Så kan fastigheters energianvändning minskas
Tema AI och människan
– I DigiCityClimate-projektet försöker vi minska medborgarnas energianvändning med hjälp av AI för att i förlängningen sänka koldioxidutsläppen, säger Anne Håkansson, forskare vid KTH och fortsätter:
– Vi ska även hjälpa bostadsrättsföreningar att balansera och optimera driften av sina fastigheter och underlätta för Stockholms stad med energirådgivningen.Idag kan bostadsrättsföreningar vända sig till EKR, Energi- och klimatrådgivningen vid Energimyndigheten, för att få råd och stöd i arbetet med att sänka sin energianvändning. Föreningarna får en rapport som bland annat visar fastighetens energiprestanda, vilka de största "energitjuvarna" är och en lista med rekommenderade energisparåtgärder. Det kan till exempel handla om att uppgradera befintliga 2-glasfönster till 3-glasfönster, tilläggsisolering av vind, att byta ut äldre tvättmaskiner eller att installera solceller.
AI rekommenderar
– Arbetsflödet hittills är tidskrävande och energirådgivarna spenderar mycket tid på att samla data om byggnaden, både vid platsbesök och i administrativa system. Vi vill istället använda en konversationsagent, en chatbot, som använder AI-teknologi för att ta fram rekommendationerna, berättar Oleksii Pasichnyi, forskare vid KTH.
Den data som ligger till grund för rekommendationerna kommer från ett flertal källor; Lantmäteriets byggnads- och fastighetsregister, energideklarationer från Boverket, kulturklassning och 3D -modeller från Stockholms Stad, energianvändning från Stockholm Exergi, CO2-intensitet från Svenska Kraftnät och Stockholms Exergi, och klimatdata från SMHI. Bland annat.
Syftet är nu att undersöka hur artificiell intelligens kan användas för att producera rekommendationer för energisparåtgärder.
I dagsläget finns en chatbot kopplad till drygt 800 generella frågor och svar (se sparabot.com/ ). I nästa steg vill forskarna göra det möjligt att använda kontext-beroende frågor för att generera svar, det vill säga ställa frågor som är kopplade till en specifik byggnad. För att kunna göra det utnyttjas stora språkmodeller, som OpenAIs ChatGPT.
För bostadsrättsföreningar
Åtta bostadsrättsföreningar i Hammarby Sjöstad ingår i ett pilotprojekt, eftersom dokumentationen av fastigheternas energiprestanda och byggnadsdata är omfattande, inklusive tidigare genomförda energieffektiviseringsåtgärder. Utöver detta ingår de externa datakällor som nämns ovan. När en fråga kommer in från bostadsrättsföreningen, tolkas och bearbetas den av språkmodellen, som har tillgång till datakällorna, och en chatbot levererar de energieffektiviseringsåtgärder som har bäst potential för byggnadens ägare.
– Varför får vår fastighet klass F i energideklarationen, är ett exempel på en fråga som kan ställas och besvaras. Att hämta och sammanställa information är de stora språkmodellerna riktigt bra på, säger Oleksii Pasichnyi.
Men kan vi lita på svaren som modellerna ger?
Shadaab Ghani, datavetare vid KTH, är också inkopplad i projektet. Hon säger att språkmodellerna som används är kostsamma att utveckla och redan är upptränade. De kan baseras på korrupt data och de kan vara partiska. Det blir därför viktigt att bedöma, testa och validera de energisparåtgärder som föreslås, innan det går att skala upp AI-stödet till användare inom Energi- och klimatrådgivningen.
Text: Magnus Atterfors