Implementering av AI för driftoptimering i kommersiella fastigheter

Abstract

This study is a case study on the implementation of AI for optimizing building management systems in commercial real estate, with a focus on the perspective of property owners. The study addresses two main objectives. The first is to explore how AI can reduce energy consumption and improve building operations,
as well as the incentives for adopting such technology. The second is to analyze the organizational and technical challenges associated with implementing AI and examine the risks perceived by stakeholders.
The aim of the study is to investigate how AI technology can be utilized
to optimize the management and operation of commercial properties, with
a specific focus on property owners’ incentives and challenges. Additionally, the study examines the economic and environmental benefits of AI solutions, including energy savings and improved indoor climate. To achieve this,
a qualitative case study was conducted, comprising a literature review and an interview study. The literature review establishes the theoretical basis for how AI contributes to operational optimization, while the interviews provide empirical insights from real estate companies that have implemented or are considering implementing AI. A total of ten interviews were conducted with seven real estate professionals and three individuals from the technology provider that served as the case company.
The results demonstrate that AI implementation can lead to significant energy savings and more efficient operations in commercial properties. Respondents highlighted that AI-based systems can integrate effectively with existing building management systems, providing real-time monitoring of energy consumption and enabling automated adjustments that reduce energy costs while enhancing indoor climate conditions. AI's ability to process large datasets also allows it to anticipate future energy needs based on external factors such as weather and energy prices, further improving operational efficiency. However, the study identifies several technical and organizational challenges associated with AI implementation. Technical issues include compatibility problems with older systems, inaccurate sensor data, and difficulties integrating AI solutions into existing infrastructure. Proper preparatory work on the building’s systems and components is essential for optimal implementation. On the organizational side, skepticism among technical staff and building operators poses
a significant challenge, often due to a lack of understanding of the technology’s functions and benefits, as well as fears that AI may threaten jobs. The study emphasizes the importance of education and communication to overcome these obstacles and underscores the need for close collaboration between property owners and technology providers.

This study contributes to a deeper understanding of how AI can be leveraged to optimize operations and reduce the environmental impact of commercial buildings while providing insights into the challenges and opportunities property owners face during implementation. The findings can be used by real estate companies, property managers, and technology providers to better understand how to integrate AI solutions and navigate potential barriers. Future research is suggested on the long-term economic impacts of AI, as well as its social and occupational implications for building operators and other employees.

Abstract (Swedish)

Följande studie är en fallstudie om implementering av AI för att driftoptimera styrsystem i kommersiella fastigheter, med fokus på fastighetsägares perspektiv. Studien har genomförts för att uppfylla två huvudsakliga syften. Del ett är att undersöka hur AI kan bidra till minskad energiförbrukning och förbättrad drift
i kommersiella byggnader, och vilka incitament som finns för att implementera denna typ av teknologi. Del två är att analysera de organisatoriska och tekniska utmaningar som uppstår vid implementeringen av AI, samt att undersöka vilka risker aktörerna upplever med teknologin.

Studiens syfte är att utforska hur AI-teknologi kan användas för att optimera drift och förvaltning av kommersiella fastigheter, med särskilt fokus på fastighetsägarnas incitament och utmaningar. Vidare undersöks de ekonomiska och miljömässiga mervärden som AI-lösningar kan generera, inklusive energibesparingar och förbättrat inomhusklimat. För att uppnå detta syfte har en kvalitativ fallstudie genomförts, bestående av både en litteraturstudie och en intervjustudie. Litteraturstudien syftar till att etablera en teoretisk grund för hur AI kan bidra till driftoptimering, medan intervjustudien ger empiriska insikter från fastighetsbolag som implementerat eller överväger att implementera AI. Totalt har tio intervjuer genomförts med sju aktörer inom fastighetsbranschen och tre personer från teknikföretaget vars produkt utgör fallstudien, benämnt som "fallföretaget".

Studiens resultat visar att AI-implementering kan leda till betydande energibesparingar och effektivare drift i kommersiella fastigheter. Respondenterna pekar på att AI-baserade system effektivt kan integreras
i befintliga styrsystem och övervaka energiförbrukningen i realtid, vilket ger möjlighet till automatiserade justeringar som kan minska energikostnader och samtidigt förbättra inomhusklimatet. AI:s kapacitet att bearbeta stora mängder data gör det också möjligt att förutse framtida energibehov baserat på externa faktorer som väder och energipriser, vilket ytterligare bidrar till att optimera driften. Studien identifierar dock flera tekniska och organisatoriska utmaningar med AI-implementeringen. Tekniska problem inkluderar kompatibilitetsfrågor med äldre system, felaktiga indata från sensorer och svårigheter med att integrera AI-lösningar med befintliga styrsystem. Studien visar att det tekniska förarbetet i byggnadens komponenter och system är av yttersta vikt för
en optimal implementering. På organisatorisk nivå framkommer skepsis bland drifttekniker och teknisk personal som en betydande utmaning, ofta på grund av brist på förståelse för teknologins funktioner och potentiella fördelar, men också på grund av en rädsla av att AI hotar ens arbete. Studien betonar att utbildning och kommunikation är avgörande för att övervinna dessa hinder och att implementeringen av AI-system kräver ett nära samarbete mellan fastighetsägare och teknikleverantörer.

