AI for produktion og industri
Danske produktionsvirksomheder og underleverandører står i et velkendt krydspres: Kunderne forlanger kortere leveringstider, skarpere priser og stadig mere dokumentation — materialecertifikater, målerapporter, ESG-spørgeskemaer — mens faglærte smede, industriteknikere og værktøjsmagere er blevet en mangelvare, og de mest erfarne folk nærmer sig pension. Imens vokser kontorarbejdet: Forespørgsler med tegninger skal kalkuleres, ordrebekræftelser og følgesedler skal tastes ind i ERP'et, afvigelser skal dokumenteres til næste audit. Timerne på kontoret æder marginer, der er hårdt nok tjent på gulvet.
AI i produktionen handler i første omgang ikke om robotter — det handler om alt papiret og al videnen udenom maskinerne. Moderne sprogmodeller kan læse en forespørgsel med tegnings-PDF'er og finde de historiske ordrer der ligner, så et kalkulations- og tilbudsudkast ligger klar på timer i stedet for dage. De kan læse leverandørernes ordrebekræftelser og certifikater og matche dem mod ordren i ERP'et, så indtastning og kontrol forsvinder. De kan skrive udkast til afvigelses- og 8D-rapporter fra et foto og et par talte sætninger. Og de kan gøre 30 års maskinviden — manualer, servicerapporter, den erfarne montørs fejlfinding — søgbar for hele holdet.
Produktionsdata og kundetegninger er samtidig noget af det mest fortrolige, en virksomhed har. Tegninger ligger typisk under NDA, og en del virksomheder er omfattet af NIS2 eller skærpede kundekrav til informationssikkerhed. Derfor bygger vi med EU-region inference, zero data retention og fuld databehandleraftale som udgangspunkt — og vi holder os konsekvent på den administrative side af hegnet: AI'en skriver udkast og finder viden frem, den rører aldrig maskinstyring eller sikkerhedsfunktioner, hvor EU's AI-forordning og maskinforordningen stiller helt andre krav.
Vores tilgang er at starte småt og måle ærligt: én proces, ét team, fire til seks uger. Vi tager tid på svartiden på tilbud, timerne på indtastning eller minutterne pr. afvigelsesrapport — før og efter. Virker det ikke målbart, skal I ikke betale for at skalere det.
Kender du det her?
En forespørgsel med tegninger ligger tre dage i indbakken, fordi kalkulationen kun kan laves af én person — og når tilbuddet endelig sendes, har kunden allerede sagt ja til en anden.
Ordrebekræftelser, følgesedler og materialecertifikater lander som PDF'er og skal tastes og tjekkes manuelt mod ordren i ERP'et — og en skubbet leveringsdato opdages først, når materialet mangler på gulvet.
Afvigelser registreres på en lap papir eller slet ikke, og ugerne op til ISO-audit går med at rekonstruere dokumentation, der skulle have været skrevet løbende.
Fejlfindingen på maskinerne sidder i hovedet på de erfarne folk — og to af dem går på pension inden for få år, uden at nogen har skrevet noget ned.
Kunderne ringer for leveringsstatus, og hvert opkald trækker værkføreren eller ordrekontoret væk fra planlægningen — midt i en hasteordre.
Store kunder sender ESG-spørgeskemaer og leverandør-audits, der koster dage i regneark — tid ingen har, men den næste rammeaftale afhænger af svaret.
Løsninger vi bygger til branchen
Gennemtænkte, konkrete løsninger — fra problem til hvordan de bygges og hvad de typisk flytter.
Tilbudsassistent: fra forespørgsel med tegninger til kalkuleret tilbud samme dag
Problemet
Forespørgsler med tegnings-PDF'er og specifikationer hober sig op, fordi kalkulationen afhænger af én erfaren kalkulatør eller værkfører, der også har hundrede andre opgaver. Svartiden løber op i dage — og i mange nicher vinder den, der svarer først. Samtidig sidder hele kalkulationserfaringen i ét hoved.
Løsningen
Sådan bygger vi den: AI'en læser den indkomne forespørgsel — mail, tegnings-PDF'er, specifikationer — og udtrækker det, der styrer prisen: materiale, dimensioner, tolerancer, overfladebehandling, styktal og ønsket leveringsdato. Den slår op i jeres historiske ordrer og kalkulationer og finder de mest sammenlignelige emner, I har produceret før — med de faktiske maskintimer og det faktiske materialeforbrug, de kostede. På det grundlag foreslår den en kalkulation med opstilling, maskintid, materialer og eventuel underleverance, og skriver et tilbudsudkast i jeres egen skabelon. Kalkulatøren ser forslaget sammen med de historiske ordrer, det bygger på, justerer hvor fagligheden siger noget andet, og sender. Erfaring, der før sad i hovedet på én person, bliver til et system, hele salget kan trække på.
