AI for byggebransjen

Slutt å behandle
symptomer.

Arvis analyserer avviksrapporter på tvers av prosjekter, finner skjulte mønstre og varsler deg før de samme feilene skjer igjen. Proaktiv kvalitetsstyring, ikke brannslukking.

A
Analyse
ML-modeller analyserer avviksdata på tvers av alle prosjekter, automatisk og kontinuerlig
R
Rotårsak
Avdekker de underliggende årsakene, ikke bare symptomene. Hvem, hva og hvor problemet starter
V
Varsling
Automatiske varsler når et prosjekt ligner på tidligere kostbare risikoprofiler
I
Innsikt
Live dashboard med trender, risikoscore og underentreprenørtrack record på tvers
S
Selvlæring
Systemet blir smartere med hvert avvik. Jo mer data, jo bedre varsler
Norsk byggebransje i tall
// Kilde: SINTEF Byggforsk · Menon Economics · SSB
10–30mrd
kroner koster byggskader Norge hvert eneste år, ifølge SINTEF-forsker Thorbjørn Ingvaldsen
SINTEF Byggforsk, 2008/2023
60%
av alle byggskader kan føres tilbake til feil i prosjekteringen, ikke tilfeldigheter på byggeplassen
SINTEF Byggforsk
9 av 10
boliger fra 2010–2020 har minst én byggfeil. De samme feilene gjentas prosjekt etter prosjekt
Menon / SINTEF / Multiconsult, 2022
5%
av netto byggproduksjon går til å rette opp feil og skader. Det samme skjer igjen og igjen
SINTEF Byggforsk
Problemet

De samme feilene.
Nytt prosjekt.

Avviksrapporten skrives, arkiveres og glemmes. Neste prosjekt starter fra null. Ingen har stilt spørsmålet: hvorfor skjer dette igjen?

Slik ser det ut i dag
01
Avvik oppstår
02
Registreres
03
Arkiveres
04
Nytt prosjekt
05
Samme feil
06
Kostnad
01 · Avvik oppstår
Det skjer noe på byggeplassen.
En feil i utførelse, prosjektering eller materialer. Uansett størrelse starter det en kjede som alltid ender samme sted.
02 · Registreres
Noen skriver det ned.
Manuelt, i Excel, PDF eller avvikssystemet. Inkonsekvent kategorisering og ulik terminologi fra prosjekt til prosjekt.
03 · Arkiveres
Prosjektet avsluttes.
Dataene lever i en mappe ingen åpner igjen. Teamet løses opp. Erfaringene forsvinner med dem.
04 · Nytt prosjekt
Historikken starter på null.
Nytt team, ny byggeplass. De samme potensielle feilkildene. Ingen varsling om hva som gikk galt sist.
05 · Samme feil igjen
Ingen lærte ingenting.
De samme aktørene gjør de samme feilene, ikke av vond vilje, men fordi systemet ikke husker.
06 · Kostnad
Regningen kommer.
Rework, reklamasjoner, forsinkelser, tvister. Hvert år. Samme syklus, samme resultat.
Arvis bryter syklusen
1 / 6
Løsningen

Slik fungerer Arvis

En ML-plattform som gjør det SINTEF har etterlyst i 60 år mulig: systematisk læringsarbeid fra avvik og reklamasjoner, automatisk og på tvers av alle prosjekter.

01 · Innsamling
Data inn fra dine eksisterende systemer

Arvis integrerer med avvikssystemene du allerede bruker. Historiske rapporter importeres automatisk, ingen manuell jobb, ingen ny arbeidsflyt å lære.

Integrasjon · Import · Historikk
02 · Analyse
ML finner mønstre du ikke ser

Modellen analyserer avvikstekst, kategori, lokasjon og underentreprenør. Kobler mønstre på tvers av hundrevis av rapporter og identifiserer rotårsakene bak gjentakende feil.

NLP · Mønstergjenkjenning · Rotårsak
03 · Varsling
Handle før skaden skjer

Når et nytt prosjekt ligner på tidligere risikoprofiler varsler Arvis deg i tide, med konkrete anbefalinger, ikke abstrakte scores.

Prediktiv · Proaktiv · Konkret
Funksjoner

Bygget for
byggebransjen

Ikke generisk analyseware. En plattform designet spesifikt for kompleksiteten i bygg og anlegg.

