At håndtere 50.000 SKU’er på tværs af flere butikker og lagre kræver mere end regneark og manuelle processer. I denne session fortæller Bragi Þór Antoníusson fra BYKO, hvordan virksomheden transformerer sin forsyningskæde gennem intelligent automatisering og skifter fra lagerstyret planlægning til efterspørgselsdrevet genopfyldning. Han forklarer, hvordan denne nye tilgang har forbedret varetilgængeligheden, reduceret lagerbeholdningen og givet teams mere tid til at fokusere på kunder, leverandører og strategisk beslutningstagning.
Indtast dine oplysninger for at se optagelsen on demand.
Sådan automatiserede BYKO genopfyldning uden at miste menneskelig kontrol
At styre lager på tværs af tusindvis af produkter, flere lagre og detailsteder kræver mere end gode prognoser. Det kræver en tydelig driftsmodel, der gør det muligt for mennesker og teknologi at arbejde sammen.
I denne session forklarer Bragi Þór Antoníusson, hvordan BYKO gentænker sine genopfyldningsprocesser ved at automatisere rutinemæssige lagerbeslutninger, samtidig med at medarbejdere kan fokusere på strategi, leverandørsamarbejde og kundebehov. Han gennemgår skiftet fra lagerstyrede indkøb til efterspørgselsdrevet genopfyldning, betydningen af pålidelige lagerdata, og hvorfor vellykket automatisering i lige så høj grad afhænger af organisatorisk forandring som af software.
Præsentationen giver praktiske indsigter til detailhandlere og distributører, der ønsker at reducere manuelt arbejde, forbedre varetilgængeligheden og opbygge mere robuste forsyningskædeoperationer.
Bragi Þór Antoníusson er Head of Supply Chain, Procurement and Marketing hos BYKO, en af Islands førende detailhandlere inden for boligforbedring og byggematerialer. Han leder virksomhedens transformation af forsyningskæden med fokus på automatisering, datadrevet beslutningstagning og opbygning af mere effektive lager- og genopfyldningsprocesser, der forbedrer både driftsperformance og kundeoplevelse.
Einar Thorhallsson: Velkommen alle sammen. I dag vil jeg tale om, hvordan vi genopbygger AGR omkring to idéer: standardisering og AI-assistance. Markedet for supply chain-software har historisk solgt store, kundetilpassede implementeringer. Vi mener, at det næste årti ser anderledes ud.
Einar Thorhallsson: De fleste af vores kunder kører et ERP-system — Business Central, NAV, SAP, NetSuite — og ERP-systemet er sandhedskilden for salg, lager og leverandører. AGR ligger ved siden af ERP-systemet, læser dataene, prognosticerer efterspørgslen, foreslår ordrer og skriver de godkendte ordrer tilbage. Ingen duplikerede stamdata.
Einar Thorhallsson: På AI-siden er de praktiske gevinster i dag ikke autonome agenter. Det er afvigelsesdetektion i salgshistorik, smartere dekomponering af sæsonmønstre og rangering af undtagelser, så en planlægger, der håndterer 20.000 SKU’er, kun kigger på de 200, der faktisk har ændret sig i denne uge.
Einar Thorhallsson: Automatisering er laget nedenunder. Når en prognose er til at stole på, kører ordreoplægget automatisk ud fra leverandørernes leveringstider, MOQ’er og pakkestørrelser. Planlæggeren gennemgår, redigerer om nødvendigt og godkender. Indkøbsordren synkroniseres tilbage til ERP-systemet på få sekunder.
Einar Thorhallsson: Om prissætning og onboarding — vi offentliggør priser pr. bruger, og de fleste kunder er i drift på fire til otte uger. Det er kun muligt, fordi vi er stoppet med at bygge kundetilpassede versioner til hver kunde og har standardiseret datamodellen.
Einar Thorhallsson: Om resultater — på tværs af vores kundebase ser vi typisk, at lagerbindingen falder med omkring 11 %, og at udsolgte varer falder med op til 40 % i det første år. Tallene stammer fra vores kundebenchmark for 2025; jeg deler gerne metoden efter sessionen.
AI-drevet lageroptimering bruger machine-learning-modeller til at prognosticere efterspørgslen på SKU-niveau, opdage afvigelser i salgshistorikken og foreslå genopfyldningsordrer, som planlæggere kan godkende med ét klik. I AGR kører AI løbende på ERP-data for salg og lager og fremhæver kun de undtagelser, der kræver menneskelig opmærksomhed.
Automatisering udfører regler, som De allerede har defineret — for eksempel automatisk at oprette en indkøbsordre, når lageret når et genbestillingspunkt. AI forbedrer selve reglerne: Den lærer sæsonmønstre, kampagner og variation i leverandørers leveringstider ud fra historiske data og opdaterer prognoser og sikkerhedslager uden manuel finjustering.
De fleste AGR SaaS-kunder går i drift på 4–8 uger. Den standardiserede datamodel og de forbyggede ERP-connectors (Microsoft Dynamics 365 Business Central, NAV, SAP, NetSuite, Sage, IFS, Jeeves) fjerner det integrationsarbejde over flere måneder, som er typisk for ældre supply chain-værktøjer.
AGR har forbyggede, understøttede connectors til Microsoft Dynamics 365 Business Central, Dynamics NAV, SAP, NetSuite, Sage, Visma, IFS og Jeeves. Andre ERP-systemer forbindes via REST API eller flat-file-integration.
På tværs af AGR’s kundebase reducerer virksomheder typisk lagerbindingen med op til 11 % og mindsker udsolgte varer med op til 40 % inden for de første 12 måneder — baseret på AGR’s kundebenchmarkdata, 2025.
Ja. AGR bruges af 400+ virksomheder inden for engrosdistribution, special- og FMCG-detailhandel samt produktion med planlægning af råvarer og færdigvarer. Den samme prognose- og bestillingsmotor tilpasses hver branche via konfiguration, ikke kundespecifik kode.
Indtast dine oplysninger for at se optagelsen on demand.
Foretrækker De at tale med nogen? Book en demo
