Publikationer från KTH
Not a member yet
57933 research outputs found
Sort by
Felicia : Utveckling Av En Röstbaserad AI-kamrat för Tidig Läsutveckling hos Unga Elever
No full textThe decline in children’s reading proficiency globally highlights an urgent and pressing need for targeted, individualized reading literacy practice. In Sweden, where recent PISA results reveal a regression back to the unexpectedly low 2012-level reading scores, this issue becomes even more critical. There is an immediate demand for scalable, classroom-compatible literacy interventions that can bridge the gap effectively. While one-to-one human tutoring remains the most proven method to significantly improve reading skills, resource limitations within classrooms frequently render such personalized approaches unfeasible on a large scale. To address this gap, this study explores how voice-based AI technologies, specifically automatic speech recognition (ASR), text-to-speech, and large language models (LLMs), can be designed to support teachers in their reading instruction and young learners in their reading training by replicating key instructional and motivational features of human tutoring. Through a user-centered co-design process with teachers (n=6) and second grade pupils (n = 43), an AI-assisted reading tutor named Felicia was developed. Felicia engages in pair-reading with children, offering personalized feedback, and visual scaffolding support on word-level reading errors. The system was evaluated through a mixed-methods study with 32 pupils, using the pre- and post-intervention reading engagement surveys, observational data, and the system’s interaction logs. Results indicate significant short-term increases in cognitive and affective reading engagement, with the study participants responding positively to the tutor’s immediate feedback and turn-taking design. This work contributes design insights for educational AI systems for reading literacy training and demonstrates the potential of socially responsive, speechbased AI tutors to support teachers’ provision of personalized early literacy instruction at scale. Future work should investigate long-term effects on the reading engagement of learners over time, the impact on reading proficiency, and the broader development of human-AI support in diverse classroom environments.Den globala nedgången i barns läsförmåga understryker ett akut behov av riktad och individanpassad lästräning. I Sverige, där de senaste PISA-resultaten visar en återgång till 2012 års oväntade låga läsnivåer, blir detta problem särskilt kritiskt. Det finns ett omedelbart behov av skalbara och klassrumsanpassade läsinterventioner som effektivt kan minska detta gap. Även om en-till-en-undervisning med en mänsklig handledare är den mest beprövade metoden för att förbättra läsfärdighet, gör resursbegränsningar i skolor det ofta omöjligt att genomföra sådana individanpassade insatser i större skala. För att möta detta behov undersöker denna studie hur röstbaserad AI-teknik, specifikt automatisk taligenkänning (ASR), text-till-tal-syntes och stora språkmodeller (LLM), kan utformas för att stödja lärare i sin läsundervisning och hjälpa yngre elever i deras lästräning genom att efterlikna centrala instruktionella och motivationsfrämjande aspekter av mänsklig handledning. Genom en användarcentrerad och samskapande designprocess med lärare (n=6) och andraklassare (n=43) utvecklades den AI-assisterade läshandledaren Felicia. Felicia genomför parläsning med eleverna, ger individanpassad återkoppling och erbjuder visuell stöttning vid ordnivåfel. Systemet utvärderades genom både kvalitativa och kvantitativa metoder med 32 elever, där data samlades in via för- och eftermätningar av läsengagemang, observationer och interaktionsloggar från systemet. Resultaten visar på en tydlig kortsiktig ökning i både kognitivt och affektivt läsengagemang, där deltagarna svarade positivt på Felicias direkta återkoppling och turordningsdesign. Arbetet bidrar med designinsikter för utbildningsinriktade AI-system inom lästräning och visar på potentialen hos socialt responsiva, röstbaserade AI-handledare att stödja lärares arbete med individanpassad läsundervisning i större skala. Framtida forskning bör undersöka långtidseffekter på elevers läsengagemang, påverkan på läsfärdighet samt bredare implementering av människa–AI-samverkan i olika klassrumsmiljöer
Heat Load Profile Prognosis in Future District Heating Systems : A Data-Driven Approach to Long-Term Heat Load Forecasting in Vattenfall’s Uppsala Network
