Del 51 - KI-Kompis ..... Hvordan planlegger vi et helt kunnskapsunivers?
Updated: Sep 8
Fra enkeltartikler til et levende system av kunnskap
Et kunnskapsunivers oppstår ikke fordi et nettsted har mange artikler. Det oppstår når kunnskapen organiseres, forbindes, vedlikeholdes og utvikles som en helhet. Vi kan skrive hundre gode artikler uten å ha et kunnskapsunivers. Hvis artiklene ligger isolert, hvis de samme begrepene forklares forskjellig, hvis viktige spørsmål mangler og hvis leseren ikke finner veien mellom temaene, har vi først og fremst bygget en stor innholdssamling.
Et kunnskapsunivers er noe mer.
Her har hver artikkel en oppgave.
Temasider skaper oversikt.
Temaklynger samler beslektet kunnskap.
Fagtermer gir presisjon.
Hjørnesteinsinnhold etablerer det faglige fundamentet.
Interne lenker bygger forbindelsene.
Og bak alt dette trenger vi en plan.
Ikke en plan som låser kunnskapen for alltid.
Men en struktur som gjør det mulig å bygge, lære, oppdatere og utvide over tid.
Det er forskjellen mellom å produsere innhold og å forvalte kunnskap.
Magne & Kompisen
Magne
God morgen, kompis.
Kompisen
God morgen.
Klar for å bygge et helt kunnskapsunivers?
Magne
He he.
Det høres jo beskjedent ut.
Kan vi ikke bare begynne med en artikkel?
Kompisen
Det var akkurat det vi gjorde.
Magne
Ja.
Og så ble det en til.
Og en til.
Og plutselig hadde vi ganske mange.
Kompisen
Det er ofte slik et kunnskapsunivers begynner.
Ikke med et stort kart på veggen.
Men med gode spørsmål.
Vi begynner med spørsmålene
Magne
Det har egentlig vært en rød tråd gjennom hele KI-serien vår.
Kompisen
Ja.
Se bare på titlene.
Hva er kunstig intelligens?
Hvordan lærer KI?
Hvor kommer svarene fra?
Hvordan organiserer vi kunnskapen?
Hvordan bygger vi temasider?
Magne
De er spørsmål.
Kompisen
Og det er ikke tilfeldig.
Mennesker kommer sjelden til et kunnskapsunivers fordi de ønsker å lese «innhold».
De kommer fordi de ønsker å forstå noe.
Magne
Så når vi planlegger et kunnskapsunivers, bør vi ikke begynne med:
«Hvor mange artikler skal vi produsere?»
Kompisen
Nei.
Begynn heller med:
Hva trenger menneskene vi skriver for å forstå?
Fra spørsmål til fagområder
Magne
Men hvis vi får hundre spørsmål, får vi vel ganske raskt et nytt problem?
Kompisen
Ja.
Da må vi begynne å se etter mønstre.
Hvilke spørsmål handler om det samme?
Hvilke spørsmål er grunnleggende?
Hvilke krever forkunnskap?
Hvilke representerer fordypning?
Magne
Og da begynner fagområdene å vokse frem?
Kompisen
Nettopp.
Tenk deg at vi legger alle spørsmålene våre utover et stort bord.
Noen handler om hvordan KI fungerer.
Andre om kunnskap.
Noen om innholdsstrategi.
Andre om e-handel.
Og noen om hvordan virksomheter kommer til å endre seg.
Magne
Da kan vi gruppere dem.
Kompisen
Ja.
Og plutselig begynner vi å se strukturen i kunnskapen.
Vi trenger et kart før vi bygger videre
Magne
Så nå lager vi innholdsfortegnelsen?
Kompisen
Blant annet.
Men et godt kunnskapskart bør vise mer enn bare rekkefølgen på artiklene.
Magne
Hva mer?
Kompisen
For eksempel:
Hvilke hovedtemaer har vi?
Hvilke undertemaer finnes?
Hvilke artikler er hjørnesteinsinnhold?
Hvilke fagtermer går igjen?
Hvilke artikler hører sammen i temaklynger?
Hvor finnes forbindelser på tvers av fagområdene?
Og ikke minst:
Hva mangler?
Magne
Da blir kartet også et planleggingsverktøy.
Kompisen
Ja.
