Bewertung von Aera Technology, Decision Intelligence Softwareanbieter

Von Léon Levinas-Ménard
Zuletzt aktualisiert: September, 2025

Zurück zu Marktforschung

Aera Technology (ehemals FusionOps) ist ein in Mountain View ansässiger Anbieter von Unternehmenssoftware, der sich auf “decision intelligence” für Großunternehmen konzentriert. Sein Cloud-Produkt, Aera Decision Cloud, verbindet sich mit operativen Systemen, harmonisiert Daten in ein Decision Data Model, führt Analysen/ML innerhalb von Aera Cortex aus und stellt verpackte Skills bereit, die rangierte Empfehlungen anzeigen, genehmigte Aktionen zurück an die Quellsysteme ausführen und Ergebnisse für kontinuierliches Lernen protokollieren. Die Plattform ergänzt Workspaces für Szenariomodellierung und ein Control Room und Decision Board zur Überwachung von Entscheidungspipelines von Anfang bis Ende, mit einer konversationellen Aera Chat-Schnittstelle, die über den gesamten Stack gelegt ist. Signale aus öffentlichen Broschüren, Patenten und Stellenausschreibungen deuten auf eine moderne Cloud-Architektur mit Container-Orchestrierung (Kubernetes/AKS), Python-zentrierten Daten/ML, GitOps/IaC und Observability-Tools hin; Einsätze werden als SaaS in der Public Cloud positioniert, mit Konnektoren und „write-back“ zu ERPs/APS. Aera wurde um 2017 von FusionOps umbenannt und hat in Finanzierungsrunden >$150M eingeworben (NEA-geführte Finanzierung 2017; DFJ Growth-geführte Series C 2019). Das Unternehmen vermarktet agentic AI, um Entscheidungsflüsse zu erstellen/betreiben, und behauptet, dass der Nutzen innerhalb von Wochen für erste Anwendungsfälle messbar sei, insbesondere in supply chain-adjacent Bereichen (Planung, Logistik, Auftragsmanagement, Handelsförderung).

Aera Technology Überblick

Was das Produkt leistet (genauer Umfang). Aera Decision Cloud ist eine mehrkomponentige SaaS-Plattform, die:

  • Erfasst und harmonisiert Daten aus internen/externen Systemen über Data Crawlers, wodurch ein vom Anbieter definiertes Decision Data Model (DDM) materialisiert wird, das für Entscheidungslogik statt roher OLTP-Schemata optimiert ist.123
  • Berechnet Erkenntnisse in Aera Cortex (beschrieben als eine „composite AI“-Schicht mit Vorhersagen, Simulationen, Optimierungsmodellen) und verpackt Logik in wiederverwendbare, domänenspezifische Skills (jeder Skill fasst Datenaufbereitung, ML/Analytik, Entscheidungsregeln/-flüsse und Ausführungs-Logik für write-back zu den Quellsystemen zusammen).45
  • Bindet Benutzer ein und automatisiert Aktionen über Decision Engagement UIs, ein Decision Board (Tracking von Pipeline und Ergebnissen), Aera Inbox (Genehmigen/Überschreiben mit Herkunftsnachweis und prognostiziertem Einfluss) und Aera Chat (konversationeller Zugang zu kontextbezogenen Antworten und Aktionen).678
  • Führt Entscheidungen aus mit Control Room (Orchestrierung, Nachverfolgung, SLA/Durchsatz-Übersicht) und Workspaces (What-if-Modellierung; strategische Szenarien).910
  • Ermöglicht Entwicklern Zugriff über ein Notebook (Jupyter/R) und, neuerdings, “agentic AI”, das es Benutzern ermöglicht, Skill-Logik und Datenpipelines mittels natürlicher Sprachaufforderungen und optional eingebetteter SQL/Python-Snippets zu erstellen.1112

Nachweis von write-back & Closed Loop. Mehrere Anbieter-Assets unterstreichen das write-back zu den Systemen der Aufzeichnung, wodurch das Produkt von der Analytik zur Entscheidungsausführung aufgewertet wird, mit Protokollierung der Ergebnisse von Benutzern/Automatisierungen für kontinuierliches Lernen.781314

