Buildots får $130M i ny finansiering mens AI-datasenterboom omformer byggebransjen

Buildots har hentet $130 million i ny finansiering ettersom byggteknologiselskapet ser etter å utvide sin kunstig intelligens-plattform over datasentre, industrielle anlegg og andre store infrastrukturprosjekter.

Runden ble ledet av O.G. Venture Partners, med deltakelse fra Lightspeed Venture Partners, Intel Capital, Mohari Ventures, Human Capital, Qumra Capital, Avigdor Willenz, Viola Growth og Poalim Equity. Den bringer Buildots’ totale finansiering opp til $297 million og følger det selskapet beskriver som en flerårig periode med omtrent 3‑ganger årlig inntektsvekst.

Tidspunktet er betydningsfullt. Byggesektoren er forventet å være en om lag $16 billion global industri innen 2030, men en økende andel av utgiftene rettes mot prosjekter hvor forsinkelser er spesielt kostbare: AI-datasentre, halvlederanlegg, avanserte produksjonsfabrikker, energiinfrastruktur og andre kritiske utviklingsprosjekter. Buildots satser på at disse prosjektene vil akselerere byggebransjens overgang fra manuelt innsamlede fremdriftsrapporter til kontinuerlig genererte driftsdata.

Bygging blir en del av AI-infrastrukturkappløpet

Buildots er allerede i bruk hos mer enn 100 store byggefirmaer og prosjekt eiere, inkludert Intel, Digital Realty, STO Building Group, JE Dunn, Mortenson, Bouygues og HOCHTIEF. Selskapet sier at syvtallige, flerårige avtaler som dekker flere prosjekter blir stadig vanligere.

Datasentre har blitt en spesielt viktig del av denne ekspansjonen.

Den enorme kapitalen som rettes mot AI-infrastruktur har skapt en sekundær utfordring: å bygge de fysiske anleggene som kreves for å drive stadig mer strømintensive datasystemer raskt nok. Datasenterprosjekter innebærer tett sekvensert elektrisk, mekanisk, kjøle- og strukturelt arbeid, noe som betyr at en relativt liten forsinkelse i ett fag kan påvirke mange påfølgende aktiviteter.

Buildots sier at teknologien nå har sporet og analysert omtrent 425 millioner kvadratfot med bygging, inkludert datasenterprosjekter som representerer 9,93 GW levert kapasitet og $88,3 billion i prosjektverdi.

Det gir selskapet et usedvanlig stort datasett for å undersøke hvordan byggeplaner sammenlignes med det som faktisk skjer på stedet.

Hvordan Buildots bruker AI til å forstå en byggeplass

Kjernen i Buildots’ plattform er en relativt enkel idé: i stedet for å be prosjektledere manuelt fastslå hvor mye arbeid som er fullført, bruke datamaskinsyn til å observere byggeplassen direkte.

Stedforhold kan fanges ved hjelp av 360-graders kameraer, droner og laserskanninger. Buildots kobler deretter denne visuelle informasjonen med prosjektets Building Information Modeling (BIM)-data og byggeplan. AI-modellene bestemmer hvilke elementer som er installert, hvor arbeidet foregår, og hvordan den faktiske fremdriften sammenlignes med planen.

Selskapet sier at stedfangst vanligvis behandles til fremdriftsinformasjon og risikoadvarsler innen 24 til 36 timer.

Dette skaper en utviklende digital representasjon av prosjektet i stedet for en samling av frakoblede fotografier og regneark. Prosjektteam kan undersøke fremdrift etter fag, etasje, område, aktivitet eller enkelt byggestein, inkludert noe arbeid i områder hvor BIM-data er ufullstendige.

Det resulterende datasettet mate også prediktive systemer.

Buildots’ Delay Forecast -teknologien sammenligner den planlagte hastigheten for en aktivitet med den observerte hastigheten og beregner den hastigheten som kreves for å fullføre i tide. Systemet kan deretter flagge aktiviteter som ser ut til å kunne gå glipp av sine fullføringsdatoer, slik at team kan undersøke scenarier som å legge til arbeidskraft, endre sekvensering eller omfordele ressurser før en forsinkelse blir kritisk.

Den distinksjonen er viktig. Den langsiktige muligheten er ikke bare å automatisere bygge-rapportering, men å omdanne fremdriftsdata til et prognosesystem.

Datasentre legger byggeplaner under press

Få områder illustrerer dette behovet bedre enn bygging av datasentre.

AI-infrastrukturprosjekter er i økende grad avhengige av at komplekst mekanisk, elektrisk og VVS-arbeid blir fullført innen komprimerte tidsplaner. En forsinkelse i elektrisk innkapsling, kjøleinfrastruktur eller et annet kritisk system kan etter hvert påvirke igangkjøring og datoen da datakapasiteten begynner å generere inntekter.

