AI for logistik og transport
Transportbranchen kører på marginer, hvor få procentpoint afgør om året blev godt eller skidt — og presset kommer fra alle sider på én gang. Diesel, forsikringer og den kilometerbaserede vejafgift presser omkostningerne op, chaufførmanglen gør hver ledig bil dyrebar, og kunderne forhandler raterne ned samtidig med at de kræver mere: track & trace, hurtigere svar, CO2-tal pr. sending. Midt i det hele sidder disponenten som virksomhedens flaskehals — med telefonen i det ene øre, tre uafsluttede mails på skærmen og en dagsplan der skal lægges om, fordi en bil holder i kø ved grænsen. Og bagerst i kæden venter kontoret på krøllede fragtbreve fra førerhuset, før der overhovedet kan faktureres.
AI ændrer ikke hvordan en trailer læsses eller en rute køres — den fjerner tastearbejdet og ventetiden rundt om transporten. En sprogmodel kan i dag læse en fragtforespørgsel fra en mail, slå op i jeres egne rater og zoner og lægge et tilbudsudkast klar på minutter i stedet for timer. Den kan læse et fotograferet CMR-fragtbrev — også håndskrevne felter og stempler — matche det til ordren og frigive fakturaen samme dag. Den kan svare kundernes "hvor er min vare?" direkte fra TMS- og GPS-data, så disponenten ikke afbrydes 30 gange om dagen. Og den kan regne CO2 pr. sending ud efter anerkendte standarder, så I kan svare på de ESG-krav, som store kunder allerede stiller. Fællesnævneren: AI laver forarbejdet og udkastet — beslutningen om biler, priser og kunder ligger hos jeres folk.
Data i transport er ikke ligegyldig data. GPS- og takografdata er personoplysninger om jeres chauffører, og rater, kundelister og dækningsbidrag er forretningshemmeligheder, der aldrig må ende som træningsdata hos en modeludbyder. Derfor bygger vi med EU-region inference, databehandleraftale, zero data retention og klar adgangsstyring fra dag ét — og med åbenhed over for chaufførerne om, hvad flådedata bruges til.
Vores tilgang er at starte småt og måle ærligt: én proces, fire uger, tal før og efter. Dage fra levering til faktura, svartid på tilbud, antal statusopkald. Virker det ikke målbart, skal I ikke betale for at skalere det.
Kender du det her?
Disponentens telefon ringer konstant — statusforespørgsler, nye bookinger, chauffører der mangler en aflæsningsadresse — mens dagens plan skal lægges om for tredje gang.
Prisforespørgsler ligger timer i indbakken, fordi tilbuddet kræver opslag i rater, zoner og olietillæg — og fragten går til den konkurrent, der svarede først.
Fragtbreve, POD'er og pallekvitteringer kommer hjem som krøllet papir i førerhuset, og fakturaen kan først sendes, når nogen på kontoret har tastet dem ind.
Tomkørsel æder marginen på hjemturen, og returlæs findes med mavefornemmelse, telefonopkald og fragtbørser i sidste øjeblik — i konkurrence med alle andre.
Store kunder kræver nu CO2-tal pr. sending og ESG-dokumentation til deres egen rapportering — og ingen på kontoret har tid eller værktøj til at producere dem.
Palleregnskabet stemmer aldrig, og hvert kvartal koster differencerne både penge og lange diskussioner med kunder og terminaler.
Løsninger vi bygger til branchen
Gennemtænkte, konkrete løsninger — fra problem til hvordan de bygges og hvad de typisk flytter.
AI-tilbudsassistent: fra fragtforespørgsel til afgivet tilbud på minutter
Problemet
Prisforespørgsler lander i disponentens indbakke mellem 40 andre mails, og hvert tilbud kræver opslag i ratekort, zoner, olietillæg og særkrav — plus mavefornemmelse. I mellemtiden har kunden sendt den samme forespørgsel til tre andre vognmænd, og den der svarer først, vinder ofte fragten.