Graph und Introspektion. Eine Veröffentlichung im Jahr 2022 führte einen Graph Explorer und Vertrauenswerte ein, um die Entscheidungsabfolge und Unsicherheit nachzuverfolgen, was mit einer wissensgraph-ähnlichen internen Darstellung über dem DDM übereinstimmt.15

Wo es läuft. Auflistungen zeigen ein Angebot im AWS Marketplace und Hinweise auf „Tages- oder Wochen-Stand-ups“; Stellenausschreibungen verweisen auch auf AKS (Azure Kubernetes Service), GitOps/IaC und Observability-Stacks (Argo CD, Crossplane, Terraform, Prometheus/Grafana, Azure Monitor, OpenTelemetry), was auf Multi-Cloud-Fähigkeiten mit einem starken Azure/Kubernetes-Footprint für den Betrieb hindeutet.16133

Wer bestätigt die Funktion. Presse von Dritten hat frühe Einsätze (z. B. Merck KGaA) porträtiert und Aera erscheint häufig in Gartner/IDC-Notizen und -Veranstaltungen zu decision intelligence; Peer-Review-Seiten führen „Aera Decision Cloud“ unter den Decision Intelligence-Plattformen auf.1718191310

Geschichte, Finanzierung und Meilensteine

  • Ursprünge & Rebranding. Aera geht zurück auf FusionOps, ein Unternehmen für supply chain Analytik; im 2017 wurde FusionOps in Aera Technology umbenannt, zeitgleich mit einer $50M-Finanzierung und der Positionierung als „Self-Driving Enterprise“.2021
  • Finanzierung. Eine $80M Series C (Juni 2019), angeführt von DFJ Growth, brachte das gemeldete Gesamtkapital auf ca. $170M; NEA und Georgian waren beteiligt.22
  • Produktisierung Zeitplan (ausgewählte, vom Anbieter datierte Meilensteine). – Die Linie „Decision Cloud“ benannt und verpackt; frühe Kommunikation zum „Cognitive Operating System“.710Notebook (Jupyter/R) für den Zugriff auf Data Science angekündigt (2022).11Graph Explorer und Vertrauensbewertung (2022).15 – Aktualisierungen von Agentic AI, Workspaces, Control Room (Nov 2024), die no-/low-code und Orchestrierung erweitern.14 – Fortsetzung des Veröffentlichungsrhythmus von Agentic AI (Juni 2025): Aufbau von Skills in natürlicher Sprache und KI-unterstütztes Daten-Onboarding.12
  • Analyst-Erwähnungen. Als repräsentativer Anbieter in Gartner Market Guides (2023 supply chain A&DI; 2024/2025 decision-intelligence Notizen) und IDC MarketScape (Leader, 2024) benannt.131949
  • Akquisitionen. Es gibt keine glaubwürdigen öffentlichen Aufzeichnungen darüber, dass Aera Technology Übernahmen durchgeführt hat oder übernommen wurde (nicht zu verwechseln mit Aera Energy, einem nicht verwandten Öl-JV, das in 2024–2025 übernommen wurde). Ein strukturierter Scan ergab keine M&A-Offenlegungen für Aera Technology; Drittanbieter-Aggregatoren, die „acquisitions“ auflisten, enthalten keine überprüfbaren Details.11671716

Primäre IP. Aeras Patentanmeldung zur „Cognitive Automation Platform“ (US 2022/0067109 A1) beschreibt eine Plattform, die Ereignisse erfasst, Empfehlungen berechnet und Aktionen über Unternehmenssysteme ausführt; spätere Aufzeichnungen deuten auf ein gewährtes Familienmitglied hin.2324

Produktarchitektur, Komponenten und Funktionsweise

Datenerfassung & -modellierung. Aera nutzt Data Crawlers, um Daten aus ERPs/APS/CRM/externe Daten zu extrahieren/streamen, und normalisiert diese in ein Decision Data Model (DDM), das für die Berechnung von Entscheidungen und deren Herkunft ausgelegt ist. Der Anbieter behauptet eine Echtzeit-Erfassung und Harmonisierung im Maßstab von „Milliarden von Transaktionen“.123

Berechnungen (Aera Cortex) & Skills. Innerhalb von Cortex betreibt Aera ML-Modelle, zusammengesetzte Analysen und Simulationen. Skills sind das Auslieferungsvehikel: Jeder Skill fasst (i) ETL zum DDM, (ii) Feature Engineering/Analytics/ML, (iii) Entscheidungslogik/-flüsse mit Leitplanken und (iv) write-back-Adapter zusammen. Skills veröffentlichen rangierte Empfehlungen mit prognostiziertem Einfluss und können automatisch gemäß Richtlinie ausgeführt werden.4568

Betrieb & Engagement.

