Norsk flatfisk går fra bifangst til strategisk ressurs. Les hvordan AI, sensorer og beste praksis kan gjøre rødspette til en lønnsom og bærekraftig satsing.
Ny æra for norsk flatfisk – drevet av data og AI
Når kvotene på torsk, hyse og sei strammes inn, tvinges norsk sjømatnæring til å se etter nye bein å stå på. En av de mest spennende – og minst utnyttede – ressursene langs norskekysten er flatfisk som rødspette og lomre. Samtidig står havbruksnæringen midt i et teknologisk skifte der kunstig intelligens (AI), sensorer og dataanalyse endrer måten vi planlegger, produserer og skaper verdi på.
I 2026 kommer en ny «Beste praksis-veileder» for fangst, håndtering, lagring og pakking av norsk flatfisk. Det er i seg selv viktig. Men den virkelige muligheten ligger i å kombinere denne kunnskapen med moderne teknologi: AI-drevne logistikkløsninger, digitale tvillinger av verdikjeden og sanntids miljøovervåking.
I denne artikkelen ser vi på hvordan den nye satsingen på flatfisk kan kobles til AI for norsk havbruk, og hvordan aktører i fiskeri og oppdrett kan bruke teknologi til å skape lønnsom og bærekraftig verdiskaping av en ressurs som til nå i stor grad har gått til ensilasje og dyrefôr.
Fra bifangst til strategisk ressurs
I dag tas om lag 1000 tonn flyndre årlig i norske farvann, hovedsakelig som bifangst i snurrevadfiske etter torskefisk. Det gir små, uforutsigbare fangster, ofte med blanding av arter, størrelser og kvaliteter. Resultatet er krevende logistikk, lave priser – og betydelig tap av potensial.
Samtidig vet vi at:
- flere flatfiskarter finnes langs store deler av kysten, også innenfor fjordlinjene
- rødspette er godt kjent hos forbruker, men mest som prosesserte fryseprodukter
- etterspørselen etter hvitfiskprodukter med dokumentert bærekraft og høy kvalitet er økende i Europa
Det som nå skjer, er at forskningsmiljøer og næring sammen ser på flatfisk som en strategisk ressurs, ikke bare en bieffekt av annet fiske. Veilederen som utvikles av blant annet Nofima og SINTEF Ocean skal samle beste praksis for:
- fangst og fangstbehandling
- mellomlagring og transport av levende flatfisk
- slakting, bedøving og prosessering
- kjølelagring, pakking og kvalitetssikring
Men for at dette virkelig skal gi effekt i markedet, må kunnskapen omsettes til operative systemer – og her kommer AI og digitale løsninger inn.
Hvorfor flatfisk passer perfekt inn i en datadrevet havbruksstrategi
Flatfisk befinner seg i skjæringspunktet mellom fiskeri og havbruk: den kan fanges vilt, mellomlagres levende, håndteres og prosesseres med mange av de samme prinsippene vi allerede bruker i oppdrett. Det gjør flatfisk spesielt interessant i en satsing på AI for norsk havbruk.
1. Mer stabil råvarestrøm med smartere fangst og planlegging
I dag er flatfiskfangst uforutsigbar. Med bedre data og AI kan man:
- analysere historiske fangstdata kombinert med vær, strøm, temperatur og bunnforhold
- lage prediksjonsmodeller for hvor og når flatfiskbestander er mest tilgjengelige
- planlegge mer målrettet og lønnsomt fiske fremfor tilfeldig bifangst
For mottak og prosessindustri betyr dette mer forutsigbar råvaretilgang. For oppdrettsaktører som ønsker å supplere sortimentet med flatfiskprodukter, innebærer det mindre risiko i produksjonsplanlegging og markedsføring.
2. Levende lagring som «buffer» – optimalisert med sensorer og AI
En av nøkkelfaktorene i den nye veilederen er føring og mellomlagring av levende flyndre. Levende lagring gir fleksibilitet i tid: fangsten kan tas når fisken er tilgjengelig, mens slakting og videreforedling kan skje når kapasitet og marked etterspør det.