Løsningen
Sådan bygger vi den: AI'en læser forespørgslen fra mail eller webformular og udtrækker det, der skal bruges — afhentnings- og leveringsadresse, godstype, vægt, kolli, ladmeter eller palleantal og ønsket leveringsvindue. Den slår op i jeres egne rater og zonekort, lægger aktuelt olietillæg og eventuelle særkrav til (bagsmæklift, ADR, temperaturkrav, tidslossning) og stiller et færdigt tilbudsudkast klar. Disponenten justerer de steder, hvor markedet eller mavefornemmelsen siger noget andet, og trykker send — eller lader standardfragter under en aftalt beløbsgrænse gå ud automatisk. Er forespørgslen uden for jeres normale geografi, godstype eller kapacitet, markeres den til manuel vurdering i stedet for at blive gættet. Mangler der oplysninger i forespørgslen, stiller AI'en selv de opklarende spørgsmål til kunden.
Sådan bygges den: Sprogmodel med RAG over jeres ratekort, zoner, tillæg og betingelser, koblet på indbakken og webformularen — og på jeres TMS via API, hvor det findes. Selvbetjenings-admin, så I selv kan rette rater og regler uden at ringe til os.
📈 Svartiden falder typisk fra timer til minutter, og fordi flere forespørgsler faktisk bliver besvaret, vindes der typisk flere fragter — uden ekstra mandskab på kontoret.
Dokument-motoren: CMR, POD og bilag uden indtastning
Problemet
Fragtbreve, POD'er, pallekvitteringer og færge- og brobilag kommer hjem som papir i førerhuset eller som skæve fotos i chaufførens telefon. Nogen skal taste dem ind og matche dem til ordrer — og fakturaen kan først sendes, når POD'en er i hus. Det koster likviditet, indtastningsfejl og lørdagsarbejde på kontoret.
Løsningen
En løsning vi bygger til branchen: Chaufføren fotograferer fragtbrevet ved levering — resten sker automatisk. En vision-model læser dokumentet, også håndskrevne felter, stempler og kvitteringer med forbehold, og udtrækker ordrenummer, modtager, kolli, palleantal og eventuelle bemærkninger. Data matches til den rigtige ordre i jeres system, og rene leveringer frigives til fakturering samme dag. Er der kvitteret med forbehold — skade, manko, afvist gods — flages ordren til opfølgning i stedet for at gå direkte til fakturering, så reklamationssager fanges mens fristerne stadig løber. Palleoplysninger bogføres løbende i palleregnskabet, og originalbilledet gemmes altid sammen med de udlæste data, så I kan kontrollere hvad som helst bagefter.
Sådan bygges den: Vision-model + sprogmodel til dokumentlæsning, et enkelt foto-flow til chaufførerne — eller integration til den chauffør-app, I allerede bruger — og matchning mod TMS og økonomisystem via API. Usikre udlæsninger sendes altid til manuel kontrol frem for at blive gættet.
📈 Fakturering typisk 2-5 dage tidligere og markant færre indtastningsfejl — og palleregnskabet vedligeholdes løbende i stedet for at blive rekonstrueret hvert kvartal.
"Hvor er min vare?"-assistent: statussvar uden at forstyrre disponeringen
Problemet
En stor del af dagens opkald og mails handler om det samme: status og ETA. Hver henvendelse afbryder disponenten midt i planlægningen, og svaret kræver alligevel bare et opslag i TMS'et eller flådens GPS. Kunder, der ikke kan få svar, ringer igen — eller begynder at kigge efter en transportør med bedre track & trace.
Løsningen
Sådan bygger vi den: En AI-assistent på jeres hjemmeside og mail tager imod statusforespørgsler døgnet rundt. Den verificerer, at spørgeren hører til ordren, slår sendingen op i TMS og flådens telematik og svarer med aktuel status og en realistisk ETA — formuleret som et menneske ville, ikke som et systemudtræk. Alt, der kræver en beslutning — bookingændringer, ekstra stop, reklamationer, prisspørgsmål — eskaleres til disponenten med hele konteksten samlet, så samtalen ikke starter forfra. Og i stedet for kun at svare, når der spørges, kan den varsle proaktivt: Er en tur forsinket i forhold til leveringsvinduet, får de berørte kunder besked, inden de selv når at ringe.