  • Decision Board fasst offene/abgeschlossene Empfehlungen, deren Durchsatz und realisierte Auswirkungen zusammen (nützlich, um den Nutzen des Modells zu validieren und Engpässe zu identifizieren).6
  • Control Room orchestriert und überwacht Entscheidungspipelines von Ende zu Ende (ähnlich einer Betriebskonsole für Entscheidungs-Workloads).10
  • Workspaces unterstützen strategische What-if-Szenarien und Szenariomodellierung (mehrzeitliche Entscheidungen, die über rein transaktionale Automatisierungen hinausgehen).9
  • Aera Chat bietet eine NL-Schnittstelle, die über „Agentic AI“ geschichtet ist, um den Kontext abzufragen und Entscheidungsflüsse auszulösen.712

Entwicklerzugriff & Transparenz. Ein Notebook (Jupyter/R) stellt Daten und Modellierung Data Scientists zur Verfügung; „Agentic AI“ ergänzt die LLM-unterstützte Erstellung von Skills, einschließlich optionaler SQL/Python-Snippets innerhalb von Agent-Workflows.1112

Write-back & Closed Loop. Aera betont seine write-back-Mechanismen zu den Quellsystemen, um Entscheidungen auszuführen („Closed-loop-Autonomie“), wobei Genehmigungen/Überschreibungen und Ergebnisse für kontinuierliches Lernen und Nachvollziehbarkeit protokolliert werden.781314

Signale des Technologie-Stacks

Öffentliche Stellenausschreibungen und Partnerlisten zeigen:

  • Laufzeit & Orchestrierung. Kubernetes (AKS), Argo CD (GitOps), Crossplane, Terraform; Multi-Region-HA für Echtzeit-Inferenz; Observability über Prometheus/Grafana, Azure Monitor, OpenTelemetry.45
  • Sprachen & Frameworks. Python für Back-End/ML; verteilte Dienste; gängige moderne Frameworks (FastAPI/Flask etc.) werden in den Ausschreibungen genannt.2526
  • Cloud/Marktplatz. Eintrag im AWS Marketplace; Anbieterinhalte verweisen auf „Tages- oder Wochen-Stand-ups“ und eine enge AWS-Partnerschaft für Testfahrten; Stellenausschreibungen betonen auch Azure Control Planes (gemischte Anbieterpositionen deuten auf Multi-Cloud-Fähigkeiten hin).1613
  • Data Science Oberfläche. Jupyter/R-Notebooks (Anbieter-Asset) sowie in Skills eingebettetes SQL/Python im „agentic AI“-Flow.1112

Hinweis. Aera veröffentlicht keine Low-Level-Referenzdokumente (z. B. öffentliche API/SDK-Spezifikationen, Schema-Kataloge oder Solver-Interna). Die meisten Implementierungsdetails entstammen Marketingseiten, Veranstaltungen, Patenten und Stellenausschreibungen; wir behandeln Stack-Schlüsse daher als Signale und nicht als Garantien.

Bereitstellungs-/Roll-out-Methodik

  • SaaS-Bereitstellung mit Konnektoren, anbietergeführtem Onboarding („Test Drive“ / „Schedule demo“). Die Anbieterkommunikation behauptet einen initialen Nutzen in 2–4 Wochen für einen definierten Anwendungsfall, was auf vorgefertigte Konnektoren und verpackte Skills hindeutet.273
  • Closed-loop-Integration. Die Ausführung wird über write-back-Konnektoren in ERPs/WMS/APS eingebracht; Genehmigungen/Überschreibungen werden über Inbox/Board für Lernen und Audit erfasst.86
  • Kundenvalidierungen. Artikel auf CIO-Ebene (z. B. Merck KGaA) beschreiben Initiativen zur Entscheidungsautomatisierung und supply chain Digitalisierung unter Einbeziehung von Aera; die Fachpresse dokumentierte Aeras Positionierung von „data wrangling to actions“.1718
  • Betriebsüberwachung. Control Room und Decision Board bieten Überwachung von Durchsatz, SLA und realisierten Auswirkungen, um den ROI über die Modellgenauigkeit hinaus zu validieren.106

