AI i byggeriets kalkulationer: Hvad er virkeligt, hvad er stadig kun en demo, og hvordan kan entreprenører kende forskel?

Byggeriet er baseret på tegninger. Før en entreprenør kan afgive tilbud på et byggeri, foretager en i virksomheden en mængdeopmåling. De gennemgår tegningssættet, den samling PDF-tegninger, som arkitekten og ingeniørerne udarbejder til projektet, og tæller og måler alt det, entreprenøren skal levere og installere: stikkontakter, døre, håndvaske, løbende meter væg og kvadratmeter gulv. Disse mængder indgår i kalkulationen, det prissatte dokument, der bliver til tilbuddet. Hvis tilbuddet vinder, dukker de samme tal op igen i ændringsordrer, de prissatte og underskrevne tillæg til kontrakten, når projektet ændres.

Mængdeopmåling er langsom, gentagende og dyr at udføre forkert, hvilket gør den til et oplagt mål for AI. Jeg udvikler software, der læser byggetegninger, og de entreprenører, jeg taler med, prøver at finde ud af, hvilke påstande om AI de kan tro på. Sådan skelner jeg mellem det, der virker, og det, der stadig kun er en demo.

Optimismen løber foran udbredelsen

To nylige undersøgelser sætter tal på forskellen. I en undersøgelse fra Dodge Construction Network i samarbejde med CMiC, offentliggjort i december 2025, sagde 87 % af entreprenørerne, at de forventer, at AI vil forandre branchen, og 19 % sagde, at de havde tilpasset deres arbejdsgange til teknologien.

RICS, den faglige organisation for landmålere, spurgte mere end 2.200 fagfolk i byggebranchen til sin rapport fra 2025 om AI i byggeriet. Omkring 45 % sagde, at deres organisationer ikke havde implementeret AI, og færre end 1 % beskrev brugen af AI som fuldt integreret i hele organisationen. Construction Dive omtalte resultaterne under overskriften »Byggevirksomheder er langsomme til at indføre AI trods de oplevede fordele.«

Optimisme og udbredelse i to nylige undersøgelser. Data: Dodge Construction Network og CMiC (december 2025), RICS (2025). Billede: Bildrix

Forberedelsen af byggeprojektet – alt det, en entreprenør gør, før byggeriet går i gang (tilbud, dokumentgennemgang, planlægning) – er et naturligt sted at begynde, fordi inputtene allerede er digitale dokumenter.

Det, der virker i dag

At læse et tegningssæt er nu en produktkategori med fungerende løsninger. Software kan sortere og navngive arkene i et sæt, finde målestokken på hver tegning, tælle symboler som stikkontakter, lysarmaturer og VVS-installationer ud fra signaturforklaringen, som ingeniøren har lavet til projektet, og måle rum og vægge. Symbolgenkendelse på tegninger har været et aktivt forskningsområde i årevis. Datasættet FloorPlanCAD, der blev offentliggjort i 2021, indeholdt annotationer af mere end 10.000 plantegninger fordelt på 30 objektkategorier, så forskere kunne træne og teste modeller til denne opgave.

To andre funktioner fungerer også i praksis. Den ene er spørgsmål og svar baseret på tegninger og specifikationer, hvor svaret henviser til det ark, det stammer fra, så man kan kontrollere det på få sekunder. Den anden er at overføre gennemgåede mængder til en kalkulation, så længe entreprenørens egen prisliste indeholder de relevante poster.

Det, der stadig kun er en demo

Tre påstande bør mødes med større skepsis.

Priser, som ingen gennemgår. Materiale- og arbejdslønninger varierer fra region til region og ændrer sig løbende. En pris foreslået af AI kan være et fornuftigt udgangspunkt, men den bør tydeligt markeres som et forslag og kontrolleres mod et tilbud fra en leverandør, før den kommer med i et tilbud.

Alle fagområder på grundlag af alle typer input. Rene vektorbaserede PDF’er, altså den type, der eksporteres direkte fra designsoftware, er det nemme tilfælde. Scannede ark, mobilfotos af tegninger og ufuldstændige tegningssæt giver stadig problemer, og dækningen varierer meget fra fagområde til fagområde. Et værktøj, der læser el-tegninger godt, kan have svært ved tegninger fra et andet fagområde.

