Taotlusvorm

Koostatud justiits- ja digiministri 18.05.2026 määruse nr 15 “Tulevikukindla andmemajanduse

ökosüsteemi mudel ja taristulised lahendused andmete turvaliseks haldamiseks, käitlemiseks

ja väärindamiseks” põhjal.

1. Taotleja andmed

Taotleja asutuse nimi Eesti Rahvusraamatukogu

Taotleja esindaja nimi Martin Öövel

Taotleja esindaja ametikoht peadirektor

Esindaja telefoninumber +372 5019 775

Esindaja e-post [email protected]

2. Projekti kontakt (vajadusel)

Projekti esindaja nimi Urmas Sinisalu

Projekti esindaja ametikoht Üleriigiliste raamatukoguteenuste keskuse juht

Projekti esindaja telefoninumber +372 56 807 222

Projekti esindaja e-post [email protected]

3. Projekti lühiülevaade

Projekti lühikirjeldus Projekti eesmärk on valideerida ja arendada

mäluasutustele (raamatukogud, muuseumid ja

arhiivid) suunatud tehisarulahendust, uurida kas ja

kuidas on võimalik avatud ja lokaalsete

keelemudelite abil luua digipärandile kvaliteetseid

kirjeldusi. Planeeritav uurimus ja arendus põhinevad

Rahvusraamatukogu (edaspidi RaRa) automaatse

kataloogimise kratil KATA (https://kata.rara.ee/),

keskendudes mudelite töökindluse, kuluefektiivsuse

ja ressursitõhususe optimeerimisele.

Projekti tulemuseks on avalikule sektorile

taaskasutatavad treeningandmed ja treenitud

mudel(id).

Projekti ajaraam 01.09.2026 – 30.09.2027

Omafinantseeringu suurus ja allikas 23 968€, mis on 22,2% taotluse summast ning

kaetakse Eesti Rahvusraamatukogu palgafondist

(kogu projekti maksumus on 131 994€).

Taotletav toetuse summa [€] 108 026€ (projektijuhtimine + välise partneri

kaasamine ja mudelite treenimiseks vajalik ressurss)

4. Projekti detailsem kirjeldus

Probleemikirjeldus

Selgitage, miks on probleem

aktuaalne ning keda see puudutab.

Mida on probleemi lahendamiseks

Eestis juba tehtud või mis on

tegemisel?

Lokaalsed keelemudelid ei tööta nii hästi kui

kinnised suured kommertsmudelid (ChatGPT,

Claude) ja nende kasutamine autoriõiguse kaitse

all olevat ainese töötlemiseks ei ole õiguslikult ega

turvakaalutlustelt võimalik.

Projekt on üks osa valdkondlikust "Kultuuripärandi

digitegevuskava 2024–2029" kus digipärandi

väärindamine ja uute kasutusviiside väljatöötamine

toetab kultuuri- ja majanduskeskkonda ning aitab

kaasa Eesti identiteedi elujõulisena püsimisele.

Riiklikul tasemel on strateegiliselt oluline

kultuuripärandi võimalikult lai kättesaadavaks

tegemine, näiteks on 2029. aastaks eesmärk

digiteerida 55% Eesti mäluasutuste kogudes olevast

pärandist. Ainult digiteerimisest ei piisa pärandi

(taas)kasutamise võimestamiseks ning lihtsalt

serveris seisvad failid ei teeni tagasi investeeringuid,

mis nende kättesaadavaks tegemiseks on tehtud.

Digiühiskonna arengukava 2035 ja Eesti 2035

toetamiseks ning digipärandi võimalikult laia

kasutuse ja leviku võimaldamiseks ning eesti keele

ja kultuuri püsimajäämise toetamiseks digitaalses

maailmas peaks see olema võimalikult lihtsalt

kasutatav. Selleks peab aines olema kergelt leitav ja

töödeldav.

Nii Eestis kui mujal Euroopas on katsetatud

automaatse kataloogimise, märksõnastamise ja

ainese rikastamisega, kuid rikastatava ainese

algfailid on väga erikujulised, nii formaatide kui ka

nende masinloetavaks muutmise keerukuse poolest.

Digitaalselt sündinud, juba eksisteeriva tekstikihiga

failidest, kuni skaneeritud vanade fraktuurkirjas

teavikuteni. Lisaks on oluline metaandmestik sageli

paigutatud hoopis visuaalsete elementidena

(värvilised ja kunstiliselt kujundatud kaanepildid).

Seetõttu on rikastamise kvaliteet algfaili olemusest

tulenevalt hetkel väga varieeruv ning keerulisema

sisendmaterjali puhul puudulik. Seejuures võivad

mittetäielikud olla olulised andmed nagu pealkiri,

autori nimi ning sisukokkuvõte. Sellistes tingimustes

saavad paremini hakkama kinnised

kommertsmudelid.

Kuid mäluasutustes töödeldav pärand sisaldab

isikuandmeid ja autoriõiguse kaitse all olevat ainest,

mille töötlemine kinniste ja kolmandate osapoolte

kontrollitavate mudelitega ei ole õiguslikult ega

4. Projekti detailsem kirjeldus

turvakaalutlustelt võimalik. Samal ajal pole

pilveteenuste kasutamine mudelite jooksutamiseks

või suuremahuliseks andmetöötluseks

majanduslikult jätkusuutlik. Lokaalsete mudelite

integreerimine nõuab eelnevat analüüsi kuna

võimekad mudelid nõuavad kulukat infrastruktuuri,

samas kui väiksemad mudelid ei taga ilma häälestuse

ja treeninguta piisavat kvaliteeti. Oluline on leida

optimaalne tasakaal lokaalse mudeli kvaliteedi ja

ülalpidamiskulude vahel. Kuigi planeeritava projekti

käigus analüüsitakse spetsiifilisemalt mäluasutuste

konteksti, on see siiski tõlgitav laiemalt avalikku

sektorisse.

2025. aastal avalikustas JUSTDIGI aruande

“Tulevikukindla arvutusvõimekuse tagamise”, mis

muu hulgas rõhutab, et kohalik arvutusvõime on

kriitilise tähtsusega ressurss. Samas tuuakse välja, et

teadus- ja avalikus sektoris puudub lokaalne ja

privaatne arvutusvõimekus ning sõltuvus

pilveteenuse pakkujatest ja välisriikide

arvutusvõimekusest on risk autonoomiale. Kuigi

näiteks Tartu Ülikooli teadusarvutuse keskuses on

loodud lokaalne arvutusvõimekus, ei loo see

võimalusi mudelite kasutamiseks asutuste

põhiprotsessides ja aktiivsetes töövoogudes, kuna

teadustööks mõeldud platvormid ei lahenda

asutuseülese juurutamise, tarkvaralise integreerituse

ja kuluefektiivse ülalpidamise probleeme.

