Skip to main content

AI reducerer energiforbruget hos Danske Shoppingcentre

Hos Danske Shoppingcentre (DSC) arbejder FM med AI for at reducere energiforbrug, styrke driften og understøtte organisationens bæredygtighedsindsats.

Denne case tager udgangspunkt i et interview med Martin Bødker Hansen, Head of Energy and Climate i afdelingen Facility and Projects. Martin Bødker Hansen har været tæt involveret i DSC’s arbejde med AI i FM, hvor DSC har set nærmere på, hvordan data og prædiktiv styring kan bruges til at optimere varme, ventilation og energiforbrug på tværs af en portefølje bestående af 16 shoppingcentre.

En kold vintermorgen begynder varmeanlæggene i et shoppingcenter typisk at varme bygningen op flere timer før butikkerne åbner. Men hvad nu, hvis systemet allerede ved, at solen kommer frem senere på dagen, og at bygningen kan holde på varmen lidt endnu? Så er det måske ikke nødvendigt at bruge energi lige nu.

Netop den type beslutninger arbejder Danske Shoppingcentre (DSC) med at automatisere ved hjælp af AI. Målet er at reducere energiforbruget, styrke driften og understøtte organisationens bæredygtighedsindsats på tværs af 16 shoppingcentre.

Helt konkret bruger DSC to separate systemer iBOS Energy og Siemens Building X, som samler og strukturerer bygningsdata, til løbende at analysere data om vejr, temperaturer, og hvordan bygningen reagerer på varme og køl. På den baggrund kan systemet automatisk justere varmeanlægget f.eks. ved at sænke temperaturen, hvis systemet kan se, at bygningen kan holde på varmen, eller at det bliver varmere udenfor i løbet af dagen. Det reducerer energiforbruget og dermed CO₂-udledningen, samtidig med at komforten for brugerne opretholdes på et stabilt og behageligt niveau. Ifølge Martin er det en opgave, der ellers ville kræve en medarbejder til konstant at overvåge og justere manuelt:

Det kan du godt have en almindelig FM'er til at sidde og gøre, men det vil kræve, at FM'eren overvåger systemet 24/7. Nu løfter vi en opgave, som ellers ville have været alt for stor, og samtidig frigør vi tid, som vi kan bruge på at højne kvaliteten på andre FM-opgaver.

Martin Bødker HansenHead of Energy & Climate hos Danske Shoppingcentre.

Samtidig giver systemet et samlet overblik over anlæg og indeklima via visualiseringer. Det gør det muligt hurtigt at identificere, hvor noget ikke performer som forventet, og dermed opdage, hvor ’det gør ondt’, uden at man skal gennemgå alle systemer manuelt.

Nørrebro Centret var det første center, hvor AI blev koblet på energistyringen i 2022. Her viste resultaterne en faktisk energibesparelse på omkring 20-22 % det første år, det er over det forventede niveau på 19 %, som leverandøren ellers forventede. Siden er en lignende løsning implementeret i City2 i Høje Taastrup, hvor Martin fortæller, at de forventer at se besparelser på 17-18 % på varme og 2-3 % på el. Løsningerne er dog fortsat i en testfase, hvor besparelserne løbende valideres, og hertil skal det noteres, at det er uvist, om alle besparelserne skyldes AI eller om menneskelige ændringer også har spillet ind.


Heatmap fra IBOS, der visualiserer temperaturfordelingen i bygningen. De røde områder viser, hvor temperaturen er høj, og gør det nemt at identificere, hvor der bør sættes ind for at optimere indeklimaet og bygningens drift.

Bæredygtighedsperspektiver

DSC arbejder med en klimatransitionsplan og har tilsluttet sig SBTi (Science Based Targets Initiative, der er en international standard, hvor virksomheder sætter klimamål baseret på Parisaftalen), Martin fortæller, at AI-løsningen indgår som et centralt redskab i arbejdet med at nå organisationens klimamål, hvor energiforbruget og organisationens CO2-udledning nemlig er nøgleområder. AI er altså et vigtigt driftsværktøj i den samlede klimaindsats.

Helt konkret har DSC tre overordnede SBTi-valideret klimamål (DSC, 2026):

  • Udledninger fra egen drift og energiforbrug skal reduceres med 42 % inden 2030.
  • Udledninger fra leverandører og kunder skal reduceres med 25 % inden 2030.
  • Samlet set er målet at reducere drivhusgasudledningerne med mindst 90 % inden 2050. De resterende udledninger neutraliseres i overensstemmelse med SBTi’s net-zero-standard.

