Mikko Axelsson Datakeskusten ympäristövaikutukset Millaisilla menetelmillä pystymme luomaan hiilineutraaleja datakeskuksia? Vaasa 2022 Tekniikan ja innovaatiojohtamisen yksikkö Tietojärjestelmätieteen Pro gradu -tutkielma 2 VAASAN YLIOPISTO Tekniikan ja innovaatiojohtamisen yksikkö Tekijä: Mikko Axelsson Tutkielman nimi: Datakeskusten ympäristövaikutukset Millaisilla menetelmillä pys- tymme luomaan hiilineutraaleja datakeskuksia? Tutkinto: Kauppatieteiden maisteri Oppiaine: Tietojärjestelmätiede Työn ohjaaja: Tero Vartiainen Valmistumisvuosi: 2022 Sivumäärä: 72 TIIVISTELMÄ: Datakeskusten olemassaolo on välttämättömyys tietojärjestelmien ja nykyaikaisen informaa- tioteknologian olemassaololle. Datakeskusten päätehtävänä on tallentaa ja käsitellä kaikkea globaalisti tuotettua sähköistä dataa. Datan määrän räjähdysmäinen kasvu on johtanut data- keskusten energiankulutuksen suureen kasvuun. Datakeskusten tuotannosta aiheutuvan ener- gian kulutuksen hiilidioksidipäästöt ovat nousseet samalle tasolle kuin lentoliikenteestä aiheu- tuvat hiilidioksidipäästöt. Tutkimukset osoittavat datakeskuksista syntyvien hiilidioksidipäästö- jen olevan hyvin ajankohtainen ongelma. Hiilineutraalien datakeskusten olemassaolo on vasta nostamassa päätään globaaleissa keskusteluissa ja on löydettävä vastaus siihen, kuinka halli- taan jatkuvasti kasvava datamäärä kestävällä tavalla. Pro gradu -tutkielman tutkimusongelma- na on, millaisilla menetelmillä luodaan hiilineutraaleja datakeskuksia? Tutkimuksen tavoittee- na on määritellä tilanne, jossa datakeskusten hiilikädenjälki on keskuksissa syntyvää hiilijalan- jälkeä suurempi. Tämän työn tutkimusmenetelmänä toimii suunnittelutiede ja tutkimus toteutettiin suunnitte- lutieteisiin kehitetyn DSRM-mallin vaiheiden mukaisesti. Suunnittelutiede tukee tutkimusta, sillä tutkimusmenetelmän tarkoituksena on luoda uutta ja innovoida sen sijaan, että käsiteltäi- siin jo olemassaolevia ratkaisuja. Aineiston keräämisessä on hyödynnetty kirjallisuuskatsausta alan kirjallisuudesta, jonka jälkeen tämä aineisto on käsitelty DSRM-mallissa luoden artefakti ratkaisemaan tutkielman tutkimusongelma. Tutkimuksen tuloksena selvisi, että kestävän kehityksen mukaisten datakeskusten tuotantoon vaikuttavat seuraavat kolme päätekijää. 1) Datakeskusten käyttämän energian alkuperä: hyö- dynnetäänkö datakeskusten käyttämässä energiassa uusiutuvia energianlähteitä vai fossiilisia energianlähteitä. 2) Datakeskusten lokaatio: rakennetaanko datakeskuksia suurkaupunkeihin tukemaan niiden massiivisia tiedonkäsittelytarpeitaan ja tarjoamaan nopeampaa tiedonkulkua vai energian kulutuksen kannalta edullisimmille viileän ilman vyöhykkeille, joissa viileää ilmas- toa voidaan käyttää apuna datakeskusten jäähdytyksessä. 3) Datakeskuksista syntyvä hukka- lämpö: hyödynnetäänkö datakeskusten toiminnasta jälkituotteena syntyneen lämmön kauko- lämpöverkoissa vai pääsetäänkö tämän hukkalämpönä ilmakehään. Tutkimuksessa on luotu artefakti, joka määrittää kolmeportaisen vaatimusmääritelmän data- keskuksille. Datakeskuspalveluita tarjoavien toimijoiden tulee noudattaa luotua artefaktia ja sen jokaista askelmaa toimintaohjeen mukaisesti. Artefaktissa on hyödynnetty jo olemassa olevia teknologioita ja koottu niistä yhtenäinen kokonaisuus. Tutkimus sekä siihen liittyvä kir- jallisuuskatsaus osoittaa, että meidän on mahdollista luoda hiilineutraaleja datakeskuksia maapallolle. Jatkotutkimusta varten jääkin jäljellä kysymys siitä voimmeko luoda hiilinegatiivi- sia datakeskuksia keskittymällä yllä mainittuun kolmeen päätekijään? AVAINSANAT: datakeskus, hiilidioksidi, päästö, hiilineutraalius, informaatioteknologia, kes- tävä kehitys, uusiutuvat energianlähteet 3 Sisällys 1 Johdanto 6 1.1 Tutkimuksen tausta ja kohde 6 1.2 Tutkimuksen tavoitteet, tutkimusongelma ja rajaus 8 1.3 Tutkielman rakenne 9 2 Kestävä kehitys 10 2.1 Ympäristövastuu, sosiaalinen vastuu ja hyvä hallintotapa (ESG) 12 2.2 ISO -standardit 14 2.3 Ilmastonmuutos 15 2.3.1 Hiilijalanjälki 17 2.3.2 Hiilikädenjälki 18 3 Tieto- ja viestintäteknologian murros 20 3.1 Datakeskuksen määritelmä 22 3.1.1 Datakeskusten tavoitteet 25 3.1.2 Datakeskusten tarve 26 3.1.3 Tulevaisuuden ennusteet 29 3.2 Energian tarve 30 3.3 Tehokkuuden suhdeluvut 33 3.3.1 PUE (Power Usage Effectiveness- Energiankäytön tehokkuus ) 34 3.3.2 CUE (Carbon Usage Effectiveness- Hiilen käytön tehokkuus) 36 3.3.3 WUE (Water Usage Effectiveness- Veden käytön tehokkuus) 37 4 Suunnittelutiede 39 4.1 Tutkimusmenetelmän hyödyntäminen tässä tutkimuksessa 44 4.2 Ongelman tunnistaminen ja motivointi 46 4.3 Tavoitteiden määrittäminen 47 4.4 Suunnittelu ja kehittäminen 48 4.5 Demonstraatio 51 5 Diskussio 60 5.1 Tutkimuksen ja tulosten arviointi 60 4 5.2 Jatkotutkimusmahdollisuus 63 Lähteet 64 5 Kuviot Kuvio 1. Ympäristö vastuu, Sosiaalinen vastuu ja Hyvä hallintotapa(ESG) -kaavio 13 Kuvio 2. Ilmakehän CO2(ppm) määrän ja Globaalin lämpötilapoikkeaman (°C ) muutos 1960-2020 välillä. (NOAA 2021) 16 Kuvio 3. Varsinainen ja ennustettu tiedon määrän kasvu maailmanlaajuisesti välillä 2010-2035. *Arvot 2018 jälkeen ennusteita. (Armstrong 2019) 28 Kuvio 4. Arvioitu sähköenergian kulutus (Jones 2018). 31 Kuvio 5. Sähkön kokonaiskulutus datakeskuksessa. (Cho ja muut 2012, s.190). 32 Kuvio 6. Tietojärjestelmien tutkimuskehys (Hevner ja muut 2004, s. 80). 40 Kuvio 7. DSRM -prosessimalli (Peffers ja muut, 2007, s. 54). 42 Kuvio 8. Regressioanalyysi maailmanlaajuisesta datakeskusten keskimääräisestä PUE arvosta. (Liu ja muut 2020 s. 227) 47 Kuvio 10. Kolmen askeleen artefakti. (Zhang ja muut 2011, s.143; Lee& Chen 2013, s.111; Lu ja muut 2011, s.3371) 52 Kuvio 11. GreenWare -järjestelmä (Zhang ja muut 2011, s. 146). 54 Kuvio 12. Jäähdytysinfrastruktuuri HACA -järjestelmä. (Lu ja muut, 2011, s. 3361) 55 6 1 Johdanto Tämän luvun tarkoituksena on tutustuttaa lukija tutkimuksen kohteeseen, esittää lukijalle tutkimuksen taustaa sekä selventää tutkimuksen kulkua. Tämä osio avaa lukijalle datakeskuksien energian tarpeen kasvuun vaikuttavia syitä. Kappaleessa käydään läpi kasvanutta energiankulutusta sekä kasvaneen energiankulutuksen syy- seuraussuhdetta hiilidioksidipäästöjen kasvuun. Johdannon toisessa osiossa keskitytään tutkimuksen tavoitteiden asettamiseen, tutkimusongelman realisoimiseen sekä tutkimuksen rajauksiin liittyviin asiohin. 1.1 Tutkimuksen tausta ja kohde Vuodesta 2009 lähtien useilla uusilla teknologioilla on ollut laaja vaikutus kaikilla tieto- ja viestintäteknologioiden aloilla. Pilvipalvelutoiminta lupaa mittakaavaetua niin pääoma- kuin toimintakusannusten osalta, nopeat langattomat verkot takaavat lähes kaikkialle maailmassa ulottuvaa verkkoyhteyttä ja pienelektroniikka (älypuhelimet sekä tablettitietokoneet) tarjoavat käyttöliittymät uuden sukupolven tieto- ja viestintäteknologian infrastruktuurin hyödyntämiseksi. (Corcoran & Andrae 2013, s.1). Huolimatta siitä, että nämä kuluttajien nykypäiväiset tieto- ja viestintäteknologiat voisivat vähentää yhteiskunnan uuden digitaalisen elämäntavan kokonaiskustannuksia on myös tehty tutkimuksia, jotka kattavat kuluttajien viestintä ja teknologia -laitteiden hyödyntämien viestintäverkkojen ja niihin liittyvien datakeskusten kasvaneita energiakustannuksia. (Corcoran & Andrae 2013, s.1). Datakeskuksia voidaan luonnehtia Internetin aivoiksi. Datakeskusten tehtävänä on käsitellä, tallentaa ja välittää kaikkea sitä dataa, jota käytämme yhteiskunnassa. Tämä data koostuu videoiden suoratoistopalvelusta, sähköpostin käytöstä, sosiaalisesta 7 mediasta tai lähes mistä vain verkkoyhteistyöstä. (AGCI, 2020). Datakeskusten toimintamallista riippuen ne voivat palvella, niin sisäisiä kuin myös ulkoisia käyttäjiä tai molempia näitä käyttäjäryhmiä yhdessä (Etla, 2020). Datakeskukset käyttävät erilaisia tietotekniikkalaitteita edellä mainittujen palveluiden tarjoamiseen, nämä kaikki laitteet toimivat sähköllä. Palvelimet laskevat erilaisia algoritmeja vastauksena tietopyyntökysymyksiin, tallennusasemat tarjoavat käyttäjille tiedostot, joissa palvelupyyntöjen vastaukset sijaitsevat ja verkkolaitteet yhdistävät datakeskuksen Internettiin. Tämä kokonaisuus mahdollistaa saapuvan ja lähtevän tiedonsiirron. Näiden tietotekniikkalaitteiden käyttämä sähkö muuttuu viime kädessä lämmöksi, joka pitää poistaa datakeskuksista. Lämmön poistaminen tapahtuu yleisesti jäähdytysjärjestelmillä, jotka myöskin toimivat sähköenergian avulla. (AGCI, 2020). Vuonna 2014 Yhdysvalloissa keskimäärin palvelimet ja jäähdytysjärjestelmät veivät suurimman osan suorasta sähkönkäytöstä datakeskuksissa molemmat noin 43 prosenttia. Loput sähkönkulutuksesta syntyi tallennusasemien ja verkkolaitteiden käytöstä. (Shehabi, 2016). Maailman suurimmat palvelinkeskukset voivat sisältää useita kymmeniä tuhansia tietoteknisi laitteita ja voivat vaatia jopa 400 MW (megawatin) energiantarpeen. (AGCI, 2020). Internetin globaalien käyttäjämäärien jatkuva kasvu on myös lisännyt datakeskuspalve- luiden kysyntää ja samalla herättänyt huolta datakeskusten energiankäytön kasvusta. Vuodesta 2010 vuoteen 2018 globaali IP-liikenne (Internet Protocol) on kasvanut yli kymmenkertaiseksi. Samaan aikaan globaali datakeskusten tallennuskapasiteetti on kasvanut 25 kertaiseksi. (Masanet ja muut, 2020, s. 984). Kasvun myötä on herännyt huoli datakeskusten kuluttamasta energiasta ja niistä syntyvistä päästöistä. "Datakes- kusten energiakäyttö on ydinkysymys, kun etsimme ratkaisuja ilmaston lämpenemisen hidastamiseen. Hiilidioksidipäästöjä datakeskusten toiminnasta syntyy yhtä paljon kuin lentoliikenteestä" (Lindqvist, 2020 s.38). 8 1.2 Tutkimuksen tavoitteet, tutkimusongelma ja rajaus Tässä Pro gradu -tutkielmassa on tarkoituksena selvittää datakeskusten energiankulutusta sekä niiden hiilijalanjälkeä. Tutkielmassa tuodaan esille energiankulutukseen sekä hiilidioksidipäästöihin vaikuttavat tekijät datakeskusten osalta. Tutkimuksen päätavoitteena on selvittää kuinka pystymme luomaan datakeskuksista täysin hiilineutraaleja toimijoita. Tavoitteena on myös tarkastella paradigmaa, jossa datakeskusten hiilikädenjälki on hiilijalanjälkeä suurempi. Työssä on käytetty akateemisissa lähteissä julkaistuja tilastoja ja pyritty hyödyntämään näitä tilastoja tätä tutkielmaa tukeviksi. Tutkielman tavoitteena on löytää vastaus siihen, kuinka luoda datakeskuksista hiilineutraaleja toimijoita suunnittelututkimuksen avulla. Suunnittelututkimus koostuu kuudesta eri vaiheesta: ongelman tunnistaminen ja lukijan motivointi, ratkuisuun tarvittavien tavoitteiden määrittäminen, suunnittelu ja kehittäminen, esittely sekä arviointi ja tuloksen julkistaminen (Peffers ja muut. 2007, s. 47). Peffers ja muut (2007, s. 47) toteavat, että suunnittelututkimuksessa on mahdollista käyttää tutkimusparadigmoja, joiden tutkumustulokset ovat enimmäkseen tutkimusta selittäviä, mutta ei niinkään sovellettavissa olevia käytännön ratkaisuja. Tutkielman teoreettisen osan muodostaa datakeskusten energiankulutus, datakeskuksista aiheutuvat hiilidioksidipäästöt sekä päästöihin vaikuttavat kestävän kehityksen osa-alueita käsittelevä koti- ja ulkomainen kirjallisuus. Tutkimusympäristöstä kerättävänä aineistona toimii ammattilehdissä esiintyvät haastattelut asiantuntijoiden äänen osalta. Tutkielman tutkimusongelmana on, millaisilla menetelmillä pystymme luomaan hiilineutraaleja datakeskuksia? Tutkielma ottaa kantaa globaalisti datakeskuksien toimintaan eikä maantieteellisiä rajauksia olla määritelty tutkimuksen osalta. 9 1.3 Tutkielman rakenne Tutkielma koostuu viidestä pääluvusta, jotka voidaan jakaa kahteen osioon teoriaosioon sekä tutkimusosioon. Teoriaosuus koostuu johdanto-osuuden lisäksi kahdesta teorialuvusta. Näistä ensimmäisen tarkoituksena on käydä läpi maapalloa uhkaavaa ilmastonmuutosta sekä mahdollisia keinoja muuttaa ihmiskuntannan toimintatapoja kestävämpään suuntaan. Osiossa käydään läpi kestävän kehityksen periaate, ESG-raportointimalli, ISO-standardit sekä ilmastonmuutokseen vaikuttavat hiilidioksidipäästöt. Viimeisessä teoriaosuudessa keskitytään tutkimuskohteen eli datakeskusten vallitsevaan tilanteeseen sekä siihen vaikuttavien muuttujien läpikäymiseen. Osio alkaa tieto- ja viestintäteknologian murroksen läpikäynnillä ja johdattelee lukijan tämän hetken tilanteeseen datakeskusten osalta. Siihen kuinka tiedon määrä on kasvanut räjähdysmäisesti maapallolla ja millaisia resursseja tulevaisuuden kysyntä datakeskusten osalta tulee vaatimaan. Tutkielman jälkimmäinen osuus eli tutkimusosuus pitää sisällään luvut neljä ja viisi. Ensimmäisessä näistä paneudutaan johdantoa tarkemmin tutkimusmenetelmiin, kuinka tutkimusmenetelmiä tullaan hyödyntämään tässä tutkielmassa. Tunnistetaan olemassa oleva ongelma ja pyritään löytämään vastaus siihen, kuinka ratkaistaan ongelma datakeskuksista aiheutuneista hiilidioksidipäästöistä. Viimeisessä pääluvussa on tutkimuksen diskussio. Diskussion tarkoituksena on tuoda esille tutkimuksen vallitsevat tulokset ja analysoida niitä asioita ja teemoja, joita tulisi ottaa huomioon tulevaisuuden datakeskuksissa. Diskussio antaa sekä lukijalle että tutkijoille suuntaviivoja tutkimusongelman ratkaisuun. 