Palju on räägitud ettevõtete ja ülikoolide vahelise koostöö tulususest mõlemale poolele ja ka laiemale üldsusele. Ent sageli jääb kogu teema pelgalt teooria tasandile ning kahtlused, kas ja kuidas selline koostöö võimalik oleks, jäävad alles. Tallinna Tehnikaülikooli IT-teaduskond on unistusi reaalsuseks muutmas.
Karin Härmat
„TalTechi IT-teaduskond on viimase viie aasta jooksul investeerinud koostöömudeli väljatöötamisse ja ette on näidata mitmeid edulugusid,“ rääkis teaduskonna dekaan Gert Jervan. „Kui 2016. aastal oli teaduskonna ettevõtluslepingute ja teenustööde maht 251 000 eurot aastas, siis tänaseks on sõlmitud lepingute maht Eesti ettevõtetega ligi 5,4 miljonit eurot,“ andis ta ülevaate.
Uus tarkvara aitab suurendada maksutulu ja reguleerida elektri tarbimist
IT-teaduskonna ettevõtlusportfell koosneb peamiselt koostööst tarkvaralahenduste jaoks ning suurimateks lepingupartneriteks on Reach-U, Aurora Solutions, Thinnect, Domotics, CybExer, Guardtime, Tallink, Milrem.
Mitmetega neist on alanud koostöö SA Archimedes Nutika spetsialiseerumise toetusmeetme abiga ning käima on lükatud oluline teadus- ja arendustegevus. Kõige hilisem näide on koostöö Aurora Solutions OÜ-ga, mis loob käibemaksu- ja tollideklaratsioonide teenusplatvormi ja võimaldab riikidel oluliselt suurendada maksutulu laekumist. Tarkvarateaduse instituut ja OÜ Thinnect arendavad aga tehnoloogiat, mis võimaldab jälgida linnaõhku ja mõõta liiklusvoogusid. Eelmise aasta kevadel kinnitati Tallinna tänavavalgustuspostidele nn targa linna andurite võrku 900 aku ja päikesepaneeliga varustatud seadet keskkonna- ja liiklustiheduse andmete kogumiseks. „Andmeid saavad kasutada linna ja liikluse planeerijad paremate otsuste tegemiseks ning liiklusmüra ja saaste vähendamiseks,“ tutvustas teaduskonna ettevõtlusspetsialist Sirli Kasepuu ühiskonna jaoks sündivat kasu.
IT-teaduskonnal on tihe koostöö ka ettevõttega Reach U-ga. Tarkvarainstituudi ettevõtlusspetsialisti Rain Eisleri sõnul on tulemuseks tee defektide automaatse tuvastamise metoodika, mille abiga loodi demonstreeritav näidiskiht defektidest. Tänu projekti edukusele teeb ettevõte teaduskonnaga koostööd edasi ning uue projekti fookuses on ruumiandmete infrastruktuuri uuring ja loomine, et hallata, standardida ja integreerida mitmesuguseid andmeid eri allikatest, hoides samal ajal kõrget andmete täpsusastet.
Eisler märkis, et mitu koostööprojekti tegelevad energiatarbimise temaatikaga. „Praegu on koos ettevõttega Gridio 2.0 OÜ töös rakendusuuringud, mis aitavad paremini reageerida elektrituru nõudlusele. See tähendab olukorrateadlikku suure võimsusega kodumasinate ja akude reaalajas juhtimise süsteemi ning uue põlvkonna algoritmide loomist, mis võimaldavad tasakaalustada elektrivõrku lõpptarbijate intensiivsema ja nutikama kaasamisega,“ tegi ettevõtlusspetsialist ülevaate. Lõpule on jõudnud projekt Alexela Energia AS-ga, koostöö eesmärgiks oli tuvastada ettevõtte klientide elektritarbimise prognoosimiseks parim metoodika ja mudel, mis aitaks parandada lühiajaliste tarbimisprognooside tegemist ja looks kuluefektiivsust.
Millises olukorras me tegutseme?
Teaduskonna ettevõtlusspetsialist Sirli Kasepuu rääkis, et kõik ei ole nii roosiline kui näidetest võib tunduda, ning kui jätta kõrvale meid ümbritsev pandeemia ja sellest tingitud eriolukord, siis on ettevõtluse ja ülikooli koostööl jalus nii mõnigi komistuskivi.