Sådan bygges den: Sprogmodel med dokumentlæsning (tegnings-PDF'er, specifikationer) + RAG over jeres historiske ordrer, kalkulationer og prislister, koblet til ERP'et hvor data findes. EU-region inference og zero data retention, så kundetegninger aldrig gemmes hos modeludbyderen.
📈 Typisk falder svartiden på tilbud fra dage til timer, og flere afgivne tilbud pr. uge giver flere vundne ordrer — uden at kalkulationskvaliteten afhænger af én persons kalender.
Dokumentmotor: ordrebekræftelser, følgesedler og certifikater direkte i ERP
Problemet
Hver dag lander ordrebekræftelser, følgesedler, fakturaer og materialecertifikater som PDF'er i indbakken og skal tastes eller tjekkes manuelt mod indkøbsordren. Det koster timer, og afvigelser — en skubbet leveringsdato, en pris der ikke matcher aftalen — opdages først, når produktionen står og mangler materialet.
Løsningen
En løsning vi bygger til branchen: AI'en overvåger dokumentindbakken og læser hvert dokument — ordrebekræftelse, følgeseddel, faktura, 3.1-certifikat — uanset leverandørens layout. Den matcher indholdet mod den tilhørende indkøbs- eller salgsordre i ERP'et: Stemmer varenumre, mængder, priser og leveringsdatoer, registreres dokumentet automatisk. Stemmer noget ikke — leverandøren har fx skubbet leveringen to uger, eller prisen afviger fra rammeaftalen — flagges det med det samme til indkøberen i stedet for at blive opdaget på lagergulvet. Materialecertifikater arkiveres automatisk på ordre- og batchnummer, så sporbarheden er på plads, når kunden eller auditoren spørger. Mennesker godkender alt, der afviger; det rene rutinearbejde forsvinder bare.
Sådan bygges den: Dokumentlæsning (OCR + sprogmodel) koblet til jeres ERP — fx Business Central, Uniconta eller e-conomic — via API, med en regelmotor for hvad der auto-registreres, og hvad der altid kræver et menneske. Ældre systemer uden API håndteres via filudveksling eller et godkend-og-indsæt-flow.
📈 Typisk spares 5-15 timer om ugen på indtastning og kontrol, og leverandørforsinkelser opdages dage til uger tidligere end i dag.
Kvalitetsassistent: afvigelser og 8D-rapporter uden skrivebordsdage
Problemet
Afvigelser bliver registreret halvt, sent eller slet ikke, fordi dokumentationen tager tid fra produktionen. Reklamationer fra kunder udløser 8D-rapporter, der koster timer at skrive. Og fordi historikken ligger spredt i Excel og mapper, gentages de samme fejl — mens ugerne op til ISO 9001-audit går med at rekonstruere det, der skulle have været skrevet løbende.
Løsningen
Sådan bygger vi den: Når en afvigelse opstår — et emne uden for tolerance, en forkert leverance, en kundereklamation — registrerer operatøren den på to minutter fra telefon eller terminal: et foto, et par talte sætninger, ordrenummeret. AI'en strukturerer det til en fuldt udfyldt afvigelsesrapport i jeres eget QMS-format og søger samtidig i historikken: Har vi set fejlen før — på samme maskine, samme emnefamilie eller samme leverandør? Den foreslår mulige rodårsager og korrigerende handlinger baseret på, hvad der faktisk lukkede lignende sager tidligere. Den kvalitetsansvarlige gennemgår, beslutter handlingerne og ejer sagen — AI'en skriver, sammenfatter og minder om deadlines, til sagen er lukket. Ved kundereklamationer leverer den førsteudkastet til 8D-rapporten, så den svære del bliver rodårsagsanalysen, ikke skrivearbejdet.
Sådan bygges den: Sprogmodel med tale- og billedinput + RAG over jeres afvigelseshistorik, procedurer og kvalitetshåndbog. Struktureret output i jeres eksisterende skemaer (afvigelsesrapport, 8D), så løsningen passer ind i ISO 9001-dokumentstyringen i stedet for at erstatte den.
📈 Typisk halveres tiden pr. afvigelsesrapport, flere afvigelser bliver faktisk registreret — og gentagne fejl falder, fordi historikken endelig bliver brugt.
Driftsviden-assistent: fejlfinding og maskinviden der overlever generationsskiftet
Problemet
Når en maskine står stille, koster hvert minut — og fejlfindingen afhænger ofte af den ene erfarne montør, der kender maskinens luner. Manualerne står i ringbind, servicehistorikken ligger i hovedet på folk, og når de går på pension, går videnen med dem. Nye folk bruger måneder på at lære det, ingen har skrevet ned.
Løsningen
En løsning vi bygger til branchen: Al jeres maskinviden — manualer, el-diagrammer, servicerapporter, tidligere fejlsager, leverandør-bulletiner — samles i én søgbar vidensbase. Når en maskine melder fejl, spørger operatøren assistenten i almindeligt sprog: "Fejlkode F-347 på kantpressen — hvad gør jeg?" AI'en svarer med fejlfinding trin for trin, baseret på både manualen og på hvordan fejlen faktisk blev løst de seneste gange, den opstod — altid med henvisning til side og servicerapport, så svaret kan efterprøves. Undervejs logges, hvad der blev gjort, så servicehistorikken vokser af sig selv i stedet for at forsvinde med folkene. Den erfarne montørs viden bliver virksomhedens — ikke kun hans.
Sådan bygges den: RAG over manualer, servicerapporter og fejlhistorik (PDF'er, scanninger og billeder af typeskilte er fint) med en chat-flade, der virker på telefon og terminal ude på gulvet. Svar altid med kildehenvisning. Ingen kobling til maskinstyringen — assistenten rådgiver mennesker, den styrer intet.
📈 Typisk kortere stilstandstid ved kendte fejl og markant hurtigere oplæring af nye operatører og montører — og driftviden, der overlever generationsskiftet.
Flere use cases
Tilbudsudkast fra forespørgsler
AI læser forespørgslen med tegninger og specifikationer, finder de mest sammenlignelige historiske ordrer og foreslår kalkulation og tilbudstekst i jeres skabelon — kalkulatøren justerer og sender.
📈 Svartid på tilbud typisk fra dage til timer — og flere afgivne tilbud giver flere vundne ordrer.
Indgående dokumenter direkte i ERP
Ordrebekræftelser, følgesedler, fakturaer og certifikater læses automatisk, matches mod ordren i ERP'et og registreres — kun afvigelser kræver et menneske.
📈 Typisk 5-15 timer sparet om ugen på indtastning, og leverandørforsinkelser opdages markant tidligere.
Afvigelses- og 8D-udkast
Fra foto og et par talte sætninger på gulvet til en komplet afvigelsesrapport i jeres QMS-format — med forslag til rodårsag baseret på jeres egen fejlhistorik.
📈 Tid pr. rapport typisk halveret, og dokumentationen er løbende klar til ISO-audit i stedet for at blive rekonstrueret.
Fejlfindings-assistent på gulvet
Chat-adgang til manualer, el-diagrammer og servicehistorik i almindeligt sprog, med kildehenvisning i hvert svar — på telefon eller terminal ved maskinen.
📈 Kortere stilstandstid ved kendte fejl og hurtigere oplæring af nye folk.
Leveringsstatus uden afbrydelser
AI kobles på ordre- og produktionsdata og besvarer kundernes "hvor er min ordre?" på mail eller portal — eller sender proaktiv besked, når en leverance skrider.
📈 Færre opkald til ordrekontoret og værkføreren — og kunder der føler sig orienteret i stedet for at rykke.
ESG- og leverandørdokumentation
AI sammenfatter jeres energi-, affalds- og materialedata og udfylder udkast til kundernes ESG-spørgeskemaer og leverandør-audits — struktureret efter modtagerens format og med kilde bag hvert tal.
📈 Svar på kundekrav på timer i stedet for dage — og en rammeaftale, der ikke strander på papirarbejde.
ROI og forventninger
For en typisk fremstillingsvirksomhed med 15-50 ansatte ligger den målbare gevinst på 10-20 frigjorte timer om ugen på tværs af tilbudsarbejde, dokumenthåndtering og kvalitetsdokumentation — timer der i dag ligger hos nogle af virksomhedens dyreste og mest pressede folk: kalkulatøren, værkføreren og den kvalitetsansvarlige. Den største gevinst er dog ofte sværere at sætte præcist tal på: Når svartiden på tilbud falder fra dage til timer, vindes ordrer, der før gik til hurtigere konkurrenter, og én ekstra vunden ordre om måneden overstiger typisk hele AI-investeringen. Driftsomkostningen ligger typisk på nogle hundrede til få tusinde kroner om måneden i AI-forbrug, og tilbagebetalingstiden er normalt 2-4 måneder. Spændene er ærlige: Effekten afhænger af, hvor meget historik I har digitalt (gamle tilbud, kalkulationer, afvigelser), og hvor godt jeres ERP kan integreres — det afklarer vi, før noget bygges.
