SirkBIM-ombyggingpotensiale OAØ
KI-generert bakgrunnsnotat som beskriver potensiale og metodikk for ombygging til boliger i Oslo, Akershus og Østfold – med muliggjørende verktøy som BIM og KI.
Relaterte arrangment: https://bimverdi.no/arrangement/20260413/
Vi spurte KI:
Finn prosjekter og planer for ombygging, ombruk til boliger i Norge som er et bidrag til regjeringens målsetting om igangsettelse av 130000 nye boliger innen 2030. Vi ønsker å kartlegge hvor og hvordan dette kan gjøres på raskest mulig måte ved å skanne eksisterende bygg og lage BIM-modeller som grunnal for ombyggingsoppdrag.
Svaret var (mars’26):
Klart! Her er en konkret, ende‑til‑ende plan for hvordan KI kan brukes i ombygging/ombruk til boliger – fra å finne de riktige byggene til «scan‑til‑BIM», test‑fit, myndighetsdialog og kalkyle/CO₂. Jeg peker også på hvilke datasett og kilder som gjør dette mulig i Oslo, Akershus og Østfold.
1) Finn de riktige kandidatbyggene (datadrevet screening)
Hva KI gjør:
- Samler og kobler offentlige databaser (SSB Bygningsmassen, rutenettstatistikk; Matrikkelen/Bygningspunkt; kommunale planregistre) og lærer hvilke bygningsprofiler som er mest egnet for ombygging (byggdybde, etasjeantall, alder, beliggenhet/knutepunkt, vern/planstatus).
- Lager en scoringsmodell som rangerer bygg etter gjennomførbarhet (plassering, geometri, regulering, forventet kost/nytte).
Kilder du kan plugge rett inn:
- SSB – Bygningsmassen (bygningstyper pr. kommune) og rutenettdata (hotspots i 250 m/1 km‐ruter) for å se hvor kontor/forretning, undervisning og helse finnes i volum. 1 2
- Matrikkelen – Bygningspunkt Utvidet via Kartverket/Geonorge (tilgangsstyrt) for bygningsnummer, status, bruksenheter, areal, historikk – helt sentralt for å lage maskinlæringsfunksjoner pr. bygg. 3 4
- PlanInnsyn/kommunale arkiv (f.eks. Oslo PBE) for planstatus, vern og saksarkiv → KI (NLP) kan lese ut premissene og flagge «røde/gule/grønne» saker. 5 6
Hvorfor dette er lurt her: Sarpsborgs nye arealplan styrer mot 60 % fortetting/transformasjon, og Oslo har dokumentert bolig‑/områdereserve – KI‑screening lar dere målrette innsatsen der planregimet allerede vil ha transformasjon. 7 8
2) «Scan‑til‑BIM» (automatikk fra punktsky til modell)
Hva KI gjør:
- Segmenterer punktskyer (LiDAR/SLAM + drone) og identifiserer konstruksjoner (dekker, søyler, vegger, vinduer), sjakter og rom ⇒ danner en LOD 200–300 BIM (IFC4) raskere enn manuell modellering.
- Kvalitetssikrer mot Matrikkel/FKB omriss og høydedata.
Datastrøm:
- Feltskanning (interiør SLAM + stasjonær LiDAR; eksteriør drone/fotogrammetri).
- Kjapp geometrisjekk mot bygningsdata (Matrikkel/Norkart API). 9
3) KI‑drevet «test‑fit» – optimal boliginnpassing
Hva KI gjør:
- Genererer planløsninger (enkelt-/dobbeltkorridor, gjennomlysning) gitt byggdybde, akser, sjakter og trappeløp.
- Optimaliserer boligmix (1–3 rom), dagslys, rømningsveier og sjaktlogikk – og beregner kapasitet (antall boliger) for ulike scenarier.
Regulatorisk kontekst:
- KI kan simulere løsninger opp mot TEK17‑nøkkelkrav (dagslys/tilgjengelighet/lyd/brann) og samtidig lage en liste over pbl §31‑4‑unntak som sannsynligvis blir nødvendige ved ombygging (nyttig i forhåndskonferanse). 10
4) Myndighetsdialog, §31‑4 og saksdokumenter (NLP‑assistert)
Hva KI gjør:
- Leser gjeldende reguleringsbestemmelser/planer fra kommunale arkiv og skriver et pre‑compliance‑notat: hva oppfylles, hvor trengs dispensasjon/unntak (§31‑4), og hvilke dokumentasjonskrav må med i søknaden. 11 12
- Utkast til nabovarsel, redegjørelser og fagnotater (dagslys, universell utforming) – fagansvarlig kvalitetssikrer og signerer.
- Henter historikk fra saksarkiv (NLP) og flagger tidligere avslag/innsigelser i området (brukbar læring for strategien). 13
5) Kost/nytte, LCC og CO₂ – automatisk beslutningsgrunnlag
Hva KI gjør:
- Estimator som kobler BIM + prisdatabaser/erfaringstall og gir CapEx/OpEx‑overslag samt LCC‑varianter.
- CO₂‑regnskap (A1–A5, B) for ombruk vs. nybygg – og kvantifiserer effekten av komponentombruk (dører, glass, kanaler, fasadeplater).
- Henter ombrukskandidater fra skanning (computer vision + teksturklassifisering), lager inventarliste og knytter den til en ombruksplattform (OBOS‑eksempelen viser hvordan et slikt løp faktisk operasjonaliseres). 14 15
6) Ombruk – fra kartlegging til markedsplass
Hva KI gjør:
- Detekterer ombrukbare komponenter i punktsky/bilde (f.eks. sprinklerrør, tegl, treverk, innredning).