No full textAs the world moves toward more sustainable energy systems, the heating sector, one of the largest energy consumers, must adapt. District heating offers a system-level solution that enables efficient energy use and easier integration of renewable and recycled heat sources. Accurate heat load profiles are essential for effective long-term operation, planning and expansion of district heating systems. This thesis aimed to improve long-term heat load forecasting by examining current and future demand drivers and comparing advanced data-driven techniques to the industry-standard regression approach. The influencing factor analysis confirmed temperature as the dominant driver of heat demand, with time-based features reflecting behavioural patterns and emerging socio-economic factors expected to become increasingly important. For the methodological comparison, three models were developed: a baseline regression model based on daily average temperatures using polynomial regression, an enhanced regression model incorporating hourly data and a two-layer structure to capture intra-day variation, and a machine learning model based on XGBoost. While the regression models offered transparency and ease of modification, XGBoost consistently outperformed both across all evaluation metrics. It more accurately captured seasonal and behavioural patterns and provided more realistic results under simulated future climate scenarios. These findings highlight the potential of advanced data-driven methods in developing robust and adaptable heat load forecasts for future district heating systems.Se file
Stability of Open Multi-Agent Systems over Dynamic Signed Graphs
No full textThis paper addresses the synchronization problemin open multi-agent systems containing both cooperative andantagonistic interactions. In these systems, new agents can join and new interactions can be formed over time. Moreover, the types of interactions, cooperative or antagonistic, may change. To model these structural changes, we represent the system as a switched system interconnected over a dynamic signed graph. Using the signed edge-based agreement protocol and constructing strict Lyapunov functions for signed edge-Laplacian matrices with multiple zero eigenvalues, we establish global asymptotic stability of the synchronization errors. Numerical simulations validate our theoretical results
Värmeåtervinning för Alleima : Utreda möjligheten att bilda mindre lokala värmesystem i Sandviken Industripark
No full textThe ongoing energy transition poses major challenges to energy-intensive sectors like industry, particularly in heating and cooling. As part of the European Green Deal, the EU aims to become carbon neutral by 2050, emphasizing renewable energy and improved efficiency. One way to enhance efficiency and reduce CO2 emissions is through waste heat recovery. This study focuses on the steel company Alleima in Sandviken Industrial Park, Sweden, where an outdated steam network is gradually being replaced by internal district heating. A proposal to develop two local heating systems (LHS1 and LHS2) raised the question of whether these could operate independently, using local waste heat sources. Through a literature review, site visits, interviews and energy calculations, the study found that the waste heat in the buildings is low-grade (17 - 56 °C) and requires upgrading with heat pumps. After upgrading, LHS1 and LHS2 could supply 3104 MWh and 30 042 MWh, respectively, exceeding their annual comfort heating demands. However, analysis shows that interconnecting the LHSs with the internal district heating network is the most favorable solution, functionally, economically, and environmentally.Den pågående energiomställningen innebär stora utmaningar för energiintensiva sektorer som industrin, särskilt vad gäller uppvärmning och kylning. Inom ramen för EU:s Green Deal är målet att bli världens första koldioxidneutrala kontinent till år 2050, med fokus på förnybar energi och ökad energieffektivitet. Ett sätt att uppnå detta är att återvinna restvärme. Denna studie fokuserar på stålföretaget Alleima i Sandviken industriområde, där ett föråldrat ångvärmesystem successivt ersätts med ett närvärmenät. Ett förslag om att utveckla två lokala värmesystem (LHS1 och LHS2) väckte frågan om dessa kan drivas självständigt med hjälp av restvärme från byggnaderna. Genom litteraturstudie, platsbesök, intervjuer, och energiberäkningar visade studien att restvärmen är låggradig (17 - 56 °C) och kräver uppgradering med värmepumpar. Efter uppgradering kundeLHS1 och LHS2 tillhandahålla 3104 MWh respektive 30 042 MWh, vilket överstiger deras årliga uppvärmningsbehov. Trots detta visar analysen att det mest gynnsamma alternativet, ur ett funktionellt, ekonomiskt och miljömässigt perspektiv - är att koppla samman LHS:erna med närvärmenätet
Bedömning av Miljöpåverkan från Digital system i ett bostadshus : Från ett Livscykelperspektiv
