Fra data til indsigt med digitalisering og AI

I divisionen for Byggeri og Anlæg arbejder vi aktivt med nye digitale teknologier som AI og digitale tvillinger for at skabe innovative løsninger til fremtidens byggeri.

Vi udvikler og udnytter digitale værktøjer til at optimere materialevalg, ressourceudnyttelse og levetidsvurderinger. Dette sikrer mere bæredygtige og omkostnings-effektive løsninger, der forlænger bygningers levetid.

AI åbner døre i byggeri og anlæg

Byggebranchen står midt i en digital revolution. Kunstig intelligens og digitalisering skaber nye muligheder for at bygge smartere, grønnere og mere effektivt – og teknologien bliver mere tilgængelig dag for dag.

Med AI-drevne levetidsmodeller kan vi nu forudsige, hvornår en bygning har brug for vedligehold, før problemerne opstår. Digitale tvillinger giver os mulighed for at teste og optimere bygninger virtuelt, inden første spadestreg. Robotter og automatisering overtager de tunge opgaver på byggepladsen – fra renovering til selektiv nedrivning.

Sensorer og overvågning hjælper os med at opdage fugtskader og andre problemer tidligt, mens dataanalyse sikrer, at vi bruger materialer mere intelligent og reducerer spild. Alt sammen med fokus på at bygge inden for planetens grænser.

Fremtidens byggeri handler ikke kun om mursten og beton – det handler om smarte data, automatisering og AI, der gør det muligt at bygge bedre med mindre ressourceforbrug.

Se konkrete eksempler i de 4 cases vi har beskrevet herunder!

Dronebasseret tilstandsvurdering

Droneinspektion revolutionerer bygningsvedligehold ved at tilbyde hurtig og sikker adgang til alle facade- og tagflader uden behov for stilladser eller lifte. Vi kombinerer avanceret droneflyvning med præcis 3D-mapping, vores domæneviden og  AI-baseret billedanalyse, og foretager målrettet registrerer og kategoriserer bygningsskader som revner, afskallinger og korrosion i betonkonstruktioner.

Vores domænedrevne AI-teknologi analyserer automatisk store datamængder og udpeger de mest kritiske områder, hvilket effektiviserer inspektionsprocessen markant. Faglige specialister kan deltage online efter behov for at kvalificere og vurdere skadernes omfang, hvilket sikrer troværdige konklusioner uden fysisk tilstedeværelse i felten. Denne arbejdsmetode giver en objektiv, detaljeret og dokumenterbar tilstandsvurdering, der danner et solidt grundlag for prioritering af vedligeholdelsesopgaver og optimering af driftsøkonomien.

Vi kan leverer visuelle rapporter og rådgivning, der letter beslutningsprocessen for bygherrer og driftspersonale, uanset om det gælder boliger, erhvervsejendomme eller infrastrukturanlæg.

Resultatet er øget sikkerhed, betydelige besparelser på inspektionsomkostninger og rettidig indsigt i din bygnings sundhedstilstand gennem hele dens levetid.

AI accelererer træbeskyttelsesteknologi – fra 10 års venten til forudsigelse på 1,5 år

Teknologisk Institut har udviklet den banebrydende AI-model DecAI, der revolutionerer test af træbeskyttelsessystemer. Med over 100.000 datapunkter fra 15 års feltforsøg på 10.000 L-joints i Malaysia og Danmark kan modellen nu forudsige træs nedbrydning allerede efter 1,5 år, væsentligt hurtigere end de traditionelle 10+ år. Ved at kombinere standardiseret EN330-klassificering med fugtighedsmålinger fra testemner og avancerede neurale netværk genererer DecAI pålidelige fremtidsprognoser på træbeskyttelsessystemers effektivitet.

Dette gennembrud demonstrerer vores arbejde med at anvende AI og digital transformation til at accelerere produktudvikling og skabe konkurrencefordele for danske virksomheder inden for bæredygtige byggematerialer. Teknologien reducerer testtid og omkostninger markant og understøtter byggesektorens omstilling mod cirkulær økonomi, levetidsforlængelse og holdbare konstruktioner inden for planetære grænser.

Projektet er delvist finansieret af Erhvervsministeriet gennem GTS-resultatkontrakt-ordningen og blev præsenteret ved den 56. IRG konference i Yokohama, Japan, juni 2025.

Machine Learning forudsiger betons levetid med imponerende præcision

Forstærket beton i marine miljøer nedbrydes ofte af kloridindtrængning, hvilket fører til dyre reparationer. At forudsige denne proces over en 30-50 års levetid er afgørende for design af holdbare konstruktioner som broer og havne.

I et banebrydende projekt har vi udviklet en ny metode, der kombinerer maskinlæring med en avanceret forbehandling af data. Ved at træne vores model på data fra seks nordeuropæiske eksponeringssteder har vi skabt et værktøj, der kan forudsige kloridprofiler årtier ud i fremtiden.

Metoden blev valideret på data fra 30-34 år gamle danske broer, herunder Farøbroen. Her viste vores model en forudsigelsesnøjagtighed, der er fuldt på højde med usikkerheden mellem faktiske målinger taget på samme bro.

Resultatet er en markant forbedret evne til at designe betonkonstruktioner med den rette levetid fra starten, hvilket sparer ressourcer og sikrer mere bæredygtigt og robust byggeri for fremtiden.

Digitale tvillinger – fremtidens byggeri med data og intelligens

Teknologisk Institut arbejder med digitale tvillinger som en integreret del af fremtidens byggeri og anlæg. Gennem vores BuildInWood demonstratorbygning kombinerer vi sensorteknologi, vejrdata og konstruktionsinformation til at skabe præcise matematiske modeller, der kan forudsige kritiske parametre som fugt i bærende trækonstruktioner.

Med over 65 sensorer, der kontinuerligt måler og dokumenterer historisk udvikling, omsætter vi komplekse data til brugbar indsigt. Disse digitale tvillinger muliggør optimal drift, proaktivt vedligehold og forlænget levetid af bygninger. Ved at integrere AI og avanceret dataanalyse udvikler vi skadesmodeller og levetidsmodeller, der skræddersyer vedligeholdelsesprocesser og minimerer risiko.

DTI's indsats inden for digitale tvillinger støtter bygge- og anlægssektorens grønne omstilling ved at sikre, at bygninger opererer intelligent og bæredygtigt indenfor de planetære grænser.