Vasakronans teknikexpert: AI levererar – men datan avgör succén

Allt fler fastighetsbolag satsar på digitala lösningar och AI-verktyg för att effektivisera driften av sina fastigheter. Sveriges största, Vasakronan, har länge arbetat med digitalisering och lyfter fram både för- och nackdelar med att implementera ny teknik.

Vasakronan har arbetat med digitalisering under lång tid och bygger nu vidare med plattformar som samlar data och analysverktyg. Ulf Näslund, teknisk rådgivare på Vasakronan, berättar:

– Vi har använt digitalisering för att koppla upp alla våra hus så att vi kan kommunicera med dem, övervaka dem och felsöka från distans. Det har hjälpt oss jättemycket. Idag är många olika system i moderna hus uppkopplade till olika tjänster, både på nätet och internt hos oss, så det finns en hel del man kan göra bara därigenom, berättar Ulf.

Digitala AI-tvillingar: ”Resultaten talar för sig själva”

I ett projekt med RISE, Högskolan i Halmstad, Climacheck och Enrad har Vasakronan implementerat digitala AI-tvillingar för övervakning av värme- och kylanläggningar i cirka 15 fastigheter. På köpcentret Triangeln i Malmö har tekniken nästan halverat energiförbrukningen och förhindrat 90 procent av driftstoppen.

– Vi har en digital tvilling i ProptechOS, ett system där vi samlar in sensordata och spatial information. Det är själva nyckeln till den digitala tillgången för alla våra hus. När vi sedan ska kopplar på olika applikationer, oavsett om vi bygger egna rapporter eller köper färdiga lösningar, är det en stor fördel att alla våra byggnader redan är anslutna till samma basinfrastruktur, förklarar Näslund.

Systemet kan kopplas till exempelvis analysfunktioner, där man styr vilken data som släpps på.

– Annars får man hålla på och bygga en lösning för varje enskild byggnad, och i vårt fall är det väldigt många. Den digitala tvillingen är grunden för vår fortsatta digitalisering, och den utvecklas hela tiden med både mer data och nya funktioner, säger han.

Spårar energitjuvar i realtid

Projektet gör att Vasakronan kan analysera data från värmepumpar via AI.

– Det är en ganska svår sak att analysera, med många datapunkter att hålla koll på. Med hjälp av utvecklingsprojektet har det blivit lättare och snabbare att lokalisera avvikelser i driften. Man kan i detalj studera vad som händer i systemet och i själva kylkretsen, som är huvuddelen, berättar Näslund och fortsätter:

– Man kan även se vad felet är på det som finns runt omkring. Är det fel på själva maskinen eller dess inställningar? Eller är det yttre faktorer som påverkar funktionen? Det gör det lätt att spåra energitjuvar och annat som hindrar optimal drift.

Dålig data ger dåliga analyser – oavsett hur smart AI

Trots goda resultat med AI-tvillingar menar Näslund att tillämpningarna för AI inom fastighetsdrift är begränsade.

– Nu har språkmodellerna kommit och ChatGPT. Det är väl en hel del att ta hjälp av, men om man tittar mer på det tekniska i våra hus har vi använt AI-funktioner till exempelvis att styra och beräkna värmeanvändningen. Vi håller på och testkör det nu och provar några olika lösningar, säger han.

Framför allt fokuserar Vasakronan på energiuppföljning.

– Förutom huvudmätare har vi flera undersystem i husen som gör att vi kan följa upp och spåra var energianvändningen tar vägen. Energianvändningen är en central fråga i all vår rapportering, både vad gäller EU:s CSRD och taxonomin. Vi hållbarhetscertifierar våra hus i det amerikanska LEED-systemet, och där ger låg energianvändning många poäng, säger Näslund.

Blir inte bättre än materialet som analyseras

Ett annat område där Vasakronan vill ta hjälp av AI är hållbarhetsrapportering. Problematiken uppstår när rapporterna ska fyllas i och frågor om datakvalitet dyker upp, förklarar Näslund.

– Det är här det brister. Man kallar samma sak för olika saker beroende på system, vilket gör att man inte kan samköra data och det blir luckor i dataserier. Vi har sett att det ställer till stora problem om man ska bygga vidare med AI-verktyg. Det blir inte bättre än materialet som analyseras. Är det dåligt får man en dålig analys, förklarar Näslund.

Han lyfter bristen på standarder som särskilt begränsande, samt datastrukturen.

 – Att olika tillverkare har olika lösningar och benämningar ställer till det. Folk pratar om att “nu ska vi sätta i gång med AI”, men sätter i halsen när de inser att det inte var så enkelt som de trodde, för att kvaliteten på den data som ska analyseras inte är tillräckligt god. Det kommer vara superviktigt, och de som varit duktiga på det kommer ligga före.

Störst potential ligger i analysfunktionerna

Näslund tror att framtiden för AI och digitalisering inom fastighetsbranschen ligger i analysfunktionerna.

– Vi har system där vi samlat data under många år. Vårt ärendehanteringssystem har vi haft i 15 år och det hanterar 40–50 000 ärenden om året. Det är en obruten dataserie över alla ärenden där något varit fel i husen. Det är enorma volymer data som är svåra att analysera manuellt. Men om tekniken kan hjälpa till att dra slutsatser, till exempel hitta mönster hos en viss typ av teknik, leverantör eller maskin så skulle det vara en jättehjälp, menar Näslund.

Han tror också att tekniken kan hjälpa till att snabbt hitta avvikelser i energianvändningen.

– Man skulle kunna få besked samma dag om något i systemet som vi bör titta på akut. Den övervakande och analyserande funktionen tror jag har störst utvecklingspotential, förutsatt att man får ordning på data.