Projekti oodatav tulemus ja mõju

Kas projektil on selge ning

mõõdetav eesmärk, mille

saavutamist või mittesaavutamist

on võimalik hinnata?

Projekti esimeses etapis viiakse mäluasutuste

spetsialistidele läbi töötuba “Lokaalsete mudelite

rakendamine mäluasutustes”, mille eesmärk on

kaardistada erinevate mäluasutuste vajadusi ja

kasutusjuhtumeid digipärandi kirjelduste loomisel ja

metaandmete rikastamisel. Selle tulemusena sünnib

ülevaade valdkonna vajadustest ja võimalikest

rakendusstsenaariumidest, mis on sisendiks

rakendusuuringule ja mudeli treenimisele ning

loovad eeldused projekti tulemina valmiva

rakenduse laiemaks kasutuselevõtuks Eesti

mäluastustes ja avalikus sektoris laiemalt.

Projekti teine etapp on rakendusuuring avatud ja

lokaalsete mudelite töökindluse, kuluefektiivsuse ja

ressursitõhususe optimeerimiseks.

Eksperimenteeritakse erinevate vabavaraliste suurte

keelemudelitega kolmel lähteülesandel:

1. info eraldamine;

2. sisukokkuvõtete koostamine;

4. Projekti detailsem kirjeldus

3. tekstisektsioonide eraldamine.

1. Info eraldamine

Raamatukogu kontekstis on oluline eraldada

väljaandeid kirjeldav metaandmete komplekt,

uuringu tulemus on üldistuv ka teistsugusele

informatsioonile. Kavas on välja selgitada, kas

sõltuvalt informatsiooni tüübist esineb eraldamise

kvaliteedis erisusi ja milliseid vahendeid selle vahe

vähendamiseks kasutada oleks võimalik; kuidas

muutub eraldatava informatsiooni kvaliteet sõltuvalt

sisendinfo kvaliteedist ja mudeli suurusest; kas ja

milliste mudelite/informatsiooni puhul on vajalik

mudeli edasine peenhäälestamine ja millal piisab

lihtsalt instruktsioonidele näidete lisamisest ("few

shot learning").

Ülesandele lisab kompleksust lokaalsete mudelite

kontekstiakna suurus, mille laiendamisel kasvavad

nõuded ka riistvarale. Seega on ülesande efektiivseks

lahendamiseks lisaks oluline välja selgitada piisav

kontekst ning selle koondamine tervikväljaandest.

Lisaks klassikalisele tekstipõhisele lähenemisele on

vaja uurida ka infoeraldamist pildiliselt materjalilt

multimodaalsete mudelite abil. Kas multimodaalsete

mudelite tulemite kvaliteet ületab OCR-ist ja

tekstipõhisest infoeraldusest koosneva töövoo oma?

Tulemid:

• Peenhäälestamiseks kasutatud andmed (kui on

kasutatud juurdepääsupiiranguteta andmeid)

• Peenhäälestatud mudel(id)

• Olulisemate metaandemete eraldamist võimaldav

avatud koodiga rakendus.

2.Sisukokkuvõtete koostamine

Ülesande raames uuritakse sisukokkuvõtete

koostamist avatud keelemudelite abil. Kokkuvõtete

koostamine nõuab infoeraldusega võrreldes rohkem

"loomingulisust" - see tähendab, et infoeralduse

puhul on oodatav tulem enamjaolt väga sarnasel

kujul juba sisendtekstis olemas, kokkuvõtte puhul

tuleb see aga sünteesida, pidades sealjuures kinni

sihtkeele grammatikast, lauseehitusest jms õigekirja

ja -keelega seotud reeglitest. Ülesandele lisab

keerukust asjaolu, et fookuses on eelkõige eesti keel,

mille osakaal avatud mudelite treeningandmetes on

suuremate keeltega võrreldes madalam. Teise olulise

keerukusena tuleb mängu juba eelmisest punktist

4. Projekti detailsem kirjeldus

läbi käinud probleem: kuidas limiteeritud

kontekstiakna puhul kogu kokkuvõte tegemiseks

vajalik informatsioon mudelile ette sööta?

Tulemid:

• Sisukokkuvõtete eraldamist võimaldav avatud

koodiga rakendus

3. Tekstisektsioonide eraldamine

Ülesande eesmärgiks on tuvastada sisenddokumendi

olulisemad sektsioonid - raamatute puhul näiteks

tiitelleht, impressum, sisukord, eessõna, järelsõna

jne. Ühest küljest on sektsioonide eraldamine vajalik

kuivõrd teatud tekstiosad nagu sisukord

moodustavad osa väljaande metaandmetest, teisalt

oleks selle tulem abiks eelkirjeldatud ülesannete

sisendina. Näiteks oleks tiitellehte ning impressumit

võimalik kasutada esimeses punktis kirjeldatud

metaandmete eraldaja sisendina. Tekstiosade

edukaks eraldamisel on oluline roll just

multimodaalsetel mudelitel, kuivõrd informatsiooni

paigutus kannab endas sageli olulist infot, mis

tekstipõhises mudeldamises kaduma läheks.

Tulemid:

• Tekstisektsioonide eraldamist võimaldav avatud

koodiga rakendus

Projekti tulemuste kvaliteedi muutumist praeguse

standardi suhtes on võimalik hinnata, kui kõrvutada

samadel sisendfailidel tuvastatud metaandmete

komplekte, mis on genereeritud a) pärast praeguse

KATA versiooni rakendamist ning b) pärast projekti

käigus täiendatud KATA versiooni rakendamist.

Kuldstandardina on omakorda võimalik kasutada

kataloogijate loodud kirjeid ning nendega võrrelda

mõlemat eelnevalt viidatud komplekti.

Projekti tulemid avalikustatakse RaRa digilaboris ja

neid tutvustatakse teistele Eesti mäluasutustele.

Valmiv rakendus on avatud lähtekoodiga ning

taaskasutatav teiste asutuste poolt.

Projekti meeskond ja

töökorraldus

Kirjeldage rollide ja töö jaotust

projektimeeskonnas. Missugust

täiendavat ekspertiisi tuleb juurde

• Projektijuht – 0.2 FTE, 12 kuud - (a 600€ bruto)

vastutab tegevuste planeerimise, ajakava täitmise,

riigihanke läbiviimise, partnerite koordineerimise

ning projekti tulemuste saavutamise eest.

• RaRa valdkonnaeksperdid (2x0.3 FTE, 10 kuud)

määratlevad lahendatava probleemi, kirjeldavad

4. Projekti detailsem kirjeldus

kaasata (nt tehniline ekspertiis,

andmekaitse)?

kasutusjuhtumid ning osalevad lahenduse

testimisel ja kasutuselevõtu hindamisel.

• Testijuhtimine, rakenduste testimine ja tulemite

vastuvõtmine (1x0.3 FTE, 2 kuud).

• Juurde kaasatakse tehisaru ja masinõppe eksperdid

mudelite valikuks, treenimiseks ja

peenhäälestamiseks, testimiseks ja valideerimiseks.

