Fastigheter kommer snart att bli som Teslor

Distansarbetsdag på stugan. Hur mår kunderna? Jag kontrollerar situationen för nästan hundra fastigheter på några timmar.

• Finns det några utmaningar med energianvändningen någonstans? Beror det på ventilation, uppvärmning eller dåligt fungerande värmeåtervinning? Är värmepumparnas effektivitet otillräcklig?
• Och hur är förhållandena i byggnaderna?

Dessa fastigheter har totalt 500 ventilationsaggregat och värmeåtervinningssystem, hundra värmesystem, över 30 värmepumpar och tio solkraftverk.

Ni tänker säkert att det är ett stort jobb. Förr i tiden skulle allt detta ha tagit en vecka. Nu får jag all information direkt på skärmen, strukturerad och i realtid via molntjänsten. När tekniken söker och identifierar problemen i förväg kan jag använda min tid till att lösa dem.

Tesla erövrade elbildsmarknaden delvis för att de var först med att verkligen ansluta bilarna till molnet. Bilarna skickar enorma mängder data för analys varje dag. Baserat på dessa data kan man identifiera potentiella fel innan de orsakar problem och införa nya funktioner i bilarna.

Du kör bilen till garaget på kvällen och på morgonen märker du att din bil har fått nya funktioner. Bilen känns ny igen.

Data är bränslet

Data är bränslet för maskininlärning och artificiell intelligens. Ju mer data, desto bättre kan maskininlärning och AI utnyttjas för att utveckla nya automatiserade funktioner.

Detsamma gäller för byggnader. Byggnadens hjärna är traditionellt sett byggnadens automationssystem, som kan jämföras med bilens motorstyrningssystem. De varierar i både bilar och fastigheter beroende på ålder, märke, modell, använd teknik och regleringsmetoder. I bilar finns det dock ett etablerat gränssnitt som i sina kärnfunktioner är mycket likt. Det är svårt för oss att föreställa oss en bil utan ratt, pedaler eller hastighetsmätare. Om du någon gång har kört en bil kan du efter lite tillvänjning köra vilken bil som helst.

Byggnader har inte ett sådant etablerat gränssnitt, utan varje byggnad är unik. Därför måste den person som ansvarar för underhållet lära sig varje byggnads processer och teknik ingående för att kunna driva fastigheten på bästa möjliga sätt. Det tar tid, och ofta sker inlärningen genom erfarenhet. Även för en erfaren yrkesperson kan det ibland vara mycket svårt att förstå hur alla inställningar påverkar olika funktioner.

Situationen är densamma som om du skulle försöka köra en bil utan kontroller och instrumentpanel. Istället för gas och hastighetsmätare skulle du behöva kontrollera hastigheten genom att ändra bränsleblandningen eller styra motorns matningsspänning. Tänk om det var en fördröjning på flera dagar i hastighets- och bränslemätaren, precis som i många byggnaders energiförbrukningsrapportering? Det vill säga, när du kör till jobbet idag får du information om några dagar huruvida du lyckades hålla hastigheten inom gränserna och bränsleförbrukningen måttlig.

Sådan verksamhet kan knappast anses särskilt intelligent. Därför har vi utvecklat en plattform där de tekniska processerna i anslutna byggnader har modellerats med hjälp av så kallade digitala tvillingar. Vi kan ingripa omedelbart, inte först när situationen blir synlig för användarna, orsakar missnöje eller en alltför hög energiräkning.

Under allt detta finns naturligtvis samma motorstyrningslogik som i bilar. Och om en röd lampa tänds på instrumentpanelen kallas en servicetekniker in för att diagnostisera situationen och vid behov justera styrningen.

Den självstyrande fastigheten

Möjligheterna att samla in data är bara ena sidan av myntet. Den insamlade datan kan berikas med externa datakällor. Med denna berikade data kan nya funktioner skapas för fastighetens befintliga teknik. Hur skulle det låta om din fastighet kunde lära sig att till exempel ansluta sig till efterfrågeflexibilitetsmarknaden eller ta hänsyn till väderprognoser i uppvärmningen baserat på sin egen data?

Vi är kanske inte så långt ifrån den dag då en fastighet kan göra sin egen långsiktiga underhållsplan. Den övervakar förändringar i utrustningens effektivitet och förutser när det är bäst att underhålla eller förnya utrustningen. På så sätt sparar fastigheten energi och jämnar ut behovet av toppeffekt. Samtidigt förbättras användarnas trivsel när förhållandena förblir stabila.

De första stegen har redan tagits. Våra digitala tvillingar samlar in, rapporterar och styr fastigheter aktivt redan nu. När data ackumuleras utvecklar och skapar vi nya intelligenta modeller som öppnar dörrar till funktioner som tidigare verkade omöjliga. Vi genererar mervärde under hela fastighetens livscykel.

Det handlar inte om huruvida plattformsekonomin kommer till byggnader eller inte. Det handlar snarare om när det händer och vilka som först utnyttjar dess potential. De kommer att vara de första att dra nytta av molnets fördelar och konkurrensfördelar.

Författaren Ari Taiponen leder LeaseGreens serviceverksamhet. Han säkerställer att LeaseGreens digitala tjänster levererar bästa möjliga mervärde till kunden, stöder uppnåendet av livscykelfördelar och håller kunderna nöjda.