Rezension von Thoucentric Labs, Anbieter von supply-chain Analytik und Prognose-Tools

Von Léon Levinas-Ménard
Zuletzt aktualisiert: Dezember, 2025

Zurück zu Marktforschung

Thoucentric Labs ist ein in Bangalore ansässiges Softwareunternehmen (als „Thoucentric Labs Private Limited“ eingetragen), das mit der Beratungsfirma Thoucentric verbunden ist und öffentlich als der produktentwickelnde Arm hinter einer kleinen Suite von SaaS-Anwendungen auftritt, die sich an Planungs- und Analyseanwendungsfälle richten: Nachfrageprognose (thouSense, einschließlich einer Low Touch-SaaS-Positionierung), Rohstoffpreisprognose (PriceVision), predictive quality für Fertigungsprozesse (PrediQ) sowie prädiktive Geschäftsplanung / Szenarioanalyse (thouPlan). Öffentliche Materialien heben „AI/ML“ und betriebliche Vorteile (Genauigkeit, Servicelevels, Bestandsreduzierungen) hervor, bieten jedoch nur begrenzte technische Angaben zu Modellklassen, Trainingsdaten, Evaluierungsmethoden, Optimierungsformulierungen oder einsetzbarer Architektur jenseits von hochrangigen Behauptungen (einschließlich des Einsatzes von Microsoft Azure im Backend über Microsoft Marketplace-Listings). Fallstudien und Kundenreferenzen sind weitgehend anonymisiert („globaler Körperpflege-Riese“, „großer Automobilhersteller“), was eine unabhängige Überprüfung von Marktdurchdringung und realer Leistung erheblich einschränkt.

Überblick

Der in der supply chain angesiedelte Fußabdruck von Thoucentric Labs zeigt sich vor allem durch thouSense, das als SaaS für Nachfrageprognosen für Planer und KMU positioniert ist, bei dem Benutzer Nachfrage- und Hierarchiedateien hochladen, Prognoseparameter (Granularität und Horizont) konfigurieren, Prognoseläufe anstoßen und Prognosen sowie historische Genauigkeitsberichte über eine Benutzeroberfläche abrufen.12 Über die Nachfrageprognose hinaus erweitert sich das Portfolio um PriceVision (Rohstoffpreisprognosen über Börsen und Zeiträume hinweg), PrediQ (predictive quality in Verbindung mit industriellen IoT-/Produktionsparametern) und thouPlan (Szenarioplanung, Heuristik-/Solver-Sprache, „What-if“-Planung).345

Aus einer strengen, evidenzbasierten Perspektive sind die am besten öffentlich einsehbaren Artefakte:

  • die Produkt-UI/Ablaufbeschreibung für thouSense Lite (Datei-Upload → Parametrisierung → geplante Läufe → Berichtswesen),2
  • Microsoft Marketplace-Listings, die Funktionsansprüche beschreiben (z. B. „Explainable AI“, „Probabilistic Forecast“, „Scenario Planning“) und angeben, dass Azure als Backend-Infrastruktur verwendet wird,1
  • und ein Firmenregister-/Aggregatorenprofil, das die Gründung (Nov 2020), den Status und die Direktoren angibt.6

Im Gegensatz dazu bleiben hochrelevante technische Fragen in öffentlich zugänglichen Quellen unzureichend dokumentiert: Prognosemodellfamilien, Feature Engineering, Behandlung von Promotionen/Artikelverknappungen, probabilistische Kalibrierung, Benchmarking-Ansatz, Erklärbarkeitsmechanismus und wie „Szenarioplanung“ umgesetzt wird (Simulation vs. Re-Prognose vs. constraints-basierte Optimierung).12

Thoucentric Labs vs Lokad

Auf funktionaler Ebene scheint Thoucentric Labs (wie öffentlich dokumentiert) vorgefertigte, UI-gesteuerte Prognose- und Analytik-Tools bereitzustellen (insbesondere thouSense für die Nachfrageprognose), bei denen der Benutzer Horizonte/Granularität konfiguriert und Prognosen/Genauigkeitsberichte abruft.2 Während Marketing- und Marketplace-Texte „probabilistic forecast“, „explainable AI“ und „scenario planning“ behaupten, zeigen öffentliche Artefakte keine programmierbare Modellierungsschicht, keinen offengelegten stochastischen Optimierungskreislauf oder ein explizites Entscheidungsoptimierungsergebnis (z. B. unter Unsicherheit optimierte Nachschubbestellungen mit Kostenabwägungen) in der Art, wie Lokad seinen Ansatz dokumentiert.1

