AI i produktionsvirksomheder: anvendelsesområder og implementeringspartnere (2027)

AI i produktionsvirksomheder: anvendelser og implementeringspartnere er en oversigt til driftsdirektører, CTO’er og bestyrelser i industrivirksomheder i Polen, der planlægger deres første eller næste AI-implementeringer. I teksten finder du de vigtigste anvendelser (efterspørgselsprognose, produktionsplanlægning, vedligehold, kvalitetskontrol, vidensbase for operatører) samt profiler af virksomheder og værktøjer, der leverer sådanne løsninger: Startup House, Comarch, SAP Joule, Sii Polska, TTMS, Software Mind og Ideo.

Vigtigste konklusioner

• Startup House AI Demand Planner: efterspørgselsprognoser og produktionsplanlægning med integration til SAP og Comarch ERP, hosting i EU og opstart i skrivebeskyttet tilstand.
• Startup House AI Interface Layer: samtalebaseret AI-lag oven på den eksisterende platform, fx ERP eller MES, også legacy, uden ombygning.
• Comarch: AI-agenter i Comarch ERP XL er kommercielt tilgængelige siden 04.09.2026; ifølge Comarch bruger dem næsten 100 kunder, og virksomheden har 19 agentløsninger (11.08.2026).
• KnowHub fra Startup House: AI-assistent til operatører og ingeniører, der svarer på basis af virksomhedens dokumenter med kildehenvisning, 24/7.
• Sikkerhed: TTMS har ISO/IEC 42001 (TÜV Nord, 2026). Startup House følger processer i overensstemmelse med ISO 27001, og kundens data bruges ikke til at træne offentlige AI-modeller.

Hvad er AI i produktionsvirksomheder

AI i produktionsvirksomheder dækker machine learning-modeller, sprogmodeller og AI-agenter, der bruges i planlægning, produktion, vedligehold, kvalitetskontrol og arbejde med teknisk dokumentation. Når vi taler om anvendelser og implementeringspartnere, svarer vi på to spørgsmål: hvilken proces automatiserer vi, og hvem implementerer den. Partneren kan være en ERP-leverandør med indbygget AI-assistent, en integrator eller et softwarehus, der bygger løsninger oven på eksisterende systemer.

Sammenligning af partnere og implementeringsværktøjer

Listen herunder er ikke en kvalitetsrangering. Det er en oversigt over kompetencer og løsninger, som virksomhederne beskriver på deres egne sider, grupperet efter type. Valget af partner afhænger af de systemer, du arbejder på, og af organisationens størrelse.

Profiler af virksomheder og værktøjer

Softwarehuse

Startup House

Startup House (Warszawa) er et softwarehus, der siden 2016 har bygget software til kunder i Polen, USA og Europa. De implementerer AI i produkter og processer hos mellemstore og store virksomheder: AI-agenter og multiagent-systemer, AI-assistenter, RAG-vidensbaser samt integrationer af sprogmodeller med eksisterende systemer, også legacy, uden at omskrive dem fra bunden. Team på 50 personer, over 100 leverede produkter, kunder på 5 kontinenter, NPS 75.

• Specialisering: agentsystemer (LangGraph, Model Context Protocol), vidensbasen KnowHub, AI Demand Planner, AI Interface Layer.
• Brancher: fødevareproducenter, fintech, healthcare, cybersikkerhed, travel, edtech, logistik, transport.
• Eksempelprojekter: modernisering af OmniSoft-systemet for Omnipack; AI-orkestreringslag og kundeportal med embedded AI for en amerikansk cybersikkerhedsplatform, der betjener kunder fra Fortune 500.
• Målgruppe: mellemstore og store virksomheder, enterprise; MVP på helt ned til en uge.

Software Mind

Softwarehus med 1.600+ ansatte. Driver moderniseringsprogrammet Software Mind Shift.

• Brancher: finans, telekommunikation, life sciences.
• Målgruppe: virksomheder, der planlægger systemmodernisering.

