Spring til hovedindhold

Fra Discovery til vedligeholdelse: Sådan driver Startup House et projekt trin for trin

Processen i ét overblik

FaseHvad sker derTypisk varighed
Første kontaktDu deler idéen eller forretningsudfordringen; discovery-workshop og detaljeret projektbriefDage
Product DiscoveryResearch, problemdefinition, prototyping, brugertest4 til 8 uger
Scope BuildingPrioritering af funktioner, teknisk gennemførlighed, testede wireframes, omkostningsestimat2 til 5 uger
MVP-udviklingDesign, udvikling, brugertest, lanceringMVP: fra kickoff til første bruger på helt ned til 1 uge
Quality EngineeringIndlejret i hver sprint; opsætning fra bunden2 til 3 uger for den indledende opsætning
Vedligeholdelse & videreudviklingCloud-overvågning, QA, nye funktioner, skaleringLøbende

Hver fase afsluttes med en konkret leverance, og hver fase er valgfri: har du allerede research, kan du starte ved Scope Building. Har du et scope, kan du starte ved udvikling. Her er, hvad der sker i hvert trin.

Trin 0: fra første opkald til projektbrief

Processen starter med, at du deler din idé eller forretningsudfordring. Vi kører en discovery-workshop og udarbejder en detaljeret projektbrief, derefter en Software Requirements Specification (SRS), der definerer scope, funktioner og budget. Herfra laver vi en roadmap, allokerer specialister, og udviklingen kan begynde inden for uger – med fuld transparens, demoer og regelmæssige opdateringer hele vejen.

Trin 1: Product Discovery (4 til 8 uger)

Product Discovery er en struktureret researchproces, der omsætter antagelser til evidens, før der skrives én linje produktionskode. Den besvarer spørgsmålet: Skal vi bygge dette?

De seks faser:

  1. Research. Interessentinterviews, markedsanalyse og konkurrentgennemgang, hvor AI-assisteret analyse udvider dækningen uden at forlænge tidsplanen.
  2. Problemdefinition. Datasyntese, problemformulering og brugerpersonas, prioriteret op mod forretningsmål.
  3. Idégenerering. Samudviklede løsninger med jeres team, rangeret efter brugerværdi og forretningsmæssig gennemførlighed.
  4. Prototyping. En low-fidelity prototype med fokus på brugerflow, hvor AI-værktøjer accelererer wireframing og iteration.
  5. Brugertest. Prototypen testes med rigtige brugere; indsigter dokumenteres og prioriteres.
  6. Overlevering. En beslutningsklar pakke: MVP-specifikation, omkostningsestimat og teknologiroadmap.

Det får du: en valideret prototype, en prioriteret MVP-funktionsliste, et udviklingsomkostningsestimat, brugerpersonas og tekniske anbefalinger. Som Jonathan Goodman, founder af NegotiateNow, beskrev det: "Under Product Discovery hjalp SH mig med at forstå den lean start-up-tilgang til produktudvikling med indledende research, discovery-workshops og mange timers diskussion og iteration."

Trin 2: Scope Building (2 til 5 uger)

Hvor Discovery besvarer "skal vi bygge dette?", besvarer Scope Building "hvad præcis bygger vi, og hvad koster det?" Det er broen mellem at vide, hvad der skal bygges, og at bygge det.

Processen: strukturerede workshops til visionsafstemning; prioritering af funktioner efter brugerværdi, forretningsmæssig gennemførlighed og udviklingsomkostning; en teknisk gennemførlighedsvurdering af senioringeniører op mod jeres eksisterende stack; high-fidelity interaktive wireframes; målrettede usability-tests (hvor rettelser koster timer, ikke sprints); og en endelig MVP-definition.

Det får du: en færdiggjort MVP-funktionsspecifikation, et udviklingsomkostningsestimat, testede wireframes, en teknisk gennemførlighedsvurdering og udviklingsklar dokumentation. Hver prioriteringsbeslutning dokumenteres med begrundelsen, så interessenter ved, hvad der blev udskudt og hvorfor. Pakken står på egne ben: bygger I med en anden partner eller in-house, mangler der intet.