Im Gegensatz dazu positioniert Lokad öffentlich seinen Technologie-Stack rund um probabilistische Prognosen (vollständige Verteilungen), die die stochastische Optimierung für Entscheidungen speisen, mit einem expliziten technologischen Zeitplan (probabilistische Prognosen im Jahr 2016; differentiable programming im Jahr 2019; stochastic discrete descent im Jahr 2021) und umfangreicher Dokumentation für seine DSL „Envision”.78910 In Lokads Darstellung sind Prognosen ein Mittel für robuste Entscheidungen unter Unsicherheit, und stochastische Optimierung wird als erstklassiger Mechanismus beschrieben, statt als ein angestrebtes Label.910 Praktisch bedeutet dies, dass Lokad eine Plattform-Position (programmierbare prädiktive Optimierung) beansprucht, während die öffentliche Position von Thoucentric Labs eher einer Produktsuite von SaaS-Tools (Prognose/Szenarioplanung/Qualitätsanalytik) entspricht, deren interne Abläufe weniger transparent sind.128

Unternehmensidentität, Geschichte und kommerzielle Reife

Thoucentric Labs Private Limited wird von Unternehmensinformationsaggregatoren als ein nicht börsennotiertes Privatunternehmen in Bangalore beschrieben, das am 11. November 2020 gegründet wurde und als „Active“ gemeldet ist, mit benannten Direktoren (wie vom Aggregator aufgeführt).6 Dieser Zeitstempel und die begrenzte öffentliche „Produktentwicklung“ deuten auf einen kommerziell jungen Anbieter hin, statt auf eine jahrzehntelange Planungssuite – jedoch einen, der (über die Präsenz im Microsoft Marketplace und ein Multi-Produkt-Portfolio) über die früheste Prototyp-Stufe hinaus positioniert ist.61

Da öffentlich zugängliche Materialien nicht konsistent geprüfte Umsatzskalen, Kundenanzahlen oder benannte Unternehmensreferenzen liefern, wird der Marktreife vorsichtig als früh bis mittlere kommerzielle Reife charakterisiert: ausreichend verpackt, um über Cloud-Marktplätze verkauft zu werden und Demos durchzuführen, jedoch mit einem begrenzt unabhängig nachweisbaren großen Unternehmensfußabdruck in den öffentlichen Aufzeichnungen.15

Produktumfang, der für die supply chain relevant ist

thouSense (Nachfrageprognose-SaaS)

Die konkretste operative Beschreibung wird für thouSense Lite geliefert, das als „Low Touch Nachfrageprognose auf SaaS“ positioniert ist. Es wird beschrieben, dass Benutzer Nachfrage- und Hierarchiedateien hochladen, Parameter (Granularität/Horizont) konfigurieren, einen Lauf starten und dann Prognosen „innerhalb weniger Stunden“ erhalten, mit Unterstützung bei der Planung und einem maximal angegebenen Horizont (bis zu 24 Monate) sowie nachträglichen Genauigkeitsberichten, sobald Ist-Werte vorliegen.2

Microsoft Marketplace-Materialien behaupten zudem Funktionsmerkmale wie „intelligente Segmentierung“, „Szenarioplanung“, „explainable AI“, „probabilistic forecast“ und einen „intelligenten Assistenten“ und geben explizit an, dass die Lösung Microsoft Azure als Backend-Infrastruktur nutzt.1 Diese Behauptungen werden (in den zitierten Quellen) nicht begleitet von einer technischen Spezifikation, die Folgendes beschreibt:

