ÆLU, Alm.del - 2022-23 (2. samling) - Bilag 46: Henvendelse af 2/7-2023 fra DigiRehab A/S om smart hjemmetræning i stedet for hjemmepleje

Ældreudvalget 2022-23 (2. samling)
ÆLU Alm.del Bilag 46
Offentligt

C A S E A N A LY S E

Tidsbesparende teknologier

med dokumenteret effekt

September 2022

ÆLU, Alm.del - 2022-23 (2. samling) - Bilag 46: Henvendelse af 2/7-2023 fra DigiRehab A/S om smart hjemmetræning i stedet for hjemmepleje

Indhold

I N T R O D U K T I O N T I L

C A S E A N A LY S E N

C A S E K ATA L O G E T

A N B E FA L I N G E R T I L

D E N S U C C E S S F U L D E

I M P L E M E N T E R I N G

A F D I G I TA L E L Ø S N I N G E R

Bilag

I N S P I R AT I O N T I L AT

O P G Ø R E E F F E K T E R

ÆLU, Alm.del - 2022-23 (2. samling) - Bilag 46: Henvendelse af 2/7-2023 fra DigiRehab A/S om smart hjemmetræning i stedet for hjemmepleje

I N T R O D U K T I O N T I L

C A S E A N A LY S E N

ÆLU, Alm.del - 2022-23 (2. samling) - Bilag 46: Henvendelse af 2/7-2023 fra DigiRehab A/S om smart hjemmetræning i stedet for hjemmepleje

Caseanalysen sætter spot på de gode eksempler, hvor teknologi sparer tid

I en tid hvor velfærden er under pres, skal teknologier hjælpe til at klare opgaver, så hænderne rækker længere.

Caseanalysen kan bruges som et input til prioriteringer af teknologiske løsninger, der kan skabe værdi og frigøre

ressourcer.

Analysens baggrund

Mangel på arbejdskraft og ressourcer til at løfte de kommunale velfærdsopgaver er en

udfordring for kommunerne i dag, og den forventes kun at vokse i de kommende år.

Et af de midler, der kan hjælpe med at løfte kommunernes opgaver, er brugen af digitale og

teknologiske løsninger. Teknologier kan frigive arbejdstid ved at automatisere og effektivisere

arbejdsgange eller løse opgaver, som mennesker før har skulle løse. Det kan være med til at

sikre, at vi bruger de menneskelige ressourcer, vi har, bedst muligt. Samtidig giver teknologierne

tit og ofte mulighed for at løfte den oplevede kvalitet hos borgere og medarbejdere

Analysens formål

Caseanalysens formål er at vise gode eksempler fra kommuner, som har implementeret digitale

løsninger og teknologier for at frigive tid og ressourcer, og samtidig har dokumenteret effekten.

Case-eksemplerne repræsenterer en bred palet af teknologier og løsninger implementeret på

forskellige områder og både i administrationen og i borgernære opgaver.

Teknologierne er alle modne teknologier, som er klar til at tages i brug. Casekataloget og

resultaterne kan bruges som inspiration for kommuner, der er på udkig efter konkrete tiltag og

metoder til at frigive arbejdstid gennem digitalisering og ny teknologi.

Analysen fokuserer på,

hvilke

gevinster kommunerne har opnået. Samtidig er der fokus på

hvordan

kommuner har målt de forskellige gevinsttyper og fulgt systematisk op på dem.

Der er udvalgt 10 cases, som er beskrevet caseanalysens kapitel 2. Kapitlet beskriver hver case

ud fra, hvordan kommunen har arbejdet med løsningen, hvad investeringsbehovet har været og

hvilke effekter de har opnået ved implementering af løsningen. For hver case giver kommunerne

gode råd til at komme i gang med og få succes med den digitale løsning.

Implementering af teknologi har stået højt på den kommunale agenda i mange år, men det er

ikke altid til at gennemskue, hvilke effekter teknologierne i sidste ende har, og i hvilken grad de

forventede arbejdskraftbesparelser reelt realiseres.

Selv ved kendte teknologier og succesfulde historier ligger der en hel række forudsætninger, der

har været afgørende for at realisere gevinsterne. Samtidig viser det sig ofte svært at

dokumentere effekten af de digitale løsninger.

Hvordan er casene udvalgt?

Cases i kataloget, er udvalgt ud fra kriterierne: a) cases, der har skabt resultater og frigivet tid i

kommunerne og b) cases, der kan dokumentere de effekter, de har skabt. Cases og kommuner er

identificeret dels på baggrund af KL’s og Deloittes kendskab til relevante cases, og dels ved at KL har

forespurgt bredt i digitaliseringskredsen efter relevante løsninger.

I kapitel 3 opsamles de forudsætninger for succes med implementering af ny teknologi, der går

på tværs af casene.

I caseanalysens bilag A beskrives gode råd og metoder til at opgøre og estimere tidsmæssige,

økonomiske og kvalitetsmæssige gevinster.

Kataloget er ikke udtømmende for de digitaliseringstiltag, der foregår i kommunerne, og der vil

med sikkerhed være kommuner, som arbejder med og har implementeret andre gode løsninger,

end de der er beskrevet her. Ligeledes vil der også være kommuner, som ikke er fremhævet her,

der arbejder med løsninger tilsvarende dem, som er beskrevet.

ÆLU, Alm.del - 2022-23 (2. samling) - Bilag 46: Henvendelse af 2/7-2023 fra DigiRehab A/S om smart hjemmetræning i stedet for hjemmepleje

C A S E K ATA L O G E T

ÆLU, Alm.del - 2022-23 (2. samling) - Bilag 46: Henvendelse af 2/7-2023 fra DigiRehab A/S om smart hjemmetræning i stedet for hjemmepleje

Casekataloget præsenterer en vifte af teknologier

Casekataloget beskriver 10 kommunale cases, hvor ny

teknologi og digitale løsninger har bidraget til at frigive tid

til mere velfærd.

Fælles for casene er, at de beskriver eksempler på, hvordan kommuner har implementeret nye digitale

løsninger eller ny teknologi, hvor det ligeledes har været muligt at opgøre implementeringens effekter

i forhold til at frigive tid og skabe rum til mere velfærd. Beskrivelsen af de enkelte cases, har fokus på

at identificere og formidle 1) indholdet operationelt, således det tydeliggøres, hvad man kan gøre

lokalt for at komme i gang, og 2) klare effekter opnået ved teknologien, eksempelvis økonomiske,

tidsmæssige og kvalitetsmæssige effekter. Casebeskrivelserne er baseret på interviews med centrale

medarbejdere og ledere fra kommunerne og dokumentation af effekter formidlet af kommunen.

Listen af cases tilstræber at vise en bred vifte af forskellige typer teknologier og digitale løsninger, som

bruges i kommunerne på tværs af landsdele, hvor nogle teknologier vil være bekendte for de fleste,

mens andre vil være nye og forhåbentlig inspirerende. Til højre ses et overblik over de 10 cases listet

med kommune, løsning og teknologi, og i det næste kapitel er hver enkelt case beskrevet på to sider

indenfor følgende hovedemner:

1. Information om kommunen og casen

Basisinformation om løsning, case-kommune og kontaktperson.

2. Vurdering af casens realiserede effekter

Scoring af casens effekter på tre dimensioner..

3. Hvad handler casen om?

Beskrivelse af den tekniske løsnings indhold og kontekst.

4. Realiserede gevinster

Centrale resultater som løsningen har leveret.

5. Hvordan er økonomien?

Beskrivelse af casens omkostninger og gevinster.

LØSNING OG TEKNOLOGI

KOMMUNE(R)

LØSNING OG TEKNOLOGI

KOMMUNE(R)

Skærmbesøg i hjemmeplejen |

Skærmteknologi

Forflytningsteknologi på

plejehjem |

Mobilitetsteknologi

Robot til dispensering af

medicin | Robotter

Træningsapp til rehabilitering |

Skærmteknologi

Sensorer til effektiv rengørings-

planlægning | Sensorteknologi

Automatisering af

administrative processer | RPA

Datadrevet planlægning |

Datamodeller

Integreret brugerstyring | IGA-

system

Automatisering af aktindsigt |

RPA og AI

Visitering af dokumentation i

ansættelsesprocessen| AI

6. Hvad kræver det at lykkes?

Kommunens erfarede forudsætninger for at lykkes med løsningen.

7. Introduktion til løsningen eller teknologien,

Generel beskrivelse af den anvendte løsning/teknologi.

8. Kom godt i gang!

Gode råd fra casekommunen til at komme godt i gang.

FYSISKE

LØSNINGER

DIGITALE

LØSNINGER

ÆLU, Alm.del - 2022-23 (2. samling) - Bilag 46: Henvendelse af 2/7-2023 fra DigiRehab A/S om smart hjemmetræning i stedet for hjemmepleje

Case #1

Skærmbesøg

–

virtuelle samtaler med borgere i hjemmeplejen

Hvad handler casen om?

I efteråret 2019 startede Vejle Kommune et pilotprojekt med skærmbesøg i

ældreplejen for to af kommunens i alt 10 distrikter, og i 2021 igangsatte

man processen med udrulning til alle distrikter. Kommunen valgte at køre

pilotprojektet i to af de store distrikter, hvor der er mest transporttid mellem

borgerne, hvorfor man forventede at se en frigivelse af tid på transport-

posten ved skærmbesøgene. På pilotprojektet har Vejle Kommune blandt

andet formået at frigive cirka 68 effektive arbejdstimer om året per borger,

som modtager skærmbesøg.

Øget selvstændighed hos borgerne og mere nærvær i samtalerne

Vejle Kommune har arbejdet med at indføre skærmbesøg, da kommunen

har erfaret, at nogle borgeres behov til tider har en karakter, som ikke

kræver fysisk tilstedeværelse, og hvor borgerne selv kan udføre opgaven,

hvis blot de får lidt vejledning fra plejepersonalet, for eksempel i

forbindelse med medicinindtagelse, forberedelse af måltider eller

klargøring til dagen og natten. Ved hjælp af tablets installeret hos borgerne

kan plejepersonale i dag foretage korte snakke og check-ins med borgerne,

hvilket har vist sig at være til gavn for både borgerne og medarbejderne.

Forventede

gevinster,

per år

Borgerne oplever i højere grad at have selvbestemmelse over deres dag og

medarbejderne oplever at være mere fokuserede og nærværende i deres

dialog med borgerne, da de ikke skal foretage andre opgaver samtidig.

Skærmbesøg var i pilotprojektet et frivilligt tilbud til de borgere, der

ønskede det.

Kortere besøg afhjælper ressourceudfordringer i hjemmeplejen

I pilotprojektet har Vejle Kommune oplevet, at op mod 223 besøg per uge

foretages virtuelt. Skærmbesøgene er ofte kortere end et fysisk besøg og

kan af plejepersonalet nemt gennemføres på farten via smartphones og

headsets. Det gør det lettere for planlæggerne at planlægge pleje-

personalets besøg, og samlet set kan det samme team tilbyde samme

fagligt høje niveau og bruge tiden hos de borgere, som har behov for, at

man er der fysisk. Samtidig kan et kort virtuelt kald forud for et fysisk besøg

være med til at forbedre borgernes serviceoplevelse, når de varsles om

besøget og selv kan gå i gang med de forberedende aktiviteter i deres eget

tempo. Fleksibiliteten hjælper medarbejdere med at være mere nær-

værende i plejeopgaven og reducerer arbejdspresset på medarbejderne.

Kommune

Vejle Kommune

Indbyggertal

119.060 (2022)

Teknologi

Fagområde

Periode

Kontakt

(links til e-mail)

Skærmbesøg

Seniorområdet

2019-

Anne Dunker

Vejle Kommune har på to ud af ti

hjemmeplejedistrikter frigivet cirka

2.800 timer årligt ved brug af

skærmbesøg hos cirka 40 borgere.

68,1 timer

Frigivet per borger per år ved skærmbesøg

Vejle Kommune har i pilotprojektet formået at

frigive cirka 68 effektive arbejdstimer per borger

per år, hvilket svarer til at frigive 2,4 ÅV.

Opgørelsen er baseret på en gennemsnitsmåling

af tid anvendt på fysiske besøg før og virtuelle

besøg efter implementeringen af skærmbesøg.

Den frigivne tid stammer både fra en reducering i

transporttid samt tid brugt på at komme ind og

ud af en borgers bolig, eksempelvis parkering,

trappegang og at tage overtøj af og på.

23.600 kr.

Gevinst per borger i to hjemmeplejedistrikter

På tværs af de to hjemmeplejedistrikter har Vejle

Kommune samlet opnået en gevinst på cirka 1

mio. kr. årlig ved anvendelse af skærmbesøg hos

cirka 40 borgere, hvilket svarer til cirka 2,4 ÅV.

Vejle Kommune har oplevet, at skærmbesøg i

gennemsnit er 5,3 minutter kortere samt mere

fokuserede end fysiske besøg. Ugentlig er i gen-

nemsnit 223 fysiske besøg blevet omlagt til

skærmbesøg, hvilket frigiver tid til mere kritiske

besøg og giver mere fleksibilitet i planlægningen.

Planlagt tid på besøg sammenholdt med

varighed af skærmbesøg

Gennemsnitlig udgifter per ÅV med overhead.

94%

Tilfredshed med skærmbesøg hos borgere

I dataindsamling fra 32 borgere over 12 måneder

har 94 procent af borgerne givet udtryk for, at de

synes, skærmbesøg og snakken med pleje-

personalet fungerer godt eller meget godt.

Ligeledes giver 84 procent udtryk for, at de føler

sig trygge ved at modtage plejen via en skærm.

Vejle Kommune har gennemført en lignende

undersøgelse blandt medarbejderne. Blandt 79

medarbejdere vurderer 96 procent at

skærmbesøg passer godt ind i deres hverdag.

•

Samlet antal

besvarelser

•

Antal positive

besvarelser (middel

eller over middel).

Tidsmæssig effekt

Hvordan er

gevinster

opgjort?

Økonomisk effekt

Vejle Kommune har på 1,5 år opnået

en nettogevinst på 0,3 mio. kr. i to

distrikter.

Kvalitetsforbedring

Både medarbejdere og borgere

oplever, at skærmbesøg giver mere

fleksibilitet og mere fokuserede

samtaler.

Datapunkter

•

i beregning

Tid planlagt på borgerbesøg sammenholdt med

•

varighed af skærmbesøg.

Effektive timer per årsværk.

•

ÆLU, Alm.del - 2022-23 (2. samling) - Bilag 46: Henvendelse af 2/7-2023 fra DigiRehab A/S om smart hjemmetræning i stedet for hjemmepleje

Case #1

Skærmbesøg

–

virtuelle samtaler med borgere i hjemmeplejen

Hvordan er økonomien?

Vejle Kommune har modtaget 1,6

mio. kr. til at dække de samlede

udgifter til udvikling og forankring

af skærmbesøg for de to pilot-

distrikter i perioden 2019-2022.

Midlerne til projektet kommer fra

Vejle Kommunes interne Velfærds-

teknologipulje.

Siden implementeringen har Vejle

Kommune blandt cirka 40 borgere

formået at gennemføre 223

skærmbesøg i gennemsnit om

ugen, svarende til fem skærmbesøg

per borger. Ved gennemførelse af

de mange skærmbesøg har kom-

munens medarbejdere haft mindre

transporttid, og der er samlet

sparet 34 timer om ugen i ren

transport. Herudover er der opnået

en tidsmæssig besparelse på 5,3

minutter per besøg, da med-

arbejderen ikke skal bruge tid på

trappegang, parkering, overtøj mv.

Det har givet en yderligere

besparelse på cirka 20 timer om

ugen hos de samme borgere.

Samlet har Vejle Kommune

reduceret arbejdsindsatsen med

knap 2,5 ÅV og forventer en

nettogevinst i 2022 på cirka 1,3

mio. kr. Da løsningen ikke er

udrullet til alle kommunens 10

distrikter,

forventes

større

gevinster med tiden.

Mio. kr.

3,0

2,5

2,0

1,5

1,0

0,5

0,0

-0,52019

-1,0

-1,5

2020

2021

Gevinster

Nettogevinster

2022

Omkostninger

Samlet investeringsoverblik for pilotdistrikterne

Om løsningen: skærmbesøg

Skærme og selvbetjening bruges i vid udstrækning i

den offentlige sektor i Danmark i forbindelse med

alt fra borgerservice til skoler. Skærmbesøg dækker

over en service, hvor medarbejdere via pc, tablet

eller smartphone kan tage kontakt til en borger

uden at møde op fysisk sammen med borgeren.

Skærmbesøg giver mulighed for at tage flere og

kortere snakke med borgere og medarbejdere,

reducere transporttid for medarbejdere og give

mere fleksibilitet til borgerne. Medarbejdere op-

lever ofte, at de bedre kan holde fokus på samtalen

ved skærmbesøg, end de kan på fysiske besøg, og at

skærmbesøg kan fungere som check-in forud for et

fysisk besøg.

Læs mere om skærmbesøg via KL’s viden-

center ved at scanne QR koden.

-2,0

Figur 1:

Figuren er baseret på regnskabstal og dataudtræk fra Vejle Kommune. Gevinstmålet

dækker over sparet transporttid ved at anvende skærmbesøg samt sparet tid brugt på øvrige ting

forbundet med et fysisk besøg. Tid er omregnet til effektive ÅV og en samlet udgift baseret på en

gennemsnitspris for en medarbejder i Vejle Kommune. I løbet af 2021 er break-even nået, og i

2022 forventes return on investment at være 81,5 procent.

Kom godt i gang!

Start med de lavest hængende

frugter.

Start hos de borgere, som

har mod på og lyst til at bruge

teknologien.

Giv tæt her og nu-sparring

videndeling med medarbejderne og

især lederne.

Brug data aktivt til at følge og

fremme implementeringen

både

sammen med medarbejderne og

lederne.

Hvad kræver det at lykkes?

Borgernes kompetencer

Organisatoriske og tekniske kompetencer

Organisatorisk forankring

Opsætning af løsning skal ske hos

borgerne og i deres tempo

Vejle Kommune har oplevet, at borgere ofte kan have

svært ved at forstå, hvad det vil sige at få tilbudt

skærmbesøg fra hjemmeplejen. Nogle borgere vil

forstå det som, at der installeres et nyt tv i hjemmet,

eller at hjemmeplejen slet ikke kommer fysisk mere.

Derfor har kommunen erfaret, at det er bedre at drøfte

muligheden for borgeren ved at vise løsningen frem i

hjemmet og prøve den af over en periode. Oftest bliver

borgeren glad for en øget selvstændighed i hverdagen

og nyder det styrkede nærvær i samtalen.

