Zurück zur Marktforschung
Intuiflow ist Planungssoftware für Fertigung und Distribution, entwickelt von Demand Driven Technologies und im Januar 2026 von Algo übernommen. Sie ergänzt ERP-Systeme um Materialplanung, Nachversorgungsempfehlungen, Produktionsplanung, Bedarfsplanung sowie Absatz- und Betriebsplanung. Die zentrale Methode ist Demand Driven Material Requirements Planning, kurz DDMRP: Strategisch platzierte Bestandspuffer steuern Nachversorgung und betriebliche Prioritäten. (1, 2, 11)
Gesamtbewertung für die Supply Chain: 4,8/10.
| Dimension | Bewertung |
|---|---|
| Fachliche Tiefe in der Supply Chain | 4,2/10 |
| Substanz der Entscheidungsfindung und Optimierung | 4,4/10 |
| Integrität von Produkt und Architektur | 5,6/10 |
| Technische Transparenz | 5,8/10 |
| Seriosität des Anbieters | 4,2/10 |
Intuiflow hat einen konkreten Betriebsmechanismus und ungewöhnlich nützliche öffentliche Konfigurationsdokumentation. Die Software erzeugt Aufträge, berücksichtigt Stücklisten und verbindet Planung mit Ausführung. Ihre Hauptgrenze ist das Entscheidungsmodell: Serviceziele, Pufferfaktoren und Flussprioritäten ersetzen einen expliziten wirtschaftlichen Vergleich umsetzbarer Verpflichtungen unter Unsicherheit. Diese Regeln zu automatisieren kann Arbeit sparen; es belegt nicht, dass sie die wertvollsten Entscheidungen auswählen.
Aptiv berichtet über eine bedeutsame Bestandsverbesserung, begleitet von erheblicher Implementierungsarbeit. Eine ältere Anbietersimulation legt die Puffermethode klar offen, einschließlich Anpassungen nach beobachteten Fehlbeständen. Der heutige Autopilot verspricht, diese Einstellarbeit zu beseitigen. Die öffentliche Beschreibung erklärt jedoch nicht ausreichend, wie seine erlernten Politiken monetäre Ergebnisse verbessern oder unsichere Versorgung einbeziehen. (7, 12, 14)
Intuiflow im Vergleich zu Lokad
Betrachten wir ein Bauteil, dessen Fehlen eine Montagelinie stilllegen kann. Der reguläre Lieferant ist günstig, liefert aber gelegentlich zu spät; ein Alternativlieferant ist teuer; mehrere Fertigprodukte konkurrieren um dasselbe Bauteil. Ein Puffer kann die Produktion schützen. Seine sinnvolle Größe hängt jedoch vom Wert der Fertigprodukte, der Verteilung der Ankunftszeitpunkte, den Kosten von Eilmaßnahmen und den anderen Einkäufen ab, die um Kapital konkurrieren.
Intuiflow geht das Problem über Bestandspositionierung, Nachversorgungsprioritäten und konfigurierte Absicherung an. Lokads Ansatz zur Bestandsoptimierung bewertet wiederkehrende Verpflichtungen anhand ihrer erwarteten wirtschaftlichen Folgen, gestützt auf probabilistische Projektionen und gepflegte numerische Entscheidungslogik. Seine Supply Chain Scientists entwickeln und überarbeiten diese Logik, wenn sich die Betriebsbedingungen ändern.
Der Unterschied betrifft das Optimierungsziel der Software. Ein hohes Serviceziel erklärt nicht, ob der nächste Dollar in dieses Bauteil, ein anderes Bauteil, eine Eilmaßnahme oder eine alternative Bezugsquelle gehört. Die Perspektive in Introduction to Supply Chain beginnt bei diesen konkurrierenden Ressourcennutzungen. Intuiflows öffentlich beschriebene Methode verlangt stattdessen, einen großen Teil dieser Abwägung über Pufferplatzierung, Faktoren, Prioritäten und Ausnahmen auszudrücken.
