Koble én gang og bruk dataene videre
Et uavhengig datalag knytter informasjon fra ulike systemer til de samme byggene, rommene og anleggene. Berkeley Lab har vist hvordan samme Brick-modell kan brukes til feildeteksjon, inneklimaanalyse og optimalisering av ventilasjon. Nye anvendelser kan dermed bygge på arbeidet som allerede er gjort.
Akademiska Hus startet med ett bygg i 2019 og utvidet til campus og portefølje. I RealEstateCore og Memooris white paper fra 2025 beskrives hvordan 13 av 15 lokasjoner var koblet til datalaget. Det er en relevant erfaring for fylker med mange skolecampuser: Start avgrenset og gjenbruk datagrunnlaget videre.
Bygg nytte trinn for trinn
Start smått. Utvid når nytten er tydelig.
Begynn med data dere allerede har, prøv et tiltak og følg effekten. Her er fire tenkte regneeksempler for en portefølje som vokser.
- 01
Ett bygg · 10 000 m²
Finn første gevinst
51 000kr / år
spart i energi per år
3 % lavere energibruk gjennom energioppfølging.
Start medEnergi og driftstider - 02
Ett campus · 3 bygg
Tilpass driften
255 000kr / år
spart i energi per år
5 % lavere energibruk på 30 000 m² med behovsstyrt drift.
Bygg videre med+ Anlegg og tilstedeværelse - 03
5 campuser · 15 bygg
Utnytt arealene
1,5 mill.kr / år
i unngått leie per år
Sambruk erstatter behovet for 1 000 m² ekstra leieareal.
Bygg videre med+ Booking og romkapasitet - 04
Et fylke · 20 campuser
Prioriter vedlikehold
1,6 mill.kr / år
spart i vedlikehold per år
8 % reduksjon i et avgrenset vedlikeholdsbudsjett på 20 mill. kr.
Bygg videre med+ Tilstand og vedlikeholdshistorikk
Tenkte scenarioer for ulike størrelser og brukstilfeller – ikke målte resultater eller summerbare trinn. Beløp før kostnader til løsning og tiltak. Alle anvendelsene kan også starte i ett bygg.
Se forutsetninger og regnestykker
Vi antar 10 000 m² per bygg og tre bygg per campus. Et fylke med 20 campuser har dermed 60 bygg. Arealene, leieprisen og vedlikeholdsbudsjettet er valgte scenarioforutsetninger.
Energi: 170 kWh/m² per år er en historisk skolereferanse fra NVE (2014). Vi antar 1 kr per spart kWh, ekskl. mva., for den kostnaden som faktisk faller bort. Ett bygg: 10 000 × 170 × 1 × 3 % = 51 000 kr. Ett campus: 30 000 × 170 × 1 × 5 % = 255 000 kr. Ratene bygger på Berkeley Labs energioppfølging og nedre del av GSAs intervall for behovsstyrt ventilasjon, omtalt under. Energiscenarioene overlapper og skal ikke legges sammen.
Areal: Vi antar at bedre sambruk på fem campuser gjør at 1 000 m² planlagt innleie unngås. Med 1 500 kr/m² i årlig leie ekskl. mva. blir det 1,5 mill. kr. Dette er et rent regneeksempel, ikke en dokumentert arealprosent. Gevinsten krever at innleien faktisk kan unngås, og eventuell ombygging må trekkes fra.
Vedlikehold: Vi antar 20 mill. kr i årlige kostnader til forebyggende vedlikehold av utstyr som omfattes av programmet på 20 campuser. 8 % gir 1,6 mill. kr. Satsen er fra nedre del av DOEs eldre erfaringstall, omtalt under, og brukes som scenario – ikke som prognose. Investeringer og øvrig vedlikehold inngår ikke i beregningsgrunnlaget.
Fra målinger til bedre beslutninger
Energi og drift: Berkeley Labs Smart Energy Analytics Campaign fant 3 prosent median årlig energibesparelse ved energioppfølging. GSA rapporterer 5–11 prosent reduksjon ved optimalisering av ventilasjon basert på vær og tilstedeværelse. Tellinger fra Cisco ved NMBU og Juniper i MRFK er eksempler på data som kan belyse bruksmønsteret.
Arealbruk: I det samme white paperet oppgir Akademiska Hus at arealutnyttelsen på dagtid økte fra 33 til 37 prosent. Det er fire prosentpoeng bedre utnyttelse. Økonomisk verdi oppstår når innsikten fører til sambruk, mindre innleie eller unngått utbygging.
Vedlikehold: Tilstandsdata og historikk kan hjelpe fagmiljøet å prioritere inspeksjoner og tiltak. US Department of Energy viser i sin veileder fra 2010 til 8–12 prosent kostnadsbesparelse ved et velfungerende prediktivt program sammenlignet med forebyggende vedlikehold alene. Dette er eldre, generelle erfaringstall.
Rapportering: Howard Hughes oppgir i rapporten at innsamlingen av 92 prosent av miljøindikatorene ble automatisert. Det beskriver andelen indikatorer, ikke spart arbeidstid. Datagrunnlaget åpnet også for nye piloter, blant annet lekkasjevarsling – et eksempel på at første integrasjon kan brukes til flere oppgaver.
Lær av implementeringsreisen
NMBU Smart Campus har allerede tatt mange av stegene med datagrunnlag og integrasjoner. På Campus Ås kobles blant annet bygningsmodeller, energioppfølging, tekniske anlegg og tilstedeværelsesdata. Nå deler de aktivt erfaringene på smartcampus.no, der dere kan lære mer og få kontakt med teamet om egen oppstart.