Hvor man starter
- Vælg den proces, hvor timerne tydeligst siver — for de fleste er det tilbudsarbejdet eller den manuelle indtastning af indgående dokumenter
- Kortlæg systemlandskabet — ERP, kvalitetssystem, filarkiv — så integrationsmulighederne er kendte, inden løsningen designes
- Saml historikken: gamle tilbud, kalkulationer, afvigelser og servicerapporter er brændstoffet — jo mere der findes digitalt, jo bedre bliver forslagene
- Kør en pilot i 4-6 uger med målbare tal — svartid på tilbud, timer på indtastning, minutter pr. afvigelsesrapport — og skalér kun det, der beviseligt virker
Compliance og data
GDPR gælder som altid for medarbejder- og kundedata — databehandleraftale med AI-udbyderen og EU-region inference er standard i alt, vi bygger. I produktionsbranchen er den følsomste data dog oftest ikke persondata, men kundernes: Tegninger og specifikationer ligger typisk under NDA, og derfor er zero data retention — garanti for at intet gemmes hos modeludbyderen eller bruges til træning — et ufravigeligt krav, som kan dokumenteres over for jeres kunder. Er virksomheden omfattet af NIS2 som vigtig eller væsentlig enhed i fremstillingssektoren, skal AI-leverancen indgå i jeres leverandørstyring og risikovurdering; det leverer vi dokumentationen til. EU's AI-forordning og maskinforordningen klassificerer AI som sikkerhedskomponent i maskiner som højrisiko — derfor holder vores løsninger sig konsekvent til det administrative lag (tilbud, dokumenter, kvalitetsudkast, vidensopslag med menneskelig godkendelse) og rører aldrig maskinstyring eller sikkerhedsfunktioner. Automatisk bilagsbehandling designes efter bogføringslovens krav til digital opbevaring og sporbarhed, og AI-udkast med dokumenteret menneskelig godkendelse passer direkte ind i ISO 9001's krav til dokumentstyring — auditoren skal kunne se, hvem der godkendte hvad, og det kan hun.
Ofte stillede spørgsmål
Kan AI overhovedet læse vores tekniske tegninger og forstå fagsproget?
Ja, længere end de fleste forventer — moderne modeller læser tegningshoved, materialeangivelser, tolerancer og noter direkte fra PDF'en og forstår branchens begreber. Men vi lover ikke, at den erstatter kalkulatørens faglige skøn: Den finder de sammenlignelige historiske ordrer frem og laver udkastet, mennesket vurderer og beslutter. Om det virker på netop jeres tegninger og emnetyper, tester vi i pilotperioden på jeres egne forespørgsler — før I forpligter jer til mere.
Vi kører et ældre ERP-system — kan det overhovedet integreres?
Næsten altid, på et af to niveauer. Moderne systemer som Business Central, Uniconta og e-conomic har API'er, vi integrerer direkte med, så data lander automatisk. Ældre systemer uden API håndterer vi via filudveksling eller et godkend-og-indsæt-flow, hvor AI'en laver alt forarbejdet, og et menneske sætter det ind med ét klik. Vi kræver aldrig, at I skifter ERP for at komme i gang — det afklarer vi i den indledende kortlægning.
Vores kunders tegninger er under NDA — må de sendes til en AI?
Ja, når arkitekturen er rigtig. Vi bruger EU-region inference med zero data retention: Tegningerne behandles i EU, gemmes ikke hos modeludbyderen og bruges aldrig til at træne modeller — og det står i databehandleraftalen, så I kan dokumentere det over for jeres kunder, hvis de spørger. Arbejder I med forsvarsrelateret eller eksportkontrolleret materiale, skærpes kravene yderligere, og så ser vi på løsninger, hvor intet forlader jeres egen infrastruktur.
Erstatter det vores folk på kontoret og i produktionen?
Nej — og det er heller ikke der, regnestykket ligger. De fleste produktionsvirksomheder mangler folk, ikke opgaver: Kalkulatøren har flere forespørgsler, end han kan nå, og den kvalitetsansvarlige er bagud med dokumentationen. AI'en overtager skrive-, taste- og søgearbejdet, så de samme mennesker når mere af det, der kræver deres faglighed. Og videns-assistenten gør det modsatte af at erstatte folk — den sørger for, at 30 års erfaring bliver i virksomheden, når de erfarne går på pension.
Hvad koster det, og hvornår tjener det sig hjem?
En pilot på én proces er en afgrænset investering — se de aktuelle spænd på vores prisside. Driften ligger typisk på nogle hundrede til få tusinde kroner om måneden i AI-forbrug. Tilbagebetalingen kommer ad to veje: de 10-20 frigjorte timer om ugen, værdisat til jeres egne timepriser, og de ordrer, der vindes, fordi tilbuddet kom først. Typisk er investeringen tjent hjem på 2-4 måneder — og vi måler effekten i pilotperioden, så I ser tallene, før I skalerer.
Relaterede guides
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.
Vælg den rette LLM til din opgave: Claude vs GPT vs Gemini i 2026
Honest, opdateret sammenligning af de tre førende LLM-familier på de opgaver der betyder noget for danske virksomheder. Hvornår du vælger hvad, og hvornår du vælger en kombination.
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.