{"id":{"repo_id":"aalto","oai_identifier":"oai:aaltodoc.aalto.fi:123456789/140571"},"canonical_url":"https://search.dev.ndltd.org/etd/aalto/oai:aaltodoc.aalto.fi:123456789/140571","repository":{"repo_id":"aalto","name":"Aalto University","base_url":"https://aaltodoc.aalto.fi/server/oai/request"},"display":{"title":"Data-driven transformation in construction management – From artificial intelligence to network modeling","abstract":"Digital technologies like artificial intelligence (AI) and digital platforms are transforming the construction industry towards data-driven management, offering pathways to address long-standing issues like inefficiency, cost overruns, and project delays while enhancing quality and sustainability. However, realizing this potential can benefit from integrating digital solutions with complementary knowledge-structuring innovations for a holistic approach. This dissertation tackles key knowledge gaps by exploring the integration of data-driven digital innovations and knowledge-structuring innovations within construction. It addresses the research pitfall of isolating technology innovations from business model development and ecosystem evolution, emphasizing the need for an interconnected perspective. Furthermore, the dissertation investigates the under-explored potentiality of practical applications of generative AI across construction management, and particularly focuses on evaluating construction project risk management (CPRM) capabilities of humans and AI, and the need for management innovations complementing digital tools. Employing a mixed-methods approach, this dissertation addresses five key questions: (1) What are the primary barriers, drivers, and their associated actions for construction industry companies to consider in managing digital transformation? (2) What are the implications of databased digital innovations on the companies' business models in the construction industry? (3) What are the potentials of generative AI to enhance construction project management? (4) Taking a particular use case, what are the capabilities of generative AI in CPRM compared to human professionals? (5) How can a network-based approach provide a knowledge-structuring innovation for CPRM, and how can such innovations also support digital data-driven innovations? Key findings reveal: (1) synthesized barriers, drivers, and actionable strategies for navigating digital transformation; (2) how AI-driven platforms can reshape business models and leverage data, despite challenges like operational integration complexities and data security; (3) that generative AI shows substantial potential across seven construction management areas, notably outperforming human experts in CPRM, though practical use still needs human oversight; (4) the uncertainty network modeling (UNM) method introduced complements digital innovation by providing a knowledge-structuring approach to visualizing and managing interconnected risks, enhancing stakeholder collaboration, improving risk management, and providing AI with explicit project data. These findings demonstrate how construction management can be advanced by integrating digital innovations with methods that formalize human expertise. The results establish that the potential of AI is best unlocked through a partnership with human-centered approaches that make tacit knowledge explicit for machine utilization. Specifically, this research synthesizes these findings into an integrated four-layer framework: (1) digital transformation strategies to guide high-level adoption by overcoming key barriers; (2) digital solutions for implementing practical AI tools and platforms; (3) an integration layer where digital tools and knowledge-structuring methods are combined to foster human-machine collaboration; and (4) knowledge-structuring solutions, like the UNM method, which provide the structured, human-validated data essential for this synergy. This framework provides a transferable model for managing the synergy between technological innovation and human expertise in construction.","abstract_html":"Digital technologies like artificial intelligence (AI) and digital platforms are transforming the construction industry towards data-driven management, offering pathways to address long-standing issues like inefficiency, cost overruns, and project delays while enhancing quality and sustainability. However, realizing this potential can benefit from integrating digital solutions with complementary knowledge-structuring innovations for a holistic approach. This dissertation tackles key knowledge gaps by exploring the integration of data-driven digital innovations and knowledge-structuring innovations within construction. It addresses the research pitfall of isolating technology innovations from business model development and ecosystem evolution, emphasizing the need for an interconnected perspective. Furthermore, the dissertation investigates the under-explored potentiality of practical applications of generative AI across construction management, and particularly focuses on evaluating construction project risk management (CPRM) capabilities of humans and AI, and the need for management innovations complementing digital tools. Employing a mixed-methods approach, this dissertation addresses five key questions: (1) What are the primary barriers, drivers, and their associated actions for construction industry companies to consider in managing digital transformation? (2) What are the implications of databased digital innovations on the companies' business models in the construction industry? (3) What are the potentials of generative AI to enhance construction project management? (4) Taking a particular use case, what are the capabilities of generative AI in CPRM compared to human professionals? (5) How can a network-based approach provide a knowledge-structuring innovation for CPRM, and how can such innovations also support digital data-driven innovations? Key findings reveal: (1) synthesized barriers, drivers, and actionable strategies for navigating digital transformation; (2) how AI-driven platforms can reshape business models and leverage data, despite challenges like operational integration complexities and data security; (3) that generative AI shows substantial potential across seven construction management areas, notably outperforming human experts in CPRM, though practical use still needs human oversight; (4) the uncertainty network modeling (UNM) method introduced complements digital innovation by providing a knowledge-structuring approach to visualizing and managing interconnected risks, enhancing stakeholder collaboration, improving risk management, and providing AI with explicit project data. These findings demonstrate how construction management can be advanced by integrating digital innovations with methods that formalize human expertise. The results establish that the potential of AI is best unlocked through a partnership with human-centered approaches that make tacit knowledge explicit for machine utilization. Specifically, this research synthesizes these findings into an integrated four-layer framework: (1) digital transformation strategies to guide high-level adoption by overcoming key barriers; (2) digital solutions for implementing practical AI tools and platforms; (3) an integration layer where digital tools and knowledge-structuring methods are combined to foster human-machine collaboration; and (4) knowledge-structuring solutions, like the UNM method, which provide the structured, human-validated data essential for this synergy. This framework provides a transferable model for managing the synergy between technological innovation and human expertise in construction.","abstract_has_math":false,"creators":["Nyqvist, Roope"],"institution":"Aalto University","degree_name":null,"degree_level":null,"degree_discipline":null,"degree_department":"Rakennustekniikan laitos","school":null,"contributors":["Aalto-yliopisto","Aalto University"],"advisors":["Seppänen, Olli, Prof., Aalto University, Department of Civil Engineering, Finland","Peltokorpi, Antti, Prof., Aalto University, Department of Civil Engineering, Finland"],"committee_chairs":[],"committee_members":[],"year":2025,"date_issued":"2025","date_published":"2025","updated_at":"2026-08-21T16:42:07Z","subjects":[],"languages":["en"],"rights":[],"rights_urls":[],"identifier_entries":[]},"links":{"outbound_url":"https://aaltodoc.aalto.fi/handle/123456789/140571","outbound_label":"Repository record","outbound_source":"dc:identifier.uri"},"source_record":{"url":"https://aaltodoc.aalto.fi/server/oai/request?verb=GetRecord&metadataPrefix=dim&identifier=oai%3Aaaltodoc.aalto.fi%3A123456789%2F140571","prefix":"dim"},"metadata_groups":[{"id":"people","label":"People","entries":[{"key":"dc:contributor","label":"Contributor","values":["Aalto-yliopisto","Aalto University"]},{"key":"dc:contributor.advisor","label":"Advisor","values":["Seppänen, Olli, Prof., Aalto University, Department of Civil Engineering, Finland"]},{"key":"dc:contributor.department","label":"Department","values":["Rakennustekniikan laitos","Department of Civil Engineering"]},{"key":"dc:contributor.supervisor","label":"Supervisor","values":["Peltokorpi, Antti, Prof., Aalto University, Department of Civil Engineering, Finland"]},{"key":"dc:creator","label":"Author","values":["Nyqvist, Roope"]}]},{"id":"academic_context","label":"Academic Context","entries":[{"key":"dc:date.accessioned","label":"Dc Date Accessioned","values":["2025-11-11T10:00:13Z"]},{"key":"dc:date.available","label":"Dc Date Available","values":["2025-11-11T10:00:13Z"]},{"key":"dc:date.issued","label":"Date","values":["2025"]},{"key":"dc:publisher","label":"Institution","values":["Aalto University","Aalto-yliopisto"]},{"key":"dc:type","label":"Dc Type","values":["G5 Artikkeliväitöskirja"]},{"key":"dc:type.dcmitype","label":"Dc Type Dcmitype","values":["text"]}]},{"id":"language_rights","label":"Language and Rights","entries":[{"key":"dc:language.iso","label":"Language (ISO)","values":["en"]}]},{"id":"identifiers","label":"Identifiers","entries":[{"key":"dc:identifier.uri","label":"Identifier URI","values":["https://aaltodoc.aalto.fi/handle/123456789/140571"]}]},{"id":"additional","label":"Additional Metadata","entries":[{"key":"dc:description.abstract","label":"Abstract","values":["Digital technologies like artificial intelligence (AI) and digital platforms are transforming the construction industry towards data-driven management, offering pathways to address long-standing issues like inefficiency, cost overruns, and project delays while enhancing quality and sustainability. However, realizing this potential can benefit from integrating digital solutions with complementary knowledge-structuring innovations for a holistic approach. This dissertation tackles key knowledge gaps by exploring the integration of data-driven digital innovations and knowledge-structuring innovations within construction. It addresses the research pitfall of isolating technology innovations from business model development and ecosystem evolution, emphasizing the need for an interconnected perspective. Furthermore, the dissertation investigates the under-explored potentiality of practical applications of generative AI across construction management, and particularly focuses on evaluating construction project risk management (CPRM) capabilities of humans and AI, and the need for management innovations complementing digital tools. Employing a mixed-methods approach, this dissertation addresses five key questions: (1) What are the primary barriers, drivers, and their associated actions for construction industry companies to consider in managing digital transformation? (2) What are the implications of databased digital innovations on the companies' business models in the construction industry? (3) What are the potentials of generative AI to enhance construction project management? (4) Taking a particular use case, what are the capabilities of generative AI in CPRM compared to human professionals? (5) How can a network-based approach provide a knowledge-structuring innovation for CPRM, and how can such innovations also support digital data-driven innovations? Key findings reveal: (1) synthesized barriers, drivers, and actionable strategies for navigating digital transformation; (2) how AI-driven platforms can reshape business models and leverage data, despite challenges like operational integration complexities and data security; (3) that generative AI shows substantial potential across seven construction management areas, notably outperforming human experts in CPRM, though practical use still needs human oversight; (4) the uncertainty network modeling (UNM) method introduced complements digital innovation by providing a knowledge-structuring approach to visualizing and managing interconnected risks, enhancing stakeholder collaboration, improving risk management, and providing AI with explicit project data. These findings demonstrate how construction management can be advanced by integrating digital innovations with methods that formalize human expertise. The results establish that the potential of AI is best unlocked through a partnership with human-centered approaches that make tacit knowledge explicit for machine utilization. Specifically, this research synthesizes these findings into an integrated four-layer framework: (1) digital transformation strategies to guide high-level adoption by overcoming key barriers; (2) digital solutions for implementing practical AI tools and platforms; (3) an integration layer where digital tools and knowledge-structuring methods are combined to foster human-machine collaboration; and (4) knowledge-structuring solutions, like the UNM method, which provide the structured, human-validated data essential for this synergy. This framework provides a transferable model for managing the synergy between technological innovation and human expertise in construction.","Digitaaliset teknologiat, kuten tekoäly ja digitaaliset alustat, ovat muuttamassa rakennusalaa kohti tietoon perustuvaa hallintaa ja tarjoavat keinoja puuttua pitkäaikaisiin ongelmiin, kuten tehottomuuteen, kustannusylityksiin ja hankkeiden viivästymisiin, samalla kun ne parantavat laatua ja kestävyyttä. Tämän potentiaalin hyödyntäminen voi kuitenkin hyötyä digitaalisten ratkaisujen yhdistämisestä täydentäviin tietojen jäsentely innovaatioihin kokonaisvaltaisen lähestymistavan saavuttamiseksi. Tässä väitöskirjassa käsitellään keskeisiä tietämyksen puutteita tarkastelemalla tietoon perustuvien digitaalisten innovaatioiden ja tietojen jäsentely innovaatioiden käyttöä rakentamissa. Siinä puututaan tutkimukselliseen aukkoon, jossa teknologiainnovaatiot eristetään liiketoimintamallien kehityksestä ja ekosysteemin kehityksestä, ja korostetaan, että tarvitaan toisiinsa kytkeytyvää näkökulmaa. Lisäksi väitöskirjassa tutkitaan generatiivisen tekoälyn käytännön sovellusten liian vähän tutkittua potentiaalia, ja siinä keskitytään erityisesti ihmisten ja tekoälyn rakennusprojektien riskienhallintakykyjen arviointiin sekä digitaalisia työkaluja täydentävien johtamisinnovaatioiden tarpeeseen. Tässä väitöskirjassa käytetään sekametodia, ja siinä käsitellään viittä keskeistä kysymystä: (1) Mitkä ovat rakennusalan yritysten ensisijaiset esteet, ajurit ja niihin liittyvät toimet, jotka niiden on otettava huomioon digitaalisen muutoksen hallinnassa? (2) Mitkä ovat dataan perustuvien digitaalisten innovaatioiden vaikutukset rakennusalan yritysten liiketoimintamalleihin? (3) Mitkä ovat generatiivisen tekoälyn mahdollisuudet parantaa rakennusprojektien hallintaa? (4) Ottaen huomioon tietyn käyttötapauksen, mitkä ovat generatiivisen tekoälyn kyvyt rakennushankkeiden riskienhallinnassa verrattuna ihmisammattilaisiin? (5) Miten verkostopohjainen lähestymistapa voi tarjota tietojen jäsentely innovaation rakennushankkeiden riskienhallintaan, ja miten tällaiset innovaatiot voivat tukea myös digitaalisia tietoon perustuvia innovaatioita? Keskeiset havainnot paljastavat: (1) digitaalisen muutoksen navigoinnin syntetisoidut esteet, ajurit ja toimivat strategiat; (2) tekoälypohjaiset alustat muokkaavat merkittävästi liiketoimintamalleja ja hyödyntävät dataa, huolimatta haasteista, kuten operatiivisen integration monimutkaisuudesta ja tietoturvasta; (3) generatiivinen tekoäly osoittaa huomattavaa potentiaalia seitsemällä rakentamisen johtamisen alueella, ylittäen erityisesti ihmisasiantuntijat rakennushankkeiden riskienhallinnassa, vaikka käytännön käyttö vaatii edelleen ihmisen valvontaa; (4) esitelty epävarmuusverkkomallinnusmenetelmä (UNM) täydentää digitaalista innovaatiota tarjoamalla jäsennellyn lähestymistavan toisiinsa liittyvien riskien visualisointiin ja hallintaan, parantaen sidosryhmien yhteistyötä, riskienhallintaa ja tarjoten tekoälylle eksplisiittistä projektidataa. Tämä tutkimus osoittaa, kuinka rakentamisen johtamista voidaan edistää integroimalla digitaaliset innovaatiot asiantuntijatietoa jäsentäviin menetelmien kanssa. Tulokset korostavat, että tekoälyn potentiaali vapautuu parhaiten ihmisen ja koneen kumppanuudessa, jossa hiljainen tieto tehdään analysoitavaksi. Tutkimus kiteyttää nämä havainnot neliportaiseen viitekehykseen: (1) digitaalisen transformaation strategiat, (2) käytännön digitaaliset ratkaisut, kuten tekoälytyökalut, (3) integraatio, joka yhdistää digitaaliset ja tietojen jäsentely menetelmät, sekä (4) tiedon jäsentämisen ratkaisut, kuten UNM-menetelmä, jotka muuntavat asiantuntijatiedon dataksi. Tämä viitekehys tarjoaa siirrettävän mallin teknologisen innovaation ja ihmisen asiantuntemuksen synergian johtamiseen rakennusalalla."]},{"key":"dc:format.mimetype","label":"Dc Format Mimetype","values":["application/pdf"]},{"key":"dc:title","label":"Title","values":["Data-driven transformation in construction management – From artificial intelligence to network modeling","Tietoon perustuva muutos rakentamisen johtamisessa – tekoälystä verkostomallinnukseen"]}]}],"canonical_facts":{"dc:contributor":["Aalto-yliopisto","Aalto University"],"dc:contributor.advisor":["Seppänen, Olli, Prof., Aalto University, Department of Civil Engineering, Finland"],"dc:contributor.department":["Rakennustekniikan laitos","Department of Civil Engineering"],"dc:contributor.supervisor":["Peltokorpi, Antti, Prof., Aalto University, Department of Civil Engineering, Finland"],"dc:creator":["Nyqvist, Roope"],"dc:date.accessioned":["2025-11-11T10:00:13Z"],"dc:date.available":["2025-11-11T10:00:13Z"],"dc:date.issued":["2025"],"dc:description.abstract":["Digital technologies like artificial intelligence (AI) and digital platforms are transforming the construction industry towards data-driven management, offering pathways to address long-standing issues like inefficiency, cost overruns, and project delays while enhancing quality and sustainability. However, realizing this potential can benefit from integrating digital solutions with complementary knowledge-structuring innovations for a holistic approach. This dissertation tackles key knowledge gaps by exploring the integration of data-driven digital innovations and knowledge-structuring innovations within construction. It addresses the research pitfall of isolating technology innovations from business model development and ecosystem evolution, emphasizing the need for an interconnected perspective. Furthermore, the dissertation investigates the under-explored potentiality of practical applications of generative AI across construction management, and particularly focuses on evaluating construction project risk management (CPRM) capabilities of humans and AI, and the need for management innovations complementing digital tools. Employing a mixed-methods approach, this dissertation addresses five key questions: (1) What are the primary barriers, drivers, and their associated actions for construction industry companies to consider in managing digital transformation? (2) What are the implications of databased digital innovations on the companies' business models in the construction industry? (3) What are the potentials of generative AI to enhance construction project management? (4) Taking a particular use case, what are the capabilities of generative AI in CPRM compared to human professionals? (5) How can a network-based approach provide a knowledge-structuring innovation for CPRM, and how can such innovations also support digital data-driven innovations? Key findings reveal: (1) synthesized barriers, drivers, and actionable strategies for navigating digital transformation; (2) how AI-driven platforms can reshape business models and leverage data, despite challenges like operational integration complexities and data security; (3) that generative AI shows substantial potential across seven construction management areas, notably outperforming human experts in CPRM, though practical use still needs human oversight; (4) the uncertainty network modeling (UNM) method introduced complements digital innovation by providing a knowledge-structuring approach to visualizing and managing interconnected risks, enhancing stakeholder collaboration, improving risk management, and providing AI with explicit project data. These findings demonstrate how construction management can be advanced by integrating digital innovations with methods that formalize human expertise. The results establish that the potential of AI is best unlocked through a partnership with human-centered approaches that make tacit knowledge explicit for machine utilization. Specifically, this research synthesizes these findings into an integrated four-layer framework: (1) digital transformation strategies to guide high-level adoption by overcoming key barriers; (2) digital solutions for implementing practical AI tools and platforms; (3) an integration layer where digital tools and knowledge-structuring methods are combined to foster human-machine collaboration; and (4) knowledge-structuring solutions, like the UNM method, which provide the structured, human-validated data essential for this synergy. This framework provides a transferable model for managing the synergy between technological innovation and human expertise in construction.","Digitaaliset teknologiat, kuten tekoäly ja digitaaliset alustat, ovat muuttamassa rakennusalaa kohti tietoon perustuvaa hallintaa ja tarjoavat keinoja puuttua pitkäaikaisiin ongelmiin, kuten tehottomuuteen, kustannusylityksiin ja hankkeiden viivästymisiin, samalla kun ne parantavat laatua ja kestävyyttä. Tämän potentiaalin hyödyntäminen voi kuitenkin hyötyä digitaalisten ratkaisujen yhdistämisestä täydentäviin tietojen jäsentely innovaatioihin kokonaisvaltaisen lähestymistavan saavuttamiseksi. Tässä väitöskirjassa käsitellään keskeisiä tietämyksen puutteita tarkastelemalla tietoon perustuvien digitaalisten innovaatioiden ja tietojen jäsentely innovaatioiden käyttöä rakentamissa. Siinä puututaan tutkimukselliseen aukkoon, jossa teknologiainnovaatiot eristetään liiketoimintamallien kehityksestä ja ekosysteemin kehityksestä, ja korostetaan, että tarvitaan toisiinsa kytkeytyvää näkökulmaa. Lisäksi väitöskirjassa tutkitaan generatiivisen tekoälyn käytännön sovellusten liian vähän tutkittua potentiaalia, ja siinä keskitytään erityisesti ihmisten ja tekoälyn rakennusprojektien riskienhallintakykyjen arviointiin sekä digitaalisia työkaluja täydentävien johtamisinnovaatioiden tarpeeseen. Tässä väitöskirjassa käytetään sekametodia, ja siinä käsitellään viittä keskeistä kysymystä: (1) Mitkä ovat rakennusalan yritysten ensisijaiset esteet, ajurit ja niihin liittyvät toimet, jotka niiden on otettava huomioon digitaalisen muutoksen hallinnassa? (2) Mitkä ovat dataan perustuvien digitaalisten innovaatioiden vaikutukset rakennusalan yritysten liiketoimintamalleihin? (3) Mitkä ovat generatiivisen tekoälyn mahdollisuudet parantaa rakennusprojektien hallintaa? (4) Ottaen huomioon tietyn käyttötapauksen, mitkä ovat generatiivisen tekoälyn kyvyt rakennushankkeiden riskienhallinnassa verrattuna ihmisammattilaisiin? (5) Miten verkostopohjainen lähestymistapa voi tarjota tietojen jäsentely innovaation rakennushankkeiden riskienhallintaan, ja miten tällaiset innovaatiot voivat tukea myös digitaalisia tietoon perustuvia innovaatioita? Keskeiset havainnot paljastavat: (1) digitaalisen muutoksen navigoinnin syntetisoidut esteet, ajurit ja toimivat strategiat; (2) tekoälypohjaiset alustat muokkaavat merkittävästi liiketoimintamalleja ja hyödyntävät dataa, huolimatta haasteista, kuten operatiivisen integration monimutkaisuudesta ja tietoturvasta; (3) generatiivinen tekoäly osoittaa huomattavaa potentiaalia seitsemällä rakentamisen johtamisen alueella, ylittäen erityisesti ihmisasiantuntijat rakennushankkeiden riskienhallinnassa, vaikka käytännön käyttö vaatii edelleen ihmisen valvontaa; (4) esitelty epävarmuusverkkomallinnusmenetelmä (UNM) täydentää digitaalista innovaatiota tarjoamalla jäsennellyn lähestymistavan toisiinsa liittyvien riskien visualisointiin ja hallintaan, parantaen sidosryhmien yhteistyötä, riskienhallintaa ja tarjoten tekoälylle eksplisiittistä projektidataa. Tämä tutkimus osoittaa, kuinka rakentamisen johtamista voidaan edistää integroimalla digitaaliset innovaatiot asiantuntijatietoa jäsentäviin menetelmien kanssa. Tulokset korostavat, että tekoälyn potentiaali vapautuu parhaiten ihmisen ja koneen kumppanuudessa, jossa hiljainen tieto tehdään analysoitavaksi. Tutkimus kiteyttää nämä havainnot neliportaiseen viitekehykseen: (1) digitaalisen transformaation strategiat, (2) käytännön digitaaliset ratkaisut, kuten tekoälytyökalut, (3) integraatio, joka yhdistää digitaaliset ja tietojen jäsentely menetelmät, sekä (4) tiedon jäsentämisen ratkaisut, kuten UNM-menetelmä, jotka muuntavat asiantuntijatiedon dataksi. Tämä viitekehys tarjoaa siirrettävän mallin teknologisen innovaation ja ihmisen asiantuntemuksen synergian johtamiseen rakennusalalla."],"dc:format.mimetype":["application/pdf"],"dc:identifier.uri":["https://aaltodoc.aalto.fi/handle/123456789/140571"],"dc:language.iso":["en"],"dc:publisher":["Aalto University","Aalto-yliopisto"],"dc:title":["Data-driven transformation in construction management – From artificial intelligence to network modeling","Tietoon perustuva muutos rakentamisen johtamisessa – tekoälystä verkostomallinnukseen"],"dc:type":["G5 Artikkeliväitöskirja"],"dc:type.dcmitype":["text"]},"updated_at":"2026-08-21T16:42:07Z"}