VIDENSBANK · BEA INTELLIGENCE OG DIGITALISERING
BEA Intelligence –
Kunstig intelligens kan hjælpe byggeriets fagfolk med at finde oplysninger, sammenholde dokumenter og opdage forhold, som kræver opmærksomhed. Men et velformuleret AI-svar er ikke det samme som en korrekt projekteringsbeslutning. I byggeri skal et forslag kunne føres tilbage til relevante kilder, kontrolleres mod det konkrete projekt og godkendes af en ansvarlig fagperson. Det er idéen bag BEA Intelligence: beslutningsstøtte med synligt grundlag – ikke automatiseret myndighedsgodkendelse eller en digital erstatning for rådgiveren.
Af Forfatternavn12. oktober 202614 min. læsning
BEA IntelligenceAIBR18GDPR
For hvem?
Bygningskonstruktører, arkitekter, ingeniører, entreprenører, bygherrer, KS-ansvarlige og studerende, der vil forstå, hvordan AI kan indgå forsvarligt i den byggefaglige arbejdsproces.
Når et plausibelt svar bliver en risiko
En sprogmodel kan formulere en overbevisende forklaring, selv om en forudsætning er forkert, en kilde er forældet, eller den relevante undtagelse ikke er blevet undersøgt. Den kan også sammenblande et myndighedskrav, en standard, et projektspecifikt valg og en producents anbefaling. Fejlen er vanskelig at få øje på, netop fordi teksten kan lyde sikker og faglig.
Det gør AI anderledes end et almindeligt dokumentarkiv. Et arkiv viser normalt det materiale, du selv åbner. En generativ AI kan omsætte mange informationer til ét svar og dermed skjule de mellemregninger, du har brug for at kontrollere. NIST's risikoramme for generativ AI anbefaler derfor systematisk styring, evaluering og håndtering af blandt andet upræcise eller vildledende resultater. [5] [6]
BEA's faglige princip bør være: Svaret er et forslag, indtil kilden, dens gyldighed og dens anvendelse på projektet er undersøgt.
Fig. 1 – Billedtekst: fra spørgsmål til efterprøvbar vurdering.
Hvad er BEA Intelligence – og hvad er status?
BEA Intelligence er den planlagte AI-del af BEA-platformen. Ifølge BEA's offentliggjorte produktbeskrivelse skal den blandt andet kunne hjælpe med at finde relevante regler, gennemgå projektmateriale og BIM, pege på risici, støtte dokumentation og foreslå mulige alternativer. Den er tænkt ind i de arbejdsgange, hvor projektets krav, bygningsdele og beslutninger allerede findes. [1] [2]
Status
Status pr. 12. oktober 2026: BEA Intelligence er under udvikling, og BEA oplyser, at beta forventes primo 2027. De følgende arbejdsgange beskriver den tilsigtede funktion og BEA's redaktionelle principper. De er ikke dokumentation for, at hver funktion allerede findes i en driftsklar løsning. [1]
Målet er ikke at få en assistent, der altid svarer. Målet er en assistent, der også kan sige: »Det kan ikke vurderes på det foreliggende grundlag – her er oplysningerne, vi mangler.«
Fra spørgsmål til efterprøvbar vurdering
En ansvarlig arbejdsgang kan opdeles i fem trin. Trinene er en anbefalet metode for BEA og ikke et særskilt lovkrav til alle AI-besvarelser.
