Innovatsiooniprojekti ideekavand1

AVALIKU SEKTORI INNOVATSIOONIVÕIMEKUSE TÕSTMINE Ideekavandit täites palume tutvuda riigikantselei veebilehel toodud soovituste ja juhistega projekti

esitajale.

Innovatsiooniprojekti nimi E-ehituse eelkonsultatsiooni tööriist – kliendikeskse e-ehituse

infosüsteemi esimene moodul

Innovatsiooniprojekti

fookusvaldkond ☐ Droonitehnoloogiate valdkond

☒ Tehisintellekti lahenduste valdkond

Innovatsiooniprojekti panus valitsuse tegevuskava

prioriteetidesse

☐ Riigi kriisikindluse suurendamine

☒ Majanduse kasvule kaasa aitamine

☒ Riigi tõhus juhtimine

Innovatsiooniprojekti

esitajad (tulevased RK partnerid) (asutus/asutused)2

Juhtivpartner: Maa- ja Ruumiamet (MaRu)

Partnerid: Kliimaministeerium

Keskkonnaministeeriumi Infotehnoloogiakeskus

Projektijuht või ideekavandi esitaja kontaktisik (nimi, asutus, e–posti

aadress ja telefon)

Pille-Riin Peet, Maa- ja Ruumiamet, [email protected], +372 58413166

Innovatsiooniprojekti kestus (kuudes)

22 kuud Ajaarvestust alustame üldjuhul partnerluslepingu sõlmimisest.

Innovatsiooniprojekti

kogumaksumus (sh käibemaks, kui on abikõlblik)

Kogumaksumus: 611 000 eurot

Käibemaks ☒ jääb kulu tegija kanda (käibemaks abikõlblik)

☐ saab küsida riigilt tagasi (käibemaks ei ole abikõlblik)

Vastav info täita iga partneri kohta (kopeeri ridu ning kirjuta partneri nimi juurde)

1 Juhul kui ideekavand on mõeldud asutusesiseseks kasutamiseks, siis lisage vastav alus ideekavandi päisesse. 2 Partner EL struktuurivahendite mõttes, kes viib ise läbi innovatsiooniprojekti elluviimisega seotud hanked,

sõlmib lepingud ning vastutab aruandluse eest.

1. Probleemikirjeldus (max 2 lk)

Kirjeldage lahendamist vajavat probleemi, selle olulisust ning keda see probleem puudutab.

● Selgitage, miks on probleem aktuaalne.

● Hinnake probleemi mõju (nt rahaline kokkuhoid, keskkonna- või sotsiaalne kasu).Kirjeldage probleemi tausta. Mida on probleemi lahendamiseks Eestis juba tehtud või mis on tegemisel? Tooge välja relevantsed teiste riikide kogemused probleemi lahendamisel.

Juhul kui keegi – olgu see füüsiline või juriidiline isik – soovib Eestis midagi ehitada, peab ta esmalt tegema endale selgeks, kas tegu on ehitusloa või lihtsamal juhul ehitusteatise kohustusliku tegevusega

või pole vaja kumbagi. Seejärel, kui on luba või teatis on vajalik, peab ta nende taotlemiseks kasutama ehitisregistri interaktsioonikeskkonda ehk e-ehituse platvormi.

Kohalikud omavalitsused, tarbijakaitse ja tehnilise järelevalve amet, päästeamet jt viivad samal platvormil

läbi kõik ehitiste ja ehitamisega seotud menetlused. E-ehituse platvormil pakutavad teenused kuuluvad seega riigi kesksete avalike teenuste hulka.

Siinne projekt keskendub platvormil ehitusloa (ja sh -teatise) taotlemise ja menetlemise teenusele, sest

selle kvaliteet – ehitusloa menetluse sujuvus ja etteaimatavus – kujundab otseselt seda, kui kiiresti ja millise kuluga saab Eestis ehitada, renoveerida ja olemasolevat ehitatud keskkonda kohandada. Ehk, see mõjutab otseselt eraisikute, erasektori ja avaliku sektori tegevust ning varasid, laiemalt aga kogu

majanduskeskkonda.

2025. aastal platvormi kaudu 9457 ehitusluba ning menetleti 12 267 ehitusteatist, puudutatud oli iga Eesti KOV. See, et alates 2016. aastast on võimalik ehituslubasid platvormil digitaalselt taotleda ja menetleda

alates, tõi paberipõhiste protsessidega võrreldes kaasa loomulikult väga suure efektiivsuse tõusu, kuid siiski pälvib platvorm rohkelt nii kasutajate, poliitikakujundajate, teadlaste kui ka ehitussektori esindajate kriitikat (vt nt ehitussektori digitaliseerituse uuring [1], aga sellest on võinud osa saada ka avaliku meedia

jälgija). Kritiseeritud on menetlusprotsessi loogikat, kaheldud KOVide varieeruva praktika õiguspärasuses ning on osutatud mahajäämusele kaasaegse kasutajakogemuse pakkumisel. Osa neist probleemidest on lahendatavad tehniliselt ning nendega ka tegeletakse, kuid käesolev projekt tegeleb

teenuse sügavamate probleemidega, võttes selle nö koost lahti ning ehitades uute tehnoloogiate abil uue loogikaga üles.

Probleem taotleja vaatest: omanik peab tagama ehitamise ja ehitise kasutamise vastavuse õigusaktide

nõuetele. Kuid kui taotlejal on soov midagi ehitada, nt püstitada uus hoone või olemasolevat ümber ehitada, renoveerida või lammutada, on tal väga raske tuvastada, millised bürokraatiasammud ja kulud teda ees ootavad ning millised nõuded talle kehtivad (nt ohutuse ja tuleohutuse, energiatõhususe,

varjumise, haljastuse, ehitusmaterjalide, ligipääsetavuse, muinsuskaitse, kasutusotstarbe, müra ning edasise korrashoiu seisukohast). Vastuste saamiseks peab ta käivitama ametliku menetlusprotsessi, tehes läbi erialateadmisi eeldava, kantseliitliku loataotluse protseduuri ning tellides projekteerijalt

dokumentatsiooni (joonised, seletuskirja) enne kui on selge, millised nõuded, dokumendid, kooskõlastused või menetlustoimingud tegelikult tema juhtumile kohalduvad. See loob ebavõrdse olukorra: suuremad arendajad ja professionaalsed taotlejad saavad riske maandada projekteerijate jt

konsultantide abil; eraisikust taotlejal, väikeettevõtjal või väiksemal kinnisvaraomanikul ei ole alati samaväärset ligipääsu erialasele teadmisele. Tulemuseks võib olla ehitusplaanist loobumine, puuduliku taotluse esitamine, mitteametliku nõustamise koormuse kasv KOV-is või ehitamine ilma nõuetekohase

loata.

Probleem KOVi vaatest: menetlusse jõuab sageli puudulik või selgelt vigane taotlus, mistõttu tekib korduv edasi-tagasi suhtlus taotleja ja menetleja vahel, dokumentide parandamine, täiendavate selgituste

küsimine ning menetluse venimine. Menetleja tööaeg kulub sisulise hindamise kõrval korduvate vormiliste ja protseduuriliste puuduste tuvastamisele ning selgitamisele. Seetõttu kannatab KOVi töötajate motivatsioon. Lisaks on õigusraamistik üldsõnaline ning jätab palju tõlgendamisruumi, ka ei

pruugi menetlejatel alati olla piisavalt pädevust keerukas ehitusõiguses (sh kohtulahendites) orienteerumiseks, mis kõik viib temapoolse improvisatsioonini.

Kokkuvõttes: Taltechi poolt 2025. a läbi viidud uuringu [2] järgi on lubade menetluses üldistavalt

järgmised probleemid – otsustusprotsesside subjektiivsus ja suured erinevused omavalitsuste praktikates; menetluse läbipaistmatus taotleja jaoks; liiga üldsõnaliselt sõnastatud õigusraamistik (nn

fuzzy rules); killustatud ja standardiseerimata nõuded; ning e-ehituse platvormi kohmakus, mis

raskendab nii taotlejal kui menetlejal protsessis orienteerumist.

Ka Harjumaa Omavalitsuste Liit on juhtinud tähelepanu, et e-ehituse platvormi keerukusest tingitud menetlusviivitused on omavalitsustele suureks koormaks. Eelmainitud digitaliseerituse uuringus tõi

37,3% vastanutest välja vajaduse lihtsustada riiklike menetluste, sealhulgas ehituslubade taotlemise protsesse.

Taotlejad on seni püüdnud riske maandada ja hilisemaid üllatusi vältida mitteametliku

eelkonsultatsiooniga, pöördudes kohaliku omavalitsuse poole suuliselt või e-kirja teel. Ka rahvusvaheline praktika kinnitab, et mida varasem on taotleja ja menetleja vaheline suhtlus, seda ladusamalt kogu protsess kulgeb [3]. Seetõttu on mitmes riigis loodud eraldi eelkonsultatsiooni lahendusi , kuid, nagu on

näha järgnevast tabelist, on need kas manuaalsed, seotud hilisema projekti staadiumiga, sõltuvad menetleja käsitööst või eeldavad kasutajalt juba koostatud jooniseid ja kirjeldusi. Puudub lahendus, mis ühendaks AI-põhise nõuete tuletamise, riikliku ehitisregistri andmed, planeeringu- ja ruumiandmed ning

õigusraamistiku juhtumipõhiseks ja kontrollitavaks abiliseks nii taotlejale kui menetlejale.

Riikide praktika võrdlus:

Riik Lahendus AI kasutus

Integreeritud ehitus- tegevusega seotud registriga

Planeeringu- andmete kasutamine

Kas on digitaalne tööriist?

Millises projekti etapis saab pöörduda?

Soome Lupapiste 'Kysy neuvoa' (ennakkon euvottelu)

Puudub Jah Osaliselt Taotleja täidab ankeedi veebikeskkonnas, menetleja vastab e-kirja teel

Idee-etapis, ainult aadressi ja tegevuse tüübi kirjelduse alusel (projekti eskiisi ei nõuta)

Holland Omgevings loket / DSO (conceptve rzoek)

Puudub Jah

Jah (plaanid ja reeglid portaalis)

Jah, põhineb juhitud küsimustikul, mille tulemusena päringu ankeet saade-takse menetlejale, kes vastab manuaalselt

Juhtumipõhise eelkonsultat- siooni tarbeks on vaja vähemalt projekti eskiisi, mis sisaldab esmaseid jooniseid / kirjeldust

Singapur CORENET X (Model Checker)

Puudub Jah

Jah Jah, kuid suunatud vaid professionaalidele, kes teevad oma tööd ehitiste informatsioonimud elitega (BIM)

Vahetult enne taotluse esitamist, eeldab valmis BIM-mudelit

Ühend- kuningriik

Pre- application advice

Puudub

Ei Ei (üldine nõustamine)

Enamasti mitte, tavaliselt selleks kohtutakse

Sõltub soovitud konsultatsiooni tasemest.

Juhtumipõhine nõustamine eeldab jooniseid / kirjeldust

Norra Forhaands konferanse

Puudub

Osaliselt Osaliselt

Osaliselt, sõltub kohalikust omavalitsusest

Idee-etapis, ainult aadressi ja tegevuse tüübi kirjelduse

alusel (eskiisi ei nõuta).

Juhtumipõhine nõustamine eeldab jooniseid / kirjeldust

Vaja on aga vigu ennetavat lahendust, mis toetab taotlejat juba varases projekti idee-etapis ja annab konkreetselt tema kaasust käsitleva ehk juhtumipõhise selguse enne, kui ta on projekti koostamisse ressursse panustanud. Kuna iga ehitusloa menetlus on unikaalne – kohalduvad nõuded sõltuvad korraga

seadusandlusest, kehtivatest planeeringutest, kohalikest piirangutest ja kavandatavatest töödest – ei piisa standardiseeritud juhendmaterjalist: lahendus peab olema dünaamiline ja juhtumipõhine nii taotleja kui ka menetleja jaoks. Konkreetsel juhul kohalduvate nõuete varajane selgus pole pelgalt

mugavusküsimus, vaid sellel on ka oluline majanduslik mõju, ning ühtlasi kiirendab see menetleja jaoks projekti ülevaatust.

2. Projekti eesmärk Sõnastage konkreetne, selge ning mõõdetav eesmärk3, mille saavutamist või mitte saavutamist

on võimalik hinnata.

● Kirjeldage, kuidas plaanite projekti eesmärgi saavutamist mõõta.

Projekti eesmärk on muuta ehitusloa taotlemine nii taotleja kui ka KOVi menetleja jaoks läbipaistvaks,

ennustatavaks ning tõhusaks, tagades et mõlemad osapooled teavad juba protsessi alguses, millised nõuded konkreetse ehitusloa taotlemisel kohalduvad. Teenus tuleb ümber mõtestada nii, et see võimestab kasutajat, selle asemel et teda takistada.

Selleks arendatakse ja valideeritakse TLR 7 tasemel AI-põhine e-ehituse eelkonsultatsiooni tööriista prototüüp, mis peab suutma:

1. tuvastada kasutaja kirjeldatud ehitussoovi põhjal kavandatava tegevuse liigi;

2. seostada kavandatav tegevus EHR-is oleva ehitise, kinnistu ja olemasolevate andmetega; 3. pärida ja kasutada asukohapõhiseid planeeringu- ja piiranguandmeid; 4. tuletada kohalduvad nõuded ehitusõigusest, planeeringutest ja seotud andmeallikatest;

5. kuvada nõuded koos allikaviidetega; 6. eristada kõrge kindlusega järeldused madala kindlusega juhtumitest; 7. anda kasutajale eelkonsultatsiooni väljund, mis aitab tal hinnata järgmisi samme enne ametliku

taotluse koostamist; 8. luua menetleja jaoks kontrollitav alusinfo, mis toetab hilisemat menetlusse jõudva taotluse

esmast ülevaatust.

Tööriista väljund on informeeriv juhis, mitte siduv haldusotsus – ametlik otsustusõigus jääb KOVidele.

Projekti kasusaajad on:

1. Ehitusest huvitatud kinnisvaraomanik või tema esindaja, kellel võib olla alles esmane idee või

vajadus, kuid kes soovib aru saada, millised nõuded võivad tema kavandatavale tegevusele kohalduvad.

2. Projekteerija, arhitekt või konsultant, kes saab kasutada tööriista esialgse kontrolli ja nõuete

kaardistamise abivahendina.

3 Katsetamine vastab küsimusele: kas see töötab? Katsetuse puhul ei vaadata alati, kas lahendus praktiliselt toimib.

Piloteerimine vastab küsimusele: kas see töötab päriselus ja on mõistlik kasutusele võtta? Hinnata praktilist

toimivust.

Eksperiment: Igasuguse eksperimendi eesmärk on kontrollida hüpoteese põhjuslike seoste kohta. Eksperiment on selline katse, mis on kavandatud põhjuslike seletusteni jõudmiseks: kui teeme x siis juhtub y. Prototüüp on masina, seadme või mingi rakenduse esialgne teostus, algne mudel, mida edasi arendatakse.

3. Kohaliku omavalitsuse menetleja, kelle jaoks tööriista väljund loob kontrollitava ja allikaviidetega

lähteinfo selle kohta, milliseid nõudeid süsteem konkreetse juhtumi puhul tuvastas. Tänu paremini ettevalmistatud taotlusele on menetlejal võimalik keskenduda arhitektuursete ja piirkondlike eripärade sisulisele hindamisele rutiinse vormikontrolli asemel.

Teenusedisain. Et täita projekti eesmärk saavutada ehitusloa taotlemises ja väljastamises tõeline kvalitatiivne hüpe, peavad kasutajad loodava tööriista ka omaks võtma. Selleks peab see maksimaalselt vastama nende vajadustele, arvestama nende kogemust, tooma neile selgel t kasu ning haakuma nende

ootustega nii e-ehituse platvormile kui riigi IT-süsteemidele, aga ka ehitusõiguse arengule. Seetõttu viiakse projekti käigus reaalsete e-ehituse platvormi kasutajatega läbi põhjalik teenusedisaini protsess. See hõlmab struktureeritud kasutajauuringuid nii kinnisvaraomanike, arhitektide kui KOVi menetlejatega,

kus kaardistatakse mh hetked protsessis, kus kasutaja täna eksib, infot ei leia või loobub sootuks. Uuringutulemuste põhjal kujundatakse tööriista loogika ning kasutajad ei o le ainult testijad, vaid osalevad aktiivselt selles, milliseid küsimusi tööriist esitab, millises järjestuses ja millise väljundi annab. KOV i

menetlejatega töötades kujundatakse ka menetleja vaade, keskendudes sellele, kuidas paremini ettevalmistatud taotlus nende töövoogu jõuab ja millises vormis info neile kasulik on. See inimestega tehtav töö on eelduseks, et digitööriist päriselt toimib.

Projekti mõõdikuteks kasutatakse metoodikat, mida on esitletud TalTechi uuringus [7], kus analüüsitakse

menetluse jooksul tehtud märkusi kasutades masinõppemudelit, mis klassif itseerib märkused vastavalt kirjeldatud probleemi tüübile, domeenile ning kas märkusel on viide konkreetsele seadusandlusele. Selleks võrreldakse vähemalt viies (nagu ka eelmainitud uuringus) valitud KOVis sarnase keerukusega

ehitusloa taotluse protsesse enne ja pärast tööriista kasutusele võttu. Konkreetsed KOVid ning juhtumite arv täpsustatakse projekti ettevalmistavas faasis. Etapp 4 pilootperioodi mõõdikuteks on menetlusringide arv, vormistust ning protseduurilisi probleeme puudutavate märkuste osakaal, konkreetset viidet

seadusandlusele sisaldavate märkuste arv, taotleja rahulolu ning KOVi ametniku hinnanguline ajakulu taotlusele.

Eelkonsultatsiooni tööriista prototüüp realiseeritakse e-ehituse testkeskkonnas, mis on selleks ajaks

loodud riigikantselei avaliku sektori innovatsioonifondist rahastatud projekti "Ruumiline planeerimine 2.0" ehk RuumiHuubi raames. Kuid RuumiHuubi väärtus käesoleva projekti jaoks on palju laiem – selle käigus loodav tehniline teadmine juhtumipõhisest, ruumiandmeid töötlevast AI-tööriistast, millega tõhustada

haldusmenetlust ruumilise planeerimise maailmas, on sisend käesolevale projektile, et teha sama ehitamise puhul. Kaks riiklikku algatust on seega üks ideeline tervik.

Mõlemad projektid kuuluvad maa- ja ruumiameti AI-teekaardile, mis on juhtkonna poolt kinnitatud . Ameti

eesmärk on kujundada praegused menetluskeskkonnad ümber targaks, kliendikeskseks AI-poolt toetatud kasutajaliidesega platvormiks (AIUI-platvorm). Eelkonsultatsiooni tööriist on võimalus katsetada enne laiaulatuslikku platvormi muudatust uut kasutajakogemuse loogikat suhteliselt kitsalt piiritletud,

iseseisva väärtusega moodulina, mis samas puudutab suurt hulka kasutajaid.

3. Võimalikud lahendussuunad (max 2 lk)

Kirjeldage võimalikke lahendusi ning tegevusi, millega projekti eesmärk saavutatakse.

● Kirjeldage võimalikke lahendussuundi, põhjendage eelistatud lahendussuuna valikut (NB! Valitud lahendussuund ei ole siduv, see võib projekti käigus muutuda).

● Kirjeldage probleemi lahendamiseks vajalikke tegevusi, mida antud katseprojekti raames plaanitakse teha.

● Selgitage, kuidas lahendust katsetatakse. Selgitage, kuidas läbi viidavat katsetust ja selle edukust hindate.

Oleme teadlikud, et e-ehituse platvormi kasutajakogemus vajab terviklikku ümberdisaini – süsteem on ehitatud menetlusloogika, mitte kasutaja vajaduse ümber. Selle projekti raames ei alustata aga kogu

teenuse üheaegset ümberkujundamist. Võttes aluseks TalTechi 2026. aasta uuringu [7], mis kaardistas

ehituslubade menetluse sammud, kus menetlejad teevad täna subjektiivseid ja omavahel vastuolulisi

otsuseid, keskendume uue eelkonsultatsiooni mooduli väljatöötamisele kui kõige suurema mõjuga sekkumisele. Loataotluse eelne ettevalmistus on osa, kus ehitamisest huvitatud kasutaja täna kõige enam eksleb ja kus varajane sekkumine hoiab ära kõige enam hilisemaid vigu ning ressursikulu.

