Zuletzt aktualisiert: 4. November 2026
Zurück zur Marktforschung
Thoucentric Labs entwickelt Prognose- und Analyseprodukte innerhalb von Thoucentric, dem 2023 von Xoriant übernommenen Beratungsunternehmen. Das Portfolio umfasst thouSense für Nachfrageprognosen, thouPlan für Geschäftsszenarien, PriceVision für Rohstoffpreise und PrediQ für Fertigungsqualität. Die Produkte liefern Prognosen, Simulationen, Berichte und Empfehlungen an Planungs-, Beschaffungs- und Produktionsteams. 1 10
Gesamtbewertung für die Supply Chain: 3,0/10
| Dimension | Bewertung |
|---|---|
| Tiefe des Supply-Chain-Verständnisses | 3,0/10 |
| Substanz bei Entscheidungen und Optimierung | 3,2/10 |
| Integrität von Produkt und Architektur | 3,2/10 |
| Technische Transparenz | 2,8/10 |
| Ernsthaftigkeit des Anbieters | 3,0/10 |
Die Hauptschwäche ist der Abstand zwischen der Prognose einer Größe und der Auswahl einer wirtschaftlich sinnvollen Handlung. Die veröffentlichten Abläufe erzeugen Nachfrageprognosen und alternative Pläne, die Menschen interpretieren müssen. Sie legen kein gemeinsames Modell von Nachfrage, Lieferverzögerungen, Kosten und verfügbaren Handlungen offen, das Einkäufe oder Zuteilungen automatisch auswählt.
Mehrere Aussagen verlangen deutlich stärkere Belege. thouSense verspricht Wahrscheinlichkeitsverteilungen und kausale Erklärungen, ohne deren Konstruktion oder Validierung offenzulegen. Ein datierter PriceVision-Fall berichtet über mehr als 95% Genauigkeit täglicher Preisprognosen und erhebliche Beschaffungseinsparungen, lässt aber Kennzahl und Einkaufsvergleich offen. Die Beratungsmutter liefert konkretere Implementierungsbeispiele; einige dieser Ergebnisse stammen jedoch aus Planungssystemen anderer Anbieter statt aus Labs-Produkten. 3 7 12
Thoucentric Labs im Vergleich zu Lokad
Thoucentric verkauft Analyseprodukte zusammen mit Beratung und Implementierungsleistungen. Lokad liefert eine programmierbare Entscheidungsplattform und Supply Chain Scientists, die die numerische Entscheidungslogik ihrer Kunden aufbauen und pflegen. Dienstleistungen sind in beiden Modellen notwendig. Der wichtige Unterschied ist die Arbeit, die diese Leistungen hervorbringen: einen gepflegten Prognose- und Planungsprozess oder eine gepflegte Berechnung, die betriebliche Handlungen nach ihrer Wirtschaftlichkeit auswählt. 10 14 Siehe Lokads Ansatz der quantitativen Supply Chain.
Man betrachte einen Lebensmittelhersteller, der eine Zutat einkauft, deren Preis fallen könnte. PriceVision kann eine Preisprognose liefern, thouSense die erwartete Nachfrage und thouPlan einen Vergleich betrieblicher Szenarien. Die Kaufentscheidung hängt außerdem von unsicheren Lieferankünften, verfügbarer Liquidität, Mindestmengen, Lagerung, Verderb und den Kosten einer Produktionsunterbrechung ab. Diese Faktoren können eine Empfehlung, auf einen niedrigeren Preis zu warten, umkehren.
Die öffentlichen Produktbeschreibungen erläutern keine gemeinsame Berechnung, die diese Abwägungen verknüpft. Selbst getrennte genaue Prognosen müssten noch von jemandem miteinander abgestimmt werden. Lokads Ansatz zur Bestandsoptimierung stellt den wirtschaftlichen Vergleich möglicher Handlungen in den Mittelpunkt der Berechnung und berücksichtigt Unsicherheit dort, wo sie die Entscheidung beeinflusst. Seine Spezialisten bleiben gemeinsam mit dem Kunden für die Pflege der Dateninterpretationen und Logik verantwortlich; dieser technische Aufwand gehört in den Vergleich der Gesamtbetriebskosten.
Von Prognosedateien zu betrieblichen Entscheidungen
Der klarste Ablauf ist thouSense Lite. Nutzer laden Nachfrage- und Hierarchiedateien hoch, wählen eine wöchentliche oder monatliche Auflösung und einen Horizont von bis zu 24 Monaten und starten oder terminieren anschließend Prognosen. Nach der Verarbeitung stehen Ergebnisse mit Berichten auf ausgewählten Hierarchieebenen und historischen Genauigkeitsansichten bereit, sobald Istwerte eintreffen. 2
Das Terminieren dieser Berechnungen kann die Vorbereitung von Tabellenkalkulationen ersetzen. Es bestimmt jedoch keine Bestellung. Die Organisation muss weiterhin Prognosen in Mengen übersetzen, Lieferanten- und Produktionsbeschränkungen abstimmen, Serviceregeln wählen und die resultierenden Entscheidungen überwachen. Der Arbeitsvorteil des Produkts hängt deshalb davon ab, wie viel dieser verbleibenden Arbeit die Implementierung beseitigt.
