Regelbaserad klimatberäkning från BIM-modell

Projektets fokus har varit att förbättra förutsättningarna för att använda BIM-modeller i klimatberäkningar. Vi har dels undersökt viktiga aspekter att beakta vid klimatberäkningar från BIM-modeller, dels utvecklat metoder för att hantera utmaningar inom detta område.

Projektet omfattar tre delområden. Det första området fokuserade på att utvärdera en regelbaserad metod för att standardisera modellinformation, vilket underlättar sammanställning av livscykelanalysens resurssammanställning från BIM-modeller. Det andra området inriktade sig på beräkning av täckningsgrad för modeller och hur branschen kan fortsätta att arbeta med denna fråga. Det tredje området undersökte hur AI kan användas inom klimatberäkning, inklusive användning av maskininlärning för klassificering av objekt i modeller och utveckling av en prototyp som ger råd om klimatsmart byggande, baserat på språkmodellen ChatGPT.

I studien presenteras fyra fallstudier som involverade totalt ett 50-tal byggprojekt. Fallstudie 1 genomfördes på ett flerbostadshus i Östberga på 17 928 kvm, baserat på A-modellen. Fallstudie 2 omfattade ett flerbostadshus i Årsta på 16 346 kvm, med Aoch K-modeller som grund. Fallstudie 3 avsåg ett flerbostadshus i Täby Park på 16 896 kvm, med beräkning baserad på A-modellen, K-modellen samt modeller för stomme och takkonstruktion. Fallstudie 4 utfördes på ett flerbostadshus på Kungsholmen om 12 172 kvm, med A- och K-modeller som grund. Samtliga fallstudier genomfördes med den studerade regelbaserade metoden.

Fallstudierna utfördes utan större problem eller hinder. Specifikt för Fallstudie 4, beräknades den först med den initiala regelbaserade metoden och i projektets slutskede med en förfinad process för denna metod.

Resultaten från fallstudierna indikerar flera fördelar med att skapa ett regelbaserat standardiseringslager mellan modellen och resurssammanställningen, för att effektivare utnyttja data från byggprojektens modeller. Ett huvudresultat är utvecklingen av ett koncept som projektet benämner pipelines, ett databearbetningsflöde som implementerats och testats med lovande resultat. Projektet identifierade även ett potentiellt behov av nya klassifikationssystem för att hantera och rapportera byggnaders klimatpåverkan. En annan slutsats är att det finns ett behov av dialog om täckningsgrad vid klimatberäkningar från BIM-modeller och att fortsatta studier är viktiga inom detta område.

Avslutningsvis visar tester med AI för objektklassificering stor potential. Projektet konstaterar att det i framtiden kan bli möjligt att ersätta flera manuella steg i klimatberäkningen med processer baserade på maskininlärning.