proprty.ai logo
  • Produkt
    ProduktoversigtFor asset- og fund-managerenFor driftschefenFor ESG-ansvarlig
  • Priser
  • Videnshub
  • Om os
  • Kontakt
  • 
    Login
  • Get started

LOG IND
Book demo
🌐
Dansk English Deutsch
Blog
October 20, 2025

Michael Ørsted, NIRAS: “Brug dine eksisterende data, brug energimærkedata som baseline”

Michael Ørsted, NIRAS: “Brug dine eksisterende data, brug energimærkedata som baseline”

Vi mangler ikke længere data for at komme i gang med CO₂-reduktion. Danmark har allerede energimærkedata for stort set hele bygningsmassen, standardiseret, sammenligneligt og tilgængeligt i skala. Opgaven er at tage udgangspunkt i det, der findes, bruge det i praksis og løbende hæve kvaliteten.

Det fremhævede Michael Ørsted fra NIRAS under proprty.ai’s CO₂-morgenmad tidligere på efteråret, hvor samtalen handlede om, hvordan data kan bringes i spil allerede i dag, uden at vente på det perfekte datasæt.

“Vent ikke på det perfekte datasæt. Start evt. med energimærket som fælles baseline, og forbedr løbende datakvaliteten kombineret med en indsats for dynamiske energimærker,” sagde Michael Ørsted under arrangementet.

Energimærket som fælles udgangspunkt

Energimærket er lovpligtigt ved salg og udlejning og dækker både boliger, erhverv og offentlige bygninger. Det gør det til den mest udbredte og sammenlignelige datakilde om bygningers energitilstand i Danmark.

Energistyrelsen stiller både søgning og porteføljesøgning til rådighed, så man kan arbejde adresseløst og i stor skala via Tjek Energimærke. Mærkerne indeholder nøgletal om forbrug og effektivitet samt en liste over økonomisk prioriterede forbedringsforslag, som gør dem velegnede som startpunkt for både screening og prioritering.

“Selvfølgelig er de estimerede forbrug i energimærkerne langt fra perfekte. Men de giver os et fælles udgangspunkt og en vej frem. Det vigtigste er at komme i gang og bruge de data, vi allerede har,” sagde Michael Ørsted.

Kvalitet skabes gennem brug

Datakvaliteten forbedres ikke på skrivebordet, men i praksis. Hver tilsynsopgave, hver digitaliseret arbejdsgang og hver validering på tværs af porteføljer hæver dataniveauet. Kombineret med grunddata som BBR, DAR og OIS får man en robust, skalerbar datapipeline fra dag ét.

“Datakvalitet skabes i hverdagen, ikke i Excel. Hver gang man arbejder med data, bliver de lidt bedre,” sagde Michael Ørsted.

Sådan kommer man i gang

Fastlæg baseline i skala. Træk energimærker for hele porteføljen via batch- eller fleradressesøgning. Brug dem som fælles nulpunkt for KPI’er og CO₂-roadmaps.

Prioritér ud fra potentiale og business case. Brug energimærkets forbedringsforslag til at identificere hurtige gevinster og målrettede projekter, og dokumentér effekter over for lejere og investorer.

Indbyg læringssløjfer i driften. Når drift og tilsyn udfører opgaver, registrér afvigelser og opdater data om årstal, komponenttilstand og udførte tiltag. Så stiger datakvaliteten måned for måned.

Berig med grunddata og systemdata. Kombinér energimærket med BBR, OIS og måler- eller FM-data for at ramme mere præcist i segmenter, bygningstyper og prioriteringslister.

Start med det, der findes

Ifølge Michael Ørsted opstår det perfekte datasæt ikke ved at vente, men gennem konsekvent brug. Når man starter med energimærket som fælles baseline, arbejder i skala og løfter kvaliteten gennem praksis, bliver beslutningerne både bedre, hurtigere og lettere at dokumentere.

Anders Holm Jørgensen

Anders Holm Jørgensen

CEO & Founder

Anders har mere end 10 års erfaring indenfor ledelse i Software virksomheder og har en track record i at bygge nye SaaS revenue streams.






Tilmeld dig vores nyhedsbrev

Få indblik i nye funktioner, kundecases og nyheder fra proprty.ai – direkte i din indbakke.

Relaterede indlæg

Se alle indlæg
Prioritering af Brugeroplevelse: En hjørnesten hos proprty.ai
Blog

Prioritering af Brugeroplevelse: En hjørnesten hos proprty.ai

En platform bygget til mennesker – ikke systemer.

Read more

Machine Learning, Artificial Intelligence og Large Language Models
Blog

Machine Learning, Artificial Intelligence og Large Language Models

Fra klassiske algoritmer til avancerede sprogmodeller.

Read more


Klar til at komme i gang? Book en demo

Book demoSe forklaringsvideo
Produkt
  • Produktoversikt
  • Til driftschefen
  • Til asset- og fund-manageren
  • Til ESG-ansvarlig
  • Priser
  • Home
Ressourcer
  • Videnshub
  • Blog
  • Kunde­cases
  • Nyheder
  • Persondatapolitik
  • Impressum
Om proprty.ai
  • Om os
  • Kontakt
  • Log ind
  • Book demo
Tilmeld dig vores nyhedsbrev

Følg med i udviklingen af proprty.ai og få indblik i udvalgte funktioner, cases og faglige perspektiver fra vores arbejde med kommuner, almene boligorganisationer, investorer og administratorer.

Nyhedsbrevet giver dig et samlet overblik over det vigtigste, uden støj og kun når vi har noget værdifuldt at dele.

CVR: 43641298│Gammel Mønt 3A, 1117 København K│ © 2025 proprty.ai ApS