På store datacentre kan ingen følge alle kameraer og alarmer hele tiden. AI kan sortere signalerne, men flytter samtidig en del af risikoen til de hændelser, systemet ikke fremhæver.

Et kontrolrum kan have adgang til hundredvis af kamerabilleder, alarmer og sensorsignaler. Det betyder ikke, at operatøren har overblik. Tværtimod kan flere signaler gøre det sværere at opdage den ene hændelse, der kræver en reaktion lige nu.

Det problem bliver større, når et datacentercampus vokser. Flere bygninger giver længere perimetre, flere tekniske områder og flere bevægelser, som hver for sig kan være helt legitime. Michael Bagge, Global Account Manager, Securitas Technology - Global Client Team (GCT), møder derfor en stigende interesse for AI-baseret videoanalyse, intelligente sensorer og automatiseret overvågning hos globale datacenterkunder. Målet er især at finde afvigelser hurtigere, prioritere hændelser og reducere antallet af falske alarmer.¹

Det lyder som en teknisk forbedring. I praksis ændrer det selve arbejdsdelingen i sikkerheden. Når et system sorterer i signalerne, er det også med til at bestemme, hvad operatøren ser først, hvad der må vente, og hvad der måske slet ikke bliver vist. Derfor er det afgørende spørgsmål ikke kun, hvor meget AI kan opdage. Det er, hvad der sker med den menneskelige vurdering, når teknologien overtager den første udvælgelse.

Ingen kan holde øje med alt

Forestillingen om den konstant årvågne operatør er et dårligt udgangspunkt for at indrette et kontrolrum. I en forskningsartikel fra 2025 samler psykologerne Ben Sharpe og Ian Tyndall resultater fra blandt andet luftfart, sundhed, industrisikkerhed og fysisk sikkerhed. Deres konklusion er klar: Perfekt vedvarende opmærksomhed er ikke menneskeligt muligt. Evnen til at opdage afvigelser falder over tid, også hos erfarne og motiverede operatører.²

Det er ikke et argument for at fjerne mennesket fra overvågningen. Det er et argument for ikke at bygge sikkerheden på, at et menneske kan se alt hele tiden. På et stort datacentercampus er kameraets værdi begrænset, hvis det blot føjer endnu et billede til en skærmvæg. Teknologien skal hjælpe operatøren med at finde det, der fortjener opmærksomhed.

AI ændrer køen af hændelser

I denne sammenhæng dækker AI først og fremmest over analysemodeller, der kan klassificere bevægelser, genkende mønstre og prioritere alarmer. En bevægelsessensor eller et kamera kan registrere aktivitet langs en perimeter. Analysen kan forsøge at skelne mellem fx en person, et køretøj og bevægelse, der skyldes vejr eller vegetation.

For operatøren kan forskellen være betydelig. I stedet for at reagere på hver registreret bevægelse kan vedkommende koncentrere sig om de hændelser, systemet vurderer som relevante. Flere samtidige signaler kan samles, og rutinemæssig kontrol kan ske automatisk, før et menneske bliver involveret. Det er den udvikling, Michael Bagge beskriver, når han forventer, at AI bevæger sig fra analyseværktøj til beslutningsstøtte.¹

Dermed ændres operatørens rolle. Opgaven bliver mindre at overvåge en strøm af billeder og mere at bedømme de situationer, som teknologien har udpeget. Det kan give en hurtigere og mere præcis reaktion. Men det skaber også en ny afhængighed: Operatøren kan kun vurdere den hændelse, der faktisk når frem.