10 2 Kestävä kehitys Kestävällä kehityksellä on ympäristöllisiä, poliittisia ja kulttuurisia ulottuvuuksia unohtamatta myös taloudellisia vaikutuksia globaalissa yhteiskunnassa. Kestävän kehityksen tavoite edellyttää kaikkien näiden osa-alueiden parantamista tavoilla, jotka ovat sopusoinnussa kestävän kehityksen toteutumiseen. Tähän haasteeseen lukeutuu paitsi kehitysmaiden elintason parantaminen kestävällä tavalla, myös kestämättömien teollistuneiden valtioiden toimintatapojen muuttaminen kestävämmiksi käytännöiksi. (Holdren, 2007, s. 737). Sivilisaation kyky vastata tähän valtavaan haasteeseen on riippuvainen meidän yhteiseen tietämykseen luonnontieteistä sekä teknologian antamista mahdollisuuksista. Haasteeseen vaikuttaa myös tietämyksemme yhteiskuntatieteistä, sosiaalisesta teknologiasta, liiketoiminnasta, hallituksien ja lakien muodosta sekä halusta yhdistää nämä elementit kestävän ja hyvinvoivan globaalin yhteiskunnan tavoitteeksi. Mikään edellä mainituista elementeistä ei ole yhtä haastava kuin energiaratkaisut. Tämä johtuu osittain siitä, että energiansaanti on tiivisti sidoksissa kansalliseen ja kansainväliseen turvallisuuteen sekä moniin haitallisiin ympäristöongelmiin, aina sisäilman laadusta maailmanlaajuiseen ilmastonmuutokseen. (Holdren, 2007, s. 737). Teollisen vallankumouksen aikana lähtökohtaisesti tehtaiden energiankulutus pohjautui fossiilisten polttoaineiden sekä kivihiilen käyttöön, josta syntyy jälkituotteena hiilidioksidipäästöjä ilmakehään. Teknologian vallankumouksen aikana elämme kuitenkin aikaa, jolloin datakeskusten on mahdollista valita myös kestävämpiä energiavalintoja ja näin mahdollisesti vähentää hiilidioksidipäästöjään sekä sitoutua kantamaan vastuuta palveluidensa hiilijalanjäljestä. (Greenpeace International, 2011, s. 4). Tämä on yksi esimerkki teknologian mahdollisuuksista parantaa kestävän kehityksen näkökulmaa. 11 Vuonna 2015 Yhdistyneiden kansakuntien jäsenmaat solmivat globaalit kestävän kehityksen tavoitteet New Yorkissa järjestetyssä huippukokouksessa. Tavoitteena oli luoda ohjeet kestävän kehityksen edistämiseksi vuoteen 2030 asti. YK:n päämääränä tavoitteiden asettamiselle oli muuttaa globaalin kehityksen suuntaan niin että ihmisten hyvinvointi ja ihmisoikeudet, talouden vaurastuminen ja yhteiskuntien tasapaino turvataan ympäristön kantokykyä rasittamatta. Tämän lisäksi päämäärään kuului äärimmäisen köyhyyden poistaminen maailmasta. (Suomen YK-liitto, 2017, s. 1) Tämä päämäärä "Agenda 2030" sisältää yhteensä 17 tavoitetta sekä 169 tarkentavaa alatavoitetta. Nämä tavoitteet koskevat kaikkia maailman maita yhtäläisesti sekä ne tulisivat nähdä kaikkien meidän yhteisinä tavoitteina. Tavoitteiden täyttyminen edellyyttääkin jokaisen yhteiskunnan toimijan osallistumista sekä panosta toimia kestävän kehityksen periaatteella. Yksityisen sektorin aktiivisuus näiden tavoitteiden täyttymiselle on merkittävässä roolissa kansallisten hallitusten lisäksi. (Suomen YK- liitto, 2017, s. 2-3). Globaaleille yrityksille Agenda 2030 tarjoaa kansainvälisen kestävän kehityksen viitekehyksen ja samalla tuo esille maailman laajusiset haasteet, joiden ratkaisemisesta yritykset voivat luoda uudenlaista liiketoimintaa. (Suomen YK-liitto, 2017, s. 2-3). Kestävän kehityksen Agenda 2030 toteutuskeinoihin sisältyy uusia keinoja, kuten teknologian edistämismekanismit ja teknologiapankki. Näiden toteutuskeinojen avulla pyritään helpottamaan kohtuuhintaisten ja kestävien teknisten ratkaisujen siirtoa vähiten kehittyneille maille kehitys- ja ympäristöongelmien ratkaisemiseksi. (Managi ja muut, 2021, s. 1). Managin ja muiden (2021, s.1) mukaan aiemmat pyrkimykset rakentaa toimivia mekanismeja teknologian leviämiseen YK:n tasolla ei kuitenkaan anna juurikaan aihetta optimistisyyteen. Useinmiten nämä ponnistelut ovat johtaneet mekanismejen epäjohdonmukaiseen hajaantumiseen YK:n eri yksiköiden välillä sekä yhteisen 12 institutionaalisen rakenteen puuttumiseen, jonka avulla pystyisimme suorittamaan tasapuoliset koordinointi- ja fasilitointitehtävät näiden mekanismien jakamisen osalta. Poliittisella kentällä on myös merkityksensä tavoitteiden saavuttamisessa niin teknologiapolitiikan, kehityspolitiikan, ulkopolitiikan, turvallisuuspolitiikan kuin kauppapolitiikan osa-alueilla (Suomen YK-liitto, 2017, s. 3). Tämä voi kuitenkin aiheuttaa ristiriitoja yhteiseten tavoitteiden saavuttamiseksi. Sosioekonomisen kehityksen eri vaiheissa olevat maat tarvitsevat hyvin erilaisia teknologiapolitiikan tavoitteita ja mekanismeja riipuen heidän tilanteestaan. Teollisuusmaat saattavat haluta käyttää tiettyjä tiede-, teknologia- ja innovaatiopoliittisia ratkaisuja auttaakseen teollisuuttaan säilyttämään tai lisäämään kilpailuetuaan globaaleilla markkinoilla. Kehitysmaiden poliitikot taas saattavat haluta käyttää hyvin erilaisia strategioita suojellakseen vastasyntynyttä kotimaista teollisuuttaan tai sosiaalisten peruspalveluidensa tarjoamisen varmistamiseksi. (Managi ja muut, 2021, s. 2). Yritysten vastuullisuutta on myös alettu tarkastelemaan ja mittaamaan. Yhtenä globaalisti tunnettuna mittausjärjestelmänä käytetään ESG (Ympäristövastuu, sosiaalinen vastuu ja hyvä hallintotapa) arviointikehikkoa. ESG arviointikehikon lisäksi yritysten vastuullisuuden arvioinnin apuna voidaan hyödyntää myös kansainvälisiä ISO standardeja. 2.1 Ympäristövastuu, sosiaalinen vastuu ja hyvä hallintotapa (ESG) Ympäristövastuu, sosiaalinen vastuu ja hyvä hallintotapa englanniksi lyhennettynä ESG muodostuu sanoista environmental, social ja corporate governance. ESG:n tavoitteena on ottaa huomioon taloudellisten tekijöiden lisäksi ympäristölliset, sosiaaliset (yhteiskunnalliset) sekä hallinnolliset tekijät sijoituspäätöksiä tehdessä. ESG:tä 13 voidaankin pitää arviointikehikkona yritysten vastuullisuutta analysoitaessa. ESG on tietynlainen arvio yrityksen tunnollisuudesta sosiaalisten ja ympäristötekijöiden suhteen. Tyypillisesti arvio kootaan yrityksen aineettomiin hyödykkeisiin liittyvistä tiedoista. Näitä tietoja käytetään lukemattomiin erityistarkoituksiin ja niiden perimmäisenä tavoitteena on mitata yrityksen tai liiketoimminnan kestävyyteen ja yhteiskunnallisiin vaikutuksiin liittyviä elementtejä. (Kocmanová ja muut, 2016, s.1-2). Kuvio 1. on mallinnettu millaisia muuttujia ESG arviointikehikko voi esimerkiksi pitää sisällään. Kuvio 1. Ympäristö vastuu, Sosiaalinen vastuu ja Hyvä hallintotapa(ESG) -kaavio 14 Pedersenin ja muiden (2020, s. 572) mukaan ESG arviointikehikolla on kaksi erilaista roolia. ESG antaa tietoa yrityksen perustekijöistä sekä vaikuttaa sijoittajien mieltymyksiin. Pedersen ja muut (2020, s. 573) ovat kuvanneet kolmenlaisia sijoittajamalleja. U-tyypin sijoittajat (ESG-unaware) eivät ole tietoisia ESG-pisteistä ja pyrkivät yksinkertaisesti maksimoimaan ehdottoman varianssin hyödyllisyyden. A- tyypin sijoittajilla (ESG-aware) on myös varianssin mieltymykset, mutta he käyttävät ESG pisteitä päivittääkseen näkemystään riskeistä ja tuotto-odotuksista. M-tyypin sijoittajat (ESG-motivated) käyttävät ESG-tietoja ja he haluavat myös korkeita ESG- pisteitä. Toisin sanoen M-tyypin sijoittajat etsivät sijoitussalkkuja, jossa on optimaalinen suhde korkean tuoton, alhaisen riskin ja korkean keskimääräisen ESG- pistemäärän välillä. Vaikka näiden kolme ominaisuuden; riskien, tuoton ja keskimääräisen ESG luvun optimointi voi kuulostaa mahdottomalta. Pedersen ja muut (2020, s. 573) kuitenkin osoittavat, että sijoittajan ongelmaa optimoidan näitä kolmea ominaisuutta samaan aikaan voidaan vähentää ESG:n ja Sharpen luvun välisellä kompromissillä ja näin mahdollistaa näiden kolmen ominaisuuden optimaalinen suhde. 2.2 ISO -standardit Yhä useammat organisaatiot ympäri maailmaa ovat ottaneet käyttöön erilaisia hallintajärjestelmä standardeja, joita kutsutaan myös metastandardeiksi. Nämä metastandardit perustuvat erilaisiin johtamisperiaatteisiin ja institutionaalisiin järjestelyihin. Yhtänä metastandardeina toimivat ISO 14001 ja ISO 9001, jotka on omaksuttu yli 1,3 miljoonassa organisaatiossa maailmanlaajuisesti. ISO 9001 -standardi toimii laadunhallintajärjestelmänä eräänlaisena johtamistyökaluna ja se perustuu tehtävien systematisointiin ja formalisointiin. ISO 14001 -standardi on linkitetty yritysten ympäristövaikutuksiin. (Heras-Saizarbitoria & Boiral, 2013 s.47;49). ISO standardijärjestö on kuvaillut ISO 14001 -standardin standardiksi joka asettaa kriteerit ympäristöjärjestelmälle ja tämä järjestelmä on sertifoitaessa. Standardi 15 kartoittaa puitteet, joita yritys tai organisaatio voi noudattaa rakentaakseen tehokkaan ympäristöjärjestelmän. Standardi toimii suunnitelmana kaikentyyppisille organisaatioille riippumatta niiden toiminnasta tai toimialasta. Standardi voi tarjota yrityksen johdolle ja työntekijöille sekä ulkopuolisille sidosryhmille varmuuden siitä, että ympäristövaikutuksia mitataan ja parannetaan standardin omaamassa yrityksessä. (ISO Internal Organization for Standardization, 2022). 2.3 Ilmastonmuutos Ihmisten elämän vaikutukset maapallolla viime vuosikymmenten aikana ja erityisesti teollinen vallankumous ovat johtaneet fossiilisten polttoaineiden poltamisesta aiheutuvan kasvihuonekaasujen pääasiassa hiilidioksiidin tuotannon jatkuvaan kasvuun. Hiilidioksidin kerääntyminen ilmakehään estää auringonvalosta syntyvien infrapunasäteilyjen ulospääsyn avaruuteen ja tämän seurauksena infrapunasäteily lämmittää maapalloa.(MayorsIndicators, 2008). Tätä hälyttävää tapahtumaa, jossa maapallon pinnan sekä valtamerien lämpötilat jatkuvasti nousevat kutsutaan ilmaston lämpenemiseksi. Ilmaston lämpeneminen puolestaan saa aikaan ilmaston rajut muutokset, joihin liittyvät pidentyneet kuivuusjaksot, helleaaltojen esiintymisien tihentymiset, rankkasateet sekä muut luonnon katastrofit, kuten vesistöjen tulvimiset. Alla olevassa taulukossa on kuvattu ilmakehän CO2 ppm muutosta sekä globaalia lämpötilapoikkeamaa vuosien 1960-2020 välillä.(MayorsIndicators, 2008). 16 Kuvio 2. Ilmakehän CO2(ppm) määrän ja Globaalin lämpötilapoikkeaman (°C ) muutos 1960-2020 välillä. (NOAA 2021) Hiilineutraalisuuden määritelmä syntyy, kun hiilidioksidipäästöjä luodaan maksimissaan sen verran kuin hiilidioksidia pystytään sitomaan ilmakehästä hiilinieluihin. Hiilineutraalisuuden eli nollapäästöjen saavuttamiseksi koko maailman kasvihuonekaasupäästöt tulisi kyetä ottamaan talteen. Hiilinieluksi voidaan nähdä esimerkiksi luonnon omat objektit, kuten maaperä, metsät sekä valtameret. Näiden arvioidaan Euroopan parlamentin mukaan sitovan 9,5-11 gigatonnia hiilidioksidia vuosittain. (Euroopan parlamentti, 2021). Luonnon omien hiilinielujen lisäksi hiilidioksidipäästöjä voidaan kompensoida käyttämällä uusiutuvia energianlähteitä, panostamalla energiatehokkuuteen tai hyväksikäyttää vähähiilisiä teknologoita. (Euroopan parlamentti, 2021). IPCC (Intergovernmental Panel on Climate Change) on luonut 1,5 asteen raja- arvosuosituksen, jolloin pystyisimme asiantuntijoiden mukaan vielä ennustamaan maapallolla syntyvää ilmastonmuutosta. Päästäkseen tämän suositellun arvon alle 0 0,1 0,2 0,3 0,4 0,5 0,6 0,7 0,8 0,9 1 0 50 100 150 200 250 300 350 400 450 1960 1970 1980 1990 2000 2010 2020 Ilmakehän CO2 (ppm) Globaali lämpötilapoikkeama (°C) 17 meidän tulisi saavuttaa hiilineutraalius maapallolla vuosisadan puoliväliin mennessä. Hiilineutraaliuden tavoite on kirjattu myös Pariisin ilmastosopimukseen. Kyseisen sopimuksen on allekirjoittanut 195 maata, EU mukaan lukien. 2.3.1 Hiilijalanjälki Hiilijalanjäljestä on tullut laajasti käytetty termi ja käsite julkisessa keskustelussa vastuullisuudesta ja ilmastonmuutoksen torjuntatoimissa. Hiilijalanjäljen julkisuus on lisääntynyt viime vuosikymmeninä valtavasti ja se esiintyy laajalti tiedotusvälineissä, politiikassa ja liike-elämässä. On tärkeä ymmärtää mitä konkreettisesti tarkoittaa termi hiilijalanjälki, kuinka sitä mitataan ja mitkä asita termi kattaa. Pertsovan (2007, s. 5) mukaan hiilijalanjäljelle on olemassa seuraavanlainen määritelmä. Hiilijalanjälki on hiilidioksidipäästöjen yksinomaisen kokonaismäärän mitta, joka on suoraan ja välillisesti aiheutunut toiminnasta tai joka kertyy tuotteen elinkaaren aikana. Tämä sisältää yksilöiden, väestöryhmien, hallitusten, yritysten, organisaatioiden, prosesseiden ja teollisuuden toiminnan. Siihen kuuluvat palvelut sekä tavarat. Se ottaa huomioon kaikki suorat (paikanpäällä tapahtuvat sisäiset) ja epäsuorat (laitoksen ulkopuoliset, ulkoiset, sisältyneet, alku- sekä loppupään) päästöt. Määritelmä ei ilmaise hiilijalanjälkeä pinta-alaperusteisena indikaattorina vaan hiilidioksidin kokonaismäärä mitataan fyysisesti massayksikköissä (Kg, t). Nimensä mukaisesti hiilijalanjälki sisältää vain hiilidioksidin eikä esimerkiksi metaania, joka on myös yksi kasvihuonekaasuista mikä aiheuttaa myös ilmastonlämpenemistä hiilidioksidin tavoin. Kattavan kasvihuonekaasuindikaattorin tulisi sisältää kaikki nämä kaasut, jotka aiheuttavat maapallolla ilmastonlämpenemistä. Pertsovan (2007, s.6) mukaan kuitenkin käytännöllisin ja selkein ratkaisu on määrällisesti suurimman päästeitä aiheuttavan kaasun seuraaminen eli hiilidioksidin. 18 2.3.2 Hiilikädenjälki Neljäs kansainvälinen ympäristökasvatuskonferenssi vuonna 2007 lanseerasi kädenjälkikonseptin. Kyseinen konsepti käynnistettiin kestävän kehityksen koulutustoiminnan toimenpiteenä, jonka tavoitteena on pienentää ihmisten jalanjälkeä ja tehdä maailmasta kestävämpi. Kädenjälki luotiin erityisesti symboliksi, mittaamaan ja sitouttamaan positiiviseen toimintaan kestään kehityksen edistämiseksi. Kädenjälki- konseptia voidaan soveltaa tuotteiseen, prosesseihinm yrityksiin, organisaatioihin tai yksilöihin tietyin sopeutuksin ja siinä voidaan huomioida ympäristöön tai yhteiskuntaan kohdistuvat vaikutukset. (Norris & Phansey, 2015, s.5). Kädenjäljen käsite on otettu käyttöön mittaamaan ja viestimään toimien myönteisiä muutoksia ja hyödyllisiä vaikutuksia, kun taas jalanjälki mittaa negatiivisia vaikutuksia päästöihin ja resurssien kulutukseen. Organisaatioiden toimet luovat aina jonkinlaisen jalanjäljen, mutta se voi myös tuoda myönteisiä muutoksia ja etuja ympäröivään maailmaan. Arvioita näistä myönteisistä vaikutuksista kutsutaan kädenjäljiksi (Norris & Phansey, 2015, s. 5). Norrisin ja Phanseyn (2015) mukaan tuotteeseen voidaan luoda kädenjälki joko estämällä tai välttämällä negatiiviset vaikutukset (jalanjäljet), joita muuten olisi syntynyt tai luomalla positiivisia etuja, joita ei olisi syntynyt. joten ympäristökädenjälki huomio sinänsä tuotteen, kokonaisuuden koko elinkaaren tai toimitusketjun. Se kuvaa olennaisesti ympäristöjalanjäljen pienentämistä muun muassa vaihtoehtoisen teknologian valinnnan, energiatehokkuuden lisäämisen, kierrätyksen, uudelleenkäytön, resurssien käytön ja kokonaiskulutuksen vähentämiseksi. (Behm ja muut , 2016, s.2) Kuten jo aiemmin todettiin, hiilijalanjälki on siis omien toimien ympäristöön kohdistuvien negatiivisten vaikutusten summa, kun taas hiilikädenjälki mittaa positiivisia toimia oman tai toisen hiilijalanjäljen pienentämiseksi. 