Die umfassendere thouSense-Seite ergänzt externe erklärende Variablen, Wahrscheinlichkeitsverteilungen und einen Assistenten für Fragen an die Daten. Ihr Servicegradbeispiel fragt, was passiert, wenn ein Nutzer eine Prognose reduziert. Damit bleibt die Entscheidungsvariable unklar. Eine Prognose sollte unsichere Nachfrage beschreiben; Bestands- und Einkaufsentscheidungen bestimmen, wie diese Nachfrage bedient wird. Eine Vorhersage zu ändern, um ein gewünschtes Serviceergebnis zu erzielen, verwechselt Wissen über die Zukunft mit einer heutigen Handlung. 3
thouPlan vergleicht Nachfrage- und Versorgungsszenarien, darunter Kapazitätsentscheidungen und Direkttransporte gegenüber Transporten über Umschlagpunkte. Es beschreibt alternative Produktions-, Transport-, Lager- und Erfüllungspläne über einen Horizont von drei bis sechs Monaten einschließlich der Auswirkungen auf betriebliche und finanzielle KPI. Die öffentliche Beschreibung nennt weder Solver, Optimierungsziel, Szenariowahrscheinlichkeiten noch die Regel zur Auswahl zwischen den Plänen. 4
Diese Lücke ist folgenreich. Angenommen, zwei Pläne beanspruchen dieselbe Lagerkapazität und dasselbe Beschaffungsbudget. Ihre getrennte Bewertung belegt nicht, dass einer diese Ressourcen unternehmensweit am besten nutzt. Ein gemeinsames monetäres Ziel und gekoppelte Beschränkungen sind nötig, um die Abwägung aufzulösen. Ebenso kann ein attraktiver Plan für einen angenommenen Liefertermin schlecht sein, wenn verspätete Zugänge häufig sind. Die Darstellung von Szenarien belegt keine stochastische Optimierung.
Wahrscheinlichkeit, Kausalitätsbehauptungen und Prognosevalidierung
Die Wahrscheinlichkeitsaussage ist relevant, aber unvollständig. Die verfügbare Beschreibung spezifiziert weder Quantile oder Verteilungen noch Abhängigkeiten zwischen Artikeln, Kalibrierung oder den Umgang mit unsicherem Nachschub. Eine Nachfrageverteilung kann eine Bestandsrechnung nur verbessern, wenn Zeitpunkt und Granularität zur Entscheidung passen und sie mit wesentlicher Versorgungsunsicherheit verbunden wird.
Die Kausalitätsbehauptung verlangt mehr als die Erklärung einer Modellausgabe. Eine Verkaufsaktion kann mit starker saisonaler Nachfrage oder zusätzlicher Distribution zusammenfallen. Ein Beitragsdiagramm kann zeigen, wie ein angepasstes Modell diese Variablen verwendet, ohne zu belegen, was eine zusätzliche Aktion bewirken würde. Es fehlt ein Interventionsdesign oder eine andere belastbare Identifikationsmethode, gefolgt von Tests der darauf beruhenden Entscheidungen. Die aktuellen Abbildungen von thouSense bezeichnen sich ausdrücklich als konzeptionell und nicht als gemessene Ergebnisse. 3
Der Nachfrageplanungsfall der Muttergesellschaft vom Januar 2025 liefert eine konkretere Methode. Er beschreibt die Zuordnung von Modellen zu Produktkategorien, die Einbeziehung von Aktionen und kurzfristigen Absatzsignalen sowie ARIMAX mit makroökonomischen Erklärungsvariablen. Berichtet werden 35% bessere Prognosegenauigkeit und 30% weniger Arbeitsstunden. ARIMAX ist ein etabliertes statistisches Verfahren; seine Anwendung kann nützlich sein, doch die Bezeichnung maschinelles Lernen liefert keine zusätzliche technische Besonderheit. Der Fall identifiziert das Labs-Produkt nicht als Implementierungsplattform. 11
Der Vergleich muss die Informationsverfügbarkeit konstant halten. Offene Aufträge, Sendungen oder kurz vor dem Ergebnis eintreffende Verkaufsstellenbeobachtungen können eine Prognose erleichtern, aber für eine Wochen zuvor notwendige Bestellung wenig bewirken. Die Muttergesellschaft bewirbt Demand Sensing, legt jedoch weder eine eigenständige Methode noch einen Test offen, der neue Signale von einem späteren Prognosezeitpunkt trennt. 14
Auch wöchentliche, monatliche und hierarchische Berichte verlangen Vorsicht. Aggregation kann Überprognosen eines Artikels und Fehlbestände eines anderen verdecken. Die wählbaren Berichtsebenen des Lite-Ablaufs sind für die Prüfung nützlich, doch eine hervorgehobene Genauigkeit sollte auf der Auflösung der Einkaufsentscheidung gemessen werden, mit eingefrorenen historischen Prognosen und einer vergleichbaren Ausgangsbasis. 2
