Domenemodell
Datamodellen er organisert som ti separate lag under én felles eiendom (Property).
Hvert lag representerer et distinkt perspektiv på boligen og holder sine egne entiteter.
Til sammen utgjør de én komplett digital tvilling av boligen.
Oversikt
Section titled “Oversikt”Property├── SpatialModel — Romlig struktur├── BuildingSystems — Tekniske systemer├── Assets — Konkret utstyr├── ConditionLayer — Tilstand og avvik├── PlanningLayer — Oppgaver og planer├── ExperienceLayer — Observasjoner over tid├── DesignLayer — Designretning├── InteriorLayer — Møbler og romintensjon├── KnowledgeLayer — Dokumenter og bilder└── IngestionLayer — AI-drevet onboardingI tillegg: UserPreferences per bruker — ikke en del av husmodellen, men
injiseres alltid i AI-kontekst for å tilpasse råd til den som spør.
Lagene forklart
Section titled “Lagene forklart”Property
Section titled “Property”Toppnivå. Representerer én eiendom med adresse, areal og byggeår. Alle andre entiteter tilhører en eiendom. Grunnlaget for fremtidig multi-hus-støtte.
SpatialModel
Section titled “SpatialModel”Den romlige modellen av boligen. Inneholder:
- Floor — etasjer (kjeller, 1. etasje, 2. etasje, loft)
- Room — rom med areal, takhøyde og funksjon
- OutdoorSpace — hage, terrasse, innkjørsel
- SupportSpace — garasje, bod, teknisk rom
Dette er koordinatsystemet alle andre lag refererer til — “problemet er i kjøkkenet”, “møbelet er i stuen”, “observasjonen gjelder hagen”.
BuildingSystems + Assets
Section titled “BuildingSystems + Assets”Teknisk infrastruktur:
- BuildingSystem — systemkategorier: varme, ventilasjon, vann, avløp, elektro, fasade, drenering, pipe
- Equipment — konkret utstyr: varmepumpe, varmtvannsbereder, elbil-lader, ventilasjonsenhet
Equipment er knyttet til et BuildingSystem og har vedlikeholdsbehov. Skilles bevisst fra møbler fordi de har fundamentalt ulike datamodeller.
ConditionLayer
Section titled “ConditionLayer”Tilstandslaget — hva som er galt eller usikkert:
- Issue — teknisk problem eller avvik, med TG-koder fra takstrapport (TG1/TG2/TG3)
- SafetyItem — sikkerhetsforhold, særlig relevant for barnesikkerhet
- Measurement — konkrete målinger: radon (Bq/m³), CO2, fukt%, temperatur
PlanningLayer
Section titled “PlanningLayer”Planleggingslaget — hva som skal gjøres:
- ImprovementIdea — ønskede forbedringer som ikke er feil (backlog)
- ImprovementDependency — strukturerte avhengigheter mellom idéer (must_before / should_group / independent)
- Task — konkret oppgave som løser et Issue eller realiserer en ImprovementIdea
- MaintenancePlan — sesongbasert vedlikeholdsplan
Skillet mellom Issue (noe er galt) og ImprovementIdea (noe kan bli bedre) er bevisst og viktig. AI-en trenger å skille mellom “hva er galt” og “hva ønsker vi”.
ExperienceLayer
Section titled “ExperienceLayer”Erfaringslaget — kunnskap opparbeidet gjennom å bo i huset:
- Observation — en erfaring fra daglig bruk, en sesong eller en hendelse
- SeasonalNote — oppsummering av en sesong
- DecisionNote — dokumentert beslutning med begrunnelse
Jo mer du registrerer her, jo bedre forstår AI-en boligen din over tid.
DesignLayer
Section titled “DesignLayer”Stilprinsipper og estetisk retning:
- DesignDirection — aktiv retning for interiør, eksteriør eller hage (stilord, materialer, farger, hva man unngår)
Grunnlaget for at AI-en kan si “det passer til stilen din” eller “det bryter med retningen”.
InteriorLayer
Section titled “InteriorLayer”Møbler og romintensjon:
- InteriorAsset — møbler, lamper og dekor med stilattributter og status (eid / vurderes / ønskeliste)
- LayoutIntent — romintensjon og funksjonssoner per rom (sofa-sone, lek-hjørne, trafikkflyt)
KnowledgeLayer
Section titled “KnowledgeLayer”Dokumenter og bilder:
- Document — takstrapport, salgsoppgave, garantier
- Photo — bilder av rom, avvik, møbler
- ProductReference — lenker til produkter
- Manual — produktmanualer med chunked tekst for AI-søk
IngestionLayer
Section titled “IngestionLayer”AI-drevet onboarding:
- ExtractionJob — sporer pipeline-tilstand for PDF-prosessering
- ExtractedFact — hvert faktum AI fant i dokumentet, med confidence og brukerhandling
Kritisk prinsipp: AI foreslår → bruker godkjenner → system lagrer. AI fyller aldri databasen direkte.