Riigihange 6 kuuks (a ~70 000€+KM)

• Mudelite treenimiseks ja andmete majutusele

kuluv ressurss 7 800€

Jätkutegevused

Kirjeldage planeeritud

jätkutegevusi pärast

rahastusperioodi lõppu.

Loodavad edukad mudelid võetakse kasutusele RaRa

töövoogudes ning rakendustes.

Loodav rakendus on majutatud RaRa infras ja

pakutakse demokeskkonda teadus- ja mäluasutusele.

Riskid ja maandamismeetmed

Kirjeldage peamisi riske, mis

võivad takistada projekti elluviimist

või eesmärkide saavutamist,

millised maandamismeetmed

kasutusele võetakse?

• Suurim risk on, et avatud ja lokaalsete mudelite

kvaliteet ei saavuta vajalikku taset. Riski

maandamiseks võrreldakse erineva suurusega

mudeleid, peenhäälestamise viise ja katsetatakse

erinevaid juhendamistehnikaid. Lõpptulemusena

on siiski väärtuslik tulemus ka selle riski

realiseerumine, kuna selle käigus saame olulisi

teadmiseid edasiseks uuringuks.

• Treening- ja hindamisandmete kvaliteedi

ebapiisavus. Andmete kvaliteet võib olla

ebaühtlane, OCR vigane, fraktuur eksitav ja

ainese struktuur keeruline. Maandamiseks

kasutame fraktuurkirja ja ajalooliste

dokumentide jaoks spetsiaalselt treenitud OCR-

mudeleid ning kaasame valdkonnaeksperdid

andmete valideerimisse ja vigade analüüsi.

• Arvutusressursi vajadus osutub prognoositust

suuremaks. Mudelid, eriti võimekamad, võivad

nõuda planeeritust ja ette nähtust suuremat

ressurssi. Maandamiseks rakendatakse vajadusel

mudelite optimeerimist ja kasutatakse ETAISi

(https://etais.ee/) arvutusvõimsuseid.

5. Seos teadus- ja arendustegevuse kriteeriumitega (palun kirjeldage)

Tegevuse liik (alusuuring,

rakendusuuring või

eksperimentaalarendus)

rakendusuuring

Uudsus Uudsus seisneb avatud ja lokaalse mudeli

rakendamise analüüsimisel sisult ja ülesehituselt

keeruka digipärandi automaatseks kirjeldamiseks,

kus andmekaitse, isikuandmed, autoriõiguse ja

5. Seos teadus- ja arendustegevuse kriteeriumitega (palun kirjeldage)

ressursside nõuded/piirangud välistavad kinniste

ja/või pilvepõhiste kommertslahenduste kasutamise.

Uuritakse süstemaatiliselt seost mudelite kvaliteedi,

arvutusressursi vajaduse ja kasutuskulu vahel.

Projekti ei keskendu kõige täpsema mudeli

leidmisele, vaid tulemuste kvaliteedi ja ressursikulu

optimaalse tasakaalu leidmisele. Samuti on uuringu

lähenemine multimodaalne, võrreldakse mudelite

võimekust eriilmelise kultuuripärandi töötlemisel

ning hinnatakse millistel juhtudel annab see

lähenemine mõõdetava kvaliteedivõidu. Lisakihi

annab eesti keele väiksus ja esindatuse maht

mudelite treeningandmetes, uuringu tulemused

annavad ülevaadet selliste mudelite peenhäälestuse

vajadusest eesti keelega toimetulekuks.

Loomingulisus Loomingulisus seisneb selles, et otsitakse erinevate

mudelite, peenhäälestamise meetodite, tehnikate ja

kontekstide valikute kombinatsioone, mis

võimaldaksid saavutada vastuvõetava kvaliteedi

minimaalse kuluga.

Ettemääramatu tulemus Puudub teadmine millisel määral suudavad avatud ja

lokaalsed mudelid täita kirjeldatud ülesandeid

kvaliteedi, ressursikasutuse ja kuluefektiivsuse

seisukohast. Ettemääramatus seisneb teadmatuses

kas ja milliste meetodide abil on võimalik saavutada

kirjeldamise kvaliteet, mis on võrreldav teiste

kinniste ja kulukamate lahendustega. Samuti ei tea

me milline mudel, selle suurus või peenhäälestuse

meetod annab parima tulemuse.

Süsteemsus Projekti esimeses etapis kaardistatakse valdkonna

vajadused laiemalt ehk ei piirduta kitsalt vaid RaRa

vajadustega.

Teises etapis viiakse läbi rakendusuuring kolme

omavahel seotud ülesandega, iga ülesande puhul

hinnatakse erinevate mudelite ja lahenduste mõju

tulemuste kvaliteedile ja ressursikasutusele.

Katsetused viiakse läbi ühtsetel sisendandmetel ja

tulemusi võrreldakse määratud kvaliteedinäitajate

alusel.

Ülekantavus või korratavus Projekt on kavandatud selliselt, et tulemused on

korratavad kui ka ülekantavad teistel mäluasutustele.

Seda tehakse läbi protsessi dokumenteerimise ja

tutvustamise, eksperimendid tuginevad määratletud

sisendandmetel, uurimisküsimustel ja

kvaliteedinäitajatel. See võimaldab katseid korrata ja

valideerida. Ülekantavust suurendab veelgi avatud

koodiga arendusmudel, mida on võimalik teistel

lahendust juurutada.

6. Projekti eelarve ja ajakava

Lisa iga etapi ning tegevuse juurde tegevuse kirjeldus, algus ja lõpp ning eelarve.

I etapp 01.09.2026- 31.12.2026 RaRa valdkonnaekspertide poolt valmib

ärinõuetele vastav tehniline kirjeldus (5880€) ning

projektijuht valmistab ette ja viib läbi riigihanke

(3208€). Kõikide siin olevate ja järgnevate tasude

puhul (va riigihankega hangitav) on aluseks võetud

hetkel kehtivad RaRa töötasud, arvestatuna

lähtuvalt nende isikute projekti kaasatuse mahust.

Töötoa korraldamine valdkonna (raamatukogud,

muuseumid, arhiivid) spetsialistidele sisendi

kogumiseks, parimate praktikate jagamiseks ja

valideerimiseks, et vältida samade mudelite taas-

uurimist, analüüsimist, loomist ja kasutamist

asutuste üleselt ~2000€ koos KM.

