Onderzoekers tonen aan dat machine learning-algoritmen zoals Gradient Boosting, Random Forest en k-NN de technische staat van woongebouwen objectiever en nauwkeuriger kunnen voorspellen dan traditionele, subjectieve beoordelingen. In Archives of Civil Engineering wordt beschreven hoe modellen, getraind op kenmerken, defecten en renovatiegeschiedenis, praktische toepassing bieden voor gebouwbeheerders. Voor Nederlandse facility- en vastgoedprofessionals betekent dit een concrete stap richting datagedreven preventief onderhoud en risicobeheer. De auteurs benadrukken dat uitbreiding van de dataset in toekomstig onderzoek de nauwkeurigheid verder kan verhogen.