Renoveringsstrategistöd för fastighetsportföljer ur ett livscykelperspektiv baserat på maskininlärning

Sveriges fastighetssektor står inför många utmaningar, såsom stigande energipriser, höga utsläpp av växthusgaser och en långsam renoveringstakt. Fastighetsägare saknar ofta data om befintliga byggnader och har svårt att utveckla renoveringsstrategier under snabbt föränderliga förutsättningar.

Vårt projekt bemöter dessa problem genom att använda maskininlärning (ML) och digitalisering. Ett tidigare utvecklat arbetsflöde för att generera 3D-simuleringsmodeller utökas med ett nytt arbetsflöde som ersätter tidskrävande energisimuleringar med ML. Detta gör det möjligt för fastighetsägare och förvaltare att utvärdera många potentiella renoveringsstrategier under olika scenarier på bara sekunder. Dessutom kommer det nya arbetsflödet att inkludera inbyggd koldioxid för att säkerställa att renoveringen minskar klimatpåverkan ur ett livscykelperspektiv.

Projektet ska utveckla ett arbetsflöde i nära samarbete med behovsägare och ska tillämpa det i ett webbverktyg som fastighetsägare kan använda.

Till projektet knyts en referensgrupp med representanter från Aranäs fastigheter, Udevallahem, Skövde kommun, Familjebostäder, Lågan, CIT Renergy och NCC.