Onderzoekers presenteren een digitaal tweeling-framework dat IoT-sensoren combineert met een gebouwenergiemodel en physics-informed machine learning om schimmelgroei in gebouwen proactief te voorspellen. In een casestudie in de Verenigde Staten bereikte het model een voorspellende nauwkeurigheid van R² 0,99 voor korte termijn en ongeveer 0,90 voor voorspellingen tot een week vooruit. De bevindingen, gepubliceerd in Building and Environment, tonen aan dat continue monitoring en simulatie een nieuwe, geautomatiseerde laag voor onderhoud kunnen toevoegen. Ook voor Nederlandse facility-afdelingen is dit relevant omdat het schakelt van reactieve klachtenafhandeling naar preventief onderhoud, wat zowel de binnenluchtkwaliteit als de gebouwprestaties ten goede komt.