19 Kunnioitettavana tavoitteena on tehdä hiilikädenjäljestä suurempi kuin hiilijalanjäljestä. Behmin ja muiden mukaan (2016) yrityksille ja organisaatioille hiilikädenjälki auttaa laajentamaan yritysvastuun ulottuvuutta. Hiilikädenjälkeen keskittymällä yritykset voivat myös osoittaa johtajuutta, parantaa omaa suoritus- ja kilpailukykyään, kasvaa kestävämmiksi toimijoiksi sekä edistää monin tavoin yhteiskunnan toimintaa. 20 3 Tieto- ja viestintäteknologian murros 1900-luvun loppupuolella yleisin maailmaa muuttanut tekniikka oli tietokone joka mullisti modernin yhteiskunnan. Tietokoneet yhdistettiin johtamaan yritysmaailmaa, hallitsemaan teollisia prosesseja sekä pitämään ihmiset jatkuvasti yhteydessä toisiinsa. Tietoa on nyt helpompi kerätä, löytää ja käyttää kuin koskaan ennen. Se on myös runsaampaa kuin milloinkaan muulloin ihmiskunnan historiassa. (Hilbert & López, 2011, s. 60). Hilbert ja López (2011, s. 60 ) määrittelivät maailman teknisen kapasiteetin tallentaa, kommunikoida ja hyväksikäyttää tietoa seuraamalla 60 erilaista analogista ja digitaalista tekniikkaa vuosien 1986-2007 välillä. Vuonna 2007 yhteiskuntamme pystyi tallentamaan 2,9*10^20 optimaalisesti pakattua tavua, kommunikoimaan lähes 2*10^21 tavulla ja suorittamaan 6,4*10^18 tavua ohjeita sekunnissa yleiskäyttöisillä tietokoneilla. Tietokoneiden yleiskäyttöinen laskentakapasiteetti kasvoi 58% vuosikasvulla sekä kaksisuuntaisen tietoliikenteen kapasiteetti kasvoi 28% vuosi tahdilla. Tietokoneiden lisäksi uusien viestintä teknologioiden, kuten älypuhelinten sekä tablettien kasvu ja kehitys on ollut hyvin suurta. Televisioiden siirtyminen perusvastaannottimista digitaalisiksi media- ja viihdekeskuksiksi on ollut vallitseva trendi kulutuselektroniikan markkinoilla. Esineiden internet (IoT, Internet of Things) on termi jolla tarkoitetaan kaikkia elektronisia laitteita, jotka ovat integroitavissa esimerkiksi älypuhelinten ohjattavaksi. (Andrae & Edler, 2015, s. 118) Tietotekniikan avulla voidaan vähentää energiaintensiivisiä toimintatapoja. Tietotekniikan ansiosta ihmiskunnalla on mahdollisuus työskennellä kotona erilaisten puhelinneuvottelujen sekä etätyökalujen ansiosta. Voimme tarkkailla henkilökohtaista sähköenergian käyttöä reaaliajassa ja hallita sitä entistä tehokkaammin. Voimme kuunnella musiikkia suoraan Internetistä, lataamatta kappaleita erikseen älylaitteiden 21 kiintolevyille. Näillä vaihtoehdoilla meillä on mahdollisuus valita vähemmän energiaa kuluttavia ratkaisuja ja samalla vähentää jokaisen yksilön henkilökohtaisia kasvihuonepäästöjä ja pienentää hiilijalanjälkeä. (Greenpeace International, 2011, s. 4). Vuonna 2013 ICT-alan kokonaisenergiankulutukseksi vuositasolla arvioitiin 1500 TWh (Terawattituntia), mikä vastaa koko Japanin sekä Saksan yhteenlaskettua sähköntuotantoa. (Mills, 2013, s. 3). Vertailun kohteeksi voidaan ottaa Suomen sähkönkulutus joka oli vuonna 2019 tilastokeskuksen mukaan 86,1 TWh. (Tilastokeskus, 2020). Näiden lukujen valossa vuoden 2013 ICT-alan kokonaisenergiankulutus oli siis yli 17 kertainen koko Suomen sähkönkulutukseen 2019 vuoteen nähden. Malmodin ja muut (2010, s. 770) toteavat tutkimuksessaan, että tieto- ja viestintä teknologian sektori tuotti 1,3 prosenttia maailmanlaajuisista hiilidioksidipäästöistä vuonna 2007 ja kuluttivat 3,9 prosenttia koko maailman energiantuotosta. Laajaa keskustelua onkin noussut esiin tieto- ja viestintäteknologia (ICT) alan positiivisista sekä negatiivisista ympäristövaikutuksista. Edellä esitetyt arviot vuosittaisista energiankulutuksen tarpeista sekä niistä syntyvistä hiilidioksidipäästöistä yhdistettynä teknologian jatkuvaan ja myös nopeatempoiseen kehitykseen voi herättää kysymyksiä, kuten kuinka tulemme tulevaisuudessa kattamaan ICT-alasta syntyneen energiankulutuksen tarpeen? ja millaisia päästömääriä näiden tarpeiden kattaminen tulee maapallolle aiheuttamaan? Vaikka tietojärjestelmät ja erityisesti datakeskukset käyttävät monia runsaasti erilaisia resursseja maapallolta ja voivat aiheuttaa negatiivisia vaikutuksia ympäristöön paikkallisesti ja globaalisti, niin ne voivat myös edistää kestävää kehitystä uusien teknologioidensa ja tarjoamansa tehokkuuden avulla. (Baskerville ja muut, 2016, s. 18). 22 Informaatioteknologiasta on tullut yhä tärkeämpi kokonaisuus useiden toimialojen kestävästä liiketoiminnastaan. Uudet tietojärjestelmät ovat mahdollistaneet tehokkaampia keinoja asioiden jäljittämiseen, suunnitteluun ja sisäisten prosessien ymmärtämiseen ja näin kasvattaneet toimialojen tehokkuutta. (Andrews, 2019). Kannustin liiketoimintaprosessien muuttamiseen ei ole puhtaasti ympäristöstä kiinni, vaan muutoksen yhdistelmään on monia syitä. Kestävämpien prosessien rakentamisella on useita erilaisia ulottuvuuksia ja moni kannustimia. Kestävämpien prosessien tuomat edut ovat erilaisia ja käyttötapauskohtaisia. Tämän vuoksi prosessien parannusten mittaaminen ja kvantifiointi on usein erittäin haastavaa. Esimerkiksi resurssitehokkaammaksi tuleminen pitää sisällään vähemmän ympäristövaikutuksia, pienempiä kustannuksia, vähemmän jätettä, vähemmän työtä ja monta muuta laadullista ja määrällistä muuttujaa. Täytyy kuitenkin muista, että liiketoimintaprosessien muuttaminen ei koskaan ole täysin ilmaista. Tapauksesta riippuen siirtyminen voi aiheuttaa erilaisia lisäkuluja. Tuottavuus voi esimerkiksi laskea liiketoimintaprosessien siirtymisen oppimis- ja käyttöönottovaiheessa. Yleisesti tarkkojen muutosten laskeminen etukäteen uusissa järjestelmätoteutuksissa ei ole mahdollista. 3.1 Datakeskuksen määritelmä Datakeskus on valtava laitos, jossa on kerättynä yhteen suuri määrä prosessointitehoa tukemaan erilaisia tarpeita. Tällaisten datakeskusten koostumus vaihtelee tapauskohtaisesti, mutta lähes yksinomaan datakeskukset käyttävät erikoislaitteita, jotka tarjoavat korkean luotettavuuden ja turvallisuuden. (Wu & Buyya 2015, s.155). Datakeskuksen suorituskyky luokitellaan yleensä tasoryhmiin, mitä korkeampi luotettavuus sitä korkeampi taso. (Turner ja muut, 2006, s. 3). 23 Datakeskukset sisältävät kriittisiä tietoteknisiä resursseja valvotuissa ympäristöissä ja keskitetyssä hallinnassa, mikä mahdollistaa yritysten ympärivuotokautisen toimintansa heidän tarpeittensa mukaan. Nämä tietotekniset resurssit sisältävät seuraavat keskusyksiköt. Verkko- ja sovelluspalvelimet, tiedosto- ja tulostuspalvelimet, sovellusohjelmistot ja niitä käyttävät käyttöjärjestelmät, tallennusjärjestelmät ja verkkoinfrastruktuurin, riippumatta siitä onko kyseessä IP-osoite vai SAN- tallennusväliverkko. (Arregoces & Portolani, 2004, s. 5). Sovellukset vaihtelevat sisäisistä taloudellisista ja henkilöresursseista, ulkoiseen verkkokauppaan ja yritysten välisiin sovelluksiin. Lisäksi monet palvelimet tukevat verkkotoimintoja ja verkkopohjaisia sovelluksia. Verkon käyttösovelluksiin sisältyy NTP (Network Time Protocol), TN3270, FTP (File Transfer Protocol), DNS (Domain Name System), DHCP (Dynamic Host Configuration Protocol), SNMP (Yksinkertainen verkkohallintaprotokolla), TFTP (Trivial File Transfer Protocol), NFS (Verkkotiedostojärjestelmä) sekä verkkopohjaiset sovellukset, mukaan lukien IP- puhelinliikenne, videoiden suoratoisto IP osoitteen avulla, IP-videoneuvottelut ja kaikki muut verkossa toimivat palvelut. (Arregoces & Portolani, 2004, s. 5). Datakeskukset ovat yksinkertaisesti selitettynä huoneita tai rakennuksia, joissa sijaitsee runsaasti elektronisia laitteita. Datakeskuksia voidaan myös kutsua palvelinkeskuksiksi tai vaihtoehtoisesti tietokone- tai konesaleiksi. Yhdysvaltain ympäristövirasto määrittelee datakeskuksen seuraavasti. Datakeskus koostuu ensisijaisesti palvelimista, tallennuslaitteista sekä verkkolaitteista, jotka yhdessä käsittelee, tallentaa sekä välittää digitaalista tietoa. Tämän lisäksi datakeskuksissa on erikoistuneita sähkövirtaa ja ympäristöä valvovia laitteita, joiden avulla datakeskukset tuottavat oikean määrän energiaa ja pitävät keskusten lämpötilan sekä kosteuden asianmukaisena viestintä ja kommunikaatiolaitteiden osalta. (Geng, 2015, s. 4). Termien datakeskus ja pilviteknologia välillä vallitsee usein epäselvyyttä sekä mahdollisia väärinymmärryksiä. Perinteisellä datakeskuksella tarkoitetaan yritysten 24 sisäistä tietojen laskentalaitosta, kun taas pilviteknologia kuvaa yleisesti ulkopuolista kolmannen osapuolen palvelua (Saha ja muut, 2016, s.3). Termin selventämiseksi on hyvä erottaa datakeskukset omistajuuden perusteella. Historiallisesti paikalliset datakeskukset (On-prem datacenters) sijaitsivat organisaatioiden omissa tiloissaan. Tietojen määrän ja niiden hallintatarpeiden kasvaessa ulkoistamisesta on tullut yhä suotuisampaa. Pilvipalveluiden tarjoajat suunnittelivat ratkaisuja kasvaneeseen tiedostojen määrän hallintaan ja auttoi yrityksiä ympäri maailmaa ulkoistamaan tallennustilaa ja sovelluksia sekä lopulta koko datakeskuksien hallinnan. Tämän johdosta pilviratkaisut ovat tyypillisesti luokiteltu kolmeen kategoriaan; julkinen, yksityinen ja hybridi. Saha ja muut (2016, s.4) erottavat perinteisen ja pilvi datakeskuksen toisistaan ja näitä voidaan verrata paikalliseen yrityksen yksityiseen datakeskukseen ja julkiseen pilvi datakeskukseen. Alan johtajilta (Microsoft & Google, 2021) kerättyjen tietojen mukaan edellä esitetyt kolme kategoriaa; julkinen pilvi, yksityinen pilvi ja hybridimalli ovat avattuna omistajuuden perusteella seuraavaksi; Julkisen pilven omistaa kolmas osapuoli tai palveluntarjoaja ja käyttäjillä on pääsy pilven resursseihin internet yhteyden kautta. Julkisessa pilviratkaisussa asiakas kuitenkin jakaa nämä pilvessä olevat resurssit muiden asiakkaiden kanssa, eikä hänellä ole tietoa siitä, mitkä muut sovellukset toimivat samalla laitteistolla. Joskus jopa sovellusta isännöivän datakeskuksen sijaintia ei julkisteta käyttäjille/asiakkaille. Muihin ratkaisuihin verrattuna julkisen pilven palvelusopimuksissa on yleensä alhaisemmat kustannukset, vähemmän huoltotarvetta, vähemmän monimutkaisuutta ja korkea skaalautuvuus aste. 25 Yksityinen pilvi on tarkoitettu vain yhdelle organisaatiolle. Sen mukana tulee yleensä korkeampi tietojen itsemääräämisoikeus, tietoturva, parempi saatavuus ja organisaatiolle räätälöity muotoilu joka perustuu organisaation omiin tarpeisiin. Yksityisen pilven voi myös omistaa ja ylläpitää kolmas osapuoli, mutta tällöin palveluntarjoajan tulee tarjota asiakkaalleen ainutlaatuisia pilviresursseja. Riippuen liiketoiminnan tarpeista ja tietosuojaan liittyvistä lakisääteisistä vaatimuksista, organisaatiota voidaan pakottaa ylläpitämään datakeskusta ilman ulkopuolista palveluntarjoajaa. Tällainen paikanpäällä tapahtuva hallinta voidaan nähdä yksityisen pilven erikoistapauksena ja tällöin puhutaan organisaation omasta datakeskuksesta. Yksityinen pilviratkaisu voidaan suunnitella täydellisesti yrityksen tarpeisiin. Tämän johdosta datakeskus kykenee tarjoamaan nopeamman, luotettavamman ja turvallisemman tietojen hallintajärjestelmän, jos datakeskuksen kokonaisuus on suunniteltu oikein. Tämä lisää tietysti organisaatiossa runsaasti kustannuksia sekä sen yksityisen datakeskuksen hallinta vie organisaatiolta myös huomattavasti enemmän resursseja kuin julkinen vaihtoehto. Hybridimalli yhdistää edellä esitettyjen julkisen ja yksityisen datakeskuksen ominaisuuksia. Edellä mainitut vaatimukset saattavat siis pakottaa organisaation ylläpitämään omaa yksityistä datakeskusta tiettyjen tietojen hallinnoinnissa, mutta osa tiedoista voidaan siirtää julkiseen datakeskukseen hallittavaksi ja näin hyötyä osasta julkisen datakeskuksen eduista. Tässä skenaariossa sovellusten on toimittava molemmissa ympäristöissä ja käyttäjän tulee tietää mihin eri tiedot tallennetaan. 3.1.1 Datakeskusten tavoitteet Datakeskusten tarjoamiin etuihin kuuluvat yrityskeskeiset tavoitteet, kuten ympärivuorokautinen tuki erilaisille liiketoiminnoille, yritystoiminnan kustannusten ja liiketoimminnan ylläpitoon tarvittavien kokonaiskustannusten alentaminen ja sovellusten nopea käyttöönotto sekä tietoteknisten resurssien yhdistäminen. Edellä 26 mainittujen liiketoiminnallisten tavoitteiden saavuttamiseksi datakeskukset tarjoavat tietoteknillisiä ominaisuuksia. Tietoteknillisiksi ominaisuuksiksi voidaan nähdä sovellusten, palvelimien sekä datakeskusten yhdistäminen tietoturvallisesti keskusten sisällä, sovellusten integrointi asiakkaiden ja palvelimien välillä verkkopalveluiden avulla sekä tallennustilojen yhdistäminen yhtenäiseksi kokonaisuudeksi. (Arregoces & Portolani, 2004, s. 6). Nämä tietoteknilliset ominaisuudet luovat yhdistelmän, jonka tarkoituksena on puuttua lyhytaikaisiin ongelmiin sekä luoda yrityksille pitkän aikavälin strategista suuntaa. Ominaisuudet vaativat arkkitehtoonista lähestymistapaa tarpeettoman epävakauden välttämiseksi. Tämän vuoksi suunnittelu kriteereinä datakeskuksissa tulisi keskittyä niiden saatavuuteen, skaalautuvuuteen, turvallisuuteen sekä hallittavuuteen. (Arregoces & Portolani 2004, s. 6). Greenberg ja muut (2009, s. 51) mukaan ketterän ja kustannustehokkaan datakeskuksen tulisi sallia resurssien dynaaminen allokointi suurille palvelinaltaille. Erityisesti palvelinkeskuksen verkon tulisi mahdollistaa minkä tahansa palvelimen osoittaminen mille tahansa palvelulle. Ketteryys parantaa Greenbergin ja muiden (2009, s. 51) mukaan datakeskusten riskienhallintaa sekä kunstannusäästöjä. Ilman tätä ominaisuutta, jokaiseen tarjottuun palveluun tulisi etukäteen jakaa tarpeeksi palvelimia, joiden avulla datakeskukset pystyisivät vastaamaan niihin kohdistuviin mahdollisiin kysynnän piikkeihin. 