Her kan vi løfte løsningen fra «god praksis» til høyteknologisk styrt system ved å bruke:
- sensorer for å overvåke oksygennivå, temperatur, pH, salinitet og fiskens aktivitet i kar eller merder
- kamerabaserte systemer for å registrere fiskevelferd, bevegelsesmønster og dødelighet
- AI-modeller som varsler tidlig når forholdene nærmer seg kritiske grenser, og foreslår tiltak (for eksempel justering av vannstrøm eller tetthet)
Dette er teknologi som allerede brukes i oppdrett av laks. Ved å overføre prinsippene til flatfisk kan næringen raskt bygge robuste og skalerbare løsninger uten å måtte starte fra null.
Fra manuelle rutiner til datadrevet «Beste praksis»
Veilederen for norsk flatfisk vil gi klare anbefalinger for håndtering, slakting, kjøling og transport. Men i en travel hverdag om bord og på land er det krevende å sikre at alle rutiner følges likt hver gang. Det åpner for en ny generasjon digitale assistenter og beslutningsstøtte.
Digitale arbeidsflyter og sjekklister
I stedet for papirrutiner kan rederier og mottak ta i bruk:
- digitale sjekklister og arbeidsflyter på nettbrett eller mobil
- steg-for-steg-veiledning basert på veilederen
- automatisk logging av tidspunkt, temperatur og ansvarlig person
Når disse dataene kobles til en sentral plattform, kan AI:
- oppdage mønstre som gir bedre kvalitet og lengre holdbarhet
- identifisere hvilke fartøy eller skift som leverer jevnt høy kvalitet
- foreslå konkrete forbedringer i rutiner (for eksempel kortere tid fra fangst til kjøling)
Vakuumsug, rensing og prosessering – styrt av data
Flatfisk er kjent for å være utfordrende å rense etter sløying. Nå testes bruk av vakuumsug – teknologi hentet fra oppdrettslaks – til rensing av bukhulen. Dette åpner for mer automatisert og hygienisk prosessering.
Ved å koble maskinene til sensorer og datafangst kan man:
- måle hvor effektiv rensingen er ved ulike innstillinger
- overvåke temperatur- og tidsforløp gjennom hele prosessen
- la AI-modeller foreslå optimale parametere for hver batch (størrelse, art, fangstdato)
Resultatet er bedre utnyttelse av råstoffet, færre kvalitetsavvik og mer dokumentert bærekraft – viktige faktorer i møte med både eksportmarkeder og myndighetskrav.
Slik kan AI-verktøy styrke hele flatfisk-verdikjeden
For å sette dette mer konkret, la oss se på hvordan ulike aktører kan ta i bruk AI og data rundt flatfisk allerede de neste årene.
For fiskeflåten
Fartøy som ønsker å satse mer målrettet på flatfisk kan:
- ta i bruk ruteplanleggingsverktøy som bruker historiske fangstdata og miljødata
- logge fangstsammensetning digitalt og bidra til bedre modeller for bestand og sesongvariasjon
- bruke beslutningsstøtte om bord for optimal håndtering: anbefalt tid i levendelagringstank, maksimalt tolerabel tetthet, anbefalt temperatur
Dette gir både bedre lønnsomhet per tur og et fortrinn i dialog med mottak som etterspør dokumentert kvalitet.
For mottak og prosessindustri
Mottak kan bygge videre på veilederen ved å:
- etablere digitale «dashboards» for hele flatfiskflyten: fra innveiing til ferdig pakket produkt
- bruke prediktive modeller for å beregne holdbarhet per parti, basert på fangstdata og håndteringshistorikk
- koble kvalitet på sluttprodukt til konkrete hendelser i logistikk og prosess – og justere rutiner deretter
På denne måten blir «Beste praksis» ikke bare et dokument, men et levende system som kontinuerlig lærer og forbedrer seg.