Fakta om casen – Danske Shoppingcentre (DSC)

Antal bygninger og m²:
16 shoppingcentre i Danmark med en samlet portefølje på ca. 810.000 m².

Størrelse på FM-organisationen:
Energy and Climate består af to medarbejdere (Martin Bødker Hansen og en kollega).
Centralt er FM organiseret i Facility and Projects, hvor Energy and Climate bl.a. hører ind under. Facility and Projects er understøttet af blandt andet CTO, projektledere, IT og digitalisering.
FM-organisationen er lokalt forankret i centrene og består typisk af en facility manager og en eller flere facility coordinator. Nogle steder er der også teknikere i teamet.

AI-løsninger belyst i denne case:
Prædiktiv energistyring via iBOS energy fra Nordomatic og Siemens Building X.

Anvendelse:

  • Prædiktiv styring af varme og ventilation
  • Løbende optimering baseret på vejrdata
  • Visualisering af energiforbrug og indeklima
  • Understøttelse af overvågning og hurtigere identifikation af afvigelser

Formål:
At reducere energiforbrug, omkostninger og CO₂-udledning, effektivisere FM-organisationens arbejde, skabe bedre overblik over driften og understøtte klimatransitionsplanen.

Resultater:

  • 20-22 % energibesparelse i Nørrebro Centret det første år*
  • Glostrup Shoppingcenter viser det først halvår en samlet besparelse på 10% fordelt på el og varme*
  • Forventet besparelse på 17-18 % på varme og 2-3 % på el i City 2*
  • Hurtigere overblik over energiforbrug og indeklima
  • AI-løsningerne er fortsat i opstartsfasen på dele af porteføljen

*Det er ikke helt klart præcis, hvor stor en del af denne besparelse, som skyldes AI og hvor mange som skyldes menneskelig optimering.


Medarbejder hos Danske Shoppingcentre dykker ned i DSC’s data og energistyring på tværs af porteføljen.

Rammer for AI og bæredygtighed i FM

I projektet AI og Bæredygtighed i FM har DFM udviklet en modenhedsanalyse, der belyser, hvordan FM-organisationer arbejder med AI i en FM-kontekst. Med afsæt i værktøjet har Martin Bødker Hansen givet sin egen umiddelbare vurdering af Danske Shoppingcentres arbejde inden for de 5 dimensioner: Strategi, organisation, data, teknologi og sikkerhed.

Martins vurderingen peger på, at DSC’s modenhed ligger over det generelle niveau i branchen. Organisationen befinder sig i et stadie, hvor arbejdet med AI i stigende grad er standardiseret og forankret på tværs af organisationen. Samtidig er DSC på vej mod et næste niveau, hvor anvendelsen af AI bliver mere systematisk og målbart med tydeligere KPI’er, løbende evaluering og en endnu stærkere ledelsesopbakning.

Strategi
I forhold til strategidimensionen beskriver Martin, at det er gjort klart fra ledelsen, at AI sammen med ESG er centrale fokusområder. Det kom blandt andet til udtryk, da DSC’s CEO fremhævede AI og ESG som særlige indsatsområder ved et fælles kick-off for organisationen i 2025.

Martin beskriver samtidig, at den overordnede strategi frem mod 2029 bygger på to centrale, tværgående spor: bæredygtighed og digitalisering, hvor AI indgår som en del af digitaliseringssporet, men samtidig også understøtter bæredygtighedssporet. AI betragtes her ikke som et mål i sig selv, men som en enabler for at optimere driften, reducere omkostninger og blive mere bæredygtige.

Flere AI-initiativer var allerede igangsat før strategien blev lanceret, og strategien fungerer derfor i høj grad som en rammesætning og acceleration af eksisterende indsatser, der er derfor tale om en blanding af top down og bottom up tilgang i organisationen. Samtidig har den tydelige ledelsesprioritering været med til at skabe legitimitet i organisationen til at arbejde aktivt med AI.

Hvis man zoomer ind på DSC’s arbejde med bæredygtighed, så fortæller Martin, at DSC har udarbejdet en klimatransitionsplan, hvor AI eksplicit nævnes som en af de tilgange, der skal understøtte målopfyldelsen – blandt andet gennem reduktion af energiforbrug og CO₂-udledning.