1. Afgræns opgaven
Først skal projekt, fase, bygningsdel og problemstilling identificeres. Spørgsmålet »Er denne væg lovlig?« er utilstrækkeligt, hvis hverken anvendelse, geometri, brandforhold eller gældende projektforudsætninger er angivet. Et bedre spørgsmål er: »Hvilke forhold skal afklares for den valgte vægtype i dette projekt, og hvilke kilder skal kontrolleres?«
2. Find de relevante kilder
Der bør skelnes mellem myndighedsgrundlag (eksempelvis relevante bestemmelser i BR18), projektgrundlag (aftalte krav, tegninger, modeller og beregninger) og produktgrundlag (datablade, ydeevnedeklarationer og anden teknisk dokumentation). Dokumenter i disse grupper har ikke samme funktion eller retsvirkning. [4] [13]
3. Kontrollér gyldighed og anvendelighed
En kilde skal ikke blot findes: Den skal passe til tidspunkt, projekt og forhold. Hvornår er reglen gældende? Hvilken udgave af dokumentet er anvendt? Omfatter en produktdeklaration den konkrete variant og opbygning? Er en model opdateret efter seneste projektændring? En URL eller et dokumentnummer alene besvarer ikke de spørgsmål.
4. Vis usikkerhed og mangler
AI-svaret bør skelne mellem det, der er dokumenteret, det, der kan udledes under bestemte forudsætninger, og det, der fortsat kræver undersøgelse. Mangler der eksempelvis en brandteknisk vurdering, må systemet ikke præsentere en samlet konstruktion som godkendt.
5. Lad beslutningen få en ansvarlig ejer
Et forslag skal kunne accepteres, ændres eller afvises af den relevante person. Beslutningen bør registrere, hvem der traf den, hvornår, hvilket grundlag der blev anvendt, og hvilke åbne punkter der følger med. BEA beskriver menneskelig godkendelse og synlig historik som centrale principper for Intelligence. [3]
Projektkontekst er mere end en chatbot med dokumenter
Et generisk spørgsmål om en facade kan give et generelt svar. Et nyttigt projektsvar kræver derimod viden om, hvilken facade der arbejdes med, projektets stade, anvendte materialer, relevante grænseflader og gældende dokumentrevisioner.
BEA's vision er at forbinde AI med projektets krav, BIM-model, dokumenter, tidsplan, kontroller og beslutningshistorik. Det kan gøre det muligt at stille spørgsmål som: »Hvilke åbne forhold knytter sig til facade F-03, og hvilken dokumentation mangler før udbud?« [1] [2]
Men projektkontekst er kun nyttig, hvis dataene er korrekte. En model kan mangle egenskaber. Et dokument kan være foreløbigt. En opgave kan være afsluttet i et referat, men stadig stå åben i et kontrolskema. AI må ikke forveksle fravær af registrerede fejl med dokumenteret opfyldelse af krav.
Det stiller også krav til adgangsstyring: En assistent må ikke hente fortrolige projektdata, som brugeren ikke selv har rettigheder til at se. Den planlagte BEA-model bygger netop på projekt- og brugerafgrænset adgang. [2]
Fra krav til evidens – den sammenhæng, som skal kunne spores
Kravstyring og kvalitetssikring handler ikke blot om at gemme filer. Det handler om at kunne se forbindelsen mellem det, der skal opfyldes, den valgte løsning, kontrollen og resultatet.
En praktisk evidenskæde kan beskrives sådan:
01
KravHvad skal dokumenteres, og hvor kommer kravet fra?
02
ObjektHvilken bygningsdel, lokation eller aktivitet omfatter det?
03
LøsningHvilken projekteret opbygning eller metode er valgt?
04
KontrolHvordan, hvornår og af hvem undersøges opfyldelsen?
05
EvidensHvilke målinger, beregninger, fotos, erklæringer eller rapporter understøtter vurderingen?
06
BeslutningHvem behandler eventuelle afvigelser og lukker punktet?
Det er en anbefalet informationsstruktur, ikke en påstand om, at hvert byggeprojekt skal dokumenteres efter netop denne seksdelte model. For udvalgte forhold stiller BR18 specifikke krav til dokumentation og kontrol; eksempelvis regulerer kapitel 30 kontrol af dokumentation og udførelse for bærende konstruktioner og brandforhold, herunder kontrolplaner og behandling af afvigelser. Omfang og ansvar skal fastlægges ud fra den konkrete sag. [4]
AI kan efter ambitionen hjælpe med at finde brud i kæden – men den kan ikke udstede en manglende måling, genopføre en uobserveret kontrol eller erstatte en nødvendig faglig erklæring.