II etapp 11.01.2027-31.05.2027 Perioodi vältel projektijuhtimine 4010€

Sobivate alus- ja treeningandmete valimine,

ettevalmistamine ning mudelite

hindamiskriteeriumite ja kvaliteedimõõdikute

määratlemine RaRa valdkonnaekspertide poolt

(9800€). Läbi riigihanke palgatud ekspertide poolt

läbi viidav rakendusuuring ja eksperimendid

(erinevate avatud ja lokaalsete mudelite sobivuse

hindamine projekti kirjelduses välja toodud kolme

lähteülesande kaudu) ning prototüüplahenduste

väljatöötamine. Samuti tööriistade valimine,

vajadusel uute loomine ja olemasolevate

tööriistade täiendamine. Valmib sisend järgmiseks

etapiks (uuring/andmete analüüs ja on kirjeldatud

kvaliteetsed sisendandmed), mis moodustab 1/3

hanke maksumusest ~28 933€ koos KM. Hanke

täpne maksumus ja etappide jaotus selgub peale

hanke läbiviimist. Hinnastamine baseerub

varasemalt valdkonnas (raamatukogud,

muuseumid, arhiivid) läbi viidud sarnastel hangetel

kus RaRa on olnud hankija rollis.

(https://riigihanked.riik.ee/rhr-

web/#/procurement/3224632/general-info,

https://riigihanked.riik.ee/rhr-

web/#/procurement/3816488/general-info,

https://riigihanked.riik.ee/rhr-

web/#/procurement/1597549/general-info )

Mudelite loomise/treenimise ressurss ~7 800€ koos

KM, hinnastamise aluseks on võetud RaRa

eelmises projektis ja hankes

(https://riigihanked.riik.ee/rhr-

web/#/procurement/7191164/general-info )

kasutatud Hetzneri

6. Projekti eelarve ja ajakava

Lisa iga etapi ning tegevuse juurde tegevuse kirjeldus, algus ja lõpp ning eelarve.

(https://www.hetzner.com/dedicated-

rootserver/matrix-gpu/) pilvelahenduses kulunud

GPU ressurss.

Puhkused 01.06.2027-30.06.2027 Puhveraeg edukale pakkujale rakenduse silumiseks

ja vajadusel mudelite üle treenimiseks.

III etapp 01.07.2027- 30.09.2027 Tulemite vastuvõtmine RaRa töötajate poolt, kelle

kaasatus projekti on 2x0.3 FTE (5880€) ja

testimine1x0.3 FTE (2408€)

Eduka pakkuja poolt valmivad treenitud mudelid,

loodud moodulid või täiendatud rakendus ja

avaldatakse tulemid (uuring/analüüs/treenitud

mudelid). Tehakse viimane väljamakse 2/3 hanke

maksumusest ~57 867€ koos KM

Projekti tulemite tutvustamine teadus- ja

mäluasutustele sh valdkonna spetisalistidele

kohalviibimisega, seminari ruumi rent koos

tehnikaga ~1000€ koos KM

Dokumentatsiooni valideerimine ja projekti

lõpetamine RaRa poolt (3208€) sh projektijuhi

töötasu

7. Kasutatavate andmete ülevaade

Ülevaade projekti käigus

töödeldavatest andmetest

Treening- ja testandmeteks on kultuuripärandi

portaali DIGAR vahendusel kättesaadavaks tehtavad

ja vaba litsentsiga raamatud, ajakirjad, ajalehed ja

jätkväljaanded eesti ja teistes soome-urgi keeltes

ning murrakutes.

Kas vajalik on läbi viia

andmekaitsealane mõjuhinnang?

Ei ole plaanis läbi viia andmekaitsealast

mõjuhinnangut kuna kasutatakse autoriõiguse alt

väljas olevat ainest ja ei töödelda eriliigilisi

isikuandmeid ning otsustusprotsessi ei ole kaasatud

tehisaru. Projekti käigus hinnatakse jooksvalt

kavandatava tehisarulahenduse mõju isikuandmete

kaitsele. Kui töötlemise laad, ulatus või eesmärk

viitab kõrgele riskile andmesubjektide õigustele ja

vabadustele, viiakse enne lahenduse kasutuselevõttu

läbi andmekaitsealane mõjuhinnang ning

rakendatakse vajalikud riskide maandamise

meetmed.

Kas projekti käigus rakendatakse

andmejälgijat?

Projekti käigus töödeldavates tekstides võib

sisalduda isikuandmeid (näiteks nimed

ajaleheartiklites), kuid nendel tekstidel pole tehtud

olemituvastust seega pole võimalik isikud nende

nime järgi üheselt tuvastada ning ei tehta päringuid

teistesse infosüsteemidesse ega registritesse seega

andmejälgija rakendamine ei kanna otstarvet.

7. Kasutatavate andmete ülevaade

Kas vajalik on täita algoritmi

kasutatavuse vorm?1

Ei kohaldu.

Kas projekti käigus avalikustatakse

avaandmeid?

Jah, tehakse kättesaadavaks RaRa Digilaboris

(https://digilab.rara.ee/) ja andmete teabeväravas

(https://andmed.eesti.ee/).

8. Muu vajalik teave vabas vormis

1

Volitused

Kontrollige e-äriregistrist2, kas Teil on äriregistri registrikaardi järgi õigus taotleja esindamiseks. Juhul, kui Teil

puudub e-äriregistris taotleja esindusõigus, saate oma esindusõigust tõendada, lisades taotlusele digiallkirjastatud

volituse.

Kinnitused

Palun tutvuge alljärgnevate tingimustega ning kinnitage, et olete nendega nõus:

Annan nõusoleku:

- teha õiguspädevale organile järelpärimisi;

- teostada taotleja suhtes toetuse andmise tingimustest tulenevaid õigusi;

- edasise infovahetuse toimumiseks elektroonilisel teel.

Kinnitan järgnevat:

- kõik taotluses esitatud andmed on õiged ning esitatud dokumendid on kehtivad ja ehtsad;

- taotluses sisalduv projekt vastab toetuse andmise tingimuste määruses sätestatud eesmärkidele ja

toetatavatele tegevustele;

- taotlejal on toetuse andmise tingimustes sätestatud projekti elluviimiseks ja haldamiseks vajalik

kvalifikatsioon või kogemus ning õiguslik, organisatsiooniline või tehniline eeldus;

- taotleja kohustub väljastama andmeid ja osutama igakülgselt kaasabi Justiits- ja Digiministeeriumile ning

teistele asutustele, kelle kohustus on teha taotluses sisalduva projekti elluviimise üle järelevalvet;

- taotleja kohustub viima projekti ellu taotluses esitatud teabe ja tingimuste alusel;

- taotleja kohustub Justiits- ja Digiministeeriumi viivitamata teavitama taotluses esitatud andmetes

toimunud muudatusest ja ilmnenud asjaolust, mis võib mõjutada taotluse kohta otsuse tegemist;

- taotlejal on nõutavad vahendid projekti omafinantseeringu tagamiseks;

- taotleja on teadlik, et toetuse saamise info ja toetuse summa avalikustatakse.

☒ Kinnitan, et kõik taotluses esitatud andmed on õiged ja täielikud, olen ülaltoodud tingimustega

tutvunud ja olen nendega nõus.

2 Juriidilise isiku otsing | e-Äriregister

Taotlusvorm

Koostatud justiits- ja digiministri 18.05.2026 määruse nr 15 “Tulevikukindla andmemajanduse

ökosüsteemi mudel ja taristulised lahendused andmete turvaliseks haldamiseks, käitlemiseks

ja väärindamiseks” põhjal.

1. Taotleja andmed

Taotleja asutuse nimi Eesti Rahvusraamatukogu

Taotleja esindaja nimi Martin Öövel

Taotleja esindaja ametikoht peadirektor

Esindaja telefoninumber +372 5019 775

Esindaja e-post [email protected]

2. Projekti kontakt (vajadusel)

Projekti esindaja nimi Urmas Sinisalu

Projekti esindaja ametikoht Üleriigiliste raamatukoguteenuste keskuse juht

Projekti esindaja telefoninumber +372 56 807 222

Projekti esindaja e-post [email protected]

3. Projekti lühiülevaade

Projekti lühikirjeldus Projekti eesmärk on valideerida ja arendada

mäluasutustele (raamatukogud, muuseumid ja

arhiivid) suunatud tehisarulahendust, uurida kas ja

kuidas on võimalik avatud ja lokaalsete

keelemudelite abil luua digipärandile kvaliteetseid

kirjeldusi. Planeeritav uurimus ja arendus põhinevad

Rahvusraamatukogu (edaspidi RaRa) automaatse

kataloogimise kratil KATA (https://kata.rara.ee/),

keskendudes mudelite töökindluse, kuluefektiivsuse

ja ressursitõhususe optimeerimisele.

Projekti tulemuseks on avalikule sektorile

taaskasutatavad treeningandmed ja treenitud

mudel(id).

Projekti ajaraam 01.09.2026 – 30.09.2027

Omafinantseeringu suurus ja allikas 23 968€, mis on 22,2% taotluse summast ning

kaetakse Eesti Rahvusraamatukogu palgafondist

(kogu projekti maksumus on 131 994€).

Taotletav toetuse summa [€] 108 026€ (projektijuhtimine + välise partneri

kaasamine ja mudelite treenimiseks vajalik ressurss)

4. Projekti detailsem kirjeldus

Probleemikirjeldus

Selgitage, miks on probleem

aktuaalne ning keda see puudutab.

Mida on probleemi lahendamiseks

Eestis juba tehtud või mis on

tegemisel?

Lokaalsed keelemudelid ei tööta nii hästi kui

kinnised suured kommertsmudelid (ChatGPT,

Claude) ja nende kasutamine autoriõiguse kaitse

all olevat ainese töötlemiseks ei ole õiguslikult ega

turvakaalutlustelt võimalik.

Projekt on üks osa valdkondlikust "Kultuuripärandi

digitegevuskava 2024–2029" kus digipärandi

väärindamine ja uute kasutusviiside väljatöötamine

toetab kultuuri- ja majanduskeskkonda ning aitab

kaasa Eesti identiteedi elujõulisena püsimisele.

Riiklikul tasemel on strateegiliselt oluline

kultuuripärandi võimalikult lai kättesaadavaks

tegemine, näiteks on 2029. aastaks eesmärk

digiteerida 55% Eesti mäluasutuste kogudes olevast

pärandist. Ainult digiteerimisest ei piisa pärandi

(taas)kasutamise võimestamiseks ning lihtsalt

serveris seisvad failid ei teeni tagasi investeeringuid,

mis nende kättesaadavaks tegemiseks on tehtud.

Digiühiskonna arengukava 2035 ja Eesti 2035

toetamiseks ning digipärandi võimalikult laia

kasutuse ja leviku võimaldamiseks ning eesti keele

ja kultuuri püsimajäämise toetamiseks digitaalses

maailmas peaks see olema võimalikult lihtsalt

kasutatav. Selleks peab aines olema kergelt leitav ja

töödeldav.

Nii Eestis kui mujal Euroopas on katsetatud

automaatse kataloogimise, märksõnastamise ja

ainese rikastamisega, kuid rikastatava ainese

algfailid on väga erikujulised, nii formaatide kui ka

nende masinloetavaks muutmise keerukuse poolest.

Digitaalselt sündinud, juba eksisteeriva tekstikihiga

failidest, kuni skaneeritud vanade fraktuurkirjas

teavikuteni. Lisaks on oluline metaandmestik sageli

paigutatud hoopis visuaalsete elementidena

(värvilised ja kunstiliselt kujundatud kaanepildid).

Seetõttu on rikastamise kvaliteet algfaili olemusest

tulenevalt hetkel väga varieeruv ning keerulisema

sisendmaterjali puhul puudulik. Seejuures võivad

mittetäielikud olla olulised andmed nagu pealkiri,

autori nimi ning sisukokkuvõte. Sellistes tingimustes

saavad paremini hakkama kinnised

kommertsmudelid.

Kuid mäluasutustes töödeldav pärand sisaldab

isikuandmeid ja autoriõiguse kaitse all olevat ainest,

mille töötlemine kinniste ja kolmandate osapoolte

kontrollitavate mudelitega ei ole õiguslikult ega

4. Projekti detailsem kirjeldus

turvakaalutlustelt võimalik. Samal ajal pole

pilveteenuste kasutamine mudelite jooksutamiseks

või suuremahuliseks andmetöötluseks

majanduslikult jätkusuutlik. Lokaalsete mudelite

integreerimine nõuab eelnevat analüüsi kuna

võimekad mudelid nõuavad kulukat infrastruktuuri,

samas kui väiksemad mudelid ei taga ilma häälestuse

ja treeninguta piisavat kvaliteeti. Oluline on leida

optimaalne tasakaal lokaalse mudeli kvaliteedi ja

ülalpidamiskulude vahel. Kuigi planeeritava projekti

käigus analüüsitakse spetsiifilisemalt mäluasutuste

konteksti, on see siiski tõlgitav laiemalt avalikku

sektorisse.

2025. aastal avalikustas JUSTDIGI aruande

“Tulevikukindla arvutusvõimekuse tagamise”, mis

muu hulgas rõhutab, et kohalik arvutusvõime on

kriitilise tähtsusega ressurss. Samas tuuakse välja, et

teadus- ja avalikus sektoris puudub lokaalne ja

privaatne arvutusvõimekus ning sõltuvus

pilveteenuse pakkujatest ja välisriikide

arvutusvõimekusest on risk autonoomiale. Kuigi

näiteks Tartu Ülikooli teadusarvutuse keskuses on

loodud lokaalne arvutusvõimekus, ei loo see

võimalusi mudelite kasutamiseks asutuste

põhiprotsessides ja aktiivsetes töövoogudes, kuna

teadustööks mõeldud platvormid ei lahenda

asutuseülese juurutamise, tarkvaralise integreerituse

ja kuluefektiivse ülalpidamise probleeme.

