Hackergruppen FulcrumSec havde uforstyrret adgang til Novo Nordisks systemer i mindst 47 dage og brugte aktivt AI-værktøjer — sagen rejser grundlæggende spørgsmål om, hvor godt dansk erhvervsliv er rustet mod en ny generation af angreb.
Konklusion
Hackergruppen FulcrumSec tilbragte mindst 47 dage inde i Novo Nordisks systemer, inden de blev opdaget. De brugte AI-værktøjer til at automatisere og accelerere angrebet. Det er ikke en fremtidig trussel — det er en dokumenteret hændelse, der allerede har fundet sted mod et af Danmarks mest værdifulde selskaber.
Sagen illustrerer tre ubehagelige kendsgerninger: Detektionstiden i store virksomheder er stadig alt for lang. AI sænker tærsklen for, hvad en lille, ressourcestærk hackergruppe kan udføre. Og angriberne er nu begyndt at tale åbent om, hvordan de gør det.
Baggrund
Novo Nordisk er ikke hvilken som helst virksomhed. Selskabet har en børsværdi, der på sit højeste oversteg Danmarks samlede BNP, og sidder på nogle af verdens mest eftertragtede patenter og kliniske data inden for fedme og diabetes. Det gør virksomheden til et oplagt mål for industrispionage — både statssponsoreret og kriminelt motiveret.
I begyndelsen af 2026 kom det frem, at hackergruppen FulcrumSec havde kompromitteret Novo Nordisks systemer. Det usædvanlige var ikke blot angrebet i sig selv, men at hackerne efterfølgende stillede op til interview med Ingeniøren. Her fortalte de detaljeret om deres metoder, hvilke data de havde adgang til, og — kritisk — hvordan de brugte AI-værktøjer som en aktiv del af angrebet.
Ingeniørens journalister så de lækkede data og talte direkte med gruppen. Det giver kildesituationen en soliditet, der er sjælden i rapportering om cyberangreb, hvor meget normalt er anonymiseret, spekulativt eller filtreret gennem virksomhedens egne kommunikationsafdelinger.
Hvad sker der
47 dage uden at blive opdaget
Det mest alarmerende enkeltfaktum i sagen er ikke, at Novo Nordisk blev hacket. Det er, at FulcrumSec havde uforstyrret adgang i mindst 47 dage.
47 dage er lang tid. Det er tid nok til at kortlægge netværksarkitektur, identificere de mest værdifulde datalagre, eksfiltrere (kopiere og sende ud) store mængder data og slette sporene bagefter. Det er tid nok til at gøre skaden permanent, uanset hvornår man til sidst opdager indtrænget.
Ifølge Ingeniørens reportage brugte gruppen AI-værktøjer aktivt i denne periode — ikke som et futuristisk eksperiment, men som et praktisk redskab til at fremskynde arbejdet.
Hvad bruges AI til i et angreb?
FulcrumSec beskrev over for Ingeniøren, hvordan AI konkret indgår i deres arbejdsgang. Det dækker flere faser af et angreb:
Rekognoscering handler om at kortlægge målet inden angrebet. AI kan her bruges til hurtigt at analysere store mængder offentligt tilgængelig information — jobannoncer, GitHub-repositories, LinkedIn-profiler, pressemøder — og identificere mønstre der afslører, hvilken software og infrastruktur en virksomhed bruger.
Udnyttelse handler om at finde og bruge sårbarheder. AI-assisterede værktøjer kan automatisere dele af denne proces og generere angrebskode hurtigere, end en menneskelig hacker ville kunne gøre det manuelt.
Bevægelse i netværket (på engelsk kaldet "lateral movement") handler om at bevæge sig fra det første kompromitterede system videre til mere værdifulde mål. Her kan AI hjælpe med at analysere netværkstrafik og identificere privilegerede konti eller systemer med færre sikkerhedskontroller.
Eksfiltrering handler om at kopiere data ud uden at udløse alarmer. AI kan bruges til at pakke og sende data på måder, der ligner normal trafik.
Det er ikke science fiction. Det er den arbejdsgang, FulcrumSec beskrev.
De centrale spørgsmål
Er 47 dage usædvanligt?
Nej — og det er præcis problemet.
Forskning i sikkerhedshændelser i industrielle miljøer peger konsekvent på, at dwell time — den tid en angriber opholder sig i et system inden opdagelse — er et af de mest kritiske parametre for, hvor stor skaden bliver. Jo længere tid, jo mere kan eksfiltreres, og jo sværere er det at vide præcist, hvad der er kompromitteret.
