AI er rykket ind i DSV’s strategiske maskinrum

DSV blev stiftet for 50 år siden og er med opkøbet af Schenker i 2025 nu en af verdens største transport- og logistikvirksomheder. Meget har ændret sig siden 1976. Hvor stifterne – ni vognmænd og Leif Tullberg som adm. direktør – oprindeligt tjente penge på transport med egne lastbiler, så er forretningsmodellen i dag baseret på ’asset light’. En model, hvor underleverandørerne som udgangspunkt ejer lastbiler, skibe og fly, mens DSV, forenklet sagt, sørger for transporten for kunderne. 

En globalt orienteret transport- og logistikvirksomhed i DSV’s størrelse skal håndtere enormt mange dokumenter. AI har derfor allerede i flere år været anvendt til automatisering af dokumenthåndtering som fx fakturaer, toldpapirer samt administrative processer og har været en stor hjælp til effektivisering og reduktion af manuelle processer. Nu er AI i DSV rykket til en bredere strategisk dagsorden, hvor data, systemkonsolidering og teknologi i endnu højere grad skal bidrage til skalerbarhed, optimering, produktivitet samt bedre kundeoplevelser på tværs af den globale koncern.

Leverage to Lead

AI og teknologi er koblet direkte til strategien ‘Leverage to Lead’, der blev lanceret på DSV’s kapitalmarkedsdag i maj 2026. I en verden præget af skiftende handelsmønstre og stigende kompleksitet indkapsler strategien, hvordan DSV vil omsætte sin globale skala og sine kapabiliteter til varige konkurrencemæssige fordele. Det betyder dog ikke, at DSV først nu er begyndt at arbejde seriøst med AI, understreger Jesper Riis, Group CIO i DSV.

“Vi startede AI-rejsen, længe før der var noget, der hed ChatGPT. Det er en teknologi, vi har arbejdet med i mange år,” siger han.

Han peger på, at udviklingen har bevæget sig fra software-robotter og klassisk automatisering over machine learning og predictive AI til generative AI og nu også agentic AI. I praksis er teknologierne dog ofte flettet sammen.

“Jeg kan bedst lide at bruge begrebet AI bredt, for når vi arbejder med løsninger, bruger vi ofte flere forskellige teknologier. Nogle steder handler det om genkendelse og læsning af dokumenter, andre steder om generering af dokumenter, og andre steder er det en machine learning-model, der skal levere et meget præcist output,” siger Jesper Riis.

Derfor taler DSV internt ofte om ’AI og tech’ snarere end om AI alene. Pointen er, at AI sjældent skaber værdi isoleret. Teknologien skal kobles til data, processer, kernesystemer og konkrete forretningsmæssige mål.

“Teknologien er i virkeligheden ikke det sværeste. Det svære og vigtige er at finde ud af, hvordan man bruger den i sin forretningsmodel, og hvordan den spiller sammen med den fysiske produktion, speditørerne og de mange andre involverede i forretningen,” siger han.

Forretning skal drive teknologien

Tilgangen til AI i DSV er, at man fra toppen definerer, hvordan og hvor AI skal prioriteres og skaber værdi. For hvis man slipper teknologien løs i organisationen, risikerer man, at alle skaber deres egne løsninger. Og så ender man med at løse det samme problem rigtig mange gange, lyder det fra Jesper Riis. 

I stedet definerer ledelsen, hvilke globale processer der virkelig kan flytte noget for koncernen. Det gælder især booking, toldhåndtering, fakturaer, tilbudsgivning og andre data- og dokumenttunge processer, hvor volumen er stor, og hvor en optimering derfor kan få stor effekt.

“Vi går meget op i at beslutte, hvad der virkelig flytter noget i DSV, og så fokusere på at løse problemstillingen globalt,” siger han.

DSV’s tilgang kræver, at AI-projekter begynder med en business case. AI er ikke gratis, hverken at udvikle, træne eller drive. Derfor skal teknologien bruges dér, hvor der er en reel gevinst.

