AI i skiproduksjon 2026 maskinlæring jakter den perfekte skien

AI i skiproduksjon 2026 — maskinlæring jakter den perfekte skien

Norske skifabrikker bruker maskinlæring og data fra skisporet til å finne riktig spenn og forbedre kvaliteten på hvert par. Madshus på Biri bringer de beste skiegenskapene fra løypa tilbake til produksjonen ved hjelp av avanserte analyser og algoritmer, og maskinsyn kan fange feil på samlebåndet. AI gir presisjon i en bransje med små marginer — men testløpere og fagfolk avgjør fortsatt hva som er en god ski.

En liten industri med store krav til presisjon

Norge har bare et fåtall gjenværende skiprodusenter, blant dem Madshus på Biri og Åsnes. Madshus produserer rundt 90 000 par i året, der om lag 30 prosent går til eksport. Det er en liten industri i global målestokk, men med ekstreme krav til presisjon: spennet i skien, fordelingen av trykk, smøresonene og fleksen avgjør om en langrennsski glir og fester slik den skal.

Tradisjonelt er dette håndverk bygget på erfaring og testing. En ski som ser identisk ut som naboen på samlebåndet, kan oppføre seg helt forskjellig i sporet. Utfordringen er å gjøre den kunnskapen som finnes i hodet på testløpere og fagarbeidere, til noe som kan styre produksjonen jevnt, par etter par.

Hva AI realistisk bidrar med

Madshus har investert i å koble datafangst fra sporet sammen med produksjonen. Med avanserte analyser og maskinlæringsalgoritmer tar fabrikken de beste skiegenskapene fra testløypa tilbake til produksjonslinja, slik at flere par treffer det riktige spennet — også uten fluor i smøringen. Selskapet har dessuten lagt RFID-brikker i alle norskproduserte ski, slik at butikk og kunde kan hente ut informasjon om skiens spenn og smøresoner i en app.

I produksjonen selv kan maskinsyn brukes til kvalitetskontroll: kamera som tar bilder av hver ski og en modell som ser etter sprekker, fargeavvik, delamineringer eller feil i overflaten — jevnt og på alle par, ikke bare stikkprøver. Det samme prinsippet som brukes i annen norsk industri, der AI-basert visuell inspeksjon erstatter manuelle kontroller på samlebåndet.

Verdien for en presisjonsbransje

For en skifabrikk ligger gevinsten i å treffe riktig spenn oftere og kassere færre par. Når marginene er små og hvert par har høy verdi, betyr det mye at modellen kan sortere ut paret som ligger litt utenfor toleransen før det rekker ut i butikk. Madshus har bygget om produksjonen slik at om lag 30 personer jobber sammen med roboter på linja, der nær sagt hele bedriften før jobbet i produksjon.

Det er verdt å være nøktern: dette gjør ikke en middelmådig ski god, og det erstatter ikke testløperen som faktisk kjenner skien i sporet. Det reduserer variasjonen og fanger feil tidligere.

Følelsen i sporet kan ikke automatiseres bort

Den åpenbare grensen er at AI ikke går på ski. En modell kan måle spenn, se en delaminering og matche data fra løypa, men den vet ikke hvordan skien føles under en konkret løper på en konkret dag. De skjønnsmessige avgjørelsene — hva som er en toppski for en sprintløper kontra en turgåer — hører til fagfolkene. Modellene må trenes på fabrikkens egne ski og data, og de må vedlikeholdes. Ansvaret for produktet ligger hos produsenten.

«Med avanserte analyser og maskinlæringsalgoritmer bringer Madshus de beste skiegenskapene fra sporet tilbake til produksjonen, slik at hvert produsert par blir et gullpar — også uten fluor.» — kilde: Madshus, om norskprodusert ski (langrenn.com / madshus.com), 2026

Hva det betyr for norsk skiindustri

For en norsk skifabrikk er den realistiske gevinsten jevnere kvalitet, færre kasserte par og bedre treff på riktig spenn. Produsenter som vurderer dette bør:

• Koble data fra testing og spor sammen med produksjonen, ikke samle data uten å bruke dem
• Starte med maskinsyn på de feiltypene som koster mest, som delaminering og overflatefeil
• Bruke AI som presisjonsverktøy, ikke som erstatning for testløpere og fagkunnskap
• Trene modellene på fabrikkens egne ski og holde dem ved like over tid