AI som läser ritningar och mängdar: vad fungerar faktiskt i anbudsarbetet?

Frågan kommer allt oftare, både från beställare och från kollegor i branschen: kan AI läsa våra ritningar, ta fram mängderna och granska förfrågningsunderlaget mot AB 04 innan vi lämnar anbud? Svaret är ja på en del av det, nej på en annan del, och "det beror på filformatet" på den viktigaste delen.

Vi har gått igenom två svenska examensarbeten som faktiskt testat detta på verkliga anläggningsprojekt, ett tekniskt test av mängdning från ritning, samt de plattformar som i dag säljs mot svensk bygg- och anläggningsbransch. Här är vad som håller och vad som inte gör det -- och varför de nya standardavtalen AB 25 och ABPU 25 gör att du bör tänka ett steg längre.

Kan AI läsa ritningar och ta fram mängder automatiskt?

Delvis – och skillnaden mellan "delvis" och "ja" är där pengarna finns.

AI kan tillförlitligt läsa text, beteckningar och taggar ur en ritnings vektordata. Ett test av mängdning från PDF-ritningar visar att modellen kunde återfinna varje förekomst av en märkning som fanns kodad som text i ritningsfilen, till exempel enheter märkta "CU5" på en layoutplan, och räkna dem med relativt hög tillförlitlighet (ContractorOS).

Vad AI däremot inte klarar tillförlitligt är att läsa av skala och göra precisa mätningar. Samma test är rakt på sak: AI kan inte mäta längder, areor eller volymer direkt från ritningsbilder på ett sätt som kan lämnas utan kontroll, och kan inte räkna objekt tillförlitligt från pixlar eller enbart visuell bildanalys.

Förklaringen är teknisk och värd att förstå. En ritningsuppsättning består av två saker: vektordata med kodad text, linjer och symboler, samt en visuell representation som modellen omvandlar till en bild. Modellen delar normalt bilden i överlappande bildrutor som komprimeras till lägre upplösning än den du själv ser i din PDF-läsare. Modellen ser alltså en komprimerad ögonblicksbild av en enskild bildruta – inte hela ritningsbladet i full detalj. Det fungerar för att förstå sammanhang, men inte för precisa mätningar.

AI kan hjälpa till att strukturera och kontrollera mängder, men resultatet behöver kunna spåras tillbaka till modellen eller handlingen.

Vad är skillnaden mellan mängder ur IFC-modell och ur PDF-ritning?

Det här är den enskilt viktigaste distinktionen i hela frågan, och den blandas ihop hela tiden i marknadsföringen.

Mängder ur en IFC-modell är dataextraktion. Geometrin, dimensionerna och klassificeringen finns redan som strukturerad data i filen. Verktyg som läser IFC kan ta fram mängder med varje siffra kopplad till sitt objekt i modellen, utan manuell avtagning (Yesper). Det gör arbetet mer spårbart och kontrollerbart än ren bildtolkning, förutsatt att modellen och klassificeringen håller rätt kvalitet.

Mängder ur en PDF-ritning är bildtolkning. Där är den tillförlitliga delen begränsad till det som är kodat som text, och mätningarna är det svaga ledet.

Praktisk konsekvens: när en leverantör säger att deras AI "läser dina ritningar och tar fram mängderna", fråga alltid vilket format som gäller. IFC eller DWG med intakt vektordata är en helt annan sak än en inskannad PDF.

Vad säger forskningen om AI som granskar förfrågningsunderlag?

Här finns för första gången riktiga svenska siffror från anläggningsbranschen.

I ett examensarbete från Tekniska Högskolan i Jönköping, publicerat i juni 2026 och genomfört i samarbete med WSP:s väg- och gatuavdelning, lät David Elmeke och William Strömberg tre AI-modeller – Copilot, Claude och Symbios AI – granska förfrågningsunderlagen från två verkliga anläggningsprojekt. Fynden jämfördes sedan mot vad som faktiskt hände i projekten: 15 kända brister och 14 verkliga ÄTA-arbeten i det första projektet, och 64 verkliga ÄTA-arbeten i det andra (Elmeke & Strömberg, Jönköping University).