Det viser både kunnskapen vi har...
og kunnskapen vi ennå ikke har bygget.
Alt innhold er ikke like viktig
Magne
Men hvis vi har hundre artikler, er vel alle viktige?
Kompisen
De kan alle være nyttige.
Men de har ikke nødvendigvis samme funksjon.
Magne
Forklar.
Kompisen
Noen artikler introduserer et helt fagområde.
Noen definerer sentrale begreper.
Noen besvarer svært konkrete spørsmål.
Noen gir eksempler.
Noen går i dybden.
Og noen binder flere fagområder sammen.
Magne
Så vi bør vite hvilken rolle en artikkel har?
Kompisen
Det er svært nyttig.
Da blir det lettere å forstå både hvor den hører hjemme og hva den bør lenke til.
Et kunnskapsunivers er ikke en mappestruktur
Magne
Kan vi ikke bare lage kategorier og legge artiklene i riktig mappe?
Kompisen
Det hjelper.
Men kunnskap er mer komplisert enn en arkivskuff.
Magne
Fordi temaene overlapper?
Kompisen
Ja.
Tenk på tillit.
Det kan høre hjemme under ledelse.
Men tillit er også relevant for kundeopplevelse.
Digitalisering.
Kunstig intelligens.
Innovasjon.
Og verdiskaping.
Magne
Så én artikkel kan ha forbindelser til flere deler av kunnskapsuniverset.
Kompisen
Nettopp.
Derfor trenger vi både hierarki og nettverk.
Magne
Hierarkiet gir orden.
Kompisen
Og nettverket viser sammenhengene.
Så kommer kunnskapshullene
Magne
Dette liker jeg.
For når vi ser hele kartet, må det også bli lettere å oppdage hva vi mangler.
Kompisen
Det er en av de største fordelene.
Kanskje vi har skrevet ti artikler om generativ KI...
men ingen ordentlig artikkel om treningsdata.
Eller mange artikler om e-handel...
men ingenting som forklarer produktinformasjon.
Magne
Da ser vi et hull.
Kompisen
Ja.
Og da kan vi prioritere nytt innhold fordi det mangler i kunnskapen.
Ikke bare fordi vi trenger noe nytt å publisere på tirsdag.
Hva med overlapp?
Magne
Og jeg antar at kartet også kan avsløre det motsatte?
Kompisen
Ja.
Kanskje vi har tre artikler som egentlig besvarer nesten det samme spørsmålet.
Magne
Da trenger vi kanskje ikke en fjerde.
Kompisen
Nettopp.
Vi kan heller forbedre det vi allerede har.
Slå sammen innhold.
Tydeliggjøre forskjellen mellom artiklene.
Eller oppdatere den beste.
Magne
Det er interessant.
For da blir innholdsstrategi også kunsten å vite når vi ikke skal produsere nytt innhold.
Kompisen
Det er et veldig viktig poeng.
Kunnskapsuniverset må vedlikeholdes
Magne
Men når kartet er ferdig...
da er vi vel ferdige?
Kompisen
He he.
Kunnskap har den irriterende egenskapen at den utvikler seg.
Magne
Særlig innen kunstig intelligens.
Kompisen
Definitivt.
Nye teknologier kommer.
Begreper endres.
Forskning utvikler seg.
Gamle eksempler blir utdaterte.
Nye spørsmål oppstår.
Magne
Så et kunnskapsunivers kan aldri egentlig være «ferdig»?
Kompisen
Ikke hvis det skal være levende.
Det må forvaltes.
Fra publiseringskalender til kunnskapsplan
Magne
Mange virksomheter har jo en innholdskalender.
Mandag publiserer vi dette.
Onsdag publiserer vi noe annet.
Fredag skal vi ha en ny artikkel.
Kompisen
En publiseringskalender kan være nyttig.
Men den svarer først og fremst på:
Når skal vi publisere?
En kunnskapsplan stiller andre spørsmål.
Magne
Som?
Kompisen
Hva trenger vi å forklare?
Hva mangler?
Hva bør oppdateres?
Hva bør kobles sammen?
Hva er viktigst å bygge først?
Magne
Det er egentlig en ganske stor forskjell.
Kompisen
Ja.
Den ene organiserer publiseringen.
Den andre organiserer kunnskapen.
Hvor kommer KI inn?
Magne
Nå må vi nesten komme til kunstig intelligens.
