I början av maj samlades världens främsta experter och användare av FME för årets höjdpunkt – Peak of Data and AI. Under konferensen fick vi en unik inblick i de senaste nyheterna och framtidsplanerna för Safe Softwares integrationsplattform. I detta inlägg fokuserar vi på några nyheter som kom i FME version 2025.1: AI Assist och AI samt Data Virtualization. Dessa funktioner har potential att förbättra avsevärt hur vi hanterar, integrerar och drar nytta av våra data.
Häng med och läs om de senaste nyheterna i FME 2025.1!
AI Assist
Sedan FME Form 2023 finns ett visst AI-baserat utvecklarstöd i FME Workbench. Stödet har funnits som ”Tech Preview” och varit tillgängligt i de transformers som hanterar Regular Expressions, Python och SQL för att underlätta för utvecklaren att skriva korrekt syntax.
Från och med FME Form 2025.1 är AI Assist släppt för produktion och stödet har dessutom utökats till en helt ny nivå. Nu kan du i ett fristående chattfönster ställa frågor och diskutera med AI Assist, på svenska eller annat valfritt språk. AI Assist hämtar relevant information bl a från FME:s Community, Knowledge Base och Dokumentation, samt tolkar din aktuella FME Workbench för att ge kontextuella och pricksäkra svar. AI Assist bygger på Microsoft Azure OpenAI gpt-4o.
Figur 1 Aktivera AI Assist från Start-fliken, öppnar AI Assist chatfönster
Med AI Assist kan du till exempel få svar på frågor såsom:
- Vilken transformer ska jag använda för att…?
- Sammanfatta vad detta workspace gör.
- Vad behöver jag göra härnäst?
- Hjälp mig skriva ett reguljärt uttryck som kan verifiera svenska postnummer
I dialogen föreslår assistenten alternativ, lämpliga transformers och lösningar samt hjälper även till att lägga till dessa i ditt Workspace. Den kan även förse dig med länkar till dokumentation och ytterligare information.
Figur 2 Exempel på AI Assist chattar
Mer information finns här: AI Assist in FME FAQ – FME Support Center
AI
FME fortsätter att vara en nyckelspelare i att göra AI tillgängligt och användbart. Ett av de tydligaste intrycken var FME:s ständigt växande stöd för AI-integration. FME Hub svämmar redan över av Custom Transformers och Connectors anpassade för en rad olika AI-tjänster från de största leverantörerna. Och antalet ökar i rask takt med att nya AI-modeller och tekniker dyker upp på marknaden.
Trenden är glasklar:
- AI:s förmåga ökar konstant: Vi ser en oavbruten förbättring av AI-modellernas prestanda och intelligens.
- Mångfalden exploderar: Fler och fler AI-tjänster och specialiserade modeller ser dagens ljus varje dag.
- Multimodala AI är på stark frammarsch: Förmågan att bearbeta och integrera flera typer av data (text, bild, ljud) öppnar upp helt nya möjligheter.
- Behovet av AI i organisationer växer: Företag och myndigheter inser alltmer värdet av att automatisera och intelligent analysera sina data.
- Strukturerade utdata är avgörande: Att kunna specificera utdata (i tex JSON) är kritiskt för att kunna integrera AI-svar i andra system, något som FME:s AI Transformers redan hanterar
Vi fick se några imponerande tillämpningar under konferensen. Ett projekt som stack ut: där man använt AI för att bildtolka 2,6 miljoner handskrivna servicekort från tidigt 1900-tal för att extrahera viktig information. FME agerade som den centrala orkestratorn i processen och hanterade dataflödet till och från AI-tjänsterna. Resultatet: De beräknade att ha sparat hela motsvarnade 22 manårs arbete och den enorma datamängden processades på ynka 60 timmar! Ett tydligt bevis på AI:s och FME:s gemensamma kraft.
Hur väljer jag rätt AI
Den stora frågan som många brottas med är: ”Hur väljer jag rätt AI och rätt modell för min specifika uppgift?” Svaret vi fick var inte oväntat: ”Det beror på”. Faktorer som spelar in är bland annat:
- Typ av data: Viss AI är bättre lämpad för text, annan för bilder eller siffror.
- Budget: Kostnaderna kan variera stort mellan olika AI-tjänster.
