Buildots rejser $130M, mens AI‑datacenterboom omformer byggebranchen

Buildots har rejst $130 million i ny finansiering i takt med at bygge‑teknologivirksomheden ser frem til at udvide sin kunstige intelligens‑platform til datacentre, industrielle anlæg og andre store infrastrukturprojekter.

Runden blev ledet af O.G. Venture Partners, med deltagelse fra Lightspeed Venture Partners, Intel Capital, Mohari Ventures, Human Capital, Qumra Capital, Avigdor Willenz, Viola Growth og Poalim Equity. Den bringer Buildots’ samlede finansiering op på $297 millioner og følger, hvad virksomheden beskriver som en flerårig periode med cirka 3‑gange årlig omsætningsvækst.

Tidspunktet er vigtigt. Byggebranchen forventes at være en cirka $16 billioner global industri i 2030, men en voksende del af udgifterne rettes mod projekter, hvor forsinkelser er særligt dyre: AI‑datacentre, halvlederanlæg, avancerede fremstillingsfaciliteter, energiinfrastruktur og andre mission‑kritiske udviklinger. Buildots satser på, at disse projekter vil fremskynde byggebranchens overgang fra manuelt indsamlede fremdriftsrapporter til kontinuerligt genererede driftsdata.

Byggeri bliver en del af AI‑infrastrukturkapløbet

Buildots er allerede implementeret hos mere end 100 store byggefirmaer og projekt ejere, herunder Intel, Digital Realty, STO Building Group, JE Dunn, Mortenson, Bouygues og HOCHTIEF. Virksomheden siger, at syvcifrede, flerårige aftaler, der dækker flere projekter, bliver stadig mere almindelige.

Datacentre er blevet en særligt vigtig del af denne udvidelse.

Den enorme kapital, der rettes mod AI‑infrastruktur, har skabt en sekundær udfordring: at bygge de fysiske faciliteter, der er nødvendige for at drive stadig mere strømkrævende computersystemer hurtigt nok. Datacenterprojekter involverer stramt sekventeret elektrisk, mekanisk, køle‑ og strukturelt arbejde, hvilket betyder, at en relativt lille forsinkelse i én faggren kan påvirke mange efterfølgende aktiviteter.

Buildots siger, at deres teknologi nu har sporet og analyseret cirka 425 millioner kvadratfod byggeri, inklusive datacenterprojekter, der repræsenterer 9,93 GW leveret kapacitet og $88,3 billioner i projektværdi.

Det giver virksomheden et usædvanligt stort datasæt til at undersøge, hvordan byggeplaner sammenlignes med, hvad der faktisk sker på stedet.

Hvordan Buildots bruger AI til at forstå en byggeplads

Kernen i Buildots’ platform er en relativt enkel idé: i stedet for at bede projektledere om manuelt at fastslå, hvor meget arbejde der er udført, anvendes computervision til direkte at observere byggepladsen.

Pladsforhold kan indfanges ved hjælp af 360‑gradskameraer, droner og laserskanninger. Buildots forbinder derefter denne visuelle information med projektets Building Information Modeling (BIM)-data og byggeplan. Dets AI‑modeller bestemmer, hvilke elementer der er installeret, hvor arbejdet foregår, og hvordan den faktiske fremdrift sammenlignes med planen.

Virksomheden siger, at indfangede data fra stedet typisk behandles til fremdriftsinformation og risikoadvarsler inden for 24 til 36 timer.

Dette skaber en udviklende digital repræsentation af projektet i stedet for en samling af uafhængige fotografier og regneark. Projektteams kan undersøge fremdrift efter fag, etage, område, aktivitet eller enkeltbyggelement, herunder noget arbejde i områder, hvor BIM‑data er ufuldstændige.

Det resulterende datasæt fodrer også forudsigelsessystemer.

Buildots’ forsinkelsesprognose teknologien sammenligner den planlagte hastighed for en aktivitet med den observerede hastighed og beregner den hastighed, der kræves for at færdiggøre til tiden. Systemet kan derefter markere aktiviteter, der ser ud til at risikere at misse deres afslutningsdatoer, så teams kan undersøge scenarier såsom at tilføje arbejdskraft, ændre sekvensen eller omfordele ressourcer, før en forsinkelse bliver kritisk.

Den sondring er vigtig. Den langsigtede mulighed er ikke blot at automatisere bygge‑rapportering, men at omdanne fremdriftsdata til et prognosesystem.

Datacentre lægger pres på byggeplaner

Få områder illustrerer dette behov bedre end datacenterbyggeri.

AI‑infrastrukturprojekter er i stigende grad afhængige af, at komplekst mekanisk, elektrisk og VVS‑arbejde færdiggøres inden for komprimerede tidsplaner. En forsinkelse i elektrisk indkapsling, køle‑infrastruktur eller et andet kritisk system kan efterhånden påvirke idriftsættelse og den dato, hvor computerkapaciteten begynder at generere indtægter.

