Graphs4CO2

Byggindustrin står för en betydande del av de globala koldioxidutsläppen. För att minska klimatpåverkan måste vi både använda material med lågt koldioxidavtryck och öka återanvändningen av byggmaterial. En av de största utmaningarna är dock att tillgången på relevant och tillförlitlig data är begränsad och ofta svår att använda i praktiken.

Projektet Graphs4CO₂ utforskar utvecklingen av en AI-driven lösning för att effektivisera hanteringen av CO₂data och cirkulära material inom byggdesign. Genom att använda Graph Machine Learning (GML) skapas en smart dataintegration som gör det enklare för arkitekter, ingenjörer och beslutsfattare att välja hållbara material och strategier.

Utmaningen: CO₂-data i byggbranschen

Nuvarande databaser om byggmaterials klimatpåverkan och cirkularitet är ofta svåra att kombinera, jämföra och integrera i BIM-miljöer. De har olika format, måttenheter och täcker endast vissa typer av materialegenskaper. Dessutom är data om återbrukade material ofta spridd, ofullständig och svår att anpassa till arkitektoniska projektkrav, vilket gör det komplicerat att välja återvunna alternativ framför nytillverkade.

Det finns specialiserade företag som erbjuder tjänster för att beräkna byggnaders koldioxidutsläpp och maximera användningen av återvunna material. Men dessa tjänster är ofta exklusiva och kostsamma, vilket gör att små och medelstora företag har begränsad tillgång till den bästa informationen. Detta skapar en ojämlikhet på marknaden och hämmar den breda implementeringen av hållbara byggstrategier.

Lösningen: AI och grafmaskininlärning

Genom att använda GML kan vi skapa en mer intelligent och flexibel lösning. Istället för att arbeta med enstaka databaser omvandlas BIM-byggnadsmodeller till en graf – ett nätverk av sammanlänkad information. På så sätt kan AI förstå och analysera relationerna mellan material, byggkomponenter och klimatpåverkan på ett mer avancerat sätt än traditionella metoder.

Den föreslagna metoden som vi vill utforska inom detta projekt består av fyra steg:

1. Dataintegration och harmonisering – Samlar in och standardiserar data från olika källor, säkerställer att den är korrekt, enhetlig och användbar.
2. Integration med BIM – Kopplar data till digitala byggmodeller (BIM), vilket gör den lättillgänglig för arkitekter och ingenjörer i deras arbetsflöden.
3. Smarta rekommendationer – AI föreslår hållbara material baserat på projektets behov, på ett sätt liknande Spotifys musikrekommendationer.
4. Interaktiv AI – En chatbot gör det möjligt att söka efter de bästa materialen, jämföra alternativ och få omedelbara svar.

Effekter

Genom Graphs4CO₂ kan vi påskynda övergången til ett mer cirkulärt och hållbart byggande. Arkitekter och byggföretag får bättre verktyg för att minska koldioxidutsläpp, samtidigt som återbruk och återvinning av material ökar.

Projektet bidrar till ökad operationell effektivitet genom att automatisera insamling, standardisering och analys av CO₂-data, vilket förbättrar beslutsfattandet och minskar tidsåtgången för materialval, CO₂-beräkningar och resursoptimering.

Samtidigt stärker det arbetskraftens empowerment genom att göra hållbarhetsdata mer tillgänglig och användarvänlig, vilket minskar behovet av teknisk expertis, reducerar manue lt arbete och frigör tid för mer strategiskt och kreativt arbete.

För små och medelstora företag (SME) innebär detta en mer jämlik tillgång till högkvalitativa data genom en öppen och interoperabel plattform, vilket gör det möjligt att implementera hållbara lösningar utan höga initiala investeringar och därmed stärka deras konkurrenskraft.

Slutsats

Projektet har potential att förändra hur byggbranschen arbetar med CO₂-data och cirkularitet, både i Sverige och internationellt. Genom att göra den bästa informationen tillgänglig för fler kan vi skapa en mer rättvis, effektiv och hållbar byggsektor. Med hjälp av AI och grafmaskininlärning kan vi gå från komplex och fragmenterad data till smarta, integrerade lösningar som möjliggör en mer klimatvänlig och resurseffektiv byggsektor.