Organisation
Ifølge Martin er kulturen i organisationen præget af nysgerrighed og accept af AI, og der er en klar forventning om, at de faglige specialister selv er med til at identificere, hvordan AI kan løfte deres arbejde. Udviklingen drives i høj grad nedefra, hvor konkrete anvendelser opstår hos medarbejdere inden for blandt andet FM, energi og digitalisering.

Martin fortæller, at DSC i opstarten har arbejdet med hackatons for at se på, hvor AI kunne bruges. Derudover har de kørt et program med såkaldte “champions”, som fungerer som frontløbere og er med til at afprøve og udbrede nye løsninger. Samtidig har ledelsen skabt en tydelig ramme ved at give medarbejderne legitimitet til at arbejde med AI og eksperimentere med nye værktøjer.

På tværs af afdelinger peger Martin også på vigtigheden af samspillet mellem FM og digitaliseringsafdelingen, hvor teknologiske kompetencer og domæneviden bringes sammen. Der er samtidig et bevidst fokus på at undgå siloer og sikre, at AI-initiativer hænger sammen på tværs af organisationen.

Særligt i FM-organisationen er tillid og tryghed afgørende, da medarbejdere kan opleve usikkerhed omkring AI’s rolle. Derfor arbejdes der aktivt med opstartsmøder og dialog, så medarbejderne bliver inddraget og oplever AI som en støtte i deres arbejde.

Derudover har DSC fokus på “human in the loop”, hvor AI understøtter beslutninger, men hvor det fortsat er FM-organisationen, der vurderer og handler på indsigterne.

Data
Selvom DSC har en stor mængde data af høj kvalitet, peger Martin på, at en af de væsentlige udfordringer har været, at systemerne ikke taler sammen, og at data fra ét system sjældent kan overføres direkte til AI-løsninger.

DSC har derfor arbejdet aktivt med at stille konkrete krav til deres CTS-systemer gennem rammekrav og såkaldte AI-lister, hvor specifikke datapunkter og adgang til data skal være tilgængelige. Martin peger samtidig på, at branchen endnu ikke er fuldt moden, og at leverandører ikke altid har været i stand til at levere de nødvendige data, hvilket har gjort det nødvendigt for DSC selv at skubbe udviklingen.

Martin fremhæver samtidig RealEstateCore og deres ontologi som en vigtig retning for branchen, da det kan sikre en fælles struktur for data allerede fra designfasen og gøre det lettere at arbejde med data på tværs af systemer.

For at kunne arbejde med AI, så skal du lige to steps tilbage og sige, hvordan er det, jeg tidligere har beskrevet mine data.

Martin Bødker HansenHead of Energy & Climate hos Danske Shoppingcentre.

Samtidig understreger han, at DSC endnu ikke arbejder markant anderledes med data i CTS-systemerne som følge af AI, men at de er i gang med at opbygge det nødvendige fundament for at kunne udnytte potentialet bedre fremadrettet.

Teknologi
DSC er godt i gang med at afprøve flere teknologier, men der er stadig viden og erfaringer at hente, fortæller Martin. FM-organisationen arbejder med flere spor samtidig, herunder iBOS og Siemens Building X, og andre AI-leverandører har også været undersøgt for at teste, hvad der giver mest værdi i praksis.

Martin beskriver et marked præget af mange aktører og en hurtig teknologisk udvikling, hvor det kan være svært at vælge retning og undgå at binde sig for tidligt til én leverandør. Samtidig peger han på, at der er væsentlige forskelle mellem løsningerne – nogle arbejder med direkte styring af bygninger, mens andre i højere grad fungerer som beslutningsstøtte med fokus på “human in the loop”.

Derfor understreger han vigtigheden af at teste løsninger i praksis:

Man er nødt til at få prøvet det af. Altså få lavet de der proof of concept-projekter, for at få nogle læringer og erfaringer i det.

Martin Bødker HansenHead of Energy & Climate hos Danske Shoppingcentre.

Han understreger også, at teknologierne kun skaber værdi, hvis de kombineres med en stærk forståelse for bygningsdrift og tekniske anlæg, og at denne kobling ofte mangler hos rene AI-aktører.

Et næste skridt er arbejdet med agentbaserede løsninger, som kan automatisere overvågning og analyse af data og dermed aflaste manuelle opgaver i driften.