- Automatisk klassifisering (type, mengde, tilstand) og matching mot interne behov/ekstern markedsplass (beregner CO₂/kr‑gevinst).
- Kan følge forbildegrep som Nøstebukten Brygge (mål om 70 % ombruk). 16
7) Data‑/systemarkitektur – «fra kart til tiltak»
Anbefalt flyt (Azure/M365 eller tilsvarende):
- Data‑inn: SSB tabeller + rutenett (CSV), Matrikkel Bygningspunkt (GML/FGDB/CSV via Geonorge), PlanInnsyn PDF/tekst, Norkart Bygning API. 17 18 19 20 21
- Feature‑lag: samkjør data pr. bygg (ID: bygningsnummer); legg til transport/knutepunkter.
- Screening‑modell: ML for sannsynlig ombyggbarhet + KPIer (volum, tid, risiko).
- Skann & modellér: punktskyer inn i KI‑pipeline → IFC4.
- Test‑fit & compliance: generativ plan + regelmotor (TEK17) + §31‑4‑notat. 22
- Dashboard: kart (hotspots), volum (antall mulige boliger), CO₂/kr, status mot kommunen.
8) Region‑spesifikk utnyttelse (Oslo, Akershus, Østfold)
- Oslo: Bruk Bolig‑ og områdereserven som fasit for hvor ombruk/fortetting raskt kan gi utslag. KI kan kontinuerlig «watchliste» planvedtak/IG‑tillatelser, og trigge skanning/analytikk når nye muligheter dukker opp. 25
- Akershus (Asker/Bærum): Fokus på Blakstad og Fornebu‑transformasjoner – test‑fit på eksisterende strukturer kombinert med nybygg. 26 27
- Østfold (Sarpsborg/Fredrikstad/Moss): Industri‑/havneområder i endring (Pappen, Trosvikstranda) – KI hjelper med fasevis utvikling, ombrukskartlegging og dokumentasjon av kulturminnehensyn i parallell med effektiv boliginnpassing. 28 29
9) Styring, risiko og kvalitet
- Datakvalitet og sporbarhet: Lenk hvert forslag til kilder (Matrikkel‑ID, PlanID, saksnummer) – dette gjør forhåndskonferanser effektive. 30 31
- Juridikk: Vurder GDPR når du bruker sensordata/foto/360‑video i interiør; avklar opphavsrett for tegninger fra saksarkiv ved maskinlesing. (PlanInnsyn gir tilgang, men gjenbruk må håndteres korrekt.) 32
10) 30–60–90 dager – KI‑arbeidspakke (koblet til piloten vi skisserte)
0–30 dager
- Koble til SSB + Matrikkel + PlanInnsyn; lage første screening‑modell og long‑list for Oslo/Akershus/Østfold. 33 34 35
- Velge 5 objekter for skanning; sette opp punktsky‑pipeline (automatisk segmentering + IFC‑eksport).
31–60 dager
- Kjøre KI‑test‑fit på 5 bygg; generere pre‑compliance‑notater inkl. foreslåtte §31‑4‑unntak; forberede forhåndskonferanser. 36
- Bygge kost/CO₂‑modul og ombruks‑klassifisering (inventarliste som kan eksporteres til ombruksplattform). 37 38
61–90 dager
- Beslutningsnotat pr. bygg: volum (boliger), tiltak, tidslinje, CO₂ og økonomi – «go/no‑go».
Hva trenger jeg fra dere for å starte?
- Avklare tilgang til Matrikkel – Bygningspunkt Utvidet (jeg kan utforme søknad til Kartverket/Geonorge). 39
- Velge 2–3 kommuner i Østfold (i tillegg til Oslo/Akershus) for første screening (f.eks. Fredrikstad, Sarpsborg, Moss – store pågående transformasjoner). 40 41
- Peke ut 1–2 eiere/porteføljer dere lett får dialog med (kommune, helseforetak, statlig eiendom eller private) – så fyller vi datahull raskt.
Åpne meldinger
Del tanker, meninger og spørsmål med andre i nettverket — og tagg gjerne inn folk med @navn.
Inntil videre er dette en tjeneste for gratisbrukere og deltakere.
Vær den første til å dele en tanke eller et spørsmål — logg inn eller registrer deg for å delta.
Om forfatteren
Bård Krogshus
Økonom fra NHH med fokus på verdiskaping, nettverks- og kunnskapsbygging for SMB’er gjennom prosjektutvikling, digitalisering innen mediebransjen, e-læring i bl.a. bygg- og eiendom. Fartstid som kompetansemegler i Forskningsrådet og FRAM-rådgiver i Innovasjon Norge.
Verdinettverk AS
Se foretakets profilFlere artikler fra Verdinettverk AS
Kan vi bruke KI til å forstå klimaeffekten av rehabilitering – før vi har en BIM-modell?
BIM Verdi vil teste om en KI-chat kan vise klimaeffekten av å bevare, bygge om eller rive et eksisterende bygg…
16. oktober 2026Har du lov til å laste standarden din opp i ChatGPT?
Mange virksomheter kjøper standarder som PDF og laster dem deretter opp i ChatGPT, Claude eller andre KI-verktøy. Det kan være…
8. oktober 2026Fra skole til boliger – kan Bygg.Chat gjøre veien enklere?
Hva skal vi gjøre med byggene vi allerede har? Når skoler, kontorer og andre bygg får nye formål, trenger vi…
8. oktober 2026