PriceVision: Eine hohe Genauigkeitsquote validiert keine Beschaffungspolitik
Der Palmölfall vom August 2021 ist die umfangreichste veröffentlichte wirtschaftliche Aussage. Er berichtet über tägliche Preisprognosegenauigkeit von mehr als 95%, Kaufentscheidungen über fünfzehn und dreißig Tage sowie monatliche Beschaffungseinsparungen über 15%, die 15 Millionen INR übersteigen. Der Kunde bleibt ungenannt. Die Seite liefert weder eine Genauigkeitsformel noch Preisverlauf, Bewertungsdaten, Mengen und Referenzeinkaufsstrategie, die zur Reproduktion der Ergebnisse nötig wären. 7
Ein hoher Prozentsatz für Preisniveaus kann leicht erreichbar sein, ohne nützliche Preisänderungen vorherzusagen. Als Beispiel: Kostet ein Rohstoff heute 100 und im nächsten Monat 102, ergibt die Prognose 100 nach der Konvention eins minus prozentualer Fehler ungefähr 98% Genauigkeit. Diese Prognose enthält keine Information über den heutigen Preis hinaus. PriceVisions Schlagzeile kann ohne Kennzahl und vergleichbare Referenz keinen Beschaffungsvorteil belegen.
Ein Einkaufsvergleich muss die damals verfügbare Alternative einschließen: regelmäßigen Nachschub, eine Prognose unveränderter Preise oder eine anwendbare Absicherung. Er muss zudem Finanzierung, Lagerung, Transaktionskosten und den physischen Verbrauchsbedarf berücksichtigen. Später zu kaufen kann günstiger aussehen und zugleich das Fehlbestandsrisiko erhöhen. Früher zu kaufen kann den Rechnungspreis verbessern, aber Kapital binden oder Überschüsse erzeugen.
Die aktuelle PriceVision-Seite kombiniert historische Preise, externe Variablen und Nachrichtenstimmungen mit Werkzeugen der technischen Analyse, darunter einem Fibonacci-Rechner. Sie führt auch Black-Swan-Ereignisse als Modelleingaben auf. Ein zuvor unbeobachtetes Ereignis kann nicht als bekannte Zukunftsinformation eingegeben werden; die Validierung muss vor dem Ereignis erstellte Prognosen von Reaktionen nach seinem Bekanntwerden unterscheiden. Technische Indikatoren und Stimmungswerte lösen dieses Zeitproblem nicht. 5
Fünf Jahre nach Veröffentlichung des Falls liefern die aktuellen Produktunterlagen weiterhin weder einen reproduzierbaren Prognosevergleich noch eine vollständige Einkaufsbewertung mit sämtlichen Kosten.
PrediQ: konkrete industrielle Eingaben, ungeklärte Interventionsbelege
PrediQ hat ein betrieblich spezifischeres Ergebnis: Empfehlungen für Produktionseinstellungen und Warnungen vor wahrscheinlichen Defekten. Die aktuelle Beschreibung nutzt Maschinen-, Sensor-, ERP- und Fertigungssteuerungsdaten, um Qualität zu schätzen und Parameteränderungen zu simulieren. Diese Eingaben geben dem Produkt eine definierte industrielle Aufgabe. 6
Der Automobilfall vom Januar 2021 beschreibt dreizehn Lackfehlerarten und erklärt, das Team habe 22 Modelle erstellt und für jedes mindestens zehn Algorithmen getestet. Er nennt Temperatur- und Feuchtigkeitseinstellungen als mögliche Eingriffe. Das Zählen von Modellen belegt keine Prognosequalität: Die Auswahl unter vielen Kandidaten macht einen unberührten Bewertungszeitraum umso wichtiger. Der Bericht legt weder Defektprognosen auf zurückgehaltenen Daten, Fehlalarmraten noch die tatsächlich erreichte Nacharbeitsreduktion offen. 8
Die Präsentation zur Keksherstellung ordnet Zutaten, Maschineneinstellungen und Prozessschritte Qualitätsproblemen zu. Ihre Architektur umfasst Data Lake, Prognose, Warnungen, Empfehlung und Simulation. Das sind erkennbare Anwendungsfunktionen. Die Präsentation berichtet kein gemessenes Vorher-nachher-Ergebnis eines Kunden. 9
Der wirtschaftliche Test ist der Wert geänderter Einstellungen unter tatsächlichen Betriebsbedingungen. Weniger Defekte können geringeren Durchsatz, mehr Energie oder teurere Zutaten erfordern. Eine nützliche Empfehlung muss diese Kosten und die Wahrscheinlichkeit des verhinderten Defekts berücksichtigen. Aus historischen Bedienerentscheidungen gelernte Korrelationen müssen validiert werden, wenn die Software andere Entscheidungen empfiehlt.