Trin 3: udvikling (MVP: helt ned til 1 uge til første bruger)

Udviklingen kører i fire faser:

  1. Scoping og research. Markedsvalidering, hvor AI kortlægger konkurrentlandskabet og stresstester kerneantagelser.
  2. Product design. Wireframes og en klikbar prototype, hvor AI genererer flere designvariationer parallelt, så I vælger mellem flere koncepter i stedet for ét.
  3. Brugertest. Feedback indsamles og syntetiseres; rettelser implementeres for at færdiggøre designet.
  4. Udvikling og vedligeholdelse. Selve udviklingen efterfulgt af løbende forfining af funktioner baseret på brugerfeedback.

Arbejdet kører i agile sprints med demoer og regelmæssige opdateringer. At skifte retning midt i byggeriet er planlagt – ikke straffet: AI-accelererede workflows holder omkostningen ved at skifte kurs lav, indtil jeres data siger noget andet. I praksis kan en MVP gå fra kickoff til første bruger på helt ned til 1 uge: Vi bygger på gennemprøvede komponenter og skriver kun custom code, hvor det gør en reel forskel, mens enterprise-omfang forlænger tidslinjen.

Reelle eksempler fra vores casestudier: Simon Care Managements healthcare-MVP gennemgik 7 brugertestsessioner med patienter og pårørende. NegotiateNows markedsplads blev bygget på en no-code stack for at komme hurtigt på markedet. Doogie, vores interne AI-showcase, gik fra kickoff til fungerende applikation på 2 måneder.

Trin 4: Quality Engineering – indlejret, ikke påklistret

QA hos Startup House er Quality Engineering: test er indlejret i udviklingsprocessen fra første sprint – ikke en kontrolfase til sidst. Opsætning af en QE-proces for et produkt, der allerede er i udvikling, tager typisk 2 til 3 uger.

De fem trin: kvalitetsaudit og teststrategi, testcasedesign mappet til produktkrav, manuel og automatiseret test (manuel for komplekse flows og edge cases, automatiseret for regression og performance), performance- og sikkerhedstest under realistisk belastning samt release-godkendelse med CI/CD-integration.

Automatisering sker med Cypress eller Playwright, gradvist konverteret fra validerede manuelle testcases, med AI-assisteret testskrivning for at skalere praksissen. Dokumenterede testplaner og godkendelsesrapporter ligger i jeres repo, så når auditorer beder om QA-dokumentation til jeres ISO 27001-, SOC 2- eller HIPAA-krav, er det allerede på plads.

Trin 5: vedligeholdelse og videreudvikling

Lancering er midtvejspunktet, ikke målstregen. Det løbende arbejde omfatter kvalitetssikring, cloud-tjenester med overvågning og fortsat udvikling af funktioner. De fleste kunder fortsætter efter MVP’en: indarbejder brugerfeedback, tilføjer funktioner og skalerer. Cloud-infrastrukturen kører med CI/CD-pipelines og supportniveauer op til 24/7.

Det langsigtede mønster ses i vores kundeliste: Siemens Financial Services siden 2016, cybersecurity-platformen siden 2020 og Siemens Healthineers i mere end 6 år. Vi bygger til fasen efter lancering, for det er dér, vi typisk stadig er – år senere.

Hvor AI passer ind i hele processen

AI-værktøjer bruges i alle faser: researchanalyse i Discovery, parallelle designvariationer i prototyping, kodegenerering og testskrivning i udvikling samt feedbacksyntese i test. Governance er konstant: menneskelig review på hvert commit, security scanning på hvert push, og AI-brug dokumenteret i pull requests.

Om Startup House

Startup House er en softwareudviklingsvirksomhed med 50 medarbejdere baseret i Warszawa, Polen, etableret i 2016, ISO 27001-compliant, med 100+ produkter leveret til kunder på 5 kontinenter.