Projekti oodatav tulemus ja mõju

Kas projektil on selge ning

mõõdetav eesmärk, mille

saavutamist või mittesaavutamist

on võimalik hinnata?

Projekti esimeses etapis viiakse mäluasutuste

spetsialistidele läbi töötuba “Lokaalsete mudelite

rakendamine mäluasutustes”, mille eesmärk on

kaardistada erinevate mäluasutuste vajadusi ja

kasutusjuhtumeid digipärandi kirjelduste loomisel ja

metaandmete rikastamisel. Selle tulemusena sünnib

ülevaade valdkonna vajadustest ja võimalikest

rakendusstsenaariumidest, mis on sisendiks

rakendusuuringule ja mudeli treenimisele ning

loovad eeldused projekti tulemina valmiva

rakenduse laiemaks kasutuselevõtuks Eesti

mäluastustes ja avalikus sektoris laiemalt.

Projekti teine etapp on rakendusuuring avatud ja

lokaalsete mudelite töökindluse, kuluefektiivsuse ja

ressursitõhususe optimeerimiseks.

Eksperimenteeritakse erinevate vabavaraliste suurte

keelemudelitega kolmel lähteülesandel:

1. info eraldamine;

2. sisukokkuvõtete koostamine;

4. Projekti detailsem kirjeldus

3. tekstisektsioonide eraldamine.

1. Info eraldamine

Raamatukogu kontekstis on oluline eraldada

väljaandeid kirjeldav metaandmete komplekt,

uuringu tulemus on üldistuv ka teistsugusele

informatsioonile. Kavas on välja selgitada, kas

sõltuvalt informatsiooni tüübist esineb eraldamise

kvaliteedis erisusi ja milliseid vahendeid selle vahe

vähendamiseks kasutada oleks võimalik; kuidas

muutub eraldatava informatsiooni kvaliteet sõltuvalt

sisendinfo kvaliteedist ja mudeli suurusest; kas ja

milliste mudelite/informatsiooni puhul on vajalik

mudeli edasine peenhäälestamine ja millal piisab

lihtsalt instruktsioonidele näidete lisamisest ("few

shot learning").

Ülesandele lisab kompleksust lokaalsete mudelite

kontekstiakna suurus, mille laiendamisel kasvavad

nõuded ka riistvarale. Seega on ülesande efektiivseks

lahendamiseks lisaks oluline välja selgitada piisav

kontekst ning selle koondamine tervikväljaandest.

Lisaks klassikalisele tekstipõhisele lähenemisele on

vaja uurida ka infoeraldamist pildiliselt materjalilt

multimodaalsete mudelite abil. Kas multimodaalsete

mudelite tulemite kvaliteet ületab OCR-ist ja

tekstipõhisest infoeraldusest koosneva töövoo oma?

Tulemid:

• Peenhäälestamiseks kasutatud andmed (kui on

kasutatud juurdepääsupiiranguteta andmeid)

• Peenhäälestatud mudel(id)

• Olulisemate metaandemete eraldamist võimaldav

avatud koodiga rakendus.

2.Sisukokkuvõtete koostamine

Ülesande raames uuritakse sisukokkuvõtete

koostamist avatud keelemudelite abil. Kokkuvõtete

koostamine nõuab infoeraldusega võrreldes rohkem

"loomingulisust" - see tähendab, et infoeralduse

puhul on oodatav tulem enamjaolt väga sarnasel

kujul juba sisendtekstis olemas, kokkuvõtte puhul

tuleb see aga sünteesida, pidades sealjuures kinni

sihtkeele grammatikast, lauseehitusest jms õigekirja

ja -keelega seotud reeglitest. Ülesandele lisab

keerukust asjaolu, et fookuses on eelkõige eesti keel,

mille osakaal avatud mudelite treeningandmetes on

suuremate keeltega võrreldes madalam. Teise olulise

keerukusena tuleb mängu juba eelmisest punktist

4. Projekti detailsem kirjeldus

läbi käinud probleem: kuidas limiteeritud

kontekstiakna puhul kogu kokkuvõte tegemiseks

vajalik informatsioon mudelile ette sööta?

Tulemid:

• Sisukokkuvõtete eraldamist võimaldav avatud

koodiga rakendus

3. Tekstisektsioonide eraldamine

Ülesande eesmärgiks on tuvastada sisenddokumendi

olulisemad sektsioonid - raamatute puhul näiteks

tiitelleht, impressum, sisukord, eessõna, järelsõna

jne. Ühest küljest on sektsioonide eraldamine vajalik

kuivõrd teatud tekstiosad nagu sisukord

moodustavad osa väljaande metaandmetest, teisalt

oleks selle tulem abiks eelkirjeldatud ülesannete

sisendina. Näiteks oleks tiitellehte ning impressumit

võimalik kasutada esimeses punktis kirjeldatud

metaandmete eraldaja sisendina. Tekstiosade

edukaks eraldamisel on oluline roll just

multimodaalsetel mudelitel, kuivõrd informatsiooni

paigutus kannab endas sageli olulist infot, mis

tekstipõhises mudeldamises kaduma läheks.

Tulemid:

• Tekstisektsioonide eraldamist võimaldav avatud

koodiga rakendus

Projekti tulemuste kvaliteedi muutumist praeguse

standardi suhtes on võimalik hinnata, kui kõrvutada

samadel sisendfailidel tuvastatud metaandmete

komplekte, mis on genereeritud a) pärast praeguse

KATA versiooni rakendamist ning b) pärast projekti

käigus täiendatud KATA versiooni rakendamist.

Kuldstandardina on omakorda võimalik kasutada

kataloogijate loodud kirjeid ning nendega võrrelda

mõlemat eelnevalt viidatud komplekti.

Projekti tulemid avalikustatakse RaRa digilaboris ja

neid tutvustatakse teistele Eesti mäluasutustele.

Valmiv rakendus on avatud lähtekoodiga ning

taaskasutatav teiste asutuste poolt.

Projekti meeskond ja

töökorraldus

Kirjeldage rollide ja töö jaotust

projektimeeskonnas. Missugust

täiendavat ekspertiisi tuleb juurde

• Projektijuht – 0.2 FTE, 12 kuud - (a 600€ bruto)

vastutab tegevuste planeerimise, ajakava täitmise,

riigihanke läbiviimise, partnerite koordineerimise

ning projekti tulemuste saavutamise eest.

• RaRa valdkonnaeksperdid (2x0.3 FTE, 10 kuud)

määratlevad lahendatava probleemi, kirjeldavad

4. Projekti detailsem kirjeldus

kaasata (nt tehniline ekspertiis,

andmekaitse)?

kasutusjuhtumid ning osalevad lahenduse

testimisel ja kasutuselevõtu hindamisel.

• Testijuhtimine, rakenduste testimine ja tulemite

vastuvõtmine (1x0.3 FTE, 2 kuud).

• Juurde kaasatakse tehisaru ja masinõppe eksperdid

mudelite valikuks, treenimiseks ja

peenhäälestamiseks, testimiseks ja valideerimiseks.