Sådan bygges den: Chat-widget + mail-integration bygget på en sprogmodel med opslag i jeres TMS og telematik/flådestyring via API, samt RAG over jeres leveringsbetingelser. Streng adgangsstyring: Status udleveres kun mod ordrenummer og verifikation — aldrig hele flådens positioner.
📈 Typisk håndteres 40-60% af statushenvendelserne uden at kontoret røres, og disponenten får sammenhængende tid til det, der faktisk kræver et menneske: at disponere.
Disponent-copilot: færre tomme kilometer og et overblik der ikke bor i ét hoved
Problemet
Tomkørsel æder marginen på hjemturene, og returlæs findes i dag med mavefornemmelse, telefonopkald og fragtbørser i konkurrence med alle andre. Samtidig sidder hele overblikket — hvem kører hvor, hvad plejer kunderne at booke, hvilke biler har lift og ADR — i hovedet på én eller to nøglepersoner. Når de holder ferie, holder overblikket også.
Løsningen
En løsning vi bygger til branchen: En copilot, der hver morgen og løbende samler flådens planlagte ture, ledig kapacitet og kendte tomben — og matcher dem mod indkomne forespørgsler, faste kunders bookingmønstre og relevant gods fra de fragtbørser, I allerede bruger. Den foreslår konkrete match med begrundelse og estimeret dækningsbidrag: "Bil 14 kører tom fra Hamborg torsdag — disse tre forespørgsler ligger på ruten." Disponenten vælger; AI'en booker aldrig selv. Samtidig fungerer den som opslagsværk over jeres egen drift: hvilke biler har bagsmæklift og ADR-godkendelse, hvad kørte vi for en given kunde sidste kvartal, hvilke ruter har oftest ledig kapacitet. Viden, der før krævede den rigtige person på kontoret, kan nu slås op af alle.
Sådan bygges den: Integration til TMS og telematik via API, sprogmodel med RAG over jeres ordrehistorik, flåde- og materieldata. Alle forslag vises med begrundelse og estimeret dækningsbidrag, og et menneske godkender hver eneste booking.
📈 Selv få procentpoint mindre tomkørsel flytter typisk bundlinjen mærkbart i en branche med smalle marginer — og virksomheden bliver mindre sårbar over for, at disponeringen sidder i ét hoved.
Flere use cases
Mail-til-ordre uden indtastning
Bookinger, der kommer som fri tekst i mails eller vedhæftede filer, læses af AI og oprettes som ordreudkast i TMS'et med adresser, gods, referencer og leveringsvindue — klar til disponentens godkendelse.
📈 Typisk flere minutters indtastning sparet pr. ordre — og færre fejl i adresser og referencer, der ellers først opdages ved levering.
CO2-tal pr. sending til kundernes ESG-rapportering
AI beregner og dokumenterer CO2-udledning pr. transport ud fra rute, køretøj og udnyttelsesgrad efter anerkendte standarder som ISO 14083 — leveret som rapport pr. kunde eller pr. sending.
📈 Krav fra store kunder, der før betød regnearksdage, besvares typisk automatisk — og bliver et salgsargument i stedet for en byrde.
Chaufførassistent i lommen
En assistent på chaufførens telefon, der svarer på kundespecifikke aflæsningsinstrukser, ADR-regler, terminaltider og "hvor står tomme paller hos den her kunde" — bygget på jeres egne instrukser og kørselsordrer.
📈 Færre opkald til kontoret om ting, der allerede står i en instruks — og nye chauffører kommer typisk hurtigere ind i faste kunders rutiner.
Kontrol af fremmedfakturaer
Afregninger fra underleverandører og samarbejdspartnere tjekkes automatisk mod de aftalte rater, olietillæg og den faktisk udførte tur — afvigelser flages med begrundelse, før fakturaen godkendes.