Projekti käigus katsetame lähenemist, mis on dünaamiline, juhtumipõhine ning toimiv minimaalse sisendi

põhjal. Õnnestumise korral saab sama loogikat kasutada juba teiste ehitamist puudutavate menetluste (nt ehitusteatis, kasutusluba, kasutusteatis) puhul. Projekt loob seega nii iseseisva väärtuse kui ka tõenduspõhise aluse laiemaks reformiks.

Selleks töötatakse projektis välja kaks erinevat prototüüpi (TRL 4), mis esindavad kahte põhimõtteliselt erinevat viisi, kuidas kasutaja ja süsteem omavahel suhtlevad. Oluline on rõhutada, et kumbki ei ole tänaseks levinud avaliku teenuse juturobot, vaid mõlemad on omaette uuendusliku lahenduse

katsetused:

● Alternatiiv A käsitleb AI-d kasutajaliidesena. See ei ole klassikaline vestlusaken: prototüübil ei olegi eraldiseisvat kasutajaliidest peale AI-vestluse, vaid kogu kasutajakogemus toimub ühes dialoogis. Kasutaja kirjeldab oma ehitussoovi loomulikus keeles ning AI esitab täpsustavaid küsimusi. Vestluse käigus toob agent vestlusaknasse – vajadusel üle kogu ekraani – just selle

sisu ja vaate, mille üle kasutajaga parajasti arutletakse, näiteks projektimuudatuste vaate, kui käsil on selleteemaline arutelu. Agent otsustab menetlusjuhiste alusel (nt Aruaidast saadud juhised), millist infot, vormielementi või vaadet antud hetkel kuvada, ja koondab selle

dünaamiliselt vestlusaknasse. Liides on seega generatiivne: staatilise vormi asemel luuakse kuvatavad elemendid jooksvalt vastavalt kasutaja olukorrale ja menetluse vajadustele, andmed salvestuvad taustal automaatselt ning kasutaja ei pea dialoogist lahkuma.

● Alternatiiv B käsitleb AI-d nähtamatu juhtloogikana. Kasutaja näeb struktureeritud visuaalset keskkonda – kaarti, samm-sammulisi valikuid ja vormielemente –, kuid AI töötab taustal, otsustades dünaamiliselt, mida järgmisena näidata, milliseid andmeid planeeringust ning

andmebaasidest pärida ning millised nõuded antud asukoha, hoone ning planeeritud tööde puhul kohalduvad. Kasutaja kogemus on visuaalne ja struktureeritud, AI ise jääb nähtamatuks orkestreerijaks (va vestlusaken, milles AI kujuneva vestluse alusel kasutajaliidese moodulite

esilekutsumist juhib.

Need kaks lähenemist ei ole kombineeritavad ega teineteist täiendavad, vaid pakuvad erineva vastuse samale küsimusele, kuidas peaksid kasutaja ja süsteem omavahel suhtlema. Mõlema valideerimine

testgruppidega annab tõenduspõhise aluse otsusele, kumb lähenemine on eelkonsultatsiooni kontekstis tõhusam, enne kui see TRL 7 tasemel välja arendatakse.

Lõplik prototüüp ehitatakse RuumiHuubi raames loodavale pilvepõhisele e-ehituse baasarhitektuurile,

lisades sellele ehitisregistri ja ehitusvaldkonna nõuete tuletamise äriloogika. Kasutaja tegevuste viimane seis salvestatakse menetlusemustandina, et protsessi saaks igal hetkel pooleli jätta ja hiljem samast kohast jätkata.

Tööriist realiseeritakse RuumiHuubi projektiga loodavas e-ehituse testkeskkonnas ning integreeritakse RuumiHuubi andmemootoriga, et planeeringuandmed ja asukohapõhised piirangud oleksid kasutajale koheselt kättesaadavad.

4. Projekti uuenduslikkus

Tuua selgelt välja projekti uuenduslikkus –mida tehakse senisest teisiti kas see hõlmab uusi tehnoloogiaid, protsesse, toimemudeleid, disaini, turgu vms?

● Selgitage lahenduse uuenduslikkust nii Eesti kui globaalses kontekstis. ● Mis on projektis sellist, mis vajab katsetamist?

Nagu ka eelnevalt esitatud riikide praktikate tabelist o li näha, ei eksisteeri hetkel lahendust, kus oleks

tegemist ehituse valdkonna AI-konsultatsiooniteenusega, mis kasutaja nimel kasutab tema andmeid

ehitisregistris, kontrollib planeeringuga antud tingimusi ja teisi nõudeid ning on kasutajale kättesaadav

juba siis, kui tal on pelgalt idee. Käesoleva projektiga kavandatav lahendus aga ühendab need neli

aspekti: (1) AI-põhine nõuete tuletamine eestikeelsest õigusraamistikust; (2) integreeritud otse riiklikku

ehitisregistrisse (EHR), mitte eraldiseisva portaalina; (3) kasutab reaalajas planeeringu- ja

piiranguandmeid; (4) iseteeninduslik ja kättesaadav idee-etapist alates kõigile taotlejatele, sh

väikeprojektidele ja eraisikutele – ilma, et kasutaja peaks enne pöördumist ise jooniseid või projekti

valmis tegema.

● Teaduslikud uuringud praktikasse. Eelkonsultatsiooni tööriist ei ole lihtsalt UX-uuendus – selle sisuline loogika tugineb süstemaatilisele uuringule, mis kaardistas ehituslubade menetluse need

otsustuspunktid, kus menetlejad teevad täna subjektiivseid ja o mavahel vastuolulisi otsuseid [7]. See taksonoomia on otsene sisend tööriista nõuete tuletamise loogikasse – vigade mustrid muudetakse ennetavateks kontrollpunktideks. Sarnases suunas tehtud töö [4]; [5] ei ole jõudnud

reaalselt kasutuses oleva süsteemiga integreeritud prototüübini.

● Eesti keele ja õigusraamistiku spetsiif ika. Valdav osa rahvusvahelisest NLP- ja AI-põhisest ehituslubade automatiseerimise uurimistööst põhineb inglise keelel ja teistel laialt levinud keeltel

[6]. Eestikeelse seadusandluse masinloetavaks muutmine ja sellele tugineva nõuete tuletamise loogika loomine on iseseisvalt uuenduslik – nii kohalikus kui globaalses kontekstis.

● Integratsioon ehitisregistri ja RuumiHuubi andmemootoriga. Eelkonsultatsiooni jaoks luuakse

esimest korda digitaalne teenus riiklikku registri keskkonda, mitte eraldiseisva portaalina. See on esimene rakendus, mis toob RuumiHuubi raames loodud planeeringuandmed otse ehitusloa taotleja kasutusse.

Katsetamist vajab eelkõige see, kas nõuete tuletamise loogika suudab olla piisavalt täpne ja usaldusväärne reaalsetes juhtumites ning kas loodud teenus toetab erineva taustaga kasutajaid.

5. Projekti elluviimisega (katsetusega) seotud riskid ja nende maandamismeetmed

Kirjelda peamisi riske, mis võivad takistada projekti elluviimist või eesmärkide saavutamist, ning kavanda maandamismeetmed.

Riski kategooria Riskikoht Maandamismeede

Tehnoloogiline risk

Tehisaru ebatäpsused või hallutsinatsioonid – vale väljund on otseselt eksitav, kuna tööriist ütleb

kasutajale, millised nõuded kohalduvad.

Range usaldusväärsuse skoor taustal: kasutajale kuvatakse vaid kõrge kindlusega leiud koos viitega

õigusallikale. Human-in-the-loop valideerimine enne ametlike kannete tegemist.

Sõltuvuse risk TRL 7 tasemel prototüüp

realiseeritakse RuumiHuubi projektis käivitatavale e-ehituse testkeskkonnas. Selle testkeskkonna üles seadmine

võib hilineda või ebaõnnestuda.

TRL 4 prototüübid (WP2)

arendatakse ja valideeritakse laborikeskkonnas, sõltumatult RuumiHuubi testkeskkonna

valmidusest. Sõltuvus tekib WP3 integratsioonifaasis (kuud 9-13). Ettevalmistusfaasis (WP1)

f ikseeritakse koos KeMITi ja RuumiHuubi meeskonnaga testkeskkonna valmiduse ajakava

ning lepitakse kokku liidestuse aken. Kui testkeskkond hilineb või üles seadmine ebaõnnestub, teostatakse

uus analüüs, kuidas TRL 7 prototüüpi demonstreerida ning kasutajatele kättesaadavaks teha.

Valede ootuste

risk 1

Kasutajatel võib olla ootuseid

tööriistale, mis ei haaku ehitusõiguse hetkeseisu või tulevikuplaanidega.

Projekti tegevusruum on kehtiv

ehitusseadustik ning teadaolevad lähituleviku muudatused ning projekti läbiviijad annavad sellest osalejatele

selgelt teada. Raamidest väljuvad ettepanekud dokumenteeritakse ning küsitakse neile juriidiline hinnang

asjassepuutuvalt ministeeriumilt,

hinnangut jagatakse ettepaneku esitajaga ning võimalusel lisatakse

ettepaneku juristide tööplaani. Tehnilise lahenduse arhitektuuris arvestatakse, et tööriista peab olema

kerge muuta, juhul kui nõuded muutuvad.

Valede ootuste risk 2

Kasutaja võib tööriista juhiseid tõlgendada siduva haldusotsusena.

Selge piiritlus kogu kasutajakogemuses:

eelkonsultatsioon on informeeriv juhis, mitte siduv otsus. Ametlik otsustusõigus jääb KOVi kätte.

Andmeturbe risk Kliendi poolt sisestatud unikaalsete

projekteerimisandmete, mustandite ja isikuandmete turvaline töötlemine reaalajas.

AWS Bedrock Guardrails ja range

PII-f iltreerimise rakendamine riigi hallatavas turvataristus. Tagatakse täielik vastavus riiklikule E-ITS

standardile, GDPR-ile ja EL-i tehisintellekti aktile (EU AI Act).

Organisatoorne risk

Kasutajate ja KOV ametnike esmane võõristus dialoogipõhise loogika ees.

Agiilne disainiprotsess, kuhu kaasatakse lõppkasutajad ja

spetsialistid juba varajases prototüüpimise, arvamuste korje ja kahe alternatiivi võrdlemise faasis.

6. Projekti ajakava

Koostage realistlik ajakava, mis hõlmab kõiki projekti tegevusi ning annab sellega sisendi projekti eelarve koostamisele.

● Ajakava koostamisel arvestage vajalike eel- ja järel- või vahetegevustega (nt partnerluslepingu sõlmimise ettevalmistus kuni 2 kuud, vajalike lubade saamine projekti jooksul vms).

● Milliste võimalike puhvritega oleks ajakavas mõistlik arvestada?

● Jagage tegevused loogilisteks etappideks, arvestage tegevuste omavahelisi seoseid ning ajalist järgnevust või paralleelsust.

● Hangete läbiviimise ajaraami kavandamiseks kasuta hankekalkulaatorit Hankekalkulaator - EIS

KESTUS

te g e v u s e

a lg

u s (

m it m

e s

k u u )

te g e v u s e l

õ p p

(m it m

e s k

u u )

k e s tu

s k

o k k u

(m it u k

u u d )

WP0: ettevalmistus

Tööplaani täpsustamine (sisutegevused, ajakava, hankeplaan, kaasamis-, kommunikatsioonitegevused)

1 2 2

Tulevaste arendustööde analüüs, millest saab sisend arendushankele 1 3 3

Hanketegevused, et leida (1) teenusedisaini ja

kommunikatsiooniprotsessi läbiviija ja (2) TLR 7 prototüübi analüüsi koostaja ning arendaja

2 6 5

Kommunikatsioonitegevused (avalik kommunikatsioon, sihtrühmade teavitamine)

2 2 1

WP1: kasutajauuring

Kasutajate uuring: KOVide menetlejad ja eraisikust ning juriidilisest isikust taotlejad (min 3 fookusgrupi intervjuud)

4 5 2

Kasutajaloo kaartide ja ekraanivoogude funktsionaalsete raamistike

(wiref rames) loomine

4 6 3

WP2: kahe alternatiivse prototüübi arendus TRL4 tasemel

Alternatiiv A: loomulikul keelel põhinev dialoogiaken (vestlusrobot) – arendus ja testimine

7 9 3

Alternatiiv B: 3D-kaardile ja samm-sammulisele viisardile tuginev hübriidliides – arendus ja testimine

7 9 3

Mõlema valideerimine testgruppides, parima valik 10 11 2

WP 3: Väljavalitud lahenduse integreerimine TRL 7 tasemele

Nõuete tuletamise loogika liidestus RuumiHuubi andmemootoriga 12 14 3

Sessioonihalduse ja mustandite salvestuse käivitamine (GraphRAG) 12 13 2

Koodiloome, integreerimine RuumiHuubi projekis käivitatavale e-ehituse

testkeskkonda

14 16 3

WP 4: Piloteerimine ja lõpetamine

TRL 7 prototüübi piloot valitud KOV-ides, mõõtmine (algseis vs. tulemus)

17 19 3

Prototüübi viimistlus koostöös testijatega 19 21 3

Kokkuvõtted, skaleerimisplaan, aruandlus 21 22 2

Kestus kokku 22 kuud

7. Projekti eelarve

Koostage realistlik eelarve detailsusega, mis hõlmab kõiki projekti tegevusi ning võimaldab seeläbi hinnata planeeritud kulude vajalikkust ja mõistlikkust.

● Arvutage eelarves summad kogumaksumusena (st sisaldavad kõiki makse), sh projektijuhi kogukulu.

● Lisage eelarvele kirjeldusena selle kujunemise põhjendused, arvutuste ja hinnangute alused. ● Eelarve kogusumma palume esitada 1000 euro täpsusega.

Kohandage eelarvetabelit oma projekti vajadustele vastavaks.

Tabel 1: eelarve jagunemine etappide ning osapoolte kaupa

Tegevused MaRu kulud

KeMITi kulud

KliMi kulud

Sisseostetav teenus

Kulud kokku

WP0: ettevalmistus 33 000 € 11 000 € 2 000 € 0 € 46 000 €

WP 1: kasutajauuring 44 000 € 3 000 € 6 000 € 0 € 53 000 €

WP 2: kahe alternatiivse

prototüübi arendus TRL4 tasemel

66 000 € 32 000 € 5 000 € 110 000 € 214 000 €

WP 3: väljavalitud lahenduse integreerimine TRL 7

tasemele

37 000 € 61 000 € 0 € 75 000 € 172 000 €

WP 4: piloteerimine ja lõpetamine

76 000 € 22 000 € 10 000 € 15 000 € 123 000 €

Muud kulud: töötubade läbiviimine

3 000 € 0 € 0 € 0 € 3 000 €

KOKKU 259 000 € 128 000 € 24 000 € 200 000 € 611 000 €

Tabel 2: kaasatud spetsialistide töökoormus (FTE) kogu projekti vältel ning palgafond

Spetsialistid FTE keskmiselt

projekti vältel

Projekti kestus

kuudes

Palgafond ühes kuus

Kokku palgafond

(ümardatud 100 euro täpsusega)

MaRu projektijuht 1,0 22 4 300 € 94 200 €

tooteomanik / ekspert 0,4 22 4 500 € 41 400 €

ehituslubade menetluskeskkonna tooteomanik

0,1 22 4 500 € 11 000 €

kasutajatoe spetsialist 0,2 22 3 700 € 12 800 €

andmearhitekt 0,2 22 5 400 € 18 700 €

teenusedisainer 0,8 22 4 500 € 77 500 €

KeMIT AI/NLP arendusjuht 0,2 22 7 200 € 34 500 €

analüütik 0,3 22 5 400 € 38 600 €

backend arendaja 0,2 22 7 200 € 27 400 €

andmebaasiarhitekt 0,2 22 7 200 € 26 700 €

KliM digitaalehituse valdkonnajuht 0,2 22 5 100 € 23 600 €

406 400 €

Tabel 3: kaasatud spetsialistide töökoormus (FTE) projekti tegevuste järgi

Tegevus

M a R

u p

ro je

k ti

ju h

t

M a R

u t

o o

te o

m a n

ik /

e k s p

e rt

M a R

u e

h it

u s lu

b a d

e

m e n

e tl

u s k e s k k o

n n

a

to o

te o

m a n

ik

M a R

u k

a s u

ta ja

to e

s p

e ts

ia li

s t

M a R

u a

n d

m e a rh

it e k t

M a R

u

te e n

u s e d

is a in

e r

K e M

IT i

A I/

N L

P

a re

n d

u s ju

h t

K e M

IT i

a n

a lü

ü ti

k

K e M

IT i

b a c k e n

d

a re

n d

a ja

K e M

IT i

a n

d m

e b

a a s ia

rh it

e k t

K li

M i

d ig

it a a le

h it

u s e

v a ld

k o

n n

a ju

h t

WP0: ettevalmistus

Tööplaani täpsustamine (sisu-tegevused, ajakava, hankeplaan, kaasamis-,

kommunikatsiooni- ja värbamistegevused)

1,0 0,5 0,2 0,3 0,5 1,0 0,3 0,5 0,1 0,2 0,3

Tulevaste arendustööde analüüs, millest saab sisend

arendushankele

1,0 0,2 0,2 0,1 0,3 0,5 0,1 0,4 0,2 0,2 0,1

Hanketegevused, et leida (1) teenusedisaini ja kommunikatsiooniprotsessi

läbiviija ja (2) TLR 7 prototüübi analüüsi koostaja ning arendaja

1,0 0,3 0,0 0,0 0,0 0,5 0,1 0,1 0,0 0,0 0,1

Kommunikatsioonitegevuse

d (avalik kommunikatsioon, sihtrühmade teavitamine)

1,0 0,3 0,1 0,1 0,0 0,7 0,0 0,0 0,0 0,0 0,1

WP1: kasutajauuring

Kasutajate uuring: KOVide menetlejad ja eraisikust

1,0 0,8 0,2 0,3 0,0 1,0 0,0 0,2 0,0 0,0 0,4

ning juriidilisest isikust taotlejad (min 3 fookusgrupi

intervjuud)

Kasutajaloo kaartide ja ekraanivoogude funktsionaalsete raamistike

(wiref rames) loomine

1,0 0,8 0,2 0,3 0,0 1,0 0,0 0,2 0,0 0,0 0,4

WP2: kahe alternatiivse prototüübi arendus TRL4 tasemel

Alternatiiv A: loomulikul keelel põhinev dialoogiaken (vestlusrobot) – arendus ja

testimine

1,0 0,4 0,1 0,2 0,1 1,0 0,4 0,5 0,1 0,1 0,1

Alternatiiv B: 3D-kaardile ja samm-sammulisele viisardile tuginev

hübriidliides – arendus ja testimine

1,0 0,4 0,1 0,2 0,1 1,0 0,4 0,5 0,1 0,1 0,1

Mõlema valideerimine testgruppides, parima valik

1,0 0,6 0,3 0,4 0,1 1,0 0,1 0,6 0,1 0,1 0,4

WP 3: Väljavalitud lahenduse integreerimine TRL 7 tasemele

Nõuete tuletamise loogika

liidestus RuumiHuubi andmemootoriga

1,0 0,0 0,0 0,0 0,5 0,2 0,5 0,3 0,5 0,5 0,0

Sessioonihalduse ja mustandite salvestuse

käivitamine (GraphRAG)

1,0 0,0 0,0 0,0 0,3 0,2 0,5 0,0 0,6 0,5 0,0

Koodiloome, integreerimine RuumiHuubi projektis käivitatavale e-ehituse

testkeskkonda

1,0 0,0 0,0 0,0 0,4 0,2 0,5 0,3 0,5 0,5 0,0

WP 4: Piloteerimine ja lõpetamine

TRL 7 prototüübi piloot valitud KOVides, mõõtmine

(algseis vs. tulemus)

1,0 0,8 0,0 0,0 0,0 1,0 0,0 0,5 0,0 0,0 0,5

Prototüübi viimistlus koostöös testijatega

1,0 0,4 0,1 0,3 0,1 1,0 0,1 0,5 0,1 0,1 0,2

Kokkuvõtted, skaleerimisplaan,

aruandlus

1,0 0,5 0,2 0,1 0,1 1,0 0,1 0,2 0,1 0,1 0,3

KOKKU töökoormus (FTE) keskmiselt projekti vältel

1,0 0,4 0,1 0,2 0,2 0,8 0,2 0,3 0,2 0,2 0,2

8. Võimalikud lahenduste pakkujad

Tooge välja võimalikud hankepartnerid, kes soovitud lahendussuunas tooteid/ teenuseid/ pakuvad.