No full textDigitalization is increasingly being integrated into buildings to reduce energy consumption and enhance comfort. Yet, every sensor, router, and control board add an embodied footprint that may erode or outweigh their operational gains. To clarify that trade-off, this thesis applies a process‐based Life-Cycle Assessment to an ICT-based building monitoring retrofit installed in a Swedish multi-family building (33 apartments, or 1 984 m²). Forty-three hardware components were modeled from cradle to grave in Brightway 2.4.6 using the Ecoinvent 3.9.1 database; midpoint indicators included Global Warming Potential and Surplus Ore Potential. An AI assistant (ChatGPT-4o) was used to screen material proxies and document dataset choices, and a one-way lifetime sensitivity analysis (5, 10, 15, 20 years) was conducted to assess robustness. The system’s ten-year footprint is about 2 758 kg CO₂-eq and 420 kg Cu-eq. Production dominates (57% of GWP, 94% of SOP), primarily driven by power supplies and network gear that are intensive in rare metals. Operation accounts for 39% of GWP and only 6% of SOP, while disposal is negligible. Measured savings of 13 MWh of district heat per year (approximately 408 kg CO₂-eq) result in a carbon payback time of roughly 6.8 years and a 48% GWP saving over the decade, but leave the mineral burden uncompensated. Lifetime shortening to five years erases the climate pay-back, whereas extending to twenty years raises GWP by ~40 % yet shifts SOP by < 6 %, confirming that resource depletion is productiondriven. The study expands the limited evidence base on building-scale ICT by (i) providing the first simultaneous GWP–SOP profile for a residential monitoring retrofit, and (ii) demonstrating transparent AI-assisted inventory selection. Limitations stem from proxy EPDs, a dated manufacturing-energy factor, single-site operational data, and the focus on only two impactcategories. Nevertheless, the results show that under Sweden’s biomass-dominated heating mix, the retrofit is climate positive, saving roughly 124 kg CO₂-eq per apartment over ten years; however, it imposes a mineral cost of about 12.7 kg Cu-eq, which current weighting methods cannot resolve. Future research should update energy intensity data for ICT products, expand impact coverage, and develop frameworks for balancing carbon gains against resource scarcity to guide the deployment of truly sustainable digitalized buildings.Digitalisering integreras i allt högre grad i byggnader för att minska energianvändningen och höja komforten. Varje sensor, router och styrkort medför dock en inbyggd miljö avtryck som kan urholka – eller till och med överstiga – driftvinsterna. För att tydliggöra denna avvägning genomförs i denna avhandling en process baserad livscykelanalys av ett IKT-baserat övervakningssystem som har installerats i ett svenskt flerbostadshus (33 lägenheter, 1 984 m²). Fyrtiotre hårdvarukomponenter modellerades från vagga till grav i Brightway 2.4.6 med databasen Ecoinvent 3.9.1; mittpunkts indikatorerna var Global uppvärmnings potential och Surplus Ore Potential. En AI-assistent (ChatGPT-4o) användes för att filtrera materialproxies och dokumentera databasanpassningar, och en känslighetsanalys med alternativa livslängder (5, 10, 15 och 20 år) utfördes för att testa robustheten. Systemets tioåriga avtryck uppgår till cirka 2 758 kg CO₂-ekv och 420 kg Cu-ekv. Produktionsfasen dominerar (57 % av GWP, 94 % av SOP) och drivs främst av koppar- och specialmetallintensiva nätaggregat och nätverkskomponenter. Driftsfasen svarar för 39 % av GWP och endast 6 % av SOP, medan avfallsfasen är försumbar. Den uppmätta värme-besparingen på 13 MWh fjärrvärme per år (cirka 408 kg CO₂-ekv) ger en koldioxidåterbetalningstid på ungefär 6,8 år och en GWP-besparing på 48 % över ett decennium, men lämnar mineralbelastningen oförändrad. Kortas livslängden till fem år försvinner klimatåterbetalningen; förlängs den till tjugo år ökar GWP med ~40 %, medan SOP stiger med <6%, vilket bekräftar att resursutarmningen huvudsakligen drivs av produktionen. Studien breddar den begränsade kunskapsbasen om byggnads-IKT genom att (i) presentera den första samtidiga GWP- och SOP-profilen för ett bostadsnära övervakningssystem och (ii)demonstrera transparent AI-stödd inventarie-validering. Begränsningar härrör från proxyEPD:er, ett åldrat energifaktor-värde för tillverkning, driftsdata från endast en byggnad och fokus på två miljöindikatorer. Resultaten visar ändå att installationen är klimatpositiv i en biomassa dominerad fjärrvärmemiljö och sparar omkring 124 kg CO₂-ekv per lägenhet över tio år, men den medför också en mineralkostnad på cirka 12,7 kg Cu-ekv som nuvarande viktningsmetoder inte kan balansera. Framtida forskning bör uppdatera energi intensitet data för IKT produkter, utöka indikatoromfånget och utveckla ramar för att väga koldioxid vinster mot resursbrist, så att verkligt hållbara digitaliserade byggnader kan realiseras
Kostnadsfaktoranalys av en Smart Multimodal Plankorsning
