Ett fungerande proof of concept som samlar energidata, sensorer och smarta enheter i en plattform. I drift i två fastigheter, där en AI-agent fattar autonoma värmebeslut var trettionde minut.
Oavo är ett fungerande proof of concept för AI-driven fastighetsdrift. Det började som ett läroprojekt med en enkel fråga: hur mycket av driften kan en AI-agent faktiskt ta över, när den får köra mot riktiga sensorer i riktiga hus i stället för i en demo?
En AI-agent fattar autonoma värmebeslut var trettionde minut i två fastigheter, med 15+ IoT-integrationer, omkring 200 uppkopplade givare, energianalys och en boendeapp. Plattformen är byggd till stor del med AI som kodare, vilket flyttade arbetet från att bygga till att verifiera.
Lärdomarna delas gärna. Är du intresserad av att samarbeta, jämföra erfarenheter eller höra hur agenten fattar sina beslut? [email protected]
Från autonom värmestyrning till boendeapp — det här är vad som faktiskt körs i de två fastigheterna i dag.
Realtidsdata från elmätare, värmepump och spotpriset samlas i samma analys. Effekt just nu, i dag och för månaden ur elmätaren, plus förbrukning per rum, per enhet och mot föregående period.
Energi & klimat →Sensordata jämförs mot baslinjer per givare, och avvikelser larmar innan de blir fel. En tystnadsdetektor hittar givare som slutat skicka, och bortfall per MQTT-prenumeration larmar i alla tre instanserna.
Drift & underhåll →De boende ser inomhustemperatur, sensorernas tillstånd, avgifter och förbrukning — och felanmäler direkt i appen. Varje lägenhet ser bara sin egen data.
Boende & service →KPI-vyer för energi, ekonomi och underhåll ger styrelse och förvaltare samma faktaunderlag. Budget mot utfall per kategori, med historisk årsnavigering, och flera fastigheter i samma gränssnitt.
Analys & rapporter →Varje fastighet speglas med REC-ontologi i Azure Digital Twins. Rumsnivå-data, utrustningsregister och relationer ger ett komplett digitalt fastighetsminne.
Digital tvilling →Flera fastigheter i samma gränssnitt, med en startsida som listar dina fastigheter, deras hälsostatus och det som behöver uppmärksamhet just nu.
Portföljvy →Var trettionde minut läser en agent sensordata, frågar en språkmodell och fattar ett värmebeslut — och skickar kommandot vidare till värmepumpen. Varje beslut och varje kommando sparas med granskningsrad.
Autonom drift →Egen SSO med Keycloak, och behörighet ända ner på lägenhetsnivå: varje läs- och skrivväg kontrolleras på servern, och styrkommandon loggas med en identitet som inte går att förfalska.
Säkerhet & roller →Oavo körs som molntjänst på en egen server: Node-RED i tre instanser, PostgreSQL och en Vue-app bakom SSO. Ingenting är köpt som färdig produkt.
Befintliga sensorer, värmesystem, elmätare och IoT-enheter kopplas in via öppna standarder — MQTT, Z-Wave och leverantörernas egna API:er. 15+ integrationer är i drift.
Mätvärdena landar i en tidsserie i PostgreSQL och baslinjer byggs per givare. Avvikelser, tystnad och bortfall upptäcks automatiskt.
Agenten fattar värmebeslut var trettionde minut och skickar kommandon till värmepumpen. Notiser, avvikelser och åtgärdsförslag når styrelse, förvaltare och boende — var och en scopad till sin egen data.
Plattformen läser och styr system som redan fanns på plats, över öppna standarder och leverantörs-API:er — ingenting behövde bytas ut.
Oavo körs i produktion i två fastigheter med vitt skilda förutsättningar — och levererar realtidsdata dygnet runt.
Oavo är byggt för att ta reda på vad som faktiskt krävs för att låta AI styra en fastighet i skarp drift — och svaret blev både mer och annorlunda än väntat. Lärdomarna delas gärna: vill du samarbeta, jämföra erfarenheter eller titta närmare på arkitekturen och agenten? Hör av dig.
Kontakt: [email protected]