AI-baserade språkmodeller inom byggprojektering: En jämförelse mellan AI-prediktioner och lärares upplevelser av klassrum

Abstract

Denna rapport undersöker potentialen hos multimodala stora språkmodeller (MLLM) för att identifiera och förutse avvikelser från byggnadstekniska och funktionella kravställningar i klassrum under projekteringsskedet. Byggprocessen genererar stora mängder dokumentation, vilket kan leda till fel och ineffektivitet. Genom att kombinera AI-analys av klassrumsritningar med intervjuer av förstelärare i nybyggda skolor i Göteborg, syftar studien till att jämföra digitala prediktioner med verkliga användarbehov. Arbetet tillämpar en kvalitativ metod med en fallstudie av två skolor, semistrukturerade intervjuer och experiment med OpenAIs ChatGPT-4o. Resultaten visar att MLLM i vissa fall kunde identifiera aspekter relaterade till möblering, utrustning samt flöde och rörelse i klassrummet, men uppvisade inkonsekvens och bristande träffsäkerhet i frågor med praktisk relevans. AI-verktyget missade upprepade gånger lärarnas viktigaste kritik, vilket pekar på behovet av förbättrad datakvalitet och prompt-teknik för framtida tillämpning. Studien belyser även att lärarnas insikter ofta ignoreras i byggprocessen, vilket leder till funktionella brister i färdiga skolmiljöer. Arbetet pekar på MLLM har potential som stödverktyg i projekteringen men understryker att mänsklig expertis och uppföljning fortsatt är avgörande för att säkerställa en fungerande lärmiljö