Riigihange 6 kuuks (a ~70 000€+KM)

• Mudelite treenimiseks ja andmete majutusele

kuluv ressurss 7 800€

Jätkutegevused

Kirjeldage planeeritud

jätkutegevusi pärast

rahastusperioodi lõppu.

Loodavad edukad mudelid võetakse kasutusele RaRa

töövoogudes ning rakendustes.

Loodav rakendus on majutatud RaRa infras ja

pakutakse demokeskkonda teadus- ja mäluasutusele.

Riskid ja maandamismeetmed

Kirjeldage peamisi riske, mis

võivad takistada projekti elluviimist

või eesmärkide saavutamist,

millised maandamismeetmed

kasutusele võetakse?

• Suurim risk on, et avatud ja lokaalsete mudelite

kvaliteet ei saavuta vajalikku taset. Riski

maandamiseks võrreldakse erineva suurusega

mudeleid, peenhäälestamise viise ja katsetatakse

erinevaid juhendamistehnikaid. Lõpptulemusena

on siiski väärtuslik tulemus ka selle riski

realiseerumine, kuna selle käigus saame olulisi

teadmiseid edasiseks uuringuks.

• Treening- ja hindamisandmete kvaliteedi

ebapiisavus. Andmete kvaliteet võib olla

ebaühtlane, OCR vigane, fraktuur eksitav ja

ainese struktuur keeruline. Maandamiseks

kasutame fraktuurkirja ja ajalooliste

dokumentide jaoks spetsiaalselt treenitud OCR-

mudeleid ning kaasame valdkonnaeksperdid

andmete valideerimisse ja vigade analüüsi.

• Arvutusressursi vajadus osutub prognoositust

suuremaks. Mudelid, eriti võimekamad, võivad

nõuda planeeritust ja ette nähtust suuremat

ressurssi. Maandamiseks rakendatakse vajadusel

mudelite optimeerimist ja kasutatakse ETAISi

(https://etais.ee/) arvutusvõimsuseid.

5. Seos teadus- ja arendustegevuse kriteeriumitega (palun kirjeldage)

Tegevuse liik (alusuuring,

rakendusuuring või

eksperimentaalarendus)

rakendusuuring

Uudsus Uudsus seisneb avatud ja lokaalse mudeli

rakendamise analüüsimisel sisult ja ülesehituselt

keeruka digipärandi automaatseks kirjeldamiseks,

kus andmekaitse, isikuandmed, autoriõiguse ja

5. Seos teadus- ja arendustegevuse kriteeriumitega (palun kirjeldage)

ressursside nõuded/piirangud välistavad kinniste

ja/või pilvepõhiste kommertslahenduste kasutamise.

Uuritakse süstemaatiliselt seost mudelite kvaliteedi,

arvutusressursi vajaduse ja kasutuskulu vahel.

Projekti ei keskendu kõige täpsema mudeli

leidmisele, vaid tulemuste kvaliteedi ja ressursikulu

optimaalse tasakaalu leidmisele. Samuti on uuringu

lähenemine multimodaalne, võrreldakse mudelite

võimekust eriilmelise kultuuripärandi töötlemisel

ning hinnatakse millistel juhtudel annab see

lähenemine mõõdetava kvaliteedivõidu. Lisakihi

annab eesti keele väiksus ja esindatuse maht

mudelite treeningandmetes, uuringu tulemused

annavad ülevaadet selliste mudelite peenhäälestuse

vajadusest eesti keelega toimetulekuks.

Loomingulisus Loomingulisus seisneb selles, et otsitakse erinevate

mudelite, peenhäälestamise meetodite, tehnikate ja

kontekstide valikute kombinatsioone, mis

võimaldaksid saavutada vastuvõetava kvaliteedi

minimaalse kuluga.

Ettemääramatu tulemus Puudub teadmine millisel määral suudavad avatud ja

lokaalsed mudelid täita kirjeldatud ülesandeid

kvaliteedi, ressursikasutuse ja kuluefektiivsuse

seisukohast. Ettemääramatus seisneb teadmatuses

kas ja milliste meetodide abil on võimalik saavutada

kirjeldamise kvaliteet, mis on võrreldav teiste

kinniste ja kulukamate lahendustega. Samuti ei tea

me milline mudel, selle suurus või peenhäälestuse

meetod annab parima tulemuse.

Süsteemsus Projekti esimeses etapis kaardistatakse valdkonna

vajadused laiemalt ehk ei piirduta kitsalt vaid RaRa

vajadustega.

Teises etapis viiakse läbi rakendusuuring kolme

omavahel seotud ülesandega, iga ülesande puhul

hinnatakse erinevate mudelite ja lahenduste mõju

tulemuste kvaliteedile ja ressursikasutusele.

Katsetused viiakse läbi ühtsetel sisendandmetel ja

tulemusi võrreldakse määratud kvaliteedinäitajate

alusel.

Ülekantavus või korratavus Projekt on kavandatud selliselt, et tulemused on

korratavad kui ka ülekantavad teistel mäluasutustele.

Seda tehakse läbi protsessi dokumenteerimise ja

tutvustamise, eksperimendid tuginevad määratletud

sisendandmetel, uurimisküsimustel ja

kvaliteedinäitajatel. See võimaldab katseid korrata ja

valideerida. Ülekantavust suurendab veelgi avatud

koodiga arendusmudel, mida on võimalik teistel

lahendust juurutada.

6. Projekti eelarve ja ajakava

Lisa iga etapi ning tegevuse juurde tegevuse kirjeldus, algus ja lõpp ning eelarve.

I etapp 01.09.2026- 31.12.2026 RaRa valdkonnaekspertide poolt valmib

ärinõuetele vastav tehniline kirjeldus (5880€) ning

projektijuht valmistab ette ja viib läbi riigihanke

(3208€). Kõikide siin olevate ja järgnevate tasude

puhul (va riigihankega hangitav) on aluseks võetud

hetkel kehtivad RaRa töötasud, arvestatuna

lähtuvalt nende isikute projekti kaasatuse mahust.

Töötoa korraldamine valdkonna (raamatukogud,

muuseumid, arhiivid) spetsialistidele sisendi

kogumiseks, parimate praktikate jagamiseks ja

valideerimiseks, et vältida samade mudelite taas-

uurimist, analüüsimist, loomist ja kasutamist

asutuste üleselt ~2000€ koos KM.

