Hvordan kan KI hjelpe byggenæringen?

Byggenæringen har et rykte på seg for å være blant de minst digitaliserte næringene.

– Det ønsker vi å gjøre noe med. Nå ser vi at kunstig intelligens har potensial til å endre næringen, sier Christoffer Hærnes, direktør i Skanska Digital.

Men hva skal til for å lykkes – og hvor skal man starte? Bør aktørene i sektoren sette seg ned og formulere store og ambisiøse KI-strategier? Det er ikke sikkert det er stedet man må begynne for å skape verdi, forklarer Hærnes.

– For å skape effekt av KI og digitalisering, må man forstå hvilket problem vi skal løse. Selv om teknologien er spennende, kan vi ikke forelske oss i løsningene. Vi må forstå problemene, kunne nok om teknologien – for deretter å applisere rett løsning, forklarer han.

Kan ikke alltid «hive KI» på toppen

Heldigvis finnes det mange områder i bygg- og anleggsnæringen der kunstig intelligens faktisk kan løse reelle problemer. Det gjelder alt fra tidligfase, prosjektering og design – til å bruke språkmodeller for å sjekke at anbud er konsistente og at prosjekteringsunderlaget samsvarer med tekniske forskrifter.

– Samtidig er det ikke bare å «hive» en KI-modell på toppen av teknologien du sitter på. Mange systemer er fortsatt silobaserte, og mye data registreres manuelt og sporadisk. Det fører til feil – og gjør det vanskelig å få til sømløse, automatiserte prosesser, sier han.

I tillegg er adopsjonsraten i bransjen fortsatt lav.

– Mange ser ikke de umiddelbare fordelene, og verdikjedene i byggenæringen er komplekse. Prosjektene involverer et lappeteppe av rådgivere og underleverandører med ulike systemer, krav og behov.

Brukeropplevelsen må komme først

Faren er at man ender med løsninger som blir for kompliserte, og som ikke passer inn i hverdagen på en byggeplass eller i en tunnel der det er kaldt, mørkt og det jobbes med hansker på.

Brukeropplevelsen må med andre ord komme først.

– Brukeren skal ikke tenke på om det er KI eller ikke. Kompleksiteten skal ikke synes. De skal tenke at hverdagen blir smidigere, raskere og at man kan bygge sikrere og billigere av høyere kvalitet, sier Hærnes.

For å få til det, trenger man tilgang til mye data.

– Her er det mange trender som påvirker bransjen. Vi ser stadig mer utstrakt bruk av sensorikk og IoT. Det er rystelsesmålere, støymålere, kameradata, data fra maskiner og mye mer.

– Automatisering er et langsiktig mål, men for å løse dagens utfordringer, må vi ha en visjon som strekker seg fremover i tid.

– KI er ikke feilfri

Det som kjennetegner kunstig intelligens er at teknologien kan løse oppgaver uten at mennesker må instruere den trinn for trinn. KI lærer av data og kan håndtere og tilpasse seg nye situasjoner som ikke følger en fast mal.

Nettopp det gjør teknologien særlig interessant i bygg- og anleggssektoren. For i motsetning til for eksempel produksjonsindustrien, der man kan beskrive hver oppgave, kodelinje for kodelinje, og få det samme resultatet hver gang – er byggeprosjekter gjerne langt mer uforutsigbare.

Med KI kan man automatisere oppgaver i prosjekter der ikke alt er kjent på forhånd. Teknologien kan bidra i situasjoner der forutsetningene endrer seg underveis, og gjøre det mulig å jobbe mer digitalt – også i prosesser som har vært for komplekse og med for mange variabler til å automatisere.

– Dette er mulig. Mange sitter på mye data som kan aggregeres og gjøres mer tilgjengelig. Men for å få det til må man dempe frykten for alt som kan gå galt.

– Kunstig intelligens er ikke feilfri, og den løser ikke alt over natta. Men vi trenger mer kunnskap om hva som faktisk fungerer – og hvordan vi kan bruke det på en smart måte.

Her er tre eksempler (av mange) på hvordan kunstig intelligens tas i bruk i Skanska i dag.

1. Delautomatisert fangst av utslippsdata fra fakturaer

For å få bedre oversikt over karbonavtrykket fra innkjøp, bruker Skanska kunstig intelligens til å hente ut utslippsdata direkte fra fakturaene.

– Det er en utrolig tidkrevende prosess å gjøre dette i regneark. Det tok ikke lang tid før vi nådde grensen for hvor mange rader og kolonner vi kunne ha i Excel, sier han.

Nå bruker de API-ene til OpenAI for å ekstrahere utslippsdata fra fakturaene de får inn. Det innebærer at de kobler seg på avansert språkmodellteknologi – den samme som brukes i ChatGPT – for å analysere ustrukturert tekst og automatisk hente ut relevant klimainformasjon på tvers av format, språk og leverandørpraksis.

– På den måten reduserer vi arbeidsbelastningen, samtidig som vi får et presisjonsnivå som er både etterprøvbart og sporbart – helt ned til hvilke utslipp som knytter seg til hver enkelt innkjøpte tjeneste.

– Dette er utrolig viktig for rapporteringen i dag. Ikke minst er det utrolig viktig for å ta de rette valgene i morgen.

2. Utslippsreduksjon fra anleggsplassen

– For maskiner som enten kjører store distanser, driver massetransport eller sleper store mengder stein, finnes det fortsatt ikke elektriske alternativer. Men vi kan ikke vente på full elektrifisering. Vi må jobbe systematisk med å ta ned utslippsmengden på store maskinparker.

Derfor har Skanska i samarbeid med SINTEF utviklet maskinlæringsalgoritmer for å redusere utslipp knyttet til bruk av tunge anleggsmaskiner. Et eksempel er optimalisering av ruteplanlegging på store anleggsplasser, hvor det stadig graves midlertidige veier, forklarer Hærnes.

Ved å analysere maskinbruken algoritmisk, har de sett at de kan kutte unødvendig tomgang med opptil ti prosent.

– Det handler ikke bare om å redusere ventetid, men også om å ta smartere beslutninger om hvor bratte anleggsveiene bør være. For bratt helling kan ha en stor påvirkning på utslippsmengden.

– Skal vi lykkes med den digitale, grønne omstillingen, må beslutningene tas basert på fakta og innsikt på et fingranulert nivå, sier han.

3. Redusering av gipsavfall 

Hvis man fortsetter å bruke gips i samme tempo som i dag, vil verden gå tom for gips om rundt 120 år. Det er med andre ord åpenbart noe som må gjøres noe med.

– Samtidig må bygg- og anleggsbransjen redusere avfall på byggeplassen. Selv om mye allerede er gjort, er det fortsatt mye som gjenstår.

Derfor har Skanska deltatt i et forskningsprosjekt om parametrisk design for å redusere gipsavfall. Ved å bruke forhåndsdefinerte mål, fargekoder og nummerering ved forhåndskutting av gips, har de redusert gipsavfall med opptil 83 prosent i et referanseprosjekt.

ved å videre teste algoritmene på utvalgte prosjekter har metoden resultert i reduksjoner på 40-60 prosent, selv i bygg som er mindre optimale for metoden.

– Det er altså en betydelig reduksjon, både i hvor mye gips vi bruker, men og hvor mye gips vi kaster.