Technologiegeschichte und Kontinuität der Belege
| Datum | Öffentliche Dokumentation | Schlussfolgerung |
|---|---|---|
| 2019–2021 | Der Labs-Fallindex datiert Projekte zu Nachfrageprognosen, prädiktiver Qualität und Fabrik-IoT auf diesen Zeitraum. | Die Produktlinie ist älter als die jüngste Welle generativer KI. 19 |
| Januar 2021 | Der Lackierereifall beschreibt Modellauswahl und Prozessvorschläge für Bediener. | Eng umrissene industrielle ML-Arbeit ist erkennbar; die Interventionsleistung bleibt unberichtet. 8 |
| August 2021 | PriceVision veröffentlicht seine Palmölgenauigkeit und Einsparungsbehauptungen. | Ein starkes wirtschaftliches Versprechen erscheint ohne reproduzierbare Bewertung. 7 |
| August 2023 | Xoriant übernimmt Thoucentric und benennt ausdrücklich die KI-/ML-Einzelprodukte von Labs. | Eigentum und das Modell aus Beratung plus Produkten sind dokumentiert. 10 |
| Januar 2025 | Die Muttergesellschaft veröffentlicht Berichte zu Nachfrageplanung und S&OP-Transformation. | Methoden und Arbeitsreduktionen sind konkreter, betreffen aber Beratungsaufträge und teilweise Software anderer Anbieter. 11 12 |
| August 2025 | Labs sucht einen Entwickler für generative KI. | Die ausgeschriebene Arbeit umfasst LLM-Anwendungen, Retrieval-Pipelines und Modellbereitstellung; sie belegt keinen veröffentlichten Supply-Chain-Agenten. 16 |
| 2026 | Produkte erscheinen auf der Hauptwebsite von Thoucentric; die Labs-Unternehmensseite kündigt die Zusammenlegung mit dem sozialen Kanal der Mutter an. | Die Produkte werden weiter vermarktet, während die Kommunikation gebündelt wird. 18 |
Das historische Problem ist die schwache Weiterverfolgung von Messungen. Die frühere industrielle Arbeit bestand aus eng gefassten Prognosen und Empfehlungen, nicht aus nachgewiesener allgemeiner Unternehmensintelligenz. Die heutigen Begriffe Wahrscheinlichkeit, Kausalität und Assistent verlangen zusätzliche Belege zu Mechanismen und Beitrag. Die verfügbare Dokumentation verbindet diese Ergänzungen nicht mit einer datierten Verbesserung der Nettokundenerträge.
Der ARIMAX-Bericht von 2025 zeigt ebenfalls, warum Etiketten geprüft werden müssen. Die nützliche Arbeit bestand darin, Modelle auszuwählen, Daten- und Prozessprobleme zu beheben und erklärende Beobachtungen einzubeziehen. Eine breitere KI-Beschreibung sollte diese Darstellung dessen, was tatsächlich lief, nicht verdrängen.
Produktivität, Konfigurationspflege und Verantwortung
Der S&OP-Fall der Muttergesellschaft berichtet über mehr als 45% weniger Arbeitsstunden in über vierzig Märkten. Die Implementierung nutzte Anaplan und DOMO mit Datenintegration, Prozessneugestaltung, Dashboards und ausnahmebasierten Besprechungen. Das ist ein Beleg für Thoucentrics Beratungsleistung; der resultierende Prozess bleibt um menschliche Prüfung organisiert. 12
Eine weitere Planungstransformation berichtet über eine Verbesserung von 58% bei wichtigen Planungsaktivitäten und erklärt, die Bestandsreduktion werde noch gemessen. Zu den Lieferverantwortlichkeiten gehören Prognoseabstimmung, Änderungsmanagement, Werkzeugleistung, Release-Management und Audits. Diese Tätigkeiten legen die tatsächliche Pflegearbeit hinter einer Planungsplattform offen. 13
Bei den Labs-Produkten umfasst die wiederkehrende Konfiguration Hierarchien, Prognosehorizonte, Modellauswahl, erklärende Variablen, Szenariodefinitionen und Berichtsausschnitte. Diese Entscheidungen verhalten sich wie Software: Sie können inkonsistent werden, nach einer Datenänderung versagen und Regressionstests benötigen. Eine wenig betreuungsintensive Oberfläche belegt keinen geringen Pflegeaufwand über die gesamte Lebensdauer.
Der für thouSense beschriebene Assistent ruft Informationen über natürliche Sprache ab. Das kann Navigation reduzieren, doch die Produktivitätschance ist größer: eine schlechte Entscheidung erkennen, die fehlerhafte Interpretation oder Zielsetzung finden, wiederverwendbare Logik ändern, die vorgeschlagene Korrektur erneut durchspielen und sicher freigeben. Die öffentlichen Produkte dokumentieren diesen vollständigen Verbesserungszyklus nicht. Siehe Holimization für die zugrunde liegende Unterscheidung.