  • wie „probabilistische“ Ergebnisse dargestellt werden (Quantile vs. vollständige Verteilungen vs. Prognoseintervalle),
  • welche Erklärbarkeitsmethode verwendet wird (z. B. SHAP/Feature Attribution vs. Regelzusammenfassungen),
  • oder wie „Szenarioplanung“ funktioniert (z. B. Parameterstörungen, kausale Treiber, constraints-basierte Simulation).12

thouPlan (Szenario- / Geschäftsplanung)

thouPlan wird als „Predictive Business Planning“ präsentiert, mit Texten, die auf szenarienbasierte Planung und (laut früheren Forschungsausschnitten) auf heuristik-/Solver-basierte Ansätze in der Planung verweisen. Allerdings reichen die verfügbaren öffentlichen Ausschnitte nicht aus, um einen präzisen algorithmischen Mechanismus, ein Eingabeschema oder eine Optimierungsformulierung rekonstruieren zu können.2

PriceVision (Rohstoffpreisprognose)

PriceVision wird als eine Plattform für Rohstoffpreisprognosen positioniert, deren „machine learning-gestützte Forecast Engine“ historische Preise von Börsen zusammen mit mikro-/makroökonomischen Faktoren auswertet und Prognosen über Bargeld- und Terminmärkte über mehrere Zeithorizonte (täglich/wöchentlich/monatlich) ausgibt.3 Kein öffentlich zitierbares technisches Artefakt in den Quellen spezifiziert den Modellierungsansatz (z. B. multivariate Zeitreihen, Faktormodelle, Regimewechsel), das Validierungsschema oder wie exogene Faktoren einbezogen werden (Feature Store vs. manuelle Eingaben vs. API-Pipelines).3

PrediQ (predictive quality)

PrediQ wird beschrieben als ein System, das „Umgebungen“ simuliert und empfiehlt, um Abweichungen in Produktionsparametern und deren wahrscheinliche Auswirkungen auf die Produktqualität zu testen, unter Einsatz von „fortschrittlichen Machine Learning-Modellen, industriellem IoT und Optimierungstechniken”.4 Ein Fallstudienindex deutet auf Fertigungsanwendungsfälle (z. B. Lackiererei in der Automobilindustrie) hin, ist jedoch weitgehend anonymisiert und (zu Teilen) schwer von Ende zu Ende über stabile, zugängliche Seiten zu verifizieren.5

Bereitstellungs- und Rollout-Methodik (wie belegt)

Unter den verfügbaren öffentlichen Beschreibungen ist die eindeutigste „Bereitstellungsmethode“ Self-Service-ähnliches SaaS für thouSense Lite:

  1. Dateien hochladen (Nachfrage + Hierarchie),
  2. Prognoseparameter konfigurieren (Granularität/Horizont),
  3. Lauf starten und auf Ergebnisse warten,
  4. wiederkehrende Läufe optional planen,
  5. Prognosen und Genauigkeitsberichte in der Benutzeroberfläche abrufen.2

Das Microsoft Marketplace-Listing unterstreicht einen Cloud-Backend (Azure) und legt einen verpackten Test/Onboarding nahe („Für eine kostenlose Testversion anmelden”).1 Es gibt nicht genügend öffentliche Details in den zitierten Quellen, um Implementierungszeiträume, Integrationsmuster (SFTP/API/ETL), Sicherheits-/Mandantenmodelle oder wie Ergebnisse in ERP/APS-Workflows operationalisiert werden (z. B. ob Empfehlungen als Einkaufspläne exportiert werden oder nur Prognosen) zu beschreiben.12

ML/AI- und Optimierungsansprüche: Was validiert werden kann

Öffentlich wird die „AI/ML“-Position wiederholt betont (z. B. „AI/ML-basierte SaaS-Plattform“), und das Marketplace-Listing zählt fortschrittlich klingende Komponenten auf („probabilistic forecast“, „explainable AI“, „intelligent segmentation”).12 Allerdings werden diese Bezeichnungen in den hier zitierten Quellen nicht untermauert durch:

  • veröffentlichte Model Cards,
  • reproduzierbare technische Berichte,
  • Benchmark-Datensätze/-Ergebnisse,
  • offene Code-Artefakte,
  • oder detaillierte Architekturdiagramme.