Buildots’ egen analyse av 25 millioner kvadratfot med globale datasenterprosjekter fremhever gapet mellom byggeplaner og faktiske produksjonsrater.

Deres benchmarking av datasentre for 2025 viste at HVAC-arbeid gikk med 76,9 % av den hastigheten som kreves for å nå planlagte mål. Elektrisk innkapsling gikk med 59,4 %, mens husholdningsvannsystemer bare gikk med 44,9 % av den nødvendige hastigheten.

Tallene er basert på Buildots’ eget prosjektdatasett, men de viser hvorfor eiere av kapitalintensiv infrastruktur i økende grad er interessert i mer detaljert innsikt i byggeprogresjonen.

For et konvensjonelt prosjekt kan en forsinkelse øke finansieringskostnadene og presse marginene. For et hyperskala-datasenter kan den også utsette utrullingen av kostbar datainfrastruktur og forsinke når kapasiteten blir operativ.

Gå utover AI‑basert fremdriftssporing

Buildots har også utvidet seg utover sitt opprinnelige, datamaskinsyn‑drevede fremdriftsmonitoreringssystem.

Dens avviksdeteksjon funksjoner sammenligner byggingen med prosjektmodeller for å identifisere feilinstallert eller ufullstendige elementer. Team kan gjennomgå plasseringen og den visuelle konteksten rundt et problem før de løser det i Buildots eller eksporterer det til byggeplattformer som Procore, Forma og Revizto.

En annen funksjon, Fullførte mengder, bruker de samme underliggende steddataene i betalingsapplikasjoner. I stedet for kun å stole på rapporterte fullføringsprosenter fra entreprenører og underentreprenører, kan team sammenligne betalingskrav med mengder som plattformen har verifisert som installert.

Dette bringer Buildots inn i en viktig, men mindre åpenbar del av byggeledelse: å knytte bygningens fysiske tilstand til prosjektets økonomiske tilstand.

Selskapet går også videre inn i arbeidsstyrke‑intelligens gjennom Buildots Field, teknologi basert på Genda, som Buildots kjøpte i oktober 2025. Systemet bruker Bluetooth‑infrastruktur på stedet og mobile arbeidsflyter for å samle informasjon om arbeidsstyrkens tilstedeværelse, logistikk, sikkerhet og hvordan arbeidskraften er fordelt på en byggeplass.

Når den kombineres med Buildots’ fremdriftsdata, er målet å knytte arbeidsinnsats til byggeutfall. En prosjektleder kan potensielt se ikke bare at en aktivitet faller bak skjema, men også om ekstra arbeidere faktisk ble satt inn i området og om tiltaket forbedret produksjonen. Buildots sier at den fullt integrerte Buildots Field‑applikasjonen er planlagt for generell tilgjengelighet i Q4 2026.

Fra enkeltprosjekter til byggeporteføljer

Den nye kapitalen vil bli brukt til å utvide Buildots i tre retninger.

Geografisk planlegger selskapet å øke utrullingen på tvers av store byggeporteføljer i Nord‑America og EMEA. Produktutviklingen vil utvide plattformen ytterligere gjennom hele byggeprosessen, fra anbud til prosjektleveranse og overlevering. Buildots ønsker også å gå dypere inn i porteføljenivå‑intelligens, slik at ledere kan sammenligne ytelse på tvers av flere prosjekter i stedet for å vurdere hvert enkelt utviklingsprosjekt separat.

Dette kan bli stadig viktigere etter hvert som selskaper samtidig bygger nettverk av datasentre, fabrikker, energianlegg og annen standardisert infrastruktur.

I stedet for å behandle hvert prosjekt som et isolert datasett, kan historisk byggeytelse etter hvert brukes til å etablere referanseverdier for fremtidige prosjekter – ved å identifisere hvilke fagområder som konsekvent bommer på planlagte produksjonsrater, hvilke tidsplan‑antakelser som viser seg urealistiske, og hvilke tiltak som faktisk gjenoppretter tapt tid.

For Buildots representerer den $130 million‑runden derfor mer enn en utvidelse av et AI‑basert byggeovervåkingsprodukt. Selskapet forsøker å bygge et datalag som knytter byggeplassen, prosjektplanen, arbeidsstyrken, økonomistyringen og ledelsens porteføljestyring.

Etter hvert som investeringene i AI‑infrastruktur øker, blir programvaren som brukes til å styre den fysiske oppføringen en del av AI‑økonomien selv. Buildots’ utfordring nå vil være å demonstrere at den enorme mengden bygge‑data de samler inn konsekvent kan omsettes til færre forsinkelser, lavere kostnader og mer forutsigbare prosjektleveranser i global skala.