● Otsige ja nimetage võimalikke probleemile lahenduste pakkujaid (nt erinevate valdkondade

eksperdid, teadlased, ettevõtted, kes on probleemi lahendamisega varasemalt tegelenud).

Mõelge nii Eesti kui rahvusvaheliste pakkujate peale.

Välised IT-arenduse pakkujad – valitakse riigihanke kaudu TRL 4 lahendusversioonide ja TRL 7 lõpplahenduse arendamiseks.

TalTech (teaduspartner) – varustab projekti teadusliku sisendiga, abistab prototüüpide loomisega, rahvusvaheliste praktikate kaardistamisega ja toetab piloteerimise etapi tulemuste teaduslikku analüüsi.

9. Projekti meeskond ja töökorraldus Tooge välja projekti edukaks elluviimiseks kaasatavad või vajalikud osapooled (asutused ja/või

inimesed) ning täiendav ekspertiis, mida meeskonda juurde vajate.

● Kirjeldage rollide ja töö jaotust projektimeeskonnas.

● Kirjeldage projekti juhtimise korraldust. ● Märkige ära, kui suure koormusega projektijuht (võimalusel ka teised võtmeisikud) projekti

panustavad.

● Kirjeldage, missugust täiendavat ekspertiisi tuleb juurde kaasata (nt tehniline ekspertiis, andmekaitse), mis on meeskonnaliikmete poolt katmata.

NB! Kui nimetate konkreetseid meeskonnaliikmeid, siis nendega (või nende juhtidega) peab olema projektis osalemine läbi räägitud!

Projektijuht (MaRu) - 100 % koormusega

Tooteomanik ja ekspert: Pille-Riin Peet (MaRu, TalTech), 40 % koormusega. Vastutab projekti sisulise

juhtimise, teadusliku sisendi integreerimise ja aruandluse eest.

Valdkondlikud eksperdid (MaRu): ehituslubade menetluskeskkonna tooteomanik (10 %), andmearhitekt (ehitisregistri integratsioon) (20 %), teenusedisainer (80 %), kasutajatoe spetsialist (20 %).

Tehniline meeskond (KeMIT): AI/NLP arendusjuht (20 %), backend arendaja (20 %, RuumiHuubi integratsioon, API-teenused), andmebaasiarhitekt (20 %), analüütik (30 %).

Digitaalehituse valdkonnajuht (KliM): Regina Viljasaar-Frenzel – 20 % koormusega. Vastutab, et projekt

on sünkroonis ehitusvaldkonna poliitiliste suundade (sh ootused e-ehituse platvormile ja ehitisregistrile), ehitusseadustiku jt valdkonna õigusaktidega. Kliimaministeerium on ehitisregistri vastutav töötleja.

10. Projekti tulemuste elluviimine

Kirjeldage oma valmisolekut ja võimekust pärast katseprojekti edukat lõppu projekti tulemusi kestlikult ellu viia.

.

●Kas projekti tulemuste edasine arendus ja kasutuselevõtt seostub asutuse prioriteetsete tegevustega, on tööplaanis vms?

●Kas tulemuste hilisemaks elluviimiseks vajalik rahastus ja muud ressursid on olemas või tegeletakse selle leidmisega?

● Tooge välja olulisemad riskid projekti tulemuste hilisemal kasutuselevõtul. Kuidas plaanite neid riske maandada?

● Kirjeldage, kas ja mil määral on tulemused skaleeritavad ning kasutatavad avalikus sektoris laiemalt.

MaRu vastutab ehitisregistri haldamise ja e-ehituse platvormi arendamise eest – projekti tulemused on

otseselt seotud asutuse põhitegevusega. TRL 7 prototüüp realiseeritakse RuumiHuubi projektis käivitatavale e-ehituse testkeskkonda. Edasise arenduse rahastus on käsitletav MaRu eelarve ja KeMIT arendusplaneerimise kaudu. Nagu eelpool kirjeldatud, on projekt osa MaRu AI teekaardist, mis on

kinnitatud MaRu juhatuse poolt ning tähendab, et tegu on ameti seisukohast kõrge prioriteetsusega projektiga.

Peamine risk pärast projekti on muudatused õigusraamistikus, mis tingivad nõuete tuletamise loogika

uuendamist. Selle maandamiseks baseerub loodav lahendus modulaarsel arhitektuuril, mis võimaldab reegleid uuendada ilma kogu süsteemi ümber ehitamata.

Eelkonsultatsiooni moodul on kooskõlas MaRu tulevase AIUI-platvormi arhitektuuriga, mis võimaldab

edaspidi laiendada seda teistele menetlusliikidele (nt kasutusload ja -teatised).

Käesolev projekt on esimene etapp pikemast teekaardist, mis näeb ette e-ehituse teenuste terviklikku kliendikeskset ümberkujundamist. Eelkonsultatsiooni mooduli pilootandmed – menetlusringide arv,

vormistust ning protseduurilisi probleeme puudutavate märkuste osakaal, konkreetset viidet

seadusandlusele sisaldavate märkuste arv, taotleja rahulolu ning KOVi ametniku hinnanguline ajakulu taotlusele enne ja pärast – moodustavad tõendusbaasi, mille põhjal tehakse otsus laiema teenus te reformi ulatuse ja prioriteetide kohta. See vähendab oluliselt kõigi teenuste ümberdisainiga seotud riske,

sest otsused põhinevad päriselt mõõdetud tulemustel, mitte eeldustel.

11. Mõju ettevõtlusele

☒ Projekt omab positiivset mõju innovatsioonile ettevõtlussektoris. Kõige otsesemalt väljendub mõju

läbi ettevõtete, kes osalevad tegevuste elluviimiseks korraldatavatel hangetel ja/või konkurssidel.

Innovatsiooni hankimine avaliku sektori poolt aitab kaasa innovatsioonitegevuste kasvule erasektoris.

12. Seos nutika spetsialiseerumise valdkondadega

● Eesti teadus- ja arendustegevuse, innovatsiooni ning ettevõtluse (TAIE) arengukaval 2021-2035 on

fookusvaldkonnad, s.o Eesti arenguvajadustele ja -võimalustele vastavad riigi, ettevõtete ja

teadusasutuste koostöös eelisarendatavad teadus- ja arendustegevuse, innovatsiooni ja ettevõtluse valdkonnad. Ettevõtluse ja majandusliku arengupotentsiaaliga TAIE fookusvaldkonnad on ühtlasi Eesti nutika spetsialiseerumise valdkonnad (täpsem info: https://www.hm.ee/korgharidus-ja-

teadus/teadus-ja-arendustegevus/taie-fookusvaldkonnad).

● Kirjeldage teie projekti võimaliku lahenduse seost vähemalt ühe valdkonnaga (rõhuasetusega teadmus- ja tehnoloogiasiirdel).

Digilahendused igas eluvaldkonnas (vt teekaarti)

Projekt seostub TAIE fookusvaldkonnaga „Digilahendused igas eluvaldkonnas". Tööriist demonstreerib tehisintellekti ja NLP- tehnoloogiate rakendamist avaliku sektori menetlusprotsessides,

tuues teadmus- ja tehnoloogiasiiret akadeemilistest uuringutest (TalTech) otse riikliku infosüsteemi (EHR) praktilisse rakendusse.

Tervisetehnoloogiad ja - teenused

(vt teekaart)

Kohalike ressursside (toit, puit, maapõueressursid, teisene toorme ja jäätmed)

väärindamine (vt teekaart)

Nutikad ja kestlikud energialahendused

(vt teekaart)

13. Seos strateegias Eesti 2035 toodud arenguvajadustega

● Selgitage, kuidas panustavad projekti tegevused ja valitud lahendussuund “Eesti 2035” strateegias kirjeldatud arenguvajadustesse.

● Tooge välja, kui projekti tegevused panustavad muudesse olulistesse valdkondlikesse arengukavadesse või -dokumentidesse.

● Pikaajaline riiklik strateegia „Eesti 2035“: Projekt täidab otseselt eesmärki vähendada kodanike halduskoormust ja pakkuda kvaliteetseid proaktiivseid teenuseid.

● „Eesti digiühiskonna arengukava 2030“: Toetab „Nullbürokraatia“ tulevikustsenaariumi, muutes

riigiga suhtlemise etteaimatavaks, kasutajakeskseks ja dialoog ipõhiseks.

● Ehituse pikk vaade 2035 ja e-ehituse strateegia: Toetub riiklikule visioonile viia ehitussektori innovatsioon ja digitaalsed lahendused uuele tasemele, tagades sujuva andmevahetuse üle

kogu ehitise eluringi.

14. Avalike ülesannete täitmine projekti elluviimisel

● Selgitada ning tuua välja seosed ja viited, missuguse seaduse, määruse, haldusakti või lepingu alusel täidab ideekavandi esitaja asutus innovatsiooniprojekti ellu viies avalikke ülesandeid.

● Kui ideekavandi esitaja on MTÜ, siis selgitada, kuidas ta pakub otsest avalikku teenust (loe Teenuste korraldamise ja teabehalduse alused–Riigi Teataja, §2 lg2).

Ehitisregistri põhimääruse §4 järgi on Maa- ja Ruumiamet ehitisregistri volitatud töötleja, vastutades

registri õiguspärase pidamise, haldamise ja arendamise eest. Käesoleva innovatsiooniprojekti elluviimine on otseselt seotud nende põhiülesannetega – tööriist arendatakse ehitisregistri interaktsioonikeskkonna e-ehituse platvormi osana ning teenib selle seadusjärgset eesmärki hoida, anda ja avalikustada teavet

kavandatavate, ehitatavate ja olemasolevate ehitiste ning nendega seotud menetluste kohta.

15. Rahastus mitmest allikast

● Kas probleemi lahendamiseks või planeeritud lahenduse katsetamiseks on taotletud või

taotletakse toetust teistest rahastamisallikatest?

● Kui jah, siis tuua välja rahastusallikas, summa ja tegevused ning kas toetus on taotlemis el või projekt on saanud rahastusotsuse.

Teistest rahastamisallikatest ei ole rahastust taotletud ega ole hetkel plaanis taotleda.

Viited:

[1] K. Arrak, M. Helilaid, V. Konov, K. Reiska, A. Schultz, and R. Vaarik, Ehitussektori digitaliseerituse uuring. Civitta Eesti AS, 2024.

[2] P.-R. Peet, E. Pikas, and A. Ruus, ‘Lost in Regulations: Digitalization as the Key to Transparent and Ef f icient Building Permit Evaluation in Estonia’, presented at the EC3 Conference 2025, in Computing in Construction, vol. 6. European Council on Computing in Construction, 2025, pp. 0–

0. doi: 10.35490/EC3.2025.432. [3] J. Fauth et al., ‘Investigating building permit processes across Europe: characteristics and

patterns’, Build. Res. Inf., vol. 0, no. 0, pp. 1–18, Sep. 2024, doi:

10.1080/09613218.2024.2400467. [4] J. Fauth and S. Seiß, ‘A Decision Support System for the Building Permit Review Process’, Int. J.

Innov. Manag. Technol., vol. 13, no. 3, pp. 51–57, 2022, doi: 10.18178/ijimt.2022.13.3.921.

[5] F. Noardo, T. Wu, K. Arroyo Ohori, T. Krijnen, and J. Stoter, ‘IFC models for semi -automating common planning checks for building permits’, Autom. Constr., vol. 134, p. 104097, Feb. 2022, doi: 10.1016/j.autcon.2021.104097.

[6] S. Li, Z. Jiang, and Z. Xu, ‘BIM-Based Model Checking: A Scientometric Analysis and Critical Review’, Appl. Sci., vol. 15, no. 1, Art. no. 1, Jan. 2025, doi: 10.3390/app15010049.

[7] P.-R. Peet, E. Pikas, and A. Ruus, ‘From Building Permit Review Comments To Comment-Based

Process Indicators: An EstBERT-Based Classif ication Workf low ’,will be presented at the EC3 Conference 2026, will be published in Computing in Construction, vol. 7. European Council on Computing in Construction, 2026

Kinnitused

☒ Oleme teadlikud, et Riigikantselei võib saata ideekavandi eksperthinnangu saamiseks valdkonna

ekspertidele.

☒ Kinnitan, et esitatud innovatsiooniprojekt on teiste partnerite juhtkondadega kirjalikult

kooskõlastatud.

Mustamäe tee 51 / 10621 Tallinn / 665 0600 / [email protected] / www.maaruum.ee

Registrikood 70003098

Kaaskiri

Edastame Maa- ja Ruumiameti taotlused Innovatsioonifondi temaatilisse taotlusvooru

droonitehnoloogiate ja AI-lahenduste valdkonnas.

Lugupidamisega

(allkirjastatud digitaalselt) Erik Ernits ruumiandmete ja maakatastri teenistuse direktor

peadirektori ülesannetes

Lisad:

innovatsiooniprojektide ideekavandid: 1) E-ehituse eelkonsultatsiooni tööriist – kliendikeskse e-ehituse infosüsteemi esimene

moodul; 2) Menetlustes loodud pärandvara lugeja (Legacy Data Reader): AI-toega hüpe vanadest

failidest masinloetavaks otsustusteadmuseks;

3) Ruumiandmete süvaõppe andmestiku testimine automaatse Eesti Topograafia Andmekogu uuendajana ja poliitika kujundamist abistava tööriistana.

Teadmiseks: [email protected]; [email protected]; Regina.Viljasaar- [email protected]

Riigikantselei

30.06.2026 nr 1-5/26/8785

Katrin Vahtra 56917753 [email protected]

Innovatsiooniprojekti ideekavand1 AVALIKU SEKTORI INNOVATSIOONIVÕIMEKUSE TÕSTMINE Ideekavandit täites palume tutvuda riigikantselei veebilehel toodud soovituste ja juhistega projekti esitajale.

Innovatsiooniprojekti nimi Menetlustes loodud pärandvara lugeja (Legacy Data Reader): AI- toega hüpe vanadest failidest masinloetavaks otsustusteadmuseks

Innovatsiooniprojekti fookusvaldkond

☐ Droonitehnoloogiate valdkond

☒ Tehisintellekti lahenduste valdkond

Innovatsiooniprojekti panus valitsuse tegevuskava prioriteetidesse

☐ Riigi kriisikindluse suurendamine

☒ Majanduse kasvule kaasa aitamine

☒ Riigi tõhus juhtimine

Innovatsiooniprojekti esitajad (tulevased RK partnerid) (asutus/asutused)2

Maa- ja Ruumiamet (MaRu) ning Tallinna Linnavalitsus Keskkonnaministeeriumi Infotehnoloogiakeskus (arendajale arenduskeskkonna loojana)

Projektijuht või ideekavandi esitaja kontaktisik (nimi, asutus, e–posti aadress ja telefon)

Henri Pook, Maa- ja Ruumiamet (innovatsioonijuht / projektiomanik); Christopher-Robin Raitviir, Tallinna Strateegiakeskus (KOV projekti koordinaator / kaas-taotleja).

Innovatsiooniprojekti kestus (kuudes)

18 kuud Ajaarvestust alustame üldjuhul partnerluslepingu sõlmimisest.

Innovatsiooniprojekti kogumaksumus (sh käibemaks, kui on abikõlblik)

Kogumaksumus: 1 024 000 eurot Partner 1 (Maa- ja Ruumiamet koos Keskkonnaministeeriumi Infotehnoloogiakeskusega): 656 000 eurot Partner 2 (Tallinna Linnavalitsus): 368 000 eurot

Käibemaks

☒ jääb kulu tegija kanda (käibemaks abikõlblik) – Maa- ja

Ruumiamet

☒ jääb kulu tegija kanda (käibemaks abikõlblik) – Tallinna

Linnavalitsus

1 Juhul kui ideekavand on mõeldud asutusesiseseks kasutamiseks, siis lisage vastav alus ideekavandi päisesse. 2 Partner EL struktuurivahendite mõttes, kes viib ise läbi innovatsiooniprojekti elluviimisega seotud hanked, sõlmib lepingud ning vastutab aruandluse eest.

1. Probleemikirjeldus (max 2 lk) Kirjeldage lahendamist vajavat probleemi, selle olulisust ning keda see probleem puudutab.

• Selgitage, miks on probleem aktuaalne.

• Hinnake probleemi mõju (nt rahaline kokkuhoid, keskkonna- või sotsiaalne kasu).Kirjeldage probleemi tausta. Mida on probleemi lahendamiseks Eestis juba tehtud või mis on tegemisel? Tooge välja relevantsed teiste riikide kogemused probleemi lahendamisel.

Avaliku sektori planeerimis-, ehitus-, keskkonna- ja maakasutusmenetlustes tekib suur hulk väärtuslikku infot, mis paikneb struktureerimata kujul PDF-dokumentides, vabatekstis, ja IFC-mudelites, CAD- joonistes ning eri infosüsteemides. Kuigi osa dokumente on digitaalsed või masinloetava tekstiga, ei ole neis sisalduvad objektid, tingimused, näitajad ja seosed ühtselt struktureeritud ega automaatselt kasutatavad. Tulevikus koostatakse planeeringud ning eeldatavasti ka muud haldusaktid struktureeritud andmetena, ent see ei lahenda olemasolevate dokumentidena koostatud haldusaktide probleemistikku.

Keskne probleem on avaliku sektori tehnoloogilise võimekuse puudumine, mis võimaldaks eri formaatidest ja infosüsteemidest pärinevat ehitatud keskkonna infot automaatselt tuvastada, klassifitseerida, seostada ja võrrelda. Selle tõttu ei saa andmeid piisavalt kasutada automaatkontrollides, AI-põhistes otsustustugedes, digikaksikutes ega uute andmepõhiste teenuste arendamisel.

Maa- ja Ruumiameti puhul puudutab probleem muu hulgas ligikaudu 15 000 kehtestatud detailplaneeringut. Planeeringute tekstid võivad olla masinloetavad, kuid nende sisuline info, näiteks tootmisalade paiknemine, ehitustingimused või keskkonnapiirangud, ei ole struktureeritud. Vajaliku info leidmine eeldab dokumentide käsitsi läbilugemist. Maaparanduse, maakatastri ning keskkonnamõju hindamisega seotud info paikneb lisaks eri failides ja infosüsteemides, mis raskendab tervikvaate loomist.

Tallinna menetlustes ning linna tellitud ja ehitusprojektides paikneb sama objekti info sageli IFC- mudelites, CAD-joonistes, PDFides, seletuskirjades, tabelites, üleandmisdokumentides ja kirjavahetuses. Sama näitaja, näiteks hoone kõrgus, pindala, ruumiandmed, tehnosüsteemi seade või hoolduseks vajalik omadus, võib olla eri allikates kirjeldatud erinevalt või ainult vabatekstina. Menetlejad, projektijuhid ja tellija esindajad peavad andmeid käsitsi võrdlema ning vastuolud võivad ilmneda alles menetluse, projekteerimise või ehituse hilises etapis. See raskendab nii planeerimis- ja ehitusloa menetlust kui ka ehitusprojektide kvaliteedikontrolli tellija vaatest. Kui projekteerimise ja ehituse käigus üle antavad IFC-mudelid, tabelid ja dokumendid ei ole omavahel seotud ega vasta tellija

infonõuetele, kandub puudulik andmekvaliteet edasi ehitise kasutus- ja haldusetappi ning vähendab varahalduse ja digitaalse kaksiku kasutegurit.

Probleem puudutab riigi- ja kohalike omavalitsuste menetlejaid, planeerijaid, arhitekte, projekteerijaid, kinnisvara- ja ehitusettevõtteid, keskkonna- ja maaparandusvaldkonna spetsialiste ning elanikke ja ettevõtjaid, kelle otsused või menetlused sõltuvad täpsest ja kiiresti leitavast infost. Probleem ilmneb kõige teravamalt erasektori „jaoks“ tehtavate haldusmenetluste pikas ajakulus ja töömahus – näiteks detailplaneeringud, ehitus- ja kasutusload, maatoimingud. Tõsiasja, et avaliku sektori menetlused ei kasuta täielikult ära andmepõhise otsustamise võimalusi, kaudsed kulud kannab erasektor, kelle jaoks täiendav ajakulu tähendab sageli ka rahalist lisakulu.

Probleem on aktuaalne, sest planeerimis- ja ehitusandmete maht kasvab ning avalik sektor liigub andmepõhiste teenuste, automaatkontrollide, AI-lahenduste ja digitaalsete kaksikute suunas. Nende rakendamine ei ole võimalik, kui alusandmed jäävad struktureerimata, eri formaatidesse ja süsteemidesse killustatuks. Käsitsi tehtav andmete otsimine ja võrdlemine ei ole kasvava andmemahu juures skaleeritav.

Maakasutus- ja ruumipoliitika suunamisel kogu Eesti tasandil ei võimalda olemasolev klassifitseerimata

andmestik vastata näiliselt lihtsatele äriküsimustele, näiteks: kui palju on Eestis kehtivate

detailplaneeringutega kavandatud realiseerimata elamualasid ja kus need paiknevad? Kus paiknevad

Eestis realiseerimata tööstusalade detailplaneeringud? Millised poliitikasekkumised on otstarbekaimad

kompaktse ja kvaliteetse ruumilise arengu saavutamiseks?

Probleemi lahendamine vähendaks menetlejate käsitööd, kiirendaks planeerimis- ja ehitusmenetlusi, aitaks vastuolusid varem avastada ning parandaks ettevõtete võimalusi leida sobivaid arendus- ja tootmisalasid. Samuti paraneks avaliku sektori võime kasutada olemasolevaid andmeid uute teenuste, automaatkontrollide ja ruumiliste otsustustugede loomiseks. Rahalist mõju hinnatakse projekti käigus menetlusaja, käsitsi tehtavate kontrollide, vigade parandamise ja korduva andmesisestuse vähenemise kaudu.

Eestis on tehtud tööd dokumentide digiteerimise, masinloetavaks muutmise, BIM-lahenduste, ruumiandmete ja digitaalsete menetluste arendamisel. Need tegevused on parandanud andmete kättesaadavust, kuid ei ole täielikult lahendanud eri formaatides oleva info sisulist klassifitseerimist, objektipõhist seostamist ja automaatset võrdlemist.

Rahvusvaheliselt kasutatakse AI-d dokumentidest info eraldamiseks, ehitus- ja planeeringuandmete klassifitseerimiseks, BIM-mudelite kontrollimiseks ning digitaalsete kaksikute loomiseks. Enamik lahendusi käsitleb siiski üksikuid andmeformaate või standardiseeritud andmekogusid. Eesti vajadus on katsetada, kas neid meetodeid saab ühendada ning rakendada eri ajastutest, formaatidest ja infosüsteemidest pärinevale avaliku sektori infole viisil, mis on piisavalt täpne, jälgitav ja korduskasutatav.

2. Projekti eesmärk Sõnastage konkreetne, selge ning mõõdetav eesmärki, mille saavutamist või mitte saavutamist on võimalik hinnata.

• Kirjeldage, kuidas plaanite projekti eesmärgi saavutamist mõõta.

Põhieesmärk: läbi viia tehisintellektil põhinev digitaalse pärandvara lugeja katseprojekt, milles inimene saab lihtsasti kasutatava teadmise ning annab võimaluse ühtse masinloetava lähteandmestiku tekkeks avalikes teenustes,

Projekti keskne eesmärk on katsetada tehisintellektil põhinevat „digitaalse pärandvara lugejat“, mis muudab riigi ja Tallinna planeerimis-, ehitusloa-, projekteerimis-, ehitus- ja üleandmisprotsessides tekkinud failides peituva info masinloetavaks, algallikani jälgitavaks ja inimesele kasutatavaks teadmiseks. Lahendus aitab PDFidest, seletuskirjadest, CAD-joonistest, IFC-mudelitest, tabelitest ja

menetluskirjavahetusest tuvastada kokkulepitud andmeid, seostada neid eri allikate vahel ning koondada need kontrollitavaks lähteandmestikuks. Katseprojekti tulemusena hinnatakse, kas sellist AI-toega andmekihti saab kasutada kontekstipõhises

TI- otsingus, planeeringu- ja ehitusloa menetluste eelkontrollis, Tallinna tellitud ehitusprojektide

kvaliteedikontrollis, IFC-mudelite info rikastamisel ning tulevaste automaatkontrollide ja andmepõhiste

teenuste ettevalmistamisel. Lahendus ei tee haldus- ega tellijaotsuseid inimese eest, vaid annab

teenustes juba olemasolevate struktureeritud andmetega kombineerides taotlejale ja spetsialistile

kasutajasõbraliku, allikani jälgitava ja kontrollitava teadmise, mille põhjal saab puudusi, vastuolusid ja

andmelünki varem märgata.

Katseprojekti tulemused loovad aluse lahenduse ja metoodika laiendamiseks teistele avaliku sektori

tellijatele, sealhulgas kohalikele omavalitsustele ja riigiasutustele. Juhul, kui katsetuse tulemusena

loodav funktsionaalsus annab soovitud täpsuses tulemused, on andmestik kasutatav kehtivate

haldusaktide masskujul analüüsimiseks kestlike ning majandusarengut soodustavate

maakasutuspoliitikate kujundamiseks.

Pikemas vaates võib sama lähenemine olla kasutatav ka erasektori tellijatele, kellel on sarnane vajadus

muuta olemasolevad projekteerimis-, ehitus- ja üleandmisandmed masinloetavaks, kontrollitavaks ja

paremini taaskasutatavaks ning laiendatav ka teistele valdkondadele.

Katseprojektis hinnatakse ka, kas digitaalse pärandvara lugeja abil saab võrrelda planeeringu IFC-

mudelis sisalduvaid andmeid sama planeeringu seletuskirja ja põhijoonisega. Eesmärk on tuvastada,

millised olulised planeeringuandmed esinevad kõigis dokumentides, millised ainult osaliselt ning kus

esineb vastuolusid või andmelünki. Katsetuse tulemusena hinnatakse, kas sellist kontrollitavat võrdlust

saab kasutada Tallinna planeeringute 3D-rakenduses planeeringulahenduse ruumilise sisu ja seda

selgitavate dokumentide kooskõla nähtavamaks tegemiseks.

Eesmärgi mõõtmise kriteeriumid: • AI-toega prototüübi valmimine: Valminud on katsekeskkond, mis suudab ühendada eri tüüpi sisendmaterjale (IFC, CAD, PDF, seletuskirjad), eraldada andmevälju, võrrelda neid ja koostada kontrollraporti. AI-assistendi teadmuskihi testimine: mõõdetakse, kas AI-assistent suudab failidest loetud andmestikust koostada etteantud kasutusjuhtude jaoks selge ja sisuliselt korrektse kokkuvõtte. Edukaks loetakse tulemus, kui vähemalt 80% eelnevalt määratletud testpäringute vastustest vastab eksperthindamise põhjal andmestiku sisule ega sisalda tööotsust eksitavat infot. • Pilootkasutus kahes tasandis: Riiklikul tasandil katab see MaRu PLANIS, EHR ja maaparanduse andmestikke. Esimeses järjekorras testitakse andmestike eraldamist planeeringute valdkonnas, kuna neid vajab uus, „Planeerimine 2.0“ andmemudeli loomise projekt ning selle kogemuse alusel tehakse otsus ülejäänud skoobis olevate andmestike töötlemise eksperimentide kohta. KOV tasandil testitakse vähemalt kahe Tallinna planeeringu- või ehitusloa juhtumi ning vähemalt ühe ehituse üleandmisjuhtumi põhjal. Selliselt ühendatud andmestikud loovad täiendava võimenduse nii riigi kui Tallinna planeerimis- ja ehitusprotsessidele. • Andmete automaatne eraldamine: Vähemalt 60% määratletud andmeväljadest tuvastatakse ja struktureeritakse AI abil. Vähemalt 80% tuvastatud väljadest on eksperthindamise põhjal korrektsed või väikese parandusega kasutatavad . • Ajakulu vähenemine: Kasutajate hinnangul saavutatakse vähemalt 25–30% ajasääst valitud andmekvaliteedi või eelkontrolli ülesannetes võrreldes senise käsitsi tööprotsessiga . • Kasutajate hinnang: Vähemalt 70% võtmekasutajatest (menetlejad, projektijuhid) hindab lahenduse praktilist kasulikkust hindega 4 või 5 viiepalliskaalal . • Skaleerimise raamistik: Projekti lõpuks koostatakse raamistik lahenduse ülekantavuse kohta teistele Eesti KOV-idele (ja teistele avaliku sektori asutustele). Lahenduse loomisel eelistatakse avatud lähtekoodiga komponente (kui võimalik), et tagada selle skaleerimine teistele kasutajatele ilma konkreetset toodet/teenusepakkujat eelistamata. Kui see osutub võimatuks, saab töötava lahenduse kirjeldus olla aluseks teistele analoogselt toimiva lahenduse loomisel.

3. Võimalikud lahendussuunad (max 2 lk) Kirjeldage võimalikke lahendusi ning tegevusi, millega projekti eesmärk saavutatakse.

• Kirjeldage võimalikke lahendussuundi, põhjendage eelistatud lahendussuuna valikut (NB! Valitud lahendussuund ei ole siduv, see võib projekti käigus muutuda).

• Kirjeldage probleemi lahendamiseks vajalikke tegevusi, mida antud katseprojekti raames plaanitakse teha.

• Selgitage, kuidas lahendust katsetatakse. Selgitage, kuidas läbi viidavat katsetust ja selle edukust hindate.

Projekti peamise eesmärgi tulemustele jõudmiseks , analüüsitakse ja luuakse TRL 7 tasemel POC tarkvaralahendus, mis tehisintellekti (AI) ja hübriidse arhitektuuri (RAG + GraphRAG) toel suudab muuta ehitatud keskkonna ja maakasutuse hübriidsed, dokumentides ja nende lisades killustatud ning struktureerimata algandmed masinloetavaks, kontrollitavaks ja taaskasutatavaks andmestikuks . Ehk siis testitakse kahte AI põhist rakendust: failide „avaja“, mis salvestab saadud andmed AI poolt kasutatavasse baasi, ning AI assistent, mis kasutajaga suhtluses selle baasi andmestikku kasutab lisaks struktureeritud andmete päringutele teenuste APIdest. Laheduse saab lisaks tegevuste järgnevusele ja tehnilisele osale ka jaotada andmestikuga töötamise faasidesse:

1. Reeglipõhine ja formaadispetsiifiline andmetöötlus. Iga dokumenditüübi jaoks kasutatakse eraldi tuvastus- ja teisendusreegleid. Selle eelis on

parem kontrollitavus, kuid puudus on suur käsitöö ning vähene kohandatavus erineva struktuuri

ja kvaliteediga dokumentidele.

2. Töö GraphRAG andmebaasiga – sellest saavad AI assistendid „aru“. Kui ollakse ära

kirjeldatud reeglid, mille alusel failidest soovitud andmed soovitud klasside alla salvestatakse,

hakatakse selle alusel koostama andmebaasi, mida ühelt poolt loob AI lahendus, faile avades

ja nende sisu“ läbi lugedes“, salvestades need seejärel soovitud kujul sorteerituna ja

tähistatuna andmebaasi. Sama andmebaas annab andmestikule juurdepääsu AI-assistendile,

kes vahetult kasutajat teenindab – võttes vastu küsimuse ning otsides seejärel sellest

andmebaasist kõiki vasteid antud küsimusega seonduvalt ning saates seejärel leitud andmete

alusel vastuse välisele suurele keelemudelile (seda eelnevalt vajadusel anonümiseerides)

vastuse kokkupanekuks kasutajale.

3. Lahenduse treenimine, kombineerides teenuste struktureeritud andmestike ning loodava

GraphRAG andmebaasist leitud vastete andmestiku alusel võimalikult kõrge täpsusastmega

kaalutud vastamist. Treenimisel leitakse meetodid, milliste etteantud reeglite alusel leiab AI

assistent üles kõige sobivamad andmed ja koostab kõige täpsemad vastused.

4. Standardsete päringute loomine, tagamaks sama kvaliteediga vastuseid struktureeritud

andmekujule salvestamiseks. Projekti lõpufaasis testitakse, kas on võimalik saavutada vastuste

taset, mis võimaldab vastusesse antavate andmete sellist kvaliteeti, mis võimaldab neid eraldi

andmetena struktureeritud kujul kasutusse võtmist (sh nii MaRu kui Tallinna teensutes).

GraphRAG baasi andmestik luuakse masinloetavaks OCR-tehnoloogia ja täiendavate tehniliste lahenduste analüüsimise ja testimise teel (nt Data-Driven Construction AI-töövoog). Tõenäoliselt on vajalik ka avaandmeteks liigituva - isikuandmeid jm AK info anonümiseerimise kihi analüüs ning prototüüpimine. Mikroteenuse backend luuakse pilvepõhise mikroteenusena ühiselt universaalse ja korduvkasutatava baasina nii e-ehitusele kui Tallinnale. Teenuse kasutaja-poolseid kasutusi testivad MaRu ja Tallinn oma vajaduse-vaatest, tehes selles eri projektitiimide-vahelist koostööd. Enne, kui prototüüpe looma hakatakse, viiakse läbi kogu projekti-teemade ülene analüüs, mis kirjeldab:

- Potentsiaalse pilootlahenduse andmemahu ulatuse, tuginedes MaRu ja Tallinna ruumiteenustes testimiseks plaanitud failimahtudele

- Ärianalüüs, mis määratleb andmed, mida on riigil ja KOV-del kõige enam konsulteerimistes, menetlustes ja poliitikate kujundamises vaja ning mida täna on kõige keerulisem leida ning

vajaduse põhiselt kasutada ruumiandmeteenustes ning rahalis/ajaline potentsiaal, mida saaks lahenduse päriselt teenusena tulevikus realiseerimisega saavutada

- valitakse katsetatavad dokumenditüübid, andmeväljad ja kasutusjuhud; - koostatakse ekspertide märgendatud kontrollandmestik;

- kaardistatakse eri formaatide ja allikate kvaliteet ning piirangud;

- Loodava tehnilise lahenduse alternatiivid ning kõige potentsiaalsema lahendussuuna

ettepanekud (selle käigus luuakse ka alternatiivsete tehniliste lahenduste piiratud prototüübid;

- katsetatakse teksti, tabelite, jooniste ja IFC-andmete automaatset tuvastamist;

- katsetatakse sama objekti või tingimuse seostamist eri dokumentide vahel;

- hinnatakse vastuolude automaatse tuvastamise võimalikkust;

- Lahenduse arendamise ja ülalpidamiskulude eeldatavad hinnangud - rakendatakse andmete päritolu, ligipääsuõiguse ja vajaduse korral anonümiseerimise

kontrollid; - Luuakse kontrollandmestikud, mille alusel peale prototüüpide valmimist nende potentsiaali

kontrollitakse

Valitud lahendussuund ei ole siduv. Projekti käigus võrreldakse erinevaid infoeralduse, semantilise

seostamise, graafipõhise modelleerimise ja otsingu meetodeid ning arhitektuuri muudetakse

katsetulemuste põhjal.

Ühe võimaliku lahendussuunana võib Tallinnas katsetada ühise andmekihi kasutamist kahes

eraldiseisvas prototüübis. Esimene võimalik kasutus on tellija esindajale mõeldud kasutajaliides valitud

ehitusprojektide kontrolliks, kus spetsialist saab projekti tasemel loodud kontrollitulemusi läbi vaadata,

klassifitseerida ja kasutada neid tagasisidena kontrollireeglite ning infonõuete täpsustamiseks. Teise

võimaliku kasutusena võib katsetada andmekihist saadud planeeringuinfo ruumilist kuvamist ja

kasutamist Tallinna planeeringute 3D-rakenduses. Katse käigus hinnatakse, kas mõlemad

kasutusviisid saavad tugineda samale taustsüsteemile ja liidestele ning milline on nende praktiline

kasutatavus Tallinna tellija- ja planeerimisprotsessi töövoogudes.

Lahendust katsetatakse vähemalt järgmistes kasutusjuhtudes:

1. planeeringudokumentidest määratletud tingimuste ja objektide tuvastamine;

2. sama objekti andmete võrdlemine PDF-, IFC-, CAD- ja registriandmete vahel (sh kehtivate

andmete tuvastamine);

3. eri allikates olevate vastuolude tuvastamine;

4. kontekstipõhine otsing, mille vastus peab olema seostatav konkreetse algallika ja

dokumendikohaga.

Katse edukust hinnatakse järgmiste näitajate alusel:

• kui suur osa määratletud andmeväljadest tuvastatakse;

• kui suur osa tuvastatud väärtustest on korrektne;

• kui täpselt seostatakse sama objekt eri dokumentides;

• kui palju tekib valepositiivseid ja valenegatiivseid vastuolusid;

• kui suur osa tulemustest on jälgitav algallika ja konkreetse dokumendikohani;

• kui palju vajab tulemus eksperdi parandamist;

• milline on ajakulu võrreldes käsitsi tehtava tööga;

• milliste dokumenditüüpide ja kasutusjuhtude puhul tehnoloogia ei saavuta vajalikku töökindlust.

Projekt loetakse tehnoloogilise katse seisukohalt edukaks, kui vähemalt kahes kasutusjuhus

saavutatakse eelnevalt kokkulepitud täpsus ja tulemuste jälgitavus ning on võimalik põhjendatult

määrata, milline lahendussuund sobib edasiseks arendamiseks.

Projekti väljund ei ole valmis tootmislahendus ega täismahus integratsioon olemasolevate

infosüsteemidega. Väljund on katsetatud prototüüp, lahendussuundade võrdlus ning teadmine nende

täpsuse, piirangute ja edasise rakendatavuse kohta.

Katsetamise etapid ja tegevused: • I etapp (1.–5. kuu): Projekti üldanalüüsi läbiviimine. • II etapp (6.–9. kuu): Ühise backendi ja API arendus. Analüüs "Planeerimine 2.0" assistendi muudatusteks ja Tallinna eelkontrolli sisendandmete kaardistamine ning baasjoone mõõtmine . • III etapp (10.–14. kuu): Failide masinloetavaks muutmine ja universaalse GraphRAG vektorbaasi püstitamine. Mootori rakendamine Tallinna failide peal IFC mudelite metaandmete rikastamiseks . • IV etapp (15.–18. kuu): Tehisaru-assistendile kontekstipõhise prompti lahendamisel reaalse ligipääsu tagamine paralleelselt struktureeritud andmetele ja GraphRAG baasile. Uue andmemudeli andmelünkade kaotamise testimine testkeskkonnas ja kontrollraporti valideerimine paralleelkatsetuste abil. Kokkuvõtted ja aruanded.

4. Projekti uuenduslikkus Tuua selgelt välja projekti uuenduslikkus –mida tehakse senisest teisiti kas see hõlmab uusi tehnoloogiaid, protsesse, toimemudeleid, disaini, turgu vms?

• Selgitage lahenduse uuenduslikkust nii Eesti kui globaalses kontekstis.

• Mis on projektis sellist, mis vajab katsetamist?

• Hübriidne AI-arhitektuur avalikus sektoris: Esmakordselt liidetakse reeglipõhine API-päringute süsteem ja edasijõudnud GraphRAG teadmusgraafid ehitatud keskkonna (ja võimalik, et kogu Eesti avaliku sektori) valdkonnas, võimaldades tehisarul sisuliselt mõista ja siduda dokumentide tekstilist sisu jooniste ja BIM-atribuutidega . • Kontekstipõhised liitpäringud: Tehisaru-assistendil on võimekus pärida infot paralleelselt nii valideeritud teenuste andmetest kui ka uuest, vanade failides olevate andmete pealt loodavast andmebaasist, et kuvada ametnikule ja kliendile täielik konsolideeritud vastus ühe akna põhimõttel . • Ajalooliste andmete automaatne väärindamine: Võimekus ammutada vanadest struktureerimata planeeringu- ja projektifailidestt andmeid kaasaegsete 3D IFC mudelite metaandmestiku automaatseks rikastamiseks . • Universaalne mikroteenuse disain: Erinevalt tavapärastest infosüsteemidest luuakse lahendus universaalse mikroteenusena, mis on ilma põhikoodi muutmata kasutusse võetav kõikidele avalikus sektori asutustele, kelle teenuste andmekvaliteeti ja kiirust saab tõsta failidest andmete „lahtilukustamisega“ terve Eesti. Projektis katsetatakse, kas failides olevad sama objekti või tingimust kirjeldavad andmed saab automaatselt leida, võrrelda ja algallikani jälgitavalt seostada. Senisest erinevalt ühendatakse struktureeritud registriandmed, dokumentidest AI abil eraldatud info, reeglipõhised kontrollid ja semantilised seosed üheks kontrollitavaks tervikuks. Eesti kontekstis on uudne eri asutuste ja eri põlvkondade planeerimis- ning ehitusandmete käsitlemine ühises AI-põhises katsemudelis. Rahvusvaheliselt kasutatakse sarnaseid meetodeid üksikutes ülesannetes, kuid projekti eripära on nende ühendamine heterogeensete avaliku sektori andmete puhul, kus tulemused peavad olema täpsed, põhjendatavad ja auditeeritavad. Katsetamist vajab:

• kas AI suudab eri formaatidest õigesti tuvastada samu objekte ja tingimusi;

• kas eri allikate info saab usaldusväärselt seostada;

• kas vastuolusid saab avastada ilma liigsete valehäireteta;

• kas iga tulemus on jälgitav konkreetse algallikani;

• millal on AI tulemus piisavalt usaldusväärne ja millal on vajalik inimese kontroll.

Projekti uuenduslikkus seisneb eri formaadis ehitatud keskkonna andmete ühises AI-põhises tõlgendamises, seostamises ja kontrollimises. Praegu töödeldakse registriandmeid, PDF-dokumente, CAD-jooniseid ning IFC-mudeleid valdavalt eraldi.

Projekti tulemus on katsetatud tehnoloogiline prototüüp ja teadmine sobivate meetodite, nende täpsuse ning piirangute kohta, mitte valmis juurutatud platvorm.

5. Projekti elluviimisega (katsetusega) seotud riskid ja nende maandamismeetmed Kirjelda peamisi riske, mis võivad takistada projekti elluviimist või eesmärkide saavutamist, ning kavanda maandamismeetmed.

Riski kirjeldus Tõenäosus Mõju Maandamismeetmed

Planeerimine 2.0 ja

teiste seotud

projektide vajalikud

tulemused ei valmi

õigeks ajaks

Keskmine Kõrge Koostatakse projektide vaheline

sõltuvuste kaart, fikseeritakse vajalikud

sisendid ja tähtajad ning määratakse

otsustuspunktid. Tagatakse projekti

elluviidavus ka ilma seotud projektideta:

katse jaoks luuakse sõltumatu

kontrollandmestik ja testkeskkond, et

tehnoloogiline eksperiment ei sõltuks

täielikult paralleelprojektide valmimisest;

klassifikaatorid luuakse konkreetsetest

ärivajadustest tulenevalt, mitte seotud

projektide väljunditele tuginedes. Toimub

vajaduspõhine infovahetus seotud

projektide meeskondadega.

Planeerimine 2.0

projektide tulemused ei

vasta katse tehnilistele

eeldustele

Keskmine Kõrge Vajalikud andmevormingud, liidesed ja

kvaliteedinõuded lepitakse kokku enne

katse algust. Alternatiivina kasutatakse

anonüümitud väljavõtteid, staatilisi

andmekogumeid või sünteetilisi

testandmeid.

Sama võtmeekspertiisi

kasutatakse mitmes

paralleelprojektis.

Sobivat tööjõuressurssi

ei ole võimalik leida.

Kõrge Kõrge Võtmerollide töökoormus ja vastutus

fikseeritakse projektide kaupa. Kriitiliste

rollide jaoks määratakse asendajad ning

vajaduse korral kaasatakse väline

tehniline ekspertiis. Erasektorist

kaasatakse TI-oskusteave, vältimaks

vajadust luua kõik lahendused asutuste

siseselt

Projektide vaheline

vastutus ja

otsustusõigus on

ebaselge

Keskmine Kõrge Koostatakse projektide ülene RACI-

maatriks. Määratakse, kes vastutab

andmete, liideste, arhitektuuri, turbe,

katseandmestiku ja tulemuste

valideerimise eest. Projekti juhtrühm

moodustatakse seotud asutuste

vastutavatest isikutest, tagamaks vajalik

panustamine.

Katse liigub

tehnoloogilise

eksperimendi asemel

tavaliseks arendus- või

integratsiooniprojektiks

Keskmine Kõrge Katse ulatus, hüpoteesid ja

edukriteeriumid fikseeritakse enne

arendust. Tootmiskeskkonna

integratsioonid ja juurutamine jäetakse

katsejärgsesse etappi, välja arvatud

katseliseks valideerimiseks vajalik

minimaalne liidestus. Projektijuht

(omanik) jälgib kõigi projekti käigus

läbiviidavate olulisemate tegevuste

vastavust toetuse andmise tingimustele,

teeb regulaarset koostööd

Riigikantseleiga

Dokumentide ja

jooniste kvaliteet ei

võimalda

usaldusväärset

infoeraldust

Kõrge Keskmine Koostatakse eri kvaliteedi ja formaadiga

kontrollandmestik. Võrreldakse mitut

infoeralduse meetodit ning määratakse

dokumenditüübid, mille puhul

automaatne töötlemine ei ole piisavalt

usaldusväärne.

AI annab ebatäpseid

või hallutsineeritud

tulemusi

Keskmine Kõrge Vastus peab olema seotud konkreetse

algallika ja dokumendikohaga.

Kasutatakse reeglipõhiseid kontrolle,

confidence score’i, eksperdi valideerimist

ning piirväärtusi, mille alla jäävat

tulemust ei esitata usaldusväärse

vastusena. Katsetatava lahenduse osa on,

et kasutajal peab olema lihtne minna ise

algallikast infot kontrollima – tagatakse

lahenduse läbipaistvus.

Eri allikate andmeid ei

ole võimalik

semantiliselt õigesti

seostada, allikates

sisalduv info on väga

heterogeenne

Keskmine Kõrge Katsetatakse alternatiivseid

seostamismeetodeid, objektitunnuseid,

ontoloogiaid ja graafipõhiseid seoseid.

Tulemusi võrreldakse eksperdi koostatud

kontrollandmestikuga. Lahenduses

katsetatakse erinevaid klassifitseerimise

täpsusastmeid.

Andmed, juurdepääsud

või liidesed ei ole katse

ajal kättesaadavad

Keskmine Kõrge Andmeinventuur ja ligipääsulepped

tehakse enne katse algust. Määratakse

minimaalsed vajalikud andmed ning

alternatiivsed testandmestikud.

Isikuandmete või

piiratud juurdepääsuga

info töötlemine ei ole

nõuetekohane

Keskmine Kõrge Andmed klassifitseeritakse, rakendatakse

minimaalse ligipääsu põhimõtet,

anonümiseerimist või

pseudonümiseerimist ning andmekaitse-

ja turbeeksperdi eelkontrolli. Katsetatav

lahendus (assistendi osa) luuakse Aruaida

projekti katsetuse esialgseid parimaid

praktikaid arvestades.

Lahendus ei ühildu

olemasolevate

infosüsteemide

arhitektuuriga

Keskmine Kõrge Katseprototüüp ehitatakse modulaarse ja

avatud liidestega. Integratsioonivajadusi

testitakse piiratud keskkonnas ning

tootmissüsteemide muutmist ei eeldata

enne tehnoloogilise hüpoteesi

kinnitamist.

Andmete

sünkroniseerimisel

tekivad vastuolud

Keskmine Kõrge Katsekeskkonnas kasutatakse eraldatud

vaheandmebaasi, versioonihaldust ja

andmete päritolu jälgimist.

Tootmisandmeid ei muudeta katse

käigus.

Tehnilise lahenduse

kulu või ressursivajadus

kasvab prognoositust

suuremaks

Keskmine Keskmine Mõõdetakse mudelite, päringute,

salvestuse ja andmetöötluse tegelikku

kulu. Võrreldakse alternatiivseid

arhitektuure ja seatakse katsele mahu-

ning kulupiirid. Alustatakse piloodina

planeeringute andmestikest, mis annab

prognoosi ülejäänud tööde mahust.

Kasutajad ei usalda

tulemusi või ei näe

praktilist kasu, ei ole

huvitatud projekti

panustamast (tekib

„kaasamisväsimus“)

Keskmine Keskmine Projekti käigus viiakse läbi ammendav

analüüs ärivajaduste täpseks

tuvastamiseks. Menetlejad ja eksperdid

kaasatakse kasutusjuhtude,

kontrollandmestiku ja tulemuste

hindamise juurde. Iga tulemus peab

olema selgitatav ja algallikani jälgitav.

6. Projekti ajakava Koostage realistlik ajakava, mis hõlmab kõiki projekti tegevusi ning annab sellega sisendi projekti eelarve koostamisele.

• Ajakava koostamisel arvestage vajalike eel- ja järel- või vahetegevustega (nt partnerluslepingu sõlmimise ettevalmistus kuni 2 kuud, vajalike lubade saamine projekti jooksul vms).

• Milliste võimalike puhvritega oleks ajakavas mõistlik arvestada?

• Jagage tegevused loogilisteks etappideks, arvestage tegevuste omavahelisi seoseid ning ajalist järgnevust või paralleelsust.

• Hangete läbiviimise ajaraami kavandamiseks kasuta hankekalkulaatorit Hankekalkulaator - EIS

Tegevused Tegevuse algus(mitmes kuu)

Tegevuse lõpp(mitmes kuu)

Kestus kokku(mitu kuud)

I ETAPP: Projekti üldanalüüs 1 5 5

Tegevus 1.1: Projekti üldanalüüsi läbiviimine ja lähteülesande täpsustamine.

1 5 5

II ETAPP: Ühise backendi arendus ja API-liidestuse analüüs

6 9 4

Tegevus 2.1: Ühise backendi ja API arendus.

6 9 4

Tegevus 2.2: Analüüs "Planeerimine 2.0" assistendi muudatusteks.

6 8 3

Tegevus 2.3: Tallinna eelkontrolli sisendandmete kaardistamine ja baasjoone mõõtmine.

6 9 4

III ETAPP: GraphRAG, failitöötlus ja BIM laiendus

10 14 5

Tegevus 3.1: Failide masinloetavaks muutmine ja info eraldamise tehnoloogiate rakendamine.

10 13 4

Tegevus 3.2: Universaalse GraphRAG vektorbaasi püstitamine.

11 14 4

Tegevus 3.3: Mootori rakendamine Tallinna failide peal BIM/IFC mudelite metaandmete rikastamiseks.

10 14 5

IV ETAPP: Kontekstipõhine integreeritus, valideerimine ja aruandlus

15 18 4

Tegevus 4.1: Tehisaru-assistendile kontekstipõhise prompti lahendamisel reaalse ligipääsu tagamine paralleelselt struktureeritud andmetele ja GraphRAG baasile.

15 18 4

Tegevus 4.2: Uue andmemudeli andmelünkade kaotamise testimine testkeskkonnas ja kontrollraporti valideerimine paralleelkatsetuste abil.

15 17 3

Tegevus 4.3: Projekti kokkuvõtted ja lõpparuanded.

17 18 2

KOKKU 1 18 18 kuud

7. Projekti eelarve Koostage realistlik eelarve detailsusega, mis hõlmab kõiki projekti tegevusi ning võimaldab seeläbi hinnata planeeritud kulude vajalikkust ja mõistlikkust.

• Arvutage eelarves summad kogumaksumusena (st sisaldavad kõiki makse), sh projektijuhi kogukulu.

• Lisage eelarvele kirjeldusena selle kujunemise põhjendused, arvutuste ja hinnangute alused.

• Eelarve kogusumma palume esitada 1000 euro täpsusega. Kohandage eelarvetabelit oma projekti vajadustele vastavaks.

Tegevused / Kulurühmad Partner 1 kulud (MaRu ja KeMIT)

Partner 2 kulud (Tallinn)

Kulud kokku

Etapp 1: Ühise backend & API-liidestus

100 000 € 30 000 € 130 000 €

Etapp 2: GraphRAG, failitöötlus ja BIM laiendus

120 000 € 55 000 € 175 000 €

Etapp 3: AI-mikroteenus & Süsteemide integratsioon

90 000 € 45 000 € 135 000 €

Etapp 4: Kontekstipõhine integreeritus & Raamistik

60 000 € 25 000 € 85 000 €

AWS taristu, arvutusjõudlus ja LLM tokenid

65 000 € 20 000 € 85 000 €

In-house personalikulu (ca 18 kuu lõikes)

221 000 € 193 000 € 414 000 €

KOKKU 656 000 € 368 000 € 1 024 000 €

Eelarve kujunemise põhjendused: > - Maa- ja Ruumiameti (MaRu) eelarve sisaldab riikliku universaalse ühisosa (tuumik-AI backendi, liitpäringute võimekuse ja failitöötlusmootori) arenduskulusid (hangitakse riigihankementlusega)

• Tallinna eelarve katab KOV-spetsiifilised integratsioonid, kohalikud kasutajaliidese vajadused ning BIM-andmetöötluse laiendused (hangitakse Tallinna hankereeglite alusel)

• Personalikulude arvutuse aluseks on võetud meeskonnaliikmete FTE-koormused 18 kuu lõikes (MaRu ja KeMIT rahastatav meeskond kokku 2,2 FTE; Tallinna meeskond kokku 2,0 FTE).

8. Võimalikud lahenduste pakkujad

Tooge välja võimalikud hankepartnerid, kes soovitud lahendussuunas tooteid/ teenuseid/ pakuvad.

• Otsige ja nimetage võimalikke probleemile lahenduste pakkujaid (nt erinevate valdkondade eksperdid, teadlased, ettevõtted, kes on probleemi lahendamisega varasemalt tegelenud).

Mõelge nii Eesti kui rahvusvaheliste pakkujate peale.

Võimalike lahenduste pakkujatena näeme Eesti juhtivaid tarkvaraarenduse ja andmeteaduse/AI ettevõtteid ning spetsialiseerunud rahvusvahelisi idufirmasid, kes tegelevad ruumiinfo ja keelemudelite integreerimisega. Projekti käigus analüüsitakse ja testitakse spetsiifilisi ehitus- ja planeeringuvaldkonna AI-töövooge (nt Data-Driven Construction AI tööriistad jmt). Pilvetaristu ja masinõppe arvutusvõimekuse pakkujana on partneriks Amazon Web Services (AWS) läbi KEMITi pilveteenuste kehtiva raamlepingu. Potentsiaalseid lahenduste pakkujaid leiab ka Eestist mitmeid- nt TEXTA, STACC OÜ, MindTitan OÜ.

9. Projekti meeskond ja töökorraldus Tooge välja projekti edukaks elluviimiseks kaasatavad või vajalikud osapooled (asutused ja/või inimesed) ning täiendav ekspertiis, mida meeskonda juurde vajate.

• Kirjeldage rollide ja töö jaotust projektimeeskonnas.

• Kirjeldage projekti juhtimise korraldust.

• Märkige ära, kui suure koormusega projektijuht (võimalusel ka teised võtmeisikud) projekti panustavad.

• Kirjeldage, missugust täiendavat ekspertiisi tuleb juurde kaasata (nt tehniline ekspertiis, andmekaitse), mis on meeskonnaliikmete poolt katmata.

NB! Kui nimetate konkreetseid meeskonnaliikmeid, siis nendega (või nende juhtidega) peab olema projektis osalemine läbi räägitud!

Projekt viiakse ellu ühendmeeskonnana, kus personalikulud ja koormused (väljendatuna täistööaja ekvivalendina ehk FTE-na) on jaotatud sisulise tellija (MaRu) ja tehnoloogilise baastaristu tagaja (KeMIT) vahel. Projekti juhib keskselt MaRu, kes koordineerib tegevusi nii Tallinna kui tehnoloogilise platvormi haldaja KEMIT-iga. 9.1 Ühised ja MaRu-poolsed rollid (Vastutab ühisosa eest): • Projektiomanik / Ruumilise planeerimise valdkonna juht (Product Owner) – Koormus: 0,3 FTE: Esindab MaRu ja ministeeriumite ärihuve, määratleb tehisaru funktsionaalsed ootused ning prioritiseerib kasutuslood. Märkus: Käesoleva projekti eelarvest seda rolli ei tasustata (panus kaetakse asutusesiseselt põhitöö raames). • Andmeekspert / Registrite spetsialist – Koormus: 0,5 FTE: Vastutab algsete testandmestike kokkupaneku ja märgistamise eest ning teostab mudeli väljundite kvaliteedikontrolli ja täidab valideerimistabelit. • Projektijuht – Koormus: 1,0 FTE: Juhib projekti ajakava, etappide vahelisi üleminekuid ja tarnete üleandmist ning tagab tiheda infovahetuse osapoolte vahel.

9.2 KEMIT-i poolsed tehnilised rollid (Vastutab arhitektuuri ja taristu eest):

• AI ja andmearhitekt (Tehniline juht) – Koormus: 0,5 FTE: Valvab, et arendatav RAG/GraphRAG

lahendus vastaks e-ehituse platvormi, andmeturbe ja KEMITi taristu nõuetele ning juhib infosüsteemide

API-de ja vektorbaaside vahelist liidestusarhitektuuri. Osalise töökoormusega (max 50%).

• Taristu- ja pilveteenuste koordinaator (KEMIT-MaRu kontaktpunkt) – Koormus: 0,2 FTE: Tagab

arendusmeeskonnale vajaliku turvalise pilvemahu (AWS), arvutusvõimekuse, vajalikud litsentsid ja LLM

tokenite halduse ning turvalise ligipääsu riiklike andmekogude dumpidele tootmis- ja testkeskkondades.

9.3 Tallinna Linnavalitsuse poolsed rollid: • KOV Projekti koordinaator / kaas-Product Owner – Koormus: 0,5 FTE: Juhib Tallinna-poolseid tegevusi, koordineerib KOV-ipoolseid pilootjuhtumeid ning tagab kohalike menetlusprotsesside ja linna ärihuvede igakülgse esindatuse. • BIM / GIS spetsialist (KOV andmeekspert) – Koormus: 0,5 FTE: Vastutab Tallinna IFC mudelite, kohalike tellija infonõuete (EIR), jooniste ja GIS-kihtide testandmete märgistamise ning AI väljundite sisulise kvaliteedikontrolli eest. • KOV menetlusspetsialist (Domain Expert) – Koormus: 0,5 FTE: Viib läbi paralleelkontrolle tegelikes KOV-i töövoogudes (planeeringute eelkontrollis ja ehituse üleandmisel) ning valideerib tehisaru genereeritud riskiraportite täpsust. Osalise töökoormusega (max 50%). • Integratsioonispetsialist – Koormus: 0,5 FTE: Tagab tehnilise toe ja liidestusloogika väljatöötamise AI-mikroteenuse ühildamiseks Tallinna 3D linnamudeli, kohalike registrite ja linna varahaldussüsteemidega. Osalise töökoormusega (max 50%).

10. Projekti tulemuste elluviimine Kirjeldage oma valmisolekut ja võimekust pärast katseprojekti edukat lõppu projekti tulemusi kestlikult ellu viia.

.

• Kas projekti tulemuste edasine arendus ja kasutuselevõtt seostub asutuse prioriteetsete tegevustega, on tööplaanis vms?

• Kas tulemuste hilisemaks elluviimiseks vajalik rahastus ja muud ressursid on olemas või tegeletakse selle leidmisega?

• Tooge välja olulisemad riskid projekti tulemuste hilisemal kasutuselevõtul. Kuidas plaanite neid riske maandada?

• Kirjeldage, kas ja mil määral on tulemused skaleeritavad ning kasutatavad avalikus sektoris laiemalt.

Projekt on kirjeldatud alates 2025. aastast Maa- ja Ruumiameti juhtkonna poolt kinnitatud AI-teekaardis

2026-27. Katseprojekti lõpus otsustavad MaRu ja Tallinna vastutavad üksused tulemuste edasise

arendamise ning kasutuselevõtu katsetes saavutatud täpsuse, töökindluse, kulude ja kasutusväärtuse

põhjal. Tulemusi arutatakse laiemalt Eesti Linnade ja Valdade Liidu ning juhul, kui lahendus on

tõestatult toimiv, teistele avaliku sektori asutustele, koos edasise realiseerimise-alase

koostööaruteludega. Kasutusele võetakse etapiviisiliselt ainult need võimekused, mille toimivus on

tõendatud. Edasise rakendamise eest määratakse vastutav teenuseomanik ning vajalikud arendus-,

haldus- ja eksperdirollid.

Edasise arenduse, integratsioonide ja püsikäituse kulud hinnatakse projekti jooksul. Eduka projekti

tulemuste järel alustatakse KOV-e ja teisi avaliku sektori asutusi kaasates arutelu, kuidas lahendust

reaalselt käivitada võimalikult paljudes teenustes, mis omavad sarnast lähteprobleemi, mis praegune

projekt. Rahastus kavandatakse MaRu, Tallinna ja seotud infosüsteemide eelarvetesse või taotletakse

selleks eraldi vahendeid. Enne kasutuselevõtu otsust hinnatakse ka litsentsi-, taristu-, andmetöötlus- ja

inimkontrolli püsikulusid.

Peamised riskid on ebapiisav tehniline täpsus, sõltuvus Planeerimine 2.0 ja teiste paralleelprojektide

tulemustest, vajalike andmete või liideste puudumine, tarnijalukustus, püsikulude kasv ning kasutajate

vähene usaldus. Neid maandatakse sõltumatu testandmestiku, etapiviisilise kasutuselevõtu, avatud

liideste, alternatiivsete tehnoloogiate, eksperdikontrolli ja algallikani jälgitavate tulemuste abil.

Tulemused on skaleeritavad teistesse avaliku sektori valdkondadesse, kus info paikneb eri formaatides

dokumentides ja infosüsteemides. Ülekantavad tulemused on katsetatud meetodid, andmemudelid,

kvaliteedikriteeriumid ja rakendamise eeltingimused. Potentsiaalseks lahenduseks saaks ka olla kogu

teenuse käivitamine sõltumatu platvormina, luues sellele ligipääsud asutustele, kes soovivad samuti

oma teenustes olevaid faile AI-abiga kasutusse avada.

11. Mõju ettevõtlusele

☒ Projekt omab positiivset mõju innovatsioonile ettevõtlussektoris. Kõige otsesemalt väljendub mõju läbi

ettevõtete, kes osalevad tegevuste elluviimiseks korraldatavatel hangetel ja/või konkurssidel.

Innovatsiooni hankimine avaliku sektori poolt aitab kaasa innovatsioonitegevuste kasvule erasektoris.

12. Seos nutika spetsialiseerumise valdkondadega

• Eesti teadus- ja arendustegevuse, innovatsiooni ning ettevõtluse (TAIE) arengukaval 2021-2035 on fookusvaldkonnad, s.o Eesti arenguvajadustele ja -võimalustele vastavad riigi, ettevõtete ja teadusasutuste koostöös eelisarendatavad teadus- ja arendustegevuse, innovatsiooni ja ettevõtluse valdkonnad. Ettevõtluse ja majandusliku arengupotentsiaaliga TAIE fookusvaldkonnad on ühtlasi Eesti nutika spetsialiseerumise valdkonnad (täpsem info: https://www.hm.ee/korgharidus-ja- teadus/teadus-ja-arendustegevus/taie-fookusvaldkonnad).

• Kirjeldage teie projekti võimaliku lahenduse seost vähemalt ühe valdkonnaga (rõhuasetusega teadmus- ja tehnoloogiasiirdel).

Digilahendused igas eluvaldkonnas (vt teekaarti)

Projekt seostub otseselt TAIE fookusvaldkonnaga "Digilahendused igas eluvaldkonnas". TAIE teekaardi fookusteemad, mille saavutamisega projekt on seotud, (https://taie.ee/sites/default/files/documents/2023- 05/Digilahendused%20igas%20eluvaldkonnas.pdf ): 1. Fookusvaldkond: „Teadus- ja arendustegevus andmevaldkonna arendamiseks“ Seos projektiga: Projekt on otseselt suunatud andmevaldkonna arendamisele ja uute andmetehnoloogiate katsetamisele. Selle käigus luuakse ja arendatakse tehisintellektil põhinev hübriidne AI- vahekiht (RAG + GraphRAG arhitektuur ja teadmusgraafid), mis suudab seni masinloetamatud ja lukustatud algandmed (PDF- seletuskirjad, CAD-joonised) teisendada taaskasutatavaks semantiliseks andmestikuks. See arendab riigi andmehaldust, tõstab registriandmete kvaliteeti ning loob uue võimekuse kontekstipõhisteks liitpäringuteks. 2. Fookusvaldkond: „Digilahendused äriprotsesside innovatsiooni toetamiseks“ Seos projektiga: Projekt toetab otseselt avaliku sektori ja menetlusprotsesside innovatsiooni ehitatud keskkonna elukaarel (planeeringud ja loamenetlused). Tehisaru-assistendi ja selgitatavate kontrollraportite abil automatiseeritakse rutiinset käsitööd (andmete käsitsi võrdlemine ja lünkade tuvastamine), mis muudab riigi ja KOV-i sisesed tööprotsessid kiiremaks ja efektiivsemaks, vähendades ametnike halduskoormust ja kiirendades ettevõtjate jaoks asukohtade leidmist.

Tervisetehnoloogiad ja - teenused

Ei kohaldu.

(vt teekaart)

Kohalike ressursside (toit, puit, maapõueressursid, teisene toorme ja jäätmed) väärindamine (vt teekaart)

Ei kohaldu.

Nutikad ja kestlikud energialahendused (vt teekaart)

Ei kohaldu.

13. Seos strateegias Eesti 2035 toodud arenguvajadustega

• Selgitage, kuidas panustavad projekti tegevused ja valitud lahendussuund “Eesti 2035” strateegias kirjeldatud arenguvajadustesse.

• Tooge välja, kui projekti tegevused panustavad muudesse olulistesse valdkondlikesse arengukavadesse või -dokumentidesse.

Projekt panustab otseselt "Eesti 2035" sihtvaldkonda "Nutikas ja tõhus riigivalitsemine", arendades andmepõhiseid avalikke teenuseid ning vähendades bürokraatiat ja menetlejate käsitööd. Samuti toetab lahendus sihteesmärki "Ettevõtlik ja innovaatiline majandus" – planeeringute andmete kiirem kättesaadavus vabastab ettevõtluse arengu takistusi ning võimaldab kiiremat investeeringute planeerimist. Projekt on kooskõlas ka riigi digitaalse ehituse (e-ehituse) visiooniga, luues aluse digitaalsete kaksikute ja reaalaja majanduse toimimiseks KOV-i ja riigi üleselt.

14. Avalike ülesannete täitmine projekti elluviimisel

• Selgitada ning tuua välja seosed ja viited, missuguse seaduse, määruse, haldusakti või lepingu alusel täidab ideekavandi esitaja asutus innovatsiooniprojekti ellu viies avalikke ülesandeid.

• Kui ideekavandi esitaja on MTÜ, siis selgitada, kuidas ta pakub otsest avalikku teenust (loe Teenuste korraldamise ja teabehalduse alused–Riigi Teataja, §2 lg2).

Ideekavandi esitajad täidavad avalikke ülesandeid järgmiste õigusaktide alusel: Maa- ja Ruumiamet ning kohalikud omavalitsused lähtuvad Planeerimisseadusest (ruumiliste planeeringute menetlemine, andmete kättesaadavus ja PLANIS infosüsteemi pidamine) ning Ehitusseadustikust (ehitus- ja kasutuslubade menetlemine, EHR-i andmete haldus). Samuti täidetakse avalikke ülesandeid Maaparandusseaduse (maaparandussüsteemide register - MSR) ja Maakatastriseaduse alusel. Tegevus toetab otseselt ka Avaliku teabe seaduse eesmärke teha avalik teave masinloetaval ja taaskasutataval kujul kättesaadavaks.

15. Rahastus mitmest allikast

• Kas probleemi lahendamiseks või planeeritud lahenduse katsetamiseks on taotletud või taotletakse toetust teistest rahastamisallikatest?

• Kui jah, siis tuua välja rahastusallikas, summa ja tegevused ning kas toetus on taotlemisel või projekt on saanud rahastusotsuse.

Projekt on koostatud arvestusega, et selle eelarves ei oleks kattuvaid tegevusi projektiga “Planeeringud 2.0”. Projektiga luuakse täiesti uut ja unikaalset väärtust, mis ei ole projekti “Planeeringud 2.0” eesmärkideks ega ka ei tegele selle projekti katsetuste juurutamisega.Küll aga oleme projekti juures arvestanud sellega, et projekti “Planeeringud 2.0” raames loodava planeeringuandmete mudeli andmestikus tekib tõenäoliselt lünki, mille täitmiseks saab kasutada käesoleva taotlusprojekti

katsetuste tulemusi - seetõttu on just planeeringutega seotud failidest andmete eraldamine valitud esmaseks piloottestimise objektiks. Samuti juhul, kui “Planeeringud 2.0” projekti testimisel luuakse toimiv AI-kasutaja assistent, võtame selle lähtekoodi kasutusele selle edasi arendamiseks, et sellele tekiks võimekus andmeid otsida käesoleva projektiga loodavast uuest andmebaasist (mis tekib failidest eraldatavatest andmetest).

Kinnitused

☒ Oleme teadlikud, et Riigikantselei võib saata ideekavandi eksperthinnangu saamiseks valdkonna ekspertidele.

☒ Kinnitan, et esitatud innovatsiooniprojekt on teiste partnerite juhtkondadega kirjalikult kooskõlastatud.

Allkirjastamine

• Ideekavand tuleb allkirjastada projekti esitava(te) asutus(t)e allkirjaõigusliku juhtkonnaliikme poolt (nt kantsler,

asekantsler, KOVi juht, KOVi volikogu esimees, ministeeriumi allasutuse juht/asejuht vms) ja saata

[email protected].

i Katsetamine vastab küsimusele: kas see töötab? Katsetuse puhul ei vaadata alati, kas lahendus praktiliselt toimib.

Piloteerimine vastab küsimusele: kas see töötab päriselus ja on mõistlik kasutusele võtta? Hinnata praktilist toimivust.

Eksperiment: Igasuguse eksperimendi eesmärk on kontrollida hüpoteese põhjuslike seoste kohta. Eksperiment on selline katse, mis

on kavandatud põhjuslike seletusteni jõudmiseks: kui teeme x siis juhtub y.

Prototüüp on masina, seadme või mingi rakenduse esialgne teostus, algne mudel, mida edasi arendatakse.

Innovatsiooniprojekti ideekavand1 AVALIKU SEKTORI INNOVATSIOONIVÕIMEKUSE TÕSTMINE

Ideekavandit täites palume tutvuda riigikantselei veebilehel toodud soovituste ja juhistega projekti esitajale.

Innovatsiooniprojekti nimi Ruumiandmete süvaõppe andmestiku testimine automaatse Eesti Topograaf ia Andmekogu uuendajana ja poliitika kujundamist

abistava tööriistana.

Innovatsiooniprojekti

fookusvaldkond ☐ Droonitehnoloogiate valdkond

☒ Tehisintellekti lahenduste valdkond

Innovatsiooniprojekti panus valitsuse tegevuskava

prioriteetidesse

☐ Riigi kriisikindluse suurendamine

☒ Majanduse kasvule kaasa aitamine

☒ Riigi tõhus juhtimine

Innovatsiooniprojekti esitajad

(tulevased RK partnerid) (asutus/asutused)2

Maa- ja Ruumiamet (MaRu) (kasusaaja) ning Keskkonnaministeeriumi Infotehnoloogiakeskus(KeMIT) (hankija,

arenduse vastuvõtja, majutusplatvormi pakkuja)

Projektijuht või ideekavandi esitaja kontaktisik (nimi, asutus, e–posti aadress ja telefon)

Henri Pook, Maa- ja Ruumiameti innovatsioonijuht, [email protected]; Erkko Grünthal,

[email protected] Maa- ja Ruumiameti peaspetsialist;

Karin Kollo, [email protected], Geodeesia- ja kaugseire

osakonna juhataja

Innovatsiooniprojekti kestus (kuudes)

18 kuud

Ajaarvestust alustame üldjuhul partnerluslepingu sõlmimisest.

Innovatsiooniprojekti kogumaksumus (sh käibemaks, kui on

abikõlblik)

Kogumaksumus: 922 080 eurot (sisaldab 20% riskipuhvrit; baasmaksumus 768 400 eurot)

Partner 1: Maa- ja Ruumiamet, 163 400 eurot Partner 2: KeMIT, 758 680eurot

Käibemaks ☒ jääb kulu tegija kanda (käibemaks abikõlblik)

☐ saab küsida riigilt tagasi (käibemaks ei ole abikõlblik)

Vastav info täita iga partneri kohta (kopeeri ridu ning kirjuta partneri nimi juurde)

1 Juhul kui ideekavand on mõeldud asutusesiseseks kasutamiseks, siis lisage vastav alus ideekavandi päisesse. 2 Partner EL struktuurivahendite mõttes, kes viib ise läbi innovatsiooniprojekti elluviimisega seotud hanked, sõlmib lepingud ning vastutab aruandluse eest.

1. Probleemikirjeldus (max 2 lk)

Kirjeldage lahendamist vajavat probleemi, selle olulisust ning keda see probleem puudutab.

• Selgitage, miks on probleem aktuaalne.

• Hinnake probleemi mõju (nt rahaline kokkuhoid, keskkonna- või sotsiaalne kasu).Kirjeldage probleemi tausta. Mida on probleemi lahendamiseks Eestis juba tehtud või mis on tegemisel? Tooge välja relevantsed teiste riikide kogemused probleemi lahendamisel.

Probleem 1: tänased ruumiandmete muutused saavad ametlikuks liiga aeglaselt Riiklike ruumiandmete (sh Eesti Topograaf ia Andmekogu ehk ETAK) uuendamine on valdavalt manuaalne, aeganõudev ja spetsialistide ressurssi kurnav protsess, mis põhineb ortofotode

süstemaatilisel visuaalsel läbivaatamisel. Selleks kulub aastas suurusjärgus 50 000 töötundi, millest siiski ei piisa üle-eestiliste andmete uuendamiseks iga nelja aasta jooksul. Ruumiandmed on lukustatud keerulistesse GIS-süsteemidesse ja andmete kasutamine otsuste ettevalmistamisel eeldab spetsiif ilist

geoinfotehnoloogilist pädevust, keerulistes metaandmetes orienteerumise oskusi ning ruumiandmete tekkimise loogika tajumist. Otsustajatel, otsuste ettevalmistajatel, või selleks vajaliku info sünteesijatel nt poliitikutel, ministeeriumite ametnikel ja, teadlastel on sageli keeruline või võimatu asjakohaseid

andmeid kasutada. Näiteks ei saa esitada andmete kohta kompleksseid, kontekstuaalseid päringuid loomulikus keeles, mis muude andmete puhul on praeguseks juba tavapärane ja tuleviku andmekasutuse praktikates vältimatu. Tehisintellekti agentide kasutuse kasvades võib see viia

olukorrani kus sageli kriitiliselt olulisi ruumiandmeid ei kasutata otsuste kujundamisel ainult seetõttu, et selleks puudub mõistlik tehniline võimalus. Otsuste aluseks olevate riiklike registrite andmed peavad olema õiged, st ka ajakohased. Eri ruumiosade kohta infot sisaldavad ruumiandmed uuenevad

andmehõive iseloomust tulenevalt erinevatel ajahetkedel ka siis kui need paiknevad samas andmekihis. Ka sama ruumiosa kohta käivaid andmekihte on palju (nt satelliidifotod, ortofotod, vektorkaart jmt) Andmekihtide vältimatult vajalikul koos kasutamisel tekivad ajalised ja ruumilised

nihked, mis põhjustavad valehäireid . Tänane otsene tööjõukulu pelgalt andmete otsimisele, analüüsile ja sisestamisele on ~235 200 eurot aastas. Probleem 2: ehkki igal aastal kogutakse terve riigi kohta kokku väga suur hulk detailset

ruumiinfot, ei ole neid andmeid võimalik koheselt kasutada Enne, kui andmed ei ole ETAK-isse jõudnud, ei saa neid tänases süsteemis mõistliku ressursikuluga, kiiresti ja paindlikult pärida. Näiteks loetakse metsaks maa-ala pindalaga vähemalt 0,1 ha, millel

kasvavad puittaimed kõrgusega vähemalt 1,3 m ja puuvõrade liitusega vähemalt 30% . Niipea kui soovime metsa def initsioonis ühte neist näitajatest muuta, eeldab analüütilise tulemuse saamine kõikide metsaalade uuesti inimese poolt kaardistamist. See piirab võimekust analüüsida ja võrrelda

objektide ning nende omaduste muutumist juhul kui ei ole mõistlik lähtuda eeldef ineeritud objektidest

või nende parameetritest. Täna tuleb teadusasutustel ja poliitikate kujundajatel tellida iga vajaduse- põhiselt spetsiaalsed uuringud mingi dünaamika või omaduse väljaselgitamiseks, kus iga kord analüüsitakse andmeid uuesti uue vajaduse põhiselt. Kasutades selleks kontekstipõhist AI-

andmetöötlust oleks võimalik ruumiinfot kasutada lähtuvalt konkreetse vajaduse eripäradest ja kiiresti.

2. Projekti eesmärk Sõnastage konkreetne, selge ning mõõdetav eesmärki, mille saavutamist või mitte saavutamist

on võimalik hinnata.

• Kirjeldage, kuidas plaanite projekti eesmärgi saavutamist mõõta.

Aga kui saaks teha nii, et iga kord kui MaRu lennuk üle Eesti lendab, tekib sellest mõne kuu pärast uus

värske andmestik Eesti ruumi kohta, peegeldades tegelikkust ning võimaldades analüüsida toimunud muutuseid ajas võrreldes eelmiste ülelendude andmestikuga, vajadusel fotol olevate nähtuste (mets, hoone vmt) kirjeldavaid omadusi dünaamiliselt muutes? Kas siis oleks vaja enam vaielda, kui palju

tegelikult metsa juurde kasvab, kui suur on minu hooviala või millised on praegused tegelikud rannajooned?

Peamine projekti eesmärk on tuvastada, kas ruumiandmete süvaõppemudeli treenimisel saadav andmestik on rakenduslikult kasutatav (tulemus piisavalt täpne) ruumiandmete uuendamise vähemalt osaliseks automatiseerimiseksning läbi AI-assistendi annab piisava täpsusega vastuseid, et olla abiks

poliitikate kujundamisel ja teaduslike analüüside tegemisel, milles on vajalikud ruumiandmed. Projekt annab vaid vajaliku eelduse tehnoloogia tegelikuks püsivaks juurutamiseks riigiarhitektuuris ja fookus suunatud põhjalikule analüüsile, prototüüpimisele ja eksperimentaalsele testimisele.

Piloottestimisena soovime läbi viia AI-poolt automaatse õuealade kontrolli ja nende automaatse ruumikujude muutmise ettepanekute koostamise, tuginedes reeglite realistlikule kohandamisele ruumis (mõjutab otseselt inimeste tasutava maamaksu suurust).

