Sådan fungerer AI i prisestimaterne
Forstå den dynamiske vurderingsmodel bag Boligvurdering — sammenlignelige handler, individuelle justeringer, tidsindeksering, lokationsfaktorer, syv standniveauer og konfidens.
AI'en bag Boligvurdering er ikke ét fast tal — det er en dynamisk model, der finder sammenlignelige handler i præcis det område, boligen ligger i, justerer hver enkelt handel for forskelle og kalibrerer resultatet til syv standniveauer. Denne artikel forklarer, hvad modellen vægter, hvorfor estimatet ser ud som det gør, og hvordan du læser sikkerheden bag tallet.
1Modellen starter med sammenlignelige handler
Når du har søgt en adresse og beregnet vurderingen i Boligvurdering, henter modellen reelle, tinglyste handler i nærområdet og bruger dem som datagrundlag. Den vægter ikke alle handler ens — nærliggende, nyere og mere sammenlignelige handler tæller mere.
Modellen skalerer antallet af handler op og ned efter, hvor aktivt området er. I et tæt bymarked med mange handler bruges et stramt udvalg af de mest sammenlignelige; i tyndt befolkede områder udvides radius (op til flere kilometer), så der altid er nok data bag estimatet.
2Hver handel justeres individuelt
I stedet for at tage et råt gennemsnit justerer modellen hver enkelt handel for de forskelle, der findes mellem den og din bolig. Justeringerne afspejles i Detaljeret beregning for denne ejendom, og du kan se den samlede justering pr. faktor:
Faktorerne dækker bl.a. tid, størrelse, etage, byggeår, støj, grundareal (for huse) og afstand. Kystnærhed håndteres ved at vægte handler med lignende kystafstand højere, så en eventuel vandpræmie afspejles automatisk gennem de sammenlignelige handler.
Tallene i kortet er et eksempel. På din egen bolig viser de faktiske procenter — fx hvor mange dB miljøstøj ejendommen er registreret med, og hvor stor priseffekten er.
3Tidsindeksering bringer gamle handler op til i dag
En handel fra for to år siden afspejler ikke dagens marked. Derfor tidsjusterer modellen hver handel individuelt til det aktuelle prisniveau for boligens postnummer, baseret på prisudviklingen over de seneste kvartaler. Det betyder, at ældre handler stadig kan bruges — de bliver bare indekseret op (eller ned) til nutidsniveau, før de indgår i beregningen.
4Lokationsjusteringer: støj, veje og kyst
Modellen tager højde for nære fysiske forhold, der påvirker prisen:
Støj — handler i støjbelastede områder normaliseres mod en grænseværdi på 55 dB Veje — fra rolig boligvej til motorvej justeres ejendommens beliggenhed Kyst — handler med lignende kystafstand vægtes højere, så vandpræmie fanges
Disse justeringer betyder, at to ens boliger på samme vej kan få forskellige estimater, hvis den ene ligger ud til en befærdet vej og den anden på en rolig boligvej.
5Resultatet: syv standniveauer
Modellen leverer ikke ét tal, men en fordeling på syv standniveauer — fra Dårlig stand over Middel stand og Rigtig god til Liebhaver i toppen. Hvert niveau er kalibreret mod reelle percentiler i de fundne handler, så du kan placere boligen ud fra dens faktiske tilstand:
I får du desuden en kort tekst, der placerer din bolig på niveau med sammenlignelige handler.
6Konfidens: hvor sikkert er estimatet?
Hvert estimat ledsages af en Sikkerhed-score, der afspejler datakvaliteten i analyseområdet — antal handler, geografisk spredning, prisvariation og tidsmæssig dækning.
Et estimat med mange nære, nylige handler får Høj sikkerhed; et område med få eller spredte handler vises som Middel sikkerhed eller Lav sikkerhed. Brug scoren som rettesnor for, hvor meget vægt du lægger på det enkelte tal.
Et AI-estimat er et beslutningsgrundlag, ikke en facitliste. Ved lav sikkerhed bør du selv gennemgå de sammenlignelige handler og justere standniveau efter boligens faktiske tilstand.
7Hjælp modellen med at blive bedre
Under hver vurdering finder du Ramte vi rigtigt? Her kan du markere Ja, ramte rigtigt eller Nej, ramte forkert og angive, hvad du mener er den korrekte pris. Din feedback indgår i den løbende kalibrering af modellen.