- Dataintegritet och säkerhet: Är det acceptabelt att skicka känslig data till en extern AI-tjänst, eller krävs en lokal, internt hostad AI-lösning?
Det finns ingen universallösning; varje fall kräver en noggrann utvärdering.
Det allra bästa med att implementera AI via FME och dess Custom Transformers är flexibiliteten. Om du redan har ett fungerande dataflöde går det snabbt och enkelt att byta ut en AI-tjänst mot en annan. De flesta AI Transformers har liknande parametrar och prompter, vilket förenklar ett utbyte enormt. Dessutom, som nämnts, kan du stipulera exakt vilket JSON-schema du vill ha som utdataformat. Detta är en nyckel för att kunna standardisera, ta emot och lagra svar från vilken AI som helst.
AI-marknaden är bara i sin linda och kommer att växa exponentiellt de kommande åren. Att hålla sig uppdaterad med de senaste framstegen inom AI-branschen är inte bara en rekommendation – det är troligen nödvändigt för alla som vill ligga i framkant av datahantering. Och med FME vid din sida är du väl rustad för detta.
Figur 3 Exempel på AI Connectors
Data Virtualization
Data Virtualization i FME-plattformen gör det enkelt att bygga REST API:er för realtidsåtkomst till data – utan att behöva skriva kod eller flytta data mellan system. Istället kopplar du Workspaces direkt till befintliga datakällor och exponerar både data och transformationslogik via standardiserade HTTP-endpoints. Det här är kraftfullt för integration, rapportering och självbetjäning, eftersom du kan leverera uppdaterad och transformerad data till webbtjänster, BI-verktyg eller mobila appar – allt via ett enhetligt API-lager.
Varför är det så bra?
- Du slipper duplicera eller exportera data – API:erna ger realtidsåtkomst direkt från källan.
- Transformationer och logik kan återanvändas och delas via endpoints.
- Du kan snabbt dela utvalda dataset med fullständig kontroll över vad som exponeras.
- FME:s no-code-miljö gör det möjligt att bygga och underhålla API:er utan utvecklare.
Säkerhetsaspekten FME Flow ger dig flexibla alternativ för att säkra dina Data Virtualization-API:er. Du kan använda API-tokens, basic authentication eller öppna endpoints för publika data. Åtkomst styrs på API- eller endpoint-nivå, och du kan tilldela behörighet till specifika användare eller roller. Det här ger finmaskig kontroll och är särskilt användbart när du integrerar med externa system eller vill skydda känslig information.
Data Virtualization i FME stöder OpenAPI-standarden. Det innebär att du kan definiera och dokumentera dina API:er enligt en vedertagen och brett accepterad standard, vilket förenklar integration med moderna applikationer och verktyg. Du kan även importera och exportera OpenAPI-specifikationer direkt i FME Flow.
Data Virtualization i FME är ett modernt, säkert och flexibelt sätt att tillgängliggöra och transformera data via API:er – perfekt för organisationer som vill effektivisera integration och dataleverans utan att kompromissa med säkerheten.
Figur 4 FME – Data Virtualization
Läs mer här: Getting Started with Data Virtualization – FME Support Center
FME Realize
FME Realize är en ny applikation som kompletterar FME-plattformen med att visualisera 3D-data i Augmented Reality (AR) i realtid på plats ute i fält. Med FME Realize kan du publicera AR-modeller i FME Flow och sedan interagera med dem på din iOS-enhet ute i fält. Möjligheterna till interaktion är närapå obegränsade då FME Realize kan anslutas till alla system som FME har tillgång till, såsom ArcGIS, Cityworks, IoT-enheter, AI, Databaser, mm.
Detta är den perfekta fältapplikationen för visa och interagera med byggnadsmodeller, infrastruktur – över och/eller under mark, samt annan tänkbar geodata i sin verkliga miljö.
Appen är enkel att använda välj din AR-app, rikta kameran och se dina data smälta in i omgivningen. FME Realize gör det enkelt att ta med sig den senaste informationen ut i verkligheten och fatta bättre beslut på plats.
Länktips
5 Things to Consider When Deploying AI in your Enterprise
Peak of Data & AI Encore: AI-Enhanced Workflows for the Real World – FME by Safe Software
