Rolf Schmitz, CollectiveCrunchin toinen perustaja ja toinen toimitusjohtaja – haastattelusarja

Rolf Schmitz on CollectiveCrunchin toinen perustaja ja toinen toimitusjohtaja. Alusta muuttaa maailman ymmärrystä metsistä tarjoamalla maailmanlaajuisesti mahdollisimman tarkkaa, skaalautuvaa ja ajantasaista analytiikkaa, mahdollistamalla kestävän metsätalouden ja tuomalla läpinäkyvyyttä hiilikauppamarkkinoille.

Rolf on koulutukseltaan insinööri ja hänellä on MBA-tutkinto Manchesterin liiketoimintakoulusta. Hänellä on syvä kokemus kansainvälisestä liiketoiminnan kehittämisestä ja myynnistä, ja hän on rakentanut tiimejä Aasiassa, Yhdysvalloissa ja Euroopassa.

Voitko kertoa CollectiveCrunchin syntytarinan?

Olemme syvästi mukana suurten tietomäärien käsittelyssä ja niistä saatavien oivallusten etsimisessä. Alkuperäinen ideamme CollectiveCrunchin perustamisessa oli yhdistää ilmastodata liiketoimintaprosesseihin, koska koimme, että se oli yksi ilmastonmuutoksen laiminlyötyjä osa-alueita.

Aluksi keskityimme logistiikkaan ja energiaan. Rakensimme tuotteen, joka ennustaa tuulivoimaloiden sähköntuotantoa, mikä on tärkeää energiaverkkojen vakauden ylläpitämiseksi. Tuote on käytössä Fingridissä, Suomen kansallisverkkoyhtiössä. Havaitsimme kuitenkin, että logistiikka ja energia ovat ruuhkaisia markkinoita, joissa pieni yritys ei voi helposti saavuttaa johtavaa asemaa.

Saimme yhden perustajamme Jarkon ystävän kautta tietää metsien inventointien laatimiseen ja ylläpitämiseen liittyvistä haasteista. Ajattelimme, että siinä on hämmästyttävän alhainen teknologisen kehityksen taso. Seurauksena on, että inventoinnit ovat kalliita, epätarkkoja ja tehdään vain joka 5-10 vuosi. Metsien merkitys ilmastonmuutoksen hillinnässä, ekosysteemipalveluissa ja luonnonperusteisissa ratkaisuissa oli selvä jo silloin. Niinpä CollectiveCrunchista tuli “metsätekoälyyritys”. Henkilökohtaisesti me kaikki olemme kasvaneet maaseudulla, joten meillä on luontainen suhde metsiin. Niinpä päädyimme rakentamaan tekoälymallit metsille.

Millaisia työkaluja ja kameroita käytetään metsän seuraamiseen?

Emme erikoistu yhteen havainnointimenetelmään, vaan yhdistämme kaikki olennaiset tietolähteet, jotka saamme käyttöömme. Jokaisella aistimismenetelmällä on vahvuudet ja heikkoudet; yhdistämällä tietolähteitä voimme kompensoida heikkoudet. Esimerkiksi optiset kuvat ovat hyvin hyödyllisiä, mutta ne eivät ole saatavilla satelliiteista, kun on pilvipeite. Liiketoiminnassamme satelliittiperäinen data on tärkeää, samoin LIDAR-skannaukset siltä osin kuin niitä on saatavilla. Liiketoimintamallin kannalta emme osallistu tietojen keräämiseen, kuten drone-lennoille tai lentokoneiden vuokraamiseen alueiden skannaukseen.

Satelliittipohjaisten havaintoaineistojen lisäksi LIDAR on hyvin tärkeä työkalu tai menetelmä. Korkearesoluutioiset optiset kuvat, jotka on otettu ilmakampanjoilla, ovat vähemmän merkittäviä kuin LIDAR, mutta niitä käytetään myös. Työkalu, jota yllättäen käytetään edelleen laajasti, on vanha 1800-luvun menetelmä, jossa otetaan näytteitä manuaalisesti. Koska menetelmään liittyy paljon tilastollista käsittelyä, kutsuisin sitäkin työkaluksi.

