Ny ISO-standard løfter ship–shore data og maritim AI

Den globale skibsfart står midt i et digitalt kvantespring. Samtidig skærpes kravene til grøn omstilling, dokumentation og sikker drift – ikke mindst for danske redere, havne og maritime servicevirksomheder. I dette krydspres bliver standardiseret ship–shore data communication en strategisk nøgle til at få reel værdi ud af AI og datadrevne løsninger.

I november 2025 har ISO offentliggjort en ny standard for kommunikation af data mellem skibe og land. Den slags lyder måske teknisk og fjernt fra den daglige drift, men konsekvensen er alt andet end teoretisk: fælles standarder er det, der afgør, om dine AI-projekter ender som PowerPoint eller som konkrete besparelser på brændstof, CO₂ og vedligehold.

Dette indlæg i serien “AI i Dansk Shipping og Maritim Industri” går bag om betydningen af en ny ISO-standard for ship–shore data, og hvad den konkret kan betyde for danske aktører – fra ruteoptimering og forudsigende vedligehold til smartere havneoperationer og grøn shipping.

Hvorfor ship–shore data er fundamentet for maritim AI

AI i skibsfarten lyder ofte som noget, der handler om avancerede algoritmer. I praksis falder de fleste projekter ikke på AI-delen, men på data-delen.

Fra datasilos til samlet beslutningsgrundlag

I dag er data i mange rederier og havne fordelt på et væld af systemer:

• sensordata om motor, brændstof og lasthåndtering
• rute- og vejrdata
• havneanløbsinformationer
• kommercielle data, kontrakter og fragtbrev

Uden standarder for ship–shore data ender man ofte med:

• manuelle Excel-workflows, hvor data kopieres mellem systemer
• forsinket beslutningsgrundlag, fordi data først skal renses og fortolkes
• usikker kvalitet, hvor ingen helt ved, om tallene kan bruges til styring

En international ISO-standard adresserer netop dette ved at definere fælles formater, strukturer og begreber. Det gør det langt nemmere at bygge stabile datarør mellem skib og shore-systemer – og dermed også at træne og drifte AI-modeller.

AI kræver ikke bare data – men sammenlignelige data

For at AI kan:

• optimere ruter
• forudsige komponentfejl
• beregne emissionsprofiler

… skal modellen have konsistente, sammenlignelige data på tværs af flåden. Hvis hvert skib og hvert system taler sit eget datasprog, får man små lokale løsninger, der ikke kan skaleres.

En ny ISO-standard for ship–shore data betyder, at:

• data fra forskellige skibe kan læses på samme måde
• leverandører kan integrere til én fælles model i stedet for mange varianter
• danske aktører kan bygge AI-løsninger, der skalerer internationalt

Hvad betyder en ny ISO-standard i praksis?

Selve indholdet af den nye standard er teknisk, men konsekvenserne for forretningen er til at tage og føle på.

Kerneelementer: struktur, sikkerhed og interoperabilitet

En moderne ISO-standard for ship–shore data vil typisk dække tre hovedområder:

1. Datamodeller og semantik
   Hvilke felter findes der? Hvad hedder de? Hvordan tolkes de?
   Eksempel: fuel_consumption_measured kontra fuel_consumption_reported – to meget forskellige ting, som AI-modeller bør kende forskel på.

2. Kommunikationsprotokoller
   Hvordan sendes data? Batch, real time, krypteret, kvitteringsmekanismer osv.

3. Sikkerhed og adgangsstyring
   Hvem må se hvad? Hvordan håndteres persondata, kommercielt følsomme oplysninger og cyberrisici?

Når de tre elementer er standardiseret internationalt, bliver det

langt billigere og hurtigere at forbinde skibe, rederisystemer, havne og eksterne dataplatforme, så AI kan arbejde på et samlet datagrundlag.

Fordele set fra et dansk rederi eller en havn

For en dansk aktør viser gevinsterne sig flere steder:

• Mindre integrationstid ved nye systemer og leverandører
• Lettere compliance med både internationale og EU-krav om rapportering
• Større valgfrihed blandt digitale og AI-leverandører, fordi alle kan koble på samme standard
• Robusthed mod leverandørlåsning, da dataformaterne ikke er proprietære

På et mere strategisk plan giver standarden mulighed for at bygge en langsigtet dataarkitektur, hvor AI kan udvides trin for trin – i stedet for at blive et lappearbejde af enkeltstående pilots.

Tre AI-områder der får turbo af standardiseret ship–shore data

Hvordan omsættes alt dette til konkrete use cases? Her er tre områder, hvor den nye ISO-standard for ship–shore data kan blive et markant løft for danske maritime aktører.

1. Ruteoptimering og brændstofbesparelser

AI-baseret ruteoptimering kræver løbende data om:

• fart, position, last og dybgang
• vejr, strøm og bølgeforhold
• motor- og brændstofdata

Med standardiseret ship–shore data kan disse informationer:

• sendes kontinuerligt og sikkert til shore-systemer
• kombineres med eksterne vejrudsigter og havneinformationer
• fodre AI-modeller, der foreslår optimal fart og rute i realtid

For et mellemstort dansk rederi kan det betyde:

• lavere brændstofforbrug i størrelsesordenen flere procentpoint
• bedre mulighed for at dokumentere CO₂-reduktion over for kunder og myndigheder
• mere stabil ETA og færre dyre “last minute”-ændringer i havne

2. Forudsigende vedligehold og færre uplanlagte stop

Forudsigende vedligehold bygger på mønstre i sensordata. Her er kvaliteten og strukturen af data helt afgørende.