For oppdrettsaktører og havbruksselskaper
Selv om flatfisk i denne omgang primært handler om villfangst, er læringsverdien for oppdrett stor:
- erfaringene fra levende lagring, velferdsovervåking og logistikk kan overføres til andre arter
- datastrukturen som bygges rundt flatfisk (standardiserte fangst- og kvalitetsdata) kan integreres med eksisterende oppdrettssystemer
- havbruksselskaper kan utvide produktspekteret med flatfiskprodukter og bruke eksisterende AI-plattformer for produksjonsplanlegging til å inkludere denne nye råvaren
For selskaper som jobber strategisk med bærekraftig oppdrett og helhetlig sjømatproduksjon, gir dette en mulighet til å skape mer verdi fra samme havområde, med bedre kapasitetsutnyttelse i produksjons- og foredlingsanlegg.
Fiskevelferd, miljø og dokumentasjon – der AI virkelig gir ekstra verdi
Den nye veilederen legger stor vekt på fiskevelferd: overlevelse, skadeutvikling, stressnivå og generell helsestatus for flatfisk gjennom hele kjeden. Dette er ikke bare et etisk krav, men også direkte koblet til kvalitet, pris og omdømme.
Overvåkning av velferd i sanntid
AI-baserte løsninger kan:
- analysere video fra kar og tanker for å oppdage unormal adferd
- kombinere miljødata (oksygen, temperatur, tetthet) med observerte velferdsindikatorer
- gi varsler før kritiske grenser nås, slik at tiltak kan iverksettes
For aktører som allerede bruker AI til helsemonitorering av oppdrettsfisk, er det kort vei til å inkludere flatfisk i samme økosystem av sensorer og analyse.
Dokumentert bærekraft – en konkurransefordel
Markedet etterspør i økende grad dokumentasjon på:
- skånsom fangst og god fiskevelferd
- lavt svinn og høy grad av utnyttelse av råstoff
- effektiv logistikk med redusert klimaavtrykk
Ved å samle og analysere data langs hele flatfisk-verdikjeden blir det mulig å gi etterprøvbar dokumentasjon, ikke bare generelle påstander. Dette er kjernen i en datadrevet strategi for bærekraftig norsk sjømat.
Veien videre: Fra veileder til konkurransefortrinn
I løpet av 2026 vil «Beste praksis-veilederen» for norsk flatfisk være på plass. Det er et viktig fundament. Men for bedrifter som vil ligge i forkant, handler neste steg om å bygge AI- og datalaget oppå denne kunnskapen.
Nøkkelspørsmål du som leder eller fagansvarlig kan starte med å stille allerede nå:
- Hvilke data har vi i dag om flatfisk (fangst, håndtering, kvalitet) – og hva mangler vi?
- Hvordan kan eksisterende sensorer, kamera og programvare i havbruket utvides til også å dekke flatfisk?
- Hvilke beslutninger i vår hverdag (planlegging, logistikk, bemanning) kunne blitt bedre hvis vi hadde bedre prediksjoner?
- Hvordan kan vi bruke AI til å simulere ulike scenarier – for eksempel endringer i kvoter, tilgang eller marked – før vi tar store investeringsbeslutninger?
Den nye æraen for norsk flatfisk handler derfor ikke bare om å fiske mer, men om å tenke helhetlig verdikjede, teknologi og bærekraft samtidig. For aktører som allerede er på vei inn i datadrevet og AI-støttet havbruk, er dette en naturlig neste brikke i puslespillet.
Oppsummering og neste steg
Flatfisk som rødspette og lomre går fra å være lite utnyttet bifangst til å bli en potensiell nøkkelressurs i et mer variert og robust norsk sjømatnæringssystem. Samtidig gir fremveksten av AI i havbruk nye muligheter til å gjøre denne satsingen både lønnsom og dokumentert bærekraftig.
Ved å kombinere «Beste praksis» for fangst, levende lagring, håndtering og prosessering med moderne sensorteknologi, datafangst og kunstig intelligens, kan næringen:
- øke verdiskapingen per kilo flatfisk
- redusere svinn og forbedre fiskevelferd
- levere mer stabile, forutsigbare kvaliteter til markedet
- styrke sin posisjon som verdensledende innen bærekraftig sjømatproduksjon
Spørsmålet er ikke om AI blir en del av den nye æraen for norsk flatfisk – men hvem som utnytter muligheten først. De aktørene som allerede nå begynner å samle data, teste sensorer og bygge en datadrevet kultur rundt flatfisk, vil stå sterkest når veilederen kommer og markedet virkelig våkner.