3.1.2 Datakeskusten tarve Yhteiskuntamme vaatii valtavan määrän tietojen hallintaa ja tämä määrä kasvaa joka vuosi. Hallittavan tiedon määrän kasvu on johtanut ennennäkemättömään kasvuun myös datakeskusten osalta. Kasvuun on vaikuttanut erilaisten uusien teknologioiden synty. Näistä yhtenä esimerkkinä esineiden internet (Internet of Things, IoT). 27 Kehityksen suuntaus ei myöskään näytä pysähtyvän vaan ennusteet arvioivat sen eksponentiaalista kasvua. Yritysanalyytikoiden ja tietoalusta Statistan tuoreet luvut viittaavat siihen, että olemme vasta alussa tiedon luomisen räjähdysmäisen kasvun osalta. (Armstrong, 2019). Kuvassa kaksi on visualisoitu Statistan suuntaa antavia arvioita perustuen vuoden 2018 arvoon ja globaalin tiedon määrän kasvusta. Ennustus osoittaa tiedostojen määrän kasvavan yli 500 prosenttia vuoteen 2025 asti. Vuoteen 2030 tultaessa ennusteen mukaan kasvua olisi yli 1800 prosenttia ja vuoteen 2035 mennessä yli 6400 prosenttia. Suunnilleen samat kasvuluvut löytyvät myös uusimmista julkisesti saatavilla olevista Ciscon Global Cloud Indexin ennusteista (Cisco, 2020, s. 25 ). Ciscon ennusteiden mukaan datakeskusten tietoliikenne kasvaa vuosittain noin 25 prosenttia. Tämän johdosta Cisco arvio datakeskusten tietoliikenteen kasvavan noin kolminkertaiseksi joka viides vuosi. 28 Kuvio 3. Varsinainen ja ennustettu tiedon määrän kasvu maailmanlaajuisesti välillä 2010-2035. *Arvot 2018 jälkeen ennusteita. (Armstrong 2019) Koska datakeskuksia voidaan pitää tieto- ja viestintäteknologian pääkomponenttina, niin on selvää, että Internet-liikenteen kasvu on vaikuttanut myös datakeskusten määrään sekä niiden tehokkuuden kasvun tarpeeseen. Datakeskukset tarjoavat keskeiset toiminnot, joita ovat tiedostojen varastointi, suojaaminen ja käsittely. Tieto- ja viestintäteknologian vilkkaan kasvun johdosta 29 datakeskukset ovat kehittyneet muutaman palvelimen kokoisista kaapissa sijaitsevista kokonaisuuksista satojen tuhansien neliömetrien kokoisiksi laitoksiksi, jotka tarjoavat tarvittavan tuen Internetin, sosiaalisen median ja seuraavien sukupolvien elektronisten laitteiden eksponentiaaliselle kasvulle. (Laurent ja muut , 2020, s. 2). 3.1.3 Tulevaisuuden ennusteet Andrae ja Edler (2015, s. 117) ovat esittäneet kolme erilaista skenaariota viestintätek- nologioiden sähköenergian tarpeesta vuosien 2010–2030 välille. Skenaariot arvioivat kuluttajalaiteiden, viestintäverkkojen sekä datakeskusten käytöstä ja tuotannosta ai- heutuneita energiakustannuksia. Skenaarioista on luotu kolme eri tasoa, paras, odotet- tu sekä huonoin. Nämä arviot koostuvat vuosittaisista teknologialaitteiden myyntimää- ristä, dataliikenteen määrästä sekä sähköintensiteetin tehokkuudesta. Andrea ja Edler (2015, s. 117) arvioivat huonoimman skenaarion mukaan viestintä tek- nologia sähkön tarpeeksi 51 prosenttia maailman sähköenergiasta 2030 vuoteen men- nessä, jos kiinteiden sekä langattomien verkkojen sähkön hyötysuhdetta ei pystytä pa- rantamaan eikä datakeskusten tehokkuutta kyetä kasvattamaan. Andrean ja Edlerin (2015, s. 117) mukaan vuonna 2030 maailmanlaajuisesti tuotettu uusiutuva sähkö- energia ylittää todennäköisesti datayhteyksien sekä datakeskusten kokonais sähköntar- peen. Huolimatta siitä, että datayhteyksien sekä datakeskusten sähkön tarpeen ylittävä määrä energiaa tuotettaisiin uusiutuvalla energialla, pahimman skenaarion mukaan Andrea ja Edler (2015, s. 117) ovat arvioineet, että viestintäteknologian sähköenergian käyttö aiheuttaisi jopa 23 prosenttia maailmanlaajuisista kasvihuonepäästöistä vuonna 2030. Tämän määrän arvioidaan Jonesin (2018, s. 164) mukaan olevan tällä hetkellä 2 pro- senttia. 30 Yllä mainitut lukemat ovat huonoimman skenaarion tuotoksia, jotka Andrea sekä Edler (2015) tutkimuksensa avulla saivat aikaisiksi. Lukemat ovat kuitenkin hyvin hälyttäviä, jonka johdosta datayhteyksien sekä datakeskusten toimintaa tulee jatkuvasti kehittää. Seuraavassa luvussa perehdytään käytössä oleviin arviointia sekä seuraamista edistä- viin suhdelukuihin, jotka on luotu arvioimaan datakeskusten kvantitatiivisia tuloksia. 3.2 Energian tarve Datakeskusten infrastrutuurin kasvu valtaviksi konesaleiksi täynnä palvelimia sekä IT- laitteita digitaalisen tiedon käsittelyyn, tallentamiseen ja lähettämiseen on muuttanut datakeskusten energiantarvetta sekä tapaa miten energiantarve jakaantuu datakeskuksien sisällä. Nämä edellä mainutut palvelimet sekä IT-laitteet kuluttavat sähköenergiaa toimiessaan ja ne voidaan Songin ja muiden (2015, s. 1256) mukaan nimetä datakeskuksien eniten energiaa kuluttaviksi kokonaisuuksiksi. Datakeskusten tarve on kasvanut rajusti viime vuosikymmenien aikana, jonka johdosta myös niiden käyttämän sähköenergian määrä on kaksinkertaistunut vuosien 2000 ja 2005 välillä. Datakeskusten sähkönkulutuksen arvioitiin olevan yli 1,3 prosenttia koko maailman sähkönkulutuksesta vuonna 2013 ja tämän tarpeen uskotaan kasvavan joka vuosi. (Ebrahimi ja muut 2014, s.623) Jones (2018) taas arvioi globaalin sähkön kokonaiskulutuksen olevan noin 20 000 TWh vuodessa. Tästä ICT-ala kuluttaa saman arvion mukaan noin 10 prosenttia eli 2 000 terawattituntia (TWh) ja datakeskusten sähköenergian tarve on arvioitu olevan noin 200 TWh eli 1 prosentti. Alla oleva taulukko kuvaa visuaalisesti yllä arvioidun sähkön kulutuksen. 31 Kuvio 4. Arvioitu sähköenergian kulutus (Jones 2018). Sähkön kulutuksesta syntyvien hiilidioksidipäästöjen Jones (2018) arvioi datakeskusten osalta olevan 0,3 prosenttia koko maailman hiilidioksidipäästöistä, kun taas ICT-ala itsessään tuottaa Jonesin arvion mukaan 2 prosenttia koko maailman hiilidioksidipäästöistä. Jones (2018) toteaa, että tulevaisuuden lukuja on vaikea ennustaa, mutta huolestuttavimmat ennusteet arvioivat ICT-alan sähkön kysynnän nousevan jopa 20 prosenttia maailman kokonaiskysynnästä 2030 vuoteen tultaessa. Samaan hengenvetoon Jones (2018) kuitenkin nostaa esille tutkimuksia, joissa tämä kyseinen kasvu on arvioitu olevan 3% suuruusluokkaa. Renugadevinin ja muiden (2020, s.2) mukaan viimeaikaiset energiatehokkuuden trendit ovat hillinneet datakeskusten energiankulutuksen noin 1 prosentin tasolle vuoteen 2020 asti. Samaan aikaan datakeskukset ovat onnistuneet nelinkertaistamaan prosessointitehonsa. Malmodin ja Lundén (2018, s. 2) toteavat kuitenkin, että 0 5000 10000 15000 20000 TWh Maailmanlaajuinen sähköenergian tarve(poislukien ICT:n ja datakeskusten tarve) Sähköenergian käyttö ICT alalla Datakeskusten sähköenergian tarve 32 tuoreimmat markkinanäkymät ennustavat valtavaa päästöjen kasvua koko ICT-alan osalta. Songin ja muiden (2015, s. 1256) tutkimus paljastaa, että IT-laitteiden jäähdytys kuluttaa suuren määrään energiaa datakeskuksissa. Songin ja muiden (2015, s.1256) tutkimus osoittaa, että jäähdytykseen käytetty energia jakautui 30-55 prosentin välille datakeskusten kokonaisenergiankulutuksesta ja keskiarvolta jäähdytysjärjestelmä kulutti 40 prosenttia datakeskusten kokonaisenergiankulutuksesta. Kuvio 5. Sähkön kokonaiskulutus datakeskuksessa. (Cho ja muut 2012, s.190). Jäähdytys 38 % Valaistus 1 % UPS (Katkeamaton virtalähde) 5 % Kytkinlaitteet 3 % Viestintälaittee t 4 % PDU (Sähkön jakeluyksikkö) 1 % Varastointi 4 % Prosessori 15 % Palvelimen virtalähde 14 % Muut palvelimet 15 % Sähkön kokonaiskulutus datakeskuksessa 33 Kuviossa viisi on esitetty datakeskusten sähkön kokonaiskulutuksen osuudet. Kokonaiskulutus on arvioitu keskimäärin jakautuvan 52 prosenttia IT-laitteiston yleiseen energian kulutukseen, 38 prosenttia datakeskuksissa käytössä olevien jäähdytysjärjestelmien kulutukseen ja 10 prosenttia muiden tukilaitteiden kulutukseen. (Cho ja muut 2012, s.190). Syy suureen jäähdytystarpeeseen datakeskuksissa on jatkuvasti käynnissä olevien prosessoreiden ja muiden elektronisten laitteiden tuottamat lämpöpäästöt. Jäähdytysjärjestelmiä tarvitaan laitteiden turvallisen ja vakaan käytön takaamiseksi. Jäähdytys myös varmistaa datakeskuksien tarpeellisen kuivan sisäilman, mikä on vältämätöntä elektronisten laitteiden ympäristössä. (Nadjahi ja muut, 2018, s. 14). Edellä esitetyt tutkimukset osoittavat, että datakeskusten rakentamisessa ja infrastruktuurissa on otettava huomioon keskusten jäähdytysjärjestelmä sekä jäähdytykseen vaikuttava tekijä datakeskusten lokaatio. Näiden elementtien avulla voidaan vaikuttaa datakeskusten energiankulutukseen, energia kustannuksiin sekä entistä tehokkaampaan jäähdytysjärjertelmään. Uudenlaisten jäähdytysjärjestelmien sekä uusien teknologioiden hyödyntämisen avulla voidaan päästä datakeskuksissa tämän tutkimuksen päämäärään ja luoda datakeskuksista hiilineutraaleja toimijoita. 3.3 Tehokkuuden suhdeluvut Kestävän kehityksen seuraamista varten datakeskuksille on luotu erilaisia globaaleja kvantitatiivisia suhdelukuja mittaamaan datakeskusten suorituskykyä ja mahdollisuutta tuottaa palveluitaan tehokkaasti. Energian kulutuksen (PUE TM) metriikka on osoittautunut toimivaksi teollisuuden työkaluksi infrastruktuurin energiatehokkuuden mittaamiseen. Datakeskusten energiankulutus, hiilidioksidipäästöt ja veden käyttö vaikuttavat yritysten päätöksiin heidän kasvun, sijaintinsa ja ulkoistamis strategioidensa osalta. (The Green Grid 2011, s. 3). 34 Teollisuuden on tärkeää jatkaa resurssien tehokkaan käytön ohjaamista maksimoidakseen toimintansa tehokkuuden. Tämän lisäksi näiden resurssien käytön vaikutukset ympäristössä tulisi suorittaa kestävän kehityksen mallin mukaisesti. Kestävän kehityksen datakeskuksissa organisaatiot pystyvät hallitsemaan paremmin kasvaneita tietoteknillisiä, verkkoon liittyviä ja varastointiin keskittyviä vaatimuksia sekä samalla alentamaan energiakustannuksia ja tämän avulla toimintansa kokonaiskustannuksiaan (TCO, Total Cost of Ownership). (The Green Grid 2011, s. 3). 3.3.1 PUE (Power Usage Effectiveness- Energiankäytön tehokkuus ) Yksi näistä suhdeluvuista on PUE (Power Usage Effectiveness). Suhdelukuna PUE auttaa ymmärtämään kuinka kattavasti datakeskukset käyttävät energiaansa datakeskusten IT- laitteisiin. 𝑃𝑈𝐸 = !"#"$%&$'$&%( !"!"#$%&'#'()%$!"!!"#$$%#&%' !ä!""ä!ä !"!#$%& = 1 + !"#"$%&$'$&%( !"!"#$%&'#'()%$(!!" !"#$$%#&%' !ä!""ä!ä !"!#$%&)!"!!"#!!"#$"% !ä!""ä!ä !"!#$%& PUE:sta on tullut IT-alan suosima suhdeluku infrastruktuurin vaikutuksen mittaamisesta datakeskuksen energiatehokkuuteen. Suhdeluvun on kehittänyt The Green Grid Association (2007), joka on voittoa tavoittelematon, avoimen teollisuuden konsortio mikä pitää sisällään loppukäyttäjät, päätöksentekijät, teknologian tarjoajat, laitosarkkitehdit sekä energiayhtiöt, joiden tavoitteenaan on resurssitehokkuuden parantaminen IT-alan sekä datakeskusten osalta. (The Green Grid 2012, s.7). 35 Parhaiten tätä suhdelukua voidaan käyttää, kun tarkastellaan yksittäisen datakeskuksen energiankulutusta ja verrataan sitä erilaisiin operatiivisiin sekä muotoiluun liittyviin päätöksiin, joita datakeskuksen osalta ollaan tehty. PUE suhdeluku liittyy siis datakeskuksen infrastruktuuriin. Se ei ole tuottavuusmittari eikä kata tietoja datakeskuksen tehokkuuksista. Suhdeluku mittaa koko datakeskuksen kulutetun energian ja käytettyjen IT-laitteiden energian suhdetta. Silloin kun, PUE-lukua tarkastellaan oikeassa kontektissa, se tarjoaa vahvan ohjauksen ja hyödyllisen käsityksen tehokkaiden teho- ja jäähdytysarkkitehtuurien suunnittelusta, laitteiden käytöstä näissä arkkitehtuureissa ja kyseisten laitteiden päivittäisestä käytöstä. Muutokset PUE:ssa ovat kaikista merkityksellisimpiä, kun ne nähdään datakeskuksen vastauksena tehtyihin muutoksiin sen infrastruktuurissa. (The Green Grid 2012, s.13). PUE ei tarjoa ohjeita tai tietoa IT-laitteiden tominnasta tai tuotettavuudesta eikä sen avulla ole järkevää vertailla useita eri datakeskuksia toisiinsa. PUE:n arvot voivat vaihdella yhden (1.00) ja äärettömän välillä(∞). Ihannetapauksesssa PUE lähestyy ykköstä (1.0), jolloin hyötysuhde olisi 100% eli kaikki datakeskuksen sähköenergia käytetään ainoastaan IT-laitteisiin. (The Green Grid 2012, s.13). Google 2018 raportoi heidän 12 kuukauden keskiarvoiseksi PUE luvuksi 1,12. Kyseinen arvo vaihteli Googlen mukaan välillä 1,09 ja 1,31. Avgerinoun ja muiden (2017) julkaisussaan datakeskusten energiankulutuksen trendit datakeskusten energiatehokkuutta koskevien eurooppalaisten käytännnesääntöjen mukaisesti tutkijat keräsivät tietoja 289 eurooppalaisesta datakeskuksesta. Raportti osoitti, että tutkimuksiin osallistuneiden datakeskusten keskiarvollinen PUE luku oli 1.8 36 3.3.2 CUE (Carbon Usage Effectiveness- Hiilen käytön tehokkuus) Datakeskukset, jotka eivät tuota itse paikallisia hiilidioksidipäästöjä ja hankkivat kaiken käyttämänsä sähköenergian sähköverkosta määritellään CUE (Carbon Usage Effectiveness) suhdeluvun osaltaan seuraavasti. 𝐶𝑈𝐸 = !"#"$%&$'$&%( !"!#$%&"'()(*('+!+*& !"#$"#%%$ !"! !ää!"ö!!"!!"#$$%#&%' !ä!""ä!ä !"!#$%& Datakeskuksen käyttämä kokonaisenergia on sama arvo kuin PUE suhdeluvun osoittaja, kun taas CUE luvussa osoittajana on datakeskuksen kokonaishiilidioksidipäästöt, jotka aiheutuvat PUE mittarissa olevan osoittajan eli energian käytön vaikutuksesta. CUE suhdeluku ilmoittaa tuloksensa hiilidioksidikiloja (KgCO2eq) yhtä kilowattituntia (kWh) kohden. ( The Green Grid 2010, s. 4). Vaihtoehtoinen tapa laskea CUE on kertoa hiilipäästökerroin CEF (Carbon Emission Fac- tor) datakeskuksen vuosittaisella PUE luvulla. 𝐶𝑈𝐸 = 𝐶𝐸𝐹 × 𝑃𝑈𝐸 Yllä oleva kaava voidaan myös esittää seuraavasti. 𝐶𝑈𝐸 = !"! !ää!"ö! (!"#$!!")!"#$%&'" !"#$""ö (!"!) × !"#"$%&$'$&%( !"!"#$%& !"!#$%&"'()(*(+!"!!"#$$!"#!$ !ä!""ä!ä !"!#$%& Ihannetapauksessa tiedot hiilidioksidipäästöistä kerättäisiin reaaliaikaisesti CO2 mitta- reista, jotka keräävät tietoja käytetyn sähköenergian lähteestä (maakaasu, diesel, polt- toöljy, kivihiili, turbiinit/ generaattorit tai muut uusiutuvan energian lähteet). Jos tätä reaalilaikasta hiilidioksidipäästöjen tietoa ei ole saatavilla, laskelmat tulisivat tehdä käyttämällä generaattorin valmistajan tietoja päästöistä ja käytetyn energian lähteistä. ( The Green Grid 2010, s. 5). Toisin kuin PUE:n osalta CUE:n ihannearvo on 0.00 joka 37 osoittaisi, että datakeskuksen toiminta on täysin hiilidioksidipäästötöntä, ylärajaa ei kuitenkaan kummallakaan näillä suhdeluvuilla ole. Näiden kahden suhdeluvun arvojen perusteella palvelinkeskusten operaattorit voivat arvioida heidän datakeskustensa kestävää kehitystä ja hyödyntää suhdeluvuista saatuja tuloksia, tehdessään päätöksiä energiatehokkuuden sekä kestävän energiapolitiikan kannalta. ( The Green Grid 2010, s. 5). ETLA :n (2020, s.12) mukaan tällä hetkellä on mahdotonta seurata tarkasti yksityisen sekä julkisen sektorin datakeskusten energian ja sähköenergian käyttöä. Kyseiset luvut merkitään sen toimialan kokonaislukuihin, joihin yrityksen toiminta perustuu eli yleises- ti ICT-sektorin sähkönkulutukseen. ETLA :n (2020, s.12) toiveena olisi yksityisen sekä julkisen sektorin datakeskusten energia- ja sähkönkulutuksen yksityiskohtaisempi ra- portoiminen, jolloin näitä lukuja voitaisiin arvioida tarkemmin. 3.3.3 WUE (Water Usage Effectiveness- Veden käytön tehokkuus) The Green Grid (2011, s.3) arvioi hiilidioksidipäästöjen sekä veden käyttö nousevan äärimmäisen vaikuttaviksi tekijöiksi datakeskusten suunnittelussa, niiden sijainnissa sekä toiminnassaan tulevaisuuden osalta. PUE:n, CUE:n sekä WUE:n yhdistelmä mahdollistaa datakeskusten operaattoreille kestävyysnäkökohdan arvioinnin ja näiden suhdelukujen avulla selvittää, onko heidän mahdollista parantaa energiatehokkuuttaan tai lisätä kestävään kehitykseen liittyviä toimiaan. WUE:n ihannearvo on sama kuin CUE:lla eli nolla (0.00) ja suhdeluvun yksikkö ilmoitetaan litraa/kilowattitunti. 𝑊𝑈𝐸 = !"#$%&&'%()( !"#"$ !ä!""ö !"#"$%&$'$&%&&"!"!!"#$$%#&%' !ä!""ä!ä !"!#$%& (5) Kaikki kolme yllä mainittua suhdelukua kattavat datakeskusten toiminnan, mutta ne eivät kata datakeskusten ja siellä sijaitsevien IT-laitteiden koko elinkaaren 38 ympäristökuormitusta, vaan antavat tämän hetkistä kuvaa siitä kuinka kuormittavaa toiminta on kun sitä datakeskuksissa harjoitetaan. (The Green Grid 2011, s. 4). 39 4 Suunnittelutiede Tutkimuksen lähestymissuuntana on käytetty suunnittelutiedettä (Design Science). Hevner ja muut (2004, s. 98) toteavat, että suunnittelutieteellisessä tutkimuksessa (Design Science Research, DSR) perehdytään tuottamaan innovatiivisia tietoteknisiä asioita, joiden ansiosta organisaatiot voivat tehostaa merkittäviä tietoon liittyviä toimintojaan. Hevnerin ja muiden (2004) mukaan artefaktien luominen ja arviointi ovat suuressa roolissa suunnittelutieteellisessä tutkimuksessa. Näiden artefaktien avulla pyritään ratkaisemaan ongelmat niin organisaatioiden kuin myös globaalien toimijoiden sisällä. Tähän tutkimukseen suunnittelutiede toimii varsin tehokkaana lähestymistapana, sillä tutkimuksen tarkoituksena on luoda toimiva mallinnus siitä, kuinka tulemme pääsemään haluttuun lopputulokseen. Suunnittelutieteen päälähtökohtana on toimia ongelmanratkaisuprojektina ja sen lopputuotoksena on tarkoitus syntyä täysin uusia ratkaisumalleja (Hevner ja muut, 2004, s.82). Tutkimusmalli sopeutuu erilaisille tieteenaloille ja sen perustana on rakentaa vielä julkaisemattomia ratkaisuja kuitenkin tuoden esille aikaisemmat tiedot ja tutkimustulokset uusien ratkaisuiden tukemiseksi (Peffers ja muut, 2007). Suunnittelutieteen ymmärtämisen saavuttamiseksi tutkimusparadigmana on nähtävä tärkeä kaksijakoisuus. Suunnittelutieteessä on sekä prosessi (toimintosarja) että tuote (artefakti). Prosessit eli toimintosarjat luovat artefaktit. Luodut artefaktit arvioidaan uudelleen ja tämän toiminnon lopputuotoksena syntyy uutta tietoa. Uuden tiedon avulla kykenemme taas parantamaan suunnitteluprosessia sekä aiempia artefakteja. Toiminnasta syntyy tutkimuskehys joka käydään läpi useaan otteeseen. Hevner ja muut (2004, s.78) toteavat, että tutkimuskehys olisi käytävä läpi useita kertoja muodostaen lopullisen artefaktin. 40 Hevner ja muut (2004, s.80) ovat luoneet kuvion 6 mukaisen tutkimuskehyksen. Kehys osoittaa kuinka tutkimuksesta syntynyt tieto siirtyy ympäristöön ja tieteisiin sekä ker- too, mistä tutkimuksen tieto on peräisin. Kuten kehys osoittaa suunnittelutieteellisessä tutkimuksessa merkityksellisyys ja tutkimuksen tarpeet tulevat ympäristöltä. Tieteen roolina taas on tuottaa eksaktia sovellettavaa tietoa, joka hyväksikäytetään tutkimuk- sessa (Hevner ja muut, 2004, s.80). Kuvio 6. Tietojärjestelmien tutkimuskehys (Hevner ja muut 2004, s. 80). Ihmiset •  Rooli •  Kyvyt •  Ominaisuudet Organisaatio •  Strategiat •  Rakenne & Kulttuuri •  Prosessit Teknologiat •  Infrastruktuuri •  Sovellukset •  Viestintäarkkitehtuuri •  Kehitysvalmiudet Kehittäminen/ Rakentaminen •  Teoriat •  Artefaktit Todistaminen/ Arviointi •  Analyyttinen •  Tapaustutkimus •  Kokeellinen •  Kenttätutkimus •  Simulaatio Perustat •  Teoriat •  Kehykset •  Instrumentit •  Rakenteet •  Mallit •  Metodit •  Instantiaatiot Menetelmät •  Tietojen analysointitekniikat •  Formalismit •  Mittaukset •  Validointikriteerit Ympäristö Tietojärjestelmien tutkimus Tietopohja Merkityksellisyys Eksaktisuus Yritystarpeet Sovellettava tieto Sopivassa ympäristössä soveltaminen Uuden tiedon tuonti tietokantaan Arviointi Parannus 41 Heverin ja muiden luoman tietojärjestelmä tutkimuskehyksen lisäksi on olemassa myös muitakin suunnittelutieteellisen tutkimuksen malleja. Yksi näistä malleista on Pefferin ja muiden (2007, s.54) esittämä DSRM-malli, joka pitää sisällään kuusi erilaista vaihetta ja luo hieman saman tyylisen mallin kuin edellä esitetty tietojärjestelmien tutkimuske- hys malli. Peffersin ja muiden (2007, s.54) luoma DSRM-malli antaa suunnittelutieteelliselle tut- kimukselle yleisesti hyväksytyt kehykset. Mallin luojat painottavat, että heidän DSRM- mallia voidaan parantaa sekä muuttaa. Malli voidaan myös toteuttaa muillakin kuin heidän kuvaamallaan tavalla ja sitä ei tulisi käyttää kaavamaisena mallina tutkimuksis- sa. Mallista voidaan hyödyntää vain tarvittavia osioita tutkimustarpeiden mukaan. Tä- mä malli kokonaisuudessaan on kuvattuna kuviossa 7. 42 Kuvio 7. DSRM -prosessimalli (Peffers ja muut, 2007, s. 54). Ensimmäisessä osiossa DSRM -prosessimallissa on ongelman tunnistaminen ja moti- vointi. Tässä kohtaa tulisi määrittää selkeästi, mikä on tutkimuksen tutkimusongelma ja perustella ongelman ratkaisun arvo. Joissain tilanteissa tutkimusongelma on hyödyllistä hajottaa pienempiin osiin. Pienemmissä osissa monimutkaiset ongelmat realisoituvat yksityiskohtaisemmin ja näin pystytään luomaan helpommin artefakti, joka tulisi tämän ongelman ratkaisemaan. Ongelman hajottaminen pienempiin, mahdollisesti helpom- min ymmärrettäviin osiin voi motivoida tutkijaa sekä tutkimuksen yleisöä etsimään oikeaa ratkaisua ja ymmärtämään asiaan liittyviä päätelmiä. Ongelman tunnistaminen ja motivointi •  Kuvaile ongelma •  Esitä aiheen tärkeys Ratkaisun tavoitteiden määrittäminen •  Mikä voisi olla parempi keksitty artefakti? Suunnittelu ja kehittäminen •  Artefaktin suunnittelu ja kehitys Demonstraatio •  Etsi sopiva käyttökohde •  Käytä artefaktia ongelman ratkaisemiseksi Arviointi •  Tarkkaile tehokkuutta •  Vie takaisin suunnitteluu n Viestintä •  Ammatilliset julkaisut •  Tutkimukset Prosessin Iterointi Päätelmä Teoria Tieto, miten Mittari ja analyysitieto Tieteellisempi tieto Ongelmakes keinen aloittaminen Asiakkuus/ käyttö aloitettu Suunnittelu- ja kehityskeske inen aloittaminen Tavoitekesk einen ratkaisu Mahdolliset tutkimuksen lähtökohdat 43 Tämän osion tärkeimmät resurssit ovat tieto esitetyn ongelman tilasta ja sen ratkaise- misen tärkeydestä. (Peffers ja muut, 2007 s. 54-55). Seuraavassa osiossa määritellään ratkaisun tavoitteet. Tavoitteet tulee olla linjassa on- gelmanmäärittämisen kanssa. Tämän lisäksi ratkaisun tavoitteita luodessa tulisivat olla tiedossa, mitkä tavoitteista ovat mahdollisia ja toteutettavissa olevia. Edellä esitetyt tavoitteet voivat olla määrällisiä tai laadullisia. Määrällisissä tavoitteissa toivottu ratkai- su olisi parempi kuin nykyiset ratkaisut. Laadullisissa tavoitteissa pyritään esittämään ratkaisu siitä, kuinka uuden artefaktin odotetaan tehostavan ratkaisua ongelmiin, joita ei ole tähän mennessä kukaan vielä käsitellyt. (Peffers ja muut, 2007 s. 55). Kolmas osio käsittelee suunnittelua ja kehitystä. Tässä osiossa tarkoituksena on luoda artefaktit. Nämä artefaktit voivat olla rakenteita, menetelmiä, malleja tai ilmentymiä ja ne määritellään hyvin laajasti. Tähän kuuluu artefaktin halutun toiminnallisuuden ja sen arkkitehtuurin määrittäminen ja sen jälkeen varsinaisen artefaktin luominen. Tavoittei- den määrittämisestä siirtyminen artefaktin suunnitteluun ja kehittämiseen vaatii teo- riaosaamista jota hyödynnetään itse ratkaisun luomisessa. (Peffers ja muut, 2007 s. 55). Mallin neljännessä vaiheessa demonstroidaan artefaktin käyttöä yhden tai useamman ongelman ratkaisemiseksi. Vaihe voi sisältää artefaktin hyödyntämisen erilaisessa kokei- lussa, mallintamisessa, tapaustutkimuksessa, ratkaisun todistamisessa tai muissa asianmukaisissa toiminnoissa. Demonstraatioon tarvittavat resurssit sisältävät laajan tietämyksen siitä, kuinka artefaktia käytetään ongelman ratkaisemiseksi. (Peffers ja muut, 2007 s. 55). Viides osio pitää sisällään arvioinnin. Arvioinnissa on tarkoituksena tarkastella ja mitata kuinka toisen vaiheen määritellyt ratkaisun tavoitteet täyttyvät ja neljännessä vaihees- sa tuotetut artefaktit toimivat ongelman suhteen. Arviointi voi pitää sisällään niin em- piirisiä kuin loogisiakin todisteita. Toiminto pitää sisällään ratkaisun tavoitteiden ver- taamisen todellisiin havaittuihin tuloksiin demonstroitaessa artefaktin käytöstä. Toi- 44 minnon lopussa tutkija/t päättävät palaavatko he takaisin osioon kolme parantaakseen artefaktin tehokkuutta tai jatkavat luoduilla artefakteilla eteenpäin ja jättävät lisäpa- rannukset seuraaviin projekteihinsa. Tutkimuksen luonne vaikuttaa siihen onko tällai- nen iteraatio mahdollista vai ei. (Peffers ja muut, 2007 s. 56). Viimeinen osio sisältää viestinnän. Tässä osiossa käydään läpi prosessimallin tuottamat tulokset. Siinä viestitään olemassa olevasta ongelmasta ja sen merkittävyydestä, tämän johdosta luodusta artefaktista ja artefaktin hyödyllisyydestä, suunnittelun tarkkuudesta sekä tehokkuudesta tutkijoille ja muille asiaankuuluvalle yleisölle, kuten alan ammatti- laisille sekä lukijoille. (Peffers ja muut, 2007 s. 56). 4.1 Tutkimusmenetelmän hyödyntäminen tässä tutkimuksessa Tässä tutkimuksessa keskitytään DSRM-mallin neljään ensimmäiseen vaiheeseen. Ku- ten jo edellä mainittiin Peffers ja muut (2007) totesivat, että heidän mallinsa soveltuu yleisesti hyväksyttäväksi malliksi suunnittelututkimuksen tekemiseen. Kyseistä mallia ei tulisi käyttää kaavamaisena tutkimusmallina vaan sitä voidaan hyödyntää siinä määrin, missä se on soveliasta tutkimuskehykseen nähden. Aiemmin läpikäydyt mallin neljä ensimmäistä osiota soveltuvat tehokkaasti tähän tut- kimukseen. Tutkimuksesta jätetään pois mallin kaksi viimeistä osiota arviointi ja viestin- tä. Alkupään vaiheet ovat liitoksissa uusien ratkaisuiden luomiseen, joka on keskiössä myös tässä tutkimuksessa. Tutkimukselle voidaan myös suorittaa jatkotutkimus myö- hemmässä vaiheessa, jossa käydään läpi mallin jälkimmäiset osiot. 1) Ongelman tunnistaminen ja motivointi osiossa tunnistetaan datakeskusten energian käytöstä aiheutuneita ympäristökustannuksia sekä perehdytään energiantarpeen jatku- van kasvun aiheuttamiin mahdollisiin tulevaisuuden ongelmiin. Näiden ongelmien tun- 45 nistamisessa on hyödynnetty tutkijoiden tekemiä aikaisempia laskelmia datakeskusten energiantarpeesta sekä digitaalisen tiedon määrän kiihtyneestä kasvusta maapallolla. 2) Ratkaisun tavoitteiden määrittäminen osion tehtävänä on määrittää tavoitetila, jo- hon tulemme pääsemään uuden artefaktin avulla. Tavoitteena tutkimuksessa on tutkia, kuinka pysty luomaan datakeskuksista hiilineutraaleita toimijoita ja näin vähentää data- keskusten energiankulutuksesta aiheutuneita ympäristöpäästöjä. 3) Suunnittelu ja kehittäminen osion tarkoituksena on suunnitella ja kehittää tavoite määritelmässä esille tuotu artefakti. Tässä osiossa käytetään hyödyksi tutkimuksen teo- riaosuutta ja tämän lisäksi tuodaan asiantuntijoiden ääni esille toimialan julkisesti saa- tavilla olevien haastatteluiden ja artikkelien avulla. Tutkimuksessa itsessään ei järjeste- tä omia haastatteluja, johtuen vaikeudesta saada toimialan asiantuntijoita haastatelta- vaksi. Suunnittelu- ja kehittämisosiossa Markuksen ja muiden (2002) mukaan tutkijan luo- vuus, henkilökohtainen kokemus sekä ongelmanratkaisukyky toimivat työkaluina arte- faktin luomisessa. Kehittämisvaiheessa mallinnetaan suunnitelmaan perustuen opti- maalinen malli kestävän kehityksen mukaiselle datakeskukselle. Tämä toimii tietynlai- sena ohjeistuksena, mitä vaatimuksia hiilineutraalin datakeskuksen luomiseksi tarvi- taan. 4) Viimeisessä osiossa eli demonstraatio osiossa mallinnetaan suunnittelu- ja kehittä- misvaiheessa syntynyt artefakti, jolla pyritään luomaan ratkaisu tutkimuskysymykselle, kuinka voidaan luoda hiilinegatiivisia datakeskuksia ja ongelman ratkaisemiselle luoden datakeskuksista kestävän kehityksen mukaisia toimijoita. 46 4.2 Ongelman tunnistaminen ja motivointi Tutkimuksen aikana on tuotu esille, että datakeskusten hiilidioksidipäästöt ovat noin 2 prosenttia maapallon hiilidioksidipäästöistä, mikä on yhtä suuri osuus kuin lentoliiken- teestä syntyvät hiilidioksidipäästöt (Lindqvist, 2020). Samalla globaali lämpötilapoik- keama on kasvanut vuodesta 2010 vuoteen 2020 0,3 °C astetta (NOAA, 2021). Arm- strong (2019); Cisco (2020) ovat arvioineet tiedon määrän kasvun olevan 500 prosent- tia 2025 vuoteen tultaessa sekä kasvavan yli 6400 prosenttia vuoteen 2035 mennessä. Näiden kolmen muuttujan välillä voidaan nähdä looginen yhteys. Tiedonmäärän kasvu lisää datakeskusten määrän ja(tai) tehokkuuden tarvetta. Kysynnän kasvuun vastataan tuotantoa lisäämällä, joka taas nostaa tuotannosta aiheutuneita energiakustannuksia. Liu ja muut (2020 s. 277) ovat ennustaneet maailman keskimääräisen PUE luvun kehi- tystä. Heidän tutkimuksensa mukaan PUE luvun ennustetun regressioanalyysin tulos tulee laskemaan 1.40 globaalisti vuoteen 2030 saavuttaessa. 1,3 1,4 1,5 1,6 1,7 1,8 1,9 2 20 10 20 11 20 13 20 14 20 15 20 16 20 17 20 18 20 19 20 20 20 21 20 22 20 23 20 24 20 25 20 26 20 27 20 28 20 29 20 30 Globaali dynaaminen PUE PUE 47 Kuvio 8. Regressioanalyysi maailmanlaajuisesta datakeskusten keskimääräisestä PUE arvosta. (Liu ja muut 2020 s. 227) Vaikka datakeskusten energiankulutuksen odotetaan tehostuvan tulevaisuudessa data- keskuksille syntyneen räjähdysmäisen kysynnän vuoksi, voidaan aikaisempien tulosten perusteella olettaa hiilidioksidipäästöjen kasvavan, jos datakeskusten toimintamalleja ei tulla muuttamaan nykyisistä malleistaan. Kasvaneet hiilidioksidipäästöt taas saavat globaalin lämpötilapoikkeaman kasvavaan. Edellä esitetty tapahtumaketju aiheuttaa suuria globaaleja ongelmia ympäristön osalta, jos emme keksi kestävämpiä ratkaisuja räjähdysmäisen tiedon määrän hallitsemiseksi. Tutkimus kuvaa jokaisen näiden tekijöiden muutoksia ja kasvanutta tarvetta parantaa yleisiä toimintatapoja haittavaikutuksien vähentämiseksi. 4.3 Tavoitteiden määrittäminen Tässä luvussa luodaan tavoitteet kehitettävälle artefaktille niiden ongelmien pohjalta, jotka edellisessä luvussa tuotiin esille. Keskeisimpiä ongelmia havaittiin kolme kappa- letta, joita olivat tiedon määrän räjähdysmäinen kasvu maailmassa ja tähän vastaami- seen vaadittavat resurssit, datakeskusten hiilidioksidipäästöt sekä päästöistä johtuva ilmaston lämpeneminen. Järvisen (2006, s. 25) mukaan artefaktien sijasta voidaan luoda myös uusia innovaatioi- ta. Tällöin innovaation arviointi tai rakentaminen voi perustua tekniseen tai sosiaaliseen tietoon tai näiden yhdistelmästä rakentuvaan ideaan. Tässä tutkimuksessa tulemme luomaan kolmeportaisen innovaation olemassa olevien teknisten ratkaisumallien avulla yhdistämällä nämä mallit yhdeksi toimintaohjeeksi eli artefaktiksi. 48 Tavoitteiden määrittämiseksi tulisi luoda datakeskus, jonka avulla pystyttäisiin vastaa- maan kasvaneeseen tiedon määrän hallintaan ja samalla pyrkiä vähentämään toimin- nasta syntyneitä hiilidioksidipäästöjä. Yleisesti voidaan ajatella, että kasvavan tiedonhallinnan ratkaisemiseksi meidän tulisi lisätä datakeskusten tehokkuutta ja/tai lukumääriä sekä kasvattaa niiden kokoa. Voi- daan ajatella, että tehokkuuden kasvattaminen yleisesti lisää siihen tarvittavien resurs- sien kulutusta, jos emme keksi uusia tehokkaampia menetelmiä. Datakeskukset aiheuttavat tällä hetkellä 2 prosenttia maapallon hiilidioksidipäästöistä, joten meidän tulisi luoda innovaatio, jossa tehokkuuden lisääminen ei kasvattaisi näitä päästömääriä ja näin rakentaa hiilineutraaleja datakeskuksia. Suurempana innovaatio- na voitaisiin pitää datakeskusta, jonka hiilikädenjälki olisi suurempi kuin hiilijalanjälki ja näin päästäisiin luomaan kestävämpää sekä ilmastopositiivisempaa tulevaisuutta maa- pallolla. 4.4 Suunnittelu ja kehittäminen Tämän luvun teemana on tutkimuksen lopputuloksen eli artefaktin suunnittelu ja kehittäminen. Tutkimuksen artefaktina on innovaatio menetelmästä, jossa luodaan hiilinegatiivinen datakeskus. Hiilinegatiivisella datakeskuksella tarkoitetaan datakeskusta, joka sitoo hiilidioksidia enemmän kuin aiheuttaa sitä ilmakehään vuoden aikana. Luodakseen hiilinegatiivisen datakeskuksen meidän täytyy ensin keskittyä siihen, mistä nykyisten datakeskusten hiilidioksidipäästöt muodostuvat. Zhang ja muut (2020, s. 144) toteavat, että kaksi merkittävintä syytä datakeskusten hiilidioksidipäästöille ovat niiden lokaatio sekä uusiutuvaa energiaa edullisemmat fossiilisilla polttoaineilla tuotettu energia. Datakeskusten sijainti palvelunkäyttäjiin näkyy yhteysnopeksissa ja tiedonsiirron nopeuksissa. Tästä johtuen kaikkia maailman 49 datakeskuksia ei ole voitu sijoittaa ainoastaan niille ilmastollisesti suotuisille viileän vyöhykkeen aluille. Joissa datakeskukset voisivat hyödyntää viileämpää ulkoilmaa niiden jäähdyttämisessä. Datakeskusten rakentaminen viileille alueille ei pelkästään vähentäisi datakeskusten jäähdytysjärjestelmästä syntyviä energiakustannuksia, vaan myös datakeskuksista syntyvää hukkalämpöä voitaisiin hyödyntää esimerkiksi lähialueiden lämmöntuotannossa. Näin ollen kerran tuotettu energia pystyttäisiin uudelleen hyödyntämään ja se vähentäisi lämmityksestä johtuvia päästöjä lähialueilla. Datakeskuksia kuitenkin tarvitaan ympäri maailmaa ja yleisesti painopisteenä ovat suurvaltojen alueet nopeiden tiedonsiirtoyhteyksien takaamiseksi. Viime aikoina on tehty monia tutkimuksia datakeskusten energiantehokkuudesta. Suurin osa datakeskusten energiatehokkuutta koskevista tutkimuksista liittyy tehokkaisiin jäähdytysjärjestelmiin, sähkönkulutukseen sekä uusiutuvan energian integroimiseen. Sen sijaan datakeskusten "hukkalämmön" uudelleenkäyttöä on tutkittu vähemmän. Aihe on kuitenkin viime vuosina tullut entistä ajankohtaisemmaksi ja muutamia tapaustutkimuksia on aiheesta tehtynä. Orón ja muiden (2015, s. 347) mukaan ulkoilman hyödyntäminen datakeskuksien jäähdytyksessä voisi säästää paikasta riippuen 5,4-7,9 prosenttia jäähdytysjärjestelmien sähkönkulutuksesta. Samainen tutkimus osoittaa, että vesivoiman ja ydinvoiman suuren osuuden vuoksi Ruotsissa Tukholman datakeskus tuottaisi Orón ja muiden (2015, s. 339 ) mukaan yli 30 kertaa vähemmän hiilidioksidipäästöjä kuin Lontoossa sijaitseva datakeskus. Tutkimuksessa huomautetaan kuitenkin, että kansainvälisten sähkönsiirtoyhteyksien sähköntuotantoyhdistelmien päästöjen vertailu on kuitenkin kyseenalaista. Datakeskuksista syntyneen hukkalämmön hyödyntämisessä nähdään eräitä haasteita. Wahlroos ja muut (2018, s. 1749) mukaan kaukolämpöverkkooperaattorien ja datakeskusoperaattorien väliset liiketoimintamallit eivät ole usein läpinäkyviä. Tämän lisäksi hukkalämmön laatu matalana lämpötilana sekä epävakaana lämmönlähteenä 50 aiheuttaa haasteita sen hyödyntämiselle. Lisäksi uudet investoinnit hukkalämmön hyödyntämiseksi aiheuttavat lisäkustannuksia datakeskuksia rakentaessa. Hiilidioksidipäästöjen vähentämisen näkökulmasta hukkalämmön hyödyntäminen voidaan haasteista huolimatta nähdä potentiaalisena mahdollisuutena. Sen vuoksi tässä tutkimuksessa pyritään luomaan innovaatio, jossa myös hukkalämmön hyödyntämismenetelmää käytetään hyväksi. "Edullinen" lokaatio jäähdytyskustannuksien osalta ei kuitenkaan aina takaa ratkaisua, jolla pystytään hillitsemään kasvanutta hiilidioksidin määrää datakeskusten osalta. Tiettyyn määrään asti datakeskusten lokaatiosta voi olla hyötyä, mutta massoittain rakennettuna datakeskuksia tietylle aluellee, niiden valtavat energian tarpeet voivat aiheuttaa ongelmia alueen muussa energian tarpeessa. Yhtenä esimerkkinä voidaan nähdä Irlannin tämän hetkinen tilanne. Irlannissa kevyt yritysverotus sekä leuto sääympäristö on kiihdyttänyt datakeskusten rakentamista alueelle. Irlannin valtion omistaman energiayhtiön EirGrindin mukaan vuonna 2021 Irlannin koko sähkön kulutuksesta datakeskukset kuluttivat 17 prosenttia. Tämän suuntainen kehitys on alkanut nostattaa huolta Irlannissa kuin myös Alankomaissa, jossa on jo yli 250 datakeskusta. (Joakim Kullas 2022). Valtavat energiankulutuksen kasvut rajatulla pienellä alueella kuormittavat kyseisen alueen enegiantuotantoa ja näin ollen alueella voidaan joutua turvautumaan fossiilisten polttoaineiden hyödyntämiseen, uusituvien energiamuotojen lisäksi. Fossiilisten polttoaineiden hyödyntäminen energiantuotannossa taas aiheuttaa lisää hiilidioksidipäästöjä. Datakeskukset vievät tämän lisäksi alueen pinta-alasta laajoja alueita ja näin tuhoavat esimerkiksi erilaisia viljelysmaita tai metsäalueita, joita voidaan pitää yhtenä maapallon hiilinieluina sitoessaan hiilidioksidia ilmakehä yhteyttämisen avulla. (Joakim Kullas 2022). 51 4.5 Demonstraatio Tässä tutkimuksessa luotu artefakti pitää sisällään kolmen askeleen vaatimusmääritelmän, jonka avulla pyritään takaamaan datakeskusten hiilinegatiivisuus. Artefakti toimii eräänlaisena ohjenuorana, kuinka meidän olisi mahdollista päästä tilanteeseen, jossa datakeskukset eivät tuottaisi lainkaan hiilidioksidipäästöjä sekä mahdollistaisi jopa hiilidioksidipäästöjen vähentämisen esimerkiksi lähialueen lämmityksessä. Artefaktin tarkoituksena on ottaa datakeskuksissa käyttöön kaikki nämä kolme vaatimusmääritelmän sisältämää askelmaa ja hyödyntämällä näitä askelmia päästäkseen lähemmäksi tavoitetta, jossa tullaan luomaan hiilinegatiivisia datakeskuksia. Luotu malli koostuu jo olemassaolevista teknisistä ratkaisumalleista sekä mahdollisuuksista, joita datakeskukset voivat toiminnassaan hyödyntää. Artefakti kokoaa nämä mahdollisuudet yhdeksi toimintaohjeeksi, jossa tullaan noudattamaan jokaista mallissa esiintyvää askelmaa päästäkseen haluttuun lopputulokseen. Ensimäisessä askelmassa vaatimuksena on hyödyntää ainoastaan uusiutuvista luonnonvaroista tuotettua energiaa. Uusiutuviin energianlähteisiin lukeutuvat aurinkoenergia, tuulienergia sekä vesivoimalla tuotettu energia. Toisessa askelmassa tullaan hyödyntämään ulkoilmaa datakeskusten jäähdytysjärjestelmissä. Olemme jo aiemmin huomioineet tutkijoiden Cho ja muut (2012, s.190) tuloksista, että jäähdystysjärjestelmät datakeskuksissa kuluttavat lähes 40% datakeskusten kokonaissähkön kulutuksesta. Hyödyntämällä ulkoilmaa jäähdytyksessä pystymme vaikuttamaan positiivisesti datakeskuksien energiankulutukseen. Viimeisenä artefaktin askelmana on datakeskuksissa syntyneen hukkalämmön hyödyntäminen. Kokonaisuudessaan artefakti on kuvattu kuviossa 10. 52 Kuvio 10. Kolmen askeleen artefakti. (Zhang ja muut 2011, s.143; Lee& Chen 2013, s.111; Lu ja muut 2011, s.3371) Ensimmäinen askel hiilineutraalille datakeskukselle on hyödyntää ainoastaan uusiutuvista luonnonvaroista tuotettua energiaa. Zhang ja muut (2011, s. 144) toteavat kustannusten olevan suurin syy fossiilisten energialähteiden käytölle, kun tutkitaan datakeskuksissa käytettyjä energialähteitä. Tutkijoiden Zhang ja muut (2011, s.144) mukaan uusiutuvan energian nopeat hintojen vaihtelut vaikuttavat negatiivisesti uusiutuvien energiamuotojen hyödyntämiseen. Esimerkkinä aurinkoenergian hinta aurinkoisella alueella voi liikkua 0,16 Yhdysvaltain dollarissa per KWh ja pilvisessä ilmastossa 0,36 dollarin per KWh hinnassa. Samaan 53 aikaan fossiilisesti tuotettua energiaa voidaan saada 0,06 dollarin KWh hinnalla. Tutkijoiden mukaan myös vesi- ja tuulivoimasta hintaa kertyy noin 0,03 dollaria enemmän yksiköä kohtaan verratessa fossiilisten polttoaineiden käyttöön. Datakeskusten lokaatiot vaikuttavat myös siihen mitä uusiutuvaa energiamuotoa niissä käytetään. Maantieteellisesti eri alueiden sijainnit voivat vaikuttaa suuresti siihen millaisia energiamuotoja juuri kyseisillä alueilla hyödynnetään paikallisista sääolosuhteista riippuen. (Zhang ja muut 2011, s. 144). Tämä on tärkeä ottaa huomioon, kun mietitään kuinka uusiutuvaa energiaa olisi tehokasta hyödyntää fossiilisten energiamuotojen sijasta. Zhang ja muut (2011, s. 145) esittelevät ratkaisuksi GreenWare -järjestelmän, joka hajauttaa datakeskusten toimintaa maantieteellisesti aina energiakustannuksiltaan edullisimpiin alueisiin. Esitellyn järjestelmän tarkoituksena on lähettää dynaamisesti palvelupyynnöt niihin datakeskuksiin, joissa sillä hetkellä on alhaisimmat uusiutuvan energian kustannukset. Päätarkoituksena on maksimoida uusiutuvan energian käyttö ja näin tasoittaa kustannuseroa fossiilisiin energianlähteisiin. Kyseisen ratkaisun avulla pystyttään vaikuttamaan uusituvien energilähteiden nopeisiin hinnanmuutoksiin sekä tasoittamaan datakeskusten kysyntäpiikkejä. Järjestelmä seuraa jatkuvasti realiaikaista koko maailman säätä, uusiutuvien energiamuotojen hintoja sekä datakeskuksiin lähetettyjen toimintapyyntöjen määrää eli datakeskusten kokonaistyömäärää. Tämän jälkeen järjestelmä jakaa palvelupyynnöt datakeskusten välille niille alueille, joissa uusiutuvan energian kustannukset ovat pienimmillään ja näin maksimoi niiden hyödyntämistä kustannustehokkaasti verrattuna fossiilisten energialähteiden hyödyntämiseen. (Zhang ja muut 2011, s. 145). GreenWare järjestelmä mallinnettuna kuviossa 11. 