AI og tilstandsrapporter – automatiseret bygningsinspektion i Danmark

Hvert år udarbejdes omkring 80.000 tilstandsrapporter i Danmark. En beskikket bygningssagkyndig går gennem boligen, noterer synlige skader, og giver køber og sælger et fælles grundlag for handlen. Det er en ordning der har fungeret i over 25 år – men teknologien omkring den er ved at ændre sig fundamentalt.

Droner med termiske kameraer scanner tage på 15 minutter. Computer vision identificerer revner i facader fra højopløselige fotos. AI-modeller analyserer tusindvis af bygningsbilleder og flagger potentielle problemer, før den sagkyndige overhovedet sætter foden på ejendommen. Det er ikke science fiction – det er værktøjer der allerede bruges i Danmark i 2026.

Denne artikel gennemgår, hvordan AI og droner forandrer bygningsinspektionen, hvad det betyder for tilstandsrapporten, og hvilke danske aktører der er først med teknologien.

Huseftersynsordningen – sådan fungerer tilstandsrapporten i dag

Tilstandsrapporten er en del af den danske huseftersynsordning, reguleret af Sikkerhedsstyrelsen. Når en bolig sælges, kan sælger vælge at få udarbejdet en tilstandsrapport af en beskikket bygningssagkyndig. Sammen med en elinstallationsrapport og et tilbud på ejerskifteforsikring giver det sælger mulighed for at frigøre sig fra det 10-årige ansvar for skjulte fejl og mangler.

Processen i dag er i alt væsentligt manuel:

1. Fysisk besigtigelse: Den bygningssagkyndige gennemgår boligen rum for rum, tjekker tag, facade, kælder, vådrum, vinduer og installationer.
2. Karaktergivning: Hvert skadesforhold får en karakter: IB (ingen bemærkninger), K0 (kosmetisk), K1 (mindre alvorligt), K2 (alvorligt) eller K3 (kritisk).
3. Rapport: Resultatet samles i en standardiseret rapport der gælder i 6 måneder.

Det tager typisk 2–4 timer for den sagkyndige at gennemføre besigtigelsen, og prisen ligger på 2.500–8.000 kr. afhængigt af boligtype og størrelse.

Ordningen er velfungerende, men den har iboende begrænsninger. Den sagkyndige kan kun vurdere det der er synligt og tilgængeligt. Tage der kræver stiger at nå, isolering bag vægge, fugt i konstruktioner – alt det kræver enten destruktive undersøgelser eller teknologi der kan “se” mere end det menneskelige øje.

Det er her AI og droner kommer ind.

Droneinspektion – taget set fra oven

Den mest umiddelbare teknologiske forbedring af bygningsinspektionen er dronebaseret inspektion. I stedet for at klatre op på taget – med de sikkerhedsrisici og begrænsninger det indebærer – kan en drone flyve hen over ejendommen og optage højopløselige billeder og video af tagflæder, inddækninger, skorstene og tagrender.

Visuel droneinspektion

En drone med et højopløsningsekamera (typisk 20–48 megapixel) kan dokumentere:

• Revner og forskydninger i tagsten eller tagplader
• Manglende eller beskadigede inddækninger
• Tilstoppede eller beskadigede tagrender
• Mossevækst og alger der indikerer fugtproblemer
• Skorstenstilstand og ventilationsåbninger
• Facaderevner og afskalninger på højtsiddende partier

Fordelen er dobbelt: dronen ser steder der er svært tilgængelige for mennesker, og den dokumenterer alt med billeder der kan genbesøges og analyseres efterfølgende – i modsætning til en visuel inspektion der kun eksisterer i den sagkyndiges hukommelse og notater.

Termisk droneinspektion (termografi)

Den virkelige game-changer er kombination af droner med infrarøde termiske kameraer. Termografi måler temperaturforskelle på overflader og kan afsløre problemer der er fuldstændig usynlige for det blotte øje:

• Kuldebroer: Områder hvor varmen slipper ud gennem bygningskonstruktionen – typisk ved sammenføjninger, altaner og fundamenter
• Mangelfuld isolering: Huller eller nedfalden isolering i loftkonstruktioner og ydervægge
• Fugtindtrængning: Vand i tagkonstruktioner viser sig som temperaturanomalier – fugtigt materiale holder på varmen anderledes end tørt
• Utætheder: Luftlækager ved vinduer, døre og gennemføringer
• Skjulte varmerør: Lækager i gulvvarme eller vandrør i vægge

En termisk droneinspektion af et villatag tager typisk 15–30 minutter og genererer et termisk kortlægning der viser præcis hvor ejendommen har problemer. Det er information der ville kræve enten destruktive indgreb eller avanceret måleudstyr at opnå med traditionelle metoder.

