Buildots lanserer AI-drevet Intelligence Lab for å bringe datadrevne beslutninger til byggeindustrien

Byggeindustrien har ingen mangel på data, men å omdanne denne informasjonen til handlebare intellegens har lenge vært en utfordring. Mens sektorer som finans, produksjon og logistikk er avhengig av standardiserte ytelsesbenchmarks, har byggeteamene tradisjonelt avhengt av fragmentert rapportering, manuelle observasjoner og erfaringbasert beslutning.

Buildots har som mål å endre dette med lanseringen av Buildots Intelligence Lab, et AI-drevet forskningssenter designet for å gi byggeproffene gratis tilgang til objektive bransjebenchmarks, ytelsesmetrikker og operasjonelle innsikter basert på virkelige prosjekter.

Initiativet representerer en utvikling for Buildots, og utvider selskapets byggeintelligensplattform fra å fokusere på individuelle prosjektopptimering til å omfatte bransjeomfattende forskning og benchmarking.

Fra byggeplassdata til bransjeintelligens

Buildots har bygget sin plattform rundt AI-drevet virkelighetsfangst. Arbeidere med 360-graders hjelme montert kameraer fanger kontinuerlig inn byggeplassforhold, mens kunstig intelligens sammenligner disse bildene med BIM-modeller, byggeplaner og prosjektplaner. Plattformen måler automatisk fremgang, detekterer avvik, identifiserer forsinkelser og fremhever emerginge risikoer før de blir dyre problemer.

I stedet for å avhenge av manuelle statusrapporter, mottar prosjektledere nær sanntidsvisning av hva som faktisk er bygget, og lar teamene ta raskere, bevisbaserte beslutninger. Ifølge selskapet har prosjekter som bruker deres byggeintelligensplattform redusert forsinkelser med opptil 50% gjennom tidligere risikodeteksjon og mer proaktiv prosjektledelse.

Den nye Intelligence Lab bygger på denne grunnlaget ved å aggregere og anonymisere data fra Buildots’ globale kundebase, og omgjør prosjektbaserte innsikter til bransjeomfattende forskning.

Løsning av byggeindustriens datagap

I tiår har byggeledere kjempet for å svare på overraskende grunnleggende spørsmål med tillit.

Hvor produktiv bør en bestemt faggruppe være under normale forhold? Hvordan sammenligner ett prosjekt med lignende prosjekter andre steder? Hva utgjør realistisk ukentlig utgang for mekanisk, elektrisk og sanitær (MEP) arbeid?

Frem til nå har de fleste svarene vært basert på historiske antagelser, begrensede interne data eller anekdotisk erfaring.

“Byggeindustrien har alltid manglet en kilde til makro-nivå sannhet,” sa Roy Danon, medstifter og CEO av Buildots. “Vi tror dette er en kjernefaktor som holder tilbake ytelse og en nøkkelbidragsyter til stagnert produktivitet.”

Intelligence Lab søker å fylle denne gapen ved å publisere fritt tilgjengelig forskning bygget rundt tre kjernepilarer:

• Målinger: Standardiserte målinger designet for å erstatte subjektive rapporter med konsistente ytelsesindikatorer.
• Benchmarks: Globale sammenligninger over prosjekttyper, regioner og byggefag.
• Innsikter: Data-drevne analyser som avdekker mønster, flaskehals og tidlige varslingssignaler som ellers kan forbli skjult.

I motsetning til tradisjonelle bransjeundersøkelser er funnene basert på kontinuerlig samlet operasjonell data fra aktive byggeprosjekter.

Tidlige funn utfordrer langvarige antagelser

Labens første forskningspublikasjoner fremhever flere trender som kan endre hvordan byggeteamene vurderer prosjektresultat.

Blant de mest bemerkelsesverdige funnene er oppdagelsen av at data-senterprosjekter opplever en 20% til 50% gap mellom planlagt ukentlig MEP-utgang og faktisk levering. Gitt den økende globale etterspørselen etter AI-infrastruktur og hyperskala data-sentre, kan dette gapet hjelpe med å forklare hvorfor mange store anlegg har vanskelig for å holde tidsplanen.

En annen funn peker på hva Buildots kaller “lang-hale”-effekten. De siste 20% av mange byggeaktiviteter står for omtrent 27% av den totale oppgavevarigheten, noe som tyder på at sen-fase-slowdown er en strukturert egenskap ved prosjekter snarere enn isolerte unntak.

Forskningen fant også betydelige forskjeller i faglig produktivitet. Toppteamene fullfører arbeidet med opptil tre ganger hastigheten til gjennomsnittlige mannskaper, noe som fremhever betydelige muligheter for å forbedre gjennomføringen gjennom bedre planlegging og koordinering.

Prosjekttype synes også å ha en målbart innvirkning på tidsplan-ytelse. Helsetjenestekonstruksjon oppnådde den høyeste gjennomsnittlige tidsplan-adherensen på omtrent 65%, mens data-sentre i gjennomsnitt var på rundt 57%. Kommersielle og industrielle prosjekter samlet seg i lav-til-midt 40%-området, med utdanningsprosjekter som viste den laveste adherensen under 39%.

Disse typene sammenlignende benchmarks har historisk sett vært vanskelige for entreprenører og eiere å få tak i, og gjør at prosjektresultatvurderinger i stor grad er subjektive.

Utvidelse av AI-rolle i byggeindustrien

Lanseringen reflekterer en bredere trend mot AI-drevet operasjonell intelligens over hele byggeindustrien.

Mens mange organisasjoner initialt tok i bruk AI for dokumentautomatisering, designassistanse eller planleggingsstøtte, skifter økende oppmerksomhet mot kontinuerlig prosjektovervåking ved hjelp av datavisning, digital tvilling og prediktiv analyse.

Buildots’ plattform kombinerer virkelighetsfangst med kunstig intelligens for å skape en kontinuerlig oppdatert digital representasjon av byggeprogresjon. Ved å integrere bilder, planer, BIM-modeller og arbeidskraftsinformasjon, identifiserer systemet avvik, forutser risiko og støtter raskere beslutning gjennom hele byggeprosessen.

Intelligence Lab utvider denne funksjonaliteten utover enkeltorganisasjoner ved å skape en felles kunnskapsbase bygget fra anonymisert industidata.

Ifølge Buildots forblir deltakelse fokusert på personvern, med prosjektinformasjon aggregert og anonymisert før inkludering i forskningsdatasett.

Samarbeidende forskningsmodell

Selv om Intelligence Lab opererer innen Buildots, sier selskapet at det fungerer som en autonom forskningsenhet fokusert på bransjeutvikling snarere enn kommersielle mål.

Byggeproffene, akademikere, analytikere, konsulenter og medieorganisasjoner oppmuntres til å sende inn forskningsspørsmål og hypoteser for fremtidig analyse. I stedet for å publisere proprietære rapporter bak en betalingsmur, vil Labben gjøre sine målinger, benchmarks og innsikter fritt tilgjengelige.

Ettersom AI fortsetter å transformere industrier som historisk sett har avhengt av manuelle prosesser, illustrerer initiativer som Buildots Intelligence Lab hvordan aggregert operasjonell data kan bli en felles ressurs snarere enn å forbli isolert innen enkeltorganisasjoner.

For en industri som lenge har avhengt av intuition, historiske gjennomsnitt og løsrevet prosjekt-rapportering, kan objektive benchmarks basert på virkelige eksekveringsdata bli en stadig mer verdifull grunnlag for å forbedre produktivitet, redusere forsinkelser og ta mer informerte byggebeslutninger.