Vil du se, hvordan processen ser ud for dit produkt? Book et 30-min. opkald.

FAQ

Hvor lang tid tager et fuldt projekt hos Startup House?

Product Discovery kører 4 til 8 uger, Scope Building 2 til 5 uger, og en MVP kan gå fra kickoff til første bruger på helt ned til 1 uge. AI-produkter som KnowHub kan implementeres på så lidt som 2 uger, når data er forberedt.

Skal jeg starte med Product Discovery?

Nej. Hvis du har veldokumenteret brugerresearch og et defineret værditilbud, kan du starte direkte ved Scope Building. Har du et valideret scope, kan du starte ved udvikling. Hver fases leverancer står på egne ben.

Hvad får jeg efter Product Discovery?

En valideret low-fidelity prototype, en prioriteret MVP-funktionsliste, et estimat for udviklingsomkostninger, dokumentation for brugerpersonas og tekniske anbefalinger – alt, hvad der skal til for at begynde udvikling med klarhed.

Hvordan håndteres test under udviklingen?

Quality Engineering er indlejret fra første sprint: QE-ingeniører arbejder inde i sprintcyklussen, automatiserede tests (Cypress eller Playwright) kører på hvert build, og hver release gennemgår dokumenteret godkendelse. Den indledende QE-opsætning tager 2 til 3 uger.

Hvad sker der efter lancering?

De fleste kunder fortsætter i vedligeholdelse og videreudvikling: indsamling af brugerfeedback, nye funktioner, QA og cloudovervågning med supportniveauer op til 24/7. Startup House-partnerskaber løber ofte i årevis, som med Siemens Financial Services siden 2016.

Sådan blev denne artikel til. Udarbejdet med AI-assistance, derefter faktatjekket og redigeret af vores team. Redaktionelt ansvar: Startup Development House sp. z o.o. Læs vores politik for AI-indhold

Digital Transformation Strategy for Siemens Finance

Cloud-based platform for Siemens Financial Services in Poland

See full Case Study
Ad image
Gå ikke glip af noget - tilmeld dig vores nyhedsbrev
Jeg accepterer at modtage markedsføringskommunikation fra Startup House. Klik for detaljer

Du kan også lide...

Cross-functional team reviewing application development phases and deliverables on a planning wall
Application developmentProduct discoveryTime to Market

Løsninger til udvikling af applikationer

Løsninger til applikationsudvikling dækker hele spændet fra strategisk discovery til løbende skalering, og hver fase har sine egne fejlscenarier. Denne guide definerer, hvad moderne løsninger omfatter, forklarer, hvorfor discovery fortjener en reel investering, og viser, hvor skræddersyet udvikling slår generiske skabeloner. Den gennemgår udførelsen af agile sprints, branchespecifikke krav og de samarbejdsmodeller, der passer til forskellige vækstfaser. Sikkerhed, compliance og afvejninger omkring time-to-market behandles som tekniske hensyn frem for eftertanker.

Alexander Stasiak

Alexander Stasiak

22. aug. 2026・8 min. læsning

Two projects, one method: how phased delivery and real user testing took Graspify to live corporate training and gave LITTLEWINE an investor-ready scope.
Edtech transformationProduct discoveryAI In Education

Edtech-udvikling hos Startup House: Hvad vi har bygget, og hvad det har ændret

EdTech-platforme fejler oftere på grund af UX end på grund af teknik: deltagere falder fra, indholdet skalerer ikke, og ROI forbliver usynlig. Denne artikel viser, hvordan Startup House undgår det med levering i faser og test med rigtige brugere – bevist gennem to projekter. Graspify gik fra en modig idé til en microlearning-platform, der trænede hundredvis af medarbejdere under et virksomhedsevent, og LITTLEWINE fik et investorklart scope baseret på 10 brugerinterviews på 2 uger. Den dækker også AI-læringsværktøjer, der kun svarer ud fra godkendt indhold og kan gå i luften på helt ned til 2 uger.

