AI og klimatilpasning af bygninger – skybrud, oversvømmelse og varme i 2026
En bygning kan have et lavt energiforbrug og stadig være dårligt forberedt på fremtidens klima. Kældre kan oversvømmes, teknikrum kan rammes af højt grundvand, og boliger kan blive overophedede under hedebølger. BUILD ved Aalborg Universitet advarede i 2026 om, at mange danske bygninger er projekteret til et klima, der ikke længere findes.
AI kan gøre klimatilpasning mere systematisk. Ved at kombinere DMI's klimafremskrivninger, terræn- og oversvømmelseskort, BBR- og bygningsdata, skadeshistorik og sensormålinger kan en model rangere bygninger efter risiko og pege på, hvor en nærmere undersøgelse er mest presserende.
Det direkte svar
AI klimatilpasser ikke en bygning af sig selv. Den omsætter mange datakilder til en forklarlig risikoscreening: Hvilken klimahændelse kan ramme, hvor sårbar er bygningen, og hvor stor bliver konsekvensen? Resultatet er en prioriteret kø til faglig undersøgelse og investering – ikke en garanti for, hvor det næste skybrud rammer.
Risiko er mere end et punkt på et oversvømmelseskort
En robust vurdering skelner mellem tre forhold: fare, eksempelvis ekstrem regn eller varme; eksponering, altså om bygningen ligger dér, hvor hændelsen kan ramme; og sårbarhed, for eksempel kælder, lavtliggende indgange, følsomme materialer eller kritisk teknik tæt på gulvet. Konsekvensen afhænger desuden af bygningens funktion. En oversvømmet serverkælder eller hospitalsinstallation kan være langt mere kritisk end samme vandstand i et tomt depot.
DMI's Klimaatlas giver et fælles dansk datagrundlag for forventede ændringer i temperatur, nedbør, skybrud, vandstand og stormflod. For perioden 2070-2100 angiver Klimaatlas blandt andet 1,5 til 4,5 gange flere hedebølgedage og 30 til 70 procent flere skybrud afhængigt af udledningsscenarie. Tallene er fremskrivninger på områdeniveau – ikke en facitliste for den enkelte matrikel.
Fra nationale klimadata til den enkelte bygning
| Datakilde | Hvad AI kan udlede | Vigtigt forbehold |
|---|---|---|
| DMI Klimaatlas | Fremtidige scenarier for varme, regn, skybrud, havvand og stormflod | Kommunale og regionale fremskrivninger, ikke hændelsesprognoser |
| KAMP og terrændata | Mulig eksponering for oversvømmelse og højt grundvand | Nationale screeningsdata mangler lokale kloak- og sikringstiltag |
| BBR, BIM og tegninger | Anvendelse, kælder, adgangsforhold, konstruktioner og placering af teknik | Registrering og modeller kan afvige fra den faktiske bygning |
| Skader og driftsjournal | Gentagne hændelser, sårbare zoner og økonomiske konsekvenser | Historikken afspejler kun de hændelser, der allerede er registreret |
| Sensorer og CTS/BMS | Fugt, temperatur, vandstand, afløb, køling og overophedning i realtid | Kræver kalibrering, vedligehold og klare alarmprocedurer |
KAMP, udviklet af Danmarks Miljøportal og Miljøstyrelsen, sammenstiller nationale data og kan vise potentielt påvirkede bygninger, vejstrækninger og anslået bygningsværdi. Værktøjet er udtrykkeligt beregnet til screening. Det indeholder eksempelvis ikke alle lokale forhold om kloakkapacitet, nedsivning eller allerede planlagte klimasikringsprojekter. AI bør bevare den begrænsning i resultatet i stedet for at skjule den bag et præcist risikotal.
Fire klimarisici, som bør vurderes samlet
1. Skybrud og overfladevand
Ved kraftig regn følger vandet terrænets lavninger, trænger ind ved kælderskakter og døre og kan presse kloaksystemet. AI kan koble terrænmodeller med bygningsåbninger, kælderarealer og lokale skader. Mulige tiltag er terrænregulering, højvandslukke, mobile barrierer, regnbede, bassiner og sikring eller flytning af kritiske installationer.
Københavnerskybruddet 2. juli 2011 kostede ifølge DMI godt seks milliarder kroner. DMI forventer omkring 40 procent flere skybrudsdøgn frem mod slutningen af århundredet i det udledningsforløb, der aktuelt forventes. Det understreger, hvorfor historiske hændelser alene ikke er nok som dimensioneringsgrundlag.