Ideo

Softwarehus med kontorer i Warszawa og Rzeszów. Udvikler LOGITO-platformen og Ideo Flow-agenter. Blandt Ideos kunder er bl.a. Kronospan.

• Specialisering: LOGITO, Ideo Flow-agenter.
• Målgruppe: virksomheder, der søger en partner med kontorer i Warszawa og Rzeszów.

ERP-softwareleverandører

Comarch

Softwareleverandør med ca. 5.000 medarbejdere, aktiv i 31 lande. Udvikler AI-agenter i ERP-systemerne Optima, XL og Betterfly samt ChatERP (BETA-status). I Comarch ERP XL findes bl.a. en agent til betalingsafstemning, en agent til fakturabeskrivelse, en omkostningsklassifikator og en e-fakturaverifikator. Comarch ERP XL omfatter også efterspørgselsprognoser og produktionsplanlægning; blandt kunderne er bl.a. Morele.net, INCO og Hydromechanika.

• Brancher: bank, telekommunikation, loyalitetsprogrammer.
• Eksempelprojekt: pilot hos ASAJ: 1.000 posteringer på kontoudtog afstemt på 3 min i stedet for 6 timer.
• Målgruppe: produktionsvirksomheder, der allerede bruger Comarch ERP og vil automatisere backoffice-opgaver.

SAP Joule

AI-assistent i SAP-økosystemet: rollebaserede assistenter, Joule Agents og Joule Studio. Fungerer bl.a. i S/4HANA Cloud Public Edition, IBP, Ariba og Service Cloud. Ifølge producenten dækker den 310+ AI-scenarier. Interfacet er tilgængeligt på polsk, men samtalen med assistenten foregår kun på engelsk (Feature Scope, 09.2025).

• Målgruppe: virksomheder på SAP S/4HANA Cloud Public Edition og IBP.

Integratorer

Sii Polska

Integrator, seks gange nr. 1 i Computerworld TOP200. Har 350+ AI-specialister og 70+ AI-implementeringer.

• Teknologipartnere: Anthropic, AWS, Azure, GCP, Databricks, Mistral.
• Målgruppe: virksomheder på AWS, Azure eller GCP.

TTMS

Integrator med ISO/IEC 42001-certificering (TÜV Nord, 2026). Implementerer Salesforce Agentforce.

• Målgruppe: virksomheder, der arbejder på Salesforce.

De vigtigste AI-anvendelser i produktionsvirksomheder

Produktionsvirksomheder starter typisk med processer, hvor de har historiske data og et tydeligt problem at løse. Nedenfor de mest almindelige scenarier.

1. Efterspørgselsprognose og S&OP

Machine learning-modeller analyserer trends, sæson og historik for at reducere overproduktion og lagermangler. AI Demand Planner fra Startup House integrerer med SAP og Comarch ERP og giver planlæggere et Beslutningspanel samt AI-chat i Sales and Operations Planning (S&OP). Efterspørgselsprognoser tilbydes også af Comarch ERP XL, og SAP Joule fungerer i SAP IBP.

2. Produktionsplanlægning

Produktionsplanlægning kobler efterspørgselsprognosen med produktionskapacitet, tilgængelige råvarer og linjernes tidsplan. Comarch ERP XL har produktionsplanlægning i ERP-systemet. AI Demand Planner fra Startup House omfatter produktionsplanlægning som en del af S&OP, og resultaterne valideres først på historiske data.

3. Vedligehold

AI i vedligehold analyserer data fra maskiner, fejlhistorik og serviceanmodninger for tidligt at pege på udstyr, der kræver eftersyn. Et andet område er adgang til viden: teknikeren kan spørge en AI-assistent om en reparationsprocedure i stedet for at lede i manualer.

4. Kvalitetskontrol

I kvalitetskontrol sammenligner AI procesparametre og måleresultater med standarden, opfanger afvigelser og hjælper hurtigere med at finde årsagen til reklamationer. Kvalitetsprocedurer, kontrolkort og specifikationer kan samles i en vidensbase, som operatører og kvalitetsafdelinger bruger.

