I ConTech Lab bliver der, i samarbejde med virksomheder og eksperter fra branchen, eksperimenteret og udviklet løsninger på livet løs. Dette sker bl.a. i form af pionérprojekter, der alle tager afsæt i konkrete brancheudfordringer. Målet er at skabe øget produktivitet og være med til at udvikle mere bæredygtige -løsninger til byggeriet gennem brug af teknologi og digitalisering.
Et af disse pionérprojekter handler om, hvordan vi kan bruge kunstig intelligens til at effektivisere de mest tids- og datakrævende processer i forbindelse med tilstandsrapporter og driftsplaner. Og behovet er stort. Alene det, at et bredt politisk flertal har afsat mere end 30 mia. kroner til grøn renovering af den almene boligsektor, betyder, at hele den almene sektor skal i gang med at registrere, planlægge, dokumentere og tilstandsrapportere.
I dag er det meste af arbejdet baseret på analoge processer, der er udført af specialister, byggesagkyndige og rådgivere:
- I dette pionerprojekt har det netop været målet at udvikle et digitalt og intelligent vedligeholdelses- og planlægningsværktøj, der kan udarbejde smarte driftsplaner og tilstandsrapporter. Ikke for at undvære bygningssagkyndige og andre specialister, men for at udnytte de teknologier, vi har til rådighed, til at effektivisere de mest tids- og datakrævende processer, siger Ole Berard, digitaliseringschef i Molio.
Se også debatindlæg i FacilityTech her
To kunstige intelligenser med algoritmer
Til det formål er der i samarbejde med Plan 1 Cobblestone Architects, DroneTjek og HD Lab udviklet to kunstige intelligenser med tilhørende algoritmer. Den ene intelligens er baseret på billedgenkendelse og kan ud fra droneoptagelser af en tagflade identificere fx knækkede tegl. Den anden kan forudsige restlevetid og tilstand på en tagbelægning baseret på bl.a. offentligt tilgængelige data fx BBR-registreringer. Ved at udnytte offentligt tilgængelige data, en database af tidligere vedligeholdelsesplaner, kunstig intelligens og reality capture teknologier har vi vist, at man godt kan optimere og automatisere dele af udarbejdelsen af tilstandsrapporter og driftsplaner på ejendomme. Men når det så er sagt har projektet kun arbejdet med et lille hjørne af potentialet. For at afgrænse projektet har fokus været på en enkelt bygningsdel, nemlig tagbelægningen.
Ud fra en kortlægning af processen bag en traditionel vedligeholdelsesplan er der udviklet en Proof of Concept (PoC). PoC’en, som HD Lab har udviklet demonstrerer en automatisk tilstandsvurdering af vilkårlige tagbelægninger, ved at identificere revnede/knækkede tegl på droneregistreringer og forudsige tilstand og levetid med kunstig intelligens.
I dag foregår en droneinspektion af tagbelægningen på en ejendom sådan, at ejendommen bliver overfløjet med en drone. Derefter bliver videooptagelserne manuelt gennemgået af en droneoperatør, der klassificerer skaderne og udarbejder et registreringsdokument:
- Vores hjælpeværktøj vil i løbet af et øjeblik kunne scanne en tagflade og analysere tagets tilstand baseret på de gængse klassificeringer og på de billeder og data, vi har til rådighed. For afgrænsningens skyld har vi dog ”kun” trænet den kunstige intelligens til at identificere knæk og brud på tegl. Skader, som er håndgribelige, målbare og som manifesterer sig visuelt, siger Mayes Ali, Teknisk chef i ConTech Lab.
Træning af kunstig intelligens
For at træne en kunstig intelligens skal den fodres med en stor mængde data. I dette tilfælde består træningsdata af 358 billeder af skadet tegl, der er indhentet fra fire forskellige ejendomme. Billederne er blevet analyseret med billedgenkendelses-teknologi og den kunstige intelligens er på den måde blevet trænet til at identificere netop revner, knæk og brud i teglsten. Efterfølgende er intelligensen blevet testet. Resultatet viste, at hvis brugeren uploader billeder af et tegltag, så kan den kunstige intelligens fortælle, om teglen er intakt eller skadet. Det gør den med en præcision på 94 % (på beskårede billeder).
