Innovationsfonden har tildelt proprty.ai 952.875 kr. gennem Innobooster-programmet til at udvikle næste generation af CO₂-modulet. I dag fungerer modulet kun i Danmark, på bygninger med en eksisterende energimærkning. Den nye version er en compliance-motor på porteføljeniveau, der bygger på faktisk energiforbrug og fungerer på tværs af europæiske markeder.
Det er det andet Innobooster-tilskud, proprty.ai har modtaget. Det første, som blev tildelt i 2023, hjalp med at lægge fundamentet for produktet. Dette udvider produktet fra tilstandsvurdering og vedligehold til compliance, hvor nye EU-regler lægger et voksende økonomisk pres på ejendomsejere.
Compliance er nu et capex-spørgsmål
Bygninger står for omkring 40 % af CO₂-udledningen i Europa. EU's bygningsdirektiv (EPBD) og den globale CRREM-standard gør det til en økonomisk risiko for ejere. Rammer man ikke målene, risikerer aktiver at strande. Rammer man dem på den forkerte måde, stiger capex unødigt. De færreste ejere har data nok til at vide, hvilken vej der er billigst.
proprty.ai's nuværende CO₂-modul viser allerede ejere, hvor de står, og hvad der skal ændres. Men det bygger på de danske energimærker, så det fungerer kun i Danmark og kun for bygninger, hvor et mærke findes.
"Den nuværende logik fungerer kun, hvis man har et eksisterende energimærke, og den virker kun i Danmark. Den nye version vil være bygget på faktisk forbrug. Det betyder, at den kan fungere uden for Danmark og give et langt mere præcist billede af, hvor man er, og hvor man skal hen," siger Ian Victor Magid Kjær, medstifter og CTO hos proprty.ai.
Det gør det nye modul
Tre ting ændrer sig.
Det første er selve anbefalingsmotoren. I stedet for at optimere efter restlevetid kortlægger den nye motor den billigste vej til at leve op til EPBD og CRREM. Den vægter restlevetid, tidspunkt for indgreb, kWh-reduktion, CO₂-potentiale og omkostninger og returnerer den billigste rute på bygnings-, ejendoms- og porteføljeniveau.
Det andet er, hvordan motoren lærer. proprty.ai integrerer historiske forbrugsdata fra offentlige registre og kundernes egne systemer. Forventede besparelser holdes op mod faktiske resultater, og motoren justerer sine anbefalinger ud fra, hvad der rent faktisk skete.
"Dagens energimærkerapporter har en fejlrate på omkring 60 %. Vi sigter efter en motor, der lander under 15 %. Det gør vi ved at træne på faktisk forbrug, ikke kun forudsigelser," siger Ian Victor Magid Kjær.
Det tredje er, hvor anbefalingerne lander. Forbedringsaktiviteter flyder direkte ind i de arbejdsordresystemer, ejendomsejere allerede bruger. Når arbejdet er udført, strømmer data tilbage. Planlagt arbejde, udført arbejde og målt effekt samles ét sted.
"Compliance bliver en reel omkostningsdriver for ejendomsejere de næste år. De ejere, der kan kortlægge den billigste vej, beskytter deres cashflow og afkast. De, der ikke kan, kommer til at betale for meget, for sent. Vi bygger det værktøj, der lader dem vælge den billige vej," siger Ian Victor Magid Kjær.
Hvad sker der nu
Projektet løber fra 4. maj 2026 til 2. april 2027 og udvikles sammen med eksisterende proprty.ai-kunder, som validerer parametre, bidrager med porteføljedata og kører pilotprojekterne. Kundedeltagerne annonceres særskilt.
proprty.ai bruger domænespecifik AI til at forudsige bygningers tilstand, restlevetid og omkostninger på tværs af store porteføljer. Virksomheden arbejder med ejendomsejere, der forvalter over 40 millioner m² i Danmark, Norge, Schweiz og Tyskland, og er profitabel og over 1 mio. euro i ARR mindre end to år efter produktlancering.
Tak til Innovationsfonden for tilskuddet, og til Nordic Innovators for hjælpen til at forberede ansøgningen.
Tilmeld dig vores nyhedsbrev
Få indblik i nye funktioner, kundecases og nyheder fra proprty.ai – direkte i din indbakke.