Praktisk eksempel: et forslag om at ændre en facade
Forestil dig et boligprojekt, hvor projektgruppen overvejer at udskifte en oprindeligt specificeret isoleringsløsning i ydervæggen med et træfiberbaseret alternativ. Målet er at undersøge klimamæssige muligheder uden at svække bygningens funktion. Eksemplet er konstrueret og demonstrerer en ønsket arbejdsgang; det er ikke en udført eller verificeret BEA-analyse.
Hvad kan assistenten foreslå?
BEA Intelligence vil efter visionen kunne samle de forhold, som kræver behandling: brandmæssig dokumentation for den samlede konstruktion, fugttekniske forhold, varmeisolering, detaljering ved samlinger, produktegenskaber, mulige konsekvenser for LCA, økonomi og tidsplan. Den kan også markere, hvis et påkrævet datablad eller en opdateret detaljetegning mangler. [1]
Det ville være forkert at omsætte dette direkte til konklusionen »Træfiber er godkendt«. Selv en teknisk egenskab fra et datablad siger ikke nødvendigvis noget om hele væggens brand- eller fugtforhold. En EPD er heller ikke i sig selv bevis på, at materialet kan anvendes i den konkrete konstruktion.
Hvem skal gøre hvad?
Den projekterende vurderer løsningens sammenhæng med bygningens øvrige projektering. Relevante specialistkompetencer – eksempelvis brand, fugt, energi og konstruktion – inddrages efter projektets karakter. Projektledelsen vurderer konsekvenser for beslutninger, tid og økonomi. Bygherre eller anden aftalt beslutningstager godkender ændringen på det kompetenceniveau, der følger af projektets organisering.
En dokumenteret beslutning bør knytte den valgte facadeopbygning til daterede kilder, tegninger og relevante kontroller. Hvis oplysninger mangler, skal forholdet forblive åbent. Det ønskede AI-output er dermed ikke en automatisk godkendelse, men et prioriteret og efterprøvbart beslutningsgrundlag.
“Svaret er et forslag, indtil kilden, dens gyldighed og dens anvendelse på projektet er undersøgt.”
BEA’s faglige princip
Fig. 2 – Billedtekst til det brede billede. Foto: Navn.
Hvad bør AI hjælpe med – og hvad bør den ikke gøre alene?
Det er oplagt at begynde med opgaver, hvor AI kan spare søge- og sammenstillingstid, og hvor et menneske kan kontrollere resultatet uden uforholdsmæssig risiko:
- Foreslå metadata, filnavne og klassifikation af projektmateriale.
- Opsummere møder og dokumenter med links tilbage til originalerne.
- Finde mulige uoverensstemmelser mellem dokumentrevisioner eller registrerede krav.
- Udkaste tjeklister, spørgsmål til granskning og lister over manglende information.
- Synliggøre, at et foreslået materialeskifte kan påvirke flere fag og beslutningspunkter.
Derimod bør AI ikke på egen hånd erklære en konstruktion lovlig, godkende brand- eller statikdokumentation, lukke en kritisk afvigelse eller træffe en bindende projektbeslutning. BEA's offentliggjorte beskrivelser lægger også op til, at AI udarbejder forslag, mens mennesker godkender. [1] [3]
Fem faldgruber, som skal håndteres
Opdigtede eller misvisende svar
En sprogmodel kan konstruere en tilsyneladende troværdig paragraf eller kombinere udsagn fra forskellige kilder. Derfor bør en væsentlig konklusion kunne kontrolleres mod den originale kilde – ikke kun mod et AI-genereret citat. [5] [6]
Forkert version eller forkert anvendelsesområde
Et gammelt regelsæt, et historisk datablad eller en vejledning beregnet til en anden projekttype kan se relevant ud. Kildens dato, status og anvendelsesområde bør følge med svaret. Når det ikke kan fastslås, er den korrekte status »skal afklares«.