Computer vision og AI-baseret skadesdetektering

Droner leverer dataene – men det er AI-baseret billedanalyse der gør dem virkelig værdifulde. Computer vision-modeller kan trænes til at genkende specifikke skadestyper i bygningsbilleder med en konsistens og hastighed der overgår menneskelig inspektion.

Sådan fungerer det

1. Dataindsamling: Dronen optager hundredvis af overlappende billeder af taget og facaden i et struktureret flyveprogram.
2. 3D-rekonstruktion: Software samler billederne til en 3D-model (fotogrammetri), der giver et komplet overblik over bygningens ydre.
3. AI-analyse: Convolutional neural networks (CNN’er) trænet på tusindvis af annoterede bygningsbilleder scanner automatisk for skadesmønstre – revner, mossevækst, manglende tagsten, rustdannelse, afskalning.
4. Prioritering: Hvert detekteret problem klassificeres efter alvorlighed og geolokaliseres på 3D-modellen, så den sagkyndige kan prioritere sin fysiske inspektion.

Hvad AI kan detektere automatisk

Præcisionen afhænger af billedkvalitet, lysforhold og modellens træningsdata. Modellerne er stærkest på velkendte skadestyper i standardkonstruktioner og svagere på atypiske bygninger eller skadesmønstre de ikke er trænet på.

Danske aktører i AI-drevet bygningsinspektion

Markedet for teknologidrevet bygningsinspektion i Danmark er voksende. Her er de vigtigste aktører i 2026:

B3D – Markedslederen

B3D ApS er Danmarks mest erfarne virksomhed inden for bygningsdigitalisering med en portefølje på over 4.000 ejendomme – primært fra den offentlige og kommunale sektor. De tilbyder både intern og ekstern digitalisering af bygninger, herunder 3D-scanning, droneinspektion og termisk analyse. For ejendomsadministratorer leverer B3D en samlet digital tvilling af ejendommen, der giver et databaseret grundlag for vedligeholdelsesplanlægning.

Droners – Fra inspektion til AI-rapport

Droners tilbyder en systematisk gennemgang af ejendommens tag, facade og klimaskærm via drone. Inspektionen vurderer tilstand, skader og restlevetid og giver ejendomsejere et solidt datagrundlag for vedligeholdelse, planlægning og prioritering. Den AI-støttede billedanalyse hjælper med at identificere problemer der let overses ved traditionel inspektion.

Teknologisk Institut – Forskning og praksis

Teknologisk Institut kombinerer forskningskompetencer med praktiske inspektionsydelser. De har arbejdet med termisk og visuel droneinspektion af bygninger i flere år og har bidraget til at etablere standarder for, hvordan dronedata kan integreres i vedligeholdelsesplanlægning og tilstandsvurderinger i Danmark.

Fra vedligeholdelse til bolighandel – use cases

AI-drevet bygningsinspektion bruges i dag i flere kontekster i Danmark:

1. Planlagt vedligeholdelse (ejendomsadministration)

Større boligforeninger og ejendomsadministratorer bruger allerede droneinspektion som del af deres långsigtede vedligeholdelsesplaner. I stedet for at sende en håndværker op på hvert enkelt tag årligt, kan en dronescanning af hele ejendomsporteføljen prioritere indsatsen der, hvor behovet er størst. B3D og Vi Passer Ejendommen leverer begge denne type ydelse.

2. Energiscreening og klimaskærm

Termografi fra droner er et centralt værktøj til energiscreening. Kommuner og almene boligorganisationer bruger det til at identificere bygninger med de største varmetab og dermed det største renoveringspotentiale. Det bidrager direkte til energimærkningsprocessen og prioritering af klimainvesteringer.

3. Forsikring og skadesopgørelse

Forsikringsselskaber bruger i stigende grad droner til skadesopgørelse efter storm, skybrud eller brand. Dronebaseret dokumentation er hurtigere, sikrere og mere dækkende end manuel inspektion – og AI-baseret analyse kan estimere skadesomfang og reparationsomkostninger fra billeddata.

4. Supplement til tilstandsrapporten

Den mest lovende – men endnu ikke fuldt realiserede – anvendelse er som supplement til den lovpligtige tilstandsrapport. En bygningssagkyndig der kombinerer sin fysiske besigtigelse med dronedata og termografi kan levere en væsentligt mere dækkende rapport, særligt for taget og klimaskærmen der står for en stor del af de alvorlige skader i danske boliger.

Elinstallationsrapporten – AI’s næste mål?

