Tänk om AI kan bli en verklig allierad i byggnaders energiomställning? Algoritmer skulle kunna förvandla ingenjörsprojekten inom byggnadsbranschen om bara tillräckligt kraftfulla, pålitliga och robusta beräkningssystem tas fram. Det är vad företagen och forskarna på Mines Paris – PSL arbetar med på VINCI:s miljöforskningslabb.
Eftersom den motsvarar 43 % av den årliga energiförbrukningen i Frankrike och genererar 23 % av växthusgasutsläppen, är byggnadsbranschen en viktig pusselbit i tankegångarna kring hur avvecklingen av fossila bränslen kan förverkligas. I syfte att påskynda omställningen multiplicerar branschen olika innovationer, bland annat genom att använda sig av artificiell intelligens.
När man granskar byggnaders livscykler konstaterar man att driften väger tungt i deras totala utsläppsredogörelser. Genom att provocera fram ett paradigmskifte som tar oss från passiv hantering av förprogrammerade data till dynamiskt interagerande skulle framtidens algoritmer kunna totalförändra ekvationerna och ge byggnader förmågan att göra bedömningar, anpassa sig och agera förutseende.
Den 20 november 2025, ägde en dialog om AI:s roll i ingenjörsdrivna projekt rum på miljöforskningslabbets årliga seminarium. Det blev ett ypperligt tillfälle att uppmärksamma potentiella utsikter framtagna av forskning och experiment med smarta byggnader som utförts i samarbete med VINCI:s olika företag, Mines Paris – PSL, Frankrikes högskola för bro- och vägkonstruktion samt teknologiska agronomihögskolan AgroParisTech.
TwinOps: AI och BIM i drift
Ett av de första samarbetena som organiserades av forskarna på labbet för över tio år sedan handlade om digitala tvillingar som idag blivit ett centralt verktyg i byggnaders driftssystem och i hanteringen av dataflödet.
Ur de gemensamma ansträngningarna föddes TwinOps, ett erbjudande som marknadsförs av VINCI Facilities (VINCI Energies Building Solutions) och som bygger på BIM GEM (Building Information Modeling – hantering, drift, och underhåll) i syfte att underlätta skötseln och kontrollen av byggnader. Idag breddar AI digitala tvillingars användningsområden. ”Genom att injicera AI går det att göra driften av infrastrukturer och lokaler smartare, mer hållbar och mer reaktiv,” understryker Mustapha Bismi, företagschef på TwinOps VINCI Facilities. Hur? Tack vare beräkningsmodellernas kraft och robusthet.
En av de främsta frågorna som ställs när man talar om smarta byggnader handlar om insamlingen av data och dess hantering mellan olika apparater i miljöer som innehåller många olika typer av system och applikationer. Till det faktum att källorna är så pass många tillkommer två andra komplexa aspekter: byggnader är extremt diversifierade i sina upplägg och i dess ägares, förvaltares och brukares behov.
Projekt som lever upp till tekniska krav och ekonomiska begränsningar
I detta sammanhang och med siktet inställt på en industrialisering av både ekonomiska och kalkylerande modeller (de är nära sammankopplade) går det att argumentera för AI om forskarna lyckas konsolidera de matematiska modellerna så pass mycket att gapen mellan teori och praxis minskar betydligt. ”Vi bad en av våra kunder tillhandahålla Mines Paris – PSL en samling data och väderleksrelaterad information som var relevant för en av företagets byggnader. Ett år senare kunde forskarna bevisa att det gick att optimera energiförbrukningen med AI,” berättar Mustapha Bismi stolt.
Beräkningsmetoder som dividerats med tio tusen
Att kapaciteten ökat och att beräkningarna går allt snabbare öppnar oundvikligen nya lovande fönster mot mer energieffektivitet.
Patrick Schalbart, forskare inom ingenjörskap på forskningscentret för energi, miljö och processer på Mines Paris – PSL, arbetar fram olika sätt för AI att stärka resultaten för Pleiades STD COMFIE. Det är en mjukvara som används för att göra dynamiska, termiska simuleringar av byggnader och trots att den skapades redan för trettio år sedan är den fortfarande en referens idag. Tack vare forskning som bedrivits i samarbete med Qivy, ett av VINCI Energies’ företag, har verktyget kunnat utvecklas markant.
”I första hand handlade det om att göra verktyget mer användarvänligt (genom att göra det smidigare att ge information till modellen), men vi ville också att beräkningarna skulle gå fortare. Och vi lyckades uppnå båda målen! Genom att använda AI går det mycket snabbare att granska all data. Och det går tio tusen gånger snabbare att göra alla uträkningar, vi har gått från en simulering per sekund till 10 000 simuleringar per sekund,” bekräftar Patrick Schalbart.
De här positiva resultaten ger näring åt två olika teorier som forskare på forskningscentret Mines Paris – PSL försöker bevisa. Den första hypotesen gör gällande att det går att optimera hanteringen av byggnaders energiförbrukning genom att avlägsna konsumtionstoppar. Det nya tillvägagångssättet bygger på AI-insamlade data om stokastiska aspekter, det vill säga slumpmässiga aspekter, såsom väderleken eller brukarnas beteenden. Parametrar som förblir osäkra och som inte klassiska modeller kan smälta på ett korrekt sätt därför att det gör uträkningarna hundra, eller kanske tusen gånger långsammare.
”Automatisk inlärning gör det möjligt att skapa en modell med mätningar som redan utförts av byggnaders tekniska hanteringssystem. Målet är att undvika momentet då tekniska data måste samlas in och utformas i fysiska modeller. Det förkortar nämligen beräkningstiden, vilket optimerar driftregleringen under flera dagars tid, samtidigt som det går att bedöma ovisshetens konsekvenser för prognoserna,” förklarar Ryad Adel Ghouti, doktorand på Mines Paris – PSL.
Nätverk av slumpmässiga neuroner och skogar
Den andra teorin som härstammar från miljöforskningslabbet tittar närmare på AI:s möjliga roll i utformningen av existerande byggnaders energirenoveringsplaner. ”Här handlar det om att utveckla förutseende modeller, som till exempel slumpmässiga nätverk av neuroner och skogar, som snabbt kan bedöma byggnaders energiprestanda och integrera de uppgifterna i en optimeringsprocess som bygger på många olika kriterier och vars kostnad och energi- och/eller miljöprestanda också räknas med,” förtydligar Ayoub Hannad, doktorand på Mines Paris – PSL.
Genom att bygga en databas grundad på simuleringarna av byggnader skapas metamodeller som sedan kan användas för att identifiera de bästa renoveringslösningarna.
Med sikte på driften
Låta data lyfta och lansera hundratusentals simuleringar som genererar förutseende metamodeller som kan ersätta fysiska modeller, det är den gemensamma nämnaren för de flesta projekt som drivs av miljöforskningslabbet. Applicerad forskningslogik ligger bakom och målet är alltid att ta fram operativa modeller som konkret lever upp till byggnaders tekniska miljökrav och uppdragsgivarnas budgetar.
09/04/2026
