Rezension von AnyLogic, Simulation & supply chain design Softwareanbieter

Von Léon Levinas-Ménard

Zuletzt aktualisiert: Oktober, 2025

AnyLogic (von The AnyLogic Company) veröffentlicht eine universell einsetzbare, multimethodische Simulations-IDE (discrete-event, agent-based und system-dynamics), eine Web-Ausführungsschicht namens AnyLogic Cloud zum Ausführen/Parametrisieren von Modellen und zum Exportieren von Ergebnissen sowie ein separates supply chain design Produkt, anyLogistix (ALX), das analytische Netzwerk-/Inventaroptimierung (mittels IBM ILOG CPLEX) mit dynamischer Simulation für Szenariotests kombiniert. AnyLogic-Modelle werden visuell mit eingebettetem Java-Code entwickelt und können als eigenständige Java-Anwendungen exportiert oder in die Cloud hochgeladen werden für browserbasierte Ausführungen; Cloud stellt REST- und Client-APIs bereit und unterstützt den Export von „Abgeschlossenen Läufen“ nach Excel zur Analyse. Die Optimierung innerhalb von AnyLogic wird durch die OptQuest-Metaheuristik-Engine angetrieben, während anyLogistix solver-unterstütztes Netzwerkdesign und Inventarrichtlinien sowie simulationsbasierte Belastungstests bietet. Die Erweiterbarkeit umfasst eine vom Anbieter gepflegte „Pypeline“-Bibliothek, die das Aufrufen von Python aus AnyLogic-Modellen ermöglicht. Insgesamt ist der Stack modellzentriert (Modell erstellen, Experimente durchführen, Ergebnisse analysieren) anstelle von Entscheidungsautomatisierung für die tägliche Auffüllung – ALX richtet sich an strategische/taktische Gestaltung; AnyLogic zielt auf Simulationen in verschiedenen Bereichen ab.

AnyLogic Überblick

Produktpalette (kurz):

AnyLogic (Desktop-IDE): Multimethode Simulationsumgebung mit Java als Skriptsprache und einer dokumentierten Simulations-Engine; Modelle können als eigenständige Java-Anwendungen exportiert werden. ¹²³⁴
AnyLogic Cloud: SaaS-/Web-Schicht zum Ausführen von Modellen, Erstellen von Experimenten, Verwalten von Versionen (einschließlich eines Browser-Editors in neueren Versionen) und Exportieren von Ergebnissen. Bietet REST- und Client-APIs. ⁵⁶⁷⁸⁹
anyLogistix (ALX): Supply chain design Anwendung, die CPLEX Netzwerkoptimierung und dynamische Simulation kombiniert; beinhaltet Inventarmethoden wie die Schätzung des Sicherheitsbestands. ¹⁰¹¹¹²¹³

Architektur & Stack (Kernfakten):

Modelle werden in Java kompiliert und darauf ausgeführt; exportierte Anwendungen sind reines Java und erfordern JDK 17+. ³⁴
Die Simulationslaufzeit ist eine dokumentierte Engine API (Ereigniswarteschlange, RNG, parallele Simulationen innerhalb einer JVM). ²
Cloud veröffentlicht häufige Releases; Anmerkungen aus 2024–2025 beinhalten Java 17, und Cloud fügt den Export von „Abgeschlossenen Läufen“ sowie Diagnostik hinzu. ¹⁴²¹⁵
Private Cloud verfügt über ein Administrationshandbuch und Architekturdokumentation; Cloud stellt REST (mit JS/Python/Java-Clients) bereit. ¹⁶⁹
Optimierung: Das Optimierungsexperiment von AnyLogic verwendet OptQuest (OptTek) innerhalb der Engine; das Netzwerkoptimierungsverfahren von ALX basiert auf IBM ILOG CPLEX. ¹⁷¹⁸¹⁹¹¹

AnyLogic vs Lokad

Unterschiedliche Ziele, unterschiedliche Mechanismen. AnyLogic/ALX sind modellzentriert: Man erstellt ein explizites Simulations- oder supply chain design Modell, führt parametrisierte Experimente durch (einschließlich solver-gestützter Optimierungen für Netzwerk/Inventar) und analysiert die Ergebnisse. Belege: Modell-Export als Java, Cloud-Experiment-Workflows und REST API, OptQuest-Optimierung innerhalb des Modells sowie das CPLEX-basierte Netzwerkdesign von ALX. ³⁶⁹¹⁷¹¹ Im Gegensatz dazu ist Lokad ein entscheidungszentriertes SaaS, das sich auf probabilistische Prognosen und Optimierung konzentriert und priorisierte Entscheidungen für Nachbestellungen/Dispatching/Preisfestlegungen erzeugt (keine interaktiven Simulationsmodelle). Der Ansatz von Lokad basiert auf einer DSL und täglichen Batch-Berechnungen, um priorisierte Aktionslisten für die Ausführung in ERPs/WMSs bereitzustellen. (Hinweis: Dieser Bericht konzentriert sich auf AnyLogic; siehe Lokads öffentliche Materialien zur Entscheidungsoptimierungs-Pipeline und DSL-Behauptungen.)

