Tekoäly avaa tuottavuuden lukkoja rakennushankkeissa

(Otto Alhava, Piia Sormunen ja Niko Vironen2_kuva_Ilkka_Vuorinen)(Kuva: Ilkka Vuorinen)
Otto Alhava, Piia Sormunen ja Niko Vironen esittivät Talotekniikka Next -tapahtumassa ratkaisuja talotekniikka-alan tuottavuuden parantamiseen. Kuva: Ilkka Vuorinen.

Tekoälyagentit lupaavat vauhtia rakennusalan tiedonkulkuun, mutta tuottavuusloikka vaatii ensin tiedon vakiointia.

Tietomallinnuksen suurista lupauksista huolimatta rakennushankkeissa tehdään edelleen paljon töitä 2D-kuvien ja pdf-tiedostojen kanssa. Syynä on tietomallien kirjava sisältö.

”Ilman vakioitua nimikkeistöä ja tietosisältöä mallien sisältö vaihtelee, mikä estää tiedon virtaamisen  ja tietoja joudutaan syöttämään tai korjaamaan manuaalisesti tai niitä poimitaan pdf-tiedostoista. Tämä on valedigitalisaatiota, joka tukkii tuottavuutta”, Swecon VDC-palveluiden ja tiedolla johtamisen tiimipäällikkö Niko Vironen kertoi Talotekniikka Next -tapahtumassa.

Tampereen yliopiston johtamassa AI Champion -hankkeessa ongelmaa ratkotaan tekoälyagenttien avulla. Tavoitteena on yhtenäistää alan hajanaisia datavirtoja, jotta tieto liikkuu suunnittelusta hankintaan, työmaalle ja edelleen rakennuksen ylläpitoon.

”Teemme sata dataa virtauttavaa tekoälyagenttia eli kielimallia hyödyntävää ohjelmistoa. Nyt niitä on jo yli 30”, Tampereen yliopiston apulaisprofessori Piia Sormunen sanoo.

Hankkeen ensimmäisissä kokeiluissa on digitalisoitu määrälaskentaa yhteistyössä Building 2030- ja Talotekniikka 2030 -hankkeiden kanssa. Tietomalleista muodostettiin LCA-laskentaa varten määräluettelo moniagenttijärjestelmällä, jossa 11 agenttia hoiti eri tehtäviä.

”Agenttijärjestelmä teki laskennan neljässä tunnissa, kun ihmisiltä siihen kului 40 tuntia.

”Agenttien tarkkuus oli 90 prosenttia verrattuna ihmisen tekemään määrälaskentaan. Agenttijärjestelmä teki neljässä kohteessa laskennan neljässä tunnissa, kun ihmisiltä siihen kului 40 tuntia”, Sormunen kertoo.

Seuraavaksi kokeiluja jatketaan TATE-malleilla ja samalla mitataan agenttijärjestelmän tuottavuusvaikutuksia. Hankkeen päätteeksi julkaistaan avoimen lähdekoodin kirjasto, johon kootaan kehitetyt, testatut ja validoidut tekoälyagentit.

”Tavoitteena on päästä digitaaliseen luovutukseen, jossa kaikki rakennuksen tuotteita ja järjestelmiä koskevat tiedot ovat digitaalisessa muodossa”, Sormunen toteaa.

Vakiointi saa tiedon virtaamaan

Fira oy:n teknologiajohtaja Otto Alhava kiteyttää tiedon virtausongelman insinöörikielellä.

”Kaikki insinöörien rakentamat systeemit voidaan pelkistää kolmeen asiaan: input, temput ja output. Kun tietomallista saatavaan lopputulokseen ei olla tyytyväisiä, yritetään korjata outputia. Meidän pitää sen sijaan korjata input eli viedä malliin vakioitua tietoa.”

Kun nimikkeistö ja tietosisältö vakioidaan, tietoa voidaan siirtää ja rikastaa koneellisesti. Samalla syntyy pohja tekoälyagenttien ja automaation tehokkaalle käytölle.

”Kun lähtötieto on yhdenmukaista ja koneellisesti käsiteltävää, ihmisten aikaa vapautuu tiedon etsimisestä ja muokkaamisesta arvokkaampaan työhön. Samalla kustannukset ja virheet vähenevät ja tietoa voidaan hyödyntää esimerkiksi rakennuksen kiertotalousarvon laskennassa”, Alhava sanoo.

Tietomallien hyödyntämistä tulee helpottaa myös työmaalla. Satojen megatavujen IFC-malli projektipankissa ei palvele asentajaa, jolla ei välttämättä ole pääsyä aineistoon, sopivaa ohjelmistoa kännykässä tai tarvittavaa osaamista.

”Olemme ratkaisseet tätä ongelmaa pilkkomalla tietomalleja jo suunnitteluvaiheessa käyttökelpoisempiin osiin, kuten rakennuksen kerrostasolle”, Vironen sanoo.

Kun tieto kulkee myös työmaalta takaisin suunnitteluun, suunnittelijat saavat tietopohjaista palautetta siitä, mitkä ratkaisut toimivat ja missä on petrattavaa.

Alhava näkee tiedon vakioinnissa mahdollisuuden alan murrokseen.

”Ensimmäisissä hankkeissa vakioitua tietosisältöä on jo rikastettu ja siirretty ylläpidon tarvitsemaksi, sijaintikohtaiseksi tiedoksi. Muutos edellyttää kuitenkin, että tilaajat ja pääurakoitsijat vaativat vakioidun tietosisällön käyttöä hankkeissa. Siitä pallo lähtee liikkeelle.”

Fakta: AI Champion -hanke

  • Kehittää tekoälyratkaisuja rakennusalan tiedon virtauttamiseen
  • Tavoitteena 100 tekoälyagenttia KIRA-alalle
  • Koordinaattorina Tampereen yliopisto, mukana 13 kumppania ja muita yhteistyötahoja
  • Business Finlandin Co-Innovation-hanke, budjetti 20 miljoonaa euroa
  • Kattaa vuodet 2025 – 2028
  • Ensimmäinen tulosseminaari 11.12.2026.

Marjukka Puolakka, teksti