A master thesis from Aalborg University
ESG-udfordringer i den danske byggebranche og mulighederne for AI-understøttet rapportering
[ESG-Challenges in the Danish Construction Industry and the Posibilities for AI-Supported Reporting]
Forfatter(e)
Semester
4. semester
Udgivelsesår
2024
Afleveret
2024-01-10
Antal sider
116 pages
Abstract
Dette speciale præsenterer en holistisk undersøgelse af de udfordringer, som den danske byggebranche står over for i implementeringen af ESG-rapportering, og udforsker den potentielle rolle som kunstig intelligens (AI) kan have i løsningen af disse udfordringer. Vi bruger MLP-modellen som teoretisk rammeværk som struktur i udarbejdelse af undersøgelsen. Analysen er struktureret i tre dele: (1) en omfattende afklaring af udfordringerne inden for ESG-rapporteringssystemet, (2) en gruppering af disse udfordringer og (3) en drivers & barriers analyse af AI-understøttede løsninger på disse udfordringer. Resultaterne peger på en bred vifte af muligheder og forhindringer for aktører i byggebranchen - afhængigt af deres evner, parathed og niveauet af AI-nicheudviklinger, der er tilgængelige. Undersøgelsen afslører et spektrum af kompleksitet, der afspejler aktørernes nuværende kapacitet og status for teknologiske fremskridt inden for AI-innovationer. Vi finder, at SMV'er i branchen står over for de største udfordringer på dette område, hovedsageligt på grund af manglende digitalisering, medarbejderkompetencer og indledende investeringsomkostninger ved implementering af AI-løsninger. I modsætning hertil kan større virksomheder i branchen stå over for de samme problemer, men er bedre rustet til at overvinde identificerede barriers og udnytte tilgængelige drivers. Da emnet for undersøgelsen endnu ikke er blevet realiseret i praksis, bidrager denne rapport til en bedre forståelse af de udfordringer, industrien står over for, og de mulige veje til AI-implementering i ESG-rapportering, der ligger forude for byggebranchen.
This thesis presents a holistic examination of the challenges facing the Danish construction industry with the implementation of ESG reporting and explores the role of artificial intelligence (AI) in addressing these challenges. We utilize the MLP-model as theoretical framework for this endeavor. The analysis is structured into three parts: (1) a comprehensive clarification of the challenges within the ESG reporting system, (2) a grouping of these challenges, and (3) a drivers & barriers analysis of AI-supported solutions to these challenges. The findings point to a broad array of possibilities and obstacles for actors in the construction industry – depending on their capabilities, readiness, and the level of AI-niche developments available. The examination reveals a spectrum of complexity that reflects the current capabilities of actors and the state of technological advancement in AI-innovations. We find that SMEs in the industry face the biggest challenges in this field, mainly due to a lack of digitization, employee capabilities, and initial investment costs in implementing AI solutions. Contrarily, larger firms in the industry may face the same issues but are better equipped to overcome identified barriers and utilize available drivers. As the subject of the study has yet to come into fruition, this report is contributing to a better understanding of the challenges the industry faces and the possible paths of AI implementations in ESG reporting lying ahead.
Emneord
Kolofon: Denne side er en del af AAU Studenterprojekter — Aalborg Universitets studenterprojektportal. Her kan du finde og downloade offentligt tilgængelige kandidatspecialer og masterprojekter fra hele universitetet fra 2008 og frem. Studenterprojekter fra før 2008 kan findes i trykt form på Aalborg Universitetsbibliotek.
Har du spørgsmål til AAU Studenterprojekter eller Aalborg Universitets forskningsregistrering, formidling og analyse, er du altid velkommen til at kontakte VBN-teamet. Du kan også læse mere i AAU Studenterprojekter FAQ.