Implikationen für supply chain:

Problemklasse: ALX glänzt im Design (greenfield siting, lane flows, capacity sizing) und in der Richtlinienerforschung unter simulierten Dynamiken; Lokad zielt auf wiederkehrende operative Entscheidungen (tägliche Nachbestellmengen/Zuteilungen/Preise) ab.
Mechanismus: ALX nutzt CPLEX, um statische Formulierungen zu lösen (z. B. facility location, flow assignment) und simuliert anschließend Dynamiken; die AnyLogic IDE verwendet OptQuest, um Modellparameter abzustimmen; Lokad betreibt probabilistic forecasting + stochastic optimization, um Entscheidungslisten zu erzeugen – keine discrete-event Flowcharts. ¹¹¹⁷
Bereitstellung: AnyLogic ist eine Desktop-Anwendung mit optionaler Cloud-Ausführung und APIs; ALX ist eine verpackte Desktop-App mit Solver-Integration; Lokad ist ausschließlich ein mandantenfähiges SaaS. ⁵¹⁰
Ergebnisartefakt: AnyLogic/ALX liefern Szenarien, Dashboards und Ausführungstabellen (exportierbar nach Excel/REST); Lokad erzeugt priorisierte transaktionale Aktionen, die zurück in ERP/WMS fließen sollen. ²⁰²¹⁹

Wenn das Ziel operative Nachbestellungsoptimierung unter Unsicherheit mit automatisierten Entscheidungslisten ist, liegt das Paradigma von Lokad näher am Ziel. Wenn hingegen network redesign, capacity/inventory policy tuning oder stress-testing mit ausgeprägter Prozessdynamik im Vordergrund stehen, passen AnyLogic/ALX aufgrund ihrer Simulations- und Solver-Toolchain besser.

Unternehmen, Geschichte und Unternehmensfakten

Unternehmen: The AnyLogic Company (Entwickler von AnyLogic und AnyLogic Cloud) sowie die Marke/Website anyLogistix für supply chain design. ²²¹¹⁰
Gründung (öffentliche Registerquellen): CB Insights führt das Unternehmen als 2002 gegründet (Oakbrook Terrace, IL); öffentliche Finanzierungsrunden werden auf Anbieterseiten nicht offengelegt; in offiziellen Materialien wurden keine Übernahmen festgestellt. ²³
Positionierung: AnyLogic (allgemeine Simulation), AnyLogic Cloud (Web-Ausführung/Analyse), anyLogistix (supply chain design). ¹⁵¹⁰¹³

Abweichungsprotokoll (Unternehmen): Marketingtexte behaupten häufig einen „führenden“ Status; unabhängige Register (CB Insights/Craft) liefern nur grundlegende Unternehmensangaben; es wurden keine bestätigten Übernahmeaktivitäten gefunden. ²³

Produkt & Technologie: Was die Software leistet

AnyLogic (Desktop-IDE)

Modellierungsmethoden: DE/ABM/SD mit gemeinsamer Laufzeit; Logik wird mittels visueller Blöcke und eingebettetem Java-Code ausgedrückt. ²
Build- & Ausführungsziele: Export als eigenständige Java-Anwendungen; CLI unterstützt den Export/das Ausführen von Experimenten; Plattform-Matrizen listen JDK 17+. ³⁴
Optimierungsexperiment: Nutzt OptQuest, um Parameter nach Vorgaben/Zielen anzupassen; OptQuest-Klassen sind in der API dokumentiert. ¹⁷¹⁸¹⁹
Datenebene: Integrierte Datenbank und Konnektoren; Datenbank-Werkzeuge sind in der Hilfe dokumentiert. (Spezifika der Engine – z. B. eingebettete DB-Engine – werden auf öffentlichen Seiten nicht angegeben und daher hier nicht behauptet.) ²⁴

