behovet for løpende datainnsamling for å dokumentere effekt:

• loggføring av tid fra fangst til slakt, vasketid, temperaturprofiler og kjølekjede
• skanning av fileter for å registrere blodutredelser, skader, misfarging eller defekter
• AI-modeller som kobler prosessdata mot sluttkvalitet og holdbarhet

Resultatet kan være systemer som gir:

• automatisk kvalitetsklassifisering av flatfiskprodukter
• sanntidsanbefalinger om justering av kjøleprofil eller rensetid
• mer presis holdbarhetsmerking basert på reelle forhold, ikke bare generelle standarder

Dette gir både bedre produktutnyttelse og et kraftig argument overfor krevende eksportmarkeder som etterspør dokumentert kvalitet og sporbarhet.

Fra pilot til praksis: Hvordan komme i gang i 2026

For mange bedrifter kan overgangen til en mer datadrevet flatisfiskverdi­kjede virke omfattende. Men det trenger ikke starte med store, dyre prosjekter. Nedenfor er en trinnvis tilnærming som passer både mindre og større aktører.

Steg 1: Få oversikt over dagens flyt og datasvikt

• Kartlegg hvor flatfisk oppstår i dagens drift: fangst, mottak, mellomlagring, videreforedling.
• Identifiser tapsområder: dødelighet, nedklassing, svinn, lav pris.
• Sjekk hvilke data dere allerede samler (fangstrapporter, temperatur, vekt, dødelighet, manuelle loggskjema).

Målet er å avdekke hvor enkle sensorer eller manuell registrering kan gi stor verdi relativt raskt.

Steg 2: Start smått – med én nøkkelindikator

Velg ett område der bedre kontroll vil ha stor effekt, for eksempel:

• overlevelse i levende lagring
• kvalitet ved slakt
• stabilitet i leveranser (volum og timing)

Sett opp en enkel «data-loop»:

1. Mål – f.eks. vannkvalitet og dødelighet per kar.
2. Analyser – enkle grafer eller et AI-verktøy som finner mønstre.
3. Tiltak – juster tetthet, gjennomstrømning eller håndteringsrutiner.
4. Evaluer – ble tallene bedre neste uke/måned?

Selv enkle maskinlæringsmodeller eller statistiske analyser kan raskt synliggjøre hvilke grep som gir mest effekt.

Steg 3: Koble på AI der kompleksiteten er høy

Når dere har grunnleggende datakvalitet på plass, er tiden moden for mer avansert AI-bruk:

• Prediktive modeller for dødelighet i mellomlagring basert på miljødata
• Optimaliseringsmodeller for rutevalg og leveringsplaner som kombinerer fangst og etterspørsel
• Bildeforståelse (computer vision) for automatisk kvalitetsvurdering av flatfiskfileter

Disse løsningene kan enten utvikles internt (for større aktører), eller i samarbeid med teknologipartnere og forskningsmiljøer. Poenget er å bruke AI der menneskelig intuisjon ikke strekker til, typisk når mange variabler virker samtidig.

Steg 4: Bygg inn bærekraft og dokumentasjon fra start

Flatfisk har potensial til å bli en viktig brikke i bærekraftig oppdrett og fangstbasert akvakultur. For å posisjonere seg riktig i markedet bør du:

• samle dokumentasjon på fiskevelferd gjennom hele kjeden
• dokumentere forbedringer: lavere dødelighet, mindre svinn, bedre ressursutnyttelse
• lagre data strukturert slik at de kan brukes i bærekraftsrapportering og kundeanbud

Når AI-systemer senere skal trenes til å optimalisere både økonomi og miljøavtrykk, er god historisk data gull verdt.

Hva betyr dette for «AI for norsk havbruk»-satsingen?

Denne satsingen på flatfisk passer direkte inn i den bredere utviklingen vi ser i norsk havbruk i 2025:

• Fra artsspesifikk til tverrartslig teknologi: Det som virker for laks, kan ofte tilpasses flatfisk, torsk eller andre arter.
• Fra manuelle vurderinger til kontinuerlig digital overvåking av fisk, miljø og velferd.
• Fra reaktiv feilretting til prediktiv styring – der AI-varsler om problemer før de oppstår.

Flatfisk er et godt testområde fordi volumene ennå er relativt små, samtidig som verdipotensialet er stort. Det gjør det mulig å:

• prøve ut nye logistikkløsninger uten å forstyrre hovedproduksjonen
• teste AI-løsninger på avgrensede pilotanlegg
• bygge kompetanse internt før slike løsninger skaleres til større arter og volum

Veien videre: Fra kunnskap til konkurransefortrinn

Innen utgangen av 2026 vil beste praksis-veilederen for flatfisk gi et tydelig faglig fundament for hvordan rødspette og annen flatfisk bør fanges, håndteres, lagres og pakkes. Kombinert med AI-løsninger for helsemåling, fôring, miljøovervåking og produksjonsplanlegging, kan dette bli startskuddet for en ny, datadrevet og bærekraftig flatfisknæring i Norge.

For deg som jobber i fiskeri, oppdrett eller videreforedling, er spørsmålet ikke om AI vil bli en del av flatfiskverdikjeden – men hvor tidlig du vil posisjonere deg:

• Hvilke data trenger du å begynne å samle inn allerede nå?
• Hvor i din drift er det størst tap av verdi knyttet til flatfisk i dag?
• Hvilke piloter kan du sette i gang i 2026 for å teste sensorer, analyse eller AI i liten skala?

Den nye æraen for norsk flatfisk handler ikke bare om å fiske mer – men om å bruke forskningsbasert beste praksis og kunstig intelligens til å hente ut maksimal verdi av hver enkelt fisk, med høy velferd og lavt miljøavtrykk.

Neste steg er ditt.