Medarbejdere har brug for undervisning

og support for at tage løsningen til sig

Undervisning af medarbejderne i korrekt anvendelse af

løsningen er en forudsætning for, at løsningen bliver

brugt rigtigt og tilstrækkeligt. Vejle Kommune har haft

nogle ambassadører, som har hjulpet med facilitering

af undervisningen af medarbejderne, mens

pilotprojektledelsen også har været tilgængelig i

forhold til spørgsmål mv. Derudover er der udarbejdet

inspirationsskemaer, som viser, hvordan løsningen kan

anvendes i forhold til både service- og

sundhedslovsydelser.

Ledelsesmæssig opbakning øger

tilknytning blandt medarbejdere

Som det ofte er tilfældet i forbindelse med

implementering af nye arbejdsmetoder og teknologi, er

det vigtigt, at ledelsen fra starten bakker op om og

viser engagement for løsningen. Vejle Kommune har

oplevet, at der har været en bedre udrulning af

løsningen og flere positive vendinger, når ledelsen har

en aktiv rolle i både kommunikationen af løsningen

samt er deltagende i den fysiske undervisning og

oplæring af medarbejdere i løsningen.

ÆLU, Alm.del - 2022-23 (2. samling) - Bilag 46: Henvendelse af 2/7-2023 fra DigiRehab A/S om smart hjemmetræning i stedet for hjemmepleje

Case #2

Kip- og vendesystemer

–

forflytningsteknologi til ressourceoptimering på plejehjem

Hvad handler casen om?

Sundheds- og Omsorgsforvaltningen i Københavns Kommune har imple-

menteret forflytningsteknologier på alle mellemstore og store plejehjem

(mere end 68 beboere) i København. Implementeringen har forbedret

anvendelsen af personalets kapacitet med 18 procent, gjort det nemmere

for borgere med bevægelsesvanskeligheder at komme i og ud af sengen

samt medvirket til færre muskel- og skeletsmerter blandt plejepersonalet.

Velfærdsteknologier afhjælper ressource- og kapacitetsudfordringer

De seneste år har Sundheds- og Omsorgsforvaltningen implementeret en

række forflytningsteknologier på kommunens plejehjem, hvor man har fået

gode erfaringer og nået gode resultater til gavn for både borgere og

personale på plejehjemmene. Forflytningsteknologierne er implementeret i

samarbejde med medarbejdere i alle vagtlag, men der har været særligt

fokus på personalet, der arbejder om natten, da teknologierne ofte tages i

brug, når borgerne skal i seng om aftenen eller forflyttes om natten.

Forflytningsteknologierne skaber bedre fysiske arbejdsforhold for med-

arbejdere og en mere skånsom forflytning for de svageste borgere, og de

gør det muligt for medarbejdere at foretage visse forflytninger alene, hvor

Forventede

gevinster,

per år

det tidligere har krævet to medarbejdere. Ved at implementere tek-

nologierne på 20 plejehjem i København med i alt cirka 2.300 borgere har

kommunen formået at øge brugen af personalets ressourcer i nattevagten,

således at en medarbejder i dag kan håndtere 34 borgere fremfor 28,7

borgere som før implementeringen. Dette giver nye muligheder for

ledelsen på plejehjemmenes planlægning af personaleressourcer, uden at

borgerne oplever en kvalitetsforringelse ved forflytningsteknologierne.

Systematisk implementering med en afprøvet model

Københavns Kommune har implementeret kip- og vendesystemerne med

udgangspunkt i forvaltningens model for systematisk implementering af

velfærdsteknologi. Modellen bygger på PDSA-princippet (plan, do, study,

act). En central del af modellen er at sikre et korrekt match mellem borger

og teknologi samt løbende at understøtte og udvikle medarbejdernes

kompetencer til at bruge teknologien. Den systematiske implementering

har været med til at sikre, at medarbejderne lærer at bruge teknologierne

og spotte borgernes behov for en teknologi.

Kommune

Københavns Kommune

Indbyggertal

644.431 (2022)

Teknologi

Fagområde

Periode

Kontakt

(links til e-mail)

Mobilitetsteknologier

Sundhed og omsorg

2018-

Thit Fredens

En medarbejder kan i dag håndtere 18

procent flere borgere på en aftenvagt

end før anvendelsen af forflytnings-

teknologierne.

18%

Stigning i udnyttelse af personalekapacitet

Implementeringen af kip- og vendesystemer på

20 mellemstore og store plejehjem i Københavns

Kommune har forbedret brugen af pleje-

personalets kapacitet i nattevagten med 18,5

procent. Ved en optimal ibrugtagning af kip- og

vendesystemerne er det muligt at overgå til en

natbemanding svarende til gennemsnitligt 34

borgere pr. medarbejder, hvor natbemandingen

tidligere har været på 28,7 borgere pr.

medarbejder.

Antal borgere per plejehjem

Antal medarbejdere per plejehjem per vagt.

490.000 kr.

Gennemsnitlig besparelse per plejehjem

Københavns Kommune har siden 2020 realiseret

en årlig nettogevinst på 9,8 mio. kr., ved

implementeringen af kip- og vendesystemerne,

hvilket svarer til, at hvert plejehjem har bidrag

med en besparelse på 490.000 kr. Gevinsten er

opnået ved besparelser i tid ved vedvarende brug

af forflytningsteknologierne fratrukket fx indkøb

af teknologier og driftsudgifter til teknologierne i

form af eksempelvis servicetjek og vedligehold.

•

20%

Borgere med behov for en grad af forflytning

På de mellemstore og store plejehjem i Køben-

havns Kommune har godt hver femte borger

brug for en eller anden grad af forflytning via

forflytningsteknologierne. Implementeringen har

haft positive effekter for borgerne, som har

oplevet mere skånsomme forflytninger og færre

forstyrrelser af deres nattesøvn, samt for

personalet, som oplever et bedre fysisk

arbejdsmiljø, da de i dag skånes for tunge og

uhensigtsmæssige løft og vrid.

•

Løbende dialog med medarbejdere.

Tidsmæssig effekt

Hvordan er

gevinster

opgjort?

Økonomisk effekt

Efter 2020 opnår Københavns

Kommune årligt en nettogevinst på 9,8

mio. kr. ved anvendelse af

forflytningsteknologier.

Kvalitetsforbedring

Forflytningsteknologierne bidrager til

en mere skånsom forflytning af

borgerne samt mindre fysisk

arbejdsbelastning for personalet.

Datapunkter

•

i beregning

•

Samlede

omkostninger

Samlede gevinster

Antal plejehjem.

ÆLU, Alm.del - 2022-23 (2. samling) - Bilag 46: Henvendelse af 2/7-2023 fra DigiRehab A/S om smart hjemmetræning i stedet for hjemmepleje

Case #2

Kip- og vendesystemer

–

forflytningsteknologi til ressourceoptimering på plejehjem

Hvordan er økonomien?

Sundheds- og Omsorgsforvaltning-

en udarbejdede forud for projektet

et investeringsforslag, hvor de

opgjorde omkostningerne og de

forventede gevinster ved imple-

menteringen

forflytnings-

teknologierne.

Omkostningerne består hoved-

sagelig af udgifter til indkøb af kip-

og vendesystemerne, herunder

opsætning på plejehjem og

gennemførelse af lovpligtige sikker-

hedstjek. Derudover har der været

omkostninger til implementerings-

understøttelse fra Arbejdsmiljø

København og Hjælpemiddelcent-

ret samt løbende driftsudgifter til

forflytningsteknologierne.

Gevinsterne er besparelsen ved

ibrugtagning

forflytnings-

teknologierne og derved en bedre

brug af personalets ressourcer i

forbindelse med

nattevagter.

Kvalitative gevinster i form af færre

arbejdsskader og øget tilfredshed

er ikke medregnet.

Københavns Kommune har efter

tre års drift af forflytnings-

teknologierne indhentet inves-

teringerne, hvor man efter 2020 vil

begynde at udmønte den årlige

nettogevinst på 9,8 mio. kr. Efter

fire år i drift har forflytnings-

teknologierne givet et return on

investment på 87 procent.

Mio. kr.

-5

2019

2020

2021

Omkostninger

Gevinster

Nettogevinster

Investeringsoverblik

Om løsningen: mobilitetsteknologi

Velfærdsteknologierne kip- og vendesystemer falder

under betegnelsen mobilitetsteknologier, som

beskriver redskaber, der hjælper og støtter en

borgers mobilitet. Det kan være exoskelletter, som

ved at støtte muskulaturen hjælper borgere med

bevægelser, de normalt ikke kan lave. Teknologierne

kan også være med til at træne borgerne eller

hjælpe dem til mere selvstændighed i hverdagen,

for eksempel kip- og vendesystemerne, som gør, at

nogle borgere selv kan komme ud af deres seng,

mens andre blot har brug for én medarbejders

hjælp fremfor to.

Læs mere om mobilitetsteknologier via KL’s

videncenter ved at scanne QR koden.

-10

Figur 2:

Opgørelsen viser det akkumulerede omkostnings- og gevinstniveau, som er baseret på

regnskabstal fra Københavns Kommune. Tallene består primært af omkostninger ved indkøb af

sengeteknologier, lønomkostninger til implementeringsmedarbejdere samt driftsomkostninger.

Return on Investment efter fire år er på 87 procent, og break-even blev nået inden udgangen af

2020 (år 3).

Kom godt i gang!

Undersøg hvad borgernes og med-

arbejdernes behov er.

Tag på

feltarbejde på et eller flere af jeres

plejehjem, og observer, hvad der

sker.

Se velfærdsteknologien fra flere vin-

kler på en gang,

og samarbejd med

fageksperter om at belyse de mange

måder, løsningen kan bidrage på.

Gå systematisk til værks.

Eks-

empelvis har Københavns Kommune

anvendt en implementeringsmodel,

der tydeliggør roller og ansvar, og

hvor der samtidig gives plads til

fleksibilitet.

Hvad kræver det at lykkes?

Teknologiens modenhed og karakteristika

Organisatorisk forankring

Organisatoriske og tekniske kompetencer

Teknologien skal virke og give mening for

medarbejdere og borgerne

Københavns Kommune har over tid erfaret, at det er

vigtigt, at en ny teknologi er moden, før man

igangsætter en større implementeringsindsats. Det skal

virke lige fra start, da der er så meget andet omkring en

teknologi, der kræver opmærksomhed, for eksempel

hvem, der skal gøre hvad, og hvornår. Der er meget

organisatorisk, der skal falde i hak for, at en teknologi

bliver taget i brug i hverdagen. Derfor er det også

vigtigt at den valgte teknologi matcher behov og

ønsker hos brugerne.

Prioriter indsatser, så der gennemføres få

implementeringer på samme tid

Der er ofte mange initiativer i gang på samme tid, og

det kan man måske ikke komme udenom som

plejehjem. Men hvis man kan lykkes med kun at have

én større implementering i gang ad gangen, er det klart

en anbefaling. Velfærdsteknologier kræver typisk en

stor indsats fra flere involverede. Ofte er det de samme

medarbejdere, der bliver udpeget som nøglepersoner i

flere forskellige implementeringsindsatser, men for at

lykkes skal de ikke være ansvarlige for mange initiativer

på samme tid.

Implementering tager tid

Man er nødt til at sætte tempoet ned og acceptere, at

det kan tage tid, når man skal implementere i en hver-

dag, hvor borgernes dagsform er afgørende for, hvor-

dan dagen forløber. Det kræver en omhyggelig imple-

mentering, således at medarbejderne bliver fortrolige

med teknologierne, før de skal anvende dem alene på

en nattevagt. Eksempelvis er der etableret et øverum

på flere plejehjem, hvor medarbejdere kan øve sig i

brugen af teknologierne og meget af undervisningen er

foregået på plejehjemmene.

ÆLU, Alm.del - 2022-23 (2. samling) - Bilag 46: Henvendelse af 2/7-2023 fra DigiRehab A/S om smart hjemmetræning i stedet for hjemmepleje

Case #3

TIM (totalløsning til intelligent medicinhåndtering)

–

medicinrobot i hjemmeplejen

Hvad handler casen om?

Medicinrobotten TIM er udviklet til borgere i eget hjem til at hjælpe med

dispensering af medicin, hvor data fra omsorgssystemer og -journaler

danner grundlag for robottens dispensering af den rette mængde til

borgeren. TIM har været i drift siden 2020 og dispenserer medicin med en

præcision på 99,88 procent, hvilket er langt højere, end et menneske kan

klare. Der er generelt høj brugertilfredshed med TIM, der også bidrager til,

at borgeren oplever en øget selvstændighed i deres hverdag.

Et ønske om at reducere manuel medicinhåndtering i Aalborg Kommune

TIM hjælper i dag medarbejderne at dispensere medicin til borgere, hvilket

frigiver tid til andre plejeopgaver, reducerer fejl og arbejdsskader i forbind-

else med manuel medicinhåndtering og skaber mere værdi hos borgeren,

blandt andet ved øget selvstændighed. I Aalborg Kommune vælger borgere

i et defineret segment selv, om de ønsker at få en medicinrobot installeret,

da det er vigtigt, at borgeren føler sig tryg ved at have robotten i hjemmet

og selv at skulle tage sin daglige medicin. Siden implementeringen af TIM er

antallet af deltagende borgere steget, og i 2022 anvendte 103 borgere TIM.

Forventede

gevinster,

per år

Kommune

Aalborg Kommune

Indbyggertal

221.107 (2022)

Teknologi

Fagområde

Periode

Kontakt

(links til e-mail)

Robottens succes bygger på brugertillid og omfattende kommunikation

Aalborg Kommune har i implementeringen af TIM erfaret, at fejl begået af

en robot vægter tungere og skal ske med en mindre margin end fejl begået

af fagligt personale, hvis tilliden hos borgerne skal opretholdes. Derfor har

Aalborg Kommune brugt mange ressourcer på at teste og efterteste

løsningen, indtil fejlraten var så lav som muligt. Behovet for kommunikation

og løbende information om TIM har også vist sig at være større end

forventet blandt medarbejdere, samarbejdspartnere, borgere og

pårørende. Kommunikationen skal både informere medarbejderne om,

hvordan TIM-robotter fungerer, og hvordan de hjælper med at understøtte

arbejdet, mens de også skal fortælle borgere og pårørende, hvordan

løsningen kan være med til at give mere selvstændighed i hverdagen og

hjælpe med at dispensere medicin mere korrekt end tidligere.

I dag er der stor tilfredshed til med TIM-robotten hos de borgere, som har

robotten installeret i hjemmet, og Aalborg Kommune arbejder videre med

at invitere flere borgere til at få løsningen i hjemmet og i plejecentrene.

Robotteknologi

Ældre- og handicapområdet

2018-

Louise Weikop

Implementeringen af TIM har givet en

mindre tidsmæssig effekt for Aalborg

Kommunes plejepersonale.

1 time

Tid frigivet per borger per uge

TIM har frigivet ca. 1 times arbejde per borger

per uge på tværs af

SOSU’er

og sygeplejersker.

Dette er beskedent og bygger på en beregning

baseret på 21 borgere, men alle timer tæller, når

der er mangel på varme hænder. Denne beregn-

ing er foretaget ved at se på, hvor mange timer

der blev brugt af plejepersonalet på medicindis-

pensering og -administration før og efter imple-

menteringen af TIM. Tidsbesparelsen er divideret

med antallet af borgere, som har TIM installeret.

Minutter per opgave

Antal opgaver udført.

+99%

Piller dispenseret korrekt af TIM*

I perioden 2018-2021 har TIM-robotterne samlet

dispenseret over 606.000 piller via godt 138.000

doseringer til borgerne med en gennemsnitlig

korrekthed i dosering af piller på 99,88 procent.

Tallet er opgjort som antal fejlhændelser ift.

antal samlede hændelser. Aalborg Kommune

inddeler fejl i tre kategorier: Grøn = dosis leveret

i andet forsøg, gul = fejl i dosis, som registreres

og fremgår af display og rød = fejl i dosis, som

hverken registreres eller fremgår af display.

•

Antal doseringer i alt

Antal fejldoseringer.

91%

Borgere med middel eller høj tilfredshed

Baseret på en rundspørge blandt 23 borgere i

2021 har 91 procent af borgerne svaret, at de er

tilfredse eller meget tilfredse med at bruge TIM

til dosering af medicin. Borgerne begrunder

deres tilfredshed med øget selvstændighed og

styring af hverdagen. De utilfredse borgere

begrunder deres utilfredshed med utryghed i

forbindelse med fejldosering. Siden undersøgel-

sen er antallet af borgere, som har en TIM-robot

installeret, tæt på fordoblet.

•

Samlet antal besvarelser

Antal positive (middel/høj tilfredshed)

besvarelser.

Tidsmæssig effekt

Hvordan er

gevinster

opgjort?

Økonomisk effekt

Lejeomkostningerne er høje i forhold til

besparelserne, hvorfor TIM primært

bør ses som et kvalitativt tiltag.

Kvalitetsforbedring

TIM dispenserer medicin til borgeren

med en træfsikkerhed på 99,88

procent. Medarbejdere kan udføre

andre opgaver imens.

Datapunkter

•

i beregning

•

*Ifølge Styrelsen for Patientsikkerhed havde cirka to tredjedele af hjemmepleje- og hjemmesygeplejeenhederne i Danmark problemer med at leve op til målpunktet vedrørende medicinhåndtering. Blandt 112

varslede stikprøver fandt man større problemer med patientsikkerheden i 20 tilfælde (18 procent). Kilde: Hjemmepleje og hjemmesygepleje - Erfaringsopsamling fra det sundhedsfaglige tilsyn 2018 (stps.dk)

ÆLU, Alm.del - 2022-23 (2. samling) - Bilag 46: Henvendelse af 2/7-2023 fra DigiRehab A/S om smart hjemmetræning i stedet for hjemmepleje

Case #3

TIM (totalløsning til intelligent medicinhåndtering)

–

medicinrobot i hjemmeplejen

Hvordan er økonomien?

Omkostningsniveauet i forbindelse

med medicinhåndtering er målt

både ved den eksisterende praksis

før implementeringen af TIM og

ved implementeringen af henholds-

vis færre end og flere end 100 TIM-

robotter. Lejeprisen for TIM-

robotter afhænger af, hvor mange

der er installeret hos borgerne,

hvorfor det indtil 100 TIM-robotter

ikke var en rentabel løsning for

kommunen. Efter installering af

mere end 100 TIM-robotter, har

Aalborg Kommune oplevet en

nettogevinst på ca. 301.000 kr. per

år (svarende til godt 9 procent af

de samlede omkostninger før TIM),

hvilket primært skyldes reducerede

plejeomkostninger og personaletid

samt lavere lejeomkostninger i

forbindelse med flere idriftsatte

TIM-robotter. Lejeomkostningen

for én TIM-robot er i dag omkring

2.100 kr. om måneden per borger.