No full textThis thesis investigates the cost elements associated with the implementation of a Smart Wayside Object Controller (SWOC) to a Multimodal Level Crossing (MMLX), which is being developed as a modular and interoperable alternative to existing level crossing safety systems. With the Swedish Transport Administration facing challenges of upgrading the large number of passive and autonomous level crossings, and the state-of-the-art system ALEX being expensive and incompatible with legacy systems, the need for a more flexible and costeffective solution has emerged. To support the research development for SWOC-MMLX, this study applies an explorative case study approach using life cycle cost analysis (LCCA) to estimate the relative cost of SWOC-MMLX to ALEX. Data was collected through literature reviews, technical and architecture specifications, and semi-structured interviews with industry experts. Due to the SWOC-MMLX being in the early development stage, an analogy-based method was employed between SWOC-MMLX and ALEX that relied on data triangulation. The results identify key cost components across the acquisition, operation and potential disposal phase highlighting the opportunities for cost reduction through the reuse of existing railway equipment, minimising groundwork and applying modular practices. The results indicate that SWOC-MMLX presents a compelling case for level crossings where full system replacement is not economically viable. These findings contribute to the further development of this system as a cost-effective alternative allowing interoperability within the EU.Denna uppsats fokuserar på kostnadsfaktorerna som är förknippade med implementationen av en Smart Wayside Object Controller (SWOC) till en Multimodal Plankorsning (MMLX). SWOC-MMLX är ett modulärt alternativ till befintliga säkerhetssystem för plankorsningar som är interoperabelt över landsgränserna inom Europa. Då Trafikverket står inför utmaningen att uppgradera ett stort antal passiva och aktiva plankorsningar, samt att den nuvarande ALEX-lösningen är för kostsam och ej kompatibel med äldre system, har behovet för en mer flexibel och kostnadseffektiv lösning vuxit fram. För att stödja utvecklingen av SWOC-MMLX tillämpar denna uppsats en explorativ fallstudie där en livscykelkostnadsanalys (LCCA) genomförs för att uppskatta den relativa kostnaden av SWOC-MMLX jämfört med ALEX. Dataunderlaget bestod av en litteraturstudie, specifikationer gällande tekniken och arkitekturen av SWOC-MMLX, kostnadsdata för ALEX, samt intervjuer med experter inom järnvägsbranschen och som varit med i utvecklingen av SWOC-MMLX. Eftersom det nya systemet befinner sig i ett tidigt utvecklingsskede användes en analogi-baserad kostnadsuppskattningsmetod som grundades i datatriangulering. Resultaten innehåller centrala kostnadsfaktorer inom anskaffning, drift och eventuell avveckling av säkerhetssystem för plankorsningar. De lyfter även fram möjligheterna för SWOC-MMLX att uppnå kostnadsbesparingar genom att återanvända utrustning i aktiva plankorsningar, minimera markarbeten och utnyttja modularitet. Studien visar att det nya säkerhetssystemet är ett lovande alternativ där återanvändning av redan installerat material leder till stora kostnadsbesparingar, och stödjer den fortsatta utvecklingen av SWOC-MMLX som ett kostnadseffektivt och interoperabelt alternativ inom EU
Främja grön transport: Strategier för hållbara kundlösningar
No full textThis thesis explores how the construction sector and its logistics providers are addressing the transition to sustainable transport, with a focus on the Swedish context. The study investigates the drivers, barriers, and strategic considerations influencing this transition, aiming to understand how different stakeholders across the supply chain respond to growing demands for low-emission logistics. Empirical data was gathered through semi-structured interviews and surveys involving construction companies, logistics service providers, and suppliers operating in Sweden. The findings reveal a significant gap between the environmental expectations of construction clients and the operational realities faced by suppliers and carriers. Key barriers identified include limited charging or refueling infrastructure, high investment costs, regulatory uncertainty, and a lack of data standardization. Despite these challenges, the research highlights emerging opportunities in collaborative approaches, digitalization, alternative fuels, and multimodal transport solutions. A comprehensive market analysis, competitor benchmarking, and policy review provide additional context to understand sector-specific dynamics and the pace of sustainable logistics adoption. The study offers actionable insights for stakeholders aiming to accelerate the decarbonization of transport within construction-related supply chains. It also contributes to the