54 Kuvio 11. GreenWare -järjestelmä (Zhang ja muut 2011, s. 146). Seuraavana vaatimuksena on hyödyntää viileää ulkoilmaa datakeskuksen jäähdytyksesä. Tutkijoiden Lu ja muiden (2011, s. 3361) mukaan keskusteluissa viileän ulkoilman hyödytämiseen jäähdytyksessä keskitytään usein kahteen näkökohtaan: energiatehokkuuteen sekä ulkoilman hallintaan. Apuna voidaan käyttää seuraavia energiatehokkuusmittareita: energiankäytön tehokkuus (PUE), paluulämpöindeksi (Return Temperature Index, RTI) sekä syöttölämpöindeksi (Supply Heat Index, SHI). 55 Tutkijat Lu ja muut (2011, s. 3361) pitävät tärkeänä huomiona sitä, että datakeskusten energiankulutus on hyvin paikkakohtaista ja tähän vaikuttaa suuresti maantieteellinen sijainti, ilmasto sekä paikallisen ympäristön olosuhteet. Yleisesti käytössä olevia jäähdytysjärjestelmiä datakeskuksissa ovat sekä ulkoilmaa hyödyntävät järjestelmät että nesteitä esimerkiksi vettä hyödyntävät jäähdytysjärjes- telmät. Yhtenä tunnettuna datakeskusten jäähdytysjärjestelmänä on vuonna 1992 IBM:n luomaa HACA ( Eng. Hot Aisle/Cold Aisle Suom. Kuumaa käyttävä/kylmää käyttä- vä) -järjestelmä. (Lu ja muut 2011, s.3362). HACA -jäähdytysjärjestelmän toimintaperiaate perustuu datakeskuksen alle rakennet- tuun korotettuun lattiaan, jonka alla kulkee viileää ulkoilmaa. Viileä ulkoilma ohjataan datakeskuksen IT laitteisiin lattiassa olevien reikien kautta, jolloin lämmin ilma nousee ylös, mistä se ohjataan poistoilmana kuumakäytävään. IT -laitteisiin tulevan viileän il- man tulee olla 18°C-27°C välillä sekä ilman kosteus tulee olla IT laitteille sopivalla tasol- la. (Lu ja muut 2011, s.3360) Kuviossa 12 on mallinnettu HACA -jäähdytysjärjestelmän toimintaa. Kuvio 12. Jäähdytysinfrastruktuuri HACA -järjestelmä. (Lu ja muut, 2011, s. 3361) 56 Tutkijoiden Lee ja Chen (2013, s.103) mukaan hyvin suunnitelluissa ja hallitusti ohjatuissa datakeskuksissa voidaan vaikuttaa energiapositiivisesti datakeskusten sisätilojen lämpötilaolosuhteisiin ulkoilmaa hyödyntämällä. Tutkijoiden tulokset perustuvat Ashrae Technical Committee TC 9.9 rakennusenergian simulointiohjelmaan, jota käytettiin eri ilmastovyöhykkeillä sijanneissa datakeskuksissa. ASHRAE on vuonna 1894 perustettu amerikkalainen ammattiliitto, jonka pyrkimyksenä on kehittää talotekniikkaa, energiatehokkuutta, sisäilman laatua ja jäähdytyksen toimivuutta kestävän kehityksen avulla globaalisti. Liiton missiona on edistää ihmisten hyvinvointia rakentamalla ympäristöä kestävän teknologian avulla ja se tuottaa alalta erilaisia tutkimuksia, standardeja ja julkaisuja yhdessä liittoon kuuluvien tutkijoiden kanssa. Vuonna 2018 liittoon kuului yli 56 000 jäsentä yli 132 eri valtiosta. (Ashrae, 2021) Tutkimus osoitti, että ulkoilmaa hyödyntämällä jokaista 2°C lämpötilan laskua datakeskusten sisäilmassa kohden voidaan säästää 2,8 - 8,5 prosenttia jäähdytyksestä muuten aiheutuvista energian kustannuksista. Tulokseen vaikutti se millä ilmastovyöhykkeellä tutkimus suoritettiin. Viileän ilman vyöhykkeellä saatiin merkittävimmät tulokset energian säästöistä. Tuloksiin vaikutti myös ilman kosteus ja tutkijat Lee ja Chen totesivat, että kaikilla ilmastovyöhykkeillä ulkoilman hyödyntäminen ei ole optimaalisin ratkaisu, vaan he ehdottivat näillä alueilla käytettävän vesijohteista jäähdytysjärjestelmää. (Lee & Chen 2013, s.103). Viimeinen porras pitää sisällään datakeskuksista syntyneen hukkalämmön varastoimisen sekä hyödyntämisen kaukolämpöverkossa. Kuten jo aiemman vaatimustason porras osoitti meille, ulkoilman hyödyntäminen datakeskusten jäähdytysjärjestelmissä on paljolti riippuvainen siitä millä ilmastovyöhykkeellä datakeskus sijaitsee. Ilmastovyöhykkeellä on myös oma vaikutuksensa hukkalämmön hyödyntämisesssä. 57 Wahlroosin ja muut (2018, s.1750) mukaan Pohjoismaiden ilmasto on erittäin sopiva niin ulkoilman hyödyntämiseen datakeskusten jäähdytyksesssä, kuin myös jäähdytyksen jälkeen syntyneen hukkalämmön hyödyntämisessä korkean kaukolämmitysasteen vuoksi. Hukkalämpöä on hyödynnetty jo aiemmin kaukolämmityksessä, vuonna 2015 sen osuus Suomessa oli 3,3 prosenttia ja vuonna 2014 Ruotsissa 8 prosenttia kokonaiskaukolämmöstä. Tutkijat Wahlroos ja muut (2018, s.1750) uskovat näiden lukujen kasvavan tulevaisuudessa. Asuntojen lämmöneristysten parantuessa kyetään yhä enenemissä määrin hyödyntämään hukkalämmöstä saatavaa matalampaa lämpöenergiaa ja näin korvaamaan osan fossiilisilla polttoaineilla tuotetusta lämpöenergiasta. Hukkalämmön hyödyntämisessä ei ole ainoastaan yhtä ratkaisua. Marciniche ja muut (2012, s.45) toteavat, että datakeskuksista syntyvää alhaisenlämpötilan hukkalämpöä voidaan käyttää esimerkiksi voimalaitosten syöttöveden esilämmitykseen. Marcinichen ja muut (2012, s.45) mukaan tämä johtaisi voimalaitoksien polttoainesäästöihin ja lisäisi niiden hyötysuhdetta jopa 2,2 prosenttia. Lu ja muut (2011, s.3371) arvioivat Suomen datakeskusten energiatehokkuutta ja hukkalämmön talteenottomahdollisuuksia. Tutkijoiden tutkimustulokset osoittivat, että 97 prosenttia sähkönkulutuksesta voidaan ottaa talteen hukkalämpönä. Tutkimuksessa todettiin, että 1 megawatin kokoisen datakeskuksen toimiessa puolella teholla sen täyskuormituksesta pystyttäisiin kattamaan yli 30 000 neliometrin ei asutetun alueen lämmöntarve vuoden aikana. Wahlroos ja muut (2018, s. 1749) toteavat, että nykypäivän modernit datakeskukset voivat sisältää tuhansia servereitä ja nimellinen energiankulutus voi nousta jopa 400 megawattiin suurimmissa tämän päivän datakeskuksissa. Karkeasti arvioituna ja tutkioiden tuloksiin linjaten voidaan siis todeta, että 400 megawatin kokoiset valtavat datakeskukset pystyisivät kattamaan lämmön tarpeen 12 neliökilometrin 58 asuttamattomalle alueelle. Hyödyntämällä tämän mahdollisuuden meille syntyisi keino, jolla pystytään korvaamaan fossiilisilla polttoaineilla tuotettua lämpöenergiaa ja samalla vähentämään lämmityksestä syntyneitä hiilidioksidipäästöjä. Edellä kuvattu tapahtumaketju voitaisiin nähdä yhtenä datakeskusten hiilikädenjälkeä edistävänä ominaisuutena. Pohjoismailla on runsaasti potentiaalia houkutella uusia datakeskuksia edellämainittujen olosuhteiden vuoksi. Datakeskuksissa syntyvän hukkalämmön tehokas uudelleenkäyttö vaatiivat kuitenkin paljon yhteistyötä lämmönjakelusta vastaavien toimijoiden kanssa. Teknologia ei niinkään ole ongelmana hukkalämmön hyödyntämisessä vaan suuremmaksi kysymykseksi nousee se miten datakeskukset tulevat kattamaan investoinneista aiheutuneet kustannukset sekä kuinka datakeskukset pystyvät hyötymään rahallisesti hukkalämmön hyödyntämisestä. (Walhroos ja muut, 2018, s.1775). Tutkijat Wahlroos ja muut (2018 s.1755) toteavat, että konesalioperaattoreilta saattaa puuttua asiantuntemus tekemiseen kuinka hukkalämmöstä tultaisiin hyötymään taloudellisesti. Datakeskusten todellisiin tietoihin perustuva hukkalämmön toimittaminen kaukolämpöverkkoihin tulisi analysoida yksityiskohtaisesti, jotta löydetään molemmille osapuolille kannattavimmat liiketoimintavaihtoehdot. Kaukolämpöverkon ja konesalin operaattorien väliset liiketoimintamallit tulisivat olla läpinäkyviä sekä molempien osapuolten tulisi haluta muuttua ja kehittää tuotantomalleja kestävämmän kehityksen mukaisiksi. Lisäämällä tietoisuutta onnistuneista hukkalämmön hyödyntämisprojekteista, teollisuus voi sopeutua uusiin ajattelutapoihin ja näin muttaa nykyisiä liiketoimintamalleja. Energiatehokkuuden ja hukkalämpöpotentiaalin mittaamiseen on luotava standardimenetelmät ja tämän lisäksi toimijoiden tulee saada riittävästi tukea valtion asetuksista ja lainsäädännöstä energiatehokkuuteen siirtymisen ja hukkalämmön hyödyntämisen osalta. Tavoitteena investoinnissa ei ole vain kustannussäästöt ja 59 suuremmat voitot, vaan keskittyminen globaaleihin ratkaisuihin energiankulutuksen ja hiilidioksidipäästöjen osalta. 60 5 Diskussio Tässä tutkimuksessa selvitettiin suunnittelututkimuksen avulla, millaisilla keinoilla da- takeskuksista voitaisiin tulevaisuudessa luoda hiilinegatiivisia toimijoita sekä määritel- tiin muuttujat, jotka vaikuttavat datakeskusten energiankulutukseen ja kasvaneisiin hiilidioksidipäästöihin. Tutkielman tavoitteena oli ratkaista ongelma, millaisilla järjestelyillä datakeskukset voi- sivat tuottaa palvelujaan kestävän kehityksen näkökulman mukaisesti. Tutkimuksessa hyödynnettiin tieteellistä kirjallisuutta liittyen tutkimusalueeseen, asiantuntijoiden nä- kemyksiä sekä tutkijan omia näkemyksiä aiheeseen liittyen. Seuraavat osiot käyvät läpi tutkimuksen ja tulosten arvioinnin sekä jatkotutkimusten mahdollisuudet tällä jatku- vasti kehittyvällä teknologian alueella. 5.1 Tutkimuksen ja tulosten arviointi Tutkimuksessa luotu kolmeportainen vaatimusmääritelmä osoittaa, että datakeskuksi- en hiilidioksidipäästöihin on mahdollista vaikuttaa tehokkaasti hyödyntäen uusiutuvia energianlähteitä, hyväksikäyttää viileää ulkoilmaa sekä hyödyntää datakeskuksista syn- tynyttä hukkalämpöä (Zhang ja muut 2011, s.143; Lee& Chen 2013, s.111; Lu ja muut 2011, s.3371). Mitä enemmän datakeskuksissa pystytään hyödyntämään uusiutuvia energianlähteitä sitä vähemmän joudutaan turvautumaan fossiilisten polttoaineiden kulutukseen ja näin vaikutetaan suoraan datakeskuksista syntyviin hiilidioksidipäästöi- hin. Datakeskusten sähköntarve on jatkuva ja näin ollen energiantarjoajien tulisi taata vakaa uusiutuvasta energiasta tuotettu sähköntarjonta datakeskuksille. Tähän voidaan nähdä eräänä ratkaisuna Zhangin ja muiden (2011, s. 145) esittelemä GreenWare -järjestelmä, 61 jonka avulla datakeskusten energiankulutusta ja kuormitusta pystytään hallitsemaan. Tämän hetken globaali tilanne liittyen maapallon ympäristökysymyksiin sekä ilmaston- muutoksen torjumiseen on myös osoittanut, että valtiot pyrkivät hiilineutraaleiksi lähi- tulevaisuudessa. Tämän johdosta myös osa energiayhtiöistä on alkanut panostaa kestä- vämpiin energiantuotantoratkaisuihin tukeakseen tätä yhteistä tavoitetta. Toinen esille noussut keino vaikuttaa datakeskusten energiankulutukseen ja näin hiili- dioksidipäästöihin on datakeskusten lokaatio. Datakeskusten sijainnin avulla datakes- kukset voivat hyötyä leudon sään tuomista eduista niiden jäähdytysjärjestelmissä. Lo- kaatio tuo myös toisen edun datakeskuksien energiankäyttöön, sillä datakeskuksista syntyvää hukkalämpöä voidaan hyödyntää alueen kotitalouksien lämmittämisessä. (Wahlroos ja muut 2018, s. 1749). Hukkalämmön hyödyntämisen haasteena kuitenkin on lämmönjakelun epäsäännöllisyys. Epäsäännöllisyys on myös ongelmana jäähdytyk- sen suhteen, sillä leudoilla alueilla sää voi olla tiettyinä aikoina lämpimämpää. Tutkielmassa on osoitettu, että ulkoilman hyödyntämisen avulla datakeskusten jäähdy- tyksessä voidaan säästää jopa 8,5 prosenttia jäähdytyskustannuksista jokaista 2°C sisä- lämpötilan laskua kohden (Lee & Chen 2013, s.111). Jäähdytysjärjestelmän kuluttaessa 38 prosenttia datakeskusten kokonaisenergiankulutuksesta voidaan arvioida ulkoilman jäähdytyksen luovan noin kolmen prosentin säästön datakeskusten kokonaisenergian kulutuksesta. Wahlroos ja muut (2018, s. 1749) tuovat esille suurimpien datakeskusten sähkönkulu- tukset olevan 400 megawatin luokkaa. Tällöin kolme prosentin energiansäästöt tarkoit- taisivat noin 13 megawatin säästöjä energiakustannuksissa. Tilastokeskuksen Energia ja päästöt 2021 tilastojen mukaan vuosien 2018-2020 keskiarvo sähköntuotannossa Suo- messa synnytti päästöjä 89 kg CO2/MWh. Käyttäen tätä kerrointa 13 megawatin säästö energiakustannuksissa tarkoittaisi 1157 kg hiilidioksidisäästöjä hiilidioksidikustannuk- sissa. 62 Aiemmin esille tuodulla esimerkillä 400 megawatin kokoisella datakeskuksella pysty- tään kattamaan 12 neliökilometrin asuttamattoman alueen lämmöntuotanto. Ottamal- la huomioon tämä hukkalämmön mahdollisuus kaukolämmön energiasäästöissä voi- daan päästä vielä suurempiin säästöihin hiilidioksidikustannuksissa. Microsoft ja Fortum julkaisivat 17.3.2022 tiedotteen globaalisti ainutlaatuisesta yhteis- hankkeestaan, jossa Microsoft tulee rakentamaan modernin datakeskusalueen yhdessä Fortumin kanssa. Hankkeen tarkoituksena on hyödyntää hukkalämmön tuomaa etua Fortumin tarjoamassa kaukolämpöverkossa. Hanke on kuvattu tiedettävästi maailman suurimmaksi datakeskusten hukkalämmön hyödyntämis- ja talteenottoprojektiksi ja lukeutuu Suomen historian suurimpiin yksittäisiin ICT-alan investointeihin. Hankkeessa tullaan hyödyntämään myös tutkimuksen artefaktiin kirjattua ensimmäistä askelmaa eli uusiutuvista energiamuodoista syntynyttä sähköenergiaa. Alustavien ennusteiden mu- kaan Microsoft ja Fortum ovat ennustaneet, että datakeskuksen valmistuessa sen avul- la pystyttäisiin saavuttamaan 400 000 tonnin vuotuinen vähennys hiilidioksidipäästöjen osalta. Hukkalämpö tulee kattamaan lähes 40 prosentin lämmöntarpeen Espoon, Kirk- konummen sekä Kauniaisten alueella ja palvelemaan lähes 250 000 kaukolämmön käyt- täjää. (Microsoft, 2022). Microsoftin ja Fortumin yhteishanke sisältää tutkimuksessa aiemmin luodun artefaktin kaksi askelmaa hyödyntämällä ainoastaan uusiutuvia energianlähteitä datakeskusten sähköntarpeen tuottamisessa sekä hukkalämmön hyödyntämisen kaukolämmityksessä. Voidaan todeta, että artefakti palvelee jo nyt suuressa määrin uusimpia datakes- kushankkeita ja tulevaisuuden myötä voidaan päästä tilanteeseen, jossa luodun arte- faktin vaatimustasot ovat kaikki käytössä. Yhteenvetona voidaan todeta, että jatkuvasti kasvavan tiedon määrään johdosta mei- dän tulee yhteiskunnassa luoda toimiva uusia ratkaisumalleja. Ratkaisumallit tulevat sisältämään tehokkaampia tiedonkäsittelyyn luotuja ratkaisuja, kestävällä tavalla tuote- tun energian hyödyntämistä, hyväksikäyttää ilmastomme luomia etuja datakeskusten 63 sijaintiin liittyen sekä luoda globaalit pelisäännöt siitä, kuinka tiedonhallinta tullaan jatkossa tarjoamaan maapallolla. Onnistuaksemme tavoitteessa luoda hiilinegatiivisia datakeskuksia tulee eri liiketoimintojen, kuten ICT-alan ja energia-alan yhtiöiden jatkos- sakin luoda Microsoftin ja Fortumin tapaisia yhteishankkeita ja näin päästä kohti halut- tua lopputulosta. 