Aalborg Kommune forventer at

opnå stigende gevinster, i takt med

at flere borgere får TIM-robotter,

men fremhæver, at løsningen

aldrig har haft som formål at skulle

generere store besparelser men i

stedet hjælpe med at udnytte

kommunens ressourcer bedre og

reducere fejl.

3.225

2.924

Realiserede gevinster i 2021, t.kr.

301

Om løsningen: TIM

Medicinrobotten TIM er produktet af et nordjysk

tværkommunalt samarbejde om udvikling af

innovative løsninger til velfærdsunderstøttelse. TIM

er udviklet til borgere i eget hjem til at hjælpe med

dispensering og dosering af medicin, hvor data fra

kommunens omssorgssystem og borgerens elek-

troniske omsorgsjournal anvendes hos apoteket til

at sikre, at den rette mængde medicin sendes til

borgeren. Fra apoteket fragtes medicinen ud og

installeres hos borgeren, som selv kan styre, hvornår

medicinen indtages med den sikkerhed, at en

vagtcentral får besked og kontakter borgeren,

såfremt medicinen ikke er blevet taget.

Læs mere om medicinhåndteringsrobotter via

KL’s videncenter ved at scanne QR koden.

Omkostninger før TIM

Omkostninger efter TIM

Nettogevinster

Figur 3:

Figuren viser det samlede omkostningsniveau til plejeopgaven i forbindelse med

medicinhåndtering i to scenarier: 1) før TIM blev implementeret og 2) efter at 100 TIM-robotter

er implementeret. Differencen mellem scenarierne udtrykker nettogevinsten målt i kr.

Kom godt i gang!

Hvad kræver det at lykkes?

Finansiering af løsning

Organisatorisk forankring

Organisatoriske og tekniske kompetencer

Hvis man vil innovative løsninger, kan

man ikke forvente gevinster fra dag 1

Aalborg Kommune erkendte tidligt, at hvis afdelingerne

i Senior og Omsorg selv skulle stå med hele drifts-

udgiften af TIM, ville det hæmme projektets succes.

Baseret på beregninger, som viste en faldende lejepris i

takt med flere aktive borgere, valgte Aalborg Kommune

at lave en finansieringsmodel, hvor afdelingerne

betalte 25 procent af udgifterne til TIM, mens resten

blev finansieret af et fælles innovationsbudget. Dette,

mener Aalborg, har medvirket til en højere organisa-

torisk tilknytning og udbredelse af løsningen.

Der er behov for ledelsesforankring, når

man udvikler en løsning over en årrække

Innovationsprojektet varede i mere end seks år, hvilket

har været krævende og givet behov for vedvarende

ledelsesmæssig opbakning og fokus i maskinrummet.

Aalborg Kommune har erfaret, at det har været

ekstremt vigtigt, at der har været en tovholder, som

kunne lægge retningen. Derudover fremhæves det, at

overgangen fra udvikling til drift har været meget

krævende. Overgangen kunne have været lettet, hvis

man tidligere i processen havde skabt et tættere sam-

arbejde med administrationen og driften.

Medarbejdere har brug for hjælp og

støtte for at blive fortrolige med TIM

Medarbejdernes ibrugtagen og tidlige oplevelser med

en ny løsning er ofte afgørende for løsningens succes.

Når arbejdsdagen er travl, og tiden er knap, har

Aalborg Kommune erfaret, at der har været et stort

behov for tydelig kommunikation om løsningen og dens

muligheder samt for tilgængelige kontaktpersoner,

som kan udføre support og hypercare i

opstartsperioden. Derudover var der behov for

fleksibel uddannelse af medarbejdere og materiale,

som kan udleveres til borgere og pårørende.

Få fastlagt den rette finanserings-

model

fra start og gør klart, hvem

der betaler hvad og indtil hvornår, så

det økonomisk hænger sammen.

Inddrag fagområdet tidligt

og forstå

medarbejdernes behov. Dette er

med til at gøre overgangen til drift

langt mere smidig.

Tal med medarbejdere og øvrige

interessenter

løbende, så der er en

fælles

forståelse

af,

hvorfor

løsningen er en god ide for alle.

ÆLU, Alm.del - 2022-23 (2. samling) - Bilag 46: Henvendelse af 2/7-2023 fra DigiRehab A/S om smart hjemmetræning i stedet for hjemmepleje

Case #4

Skærmteknologi

–

genoptræning i hjemmeplejen med træningsapp

Hvad handler casen om?

Siden 2021 har Kerteminde Kommune tilbudt borgere et rehabiliterings-

forløb, hvor træningen gennemføres sammen med en medarbejder i

hjemmeplejen ved visning af en træningsplan og -øvelser på en tablet. Den

tekniske løsning leveres af DigiRehab, som også leverer borgeroversigter og

statusrapporter til kommunen. Siden etableringen af træningsapps har

Kerteminde Kommune gennemsnitligt haft en 30-minutters reduktion i pleje

per borger per uge.

Genoptræning med app sikrer, at flere borgere kan hjælpes

Kerteminde Kommune har omkring 560 borgere tilknyttet hjemmeplejen.

Fra uge til uge følger cirka 50 af disse borgere et træningsforløb med

træningsapp. De borgerne, som modtager tilbuddet i dag, er blandt andet

borgere, som under normale omstændigheder ikke vil blive visiteret til et

træningsforløb, for eksempel efter et ukompliceret indlæggelsesforløb,

som ikke berettiger til kommunalt finansieret træning. Tilbuddet er således

en forebyggende indsats, som skræddersyes efter borgerens evner og

formåen samt ønsker og behov. Der trænes oftest to gange om ugen af 20

minutters varighed. Cirka 75 procent af de borgere, som starter et forløb

Forventede

gevinster,

per år

op, fuldfører det. Blandt de, der fuldfører, fastholder eller reducerer 81

procent deres behov for hjælp som følge af træningsforløbet. Sammenlagt

viser beregninger, at borgernes behov for hjælp i 2021 blev reduceret med

11 procent, svarende til en samlet reduktion på cirka 27 timer/borger årligt

ved at anvende træningsapp. Kerteminde Kommune har oplevet stor

tilfredshed hos borgerne.

Nyt perspektiv på faglighed skaber tilfredshed blandt medarbejdere

Når borgere er tilmeldt et træningsforløb via en app, er det pleje-

personalet, som skal sørge for at hjælpe borgerne med at få lavet deres

øvelser. Her kan medarbejderne vælge at deltage i træningen og derved

udføre deres faglighed på en ny måde. Medarbejderne har generelt haft

positive oplevelser med det nye tiltag, hvor de oplever en bedre dialog med

den enkelte borger, de får sat deres faglighed i spil på en ny måde, og nogle

oplever også at få styrket deres tekniske færdigheder ved at arbejde med

appen. Generelt har genoptræning med appstyrede programmer været en

succes for Kerteminde Kommune på ældreområdet, hvorfor man overvejer

at udbrede tilbuddet og løsningen til andre fagområder i fremtiden.

Kommune

Kerteminde Kommune

Indbyggertal

24.034 (2022)

Teknologi

Fagområde

Periode

Kontakt

(links til e-mail)

App- og skærmteknologi

Ældreområdet

2021-

Kjetil Havstein

Løsningen har frigivet cirka 27 timers

årlig pleje per borger. Dette er sket ved

forbedret fysik hos deltagende

borgere.

27 timer

Årligt reduceret plejebehov per borger

Kerteminde Kommune har oplevet en reduktion

af borgernes plejebehov på cirka 27 timer per

borger om året i forbindelse med gennemførelse

af et træningsforløb med træningsapp. Bereg-

ningen er lavet ud fra en fremskrivning af

borgernes plejebehov, såfremt de ikke var blevet

tilbudt et træningsforløb. Dette er målt op imod,

hvor meget pleje borgerne reelt har behov for

efter gennemført træningsforløb.

1,045 mio. kr.

Kroner sparet i pleje (2021)

I 2021 har Kerteminde Kommune realiseret en

samlet nettobesparelse på over 1 mio. kr., som

følge af reduceret plejebehov hos borgere, som

har gennemført et træningsforløb med trænings-

app. Den realiserede besparelse er udregnet som

differencen mellem de samlede omkostninger

(udgifter til internt tidsforbrug og licenser) og de

samlede gevinster (direkte besparelse i

hjemmeplejen som følge af reduceret plejebehov

og værdien ved manglende stigning i ydelser).

•

Samlet timeforbrug,

•

plejepersonale

Licensomkostninger

Værdi af reduktion i

plejetid.

55%

Borgere med forbedret fysisk formåen

Ved anvendelse af træningsapp til rehabiliterings-

forløb har Kerteminde Kommune formået at

forbedre fysikken for 55 procent af de del-

tagende borgere. Beregningen af fremgang i den

fysiske formåen er beregnet ud fra en screening

af borgernes formåen før og efter igangsættelsen

af træningsforløbet og ud fra en konkret

vurdering af deres behov for hjælp og pleje

foretaget af plejepersonalet og kommunens

terapeuter.

•

Screening af fysisk

•

formåen før og efter

træningsforløb

Vurdering af behov

for hjælp og pleje før

og efter forløb.

Tidsmæssig effekt

Hvordan er

gevinster

opgjort?

Økonomisk effekt

Kerteminde Kommune har realiseret en

nettogevinst på over 1 mio. kr., som

følge af reduceret plejebehov.

Kvalitetsforbedring

Løsningen skaber en anden og

stærkere relation mellem borger og

medarbejder, samtidig med at flere

kan få tilbudt et forløb.

Datapunkter

•

i beregning

Plejebehov i timer før træningsforløb, årligt

Plejebehov i timer efter træningsforløb, årligt.

•

ÆLU, Alm.del - 2022-23 (2. samling) - Bilag 46: Henvendelse af 2/7-2023 fra DigiRehab A/S om smart hjemmetræning i stedet for hjemmepleje

Case #4

Skærmteknologi

–

genoptræning i hjemmeplejen med træningsapp

Hvordan er økonomien?

Kerteminde Kommune har anvendt

appbaseret genoptræningsforløb til

deres borgere i ældreplejen siden

2021, hvor kommunen har fået

løsningen leveret af DigiRehab.

Allerede det første år har

kommunen realiseret en gevinst

ved, at borgere, som har været i et

rehabiliteringsforløb, har opbygget

en bedre fysik, hvilket har medført

et reduceret behov for pleje.

også afsat tid til vedligeholdelse af

borgeres fysisk efter endt forløb.

Endelig har kommunen brugt

omkring

100.000

kr.

på

administration og projektstyring og

ca.

252.000

kr.

på

licensomkostninger.

Gevinsten består af en direkte

reduktion i antal timer, der leveres

hjemmepleje til borgerne og en

opgørelse af værdien af den

normale stigning i en borgers

ydelser over tid. Denne gevinst er

baseret på en normaludvikling på

38 timer om året per borger.

Mio. kr.

Omkostninger

Investeringsoverblik

Om løsningen: træningsapp

Træningsvideoer og -apps er løsninger, som kan

gives til borgere i forbindelse med rehabiliterings-

forløb eller vedligeholdende træning. Træningen

gennemføres af borgeren i eget hjem, hvor en plan

og et program gives på en skærm. Løsningerne giver

borgerne mulighed for selv at bestemme, hvor og

hvornår de ønsker at træne, hvilket for eksempel

kan være et attraktivt alternativ for borgere i

arbejde eller under uddannelse. For ældre borgere

kan træningen gennemføres med en plejemed-

arbejder. Løsningerne bidrager til, at kommunen

kan tilbyde rehabilitering til flere borgere.

Læs mere om træningsvideoer og -apps via

KL’s videncenter ved at scanne QR koden.

2020

-2

Gevinster

Nettogevinster

På udgiftssiden har der været afsat

midler til de medarbejdere, som

gennemfører træningen med bor-

gerne. Dette er opgjort til 8,6 timer

per borger per forløb. Dertil er der

2021

2022

2023

2024

2025

Figur 4:

Figuren viser den realiserede gevinst i 2021 på cirka 1,05 mio. kr. og en fremskrivning af

omkostninger og forventede gevinster for en femårig periode. Fremskrivningen tager

udgangspunkt i de realiserede omkostninger og gevinster i 2021, hvor der er fremskrevet med

en forventning om 15 procent stigning i antal deltagende borgere om året. Løsningen har

allerede realiseret en positiv nettogevinst efter det første år.

Kom godt i gang!

Start med borgere, som har mod på

at gennemføre forløbet.

Tidlige

succeser vil både gavne medarbej-

dere og give andre borgere blod på

tanden.

Udpeg administrativ tovholder

så

det faglige personale kan fokusere

på deres kerneopgaver.

Hav øje for løsningens øvrige

gevinstpotentialer,

så udvidelsen til

andre områder vil forløbe hurtigere.

Hvad kræver det at lykkes?

Organisatoriske og tekniske kompetencer

Borgernes kompetencer

Organisatorisk forankring

Klare arbejdsgange og rollebeskrivelser

sikrer en bedre implementering

Implementering af ny teknologi og nye arbejdsgange

skal ofte passe ind i en organisation ved siden af

eksisterende opgaver. Kerteminde Kommune erfarede

med implementeringen af den appdrevne gen-

optræning, at det var nødvendigt tidligt i projektet at få

skabt faste rammer og arbejdsgange og at få

præciseret klare roller og rollebeskrivelser. Dette

indebar både at definere, hvad ledere og medarbejdere

skulle fokusere på, og at få udpeget en tovholder til at

styre projektet og udviklingen i den rigtige retning.

Små sikre eller store gevinster med øget

risiko for, at borger falder fra undervejs

Et centralt element i brugen af genoptræning er

balanceringen mellem stærkere borgere, der har en

stor sandsynlighed for at lykkes, og svagere borgere,

der har en lavere sandsynlighed for at lykkes.

Afvejningen er vigtig fordi de største effekter både for

borgeren men også som frigjort tid i hjemmeplejen

opnås hos de svageste borgere, som har de dårligste

forudsætninger. Omvendt kan der med større

sikkerhed hentes mindre gevinster hos stærkere

borgere

–

som på sigt ellers ville svækkes hurtigere.

Stærke ambassadører fastholder gejsten

og er vigtige i oplæring af medarbejdere

En forudsætning for, at en medarbejderdreven løsning

får succes, er en bred opbakning til løsningen fra

medarbejderne. Kerteminde Kommune har oplevet, at

tydelige ambassadører blandt medarbejderne er med

til at få flere til at prøve kræfter med løsningen, hvor

ambassadørerne både kan hjælpe med at motivere og

give gode råd til andre kolleger og stå for oplæring af

nye kolleger.

ÆLU, Alm.del - 2022-23 (2. samling) - Bilag 46: Henvendelse af 2/7-2023 fra DigiRehab A/S om smart hjemmetræning i stedet for hjemmepleje

Case #5

Sensorteknologi

–

behovsdrevet rengøring

Hvad handler casen om?

Syddjurs Kommune har i samarbejde med virksomheden LOMWAS udviklet

en datamodel, som ved hjælp af data fra kommunen og sensorer i en pilot-

bygning kan vurdere, om der er behov for rengøring af skriveborde, møde-

lokaler, toiletter mv. Sensorerne måler, hvilke lokaler, borde mv. der har

været anvendt, hvorved man kan undgå at rengøre lokaler, som ikke træng-

er. Proof of Concept (PoC) for løsningen har været i drift siden februar 2022,

hvor man allerede har reduceret arbejdstiden med cirka 18 procent. Løs-

ningens potentiale er således stor ved en senere skalering til flere bygninger.

Mere optimal anvendelse af arbejdstid og ressourcer

Syddjurs Kommune har haft et mål om at udnytte kommunens lokaler

bedre og at øge anvendelsesgraden af bygningerne. Ved at kigge på data

om fremmøde og anvendelse af lokaler har kommunen indset, at dele af

bygningerne ikke anvendes hver dag, hvilket har betydet, at rengøring af

visse lokaler har været overflødig. Med sensordata fra borde, mødelokale-

og toiletdøre analyserer kommunen i dag, hvilke områder der kræver

rengøring og genererer en liste over, hvilke borde, stole, lokaler og toilet-

ter, rengøringsmedarbejderen skal tage. Dette har både medført en

reduktion i arbejdstid i den pågældende administrationsbygning, brug af

Forventede

gevinster,

per år

kemi og en besparelse i CO

–aftryk

på ca. 3,7 CO

per kg, da der sker

mindre overflødig rengøring. Løsningen kører i dag i et pilotprojekt i en

administrationsbygning, men Syddjurs Kommune kan se, at der en stor

arbejdskraftsbesparende effekt i løsningen, når den skaleres til flere

bygningsenheder, da dette vil øge mulighederne for at lave en mere

optimal planlægning og udnytte kapaciteten og ressourcerne. Syddjurs

Kommune er glad for de foreløbige resultater, da pilotprojektet også

bidrager til at opbygge kompetencer med datadreven beslutningstagning,

hvilket er et fokusområde i kommunen og på fagområdet specifikt.

Domæneviden før dataanalyse

Syddjurs Kommune har arbejdet fokuseret med IoT (Internet of Things) på

et strategisk niveau i flere år, hvor midler og projekter besluttes politisk. I

processen har kommunen søsat flere IoT-projekter, hvor der har været

fokus på at inddrage medarbejdere og fagfolk med domæneviden, så

løsninger udvikles til at matche det arbejde, som udføres i dag.

Funktionslederen i rengøringsenheden fortæller blandt andet, at han er

særligt glad for samarbejdet og løsningen, da han oplever, at han kan være

med til at præge udviklingen af løsningen.

Kommune

Syddjurs Kommune

Indbyggertal

43.596 (2022)

Teknologi

Fagområde

Periode

Kontakt

(links til e-mail)

Internet of Things (IoT) og sensorer

På tværs af fagområder

2021-

Lasse Ziska

Resultater fra pilotprojektet indikerer

en reduktion i arbejdstiden på 18

procent. OBS! Pilotprojekt gennemført

på en enkel bygning.

18%

Reduceret arbejde i PoC-enheden

Ved at anvende sensorteknologi har Syddjurs Kommune i dag mulighed

for at udføre den nødvendige rengøring og samtidig reducere mængden

af arbejde. Hvis et mødelokale eksempelvis ikke er blevet brugt i løbet af

en dag, så behøver det ikke at blive rengjort.

Rengøringsassistenten modtager en oversigt over, hvad der skal rengøres

på den pågældende vagt ved fremmøde.

Løsningen har givet en reduktion i arbejdstid på 18 procent i det

igangværende pilotprojekt, der dog kun omfatter én medarbejder og én

bygning.

1 time

sparet arbejdstid per dag

I den administrationsbygning, der fungerer som caselaboratorie i

pilotprojektet, har Syddjurs Kommune formået at reducere arbejdstiden

med en time om dagen fra 5�½ time til 4�½ time for den involverede

medarbejder. Reduktionen er i dag et forsigtigt estimat, hvorfor Syddjurs

Kommune forventer, at der vil være større besparelser i fremtiden.

Forventningen er, at gevinsterne fra den ene bygning kan overføres

direkte til andre i takt med at flere bygningsenheder bliver koblet til

løsningen. Forventningen er også, at det vil give en mere optimal

udnyttelse af kommunens ressourcer og kapacitet, som vil kunne

udmøntes i realiserede besparelser.

•

Samlet arbejdstid per medarbejder.

Tidsmæssig effekt

Hvordan er

gevinster

opgjort?

Økonomisk effekt

Ingen positiv økonomi i pilotprojekt,

men på sigt betydeligt økonomisk

potentiale i kraft af stor besparelse i

arbejdskraft.

Kvalitetsforbedring

Løsningen ændrer ikke på kvaliteten af

rengøring, men den bidrager til mindre

spild af rengøringsmidler og højere

effektivitet.

Datapunkter

•

i beregning

Samlet arbejdstid for rengøring per bygning før implementering

Samlet arbejdstid for rengøring per bygning efter implementering.

•

ÆLU, Alm.del - 2022-23 (2. samling) - Bilag 46: Henvendelse af 2/7-2023 fra DigiRehab A/S om smart hjemmetræning i stedet for hjemmepleje

Case #5

Sensorteknologi

–

behovsdrevet rengøring

Hvordan er økonomien?

Syddjurs Kommunes projekt med

behovsdrevet rengøring er fortsat

et pilotprojekt, hvor løsningen

udvikles og testes på en bygnings-

enhed.

Kommunen

samarbejder

med

LOMWAS om udviklingen af

løsningen, hvor LOMWAS i dag af-

holder udviklingsomkostningerne

som en del af sin egen investering i

produktudviklingen. Derfor har

Syddjurs i dag kun omkostninger til

løsningen i form af leasing-

omkostninger til sensorer og

personaleudgifter. Syddjurs Kom-

mune leaser sensorteknologien af

LOMWAS, hvilket koster cirka 5.000

kr. om måneden. Derudover

er behovet for rengøring blevet

reduceret med 18 procent fra 5,5 til

4,5 time om dagen for pilot-

enheden. Ved at sammenligne om-

kostningsniveauet i dag med om-

kostningsniveauet tidligere har Syd-

djurs Kommune i pilotfasen en

merudgift på 1.000 kr. per måned.

Syddjurs Kommune har nævnt, at

man forventer, der vil komme

positive gevinster, når man øger

antallet af enheder og derved kan

udnytte ledig kapacitet hos rengør-

ingspersonalet og samtidig selv

investerer i sensorer, så der ikke

skal betales løbende for leasing

heraf.

Månedlig gevinstrealisering for Syddjurs Kommune, t.kr.

4,0

Om løsningen: sensorer og IoT

Sensorer er apparater, som kan måle forskellige

ting, som for eksempel lys, bevægelse, temperatur

mv. Sensorer kan sammen med IoT og datamodeller

bruges til at optimere og effektivisere arbejdsgange

eller planlægningsøvelser og kan indgå i automati-

ske processer, for eksempel alarmere en vagtstue,

hvis en borger er faldet. IoT er en fælles betegnelse

for apparater, alt fra computere til køleskabe til

sensorer, som kan overføre data til hinanden ved

opkobling til internettet og derved indgå i automa-

tiske processer ved at sende information, som

udløser handlinger.

Læs mere om sensorer via KL’s videncenter

ved at scanne QR koden.

-1,0

-5,0

Omkostninger ved

sensorteknologi

Gevinst ved tidsbesparelse

Nettogevinst

Figur 5:

Figuren viser de månedlige omkostninger og gevinster i pilotprojektet samt nettogevinsten

målt i t.kr. per måned.

Kom godt i gang!

Innovative projekter kræver tid og

opbakning.

Organisationen skal have

tiltro til, at løsningen kan give værdi i

fremtiden.

Start i det små og afprøv løsningen.

Teknologien kan give en god

investering i fremtiden, men skal

fungere først.

Vær tydelig i kommunikationen af

løsningen.

De store gevinster

kommer med volumen, og den kan

man ikke forvente fra start.

Hvad kræver det at lykkes?

Teknologiens modenhed og karakteristika

Organisatorisk forankring

Organisatoriske og tekniske kompetencer

Reducer usikkerhed hos medarbejdere

med tydelig kommunikation

Syddjurs Kommune har oplevet, at administrative

medarbejdere i bygningen, hvor kommunen havde

installeret sensorer blev nervøse for, hvad data fra

sensorerne blev brugt til. Som følge af manglende

kommunikation oplevede man blandt andet, at

sensorer blev pillet ned af medarbejderne ved nogle

borde. Syddjurs Kommune har således erfaret, at der er

et stort behov for kommunikation om, hvad sensorer

kan og bliver brugt til, og at der kan være behov for

møder, hvor medarbejdere kan stille spørgsmål.

Domæneviden først, derefter

dataanalyse

Syddjurs Kommune har haft stor succes med deres IoT-

projekter, hvilket de selv mener skyldes et stort fokus

på at inddrage fagområderne og domæneviden meget

tæt i udviklingen af løsningerne. Dyb faglig indsigt og

fokus skal være på plads, før man begynder at arbejde

med datadelen. Ved at involvere fagfolk tidligt og

løbende i processen har Syddjurs Kommune oplevet, at

der er en stor tilslutning til løsningen, og at det faglige

personale i højere grad oplever et ejerskab af

løsningen, når den skal søsættes.

Ekstern leverandør med indsigt i fag-

området og opgaven højnede løsningen

Til udvikling af datamodellen har Syddjurs Kommune

samarbejdet med en ekstern leverandør, som selv har

en fortid i rengøringsbranchen. Dette har vist sig at

være en stor fordel for udviklingen, da kommunen har

oplevet, at leverandøren både har formået at tale med

fagområdet og IT og har kunnet inddrage egne

erfaringer i udviklingen af løsningen.

Det har både sikret en god proces og gode slut-

resultater.

ÆLU, Alm.del - 2022-23 (2. samling) - Bilag 46: Henvendelse af 2/7-2023 fra DigiRehab A/S om smart hjemmetræning i stedet for hjemmepleje

Case #6

RPA

–

robotter til håndtering af administrative processer

Hvad handler casen om?

Siden 2019 har Ringkøbing-Skjern Kommune udviklet RPA-løsninger til at

understøtte administrative processer på tværs af fagområder. RPA-teamet

(2,5 årsværk (ÅV)) har siden 2019 idriftsat cirka 130 robotter til håndtering

af store og små opgaver. Robotterne har samlet set frigivet mere end

37.400 arbejdstimer over tre år og givet en nettogevinst på cirka 8,4 mio. kr.

Enkel teknologi, som kan bruges til en bred opgaveportefølje

RPA-robotter understøtter mange forskellige opgaver, som alle

karakteriseres ved rutinepræget, gentaget og manuelt arbejde, blandt

andet autosvar, generering af datalister og kontrolopgaver. Nogle robotter

udvikles til at varetage et akut behov i en afgrænset periode, mens andre

robotter udvikles til at varetage en opgavefunktion i en længere periode.

Ringkøbing-Skjern Kommune har oplevet, at robotter har skabt stor værdi

ved blandt andet at håndtere store datamængder hurtigere og mere

præcist, end et menneske kan, blandt andet ved en række kontrolopgaver,

hvor robotterne laver kontrol på hele populationen fremfor blot en

stikprøve. En vigtig faktor for RPA-teamets succes har været at have de

Forventede

gevinster,

per år

rette ildsjæle tilknyttet, der både har et skarpt blik for den tekniske

udvikling og forretningsreglerne på fagområderne.

Succes skabt gennem medarbejderinddragelse

Ringkøbing-Skjern er lykkedes med at opnå en betydelig skalering af

robotunderstøttelsen, hvor 90 robotter i dag frigiver tid hos administrative

medarbejdere på alle stabs- og fagområder. En nøgle til denne succes har

været at skabe en bredt funderet og stor efterspørgsel på automatiserede

løsninger hos medarbejderne. Det sikrer, at fagområderne på eget initiativ

kommer med ideer til automatisering. Grundstenen for denne succes har

blandt andet været indledningsvis at bygge robotter til

”ufarlige”

opgaver,

som ikke tager arbejde fra

”menneskelige kolleger”.

Dette har bidraget til,

at medarbejderne oplever, at robotterne frigør dem fra trivielle opgaver og

skaber mere rum til kerneopgaver, hvor fagligheden er i spil. Som et ekstra

motiverende tiltag navngives nye robotter af ideens ophavsmand, hvorefter

en robotmagnet sættes på afdelingens kaffemaskine, så medarbejderne

gøres opmærksomme på deres nye

”kollega”

og muligheden for at få flere.

Kommune

Ringkøbing-Skjern Kommune

Indbyggertal

56.600 (2022)

Teknologi

Fagområde

Periode

Kontakt

(links til e-mail)

Robotic process automation (RPA)

Tværfaglig løsning

2019-

Pernille Thomsen

Medarbejdere kan i dag bruge deres

tid på mere krævende opgaver, mens

RPA-robotterne løser trivielle

rutineopgaver.

340 timer

Frigivet per robot (gennemsnit)

Siden 2019 har Ringkøbing-Skjern Kommune

implementeret cirka 130 forskellige robotter i

drift. Gennemsnitligt har hver robot frigivet 340,4

arbejdstimer hos medarbejderne. Tallet dækker

over en stor variation i robotternes bidrag, da

man i kommunen både har implementeret

robotter til små og midlertidige opgaver samt

større og permanente opgaver. Antal timer

frigjort per robot er beregnet som gennemsnittet

af tid frigivet per robot.

Samlet antal timer frigivet

Samlet antal robotter idriftsat.

3,62 mio.

Nettogevinst opnået i 2021 (år 3)

Nettogevinsten var i 2021 på 3,62 mio. kr.,

svarende til cirka 7-8 ÅV. Opgørelsen er beregnet

som differencen mellem de samlede gevinster og

omkostninger i 2021. Gevinsten er udregnet som

det samlede antal timer, RPA-robotterne har

frigjort i 2021 ganget med en timepris. Omkost-

ninger dækker primært løn til udviklere og RPA-

licenser. Den gennemsnitlige nettogevinst på

tværs af alle fire driftsår er 2,22 mio. kr. Gevinst-

en er ikke udmøntet som en budgetbesparelse.

•

Samlet antal timer

frigivet

Effektive timer/ÅV

•

Gennemsnitlige

omkostninger/ÅV.

139 kr.

Gennemsnitlig timepris for udførte opgaver

Siden etableringen af RPA-teamet har Ring-

købing-Skjern Kommune kunnet erstatte en

manuel, effektiv arbejdstime (cirka 390 kr.) for en

gennemsnitlig pris på 139,57 kr. per RPA-time.

Tallet viser, at det er en rentabel løsning at

anvende RPA, hvor man for få midler kan frigive

meget administrativ tid ved at skære trivielle

opgaver fra. Timeprisen er opgjort ved at tage de

samlede omkostninger for perioden og dividere

med antallet af arbejdstimer frigivet med RPA.

•

Samlede omkostninger realiseret

Samlet antal timer leveret/frigivet af RPA-

robotter.

Tidsmæssig effekt

Hvordan er

gevinster

opgjort?

Økonomisk effekt

En nettogevinst på cirka 3,6 mio. kr. i

2021 er betydelig i forhold til

investeringsniveau og kommunens

størrelse.

Kvalitetsforbedring

RPA-robotter løser opgaver på samme

måde hver gang, hvilket sikrer ensartet

og stabil kvalitet i opgaveløsningen.

Datapunkter

•

i beregning

•

ÆLU, Alm.del - 2022-23 (2. samling) - Bilag 46: Henvendelse af 2/7-2023 fra DigiRehab A/S om smart hjemmetræning i stedet for hjemmepleje

Case #6

RPA

–

robotter til håndtering af administrative processer

Hvordan er økonomien?

Omkostningerne til arbejdet med

RPA-robotterne i Ringkøbing-Skjern

Kommune består især af lønudgifter

til de 1,5 ÅV og fra 2021 2,5 ÅV, som

dagligt arbejder med udvikling og

drift af robotterne. Dertil er

medarbejdere fra fagområderne

blevet inddraget i forbindelse med

kortlægning og forståelse af proces-

sen, som skal udføres af en robot.

Tiden anvendt fra øvrige medarbej-

dere er ikke medregnet i de

samlede udgifter, da det dels er et

meget lille forbrug, og dels ikke har

været muligt at opgøre. Endelig har

kommunen haft en samlet årlig

omkostning på 200.000 kr. til RPA-

licenser.

Kommunens samlede gevinster ved

implementering af RPA-robotter er

opgjort baseret på egenmålinger

eller en konservativ estimering af

medgået tid foretaget af de

medarbejdere, der tidligere har løst

de automatiserede opgaver. Opgør-

elsen af gevinster medregner ikke

kvalitative mål for produktivitet, til-

fredshed og andre afledte effekter

hos medarbejdere, som følger af

den hurtigere opgaveløsning, frigør-

elsen for rutineprægede opgaver og

værdien af færre manuelle fejl.

På fire år er return on investment på

179 procent og break-even er nået

allerede i løbet af år 1.

Mio. kr.

Omkostninger

Gevinster

Nettogevinster

Investeringsoverblik

Om løsningen: RPA

RPA er software, som efterligner menneskelige

handlinger og arbejdsgange ved at løse

regelbaserede og digitale opgaver i eksisterende it-

systemer. Opgaver løst af RPA omfatter

fremsendelse

autosvar,

automatiske

mødeindkaldelser, samkøring af dokumenter og

opslag i flere forskellige systemer samt tjek og

kontroller i større datasæt. Med RPA-løsninger kan

organisationer automatisere dele af arbejdsproces-

ser og gennemføre opgaver baseret på faste

regelsæt 24 timer i døgnet, hvilket kan være med til

at øge tilfredsheden både hos medarbejdere og

borgere.

Læs mere om RPA via KL’s videncenter ved at

scanne QR koden.

-2

2019

2020

2021

2022

Figur 6:

Opgørelsen er baseret på regnskabstal og en transaktionslog fra Ringkøbing-Skjern

Kommune. Gevinstmålet er et produkt af transaktioner foretaget af RPA-robotter, minutter

opgaven ville have taget for en medarbejder og en årlig gennemsnitsomkostning for en

medarbejder i kommunen. Resultatet for 2022 er et estimat baseret på resultaterne af de første

to kvartaler samt resultater fra de foregående år.

Kom godt i gang!

Start småt og simpelt,

så udviklere

bliver fortrolige med arbejdet og

opnår tidlige succesoplevelser.

Lokaliser og rekrutter ambassadør-

for den nye løsning og ideen i de

forskellige afdelinger, og få dem til

at udbrede den gode fortælling.

Begynd med

RPA på områder, som

ikke løses af medarbejdere

i dag, så

effekten er tydelig, og så

medarbejdere kan blive fortrolige

med løsningen.

Hvad kræver det at lykkes?

Teknologiens modenhed og karakteristika

Organisatorisk forankring

Organisatoriske og tekniske kompetencer

Simple robotter er en god start til at

opbygge kompetencer hos udviklerne

Når der udvikles RPA-løsninger, kan der være en

tendens til at tro, at man bør starte stort og med en

meget kompliceret end-to-end-løsning, et såkaldt

månelandingsprojekt. Ringkøbing-Skjern Kommune har

gode erfaringer med at starte med små og enkle løs-

ninger samt med bidrag til delprocesser i den eksis-

terende arbejdsproces. Derved har kommunen hurtigt

kunnet idriftsætte løsninger, og udviklerne har gradvis

opbygget deres kompetencer, hvilket har fungeret som

katalysator for mere komplicerede løsninger.

Medarbejdere skal have tillid til, at

løsningen ikke overtager deres arbejde

Det kan skabe utryghed og bekymring for spareøvelser

blandt medarbejdere, når der skal implementeres ny

teknologi, især når det kommer til automatisering.

Derfor valgte Ringkøbing-Skjern Kommune, at den

første robot skulle løse en opgave, som ikke tidligere

blev løst til fulde. Herved blev løsningen set som ren

bonus, og samtidig fik kollegerne større fortrolighed

med robotter. Fremgangsmåden har siden resulteret i

en stor efterspørgsel på robotter fra medarbejdere på

tværs af kommunens fagområder.

En stærk forretningsforståelse i

udviklingsteamet skaber bedre robotter

Ringkøbing-Skjern Kommune har selv stået for udvik-

lingen af robotter og har blandt andet rykket forret-

ningsforståelsen helt ind i udviklingsteamet, hvor en

fagmedarbejder med juridisk flair også udvikler RPA-

robotter. Dette har styrket udviklingsarbejdet, for eks-

empel har indsigter i sagsbehandlingsprocesser og for-

ståelse for love og interne regler fremmet både kvalitet

i robotterne og afdækningen af nye automatiserings-

muligheder. Endelig vedligeholder RPA-teamet et kode-

bibliotek, så de nemt kan genbruge kode til ny RPA.

ÆLU, Alm.del - 2022-23 (2. samling) - Bilag 46: Henvendelse af 2/7-2023 fra DigiRehab A/S om smart hjemmetræning i stedet for hjemmepleje

Case #7

Planlægning

professionalisering af hjemmeplejens planlægning gennem datamodellering

Hvad handler casen om?

Helsingør Kommune har i samarbejde med PA Consulting udviklet og imple-

menteret en datadreven model til optimering af planlægningen af hjemme-

plejebesøg. Modellen giver detaljerede data på effektiviteten og understøt-

ter desuden en planlægning, hvor borgeren så vidt muligt besøges af de

samme medarbejdere. Siden februar 2022 har kommunen i perioder

formået at øge leveringsgraden med cirka 3-4 procent.