For dette høres ut som et område der KI faktisk kan hjelpe oss.
Kompisen
Det kan den.
KI kan for eksempel hjelpe oss med å analysere store mengder eksisterende innhold.
Magne
Og finne temaer?
Kompisen
Ja.
Den kan hjelpe med å identifisere mulige grupperinger.
Oppdage overlapp.
Finne begreper som brukes forskjellig.
Foreslå relaterte artikler.
Oppdage spørsmål som kanskje ikke er godt nok dekket.
Og hjelpe oss med å lage et første utkast til en kunnskapsstruktur.
Magne
Da kan KI bygge hele universet for oss?
Kompisen
Nei.
Magne
Det svaret kom fort.
Kompisen
He he.
Fordi noen fortsatt må vurdere:
Hva er faglig viktig?
Hva er riktig?
Hva trenger leseren?
Hvilke sammenhenger er meningsfulle?
Hva bør prioriteres?
Og hva slags kunnskapsunivers ønsker virksomheten faktisk å
bygge?
Magne
Så KI kan hjelpe oss med kartet.
Kompisen
Ja.
Men mennesker må fortsatt bestemme hvilket landskap kartet skal beskrive.
Faglig utdypning
Et kunnskapsunivers er mer enn en innholdsstrategi
Tradisjonell innholdsstrategi omfatter blant annet planlegging, produksjon, publisering, styring og vedlikehold av innhold.
Et kunnskapsunivers bygger videre på mange av de samme prinsippene, men legger særlig vekt på forholdet mellom kunnskapselementene.
Spørsmålet blir ikke bare hvilke sider nettstedet trenger.
Vi spør også:
Hva representerer hver side?
Hvilke begreper forklarer den?
Hvilke andre kunnskapselementer bygger den på?
Hvor kan leseren gå videre?
Og hvilken rolle spiller siden i den større faglige helheten?
Da beveger vi oss fra dokumentorientering mot en mer relasjonell forståelse av innhold.
Første steg: Definer kunnskapsområdet
Et kunnskapsunivers trenger en faglig avgrensning.
Et nettsted kan i prinsippet skrive om alt, men et nyttig kunnskapsunivers bør ha en forståelig identitet.
Vi må derfor definere:
Hvilke fagområder skal vi dekke?
Hvem bygger vi kunnskapen for?
Hvilke spørsmål skal vi hjelpe dem med å forstå?
Hvor dypt skal vi gå?
Dette skaper rammene for videre planlegging.
Andre steg: Kartlegg eksisterende innhold
Før vi produserer mer, bør vi vite hva vi allerede har.
En innholdskartlegging kan registrere blant annet:
artikkeltittel,
hovedtema,
undertema,
sentrale fagtermer,
målgruppe,
innholdstype,
publiseringsdato,
sist oppdatert,
relaterte artikler,
og hvilken funksjon siden har i kunnskapsstrukturen.
Når dette samles systematisk, kan vi begynne å analysere innholdet som en helhet.
Tredje steg: Bygg taksonomien
En taksonomi hjelper oss med å klassifisere kunnskapen.
Vi kan definere hovedtemaer, undertemaer og andre egenskaper som gjør innholdet lettere å organisere.
Men taksonomien bør ikke bli så komplisert at ingen klarer å bruke den.
Den skal redusere kompleksitet.
Ikke produsere mer av den.
En god taksonomi utvikles derfor ut fra faktiske kunnskapsbehov og bør kunne justeres når universet vokser.
Fjerde steg: Identifiser de viktigste kunnskapselementene
Deretter bør vi identifisere hvilke deler av kunnskapen som er spesielt sentrale.
Det kan være:
grunnleggende definisjoner,
hjørnesteinsartikler,
temasider,
sentrale fagtermer,
viktige modeller,
eller spørsmål mange andre artikler bygger videre på.
Disse elementene blir viktige knutepunkter i kunnskapsuniverset.
Femte steg: Kartlegg relasjonene
Når innholdet er klassifisert, kan vi begynne å beskrive forbindelsene.
En artikkel kan:
forklare et begrep,
bygge videre på en annen artikkel,
gi et eksempel,
utdype et deltema,
representere et motargument,
eller koble sammen to fagområder.
Dette er mer presist enn bare å si at to sider er «relaterte».