Den blinde vinkel forsvinder ikke

AI kan reducere falske alarmer, men en lavere alarmmængde er ikke i sig selv et bevis på højere sikkerhed. Et system kan blive bedre til at frasortere irrelevante hændelser og samtidig overse en relevant hændelse. Den amerikanske standardiseringsmyndighed NIST fremhæver netop, at vurderingen af AI-systemer skal omfatte både falske positiver og falske negativer. Testene skal desuden afspejle de forhold, som systemet møder i den faktiske drift.³

Det er en væsentlig pointe for datacentre. En analysemodel kan fungere overbevisende i et afgrænset testmiljø og reagere anderledes, når lyset ændrer sig, vejret forringer billedet, en byggeplads flytter grænsen for et område, eller nye arbejdsmønstre gør det usædvanlige normalt. NIST advarer generelt om, at resultater fra kontrollerede miljøer ikke nødvendigvis svarer til risiciene i den virkelige drift, og at AI-systemer derfor må følges og testes efter idriftsættelsen.³

Blindvinklen er med andre ord ikke væk. Før kunne en operatør overse en hændelse blandt for mange skærme og alarmer. Med AI kan hændelsen blive sorteret fra, før operatøren overhovedet ser den. Det er en anden type fejl, og den er vanskeligere at opdage, fordi et roligt kontrolrum både kan være tegn på god filtrering og på, at noget ikke bliver registreret som vigtigt.

Operatøren skal kunne udfordre systemets vurdering

NIST peger også på en mere stille risiko: Mennesker kan komme til at antage, at et AI-system fungerer godt i alle situationer. Hvis operatøren vænner sig til, at systemets prioritering er korrekt, kan beslutningsstøtten gradvist blive behandlet som en beslutning. Så er der stadig et menneske i processen, men den reelle vurdering er allerede foretaget af teknologien.³

Derfor skal operatøren kunne mere end at acceptere eller afvise en alarm. Vedkommende skal kunne se den sammenhæng, som analysen bygger på, undersøge det oprindelige materiale og udvide søgningen, når situationen ikke passer til systemets kategorier. NIST understreger, at rollerne i samspillet mellem menneske og AI skal være tydelige, og at mennesker skal kunne udfordre og tilsidesætte systemets output.³

“Hvis operatøren blot bekræfter systemets forslag, har vi ikke skabt menneskelig kontrol. Vi har bare placeret et menneske sidst i en automatiseret kæde.”

Michael Bagge, Global Key Account Manager, Securitas Technology

Det ændrer også, hvilke kompetencer et kontrolrum har brug for. Når automatiseringen overtager mere af den første sortering og rutinemæssige verifikation, bliver menneskets vigtigste bidrag at forstå tvetydige forløb, se forhold som modellen mangler, og vurdere konsekvensen af en hændelse. Michael Bagges forventning er netop, at automatiseringen vil frigøre tid til de situationer, der kræver menneskelig dømmekraft.¹

AI kan gøre datacentret mere sikkert

Det er netop derfor, teknologien vinder frem. På et stort datacentercampus er det ikke realistisk, at mennesker alene kan følge alle kameraer, sensorer og alarmer med samme opmærksomhed døgnet rundt. AI kan overvåge flere områder samtidig, finde afvigelser og løfte en mulig hændelse frem, før den drukner blandt rutinemæssige registreringer.

Gevinsten opstår, når teknologien bruges til det, den er god til: at gennemgå store mængder signaler, genkende mønstre og reagere konsekvent. Det giver operatøren bedre mulighed for at koncentrere sig om det, der kræver erfaring, kontekst og menneskelig dømmekraft. Resultatet kan være, at relevante hændelser opdages tidligere, vurderes hurtigere og mødes med en mere præcis reaktion.

AI kan derfor gøre et datacenter mere sikkert. Ikke ved at overtage ansvaret, men ved at gøre det muligt at føre en form for overvågning, som mennesker ikke kan opretholde alene. Den stærkeste løsning er ikke mennesket eller teknologien hver for sig. Det er en arbejdsdeling, hvor AI holder øje med mængden, mens mennesket vurderer betydningen.

Snak med en ekspert om jeres datacenter

Kilder

1. Michael Bagge, september 2026.

2. Ben T. Sharpe og Ian Tyndall: The Sustained Attention Paradox, Cognitive Science, 2025.

3. National Institute of Standards and Technology: Artificial Intelligence Risk Management Framework 1.0, 2023.

4. National Institute of Standards and Technology: AI RMF Profile on Trustworthy AI in Critical Infrastructure, 2026.