Forskerne bag RACER-ICS-frameworket, præsenteret i en artikel fra 2026 i IEEE Access, understreger netop dette: Anomalialarmers reelle værdi afhænger af, om de kan skelne usædvanlig trafik fra normale mønstre tidligt nok til, at der stadig er noget at redde. Mange eksisterende systemer er ikke gearet til det — de genererer for mange alarmer til, at sikkerhedsteams kan behandle dem effektivt.
En parallel undersøgelse publiceret i 2026 — "Enhancing Cybersecurity Incident Response Efficiency Through Autonomous Agentic AI" — dokumenterer, at Security Operations Centers (SOC'er) i stigende grad drukner i alarmer. Begrænset analytikerkapacitet og strenge krav til responstid skaber et system, hvor mange reelle trusler overses, ikke fordi teknologien fejler, men fordi der simpelthen ikke er nok menneskelige øjne til at behandle mængden af signaler.
Det er den kløft, FulcrumSec udnyttede.
Hvad gør AI anderledes ved disse angreb?
Den afgørende forskel er skalering og hastighed.
Konventionel hacking kræver tid og specialiseret menneskelig ekspertise i hvert enkelt trin. AI-assisterede angreb kan automatisere rutineopgaver, hvilket betyder, at en lille gruppe — eller i princippet et enkelt individ med de rigtige værktøjer — kan udføre angreb, der tidligere krævede et team.
Det sænker adgangsbarrieren. Det er ikke nødvendigvis en statslig aktør med ubegrænsede ressourcer, der udgør den største trussel. Det kan være en gruppe som FulcrumSec: relativt lille, men teknologisk velstyret og villig til at bruge AI som en force multiplier (et begreb der beskriver, hvordan et redskab multiplicerer det, en begrænset styrke kan opnå).
Forskning i AI-drevet kryptografi og industriel cloud-sikkerhed — herunder en IEEE-artikel fra 2025 om sikring af cloud-baserede industrielle kontrolsystemer — peger på, at konvergensen mellem IT og OT (Operational Technology, altså de systemer der styrer fysiske processer som produktion og forsyningskæder) åbner nye angrebsflader. Novo Nordisk er en produktionsvirksomhed. Det betyder, at et kompromitteret IT-netværk potentielt kan være en indgangsport til systemer, der har direkte indflydelse på medicinalproduktion.
Hvad ved vi om motivet?
Her er vi nødt til at være ærlige om, hvad vi ikke ved.
FulcrumSec har ikke offentligt erkendt et specifikt formål — hverken kommerciel industrispionage på vegne af en tredjepart, statslig efterretningsindsamling eller simpel kriminel afpresning. Gruppen har talt om metoderne, men motivet er uklart.
Det ændrer imidlertid ikke på skadens faktiske omfang. Uanset hvem der bestilte eller betalte for adgangen — eller om der overhovedet var en ydre opdragsgiver — er data kompromitteret, og Novos konkurrenceposition er potentielt svækket.
Analyse
Det defensive problem er ikke teknisk — det er organisatorisk
Den fristende reaktion på sagen er at efterlyse bedre teknologi. Og teknologi spiller selvfølgelig en rolle. Systemer som OTDefender, beskrevet i en IEEE-artikel fra 2026, demonstrerer, hvordan AI kan bruges defensivt til at automatisere hændelsesrespons i OT/ICS-miljøer (Operational Technology/Industrial Control Systems — de systemer der styrer industrielle processer). Systemet er designet til at reducere den tid, der går, fra en trussel opdages, til den neutraliseres.
Men teknologi alene løser ikke problemet. Forskning bag det autonome AI-baserede hændelsesresponssystem evalueret med Wazuh SIEM (Security Information and Event Management — et system der indsamler og analyserer sikkerhedslogfiler) viser, at selv velfungerende automatisering kræver organisatorisk kapacitet til at handle på output. Det hjælper ikke at have et system, der opdager en trussel, hvis der ikke er en veldefineret og øvet proces for, hvad der sker derefter.
Novo Nordisk er ikke en lille virksomhed uden ressourcer. At FulcrumSec alligevel kunne operere uforstyrret i 47 dage peger på, at problemet ikke primært handler om manglende adgang til sikkerhedsværktøjer. Det handler om, hvordan sikkerhed prioriteres, organiseres og øves i praksis.
Den asymmetriske trussel
Et grundlæggende problem i cybersikkerhed er asymmetrien: Angriberne skal kun lykkes én gang. Forsvarerne skal lykkes hver eneste gang.
