De siste ti årene er det i gjennomsnitt blitt revet omkring 1100 eneboliger årlig i Norge, ifølge Statistisk sentralbyrå (SSB). Men kun 7 prosent av trevirket fra disse bygningene ble resirkulert.
Det er altfor lite, mener stipendiat Georgios Triantafyllidis ved NTNU i Gjøvik.
– Bygg- og anleggssektoren står i dag for et betydelig forbruk av råmaterialer og skaper i tillegg store mengder avfall. Det gjør ikke bare bransjen til en storforbruker av nye naturressurser. Den er også en av de klart største kildene til globale CO2-utslipp, forklarer forskeren.
Fortsetter vi som før, forventes klima- og miljøbelastningen bare å øke i takt med at stadig flere bygninger skal rehabiliteres og oppgraderes.
– Blir vi derimot flinkere til å bruke byggematerialer om igjen, vil disse tallene kunne se ganske annerledes ut, sier Triantafyllidis.
– Forsvinnende lite kunnskap
Han har derfor, sammen med professor Lizhen Huang og andre kollegaer ved NTNU, utviklet en modell som skal gjøre det enklere å kategorisere og beregne mengden av byggematerialer som er tilgjengelig for gjenbruk i husene våre.
– Skal vi over til en mer sirkulær økonomi, må vi først danne oss en oversikt over hvor mye materiale som faktisk er tilgjengelig og av hvilken kvalitet det er. Det vet vi forsvinnende lite om i dag, spesielt når det gjelder bygninger, sier Huang.
Kan ikke skue hunden på hårene
En måte å skaffe seg denne kunnskapen på, er å analysere materialsammensetningen og regne ut mengden manuelt. Det er imidlertid en svært kostbar og tidkrevende prosess – ikke minst når man skal kartlegge hele byer.
En foreslått løsning har derfor vært å benytte 3D-skanningsteknologi og maskinlæring. Det automatiserer i stor grad prosessen, men byr også på utfordringer.
– Det finnes allerede kommersielt tilgjengelige teknologi som kan skanne en bygning og lage en 3D-representasjon av den. Problemet er bare at slike representasjoner kun gir deg informasjon om det som er synlig fra utsiden. De sier ingenting om hvilke materialer som befinner seg bakenfor. Og langt mindre hvilken tilstand de er i og hvor mye det dreier seg om, forklarer Huang.
Slike verktøy feiltolker i tillegg ofte dataene, legger Triantafyllidis til:
– Siden tilnærmingen benytter seg av visuelle data, oppstår det gjerne problemer når noe ser ut som det er laget av et bestemt materiale, men egentlig er laget av noe helt annet.
I praksis står man altså uten noen god måte å kartlegge materialene som finnes i eksisterende bygninger på i stor skala.
Det vil si – inntil nå.
Fragmenter blir til avansert modell
Metoden NTNU-forskerne har utviklet, baserer seg på såkalt bygningsinformasjonsmodellering – eller BIM. Det er en prosess der man lager digitale 3D-modeller av bygninger. Slike modeller inneholder ofte også mange tilleggsdetaljer. For eksempel om dimensjonene og kvaliteten på materialet som er benyttet og tilhørende tekniske installasjoner.
Fordelene ved å ha én felles modell som alle involverte parter kan forholde seg til, har gjort BIM til en etablert standard i større byggeprosjekter. Siden BIM er forholdsvis nytt, finnes det ikke slike modeller for størsteparten av den eksisterende bygningsmassen.
Forskerne spurte seg derfor om det går an å bruke arkitekt- og plantegninger, tekniske beskrivelser, grunnbøker, forskrifter, bildemateriale og annen tilgjengelig informasjon for å automatisere prosessen med å lage det.
Det vil i så fall være en både tids- og kostnadseffektiv løsning, forklarer Triantafyllidis.
– I stedet for å gjøre seg avhengig av dyrt utstyr og en rekke eksperter og fagpersoner, tar vår metode utgangspunkt i allerede eksisterende informasjon. Hver for seg er denne informasjonen kanskje ikke så verdifull – en byggeteknisk forskrift her, en arkitekttegning der, men setter vi disse puslespillbrikkene sammen, danner det seg plutselig et langt mer fullstendig bilde.
Kastet ut av oljefondet: Forsvaret handler med israelsk konsern
95 prosent nøyaktig
I første omgang konsentrerte forskerne seg om hvorvidt metoden er i stand til å beregne materialmengden i en bygning. For å undersøke det tok de utgangspunkt i en ganske alminnelig norsk enebolig fra 1980-tallet med et grunnareal på 140 kvadratmeter.
Først laget de en kalibreringsmodell av bygningstypen manuelt. Deretter matet de modellen med den tilgjengelige informasjonen som var å oppdrive. BIM-modellen formet seg så automatisk i tråd med dataen. Forskerne satt derfor ganske snart igjen med en langt mer detaljert modell av huset.
Forsøket viste at metoden var i stand til å beregne materialmengden i yttervegger og tak med hele 95 prosent nøyaktighet. De understreker riktignok at flere forsøk må til for å bekrefte modellens nøyaktighet med sikkerhet. At resultatet er lovende, legger de imidlertid ikke skjul på.
Og ikke nok med det:
– Siden den er lett å tilpasse, og bygger på data som er tilgjengelig for så å si alle bygninger, kan metoden også enkelt oppskaleres ved behov, sier Triantafyllidis.
Vil vite når du pusser opp
Tross de lovende funnene leter forskerne stadig etter måter å gjøre metoden enda bedre og mer anvendelig på. Én mulighet kan være å inkludere informasjon direkte fra boligeiere.
Mange norske hjem er endret mye siden de ble bygget, men ikke alle endringer er registrert. Siden metoden deres i stor grad baserer seg på offentlig tilgjengelig dokumentasjon, kan det skape unøyaktigheter.
– Oppussing kan involvere alt fra mindre kosmetiske endringer til større strukturelle inngrep. Ofte vil det ikke ha noen betydning. Men la oss si at større vegger rives innendørs – da vil materialmengden kunne endres uten at metoden vår nødvendigvis fanger det opp, sier Triantafyllidis.
Forskerne ser derfor for seg en løsning hvor man selv registrerer hva som er gjort når man utfører større endringer på boligen.
– Ved å inkludere denne typen informasjon fra boligeiere, vil modellene til enhver tid være oppdatert og gi en svært presis oversikt over hvilke materialer som potensielt er tilgjengelig for gjenbruk, sier han.
Det er en viktig forutsetning for å oppnå en velfungerende sirkulær økonomi, understreker forskerne.
Norge er med på omfattende ubåtjakt i Norskehavet