Manglende eller modstridende projektdata
Et resultat kan være formelt velstruktureret og stadig bygge på forældede tegninger eller tomme BIM-felter. Systemet bør markere datamangler og dokumentkonflikter frem for at udfylde dem med gæt.
Automatiseringsbias
Mennesker kan komme til at stole for meget på svar fra et system, der virker kompetent. Derfor er det vigtigt, at usikkerhed, alternative tolkninger og behov for specialistkontrol fremgår tydeligt. For AI-systemer, der faktisk er klassificeret som højrisiko efter AI-forordningen, regulerer artikel 14 særlige krav til menneskeligt tilsyn. Det betyder ikke, at al byggefaglig AI automatisk er klassificeret som højrisiko. [10]
Angreb via dokumenter og eksterne kilder
Et indlæst dokument kan indeholde instruktioner, der forsøger at påvirke AI-systemets adfærd. OWASP betegner dette blandt andet som prompt injection og fremhæver, at dokumentbaseret søgning ikke i sig selv fjerner risikoen. Eksternt indhold skal behandles som data, ikke som en ny autoritet til at ændre systemets regler eller rettigheder. [7]
Sikkerhed, GDPR og rettigheder skal tænkes ind fra begyndelsen
Byggesager rummer ofte personoplysninger og fortroligt materiale: kontaktpersoner, billeder fra byggepladsen, tidsregistreringer, kontrakter, tilbud og interne vurderinger. Personoplysninger skal behandles efter GDPR, herunder krav om passende sikkerhed og eventuelt databehandleraftaler afhængigt af parternes roller. [11]
Datatilsynet har advaret om brud på persondatasikkerheden, hvor ansatte har indsat oplysninger fra arbejdet i generative AI-værktøjer uden tilstrækkelige rammer eller godkendelse. Derfor er det ikke nok at skrive »brug AI ansvarligt«. Organisationen skal afklare, hvilke data der må behandles, hvem der må se dem, og hvordan leverandører og opbevaring håndteres. [12]
Det samme gælder ophavsret og licensbetingelser. Adgang til en standard, en publikation eller en producents dokumentation giver ikke automatisk ret til at kopiere alt indhold ind i en AI-vidensbase. BEA beskriver selv princippet om kildehenvisning og respekt for datakilders rettigheder. [13]
BEA's ønskede kontrolprincip: Projekttilknytning, adgangsrettigheder, kilde- og versionshistorik samt dokumenterede valg skal følge informationen hele vejen. Den konkrete tekniske og juridiske implementering skal fortsat verificeres, før sådanne egenskaber kan loves som driftsgarantier.
Hvad siger EU's AI-forordning?
EU's AI-forordning (AI Act) supplerer blandt andet databeskyttelsesreglerne. Reglernes anvendelse afhænger af AI-systemets formål og rollefordelingen mellem udbyder og anvender; man kan ikke ud fra ordet »byggeri« alene afgøre, hvilke bestemmelser der gælder. [8] [9] [14]
For BEA's udviklingsretning er tre forhold særligt relevante:
- AI-kompetencer: Artikel 4 pålægger udbydere og anvendere at træffe foranstaltninger, der støtter AI-kompetencer hos relevante medarbejdere og andre, som bruger systemet på deres vegne. Bestemmelsen kræver ikke en bestemt certificering eller et garanteret niveau hos hver enkelt. [8]
- Åbenhed: Artikel 50 indeholder blandt andet krav om gennemsigtighed ved direkte interaktion med visse AI-systemer og særlige regler om AI-genereret indhold, med undtagelser og nærmere betingelser. Brugeren bør derfor tydeligt kunne se, at et forslag kommer fra AI. [9]
- Risikobaserede forpligtelser: Særlige krav til højrisikosystemer afhænger af den konkrete brug og klassifikation. Menneskelig kontrol er under alle omstændigheder et fornuftigt designprincip i byggefaglige beslutningsforløb, men bør ikke fejlagtigt beskrives som det samme lovkrav for alle AI-funktioner. [10] [14]
Den retlige vurdering skal løbende opdateres, når konkrete funktioner, målgrupper og databehandling er fastlagt. Dette afsnit er en faglig orientering, ikke en juridisk klassifikation af BEA Intelligence.