Resultatet visar två saker samtidigt:

Projekt	AI-modell	Antal fynd	Fynd kopplade till verklig ÄTA/brist
Projekt 1	Copilot	17	7
Projekt 1	Symbios AI	23	10
Projekt 1	Claude	102	22
Projekt 2	Copilot	34	17
Projekt 2	Symbios AI	21	10
Projekt 2	Claude	74	24

Claude hittade flest kopplingar till verkliga problem, men genererade också klart mest brus – 102 fynd i projekt 1, varav 22 kunde kopplas till något som faktiskt inträffade. Copilot var mer träffsäker per fynd men hittade färre problem totalt. Värt att notera: studien påpekar uttryckligen att ett fynd utan verifierad koppling inte nödvändigtvis var felaktigt – det betyder bara att ingen koppling kunde verifieras i det tillgängliga materialet.

Ett andra examensarbete, från LTH vid Campus Helsingborg 2025, testade GPT-4o med retrieval mot 25 förfrågningsunderlag. Där är fördelningen mer talande än totalsiffran. Av tolv frågor blev 66,7 procent helt korrekt besvarade – men uppdelat på svårighetsgrad blev resultatet 100 procent rätt på enkla frågor, 80 procent på medelsvåra och noll procent helt korrekta på de avancerade (Böke, Lunds universitet).

Varför klarar AI text men fallerar på ritningar?

Båda studierna pekar på samma orsak: grafiskt kodad information.

Lundstudien definierar detta som information som presenteras genom visuella symboler, kryssrutor, ikoner och diagram i stället för löpande text. Ett av testerna handlade om huruvida arbete från stege förekom i projektet. Det korrekta svaret var att det inte förekom – informationen fanns som en symbol. Modellen svarade först fel, och kunde inte hitta rätt svar ens efter att bilden lagts till i kunskapsdatabasen och prompten ändrats för att peka mot just den symbolen. I flera av testmomenten exkluderades ritningarna helt från underlaget.

Jönköpingsstudiens slutsats om ritningar är lika tydlig: de gav "begränsat mervärde", och verktygen bedömdes ännu inte tillräckligt utvecklade för att underlätta granskningsprocessen. En av de intervjuade menade att ritningsgranskning kräver "det mänskliga ögat" och "aldrig" kommer att lösas helt med AI.

Samtidigt visar Lundstudiens enkät varför frågan ändå är värd att driva: respondenterna uppgav att mer än 80 procent av arbetsinsatsen i anbudsprocessen går åt till att läsa, analysera, tolka och skriva textbaserad information. Det är där nyttan finns – inte i ritningarna.

Vad hittar AI som faktiskt är värt något?

De konkreta fynden i Jönköpingsstudien är instruktiva, och flera av dem hade knappast en människa hunnit upptäcka under en pressad anbudstid:

• Ritningar för pumpstation som helt saknades i underlaget – kopplat till ett verkligt ÄTA-arbete i projektet.

• Ritningar märkta "GRANSKNINGSHANDLING" samtidigt som ritningsförteckningen angav att de utgjorde förfrågningsunderlag. Identifierat som en juridisk och dokumentlogisk risk.

• Bergschaktritningar som bedömdes inte vara detaljgranskade, med risk för osäker mängd och utförande.

• Saknade eller ofullständiga ritningar för dammar, spont och hantering av parkslide.

• I mängdförteckningarna: saknade mängder, oifyllda platshållare och poster helt utan mängd eller enhet.

Mönstret är entydigt. AI är bra på att upptäcka vad som inte finns och vad som motsäger varandra mellan handlingar. Det är inte samma sak som att tolka en ritning – det är att korsläsa hundratals sidor snabbare än någon människa hinner.

En branschguide från augusti 2026 formulerar det träffande: det som fungerar pålitligt i dag är nästan uteslutande arbete med text och dokument – att läsa, sammanfatta, strukturera, jämföra och söka (Planium). Samma guide lyfter en regel värd att skriva upp på väggen: mängder, priser och datum får aldrig kopieras vidare utan verifiering mot källan.

AI kan korta förberedelsetiden. Beslut om mängd, risk och avtalsvillkor behöver fortfarande granskas av en person med rätt kompetens.

Kan AI granska ett kontrakt mot AB 04 och ABT 06?

Ja, med rätt förutsättningar – men förstå exakt var gränsen går.

Först en påminnelse om vad avtalen är: AB 04 gäller utförandeentreprenad, där beställaren har funktionsansvar och svarar för projektering medan entreprenören svarar för utförandet. ABT 06 gäller totalentreprenad, där entreprenören har funktionsansvaret och i varierande grad svarar för både projektering och utförande. Båda används vid byggnads-, anläggnings- och installationsentreprenader (Byggherrarna).