AI/ML/Optimierungsbehauptungen

  • „Agentic AI.“ Pressemitteilungen und Produktseiten (Ende 2024/2025) beschreiben LLM-gesteuerte Agenten, die (a) Skill-Logik mittels NL-Aufforderung zusammenstellen, (b) konversationelle Antworten mit Kontext liefern und (c) beim Daten-Onboarding unterstützen (AI „Data Wizard“). Dies sind Behauptungen, die durch Anbieternews, Demos und Blogs gestützt werden; Replikationsbeweise von Dritten sind öffentlich begrenzt.14127
  • Modellierungsschicht. Aera Cortex wird als „composite AI“ (Vorhersagen, Simulationen, Optimierung) präsentiert. Die Notebook-Oberfläche (Jupyter/R) bestätigt standardmäßige DS-Tools; es gibt jedoch kein öffentliches technisches Dokument zu internen Solvern, Hyperparameterisierung oder Optimierungsalgorithmen (z. B. MILP vs. stochastische Heuristiken). Wir können daher nicht bestätigen, dass die Optimierer über den Anbieter-Selbstbeschreibungen hinaus den Stand der Technik repräsentieren.41115
  • Closed Loop & Lernen. Mehrere Assets dokumentieren write-back plus outcome tracking (Benutzerentscheidungen + Automatisierung → Impact Logs). Dies bestätigt eine regelungstheoretische Schleife, obwohl quantitative Lerneffekte (z. B. Zuwachs gegenüber dem Ausgangswert) nicht unabhängig veröffentlicht wurden.6813
  • Patente als Nachweis der Architektur. Die Patentanmeldung von 2022 beschreibt einen ereignisgesteuerten Bus, der Erfassung, Empfehlung und Aktionsdienste verbindet. Sie untermauert das übergeordnete Muster, jedoch nicht spezifische ML-Architekturen.23

Fazit. Aera implementiert nachweislich eine operative Entscheidungsplattform mit write-back und Governance, verpackt diese in verteilte Skills und NL-Engagement und stellt Notebooks für DS-Erweiterbarkeit bereit. Die spezifischen ML-/Optimierungstechniken (Auswahl der Algorithmen, Tiefe der Unsicherheitsmodellierung) bleiben in öffentlichen Dokumenten undurchsichtig; betrachten Sie „agentic AI“ als ein Designmuster (LLM-unterstützte Komposition + Orchestrierung) und nicht als Nachweis neuartiger Solver.

Aera Technology vs Lokad

Ansatz zu supply chain Entscheidungen.

  • Aera betont verpackte Skills, die auf einem vom Anbieter definierten Decision Data Model und agentic NL-Schnittstellen operieren. Es orchestriert Empfehlungen → Genehmigungen/Automatisierung → write-back, mit Control Room/Decision Board zur End-to-End-Governance. Der Anbieter positioniert composite AI und agentic AI zur schnellen Erstellung von Entscheidungsabläufen sowie Jupyter/R für DS-Anpassungen.5210671112
  • Lokad bietet eine programmierbare Plattform, die sich um Envision zentriert, eine domänenspezifische Sprache (DSL) für predictive optimization, welche wahrscheinlichkeitsbasierte Nachfrage/lead-time distributions berechnet und wirtschaftliche Ziele (z. B. erwarteter Gewinn) mittels stochastischer Optimierung (z. B. Stochastic Discrete Descent) optimiert. Lokad veröffentlicht umfangreiche technische Dokumentationen, Fallstudien (z. B. Air France Industries) und öffentliche Wettbewerbsergebnisse (M5).282930313233

Daten- und Modellierungsgrundlagen.

  • Aera DDM: Anbieter-gesteuertes harmonisiertes Schema, das Skills speist; Wissensgraph-Funktionen und confidence scores werden über den Graph Explorer dargestellt. Die Modellierungstiefe für Unsicherheiten wird in technischen Details nicht öffentlich beschrieben.215
  • Lokad: ereignisbasiertes, Azure-unterstütztes inhaltsadressierbares Speichersystem; vollständige probabilistische Modellierung wird als erstklassig betrachtet (Nachfrage- und lead-time distributions) mit umfangreicher technischer Darstellung und einer öffentlichen DSL/Referenz.2829

Optimierung & Automatisierung.