Vi begynner å beskrive hvorfor de er relaterte.
Det er et viktig skritt fra en innholdssamling mot et kunnskapsnettverk.
Sjette steg: Finn hull og overlapp
Når strukturen blir synlig, kan vi undersøke hvor den er svak.
Et kunnskapshull kan være et viktig spørsmål som mangler svar.
Overlapp kan oppstå når flere sider forsøker å løse den samme oppgaven uten at forskjellen mellom dem er tydelig.
Begge deler er verdifull informasjon.
Kunnskapshull kan vise hvor vi bør utvikle nytt innhold.
Overlapp kan vise hvor eksisterende innhold bør konsolideres, omarbeides eller tydeliggjøres.
Syvende steg: Prioriter
Et kunnskapsunivers kan ikke bygges ferdig på én gang.
Derfor trenger vi prioritering.
Grunnleggende spørsmål bør ofte behandles før svært spesialisert fordypning.
Hjørnesteinsinnhold kan bygges før de minste grenene.
Store kunnskapshull kan være viktigere enn enda en artikkel innen et område som allerede er godt dekket.
Prioriteringen bør derfor bygge på faglig betydning og brukerbehov, ikke bare publiseringsfrekvens.
Åttende steg: Forvalt kunnskapen
Publisering er ikke slutten på kunnskapsarbeidet.
Et levende kunnskapsunivers trenger rutiner for å:
oppdatere,
korrigere,
utvide,
slå sammen,
omstrukturere,
lenke,
og når det er nødvendig, fjerne eller erstatte innhold.
Dette kan beskrives som innholdsstyring eller content governance.
Noen må ha ansvar for at strukturen fortsatt fungerer når universet vokser.
KI kan hjelpe – men bør ikke eie fagstrukturen
Kunstig intelligens gjør det mulig å analysere større innholdsmengder raskere enn tidligere.
Språkmodeller kan blant annet brukes til å foreslå kategorisering, identifisere språklige likheter, sammenligne dokumenter, oppsummere innhold og foreslå mulige forbindelser.
Men semantisk likhet er ikke alltid det samme som faglig relevans.
To artikler kan bruke lignende språk uten å fylle samme kunnskapsbehov.
Og to artikler med svært forskjellig ordbruk kan ha en viktig faglig forbindelse.
Derfor bør KI brukes som analyse- og arbeidsverktøy, mens den redaksjonelle og faglige vurderingen fortsatt krever menneskelig ansvar.
Fra nettsted til kunnskapsinfrastruktur
Når disse prinsippene kombineres, begynner nettstedet å endre karakter.
Vi har ikke lenger bare:
sider + artikler + menyer.
Vi får:
begreper + spørsmål + forklaringer + temaer + relasjoner + kilder + læringsveier.
Det er dette som gjør begrepet kunnskapsunivers interessant.
Nettstedet blir ikke bare et sted der informasjon publiseres.
Det blir en struktur der kunnskap kan oppdages, forstås, forbindes og videreutvikles.
Fra spørsmål til kunnskapsunivers
Slik bygger vi strukturen lag for lag
Nivå | Hva bygger vi? | Hva er oppgaven? |
1. Spørsmål | Det leseren ønsker å forstå | Gir utgangspunktet for innholdet |
2. Artikkel | Et presist og avgrenset svar | Bygger ett kunnskapselement |
3. Fagtermer | Et konsistent begrepsapparat | Gjør kunnskapen mer presis |
4. Temaklynge | Beslektede artikler | Samler forskjellige sider av samme tema |
5. Hjørnesteinsinnhold | Grunnleggende faginnhold | Gir et fundament for videre læring |
6. Temaside | Oversikt over fagområdet | Hjelper leseren å orientere seg |
7. Interne lenker | Forbindelser mellom kunnskapen | Skaper naturlige læringsveier |
8. Kunnskapsunivers | Hele den sammenhengende strukturen | Gjør innholdet til et levende system av kunnskap |
Hvordan planlegger vi kunnskapsuniverset?