2. Stormflod og stigende havvand
Kystnære bygninger påvirkes både af middelvandstand og ekstreme stormfloder. Klimaatlas angiver en forventet vandstandsstigning på 30-50 cm i 2070-2100 på tværs af scenarier, mens lokale forhold varierer. En porteføljemodel kan rangere ejendomme efter kote, afstand til kyst, konstruktion, anvendelse og konsekvens, men konkrete løsninger kræver lokale hydrauliske beregninger og koordinering med myndigheder og fælles kystbeskyttelse.
3. Højt grundvand og langvarig opfugtning
Risikoen handler ikke kun om vand, der kommer oppefra. Højtstående grundvand kan belaste kældre, fundamenter og dræn over længere tid. Fugt- og niveausensorer kan give et lokalt tidsbillede, mens AI opdager langsomme ændringer, sæsonmønstre og sammenhænge med nedbør. Det er vigtigt at skelne mellem en alarm om øget risiko og en diagnose af konstruktionen.
4. Hedebølger og overophedning
Mere isolering og store glaspartier kan reducere vinterens energibehov, men øge sommerens overophedning, hvis solafskærmning, ventilation og termisk masse ikke følger med. AI kan simulere fremtidige klimafiler, forudsige rumtemperatur og styre solafskærmning, natkøling og ventilation før bygningen bliver for varm. Kritiske rum, plejehjem, skoler og boliger med sårbare beboere bør prioriteres efter både temperatur og konsekvens.
AI skal prioritere robuste tiltag – ikke bare den billigste løsning
Klimafremskrivninger har intervaller, og bygninger har levetider på mange årtier. Derfor bør modellen teste flere scenarier og fremhæve løsninger, der virker under forskellige fremtider. Et tiltag med lidt højere anlægspris kan være bedre, hvis det kan udvides senere, fungerer uden strøm eller samtidig forbedrer biodiversitet og opholdskvalitet.
Forskning publiceret i Communications Sustainability i 2026 fremhæver netop data- og modeldrevne metoder som støtte til klimarisikostyring i bygninger. Men datadækning, skala, usikkerhed og adgang til værktøjer er afgørende. En ansvarlig løsning viser derfor både risikoscore, datakilder, scenarie, modeldato og usikkerhed – samt hvilke forhold der skal undersøges på stedet.
Sådan kommer en bygningsejer i gang
- Definér tidshorisonten: Vurdér både dagens drift og klimaet i bygningens forventede levetid eller næste store renoveringsperiode.
- Screen hele porteføljen: Kombinér Klimaatlas, KAMP, terræn, BBR og skadeshistorik og sortér efter fare, sårbarhed og konsekvens.
- Kontrollér de højest rangerede bygninger: Besigtig adgangsveje, kældre, afløb, fundament, teknikplacering, solbelastning og beredskab.
- Test flere scenarier: Sammenlign tiltag under forskellige regn-, varme-, grundvands- og havvandsscenarier.
- Knyt alarmer til handling: Sensorer skaber først værdi, når det er aftalt, hvem der reagerer, hvor hurtigt og med hvilket udstyr.
- Opdatér ved renovering og hændelser: Nye bygningsdata, skader og gennemførte tiltag skal tilbage i modellen.
Den praktiske gevinst er ikke en kunstigt præcis prognose. Det er en dokumenteret prioritering, hvor de mest udsatte og kritiske bygninger bliver undersøgt først, og hvor energirenovering, vedligehold og klimatilpasning planlægges som én samlet indsats.
Læs også
Ofte stillede spørgsmål om AI og klimatilpasning
Kilder
- DMI: Klimaatlas – klimafremskrivninger for temperatur, nedbør, vandstand og stormflod
- DMI: 15 år efter – Danmark har lært at regne med skybrud
- Miljøstyrelsen og Danmarks Miljøportal: KAMP-screeningsværktøjet
- BUILD, Aalborg Universitet: Danish homes aren't designed for a changing climate
- Communications Sustainability: Data-driven climate risk management in the building sector (2026)
Interesseret i bygning.ai?
Dette premium-domæne er til salg og egner sig til en platform for smart buildings, construction tech eller AI-drevet ejendomsdrift.
Kontakt os