Flera plattformar adresserar granskning mot dessa. Ett verktyg låter dig slå upp villkor i ditt eget uppladdade exemplar av AB 04 respektive ABT 06 och svarar med hänvisning till rätt kapitel och paragraf (Yesper). Ett annat marknadsför sig direkt mot förfrågningsunderlag, AF-delar och ÄTA med koppling till AB 04, ABT 06 och ABK 09, och visar exempelfynd i formen "Avvikelse i kap 2 § 4 funnen – oskäligt vite" (GemerAI).

Mest användbart i praktiken är listan över vad som konkret går att flagga vid anbudsutvärdering enligt AB 04 och ABT 06: poster som finns i ett anbud men saknas i ett annat – ÄTA-hantering, garantitider enligt AB 04 kap. 5, kostnader för besiktning och provning, schaktmassedeponering, bergsprängning vid hårdare berg och anpassning till specifika miljökrav. Därtill prisavvikelser över en angiven procentsats, samt om betalningsplaner, vitesvärden och garantiåtaganden är jämförbara mellan anbudsgivare (TrueLeveler).

Begränsningen är genomgående i samtliga källor och bör inte glossas över: AI ersätter inte entreprenadjuridisk kompetens, och användaren måste själv definiera rätt juridisk referensram. Rollen är att automatisera förberedelsen inför beslutet, inte beslutet.

Vad händer när AB 25 och ABPU 25 ersätter AB 04 och ABT 06?

Det här är den fråga nästan ingen kopplar till AI-diskussionen – och den som får störst praktisk konsekvens.

AB 04 och ABT 06 ska ersättas, men de nya avtalen är ännu inte publicerade. Byggandets kontraktskommitté (BKK) har remitterat AB 25 för utförandeentreprenader och ABPU 25 för projekterings- och utförandeentreprenader. Remisstiden avslutades i februari 2025. Omkring 4 000 svar från cirka 200 remisslämnare bearbetas, och den nu angivna ambitionen är publicering under 2027 (Svensk Byggtjänst).

Två av nyheterna träffar AI-frågan direkt (Sveriges Takentreprenörer):

1. Avtalen anpassas till digitala lösningar och digitala modeller. Det pekar mot att modellen får en starkare formell ställning i handlingshierarkin – vilket i sin tur gör IFC-baserad mängdning och granskning mer relevant, inte mindre.

2. Begreppet ÄTA-arbeten utrangeras och ersätts av nya bestämmelser om ändring av entreprenaden och avvikande förhållanden.

Den andra punkten är viktig av ett praktiskt skäl: ett AI-verktyg som är byggt eller promptat mot AB 04:s begreppsapparat kommer behöva ställas om. Allt som i dag heter "ÄTA-analys" får ett nytt namn och delvis ny innebörd. Övriga fokusområden i revideringen är kalkylreglerna, projekteringsansvaret, regler för kontroll och kvalitet samt nya tvistelösningsregler med en så kallad tvistelösningstrappa.

Kontrollera alltid aktuell status innan du fattar beslut om verktygsval. Tidplanen har flyttats flera gånger och remissutgåvorna är fortfarande förslag.

Hur börjar man konkret som anläggningsentreprenör?

Ett exempel som visar att det inte är teori: i mars 2026 rapporterade Svensk Byggtidning om Nicklas Lagerberg, ägare och vd för Elschakt i Kungälv AB, som beskrivs som en av de första i mark- och anläggningsbranschen att använda AI i anbudsarbetet. Företaget har ett 20-tal medarbetare och använder en svensk AI-plattform genom hela anbudsprocessen. Hans egen beskrivning av effekten: "Istället för tre jobb, kan vi räkna på dubbelt så många. Vilket i sin tur gör att vi får dubbelt så många ordrar." (Svensk Byggtidning)

Poängen är inte tidsbesparingen i sig. Poängen är kapacitet – att kunna räkna på fler jobb med samma administration. För ett företag som lämnar anbud på schaktfria entreprenader, där varje förfrågan kräver bedömning av jordart, djup, dimension och åtkomst, är det skillnaden mellan att tacka nej och att vara med.

Så här skulle vi rekommendera att lägga upp det:

1. Börja med texten, inte ritningarna. Låt AI läsa administrativa föreskrifter, tekniska beskrivningar och mängdförteckning. Där finns den bevisade nyttan.

