Projekt

Kunstig intelligens hjælper med at screene din bolig for sundhedsskadelige stoffer

Istock 1241516298

NIRAS har udviklet en Machine Learning-algoritme, der forudsiger risici for miljø- og sundhedsskadelige stoffer i danske bygninger.

15. oktober, 2021
  • Sektor: Software Services
  • Lande: Danmark

K1, K2 og K3. Alle boligkøbere kender til tilstandsrapporter, der gennemgår og beskriver vigtige detaljer og skader på boliger. Men tilstandsrapporterne nævner desværre aldrig risikoen for, at huset eller lejligheden er opført med byggematerialer, der indeholder sundhedsskadelige stoffer.

Især for ældre byggerier kan der være risiko for, at eksempelvis isolering, maling, fuger eller tagbelægning indeholder skadelige stoffer som PCB, asbest eller tungmetaller. Det er stoffer, der er sundhedsskadelige og kan give dårligt indeklima i din bolig.

Men nu er der råd at hente. NIRAS har nemlig udviklet en Machine Learning-algoritme, der kan forudsige risikoen for, at de miljø- og sundhedsskadelige stoffer findes i netop din bolig. Algoritmen bliver brugt på hjemmesiden DinGeo.dk, som er en gratis geodata-tjeneste drevet af Boliga. Her kan alle danske boligejere og -købere søge oplysninger om alle adresser i hele Danmark.

Husk

Algoritmen viser kun en statistisk risiko og skal kun bruges som et screenings-redskab. Hvis du vil kende de faktiske forhold i din bolig, bør du få foretaget en egentlig måling.

Indsigt fra årtiers dataindsamling

Indsigten i de utallige, danske bygninger er baseret på data fra flere årtiers bygningskemiske undersøgelser. Den kunstige intelligens forudser risici baseret på data om byggematerialer, byggeår og andre informationer fra BBR-registeret. Machine Learning-algoritmen udregner altså den statistiske risiko for, at der er skadelige stoffer i bygningen – men den kan ikke sige noget om de faktiske forhold.

Algoritmen viser sig ofte at ramme rigtigt, men den kan ikke stå alene og skal kun bruges som et screenings-redskab. Der vil altid være tale om en usikkerhed på den enkelte vurdering, og desuden er algoritmen begrænset af, at de informationer, der findes i BBR, er korrekte og opdaterede. For eksempel vil renoveringer af boliger ændre forudsætningerne for beregningerne. Hvis din bolig har høj risiko for PCB, asbest eller forurening fra tungmetaller, bør du få foretaget en egentlig måling.

Professionelt værktøj frit tilgængeligt

Der er tale om et professionelt værktøj, som NIRAS har brugt internt med stor succes. Nu stilles det offentlig tilgængeligt via DinGeo, hvor du via adresseopslag kan få oplysninger om din boligs sundhed – men også oplysninger om radon, jordforurening, oversvømmelser, indbrud samt mange andre boligrelaterede data. Prøv det her

”Den kunstige intelligens giver nye muligheder for at gøre kompleks viden tilgængelig. Det er en teknologi, som vi arbejder hårdt for at udbrede, og samarbejdet med DinGeo giver alle en brugervenlig screeningsplatform, der kan tilgå komplekse datasæt på et splitsekund. Det kan give en indikation af, om der er noget, som bør undersøges yderligere,” siger Torben Bach, der er afdelingschef for Data & Software Services.

Vil du vide mere?

Torben Bach

Torben Bach

Afdelingsleder: Data & Software

Aarhus, Denmark

+45 6026 1883

Se også: