Gå til hovedinnhold
NB! Dokumentasjonen er automatisk generert. Informasjonen kan være ufullstendig og inneholde feil, spesielt skjermbilder og videoer. Se Om hjelpesidene. Vi vil veldig gjerne ha innspill: Kontakt oss via «Fant du det du lette etter?» nederst, i chatten nede til høyre eller på support@placepoint.no - vi svarer så fort vi kan!

Eksempler på bruk av Placepoint AI

Rapportene under er laget med Placepoint AI av brukerne våre, fra én enkelt prompt hver. De spenner fra oppslag på én eiendom til analyser av hele gater og porteføljer. Vil du starte med noe kort, gå rett til eksempelpromptene nederst på siden.

Områdeanalyse: en hel gate i én prompt​

Prompten «Sjekk hele John Colletts allé, hvor kan man bygge nytt, lag rapport» ga en rapport på 15 sider som går gjennom alle de 72 grunneiendommene i gata, med kart og vurdering per adresse.

Rapporten fant at gata i praksis er regulert på tre ulike måter, og at fire adresser midt i gata ikke er omfattet av byggeforbudet som stopper alle naboene. Det unntaket står ikke i noen kartdatabase. Claude fant det med Placepoint AI ved å lese plandokumentene og vedtaket om forlenget byggeforbud. Kravene står i bestemmelsene, ikke i fargene på plankartet. Metodedelen lister opp hvilke plandokumenter som faktisk er lest, og skiller kjente hull i datagrunnlaget fra det som ikke er analysert. De samme planene ligger i reguleringskartlagene i Placepoint Fusion.

ForsideSammendragPlankart
Forsiden av rapporten om John Colletts alléSammendraget: gata er tre gater, med nøkkeltall per sonePlankartutsnitt med formålsflater over hagebyen

Last ned hele rapporten: John Colletts allé - reguleringsanalyse (PDF, 15 sider).

Flere rapporter og analyser​

Claude laget rapportene under med Placepoint AI, fra én prompt hver. Kildene og leveransen skifter fra rapport til rapport, mens promptene er bygd på samme måte: geografi, variabler, detaljnivå og format.

Et treningssenter vurderer Lørenvangen 22 i Oslo. Prompten ber om to nedslagsfelt, ti minutter til fots og ti minutter på sykkel. For hvert felt vil den ha befolkning, alder, husholdninger, dagbefolkning og inntekt og formue per grunnkrets, og i tillegg konkurrentene innenfor feltet. Alt skal leveres som PDF med kart. Svaret er Lørenvangen 22 - demografi og nedslagsfelt (PDF, 14 sider). Rapporten regner ut begge isokronene, summerer SSB-tallene per felt og sammenligner dem med snittet for Oslo. Et eget avsnitt sier hva datagrunnlaget ikke dekker. Hele prompten, og hvordan du gjør det samme for hånd i kartlagene, står på Demografianalyse.

Her er seks til, bygd på samme måte:

  • Bærekraftsrapport for et hovedkontor: En rapport på 25 sider om et kjent hovedkontor i Oslo, med matrikkel, BREEAM-sertifisering, eierstruktur, samtlige 25 leietakere med selskapsdossier, tinglyst eierhistorikk, kart og reisetidsisokron. Prompt: «Lag en bærekraftsrapport for [adresse] med BREEAM, energimerke, eierstruktur og leietakere.»
  • Due diligence med tydelig dekningsgrad: En due diligence-rapport på 11 sider med juridisk, teknisk og finansiell screening. Rapporten markerer selv hva som er dekket og hva som ikke er det, så du ser hvor din egen gjennomgang må begynne. Prompt: «Lag en due diligence-rapport for [adresse], og marker tydelig hva som ikke dekkes.»
  • Klimarisiko og kredittvurdering: En klimarisiko-rapport som PDF-magasin med fysisk risiko, transisjonsrisiko og naturmangfold, bygd på de samme kildene som risikokartlagene. En kredittrapport for bank fulgte samme oppskrift. Prompt: «Lag en klimarisikorapport for [adresse] med fysisk risiko, transisjonsrisiko og naturmangfold.»
  • Kjøpervurdering: Ut fra en helt nøytral prompt konkluderte Claude med høy risiko, fordi kjøperselskapet var part i en pågående rettssak. Prompten nevnte ikke rettssaker; Claude fant saken fordi den leste hele selskapsbildet. Prompt: «Vurder orgnr [orgnr] som kjøper av eiendommen [matrikkelnummer].»
  • Grunnbøker for et helt anlegg: Claude gikk gjennom grunnbøkene for hele anlegget. Den fant alle matrikkelnumrene selv, hentet utskriftene samlet og oppsummerte heftelsene som kunne hindre utvikling. Prompt: «Hent grunnboksutskrift for alle matrikkelnumrene i [anlegg] og oppsummer heftelsene.»
  • Lead-liste for en takentreprenør: Claude fant 1 517 eiendommer ut fra byggeår og bygningstype, koblet dem til eierselskapet og vurderte takene på flyfoto. Det er samme type utvalg som Filter gir i Placepoint Fusion. Prompt: «Finn bygg i [kommune] fra før 1990 med store flate tak, koblet til eierselskap, som regneark.»

Flere prompter av samme slag, sortert etter tema, står under Korte eksempelprompter.

Tomtedeling: hvilke tomter er store nok​

Spørsmålet «Hvilke tomter i Bergsalléen i Oslo er store nok til å deles?» gir et svar i to deler: regelverket som styrer fradeling akkurat nå (arealkrav per boenhet, %-BYA og det midlertidige forbudet med unntak), og en tabell over eiendommene i gata som oppfyller arealkravet, med matrikkelnummer og tomteareal. Svaret sier også hva du må sjekke hos Plan- og bygningsetaten før du sender en fradelingssøknad.

Svar på tomtedelingsspørsmålet for Bergsalléen, med regelverk og tabell over store nok tomter

Dette svaret er fra Agenten i Placepoint Fusion, som bruker samme motor som Placepoint AI i Claude. Spørsmålene under fungerer begge steder:

  • «Sjekk hele John Colletts allé, hvor kan man bygge nytt, lag rapport.»
  • «Hvilke tomter i Bergsalléen i Oslo er store nok til å deles?»
  • «Er det varslet planarbeid i nærheten av Bergsalléen?»

Slik får du mest ut av Placepoint AI​

Vi har allerede finjustert selve Placepoint AI: hvilke verktøy Claude velger, hvordan oppslagene avgrenses, og hvor mye data som sendes tilbake i hvert svar. Det er ikke noe du stiller inn selv. Det du styrer, er konteksten Claude jobber i og måten du spør på. Det avgjør både kvaliteten på svaret og hvor mye av kvoten din i Claude som går med.

Hold samtalene korte​

Claude husker alt som er sagt og hentet i en samtale, og bruker det som arbeidsminne når den svarer. Minnet er stort, men blir dårligere jo fullere det er. Anthropic skriver i dokumentasjonen av kontekstvinduet at presisjon og gjenfinning faller etter hvert som samtalen vokser, og kaller det «context rot». Rådet deres er å holde konteksten liten og relevant, med så få opplysninger som mulig, men nok til å gi det svaret du vil ha (Effective context engineering for AI agents). Dette er en egenskap ved Claude, ikke ved Placepoint AI.

For deg betyr det to ting. Start en ny samtale når du bytter eiendom, kunde eller tema, selv om den gamle fortsatt svarer. Og gi Claude god kontekst fra start, som instruksjoner og faste dokumenter i et prosjekt, i stedet for å bygge den opp gjennom en lang samtale. Blir en lang samtale uklar eller treg, be Claude oppsummere det som er avklart, og lim oppsummeringen inn i en ny samtale.

Skru på minnet, så husker Claude deg mellom samtalene​

Placepoint AI husker ingenting selv. Det er klienten du bruker som husker, og det er der du styrer hva som lagres. I Claude heter det Memory: Claude lagrer hvem du er og hva du jobber med, og kan søke i tidligere samtaler når du spør om noe dere har snakket om før. Hvert prosjekt har sitt eget minne, og Cowork som kjører lokalt på maskinen din, bruker det ikke.

Om minnet er på fra start, avhenger av abonnementet:

  • Free, Pro og Max: minnet er på fra start i Claude Desktop, på web og i mobilappen.
  • Team og Enterprise: en Owner må først slå det på for organisasjonen. Deretter må hver bruker slå det på selv under Settings, Memory, med bryteren Generate memory from chats. Før begge er gjort, husker Claude ingenting fra forrige samtale.

Under Settings, Memory ser du også alt Claude har lagret, og kan rette eller slette det. Se Use Claude's chat search and memory to build on previous context.

Bruker du Placepoint AI fra en annen klient, gjelder det samme prinsippet, med andre innstillinger:

  • Microsoft 365 Copilot: minnet er på fra start. Du styrer det under Settings and more, Chat settings, Personalization, Saved memories. Se Manage Copilot Memory in Microsoft Copilot.
  • ChatGPT: innstillingene ligger under Settings, Personalization, Memory, med egne brytere for lagrede minner og for bruk av tidligere samtaler. Se Memory in ChatGPT.

Gi Claude instruksjoner én gang, ikke i hver prompt​

Det enkleste og mest effektive tiltaket er å fortelle Claude hvem du er, hva du jobber med og hvordan leveransen skal se ut. Da slipper du å gjenta det i hver samtale, og svarene treffer bedre fra første forsøk. Dette gjelder all bruk av Claude, ikke bare Placepoint AI.

  • Din egen profil: klikk initialene dine nederst til venstre, velg Settings og fyll ut Instructions for Claude. Instruksjonene gjelder alle samtalene dine. Skriv inn rolle, selskap, fagområde, hvilket språk du vil ha svar på og hvilken form leveransen skal ha. Se Understanding Claude's personalization features.
  • Prosjekter: samle arbeid som hører sammen i et prosjekt, for eksempel én kunde, ett kjøp eller én portefølje, og legg instruksjonene og faste dokumenter der. Alle samtaler i prosjektet arver dem. Se What are projects? og How can I create and manage projects?.
  • Hele organisasjonen: på Team- og Enterprise-abonnement kan Owner og Primary Owner sette instruksjoner som gjelder alle i virksomheten, under Organization settings, Organization and access. De går foran den enkelte brukerens egne instruksjoner der de sier noe forskjellig. Se Set organization instructions.

Anthropics egne råd står i Prompt engineering best practices, og den tekniske referansen de selv oppdaterer er Prompting best practices. Fire av rådene betyr mest: si hva Claude skal gjøre i stedet for hva den ikke skal gjøre, begrunn kravene så modellen forstår hensikten, gi den lov til å si at noe mangler, og hold instruksjonen kort. Lengre instruksjoner gir ikke bedre svar.

Eksempel på instruksjoner for en virksomhet​

Et advokatfirma som bruker Placepoint AI til faktagrunnlag, ikke til rådgivning, kan legge inn noe slikt for hele organisasjonen. Anthropic anbefaler taggene fordi de holder de ulike kravene fra hverandre, og fordi du senere kan endre én blokk uten å røre resten.

<rolle>
Du leverer faktagrunnlag til advokater. Vi gjør den juridiske vurderingen selv,
så svaret skal være etterprøvbart framfor konkluderende.
</rolle>

<kilder>
Oppgi register og dato for hver faktapåstand om en eiendom, og skill
grunnboksopplysninger fra matrikkelopplysninger. Marker egne resonnementer med
"Slutning:", slik at vi ser hva registeret sier og hva du utleder.
Står noe ikke i registeret, skriv at det ikke er registrert.
</kilder>

<nar_noe_mangler>
Mangler du kontekst som endrer svaret vesentlig, still ett presist spørsmål
før du svarer. Rimelige slutninger er greit når de er merket som det. Tall,
navn, sitater og kildehenvisninger skal komme fra data du har hentet.
</nar_noe_mangler>

<personopplysninger>
Du viser ikke personnavn eller fødselsnummer: Placepoint AI fjerner dem.
Trenger vi identifisert hjemmelshaver, slår vi det opp i Placepoint Fusion,
der tilgangen forutsetter berettiget interesse, eller i Grunnboken.
</personopplysninger>

<leveranse>
Svar med ren tekst eller tabell som vi limer inn i våre egne maler. Spør først
hvis oppgaven ser ut til å kreve rapport, PDF eller dashbord: det tar lengre
tid, og vi bruker det sjelden. Avslutt med funn, uklarheter og hva som bør
undersøkes videre.
</leveranse>

Instruksjonen gjør tre ting. Den sier hva Claude skal gjøre, ikke hva den skal la være. Den begrunner kravene. Og den gir modellen en utvei når grunnlaget er tynt, så den ikke presser fram et svar. Det er disse tre grepene som betyr mest.

Bytt ut innholdet med det som gjelder din bransje. Et eiendomsselskap vil for eksempel be om porteføljetall per SPV, en bank om trafikklys per risikotema.

Standardinstruksjoner per bransje​

Blokkene under bruker de samme tre grepene i hver bransje, og er delt i tre: hvem dere er og hva Claude skal levere, hva som skal prioriteres, og hvilken form leveransen skal ha. Hvert eksempel er skrevet som om det kom fra én virksomhet i bransjen. Velg din bransje, og bytt ut det som ikke passer for dere.

<rolle>
Vi er en regionbank med næringskunder, og du leverer faktagrunnlag til
pant- og kredittvurdering av eiendommene som stilles som sikkerhet.
Kredittbeslutningen tar vi selv, så svaret skal være etterprøvbart
framfor konkluderende.
</rolle>

<prioriter>
Hjemmelshaver og eierform først, deretter heftelser fra grunnboken:
pant med beløp og prioritet, servitutter, urådighet og deleforbud. Så
naturfare for hver eiendom: flom, skred, kvikkleire og stormflo, med
aktsomhetskart skilt fra faresone. Til slutt leietakere med løpetid der
leieinntektene bærer lånet. Oppgi register og dato for hver opplysning.
</prioriter>

<leveranse>
Tabell med én rad per eiendom og én kolonne per tema: heftelse, naturfare,
leietaker, kilde, dato. Skriv "ikke dekket av registeret" der dekningen
mangler, framfor å utelate raden. Avslutt med de tre tingene vi bør
avklare med kunden før saken går til kredittkomiteen. Ingen anbefaling om
lån eller belåningsgrad.
</leveranse>

Er dere flere som jobber ulikt, legg fellesdelen på organisasjonen og bransjeblokken i hvert prosjekt.

Be om det du faktisk trenger​

  • Én oppgave per samtale. Start en ny samtale når du bytter tema. En lang samtale drar med seg alt som er hentet tidligere, og det koster både tid og kvote uten å gjøre svaret bedre; se Hold samtalene korte.
  • Si hvilken form du vil ha. Trenger du tre tall, be om tre tall. Rapport, tabell, kart og dashbord koster mer enn et kort svar. Rapporter leveres som HTML som standard fordi det går raskest; be om PDF når du faktisk skal sende dokumentet videre.
  • Avgrens. Ett matrikkelnummer, én gate, én kommune eller ett organisasjonsnummer gir raskere og mer presise svar enn «Oslo».
  • Gjenbruk oppskriften. Når en analyse sitter, be Claude skrive ned prompten som en oppskrift du kan kjøre på neste eiendom eller portefølje. Legg den i prosjektinstruksjonene.
  • Velg modell etter oppgave. Bruk den mest avanserte modellen til å bygge strukturen og oppskriften, og en raskere modell til å kjøre den samme oppskriften mange ganger.

Be om kilder, og les forbeholdene​

  • Krev kilde og dato på hver faktapåstand. Claude oppgir gjerne hvilket register opplysningen kommer fra og når den er hentet, og lenker til kartlaget eller plandokumentet. Gjør det til et fast krav, så blir svaret etterprøvbart.
  • Be Claude skille det registeret sier fra det den selv utleder. Det er den viktigste forskjellen i et faktagrunnlag.
  • Definisjoner varierer mellom kommuner. «Ubebygd» og «sentrumsformål» betyr ikke det samme i alle kommuner. Be Claude flagge hvilken definisjon som er brukt når svaret dekker flere kommuner.
  • Mangler det data, skal svaret si det. Placepoint AI sier fra når det ikke finnes plandata for en eiendom, i stedet for å beskrive den som uregulert.
  • Claude kan ta feil. Resultatene er et utgangspunkt, ikke en fasit, og må verifiseres mot offisielle kilder før de brukes til beslutninger.

Har en administrator lagt til connectoren for hele virksomheten, må hver enkelt bruker likevel logge inn med sin egen Placepoint-bruker første gang. Tilgangen følger brukeren, ikke URL-en. Fremgangsmåten for å koble til står på Placepoint AI.

Korte eksempelprompter​

Placepoint AI tar både korte spørsmål og sammensatte oppgaver: ett oppslag på en adresse, eller en hel gate med rapport til slutt. Eksemplene under er enkle å skrive og bruker likevel mye av Placepoint på én gang: registrene, kartlagene og analysene i samme svar. Start gjerne med «Bruk Placepoint AI», skriv på det språket du selv bruker, og bytt ut hakeparentesene med en ekte adresse, et matrikkelnummer eller et organisasjonsnummer. Promptene er samlet etter tema; de fleste er hentet fra det brukerne våre faktisk har spurt om.

Eiendom og grunnbok​

  • «Hent grunnboksutskriften for [matrikkelnummer] og oppsummer hvilke heftelser som ligger på eiendommen.»
  • «Finn alle matrikkelnumrene som hører til [anlegg], hent grunnboksutskrift for hver av dem og oppsummer heftelsene som kan hindre utvikling.»
  • «Lag en energirapport for [adresse] med energikarakter, oppvarmingskarakter, dato og gyldighet for hvert bygg. List byggene uten gyldig energiattest for seg.»
  • «Hvem eier eiendom i [kommune] med energimerke A i snitt?»
  • «Hva betyr BRA, og hvor stort er BRA på [adresse]?»
  • «Lag en investeringsrapport for [matrikkelnummer]: hvilke leietakere finnes, hva kan eiendommen bygges ut til, og hvor mangler du data?»
  • «Lag en bærekraftsrapport for [adresse] med BREEAM-sertifisering, energimerke, eierstruktur og alle leietakere, og vis 15 minutters gangavstand på kartet.»

Energimerkene kommer fra Enova og gjelder attester som er under ti år gamle. Et bygg uten gyldig attest har ikke energimerke, og det sier Claude fra om.

Regulering og planer​

  • «Hvilke reguleringsplaner og kommuneplaner gjelder for eiendommen [matrikkelnummer]?»
  • «Hent bestemmelsene og planbeskrivelsen for planen som gjelder [matrikkelnummer], og oppsummer hva som er tillatt av utnyttelse, høyder og formål.»
  • «Hvilke planer gjelder for [adresse], også planprogram og veiledende planer, og hva sier de om utnyttelse?»
  • «Sjekk hele [gate]: hvor kan man bygge nytt? Lag rapport.»
  • «Hvilke tomter i [gate] er store nok til å deles?»
  • «Er det varslet planarbeid i nærheten av [adresse]?»
  • «Finn ubebygde eiendommer i [kommune] som er avsatt til bolig- eller sentrumsformål i kommuneplanen.»
  • «Dette er et nytt boligprosjekt på [matrikkelnummer]. Hva sier planbestemmelsene om boligmiks, parkering og støy?»
  • «Bør bygget på [matrikkelnummer] rives eller bygges på? Gå gjennom regulering, risiko og eierforhold, og si hva du er sikker på og hva som er usikkert.»

Hva som regnes som ubebygd, og hvilke arealformål som er sentrumsformål, varierer mellom kommunene. Be Claude si hvilken definisjon svaret bygger på.

Risiko og klima​

  • «Sjekk om eiendommen [matrikkelnummer] ligger i et flom- eller skredutsatt område, og vis det på et kart.»
  • «Lag en risikorapport for [adresse].»
  • «Hvilke innsigelser kan Statsforvalteren komme med mot utbygging på [matrikkelnummer]? Gå gjennom skred, flom, stormflo, overvann, kulturminner, naturvern, naturmangfold og forurenset grunn, og lag en rapport.»
  • «Lag en risikovurdering av orgnr [orgnr] som kjøper av eiendommen [matrikkelnummer].»

Den siste prompten viser hva som skjer når Claude leser hele selskapsbildet: en pågående rettssak hos kjøperen kom med i vurderingen uten at prompten ba om det. Rapporten Naturverdier og innsigelser går gjennom de samme kildene som innsigelsesprompten.

Selskap og leietakere​

  • «Hvilke eiendommer leier [selskap] i [kommune]?»
  • «Hvor holder [selskap] til i dag, hvem er utleier, og hvor satt de før?»
  • «Vis de største leietakerne hos [selskap] i Bjørvika.»
  • «Lag en leietakeroversikt for [adresse] som viser hvor lenge hver leietaker har sittet der.»
  • «Lag en leietakerrapport for [adresse] som PDF, med én til tre sider per selskap for de ti største etter antall ansatte: leietid, en kort risikovurdering og eierskapstre. Resten i en oppsummeringstabell.»
  • «Hvor mange ansatte jobber på [adresse], og hvor mange har selskapene der totalt?»
  • «Hvilke leietakere sitter i BREEAM-sertifiserte bygg i [kommune]?»
  • «Hvilke av leietakerne til [konsern] sitter i bygg som ikke er kontor?»
  • «Lag en rangert liste over næringseiendommer i [kommune] med bare én leietaker, der leietakeren har svak økonomi.»
  • «Lag en liste med IT-selskaper i Bergen med over 20 ansatte som sitter i kontorbygg.»
  • «Vis alle [kjede]-butikkene i [kommune] med adresse og antall ansatte per sted.»
  • «Hvilke selskaper med over 20 ansatte eier eiendom i [kommune], og hvor mye areal eier de?»
  • «Hvilke selskaper har fått hjemmel til eiendom i [kommune] de siste to årene?»
  • «Hvilke offentlige aktører eier eiendom i grunnkrets?»
  • «Hvilke selskaper under avvikling eier lager- eller logistikkeiendom?»
  • «Finn SPV-ene i [kommune] og hvem som står bak dem.»

Antall ansatte finnes på tre nivåer: på adressen, i selskapet og i konsernet. Er prompten uklar, spør Claude hvilket tall du mener i stedet for å gjette. Et selskap under avvikling står fortsatt som aktivt i registrene, så be om det eksplisitt når det er det du leter etter.

Porteføljer og utvalg​

  • «Hvor mange aktive eiendommer er det i [kommune]?»
  • «Lag en porteføljerapport om alle eiendommene [selskap] (orgnr [orgnr]) eier i [sted/område].»
  • «Finn alle nybyggprosjekter i [område] med igangsettingstillatelse, rammetillatelse eller midlertidig brukstillatelse og minst 20 boenheter.»
  • «Finn alle [kjede]-butikkene i Norge, koble hver til matrikkelen og energimerket, og lag et regneark over dem som har energimerke C eller bedre.»
  • «Finn eiendommer over 10 000 m² i [fylke] med arealformål næringsbebyggelse i kommuneplanen, under 2 km fra en transformatorstasjon og uten boliger i nærheten.»
  • «Lag en full porteføljeoversikt for orgnr [orgnr]: alle eiendommer med geografi og kart over hovedklyngen, eierstruktur fra ultimat eier ned til SPV-ene med flagg for slettede selskaper og selskaper med negativ egenkapital, alle leietakere per bygg og hvor lenge hver av dem har vært registrert, og en ESG-profil per bygg.»

Nybyggprosjektene kommer fra bygningsstatusen i matrikkelen, ikke fra et prosjektregister, så tell etter mot egne kilder. Transformatorstasjonene ligger i kartlagene fra Norges vassdrags- og energidirektorat (NVE), men ledig kapasitet i nettet er ikke med.

Beliggenhet og reisetid​

  • «Finn de beste stedene for å etablere en ny dagligvarebutikk i nærheten av [sted].»
  • «Hvilke eiendommer ligger innen 300 meter fra Jernbanetorget, og hvem eier dem?»
  • «Finn de ti beste lokalene for et distribusjonssenter for et selskap som må kjøre ut leveranser fysisk i [område], rangert etter kjøretid.»
  • «Hvilke næringsbygg ligger innen 25 minutter med kollektivtransport fra [stasjon]?»
  • «Finn ubebygde tomter innen 30 minutter fra [adresse] som er regulert til småhus eller rekkehus, og sjekk flom, skred og kvikkleire på de beste.»
  • «Lag isokroner for 10, 20 og 30 minutter med bil rundt [adresse], og vis dem på et kart.»

Reisetidene regnes med samme motor som Analyse i Placepoint Fusion.

Kart, flyfoto og eksport​

  • «Vis alle historiske flyfoto rundt eiendommen [matrikkelnummer], satt pent opp med metadata.»
  • «Vis tettheten av eneboliger i [kommune] på et kart.»
  • «Vis kulturminnene i [område] på et kart.»
  • «Eksporter alle eiendommer med leietakere i [kommune] til et regneark.»

Prompter som ber om bilder, kart eller filer, fungerer bare i Claude Desktop, Claude Code og Cowork. Agenten lager verken bilder eller filer, så der kommer svaret som tekst og kartlenker. Kulturminnene kommer fra Riksantikvaren.

Placepoint Dataset MCP​

Placepoint Dataset MCP jobber med datasettene i prosjektene dine, og ser bare prosjektene Placepoint-brukeren din har tilgang til. Før Claude skriver noe, sier den hvilket prosjekt det gjelder; datasett kan hete det samme i flere prosjekter. Resultatet ligger som et kartlag i prosjektet neste gang du åpner Placepoint Fusion.

Lage og laste opp​

  • «Lag et datasett i prosjektet [prosjekt] med alle næringseiendommer over 5 000 m² i [kommune], med eier og byggeår.»
  • «Hent eiendommene [selskap] eier, legg dem inn som et datasett i [prosjekt] og vis porteføljen på kartet.»
  • «Lag et datasett med alle grunnkretsene i [kommune], så jeg kan fargelegge dem etterpå.»
  • «Lag et datasett med alle postnumrene i [by], fordel dem på kontorene våre, og gjør kontor til en nedtrekksliste i tabellen.»
  • «Last opp leietakerlisten vår, koble radene til matrikkelen på adresse og vis hvilke som ikke fikk treff.»

Du kan ikke lime en fil inn i samtalen. Claude lager en opplastingslenke, og du legger filen der; i Claude Code gjør Claude det selv. Rader Claude selv har funnet, som eiendommene til et selskap, legges rett inn.

Koble og berike​

  • «Legg til kommune og grunnkrets på hver rad i [datasett], og tell rader per kommune.»
  • «Hvor mange av radene i [datasett] ligger i hver bydel i Oslo?»
  • «Hvilke rader i [datasett] fikk ikke treff i matrikkelen, og hvorfor?»
  • «Legg til en kolonne Status i [datasett] med valgene Ny, I dialog og Avsluttet.»
  • «Oppdater [datasett] fra denne filen, med organisasjonsnummer som nøkkel. Vis hva som endres før du skriver.»

Følge med​

  • «Hvilke eiendommer i [datasett] har fått ny hjemmelshaver eller nytt pant det siste året?»
  • «Hvilke eiendommer i [datasett] ligger i en flomsone eller et aktsomhetsområde for skred?»
  • «Hvilke av selskapene i [datasett] er under avvikling eller konkurs?»

Rute og reisetid​

  • «Finn den korteste bilruten fra [adresse] innom alle punktene i [datasett].»
  • «Lag en isokron for 20 minutter med bil fra [adresse], og lagre den som et datasett i [prosjekt].»
  • «Hvor lang kjøretid er det fra hvert kontor i [datasett] til hver eiendom i [datasett]?»

Stil og deling​

  • «Sett fargen på [datasett] etter byggeår, og skjul kolonnene vi ikke bruker.»
  • «Bruk logoen vår som symbol for punktene i [datasett].»
  • «Del prosjektet [prosjekt] med hele teamet som lesere.»

Et symbol må være kvadratisk; en avlang logo blir strukket i kartet. Claude deler med det laveste tilgangsnivået som er nok, og spør før den deler.

Fra liste til kart: ett eksempel​

Med fem prompter blir en kundeliste i Excel til et delt kartlag:

  1. «Jeg har en Excel-fil med kundene våre, én per rad, med adresse. Lag et datasett av den i prosjektet [prosjekt].»
  2. «Koble radene til matrikkelen på adresse. Hvilke fikk ikke treff?»
  3. «Legg til kommune og bydel som kolonner, og tell kunder per bydel.»
  4. «Sett fargen etter kundetype, og skjul kolonnene med interne notater.»
  5. «Del prosjektet med teamet som lesere.»

Du kan gjøre det samme steg for steg i panelet; se Datasett. Forskjellen er at Claude også kan svare på spørsmål om listen ut fra registrene, for eksempel hvem av kundene som har solgt, og hvem som eier nabotomta.

Der promptene har en fast side​

Flere av promptene har en fast side i Placepoint Fusion. Leietakerne for én eiendom står i Enheter og leietagere, og samlet for en portefølje i leietakerrapporten. Utvalg på bransje, ansatte og bygningstype gjør du i Filter. Kjøretid og nærhet ligger i Analyse. Rapportene og kartene bygger på de samme kildene som resten av Placepoint Fusion: se Data og kilder og Placepoint i tall.

Lengre prompter for hele oppgaver​

Hver av promptene under løser en hel oppgave og ender i et notat, et regneark eller et kartlag. De er lengre enn de korte eksempelpromptene, og de ber om det samme hver gang: kilde og lenke på hvert punkt, tydelig merking av anslag, og beskjed når noe ikke finnes i datagrunnlaget. Bytt ut hakeparentesene med en ekte adresse, et matrikkelnummer eller et organisasjonsnummer, og start en ny samtale per oppgave (se Hold samtalene korte). Kjør hver av dem første gang på en tomt eller et selskap dere kjenner godt, og sammenlign med det dere fant selv; da ser dere hva som treffer.

Hver av promptene kan også lagres som en skill i Claude: en kort instruks Claude henter fram selv når oppgaven dukker opp, så du slipper å lime inn prompten hver gang. Hva en skill er, og hvordan du legger den inn, står hos Anthropic i What are Skills? og Use Skills in Claude.

Tomtevurdering på fem minutter​

Prompten svarer på de fire spørsmålene du stiller om hver tomt: hvem som eier den, hva den er regulert til, hva som ligger i grunnen, og hvem naboene er. Grunnlaget er det samme som i eiendomspanelet og Risiko.

Bruk Placepoint AI. Gjør en tomtevurdering for [adresse eller matrikkelnummer].

Dekk:

  • Eiendommen selv: matrikkelnummer, tomteareal, bygg og hjemmelshaver.
  • Eier og eierkjede opp til ultimat eier, med siste regnskap for hvert selskap.
  • Gjeldende regulering og kommuneplan, og om formålet er bolig. Les bestemmelsene, ikke bare navnet på planen.
  • Risiko: flom, skred, kvikkleire, kulturminner og forurenset grunn.
  • Naboeiendommene, med eier og formål.

Oppgi kilde og lenke på hvert punkt. Avslutt med et notat på én side: hva som taler for, hva som taler mot, og hva vi må sjekke før vi går videre.

Varianter:

  • «... sammenlign [adresse A] og [adresse B] i samme svar, med samme struktur.»
  • «... ta med transaksjoner og sammenlignbare salg i området de siste [antall] årene.»
  • «... lever som PDF jeg kan legge ved beslutningsnotatet.»
  • «... ta med reisetid til kollektivtransport, befolkning og skoler i nærområdet.»

Svaret bygger på gjeldende reguleringsplan og kommuneplan, hjemmelshaveren i grunnboken og risikokartlagene. Salgstakt og enhetsmiks for nye boligprosjekter er ikke med; det har vi ikke data på.

Tomtesøk og prospektering​

Prompten finner utviklingskandidater ut fra kriterier du setter, i stedet for ett oppslag om gangen. Du kan gjøre samme utvalg i Filter; forskjellen er at Claude også følger eierkjeden og leverer regnearket.

Bruk Placepoint AI. Finn ubebygde tomter innen [30] minutter fra [Oslo S] med bil eller kollektivtransport, der reguleringsformålet eller kommuneplanformålet er bolig, og der tomten er over [areal] m².

For hvert treff: matrikkelnummer, adresse, tomteareal, gjeldende arealformål og hvilken plan det kommer fra, hjemmelshaver og eierkjeden opp til ultimat eier.

Lever som Excel sortert etter tomteareal. Marker tydelig hva som er anslag, og flagg treff der arealformålet er usikkert eller definert annerledes i kommunen.

Varianter:

  • «... avgrens til [kommune] og sorter etter reisetid til nærmeste togstasjon.»
  • «... ta bare med tomter der hjemmelshaver er et selskap.»
  • «... ta bare med formål som tillater småhus og rekkehus, ikke blokk.»
  • «... kjør våre egne tomter [liste] gjennom samme kontroll, så vi ser dem side om side med kandidatene.»
  • «... utvid til [nabokommune] og sorter alle treff samlet.»
  • «... legg de ti beste inn som datasett i [prosjekt], så teamet ser dem i kartet.»

«Ubebygd» leser Claude som at det ikke finnes noen ferdigattest i byggesakene de siste årene. Det er en indikasjon, ikke et bevis. Om planen tillater småhus eller bare blokk, står i bestemmelsene og ikke i arealformålet. Bruk listen til å velge hvor du skal se nærmere, ikke som en fasit.

Områdebilde rundt en tomt​

Prompten setter sammen bildet rundt et prosjekt eller en tomt: hvilke planer som gjelder, hva som er solgt, hvem som eier eiendommene rundt, og hva som kan stoppe prosjektet. Det er den samme spørringen som områdeanalysen bygger på.

Bruk Placepoint AI. Lag et områdebilde for [adresse eller matrikkelnummer].

Dekk:

  • Gjeldende regulering og kommuneplan. Les bestemmelsene, ikke bare navnet på planen.
  • Transaksjoner og sammenlignbare salg i området de siste [antall] årene.
  • Eierforhold på naboeiendommene, med selskap og eierkjede.
  • Risiko: flom, skred, kvikkleire og forurenset grunn.
  • Beliggenhet: reisetid til kollektivtransport, befolkning og tilbud i nærområdet.

Oppgi kilde og lenke på hvert punkt. Oppsummer til slutt med enkle ord hva som taler for og hva som taler mot.

Varianter:

  • «... sammenlign [adresse A] og [adresse B] i samme svar, med samme struktur.»
  • «... lever som PDF jeg kan legge ved beslutningsnotatet.»
  • «... ta med historiske flyfoto som viser utviklingen i området.»

Transaksjonene kommer fra eiendomsomsetningene i grunnboken, og reisetidene fra de samme beregningene som Analyse bruker.

Porteføljeoversikt​

Prompten samler porteføljen til et selskap, også eiendommene det eier gjennom datterselskaper og SPV-er. Det er den spørringen som oftest avdekker eiendommer folk ikke visste lå i porteføljen, fordi de ligger flere ledd ned. Eierskap-fanen i selskapspanelet og porteføljerapporten viser det samme for ett selskap om gangen.

Bruk Placepoint AI. Gi meg full oversikt over eiendommene til [organisasjonsnummer], inkludert de som eies indirekte gjennom datterselskaper og SPV-kjeder.

Per eiendom: matrikkelnummer, adresse, tomteareal, bygg og BRA, selskapet som eier den, og gjeldende plan- og reguleringsstatus.

Ta med et kart over hovedklyngen, og eierstrukturen fra ultimat eier ned til SPV-ene. Flagg selskaper som er slettet eller har negativ egenkapital.

Lever som Excel med én rad per eiendom, og et kort sammendrag øverst.

Hva har skjedd siden sist:

Bruk Placepoint AI. For eiendommene til [organisasjonsnummer], også de som eies indirekte: hva har endret seg siden [dato]? Se etter eierskifter, nye byggesaker, nye planvedtak og endringer i selskapsstrukturen. Lever som en kort liste, nyeste først, med kilde per punkt.

Variant:

  • «... legg til et risikosveip per eiendom: flom, skred, kvikkleire, kulturminner og forurenset grunn. Egen kolonne per tema, med kilde.»

Arealene er BRA fra matrikkelen, og regnskapstallene kommer fra Brønnøysundregistrene, som i Regnskap-fanen.

Risikosveip​

Prompten sjekker én tomt, en liste eller et prosjekt mot risikokartlagene og leser hva planen sier om funnene. Uten den må du slå opp i fem kartportaler. Risiko i eiendomspanelet gjør det samme for én eiendom om gangen, og risikorapporten beskriver innholdet.

Bruk Placepoint AI. Kjør et risikosveip for [adresse, matrikkelnummer eller liste].

Per eiendom:

  • Flom, skred, kvikkleire og overvann, med sone og kilde.
  • Kulturminner og hensynssoner i gjeldende plan.
  • Registrert forurenset grunn.
  • Hva planbestemmelsene krever av utredning eller tiltak på disse punktene.

Lever som tabell med én rad per eiendom og én kolonne per tema. Marker rødt der det er et registrert funn, gult der kartlaget er usikkert eller mangler, og grønt der det er sjekket og ikke funnet noe. Oppgi kilde i hver celle.

Prosjekter som kartlag:

Bruk Placepoint AI. Finn [tre] prosjekter på nettsiden til [selskap] som er gjennomført eller i gang. Gjør et risikosveip på hvert av dem og lagre resultatet som et datasett i [prosjekt], slik at hele teamet ser det som kartlag i Placepoint Fusion.

Gult betyr «ikke avklart», aldri «sannsynligvis greit». Et tomt kartlag betyr at faren ikke er kartlagt, ikke at den ikke finnes. Får du grønt over hele linja i et område du vet har marin leire, spør Claude om kvikkleirekartlaget faktisk dekker området. Kvikkleirefare utenfor kartlagte soner krever grunnundersøkelse. Overvann leses fra dreneringslinjene, kulturminnene og hensynssonene fra reguleringskartlagene, og forurensningen fra Forurenset grunn.

Akkvisisjonsliste i tre steg​

Promptene bygger og holder ved like en kandidatliste dere følger over tid, så vurderte tomter ikke forsvinner i gamle notater. Steg tre legger listen i et prosjekt som datasett, så hele teamet ser historikken i kartet og ingen vurderer den samme tomten to ganger uten å vite det. Akkvisisjonsrapporten beskriver innholdet i listen.

Steg 1, bygg listen:

Bruk Placepoint AI. Sett opp en akkvisisjonsliste for [område eller kriterier].

Per kandidat: matrikkelnummer, adresse, tomteareal, arealformål, hjemmelshaver og eierkjede, siste kjente transaksjon med pris og dato, og en kort statuslinje.

Legg til kolonner vi fyller ut selv: vår vurdering, budpris, status og neste steg.

Lever som Excel.

Steg 2, sjekk hva som har skjedd:

Bruk Placepoint AI. Her er akkvisisjonslisten vår [lim inn eller last opp]. Sjekk hver eiendom mot registrene og si hva som har endret seg siden [dato]: eierskifte, ny byggesak, nytt planvedtak, eller endring i selskapet som eier eiendommen. Lever som en kort liste over det som faktisk har endret seg. Ikke gjenta rader uten endring.

Steg 3, legg listen i kartet:

Bruk Placepoint AI. Last opp denne listen som et datasett i [prosjekt], koblet mot matrikkelnummer, slik at hele teamet ser kandidatene som kartlag i Placepoint Fusion. Kall datasettet [navn].

Steg 3 bruker Placepoint Dataset MCP. Du kan ikke lime listen inn i samtalen: Claude lager en opplastingslenke, og du legger filen der.

Motpart og eierkjede​

Promptene finner ut hvem som faktisk eier en tomt før dere tar kontakt, og vurderer motparten i en transaksjon: selskap, konsern og regnskap. Selskapspanelet og eierstrukturrapporten viser det samme i Placepoint Fusion.

Hvem eier:

Bruk Placepoint AI. Hvem eier [adresse eller matrikkelnummer]? Følg eierkjeden fra hjemmelshaver opp til ultimat eier, med eierandel i hvert ledd. Ta med styret og daglig leder i hvert selskap, og hvilke andre eiendommer samme eier har i [kommune eller område].

Oppgi kilde på hvert ledd. Si fra om et ledd i kjeden er en privatperson, uten å oppgi navnet.

Vurder motparten:

Bruk Placepoint AI. Lag en kjøpervurdering av [selskap eller organisasjonsnummer].

Dekk: konsernstruktur og ultimat eier, siste tre års regnskap med omsetning, resultat og egenkapital, eiendomsportefølje med antall eiendommer og BRA, nylige transaksjoner, og roller som går igjen i andre selskaper.

Avslutt med fem punkter om det jeg bør vite før jeg går inn i en forhandling. Oppgi kilde for hvert tall.

Privatpersoner er anonymisert i Placepoint AI: du får vite at et ledd i kjeden er en privatperson, og hvor stor andelen er, men ikke hvem (se Personopplysninger er ikke tilgjengelige). Trenger dere navnet, er grunnboksutskriften kilden. Svaret er et arbeidsgrunnlag, ikke en kredittvurdering, og det sier Claude selv.

Sist oppdatert
NB! Dokumentasjonen er automatisk generert. Informasjonen kan være ufullstendig og inneholde feil, spesielt skjermbilder og videoer. Se Om hjelpesidene. Vi vil veldig gjerne ha innspill: Kontakt oss via «Fant du det du lette etter?» nederst, i chatten nede til høyre eller på support@placepoint.no - vi svarer så fort vi kan!