Voidaanko järjestelmä kouluttaa erilaisiin paikallisiin ekosysteemeihin tunnistamaan taudinaiheuttajien aiheuttamia infektioita, poikkeavuuksia, häiriöitä tai muita puiden sairauksia?

On sopeutumista eri alueellisiin ekosysteemeihin, mukaan lukien muutosten havaitseminen. Puulajit, kasvumallit ja metsänhoitokäytännöt vaihtelevat suuresti alueittain. Samoin tekevät tietojen keräämismenetelmät ja -käytännöt. Siksi paitsi puut myös koulutusdata ovat erilaisia.

Millaisia käytännön toimia tukevia tietoja voidaan saada tästä tiedosta?

• Ryhmittyneenä “muutosten havaitsemiseksi” voimme havaita myrskyn vahingot, tuhohyönteisten puhkeamisen ja muita negatiivisia vaikutuksia, jotka vaativat toimenpiteitä maanpinnalla ja rajoittavat vahinkojen vaikutusta.
• Hiili-inventoinnit tuovat läpinäkyvyyttä hiilihankkeisiin ja helpottavat päätöksiä hankkeiden ja hyvitysten arvon määrittämisestä ja ostamisesta.
• Metsityshankkeissa uusien puiden elinkyky riippuu oikeasta määrästä kosteutta maassa. Liiallisen kuivuuden tai märkyyden havaitseminen voi käynnistää toimia, joilla estetään nuorten puiden kuoleminen.
• Metsän inventoinnit kaupallisessa metsänhoidossa ohjaavat päätöksiä, kuten alueiden harvennusta (joka lisää kasvua) ja hakkuiden optimointia. Lajitunnistus tekee toimitusketjun tehokkaammaksi ja lisää voittomarginaaleja. Yhdessä nämä mahdollistavat teollisuuden käyttää metsävaroja tehokkaammin. Tämä on tärkeää, koska suurin osa kaupallisesta metsästä on avainasemassa maaseutuyhteisöjen ylläpitämisessä ja kiertotalouden tuotteiden ja pakkausten omaksumisessa.
• Luonnon monimuotoisuuden seuranta voi laukaista toimenpiteet, jos alue kärsii degradaatiosta. Lajien monimuotoisuus on tärkeää, jotta metsämme tulevat kestävämmiksi ilmastonmuutoksen keskellä.

Miten analytiikka hyödyttää kestävää metsänomistusta?

Useat hyödyt tulivat esiin. Ensinnäkin kaupallinen metsätalous ottaa jatkuvasti käyttöön uusia toimia kestävyyden parantamiseksi. Monet näistä vaativat parempaa ja syvempää analytiikkaa. Esimerkiksi: avohakkuut, joissa metsäalueen puusto hakataan kokonaan, vaikuttavat voimakkaasti paikalliseen ekosysteemiin. Se tehdään tehokkuuden vuoksi – monet kestävät tuotteet, kuten kuitupohjaiset pakkaukset, eivät voisi kilpailla vähemmän kestävien vaihtoehtojen kanssa, jos metsäteollisuus tulisi vähemmän tehokkaaksi. Teollisuus tutkii vaihtoehtoja, joissa vain suurimmat puut jokaisessa alueessa kaadetaan. Se on paljon kestävämpää, mutta logistiikan ja kustannusten kannalta se on hyvin haasteellista. Ja se voidaan tehdä vain viimeisimmän analytiikan avulla.

Lajien monimuotoisuus on välttämätöntä metsien kestävyydelle. Luonnon monimuotoisuuden seuranta ja tarvittaessa toimenpiteiden käynnistäminen on tärkeää metsän elinkyvylle sekä lyhyellä että pitkällä aikavälillä.

