ESG-udfordringer i den danske byggebranche og mulighederne for AI-understøttet rapportering
Oversat titel
ESG-Challenges in the Danish Construction Industry and the Posibilities for AI-Supported Reporting
Forfattere
Maahr, Victor ; Holmegaard, Rasmus
Semester
4. semester
Udgivelsesår
2024
Afleveret
2024-01-11
Antal sider
116
Resumé
Dette speciale undersøger, hvorfor den danske byggebranche har svært ved at indføre ESG-rapportering (miljø, sociale forhold og ledelse), og hvilken rolle kunstig intelligens (AI) kan spille. Som teoretisk ramme anvender vi MLP-modellen, en tilgang der ser på forandringer på flere niveauer i et system. Undersøgelsen består af tre trin: (1) vi klarlægger de vigtigste problemer i dagens ESG-rapporteringssystem, (2) vi grupperer problemerne, og (3) vi analyserer, hvilke drivere og barrierer (fremmende og hæmmende faktorer) der påvirker AI-understøttede løsninger. Resultaterne viser, at muligheder og barrierer varierer bredt mellem aktører i branchen afhængigt af deres digitale modenhed, kompetencer og adgang til modne AI-nicheløsninger. Kompleksiteten afspejler både virksomhedernes nuværende kapacitet og status for den teknologiske udvikling. Især små og mellemstore virksomheder (SMV’er) møder store udfordringer på grund af manglende digitalisering, medarbejderkompetencer og høje startomkostninger ved at indføre AI-værktøjer. Større virksomheder kan have lignende udfordringer, men er ofte bedre rustet til at overvinde barriererne og udnytte de tilgængelige drivkræfter. Da området endnu ikke er udbredt i praksis, bidrager specialet med et overblik over branchens hovedudfordringer og peger på mulige veje til at anvende AI i ESG-rapportering i byggeriet.
This thesis examines why the Danish construction industry struggles to implement ESG reporting (environmental, social and governance) and what role artificial intelligence (AI) could play. We use the MLP model as a theoretical lens—an approach that looks at change across multiple levels in a system. The study has three steps: (1) clarifying the main problems in today’s ESG reporting system, (2) grouping these problems, and (3) analyzing the drivers and barriers (factors that enable or hinder) for AI-supported solutions. Findings show that opportunities and obstacles vary widely across industry actors, depending on their digital readiness, skills, and access to mature AI niche solutions. The complexity reflects both companies’ current capacity and the state of technological progress. Small and medium-sized enterprises (SMEs) face the greatest challenges, mainly due to limited digitalization, workforce skills, and high upfront costs for adopting AI tools. Larger firms may encounter similar issues but are generally better positioned to overcome barriers and make use of available drivers. Because this area is not yet realized in practice, the thesis provides an overview of the key challenges and outlines possible pathways for using AI in ESG reporting in the construction sector.
[Dette resumé er omskrevet med hjælp fra AI baseret på projektets originale resumé]
Emneord