Sikkerhed
Martin vurderer sikkerheden hos DSC som høj og peger på, at organisationen bevidst har bevæget sig fra åbne AI-løsninger til kontrollerede enterprise-løsninger. Der er etableret en tydelig governance, hvor det er klart kommunikeret, hvornår og hvordan medarbejdere må anvende AI og aktivere virksomhedsviden.

Ifølge Martin har dette skabt en høj grad af tryghed i organisationen, hvor medarbejdere i dag oplever, at de kan anvende AI-værktøjer sikkert i deres arbejde. Trygheden understøttes blandt andet af integrationer med systemer som SharePoint og Outlook samt løbende phishing-tests.

Over for leverandører arbejder DSC systematisk med sikkerhed og datastyring gennem brug af skemaer, hvor blandt andet dataplacering og håndtering dokumenteres.

Læringer fra casen

Casen fra DSC viser, at AI kan skabe konkrete energibesparelser og understøtte bæredygtighed i FM, når teknologien kobles tæt til driftsbehov og klimaindsats. Martins bedste råd til andre, der vil i gang med AI og bæredygtighed i FM er:

  • Start med konkrete driftsopgaver
    I DSC’s FM-organisation er AI først og fremmest blevet integreret, fordi AI passer direkte ind i et centralt driftsbehov som energistyring. Ved at tage udgangspunkt i eksisterende udfordringer i energistyring bliver værdien tydelig fra start.
  • Testprojekter er vigtige for at finde retning
    Martin fremhæver flere gange behovet for at afprøve løsninger i mindre testprojekter. Det giver mulighed for at lære hurtigt, justere undervejs og fravælge løsninger, der ikke skaber værdi. Der er mange måder, man kan bruge AI i FM på, så det handler om at finde dem, der giver mest værdi for jer.
  • Data og ontologi skal tænkes ind tidligt
    Hvis AI skal fungere på tværs af systemer, kræver det, at data er strukturerede og ensartede fra starten. Det stiller krav til både design af anlæg og brug af standarder som RealEstateCore.
  • Forankr AI i organisation og strategi
    Det er nemmere at lykkes med AI, når organisation og strategi understøtter indsatsen. Derfor er det vigtigt så vidt muligt at involvere ledelsen tidligt og tale ind i deres forretningsmæssige prioriteringer, samtidig med at man bidrager til at skabe en kultur, hvor AI kan afprøves og være med til at gøre organisationen smartere. 

Denne case er udarbejdet på baggrund af interview i marts 2026 med Martin Bødker Hansen, Head of Energy and Climate hos Danske Shoppingcentre, i forbindelse med projektet AI og Bæredygtighed i FM.

AI Ready - Cases

Læs seks cases om konkrete AI-initiativer, deres resultater og de erfaringer, organisationerne har gjort sig undervejs.

AI Ready
12-08-2026

JYSK

I JYSK er energiforbruget i butikkerne ikke længere noget, man følger bagudrettet i energirapporter og regneark. I dag arbejder virksomheden med Smart Store-konceptet – en intelligent løsning, der automatisk overvåger,…
AI Ready
12-08-2026

Frederikssund Kommune

I Frederikssund Kommune er det ikke kun mennesker, der overvåger kommunens el- og fjernvarmeforbrug i bygninger. Et AI-baseret system kaldet ENTO, ser nemlig også med, og AI’en reagerer, når noget…
AI Ready
12-08-2026

Københavns Universitet

Hos Københavns Universitet (KU) undersøger energiteamet, hvordan AI kan bruges til at skabe bedre overblik over energiforbrug, tekniske anlæg og bygningsdrift på tværs af en stor og kompleks bygningsportefølje. Målet…
AI Ready
12-08-2026

Danske Shoppingcentre

Hos Danske Shoppingcentre (DSC) arbejder FM med AI for at reducere energiforbrug, styrke driften og understøtte organisationens bæredygtighedsindsats. Denne case tager udgangspunkt i et interview med Martin Bødker Hansen, Head…
AI Ready
12-08-2026

By & Havn

Hos By & Havn har AI hjulpet med at planlægge vedligehold på tværs af bygningsporteføljen gennem de sidste 2 år. Resultatet er bedre overblik, mere sikker budgettering og et stærkere…
AI Ready
12-08-2026

ATP Ejendomme

Hos ATP Ejendomme modtager de tekniske anlæg hver uge tusindvis af alarmer, når bygningernes systemer registrerer fejl eller afvigelser i driften. Nogle alarmer har stor betydning for bygningernes brugere og…