AnyLogic Cloud

Zweck: Modelle im Browser ausführen, Modellversionen verwalten, Experimente durchführen (einzeln/mehrfach), Ergebnisse vergleichen und Daten/Abgeschlossene Läufe exportieren. ⁵²⁰²¹
Workflow: Export von der Desktop-Anwendung über die Run configuration (Auswahl von Eingaben/Ausgaben/Ressourcen), um eine Cloud-Modellversion zu erstellen; „Model versions“ umfasst einen Web-Editor (Early Access). ⁶⁷⁸
APIs: REST API (+ Clients) ist dokumentiert für programmatische Ausführungen und das Abrufen von Ergebnissen; wird für Integration/Automatisierung verwendet. ⁹
Releases: Updates 2024–2025 fügen Java 17-Unterstützung, ein Diagnose-Tool sowie Verbesserungen beim Export von Abgeschlossenen Läufen hinzu. ¹⁴²¹⁵
Private Cloud: Administratorhandbuch und Architekturdokumentation sind öffentlich; Details (z. B. Service-Inventar) werden auf der öffentlichen Seite nicht aufgelistet – Aussagen beschränken sich auf das, was veröffentlicht wurde. ²⁵¹⁶

anyLogistix (ALX)

Anwendungsbereich: supply chain design (Netzwerkoptimierung, Inventar-/Richtliniendesign, Risikoszenarien, Masterplanung). ¹⁰¹¹
Solver: Network Optimization und weitere Analysen nutzen IBM ILOG CPLEX (LP/MIP). ¹¹
Inventar: Dokumentierte Safety stock estimation-Methoden; ALX unterstützt die Richtlinienanalyse mit Simulation. ¹²
Simulation: Dynamische Testung von Designs mittels Simulation (unter Nutzung des AnyLogic-Technologiestacks). ¹⁰

Erweiterbarkeit & Ökosystem

Python in Modellen: Offizielle Pypeline-Bibliothek (MIT-lizenziert) zum Aufrufen von lokalem Python aus AnyLogic-Modellen (nicht Teil des Kernprodukts; zusätzliche Hinweise zum Overhead sind im Repo vermerkt). ¹
Cloud-Datenexport: Export von „Experimentdaten“ und „Abgeschlossenen Läufen“ nach Excel über die Cloud-Oberfläche. ²⁰²¹

Funktionsweise (Mechanismen & Architekturen)

Kompilierung & Laufzeit:

Die Engine API beschreibt die Simulationslaufzeit (Ereigniswarteschlange, RNG, parallele Simulationen pro JVM). Modelle sind in Java; exportierte Anwendungen sind reines Java und erfordern JDK 17+. ²³⁴

Cloud-Ausführung & Versionierung:

Der Desktop-Export verwendet die Run configuration, um zu deklarieren, welche Parameter/Ressourcen zu Cloud-Eingaben/-Ausgaben werden; Cloud verwaltet Modellversionen (kürzlich mit einem Browser-Editor ergänzt); Ausführungen und Ergebnisse können über REST abgerufen und nach Excel exportiert werden. ⁶⁷⁸⁹²⁰²¹

Optimierungs-Infrastruktur:

Innerhalb der AnyLogic IDE: OptQuest (Metaheuristiken + Einschränkungen) für Parameter-/Such-Experimente; öffentliche APIs/Klassen zeigen die OptQuest-Anbindung. ¹⁷¹⁸¹⁹
Innerhalb von ALX: CPLEX löst Netzwerk-/Inventar-Formulierungen; anschließend simuliert die Validierung/Vergleich der Richtlinien unter Dynamik. ¹¹¹²

Was nicht belegt ist:

Keine Anbieterdokumentation behauptet, dass AnyLogic/ALX von Haus aus eine end-to-end, probabilistische operative Nachbestellungsoptimierung durchführen, die nachrangige Bestellungen für die direkte ERP-Eingabe erzeugt. Der Workflow bleibt experimentgetrieben: entwerfen, simulieren, analysieren, exportieren. ⁵¹⁰²⁰²¹

Bereitstellung & Rollout (laut Primärdokumenten)

Desktop → Cloud Übergabe: Modell erstellen; Run configuration konfigurieren; Modell in die AnyLogic Cloud exportieren; Experimente erstellen; ausführen; analysieren/exportieren. ⁷⁶²⁰
APIs/Integration: Ausführungen steuern und Ergebnisse über REST (und Client-SDKs) abrufen. ⁹
Ergebnissverteilung: Exportiere Abgeschlossene Läufe (alle Eingaben/Ausgaben, Diagramme) nach Excel für nachgelagerte BI oder Übergaben. ²¹²⁰
Private Cloud: Administrator- und Architektur-Dokumente sind öffentlich verfügbar; Details, die über die veröffentlichten Seiten hinausgehen, werden nicht behauptet. ²⁵¹⁶