Løsningen skal både give økonomiske og arbejdsmiljømæssige gevinster

Helsingør Kommunes hjemmepleje foretager dagligt mere end 2.500 hjem-

mebesøg, hvilket stiller store krav til planlæggerne både i forhold til den en-

kelte medarbejders rute samt at borgere ikke får besøg af mange forskellige

medarbejdere. Kommunen har via dataanalyser og grafiske visualiseringer

arbejdet med at sikre en bedre planlægning og opnå både en økonomisk og

arbejdsmiljømæssig effekt - eksempelvis i form af en mere jævn fordeling af

opgaver og bedre udnyttelse af de tilgængelige medarbejdertimer.

Leveringsgraden skal passe til medarbejderstaben og -trivslen

Leveringsgraden, som beskriver andelen af plejepersonalets tid, der bruges

hos borgeren, er et vigtigt effektmål i projektet. Inden projektets opstart lå

leveringsgraden på 69 procent og efter tre måneder var denne steget til 72

Forventede

gevinster,

per år

procent. Slutmålet er 75 procent, hvor kommunen forventer den rette ba-

lance mellem antal besøg og medarbejdere. Helsingør Kommune holder

løbende øje med leveringsgraden, hvor den rette balance er afgørende. Bli-

ver den for høj, kan betyde, at medarbejderne løber unødigt stærkt og der

gives køb på faglige aktiviteter som teamsamarbejde. Grundet kommunens

eksisterende ressourceudfordring vil en forøgelse af leveringsgraden også

have en anden positiv økonomisk effekt, særligt i form af en reduktion af

vikarbehovet, hvilket vil være en direkte besparelse for kommunen.

Et andet eksempel: Hedensted Kommune

Hedensted Kommune hjemtog i 2019 planlægningsopgaven af kørsel af

børn og unge, ældre og handicap mv. I forbindelse med hjemtagelsen im-

plementerede kommunen et nyt planlægningssystem leveret af SSD og Ra-

pidis, og ansatte nye planlæggere. Systemet sammenholder alle kommun-

ens kørsler og giver forslag til en effektiv planlægning af kørslen, som fort-

sat udføres af private vognleverandører. Siden hjemtagelsen har Hedensted

Kommune haft en samlet årlig besparelse på 4,4 mio. kr. på opgaven. Den-

ne er primært opnået ved reducerede kørselsomkostninger som følge af

bedre styring af ruteplanlægningen via den indkøbte løsning.

Kommune

Helsingør Kommune

Indbyggertal

62.875 (2022)

Teknologi

Fagområde

Periode

Kontakt

(links til e-mail)

Datamodeller

Sundhed og Omsorg

2021-

Sebastian Trautner

Helsingør Kommune har oplevet en

bedre udnyttelse af personalets tid i de

fire måneder løsningen har været i

drift.

4,3%

Forbedring af leveringsgrad

Siden idriftsættelsen af datamodellen i februar 2022 har Helsingør

Kommunes planlæggere øget leveringsgraden for plejepersonalet til 72

procent svarende til en stigning på 4,34 procent.

Leveringsgraden er beregnet som summen af medarbejderens tid brugt

hos borgere (fagsystemet KMD Nexus) divideret med medarbejderens

fremmødetid (trukket fra Opus). Kommunen ønsker at ramme 75 procent

inden udgangen af året, hvilket svarer til en besparelse på ca. 15 ÅV.

25%

Reduktion i vikarforbrug i juni 2022

En central gevinst for Helsingør Kommune ved at bruge det nye

planlægningsværktøj er at kunne reducere kommunens vikarforbrug.

Siden implementeringen i februar har kommunen øget leveringsgraden,

som betyder, at kommunens medarbejdere kan nå flere borgere, hvilket

medfører en reduktion i vikarforbruget.

I juni måned 2022 har Helsingør Kommune formået at reducere

vikarforbruget med 25 procent blandt andet som følge af optimeret

planlægning af personalets kørsel.

Tidsmæssig effekt

Hvordan er

gevinster

opgjort?

Økonomisk effekt

Helsingør Kommune har endnu ikke

nogen økonomisk opgørelse af

effekterne af løsningen.

Kvalitetsforbedring

Løsningen hjælper planlæggerne i

Helsingør Kommune med at planlægge

mere effektivt.

Datapunkter

•

i beregning

Tid brugt hos borgere

Medarbejderes totale arbejdstid.

•

Udgifter til vikarer før og efter implementeringen.

•

ÆLU, Alm.del - 2022-23 (2. samling) - Bilag 46: Henvendelse af 2/7-2023 fra DigiRehab A/S om smart hjemmetræning i stedet for hjemmepleje

Case #7

Planlægning

professionalisering af hjemmeplejens planlægning gennem datamodellering

Hvordan er økonomien?

Helsingør Kommune forventer, at

datamodellen vil skabe en mere

effektiv planlægning, som både vil

aflaste og bistå de 16 planlæggere i

deres daglige arbejde, frigøre mere

tid til pleje af borgerne samt skabe

mere borgerkontinuitet til fordel

for borgeren.

Eftersom projektet og løsningen

fortsat er undervejs, har Helsingør

Kommune endnu ikke realiseret

nogen reelle gevinster og har heller

ikke grundlag for at opgøre

omkostningerne for udviklingen af

projektet, da kommunen stadig

forventer, at udviklingen, tests og

implementering vil foregå året ud.

Indtil nu har kommunen sam-

arbejdet med PA Consulting om at

udvikle datamodellen, som i

fremtiden skal anvendes af

økonomiforvaltningens Power BI-

team. Kommunen forventer derfor

at de årlige driftsomkostninger til

løsningen vil være personale-

udgifterne til dette team.

Dertil

forventer

Helsingør

Kommune, at når de har øget

leveringsgraden

blandt

pleje-

personalet, at de vil kunne realisere

frigørelse af tid svarende til ca. 15

ÅV.

Om løsningen: datadrevet

planlægning

Datadrevet planlægning kan gennemføres på mange

forskellige måder: både

som intelligente

datamodeller og gennem ibrugtagning af en række

private leverandørers løsninger og software-

systemer. Datamodeller kan både være simple

modeller eller avancerede AI-løsninger, hvor data

fra kommunen tages i brug for at få indsigt i den

nuværende planlægning og borgerhåndtering.

I dag findes der en række alternativer til datamodel-

ler i form af planlægningssystemer og -software fra

private leverandører. Her anvendes data fra kom-

munen og leverandørernes erfaringer til at udføre

en optimal planlægning.

Kom godt i gang!

Hvad kræver det at lykkes?

Organisatorisk forankring

Organisatoriske og tekniske kompetencer

Informations- og datasikkerhed

Store og omfattende projekter kræver et

stort organisatorisk fokus

Helsingør Kommune har erfaret, at når man skal

gennemføre et stort og omfattende projekt, som har til

formål at ændre i tidligere arbejdsgange, kræver det et

stort organisatorisk fokus. Det handler særligt om, at

projektet bliver anset som en strategisk indsats fra

ledelsen, hvilket samtidig betyder, at prioriteringen af

projektet kan blive på bekostning af andre ting. Denne

afvejning og forventningsafstemning er vigtig at få på

plads tidligt i projektet for at sikre en fælles spilleplade.

Udviklings- og implementeringsprojekter

med nye arbejdsgange tager tid

Det tager tid at implementere nye løsninger og ændre i

eksisterende arbejdsgange. Helsingør Kommune er

blevet forsinket med udviklingen undervejs, hvilket

særligt er sket, fordi man har undervurderet, hvor

mange afledte opgaver og beslutningsbehov, der

opstår løbende. Det kan konkret være at beslutte en

ensartet ramme for, hvor meget dokumentationstid

forskellige faggrupper skal have. Kommunen har valgt

at nedsætte en intern projektgruppe, som arbejder

med at skabe ramme og beslutningsfokus for projektet.

Borger- og personaledata kræver den

rette håndtering og behandling

Datamodellen, som Helsingør Kommune har udviklet,

bruger data på en hensigtsmæssig måde til at bistå

planlæggerne i deres planlægningsopgaver. Det har

derfor været vigtigt i projektet at fokusere på, at data

blev håndteret korrekt, og at diverse dataretningslinjer

og GDPR blev overholdt. Derudover har det været

vigtigt for Helsingør Kommune, at fagpersonalet har

bidraget til en forståelse af dataene, således at de

rigtige konklusioner og vurderinger præsenteres for

planlæggerne i deres daglige arbejde.

Hav blik for politiske beslutnings-

processer.

I Helsingør Kommune

skulle projektet godkendes politisk,

hvilket kan tage tid.

Intern organisering

skal være på

plads for løbende at gribe bolde. Alle

skal være i stand til at lægge den tid,

som et sådan projekt kræver.

ÆLU, Alm.del - 2022-23 (2. samling) - Bilag 46: Henvendelse af 2/7-2023 fra DigiRehab A/S om smart hjemmetræning i stedet for hjemmepleje

Case #8

Brugerstyring

–

automatisering af håndtering af brugeradgange

Hvad handler casen om?

Københavns Kommune har siden 2019 i samarbejde med Omada udviklet en

brugerstyringsplatform baseret på et IGA-system (Identity, governance and

administration) til styring af medarbejderes adgange til mere end 300

systemer. Siden idriftsættelsen i 2020 er Københavns Kommune gået fra at

have 30 til blot seks medarbejdere i brugeradministrationen.

Automatisk brugerstyring mindsker procestid og lukker sikkerhedshuller

Udviklingsprojektet af en brugerstyringsplatform opstod ud fra et sikker-

hedsmæssigt hensyn. Københavns Kommunes håndtering af system-

rettigheder har tidligere været båret af et egenproduceret ticket-system,

som var en tung personbåret proces, og som førte til kritiske huller i it-

sikkerheden. Siden 2019 har Københavns Kommune sammen med en

ekstern leverandør udviklet en brugerstyringsplatform, som effektivt styrer

adgangen for mere end 37.500 it-brugere og har reduceret den manuelle

behandling af sager fra 510.000 til 70.000 om året. Dertil giver løsningen et

effektivt og forbedret overblik for ledere i fagområderne, hvor de rigtige

adgange gives, og adgange fjernes med det samme, når de ikke længere er

aktuelle, for eksempel ved opsigelser. Det har blandt andet haft den

Forventede

gevinster,

per år

sidegevinst, at kommunen i dag ikke betaler for adgange, som ikke bruges.

Platformen har reduceret mængden af manuelt arbejde i forbindelse med

brugeradgange med 80 procent og afkortet behandlingstiden, som i de

fleste tilfælde er gået fra cirka 10 dage til at træde i kraft med det samme.

Udover

store

besparelser

på

arbejdskraft

hos

har

brugerstyringsplatformen store positive effekter for brugerne ude i

fagområderne, der nu kan være sikre på at have en mail og oftere også de

helt rigtige adgange, når de starter job i kommunen.

Et andet eksempel: Herning Kommune

Herning Kommune har siden efteråret 2021 arbejdet med smartere

brugerstyring, da kommunen alene på sundheds- og ældreområdet har haft

over 4.200 brugerændringer i løbet af 1,5 år. Med interne ressourcer har

kommunen udviklet en integreret model for alle oprettelser af nye

medarbejdere. Indledningsvis via Microsoft Power Apps og nu via

SharePoint. Løsningen sørger for, at bruger- og personaleinformation, som

oftest skal bruges i flere forskellige systemer, kun afgives et sted. Dette er

med til at reducere fejl og spare tid hos medarbejderne.

Kommune

Københavns Kommune

Indbyggertal

644.431 (2022)

Teknologi

Fagområde

Periode

Kontakt

(links til e-mail)

Systemer til identity, governance

and administration (IGA)

Tværfaglig løsning

2019-

Anders Reuter

Københavns Kommune har reduceret

antal ÅV i brugeradministrationen med

80 procent - fra 30 til seks.

80%

ÅV sparet per brugeroprettelse

Siden idriftsættelsen har Københavns Kommune

formået at reducere det manuelle arbejde i

brugeradministrationen med 80 procent (fra 30

til seks ÅV). Besparelsen er sket ved

automatisering af sagsbehandlingen af bruger-

adgange, hvor mere end 2.500 systemadgange

bestilles ugentlig og oprettes automatisk. Der er

dog fortsat et behov for manuel sagsbehandling

til håndtering af særlige medarbejdertyper og

systemer, der ikke er integreret med platformen.

Antal medarbejdere ansat i

brugeradministrationen før og efter

implementering af brugerstyringsplatformen.

0 dage

Procestid for at oprette en ny bruger

Tidligere har Københavns Kommune haft et

servicemål for brugeroprettelser på 10 dage.

Med implementeringen af brugerstyrings-

platformen er procestiden for de mere end

438.000 sager, løsningen har behandlet, blevet

reduceret til nul dage. De fleste bestillinger

eksekveres nu automatiseret uden ventetid.

Dette har store positive effekter i fagområderne,

hvor man oftest får de rette adgange fra start og

hurtigt får dem rettet, hvis der er sket fejl.

•

Service level agreement

Gennemsnitlig procestid efter implementering.

6 ud af 7 brugere

Oprettes automatisk i dag

Københavns Kommune har i dag koblet mere end

300 systemer til brugerplatformen, mens

omkring 60 systemer brugerstyres decentralt i

forvaltningerne. Københavns Kommune er ikke

helt i mål med at koble alle systemer i

kommunen til platformen, men forventningen er,

at de sidste systemer er koblet til inden

udgangen af 2022. I dag håndteres 440.000 ud af

i alt 510.000 systemoprettelser således

automatisk, svarende til seks ud af syv brugere.

•

Systemer tilkoblet platformen ud af totalen

Antal oprettelser håndteret automatisk af

platformen og manuelt af sagsbehandlere.

Tidsmæssig effekt

Hvordan er

gevinster

opgjort?

Økonomisk effekt

Københavns Kommune forventer at

opnå en samlet nettogevinst på 7 mio.

kr. efter fem års drift af løsningen.

Kvalitetsforbedring

Brugerstyringsplatformen giver en

sikker håndtering af systemadgange,

et effektivt ledelses-tilsyn og færre fejl i

oprettelser.

Datapunkter

•

i beregning

ÆLU, Alm.del - 2022-23 (2. samling) - Bilag 46: Henvendelse af 2/7-2023 fra DigiRehab A/S om smart hjemmetræning i stedet for hjemmepleje

Case #8

Brugerstyring

–

automatisering af håndtering af brugeradgange

Hvordan er økonomien?

Københavns Kommune har efter

tre års drift af brugerstyrings-

platformen opnået en positiv

nettogevinst, hvilket især skyldes

den store årlige besparelse i

manuel arbejdskraft.

Omkostningerne til brugerstyrings-

platformen

består

engangsinvestering på cirka 8 mio.

kr. til udvikling, indkøb af hardware

og software samt implementering.

Efter idriftsættelsen er der en årlig

omkostning på cirka 6 mio. kr. til

drift, licenser, videreudvikling og

vedligehold.

Der sidder i dag seks medarbejdere

i brugeradministrationen, og det er

forventningen, at man fortsat vil

have behov for manuel håndtering

af en række sager.

Københavns Kommune har med

brugerstyringsplatformen formået

at reducere arbejdsbyrden med 80

procent, hvilket svarer til en årlig

gevinst på cirka 12 mio. kr.

Efter fem år i drift forventer

Københavns Kommune at have en

samlet nettogevinst på 7 mio. kr.,

hvilket vil give et return on

investment på 13,2 procent.

Mio. kr.

Omkostninger

Gevinster

Nettogevinster

Investeringsoverblik

Om løsningen: IGA-system

IGA-systemer er en samlet betegnelse for

softwareløsninger, som kan bruges til at

automatisere eller kontrollere processer, som

håndterer identiteter, brugere, systemadgange og

adgangsrettigheder på tværs af systemer.

IGA-systemer kan blandt andet hjælpe med

bestilling og godkendelse af adgangsrettigheder

samt levering af et effektivt og kvalitetssikret

ledelsestilsyn med overblik over medarbejdere og

anvendte adgange i form af analyser og rapporter.

2019

-10

2020

2021

2022

2023

2024

Figur 7:

Opgørelsen er baseret på regnskabstal fra Københavns Kommune, hvor omkostninger

især består af en investering i udvikling og implementering af platformen samt løbende drift-

omkostninger. Gevinsten består af den samlede besparelse på 80 procent i ÅV i brugerstyring,

som Københavns Kommune har opnået. De stiplede linjer mellem 2022 og 2024 er en

forventning til den fremtidige udvikling, baseret på forventninger fra Københavns Kommune.

Kom godt i gang!

Hav styr på rollebeskrivelser og

standardadgange tidligt.

Prædefine-

rede roller og adgange giver en

mere effektiv brugerstyring.

En tæt dialog med og styring af

leverandør

er med til at sikre

fremdrift og afklaring i løbet af

projektet.

Få styr på governance af data tidligt

i processen.

Det er vigtigt at have et

klart billede af, hvordan data skaffes,

behandles og opbevares.

Hvad kræver det at lykkes?

Teknologiens modenhed og karakteristika

Organisatoriske og tekniske kompetencer

Organisatorisk forankring

Der er behov for at have styr på HR-data

på tværs af organisationen

Københavns Kommune har siden 2010 arbejdet på at

strømline indsamlingen, behandlingen og vedligeholdet

af HR-data på tværs af organisationen. Her er man gået

fra at have forskellige masterdatafiler i forvaltningerne

til at have et ensartet format og en ensartet portal.

Dette omfattende arbejde har siden vist sig at være en

central teknisk betingelse for arbejdet med bruger-

styringsplatformen, da det er nødvendigt let at kunne

sammenligne medarbejdertyper og adgange på tværs.

Styring af brugeradgange kræver et

omfattende overblik over processer

Etableringen af brugerstyringsplatformen har både

været et stort teknisk og forretningsprojekt. Det har

været vigtigt for brugerstyringsplatformens ydeevne,

at Københavns Kommune tidligt har haft styr på de

arbejdsprocesser, som skulle automatiseres i

platformen, samt havde det rette overblik og styring af

de mange delprojekter og

–processer,

som kørte

sideløbende med udviklingsprojektet, og som direkte

påvirkede platformen.

Hvis der ikke skabes ejerskab i

fagområdet, kan løsningen ikke lykkes

Som følge af brugerstyringsplatformen har Køben-

havns Kommune haft et stort arbejde med at gennem-

føre forandringsprocessen i fagområderne både ift. at

tydeliggøre, hvordan platformen skal bruges, og hvor-

dan medarbejdere kan være med til at gøre platformen

bedre. Kommunen har erfaret, at opbakning og ejer-

skab i fagområderne er centralt for platformens succes.

Medarbejderne skal have forståelse for processerne og

en vejledning til, hvordan man kommer i gang.

ÆLU, Alm.del - 2022-23 (2. samling) - Bilag 46: Henvendelse af 2/7-2023 fra DigiRehab A/S om smart hjemmetræning i stedet for hjemmepleje

Case #9

AI aktindsigt

–

kunstig intelligens til automatisering af aktindsigtsprocessen

Hvad handler casen om?

