Hvad gør andre kommuner med AI i ejendomsdriften?

København, 12. november 2026

Hvor starter man med AI i den kommunale ejendomsdrift? Og hvordan sikrer man, at resultaterne er til at stole på?

Det var nogle af spørgsmålene, da proprty.ai den 10. november samlede Rudersdal Kommune, Ishøj Kommune og NIRAS til et webinar om AI i ejendomsdriften.

Panelet bestod af Bryan Morillo Karlqvist, projektleder i Ejendomme i Rudersdal Kommune, Jens Godwin Damgaard, der arbejder med drift og vedligehold i Ishøj Kommune, og Michael Ørsted, projektchef i NIRAS. Rasmus Sørensen fra proprty.ai var ordstyrer.

Samtalen gav konkrete indblik i, hvordan kommunerne allerede bruger AI, hvilke gevinster de oplever, og hvorfor teknologien skal ses som et supplement til den faglige vurdering og ikke en erstatning for den.

Start med det, der irriterer mest

Mange kommuner er stadig ved at undersøge, hvor AI kan skabe værdi. Men erfaringerne viser, at man ofte kan komme langt med de data, man allerede har.

Michael Ørsted fra NIRAS anbefaler at begynde med tre enkle spørgsmål:

“Er det noget, der irriterer mig? Er det noget, jeg skal gentage mange gange? Og er det noget, hvor jeg fagligt kan gå ind og vurdere resultatet af det, der kommer ud?”

Hvis svaret er ja, er det et godt sted at starte. Læg en enkel plan, og begynd dér, hvor irritationen er størst, eller hvor datagrundlaget allerede er tilstrækkeligt.

I Rudersdal Kommune er det især de tunge og gentagne opgaver, der står øverst på listen.

“Agenterne elsker jeg. Det frigør tid til rent faktisk at sidde og lave noget fornuftigt, i stedet for at vi bruger tre måneder nonstop på at lægge 17 datapunkter ind på 12.000 rum,” siger Bryan Morillo Karlqvist.

Fra Excel ark til svar på fem minutter

Tidligere endte Rudersdals bygningssyn som lange lister i Excel. Listerne viste et større vedligeholdelsesbehov, end der var penge til, og blev sjældent brugt igen.

Med AI er der også kommet et større fokus på kvaliteten og sikkerheden af de data, man træffer beslutninger på baggrund af.

“Lige pludselig snakker vi om, hvor sikre vi er på det her. Det spurgte vi aldrig om med Excel arkene. Så lå det der Excel ark og døde stille og roligt,” fortæller Bryan Morillo Karlqvist.

I dag kan kommunen blandt andet bruge proprty.ai til hurtigt at få overblik over de langsigtede vedligeholdelsesbehov.

“Forestil jer en ejendomschef, der står inde på kontoret og siger: Jeg skal bruge det til et møde i eftermiddag. Hvad koster det at vedligeholde den her ejendom de næste 30 år? Det tog mig mindre end fem minutter,” siger Bryan Morillo Karlqvist.

Vedligeholdelsesplanen viser samtidig, hvor der kan være mulighed for at koordinere arbejdet. Hvis taget eksempelvis skal skiftes det ene år og vinduerne det næste, kan opgaverne planlægges samlet, så man kun behøver at sætte stillads op én gang.

Det giver også ledelsen et bedre overblik over ejendomsporteføljen. I proprty.ai kan bygningernes tilstand blandt andet ses i sammenhæng med deres energimærker.

“Vores direktør spørger altid, hvad vores ti værste ejendomme er. I stedet for at stå og mumle kan man sige: Det er dem her,” siger Bryan Morillo Karlqvist.

AI som hjælpeværktøj og ikke en erstatning

I Ishøj Kommune har Jens Godwin Damgaard bygget kommunens vedligeholdelsesprogram op fra bunden med udgangspunkt i egne tilstandsvurderinger.

Når han eksempelvis planlægger nye døre og vinduer på en bygning, kan proprty.ai samtidig pege på taget og andre bygningsdele, som han ikke selv havde taget med i planen.

“Det estimerer den som et forslag, og det skal jeg så tage stilling til. Jeg behøver ikke at bruge det, men jeg bliver tvunget til at tage stilling til det,” siger Jens Godwin Damgaard.

For ham handler værdien ikke kun om at spare tid, men i høj grad om at forbedre kvaliteten af beslutningsgrundlaget.

