Hjem » MoistLab Platform

Mere præcis fugtdiagnostik med AI

Kunde
Institut for Fugtteknik
Branche
Byggeri
Udfordring
Fejldiagnosticering af fugtskader i bygninger
Resultater

Over 80% diagnostisk træfsikkerhed

Opgaven

Fra forskning til en skalerbar diagnoseplatform

BCT udviklede MoistLab-platformen sammen med Institut for Fugtteknik for at gøre ekspertbaseret fugtdiagnostik mere ensartet, dokumenterbar og skalerbar.

Projektet omfattede:

  • platform- og systemarkitektur
  • datastruktur og governance
  • integration af flere typer sensordata
  • integration af AI-modeller og fortolkningslogik
  • automatisk og standardiseret rapportering
  • et interaktivt interface til diagnosticering og indsigt
  • fundament for fremtidig 3D- og AR-visualisering

Løsningen

Mere ensartet fugtdiagnostik med AI

Fugtskader i bygninger er traditionelt blevet vurderet ud fra relativt simple målinger kombineret med ekspertens erfaring. Det kan føre til forkerte diagnoser og dyre udbedringer.

MoistLab samler flere typer målinger og bruger AI til at understøtte vurderingen, så diagnosen bliver mere præcis, ensartet og lettere at dokumentere.

Platformen:

  • samler fugtmålinger, termiske billeder og saltanalyser
  • bruger AI til at identificere fugttype og sandsynlig årsag
  • genererer standardiserede diagnoserapporter automatisk
  • gør det muligt at udforske data og resultater i et interaktivt interface
  • er bygget, så 3D- og AR-visualisering kan tilføjes senere

Målet var ikke at erstatte eksperterne, men at give deres vurderinger et stærkere og mere ensartet datagrundlag.

Proces

Ekspertviden omsat til et system, man kan stole på

En vigtig del af arbejdet var at gøre ekspertviden forståelig, struktureret og anvendelig i et digitalt system.

BCT arbejdede tæt sammen med Institut for Fugtteknik og deres forskningspartnere om at:

  • skabe en robust datastruktur, før AI blev koblet på
  • sikre sporbarhed fra den enkelte måling til den endelige diagnose
  • bygge arbejdsgange, hvor resultaterne kunne forstås og efterprøves
  • præsentere resultaterne, så både ingeniører, arkitekter og bygningsejere kunne bruge dem

Det gjorde det muligt at tage løsningen fra et forskningsbaseret proof of concept til et produkt, der kunne bruges i praksis.

Fugtskadet murværk, der undersøges med MoistLab

Image source: Alexandra Institute

Fugtmåler brugt i MoistLab

Image source: EHHS

MoistLab-dashboard med fugtdata
Projektoversigt i MoistLab-platformenProjektdetaljer i MoistLab-platformen

Resultater

Mere præcise diagnoser og mindre afhængighed af subjektive vurderinger

MoistLab har løftet både træfsikkerheden og ensartetheden i fugtdiagnostikken.

De vigtigste resultater:

Over 80 % diagnostisk træfsikkerhed. Mod ca. 10 % tidligere, valideret på omkring 600 undersøgelser
Præcis identifikation af fire forskellige fugttyper
Hurtigere og mere ensartet rapportering med mindre afhængighed af individuelle vurderinger
Bedre kommunikation af resultater gennem interaktive visualiseringer og mulighed for fremtidig 3D- og AR-visning
Et skalerbart fundament for fugtdiagnostik, som kan bruges bredere på tværs af branchen

Vil I høre mere?

MoistLab viser, hvordan specialiseret ekspertviden kan omsættes til et skalerbart digitalt system uden at miste præcision, sporbarhed eller tillid.

Hvis I også arbejder med komplekse vurderinger, hvor ekspertviden, data og ensartethed er afgørende, så lad os tage en snak.
Heini JoensenDansk flag. Dannebro
Heini Joensen
Senior Account Executive
hjn@blackcapitaltechnology.com (+45) 28 10 61 61
Black Capital Technology logo
The most human AI company in the world.
Born digital. Built different.
Kontakt
info@blackcapitaltechnology.com
Dansk flag. Dannebro
Mølleå 3-5,
9000 Aalborg
Danmark
(+45) 39 39 42 43
CVR:
DK-42380784
Norsk flag
Tordenskiolds gate 2,
0160 Oslo
Norway
(+47) 907 00 863
Org. nr.:
NO-933435458