  • Aera: Die Optimierung ist in Skills/Cortex eingebettet; write-back führt Entscheidungen aus; algorithmische Details (MILP vs. Heuristiken; Unsicherheitsbehandlung) werden nicht offengelegt. Governance erfolgt über Control Room/Decision Board.1068
  • Lokad: explizite stochastische Optimierung (SDD) basierend auf probabilistischen Vorhersagen; die Optimierung zielt auf finanzielle Auswirkungen ab und ist in Envision-Skripten kodifiziert (offene Dokumentation der Sprache/Laufzeit).322829

Entwickleroberfläche & Transparenz.

  • Aera: DS-Erweiterbarkeit über Notebook (Jupyter/R) und „agentic AI“ mit SQL/Python-Snippets; zentrale Skill-Interna sind vom Anbieter verpackt.1112
  • Lokad: white-box Code über DSL; Kunden können die genauen Formeln/Beschränkungen, die die Entscheidungen steuern, einsehen und modifizieren; umfangreiches öffentliches Dokumentationsset und Fallstudien.2830

Bereitstellungsansatz.

  • Aera: verpackte Skills + Konnektoren; Positionierung eines 2–4 Wochen Zeitrahmens bis zum Nutzen für definierte Anwendungsfälle; marktplatzähnliche Angebote; write-back untrennbar.271613
  • Lokad: maßgeschneiderte Apps in Envision entwickelt mit täglicher Batch-Optimierung auf Azure; Einsätze werden als iterativ (Monate) dokumentiert, mit veröffentlichten AFI-Ergebnissen und M5-Validierung.3031

Implikation für Käufer, die sich auf supply chain konzentrieren.

  • Wählen Sie Aera, wenn Sie vorgefertigte, abteilungsübergreifende Entscheidungsflüsse mit starker Governance/Engagement (Board/Control Room/Chat) und geschlossene Schleifen-Ausführung über Systeme hinweg wünschen, und dabei weniger Einblick in die Optimierer-Interna in Kauf nehmen.
  • Wählen Sie Lokad, wenn Sie tiefgehende, unsicherheitsbewusste Optimierung benötigen, die Sie von Anfang bis Ende programmieren und prüfen können (probabilistic distributions + stochastic optimizers), und Sie Appetit auf ein DSL-getriebenes Modell haben, das auf Ihre wirtschaftlichen Rahmenbedingungen zugeschnitten ist.

Faktenfindungsprotokoll (Abweichungen & Kreuzvalidierung)

  • Gründungsjahr. Externe Aggregatoren stimmen nicht überein (1999 vs. 2005 vs. 2017 als „gegründet“); das Rebranding + die Finanzierung 2017 sind gut dokumentiert. Wir behandeln die Zeit vor 2017 als FusionOps-Abstammung, nicht als eine völlig neue Einheit.2021
  • Übernahmen. Es gibt keine verlässlichen Übernahmedokumente für Aera Technology; Nachrichten über Übernahmen von Aera Energy stehen in keinem Zusammenhang (Namenskollision).671716
  • Optimierer-Interna. Der Anbieter behauptet „composite AI/optimization“; es gibt keine öffentlichen Solver-Spezifikationen. Daher schreiben wir keine „state-of-the-art optimization“ zu, abgesehen von dem, was durch Patente und operative Belege (write-back, Governance-UIs) untermauert wird.410623

Bewertung der technischen Leistungsfähigkeit

Was Aeras Lösung (strikt) liefert. Aera bietet eine Entscheidungs-Ausführungsplattform, die (i) Daten aus mehreren Quellen in ein Decision Data Model integriert, (ii) in Cortex Empfehlungen berechnet, (iii) Skills ausführt, die Analytik/ML bündeln und genehmigte Aktionen wieder an Systeme zurückspielen, (iv) Governance & Observability (Control Room, Decision Board) bereitstellt, und (v) NL engagement (Aera Chat) sowie Notebook-Zugang für Data Scientists offeriert. Die Plattform priorisiert die Fähigkeit zu geschlossenen Schleifen und operative Governance gegenüber der Offenlegung algorithmischer Details. Belege: Produktseiten, Patente, Write-back-Dokumentation, Analystennennungen und Signale aus Stellenanzeigen.1249105671181223