Han kan blandt andet se, hvor sikkert en bygnings tilstand er vurderet. Sikkerheden er højere på de bygninger, han selv har besigtiget, og lavere på dem, han endnu ikke har været ude at se.

“Vi kan ikke bare sætte AI til at lave vores vedligeholdelsesplaner. Det duer ikke. Men AI er et kæmpe hjælpeværktøj, når vi skal vurdere tingene,” siger Jens Godwin Damgaard.

Begge kommuner bruger også Tily, AI agenten, der er bygget oven på den domænespecifikke AI i proprty.ai.

Da Ishøjs energikolleger skulle undersøge, hvilke tage der egner sig til solceller, bad Jens Godwin Damgaard Tily om at lave en oversigt over tagenes resterende levetid. Resultatet dækkede langt flere bygninger, end han selv havde nået at vurdere.

Et bedre grundlag for dialogen med politikerne

En af de store udfordringer i kommunal ejendomsdrift er at skabe et retvisende billede af det langsigtede vedligeholdelsesbehov.

Jens Godwin Damgaard har derfor sammenlignet sin egen 30 årige vedligeholdelsesplan med beregningen i proprty.ai. De to beregninger ligger langt fra hinanden.

“Jeg ved ikke, hvilket tal der er rigtigt, men det giver mig i hvert fald et værktøj til at skabe et mere præcist grundlag for, hvad det er for et behov, vi har,” siger Jens Godwin Damgaard.

I Rudersdal Kommune har arbejdet med AI også ændret måden, man taler om vedligeholdelsesbudgetter på.

“Paradokset i kommunerne er, at vi får en pose penge, og så bruger vi dem dér, hvor det trænger mest, håber vi. Nu vender vi bøtten om og siger: Med en eller anden grad af sikkerhed er det det her antal penge, vi som minimum skal bruge,” siger Bryan Morillo Karlqvist.

Michael Ørsted fra NIRAS ser samme potentiale i at kunne synliggøre konsekvenserne af forskellige prioriteringer, inden beslutningerne bliver truffet.

“Vi tør måske bedre træffe nogle overordnede beslutninger, hvis vi kan se, hvilken konsekvens de kommer til at have,” siger Michael Ørsted.

Kollegerne, data og IT skal med fra start

Teknologien er én ting. At få organisationen med er noget andet.

Under webinaret blev der blandt andet spurgt ind til, hvordan kommunerne får medarbejderne til at tage de nye værktøjer i brug.

I Rudersdal har det blandt andet handlet om at ændre medarbejdernes vaner og måde at arbejde med bygningsdata på.

“Der er et kæmpe skridt fra at registrere skader til lige pludselig at forholde sig til den overordnede tilstand,” siger Bryan Morillo Karlqvist.

I Ishøj valgte Jens Godwin Damgaard en mere praktisk tilgang. Han tog hele byggeafdelingen med ud til en børnehave, hvor medarbejderne to og to lavede en tilstandsvurdering direkte på telefonen. Bagefter diskuterede de resultaterne sammen.

“Den kombination af hjælp og holdninger fik dem til at forstå, at der findes et hjælpeværktøj, som de også kan bruge i deres dagligdag,” fortæller Jens Godwin Damgaard.

Michael Ørsted fremhævede også betydningen af at tænke data og IT ind fra begyndelsen.

Hans råd var ikke at gøre datavask til et stort oprydningsprojekt. Start med at samle de data, der allerede findes, og lad uoverensstemmelserne vise, hvor der er behov for at sætte ind.

Inddrag IT tidligt, begræns løsningen til de data, opgaven kræver, og sørg for at holde persondata ude.

Som Michael Ørsted understregede:

“Man skal kunne lave det her, også selvom ens AI ikke virker.”

AI i ejendomsdriften starter med de rigtige spørgsmål

Webinaret viste, at der ikke findes én opskrift på, hvordan kommuner skal implementere AI i ejendomsdriften.

Erfaringerne fra Rudersdal og Ishøj peger dog på nogle fælles muligheder: mindre tid på gentagne opgaver, bedre overblik over bygningernes tilstand og et stærkere grundlag for at prioritere vedligeholdelsesbudgetterne.

Men teknologien gør ikke arbejdet alene. Den faglige vurdering, medarbejdernes erfaringer og kvaliteten af datagrundlaget er fortsat afgørende.

Det handler derfor ikke om at lade AI træffe beslutningerne, men om at give medarbejderne bedre værktøjer til at træffe dem.