01
Rotårsaksanalyse på tvers
Identifiserer underliggende årsaker og skiller systemiske problemer fra enkelttilfeller.
Mønstergjenkjenning · NLP
02
Underentreprenørscore
Objektiv track record per leverandør på tvers av alle prosjekter. Grunnlag for valg og kontrakter basert på faktiske data.
Leverandørstyring · Score
03
Porteføljeoversikt
Sanntidsoversikt over risikoscore, avviksfrekvens og trender på tvers av hele prosjektporteføljen din.
Dashboard · Sanntid
04
Selvlærende modell
Systemet blir smartere for hvert avvik det prosesserer. Jo mer data, jo mer presise forutsigelser og jo bedre varsler.
ML · Kontinuerlig læring
05
Sensorbasert rapportering
Koble IoT-sensorer for automatisk datainnsamling direkte fra byggeplass, uten manuell registrering.
IoT · Automatisering
06
Tidlig varslingssystem
Automatiske varsler når et prosjekt viser risikoprofil som ligner på tidligere kostbare avviksforløp, i tide til å forebygge.
Prediktiv · Varsling
Forretningsverdi

Konkret ROI,
ikke løfter

Vi måler verdien i kroner spart, ikke features levert. Tallene er basert på SINTEF og Construction Industry Institute-data.

// Eksempelkalkyle, 100 MNOK prosjekt
Typisk rework-kostnad (6%)
6 000 000 kr
Arvis reduksjon (~25%)
−1 500 000 kr
Redusert reklamasjonshåndtering
−300 000 kr
Tidsbesparelse prosjektledelse
−200 000 kr
Estimert besparelse per prosjekt
~2 MNOK
// Basert på SINTEF: 5% av netto byggproduksjon går til feilretting.
Kalkyle er konservativ. Potensiale er høyere ved stor prosjektportefølje.
01
Færre reklamasjoner

Rotårsaksidentifisering stopper gjentakende feil, og reklamasjonskostnadene faller systematisk over tid, ikke tilfeldig.

02
Bedre leverandørvalg

Objektiv track record per underentreprenør gir et beslutningsgrunnlag som ikke finnes i dag, og unngår de som koster deg mest.

03
Proaktiv risikostyring

Varsler i rett tid gir muligheten til å forebygge dyre avvik før de eskalerer til reklamasjoner og konflikter.

04
Dokumentert kvalitetshistorikk

Solid dokumentasjon som holder vann i reklamasjonstvister og bygger tillit hos sluttkunder over tid.

For hvem

Bygget for dem som
eier ansvaret

Målgruppe 01
Totalentreprenører

Med mange underentreprenører og komplekse prosjekter trenger du systemet som ser helheten og varsler tidlig.

Underentreprenørstyring på tvers
Tidlig varsling om risikoprosjekter
Dokumentasjon for reklamasjoner
Målgruppe 02
Eiendomsutviklere

Bygg porteføljeinnsikt på tvers av prosjekter. Forstå hvilke prosjekttyper og leverandører som koster deg mest.

Porteføljerisiko i sanntid
Historisk kostnadsanalyse
Bedre leverandørkontrakter
Målgruppe 03
Prosjektledere

Daglig varsling og konkrete data til leverandørmøter, uten ekstra administrativt arbeid.

Daglige risiksvarsler
Automatisk rapportering
Sensorbasert datainnsamling
Hvem vi er

To studenter som så
det samme problemet

Gjennom kontakt med ulike bedrifter i byggebransjen så vi et gjentakende mønster: de samme avvikene dukket opp prosjekt etter prosjekt, uten at noen hadde et system for å lære av dem. Arvis er vår respons på det.

Medgründer 01
Data & forretning

Sivilingeniørstudent i industriell økonomi med spesialisering i data ved NMBU. Brenner for å bruke teknologi og dataanalyse til å løse reelle problemer i tradisjonelle bransjer.

NMBU · Industriell økonomi · Data
Medgründer 02
Bygg & konstruksjon

Sivilingeniørstudent i byggeteknikk og arkitektur ved NMBU. Bringer faglig dybde fra byggebransjen inn i produktet og sørger for at løsningen faktisk treffer problemene næringen står i.

NMBU · Byggeteknikk · Arkitektur
Hva vi brenner for

«Byggebransjen har dataene. De mangler bare et system som faktisk lærer av dem.»

Kom i gang

Klar til å stoppe de
gjentakende feilene?

Vi er i tidlig fase og ser etter pilotpartnere i norsk byggebransje. Ta kontakt for en uforpliktende samtale om hva Arvis kan gjøre for din organisasjon.

// arvis.no · Under utvikling 2025 · Søker pilotpartnere