broader academic discourse on sustainable logistics transitions, particularly in emission-intensive sectors.Denna uppsats undersöker hur byggsektorn och dess logistikleverantörer hanterar övergången till hållbara transporter, med särskilt fokus på den svenska kontexten. Studien analyserar hinder, drivkrafter och strategiska prioriteringar som påverkar denna övergång, där Hilti – en global leverantör inom byggindustrin – används som fallstudie för att förstå leverantörsperspektivet. Empirisk data har samlats in genom semistrukturerade intervjuer och enkäter med nyckelaktörer, inklusive stora svenska byggföretag, logistikleverantörer samt representanter från Hilti. Resultaten visar på en tydlig diskrepans mellan byggföretagens förväntningar och de operativa utmaningar som transportörer och leverantörer möter. Medan kunder i allt högre grad efterfrågar logistiklösningar med låga utsläpp, bromsas genomförandet av strukturella hinder såsom bristande infrastruktur, höga kostnader, regulatorisk osäkerhet och brist på standardiserad data. Samtidigt identifieras framväxande möjligheter i form av samarbetsinitiativ, digitalisering samt ett ökande intresse för alternativa bränslen och multimodala transportsätt. Kapitel 1 introducerar ämnet och beskriver bakgrund, syfte och forskningsfrågor. Kapitel 2 presenterar det metodologiska ramverket och urvalet av fall. Kapitel 3 består av en litteraturöversikt som sätter studien i ett forskningssammanhang. Kapitel 4 innehåller en marknadsanalys av hållbara transporter i Sverige, inklusive en SWOT-analys och genomgång av centrala aktörer. Kapitel 5 jämför Hiltis hållbarhetsstrategi med konkurrenter. Kapitel 6 belyser relevant policy och lagstiftning. Kapitel 7 presenterar resultaten från intervjuer och enkäter, vilka analyseras mer ingående i kapitel 8. Kapitel 9 diskuterar de bredare implikationerna av resultaten, kopplar till internationella exempel samt reflekterar över metodvalen. Slutligen sammanfattar kapitel 10 huvudinsikterna och presenterar strategiska rekommendationer med både kund- och leverantörsperspektiv i åtanke. Studien bidrar med värdefulla insikter kring hållbar logistik och erbjuder konkreta förslag för företag som Hilti, samtidigt som resultaten kan vägleda aktörer i andra utsläppsintensiva branscher
Optimizing Control Strategies for Mobile Autonomous Charging Pods in Electric Vehicle Networks : A Simulation-Based Approach
No full textThe emergence of autonomous electric vehicles (eAVs) represents a transformative shift in transportation systems, enabled by rapid advances in automation and electrification technologies. These self-driving vehicles possess the unique capability for continuous operation, with energy replenishment standing as the main limiting factor. To overcome this critical constraint, this study investigates and improves a previously proposed innovative dynamic charging strategy utilizingmobile autonomous charging pods (MAPs) system. For the improvements, we implement a comprehensive code framework that combines: (1) the baseline dynamic charging strategy (from previous study) and (2) a DQN-based reinforcement learning charging strategy, designed to optimize the system performance through intelligent decision-making. Using the Simulation of Urban Mobility (SUMO) environment, we conduct a comparative analysis of both baseline model and DQN-based model across three key performance metrics: maximum supportable eAV number, MAP energy consumption, and charging system efficiency. Our results demonstrate that the DQN-based model improves the performance of baseline model, achieving a 17.7% improvement in energy efficiency. For maximum eAVs can be supported, DQN-based model can support 140% more eAVs in a simple SUMO network. In complex network scenarios, the DQN-based model successfully supports 96 eAVs - a 60% increase over the baseline. The results show that the DQN-based model can help improve the previously proposed MAP system: it not only supports more eAVs and proves the scalability of MAP system, but also leads to better system efficiency and significant reductions on energy consumption.Framväxten av autonoma elfordon (eAVs) representerar en omväljande förändring av transportsystemen, möjliggjord av snabba framsteg inom automatisering och elektrifieringsteknik. Dessa självkörande fordon har den unika förmågan att köra kontinuerligt, där energipåfyllning är den främsta begränsande faktorn. För att övervinna denna kritiska begränsning undersöker och förbättrar denna studie en tidigare föreslagen innovativ dynamisk laddningsparadigm som använder mobila autonoma laddningsenheter (MAPs), vilket möjliggör fordons-till-fordon-laddning (V2V) under rörelse. Vi presenterar ett omfattande ramverk somkombinerar: (1) en grundläggande dynamisk laddningsstrategi och (2) en optimerad DQN-baserad förstärkningsinlärningsstrategi