Property AI
proprty.ai - AI-baseret tilstandsvurdering og vedligeholdelsesplanlægning
Proprty.ai er et AI-baseret system til automatiseret tilstandsvurdering og vedligeholdelsesplanlægning af kommunale bygninger. Systemet kombinerer kunstig intelligens med bygningsfaglig ekspertise til at forudsige restlevetid og vedligeholdelsbehov for bygningsdele.
Beskrivelse af systemet
I. Hvor bruges systemet og hvad bruges det til?
Københavns Kommune:
- Anvendes af Københavns Ejendomme til vedligehold af kommunens bygningsportefølje omfattende ca. 3.500 bygninger
- Bruges til at skabe overblik og prioritere vedligeholdsindsatser på tværs af porteføljen
- Understøtter allokering af de over 500 mio. DKK der årligt anvendes til bygningsvedligehold
- Hjælper med at sikre at medarbejdere og borgere bevæger sig i sunde bygninger
Rudersdal Kommune:
- Implementeret i Rudersdal Ejendomme til at understøtte tilstandsvurdering og prioritering af vedligehold
- Anvendes til at flytte flere opgaver fra akut til forebyggende vedligehold
- Integreret med Dalux FM-system
II. Hvornår blev det implementeret?
Københavns Kommune:
- Aftale indgået og kickoff afholdt i september 2023
- Lancering af systemet på BLOX i København i starten af 2024
- Københavns Ejendomme var med i udviklingen af værktøjet sammen med DAB, KAB og AAB
Rudersdal Kommune:
- Implementering begyndte i november 2025
- Aftalen indgået som del af budget 2026-2029, hvor der er afsat 36 mio. kr. ekstra til vedligehold
III. Hvordan gør systemet brug af kunstig intelligens?
AI-teknologi:
- Selvlærende AI-motor der analyserer bygningsdata
- Anvender avancerede algoritmer til at generere tilstandsvurderinger
- Machine learning-modeller til at forudsige restlevetid på bygningsdele
- Forudsiger vedligeholdelsesomkostninger på bygningsdelsniveau
Funktionalitet:
- Automatiserer tilstandsvurderinger der tidligere tog 3-5 dage til få minutter
- Kombinerer AI-baserede analyser med manuelle vurderinger
- Estimerer restlevetid og identificerer kritiske bygningsdele
- Optimerer vedligeholdelsesplaner efter budget
- Inkluderer CO₂-modul til beregning af klimaaftryk
IV. Hvilke data er blevet brugt til at træne algoritmen?
Datagrundlag:
- Historiske bygningsdata fra store danske ejendomsbesiddere (DAB, KAB, AAB, Københavns Ejendomme udgør 18% af boligudlejningsmarkedet)
- BFE-numre (Bygningsdelstyper For Ejendomme)
- Historisk vedligeholdsdata
- Bygningsdele og materialedata
- Offentlige data: indbygningsår, mængder, omkostninger
- Ny version af modellen bruger betydeligt mere data fra nye og kendte kilder
Dataintegration:
- Data synkroniseres automatisk fra FM-systemer
- Systemet beriger data med offentlige datakilder
- Selvlærende model der forbedres hver gang ny ejendomsbesidder indtaster data
V. Hvilke sikkerhedsforanstaltninger findes der?
Information ikke tilgængelig i kilderne.
VI. Har systemet været afprøvet gennem f.eks. pilotprojekter? Blev der identificeret konkrete (etiske, juridiske, tekniske) udfordringer? Blev disse udbedret? Hvordan?
- Udviklet i tæt samarbejde med DAB, KAB, AAB og Københavns Ejendomme som pilotpartnere
- Lancering på BLOX i København med repræsentanter fra pilotorganisationerne
- Testet på 800 bygninger hos Forsvaret for at analysere vedligeholdelsesbehov
Udfordringer og læring: - Tidligere forsøg på digitalisering af tilstandsvurderinger mislykkedes pga. data i siloer, ufuldstændige eller upålidelige data
- proprty.ai løser disse problemer med selvlærende AI-motor
- Integrationsudfordringer med eksisterende FM-systemer adresseret gennem automatisk synkronisering
VII. Hvordan er begrundelsen for indføring af systemet?
Københavns Kommune:
- Skabe overblik på tværs af bygningsporteføljen
- Optimal udnyttelse af vedligeholdelsesressourcer (500+ mio. DKK årligt)
- Løfte samfundsansvaret for at sikre Københavns bygningsmasse
- Sikre sunde bygninger for medarbejdere og borgere
- Reducere CO₂-udledning gennem forebyggende vedligehold
Rudersdal Kommune:
- Flytte opgaver fra akut til forebyggende vedligehold
- Få mest ud af den enkelte vedligeholdelseskrone
- Professionalisere beslutninger om vedligehold
- Støtte budgetprioriteringen med 36 mio. kr. ekstra til vedligehold (2026-2029)
- Bidrage til klimamål gennem datadrevet CO₂-reduktion
Generel begrundelse (Fundet hos leverandør):
- Effektivisering: reducere tidsforbruget fra 3-5 dage til få minutter per bygning
- Forebyggelse: forlænge levetid på bygningsdele og undgå større renoveringer
- Klimafordel: vedligehold reducerer indlejret CO₂ - forskning viser op til 29% reduktion i indlejret energi ved levetidsforlængelse
- Økonomisk optimering: prioritere kritiske bygningsdele og synliggøre teknisk gæld
VIII. Er lignende systemer blevet implementeret andres stede? Eventuelt, hvilke erfaringer er der derfra.
Danske implementeringer:
- DAB (Danmarks Almene Boliger)
- KAB (Københavns Almene Boliger)
- AAB (Arbejdernes Almene Boligorganisation)
- Forsvarets bygninger (800 bygninger analyseret)
- Rudersdal Kommune (implementering november 2025)
Erfaringer:
- Pilotorganisationerne udgør tilsammen 18% af det danske boligudlejningsmarked
- Stor interesse fra flere andre ledende aktører i ejendomsbranchen
- Systemet forbedres løbende når flere organisationer indtaster data (netværkseffekt)
- Positive erfaringer med reduktion af manuelt arbejde og forbedret prioritering
Internationale ambitioner:
- Virksomheden har ambitioner om at udvide teknologien til nye brancher
- Planer om at tage værktøjet i brug på tværs af landegrænser
IX. Kilder
Primære kilder:
proprty.ai pressemeddelelse om Rudersdal Kommune (29. oktober 2025)
- https://proprty.ai/2025/10/29/rudersdal-kommune-datadrevet-vedligehold/
- Information: Implementering i Rudersdal Kommune, budget, funktionalitet, CO₂-modul
proprty.ai artikel om Victor Maahr, Københavns Kommune (28. oktober 2025)
- https://proprty.ai/2025/10/28/koebenhavns-kommune-co2-vedligehold-victor-maahr/
- Information: Forebyggende vedligehold som klimaværktøj, AI-baserede modeller til levetidsforudsigelse
IT Watch artikel om Københavns Kommune kontrakt
- https://itwatch.dk/ITNyt/Resultater/article18528627.ece
- Information: Kontrakt mellem Københavns Kommune og proprty.ai, 3.500 bygninger
- Note: Delvist låst bag paywall
proprty.ai hjemmeside og blog
https://proprty.ai/ og https://proprty.ai/blog/
proprty.ai pressemeddelelse om Københavns Kommune (september 2023)
IT-Kanalen artikel om proprty.ai
https://it-kanalen.dk/proprty-ai-vil-forandre-ejendomsforvaltning/