Belege zu AI/ML-Behauptungen

Vom Anbieter gepflegte Python-Brücke: Pypeline ermöglicht das Aufrufen von lokalem Python (jeder Bibliothek) aus einem laufenden Modell – nützlich für ML-Inferenz oder spezialisierte Algorithmen, aber ausdrücklich nicht als Ersatz für Java oder einen integrierten ML-Stack gedacht. ¹
ALX-Algorithmen: Die Optimierung basiert auf CPLEX; es gibt keine öffentlichen Belege für proprietäre ML-Planungsmodelle, die in ALX eingebettet sind, abgesehen von Simulation + Solver-Formulierungen. ¹¹¹²
Fazit: AnyLogic/ALX bieten Schnittstellen, um ML zu nutzen (z. B. über Python), werden aber in den Dokumentationen nicht als ML-zentrierte Planungssysteme vermarktet; die Kernstärken bleiben Simulation und solverbasierte Analysen. ¹¹¹

Was die Lösungen liefern (präzise)

AnyLogic (IDE): Eine in Java kompilierte, multimethodische Simulationsumgebung zum Erstellen von ausführbaren Modellen, Durchführen von Experimenten (einzeln/mehrfach, Optimierung mit OptQuest) und zum Analysieren/Exportieren von Ergebnissen. Sie liefert Simulationsergebnisse und Experimenttabellen; keine schlüsselfertige operative Nachbestellung. ³²¹⁷²⁰²¹
AnyLogic Cloud: Eine gehostete Laufzeitumgebung mit Experimenten, Versionierung, REST-Zugang und Excel-Exporten für Modellergebnisse. ⁵⁹²¹
anyLogistix: CPLEX-gestützte Netzwerk-/Inventaroptimierung sowie dynamische Simulation zur Prüfung von Designs und Richtlinien; die Ergebnisse umfassen optimale Standort-/Flussentscheidungen für Designs und Leistungskennzahlen der Richtlinien unter simulierten Schwankungen. ¹¹¹²¹⁰

Wie Ergebnisse erzielt werden (Mechanismen/Architekturen)

Mechanismen: Java-Modellkompilierung → Engine-Ausführung; OptQuest für Parametersuche; ALX ruft CPLEX für MIP/LP auf; Cloud orchestriert Experimente und Datenexport; REST API stellt Ausführungen/Ergebnisse bereit. ²¹⁷¹¹⁹²¹
Architekturen: Desktop-IDE mit CLI/Export → Cloud-Service mit Modellversionen und Experimenten (Administrations-/Architekturdokumente für Private Cloud veröffentlicht). Aussagen beschränken sich auf dokumentierte Komponenten/Versionen (z. B. Java 17 in Cloud-Releases). ³¹⁶²

Einschränkungen & Lücken (kritische Betrachtung)

Operative Entscheidungsautomatisierung: Keine öffentliche Dokumentation zeigt, dass AnyLogic/ALX täglich ERP-geeignete priorisierte Bestellzeilen unter probabilistischer Nachfrage/Lieferzeit erzeugen – diese Fähigkeit liegt außerhalb des modellzentrierten Workflows. ⁵¹⁰
KI-Kennzeichnung: Obwohl Python/ML aufgerufen werden kann, gibt es keine Behauptung einer end-to-end „KI-Entscheidungsfindung“, die nativ in ALX verankert ist; die Optimierungsbelege sind CPLEX und OptQuest. ¹¹¹¹⁷
Architekturtransparenz: Es gibt eine Cloud-Architekturdokumentation, jedoch werden nicht alle Microservices/Warteschlangen/Themen auf den öffentlichen Seiten aufgeführt; nur Versions-Highlights (z. B. Java 17) werden explizit dokumentiert. Die hier gemachten Aussagen bleiben innerhalb der veröffentlichten Fakten. ¹⁶²

Fazit

Der Stack von AnyLogic ist modellzentriert und technisch gut dokumentiert: Modelle werden in Java kompiliert, laufen unter einer dokumentierten Engine, können exportiert oder in der Cloud ausgeführt werden und integrieren sich über REST/Excel-Exporte. Optimierung innerhalb der IDE verwendet OptQuest; ALX ergänzt diese durch CPLEX-basierte Netzwerk-/Inventaroptimierung und Simulation für supply chain design. Öffentliche Belege stützen nicht die Marketinginterpretation, die Suite als eine Plattform für operative Entscheidungsautomatisierung für die tägliche Nachbestellung zu verstehen. Für Organisationen, die Experimente, Netzwerkdesign, Kapazitätsdimensionierung und Richtlinien-Stresstests benötigen, ist die AnyLogic/ALX-Toolchain zweckmäßig. Für tägliche probabilistische Nachbestell-/Dispatching-Entscheidungen ist eine entscheidungszentrierte Plattform (z. B. Lokad) architektonisch näher am Bedarf.