Abstract: Under natten till lördagen den 23 september inträffade ett jordskred 700 x 200 m utanför Stenungsund där stora delar av vägbanan på E6:an följde med. 2006 inträffade ett liknande omfattande skred i samma region och det finns därför ett stort samhälleligt intresse att kunna identifiera områden med stor förutsättning för skred. Med skredriskkartläggningar kan de skredbenägna områdena identifieras genom flera kännetecken som kan analyseras med känslighetsanalys av de använda attributen och på så sätt minska de potentiella skadorna på människor och infrastruktur. Därför är sådana kartor ett värdefullt verktyg för Trafikverket och kommuner, med relevanta specialistfunktioner, för att identifiera områden som bör undersökas och utredas djupare. I detta projekt avser vi att generera en skredriskkarta över området runt E6:an sträckan Göteborg-Munkedal med artificiell intelligens (främst artificiella neuronnät kombinerat med maskininlärning). I de AI-modeller som utvecklas beaktas ett stort antal faktorer och de mycket stora datamängderna kommer att finnas på en GIS-plattform som kan kontinuerligt uppdateras med ny information.Abstract: During the night of Saturday, September 23, a landslide 700 x 200 m occurred outside Stenungsund, where large parts of the roadway on the E6 went with it. In 2006, a similarly extensive landslide occurred in the same region and there is therefore a great societal interest in being able to identify areas with a high risk of landslides. With landslide risk mapping, the landslide-prone areas can be identified through several characteristics that can be analyzed with sensitivity analysis of the attributes used, thus reducing the potential damage to people and infrastructure. Therefore, such maps are a valuable tool for the Swedish Transport Administration and municipalities, with relevant specialist functions, to identify areas that should be investigated and investigated more deeply. In this project, we intend to generate a landslide risk map of the area around the E6 stretch Göteborg-Munkedal with artificial intelligence (mainly artificial neural networks combined with machine learning). In the AI models that are developed, a large number of factors are taken into account and the very large data sets will be on a GIS platform that can be continuously updated with new information.