Was die Software tatsächlich berechnet
Das öffentliche Client Playbook erklärt Implementierungsentscheidungen, Betriebsabläufe und den Übergang zum Support. Es enthält ältere Replenishment+-Begriffe und eine bebilderte Kundenkonfiguration mit Screenshots von 2023. Es liefert nützliche Belege unterstützter Mechanismen; seine Beispieleinstellungen sind weder universelle Standardwerte noch eine Spezifikation des neueren Autopilot. (18)
Puffer verdichten Unsicherheit zu Kategorien und Faktoren
Der Smart Buffer Profiler gruppiert Teile anhand der Nachfragehistorie, Lieferzeitbereiche und Variationskoeffizienten. Nutzer wählen Nachfragezeiträume, Eignungsschwellen, Lieferzeitfaktoren, Variabilitätsfaktoren und Horizonte für Nachfragespitzen. Die resultierenden Profile bestimmen farbige Pufferzonen; die grüne Zone berücksichtigt Mindestbestellmengen, Bestellzyklen und Lieferzeitfaktoren. Vorgeschlagene Profile können vor der Übernahme geprüft werden. (3)
Das ist eine prüfbare Heuristik. Ihre Schwäche ist die Information, die vor der Entscheidung verworfen wird. Nachfrageprozesse mit ähnlichen Mittelwerten und Variationskoeffizienten können unterschiedliche Verteilungsschwänze, zeitliche Beständigkeit und Beziehungen zu Lieferantenverzögerungen haben. Die Zuordnung zur selben Kategorie macht ihre wirtschaftlichen Risiken nicht gleichwertig. Ein Prozentsatz einer Pufferzone kann für sich allein nicht den Unterschied zwischen einer entgangenen margenschwachen Bestellung und dem Stillstand einer hochwertigen Produktionslinie ausdrücken.
Die Lieferzeitkategorien betreffen zudem die Länge einer Lieferzeit und keine offengelegte Wahrscheinlichkeitsverteilung zukünftiger Eingänge. Die Methode beschreibt Variabilität, veröffentlicht aber keine gemeinsame Nachfrage- und Angebotsprojektion, deren mögliche Ergebnisse bei der Auftragsauswahl monetär bewertet werden. Ein höherer Schutzfaktor kann ein wiederkehrendes Problem ausgleichen. Er zeigt nicht, welches Risiko ausgeglichen wurde oder ob eine andere Reaktion günstiger wäre.
Tatsächliche Ausführung und Stücklistenbehandlung sind vorhanden
Verarbeitungseinstellungen unterscheiden gepufferte und ungepufferte Teile, bieten MRP-Nettobedarfsrechnung und unterstützen die automatische Erzeugung von Beschaffungsaufträgen für ungepufferte Artikel. Die Lieferzeitverkürzung prüft, ob ungepufferte untergeordnete Komponenten bereits verfügbar sind; bevorratete Komponenten können den Zusagetermin des übergeordneten Teils verkürzen. Prognostizierter Tagesverbrauch lässt sich ebenfalls aus Prognosen berechnen und über die Stückliste auflösen. (4)
Die Workbench erlaubt Planern, Mengen, Termine, Bezugsquellen und alternative Stücklisten zu ändern, ergänzt durch Lade- und Verpackungsfunktionen. Freigegebene Aufträge gelangen in eine Tabelle ausstehender Aufträge zur Übertragung an das ERP. Das ist ein substanzieller Weg von der Entscheidung zur Ausführung. (5, 6)
Diese Wechselwirkungen sind relevant. Das Produkt behandelt mehr als unabhängige SKU-Zielwerte. Offen bleibt, wie Alternativen über das gesamte System ausgewählt werden. Einem Planer eine alternative Bezugsquelle oder Stückliste anzuzeigen belegt keine Berechnung, die anhand unsicherer Verfügbarkeit, Margen, gemeinsamer Kapazität und Kapital zwischen ihnen entscheidet. Ein großer Teil dieser Abstimmung liegt außerhalb der offengelegten Pufferregel.