Wie Aera dies erreicht (Mechanismen & Architektur). Vermutlich kommen Microservices auf Kubernetes (AKS), ereignisgesteuerte Datenaufnahme, eine interne Graph-/Semantikebene auf dem DDM, LLM-gestützte Agenten für die Zusammensetzung sowie Konnektoren für Write-back und Monitoring zum Einsatz. Das Notebook und „SQL/Python in agents“ unterstützen Standardpraktiken in der Data Science, ohne die zentralen Solver der Plattform offenzulegen. Wo Aera (laut öffentlicher Belege) am stärksten ist, liegt in der Operationalisierung — Konnektoren, write-back, Entscheidungsgovernance und abteilungsübergreifende Verpackung (Skills) — anstatt neuartige Forecasting-/Optimierungsalgorithmen zu veröffentlichen. Wir finden keine öffentlichen, reproduzierbaren technischen Belege (Papieren/Code), dass die Optimierer von Aera über die Aussagen des Anbieters hinaus state-of-the-art sind; daher entziehen wir vorläufig die Vergabe dieses Labels, bis primäre technische Dokumentationen vorliegen.

Schlussfolgerung

Aera Technology hat eine glaubwürdige Entscheidungs-Ausführungsplattform rund um vorgefertigte Skills, write-back und gesteuertes Engagement (Board/Control Room/Chat) auf Basis eines harmonisierten Decision Data Model aufgebaut. Die Erzählung von agentic AI stimmt mit LLM-unterstützter Zusammensetzung und NL-Zugang überein, und die Notebook-Oberfläche unterstützt standardisierte Python-/R-Workflows. Für supply chain Käufer zeichnet sich Aera durch geschlossene Schleifen-Automatisierung und abteilungsübergreifende Verpackung aus; die algorithmische Transparenz ist jedoch im Vergleich zu Anbietern wie Lokad eingeschränkt, die ein DSL, probabilistische Methoden und stochastische Optimierer im Detail veröffentlichen. Wenn Ihre Priorität auf prüfbarer, unsicherheitsbewusster Optimierung liegt, die als Code ausgedrückt wird, differenziert sich Lokads Ansatz. Wenn Ihre Priorität darin liegt, Entscheidungsflüsse schnell über Systeme hinweg mit write-back und Governance zu operationalisieren, passt Aeras Stack zu diesem Ziel. In jedem Fall bestehen Sie auf Belege jenseits von Marketing: Fordern Sie Sandbox-Durchläufe mit gemessenen Impact-Deltas im Vergleich zu Ihrem Basisprozess an sowie eine klare Dokumentation darüber, was optimiert wird, unter welchen Einschränkungen und wo Unsicherheit modelliert wird.

Quellen

Hinweise: Mehrere Artikel von Drittanbietern sind hinter einer Paywall; URLs werden zur Quellenangabe bereitgestellt. Wo Beiträge des Anbieters die einzigen Quellen sind (z. B. Optimierer-Interna), werden die Aussagen als vom Anbieter behauptet behandelt und nicht als state-of-the-art anerkannt, ohne unabhängige Bestätigung.


