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 begynder at se forkert ud. Derudover arbejder kommunen med AI til at optimere brugen af bilflåden og skabe bedre overblik over transport og kørselsmønstre.

Denne case tager udgangspunkt i et interview med Irene Nielsen, afdelingsleder for Bygningsdrift i Frederikssund Kommune. Irene leder den del af organisationen, der blandt andet arbejder med energistyring, teknisk drift, sikring, kommunens bilflåde og den tekniske drift af skoler, børnehaver, omsorgscentre og administrationsbygninger.

Frederikssund Kommunes afdeling Bygningsdrift arbejder i dag med AI inden for to områder: energistyring og på sigt flådestyring af kommunens køretøjer. Det mest etablerede AI-projekt er kommunens energistyring, som afdelingen har arbejdet med i cirka halvandet år.

Hvis elforbruget pludselig stiger om natten på en skole, eller et ventilationsanlæg begynder at bruge mere varme end normalt, giver AI-systemet besked. Ikke bare om at noget er galt, men også med forslag til, hvor driftspersonalet bør starte med at lede.

Det giver Bygningsdriftsafdelingen mulighed for at opdage fejl tidligere, reagere hurtigere og reducere energiforbruget, før problemerne udvikler sig.

Systemet bygger oven på eksisterende energidata fra kommunens elmålere og fjernvarmemålere og bruger AI til at genkende mønstre i energiforbruget. Irene fortæller, at systemet hele tiden bliver mere præcist. Hvor platformen tidligere blot kunne registrere, at energiforbruget steg, kan den nu foreslå, hvad der sandsynligvis er årsagen, eksempelvis et ventilationsanlæg, der ikke længere kører optimalt. Irene fortæller:

Systemet arbejder samtidig med data om blandt andet klima, energimærker, bygningsdata og historiske forbrugsmønstre. Det betyder, at løsningen kan tage højde for eksempelvis temperatur og vejrforhold, når den vurderer, om et energiforbrug er normalt eller ej.

Uddrag fra dashboard fra Bygningsdrifts energistyringsplatform ENTO.

Bygningsdrift arbejder derudover med et muligt AI-projekt omkring kommunens bilflåde. Her er ambitionen på sigt at bruge AI til at optimere brugen af kommunens cirka 265 køretøjer og analysere, hvordan bilerne anvendes på tværs af organisationen. Bilerne bruges blandt andet af hjemmeplejen, teknisk service og andre kommunale medarbejdere, som hver dag kører mellem borgere, institutioner og kommunale bygninger. Ved hjælp af AI forventer kommunen blandt andet at kunne skabe bedre overblik over kørselsmønstre, reducere tomgang og sikre en mere effektiv udnyttelse af bilerne.

Bilflåde-projektet er under opstart, og kommunen er netop nu ved at finde en AI- teknologiudbyder, som kan anvendes. Arbejdet har blandt andet tydeliggjort, hvor udfordrende det kan være at samle og standardisere data på tværs af mange systemer og fagområder.

For Bygningsdrift hænger arbejdet med AI tæt sammen med kommunens klimamål og ønsket om at reducere energiforbrug og CO₂-udledning. Kommunen arbejder ud fra klimahandlingsplanen DK2045, som blandt andet fokuserer på energioptimering, transport og reduktion af CO₂-udledning fra kommunens bygninger.

Ønsket om at reducere energiforbruget har været en vigtig driver for arbejdet med ENTO. Frederikssund Kommune har allerede opnået en energibesparelse på cirka 4 %, og Irene forventer yderligere besparelser i takt med, at systemet bliver mere præcist, og organisationen bliver bedre til at reagere på de anbefalinger, platformen kommer med.

For Irene handler gevinsten ikke kun om økonomi, men også om at skabe et bedre grundlag for mere bæredygtig drift. Det gælder også arbejdet med kommunens bilflåde, hvor ambitionen er at bruge AI til at skabe bedre overblik over kørselsmønstre og udnyttelsen af bilerne. På sigt håber kommunen blandt andet at kunne reducere både bilflåde og unødig kørsel og brændstofforbrug og dermed mindske CO₂-udledningen fra transporten.