📈 Fejlafregninger og dobbeltfaktureringer fanges typisk systematisk i stedet for ved stikprøve — på smalle marginer kan det mærkes direkte.
Skader og reklamationer efter CMR-reglerne
Foto, fragtbrev og chaufførens beskrivelse samles automatisk til en struktureret skadesag med tidslinje og dokumentation — med tydelig markering af de korte reklamationsfrister, CMR-loven arbejder med.
📈 Sagerne er komplette fra dag ét, frister overskrides sjældnere, og diskussioner med kunder og forsikring afgøres på dokumentation frem for hukommelse.
Palleregnskab og pallebytte under kontrol
Palleoplysninger fra fragtbreve og kvitteringer bogføres løbende, og AI vedligeholder saldi pr. kunde og terminal med difference-lister, der er klar til afstemning.
📈 Færre tabte paller og kortere afstemningsmøder — differencer tages løbende, mens de stadig kan spores, ikke hvert kvartal.
ROI og forventninger
Gevinsten i en transportvirksomhed kommer typisk i tre lag. Først timerne: En mellemstor vognmand eller speditør sparer typisk 10-20 kontortimer om ugen på dokumenthåndtering, ordreindtastning, tilbud og statushenvendelser — tid der i dag ofte ligger hos de dyreste og mest pressede folk på kontoret. Dernæst likviditeten: Når POD'en læses samme dag som leveringen, rykker faktureringen typisk 2-5 dage frem, hvilket kan mærkes direkte på kassekreditten. Og til sidst marginen: Fordi branchens marginer typisk er få procent, flytter selv en beskeden reduktion i tomkørsel eller få fangede fejlafregninger reelt bundlinjen. Driftsomkostningen til AI ligger typisk fra nogle hundrede til få tusinde kroner om måneden afhængigt af volumen, og investeringen er typisk tjent hjem på 2-4 måneder. Ærligt forbehold: Effekten afhænger af, hvor godt jeres TMS og telematik kan integreres, og hvor stor dokument- og henvendelsesvolumen faktisk er — det afklarer vi, før der bygges noget.
Hvor man starter
- Start med dokument-flowet (CMR/POD) — det er typisk den mest målbare gevinst, fordi effekten kan aflæses direkte i dage fra levering til faktura
- Kortlæg systemlandskabet — TMS, telematik/flådestyring, økonomisystem — så integrationsmulighederne er kendte, inden løsningen designes
- Få compliance-fundamentet på plads fra start: databehandleraftale, EU-region inference, og klar information til chaufførerne om hvordan GPS- og dokumentdata bruges
- Mål før og efter i fire uger — svartid på tilbud, dage fra levering til faktura, antal statusopkald — og skalér kun det, der beviseligt virker
Compliance og data
Transport har sit eget lag af regler oven på GDPR, og løsningerne skal bygges derefter. GPS-, telematik- og takografdata er personoplysninger om jeres chauffører: Behandlingen kræver et sagligt formål (flådestyring, dokumentation — ikke skjult overvågning), og chaufførerne skal informeres klart om, hvad data bruges til, i tråd med Datatilsynets praksis for kontrol af medarbejdere. Køre- og hviletidsreglerne og takografforordningen gælder uændret — AI kan hjælpe med overblik, men ansvaret flytter sig ikke. CMR-loven regulerer fragtbrevet, transportørens ansvar og de korte reklamationsfrister ved skade og manko, hvilket vores dokument-flows er designet til at understøtte — originaldokumentet gemmes altid sammen med de udlæste data. Kører I farligt gods, gælder ADR-konventionens krav til dokumenter og uddannelse; kører I internationalt, gælder cabotagereglerne og EU's mobilitetspakke. Dertil kommer godskørselslovens tilladelseskrav og de stigende ESG-krav: Store kunder omfattet af CSRD efterspørger i stigende grad CO2-data pr. transport, typisk efter ISO 14083. Endelig er jeres rater, kundelister og dækningsbidrag forretningshemmeligheder — derfor bygger vi altid med EU-region inference, databehandleraftale, zero data retention og adgangsstyring, så hverken persondata eller priser ender som træningsdata hos en modeludbyder.