Wirtschaftliche Verantwortung sollte der Kontrolle über diese Arbeit folgen. Konfiguriert der Anbieter das Modell, sollte das Abnahmeverfahren seine Entscheidungen nach Software-, Beratungs-, Cloud- und Kundenarbeitskosten prüfen. Pflegt der Kunde die Regeln, sollte der Anbieter erforderliche Fähigkeiten, Werkzeuge und laufenden Aufwand angeben. Veröffentlichte Nutzenprozente liefern weder ein solches Verfahren noch benennen sie, wer das Modell repariert, wenn der Nutzen ausbleibt.
Software-Stückliste und Sicherheit
Das öffentliche technische Inventar ist begrenzt; Implementierungsfähigkeiten werden wesentlich besser offengelegt als einzelne Produktbereitstellungen.
| Komponente | Zuordenbarer Umfang | Konsequenz für den Betrieb |
|---|---|---|
| Microsoft Azure | Der von Xoriant veröffentlichte thouSense-Marktplatzeintrag nennt Azure als Backend. 15 | Das Hosting ist benannt, doch Dienstzusammensetzung, Kapazität und Mandantengrenzen bleiben unveröffentlicht. |
| Docker und Kubernetes | Die Labs-Website nennt diese für die Containerisierung von ML-Anwendungen und die Bereitstellung von Frameworks. 1 | Containerbetrieb und Orchestrierung bringen überall dort, wo sie genutzt werden, Arbeit für Patches, Ressourcen und Wiederherstellung mit sich. |
| Data Lake und Anbindungen an Industriesysteme | Die PrediQ-Präsentation von 2021 spezifiziert eine Architektur zur Datensammlung und Modellierung. 9 | Historische und aktuelle Messungen benötigen gepflegte Zuordnungen, Aufbewahrung und vertrauenswürdige Zeitangaben. |
Die Labs-Stellenanzeige vom August 2025 nennt Python und Arbeit an LLM-Anwendungen, Retrieval und Bereitstellung. Ihre lange Liste alternativer Frameworks und Vektorspeicher identifiziert nicht die installierten Komponenten eines bestimmten Produkts. Eine Prognosestelle vom April 2026 nennt etablierte statistische, baumbasierte und neuronale Methoden, ordnet sie aber ebenfalls keinem veröffentlichten thouSense-Kern zu. Die Einstellungsunterlagen zeigen technische Arbeit; ein produktbezogenes Abhängigkeits- und Release-Inventar fehlt weiterhin. 16 17
Diese Undurchsichtigkeit verhindert eine belastbare Schätzung der Softwaremasse. Das unmittelbarere Betriebsproblem ist die unbekannte Grenze zwischen verpackten Funktionen und individueller Implementierung. Ein Käufer muss wissen, welche Eingangszuordnungen, Modelle und Szenarioregeln Upgrades überstehen und welche einen Beratereinsatz erfordern.
Azure-Hosting und Container belegen keine konstruktiv verankerte Sicherheit. Die öffentlichen Unterlagen dokumentieren weder Mandantenisolation, Produktionszugriffsrechte, Netzwerkbeschränkungen, Abhängigkeitskontrollen, Wiederherstellungstests noch einen kontrollierten Freigabepfad für kundenspezifische Modelle. PrediQs Verbindung zu Industriedaten verlangt außerdem eine klare Trennung zwischen dem Lesen von Messwerten und dem Ändern von Maschinensteuerungen. 9 15
Supply-Chain-Bewertung
Tiefe des Supply-Chain-Verständnisses
| Kriterium | Bewertung |
|---|---|
| Wirtschaftliche Problemstellung | 4/10 |
| Entscheidung als Endergebnis | 3/10 |
| Begriffliche Präzision in der Supply Chain | 3/10 |
| Freiheit von überholten zentralen Doktrinen | 3/10 |
| Widerstand gegen KPI-Theater | 2/10 |
Durchschnitt: 3,0/10.
