Tekoälyagentit laittavat kylmäalan datan liikkeelle

Kylmäalalla syntyy paljon tietoa laitteista, komponenteista, materiaaleista ja niiden toiminnasta. Ongelma on, ettei tieto kulje sujuvasti suunnittelijalta urakoitsijalle ja edelleen huoltoon ja kiinteistön omistajalle.

Tätä ongelmaa ratkotaan Tampereen yliopiston vetämässä AI Champion -hankkeessa, jonka tavoitteena on parantaa tiedonkulkua rakennus- ja talotekniikka-alan eri toimijoiden välillä tekoälyagenttien avulla.

”Tavoitteemme on yhdistää nykyisin hajallaan olevia datavirtoja ja saada suunnittelun, hankinnan, rakentamisen ja muun toimitusketjun tieto liikkumaan digitaalisesti järjestelmästä toiseen”, apulaisprofessori Piia Sormunen kertoo.

Data liikkeelle koko toimitusketjussa

AI Champion -hankkeessa on mukana useita talotekniikka- ja rakennusalan toimijoita. Noin 20 miljoonaa euroa maksavan hankkeen päärahoittaja on Business Finland.

Piia Sormunen sanoo, että kesään 2028 ulottuvan hankkeen tavoitteena on kehittää noin sata tekoälyagenttia, joita yritykset voivat hyödyntää omissa kaupallisissa ratkaisuissaan.

”Tekoälyagentit julkaistaan avoimen lähdekoodin agenttikirjastossa. Toivomme hankkeen tulosten vauhdittavan sekä yritysten tuottavuuden parantamista että kokonaan uusien datatuotteiden syntymistä.”

Myös kylmäalalla tarvitaan paljon tietoa laitteista ja komponenteista. Ongelma on kuitenkin siinä, ettei tieto kulje sujuvasti laitevalmistajilta toimitusketjun muille toimijoille, sanoo Koja-konsernin digitalisaatiopäällikkö Turo Välikangas.

”Tarvittava tieto on kyllä yleensä olemassa, mutta sitä pitää kaivaa PDF-dokumenteista ja sähköposteista.”

Rakenteista tietoa tekoälyn käyttöön

Tiedon automaattinen siirtyminen järjestelmien välillä edellyttää, että tieto on rakenteisessa ja koneluettavassa muodossa.  Koja ja samaan konserniin kuuluva Chiller selvittävät AI Champion -hankkeessa erityisesti sitä, miten laitevalmistaja voi tuottaa rakenteista tietoa koko toimitusketjun tarpeisiin.

”Rakenteinen tieto siirtyy sujuvasti rajapintojen kautta eri järjestelmiin. Myös tekoälyagentit voivat hyödyntää tällaista tietoa tehokkaasti”, Välikangas perustelee.

Esimerkiksi kylmälaitteessa rakenteista dataa voidaan välittää komponenteista, kylmäaineesta, ohjelmistoversioista, käyttöiästä ja päästöistä. Näitä tietoja tarvitsevat suunnittelijoiden lisäksi urakoitsijat, asiakkaat ja huoltoyhtiöt.

Manuaalista työtä voi karsia

Rakennushankkeiden suunnittelussa käytetään yleisesti tietomalleja, mutta rakennus- ja asennusvaiheessa tietomalli saatetaan edelleen tulostaa 2D-kuvaksi. Materiaalien ja laitteiden määrälaskentakin voidaan tehdä manuaalisesti, vaikka iso osa siitä olisi Piia Sormusen mukaan mahdollista automatisoida.

”Esimerkiksi kylmäalan suunnittelijalle tai urakoitsijalle rakenteisen tiedon hyöty voi näkyä siinä, että tietomalliin jo kerran syötettyä tietoa ei tarvitse käsitellä uudelleen käsityönä”, Piia Sormunen mainitsee.

Hänen mukaansa rakennushankkeissa tekoälyagenttien merkitys korostuu etenkin suurissa projekteissa, joissa eri osapuolten tuottamaa tietoa syntyy valtavia määriä.

”Tekoälyagentti tai moniagenttijärjestelmät voivat esimerkiksi poimia laajasta teknisestä aineistosta juuri kyseisessä työvaiheessa tarvittavat tiedot sen sijaan, että käyttäjä joutuu etsimään niitä PDF-dokumenteista”, Sormunen sanoo.

Hänen mukaansa rakenteinen laitetieto ja tekoälyagentit helpottaisivat myös kylmälaitteiden ylläpitoa. Jos rakennuksessa olevien laitteiden, materiaalien, kylmäaineiden ja komponenttien tiedot ovat helposti saatavilla, huollon ei tarvitse etsiä niitä hajallaan olevista dokumenteista.

Koja testaa tekoälyä omassa kiinteistössä

Koja testaa tekoälypohjaisia ratkaisuja jo omissa kiinteistöissään. Yhdessä Tampereen yliopiston tutkijoiden kanssa yrityksen tehtaalla Jalasjärvellä on rakennettu moniagenttijärjestelmää, joka tuottaa ilmanvaihdolle älykkään koneoppimismallin ja säätää järjestelmää reaaliajassa.

Turo Välikangas arvioi tekoälyn automatisoivan jatkossa suuren osan esimerkiksi sellaisesta työstä, jossa asiantuntija tekee päätelmiä dokumenttien, standardien tai muun aineiston perusteella.

”Vaikeampi kysymys on melkein se, mitkä prosessit eivät muutu. Tekoälyn etenemisen myötä olemme ison murroksen edessä.”