Det ställs allt större krav på hållbarhet inom fastighetsbranschen vilket leder till att det blir mer aktuellt att nyttja digitala och energieffektiva lösningar för att uppfylla dessa. Begreppet smart byggnad har funnits länge men i takt med en snabb teknisk utveckling ändras vad som anses vara smart och det skiljer sig även åt för vem det berör. Syftet med studien är att undersöka vad en smart byggnad är och hur privatpersoner ställer sig till att köpa en bostadsrätt i en smart byggnad. Därav kommer begreppet smart byggnad först att redas ut i rapporten, både av vad som går att hitta i litteratur och även vad privatpersoner anser att en smart byggnad är. Det kommer även studeras vilka smarta funktioner som finns i en byggnad med bostadsrätter och vilka som är viktiga för privatpersoner vid ett köp av en lägenhet. Till att börja med har en litteraturstudie genomförts för att sedan följas upp av en digital enkätundersökning som riktar sig till privatpersoner. Enkätundersökningen innehåller flervalsfrågor samt ja/nej-frågor som berör smarta bostadsrätter. Respondenterna har delats in i tre kategorier, bostadssökande, bostadssökande som vill köpa bostadsrätt och icke bostadssökande. Resultatet visar att ungefär hälften av respondenterna har hört begreppet smart byggnad, men det varierar vad de tror en smart byggnad är samt vilka funktioner som är viktiga. Majoriteten anser att ett smart säkerhetssystem är den viktigaste smarta funktionen, medan den främsta anledningen till att vilja bo smart är bekvämlighet. Resultatet tyder dock på en bristande kunskap bland privatpersoner om vad en smart byggnad är och många bryr sig inte om att bo smart. / There are increasing demands on sustainability in the real estate industry, which makes it more relevant to use digital and energy-efficient solutions to meet these demands. The concept of smart building has existed for a long time. What is considered smart is changing due to the rapid technological development and varies for whom it affects. The purpose of the study is to investigate what a smart building is and individuals' views on buying a condominium in a smart building. Hence, the concept of smart building will first be sorted out in the report, both what can be found in the literature and what individuals consider a smart building to be. It will also be studied what type of smart features are present in a building with condominiums and which features are important for individuals when buying an apartment. To begin with, a literature study has been done and then followed up by a digital survey aimed at individuals. The survey contains multiple-choice questions as well as yes / no questions that concern smart condominiums. The respondents have been divided into three categories, housing applicants, housing applicants who want to buy a condominium, and non-housing applicants. The study shows that about half of the respondents have heard the term smart building, but it differs from what they think it is and which features are important. The majority believe that a smart security system is the most important smart feature, while the main reason for wanting to live in a smart building is convenience. However, the results indicate a lack of knowledge among the individuals about what a smart building is and that many do not care about living smart.

Hållbarhets- och klimatfrågor har varit aktuella under en längre period. Inom bygg- och fastighetssektorn har miljöcertifiering av byggnader kommit att bli ett verktyg för att arbeta med hållbar utveckling genom att effektivisera sektorns resursanvändning och minska dess klimatpåverkan. Det har de senaste åren varit en uppåtgående trend att miljöcertifiera byggnader. Det är inte omöjligt att investerare i framtiden kommer att ställa krav på att byggnader skall vara certifierade. Utöver det ökade intresset för miljöcertifieringar har det även uppkommit ett intresse kring certifiering av smarta byggnader. I februari 2017 började exempelvis EU-kommissionen att utveckla “Smart Readiness Indicator” vilken är tänkt att användas för att gradera hur smart en byggnad är. Syftet med uppsatsen är att ta fram faktorer som kan påverka viljan att investera i en certifiering som är inriktad på hur “smart” en byggnad är. En kvalitativ litteraturstudie samt en semistrukturerad intervju på distans har genomförts för att uppfylla uppsatsens syfte. Av litteraturstudien har det framkommit att smarta byggnader till stor del skapar liknande värden som miljöcertifierade byggnader gör, men att det i smarta byggnader även uppstår nya möjligheter till värdeskapande. Det har även från intervjuer framgått att det kommer påtryckningar från samhället och myndigheter som kan ge incitament till smarta byggnader. I diskussionen kopplas litteraturstudie och intervjuer ihop för att förklara vad som gör en byggnad smart samt beskriva vilka värden som uppstår för smarta byggnader och därmed blir faktorer som kan påverka viljan att investera i en certifiering som är inriktad på byggnaders smarthet. Uppsatsens slutsats är att de värden som uppstår för smarta byggnader utgör faktorer som kan påverka viljan att investera i en certifiering som är inriktad på byggnaders smarthet. De uppstående värden som smarta byggnader har gemensamt