Die Ausführbarkeit von Plänen gilt unter Bedingungen
Das Planungsmodul beschreibt endliche Kapazität, Maschinen, Schichten, Arbeitskräfte, Auslastungsgrafiken und Fortschritt in der Fertigung. Seine aktuelle Seite wirbt mit „100% ausführbaren Plänen“ und erklärt, jeden realen Engpass zu berücksichtigen. (8)
Ein Plan kann unter den modellierten Kapazitäten ausführbar sein und trotzdem scheitern, wenn eine Maschine ausfällt, eine Lieferung sich verspätet oder eine Komponente zurückgewiesen wird. Die nützliche Frage lautet, welche Verpflichtungen über diese Möglichkeiten hinweg wirtschaftlich sinnvoll bleiben, einschließlich der Umplanungskosten. Weder eine Kapazitätsprüfung noch ein Puffer macht eine bedingungslose Ausführungsgarantie glaubwürdig.
S&OP ergänzt grobe Kapazitätsplanung und Szenarien für Lieferantenstörungen und Nachfrageänderungen. Die ältere Broschüre verwendet ausdrücklich Prognosen, um zukünftiges Pufferverhalten zu simulieren und Modelllücken zu erkennen. Das ist sinnvolle Vorausschau, aber die bloße Prüfung von Szenarien erzeugt weder Wahrscheinlichkeiten noch eine wirtschaftlich bevorzugte Reaktion. (9, 21)
Technologiegeschichte und Integrität der Roadmap
Demand Driven Technologies wurde 2011 gegründet. Die technische Identität blieb auf bedarfsgetriebene Planung konzentriert. Im Oktober 2022 kündigte Nextworld eine API-basierte Intuiflow-Integration an, während die begleitende Unternehmensbeschreibung bereits KI und maschinelles Lernen für Planung und Ausführung bewarb. Die Integration hatte einen konkreten Mechanismus; dem breiten Intelligenzversprechen fehlte eine entsprechende Validierung. (2, 13)
Die alte Simulation zeigt den Beweismaßstab
Das Whitepaper des Anbieters mit Copyright 2020 beschreibt eine Vorführung von 2014 mit Nachfragezahlen von 57 Konferenzbesuchern. Es modelliert zwei Artikel mit festen Lieferzeiten von 90 und 21 Tagen. In einem Durchlauf führte der Wegfall der Vorabkenntnis von Auftragsspitzen zu zwei Fehlbestandstagen und 99,5% Service. Die Erhöhung des Sicherheitsprozentsatzes der roten Zone von 120% auf 150% stellte 100% Service wieder her, während die jährlichen Umschläge von 16,27 auf 14,78 sanken. (12)
Das zeigt, dass mehr Absicherung die Fehlbestände in der geprüften Folge beseitigen kann. Es belegt keine optimale Absicherung für die nächste Folge. Die Anpassung erfolgt nach dem beobachteten Fehlschlag, und das Papier liefert keinen monetären Vergleich des Zusatzbestands mit dem vermiedenen Fehlbestand. Das Experiment mit zwei Artikeln kann außerdem weder gemeinsame Kapazität noch korrelierte Lieferantenausfälle oder Portfolioallokation validieren. Der gemeldete Serviceprozentsatz ist ein Erfüllungsergebnis, keine Prognosegenauigkeit.
Die bleibende Sorge ist methodisch: Erfolgreiche Einstellung anhand historischer Nachfrage wird als Beleg robuster Planung präsentiert. Eine aussagekräftige wirtschaftliche Bewertung würde die Politik vor der Prüfung späterer Entscheidungen festlegen, umsetzbare Alternativen vergleichen und die Arbeit zur Modellreparatur einbeziehen. Auch eine schwierige historische Folge bleibt nur eine einzelne Folge.