Eestis on vaid üksikud ettevõtted, kes suudavad toetusi kasutamata ise finantseerida ülikoolidega koostöös tehtavaid teadus- ja arendusprojekte. Lisaks sellele on ettevõtete võimekus kaasata intellektuaalset kapitali ja teadmisi võrdlemisi madal. Ülikoolidel on eri põhjustel lihtsam teha koostööd suurte ettevõtetega ja sageli pole väiksemad projektid teadlastele atraktiivsed.
Siinkohal tasub mainida, et ülikoolide rahastusmudel ei toeta väiksemate ettevõtlusprojektide teostamist. Ülikoolide üheks probleemiks on ka vähene agiilsus ehk töökiirus on ettevõtete jaoks liiga väike. Lisaks juba mainitule pole sageli kummalgi poolel piisavalt pädevaid projektijuhte. Paljud koostööprojektid ebaõnnestuvad halva projektijuhtimise, mitte sisu tõttu.
Mida on takistuste ületamiseks teinud IT teaduskond?
IT Akadeemia teadusmeetme raames on IT-teaduskond loonud kaks uut uurimisgruppi tarkvara usaldusväärsuse ja riistvara turvalisuse valdkondades. Oleme üles ehitamas asjade interneti valdkonna kompetentsikeskust ning oluliselt tugevdanud teaduskonna võimekust AI, andmete ja robootika valdkondades.
Lisandunud töötajate baasil on võimalik avada uusi koostöösuundi ning kaks loodud uurimisgruppi on juba jõudnud esimeste koostöökontaktideni ettevõtetega Levercode, Scudo, Multics, Guardtime ja Cybernetica.
AI ja andmete valdkonna tugevamaks rakendamiseks lõime möödunud aasta sügisel GovAILab initsiatiivi, mille eesmärgiks on olla one-stop-shop avalikule sektorile, et katsetada ja prototüüpida avaliku sektori AI ja andmeteaduse lahendusi.
Suurimaks kitsaskohaks on pikaajaline ja suuremahuline koostöö Eesti ettevõtetega. Ülikooli tasandil tegeleb innovatsiooni- ja ettevõtluskeskus Mektory ettevõtetega, mis pakuvad huvi teaduskondades üle ülikooli, nagu näiteks Eesti Energia või Mainor Ülemiste. Teaduskonna tasemel tegeleme vahetu koostööga konkreetsete ettevõtetega. Selleks oleme välja töötanud ja rakendanud enterpreneur-in-residence mudeli, kus ettevõtte-ülikooli koostöökogemusega ettevõtja/investor lähtub isiklikust positiivsest kogemusest ning oskab ettevõtetele koostööd ülikoolidega enamasti teadlasest paremini selgitada. Selle kõrval pakuvad tuge ettevõtluskoostöö spetsialist, praktika koordinaator, kommunikatsioonijuht ja administratiivjuht.
IT-teaduskond peab ka oluliseks rahvusvahelist kontaktivõrgustikku. Välisrahastusega toetatud mastaapsed projektid (H2020 jmt) sünnivad teadlaste kontaktivõrgustike abiga ning omavad selget seost teadlase kvaliteedi ja võrgustumisega: mida suurem on teadlase rahvusvaheline silmapaistvus, seda suurem on tema rahvusvaheliste projektide portfell.
TalTechi ja Reach U järgmise koostööprojekti suundadeks on muuhulgas ruumiandmete loomine ja töötlemine, mille abil on võimalik kuluefektiivse geodeetilise täpsusega luua 3D pilte, mida kasutavad näiteks targa linna või isejuhtivate sõidukute projektidega töötavad teadlased. Pildil on närvivõrk püüdnud punktipilvest, kus on maapind juba eemaldatud, eristada kolme tüüpi objekte – maju (kollased), puid ja põõsaid (rohelised) ja poste (sinised).
Koostöös ettevõttega Reach U valmis tee defektide automaatse tuvastamise metoodika ning loodi demonstreeritav näidiskiht defektidest. Pildil on ortokaader teest, rohelisega on tähistatud defekt, sinisega valenegatiivse ja punasega valepositiivse defektiinfoga pikslid.