Alexander Stasiak

Alexander Stasiak

02. okt. 2026・5 min. læsning

A distributed nearshore engineering team collaborating in real time over video and shared code in a modern remote-first setup
NearshoringSoftware OutsourcingAugmented Teams

Nearshore IT-ydelser

Nearshore IT forklaret – talenter i samme tidszone, samarbejde i realtid og lavere omkostninger. Modellerne, fordelene og sådan vælger (og verificerer) du en samarbejdspartner.

Alexander Stasiak

Alexander Stasiak

18. jun. 2026・10 min. læsning

Fintech challenges in 2025–2026 – funding, regulation, and cybersecurity
FintechFinancial software complianceCybersecurity

Fintech-udfordringer i 2026

Fintech vokser fortsat, men 2025–2026 byder på en mere barsk virkelighed: sværere adgang til kapital, strammere regulering og stigende sikkerhedstrusler. Her er de udfordringer, der vil afgøre, hvem der bliver vinderne fremover.

Alexander Stasiak

Alexander Stasiak

26. dec. 2025・11 min. læsning

AI engineers reviewing model performance dashboards and data pipeline diagrams
AIMachine LearningMLOps

Tjenester til AI-udvikling

Kunstig intelligens er rykket ud af laboratoriet og ind i kerneforretningen, men de fleste AI-projekter går stadig i stå mellem prototype og produktion. Denne guide dækker de centrale søjler i en praktisk anvendelig AI-produktstrategi: dataparathed, modelvalg, MLOps og kvalitetssikring, der holder forudsigelserne troværdige, selv når der opstår data drift. Den kortlægger hele udviklingslivscyklussen, branchespecifikke anvendelser og de praktiske udfordringer ved at integrere AI i legacy-systemer. Brug den til at vurdere, om et AI-initiativ er modent til udvikling, eller om det stadig kræver rammesætning.

Alexander Stasiak

Alexander Stasiak

03. jul. 2026・9 min. læsning

A compliance dashboard displaying SOC2, ISO 27001, GDPR, and HIPAA controls with real-time drift detection in a cloud environment
Cloud ComplianceSOC2GDPR compliance

Cloud-sikkerhed og compliance

En trin-for-trin-guide til SOC2, ISO 27001, GDPR og HIPAA i skyen — inklusive overgangen til compliance-as-code for at skalere sikkert.

Alexander Stasiak

Alexander Stasiak

21. jun. 2026・10 min. læsning

Senest tilføjet

Wdrożenie PLLuM-a w firmie: jak wybrać firmę wdrożeniową i od czego zacząć
Generative AIRAGEnterprise AI

Implementering af PLLuM i virksomheden: sådan vælger du den rette implementeringspartner, og sådan kommer du i gang

PLLuM, en polsk open source-sprogmodel, kan hentes gratis, men selve modellen er kun begyndelsen. Vi viser, hvordan en implementering af PLLuM forløber fra idé til drift, hvad infrastrukturen koster, og hvilke spørgsmål du bør stille en implementeringspartner.

Alexander Stasiak

Alexander Stasiak

06. nov. 2026・10 min. læsning

Dotacje i pożyczki na AI i cyfryzację 2026 – jak wybrać dostawcę technologii
Digital transformationIndustry 4.0Enterprise AI

Tilskud og lån til AI og digitalisering i 2026 – sådan vælger du en teknologileverandør

Fra november 2026 kan virksomheder søge PARP-lån på op til 15 mio. PLN med eftergivelse på op til 15 %, samt midler fra Ścieżka SMART B+R og Dig.IT. Vi viser, hvilke programmer der finansierer AI-implementeringer og digitalisering, og hvilke krav en teknologileverandør skal opfylde, for at projektet kan komme igennem evaluering, gennemførelse og afregning.