Autopilot modernisiert die Einstellung; die Übernahme verändert den Umfang
Der aktuelle Autopilot beschreibt tägliche Pufferneukalibrierung anhand von Servicezielen, lokale Politiken, Ausnahmehinweise und Simulationen vor der Übernahme von Änderungen in die Produktion. Das adressiert eine echte Pflegebelastung. Öffentlich fehlen Lernziel, Bewertungsverfahren und Behandlung unsicherer Versorgung. Anpassungen als risikofrei zu bezeichnen geht über das hinaus, was eine Simulation belegen kann. (7)
Algos Übernahmeankündigung vom 13. Januar 2026 schlug vor, die vorausschauende Nachfrageintelligenz mit Intuiflows verbrauchsgesteuerter Versorgungsplanung zu verbinden. Das vereinte Unternehmen firmiert unter Algo; finanzielle Konditionen wurden nicht genannt. Die Ankündigung erklärt nicht, wie die beiden Entscheidungsmethoden rechnerisch kombiniert werden. (2)
Die Spannung ist sowohl konzeptionell als auch architektonisch. Die Produktkommunikation kritisiert Prognoseabhängigkeit, obwohl Prognosen bereits in die Simulationen eingehen und nun die Übernahme begründen. Vor zukünftigem Verbrauch nachzuversorgen erfordert zwangsläufig Erwartungen über diesen Verbrauch. Sie in Verbrauchsraten oder Puffern zu verbergen beseitigt das Prognoserisiko nicht, sondern erschwert die Prüfung der Annahmen. (1, 21)
Softwarebestandteile und Systemgrenzen
Die öffentliche Implementierungsdokumentation ist zur Rekonstruktion der Produktarchitektur nützlicher als die verfügbaren Stellenanzeigen.
| Ebene | Dokumentierte Komponente oder Schnittstelle | Betriebliche Bedeutung |
|---|---|---|
| Gehostete Anwendung | Cloud-Dienst mit Einzelmandantenarchitektur | Kundentrennung ist ein ausdrückliches Designversprechen |
| Identität | Single Sign-on über Azure Active Directory | Unternehmensidentität kann die Anmeldung steuern |
| Integration in Eigenregie | R+ Pusher oder selbst geschriebene API-Aufrufe | Der Kunde steuert Extrakte und Übertragungszeitpläne |
| Verwaltete Integration | Microsoft Integration Runtime; ADX Lite und Full | Zuständigkeiten für Zuordnung und Übertragung hängen von der Option ab |
| Datenaustausch | Import von Teil-/Stammdaten und Export ausstehender Aufträge | ERP und Intuiflow müssen die Datenhoheit der Felder abstimmen |
| Planeranalysen | Eingebettetes Power BI, auf der Aptiv-Seite beschrieben | Berichte bilden eine zusätzliche zu pflegende Ebene |
Anwendungsdatenbank, Programmiersprachen-Laufzeit und Trainingsumgebung des Autopilot bleiben unbenannt. Ihre Hostinganforderungen, Abhängigkeiten und Upgrade-Verantwortlichkeiten sind deshalb vor der Einführung schwer zu beurteilen.
Der Schnittstellenleitfaden macht Verantwortlichkeiten ungewöhnlich konkret. Bei der Eigenregie-Option liegen Extraktion und Transformation beim Kunden; ADX Lite platziert Microsoft Integration Runtime innerhalb des Kundenperimeters und beschränkt den Quellzugriff auf relevante Tabellen und Felder. Andere Optionen teilen Extraktion, Zuordnung und Übertragungsplanung zwischen den Parteien auf. Das sind wiederkehrende Integrationspflichten, kein einmaliges Versprechen nahtloser Verbindung aller ERP-Systeme. (15)
Sicherheitsmechanismen und verbleibende Angriffsflächen
Algo beschreibt Einzelmandantenisolation, Verschlüsselung, getrennte Test- und Produktionsumgebungen sowie Bedrohungsüberwachung. Das Playbook dokumentiert Unternehmens-SSO und konfigurierbare Verwaltungsrollen. Diese Kontrollen trennen Kundenarbeitslasten und steuern den Zugriff auf die Planungskonfiguration. (1, 16, 17)
Die Datenhoheit über Felder ist eine weitere praktische Kontrolle. Importeinstellungen können Änderungen an ERP-geführten Feldern innerhalb von Intuiflow verhindern und damit konkurrierende Stammdaten vermeiden; die Beispielkonfiguration beschränkt die direkte Teilebearbeitung auf das Kernprojektteam. (20, 22)
Weniger konkret ist die öffentliche Darstellung bei Wiederherstellung nach kompromittierten Administratoren, unabhängig geschützten Sicherungen, Berechtigungsumfang von Konnektor-Zugangsdaten und Freigabe produktiver Politikänderungen. Ein separater Mandant begrenzt eine Art von Gefährdung, macht eine kompromittierte Integration aber nicht harmlos. Diese Fragen sind wichtig, weil importierte Parameter Tausende Nachversorgungsempfehlungen ändern können, ohne Anwendungscode zu verändern.