Wirtschaftliche Problemstellung — 4/10. Rohstoffbeschaffung und betriebliche Szenariobewertung behandeln relevante Kosten. Die Produktbeschreibungen definieren kein gemeinsames monetäres Ziel, das die Konkurrenz zwischen Bestand, Liquidität, Kapazität und Service auflöst. 4 5
Entscheidung als Endergebnis — 3/10. Terminierte Prognosen haben eine klare Ausgabe, doch der veröffentlichte Ablauf endet bei Berichten. Ausführbare Einkaufs- oder Zuteilungsregeln, ihre Beschränkungen und ihr Rückweg in operative Systeme bleiben unbestimmt. 2
Begriffliche Präzision in der Supply Chain — 3/10. Das Servicegradbeispiel verwischt Prognose und Handlung. Das ist wichtig, weil die Manipulation einer Nachfrageschätzung Risiken verdecken kann, statt die wirtschaftlich passende Bestands- oder Versorgungsentscheidung auszuwählen. 3
Freiheit von überholten zentralen Doktrinen — 3/10. Das umgebende Angebot bleibt auf Konsens, S&OP, Control Towers und Szenarien für Planer konzentriert. Die öffentliche Sprache autonomer Planung belegt kein anderes Betriebsmodell der Labs-Produkte. 14
Widerstand gegen KPI-Theater — 2/10. Die Palmölgenauigkeit in der Schlagzeile bleibt undefiniert, und der Einsparungsbehauptung fehlt eine reproduzierbare Referenz. Keine der Statistiken erlaubt es Käufern, Prognosekönnen von Preisbeständigkeit, günstigem Timing oder verändertem Einkaufsrisiko zu unterscheiden. 7
Substanz bei Entscheidungen und Optimierung
| Kriterium | Bewertung |
|---|---|
| Tiefe der probabilistischen Modellierung | 3/10 |
| Eigenständige Substanz bei Optimierung oder maschinellem Lernen | 3/10 |
| Umgang mit realen Randbedingungen | 4/10 |
| Entscheidungsautomatisierung und Arbeitsproduktivität | 3/10 |
| Widerstandsfähigkeit bei realer betrieblicher Komplexität | 3/10 |
Durchschnitt: 3,2/10.
Tiefe der probabilistischen Modellierung — 3/10. Verteilungen werden beworben, aber weder ihre Kalibrierung noch ihre Kombination mit unsicheren Lieferankünften ist dokumentiert. Das verhindert eine technische Bewertung risikobereinigter Einkaufs- oder Bestandsentscheidungen. 3
Eigenständige Substanz bei Optimierung oder maschinellem Lernen — 3/10. Der Lackierereibericht beschreibt Modellentwicklung und -auswahl. Er legt weder Algorithmen, Bewertungsergebnisse noch einen eigenständigen Optimierungsmechanismus offen, der einen Vorteil gegenüber üblicher prädiktiver Modellierung erklären würde. 8
Umgang mit realen Randbedingungen — 4/10. thouPlan behandelt ausdrücklich Kapazität und alternative Logistikstrategien. Die öffentliche Beschreibung zeigt nicht, wie diskrete betriebliche Beschränkungen und gemeinsame Ressourcen bei der Auswahl eines tatsächlichen Plans zusammen durchgesetzt werden. 4
Entscheidungsautomatisierung und Arbeitsproduktivität — 3/10. Das Terminieren von Prognosen reduziert wiederholte Berechnungen. Die verbleibende Entscheidungsarbeit ist weder beziffert noch als automatisiert nachgewiesen; Beratungsergebnisse auf Plattformen anderer Anbieter können den Personalaufwand der Labs-Produkte nicht belegen. 2 12
Widerstandsfähigkeit bei realer betrieblicher Komplexität — 3/10. Die Muttergesellschaft dokumentiert Dienste für Release- und Werkzeugmanagement. Die Produkte legen keinen Prozess offen, um gescheiterte wirtschaftliche Empfehlungen zu diagnostizieren, die Formulierung zu ändern, Ergebnisse erneut durchzuspielen und eine dauerhafte Korrektur sicher einzuführen. 13
Integrität von Produkt und Architektur
| Kriterium | Bewertung |
|---|---|
| Architektonische Kohärenz | 4/10 |
| Klarheit der Systemgrenzen | 4/10 |
| Ernsthaftigkeit bei Sicherheit | 2/10 |
| Software-Sparsamkeit und Gesamtbetriebskosten | 3/10 |
| Eignung für programmatischen und agentengestützten Betrieb | 3/10 |
Durchschnitt: 3,2/10.
Architektonische Kohärenz — 4/10. Die vier Produkte haben erkennbare analytische Zwecke. Ihr Katalog erläutert kein gemeinsames Datenmodell und keine Entscheidungsberechnung, die Nachfrage, Beschaffungspreise, Produktionsqualität und betriebliche Planung verbindet. 1
Klarheit der Systemgrenzen — 4/10. Eingaben und Ausgaben von Prognosen und Prozessqualität werden beschrieben. Bereitstellungsschnittstellen, Verantwortung für operatives Zurückschreiben und die Trennung zwischen Standardsoftware und individueller Integration bleiben dünn spezifiziert. 6 15
Ernsthaftigkeit bei Sicherheit — 2/10. Die öffentliche Hosting-Aussage liefert kein prüfbares Design für Mandanten, Rechte oder Ausführungsbegrenzung. Auch die Industriedatenarchitektur lässt die Grenze zwischen analytischem Zugriff und Produktionssteuerung offen. 9 15
Software-Sparsamkeit und Gesamtbetriebskosten — 3/10. Kundenspezifische Integration, Releases und Planungsunterstützung sind sichtbare Aufgaben. Ohne Produktbereitstellungsinventar und Pflegemodell können Käufer weder die wiederkehrende technische Last bestimmen noch beurteilen, ob jede zusätzliche Komponente ihre Kosten verdient. 1 13
Eignung für programmatischen und agentengestützten Betrieb — 3/10. Terminierung ist dokumentiert, öffentliche APIs, versionierte Entscheidungslogik und ein getesteter agentengestützter Änderungsprozess jedoch nicht. Der Gesprächsassistent erleichtert vor allem den Zugang zu Analyseinformationen. 2 3
Technische Transparenz
| Kriterium | Bewertung |
|---|---|
| Öffentliche technische Dokumentation | 3/10 |
| Prüfbarkeit ohne Vermittlung des Anbieters | 2/10 |
| Sichtbarkeit von Portabilität und Anbieterbindung | 2/10 |
| Transparenz der Implementierungsmethode | 4/10 |
| Belegdichte hinter technischen Aussagen | 3/10 |
Durchschnitt: 2,8/10.
