Startup: CollectiveCrunch vie koneoppimisen metsään

Linda Forest kertoo, mistä puuta pitäisi korjata, jotta saisi parasta mahdollista sellua tai mistä löytyvät jämäkimmät tukkipuut.

Collective Crunchin perustajat (vasemmalta oikealle): Jarkko Lipponen, Christof Danzl ja Rolf Schmitz.
Collective Crunchin perustajat (vasemmalta oikealle): Jarkko Lipponen, Christof Danzl ja Rolf Schmitz.

 

”Ennen CollectiveCrunchia työskentelin ääniteknologiayhtiö Dolbylla, ja olin pitkään seurannut koneoppimisen kehitystä”, kertoo Jarkko Lipponen. Hän on yksi vuonna 2016 perustetun CollectiveCrunchin kolmesta perustajajäsenestä. 

”Aloimme ensin yhdistellä saksalaisen kollegani Rolf Schmitzin kanssa sääasematietoja ja liikennetietoja saastekartoiksi. Saimme myytyä sovellusta Saksaan, mutta ymmärsimme nopeasti, ettei saastekartoista saanut kannattavaa liiketoimintaa. 

Pian mukaan liittyi Sonylta tuttu itävaltalainen Christof Danzl, ja kokeilimme yhdistää ilmastotietoja yritysten tietoihin. Laadimme esimerkiksi Fingridille koneoppimiseen perustuvan järjestelmän, joka ennustaa sähkönkulutusta ja tuulivoiman saatavuutta. 

Ensimmäisen rahoituskierroksen yhteydessä asiantuntijat suosittelivat meille keskittymistä metsäteollisuuteen – ja ylipäätään keskittymään liiallisen hajautuksen sijaan. Se oli hyvä neuvo. Alustamme sai tuolloin nimekseen Linda Forest. 

Metsistä on dataa kansainvälisestikin valtavia määriä. Linda hyödyntää muun muassa Esan sääsatelliittien ja erilaisten kaukokartoitussatelliittien aineistoja, ilmakuvia, laserpilviaineistoja, korkeus- ja maaperämalleja sekä metsätyökoneiden keräämää aineistoa. Meillä onkin maailman laajin aineisto harvesteridataa, jota eri konevalmistajien laitteet keräävät jo standardoidussa muodossa. 

Näiden tietojen perusteella Linda osaa kertoa esimerkiksi lämpötila- ja tuulitietoja tietystä paikasta tietyllä hetkellä historiassa. Se yhdistettynä alueen puustoon kertoo jo paljon. 

Nykyisiin satelliitti- tai laserkeilausaineistoihin verrattuna yksi Lindan vahvuuksia on puulajien tunnistus. Se pystyy ennustamaan esimerkiksi leimikon tuottaman tukki- ja sellupuun määrän huomattavasti nykymenetelmiä tarkemmin. Tarkemmat tiedot voivat tarkoittaa asiakkaalle miljoonien eurojen säästöä vuodessa. 

Koneoppimisen ansiosta metsäteollisuuden toimijat saavat siis aiempaa valmiimpia ehdotuksia metsänhoidon ja korjuun toimenpiteistä. 

Meillä kaikilla perustajilla oli osaamista big datasta ja koneoppimisesta ja itselläni myös yrittäjyydestä. Paikkatietoihin olimme perehtyneet jonkin verran, mutta yrityksen laajentuessa olemme etsineet mukaan kovan tason paikkatieto-osaajia. Se on ollut yllättävän vaikeaa. Tällä hetkellä meitä on CollectiveCrunchissa kymmenkunta. 

Vahvan teknisen osaamisen rinnalla toiminnassamme on ollut koko ajan terävä kaupallinen kulma. Emme ole hioneet Lindaa heti täydelliseksi, vaan olemme esitelleet potentiaalisille asiakkaille aihion ja selvittäneet yhdessä mitä sellaisia ongelmia asiakkaalla on, joissa Linda voisi auttaa. Parhaillaan kehitämme Lindaa niin, että se pystyy ennustamaan esimerkiksi puuston oksaisuuden. 

Tällä hetkellä meillä on asiakkaita Suomessa, Ruotsissa, Baltiassa ja Brasiliassa. Olennaista on, ettei asiakkaan tarvitse olla paikkatieto-osaaja. 

Alkukesästä teimme Metsähallituksen kanssa sopimuksen yhteistyöhankkeesta, jossa kehitetään metsänhoidon suunnittelua ja puunkorjuuta noin viiden miljoonan hehtaarin alueella. Teknologia-alustana toimii Linda Forest. Meidät on myös valittu ensimmäisenä yrityksenä Aaltoyliopiston yhteydessä toimivaan Euroopan Avaruusjärjestön hautomo-ohjelmaan. 

Tavoitteemme on olla johtava tekoäly-yritys metsäteollisuudessa, ehkä myöhemmin myös maataloudessa. Uskon, että vuoden kuluttua Linda on käytössä useissa pohjoismaisissa metsäyrityksissä ja viiden vuoden kuluttua esimerkiksi Kiinassa ja Brasiliassa.”