AI-utveckling inom återvinning och återbruk av byggavfall

Nu är den här för att stanna!

Bygg- och rivningsavfall är ett område där artificiell intelligens kan få en allt viktigare roll. Så även för NGR som satsat på projekt kopplade till AI och så här är det: Utvecklingen hänger nära samman med byggsektorns övergång till en cirkulär ekonomi, där material och byggprodukter i större utsträckning behöver återanvändas eller återvinnas i stället för att bli avfall.

En omfattande och aktuell forskningsöversikt av Elnabwy och Martinez (2026) visar tydligt denna potential. Forskarna genomförde en systematisk litteraturöversikt av 177 vetenskapligt granskade publikationer från perioden 2013–2025 för att undersöka hur AI kan bidra till en mer cirkulär och hållbar hantering av bygg- och rivningsavfall. Studien identifierar framför allt AI-baserad prognostisering, klassificering, optimering och beslutsstöd som viktiga tillämpningsområden.

Resultaten är intressanta även ur ett klimat- och resursperspektiv. Enligt forskningsöversikten visar den samlade litteraturen att AI-baserade metoder kan bidra till att öka andelen avfall som styrs bort från deponering eller annan slutlig avfallshantering med 10–25 procent och minska inbäddade koldioxidutsläpp med upp till 30 procent. AI kan dessutom förbättra uppföljningen av nyckeltal för cirkulär ekonomi och hållbarhet. Resultaten bör förstås som sammanställda resultat från den granskade forskningen, snarare än som en garanterad effekt för varje enskild återvinningsanläggning.

Sortera, identifiera och skapa bättre information

Ett centralt användningsområde är automatisk identifiering och klassificering av material. Med hjälp av datorseende och maskininlärning kan system analysera bilder och sensordata för att identifiera olika typer av bygg- och rivningsmaterial. Detta kan i sin tur användas som underlag för automatiserad eller robotiserad sortering.

Elnabwy och Martinez (2026) pekar på att AI kan bidra till mer exakt kvantifiering av avfall, automatiserad klassificering och bättre uppföljning av cirkulära nyckeltal. Det innebär att AI inte enbart kan användas för själva sorteringen utan också för att skapa bättre information om vilka material som finns, i vilka mängder och hur de bör hanteras.

En viktig slutsats i forskningen är att AI potential blir större när tekniken kombineras med andra digitala tekniker. Elnabwy och Martinez lyfter särskilt fram integrationen mellan AI och Building Information Modelling (BIM), Internet of Things (IoT) och digitala tvillingar. Kombinationen kan förbättra informationsutbytet mellan olika delar av bygg- och avfallsprocessen och göra AI-lösningarna lättare att skala upp.

Detta är särskilt relevant för återbruk. Om information om en byggnads komponenter finns tillgänglig redan före rivning kan AI i framtiden användas för att analysera vilka komponenter som lämpar sig för direkt återbruk, materialåtervinning eller ytterligare kvalitetskontroll. På så sätt kan digital information och AI bidra till att flytta fokus från avfallshantering efter rivning till resursplanering före demontering.

AI som stöd för kvalitetssäkrat återbruk

Detta ligger nära utvecklingen som forksningsintitut som RISE driver genom sitt Centrum för kvalitetssäkrat återbruk i byggsektorn. RISE vill skapa förutsättningar för att återbruk ska kunna gå från enskilda pilotprojekt till storskalig verksamhet. Centrala frågor är bland annat kvalitetssäkring, materialprovning, certifiering, kravställning och cirkulär affärsutveckling.

Kopplingen mellan denna utveckling och AI-forskningen är därför tydlig. AI skulle exempelvis kunna användas som beslutsstöd tillsammans med materialdata, BIM-modeller och information om byggkomponenters historik. Ett sådant system skulle kunna hjälpa aktörer att identifiera vilka komponenter som har högst potential för återbruk och var ytterligare provning behövs. AI ersätter då inte fysisk materialprovning eller certifiering, utan fungerar som ett verktyg för att prioritera, analysera och fatta beslut utifrån större informationsmängder.

Elnabwy och Martinez (2026) beskriver därför AI-utvecklingen bredare än enbart automatiserad sortering. Forskarna föreslår ett AI-CWM-ramverk i fem nivåer samt en färdplan för hur forskningsresultat kan överföras till praktisk tillämpning inom byggsektorn. Syftet är att koppla samman AI-baserade lösningar med cirkulär ekonomi och mätbara hållbarhetsmål.

Det innebär att AI kan få betydelse genom hela kedjan:

1. Prognostisering: förutse vilka mängder och typer av byggavfall som kommer att uppstå.
2. Identifiering och klassificering: automatiskt känna igen olika material och komponenter.
3. Optimering: avgöra hur material bör sorteras, transporteras, återvinnas eller återbrukas.
4. Beslutsstöd: kombinera information om ekonomi, klimatpåverkan och materialegenskaper.
5. Uppföljning: mäta nyckeltal för exempelvis återbruk, återvinning, resurseffektivitet och klimatpåverkan.

Detta skapar en viktig skillnad mellan AI för avfallssortering och AI för cirkulär materialhantering. I det första fallet används tekniken när materialet redan har blivit avfall. I det andra används AI tidigare och bredare för att förhindra att värdefulla byggprodukter över huvud taget blir avfall.

Vilka behov ser forskningen framåt?

Samtidigt finns betydande utmaningar. Elnabwy och Martinez konstaterar att dagens system för hantering av byggavfall bland annat präglas av fragmenterade datamiljöer, inkonsekventa nyckeltal och begränsade analytiska beslutsstödsverktyg. AI potential är därför beroende av att byggsektorn samtidigt utvecklar bättre datainsamling, standardisering och informationsutbyte.

Detta är viktigt när AI diskuteras som lösning på byggsektorns avfallsproblem. Den tekniska utvecklingen av algoritmer är endast en del av förändringen. För att AI ska kunna användas storskaligt krävs också tillgång till tillförlitliga data om material, byggprodukter, avfallsflöden och klimatpåverkan samt system som gör att information kan delas mellan fastighetsägare, entreprenörer, rivningsföretag, återbruksaktörer och återvinningsanläggningar.

I det stora hela pekar forskningen mot en utveckling där AI går från att vara ett verktyg för automatisk sortering av byggavfall till att bli en del av ett större digitalt system för cirkulär materialhantering. Kombinationen av AI, BIM, IoT, digitala tvillingar och kvalitetssäkrad materialinformation kan på sikt göra det möjligt att avgöra vad som bör återbrukas, vad som bör återvinnas och hur resurser kan behålla ett så högt värde som möjligt.

Referenser

Elnabwy, M. T. & Martinez, P. (2026). AI-Driven Circular Construction Waste Management for Advancing Sustainable Development. Sustainable Development, 1–23. https://doi.org/10.1002/sd.71180

RISE Research Institutes of Sweden. Nytt centrum ska göra återbruk tryggt, lönsamt och storskaligt i byggbranschen. RISE.