Produktivität, Konfigurationspflege und Gesamtkosten
Autopilots Versprechen, routinemäßige Parameterprüfungen zu beseitigen, passt zu heutigen Produktivitätserwartungen. Der strengere Test ist, ob die normale Planung mit sinkendem Gesamtaufwand läuft: Kundenplaner, Implementierungsspezialisten, Anbietersupport und Politikpfleger zusammen. Ausnahmeorientierter Betrieb kann weiterhin ein großes Team beschäftigen, wenn Ausnahmen zahlreich bleiben oder ohne Behebung ihrer Ursache wiederkehren.
Die Handbücher zeigen die Arbeit, die beseitigt oder erhalten werden muss. Die Beispielkonfiguration verwendet 52 Wochen für den durchschnittlichen Tagesverbrauch und 26 Wochen für Variabilität, mit Schaltern für die Behandlung negativer Nachfrage. Saisonale Anpassungen nutzen standortspezifische Monatsfaktoren und explizite Zeitannahmen. Teile lassen sich einzeln oder über Massendateien pflegen. Das sind als Konfiguration kodierte Geschäftsentscheidungen. (4, 19, 20)
Ein längeres Mittelungsfenster kann Rauschen unterdrücken und zugleich die Erkennung einer echten Veränderung verzögern. Rückgaben auszuschließen kann eine Nachfragestatistik leichter interpretierbar machen, aber wirtschaftlich relevante Information entfernen. Ein saisonaler Aufschlag kann Verfügbarkeit verbessern und zugleich Überbestand erzeugen, wenn sich das Ereignis verschiebt. Die Kosten liegen darin, die richtige Interpretation zu kennen, ihren Gültigkeitsverlust zu erkennen und die Entscheidungslogik sicher zu korrigieren.
Das ist das in Holimization beschriebene Problem: Das Modell selbst braucht ständige Verbesserung. Schnellere Neuberechnung innerhalb einer ungeeigneten Politik ersetzt deren Überarbeitung nicht. Die relevante Pflegegröße ist der Aufwand je wirtschaftlich bedeutsamer Korrektur, einschließlich der Folgen von Fehlern.
Aptiv: bedeutsame Ergebnisse mit erheblichem menschlichem Anteil
Der Aptiv-Fall meldet rund 30% Bestandsverbesserung in einem Pilotwerk und weniger Eilmaßnahmen. Er beschreibt eine zweijährige Pilotphase, etwa drei Monate tägliches Coaching, spätere Nachschulungen und Spezialistenunterstützung sowie die Entscheidung zur Einführung in mehr als 100 Werken. Auch regionale Distributionsänderungen werden beschrieben, um Lieferantenmindestmengen aufzuteilen und Werkbestände zu senken. (14)
Das sind glaubwürdige betriebliche Änderungen, die eine nähere Untersuchung verdienen. Sie isolieren den Softwarebeitrag jedoch nicht von Coaching und Netzwerkumbau und beziffern weder laufende Arbeit noch Nettoerträge. Dieselbe Seite schließt mit der Aussage, die Ausweitung vom Pilot auf mehr als 100 Werke habe in Wochen stattgefunden. Diese Werbezeitskala widerspricht dem eigenen detaillierten Bericht und verwischt Zusage, Einführung und erreichte Abdeckung.