Men udover den visuelle inspektion af bygningsdelene består en driftsplan af en kort beskrivelse af ejendommen, en anbefalet aktivitetsplan for drift og vedligeholdelse, nøgletal og konklusion på budget og fordelingsplanen. Disse informationer indhentes i dag manuelt ved at trække på offentligt tilgængelige data via Energimærkningen, BBR/Matrikeldata og tingbog, tegninger, billeder og skråfotos. De offentligt tilgængelige data benyttes bl.a. til at forudsige tilstand og levetid på en given bygningsdel:
- I projektet har vi også arbejdet med at kombinere store mængder driftsdata og offentlige data til at automatisere tilstandsvurdering. Ved at indsætte relevante parametre i algoritmen (fx postnummer, opførelsesår, materiale af tagbelægningen, indbygningsår for tagbelægningen m.fl.) kan vi ved hjælp af kunstig intelligens nu forudsige tilstand og levetid på en specifik tagbelægning, siger Niels Falk, CEO i HD Lab.
De første skridt er taget
- Vi har i fællesskab taget de første skridt i dette pionérprojekt, men der er stadig et godt stykke vej til at brede et anvendeligt AI-værktøj ud i branchen. Der skal utrolig meget data til at træne en kunstig intelligens og vi har kun arbejdet med et meget lille hjørne af potentialet. Men der ligger to prototype-algoritmer klar, som kan videreudvikles og tilpasses andre dele af en bygningsgennemgang, rapportering eller driftsplan, siger Kasper Bentzen-Bilkvist Rasmussen, Markedschef i Plan 1 Cobblestone Architects
Set i lyset af det store fokus på både bæredygtighed og digitalisering i disse dage i kombination med fx EU’s genopretningsfond forventer vi, at se en massiv efterspørgsel på løsninger, der hurtigt kan skaleres. Forudsætningen for at man kan bygge, renovere og drifte bæredygtigt er er et solidt datagrundlag, der kan afdække det detaljerede behov. Vi forventer at dette arbejde kan skaleres både til andre typer af ejendomme fx private boliger samt ud over den danske grænse.
Fakta om projektdeltagere
Plan 1 Cobblestone Architects en del af Cobblestone-gruppen der arbejder med ejendomsadministration og rådgivning. Igennem deres arkitektkontor Plan1 Cobblestone Architects designer og styrer de ligeledes projekter. Som FM/driftsherre er de en af Danmarks mest digitale og har udviklet en række værktøjer til overvågning og administration af ejendomme.
DroneTjek et dansk selskab, der har specialiseret sig i bygningsinspektioner med droner – og de har både teknisk viden og byggeteknisk erfaring. Fokus for Dronetjek har altid været at forenkle og effektivisere de processer, der i dag kan være farlige, svære eller omkostningsfulde, når der arbejdes med droner.
HD Lab arbejder med teknologi til byggebranchen med fokus på IKT-ydelser, generative design, BIM-modellering, laserscans, 360 fotos og modellering af scans til BIM. HD Lab arbejder med et antal udviklingsprojekter vedr. robotter og exoskeletter, blockchain, kunstig intelligens, tensorflow mm.
ConTech Lab – en del af Molio er hovedansøger. ConTech Lab er byggebranchens fælles udviklingsplatform, hvor byggeriets virksomheder sammen kan udvikle og eksperimentere med nye måder at benytte data, digitalisering og teknologi til at skabe fremtidens bæredygtige byggeri og øge produktiviteten. ConTech Lab kobler dyb forståelse for processerne i et byggeprojekt med ny teknologi, og afprøver nye måder at samarbejde på i pionerprojekter.
Læs mere om alle pionérprojekter