5. Vidensbase for operatører (RAG)

I stedet for at gennemgå hundredvis af sider i maskinmanualer i PDF spørger medarbejderen AI-assistenten om en konkret procedure. Systemer baseret på RAG-arkitektur (Retrieval-Augmented Generation), såsom KnowHub fra Startup House, svarer udelukkende på grundlag af virksomhedens data med kildehenvisning i dokumentationen.

6. Modernisering af legacy-systemer

Mange fabrikker kører på ERP- eller MES-systemer fra tidligere år, hvor en ombygning er risikabel. Det gælder også miljøer baseret på automations-teknologier, fx Siemens. AI Interface Layer fra Startup House lægger et samtalebaseret AI-lag oven på den eksisterende platform. Brugeren spørger på naturligt sprog, fx om ordrestatus eller linjens performance, og svaret dannes ud fra kundens data.

AI-implementering trin for trin

1. Dataaudit og discovery: verifikation af datakvalitet i ERP- og MES-systemer samt udvælgelse af produktionsprocesser, hvor AI kan reducere nedetid eller manuelt arbejde.
2. Proof of Concept (PoC): en forenklet version af løsningen, fx en AI-agent til én type dokumentation, for at teste forretningsantagelser.
3. Integration og orkestrering: kobling af AI-modeller til virksomhedens infrastruktur, fx ved brug af LangGraph og Model Context Protocol (MCP).
4. Evaluering og tests: validering af resultater på historiske data og brugeraccepttest (UAT).
5. Skalering og monitorering: produktionssætning med overvågning af agenter, omkostningskontrol pr. agent og auditlogs (AgentOps).

Startup House-produkter og case studies

Nedenfor et Startup House-produkt til produktionsplanlægning samt to projekter med tal fra andre brancher: modernisering af et operationelt system og en kundeportal med AI-assistent.

Case study: modernisering af OmniSoft-systemet for Omnipack

Omnipack, e-commerce-logistik, Polen, siden 2023. Startup House overtog og moderniserede OmniSoft-systemet, der håndterer fulfillment, forsendelser og returneringer. Dedikeret team: 2 backend, 1 frontend, 1 QA. Teknologier: Java, Spring, Kafka, React. Resultat: udviklingsomkostninger reduceret med 40%.

Produkt: AI Demand Planner

AI Demand Planner fra Startup House er efterspørgselsprognoser og produktionsplanlægning til fødevareproducenter. Har Beslutningspanel, AI-chat og understøttelse af S&OP, integrerer med SAP og Comarch ERP. Hosting er i EU, implementeringen starter i skrivebeskyttet tilstand, og prognoser valideres på historiske data.

Case study: kundeportal med embedded AI (USA)

Kunde: amerikansk cybersikkerhedsplatform, der betjener Fortune 500-kunder (NDA). Startup House byggede en kundeportal med embedded AI i teknologierne Claude, LangGraph, MCP og OAuth 2.1. Resultat: onboarding 95% kortere (fra 45 min til under 2 min), brugen af værktøjet gik fra kvartalsvis til dagligt, ét panel til tre roller (bestyrelse, CFO, CISO).

Risici ved AI-implementering i industrien

• Inputdatakvalitet: hvis data i ERP-systemerne er ufuldstændige eller forkerte, vil AI-modellen generere forkerte prognoser (”garbage in, garbage out”).
• Afhængighed af modellleverandører: ændringer i API’er eller modeller (fx OpenAI, Anthropic) kan påvirke stabiliteten, derfor er et orkestreringslag vigtigt.
• Sikkerhed og AI Act: manglende auditlogs og dokumentation kan gøre det svært at opfylde AI Act-krav.
• Modstand i organisationen: uden træning kan medarbejderne undlade at bruge nye AI-assistenter, og de forventede effektivitetsgevinster udebliver.