Selleks luuakse POC-versioon (TRL- 7) lahendusest, millega iga-aastaselt Maa- ja Ruumiameti poolt kogutav fotogrammeetriline ja LIDAR-mõõdistusandmestik muutub läbi süvaõppemudeli treenimise

ning selle külge AI-kasutajaliidese loomise kättesaadavaks teadustöö tegijatele ning poliitika kujundajatele ning hakkab uuenema iga järgmise ülelennuga automaatselt. Selle alusel testime automatiseerimist muutuste tuvastamiseks füüsilises ruumis, et spetsialistid saaksid keskenduda vaid

anomaaliate ja muudatuste valideerimisele. Käesoleva projekti eesmärgi saavutamisel hindame tulemusi:

- Läbi muutuste tuvastamise mudeli vastuste täpsuse mõõtmise;

- Läbi AI-assistendi vastuste täpsuse mõõtmise; - Läbi tööprotsesside efektiivsuse ja ajasäästu mõõtmise ning selle tulemi prognoosimisel

reaalsele tööprotsessile (As-Is vs To-Be)

- Läbi protsessi automaatika analüüsi: kas tehnilised andmetöötluse automatiseerimised on võimalikud.

Edukuse mõõdikud ja hindamine (juhul, kui käesoleva projekti testimine on edukas ja rakendust saaks juurutada päriselt töösse):

• Töökoormuse vähenemine: Töökoormus muutuste otsimisel väheneb 40%-80% Otsene iga-

aastane ressursivõit (tööaja ümbersuunamisest): 362 000 € (vabanenud maht) – 97 000 € (eeldatavad süsteemi üalpidamise kulud) = 265 000 eurot aastas. Päringute kiirus: Tehisintellekti assistent vastab üksikpäringutele reaalajas tundide jooksul,

tõstes avaliku sektori otsustuskiirust. Lisaks MaRu põhitööle laekub aastas avalikust ja teaduskoostöö sektorist ca 150 mahukat ruumianalüüsi tellimust, mille käsitsi täitmiseks kulub spetsialistide aega kokku ca 2400 töötundi aastas. Sisuliselt seda tööd pole enam vaja üldse

teha, kui käesolev projekt tõestab, et kasutajad saavad AI-assistendiga ise otse soovitud info kätte.

• Andmekvaliteet: Luuakse intelligentne, ajatemplitele tuginev võrdlusmehhanism ja Human-in- the-Loop töövoog, mis välistab tehisintellekti hallutsinatsioonid riiklikes registrites.

1.

nu

3. Võimalikud lahendussuunad (max 2 lk)

Kirjeldage võimalikke lahendusi ning tegevusi, millega projekti eesmärk saavutatakse.

• Kirjeldage võimalikke lahendussuundi, põhjendage eelistatud lahendussuuna valikut (NB! Valitud

lahendussuund ei ole siduv, see võib projekti käigus muutuda).

• Kirjeldage probleemi lahendamiseks vajalikke tegevusi, mida antud katseprojekti raames plaanitakse teha.

• Selgitage, kuidas lahendust katsetatakse. Selgitage, kuidas läbi viidavat katsetust ja selle edukust hindate.

Kuidas tegutseme:

2 tegevussuunda: - Uue, andmete võrdlemist võimaldava mudeli käivitamine ja testimine - Mudelist päritava andmestiku külge AI-assistendi panemine, mis võimaldab teha

vajaduse-põhiseid analüüse „tavakasutaja“ poolt Mõlemas projekti peamises tegevussuunas rakendatakse struktureeritud ja etapiviisilist arendustsüklit:

esmalt viiakse läbi põhjalik analüüs, sellele järgneb algse prototüübi loomine ja testimine ning katsetuste tulemuste põhjal POC tasemel töötava mudeli väljaarendamine. See lähenemine tagab, et katsetuste käigus selgunud optimaalseima lahenduse peale ehitatakse POC prototüüp, mida

arendatakse aja ja ressursside jätkumisel kuni TRL -7 taseme MVP-ni ja mis seob mõlemad lahendused tervikuks kokku.

Testitavad võimekused on: 1) mudeli päringud võimaldavad ruumiandmete muudatuste tuvastamist; 2) AI-assistendi kaudu kontekstipõhised päringud mudeli väljundandmestikku annavad piisava täpsusega vastuseid; ja 3) protsessi automatiseerimine tagab ETAK andmete muudatuse tuvastamise

ametnikule ja uute andmete süvaõppemudelisse sisestamise. Arutelud organisatsioonis: Automatiseeritud protsessi saab tarkvaraliselt arendada vastavalt sellele,

kuidas kasutajate on vajalik, et tarkvara neid abistades töötaks. See eeldab olemasolevate protsesside pealt arutelude läbiviimist ning uute potentsiaalsete protsesside kirjeldamist , mille alusel saab hakata vastavalt arendama tarkvaralahenduse toimimist.

Uus mudel ja selle järel olev AI-teenus: Tehnilises vaates hõlmab esimene tegevussuund multimodaalset süvaõpet (optiline materjal, LIDAR ja pidevat muutuste tuvastamist, milleks on vajalik

kasutusele võtta uut tüüpi süvaõppemudel(nt Siamese Networks). Tuvastatud leidudele määratakse matemaatiline usaldusväärsuse skoor (conf idence score), kus kõrge skooriga leiud suunatakse süsteemi kandidaatidena spetsialistidele valideerimiseks, ning andmed talletatakse hübriidsesse

ruumiandmete andmebaasi, mis kombineerib geomeetria hoidmist ja vektorotsingut. Päringud mudelisse peaksid hakkama võimaldama sealt kätte saada ruumiobjektide andmeid, mis on lisaks asukohale ruumis seostatud ka originaalandmete kogumise ajaga, võimaldades võrrelda samade

objektide ruumikujusid erinevate ülelendude ajal kogutud andmetes. Assistent, mida inimene saab oma vajaduse põhjal juhtida, analüüsimaks andmeid. Teises

tegevussuunas luuakse selle struktureeritud analüüsikihi peale tehisintellekti assistent, mis baseerub kaasaegsel GraphRAG (graafandmebaasipõhine otsing) arhitektuuril ja välisel suure keelemudeli (LLM) API-l. Lahendus toimib autonoomse agendina, mis tõlgib kasutaja loomuliku keele küsimused lennult

täpseteks GeoSQL/PostGIS päringuteks ning semantiliseks analüüsiks, pakkudes väljundeid GIS - valmidusega WFS/GeoJSON andmekihtidena. Viimases faasis viiakse läbi piloottestimine õuealade automaatseks tuvastamiseks ja muutmisettepanekute koostamiseks.

Katsetuse ja automaatika funktsionaalsus ning seos teiste algatustega:

Katsetuste järel valmiv POC-taseme mudel võimaldab pärida reaalajas andmeid ETAK-i

klassif ikaatoritega kirjeldatud objektide kohta ning teostada AI assistendi kaudu kontekstipõhiseid päringuid kõikide muude treeningute kaudu tuvastatud ruumiobjektide kohta, tagades võimekuse analüüsida ja võrrelda objektide ning nende omaduste muutumist ajas (nt metsamassiivide mahu

dünaamika). Testitakse protsessi automatiseerimist : iga ülelennu järel saadud uus andmestik hakkab mudelisse laadimise järel automaatselt tuvastama toimunud muudatusi võrreldes eelmise ülelennuga samalt territooriumilt, mis tõstab oluliselt andmete uuendamise kiirust riiklikes teenustes (määratletust

suuremad muutused kontrollib üle ja kinnitab ikkagi ametnik) Projekti prototüübi testimisel arvestatakse võimalusega kasutada lahenduse päringute juhtimisel AI assistenti, mis luuakse algkujul eraldiseisva projekti „Planeerimine 2.0“ raames (kui see aga ei ole

võimalik, luuakse eraldi AI-assistent). Kuidas mõõdame eksperimentide edukust:

1. Muutuste tuvastamise mudeli täpsus (Süvaõpe & Siamese Networks)

• Tuvastusmäär (Recall / Sensitivity): Mudel peab suutma automaatselt tuvastada vähemalt 85– 90% tegelikest füüsilises ruumis toimunud muudatustest (nt uued/kadunud hooned, muutunud

õuealad, põllumaad, teed jmt) võrreldes eksperdi poolt eelnevalt kaardistatud kontrollandmetega ja pakkuda välja muutusele vastava uue ruumikuju mis vastab kaardistamise täpsusele 10cm.

• Valehäirete määr (Precision / False Alarm Rate): Tehisintellekti poolt esitatud "kandidaatidest" ei tohi valehäireid (nt varjude või valgustuse tõ ttu) olla rohkem kui 20–30%. Liiga madal täpsus ehk liigsed valehäired tõstavad vähendamise asemel ametnike kontrollikoormust.

• Usaldusväärsuse skoori (Conf idence Score) korrelatsioon: Mudeli poolt määratud kõrge usaldusväärsuse skooriga (nt > 85%) leitud muudatused peavad vähemalt 90% juhtudest osutuma reaalseteks geograaf ilisteks muudatusteks.

2. AI-assistendi ja päringute täpsus (GraphRAG & LLM API)

• GeoSQL/PostGIS päringute genereerimise täpsus: Kasutaja loomulikus keeles esitatud keeruliste ruumipäringute tõlkimine PostGIS/SQL koodiks peab teststsenaariumites olema süntaktiliselt ja loogiliselt korrektne vähemalt 90% juhtudest.

• Faktiline tõesus (Hallutsinatsioonide puudumine): AI-assistendi tekstiline või semantiline vastus ei tohi sisaldada hallutsinatsioone. Esmane ristvõrdlus kohalikus PostGIS vahekihis peab tagama, et LLM-ile edastatakse vaid kontrollitud ja semantiliselt märgistatud andmepaketid.

• Andmekihtide (WFS/GeoJSON) valmidus: AI-assistendi genereeritud ruumikujud peavad ilma täiendava manuaalse parandamiseta olema standardsel kujul koheselt avatavad ja kasutatavad olemasolevas GIS-tarkvaras.

3. Tööprotsessi efektiivsus ja ajasääst (As-Is vs To-Be)

• Ametniku valideerimiskiiruse kasv: Ametnik peab suutma AI poolt ettevalmistatud ja piisavalt kõrge usaldusväärsusega muudatusettepanekute valideerimist ning andmebaasi salvestamist teostada klikitavas tööriistas keskmiselt 3–4 korda kiiremini võrreldes senise manuaalse

ortofotode visuaalse läbivaatusega.

• Kontekstipõhiste päringute kiirus (Otsustustugi): Komplekssete, poliitika kujundamiseks või teadustööks vajalike ristpäringute vastuse genereerimise aeg (GraphRAG-i kaudu) peab jääma

minutite/tundide raamesse, asendades senise manuaalse töö andmete füüsilisel leidmisel ja võrdlemisel.

4. Protsessi automaatika ja skaleeritavus

• Andmekonveieri autonoomne käivitus: Uue fotogrammeetrilise või LIDAR-andmestiku laadimisel testkeskkonda peab süvaõppemudel alustama muutuste tuvastamist automaatselt, ilma et spetsialist peaks protsessi manuaalselt seadistama või käivitama.

4. Projekti uuenduslikkus Tuua selgelt välja projekti uuenduslikkus –mida tehakse senisest teisiti kas see hõlmab uusi

tehnoloogiaid, protsesse, toimemudeleid, disaini, turgu vms?

• Selgitage lahenduse uuenduslikkust nii Eesti kui globaalses kontekstis.

• Mis on projektis sellist, mis vajab katsetamist?

Hoolimata aktiivsest suhtlusest rahvusvaheliste partneritega, ei ole MaRu-le teada riiklike

kaardistusasutusi (National Mapping Agencie e NMA), kus oleks suudetud enda kaardistamistegevust märkimisväärsel tasemel automatiseerida. Ruumiandmete analüüs on automatiseeritud mõningal määral, kuid seda vektorandmete loomise järgses etapis. Ka sellisel juhul on reeglina tegemist

päringuskriptide korduvkasutusega, mille kasutamine eeldab ka väiksemate muutuste puhul tugevaid andme ja geoinformaatika teadmiseid ja mida ei saa tänapäevases mõttes automatiseerimiseks nimetada. Oluliseks mõjutajaks on siin NMA-e koostatavatelt andmetele esitatav nähtuste parameetrite

ja nende ruumilise paiknemise täpsuse nõue, puudused aeromõõdistamise andmetes ja täpsust säilitava automatiseerimise keerukust seni kasutuses olnud tarkvarades.

Usume et MaRu-l on võimalik lahenduse väljatöötamisel edukas olla, kuna: 1. MaRu-s Eesti kohta kogutavad aeromõõdistusandmed on enda katvuse, pikkade

aegridade, asukohatäpsuse ja eraldusvõime poolest maailma mastaabis

pretsedenditult heal tasemel. 2. Graaf ilist materjali töötlevad mudelid on viimaste aastatega teinud märkimisväärse

arenguhüppe ja võimaldavad luua lahendusi mis varasemalt ei olnud võimalikud.

3. MaRu ning KEMIT kaugseire, kaardiandmete ja geoinformaatika tiimid on võimekad ning lahendavad neid endid mõjutavat ülesannet.

Projekt on teerajajaks ruumiandmeid töötleva ja kasutava tehisintellekti süsteemsele ja algoritmiliselt usaldusväärsele juurutamisele avalikus sektoris, millele annab võimenduse Eesti kui ühe maailma parima oma territooriumi ruumiandmete koguja tänane protsess. Kui käesoleva projekti eksperimendid

annavad positiivsed tulemused, siis uuenduslikkus väljendub järgmises:

• Esmakordne sellisel moel (süvaõpemudelist otse GraphRAG andmestikku) rakendamine georuumis, millel on otsene mõju ühiskonnale ja majandusele: Tehnoloogia võimaldab

avaliku sektori otsustajatel teha kompleksseid päringuid ilma spetsiif ilise GIS-tarkvara oskuseta. Avalikud ruumiandmete, keskkonnamõjude, tööstusalade, jne uuringud muutuvad kiiremaks ja soodsamaks, kuna nende aluseks olev ruumiandmestik on lisaks „ametlikele“

ruumiandmetele päritavad iga vajaduse konteksti põhiselt ka läbi kõige värskemate andmete peal töötava AI lahenduse.

• Avalikud ruumiandmete rakendused peegeldavad reaalsust: Eesti Topograaf ia Andmekogu (ETAK) ajakohastamine muutub aeglasest protsessist automatiseeritult muutusi

tuvastavaks, põhinedes AI poolt automaatselt tuvastatud muudatuste leidudel.

• Hübriidne usaldusväärsuse mudel: Tõenäosuslik AI väljund ühildatakse õiguslikult siduvate registrite nõuetega läbi kohaliku PostGIS vahekihi eelkontrolli ja dünaamilise f iltreerimise, mis

hoiab ära LLM-i hallutsinatsioonid.

5. Projekti elluviimisega (katsetusega) seotud riskid ja nende maandamismeetmed

Kirjelda peamisi riske, mis võivad takistada projekti elluviimist või eesmärkide saavutamist, ning kavanda maandamismeetmed.

Kuna projekt teeb esimest korda nii paljusid asju, siis ainus asi, mis on lisaks ebaõnnestumise

võimalusele veel kindel, on see, et tänane käimasolev esimene süvaõppemudeli katseprojekt (käivitunud käesoleva aasta algusest, eesmärgiga viia läbi esimesed testimised ja saada esimesed kogemused objektide ruumikujude tuvastamisel fotoandmestikust), on jõudnud treeningfaasi ning on

andnud esimesi tulemusi objektide ja nende omaduste tuvastamisel. See algne süvaõppe projekt on maandanud või maandamas mitmeid riske ning andnud kogemusi, kuidas käesolevas taotletavas projektis tuleb mudelit treenida ning sellega seotud organisatoorseid, tehnilisi ja kulude riske hinnata.

Riski kategooria ja kirjeldus Maandamismeetmed

Ristsõltuvusrisk teiste projektidega

Praegune projektitatlus arvestab osaliselt käigusoleva esimese süvaõppemudeli projektist saadavate tulemustega, kuid seda eelkõige projektist saadava kogemuse osas – nt milline treeningmetoodika töötab kõige paremini, milliselt peavad olema andmed ette valmistatud ja millist arvutusvõimsust on vajalik kasutada. Juhul, kui töösolev projekt neid vastuseid ei anna (tegelikult praeguseks on osaliselt juba andnud), siis on käesolevas projektis niikuinii vajadus kasutada spetsiaalset uut süvaõppe mudelit, ehk siis saabki alustada uuesti, võttes arvesse seda, mis ei tööta. Lisaks on käesolevas projektis arvestatud võimalusega saada kogemus „Planeerimine 2.0“ projektis arendatava AI GraphRAG andmebaasi osas, mille tehnoloogiat tõenäoliselt vajab ka praegune projekt poliitikakujundamise tööriista kasutamiseks mõeldud AI- assistent. Ka sellisel juhul annab ebaõnnestumine praeguses töösolevas projektis võimaluse testida teistsugust lahendust käesolevas projektis.

Tehnoloogilised ja andmekvaliteedi riskid: Multimodaalsete andmete (LIDAR, ortofotod) lõimimise vead ja sensorite ajaline nihe tekitavad müra. Siami võrgustiku liiga madal tuvastusmäär (recall) või kõrge valehäirete tase tõstab kontrollikoormust. Välise LLM API latentsus ja kontekstiakna piirangud piiravad reaalajalisust.

Pidev andmete metasildistamine ja georuumiline normaliseerimine kooditasemel enne mudelisse söötmist. Mudeli väljundite range filtreerimine usaldusväärsuse skoori abil. Esmane geomeetriline ristvõrdlus ja topoloogiline kontroll teostatakse lokaalses tGIS vahekihis, LLM-ile edastatakse vaid semantiliselt märgistatud andmepaketid (nn assistendi kasutuse pool).

Andmeturbe, privaatsuse ja vastavuse riskid: Tundlike riiklike andmete edastamine välisesse LLM API-sse võib ohustada andmesuveräänsust või rikkuda GDPR, E-ITS ja NIS2 direktiivi nõudeid.

KEMIT-i süsteemiarhitekti otsene kaasamine liideste disainimisse. Kõik välisesse API-sse saadetavad andmed puhastatakse täielikult isikuandmetest ja siseandmetest (omanikud, katastritunnused); edastatakse vaid anonüümsed ruumiobjektid ja seosed. Kasutatakse krüpteeritud andmevooge ja KEMIT-i hallatavat AWS-i turvataristut. Enne andmete sööstmist mudelisse kustutatakse militaarobjektidega, jt

salastatuse astmega seotud aladega seotud andmed.

Organisatoorsed ja muudatuste juhtimise riskid: Spetsialistide esmane võõristus uue töövoo suhtes või suutmatus WFS/GeoJSON muudatusettepanekuid olemasoleva GIS-tarkvara skriptidesse sujuvalt integreerida.

Maa- ja Ruumiameti tooteomanik ja projektijuht kaasavad ametnikud otseselt juba testimis- ja disainifaasi. GIS- andmetöötluse ja andmebaasi salvestamise tööriista liidestusskriptid disainitakse võimalikult kasutajasõbralikuks.

Finants- ja taristuriskid: Tartu Ülikooli HPC GPU-tundide või KEMIT AWS pilve ülalpidamiskulude ootamatu kasv mudelite treenimise ja GraphRAG-i reaalajalise jooksutamise tõttu; API kulude prognoosimatu kogunemine.

Projekti on planeeritud tugev 20%-line riskipuhver. Arendusfaasis rakendatakse ranget päringute vahemälundust (caching) ja alamgraafide kokkupakkimise algoritme.

6. Projekti ajakava Koostage realistlik ajakava, mis hõlmab kõiki projekti tegevusi ning annab sellega sisendi

projekti eelarve koostamisele.

• Ajakava koostamisel arvestage vajalike eel- ja järel- või vahetegevustega (nt partnerluslepingu

sõlmimise ettevalmistus kuni 2 kuud, vajalike lubade saamine projekti jooksul vms).