Hvordan måler man, om AI faktisk skaber værdi?
Antallet af genererede svar er ikke et godt kvalitetsmål i sig selv. En nyttig løsning skal kunne vurderes på korrekte, kontrollerbare resultater. NIST's AI Risk Management Framework arbejder blandt andet med styring, kortlægning, måling og håndtering af risici. [5]
En BEA-evaluering kunne derfor undersøge: Andelen af kildehenvisninger, der faktisk understøtter udsagnet; fejl i kilde- og versionsvalg; evnen til at markere manglende oplysninger; falske alarmer og oversete kritiske forhold; om brugeren kan gennemføre faglig kontrol; og om væsentlige valg registreres korrekt. Tidsbesparelse bør først opgøres, når resultatets kvalitet er verificeret.
Det er foreslåede evalueringsmål, ikke offentliggjorte målinger af BEA Intelligence. Der foreligger her ingen dokumenteret påstand om, hvor meget tid systemet sparer, eller hvor præcist det fungerer.
Hvad betyder det for studerende og mindre virksomheder?
En studerende har ofte mest brug for at forstå hvorfor en løsning kræver dokumentation. En læringsorienteret AI bør derfor hjælpe med at formulere spørgsmål, finde originalkilder og opdage ubesvarede antagelser – ikke producere en færdig faglig godkendelse.
For en mindre tegnestue eller entreprenør kan værdien ligge i mere overskuelig søgning, ensartede registreringer og bedre overblik over åbne forhold. Begge brugergrupper har dog samme grundlæggende behov: De skal kunne se forskellen på en kilde, en fortolkning og en beslutning.
BEA Student er tænkt som en uddannelsesrettet adgang til den samme tilgang, tilpasset undervisning og øvelsesprojekter. Også denne løsning er under udvikling. [1]
“AI må ikke forveksle fravær af registrerede fejl med dokumenteret opfyldelse af krav.”
Fra artiklen · Projektkontekst
“
Den bedste AI er ikke nødvendigvis den, der svarer hurtigst eller lyder mest sikker.
Byggeri. Evidens. Ansvar.
SPØRGSMÅL
Ofte stillede spørgsmål
Kan BEA Intelligence garantere, at mit byggeri overholder BR18?
Nej. Et AI-svar kan hjælpe med at finde og strukturere mulige krav, men dokumentation af overholdelse afhænger af den konkrete sag, projektets faglige vurderinger og de relevante kontrol- og myndighedsprocesser. [4]
Kan assistenten godkende en BIM-model eller lukke en KS-afvigelse?
Det er ikke målet, at AI alene skal godkende sikkerheds- eller myndighedskritiske forhold. Den planlagte tilgang er, at assistenten markerer mulige problemer og udarbejder forslag, mens en fagligt ansvarlig person tager og dokumenterer beslutningen. [3]
Er kildehenvisninger nok til at gøre et AI-svar pålideligt?
Nej. Man skal også kontrollere, at kilden eksisterer, understøtter netop påstanden, er relevant for projektet og anvendes i den rigtige version. Manglende dokumentation skal være synlig frem for skjult bag et sikkert formuleret svar.
Er BEA Intelligence klar til almindelig produktion?