Infolgedessen lautet die technisch konservative Interpretation:

  • thouSense wird als ein Workflow nachgewiesen, der aus hochgeladenen Daten Nachfrageprognosen und Genauigkeitsberichte erzeugt,2
  • mit einem behaupteten Azure-basierten SaaS-Backend,1
  • aber das State-of-the-Art-Niveau der Prognose (im Vergleich zu modernen probabilistischen Prognosen, hierarchischer Abstimmung, kausalen Treibern, intermittierender Nachfrage etc.) kann nicht allein aus den bereitgestellten öffentlichen Materialien validiert werden.12

Benannte Kunden und Fallstudien: Stärke der Evidenz

Die Fallstudien von Thoucentric Labs (wie auf der Produktseite präsentiert) sind größtenteils anonymisiert („globaler Körperpflege-Riese“, „großer Automobilhersteller“, „indisches FMCG-Unternehmen“), was eine unabhängige Bestätigung von Umfang, Langlebigkeit und den behaupteten Auswirkungen verhindert.5 Das Microsoft Marketplace-Listing verlinkt auf Inhalte unter „what our customers say“, aber der öffentlich zugängliche Teil des Listings (wie er erfasst wurde) liefert selbst keine verifizierbare Liste benannter Referenzen.1

Dementsprechend:

  • Verifizierbare benannte Kunden (öffentlich bestätigt): nicht in den zitierten Materialien nachgewiesen.51
  • Anonymisierte Behauptungen: vorhanden, werden jedoch ohne unabhängige Bestätigung als schwache Evidenz gewertet.5

Fazit

Thoucentric Labs, wie durch öffentliche Seiten und Marketplace-Listings belegt, wird am besten als eine junge (2020 gegründete) Softwareeinheit charakterisiert, die eine Suite von Analytik-Tools verkauft, wobei thouSense das deutlich supply-chain-relevante Produkt darstellt (Nachfrageprognose-SaaS mit Upload/Config-/Run-/Consume-Workflow und Genauigkeitsberichtswesen).62 Die Präsenz im Microsoft Marketplace stärkt die Annahme, dass diese Tools kommerziell verpackt und Cloud-basiert bereitgestellt werden (Azure-Backend behauptet), aber die technische Untermauerung für „probabilistic forecasting“, „explainable AI“ und „scenario planning“ bleibt in der öffentlichen Dokumentation dünn.1

Im Vergleich dazu betonen Lokads öffentliche Materialien probabilistische Prognosen als Verteilungen und stochastische Optimierung als erstklassige Mechanismen (mit einem expliziten technologischen Zeitplan und DSL-Dokumentation), was es einfacher macht, Lokad auf architektonischer und algorithmischer Ebene mithilfe offener Dokumentation zu bewerten – unabhängig davon, ob man seinem Ansatz zustimmt oder nicht.78910

Quellen

  1. Thousense | Demand Forecasting at your fingertips! (Microsoft Marketplace listing) — retrieved 2025-12-19 ↩︎ ↩︎ ↩︎ ↩︎ ↩︎ ↩︎ ↩︎ ↩︎ ↩︎ ↩︎ ↩︎ ↩︎ ↩︎ ↩︎ ↩︎ ↩︎ ↩︎

  2. thouSense – Low Touch Demand Forecasting on SaaS — retrieved 2025-12-19 ↩︎ ↩︎ ↩︎ ↩︎ ↩︎ ↩︎ ↩︎ ↩︎ ↩︎ ↩︎ ↩︎ ↩︎ ↩︎ ↩︎

  3. PriceVision – Commodity Price Forecasting Platform — retrieved 2025-12-19 ↩︎ ↩︎ ↩︎

  4. PrediQ – Predictive Quality Platform — retrieved 2025-12-19 ↩︎ ↩︎

  5. Case studies – Thoucentric Labs — retrieved 2025-12-19 ↩︎ ↩︎ ↩︎ ↩︎ ↩︎ ↩︎

  6. Thoucentric Labs Financials | Company Details | Tofler — updated 07 Nov 2025 ↩︎ ↩︎ ↩︎ ↩︎

  7. Forecasting and Optimization technologies — retrieved 2025-12-19 ↩︎ ↩︎

  8. Probabilistic Forecasts (2016) — retrieved 2025-12-19 ↩︎ ↩︎ ↩︎

  9. Stochastic Discrete Descent (2021) — retrieved 2025-12-19 ↩︎ ↩︎ ↩︎

  10. Envision Language (Lokad Technical Documentation) — retrieved 2025-12-19 ↩︎ ↩︎ ↩︎