Innovationsfonden hat proprty.ai 127.500 Euro über das Innobooster-Programm bewilligt, um die nächste Generation des CO₂-Moduls zu entwickeln. Heute funktioniert das Modul nur in Dänemark, für Gebäude mit einem bestehenden Energieausweis. Die neue Version ist eine portfolioweite Compliance-Engine, die auf tatsächlichen Energieverbrauchsdaten basiert und marktübergreifend in Europa funktioniert.
Es ist die zweite Innobooster-Förderung, die proprty.ai erhalten hat. Die erste, 2023 bewilligt, legte das Fundament des Produkts. Diese erweitert das Produkt über Zustandsbewertung und Instandhaltung hinaus in den Bereich Compliance, wo neue EU-Vorschriften den wirtschaftlichen Druck auf Eigentümer erhöhen.
Compliance ist jetzt eine Capex-Frage
Gebäude sind für rund 40 % der CO₂-Emissionen in Europa verantwortlich. Die EU-Gebäuderichtlinie (EPBD) und der globale CRREM-Standard machen das zu einem finanziellen Risiko für Eigentümer. Wer die Ziele verfehlt, riskiert gestrandete Assets. Wer sie auf falsche Weise erreicht, treibt den Capex unnötig in die Höhe. Den meisten Eigentümern fehlen die Daten, um zu wissen, welcher Weg der günstigste ist.
Das bestehende CO₂-Modul von proprty.ai zeigt Eigentümern bereits, wo sie stehen und was geändert werden muss. Doch es basiert auf dänischen Energieausweisen, weshalb es nur in Dänemark und nur für Gebäude mit einem vorhandenen Ausweis funktioniert.
„Die aktuelle Logik funktioniert nur, wenn ein bestehender Energieausweis vorhanden ist, und sie funktioniert nur in Dänemark. Die neue Version wird auf echten Verbrauchsdaten aufbauen. Das bedeutet, dass sie außerhalb Dänemarks funktionieren kann und ein deutlich präziseres Bild davon liefert, wo man steht und wohin man muss," sagt Ian Victor Magid Kjær, Mitgründer und CTO bei proprty.ai.
Was das neue Modul leistet
Drei Dinge ändern sich.
Das Erste ist die Empfehlungs-Engine. Statt auf Restlebensdauer zu optimieren, berechnet die neue Engine den kosteneffizientesten Weg zur Einhaltung von EPBD und CRREM. Sie berücksichtigt Restlebensdauer, Interventionszeitpunkt, kWh-Einsparung, CO₂-Reduktionspotenzial und Kosten und gibt den günstigsten Weg auf Gebäude-, Objekt- und Portfolioebene aus.
Das Zweite ist, wie die Engine lernt. proprty.ai integriert reale historische Verbrauchsdaten aus öffentlichen Registern und Kundensystemen. Erwartete Einsparungen werden mit tatsächlichen Ergebnissen abgeglichen, und die Engine verfeinert ihre Empfehlungen auf Basis dessen, was wirklich passiert ist.
„Heutige Energieausweisberichte haben eine Fehlerquote von rund 60 %. Wir zielen auf eine Engine ab, die unter 15 % landet. Der Weg dorthin führt über das Training mit realen Verbrauchsdaten, nicht nur mit Prognosen," sagt Ian Victor Magid Kjær.
Das Dritte ist, wo die Empfehlungen ankommen. Verbesserungsmaßnahmen fließen direkt in die Auftragsmanagement-Systeme, die Eigentümer bereits nutzen. Abschlussdaten fließen zurück. Geplante Maßnahmen, durchgeführte Arbeiten und gemessene Wirkung landen an einem Ort.
„Compliance wird in den nächsten Jahren ein echter Kostentreiber für Eigentümer sein. Wer den günstigsten Weg nach vorne kartieren kann, schützt seinen Cashflow und seine Rendite. Wer das nicht kann, wird zu viel bezahlen, zu spät. Wir bauen das Werkzeug, das ihnen ermöglicht, den günstigen Weg zu wählen," sagt Ian Victor Magid Kjær.
Die nächsten Schritte
Das Projekt läuft vom 4. Mai 2026 bis zum 2. April 2027 und wird in Zusammenarbeit mit bestehenden proprty.ai-Kunden entwickelt, die Parameter validieren, Portfoliodaten beisteuern und die Pilotprojekte durchführen. Die teilnehmenden Kunden werden separat bekanntgegeben.
proprty.ai nutzt domänenspezifische KI, um Gebäudezustand, Restlebensdauer und Kosten über große Portfolios hinweg vorherzusagen. Das Unternehmen arbeitet mit Eigentümern zusammen, die über 40 Millionen m² in Dänemark, Norwegen, der Schweiz und Deutschland verwalten, und ist profitabel und bei über 1 Mio. Euro ARR weniger als zwei Jahre nach Produktlaunch.
Dank an Innovationsfonden für die Förderung und an Nordic Innovators für die Unterstützung bei der Vorbereitung des Antrags.