Öffentliche technische Dokumentation — 3/10. Ablaufbeschreibungen und die Fertigungspräsentation identifizieren Funktionen und Eingaben. Sie liefern jedoch keine versionierten Modellspezifikationen, API-Verträge, numerischen Ziele oder Dokumentation der betrieblichen Sicherheit. 2 9
Prüfbarkeit ohne Vermittlung des Anbieters — 2/10. Öffentliche Produktdarstellungen erlauben es einem Prüfer nicht, die behauptete Planungsberechnung nachzubilden oder zu testen. Für den zentralen Schritt vom Szenario zum Plan gibt es weder eine offengelegte Formulierung noch ein reproduzierbares Experiment. 4
Sichtbarkeit von Portabilität und Anbieterbindung — 2/10. Dateiimport ist ausdrücklich vorgesehen, ein entsprechender Export trainierter Modelle, Transformationen, Szenariodefinitionen und ihrer Ausführungssemantik jedoch nicht. Wechselkosten könnten daher weit über das Extrahieren historischer Daten hinausgehen. 2
Transparenz der Implementierungsmethode — 4/10. Die Beratungsfälle benennen Arbeiten an Daten, Prozessen, Modellauswahl und Release-Management. Sie bieten einen nützlichen Einblick in Lieferverantwortlichkeiten, während produktspezifische Tests und laufende Pflege weniger klar bleiben. 11 13
Belegdichte hinter technischen Aussagen — 3/10. Benannte Variablen und betriebliche Beispiele geben den Produkten etwas Substanz. Starken Genauigkeits- und Wirtschaftlichkeitsbehauptungen fehlen weiterhin die Bewertungsdetails, um sie zu hinterfragen oder zu reproduzieren. 7 8
Ernsthaftigkeit des Anbieters
| Kriterium | Bewertung |
|---|---|
| Technische Ernsthaftigkeit der öffentlichen Kommunikation | 3/10 |
| Integrität der technologischen Roadmap | 3/10 |
| Begriffliche Präzision | 3/10 |
| Wirtschaftliche Verantwortung | 3/10 |
| Verteidigungsfähigkeit in einer Welt agentischer Software | 3/10 |
Durchschnitt: 3,0/10.
Technische Ernsthaftigkeit der öffentlichen Kommunikation — 3/10. Prognose- und Finanzbehauptungen verwenden starke Sprache ohne angemessene Validierung. PriceVisions Kombination aus KI-Prognosen und technischen Indikatoren lässt den zusätzlichen Beitrag jeder Methode ungeklärt. 5 7
Integrität der technologischen Roadmap — 3/10. Die Dokumentation belegt mehrere Jahre mit Produkten und Anwendungen. Sie zeigt weder einen gemessenen Fortschritt von den früheren Vorhersagemodellen zu den heutigen breiteren Aussagen noch eine Nachverfolgung, die die ursprünglichen Bewertungslücken schließt. 8 10 19
Begriffliche Präzision — 3/10. Hinter manchen KI-Begriffen erscheinen etablierte Prognoseverfahren. Der entscheidende numerische Unterschied zwischen der Vorhersage von Beobachtungen und der Auswahl wirtschaftlich begründeter Eingriffe wird in der Produktdarstellung nicht durchgängig entwickelt. 6 11
Wirtschaftliche Verantwortung — 3/10. Die Fallstudien nennen Vorteile, definieren aber weder Erträge nach vollständigen Betriebskosten, eine widerlegbare Abnahmeschwelle noch Verantwortung für die Korrektur ausgebliebener wirtschaftlicher Ergebnisse. Die stärkste finanzielle Aussage lässt sich nicht unabhängig rekonstruieren. 7 13
Verteidigungsfähigkeit in einer Welt agentischer Software — 3/10. Fachliche Implementierungserfahrung kann wertvoll sein, doch generische Prognoseoberflächen und sprachlicher Zugang werden zunehmend günstig zu entwickeln. Die Dokumentation zeigt noch keine eigenständigen Entscheidungsmethoden oder ungewöhnlich produktive Pflege solcher Methoden. 10 16
Quellen
1. Produktportfolio und Bereitstellungsfähigkeiten von Thoucentric Labs
Produktportfolio und Bereitstellungsfähigkeiten von Thoucentric Labs. Undatiert; abgerufen am 4. November 2026. Produktumfang und benannte Bereitstellungsfähigkeiten.
thouSense-Lite-Ablauf. Undatiert; abgerufen am 4. November 2026. Dateiimport, Prognosekonfiguration, terminierte Läufe und Berichte.