2. Kräv källhänvisning på varje fynd. Ett påstående utan hänvisning till handling, sida och utgåva är oanvändbart i ett anbudsarbete.

3. Använd AI för att hitta det som saknas. Saknade ritningar, oifyllda mängdposter, motstridiga handlingsbeteckningar – det är där utfallet är starkast enligt Jönköpingsstudien.

4. Låt AI kontrollräkna, inte räkna. Gör mängdningen själv, låt sedan AI leta fel i den färdiga mängdförteckningen som ett andra granskningssteg.

5. Mät före och efter. Tidsåtgången för en anbudsgenomgång före och efter införandet är den enda siffra som avgör om det var värt det.

6. Verifiera varje siffra mot källan. Mängder, priser och datum – utan undantag.

Vilka fallgropar bör du känna till?

• Brusproblemet. Fler fynd är inte bättre. En modell som levererar 102 fynd där 22 är relevanta kostar dig granskningstid, inte sparar den.

• Falsk precision. En AI-genererad mängd ser exakt ut oavsett om den är rätt. Utan konfidensnivå per post och mänsklig kontroll är den ett gissningsvärde med tre decimaler.

• Inskannade handlingar. Har underlaget skannats in finns ingen vektordata att läsa, och den tillförlitliga delen av ritningsläsningen försvinner.

• Avtalsversionen. Ett verktyg som granskar mot "AB 04" behöver veta vilken utgåva av vilket dokument som gäller i just ditt projekt – och kommer behöva ställas om när AB 25 träder i kraft.

• Att förväxla förberedelse med beslut. Ingen av källorna hävdar att AI kan avgöra om ett anbud är juridiskt godtagbart. Det gör fortfarande du.

Vanliga frågor

Kan AI mängda direkt från en ritning? Bara delvis. AI kan räkna objekt som är märkta med text i ritningens vektordata, men kan inte tillförlitligt läsa skala eller göra precisa mätningar av längder, areor och volymer. Mängder ur en IFC-modell kan vara mer tillförlitliga eftersom de hämtas som strukturerad data i stället för att tolkas ur en bild, men även modellens innehåll behöver kontrolleras.

Hur bra är AI på att granska ett förfrågningsunderlag? Bra på enkla och medelsvåra faktafrågor – 100 respektive 80 procent korrekta i ett svenskt test – men noll procent helt korrekta på avancerade frågor som kräver korsreferens och flerstegsresonemang. Starkast är AI på att upptäcka saknade handlingar och motstridigheter mellan handlingar.

Kan AI ersätta en kalkylator? Nej. Alla granskade källor är eniga om att resultatet måste kontrolleras av någon med branschkunskap, och att AI-genererat underlag alltid är ett utkast. Nyttan ligger i att öka antalet förfrågningar du kan hantera, inte i att ta bort kalkylatorn.

Kan AI granska ett kontrakt mot AB 04 eller ABT 06? Ja, flera verktyg gör detta och kan hänvisa till kapitel och paragraf samt flagga klausuler som avviker från standardformuleringar. Men AI ersätter inte entreprenadjuridisk kompetens, och du måste själv definiera vilken juridisk referensram som ska gälla.

Vad är AB 25 och ABPU 25? Det är förslag till nya standardavtal som ska ersätta AB 04 och ABT 06. AB 25 gäller utförandeentreprenader och ABPU 25 projekterings- och utförandeentreprenader. Bland förslagen finns anpassning till digitala modeller och en ny struktur för ändringar och avvikande förhållanden. Publicering är enligt nuvarande ambition planerad till 2027.

Varför är ritningar svårare för AI än text? Därför att informationen är grafiskt kodad i symboler, kryssrutor och diagram i stället för löpande text, och därför att modellen ser ritningen som komprimerade bildrutor i lägre upplösning än den du själv granskar i din PDF-läsare.

Vill du diskutera anbudsunderlaget för ert nästa schaktfria projekt?

Karl Helge kombinerar erfarenhet från projektleverans med praktisk digital utveckling. Boka ett samtal om du vill resonera kring arbetssätt, mängder och riskposter inför nästa anbud eller ramavtalsavrop.

Samtliga siffror, citat och resultat i artikeln är hämtade från de länkade källorna. Examensarbetena är hämtade i fulltext från DiVA respektive Lunds universitets publikationsdatabas.