“AI kan ikke bruges til alt. Det kan bruges til nogle bestemte ting, og derfor skal man først fastlægge, hvad man vil opnå. Derefter kan man finde ud af, hvilke teknologier der i samspil skal løse problemet,” siger Jesper Riis.

Data som fundament

Data er afgørende for AI, og DSV råder som verdens største logistikselskab over meget store datamængder. Koncernens transportplatforme håndterer enorme volumener. I 2025 drejede det sig om ca. 15 mio. forsendelser i Air & Sea og mere end 50 mio. forsendelser i Road. Dertil kommer bl.a. mere end 20 mio. årlige bookinger via kundeportalen myDSV.

En central del af DSV’s teknologiske fundament er derfor koncernens Enterprise Data Platform. Den skal samle og strukturere operationelle data fra kunder, leverandører og partnere, så data kan bruges på tværs af divisioner, processer og digitale kanaler. Når fx bookingdata kommer ind i DSV, samles de i et fælles domæne. Her arbejder koncernen med en fælles datamodel, så data grundlæggende beskrives på samme måde på tværs af forretningen.

Det giver både transparens og et stærkere grundlag for automatisering. Når data er struktureret efter samme logik, bliver det lettere at bygge regler, mikroservices og AI-løsninger ovenpå, forklarer Jesper Riis. De kan fx kontrollere, om en adresse ser rigtig ud, om volumener virker rigtige, eller om der mangler anden information, før data sendes videre til de transport management-systemer (TMS), som speditørerne arbejder i.

“Grundlæggende kan teknologien berige data, inden de kommer ud til speditøren, så han eller hun ikke skal sidde og gøre det manuelt,” siger Jesper Riis.

På den måde er Enterprise Data Platform ikke bare et IT-projekt, men en forudsætning for at skalere AI. 

Gør udviklingen skalerbar

DSV har samtidig bygget en såkaldt AI Factory, der skal sikre, at AI-løsninger udvikles, genbruges og driftes på en struktureret måde. AI Factory er samtidig også et værn mod afhængighed, idet der arbejdes med både open source-modeller og modeller udbudt af tech-virksomheder. 

“Vi går meget op i, at vi har friheden, og at vi ikke låser os fast på bestemte teknologier eller leverandører. I AI Factory vælger vi, hvad det er for en AI-model, der passer til den konkrete problemstilling,” siger han. 

Det gælder ikke kun udviklingen af modellerne, men også den løbende drift. AI-modeller skal løbende evalueres, overvåges, vedligeholdes og eventuelt gentrænes, hvis processer eller data ændrer sig eller nye teknologier bliver tilgængelige. 

“Der sker hele tiden noget, så du bliver nødt til at have den uafhængighed, så du kan vælge, hvad der er bedst for det problem, du sidder med,” siger Jesper Riis. 

For DSV handler AI-governance også om kontrol med egne data og løbende validering af modellerne.

“Man skal huske på, at meget af det data, vi snakker om her, jo virkelig er DSV’s kernedata. Det er hjerteblod i vores årer, og det er klart, at det ønsker vi selv at være i kontrol med,” siger Jesper Riis.

Derfor overvåger DSV både datakvaliteten og modellernes output, så AI-løsningerne kan justeres og gentrænes efter behov.

Schenker øger skalaen

Efter købet af Schenker er DSV blevet en mere kompleks global transport- og logistikvirksomhed. Det medfører større datamængder, og det øger behovet for standardisering og systemkonsolidering. Her peger Jesper Riis på DSV’s mangeårige disciplin med at konsolidere systemer og processer. I DSV kaldes ambitionen ’Count to One’, og den handler om, at en proces som udgangspunkt bør understøttes af ét system.

“Hvis du ikke konsoliderer, stiger kompleksiteten nærmest eksponentielt. Hver gang du skal koble noget sammen, betyder det rigtig meget, om du har tre systemer, 10 systemer eller 20 systemer,” siger han.