  1. Data Crawlers – Aera Technology — abgerufen Sep 2025 ↩︎ ↩︎ ↩︎

  2. Decision Data Model – Aera Technology — abgerufen Sep 2025 ↩︎ ↩︎ ↩︎ ↩︎ ↩︎

  3. Aera Decision Cloud – Produktseite — abgerufen Sep 2025 ↩︎ ↩︎ ↩︎ ↩︎

  4. Aera Cortex – Aera Technology — abgerufen Sep 2025 ↩︎ ↩︎ ↩︎ ↩︎ ↩︎ ↩︎ ↩︎

  5. Aera Skills – Aera Technology — abgerufen Sep 2025 ↩︎ ↩︎ ↩︎ ↩︎ ↩︎

  6. Decision Board – Aera Technology — abgerufen Sep 2025 ↩︎ ↩︎ ↩︎ ↩︎ ↩︎ ↩︎ ↩︎ ↩︎ ↩︎ ↩︎ ↩︎ ↩︎

  7. Aera Chat – Aera Technology — abgerufen Sep 2025 ↩︎ ↩︎ ↩︎ ↩︎ ↩︎ ↩︎ ↩︎ ↩︎ ↩︎ ↩︎

  8. Aera Inbox – Write-back & Audit Trail — abgerufen Sep 2025 ↩︎ ↩︎ ↩︎ ↩︎ ↩︎ ↩︎ ↩︎ ↩︎

  9. Aera Workspaces – Aera Technology — abgerufen Sep 2025 ↩︎ ↩︎ ↩︎ ↩︎

  10. Aera Control Room – Aera Technology — abgerufen Sep 2025 ↩︎ ↩︎ ↩︎ ↩︎ ↩︎ ↩︎ ↩︎ ↩︎ ↩︎

  11. Aera Notebook (Jupyter/R) – Aera Technology — 2022 ↩︎ ↩︎ ↩︎ ↩︎ ↩︎ ↩︎ ↩︎ ↩︎ ↩︎

  12. News – Aera verbessert menschenzentrierte Entscheidungsintelligenz mit Agentic AI — 11. Jun. 2025 ↩︎ ↩︎ ↩︎ ↩︎ ↩︎ ↩︎ ↩︎ ↩︎ ↩︎

  13. Aera + AWS Blog – Tage oder Wochen bis zum Start — 2023 ↩︎ ↩︎ ↩︎ ↩︎ ↩︎ ↩︎ ↩︎ ↩︎

  14. News – Aera stellt Agentic AI, Workspaces, Control Room vor — 5. Nov. 2024 ↩︎ ↩︎ ↩︎ ↩︎

  15. News – Aera fügt Graph Explorer & Confidence Score hinzu — 2022 ↩︎ ↩︎ ↩︎ ↩︎

  16. AWS Marketplace – Aera Decision Cloud — abgerufen Sep 2025 ↩︎ ↩︎ ↩︎ ↩︎ ↩︎

  17. CIO.com – Deutschlands Merck führt Automatisierung in supply chain ein — 10. Sep. 2018 ↩︎ ↩︎ ↩︎ ↩︎

  18. ITProToday – Data Wrangling to Autonomous Actions (Feature zu Aera) — 2019 ↩︎ ↩︎

  19. Aera Technology vorgestellt im Gartner® Market Guide für Decision Intelligence Platforms — 25. Jul. 2024 ↩︎ ↩︎

  20. Craft – FusionOps wird zu Aera Technology — 2017 ↩︎ ↩︎

  21. Gaebler VC DB – Aera Technology Finanzierung ($50M; NEA) — 21. Jun. 2017 ↩︎ ↩︎

  22. Business Insider/PRNewswire – Aera erhält $80M Series C unter der Leitung von DFJ Growth — 27. Jun. 2019 ↩︎

  23. US 2022/0067109 A1 – Cognitive Automation Platform (PDF) — 3. Mär. 2022 ↩︎ ↩︎ ↩︎ ↩︎

  24. Justia – US Patent Nr. 12,292,937 (Aera Technology) — 2025 ↩︎

  25. Built In – Senior Software Engineer I (Python), Aera Technology — 2025 ↩︎

  26. Built In – Machine Learning Engineer (Python), Aera Technology — 2024 ↩︎

  27. Demotermin vereinbaren – Vorteil in 2–4 Wochen — abgerufen Sep 2025 ↩︎ ↩︎

  28. Lokad Docs – Envision Language — abgerufen Sep 2025 ↩︎ ↩︎ ↩︎ ↩︎

  29. Lokad – Probabilistic Forecasting (2016) — 2016 ↩︎ ↩︎ ↩︎

  30. Lokad Fallstudie – Air France Industries (PDF) — Mär 2017 ↩︎ ↩︎ ↩︎

  31. Lokad Blog – Platz 6 von 909 im M5-Wettbewerb — 2. Jul. 2020 ↩︎ ↩︎

  32. Lokad – Stochastic Discrete Descent — abgerufen Sep 2025 ↩︎ ↩︎

  33. Lokad – Quantile Forecasting (2012) — 2012 ↩︎