Buildots’ egen analyse af 25 millioner kvadratfod globale datacenterprojekter fremhæver kløften mellem byggeplaner og faktiske produktionshastigheder.

Dets benchmark for datacentre i 2025 fandt, at HVAC‑arbejde gik frem med 76,9 % af den hastighed, der kræves for at nå de planlagte mål. Elektrisk indkapsling kørte på 59,4 %, mens husholdningsvandsystemer kun gik frem med 44,9 % af den nødvendige hastighed.

Disse tal er baseret på Buildots’ eget projektdatasæt, men de illustrerer, hvorfor ejere af kapitalintensiv infrastruktur i stigende grad er interesserede i en mere detaljeret indsigt i byggeprocessens fremdrift.

For et konventionelt projekt kan en forsinkelse øge finansieringsomkostningerne og presse marginerne. For et hyperskala-datacenter kan den også udsætte implementeringen af dyr computerinfrastruktur og forsinke, hvornår kapaciteten bliver operationel.

Udover AI-fremdriftssporing

Buildots har også udvidet sig ud over sit oprindelige computer-vision-baserede fremdriftsovervågningssystem.

Dens afvigelsesdetektion funktioner sammenligner byggeriet med projektmodeller for at identificere forkert installerede eller ufærdige elementer. Team kan gennemgå placeringen og den visuelle kontekst omkring et problem, før de løser det i Buildots eller eksporterer det til byggeplatforme som Procore, Forma og Revizto.

En anden funktion, Afsluttede mængder, anvender de samme underliggende steddata til betalingsansøgninger. I stedet for kun at stole på rapporterede færdiggørelsesprocenter fra entreprenører og underentreprenører, kan team sammenligne betalingskrav med de mængder, platformen har bekræftet som installeret.

Dette bringer Buildots ind i en vigtig, men mindre åbenlys del af byggeledelse: at forbinde bygningens fysiske tilstand med projektets økonomiske tilstand.

Virksomheden bevæger sig også videre inden for arbejdsstyrkeintelligens gennem Buildots Field, en teknologi baseret på Genda, som Buildots erhvervede i oktober 2025. Systemet bruger Bluetooth-infrastruktur på stedet og mobile arbejdsgange til at indsamle information om arbejdsstyrkens tilstedeværelse, logistik, sikkerhed og hvordan arbejdskraften er fordelt på en byggeplads.

Når den kombineres med Buildots’ fremdriftsdata, er målet at forbinde arbejdsindsats med byggeoutput. En projektleder kan potentielt se ikke kun, at en aktivitet falder bagud i tidsplanen, men også om ekstra arbejdere faktisk blev udsendt til området, og om indgrebet forbedrede produktionen. Buildots siger, at den fuldt integrerede Buildots Field-applikation er planlagt til generel tilgængelighed i Q4 2026.

Fra individuelle projekter til byggeporteføljer

Den nye kapital vil blive brugt til at udvide Buildots i tre retninger.

Geografisk planlægger virksomheden at øge implementeringerne på tværs af store byggeporteføljer i Nordamerika og EMEA. Produktudviklingen vil udvide platformen yderligere gennem hele bygningens livscyklus, fra udbud til projektleverance og overdragelse. Buildots ønsker også at gå dybere ind i porteføljeniveauintelligens, så ledere kan sammenligne præstationer på tværs af flere projekter i stedet for at evaluere hvert enkelt projekt separat.

Det kan blive stadig vigtigere, efterhånden som virksomheder samtidigt opbygger netværk af datacentre, fabrikker, energianlæg og anden standardiseret infrastruktur.

I stedet for at behandle hvert projekt som et isoleret datasæt, kunne historisk byggepræstation efterhånden bruges til at etablere benchmark for fremtidige projekter — identificere hvilke fagområder konsekvent missler planlagte produktionsrater, hvilke tidsplanantagelser der viser sig urealistiske, og hvilke indgreb der faktisk genvinder tabt tid.

For Buildots repræsenterer $130 million‑runden derfor mere end en udvidelse af et AI-byggeovervågningsprodukt. Virksomheden forsøger at opbygge et datalag, der forbinder byggepladsen, projektplanen, arbejdsstyrken, økonomistyringen og den ledelsesmæssige porteføljestyring.

Efterhånden som udgifterne til AI-infrastruktur vokser, bliver den software, der bruges til at styre den fysiske opbygning, en del af AI-økonomien selv. Buildots’ udfordring nu vil være at demonstrere, at den enorme mængde bygge‑data, den indsamler, konsekvent kan omsættes til færre forsinkelser, lavere omkostninger og mere forudsigelig projektleverance i global skala.