Renoveringsstrategistöd för fastighetsportföljer ur ett livscykelperspektiv baserat på maskininlärning

Digitalisering och maskininlärning för klimatsmarta renoveringsstrategier i fastighetssektorn

Sveriges fastighetssektor står inför stora utmaningar. Stigande energipriser, höga utsläpp av växthusgaser och en långsam renoveringstakt bidrar till att klimatmålen blir svåra att nå. Många fastighetsägare saknar dessutom tillräcklig data om sina befintliga byggnader, vilket försvårar planeringen av energieffektiva och klimatvänliga renoveringsstrategier. Samtidigt förändras de ekonomiska och tekniska förutsättningarna snabbt, vilket ställer höga krav på flexibilitet och beslutsstöd.

För att möta dessa utmaningar utvecklas i detta projekt ett nytt arbetssätt som kombinerar digitalisering och maskininlärning (ML). 

Ett tidigare framtaget arbetsflöde för att generera 3D-simuleringsmodeller vidareutvecklas med ett nytt ML-baserat steg som ersätter tidskrävande energisimuleringar. Genom att använda maskininlärning kan fastighetsägare och förvaltare snabbt utvärdera många olika renoveringsstrategier och scenarier – på bara några sekunder i stället för timmar eller dagar.

Utöver energieffektivisering kommer det nya arbetsflödet även att inkludera beräkningar av inbyggd koldioxid. På så sätt kan renoveringsåtgärder bedömas utifrån ett helt livscykelperspektiv, vilket säkerställer att de verkligen bidrar till minskad klimatpåverkan över tid.

Projektet genomförs i nära samarbete med behovsägare inom fastighetssektorn och kommer att resultera i ett webbverktyg som gör det nya arbetsflödet lättillgängligt i praktiken. Verktyget ska ge fastighetsägare ett konkret stöd för att planera och genomföra kostnadseffektiva, hållbara och klimatsmarta renoveringar.