• Milliste võimalike puhvritega oleks ajakavas mõistlik arvestada?

• Jagage tegevused loogilisteks etappideks, arvestage tegevuste omavahelisi seoseid ning ajalist järgnevust või paralleelsust.

• Hangete läbiviimise ajaraami kavandamiseks kasuta hankekalkulaatorit Hankekalkulaator - EIS

Projekti kogukestus on 21 kuud. Tegevused on jaotatud loogilisteks etappideks, mis sisaldavad vajalikke eel- ja järeltegevusi ning puhvreid:

•

• I etapp: Ettevalmistav etapp (1.–4. kuu): Partnerluslepingute sõlmimine Maa- ja Ruumiameti ning KEMIT-i vahel, riigihangete tingimuste ja tehniliste spetsif ikatsioonide ettevalmistamine KEMIT-i poolt.

• II etapp: Lahenduse analüüsi etapp (5.–7. kuu): Mõlema põhisuuna (ruumiandmete

süvaõpe ja GraphRAG liides) detailne analüüs, andmevoogude disain ning katsetuste käigus kõige perspektiivsemate lahendussuundade väljaselgitamine.

• III etapp: Arendus-, prototüüpimis- ja katsetusetapp (8.–13. kuu): Esmaste

andmekonveierite, Siamese Networks koodibaasi ja GraphRAG liidese algsete prototüüpide loomine. Prototüüpide testimine ja sisuline katsetamine Tartu Ülikooli HPC ja KEMIT AWS pilvekeskkonnas.

• IV etapp: MVP mudeli loomise ja liidestamise etapp (14.–18. kuu): Katsetuste tulemustel selgunud optimaalseima lahenduse peale püsiva MVP/POC tasemel (TRL 7-8) töötava tervikmudeli ehitus. Protsessi täielik automatiseerimine (automaatne muudatuste tuvastamine ülelennuandmete laadimisel). ETAK API-liideste ehitus ning tehnilise valmiduse tagamine

prototüübi katsetamiseks koosmõjus „Planeerimine 2.0“ AI assistendiga. Õuealade piloottestimine.

• V etapp: Lõpufaas ja puhveraeg (19.–21. kuu): Kokkuvõtete ametlik vormistamine,

tulemuste avalikustamine, lõpparuandlus ning tehniline puhver projekti tegevuste sujuvaks üleandmiseks.

7. Projekti eelarve Koostage realistlik eelarve detailsusega, mis hõlmab kõiki projekti tegevusi ning võimaldab

seeläbi hinnata planeeritud kulude vajalikkust ja mõistlikkust.

• Arvutage eelarves summad kogumaksumusena (st sisaldavad kõiki makse), sh projektijuhi

kogukulu.

• Lisage eelarvele kirjeldusena selle kujunemise põhjendused, arvutuste ja hinnangute alused.

• Eelarve kogusumma palume esitada 1000 euro täpsusega.

Kohandage eelarvetabelit oma projekti vajadustele vastavaks.

Tegevused / Kuluread

Partner 1: MaRu

kulud (EUR)

Partner

2: KEMIT kulud

(EUR)

Kulud kokku (EUR)

Eelarve kujunemise põhjendus ja arvutuste alused

I etapp: Tegevussuundade analüüs ja süvaõppe prototüübi arendus

0 € 210 000

€

210 000

€

Sisseostetav arendusteenus

koodibaasi, andmekonveieri analüüsiks ja

prototüüpide testimiseks.

II etapp: GraphRAG andmebaasi ja assistendi

prototüüpimine

0 € 110 000 €

110 000 €

Sisseostetav

arendusteenus graafandmebaasi ontoloogia analüüsiks

ja loomuliku keele liidese katsetamiseks.

III etapp: Katsetusjärgse TRL 7-8 POC mudeli

loomine ja liidesed

0 € 50 000 €

50 000 €

Optimaalse lahenduse POC-ks ehitamine, protsessi

automaatika ja ETAK API-liideste loomine.

Projektijuhtimine ja sisemine ekspertiis (21

kuud)

190 000 €

76 000 €

266 000 €

Sisaldab MaRu

projektijuhi (126 000 €) ja tooteomaniku (64 000 €) ning

KEMIT-i süsteemiarhitekti (76 000 €) tööjõukulusid.

Taristu ja pilveteenused (püsivad mahud)

0 € 160 000 €

160 000 €

TÜ HPC GPU klastri rent (70 000 €), KEMIT AWS majutus

(75 000 €) ja välise

LLM API testtokenid

(15 000 €).

Valideerimine ja kasutajatestimine

0 € 10 000 €

10 000 €

Fookusgruppide testperiood ning

õuealade piloottestimise sisuline

valideerimine.

Riskipuhver (20%) 0 € 161 000 €

161 000 €

Ettenägematute tehniliste keerukuste

katteks (arvutatud 20% baaskulude summast 806 000 €

ja ümardatud).

KOKKU 190 000 €

777 000 €

967 000 €

Projekti lõplik koondsumma (21

kuud).

Eelarve rida Maksumus (EUR)

Osakaal %

1. Tööjõukulud (MaRu juhtimine + KEMIT arhitekt) 266 000 € 27,5%

2. Tarkvaraarendus (Sisseostetav arendusteenus) 370 000 € 38,3%

3. Taristu ja pilveteenused (TÜ HPC, AWS, LLM API) 160 000 € 16,5%

4. Valideerimine ja kasutajatestimine 10 000 € 1,0%

VAHESUMMA (Baaskulud) 806 000 € 83,3%

5. Riskipuhver (20%) 161 000 € 16,7%

KOKKU 967 000 € 100,0%

8. Võimalikud lahenduste pakkujad

Tooge välja võimalikud hankepartnerid, kes soovitud lahendussuunas tooteid/ teenuseid/ pakuvad.

• Otsige ja nimetage võimalikke probleemile lahenduste pakkujaid (nt erinevate valdkondade eksperdid, teadlased, ettevõtted, kes on probleemi lahendamisega varasemalt tegelenud).

Mõelge nii Eesti kui rahvusvaheliste pakkujate peale.

Kõrge jõudlusega taristu (HPC): Tartu Ülikooli Arvutuskeskus (andmete süvaõppeks ja GPU

võimsuse rendiks).

Tarkvaraarendus ja masinõpe: Tänast esimese süvaõppemudeli algset testprojekti teostab Mindtitan OÜ, kuid masinõppe- ja GraphRAG-ilahenduste pakkumiseks on ainuüksi Eesti turul mitmeid võimekaid ettevõtteid ja teadusasutusi. Täpne valimise loogika otsustatakse ettevalmistavas etapis. On

siiski tõenäoline et partner või partnerid valitakse avatud hankemenetluse käigus..

9. Projekti meeskond ja töökorraldus Tooge välja projekti edukaks elluviimiseks kaasatavad või vajalikud osapooled (asutused ja/või

inimesed) ning täiendav ekspertiis, mida meeskonda juurde vajate.

• Kirjeldage rollide ja töö jaotust projektimeeskonnas.

• Kirjeldage projekti juhtimise korraldust.

• Märkige ära, kui suure koormusega projektijuht (võimalusel ka teised võtmeisikud) projekti panustavad.

• Kirjeldage, missugust täiendavat ekspertiisi tuleb juurde kaasata (nt tehniline ekspertiis,

andmekaitse), mis on meeskonnaliikmete poolt katmata. NB! Kui nimetate konkreetseid meeskonnaliikmeid, siis nendega (või nende juhtidega) peab

olema projektis osalemine läbi räägitud!

Projekti juhtimine on jaotatud kahe asutuse vahel, kus KEMIT tagab tehnilise inf rastruktuuri ja hangete läbiviimise (on arvestatud KEMIT omakulusse) ning Maa- ja Ruumiamet juhib sisulist tootearendust:

• Projektijuht (Maa- ja Ruumiamet): hangitakse konkursiga, (täiskoormusega, 21 kuud),

vastutab üldise koordinatsiooni, tähtaegade ja eelarve täitmise eest.

• Tooteomanik / tootejuht (Maa- ja Ruumiamet): hangitakse konkursiga (0.5 koormusega, 21 kuud), juhib süsteemi sisulist loogikat, andmekvaliteedi kontrolli ning integratsiooni ETAK-iga.

• Süsteemiarhitekt (KEMIT): 0.5 koormusega (21 kuud), tagab GraphRAG-i, tehisintellekti

agentide ja API-kihtide lahenduste täieliku vastavuse riiklikele E-ITS turvastandarditele ning KEMIT-i AWS-i baasarhitektuurile.

10. Projekti tulemuste elluviimine Kirjeldage oma valmisolekut ja võimekust pärast katseprojekti edukat lõppu projekti tulemusi

kestlikult ellu viia. .

• Kas projekti tulemuste edasine arendus ja kasutuselevõtt seostub asutuse prioriteetsete tegevustega,

on tööplaanis vms?

• Kas tulemuste hilisemaks elluviimiseks vajalik rahastus ja muud ressursid on olemas või tegeletakse selle leidmisega?

• Tooge välja olulisemad riskid projekti tulemuste hilisemal kasutuselevõtul. Kuidas plaanite neid riske maandada?

• Kirjeldage, kas ja mil määral on tulemused skaleeritavad ning kasutatavad avalikus sektoris laiemalt.

Projekt seostub otseselt Maa- ja Ruumiameti prioriteetsete tegevustega, muutes Eesti Topograaf ia Andmekogu (ETAK) ajakohastamise proaktiivseks. Projekt on sees ka Maa-ja Ruumiameti AI-

teekaardis 2026-27, kinnitatud juhtkonna koosolekul. Jätkusuutlikkus ja käituskulud

Juhul, kui projekti eksperimendid annavad positiivsed tulemused , koostatakse lahenduse töökeskkonda juurutamise arendus- ja ülalpidamiskulude eelarve koos majandusliku ning laiema ühiskondliku väärtuse tõusu hinnangutega, tuginedes käesoleva projekti tulemuste hindamisele.

Hinnatavalt on süsteemi jooksvad tegevuskulud ca 97 000 eurot aastas, mis jaguneb: 1. KEMIT AWS Pilve püsikulu (reaalajaline majutus ja graafandmebaas): ~50 000 €/aastas. 2. Tartu Ülikooli HPC kulu (mudeli perioodiline ületreenimine): ~20 000 €/aastas.

3. Välise LLM-i API kulu (ca 15 000 süvavõrdluspäringut): ~7000 €/aastas. 4. Süsteemi tehniline tugi ja hooldus: ~20 000 €/aastas.

Seda püsikulu katab otsene iga-aastane inimtööaja kokkuhoid summas ~362 000 € 265 000 (ei sisalda

potentsiaalset kasu, mida saaks kaasa tuua analüüside tellimise odavnemine ning tulemuste saamise

kiirenemine, majanduskeskkonna tegevuste kiirenemine tänu ruumiandmete kiiremale

ajakohastumisele ning täpsusastmele, jne Maa- ja Ruumiamet plaanib tellida peale projekti positiivsete tulemitega lõppemist sotsiaal - majandusliku analüüsi, millise kiirendi ja kokkuhoiu see tervikuna ühiskonnas majandusprotsessidele

annab ning selle alusel taotleda loodava süsteemi arends- ja ülalpidamiskulusid Maa-ja Ruumiameti eelarvesse

Lahenduse lõplikud, POC prototüübid luuakse lähtekoodis, mis on MaRu-le kuuluv ning mida saab taaskasutada lahenduse reaalseks teenuseks edasiarendamisel.

11. Mõju ettevõtlusele

☒ Projekt omab positiivset mõju innovatsioonile ettevõtlussektoris. Kõige otsesemalt väljendub mõju

läbi ettevõtete, kes osalevad tegevuste elluviimiseks korraldatavatel hangetel ja/või konkurssidel.

Innovatsiooni hankimine avaliku sektori poolt aitab kaasa innovatsioonitegevuste kasvule erasektoris.

12. Seos nutika spetsialiseerumise valdkondadega

• Eesti teadus- ja arendustegevuse, innovatsiooni ning ettevõtluse (TAIE) arengukaval 2021-2035 on fookusvaldkonnad, s.o Eesti arenguvajadustele ja -võimalustele vastavad riigi, ettevõtete ja teadusasutuste koostöös eelisarendatavad teadus- ja arendustegevuse, innovatsiooni ja ettevõtluse

valdkonnad. Ettevõtluse ja majandusliku arengupotentsiaaliga TAIE fookusvaldkonnad on ühtlasi Eesti nutika spetsialiseerumise valdkonnad (täpsem info: https://www.hm.ee/korgharidus-ja- teadus/teadus-ja-arendustegevus/taie-fookusvaldkonnad).

• Kirjeldage teie projekti võimaliku lahenduse seost vähemalt ühe valdkonnaga (rõhuasetusega teadmus- ja tehnoloogiasiirdel).

Digilahendused igas eluvaldkonnas

(vt teekaarti)

Seos ja tehnoloogiasiire: 1. Teadus- ja arendustegevus andmevaldkonna arendamiseks:

Projekt viib läbi eksperimentaalse teadmus- ja tehnoloogiasiirde, arendades riikliku mastaabiga multimodaalset süvaõppemudelit ning kaasaegset GraphRAG (graafandmebaasipõhine otsing) arhitektuuri

koos välise suure keelemudeli (LLM) API-ga. Katsetuste ja analüüsi käigus luuakse TRL 7-8 tasemel töötav POC-versioon (Proof of Concept) , mis suudab loomulikus keeles esitatud ruumipäringud

tõlkida semantiliseks analüüsiks ja täpseteks GeoSQL/PostGIS päringuteks. Koostöö Tartu Ülikooli Arvutuskeskusega (HPC) mudeli treenimisel ja katsetamisel laiendab otseselt riiklikku andmeteaduse

pädevust ja krativõimekust. 2. Digilahendused äriprotsesside innovatsiooni toetamiseks:

Lahendus muudab kardinaalselt riiklike ruumiandmete (sh ETAK)

ajakohastamise senist manuaalset, kulukat ja aeganõudvat töömudelit. Automaatse muutuste tuvastamise algoritmi (Siamese Networks) ja autonoomse AI-agendi juurutamine toimib innovaatilise otsustustoena, mis vähendab spetsialist ide rutiinset otsingukoormust

40-80% ning läbi protsessi automatiseerimise kiirendab andmete uuenemist riiklikes teenustes ja kaardirakendustes (nt X-Gis) ning loob asjakohase ja taaskasutatava semantilise andmekihi, mis toetab

ka teadus- ja analüüsisektori äriotsuseid täpsete georuumiliste alusandmetega.

Tervisetehnoloogiad ja - teenused

(vt teekaart)

Seos puudub

Kohalike ressursside (toit, puit,

maapõueressursid, teisene toorme ja jäätmed) väärindamine

(vt teekaart)

Seos puudub

Nutikad ja kestlikud energialahendused (vt teekaart)

Seos puudub

13. Seos strateegias Eesti 2035 toodud arenguvajadustega

• Selgitage, kuidas panustavad projekti tegevused ja valitud lahendussuund “Eesti 2035” strateegias kirjeldatud arenguvajadustesse.

• Tooge välja, kui projekti tegevused panustavad muudesse olulistesse valdkondlikesse arengukavadesse või -dokumentidesse.

Strateegia „Eesti 2035“: Projekt panustab vahetult sihti luua kaasaegne, ohutu ja vajadustele

vastav elukeskkond, tagades täpsema andmepõhja regionaalplaneerimiseks ja keskkonnaseireks (metsaraided, taristukasutus).

Digiühiskonna arengukava 2030: Toetab alaeesmärki „Digiriik“ läbi kolme arenguhüppe:

Krativõimekusega riik (AI usaldusväärne juurutamine), Andmepõhine riigivalitsemine (taaskasutatav semantiline andmekiht) ja Roheline digiriik (satelliit- ja kaugseireandmete säästlik analüüs).

Andmete ja tehisintellekti valge raamat 2024–2030: Vähendab otseselt ametnike

halduskoormust, kaotades vajaduse kogu Eesti pildimaterjali manuaalseks ja visuaalseks läbivaatamiseks.

Algatus „Planeerimine 2.0“: Seos seisneb selles, et käesoleva projekti prototüübi testimise faasis

arvestatakse tehnilise valmidusega katsetada päringute juhtimisel AI assistenti, mis luuakse algkujul eraldiseisva projekti „Planeerimine 2.0“ raames.

14. Avalike ülesannete täitmine projekti elluviimisel

• Selgitada ning tuua välja seosed ja viited, missuguse seaduse, määruse, haldusakti või lepingu

alusel täidab ideekavandi esitaja asutus innovatsiooniprojekti ellu viies avalikke ülesandeid.

• Kui ideekavandi esitaja on MTÜ, siis selgitada, kuidas ta pakub otsest avalikku teenust (loe Teenuste korraldamise ja teabehalduse alused–Riigi Teataja, §2 lg2).

Maa- ja Ruumiamet täidab projekti ellu viies oma seadusejärgseid avalikke ülesandeid riiklike ruumiandmete kogumisel, haldamisel ja kättesaadavaks tegemisel. Innovatsiooniprojekt toetab otseselt

ameti seadusest tulenevat kohustust Eesti Topograaf ia Andmekogu (ETAK) (vt https://geoportaal.maaamet.ee/est/ruumiandmed/eesti-topograaf ia-andmekogu-p79.html) pidamisel ning sellega seotud kaardirakenduste ja X-Gis andmeteenuste haldamisel ning ajakohastamisel.

Nendel teenustel ja andmete operatiivsusel on riigi toimimisele, sisejulgeolekule, põllumajandusele, keskkonnakaitsele, regionaalplaneerimisele ning elanikkonnale ülisuur ja kriitiline mõju.

15. Rahastus mitmest allikast

• Kas probleemi lahendamiseks või planeeritud lahenduse katsetamiseks on taotletud või

taotletakse toetust teistest rahastamisallikatest?

• Kui jah, siis tuua välja rahastusallikas, summa ja tegevused ning kas toetus on taotlemisel või projekt on saanud rahastusotsuse.

2026. aasta alguses jõudis lepingusse ruumiandmete süvaõppemudeli algne testprojekt, mida f inantseeriti riiklikust Innomeetmest, selles on toimumas treeningfaas ja on tänaseks väljastanud ka

esimesed tuvastatud ruumikujud. Käesolev innovatsiooniprojekti taotlus tugineb käigus olevast

projektist saadaval kogemusel mida kasutatakse järgnevates katsetustes eesmärgiga selgitada välja süvaõppemudeli praktilised rakendatavuse ning majanduslikult otsest ja ühiskonnale kaudselt mõju avaldavad võimalused. Käesoleva taotluse raames planeeritud spetsiif iliste tegevuste jaoks ei ole

teistest riiklikest või Euroopa Liidu struktuurifondidest paralleelselt toetust taotletud.

Kinnitused

☒ Oleme teadlikud, et Riigikantselei võib saata ideekavandi eksperthinnangu saamiseks valdkonna

ekspertidele.

☒ Kinnitan, et esitatud innovatsiooniprojekt on teiste partnerite juhtkondadega kirjalikult

kooskõlastatud.

Allkirjastamine

• Ideekavand tuleb allkirjastada projekti esitava(te) asutus(t)e allkirjaõigusliku juhtkonnaliikme

poolt (nt kantsler, asekantsler, KOVi juht, KOVi volikogu esimees, ministeeriumi allasutuse

juht/asejuht vms) ja saata [email protected].

i Katsetamine vastab küsimusele: kas see töötab? Katsetuse puhul ei vaadata alati, kas lahendus praktiliselt toimib.

Piloteerimine vastab küsimusele: kas see töötab päriselus ja on mõistlik kasutusele võtta? Hinnata praktilist

toimivust.

Eksperiment: Igasuguse eksperimendi eesmärk on kontrollida hüpoteese põhjuslike seoste kohta. Eksperiment on

selline katse, mis on kavandatud põhjuslike seletusteni jõudmiseks: kui teeme x siis juhtub y.

Prototüüp on masina, seadme või mingi rakenduse esialgne teostus, algne mudel, mida edasi arendatakse.