I projektet AI og Bæredygtighed i FM har DFM udviklet en modenhedsanalyse, der belyser, hvor modne FM-organisationer er i deres arbejde med AI i FM. Med udgangspunkt i værktøjet har Irene Nielsen givet sin egen vurdering af Frederikssund Kommunes arbejde med AI inden for dimensionerne strategi, organisation, data, teknologi og sikkerhed.

Irenes vurdering peger på, at Frederikssund Kommune befinder sig i en fase, hvor arbejdet med AI er kommet ud over de første eksperimenter og i stigende grad tager form gennem konkrete projekter og erfaringer. Ifølge modellen har organisationen opbygget viden om, hvordan AI kan understøtte driften, og arbejder løbende med at styrke datagrundlag, samarbejde og kompetencer. Samtidig er der fortsat et potentiale for at forankre arbejdet bredere på tværs af organisationen og skabe flere fælles strukturer og standarder for anvendelsen af AI.

Strategi
Irene fortæller, at medarbejderne og ledere opfordres til at interessere sig for ny teknologi og afprøve nye løsninger, men arbejdet sker primært decentralt og projektbaseret. AI-initiativer udspringer typisk af konkrete udfordringer og behov i de enkelte fagområder frem for en central strategi på tværs af fagområderne. Nye projekter opstår derfor ofte lokalt i organisationen, når medarbejdere eller ledere ser et potentiale i at løse en opgave på en ny måde. Der er således ikke tale om en særskilt central AI-strategi, men snarere en tilgang, hvor fagområderne har mulighed for at undersøge og afprøve nye løsninger, når der opstår relevante behov.

Energiprojektet opstod eksempelvis, fordi en medarbejder havde hørt om løsningen gennem en kollega i en anden kommune. Samtidig stod Frederikssund Kommune allerede overfor at skulle udskifte deres eksisterende energistyringssystem.

Kommunen har strategiske mål for bæredygtighed, men AI nævnes primært indirekte som en del af arbejdet med ny teknologi og digital udvikling. Selvom AI ikke er skrevet direkte ind i strategien, understøtter initiativerne i denne case kommunens mål om at blive klimaneutral i 2045. I kommunens Klimaplan 2045 er der blandt andet særligt fokus på energi og transport, som begge er områder, hvor Frederikssund Kommune arbejder med AI-løsninger (Frederikssund Kommune; Klimaplan 2045).

Organisation
Arbejdet med udvikling af kerneopgaverne gennem brug af ny teknologi som f.eks.  AI, er i Frederikssund Kommune i høj grad forankret i konkrete fagområder, hvor medarbejdere og ledere arbejder aktivt med at afprøve nye løsninger i praksis. AI-arbejdet drives i dag af de enkelte afdelinger og er tæt koblet til konkrete driftsbehov som energistyring og bilflådestyring.

Organisatorisk betyder det for Bygningsdrift, at ansvaret for systemer, leverandørdialog, sikkerhed, implementering og drift ofte ligger tæt på de ledere og medarbejdere, som arbejder med bygningerne og den daglige drift. Det giver en stærk kobling mellem teknologi og praksis, men betyder også, at nye teknologier kan være ressourcekrævende at implementere. Irene fortæller:

Irene peger også på, at AI indebærer nye måder at løse opgaver på. AI er i princippet ligeglad med de traditionelle faglige skel der er i en kommune. Derfor udfordrer AI-projekterne vanetænkning og kræver nye samarbejdsformer på tværs af fagområderne. I tilfældet med ENTO involverer projekterne både ejendomsfaglig viden, teknisk forståelse, data og IT-sikkerhed, og kommunen arbejder løbende med at styrke samarbejdet mellem disse områder. Ifølge Irene bliver behovet for medarbejdere, som har forståelsen for at bygge bro mellem fagområderne, derfor stadig vigtigere i takt med, at AI-arbejdet udvikler sig.

