Miksi tutkimusinfrastruktuuri on enemmän kuin laboratorio?

Ennen ajattelin, että tutkimusinfrastruktuuri on paikka. Nykyään ajattelen, että se on kyky nähdä sama asia eri tavoilla.

Missä tämän voisi testata?

Kuulen tämän kysymyksen usein.

Joskus vastaus on laboratorio. Joskus tarvitaan reaaliaikasimulaattori. Joskus oikea sähköverkko. Joskus vastausta ei kannata ensimmäiseksi etsiä fyysisestä maailmasta lainkaan, vaan datasta, mallista tai skenaariosta.

Ja usein tarvitaan näitä kaikkia.

Siinä vaiheessa kysymys ei enää oikeastaan ole siitä, missä jokin laite voidaan testata.

Paljon kiinnostavampi kysymys on: miten saamme riittävästi ymmärrystä siitä, mitä tapahtuu, kun tämä ratkaisu tulee osaksi oikeaa järjestelmää?

Kirjoitin edellisessä tekstissäni, että validoinnin tarkoituksena ei ole poistaa kaikkea epävarmuutta. Sen tehtävänä on tuottaa riittävästi luotettavaa näyttöä seuraavan päätöksen tekemiseksi.

Mutta missä tämä näyttö syntyy?

Kaikki tutkimusinfrastruktuuri ei mahdu laboratorioon

Kun sanomme tutkimusinfrastruktuuri, ainakin minulle ensimmäinen mielikuva on pitkään ollut hyvin fyysinen.

Laboratorio. Laitteita. Mittareita. Johtoja. Ehkä kokonainen testiverkko.

Mutta osa kaikkein tärkeimmästä tutkimusinfrastruktuurista ei mahdu mihinkään konkreettiseen huoneeseen.

Se voi olla dataa. Se voi olla sähköverkon malli. Se voi olla laskentaympäristö, simulaatioalusta tai virtuaalinen malli järjestelmästä, jota ei vielä edes ole olemassa.

Ja toisessa päässä voivat olla oikeat laitteet, fyysiset laboratoriot, laitteistosilmukkasimulaatio (hardware-in-the-loop, HIL) -ympäristöt, pilotit ja lopulta itse toimiva energiajärjestelmä.

Fyysinen, digitaalinen ja virtuaalinen eivät siis ole tutkimusinfrastruktuurin vaihtoehtoja.

Ne ovat sen eri kerroksia. Ja silloin kiinnostavin kysymys alkaa olla se, mitä niiden välissä tapahtuu.

Tarvitsemme sekä mikroskoopin että kartan

Ajatellaan vaikka datakeskusta, joka esimerkkinä on poikkeuksellisen ajankohtainen.

Suomessa liittymissopimuksen tehneiden datakeskushankkeiden suunniteltu yhteenlaskettu teho lähestyy jo viittä gigawattia. Yhdessä muiden liittymissopimuksen tehneiden kulutushankkeiden kanssa ne voisivat täysimääräisesti toteutuessaan kasvattaa Suomen sähkönkulutusta lähes 40 prosenttia vuoden 2025 tasoon verrattuna. Kaikki hankkeet eivät välttämättä toteudu täysimääräisesti, mutta jo niiden mittakaava kertoo, kuinka merkittävästi sähköjärjestelmä voi muuttua.

Jos haluamme ymmärtää yhden datakeskuksen sähköistä käyttäytymistä, meidän pitää zoomata hyvin lähelle.

Miten sen kuorma käyttäytyy? Mitä tapahtuu häiriössä? Miten suojaus, tehoelektroniikka ja ohjaus reagoivat? Voiko sen kulutus joustaa silloin, kun sähköjärjestelmä sitä tarvitsee?

Tähän tarvitaan tarkkoja malleja, simulointia, reaaliaikaisia ympäristöjä ja joskus oikeaa laitteistoa.

Tarvitsemme ikään kuin mikroskoopin.

Mutta samaan aikaan pitäisi osata ottaa monta askelta taaksepäin.

Mitä tapahtuu, jos datakeskuksia tulee monta?

Mihin ne sijoittuvat? Tarvitaanko uusia verkkoja, lisää tuotantoa, varastointia tai säätövoimaa?

Ja aivan tavallisen sähkönkäyttäjän näkökulmasta kysymys muuttuu nopeasti hyvin konkreettiseksi: mitä tämä kaikki tarkoittaa minun sähkölaskulleni tai siirtomaksulleni?

Tästä käydään jo julkista keskustelua. Yksi näkemys on, että datakeskusten kasvu houkuttelee samalla uutta sähköntuotantoa eikä siksi välttämättä nosta hintoja pysyvästi. Toisaalta on kysytty, kuuluuko vastuu tuotannon ja jouston riittävyydestä myös suurille kuluttajille.

Kysymys ei siis ole vain siitä, kuinka paljon sähköä datakeskus käyttää. Olennaista on, mitä sen tulo tekee koko järjestelmälle — tuotannolle, verkoille, joustolle, investoinneille ja lopulta kustannusten jakautumiselle.

Tutkimusinfrastruktuuri ei kerro meille, kuka kustannukset pitäisi maksaa.

Mutta ehkä tutkimusinfrastruktuurin tehtävä on auttaa näkemään seurauksia silloin, kun ne ovat vielä vaihtoehtoja — eivät vielä kustannuksia. Sen pitäisi auttaa tuottamaan tietoa, jonka perusteella voidaan tehdä parempia päätöksiä.

Mitä datakeskus todella tekee verkolle? Missä sen sijainti aiheuttaa vähiten lisäinvestointeja? Entä jos useat suuret kuluttajat käyttäytyvät samaan aikaan samalla tavalla?

Entä mitä tapahtuu, jos samaan aikaan sähköistyvät teollisuus, lämmitys ja liikenne ja järjestelmään tulee yhä enemmän sääriippuvaista tuotantoa?

Siinä kohtaa mikroskooppi ei enää riitä.

Tarvitsemme kartan.

Mikroskooppi ja kartta eivät saa kertoa eri tarinaa

Koko sähköjärjestelmää ei voi rakentaa laboratorioon vain nähdäksemme, mitä tapahtuu. Osa tulevaisuuden järjestelmästä ei ole vielä edes olemassa.

Tarvitsemme siis skenaarioita, dataa, optimointia, malleja ja simulointia.

Mutta mikroskooppi ja kartta eivät saa kertoa eri tarinaa. Fyysisen kokeen pitäisi tarkentaa mallia, ja mallin puolestaan kertoa, mitä kannattaa seuraavaksi testata. Jos pilotissa tapahtuu jotain odottamatonta, sen pitäisi palata takaisin simulointiin: miksi emme nähneet tätä aiemmin? Samalla simuloinnin pitäisi nostaa esiin tilanteita, joita emme olisi osanneet laboratoriossa kokeilla.

Tämä ei siis ole yksisuuntainen matka mallista kohti todellisuutta.

Se on jatkuvaa liikkumista niiden välillä.

Datakeskuksissa tästä on tulossa konkreettista myös sääntelyn vuoksi. Fingrid valmistelee KJV2026-vaatimuksia yli 30 megawatin suurille kulutuslaitoksille, kuten datakeskuksille. Vaatimukset koskevat muun muassa häiriösietoisuutta ja verkosta otettavan tehon rajoittamista. Tavoitteena on saada ne voimaan maaliskuussa 2027.

Silloin tutkimuskysymys muuttuu käytännön kysymykseksi.

Miten osoitamme, että vaatimukset todella täyttyvät?

Silloin kysymys ei enää ole vain siitä, miten järjestelmä käyttäytyy. Se pitää myös pystyä osoittamaan. Siihen tarvitaan malleja, mittauksia, simulointia ja fyysistä testausta.

Katkos voi syntyä, vaikka mitään ei pakata laatikkoon

Kun puhumme tutkimusinfrastruktuurien hajanaisuudesta, ajattelemme helposti fyysistä ongelmaa.

Laite testataan täällä. Sitten se pakataan laatikkoon ja lähetetään seuraavaan laboratorioon. Odotetaan vuoroa. Tehdään seuraava testi. Se on aivan todellinen ongelma.

Mutta katkos voi syntyä myös ilman, että yksikään laite liikkuu. Data jää yhteen järjestelmään. Mallin oletuksia ei tunneta seuraavassa vaiheessa. Simulaation lähtötilanne ei vastaa sitä, mitä fyysisessä kokeessa mitattiin. Yhdessä projektissa syntynyttä mallia ei pystytä käyttämään seuraavassa.

Tai testi tuottaa hyvän tuloksen, mutta seuraava toimija ei tiedä riittävästi siitä, miten tulos syntyi voidakseen nojata siihen omassa päätöksessään.

Silloin menetämme jotain ehkä arvokkaampaa kuin aikaa.

Menetämme oppimisen jatkuvuuden.

Kuolemanlaaksossa ei aina puutu vain rahaa

Innovaatioiden kuolemanlaaksosta puhutaan usein rahoitusongelmana. Ja tietenkin raha voi loppua. Mutta joskus puuttuu jotain muuta: näyttö, jonka perusteella seuraava taho uskaltaa tehdä päätöksen. Yritys tietää, että ratkaisu toimii omassa testissään. Mutta verkkoyhtiö tarvitsee toisenlaista näyttöä. Asiakas kysyy jotain muuta. Sertifioija tarvitsee dokumentoidun menettelyn ja tulokset, joihin voidaan jälkikäteen palata. Investoija puolestaan haluaa ymmärtää, kuinka suuri epävarmuus vielä on.

Sama teknologia. Eri päätökset. Eri kysymykset.

Siksi ei riitä, että testi on tehty. Näytön pitää olla ymmärrettävää myös sille, joka ei ollut paikalla. Tässä yhteisesti sovitut menettelyt – ja siellä missä niitä tarvitaan myös akkreditointi – alkavat näyttää aivan muulta kuin byrokratialta.

Ne ovat yksi tapa rakentaa luottamusta organisaatiorajan yli.

Ehkä yhteinen ei tarkoitakaan yhteistä rakennusta

Mikroskooppi, kartta ja niiden välinen yhteys eivät siis ole vain teknisiä kysymyksiä. Ne ratkaisevat, säilyykö kerran syntynyt ymmärrys silloin, kun vaihe, ympäristö tai toimija vaihtuu.

Tämä on myös muuttanut omaa käsitystäni siitä, mitä yhteinen tutkimusinfrastruktuuri tarkoittaa.

Sen ei tarvitse tarkoittaa paikkaa, johon kaikki laitteet kerätään. Se voi tarkoittaa yhteistä pääsyä erilaisiin kyvykkyyksiin. Yhteensopivia malleja ja dataa. Rajapintoja, joiden kautta eri paikoissa olevat fyysiset, digitaaliset ja virtuaaliset ympäristöt voidaan tuoda saman tutkimuskysymyksen ympärille. Ja yhteisiä tapoja dokumentoida sitä, miten näyttö syntyi ja mitä sillä voidaan — ja ei voida — osoittaa.

Harvan organisaation on järkevää rakentaa kaikkea itse. Eikä tarvitsekaan.

Ratkaisevaa on se, pystymmekö rakentamaan yhteydet.

Juuri tätä kysymystä tarkastelemme parhaillaan Novel Power Infra -työssä. Siinä kiinnostavin kysymys ei minusta ole enää se, mitä yhdessä paikassa voidaan tehdä, vaan mitä pystymme ymmärtämään silloin, kun eri kyvykkyydet saadaan toimimaan yhdessä. Konseptia on kuvattu tarkemmin syyskuussa 2026 julkaistussa Novel Power Infra -white paperissa.

Mitä pystymme näkemään vasta silloin, kun fyysiset, digitaaliset ja virtuaaliset ympäristöt kytkeytyvät toisiinsa?

Tärkein tuote ei ehkä ole testitulos

Tutkimusinfrastruktuuri ei tietenkään ratkaise kaikkea.

Se ei poista epävarmuutta. Se ei tee huonosta teknologiasta hyvää.

Eikä yhteisen infrastruktuurin ylläpito ole ilmaista. Jonkun on pidettävä data käytettävänä, mallit kunnossa ja ympäristöt toimintakykyisinä myös silloin, kun mikään projekti ei niitä juuri käytä. Siitä seuraa vaikeita kysymyksiä omistuksesta, rahoituksesta, avoimuudesta ja siitä, kuka kokonaisuutta orkestroi.

Näitä kysymyksiä tutkin itse tällä hetkellä. Enkä vielä tiedä kaikkiin vastauksia.

Mutta yhden asian näen nyt selvemmin kuin ennen.

Tutkimusinfrastruktuurin arvo ei lopulta synny pelkästään sen laitteista, datasta, malleista tai laskentatehosta. Se syntyy siitä, pystymmekö liikkumaan mikroskoopin ja kartan välillä menettämättä yhteyttä todellisuuteen.

Yksittäisestä laitteesta koko järjestelmään. Fyysisestä digitaaliseen ja virtuaaliseen – ja takaisin. Yhden toimijan tuottamasta tiedosta seuraavan päätöksen perustaksi.

Ja ehkä tarvitsemme vielä kompassin. Mikroskooppi auttaa näkemään tarkasti, kartta hahmottamaan kokonaisuuden ja kompassi käyttämään syntynyttä ymmärrystä siihen, mihin suuntaan seuraavaksi kannattaa mennä.

Ehkä tutkimusinfrastruktuurin tärkein tuote onkin lopulta luottamus.

Ei varmuus siitä, että kaikki toimii. Vaan riittävä luottamus siihen, että ymmärrämme, mitä tiedämme, mitä emme vielä tiedä – ja mitä pitäisi seuraavaksi testata.

Ja kun tutkimusinfrastruktuuri voi olla myös dataa, malleja ja virtuaalisia ympäristöjä, edessä on vielä yksi kiinnostava kysymys.

Voimmeko testata energiajärjestelmää ennen kuin sitä on edes olemassa?

Ehkä voimme ainakin tehdä joitakin tulevaisuuksia näkyviksi ennen kuin rakennamme niistä yhden.