Fra tilfeldig publisering til systematisk kunnskapsarbeid
Spørsmål | Hva undersøker vi? | Hva kan vi gjøre? |
Hva skal vi dekke? | Fagområder og brukerbehov | Definere universets faglige rammer |
Hva har vi allerede? | Eksisterende artikler og ressurser | Gjennomføre innholdskartlegging |
Hvordan hører innholdet sammen? | Temaer, begreper og relasjoner | Bygge taksonomi og temaklynger |
Hva er grunnleggende? | Innhold mange andre sider bygger på | Identifisere hjørnesteinsinnhold |
Hva mangler? | Ubesvarte spørsmål og svake områder | Identifisere kunnskapshull |
Hva overlapper? | Sider med samme eller uklar funksjon | Slå sammen eller tydeliggjøre innhold |
Hva bør bygges først? | Betydning, behov og avhengigheter | Prioritere innholdsutviklingen |
Hva må vedlikeholdes? | Utdatert eller endret kunnskap | Etablere rutiner for forvaltning |
Hvor kan KI hjelpe? | Store informasjonsmengder og mønstre | Bruke KI som analyse- og arbeidsverktøy |
Hvem har ansvaret? | Kvalitet, struktur og oppdatering | Etablere tydelig innholdsstyring |
Fagtermer
Sentrale begreper når vi planlegger et kunnskapsunivers
Norsk fagterm | Engelsk fagterm | Forklaring |
Kunnskapsunivers | Knowledge Ecosystem / Knowledge Environment | Et sammenhengende miljø av artikler, begreper, temaer, kilder og forbindelser som gjør kunnskap lettere å finne, forstå og videreutvikle. |
Kunnskapsarkitektur | Knowledge Architecture | Den overordnede strukturen som beskriver hvordan kunnskapselementer organiseres og relateres til hverandre. |
Innholdsstrategi | Content Strategy | Planlegging, utvikling, styring og vedlikehold av innhold slik at det støtter definerte brukerbehov og mål. |
Innholdskartlegging | Content Inventory | En systematisk registrering av eksisterende innhold som gir oversikt over hva som finnes og hvor det befinner seg. |
Innholdsrevisjon | Content Audit | En kvalitativ og kvantitativ vurdering av eksisterende innhold for å identifisere kvalitet, mangler, overlapp og forbedringsbehov. |
Taksonomi | Taxonomy | Et klassifikasjonssystem som organiserer innhold og begreper i definerte kategorier og grupper. |
Ontologi | Ontology | En mer eksplisitt beskrivelse av begreper innen et kunnskapsområde og hvilke typer relasjoner som finnes mellom dem. |
Kunnskapsgraf | Knowledge Graph | En struktur som representerer kunnskapselementer og forbindelsene mellom dem som et nettverk av entiteter og relasjoner. |
Kunnskapshull | Knowledge Gap | Et viktig spørsmål, begrep eller perspektiv som ikke er tilstrekkelig dekket i den eksisterende kunnskapen. |
Innholdsstyring | Content Governance | Roller, ansvar, regler og arbeidsprosesser som sikrer at innhold utvikles og vedlikeholdes på en konsistent måte. |
Innholdslivssyklus | Content Lifecycle | Prosessen fra planlegging og produksjon til publisering, vedlikehold, oppdatering og eventuell utfasing av innhold. |
Semantisk relasjon | Semantic Relationship | En meningsmessig forbindelse mellom begreper eller kunnskapselementer basert på hva de representerer og hvordan de henger sammen. |
Vi har bare så vidt begynt
Magne
Kompis...
Nå tror jeg vi faktisk har gjort noe ganske viktig.
Kompisen
Hva tenker du på?
Magne
Vi startet denne delen med å snakke om innholdsstrategi.
Men nå handler det nesten ikke om «innhold» lenger.
Kompisen
Hva handler det om da?
Magne
Kunnskap.
Hvordan vi bygger den.
Hvordan vi organiserer den.
Hvordan vi forklarer den.
Hvordan vi kobler den sammen.
Og hvordan vi sørger for at den fortsatt er nyttig når verden forandrer seg.
Kompisen
Da har du forstått hele poenget med denne delen.
Magne
Men jeg ser også noe annet.
Kompisen
Hva da?
Magne
Vi har brukt mye tid på å bygge et kunnskapsunivers.
Men til slutt må jo noen bruke kunnskapen til noe.
Kompisen
Ja.
Og nå skjer det et interessant skifte.
Magne
Fra kunnskap...
Kompisen
...til handling.
Magne
Vi har snakket om KI som hjelper mennesker med å finne og forstå informasjon.
Men hva skjer når KI begynner å møte kunden?