Når en ISO-standard definerer ensartede begreber for fx:

• driftstimer
• vibrationer
• temperaturer
• alarmer og fejltyper

… bliver det langt nemmere at:

• træne modeller på data fra flere skibe og flere typer udstyr
• genbruge erfaringer på tværs af flåden og mellem rederier
• samarbejde med udstyrsproducenter om fælles løsninger

For danske virksomheder betyder det, at man kan:

• reducere uplanlagte havarier og dermed undgå dyre off-hire-perioder
• planlægge dockings og service ud fra faktiske risikoprofiler, ikke kun kalender
• dokumentere over for kunder, at man arbejder systematisk med risikostyring

3. Smartere havneoperationer og kollaborativ planlægning

Havneoperationer er en disciplin, hvor timing er alt. For at AI kan understøtte planlægning af anløb, terminalkapacitet og lastning, skal havn og skib have et fælles, opdateret billede af situationen.

Med en standardiseret ship–shore datamodel kan:

• ETA, lastprofil, bunkerplaner og servicebehov deles i et fælles format
• havnen optimere kajallokering, kranresurser og bemanding
• AI-modeller forudsige flaskehalse og foreslå alternativer

Især for danske havne med høj tæthed af skibe kan dette give:

• kortere liggetid
• bedre udnyttelse af anlæg og personale
• lavere lokal miljøbelastning, fordi skibe undgår unødig ventetid og manøvrering

Datastandarder som rygraden i grøn shipping og compliance

Grøn omstilling i shipping er ikke kun et spørgsmål om nye brændstoffer. Det handler i lige så høj grad om dokumentation, gennemsigtighed og styring – områder hvor AI og data er helt centrale.

Fra rapportering til aktiv styring

Nye regler og krav – både internationalt og fra EU – betyder, at rederier skal rapportere detaljeret om:

• brændstofforbrug og energieffektivitet
• CO₂-udledning pr. rejse og pr. ton-kilometer
• eventuelle afvigelser og korrigerende handlinger

Med en ISO-standard for ship–shore data bliver det muligt at:

• automatisere store dele af rapporteringen
• genbruge de samme datakilder til både compliance og operationel optimering
• lade AI finde mønstre i data, som kan pege på konkrete forbedringstiltag

Dermed flytter man fokus fra at “udfylde skemaer” til faktisk at styre mod lavere emissioner i realtid.

Datadeling i værdikæden – uden at miste kontrol

Standardiserede formater gør det også lettere at dele udvalgte data med:

• kunder og befragtere
• finansielle partnere
• myndigheder og klasseselskaber

Samtidig giver en ISO-standard typisk klare rammer for adgang, anonymisering og sikkerhed, så man kan:

• dele det nødvendige – og kun det nødvendige
• beskytte forretningskritiske oplysninger
• opbygge tillid omkring data og AI-analyser

For grøn shipping er dette afgørende, fordi stadig flere kunder efterspørger dokumenterede klimadata som grundlag for deres egne rapporter og ESG-mål.

Hvad bør danske maritime virksomheder gøre nu?

En ny international standard er ikke noget, man bare “venter på at andre implementerer”. De virksomheder, der tidligt tilpasser deres dataarkitektur, får et forspring – både teknologisk og kommercielt.

1. Få styr på jeres nuværende dataflow mellem skib og shore

Start med et ærligt overblik:

• Hvilke data sendes i dag fra skib til shore – og omvendt?
• I hvilke formater (PDF, Excel, proprietære protokoller)?
• Hvor sker der manuelle mellemled (mail, kopier/indsæt)?
• Hvilke systemer er mest kritiske for AI-planer og grøn omstilling?

Dette giver et konkret billede af, hvor standardiseret ship–shore data kan skabe mest værdi først.

2. Tænk standard ind i nye AI- og digitaliseringsprojekter

Når I næste gang:

• køber nyt flådestyringssystem
• etablerer et maritimt data warehouse
• starter et AI-pilotprojekt på fx ruteoptimering eller vedligehold

… så spørg eksplicit til understøttelse af internationale standarder for ship–shore data. Det reducerer leverandørrisiko og sikrer, at løsningen kan skalere.

3. Byg bro mellem IT, drift og forretning

Datastandarder og AI må ikke blive et rent IT-projekt. De mest succesfulde danske cases involverer:

• drift (skib og havn): der ved, hvilke data der reelt findes og kan opsamles
• forretning/kommerciel: der ved, hvor værdien opstår
• IT/data: der kan designe arkitekturen og sikre sikkerhed og robusthed

Den nye ISO-standard kan bruges som fælles referenceramme på tværs af disse siloer.

Perspektiv: En byggesten i Danmarks maritime AI-position

Danmark er allerede stærkt positioneret inden for shipping, grøn omstilling og maritim innovation. Den nye ISO-standard for ship–shore data er endnu en byggesten i at fastholde og udbygge den position.

I denne serie om “AI i Dansk Shipping og Maritim Industri” har vi set, hvordan AI kan:

• optimere ruter og reducere brændstofforbrug
• forudsige vedligeholdsbehov
• effektivisere havneoperationer
• understøtte grøn shipping og dokumentation

Fælles for alle disse use cases er, at de står og falder med kvaliteten af ship–shore data. Den nye ISO-standard gør det langt mere realistisk at gå fra pilots til skalering – også på tværs af internationale partnere.

Hvis du arbejder i en dansk maritim virksomhed, er næste skridt at spørge:

Hvordan kan vi bruge standardiseret ship–shore data som afsæt for vores næste bølge af AI- og digitaliseringsinitiativer?

Det er her, forskellen mellem pæne slides og målbare resultater i 2026–2028 bliver afgjort.