Ikke ifølge den offentliggjorte status pr. 12. oktober 2026. BEA beskriver Intelligence som under udvikling med forventet beta primo 2027. Aktuelle muligheder og vilkår skal kontrolleres på BEA's egne produktsider. [1]
AFSLUTNING
Byggeri. Evidens. Ansvar.
Byggeri kræver forståelse for det konkrete projekt og de konsekvenser, et valg får for andre fag, for udførelsen og for bygningens levetid. Evidens kræver, at fakta, kilder, antagelser og kontroller kan undersøges. Ansvar kræver, at beslutninger træffes og dokumenteres af mennesker med den nødvendige kompetence og beføjelse.
BEA Intelligence skal efter visionen forbinde de tre hensyn. Den bedste AI er ikke nødvendigvis den, der svarer hurtigst eller lyder mest sikker. Det er den, der gør det lettere at stille de rigtige spørgsmål, opdage usikkerheder og træffe bedre dokumenterede beslutninger.
KILDER
Kilder og faglig afgrænsning
- BEA: BEA Intelligence – offentlig produktbeskrivelse og status. Åbn kilden
- BEA: Projektkontekst – planlagt anvendelse af projektdata og kildehenvisninger. Åbn kilden
- BEA: Forklarbarhed og menneskelig godkendelse – principper for forslag og beslutninger. Åbn kilden
- Social- og Boligstyrelsen: BR18, kapitel 30, §§ 523–528 – kontrol af dokumentation og udførelse. Åbn kilden
- NIST: Artificial Intelligence Risk Management Framework 1.0 (2023), frivillig risikoramme. Åbn kilden
- NIST: Generative AI Profile, NIST AI 600-1 (2024) – risici og anbefalede kontroltiltag. Åbn kilden
- OWASP: Top 10 for LLM Applications (2025) – blandt andet prompt injection og dataeksponering. Åbn kilden
- EU: AI-forordningen, artikel 4 – AI-kompetencer (konsolideret version). Åbn kilden
- EU: AI-forordningen, artikel 50 – gennemsigtighed (konsolideret version). Åbn kilden
- EU: AI-forordningen, artikel 14 – menneskeligt tilsyn med højrisikosystemer. Åbn kilden
- EU: Databeskyttelsesforordningen (GDPR), herunder artikel 28 og 32. Åbn kilden
- Datatilsynet: »Forhold dig til AI-værktøjer« (22. marts 2024). Åbn kilden
- BEA: Datakilder, gyldighed og rettigheder – planlagte principper for producent- og projektdata. Åbn kilden
- Europa-Kommissionen: AI Act – regulatorisk ramme og ikrafttrædelse. Åbn kilden
Kilder og produktstatus kontrolleret 12. oktober 2026. Artiklen skelner mellem verificerede regler, kildebaserede faglige forhold, redaktionelle anbefalinger og planlagte BEA-funktioner. Den udgør ikke en selvstændig juridisk eller projektspecifik godkendelse.
OM FORFATTEREN
Forfatternavn
Titel og virksomhed. Skriv 2–3 sætninger om forfatterens baggrund og faglighed.
Se flere artikler
LÆS VIDERE
Relaterede artikler
Kvalitetssikring og granskning – forskelle, ansvar og dokumentation
Forstå forskellen på kvalitetssikring og granskning, kravene i BR18, AB 18 og ABR 18 samt ansvar, kontrolplaner og dokumentation i praksis.
Planlægning og projektstyring i byggeriet – fra idé til aflevering
Lær at styre byggeprojekter fra idé til aflevering. Få overblik over faser, tidsplaner, økonomi, risici, ansvar og ændringsstyring.
BEA Student – fra teori til praksis gennem hele uddannelsen
BEA Student forbinder studieprojekter med krav, BIM, kvalitetssikring og dokumentation. Læs om semesterbaseret læring og platformens udvikling.
Vil du prøve BEA, når beta åbner?
Beta forventes primo 2027.