Sønderborg Kommune har udviklet en aktindsigtsplatform, som ved hjælp af

RPA finder dokumenter, som er relevante for en aktindsigt baseret på et

specifikt CPR-nummer. Sønderborg har med RPA-løsningen formået at

reducere det manuelle arbejde i aktindsigtsprocessen i Børn, Uddannelse og

Sundhed med ca. 70 procent. I efteråret 2021 igangsatte Sønderborg, Vejen

og Fredensborg Kommune et videreudviklingsprojekt, hvor man ved hjælp af

kunstig intelligens skal kunne anonymisere følsomme oplysninger i akt-

indsigtsdokumenter. Projektet forventes færdigt ved udgangen af 2023.

Øget kvalitet og effektivitet i arbejdsprocessen

Fredensborg, Sønderborg og Vejen Kommune gik i efteråret 2021 sammen

om at udvikle en fælles AI-løsning, som bistår sagsbehandlerne i at

anonymisere relevante dokumenter i aktindsigtssager. Sammen med Public

Works udvikler kommunerne løsningen, som forventes at kunne reducere

arbejdstiden brugt på aktindsigter med 33-50 procent. Med løsningen

ønsker kommunerne at øge effektiviteten og sikre et stabilt kvalitetsniveau i

de arbejdsprocesser og opgaver, som kommunale medarbejdere skal

iagttage og løse i forbindelse med gennemgangen af dokumenter, som

Forventede

gevinster,

per år

indgår i en aktindsigtssag. De arbejdskraftsbesparende effekter viser sig ved

en reduktion i tid anvendt på aktindsigtsopgaven, og øget stabilitet i

kvalitetsniveauet skyldes en mere ensartet og hurtigere behandling af

aktindsigter. Dermed understøtter løsningen, at medarbejdere kan bruge

deres tid på mere kompetencekrævende opgaver i forbindelse med

aktindsigter. Med en kombination af Sønderborg Kommunes RPA-løsning,

som identificerer og indhenter en bruttoliste af relevante filer til

aktindsigten ud fra et CPR-nummer, og AI-løsningen, der bistår med

anonymiseringen, vil en kommune i fremtiden kunne automatisere store

dele af aktindsigtsprocessen, som er en tidskrævende opgave.

Gode resultater og god udviklingsproces bygger på agile arbejdsmetoder

Sønderborg Kommune, som har projektledelsen, har i udviklingsprojektet af

AI-løsningen arbejdet ud fra agile metoder, hvor både agile artefakter,

sprints og ceremonier er blevet implementeret. Sønderborg Kommune har

oplevet, at den agile metode har været med til at sikre projektets succes, og

metoderne har derfor også fundet vej til andre projekter i kommunen.

Kommune

(indbyggertal)

Fredensborg Kommune (41.211)

Sønderborg Kommune (73.711)

Vejen Kommune (42.596)

AI, NLP og RPA

Flere fagområder

2021-

Frederik Ehlers Feldborg

Jesper Schmidt

Vibeke Claudia Møller Jensen

Fredensborg, Vejen og Sønderborg

Kommune forventer at reducere

behandlingstid med 33-50 procent.

Teknologi

Fagområde

Periode

Kontakt

(links til e-mail)

33-50%

Reduktion af tid på aktindsigt

Fredensborg, Vejen og Sønderborg Kommune

forventer at reducere kommunernes arbejdstid i

forbindelse med aktindsigter med omkring 33-50

procent. Denne reduktion er baseret på skøn fra

de tre kommuner ud fra indledende tests og er

derfor behæftet med en betydelig usikkerhed.

Sønderborg Kommune har dog dokumenteret en

tidsmæssig besparelse på omkring 70 procent på

RPA-løsningen, hvilket har lettet arbejdsbyrden

betragteligt.

1.460 kr.

Besparelse per aktindsigt

Med en samlet årlig nettogevinst på knap 4 mio.

kr. forventer kommunerne at spare ca. 1460 kr.

per aktindsigt ved anvendelse af AI-løsningen.

Nettogevinsten er beregnet som det samlede

tidsforbrug brugt på aktindsigter reduceret med

33 procent og divideret med det samlede antal

sager, de tre kommuner tilsammen forventer at

gennemføre i løbet af et år. Nettogevinsten er

behæftet med en betydelig usikkerhed, da

reduktionen i behandlingstid er skønsbaseret.

Tid per sag

Timepris

•

Antal sager

Reduktion i tid.

2.550 sager

Behandlet i AI-løsningen årligt

På tværs af de tre kommuner gennemføres i alt

2.550 aktindsigtssager om året for de forvaltning-

er, som kommunerne implementerer AI-løsning-

en i. Sønderborg Kommune implementerer

løsningen i fem forvaltninger, hvor der forventes

at være cirka 1.000 sager årligt. I Vejen og

Fredensborg Kommune implementeres løsningen

i to forvaltninger, som forventes at have

henholdsvis 1.150 og 400 sager årligt. Løsningen

forventes at kunne skaleres til flere forvaltninger.

•

Antal udførte sager årligt per forvaltning.

Tidsmæssig effekt

Hvordan er

gevinster

opgjort?

Økonomisk effekt

Den forventede tidsreduktion vil

medføre en årlig gevinst på cirka 3,7-

5,6 mio. kr., hvilket vil give en positiv

nettogevinst det første år.

Kvalitetsforbedring

AI-løsningen forventes både at øge

effektiviteten og at sikre et stabilt

kvalitetsniveau i sagsbehandlingen.

Datapunkter

•

i beregning

Tid anvendt på sagsbehandling før og efter

•

implementering af AI-løsning.

•

ÆLU, Alm.del - 2022-23 (2. samling) - Bilag 46: Henvendelse af 2/7-2023 fra DigiRehab A/S om smart hjemmetræning i stedet for hjemmepleje

Case #9

AI aktindsigt

–

kunstig intelligens til automatisering af aktindsigtsprocessen

Hvordan er økonomien?

Udviklingsprojektet om en AI-

løsning til aktindsigter hos Sønder-

borg, Vejen og Fredensborg Kom-

muner er finansieret som et AI-

signaturprojekt med midler fra en

statslig investeringsfond. Samlet

har projektet modtaget 4,7 mio.

kr., hvoraf en del går til finansiering

af de enkelte kommuners interne

ressourcers tidsforbrug og projekt-

ledelse, mens den anden del af

midlerne går til Public Works, som

udvikler AI-løsningen og sprog-

modellerne.

Baseret på indledende tests og

skøn forventer de tre kommuner at

opnå en reduktion i arbejdstid på

33,3-50 procent, når løsningen er

færdigudviklet. Figuren til højre

illustrerer den samlede gevinst for

de tre kommuner indenfor det for-

ventede reduktionsspænd. Gevin-

sten forventes at ligge mellem 3,7-

5,6 mio. kr. årligt.

Gevinsterne er opgjort ud fra et

gennemsnitligt antal sager, som

hver kommune forventer at hånd-

tere årligt, en gennemsnitlig

behandlingstid for aktindsigter i

dag og en gennemsnitlig timepris

for udførelsen af opgaven i dag.

Estimaterne og tallene fra kommu-

nerne er forbundet med nogen

usikkerhed og er delvist skøns-

baserede.

Det samlede investeringsoverblik for AI-løsningen, mio.kr.

5,6

4,7

Internt

1,2

1,9

50%

Om løsningen: NLP

Natural Language Processing (NLP) er en gren af

kunstig intelligens, hvor intelligente sprogmodeller

kan bruges til at gennemgå, analysere og behandle

store mængder tekst. I dag findes der mange

eksempler på anvendelse af NLP i den offentlige

sektor, for eksempler i chatbots og med virtuelle

assistenter samt i dikteringsløsninger, som er med til

at frigive tid i både service- og administrations-

funktioner. NLP kan i samarbejde med andre AI-

teknologier og åbne muligheden for at automatisere

flere typer opgaver, hvor skriftlige input skal

behandles.

Læs mere om NLP via KL’s videncenter ved at

scanne QR koden.

Eksternt

3,5

3,7

33%

Samlede udviklingsomkostninger

for de tre kommuner

Forventet gevinster for de tre kommuner

Figur 8:

Figuren viser en opgørelse af de samlede omkostninger, de tre kommuner har i forbindelse

med udviklingen af AI-løsningen og de forventede årlige gevinster forbundet med en reduktion af

sagsbehandlingstid på 33,3 procent eller 50 procent. Estimaterne er baseret på skøn fra de tre

kommuner.

Kom godt i gang!

Invester tid i indsamling og

behandling af data.

Det tager tid at

finde de rigtige data og variation i

eksempler til at teste løsningen med.

Prioriter kommunikation.

Når man

laver store udviklingsprojekter, er

der mange, som kun følger projektet

sporadisk.

Involvering af de fremtidige brugere

er med til at sikre, at den rigtige

løsning med den rette forståelse for

fagområdet udvikles i første forsøg.

Hvad kræver det at lykkes?

Organisatoriske og tekniske kompetencer

Informations- og datasikkerhed

Organisatoriske og tekniske kompetencer

Agile metoder og arbejdsprocesser

hjælper udviklingsprocessen

Sønderborg Kommune har tilrettelagt udviklings-

projektet efter agile metoder og værktøjer. Man har

oplevet, at metoden har givet en bedre involvering af

medarbejdere og har sikret hurtigere fremdrift, end

man har været vant til fra tidligere projekter, som har

fulgt en traditionel udviklingsmetode. Ibrugtagen af nye

projektmetoder vil kræve tilvænning hos nogle

medarbejdere, men Sønderborg Kommune har erfaret,

at dette kan afhjælpes ved at udpege tovholdere, som

hjælper med at sikre, at den rette metode anvendes.

Tidlig og løbende fokus på GDPR-

håndtering er nødvendigt

GDPR-regler og -forhold genererer mange spørgsmål

hos medarbejdere og brugere af løsningen, når der

udvikles digitale løsninger, som har berøringsflade med

personlige informationer, og det er samtidig et

område, hvor reglerne er nye og på mange områder

uprøvede. Kommunerne har derfor haft et gennemgå-

ende fokus på GDPR og har tidligt i udviklingsprojektet

blandt andet inddraget Kammeradvokaten, som har

gennemlæst og kommenteret på kommunens egne

risiko- og konsekvensanalyser i forhold til løsningen.

Medarbejdere har brug for undervisning

og support for at tage løsningen til sig

Medarbejdertilknytningen var en udfordring for Søn-

derborg Kommune, som tidligere har erfaret, at tidlige

og irriterende fejl i systemer og løsninger hurtigt får

medarbejdere til at vende tilbage til tidligere

arbejdsprocesser. Derfor har Sønderborg Kommune

også valgt at sætte ekstra meget fokus på

implementering og oplæring i projektet, hvor der både

har været flere fysiske og virtuelle undervisningsforløb,

og der er oprettet en hotline, hvor medarbejdere har

kunnet få support og hjælp fra eksterne ressourcer.

ÆLU, Alm.del - 2022-23 (2. samling) - Bilag 46: Henvendelse af 2/7-2023 fra DigiRehab A/S om smart hjemmetræning i stedet for hjemmepleje

Case #10

Dokumentgenkendelse

–

machine learning til visitering af dokumenter i personaleadministrationen

Hvad handler casen om?

Københavns Kommunes Center for Løn og Personale har udviklet en

Machine Learning-løsning (ML-løsning), som hjælper med at visitere

dokumenter i forbindelse med ansættelsesprocesser. ML-løsningen scanner

blandt andet vedhæftede dokumenter som børne- og straffeattester for

problematisk indhold og kontrollerer, om regler er overholdt, for eksempel

at en straffeattest ikke må være mere end tre måneder gammel. Siden

idriftsættelsen i 2021 har ML-løsningen visiteret mere end 57.000

dokumenter og sparet knap 1 ÅV.

Effektiv dokumentgenkendelse til at hjælpe presserende ansættelser

ML-løsningen scanner og analyserer dokumenter vedhæftet i forbindelse

med et ansættelsesforløb og vurderer, om den rette information og de

rigtige dokumenter er blevet vedhæftet. Hvis ikke, eller hvis ML-løsningen

er i tvivl, informeres sagsbehandleren herom, og sagen behandles manuelt.

Københavns Kommune valgte at udvikle løsningen hos Center for Løn og

Personale for at få en case med høj volumen og adgang til struktureret

information. Derudover har der været et konkret behov for at understøtte

Forventede

gevinster,

per år

sagsbehandlerne i forbindelse med ansættelser, fordi Københavns

Kommune håndterer mange ansættelser, herunder også mange

midlertidige ansættelser med kort varsel og skæve ansættelsesdatoer.

Siden implementeringen af løsningen har Center for Løn og Personale

oplevet en hurtigere sagsbehandling, bedre kvalitet og administrative

gevinster i form af sparet arbejde.

Stort arbejde i at få medarbejderne til at stole på løsningen

I dag er både driftsledelsen og sagsbehandlerne glade for ML-løsningen,

som hjælper med at sikre en høj ensartet kvalitetssikring i visitationen og

mindsker arbejdsbelastningen. Det har dog taget tid for sagsbehandlerne at

blive fortrolige med ML-løsningen. I begyndelsen havde medarbejderne

ofte et behov for at kontroltjekke, om løsningen nu også havde godkendt

de rigtige dokumenter eller havde markeret korrekt de steder, hvor der

manglede information. Der har derfor været behov for ekstra tid til at

forklare funktionalitet og kvalitet i løsningen. ML-løsningen har i dag

visiteret mere end 57.000 dokumenter siden 2021.

Kommune

Københavns Kommune

Indbyggertal

644.431 (2022)

Teknologi

Fagområde

Periode

Kontakt

(links til e-mail)

Machine learning (ML)

Løn- og personaleadministration

2021-

Mia Holm Cordes

ML-løsningen har været med til at

spare 1.088 timer på visitation af

dokumenter og reducere trykket under

spidsbelastning.

1.088 timer

sparet per år

Siden implementeringen af ML-løsningen har

Københavns Kommune sparet 1.088 timer i visi-

tering af dokumenter, svarende til 1,6 minutter

per dokument. Center for Løn og Personale har

formået at reducere det samlede tidsforbrug på

visitering af dokumenter, og løsningen håndterer

i dag ca. 70 procent af de dokumenter, som kom-

mer ind. De 1.088 timer er opgjort som forskellen

i den gennemsnitlige tid brugt per dokument før

og efter implementering af ML-løsningen.

70%

Dokumenter godkendt direkte af ML-løsningen

Med den nye ML-løsning bliver alle dokumenter i

ansættelsesprocessen screenet og godkendt, hvis

der ikke findes fejl. Ud af mere end 57.000

dokumenter har løsningen håndteret over 70

procent, og de resterende dokumenter behand-

les manuelt. Manuel håndtering sker, når doku-

mentet indeholder information, som skal god-

kendes af en sagsbehandler, eller et dokumentet

er mangelfuldt. Opgørelsen er lavet på baggrund

af gennemførte transaktioner i ML-løsningen.

Samlet antal transaktioner/dokumenter

Samlet antal godkendte dokumenter.

315.000 kr.

sparet ved anvendelse af ML-løsning

Med ML-løsningen har Københavns Kommune

gennem visiteringen af 57.000 dokumenter

formået at reducere den tid, der er anvendt per

dokument i ansættelsesprocesser, hvilket har

givet en nettobesparelse på knap 315.000 kr. Det

svarer til knap 1 ÅV. Beregningen er lavet ud fra

den tid, der er anvendt på visitering af de enkelte

dokumenttyper omregnet ved en effektiv

timepris fratrukket de årlige driftsomkostninger,

som er ca. 76.000 kr.

•

Samlet tid anvendt på

•

visitering af

•

dokumenter

Effektiv timepris

Driftsomkostninger

Tidsmæssig effekt

Hvordan er

gevinster

opgjort?

Økonomisk effekt

Siden implementeringen af ML-

løsningen har Københavns Kommune

sparet knap 430.000 kr. svarende til

0,9 ÅV.

Kvalitetsforbedring

ML-løsningen håndterer 70 procent af

dokumenterne, hvilket giver plads til at

fokusere på andre mere værdi-

skabende opgaver.

Datapunkter

•

i beregning

Tid anvendt per dokument før og efter

•

implementering af ML-løsning.

•

ÆLU, Alm.del - 2022-23 (2. samling) - Bilag 46: Henvendelse af 2/7-2023 fra DigiRehab A/S om smart hjemmetræning i stedet for hjemmepleje

Case #10

Dokumentgenkendelse

–

machine learning til visitering af dokumenter i personaleadministrationen

Hvordan er økonomien?

Københavns Kommune har udviklet

og idriftsat en ML-løsning i

samarbejde med Devoteam og

Koncern IT. Det samlede investe-

ringsniveau for løsningen er på 1,2

mio. kr., som har dækket udgifter

til ekstern leverandør og Koncern

IT, udviklingsomkostninger til proof

of concept og idriftsættelse af ML-

løsningen. Interne timer til Center

for Løn og Personale er ikke

opgjort.

Siden idriftsættelsen af ML-

løsningen har Københavns Kommu-

ne haft årlige driftsomkostninger

på ca. 76.000 kr. Driftsomkost-

ningerne dækker over udgifter til

interne ressourcer fra flere teams.

Effektiviseringsgevinster er årligt på

cirka 427.000 kr. svarende til 0,91

ÅV. Effektiviseringsgevinsten er op-

nået ved en reduktion i tiden

anvendt per dokument, fordi ML-

løsningen i dag håndterer kvalitets-

sikringen i ca. 70 procent af ansæt-

telsessagerne i Københavns Kom-

mune.

Mio. kr.

2,5

2,0

1,5

1,0

0,5

0,0

2020

-0,5

-1,0

2021

2022

2023

2024

2025

Omkostninger

Gevinster

Nettogevinster

Investeringsoverblik

Om teknologien: machine learning

ML anvender kunstig intelligens til at træne præ-

definerede modeller med data. Datamodellerne kan

med ML løse en række veldefinerede opgaver, hvor

der kan sikres en høj træfsikkerhed i opgaveløs-

ningen, da ML løbende trænes ved anvendes af nye

datapunkter.

Det kræver ofte en kompetent dataanalytiker at

opbygge og vedligeholde en ML-datamodel, hvor

man skal være opmærksom på at undgå biases og

utilsigtet forskelsbehandling i opgaveløsningen.

Samlet har Københavns Kommune i

dag en nettogevinst på 315.000 kr.

årligt, hvilket betyder, at kommu-

nen forventer en tilbagebetalings-

tid på lidt under fem år.

