Leder taler til sine medarbejdere

Avanceret machine learning-teknologi fra KMD skal forkorte sagsbehandlingstiden og styrke den juridiske praksis i Nævnenes Hus.

I 2017 blev en række offentlige nævn udflyttet og samlet i den helt nye styrelse Nævnenes Hus i Viborg. Ambitionen med styrelsen var at skabe et solidt fagligt miljø og en bedre og mere effektiv sagsbehandling, når der opstår konflikter mellem borgere, virksomheder og myndigheder. Lige siden oprettelsen af Nævnenes Hus har det været et styrende princip, at alle er lige for loven, og at alle skal have lige adgang til loven. Omsat til hverdagspraksis betyder de to formuleringer, at husets medarbejdere på et højt fagligt niveau skal understøtte de nævn, Nævnenes Hus sekretariatsbetjener, og hjælpe dem med at træffe afgørelser, der både juridisk og sprogligt viderefører tidligere praksis på området og danner præcedens for lignende sager i fremtiden.

Brugertilfredshed på 90 pct.

Til at håndtere den komplekse opgave valgte Nævnenes Hus at indgå et samarbejde med KMD om at udvikle og implementere NHpraksis baseret på KMD Case Insight – en løsning, der bygger på den nyeste teknologi indenfor machine learning og sprogprocessering. NHpraksis blev i første omgang implementeret som et pilotprojekt, og det blev hurtigt en stor succes, fortæller René Lind, der er specialkonsulent i Nævnenes Hus.

“Vi havde en gruppe på 12 brugere, der testede løsningen over tre måneder og brugte den aktivt i sagsbehandlingen. Mere end 90 pct. i gruppen vurderede bagefter, at de kunne spare tid, hvis de havde sådan et system til rådighed, der kunne foretage søgninger i tidligere sager og finde afgørelser, der mindede om dem, de sad med. På baggrund af den positive feedback valgte vi at gå videre med løsningen og har lagt den i produktion.”

Vi havde en gruppe på 12 brugere, der testede løsningen over tre måneder og brugte den aktivt i sagsbehandlingen. Mere end 90 pct. i gruppen vurderede bagefter, at de kunne spare tid, hvis de havde sådan et system til rådighed, der kunne foretage søgninger i tidligere sager og finde afgørelser, der mindede om dem, de sad med.

René Lind, Specialkonsulent i Nævnenes Hus

Enorm tidsbesparelse

KMD Case Insight består af to teknologimotorer, som henholdsvis foretager systematiske søgninger og finder lignende sagsakter på tværs af forskellige databaser.

Søgefunktionaliteten i løsningen er langt mere avanceret end den søgefunktionalitet, Nævnenes Hus tidligere havde til rådighed. Sagsbehandlerne har i dag 18 søgefiltre, de kan aktivere, og de kan blandt andet vægte nogle ord i en søgestreng mere end andre for at ramme mere præcist i nedslaget.

“Det fungerer ret skarpt, må jeg sige. Jeg kan huske, at jeg selv i testperioden lavede en prøveopgave på baggrund af en forespørgsel fra et ministerium, hvor man ville vide, hvor mange sager der havde været indenfor et givent område, hvordan sagerne fordelte sig på årstal, og hvor lang den gennemsnitlige sagsbehandlingstid havde været. Det var en opgave, der ville have taget 14 dage at komme frem til i vores gamle løsning, men jeg gjorde det på en time i NHpraksis ved at skrive en utrolig nørdet søgesætning. Det fortæller lidt om potentialet,” siger René Lind og forklarer, at sagsbehandlingstiden i sig selv er vigtig i klagesager, hvor en konflikt allerede er eskaleret. Men derudover kommer den højere datakvalitet i søgningerne i NHpraksis også til at hjælpe sagsbehandlerne med at finde frem til sager, som slet ikke dukkede op i det gamle system, fordi de var indekseret på en ulogisk måde.


Det var en opgave, der ville have taget 14 dage at komme frem til i vores gamle løsning, men jeg gjorde det på en time i NHpraksis ved at skrive en utrolig nørdet søgesætning. Det fortæller lidt om potentialet.