Studien bidrar till en bättre förståelse för hur AI kan användas för att optimera drift och minska klimatpåverkan i kommersiella fastigheter, samtidigt som den ger insikter om de utmaningar och möjligheter som fastighetsägare ställs inför vid en sådan implementering. Resultaten kan användas av fastighetsbolag, förvaltare och teknikföretag för att bättre förstå hur AI-lösningar kan integreras och vilka potentiella hinder som kan uppstå. Vidare forskning föreslås kring AI:s långsiktiga ekonomiska effekter, samt dess sociala och arbetsmässiga konsekvenser för drifttekniker och andra anställda.

Popular Abstract (Swedish)

Fastighetsbranschen möter AI-revolutionen: Potential och utmaningar

Kan artificiell intelligens (AI) förändra fastighetsbranschen genom att effektivisera drift och sänka energikostnader? Examensarbetet ”Implementering av AI för driftoptimering av kommersiella fastigheter” undersöker hur AI kan användas för att optimera byggnaders energiförbrukning och vilka utmaningar som fastighetsbolag kan möta i denna process.

Fastighetssektorn står inför stora utmaningar relaterade till klimatförändringar, ökade energikostnader och krav på hållbarhet. Samtidigt erbjuder digitaliseringen, och särskilt AI, lösningar som kan hjälpa till att möta dessa utmaningar. Examensarbetet undersöker hur kommersiella fastighetsbolag kan använda AI för att optimera drift och energiförbrukning i sina byggnader. Genom att analysera exempel från svenska fastighetsbolag identifieras såväl möjligheter som hinder för implementeringen av AI-baserade lösningar.

AI kan bidra till att minska energiförbrukningen genom att analysera data i realtid och automatiskt justera byggnaders system för värme, ventilation och belysning. Exempelvis kan väderprognoser och användningsmönster användas för att förutse energibehov och optimera driften. Resultaten visar att AI-system kan sänka energikostnaderna med upp till 25 % och minska klimatpåverkan, samtidigt som inomhusklimatet förbättras för hyresgäster.

Implementeringen av AI är dock inte utan svårigheter. Tekniska hinder inkluderar exempelvis behovet av noggrann sensorplacering och kompatibilitet med äldre byggnadsstyrsystem. Sensorer som är felaktigt placerade eller inte fungerar korrekt kan leda till ineffektiv drift och missade besparingar. Utöver detta finns organisatoriska utmaningar, såsom skepsis bland personal och brist på teknisk kompetens inom fastighetsbolagen. Dessa faktorer kan skapa motstånd mot förändringar och bromsa införandet av ny teknik.

Arbetet lyfter också fram vikten av samarbete mellan fastighetsbolag och teknikleverantörer. För att övervinna hinder krävs en noggrann planering av implementeringsprocessen, där utbildning av personal och en tydlig strategi för teknologiadoption är avgörande. Studien fungerar som en praktisk vägledning för fastighetsbolag och erbjuder insikter om hur organisationer kan hantera både tekniska och organisatoriska utmaningar.
Studien bidrar också teoretiskt genom att utveckla en modell för att förstå hur tekniska och organisatoriska faktorer påverkar implementeringen av AI i fastighetssektorn. Denna modell kan appliceras i andra branscher för att analysera införandet av ny teknologi.

AI är mer än ett verktyg för effektivisering; det har potential att förändra fastighetsbranschen i grunden och bana väg för en mer hållbar framtid. Men för att denna potential ska realiseras krävs ett strategiskt förhållningssätt och en vilja att anpassa sig till nya arbetssätt. Genom att ta itu med både tekniska och organisatoriska utmaningar kan fastighetsbolag bli ledande aktörer i övergången till en grönare och mer digitaliserad framtid.

• author: Aspgren Larsson, Daniel
• supervisor: Ingemar Bengtsson
• organization: Real Estate Science
• alternative title: The implementation of AI for operational optimization in commercial real estate
• course: VFTM01 20241
• year: 2024
• type: H2 - Master's Degree (Two Years)
• subject: Technology and Engineering
• keywords: PropTech, AI, energy optimization, Building management system, sustainability, digitalization, real estate sector, real estate challenges, innovation. PropTech, energioptimering, styrsystem, hållbarhet, digitalisering, fastighetsbranschen, fastighetsutmaningar, innovation.
• other publication id: ISRN LUTVDG/TVLM 24/5573SE
• language: Swedish
• id: 9179011
• date added to LUP: 2025-01-09 09:19:28
• date last changed: 2025-01-09 09:19:28