Det gælder også for AI. Hvis en AI-løsning skal integreres med 20 forskellige back end-systemer, bliver kompleksiteten langt større, end hvis den skal spille sammen med ét globalt kernesystem.

“Hvis du kun har ét system, bliver du ekstremt agil. Du fjerner kompleksitet,” siger Jesper Riis.

I forbindelse med opkøb kortlægger DSV derfor på forhånd systemlandskabet grundigt. Målet er ikke, at DSV’s eksisterende systemer altid fastholdes. Hvis den opkøbte virksomhed har en stærkere platform, kan den blive valgt som fremtidigt kernesystem. Det var netop tilfældet efter opkøbet af Schenker, der har enkelte best-in-class TMS-platforme, som DSV nu arbejder på at implementere.

Store globale processer først

Blandt de konkrete AI-anvendelser fremhæver Jesper Riis især de globale processer, der omfatter enorme mængder data- og dokumenthåndtering. Selvom AI allerede automatiserer en stor del af arbejdet, er den menneskelige faktor fortsat afgørende. 

“Der er stadig brug for, at medarbejderne retter data manuelt, og i de tilfælde bruges det til at træne AI-modellen, så den næste gang har en højere præcision,” siger Jesper Riis.

Logistikoptimering er et andet område, hvor AI kan anvendes til bl.a. rute- og netværksoptimering, ligesom teknologien effektiviserer administrative processer og softwareudvikling. Men ifølge Jesper Riis er teknologien aldrig pointen i sig selv. Pointen er, om den skaber værdi.

“Det er et stærkt værktøj med enormt potentiale, hvis det bliver brugt på den rigtige måde og med det rigtige setup,” siger Jesper Riis.

Han understreger desuden, at medarbejdernes rolle vil forandre sig, så de i højere grad bruger tid på kundekontakt, undtagelser og værdiskabende opgaver frem for fx manuel indtastning. DSV følger også andre teknologiske udviklinger tæt – bl.a. selvkørende lastbiler er et område, hvor AI-udviklingen går hurtigt. I USA kører DSV allerede med selvkørende lastbiler på en kommerciel rute mellem Dallas og Houston, hvor der fortsat er en tekniker med i bilen. Det er ifølge DSV dog kun et spørgsmål om tid, før lovgivningen gør det muligt at køre uden tekniker – teknologien er grundlæggende på plads. Perspektivet er igen ikke kun teknologi for teknologiens skyld. Autonome lastbiler kan køre mere effektivt, fordi de ikke er underlagt samme hvilebehov som chauffører, men endnu vigtigere kan teknologien samtidig afhjælpe chaufførmangel i både Europa og USA.

DSV arbejder også med droner, bl.a. til løbende lageroptælling og kontrol i lagerbygninger og til leverancer af reservedele til offshore-aktiviteter og fjerntliggende lokationer. 

En rejse uden slutpunkt

For Jesper Riis er AI og teknologi en løbende udvikling, hvor nye modeller, teknologier og forretningsbehov hele tiden skaber nye muligheder.

“Vi er kommet et pænt stykke. Men det er en proces, hvor du hele tiden kan tage nye AI-løsninger i brug, udvikle til nye processer og optimere på det, du allerede har bygget,” siger han.

Han understreger, at DSV’s størrelse giver en særlig fordel, som konkurrenterne ikke har. De enorme datamængder, et globalt netværk og store transaktionsvolumener på områder som fx booking, told og dokumenthåndtering. Det giver bedre muligheder for at træne modeller med egne data og dermed høj præcision.

“Med alle de data, vi har, står vi stærkt, når vi skal bygge og arbejde med modellerne. Og det understøttes af konsolideringstankegangen, der giver meget mindre kompleksitet,” siger han.

Men teknologien skal stadig kobles til drift, forretning og ledelse. Det er dér, den reelle værdi ligger.

“Der er masser, vi kan tage fat i, også i fremtiden. Det er en evig rejse,” siger Jesper Riis.