II etapp 11.01.2027-31.05.2027 Perioodi vältel projektijuhtimine 4010€

Sobivate alus- ja treeningandmete valimine,

ettevalmistamine ning mudelite

hindamiskriteeriumite ja kvaliteedimõõdikute

määratlemine RaRa valdkonnaekspertide poolt

(9800€). Läbi riigihanke palgatud ekspertide poolt

läbi viidav rakendusuuring ja eksperimendid

(erinevate avatud ja lokaalsete mudelite sobivuse

hindamine projekti kirjelduses välja toodud kolme

lähteülesande kaudu) ning prototüüplahenduste

väljatöötamine. Samuti tööriistade valimine,

vajadusel uute loomine ja olemasolevate

tööriistade täiendamine. Valmib sisend järgmiseks

etapiks (uuring/andmete analüüs ja on kirjeldatud

kvaliteetsed sisendandmed), mis moodustab 1/3

hanke maksumusest ~28 933€ koos KM. Hanke

täpne maksumus ja etappide jaotus selgub peale

hanke läbiviimist. Hinnastamine baseerub

varasemalt valdkonnas (raamatukogud,

muuseumid, arhiivid) läbi viidud sarnastel hangetel

kus RaRa on olnud hankija rollis.

(https://riigihanked.riik.ee/rhr-

web/#/procurement/3224632/general-info,

https://riigihanked.riik.ee/rhr-

web/#/procurement/3816488/general-info,

https://riigihanked.riik.ee/rhr-

web/#/procurement/1597549/general-info )

Mudelite loomise/treenimise ressurss ~7 800€ koos

KM, hinnastamise aluseks on võetud RaRa

eelmises projektis ja hankes

(https://riigihanked.riik.ee/rhr-

web/#/procurement/7191164/general-info )

kasutatud Hetzneri

6. Projekti eelarve ja ajakava

Lisa iga etapi ning tegevuse juurde tegevuse kirjeldus, algus ja lõpp ning eelarve.

(https://www.hetzner.com/dedicated-

rootserver/matrix-gpu/) pilvelahenduses kulunud

GPU ressurss.

Puhkused 01.06.2027-30.06.2027 Puhveraeg edukale pakkujale rakenduse silumiseks

ja vajadusel mudelite üle treenimiseks.

III etapp 01.07.2027- 30.09.2027 Tulemite vastuvõtmine RaRa töötajate poolt, kelle

kaasatus projekti on 2x0.3 FTE (5880€) ja

testimine1x0.3 FTE (2408€)

Eduka pakkuja poolt valmivad treenitud mudelid,

loodud moodulid või täiendatud rakendus ja

avaldatakse tulemid (uuring/analüüs/treenitud

mudelid). Tehakse viimane väljamakse 2/3 hanke

maksumusest ~57 867€ koos KM

Projekti tulemite tutvustamine teadus- ja

mäluasutustele sh valdkonna spetisalistidele

kohalviibimisega, seminari ruumi rent koos

tehnikaga ~1000€ koos KM

Dokumentatsiooni valideerimine ja projekti

lõpetamine RaRa poolt (3208€) sh projektijuhi

töötasu

7. Kasutatavate andmete ülevaade

Ülevaade projekti käigus

töödeldavatest andmetest

Treening- ja testandmeteks on kultuuripärandi

portaali DIGAR vahendusel kättesaadavaks tehtavad

ja vaba litsentsiga raamatud, ajakirjad, ajalehed ja

jätkväljaanded eesti ja teistes soome-urgi keeltes

ning murrakutes.

Kas vajalik on läbi viia

andmekaitsealane mõjuhinnang?

Ei ole plaanis läbi viia andmekaitsealast

mõjuhinnangut kuna kasutatakse autoriõiguse alt

väljas olevat ainest ja ei töödelda eriliigilisi

isikuandmeid ning otsustusprotsessi ei ole kaasatud

tehisaru. Projekti käigus hinnatakse jooksvalt

kavandatava tehisarulahenduse mõju isikuandmete

kaitsele. Kui töötlemise laad, ulatus või eesmärk

viitab kõrgele riskile andmesubjektide õigustele ja

vabadustele, viiakse enne lahenduse kasutuselevõttu

läbi andmekaitsealane mõjuhinnang ning

rakendatakse vajalikud riskide maandamise

meetmed.

Kas projekti käigus rakendatakse

andmejälgijat?

Projekti käigus töödeldavates tekstides võib

sisalduda isikuandmeid (näiteks nimed

ajaleheartiklites), kuid nendel tekstidel pole tehtud

olemituvastust seega pole võimalik isikud nende

nime järgi üheselt tuvastada ning ei tehta päringuid

teistesse infosüsteemidesse ega registritesse seega

andmejälgija rakendamine ei kanna otstarvet.

7. Kasutatavate andmete ülevaade

Kas vajalik on täita algoritmi

kasutatavuse vorm?1

Ei kohaldu.

Kas projekti käigus avalikustatakse

avaandmeid?

Jah, tehakse kättesaadavaks RaRa Digilaboris

(https://digilab.rara.ee/) ja andmete teabeväravas

(https://andmed.eesti.ee/).

8. Muu vajalik teave vabas vormis

1

Volitused

Kontrollige e-äriregistrist2, kas Teil on äriregistri registrikaardi järgi õigus taotleja esindamiseks. Juhul, kui Teil

puudub e-äriregistris taotleja esindusõigus, saate oma esindusõigust tõendada, lisades taotlusele digiallkirjastatud

volituse.

Kinnitused

Palun tutvuge alljärgnevate tingimustega ning kinnitage, et olete nendega nõus:

Annan nõusoleku:

- teha õiguspädevale organile järelpärimisi;

- teostada taotleja suhtes toetuse andmise tingimustest tulenevaid õigusi;

- edasise infovahetuse toimumiseks elektroonilisel teel.

Kinnitan järgnevat:

- kõik taotluses esitatud andmed on õiged ning esitatud dokumendid on kehtivad ja ehtsad;

- taotluses sisalduv projekt vastab toetuse andmise tingimuste määruses sätestatud eesmärkidele ja

toetatavatele tegevustele;

- taotlejal on toetuse andmise tingimustes sätestatud projekti elluviimiseks ja haldamiseks vajalik

kvalifikatsioon või kogemus ning õiguslik, organisatsiooniline või tehniline eeldus;

- taotleja kohustub väljastama andmeid ja osutama igakülgselt kaasabi Justiits- ja Digiministeeriumile ning

teistele asutustele, kelle kohustus on teha taotluses sisalduva projekti elluviimise üle järelevalvet;

- taotleja kohustub viima projekti ellu taotluses esitatud teabe ja tingimuste alusel;

- taotleja kohustub Justiits- ja Digiministeeriumi viivitamata teavitama taotluses esitatud andmetes

toimunud muudatusest ja ilmnenud asjaolust, mis võib mõjutada taotluse kohta otsuse tegemist;

- taotlejal on nõutavad vahendid projekti omafinantseeringu tagamiseks;

- taotleja on teadlik, et toetuse saamise info ja toetuse summa avalikustatakse.

☒ Kinnitan, et kõik taotluses esitatud andmed on õiged ja täielikud, olen ülaltoodud tingimustega

tutvunud ja olen nendega nõus.

2 Juriidilise isiku otsing | e-Äriregister