Kompisen
Da beveger vi oss fra innholdsstrategi til handel.
Fra artikler og kunnskapsstruktur...
til produkter, behov, valg og beslutninger.
Magne
Og da holder det kanskje ikke lenger at nettbutikken bare viser et bilde, en pris og en kjøpsknapp?
Kompisen
Der har du inngangen til neste del.
For når kunstig intelligens endrer hvordan kunden søker, spør, sammenligner og velger...
må vi stille et helt grunnleggende spørsmål:
Hva selger egentlig en nettbutikk?
Magne
Jeg har en mistanke om at svaret ikke bare er «produkter».
Kompisen
He he.
Det skal vi finne ut av.
For kompis...
vi har bare så vidt begynt.
Faglig bakgrunn og videre lesning
Denne serien bygger også på min egen faglige reise gjennom Webdesign-studiet, eMarketing-studiet, Innovasjon og kommersialisering og faglige seminarer i San Francisco og Oxford. Her finner du bakgrunnen, fagmiljøene og erfaringene som har fulgt utviklingen fra webens første år til dagens digitalisering.
Anbefalt litteratur
Utviklingen innen kunstig intelligens går raskere enn kanskje noe annet fagområde i vår tid. Ingen enkelt bok kan gi alle svarene, men gode bøker kan gi et solid grunnlag for å forstå teknologien, mulighetene og utfordringene.
I KI-Kompis-serien anbefaler vi derfor et utvalg bøker som belyser kunstig intelligens fra ulike perspektiver – teknologi, strategi, ledelse, innovasjon, etikk, digitalisering og praktisk anvendelse. Samlet gir de en bredere forståelse av hvordan kunstig intelligens påvirker mennesker, virksomheter og samfunnet.
Klikk på bokikonet for å se hele litteraturoversikten med anbefalte bøker om kunstig intelligens.
Anbefalte bøker fra biblioteket vårt
Co-Intelligence: Living and Working with AI
Forfatter: Ethan Mollick
Kort omtale
En av de mest anbefalte introduksjonsbøkene om kunstig intelligens. Ethan Mollick forklarer på en lettfattelig måte hvordan mennesker og KI kan samarbeide, hvilke muligheter teknologien gir, og hvorfor forståelse av kunstig intelligens blir en viktig kompetanse for alle – ikke bare teknologer.
Hvorfor vi anbefaler boken
Dette er en av de beste bøkene å starte med dersom du ønsker en praktisk og forståelig innføring i kunstig intelligens. Den passer perfekt som første bok i vår bloggserie om KI.
The AI Advantage: How to Put the Artificial Intelligence Revolution to Work
Forfatter: Thomas H. Davenport
Kort omtale
En praktisk og innsiktsfull bok som viser hvordan kunstig intelligens kan brukes til å skape verdi i virksomheter. Thomas H. Davenport kombinerer forskning og konkrete eksempler for å forklare hvordan KI kan forbedre beslutninger, effektivisere arbeidsprosesser og bidra til innovasjon.
Hvorfor vi anbefaler boken
Denne boken passer godt for ledere, medarbeidere og beslutningstakere som ønsker å forstå hvordan kunstig intelligens kan tas i bruk i praksis. Den bygger bro mellom teknologi og verdiskaping, og passer derfor godt inn i filosofien bak Den usynlige kapitalen.
Artificial Intelligence: A Guide for Thinking Humans
Forfatter: Melanie Mitchell
Kort omtale
Melanie Mitchell gir en balansert og lettforståelig innføring i hva kunstig intelligens er, hvordan teknologien fungerer, og hvilke begrensninger den fortsatt har. Boken skiller mellom myter og virkelighet og gjør komplekse temaer tilgjengelige for et bredt publikum.
Hvorfor vi anbefaler boken
Denne boken passer perfekt for deg som ønsker en dypere forståelse av kunstig intelligens uten å måtte være programmerer eller dataforsker. Den utfyller de øvrige anbefalingene ved å sette dagens KI-utvikling inn i et større faglig og historisk perspektiv – akkurat den forståelsen vi ønsker å bygge gjennom denne bloggserien.
© 2025 - 2026 Portico Publish | Den usynlige kapitalen Personvern og bruk av nettstedet | Utviklet og driftet av Magne Bjella | Powered and secured by Wix