Fuldt automatiserede tilbud. Meget af det, der afgør et tilbud, fremgår aldrig af tegningerne: manglende afklaringer mellem fagområder, udførelsesmetoder, eksisterende forhold ved en renovering, tidsplanen og hvor stor en risiko entreprenøren er villig til at påtage sig. Kalkulatøren underskriver beløbet og står til ansvar for det.

Det, der fungerer i praksis i dag, og det, der stadig kun er en demo. Billede: Bildrix

Fire tegn på, at du ser en demo

1. Den fungerer kun med leverandørens tegninger. Bed om at se den med dit eget tegningssæt, helst det mest rodede sæt, du afgav tilbud på i sidste kvartal.
2. Den angiver ét nøjagtighedstal uden at forklare, hvad det betyder. Hvor nøjagtig er optællingen af hvad, på hvilke tegninger og målt hvordan? Et tal uden en opdeling pr. post fortæller dig meget lidt.
3. Intet bliver markeret. Alle modeller er usikre på noget. Et værktøj, der aldrig viser tvivl, skjuler den.
4. Resultatet ender som et regneark, som nogen skal taste ind i kalkulationen. Hvert tal, der tastes ind igen, giver en ny mulighed for en slåfejl.

Spørgsmål, du bør stille alle leverandører

• Hvilke input accepterer værktøjet, hvilke fagområder dækker det, og hvad kan det ikke bruges til?
• Hvordan viser det usikkerhed, og hvor lang tid tager det at gennemgå et af mine tegningssæt?
• Kan jeg redigere resultatet, og følger mine ændringer med over i kalkulationen og ved senere ændringer?
• Bruges mine data til at træne andres modeller, og hvor opbevares de?

NIST’s rammeværk for risikostyring af AI er en nyttig reference for den sidste gruppe. Den beskriver blandt andet pålidelig AI som gyldig og pålidelig, sikker og robust, ansvarlig og gennemsigtig samt med styrket beskyttelse af privatlivet. Hvert af disse forhold kan omsættes til et spørgsmål, som en entreprenør kan stille en leverandør.

Hvorfor usikkerhed er en fordel

Modeller er ofte mere sikre på deres svar, end de burde være. Guo og kolleger viste i 2017, at moderne neurale netværk ofte er dårligt kalibrerede. Den sikkerhed, et netværk angiver, stemmer ofte ikke overens med, hvor ofte det har ret. Kalibreringen kan forbedres, og når det er sket, bliver en konfidensscore til en arbejdskø. Elementer med lav konfidens sendes videre til et menneske, mens elementer med høj konfidens hurtigt gennemgås.

Den egenskab betyder mere for mig end nogen fremhævet funktion. En kalkulatør har ikke tid til at kontrollere hver eneste optælling igen i et sæt på et par hundrede ark. Men der er tid til at kontrollere de få dusin elementer, som softwaren markerer som usikre. Kalkulatøren underskriver stadig tilbuddet, og gode værktøjer gør gennemgangen hurtig.

Softwaren aflæser og tæller, en person gennemgår det, softwaren er usikker på, og kalkulatøren underskriver tilbuddet. Billede: Bildrix

Unite.AI bragte for nylig en artikel af Baber Javed om udvikling af AI til lønadministration, optagelsesprocesser og andre områder, hvor fejl har konsekvenser. Han argumenterer for, at deterministiske regler bør styre alt, der har økonomiske eller juridiske konsekvenser, mens modellen fortolker og forklarer, og mennesker gennemgår resultatet, når fejl er kostbare. Et tilbud på et byggeprojekt passer til den beskrivelse.

Hvad bør man holde øje med fremover

Jeg forventer, at fremskridtene i det kommende år kommer efter den første mængdeberegning: sammenligning af tegningsrevisioner og overførsel af ændrede mængder til ændringsordrer og fakturaer uden at taste dem ind igen. Det er ved revisioner, entreprenører taber penge uden at opdage det, fordi en ændring, som ingen har prissat, betyder, at arbejdet udføres gratis.

Hvis du driver en entreprenørvirksomhed og vil afprøve noget af dette, så test det på dine egne tegninger, sørg for, at en person gennemgår hvert eneste resultat, og skriv dine egne tal ned: timer brugt, fejl opdaget og fejl overset. Du får mere at vide af dem end af nogen leverandørs tal.

Hvad skulle du se, før du ville stole på en maskinaflæst mængde i et tilbud, der bærer dit navn?