-1,5

Figur 9:

Opgørelsen er baseret på regnskabstal fra Københavns Kommune. Tallene består af

investeringsomkostninger ved opstart og udvikling af ML-løsningen, løbende driftsomkostninger

til vedligehold af ML-løsningen og gevinster opgjort som tid sparet i sagsbehandlingen grundet

reduceret tid brugt per dokument. Fra 2022 vises den forventede økonomiske udvikling.

Læs mere om ML via KL’s videncenter ved at

scanne QR koden.

Kom godt i gang!

Hvad kræver det at lykkes?

Organisatorisk forankring

Organisatoriske og tekniske kompetencer

Teknologiens modenhed og karakteristika

Hav styr på processer, inden du går

i gang.

Hav en centraliseret kontrol

af ansættelser.

Saml det rette team fra start.

Hav

fagområdet og udviklerne med inde

over fra start, og hav en udviklings-

konsulent til at styre processen.

Hav respekt for data.

Det kræver en

god datakvalitet at kunne bygge ML.

Slutbrugerne skal være en fast del af

udviklingsprocessen

Når man igangsætter store udviklingsprocesser, hvor

ny teknologi skal indgå i store procesopgaver, har

Københavns Kommune oplevet, at det har været vigtigt

at inddrage de sagsbehandlere, som har den konkrete

indsigt i sagsprocesserne. Det er centralt for det

endelige produkt, at sagsbehandlerne indgår i

udviklingsarbejdet, og at der etableres et godt

samarbejde mellem forretningen og udviklerne, så den

rette forretningsforståelse indarbejdes i løsningen,

hvilket også sparer udviklingstid i sidste ende.

Sagsbehandlerne skal blive fortrolige med

ML-løsningen for at den bliver en succes

Det er essentielt for en løsnings succes, at brugerne

inddrager ML-løsningen i deres daglige arbejdsgange

og bliver fortrolige med den. Københavns Kommune

har oplevet, at det er nødvendigt at arbejde aktivt med

at ændre sagsbehandlernes adfærd, hvilket tager tid og

ofte længere tid end forventet. Det har især fungeret

for Københavns Kommune, når lederne har været

opmærksomme på at tage ansvaret på sig, så

sagsbehandlerne ikke føler, det er deres ansvar, hvis

ML-løsningen laver en fejl.

Det tager tid at finde de rette data og at

optræne ML-løsningen på disse

Det har været en meget større opgave end forventet at

finde de rette data og sammensætte træningsmaterial-

et, som ML-løsningen kunne trænes på. Selvom løs-

ningen visiterer en række strukturerede dokumenter,

har det vist sig, at der i arbejdet med dokumenter

inden for eksempelvis fratrædelser kan være mange

måder at formulere en fratrædelse på, hvilket har

udfordret træningen af ML-løsningen. Københavns

Kommune har blandt andet overvejet om skabeloner

eller elektroniske blanketter kan løse denne udfordring.

ÆLU, Alm.del - 2022-23 (2. samling) - Bilag 46: Henvendelse af 2/7-2023 fra DigiRehab A/S om smart hjemmetræning i stedet for hjemmepleje

A N B E FA L I N G E R T I L

D E N

SUCCESSFULDE IMPLEMENTERING

D I G I TA L E L Ø S N I N G E R

ÆLU, Alm.del - 2022-23 (2. samling) - Bilag 46: Henvendelse af 2/7-2023 fra DigiRehab A/S om smart hjemmetræning i stedet for hjemmepleje

Hvad oplever kommunerne som særligt vigtigt at have styr på, når de implementerer digitale løsninger?

Kommunerne har beskrevet en række forhold, de ser, som forudsætninger for at opnå succes, når der skal implementeres

digitale løsninger. Nedenfor er lavet en opsamling på deres anbefalinger for at lykkes med ”det lange seje træk”.

Overblik over og beskrivelse af de seks hovedtemaer

6 Temaer går igen som kritiske succesfaktorer

I case-kataloget er det beskrevet, hvilke forudsætninger kommunerne har

oplevet som centrale for, at udviklingen og implementeringen af deres digitale

løsning blev en succes.

Der er flere af de forudsætninger, som går igen på tværs af eksemplerne. I

boksene til højre er erfaringerne sammenfattet i seks hovedtemaer, som på

de to følgende sider udfoldes med en række konkrete eksempler på typiske

udfordringer og måder at håndtere de udfordringer på.

Organisatorisk forankring

Implementeringsprojekter og nye løsningers succes afhænger

ofte af, hvordan løsningen modtages i organisationen, og om

der i organisationen er nogle ildsjæle, som er med til at drive

forandringen og de nye arbejdsgange. Det kræver ofte en vis

vedholdenhed og ledelsesmæssig prioritering.

Teknologiens modenhed og karakteristika

Hvorvidt en digital løsning eller ny teknologi reelt løser en

udfordring og bliver anvendt i organisationen kan afhænge af,

om den teknologi, man har valgt at anvende, er moden nok til

at kunne bruges i praksis, og om dens karakteristika faktisk

matcher det eksisterende behov i organisationen.

Klassiske projektdyder er fortsat i fokus

De seks temaer og de underliggende anbefalinger fra case-kommunerne

rummer en række klassiske

”projektdyder”.

Men drøftelserne med

kommunerne i casekataloget peger på, at unødigt komplicerede projektforløb

eller manglende succes ofte skyldes at man ikke har haft nok fokus på

velkendte implementeringsgreb.

Organisatoriske og tekniske kompetencer

For at en løsning skal komme ud over rampen, er der behov for

både at de medarbejdere, som skal bruge løsningen, har de

rette kompetencer, og at organisationen er gearet til at

opbygge og vedligeholde disse kompetencer.

Borgernes kompetencer

Det er relevant at have for øje, hvem løsningen udvikles til, og

hvem der i sidste ende skal bruge den. Her bør man være

opmærksom på det eksisterende kompetenceniveau og vur-

dere, om der er behov for yderligere uddannelse og træning

mv.

Informations- og datasikkerhed

Ny teknologi og digitale løsninger anvender ofte data, som kan

have varierende grader af følsomhed. Der kan derfor være

ekstra behov for at styrke det juridiske spor i denne type

implementeringer, så data behandles, bruges og opbevares

korrekt. Dette er i mange sammenhænge stadig en ny og

anselig opgave med usikkerhed og plads til fortolkning.

Finansiering af løsningen

Udvikling og implementering af store nye løsninger kan være

en omkostningstung investering og en udgiftspost for mange

kommuner. Eftersom disse løsninger ofte udvikles i en central-

forvaltning til en fagforvaltning med midler fra en fælles pulje,

kan der opstå uklarheder internt om, hvem der skal afholde

udgifterne efter idriftsættelsen, hvis det ikke er afstemt.

ÆLU, Alm.del - 2022-23 (2. samling) - Bilag 46: Henvendelse af 2/7-2023 fra DigiRehab A/S om smart hjemmetræning i stedet for hjemmepleje

Ledelsesmæssig forankring, fagområdets ejerskab og en sammenhængende digital strategi

Kommunerne fremhæver, at det er særligt vigtigt at have opbakning fra ledelsen igennem hele projektet, at der er styr på

fordelingen af ansvar og roller, samt at fagområdet tidligt tager ejerskab for løsningen. Derudover skal den valgte

teknologi skal være tilstrækkelig moden og hænge sammen med en samlet plan for kommunens digitale udvikling.

Organisatorisk forankring

1) Ledelsesmæssig opbakning og klart definerede roller

Case-kommunerne oplever, at ledelsesforankring og klart definerede roller er centrale forudsætninger for, at

lykkes når man skal udvikle og ibrugtage nye digitale løsninger. Ledelsen skal bakke op om initiativet og

løsningen for at sikre de nødvendige ledelsesmæssige prioriteringer, og der skal laves en klar afstemning af

hvilke personer og områder, der ejer hvilke roller og ansvarsområder. Typiske udfordringer er her, at der ofte

pågår mange udviklingsprojekter samtidig, eller at der sker udskiftning i personale, hvilket gør det vanskeligt at

holde ledelsesfokus på det enkelte projekt over tid. Dette er en udfordring, der ses hyppigt og som generelt

har stor betydning for en løsnings succes.

Anbefalede tiltag

•

Sikr ledelsesmæssig prioritering af de nødvendige ressourcer til alle faser i teknologiprojektet– lige fra

analyse og udvikling til implementering af den færdige løsning.

•

Hav en præcist afstemt beskrivelse af hvem, der har hvilke roller og ansvarsområder både under og efter

projektet fx systemejer, procesejer, vedligehold, support.

Teknologiens modenhed og karakteristika

1) Teknologien skal give mening for medarbejdere og brugere

Omfanget af nye teknologier og digitale muligheder er enormt, og det er vanskeligt at afgøre hvilke digitale

tiltag, der skal prioriteres over andre på en systematisk og struktureret vis. Det øger risikoen for en

fragmenteret digital infrastruktur, hvor tilfældig knopskydning kan udgøre et større element end ønskeligt.

Anbefalede tiltag

•

Prioriterer hvilke af organisationen udfordringer og behov, der skal løses med teknologi, så man fokuserer

sin indsats.

•

Kig på, hvordan teknologien matcher medarbejdernes behov og kompetencer, samt om der er erfaringer

med løsningen andre steder, som man kan tage ved lære af.

Skab en sammenhængende digital strategi, der sikrer samspil mellem de digitale løsninger, man har

prioriteret i sit digitale økosystem, og giver størst mulig værdiskabelse per investeret krone.

Få

”implementeret

bund”

og udnyttet mulighederne i allerede eksisterende løsninger fuldt ud før man

bygger nye løsninger.

2) Fagområdets ejerskab

En af de vigtigste forudsætninger for om en ny digital løsning bliver en succes er, om fagområdet tager det

nødvendige ejerskab for løsningen både i design-, udviklings-, implementerings- og driftsfasen.

Sikring af ejerskab i fagområdet udfordres ofte af, at driften i en travl hverdag ikke kan afsætte de bedste

ressourcer i det nødvendige omfang til udvikling af nye tiltag. Det øger risikoen for en utilstrækkelig løbende

inddragelse af fagområdet og dermed en gradvis afkobling af denne, der ofte giver udslag i manglende

forståelse for, hvad løsningen kan, og hvorfor den er en

”god idé”.

Samtidig øger det også risikoen for, at

udviklingen af løsningen får et skævt fokus, som ikke matcher fagområdets behov.

Anbefalede tiltag

•

Sikr at de rette personer med mest relevant viden inddrages i nødvendigt omfang i både design og

udvikling af løsning.

•

Sikr at der findes ambassadører der er gode til at kommunikere om løsningen og som kan bidrage til at

holde fokus på at få implementeret i bund, når den er implementeret.

2) Undervurder ikke arbejdet med data

Det tager ofte længere tid at skaffe adgang til og behandle data end forventet og samtidig er datakvalitet og -

strukturer er samtidig knap så gode som man troede. Det risikerer ofte enten at besværliggøre eller

umuliggøre den ønskede digitale løsning, hvis man ikke har lavet en tilstrækkelig grundig screening af hvad de

datamæssige rammer for en løsning reelt er. Sikring af kvalitet i det datamæssige fundament er et langt sejt

træk, der kræver en løbende indsats over tid og som alle kommuner står overfor i dag.

Anbefalede tiltag

•

Få styr på databehov og datakvalitet fra start af projektet

–

gerne et spadestik dybere end normalt.

•

Vær realistisk i estimeringen af ressourcebehov ifm. dataarbejdet. Det tager ofte længere tid end man

forventer.

Igangsæt en strømlining af dataindsamlingsprocessen før udviklingen påbegyndes.

ÆLU, Alm.del - 2022-23 (2. samling) - Bilag 46: Henvendelse af 2/7-2023 fra DigiRehab A/S om smart hjemmetræning i stedet for hjemmepleje

Inddrag brugerne i udviklingen, prioriter forandringsledelsen og start med de borgere der kan og vil

Kommunerne fremhæver, det som særligt vigtigt at man løbende validerer, at man løser et reelt behov, at slutbrugerne er

tæt på udviklingsarbejdet samt, at der prioriteres tilstrækkelige ressourcer til forandringsledelsen, når løsningen skal

tages i brug. Derudover ses frivillighed som et godt princip for udrulning til borgere - i hvert fald til en start.

Organisatoriske og tekniske kompetencer

1) Udviklingsteamet skal have den rette indsigt i fagområdet

Udviklingsprojekter kan vare længe og det gælder også den efterfølgende implementering. Flere kommuner

fremhæver, at det er vigtigt, at de rette tekniske og forretningsmæssige kompetencer er tilstede i

udviklingsteamet, så den nødvendige faglighed indarbejdes i løsningen, som en integreret del af

udviklingsarbejdet, da det dels sikrer større værdi for brugerne, færre tilretninger til sidst i projektet og en

kortere implementeringsfase, fordi løsningen bare giver bedre mening for dem, der skal bruge den.

Anbefalede tiltag

•

Vær opmærksom på, at man ikke tænker projektet som et rent

”it-projekt”

fra udviklingsteamets side, og

husk, at man bygger et produkt for fagmedarbejderne til deres nytte og gavn.

•

Vær sikker på, at fagområdet kan prioritere de rigtige ressourcer i det nødvendige omfang til

udviklingsprojektet. Det kan ofte være svært i en travl hverdag at trække gode medarbejdere ud af

driftsopgaver i en længere periode, men det er ofte nødvendigt, hvis digitale projekter skal lykkes.

Husk, at de fordele, som udviklingsteamet ser ved løsningen, ikke nødvendigvis er åbenlyse for brugerne,

for hvem løsningen skal indpasses i eksisterende vaner, arbejdsgange og it-setup. Derfor er det vigtigt at

inddrage fagområdet, så man løbende får feedback på fordele og ulemper ved et nyt digitalt tiltag.

Borgernes kompetencer

1) Start med borgere, som har lyst til at bruge løsningen

Når en ny løsning er rettet mod borgere, er det særligt vigtig, at løsningen introduceres hensigtsmæssigt, og at

borgerne tidligt møder eksempler, der demonstrerer løsningens værdi for dem. Flere kommuner har haft gode

erfaringer med at starte udrulningen af en løsning hos borgere, som både har lysten og evnerne at lære om

løsningen.

Anbefalede tiltag

•

En frivilligordning kan være et godt sted at starte, når man skal tage nye digitale løsninger i brug, da det

kan give vigtig erfaring med, hvordan både medarbejdere og borgere oplever løsningen, samt hvordan

borgere bedst introduceres til den. Disse erfaringer kan dernæst bruges i en bredere udrulning.

•

Vær opmærksom på, at der efter en periode med en frivilligordning kan være brug for at

”markedsføre”

digitaliseringsinitiativ mere intensivt over for de relevante borgergrupper, hvis løsningen skal udrulles

bredt. Her kan der med fordel inddrages gode erfaringer fra den første bølge af indrullerede borgere.

•

2) Medarbejderne har brug for undervisning og løbende support

Hvis en ny løsning skal blive en succes og skabe en positiv effekt, kræver det, at medarbejderne og de interne

brugere har de rette kompetencer, forstår formålet og bliver fortrolige med løsningen. Kommunerne oplever,

at der er behov for at afsætte god tid til intern oplæring, eksempelvis gennem løbende undervisning og en

udvidet adgang til støtte og hjælp, når løsningen lanceres.

Anbefalede tiltag

•

Afsæt tid og ressourcer, og lav en klar plan for hvilken information og oplæring de fremtidige brugere af en

løsning skal modtage forud for og i forbindelse med lanceringen af en løsning.

2) Borgere skal have support til at bruge løsningen

Borgere har vidt forskellige udgangspunkter for at tilegne sig nye digitale løsninger. Derfor vil der ofte være

behov for at afklare, hvilke borgere der er i målgruppen for en løsning, at implementere løsningen i borgerens

tempo og at være opmærksom på risici for frustration i overgangsfasen. Dernæst kan det være en stor hjælp

for borgeren at lade medarbejdere, der allerede er kendte i hjemmet, introducere løsningen.

Anbefalede tiltag

•

Undgå, at introduktionen af nye digitale løsninger bliver for abstrakt eller teknisk, og mød borgeren i

øjenhøjde. Hav et klart billede af, hvilke målgrupper der er i fokus og hvilke der ikke er. Dette bør også

indregnes i en eventuel businesscase, da det ofte kun er en del af arbejdet, en ny løsning kan lette.

•

Husk den personlige dimension, der handler om, at borgeren skal have tillid til, at løsningen er til for dem

samt at de kan finde ud af at bruge den. Her kan kendte medarbejdere og en praktisk fysisk gennemgang af

løsningen ofte være en kortere vej til succes end en app, pjece eller hjemmeside.

Bruge informationskanaler, sprog og teknikker, som de enkelte målgrupper er bekendt med og vant til at

forholde sig til. Ellers øges afstanden til borgeren unødigt.

•

Undgå at forandringsledelsen, der skal sikre den gode overdragelse af en løsning til brugerne,

nedprioriteres. En klassisk årsag til dette er, at der i løbet af projektet flyttes budget fra

implementeringsopgaven til udviklingen fordi den kræver mere end forventet.

•

ÆLU, Alm.del - 2022-23 (2. samling) - Bilag 46: Henvendelse af 2/7-2023 fra DigiRehab A/S om smart hjemmetræning i stedet for hjemmepleje

Brug færre data for at minimimere juridisk kompleksitet og få aftaler om finansiering på plads fra start

Kommunerne fremhæver det som særligt vigtigt, at brugen af persondata holdes til det strengt nødvendige for at

reducere den omfattende juridiske kompleksitet. Derudover ses valget af finansieringsmodel som et element, der

afhængigt af incitamenter kan fremme eller hæmme digitaliseringen.

Informations- og datasikkerhed

1) Indsamling af de rette data

Etablering af databaserede løsninger er komplekst, dels fordi juraen typisk omfatter både fagområdets regler

og generelle persondataregler, og dels er det et nyt felt, hvor både begrænset erfaring hos den enkelte

kommune og juridisk umodenhed på området giver usikkerhed om, hvad der kræves i projekter og i

driftssetup.

Anbefalede tiltag

•

Balanceringen mellem juridisk sikkerhed og udnyttelse af det potentiale, der ligger i data, kan være

vanskelig at afgøre præcist, og ofte ligger der en direkte sammenhæng mellem den tekniske løsnings

præstationer og mængden af forskellige information man fodrer den med

–

og altså dermed løsningens

juridiske kompleksitet.