Tilstandsrapporten er kun én del af huseftersynet. Elinstallationsrapporten – udarbejdet af en autoriseret elinstallatør – er den anden obligatoriske komponent. Her er AI’s potentiale måske endnu større:

• Termisk inspektion af eltavler: Overophedede komponenter i eltavler er en hyppig årsag til brand. Termografi kan hurtigt afdække løse forbindelser og overbelastede kredsløb.
• Billedgenkendelse af installationer: AI kan genkende fejltyper som manglende afdækning, forkert dimensionerede sikringer og ikke-lovlige installationer fra billeder.
• Historisk dataanalyse: Ved at krydse installationsdata med bygningsår, tidligere rapporter og kendte risikoprofiler kan AI-modeller forudsige, hvilke ejendomme der har højest risiko for elfejl.

Barrierer og begrænsninger

Teknologien er lovende, men der er reelle barrierer for bred adoption i Danmark:

Regulatoriske rammer

Tilstandsrapporten er reguleret af Sikkerhedsstyrelsen, og der er i dag ingen formel anerkendelse af dronedata eller AI-analyse som del af rapportens grundlag. Den bygningssagkyndige er personligt ansvarlig for vurderingen, og rapporten følger et standardiseret format der ikke har plads til termiske bilag eller 3D-modeller. En ændring kræver reguleringstilpasning.

Droneregler

EU’s droneregler under EASA (European Union Aviation Safety Agency) stiller krav til pilotkompetencer, forsåkring og flyvebegrænsninger – særligt i bymæssig beboelse, som er der flest boliger handles. “Open category” A2-certificering er minimum for at flyve tæt på bygninger, og mange inspektioner kræver “Specific”-kategori med risikovurdering (SORA).

Omkostninger

Droneinspektion med termografi koster typisk 3.000–8.000 kr. som tillægsydelse. For en boligkøber der allerede betaler 4.000–8.000 kr. for tilstandsrapporten, repræsenterer det en væsentlig merpris. Prisen vil dog falde i takt med at teknologien modnes og konkurrencen stiger.

AI-modellens begrænsninger

AI-modeller trænet på bygningsbilleder har samme iboende begrænsning som alle machine learning-systemer: de kan kun genkende mønstre de er trænet på. Atypiske konstruktioner, sjældne skadestyper eller bygninger med unikke materialer kan give falske negativer (skader der overses) eller falske positiver (problemer der ikke er der). Menneskeligt tilsyn er fortsat nødvendigt.

EU’s AI Act og bygningsinspektion

EU’s AI Act, der træder i kraft i faser frem mod 2027, klassificerer AI-systemer efter risikoniveau. For bygningsinspektion er der to relevante scenarier:

• Høj risiko: Hvis AI-baserede tilstandsvurderinger bruges direkte til kreditbeslutninger (fx bankers belåningsgrundlag baseret på bygningens stand), kan systemet falde under høj-risiko-kategorien. Det kræver dokumentation, gennemsigtighed, datalogning og menneskelig kontrol.
• Begrænset risiko: AI som beslutningsstøtte for den bygningssagkyndige – hvor mennesket har det endelige ord – falder typisk under lavere risikokategorier, men kræver stadig gennemsigtighedsforpligtelser.

I praksis betyder det, at AI-værktøjer til bygningsinspektion bør designes med “human-in-the-loop”: AI identificerer og prioriterer, mennesket vurderer og beslutter. Det er også den tilgang der giver mest værdi – AI’s styrke er systematisk scanning af store datamængder, mens den sagkyndiges styrke er kontekstuel vurdering og erfaring.

Fremtiden: Hvad der kommer

AI-drevet bygningsinspektion er stadig i en tidlig fase i Danmark, men udviklingen accelererer. Her er de tendenser der vil forme de næste år:

• Digitale tvillinger: Kombinationen af 3D-scanning, dronedata og sensordata skaber digitale kopier af bygninger, der kan monitoreres over tid. I stedet for en punktmåling hvert 5. år får ejendomsejeren en løbende tilstandsvurdering.
• Automatiseret rapportering: AI der genererer første udkast til tilstandsrapporter baseret på dronedata og billedanalyse – som den sagkyndige derefter gennemgår og justerer. Det reducerer tidsforbruget og øger konsistensen.
• Integration med BBR og energimærkninger: Ved at koble inspektionsdata med offentlige ejendomsdata kan AI-modeller forudsige, hvilke bygninger der har højest risiko for specifikke skadestyper baseret på byggeår, materialer og geografisk beliggenhed.
• Satellit- og flydata: Større aktører (kommuner, forsikringsselskaber) kan bruge flyfotos og satellitbilleder til at screene hele kvarterer for tagproblemer – en skalerbarhed der er umulig med individuelle droneinspektioner.
• Prædiktiv vedligeholdelse: I stedet for at reagere på skader kan AI forudsige, hvornår et tag nærmer sig slutningen af sin levetid, baseret på materialer, alder, vedligeholdelseshistorik og eksponeringsforhold. Det gør det muligt at planlægge udskiftning før skaden opstår.