för laddning, utformad för att maximera systemprestanda genom intelligent beslutsfattande. Med hjälp av simuleringsmiljön Simulation of Urban Mobility (SUMO) genomför vi en jämförande analys av båda tillvägagångssätten utifrån tre nyckelmått: maximalt stödbar storlek på eAV-flottan, MAP:s energiförbrukning och effektiviteten i laddningsprocessen. Våra resultat visar att DQN-baserad strategi förbättrar prestandan hos baslinjemodellen och uppnår en 17,7% förbättring av energieffektiviteten. När det gäller maximalt antal eAVs som kan stödjas, kan DQN-baserad modell stödja 140% fler eAVs i ett enkelt SUMO-nätverk. I mer komplexa nätverksscenarier lyckas DQN-baserad strategi stödja 96 eAVs – en ökning med 60% jämfört med baslinjen. Resultaten visar att DQN-baserad modell kan förbättra det tidigare föreslagna MAP-systemet: den stödjer inte bara fler eAVs och anpassar sig till en mer komplex miljö, utan leder också till betydande minskningar i energiförbrukningen
Processkartläggning och förbättringsstrategier i stora finansiella organisationer
No full textOrganizations in highly regulated sectors continue to struggle with ine- ciencies due to isolated departments and inflexible process structure. This study examines the development and integration of a hybrid Lean-Agile framework to analyze onboarding workflow in the service environment. Through a case study methodology mixing a Lean value-stream analysis with Agile frameworks the study pinpoints and mitigates cross-functional bottlenecks, documentation waste and delays in decision making. The study proved Lean alone provided great waste visibility but insucient change velocity, while Agile improved overall responsiveness but lacked problem identification, hence the proposed hybrid framework demonstrated that that it did not only address the limitations of each methodology but also delivered superior results.Organisationer i starkt reglerade sektorer forts¨atter att k¨ampa med ine↵ektivitet p˚a grund av isolerade avdelningar och en stel processstruktur. Denna studie unders¨oker utvecklingen och integrationen av ett hybridramverk baserat p˚a Lean och Agile f¨or att analysera onboarding-arbetsfl¨oden i en serviceorienterad milj¨o. Genom en fallstudie som kombinerar Lean-v¨ardefl¨odesanalys med agila ramverk identifierar och ˚atg¨ardar studien tv¨arfunktionella flaskhalsar, dokumentationssl¨oseri och f¨orseningar i beslutsfattande. Studien visade att Lean i sig gav god insyn i sl¨oseri men otillr¨acklig f¨or¨andringstakt, medan Agile f¨orb¨attrade den ¨overgripande reaktiviteten men saknade f¨orm˚aga att identifiera problem. Det f¨oreslagna hybridramverket visade d¨arf¨or att det inte bara hanterade begr¨ansningarna hos respektive metodik, utan ocks˚a levererade ¨overl¨agsna resultat
Byggnadssegmentering från flygbilder och LiDAR-punktmoln : En fallstudie om möjligheter och utmaningar med att använda AI för uppdatering av byggnadsdatabaser i Upplands Väsby kommun
No full textThis thesis explores the potential of AI-based building detection to support building database maintenance and regulatory supervision in Upplands Väsby municipality. By combining stakeholder input from surveys and semi-structured interviews with technical evaluations of three segmentation models—SAM2, LangSAM, and Mask R-CNN—the study assesses both organizational readiness and model performance. Input data included aerial imagery and LiDAR point clouds, and various geometric regularization techniques were tested. Performance was measured using mean IoU, precision, recall, and F1-score. Findings highlight both organizational and technical challenges. While stakeholders expressed interest in AI adoption, concerns around GDPR compliance, limited internal expertise, resource constraints, and inconsistent data quality emerged as significant barriers. From a technical perspective, none of the models consistently achieved the precision and reliability needed for fully automated use. Performance varied based on urban context, input data, and regularization methods. Mask R-CNN showed the best overall performance, particularly when considering scalability, but still suffered from low recall. SAM2 offered high segmentation precision on individual buildings with point-prompts but lacked scalability. LangSAM was more scalable through text-prompts but struggled with consistency and recall at larger scales. For change detection, the best results were obtained by combining outputs from LangSAM and Mask R-CNN. Overall, the evaluated models are more suitable for lower-precision internal tasks, such as general land use mapping. For high-precision applications, further model refinement, improved data quality, and seamless system integration are essential. With targeted development, AI segmentation tools like Mask R-CNN and SAM2 could play a valuable role in future municipal workflows