3. thouSense-Produktbeschreibung
thouSense-Produktbeschreibung. Undatiert; abgerufen am 4. November 2026. Aussagen zu Wahrscheinlichkeit, kausaler Erklärung und Gesprächsassistent.
4. thouPlan-Produktbeschreibung
thouPlan-Produktbeschreibung. Undatiert; abgerufen am 4. November 2026. Szenarioumfang, Planungshorizont und KPI-Bewertung.
5. PriceVision-Produktbeschreibung
PriceVision-Produktbeschreibung. Undatiert; abgerufen am 4. November 2026. Eingaben für Rohstoffpreise, Horizonte und technische Indikatoren.
PrediQ-Produktbeschreibung. Undatiert; abgerufen am 4. November 2026. Eingaben zur Fertigungsqualität, Simulation, Empfehlungen und Warnungen.
7. PriceVision-Implementierung für einen großen indischen Konsumgüterhersteller
PriceVision-Implementierung für einen großen indischen Konsumgüterhersteller. 2021-08-12; abgerufen am 4. November 2026. Datierte Aussagen zu Palmölprognosegenauigkeit und Beschaffungseinsparungen.
8. PrediQ-Implementierung in einer Automobillackiererei
PrediQ-Implementierung in einer Automobillackiererei. 2021-01-13; abgerufen am 4. November 2026. Datierte Lackierereimodellierung und vorgeschlagene Prozesseingriffe.
9. PrediQ-Präsentation zur Keksherstellung
PrediQ-Präsentation zur Keksherstellung. 2021-09; abgerufen am 4. November 2026. Industrielle Prozesskarte und funktionale PrediQ-Architektur.
10. Xoriants Übernahme von Thoucentric
Xoriants Übernahme von Thoucentric. 2023-08-10; abgerufen am 4. November 2026. Offizielle Eigentumsankündigung und Beschreibung des Labs-Produktgeschäfts.
11. Effektive Nachfrageplanung steigert die Rentabilität
Effektive Nachfrageplanung steigert die Rentabilität. 2025-01-23; abgerufen am 4. November 2026. Prognoseimplementierung mit ARIMAX und berichtete Verbesserungen bei Arbeitsaufwand und Genauigkeit.
12. Digitale Transformation von S&OP
Digitale Transformation von S&OP. 2025-01-23; abgerufen am 4. November 2026. Anaplan-/DOMO-Beratungsauftrag und berichtete S&OP-Arbeitsreduktion.
13. Digitale Transformation der Supply-Chain-Planung
Digitale Transformation der Supply-Chain-Planung. 2025-01-23; abgerufen am 4. November 2026. Verantwortlichkeiten der Planungstransformation, Produktivitätsbehauptung und laufende Bestandsmessung.
14. Supply-Chain-Planungsdienste
Supply-Chain-Planungsdienste. Undatiert; abgerufen am 4. November 2026. Aktuelle Planungsleistungen, Demand Sensing und Autonomiepositionierung.
15. thouSense-Eintrag von Xoriant im Microsoft Marketplace
thouSense-Eintrag von Xoriant im Microsoft Marketplace. Undatiert; abgerufen am 4. November 2026. Vom Herausgeber verfasster Produkteintrag, Azure-Hosting und behauptete Vorteile.
16. Thoucentric Labs — Stellenanzeige für Gen-AI-Entwicklung
Thoucentric Labs — Stellenanzeige für Gen-AI-Entwicklung. 2025-08-29; abgerufen am 4. November 2026. Offizielle Labs-Stellenanzeige für LLM-Anwendungen und Bereitstellungstechnik.
17. Thoucentric Data Science — Stellenanzeige für Prognoseentwicklung
Thoucentric Data Science — Stellenanzeige für Prognoseentwicklung. 2026-04-20; abgerufen am 4. November 2026. Offizielle Data-Science-Stellenanzeige mit Prognosemethoden und Entwicklungskenntnissen.
18. Unternehmensmitteilung von Thoucentric Labs
Unternehmensmitteilung von Thoucentric Labs. 2026, undatierter Beitrag; abgerufen am 4. November 2026. Unternehmensankündigung zur Bündelung der Kommunikation bei Thoucentric.
19. Historischer Fallindex von Thoucentric Labs
Historischer Fallindex von Thoucentric Labs. Fälle datiert auf 2019–2021; abgerufen am 4. November 2026. Historischer Index, der Anwendungen auf 2019–2021 datiert.