Ofte stillede spørgsmål
Vi kører allerede med et TMS og flådestyring — skal vi skifte system for at bruge AI?
Nej. Vi bygger oven på det, I har. Har jeres TMS eller telematik et API — og det har de fleste gængse systemer — integrerer vi direkte, så ordrer, status og dokumenter flyder automatisk. Hvor der ikke findes et API, bygger vi et sikkert godkend-og-indsæt-flow ved siden af, så gevinsten stadig hentes. Vi anbefaler aldrig et systemskifte som forudsætning for at komme i gang — det er netop pointen med at bygge småt først.
Kan AI overhovedet læse vores fragtbreve — også de håndskrevne og stemplede?
Ja, det er præcis det, moderne vision-modeller er blevet gode til: skæve fotos, håndskrevne felter, stempler og kvitteringer med forbehold. Men vi lover ikke 100% — derfor er flowet designet med et sikkerhedsnet: Udlæsninger med lav sikkerhed sendes til manuel kontrol i stedet for at blive gættet, og originalbilledet gemmes altid sammen med de udlæste data, så alt kan efterprøves. I pilotperioden måler vi træfsikkerheden på jeres egne dokumenter, før noget sættes i drift.
Hvad med GPS-data og overvågning af chaufførerne — må vi det?
Ja, med de rigtige rammer. GPS- og takografdata er personoplysninger, så behandlingen kræver et sagligt formål — flådestyring, kundeservice, dokumentation — og chaufførerne skal informeres klart om, hvad data bruges til. Skjult overvågning eller adfærdskontrol uden information er ikke lovligt, og det bygger vi heller ikke. Vores løsninger bruger positionsdata til det, de er indsamlet til: at svare kunder på ETA og finde returlæs — med adgangsstyring, så data ikke flyder længere end nødvendigt. Vi anbefaler altid, at chaufførerne inddrages tidligt; det er også dem, der skal bruge foto-flowet i hverdagen.
Mister kunderne den direkte linje til disponenten?
Nej — de får hurtigere svar på det rutineprægede og bedre adgang til disponenten på det vigtige. AI'en håndterer statusopslag og ETA-spørgsmål, som i dag afbryder disponeringen 20-30 gange om dagen, men alt der kræver en beslutning — bookingændringer, ekstra stop, reklamationer, prisforhandling — går direkte til jeres folk med hele konteksten samlet. De kunder, der ringer kl. 21 for en status, får svar med det samme i stedet for en telefonsvarer. Relationen bor stadig hos disponenten; AI'en fjerner bare afbrydelserne.
Hvad koster det, og hvornår tjener det sig hjem?
En pilot på én proces — typisk dokument-flowet eller tilbudsassistenten — er en afgrænset investering; se de aktuelle spænd på vores prisside. Driften ligger typisk fra nogle hundrede til få tusinde kroner om måneden i AI-forbrug afhængigt af volumen. Regnestykket går op via tre håndtag: sparede kontortimer, fakturering 2-5 dage tidligere og færre tomme kilometer eller fejlafregninger. For en mellemstor vognmand eller speditør er investeringen typisk tjent hjem på 2-4 måneder — og vi måler effekten i pilotperioden, så I ser tallene, før I skalerer.
Relaterede guides
Sådan implementerer du en AI-chatbot i kundeservice (uden at den bliver pinlig)
Komplet guide til at bygge en kundeservice-bot der faktisk hjælper kunderne — fra valg af model til go-live og monitorering. Skrevet for danske virksomheder.
Sådan bygger du et RAG-system fra bunden — komplet teknisk guide
Detaljeret teknisk guide til at bygge Retrieval-Augmented Generation: arkitektur, valg af komponenter, chunking-strategier, evaluation, og almindelige fælder.
GDPR-kompatibel AI i danske SMB'er — det du faktisk skal have styr på
Praktisk guide til at implementere AI i en dansk virksomhed uden at krænke GDPR. EU AI Act, databehandleraftaler, EU-regioner, anonymisering — det hele her.