med miljöcertifierade byggnader kommer inte väga lika tungt som de värden som uppstår specifikt för smarta byggnader. Påtryckningar från samhället och myndigheter kan också komma att bli en stor faktor för valet att investera i en certifiering som är inriktad på byggnaders smarthet. / Sustainability and climate issues have been a hot topic for a longer period of time. Environmental certification of buildings has come to be a tool within the construction and real estate sector to work with sustainable development by making the use of resources within the sector more effective and by reducing its impact on the climate. There has been a rising trend in environmentally certifying buildings for the past couple of years. It is not impossible that investors will demand that buildings should be certified in the future. In addition to the increased interest in environmental certifications an interest in certification of smart buildings has also arisen. For example, in February of 2017 the European Commission began to develop “Smart Readiness Indicator” which is intended to be used for rating how smart a building is. The purpose of this study is to identify factors that may affect the willingness to invest in a certification which focus on how “smart” a building is. A qualitative literature study and one semi-structured interview has been carried out to fulfill the purpose of this study. From the literature study it has emerged that smart buildings create similar values to those created by environmentally certified buildings, however smart buildings also create new opportunities for value creation. Through interviews it has also emerged that there is pressure from society and authorities that can provide incentives for smart buildings. The literature study and the information from the interviews is combined in the discussion section of this study to explain what makes a building smart and to describe what values arise for smart buildings. These values are the factors that can affect the willingness to invest in a certification which focus on the smartness of a building. The conclusion of this study is that the values that arise for smart building constitute factors that can affect the willingness to invest in a certification which focuses on the smartness of a building. The emerging values that smart buildings and environmentally certified buildings have in common will not weigh as heavily as the values that arise specifically for smart buildings. Pressure from society and authorities may also become a major factor in the choice to invest in a certification which focuses on how smart a building is.

IoT har blivit en stor producent av big data. Big data kan användas för att optimera operationer, för att kunna göra det så måste man kunna extrahera användbar information från big data. Detta kan göras med hjälp av neurala nätverk och maskininlärning, vilket kan leda till nya typer av smarta applikationer. Den här rapporten fokuserar på att besvara frågan hur bra är neurala nätverk på att förutspå sensor värden och hur pålitliga är förutsägelserna och om dom kan användas i verkliga applikationer. Sensorlådor användes för att samla data från olika rum och olika neurala nätverksmodeller baserade på LSTM nätverk användes för att förutspå framtida värden. Dessa värden jämfördes sedan med dom riktiga värdena och absoluta medelfelet och standardavvikelsen beräknades. Tiden som behövdes för att producera en förutsägelse mättes och medelvärde och standardavvikelsen beräknades även där. LSTM modellerna utvärderades utifrån deras prestanda och träffsäkerhet. Modellen som endast förutspådde ett värde hade bäst träffsäkerhet, och modellerna tappade träffsäkerheten desto längre in i framtiden dom försökte förutspå. Resultaten visar att även dom enkla modellerna som skapades i detta projekt kan med säkerhet förutspå värden och därför användas i olika applikationer där extremt bra förutsägelser inte behövs. / The IoT is becoming an increasing producer of big data. Big data can be used to optimize operations, realizing this depends on being able to extract useful information from big data. With the use of neural networks and machine learning this can be achieved and can enable smart applications that use this information. This thesis focuses on answering the question how good are neural networks at predicting sensor values and is the predictions reliable and useful in a real-life application? Sensory boxes were used to gather data from rooms, and several neural networks based on LSTM were used to predict the future values of the sensors. The absolute mean error of the predictions along with the standard deviation was calculated. The time needed to produce a prediction was measured as an absolute mean values with standard deviation. The LSTM models were then evaluated based on their performance and prediction accuracy. The single-step model, which only predicts the next timestep was the most accurate. The models loose accuracy when they need to predict longer periods of time. The results shows that simple models can predict the sensory values with some accuracy, while they may not be useful in areas where exact climate control is needed the models can be applicable in work areas such as schools or offices.