René Lind, Specialkonsulent i Nævnenes Hus

Aktiv feedback af machine learning-motor

Mens opsætningen af søgninger er ligetil, kræver sagsmatch-funktionaliteten mere træning af den bagvedliggende machine learning-motor for at blive lige så effektiv. Da Nævnenes Hus testede sagsmatch-funktionaliteten i pilotprojektet, havde KMD trænet modellen på forhånd, og testbrugernes feedback var også positiv. Men for at fintune machine learning-motoren kræver det, at nogle af de erfarne sagsbehandlere giver aktiv feedback til sagsmatch-modellen og lærer den, hvilke parametre den skal og ikke skal lægge vægt på, når den sammenligner sager.

“Sagsakter består af en masse ustrukturerede data, der hæfter sig på en sag såsom klager, notater, navn på klager og så videre. Men det er ikke altid den information, der er afgørende for, om en sag i rent juridisk forstand minder om andre sager. Derfor er vi nødt til at træne modellen, så den ved, hvad den skal vægte, når den laver et sagsmatch,” siger René Lind.

Tydeligere retssikkerhed

Vicedirektøren i Nævnenes Hus, John Grøne, fortæller, at styrelsen har store visioner for anvendelsen af NHpraksis. Løsningen skal ikke bare sørge for, at der hurtigst muligt kan træffes rigtige afgørelser. Nævnenes Hus forestiller sig også, at man kan udstille NHpraksis eksternt, så borgere, virksomheder og førsteinstanser lettere kan orientere sig i tidligere afgørelser på lignende sager og på den måde måske undgå at træde ind i et langstrakt sagsforløb, der koster tid og ressourcer for alle parter.

“Afgørelser truffet i eksempelvis Miljø- og Fødevareklagenævnet og Planklagenævnet, som Nævnenes Hus sekretariatsbetjener, danner præcedens på nogle juridisk tunge og komplicerede områder. Det, nævnene kommer frem til, skal landets 98 kommuner rette ind efter. Hvis vi kan gøre nævnenes praksis og retstillingen tydeligere – eksempelvis allerede i forbindelse med planlægningen af projekter – vil vi som samfund vinde en del i form af bedre retssikkerhed samt sparet tid og frustration på klager senere i forløbet. Det perspektiv er meget interessant,” siger John Grøne.

Hvis vi kan gøre nævnenes praksis og retstillingen tydeligere – eksempelvis allerede i forbindelse med planlægningen af projekter – vil vi som samfund vinde en del i form af bedre retssikkerhed samt sparet tid og frustration på klager senere i forløbet.

John Grøne, Vicedirektør i Nævnenes Hus

“Der er selvfølgelig vigtige hensyn at tage til forvaltningsret, GDPR og dataetik generelt. Men rent teknisk kan det godt lade sig gøre at skalere løsningen op og anonymisere data. Så det handler nok mere om at beslutte, hvad vi som samfund vil med de her data, og om de eventuelt kan udstilles eksternt til gavn for borgere, virksomheder og førsteinstanser,” slutter han.

Om Nævnenes Hus

Oprettet som en selvstændig styrelse under Erhvervsministeriet i 2017. Styrelsens opgave er at sekretariatsbetjene 19 domstolslignende nævn, herunder bl.a. Planklagenævnet Miljø- og Fødevareklagenævnet og Energiklagenævnet. Nævnenes Hus modtager årligt cirka 10.000 klager, som skal afgøres.

Læs mere om KMD Case Insight

KMD Case Insight hjælper med sagsbehandlingen gennem intelligent og automatiseret matchning af sager, der ligner din. Du vil opleve, at det letter arbejdsgange og skaber en effektiv sagshåndtering af igangværende sager.

Læs mere om mulighederne her

Nævnenes Hus sparer tid og hæver datakvaliteten med KMD Case Insight

Avanceret machine learning-teknologi fra KMD skal forkorte sagsbehandlingstiden og styrke den juridiske praksis i Nævnenes Hus.

Leder taler til sine medarbejdere

Hold dig opdateret

Tilmeld dig vores nyhedsbrev og få de seneste nyheder, indsigter og invitationer fra den statslige sektor.

Tilmeld dig her

Seneste indsigter