•

Som hovedregel bør man alene inddrage data, som er strengt nødvendige for en teknisk løsning, og

samtidig bør man tilstræbe at man designer og indretter den tekniske løsning og organisatoriske

forretningsunderstøttelse af databehandlingen på en måde, der sikrer, at GDPR-krav og databeskyt-

telseshensyn sker som en integreret del i hele behandlingsforløbet; fx via pseudonymisering og kryptering

af data i transit. Det kan reducere de juridiske byrder, hvis man allerede i designet af løsningen har forsøgt

at undgå eller minimere behandlingen af personfølsom information

–

kendt som privacy by design.

Finansiering af løsningen

1) Finansieringsplanen skal være på plads før igangsættelse

Ved store innovative projekter og løsninger kan man ikke altid være sikker på gevinster de første år, hvis

udviklingen har løbet over flere år. Det gælder særligt når man arbejder med mindre modne løsninger, hvor

der kan være behov for at eksperimentere mere før en moden model findes. Derfor anbefaler flere

kommuner, at man forud for igangsættelsen af nye tiltag sikrer sig, at der er en klar aftale om, hvem der

afholder udgifterne til udviklingen, og hvordan finansieringen ser ud løbende, når løsningen er idriftsat, så men

ikke først begynder at overveje det, når løsningen er ved at være klar til at blive taget i brug.

Anbefalede tiltag

•

Flere kommuner beskriver, at et for stort fokus på effektiviseringer og udmøntning i besparelser kan

komme til at skygge for de gevinster, der knytter sig til kvalitet i opgaven, sikkerhed, borgerservice mv.

Flere kommuner nævner også, at det kan være en betingelse for at skabe store besparelser på sigt, at der

investeres fra en fælles pulje til en start. Bl.a. kan det hæmme nysgerrighed, involvering og ejerskab hos

fagområdet, hvis de frygter, at en ny løsning vil koste dem selv eller kollegerne jobbet.

2) Der skal være en plan for, hvem der afholder driftsudgifterne

Flere kommuner har erfaring med, at udviklingsomkostningerne til deres løsning blev finansieret fra fælles

puljemidler, men at man efter idriftsættelse har haft udfordringer med, at fagområderne ikke selv er indstillet

på at afholde driftsomkostningerne

–

også selvom det er fagområdet, der får gevinsterne af den.

Anbefalede tiltag

•

Man bør være opmærksom på hvilke typer af gevinster der knytter sig til en konkret digital løsning, og sikre

sig, at der er en aftale om, hvordan fordelingen af disse gevinster og omkostninger skal foregå, når

løsningen er i drift, da det typisk er lettere at aftale tidligt i forløbet.

•

Det er vigtigt, at der etableres en incitamentsmodel, der skaber de bedste forudsætninger for udrulningen

af nye løsninger. Overvej om der bør aftales en overgangsmodel til sikring af en fair fordeling af gevinster

og omkostninger, som skaber en bæredygtig model for udviklingen af den enkelte løsning og incitament

hos fagområdet, men som også generelt sikrer en bæredygtig økonomi i den digitale udvikling i

kommunen.

2) Inddrag eksperter til at sikre korrekt GDPR-håndtering

Det er en central udfordring og bekymring i kommunerne at sikre, at GDPR håndteres korrekt, når der

implementeres løsninger, hvor personfølsomme data indgår. Flere kommunerne har i forbindelse med deres

implementeringsprojekt rådført sig med eksterne eksperter, som ved gennemlæsning af materiale skal hjælpe

med at opbygge vedvarende kompetencer.

Anbefalede tiltag

•

Kvalitetssikring gennem ekstern bistand i et klart afgrænset omfang kan være en supplerende vej, men er

ofte også bekosteligt.

•

Når kommuner bygger nye løsninger fra bunden, hvor følsomme data indgår, er det tiltagende vigtigt, at

den nødvendige cybersikkerhed er på plads. Kommuner skal løbende have fokus dette både i udviklingen

og driften af løsningen.

ÆLU, Alm.del - 2022-23 (2. samling) - Bilag 46: Henvendelse af 2/7-2023 fra DigiRehab A/S om smart hjemmetræning i stedet for hjemmepleje

BILAG

I N S P I R AT I O N T I L AT

O P G Ø R E

EFFEKTER

ÆLU, Alm.del - 2022-23 (2. samling) - Bilag 46: Henvendelse af 2/7-2023 fra DigiRehab A/S om smart hjemmetræning i stedet for hjemmepleje

Arbejdet med gevinstrealisering starter med beslutningen om, hvilke typer gevinster man ønsker at opnå

Gevinstmåling starter allerede, når man designer et digitalt projekt. Her bør det besluttes, hvilke effekt- og gevinstmål der

er vigtige at måle, samt hvilken grad af præcision, der er behov for i opgørelsen.

Tidsbesparende teknologier giver mulighed for at klare opgaver lettere og hurtigere, og derved frigive tid til

mere kernevelfærd. Gevinstrealisering i kommunerne er fortsat et område, som fortjener opmærksomhed, når

der implementeres digitale løsninger. Selvom der er mange digitale tiltag, er der fortsat en mindre andel, der

har veldokumenterede effekter, både fordi det kan være svært at få greb om, hvad man kan få ud af digitale

løsninger og hvordan effekten dokumenteres. Afsnittet giver indsigt i, hvordan en kommune kan arbejde med

identificering af gevinster opnået ved ny teknologi og hvordan man konkret måler og beregner disse.

Overvej hvilke gevinster I håber at opnå, før I går i gang

Kommuner bør allerede i forbindelse med igangsættelsen af et nyt projekt etablere et gevinstbillede,

eksempelvis i form af et gevinsttræ, som en del af selve projektgrundlaget. Projektets formål er centralt i

forhold til at definere, hvilke typer af gevinster, der bør fokuseres på at måle og opnå i det konkrete projekt. I

den sammenhæng er det centralt, at ikke bare gevinsterne, men også målingen af dem er realiserbar samt at

indsatsen i forhold til at opgøre gevinsterne står mål med vidensbehovet. Det bør således overvejes:

•

Hvilke typer af gevinst man har behov for at måle.

Hvilke datatyper og

–kilder

man har til rådighed og hvilke man skal begynde at skabe.

Hvor mange ressourcer man har til rådighed til effektmålingerne.

Hvordan man sikrer, at målingen gennemføres.

Typer af gevinster, som kommuner kan forvente at opnå

Budget- og produktivitetsmæssige gevinster

Gevinsttypen omhandler initiativer, som er med til at nedbringe omkostninger i

kommunen gennem øget effektivitet eller produktivitet, eksempelvis hvis

omkostninger reduceres som følge af tid sparet ved en opgave fra

implementering af en ny teknologi, hvorved andre områder i forvaltningen kan

styrkes. Disse gevinsttyper vil altid kunne omregnes til kroner og ører.

Kvalitetsmæssige gevinster

Gevinsttypen omhandler initiativer, som ikke kan opgøres i kroner og ører, men

hvor gevinsten består i fx øget oplevet kvalitet, service eller trivsel. Gevinsttypen

kan deles op i følgende typer:

•

Øget kvalitet i opgaveløsningen, eksempelvis bedre rengøring, færre fejl i

afgørelser eller øget tilgængelighed.

•

Forbedring af den oplevede service som borgere eller virksomheder oplever.

•

Øget trivsel, eksempelvis ved et bedre arbejdsmiljø.

•

Forbedret sikkerhed, eksempelvis i form af beskyttelsen af digitale

informationer i opbevaring, udveksling og behandling af data om

borger/virksomhed.

Samfundsøkonomiske gevinster

Gevinsttypen omhandler initiativer, som har en positiv effekt på interessenter

udenfor kommunens myndighedsområde, eksempelvis staten, regionerne,

borgere eller erhvervsliv. Gevinsten kan fx bestå i nedbringelse af omkostninger

eller øgede indtægter for interessenter udenfor kommunen, eksempelvis hvis

reducerede sagsbehandlingsprocesser medfører hurtigere afgørelser til borgere

eller virksomheder der har en positiv effekt for disse som ikke vedrører

kommunens opgaver eller budgetter.

Katalogets gevinsttyper er primært med et økonomisk perspektiv, men kan også være kvalitetsmæssige

Gevinsterne præsenteret i casekataloget er hovedsageligt kvantitative, da fokus for analysen har været på

tidsbesparende teknologier. Dog findes der en række andre typer gevinster, som kan være relevante og

centrale for en kommune at måle, eksempelvis hvordan ældre borgere i hjemmeplejen oplever, at bruge en

medicinrobot i deres dagligdag eller hvordan administrationsmedarbejdere oplever kvaliteten af en Machine

Learning-løsning til gennemgang og godkendelse af særlige dokumenter. Til højre er tre typiske typer gevinster

beskrevet, hvor særligt budget- og produktivitetsmæssige gevinster og samfundsøkonomiske gevinster er

kvantificerbare og derved mere tilgængelige at måle end eksempelvis sikkerhedsmæssige gevinster, som ikke

nødvendigvis skaber effekter i kroner og øre, men hvor gevinster består i øget lovmedholdelighed i form af

blandt andet reducering af sikkerhedsbrud eller fejlagtig håndtering af persondata.

ÆLU, Alm.del - 2022-23 (2. samling) - Bilag 46: Henvendelse af 2/7-2023 fra DigiRehab A/S om smart hjemmetræning i stedet for hjemmepleje

Gevinstrealisering og måling kan gennemføres med afsæt i business case-beregninger

Uanset om en kommune står overfor at igangsætte et nyt udviklingsprojekt eller allerede har implementeret en løsning,

anbefales det, at udarbejde en business case til opgørelse af effekter. I dette afsnit fokuseres på økonomiske gevinster der

kan kvantificeres i en business case. Dette velvidende, at der er mange andre typer af gevinster, der også er relevante.

En central forudsætning for at opgøre og beregne effekter korrekt er at inddrage interessenter i form af

fageksperter og medarbejdere mv. løbende og ofte. Projektmodellen for udformning af en business case

består grundlæggende af seks hovedfaser, hvor der særligt sættes fokus på løbende inddragelse af

interessenter.

Figur 10 - Deloittes business case-projektmodel

Step 1

Afholdelse af møder eller workshops for at validere de

for projektet 0- og 1-scenariet relevante udgifts- og

gevinstdrivere.

Der udarbejdes et forudsætningsdiagram med

oplistning af centrale antagelser og forudsætninger.

Metoden kan anvendes til at opgøre effekter både før og efter gennemførelse af et projekt, da

tankegangen er den samme, mens man med et bagudrettet blik vil kunne opgøre gevinster ud fra reel

data og ikke baseret på estimater. Figuren til højre illustrerer de seks hovedtrin i udarbejdelsen af en

business case-projekt. En central del af opgørelsen af gevinster og udarbejdelsen af en business case

omhandler udarbejdelsen af et 0-scenarie og 1-scenarie:

•

0-scenariet

redegør for udgifterne før implementeringen af ny teknologi, hvorfor dette ofte vil være

en opgørelse af de nuværende driftsudgifter. Dog bør en kommune internt drøfte, hvordan 0-

scenariet bedst defineres i det konkrete projekt, da dette har indflydelse på gevinstmålene.

1-scenariet

beskriver de fremtidige udgifter, når den planlagte løsning eller teknologi er

implementeret. Her medregnes værdien af de forventede gevinster, som løsningen forventes at

bidrage med. Udformes 1-scenariet før igangsættelsen af et projekt bør estimaterne valideres igen

efter implementering af løsningen for at afdække om de forventede effekter kan realiseres.

Data GAP-analyse

Step 2

Step 3

Fastlæggelse af udgiftsdrivere

og gevinster

Udarbejdelse af Excel-model

og forudsætninger

Gennemgang af relevante eksisterende datakilder for at

afklare behov for indsamling af supplerende data.

Kvantificering af udgiftsdrivere, gevinster og risici.

Der fastlægges en struktur / ramme for en

estimeringsmodel og forudsætningskatalog i regneark.

Opbygning af struktur i

KL’s

business case model.

Indarbejdelse af data i estimeringsmodel, KL’s business

case model og forudsætningskatalog.

Step 4

•

Step 5

Step 6

Begge scenarier indeholder en nedbrydning af projektets investerings-, implementerings- og

driftsudgifter. Estimeringsdiagrammet, på næste side, kan anvendes til at fastlægge projektets udgifts-

og gevinstdrivere for både 0- og 1-scenariet og identificere øvrige poster, der er specifikke for projektet.

Afhængigt af detaljeringsbehovet i en gevinstopgørelse, kan indsatsen i de seks trin i business-case

modellen tilpasses, og behøver ikke tage mange timer, hvis de relevante informationer er til stede. På

næste side gennemgås eksempler på, hvordan gevinster og udgifter kan kategoriseres i en

gevinstopgørelse.

Udarbejdelse af business case

Step 7

Udarbejdelse af business

case-grundlag

Step 8

Beregning af business case og konklusioner.

Vil du vide mere om gevinstrealisering?

Læse mere i KL’s publikation Gevinstrealisering & metodevejledning, hvor du finder

gode råd og case-eksempler omkring digitale projekter.

Scan QR-koden og læs mere

Afrapportering

Step 9

Færdiggørelse af samlet business case og overblik af

gevinster.

ÆLU, Alm.del - 2022-23 (2. samling) - Bilag 46: Henvendelse af 2/7-2023 fra DigiRehab A/S om smart hjemmetræning i stedet for hjemmepleje

Estimeringsdiagrammet anvendes til at kvalificere udgifter, gevinster og risici i et digitaliseringsprojekt

Nedenstående estimeringsdiagram kan bruges i arbejdet med at identificere relevante gevinster, udgifter og risici, når

indholdet i en business case skal fastlægges.

Som en indledende øvelse i arbejdet med at identificere og opgøre effekter og gevinster

kan estimeringsdiagrammet til højre bruges som inspiration til at afdække hvilke

beregningselementer, der er relevante i en konkret business case.

Øvelsen danner grundlag for at validere, at alle relevante typer af udgifter og gevinster er

med, hvilket har stor betydning i forhold til at sikre robustheden i estimaterne samt, at

input og forudsætninger er tilstrækkeligt dokumenteret. Analysen hjælper med at

identificere, hvor der udestår dokumentation af input og forudsætninger, hvorefter det vil

være nemmere for en kommune at indsamle dette ved blandt andet interviews i

organisationen.

Estimeringsdiagrammet tager udgangspunkt i en række standardiserede udgifts- og

gevinstområder (niveau 1) og opdeler dem i en række hovedkategorier (niveau 2) med

tilhørende underkategorier (niveau 3). Særligt niveau 1 og 2 vil ofte være faste, hvorimod

man både kan ændre, fjerne og tilføje nye elementer til niveau 3.

Figur 11 - Deloittes business case-estimeringsdiagram

Niveau 1

–

udgiftsområder

Niveau 2

–

udgiftskategorier

Projektressourcer

Anskaffelse (kontraktsum til it-

leverandør)

Integrationer til

omkringliggende systemer

Systemdrift

Nuværende og

fremtidige

driftsudgifter

Niveau 3

–

udgiftsdrivere/-

aktiviteter

Interne ressourcer til

projektledelse, jura, test etc.

Eksterne ressourcer

Eksterne

ressourcer

Interne

ressourcer

Eksterne ressourcer til

projektledelse, jura, test etc.

Anskaffelse

af hardware

Anskaffelse

af hardware

Anskaffelse af

engangslicenser

Anskaffelse af

engangslicenser

Projektudgifter

Interne ressourcer til drift

Udgifter til eksterne

driftsleverandører

EKSEMPLER PÅ ESTIMERINGSMETODER

Der findes en række forskellige metoder til at gennemføre estimater, hvor metoden bør

matche både de muligheder man har for at indhente information, den viden man

besidder i forvejen og størrelsen på det som skal estimeres. Eksempelvis bør

præcisionen af et estimat følges ad med størrelsen på de samlede udgifter til et

udviklingsprojekt.

Fremskrivning:

Opgørelsen af en udgiftspost kan estimeres ved at lave en fremskrivning

ud fra historisk data. Estimatet kan blive misvisende, hvis der er større udsving i den

anvendte data.

Erfaringscases:

Estimat udformes baseret på lignende projekter.

Markedsanalyse:

Estimat udformes med afsæt i markedsanalyser og dialoger.

Triangulering:

Estimatet udformes som en triangulering af flere estimerings-metoder.

Her vægtes estimaterne baseret på, hvilken man tror mest på, hvor summen er det

endelige estimat.

Vedligehold og support

Interne ressourcer til vedligehold

og support

Udgifter til eksterne

driftsleverandører

Licenser

Budget- og

produktivitetsmæssige

gevinster

Gevinster

Samfundsøkonomiske gevinster

Løbende licensudgifter

Nedbringelse af omkostninger, der enten skæres væk eller bruges til at

styrke andre områder i forvaltningen (fx tid sparet på en opgave)

Nedbringelse af omkostninger eller øgede indtægter for interessenter

udenfor kommunen (fx hurtigere afgørelser til borgere eller virksomheder)

Gevinster der ikke kan opgøres i kroner og ører, men som stadig skal

operationaliseres i målbare enheder, så det kan afgøres, om de realiseres

Sandsynlighed

Konsekvens

Effekt

kvalitetsmæssige gevinster

Økonomisk kvantificering af

risici

Risikopulje

ÆLU, Alm.del - 2022-23 (2. samling) - Bilag 46: Henvendelse af 2/7-2023 fra DigiRehab A/S om smart hjemmetræning i stedet for hjemmepleje

Om Deloitte

Deloitte leverer ydelser indenfor revision, consulting, financial advisory, risikostyring, skat og dertil knyttede ydelser til både offentlige og private kunder

i en lang række brancher. Deloitte betjener fire ud af fem virksomheder på listen over verdens største selskaber, Fortune Global 500®, gennem et globalt

forbundet netværk af medlemsfirmaer i over 150 lande, der leverer kompetencer og viden i verdensklasse og service af høj kvalitet til at håndtere

kundernes mest komplekse forretningsmæssige udfordringer. Vil du vide mere om, hvordan Deloittes omkring 264.000 medarbejdere gør en forskel, der

betyder noget, så besøg os på Facebook, LinkedIn eller Twitter.

Deloitte Touche Tohmatsu Limited

Deloitte er en betegnelse for en eller flere af Deloitte Touche Tohmatsu Limited (”DTTL”), dets netværk af medlemsfirmaer og

deres tilknyttede

virksomheder. DTTL (der også omtales som ”Deloitte Global”) og alle dets medlemsfirmaer udgør separate og uafhængige juridiske

enheder. DTTL

leverer ikke ydelser til kunderne. Vi henviser til www.deloitte.com/about for nærmere oplysninger.