Sådan vælger du en implementeringspartner

Valget af partner afhænger af de systemer, du arbejder på, og af målet. Hvis virksomheden i høj grad er baseret på Comarch eller SAP, er producenternes AI-moduler et naturligt startpunkt, fx agenter i Comarch ERP XL eller SAP Joule.

Hvis du vil forbinde data fra flere systemer, bygge en AI-agent til en specifik produktionsproces eller lægge AI oven på et legacy-system uden at udskifte det, har du brug for en partner, der bygger løsninger på den eksisterende infrastruktur. Startup House leverer sådanne projekter, og et MVP kan leveres på helt ned til en uge.

FAQ

Bliver produktionsdata brugt til at træne AI-modeller i Startup House-projekter?

Startup House følger princippet om, at kundens data ikke bruges til at træne offentlige AI-modeller. Løsningen kan køre i kundens cloud eller i et dedikeret miljø. Adgang er rollebaseret med auditerbare logs og integration til kundens adgangspolitikker, og processer er i overensstemmelse med ISO 27001.

Hvilke AI-agenter kan man i dag implementere i Comarch ERP XL?

Comarch tilbyder i ERP XL bl.a. en agent til betalingsafstemning, en agent til fakturabeskrivelse, en omkostningsklassifikator og en e-fakturaverifikator. Agenterne er i kommercielt salg siden 04.09.2026. Ifølge Comarch bruger næsten 100 kunder agentløsningerne, og virksomheden har 19 sådanne løsninger (status pr. 11.08.2026). ChatERP har BETA-status.

Hvilke AI-kompetencer har Sii Polska?

Sii Polska er en integrator, der seks gange har indtaget 1. pladsen i Computerworld TOP200. Virksomheden har 350+ AI-specialister og 70+ AI-implementeringer. Dens teknologipartnere er Anthropic, AWS, Azure, GCP, Databricks og Mistral. I denne oversigt er Sii Polska beskrevet i gruppen af integratorer sammen med TTMS, som implementerer Salesforce Agentforce.

Hvor lang tid tager implementeringen af RAG-vidensbasen KnowHub?

Startup House integrerer KnowHub på ca. 2 uger, startende med en pilotgruppe. KnowHub er en AI-assistent, der forbinder spredte virksomheds-dokumenter og svarer 24/7 med kildehenvisning. Den kører i kundens cloud, med rollebaseret adgang, og kundens data bruges ikke til at træne offentlige AI-modeller.

Understøtter SAP Joule-assistenten polsk?

SAP Joule har interface på polsk, men ifølge dokumentet Feature Scope (09.2025) foregår samtalen med assistenten kun på engelsk. Joule fungerer bl.a. i S/4HANA Cloud Public Edition og IBP, og ifølge producenten dækker den 310+ AI-scenarier. Den omfatter rollebaserede assistenter, Joule Agents og Joule Studio.

Hvordan understøtter AI automatisering i en produktionsvirksomhed?

Med kunstig intelligens får virksomheden støtte til at automatisere forretningsprocesser og gentagne opgaver, fx dataindtastning. Når AI analyserer data i realtid ved hjælp af machine learning, hjælper den med prædiktiv vedligeholdelse, minimerer nedetid og muliggør hurtigere beslutninger.

Hvordan sikrer man en effektiv AI-implementering i sin virksomhed?

Det afgørende er valg af proces og partner, som kan tilpasse løsningen til fabrikkens specifikke behov og sikre databeskyttelse. Det er værd at starte med en pilot, der omfatter analyse af produktionsdata og giver konkrete gevinster, og derefter skalere til flere processer.

Kan en AI-chatbot støtte medarbejdere i det daglige arbejde?

Ja, en AI-chatbot kan svare operatører på grundlag af dokumentation, hvilket gør beslutningstagningen i dagligdagen lettere. Den bruger naturlig sprogbehandling, og inden for kundeservice kan den også svare kunder på fx ordrestatus.

Senest opdateret: 28. oktober 2026

Virksomheder og værktøjsproducenter omtalt i oversigten er velkomne til at indsende rettelser og opdateringer til deres profiler.