AI för klimatanpassade städer – starkare turism

När en värmebölja slår till i juli handlar det inte bara om obehag. Det blir inställda stadsvandringar, överbelastade museer, fler sjukvårdsinsatser på evenang och en hotellgäst som plötsligt bryr sig mer om inomhusklimat än om frukostbuffén. På samma sätt: ett skyfall som fyller tunnlar och källare stänger av stadsdelar, stoppar transporter och gör att besökare väljer “någon annanstans” nästa gång.

Det är därför Tillväxtverkets satsning på städers klimatanpassning och resiliens är extra intressant – även för oss som jobbar med turism och besöksnäring. Utlysningen (som stängde 2025-10-02) visar en tydlig riktning: Sverige ska bygga upp förmåga, infrastruktur och arbetssätt som klarar översvämningar, värme, stormar och torka. Och här finns en praktisk poäng som många missar: AI kan göra klimatanpassning mätbar, prioriteringsbar och driftbar i vardagen, inte bara i en plan på papper.

Jag har märkt att många organisationer fastnar i två ytterligheter: antingen pratar man bara om “grön omställning” i stora ord, eller så går man direkt på en dyr investering utan att veta om den faktiskt minskar risk. Det finns en bättre väg: kombinera klimatdata, platsdata och verksamhetsdata – och låt AI hjälpa staden och besöksnäringen att fatta snabbare och mer träffsäkra beslut.

Klimatanpassning är också en fråga om konkurrenskraft

Klimatanpassning påverkar turismens intäkter genom driftsäkerhet, trygghet och upplevelsekvalitet. När en stad fungerar även vid extremväder blir den mer attraktiv för möten, evenemang och spontana resor.

I Tillväxtverkets inriktning ligger fokus på att:

• stärka samhällets förmåga att identifiera, förebygga och hantera klimatrelaterade risker
• integrera detta i fysisk planering
• utveckla och sprida naturbaserade lösningar (grön/blå infrastruktur)

Översatt till besöksnäringens verklighet betyder det här:

• Färre inställda arrangemang på grund av översvämning eller värme.
• Mer robusta stadskärnor där gäster kan röra sig säkert.
• Bättre kapacitet att hantera “peak moments” (tänk stora event + extremväder).

En stad som klarar extremväder utan att stänga ner är en stad som kan ta betalt för stabilitet.

Vad finansieringen egentligen öppnar för (och varför AI passar in)

Utlysningen pekar på två typer av insatser: stödstrukturer och fysisk infrastruktur. Det är en ovanligt bra matchning för AI-projekt, eftersom AI behöver både arbetssätt (styrning, kompetens, processer) och “något att driva” (sensorer, dataflöden, fysiska åtgärder).

Stödstrukturer: där AI gör störst skillnad snabbast

Här handlar det om sådant som klimat- och sårbarhetsanalyser, planeringsunderlag, rådgivning, utbildning och nätverk. AI kan bidra genom att:

• automatisera sammanställning av klimat- och väderdata, incidentdata och driftdata
• analysera mönster (t.ex. var värmeöar uppstår och när)
• skapa beslutsunderlag som är lättare att prioritera och följa upp

För turism och besöksnäring är det smart att koppla analysen till:

• besöksflöden (evenemang, helger, säsong)
• känsliga platser (hamnpromenader, citytunnlar, festivalområden)
• kritiska tjänster (kollektivtrafik, publik toalettkapacitet, sjukvård, trygghet)

Infrastrukturen: där AI gör investeringen mer kostnadseffektiv

Investeringar kan röra grön/blå infrastruktur och andra förebyggande lösningar. AI kan göra sådana satsningar mer träffsäkra genom att:

• simulera scenarier (”om vi planterar här och bygger regnbäddar där – vad händer vid ett 50-årsregn?”)
• optimera drift (styrning av pumpar, smart bevattning, tidig varning)
• följa upp effekt med tydliga KPI:er (temperaturreduktion, minskad ytavrinning, färre avbrott)

Tre AI-lösningar som stärker resiliens – och gör turismen mer robust

Poängen med AI är inte att ha en “AI-satsning”. Poängen är att få bättre beslut och stabilare drift. Här är tre lösningsspår som passar väl ihop med klimatanpassning i urbana miljöer.

1) Prediktiva varningssystem för värme och skyfall

Det mest konkreta du kan göra är att förutse problem innan de syns på gatan. Med AI kan staden kombinera prognoser, historiska data, markanvändning och realtidsmätningar.

Praktiska användningsfall för besöksnäringen:

• Dynamiska rekommendationer för evenemang: mer skugga, fler vattenstationer, ändrade starttider.
• Kapacitetsstyrning i besöksmål: sprida besöksflöden när värmen är som värst.
• Förberedelser i hotell och arenor: kyla, bemanning, logistik.

Mätbart resultat som går att följa: antal incidenter, inställda aktiviteter, responstid, upplevd trygghet.

