Black Capital Technology inngikk et partnerskap med Institut for Fugtteknik for å designe og bygge MoistLab-plattformen – og transformere ekspertise innen fuktdiagnostikk til et standardisert, skalerbart digitalt system.

Omfanget inkluderte:

• Plattform- og systemarkitektur
• Datapipeline og styringsmodell
• Integrasjon av multimodale sensordata
• AI-modellintegrasjon og tolkningslogikk
• Automatisert, standardisert rapportgenerering
• Interaktivt brukergrensesnitt for diagnostikk og innsikt
• Grunnlag for fremtidig 3D / AR-visualisering

Fuktighetsdiagnostikk i bygninger har historisk sett vært avhengig av rudimentære verktøy og ekspertvurderinger – noe som ofte har ført til feildiagnoser og kostbar utbedring.

MoistLab kombinerer multimodale målinger med AI-basert tolkning for å levere nøyaktige, repeterbare og forklarbare diagnoser.

Plattformen

• Tar opp vektprosent fuktighetsdata, termiske bilder og saltanalyser
• Bruker AI-modeller for å klassifisere fuktighetstype og sannsynlig kilde
• Automatisk genererer standardiserte diagnostiske rapporter
• Gir et interaktivt grensesnitt for å utforske bygningsinnsikter
• Er designet for å utvides til 3D / AR-visualisering for tydeligere kommunikasjon
• Målet var ikke å erstatte eksperter – men å forsterke ekspertvurderinger med datadrevet sikkerhet.

Prosessen fokuserte på å samkjøre ekspertbaserte diagnoser med interessentenes klarhet.

BCT samarbeidet tett med Institut for Fugtteknik (og forskningspartnere) for å:

• Definer en robust datastruktur før du bruker KI
• Sørg for sporbarhet fra råmåling til endelig diagnose
• Styr arbeidsflyter slik at resultater kan stoles på av både spesialister og ikke-eksperter
• Utform utdata som ingeniører, arkitekter og eiendomsbesittere kan forstå

Dette sikret at plattformen kunne gå fra proof-of-concept (konseptbevis) innen forskning til et reelt, brukbart produkt.

Bildekilde: Alexandra Instituttet

Bildekilde: EHHS

MoistLab-plattformen leverer et sprang i diagnostisk kvalitet og konsistens.

Hovedresultater: