Usk ei ole strateegia: miks ehitus vajab paremaid andmeid
Miina Karafin, Verstoni digitaliseerimise ja BIMi juht
Põhineb 2026. aasta juunis Pariisis InfraBIM Openil peetud ettekandel
Olen viimase kümne aasta jooksul näinud ehituses palju uusi digitaalseid tööriistu. Igaüks neist lubab muuta töö täpsemaks, kiiremaks ja läbipaistvamaks. Sageli loodetakse, et uus tarkvara lahendab probleemi, mis on tegelikult palju sügavam.
Minu kogemus on näidanud vastupidist: tehnoloogia ei ole enamasti nõrgim lüli. Nõrgim lüli on see, kuidas me andmeid kogume, kasutame ja nende põhjal otsuseid teeme.
See on eriti oluline praegu, kui ehitussektoris räägitakse üha rohkem tehisintellektist. AI võib tulevikus aidata meil paremini planeerida, prognoosida ja riske ennetada, kuid vajab selleks korrastatud, võrreldavaid ja järjepidevalt kogutud andmeid.
Just siin on ehitussektori üks suuremaid väljakutseid.
Me teame kulusid täpselt. Aga kas teame sama täpselt, mis objektil päriselt toimub?
Suured taristuprojektid kipuvad ikka ja jälle seisma silmitsi sama probleemiga: eelarved kasvavad, tähtajad nihkuvad või juhtub mõlemat korraga. Oxfordi professori Bent Flyvbjergi 16 000 projekti hõlmav andmebaas 136 riigist näitab, et vaid 8,5% projektidest valmib õigel ajal ja eelarves.¹ KPMG üleilmne uuring lisab, et ainult 25% projektidest valmib kuni 10% ulatuses algsest tähtajast.²
Ometi algab iga projekt alati sarnase tundega. Uus objekt, uus meeskond, uus plaan ja tuttav optimism. Iga kord usume, et seekord oleme just meie nende väheste seas, kellel õnnestub kõik õigesti teha.
Igal projektil on aga kolm tegelikkust: plaan, aruanded ja tegelik elu ehitusplatsil. Esimesed kaks on üldjuhul korras, kolmas on sageli palju ebamäärasem.
Finantsandmed on täpsed, me saame kulusid jälgida päeva täpsusega. Ka tellijale koostatav dokumentatsioon on täpne. Aga kui küsida, mitu kuupmeetrit on täna, praeguseks hetkeks, tegelikult valmis ehitatud, on vastus sageli palju vähem kindel.
Siin peitubki lõks. Kui kulu on tekkinud, kipume eeldama, et töö on tehtud – need kaks tunduvad justkui üks ja sama. Aga raha liikumine ei tähenda automaatselt, et materjal on liikunud. Ja enamasti me seda lõpuni ei kontrolli, sest kontrollimine tundub niigi koormatud meeskonnale lisatööna.
Kui ettevõte proovib andmete kogumist standardiseerida, jõuab ta kiiresti tuttava vastuväiteni: „Meie projekt on teistsugune, seda ei saa standardiseerida.“ Samas, kui vaadata, mida me igal projektil tegelikult mõõdame – mahte, kihte, kõrvalekaldeid projektlahendusest –, siis on põhistruktuur üsna sarnane.
Projektid on unikaalsed, aga vabandused ei ole.
Rail Baltica kui Verstoni andmelabor
Rail Baltica on üks Euroopa suurimaid taristuprojekte, mis läbib kolme riiki. Verstoni jaoks on see olnud ka andmelabor. Oleme seal palju õppinud, kuigi me ei väida, et oleme selle teema lõpuni lahendanud.
Andmete kogumiseks on erinevaid viise, kuid küsimus on alati sama: mis on tegelikult valmis ehitatud ja kas see vastab plaanile?
Üks oluline allikas on masinjuhtimine. Meie masinad on ühendatud kesksesse süsteemi, kuhu on salvestatud nii projektlahendus kui ka ajakohased projektiandmed. Iga punkt, mille masin mõõdab, liigub otse süsteemi. Nii tekib värske ülevaade liigutatud mahtudest ja seda saab võrrelda projektlahendusega.
Kõige olulisem on ajastus. Me näeme andmeid siis, kui töö toimub ja kui veel on võimalik midagi muuta. Mitte kuu lõpus, kui on juba liiga hilja.
Ühel objektil tõi drooniandmete ühendamine senise tööviisiga välja 25% erinevuse, mida varem ei olnud mõõdetud. Iga veokikoorem kaaluti tonnides, samal ajal kui droon mõõtis tegelikult paigaldatud materjali mahtu. Meeskond oli seni kasutanud tihedusena 1,9 tonni kuupmeetri kohta. Keegi ei olnud seda eraldi kahtluse alla seadnud.
Kui kaalutud tonnid pandi kõrvuti mõõdetud mahuga, selgus, et tegelik näitaja oli pigem 2,4 tonni kuupmeetri kohta. See tähendas 25% erinevust võrreldes arvuga, millele kõik olid seni tuginenud. Praktikas muudab selline vahe märkimisväärselt seda, kuidas arvestame edenemist ja koguseid.
Keegi ei olnud otseselt eksinud, seda lihtsalt ei olnud varem mõõdetud.
Andmed aitavad probleeme näha enne, kui need tekivad
Teisel juhul aitas tehisintellektil põhinev tööriist lahendada probleemi enne, kui see jõudis tekkida. Igal nädalal lendab droon objekti üle ja AI-põhine tööriist võrdleb tehtud tööd plaaniga, andes kohe ülevaate tööde edenemisest.
Ühel objektil paistis kõik olevat graafikus. Andmed näitasid aga, et mõne nädala pärast tekib konflikt: peagi ei oleks enam piisavalt ruumi killustiku paigaldamiseks. Kaevetööd ja lõhkamistööd liikusid mõlemad õiges tempos, kuid viisid paralleelselt sama pudelikaelani. Neid töid juhtisid eri objektijuhid ja ilma andmeteta ei olnud seda seost näha.
Üks otsus muutis plaani ja probleem lahendati enne, kui see päriselt tekkis.
Sama AI-analüüs aitas ka kvaliteedikontrolli paremini ette planeerida. Raudteetammi kihtide puhul näitas tööriist täpselt, kui palju materjaliproove tuleb võtta enne järgmise kihi paigaldamist. See oli oluline, sest ehituses tuleb järgmine kiht kiiresti peale. Kui see on juba paigas, on tagasi minna keeruline, kallis ja mõnikord võimatu.
Muutus ei alga tarkvarast
Kui tehnoloogia ei ole vastus, siis mis on? Minu kogemuses on muutuse käivitamiseks vaja kolme asja.
Esiteks peab seda nõudma äri. Kui juhtkond ei käsitle puudulikke ehitusplatsi andmeid äriprobleemina, jääb see igavesti pilootprojektiks. Tehisintellekt vajab väärtuse loomiseks mastaapi ja projektideülest järjepidevust.
Teiseks on protsess olulisem kui tarkvara valik. Igapäevane andmete kogumine on operatiivne juhtimisotsus, sama elementaarne nagu tööohutuse tagamine ehitusplatsil. See peab olema ettevõtte standard.
Kolmandaks on ainus tee järjepidevus. Andmeid tuleb koguda igal objektil ja igal nädalal. Üksikust droonilennust või ühest edukast katsetusest jääb selgelt väheks. Iganädalane pilt sellest, mis on päriselt valmis ehitatud, loob aluse headele planeerimis- ja prognoosimisotsustele.
Me oleme teekonnal
Meie 2026. aasta eesmärk on jõuda ühtse andmete kogumise protsessini kõigil objektidel. Me ei ole veel seal. Meil on toimivad pilootprojektid, inimesed, kes mõistavad selle väärtust, ja tõestus, et lähenemine töötab. Ehitame süsteemi, mis muudab selle tööviisi kõikide projektide jaoks normiks.
See ongi (andme)distsipliin.
Paljud tehisintellekti katsetused ehituses ebaõnnestuvad, sest alusandmed on kaootilised ja erinevad projektiti. Tehisintellekt vajab struktuuri ja järjepidevust: samu andmeid, mida kogutakse samal viisil, igal nädalal. Iga droonilend, iga masinjuhtimise punktide kogum, mis liigub süsteemi, ja iga mõõdistaja mõõdistus, mis jõuab otse andmebaasi, on investeering andmekultuuri. Just see kultuur muudab tehisintellekti ühel päeval ehitusplatsil päriselt kasulikuks.
Selle väärtus ulatub aga ehitusplatsist palju kaugemale. Kui andmeid kogutakse distsiplineeritult, liiguvad need läbi kogu projekti elukaare – hankest ja projekteerimisest ehituseni ning sealt edasi järgmise eelarveni. Nii on järgmise projekti aluseks kogemus ning andmed selle kohta, mis eelmistes projektides tegelikult juhtus.
Usk ei ole strateegia
Alustasime kahest numbrist: 25% projektidest valmib õigel ajal ja 8,5% õigel ajal ning eelarves. Iga projekti alguses tahame uskuda, et meie oleme nende väheste seas, kellel õnnestub. Aga usk ei ole strateegia.
Standardid kõlavad igavalt. Ometi loovad just standardiseeritud andmed võimaluse teha päriselt huvitavaid asju: panna info liikuma läbi kogu projekti elukaare, kasutada seda järgmise eelarve koostamisel ja muuta tehisintellekt ehituses praktiliselt rakendatavaks.
InfraBIM Openil Pariisis jäi kõige selgemalt kõlama just see mõte: sektor teab juba, mida tööriistad suudavad. Mida me alles õpime, on harjumus kasutada neid järjepidevalt.
Allikad
- Bent Flyvbjerg & Dan Gardner, How Big Things Get Done (2023). Arvud on esitatud Flyvbjergi viitega väljaandes New Civil Engineer, juuni 2023: https://www.newcivilengineer.com/latest/interview-programme-management-academic-bent-flyvbjerg-identifies-the-ingredients-of-successful-major-projects-26-06-2023/
- KPMG International, Global Construction Survey 2015 — “Climbing the curve”: https://assets.kpmg.com/content/dam/kpmg/pdf/2015/05/construction-survey-201502.pdf