2) AI-stödd fysisk planering: från karta till prioriteringslista

Klimatanpassning dör ofta i prioriteringsledet. Alla vet att man “borde göra något”, men vad först?

AI kan hjälpa genom att skapa en prioriteringsmodell där risk vägs mot:

• exponering (hur många människor rör sig här?)
• kritikalitet (vad händer om platsen slås ut?)
• investeringskostnad och genomförbarhet

För turism innebär det att man kan prioritera platser som:

• är centrala för besöksupplevelsen (torg, kajer, parker, kollektivtrafiknoder)
• har hög säsongsbelastning
• är viktiga för stadens varumärke

Om ni inte kan rangordna riskerna kan ni heller inte visa att budgeten är smart använd.

3) Driftoptimering av grön/blå infrastruktur

Naturbaserade lösningar är starka – men de måste skötas. AI kan göra skötseln mer proaktiv och resurssnål:

• smart bevattning baserat på fukt, väderprognos och växttyp
• driftplanering för park- och gatuförvaltning utifrån riskperioder
• prioritering av underhåll där det gör mest skillnad för temperatur och dagvatten

Det här är också en energifråga (och passar väl i serien AI inom energi och hållbarhet): bättre drift betyder mindre onödig pumpning, effektivare fordonsturer och lägre energitoppar vid extremvärme.

Så bygger ni ett projekt som faktiskt håller i bedömningen

Tillväxtverkets upplägg betonar förändringsteori, hållbarhetsanalys och tydliga resultatkedjor. Det är inte byråkrati för sakens skull – det är ett sätt att undvika projekt som blir en rapport och inget mer.

Förändringsteori i praktiken (AI-versionen)

En fungerande förändringsteori för AI i klimatanpassning kan se ut så här:

1. Problem: Skyfall stänger centrala stråk → tapp i besöksintäkter och otrygghet.
2. Orsak: Otillräcklig riskbild, svag samordning, reaktiv drift.
3. Insats: Datahub + AI-modell + driftprocess + utbildning.
4. Output: Varningsnivåer, prioriterade åtgärdslistor, driftplaner.
5. Outcome: Färre avbrott, kortare återställningstid, bättre besöksflöden.

Resultatkedjor: välj en primär, men koppla ihop dem

Utlysningen pekar på:

• Utveckling av stödstrukturer
• Uppbyggnad av miljöer/infrastruktur

Min ståndpunkt: om ni jobbar med AI bör ni nästan alltid börja med stödstrukturen (data, process, kompetens), och låta infrastrukturen vara “det som bevisar nyttan”. Det gör projektet lättare att driftsätta efter projekttid.

Budgetlogik som håller

När stöd kan vara upp till 40 % av total budget blir resten er matchning. Då måste ni kunna visa att:

• datakällor och integrationer är realistiska
• modellen kan driftas (inte bara byggas)
• nyttan mäts med KPI:er som går att följa varje kvartal

En enkel KPI-meny som brukar fungera:

• antal avbrott i prioriterade besöksstråk vid extremväder
• responstid från varning till åtgärd
• temperaturreduktion i utpekade värmeöar (grader eller antal riskdygn)
• antal evenemang som kan genomföras enligt plan

“People also ask” – vanliga frågor jag får från kommuner och destinationer

Kan besöksnäringen söka stödet direkt?

Nej, stödmottagare är huvudsakligen kommuner, regioner och offentliga aktörer. Däremot kan besöksnäringen ofta delta som partner, testmiljö eller målgrupp för indirekt stöd inom projekt.

Måste vi ha AI för att passa in?

Nej. Men om ni vill att klimatanpassningen ska bli styrbar över tid (inte en engångsåtgärd) är AI och datadriven verksamhetsutveckling ett av de mest praktiska verktygen.

Vad är vanligaste misstaget?

Att köpa teknik innan man bestämt beslutsfrågan. Börja med “vilket beslut ska bli bättre?” och bygg baklänges: data → modell → process → uppföljning.

Nästa steg: från finansieringslogik till genomförande i vardagen

Klimatanpassning och resiliens är inte en sidofråga för besöksnäringen. Det är en del av leveransen. När städer investerar i grön/blå infrastruktur, riskhantering och digital kapacitet skapar de också tryggare upplevelser, stabilare säsonger och bättre förutsättningar för evenemang.

Om jag skulle välja ett ställe att börja 2025-12-21, mitt i planeringen inför 2026, är det här: bestäm tre platser i staden som är kritiska för turismen, definiera deras klimatrisker (värme, skyfall, storm) och bygg en liten datadriven kedja som kan skalas.

Det intressanta framåt är inte om AI “går att använda” i klimatanpassning. Det gör den redan. Frågan är vilka städer som gör den till en del av styrningen – och vilka som fortsätter hoppas att nästa sommar blir snäll.