Alexander Stasiak

Alexander Stasiak

05. nov. 2026・10 min. læsning

Najlepsze firmy AI w Europie Środkowo-Wschodniej dla enterprise
Enterprise AIAI AgentsSoftware Outsourcing

De bedste AI-virksomheder i Central- og Østeuropa til enterprise-kunder

Valget af en teknologipartner til at implementere AI i enterprise-segmentet kræver, at man går ud over de gængse kriterier for et softwarehus. I CEE-regionen (Central- og Østeuropa) opererer aktører, der kombinerer global skala med dyb teknisk ekspertise og tilbyder agentbaserede systemer og RAG-vidensbaser i overensstemmelse med AI Act og DORA. Denne artikel præsenterer en oversigt over verificerede virksomheder med dokumenterede AI-implementeringer til enterprise-segmentet.

Alexander Stasiak

Alexander Stasiak

04. nov. 2026・10 min. læsning

Najlepsze firmy AI dla fintechu i ubezpieczeń (2027)
AI in FinanceFintechRegulatory Compliance

De bedste AI-virksomheder til fintech og forsikring (2027)

Valget af en teknologipartner i regulerede sektorer er et strategisk valg med store konsekvenser. Hvis du vil vide, hvilke af de bedste AI-virksomheder inden for fintech og forsikring der er aktive i Polen, finder du her et samlet overblik: Artiklen sammenligner softwarehuse, integratorer og softwareproducenter, som implementerer AI-agenter, RAG-vidensbaser og dataanalyse i banker, fintech-virksomheder og hos forsikringsselskaber. Du får en sammenligningstabel, virksomhedsprofiler, kravene i DORA, GDPR og AI Act, implementeringsprocessen samt et casestudie fra Startup House med tal.

Alexander Stasiak

Alexander Stasiak

03. nov. 2026・12 min. læsning

AI w produkcji żywności: przykłady wdrożeń i partnerzy wdrożeniowi (2027)
AI in ManufacturingAI integrationEnterprise AI

AI i fødevareproduktionen: eksempler på implementeringer og implementeringspartnere (2027)

Fødevareproducenter står over for korte holdbarheder, svingende råvarepriser og stigende krav fra detailkæderne, og derfor bliver efterspørgselsprognoser og produktionsplanlægning i stigende grad understøttet af AI (kunstig intelligens). I denne oversigt viser vi, hvordan AI anvendes i fødevareproduktionen i 2026 og 2027: eksempler på implementeringer og implementeringspartnere i Polen. Her finder du en sammenligning af implementeringspartnere (Startup House, Comarch, Sii Polska, TTMS) og værktøjer (RELEX, o9 Solutions, Kinaxis), implementeringsprocessen, risici og svar på de ofte stillede spørgsmål.

Alexander Stasiak

Alexander Stasiak

02. nov. 2026・11 min. læsning

Integracja AI z ERP i CRM (SAP, Comarch, Dynamics): jak to wygląda w praktyce (2027)
AI integrationAI AgentsEnterprise AI

AI-integration med ERP og CRM (SAP, Comarch, Dynamics): sådan fungerer det i praksis (2027)

Integration af AI med ERP og CRM (SAP, Comarch, Dynamics) betyder i praksis at vælge mellem tre modeller: en indbygget assistent fra systemproducenten, et eget AI‑lag forbundet via API eller AI‑agenter, der opererer på systemerne via MCP. Artiklen henvender sig til mellemstore og store virksomheder i Polen, der vil koble sprogmodeller til deres eksisterende ERP‑ eller CRM‑løsninger, herunder legacy‑systemer. Her finder du en sammenligning af producenternes værktøjer (SAP Joule, Microsoft Dynamics 365, Comarch ERP, Salesforce Agentforce, Oracle NetSuite), implementeringspartnere, implementeringsprocessen, risici samt casestudier med konkrete tal.

Alexander Stasiak

Alexander Stasiak

01. nov. 2026・13 min. læsning

Klar til at centralisere din knowhow med AI?

Start et nyt kapitel inden for vidensstyring — hvor AI-assistenten bliver den centrale søjle i din digitale supportoplevelse.

Arbejd med et team, som topvirksomheder stoler på.

Siemens
PwC
Toyota