Data
På energiområdet er kommunen relativt godt stillet, fordi energidata i Danmark allerede er standardiseret og tilgængelige gennem nationale systemer.

Dog har Frederikssund Kommune også oplevet udfordringer med datakvalitet. Da systemet eksempelvis hentede historiske energimærker ind, opstod der pludselig flere hundrede ekstra bygninger i systemet, fordi gamle og nye registreringer blev opfattet som forskellige bygninger.

For Irene er sådanne erfaringer en naturlig del af arbejdet med AI og digitale løsninger, hvor man må forvente, at dataene skal behandles i en vis grad, før AI kan komme i spil.

Samtidig peger casen på et andet vigtigt læringspunkt: data kan ofte skabe værdi flere steder i organisationen, end antaget fra start. Da kommunens klimamedarbejder første gang så energidataene i ENTO, blev det tydeligt, at løsningen også kunne understøtte arbejdet med klima og bæredygtighed langt bredere end kun i Bygningsdrift.

På bilflådeområdet er der et større arbejde i forhold til data, der skal løftes, før AI frit kan se nærmere på området. Her ligger data spredt på tværs af Excel-ark, økonomisystemer, bookingsystemer og planlægningsværktøjer. Ifølge Irene er det derfor langt vanskeligere at skabe et samlet datagrundlag, som AI kan arbejde ud fra.

Teknologi
Frederikssund Kommune Bygningsdrift anvender energistyringsplatformen ENTO i ca. 1,5 år. Irene fortæller, at platformen er blevet markant mere brugervenlig i den periode. Hvor systemet tidligere primært var et teknisk værktøj, giver det i dag også bedre overblik og mere konkrete anbefalinger til handling i driften.

Bygningsdrift følger samtidig udviklingen inden for AI og digitale bygningsdriftsværktøjer tæt. På energiområdet er teknologien allerede taget i brug i praksis, mens arbejdet med AI i relation til bilflåden fortsat befinder sig i en tidlig afklaringsfase. Her undersøger kommunen blandt andet, hvilke teknologier og leverandører der bedst kan understøtte behovet for dataindsamling, analyse og flådestyring.

For Irene har arbejdet tydeliggjort, hvor afgørende datagrundlaget er for at få værdi ud af AI-løsninger. Energidata er i højere grad standardiseret og tilgængelig, mens data om bilflåden ligger mere spredt på tværs af systemer og fagområder. Derfor handler arbejdet ikke kun om selve AI-teknologien, men også om integrationer, datastruktur og kvaliteten af de data, løsningerne bygger på.

På sigt ser Irene potentiale i mere avancerede AI-løsninger, som i højere grad kan understøtte analyse, overvågning og beslutningsstøtte og dermed aflaste manuelle opgaver i driften.

Sikkerhed
Sikkerhed fylder meget i Frederikssund Kommunes arbejde med AI og digitalisering.

Ifølge Irene er der stor opmærksomhed på både teknisk sikkerhed samt sikkerheds- og risikovurderinger før AI-værktøjer tages i brug, også i forhold til tekniske anlæg. Irene peger samtidig på, at sikkerhed bliver endnu vigtigere, hvis AI på sigt får mulighed for at styre tekniske anlæg automatisk. Hvis AI-agenter eksempelvis kan regulere varme eller ventilation direkte, opstår der også nye risici.

Derudover arbejder kommunen også med retningslinjer for brugen af generativ AI som ChatGPT, blandt andet i forhold til håndtering af persondata og følsomme oplysninger.

Denne case er udarbejdet på baggrund af interview i april 2026 med Irene Nielsen, afdelingsleder i Bygningsdrift i Frederikssund Kommune, i forbindelse med projektet AI og Bæredygtighed i FM.