AI forværrer denne asymmetri for angriberne. Når AI kan automatisere store dele af rekognoscerings- og angrebsfasen, stiger antallet af mulige angreb, mens omkostningerne per angreb falder. For forsvarerne er situationen omvendt: Hvert forsvarslag koster penge og menneskelige ressourcer, og det er urealistisk at forestille sig, at en virksomhed — selv Novo Nordisk — kan opbygge et forsvar, der er fejlfrit mod alle tenkelige angrebstyper.
Det betyder ikke, at forsvar er nytteløst. Det betyder, at strategien bør skifte fra "forhindre alle indtrængen" til "opdage hurtigt og begrænse skaden." Det er en tankegang, der endnu ikke er fuldt ud implementeret i mange store organisationer.
Hvad betyder det for dansk erhvervsliv?
Novo Nordisk er den mest synlige case, men ikke nødvendigvis den eneste. Danmark har en koncentration af globalt konkurrencedygtige virksomheder inden for farmaci, energi, shipping og avanceret teknologi. Det gør dansk erhvervsliv til et attraktivt mål.
Det er et strukturelt problem, ikke blot et Novo-problem. En hackergruppe, der har finpudset sine metoder mod verdens mest værdifulde nordiske selskab, har demonstreret kapacitet, der kan rettes mod andre mål.
Sagen bør ikke behandles isoleret som en Novo Nordisk-krise. Den bør behandles som et varslingsskud om, at AI-assisterede angreb er operationelle — ikke teoretiske — og at dansk erhvervsliv som helhed bør revidere sine antagelser om, hvad et angreb ser ud som, og hvor hurtigt det kan opdages.
Hvad FulcrumSecs åbenhed fortæller os
Det er usædvanligt, at en hackergruppe stiller op til interview og beskriver sine metoder i detaljer. Det kan have flere forklaringer: ønsket om anerkendelse, en implicit trussel mod fremtidige mål, eller et bevidst forsøg på at vise muskler over for potentielle opdragsgivere.
Uanset motivet har åbenheden en pervers positiv effekt: Den giver sikkerhedsmiljøet konkret viden om angrebsmetoderne. Ingeniørens reportage er ikke blot journalistik — den er en teknisk casestudie i, hvordan et AI-assisteret angreb foregik i praksis mod et reelt mål.
Det giver virksomheder og sikkerhedseksperter mulighed for at justere forsvaret. Men det kræver, at man faktisk bruger informationen.
Konklusion
FulcrumSecs angreb på Novo Nordisk er ikke en isoleret hændelse. Det er en demonstration af, hvad AI-assisteret hacking ser ud som, når det udføres mod et af Danmarks vigtigste selskaber — og af at de eksisterende forsvarsstrukturer ikke var gearet til at opdage det hurtigt nok.
47 dage er ikke en acceptabel dwell time for en virksomhed med Novos værdier og datakategorier. Det er et symptom på, at selv ressourcestærke organisationer endnu ikke har tilpasset sig en trusselsaktør, der bruger AI til at automatisere og skalere angreb.
Løsningen er ikke én ny teknologi. Den er en kombination af hurtigere detektionssystemer, bedre organisatorisk responskapacitet og en erkendelse af, at perimetersikkerhed — forestillingen om, at man kan holde angriberne ude — ikke længere er en realistisk strategi.
Det er et dyrt lektie at lære. Spørgsmålet er, om andre store danske virksomheder lærer det af Novos regning — eller må betale selv.
Kilder
Novo-hackere i spektakulært interview med Ingeniøren: Sådan bruger vi AI til at angribe store virksomheder — Ingeniøren
OTDefender: An AI-Assisted Incident Response System for OT/ICS Environments — Hussam Abdullah Almajnuni, Yazan S Mousa, Almuthanna Yahia Alyousef (IEEE, 2026)
AI-Assisted Resilience Monitoring for Industrial Control System Security — Shilpi Mittal, Vivek Kumar Polurouthu, Ankit Gupta (IEEE Access, 2026)
AI-Driven Cryptographic Framework for Smart Industrial Cloud Security — Harikumar Nagarajan, Poovendran Alagarsundaram, Surendar Rama Sitaraman (IEEE, 2025)
Enhancing Cybersecurity Incident Response Efficiency Through Autonomous Agentic AI: Design, Implementation, and Evaluation with Wazuh SIEM — Mohamad Nour Shahin, Ruslan Damindarov (IEEE, 2026)