5.2 Jatkotutkimusmahdollisuus Tutkimusosuudessa luodun artefaktin sisältämät kolme vaatimusporrasta eivät ole tiedettävästi vielä missään maapallolla sijaitsevassa datakeskuksessa täydellisesti käytössä. Microsoftin ja Fortumin juuri julkaisema yhteishanke tulee valmistuttuaan hyödyntämään artefaktin kahta vaatimusporrasta, joka tulee toimimaan hyvänä testausjärjestelmänä luotua artefaktia kohtaan. Artefakti ei myöskään välttämättä ole täydellinen vaatimusmäärittelyn malli ja näin ollen jatkuvasti kehittyvien teknologisten hankkeiden avulla sitä voidaan jatkojalostaa tulevaisuudessa. Artefakti voidaan käyttää kuitenkin kattavana pohjana jatkotutkimuksissa ja sen testaaminen tulevaisuudessa riippuu siitä tulevatko datakeskukset ottamaan nämä kaikki kolme vaatimusmääritelmän porrasta käyttöön tulevaisuudessa pyrkiessään luomaan yhteiskuntaan hiilineutraaleja datakeskuksia. 64 Lähteet Andrews, D. (2019). Data Centres in 2030: comparative case studies that illustrate the potential of Design for the Circular Economy as an enabler of Sustainability. Ha- ettu 13.10.2021 osoitteesta https://openresearch.lsbu.ac.uk/item/8675q Armstrong, M. (2019). Global data creation is about to explode. Haettu 7.10.2021 osoitteesta https://www.statista.com/chart/17727/global-data-creation- forecasts/ Arregoces, M. & Portolani, M. (2004). Data Center Fundamentals. Understand Data Center Network Design and Infrastructure Architecture, Including Load Balan- cing, SSL, and Security. Cisco Press. Ashrae (2021). Haettu 12.3.2022 osoitteesta https://www.ashrae.org/ Avgerinou, M., Bertoldi, P. & Castellazzi, L. (2017). Trends in Data Centre Energy Con- sumption Under the European Code of Conduct for Data Centre Energy Efficien- cy. MDPI Energies 10(10) s.1-18. https://doi.org/10.3390/en10101470 Baskerville, R., Pries-Heje, J. & Recker, J. (2016). Principles for re-designing information systems for environmental sustainability. Springer International (pp. 14–25). https://doi.org/10.1007/978-3-319-44447-5_2 Behm, K., Husgafvel, R., Hohenthal, C., Pihkola, H. & Vatanen, S. (2016). Carbon handp- rint- Communicating the good we do. Research Report. Teknologian tutkimus- keskus. Haettu 20.11.2021 osoitteesta https://cris.vtt.fi/en/publications/carbon- handprint-communicating-the-good-we-do 65 Cisco. (2020). Cisco annual internet report (2018–2023) white paper. Cisco annual in- ternet report. Haettu 7.11.2021 osoitteesta https://www.cisco.com/c/en/us/solutions/collateral/executive- perspectives/annual-internet-report/white-paper-c11-741490.pdf Corcoran, P. & Andrae, A. (2013). Emerging Trends in Electricity Consumption for Con- sumer ICT. http://citeseerx.ist.psu.edu/viewdoc/download?doi=10.1.1.843.8608&rep=rep1 &type=pdf Ebrahimi, K., Jones, G. F. & Fleischer, A. S. (2014). A review of data center cooling tech- nology, operating conditions and the corresponding lowgrade waste heat reco- very opportunities. Renewable and Sustainable Energy Reviews, 31, s. 622–638. https://doi.org/10.1016/j.rser.2013.12.007 Euroopan parlamentti. Mitä hiilineutraalius tarkoittaa ja miten se saavutetaan 2050 mennessä. Haettu 23.10.2021 osoitteesta https://www.europarl.europa.eu/news/fi/headlines/society/20190926STO6227 0/mita-hiilineutraalius-tarkoittaa-ja-miten-se-saavutetaan-2050-mennessa Geng, H. (2014). Data Centers- Strategic Planning, Design, Construction, and Opera- tions. https://doi-org.proxy.uwasa.fi/10.1002/9781118937563.ch1 Google Cloud. (2020). Google Cloud Hybrid Connectivity. Haettu 10.11.2021 osoitteesta https://cloud.google.com/hybrid-connectivity Greenberg. Albert, Kandula. Srikanth, Maltz. David A, Hamilton. James R, Kim. Chang- hoon, Parveen. Patel, Jain. Nvendu, Lahiri. Parantap, and Sengupta. Sudipta (2009). A Scalable and Flexible Data Center Network. Microsoft Research. https://dl.acm.org/doi/pdf/10.1145/1592568.1592576 66 Hevner, A., Salvatore, T., & Park, J. (2004). Design Science in Information Systems Re- search. MIS Quarterly 28(1), 75–105. Haettu 20.11.2021 osoitteesta https://www.researchgate.net/publication/201168946_Design_Science_in_In- formation_Systems_Research Heras-Saizarbitoria, I. & Boiral Olivier (2013). ISO 9001 and ISO 14001: Towards a Re- search Agenda on Management System Standards. DOI: 10.1111/j.1468- 2370.2012.00334.x Hiekkanen, Seppälä & Ylhäinen (2020). Informaatiosektorin energian- ja sähkönkäyttö Suomessa. ETLA Raportti No. 104, luonnos 19.5.2020. Haettu 23.11.2021 osoit- teesta https://www.etla.fi/julkaisut/informaatiosektorin-energian-ja- sahkonkaytto-suomessa/ Hilbert, Martin, and Priscila López (2011). The World's Technological Capacity to Store, Communicate, and Compute Information. Science. vol. 332, no. 6025. s. 60- 65. DOI: 10.1126/science.1200970 Holdren John, P (2007). Energy and Sustainability. Science vol 315. https://www.science.org/doi/epdf/10.1126/science.1139792 ISO Internal Organization for Standardization (2022) ISO 14000 Family Environmental Management. Haettu 20.02.2022 osoitteesta https://www.iso.org/iso-14001- environmental-management.html Jones, Nicolas (2018). How to stop data centres from gobbling up the world´s electrici- ty. Nature 561, s. 163-166. Haettu 11.7.2021 osoitteesta https://www.nature.com/articles/d41586-018-06610-y 67 Järvinen Pertti (2006). Onko innovaatioiden suunnittelu tiedettä? Systeemityö 2 painos. Haettu 27.10.2021 osoitteesta http://www.pcuf.fi/sytyke/lehti/kirj/st20062/ST062-25A.pdf Kocmanová, A., Docekalová, M., Skapa, S. & Smolíková, L. (2016). Measuring Corporate Sustainability and Environmental, Social, and Corporate Governance Value Ad- ded. Sustainability, 8(9), 945. s.13. https://doi.org/10.3390/su8090945 Kullas, J. (2022, 29. tammikuuta). Valtavat datakeskukset uhkaavat Irlannin ilmastota- voitteita- 17% kaikesta tuotetusta sähköstä vuonna 2021. Uusi Suomi. Noudettu 2.2.2022 osoitteesta https://www.uusisuomi.fi/uutiset/valtavat-datakeskukset- uhkaavat-irlannin-ilmastotavoitteita-17-kaikesta-tuotetusta-sahkosta-vuonna- 2021/f9980101-1d59-4f7b-bdcc-f746e8fcad12 Laurent, A., Dal Maso, M., Wang, X., Zhu, X & Prata D, (2020). Environmental Sus- tainability of Data Centres: A Need for a Multi-impact and Life Cycle. Copenha- gen Centre on Energy Efficiency. Haettu 15.4.2021 osoitteesta: https://backend.orbit.dtu.dk/ws/portalfiles/portal/222047968/2020_06_IssueB rief_Datacenter_UK_endorsed.pdf Lee, K, P. & Chen, H, L. (2013). Analysis of Energy Saving Potential of Air-Side Free Coo- ling for Data Centers in Worldwide Climate Zones. https://doi.org/10.1016/j.enbuild.2013.04.013 Lindqvist, Eero (2020). Digi vie puhtaaseen tulevaisuuteen. Tieken Tiedosta Lehti. (1)1- 52. Haettu 19.2.2022 osoitteesta https://www.slideshare.net/Tieke/tiedostalehti-12020-digi-vie-puhtaaseen- tulevaisuuteen 68 Lu, T., Lü, X., Remes, M. & Viljanen, M. (2011). Investigation of air management and energy performance in a data center in Finland: Case study. Energu and Buil- dings. Volume 43, Issue 12. s. 3360-3372. https://doi.org/10.1016/j.enbuild.2011.08.034 Masanet, Eric, Arman Shehabi, Nuoa Lei, Sarah Smith, and Jonathan Koomey (2020). Recalibrating global data center energy-use estimates. Science 367, no. 6481 (2020): 984-986. DOI: 10.1126/science.aba3758 Malmodin, J. & Lundén, D. (2018). The Energy and Carbon Footprint of The Global ICT and E&M Sectors 2010–2015. Sustainability. Volume 9, Issue 9. https://doi.org/10.3390/su10093027 Malmodin, Moberg, Lundén, Finnveden & Lövehagen (2010). Greenhouse Gas Emis- sions and Operational Electricity Use in the ICT and Entertainment & Media Sec- tors. KTH, Royal Institute of Technology. Volume 14, Number 5. https://doi.org/10.1111/j.1530-9290.2010.00278.x Marcinichen, J., Oliver, J. & Thome, J.(2012). On-chip Two-phase Cooling of Datacen- ters: Cooling System and Energy Recovery Evaluation. https://doi.org/10.1016/j.applthermaleng.2011.12.008 Markus, M., Majchrzak, A., & Gasser, L. (2002). A Design Theory for Systems That Sup- port Emergent Knowledge Processes. MIS Quarterly, 26(3), 179–212. Noudettu 2021- 02-03 osoitteesta https://doi.org /10.2307/4132330 MayorsIndicators (2008). CO2-Raportti. Haettu 18.3.2022 osoitteesta https://www.co2- raportti.fi/?page=ilmastonmuutos 69 Microsoft (2022). Microsoft ja Fortum yhteistyöhön - Microsoft rakentaa Suomeen da- takeskusalueen, joka tuottaa päästötöntä kaukolämpöä Fortumin asiakkaille pääkaupunkiseudulla. Haettu 18.3.2022 osoitteesta https://news.microsoft.com/fi-fi/2022/03/17/microsoft-rakentaa-suomeen- datakeskusalueen/ Microsoft Azure. (2021). Public cloud vs private cloud vs hybrid cloud | microsoft azure. Haettu 10.12.2021 osoitteesta https://azure.microsoft.com/enus/overview/what-are-private-public-hybrid- clouds/ Mills, Mark P. (2013). The Cloud Begins with Coal Big Data, Big Networks, Big Infrastruc- ture, and Big Power. "An Overview of The Electricity Used By The Global Digital Ecosystem". Digital Power Group. Haettu 18.3.2021 osoitteesta https://www.tech-pundit.com/wp- content/uploads/2013/07/Cloud_Begins_With_Coal.pdf Nadjahi, C., Louahlia, H. & Lemasson, S. (2018). A review of thermal management and innovative cooling strategies for data center. Sustainable Computing: Informa- tics and Systems. 19. s. 14–28. https://doi.org/10.1016/j.suscom.2018.05.002 NOAA, National Centers for Environmental Information (2021). Climate at a Glance. Haettu 13.9.2021 osoitteesta https://www.ncdc.noaa.gov/cag/global/time- series/globe/land_ocean/1/9/2010-2021 Norris, G. and Phansey, A. (2015). Handprints of Product Innovation: A Case Study of Computer-aided Design in the Automotive Sector. Haettu 20.8.2021 osoitteesta https://shine.mit.edu/sites/default/files/Norris%202015%20Handprints%20of% 20Product%20Innovation%20A%20Case%20Study%20of%20Computer- aided%20Design%20in%20the%20Automotive%20Sector_2.pdf 70 Oró, E., Depoorter, V., Garcia, A. & Salom, J. (2015). Energy Efficiency and Renewable Energy Integration in Data Centres. Strategies and Modelling Review. https://doi.org/10.1016/j.rser.2014.10.035 Pedersen, Lasse, Heje. Fitzgibbons, Shaun &Pomorski, Lukasz. (2020). Responsible in- vesting: The ESG-efficient frontier. Journal of Financial Economics 142. s. 572- 597. https://doi.org/10.1016/j.jfineco.2020.11.001 Peffers, Ken. Tuunanen, Tuure. Rothenberger, Marcus, A. & Chatterjee, Samir (2007). A Design Science Research Methodology for Information Systems Research. Jour- nal of Management Information Systems. Vol. 24, No. 3. s.45–77. https://doi.org/10.2753/MIS0742-1222240302 Pertsova, Carolyn (2007). Ecological Economics Research Trends. Nova Science Pub- lishers, Inc. New York. s.366 Renugadevi, T., Geetha, K., Muthukumar, K. & Geem, Z. W. (2020). Optimized energy cost and carbon emission-aware virtual machine allocation in sustainable data centers Multidisciplinary Digital Publishing Institute. No16 https://doi.org/10.3390/su12166383 Saha, S., Sarkar, J., Dwivedi, A., Dwivedi, N., Narasimhamurthy, A. M. & Roy, R. (2016). A novel revenue optimization model to address the operation and maintenance cost of a data center. Journal of Cloud Computing. Vol. 5, No.1 . s. 1-23 https://doi.org/10.1186/s13677-015-0050-8 Song, Z., Zhang, X. & Eriksson, C. (2015). Data Center Energy and Cost Saving Evaluati- on. Energy Procedia. Elsevier. s. 1255-1260 https://doi.org/10.1016/j.egypro.2015.07.178 71 Suomen YK-Liitto (2017) Kestävän kehityksen tavoitteet. Haettu 28.12.2021 osoitteesta https://www.ykliitto.fi/sites/www.ykliitto.fi/files/media/Agenda2030_pikkukirja nen_2017.pdf Tilastokeskus (2020). Energian kokonaiskulutus väheni ja uusiutuvan energian kulutus kasvoi prosentin vuonna 2019. Haettu 18.3.2021 osoitteesta http://www.stat.fi/til/ehk/2019/ehk_2019_2020-12-21_tie_001_fi.html Tilastokeskus (2022). Energia ja päästöt 2021. Haettu 18.3.2022 osoitteesta https://pxhopea2.stat.fi/sahkoiset_julkaisut/energia2021/html/suom0011.htm The Green Grid (2010). Carbon Usage Effectiveness (CUE): A Green Grid Data Center Sustainability Metric. Haettu 28.4.2021 osoitteesta: https://www.netalis.fr/wp- content/uploads/2016/04/Carbon-Usage-Effectiveness-White-Paper_v3.pdf The Green Grid (2011). Water Usage Effectiveness (WUETM): A Green Grid Data Center Sustainability Metric. Haettu 28.4.2021 osoitteesta: https://www.thegreengrid.org/en/resources/library-and-tools/238-Water- Usage-Effectiveness-%28WUE%29%3A-A-Green-Grid-Data-Center- Sustainability-Metric- The Green Grid (2012). PUETM: A Comprehensive Examination of The Metric. Haettu 28.4.2021 osoitteesta: http://nikom.in/Downloads/0a58778d-fc96-4482-8c46- 13abe76b015c.pdf Turner, W., Seader, J. H., Renaud, V. & Brill, K. (2006). Tier classifications define site inf- rastructure performance. Uptime Institute. Haettu 6.10.2021 osoitteesta https://www.atlas-environment-finland.com/wp- content/uploads/2019/07/Tier.pdf 72 Zhang, Y., Wang, Y. & Wang, X. (2011). GreenWare: Greening Cloud-Scale Data Centers to Maximize the Use of Renewable Energy. https://doi- org.proxy.uwasa.fi/10.1007/978-3-642-25821-3_8