Miten järjestelmä varmistaa hiilensidontahankkeissa, että hanke vähentää kasvihuonekaasupäästöjä lupaustensa mukaisesti?

Järjestelmä saavuttaa tietyn tarkkuuden metsän inventoinnissa, joka on verifiointikelpoinen. Suurin osa viherpesusta ei tapahdu analytiikan tasolla, vaan siinä, miten projektit on rakennettu. Metsähiiliprojektit, jotka pyrkivät välttämään metsien hävittämistä, kärsivät usein kahdesta ongelmasta:

• Vertailutasot: Tämä on joukko oletuksia, jotka ennustavat, mitä tapahtuisi ilman interventiota. Interventio lasketaan sitten vertailutason ylittävänä ”lisäisyytenä”. Vertailutasot eivät tule tänä päivänä data-perusteisesta analytiikasta, vaan usein karkeista keskiarvoista. Lisäksi vertailutason laskevat hankkeiden vetäjät itse, mikä luo eturistiriidan: mitä alempi vertailutaso, sitä enemmän luotuja krediittejä.
• Vuotovaikutus: Ilmiö, jossa myönteiset asiat, jotka tapahtuvat määritellyissä projektialueissa (kuten vähennetty metsänhakkuu), kompensoituvat asioilla, jotka tapahtuvat projektialueen ulkopuolella. Usein näitä alueita ei seurata, joten projekti saa krediittejä, kun taas hyöty menetetään ympäröivissä metsissä.

Perusongelma on, että on puute data-perusteisesta analytiikasta, jolla voidaan riippumattomasti seurata tapahtumia. Tämä on mahdollista tänä päivänä, voimme tehdä sen suurimittakaavaisesti, mutta uusimman teknologian käyttöönotto on tällä alalla hyvin hidasta. Lyhyesti sanottuna, ongelma ei ole analytiikassa, vaan siinä, mihin hyvitysten laskenta perustuu.

Onko teillä case-tutkimuksia, joita voitte jakaa asiakkaiden käyttäessä järjestelmää?

• ENCE, Espanjan suurin metsänomistaja, käyttää järjestelmäämme.
• Ensimmäinen ja suurin asiakkaamme on Metsähallitus (Suomen valtion metsät).
• Yhteistyökumppanimme Forliance, yksi maailman suurimmista ja arvostetuimmista hiiliprojektien johtajista, työskentelee kanssamme yhdessä Kolumbian suurimmista hiiliprojekteista.
• 7 kymmenestä suurimmasta metsämaasta Euroopan pohjoisissa maissa ovat asiakkaitamme. Viimeisin asiakkaamme, joka ilmoitetaan pian, on yksi Suomen “kolmesta suuresta”.

Millainen on visionne metsien suojelun tulevaisuudesta?

Visiomme on data-perusteinen, faktaperusteinen analytiikka luonnonperusteisissa ratkaisuissa. On hyvin selvää, että meidän on toimittava nopeasti ilmastonmuutoksen hillitsemiseksi. Tällä hetkellä suurin osa maailman metsistä inventoidaan vain joka 5-10 vuosi. Meidän pitäisi vähentää tätä aikaa kuukausittaiseen seuraamiseen, jotta voimme ymmärtää, mitä tapahtuu. Lisäksi meidän on seurattava lajien monimuotoisuutta. Ilman lajien monimuotoisuutta menetämme metsien kestävyyden ilmastonmuutoksen keskellä.

Onko mitään muuta, mitä haluaisitte jakaa CollectiveCrunchista?

Kykenemme tekemään tämän suurimittakaavaisesti. Kattavuus on 20 miljoonaa hehtaaria, noin 50 miljoonaa eekkeriä metsää. Teemme tämän tarkkuudella, joka on parempi kuin perinteiset menetelmät, joita korvaamme. Tämä on todellista, ja se mahdollistaa läpinäkyvyyden hiilidioksidikaupassa.

Kiitos hyvästä haastattelusta. Lisätietoja haluavat lukijat voivat tutustua CollectiveCrunchiin.