Die Einführungsgeschichte zeigt außerdem ein Verantwortungsrisiko. Methodentreue wird überwacht, doch die wirtschaftliche Prüfung muss die Methode selbst verwerfen können. Andernfalls bestätigt Erfolg DDMRP, während Enttäuschung als Beleg mangelnder Befolgung durch Mitarbeiter gilt. Der Korrekturprozess sollte prüfen, ob eine Puffer- oder Prioritätsregel falsch war, ebenso wie die Frage, ob ein Mitarbeiter sie befolgte.
Wirtschaftliche Verantwortlichkeit und Prüfbarkeit
Intuiflows öffentliche Dokumentation erlaubt es Käufern, konkrete Berechnungsentscheidungen vor einer Vorführung zu hinterfragen. Das ist ein erheblicher Vorteil gegenüber undurchsichtigen KI-Versprechen. Auch die betrieblichen Ergebnisse sind prüfbar: Empfohlene Aufträge, geänderte Mengen, exportierte Verpflichtungen und Parametereinstellungen können mit späteren Ereignissen verglichen werden. (3, 5, 6)
Das fehlende Bindeglied ist eine laufende monetäre Abrechnung dieser Entscheidungen. Bestandsabbau und Servicegrade entscheiden nicht, ob eine Politik nach Fehlbeständen, Eilmaßnahmen, Lieferantenaufschlägen, veraltetem Bestand, Implementierung und Pflege Wert schafft. Aktuelle Bedarfsplanungsunterlagen nennen Verzerrung, absoluten Fehler und finanzielle Auswirkungen, erklären aber nicht, wie diese finanzielle Bewertung die Nachversorgungsentscheidungen steuert. (10)
Öffentliche Ergebnisberichte sollten Gewinne aus sauberer Ausführung, besserem Netzwerkdesign und besserer Entscheidungsauswahl unterscheiden. Alle können wertvoll sein. Nur der letzte Punkt belegt die Qualität des Optimierers; keiner belegt Nettowert ohne die Betriebskosten des Prozesses. Die dokumentierten Kontrollen des Produkts ermöglichen eine solche Bewertung, doch die veröffentlichten wirtschaftlichen Belege bleiben unvollständig.
Supply-Chain-Bewertung
Die Gesamtbewertung von 4,8/10 ist das gerundete arithmetische Mittel von 25 gleich gewichteten Teilbewertungen.
Fachliche Tiefe in der Supply Chain: 4,2/10
| Kriterium | Bewertung |
|---|---|
| Wirtschaftliche Problemstellung | 4/10 |
| Endzustand der Entscheidungsfindung | 6/10 |
| Begriffliche Klarheit zur Supply Chain | 5/10 |
| Unabhängigkeit von überholten Leitdoktrinen | 2/10 |
| Widerstandsfähigkeit gegen KPI-Theater | 4/10 |
Durchschnitt: 4,2/10.
Wirtschaftliche Problemstellung. Umlaufvermögen und betriebliche Kontinuität sind relevant, doch die offengelegte Regel bewertet konkurrierende Nutzungen von Bestand und Kapazität nicht monetär. (1, 3)
Endzustand der Entscheidungsfindung. Empfehlungen werden über einen expliziten Ablauf zu ERP-Verpflichtungen. Die Auswahl hängt weiterhin wesentlich von konfigurierter Politik und Planerurteil ab. (5, 6)
Begriffliche Klarheit zur Supply Chain. Die Behandlung von Komponenten und entkoppelten Lieferzeiten zeigt Fachwissen. Die wirtschaftlichen Folgen korrelierter Unsicherheit bleiben unterentwickelt. (4)
Unabhängigkeit von überholten Leitdoktrinen. DDMRP bleibt die ordnende Doktrin. Kategorien und Schutzfaktoren begrenzen das Entscheidungsmodell, bevor wirtschaftliche Alternativen verglichen werden. (3, 11)
Widerstandsfähigkeit gegen KPI-Theater. Betriebliche Ergebnisse sind relevanter als eine dekorative Prognosekennzahl. Der simulierte perfekte Service und die verkürzte Einführungserzählung übertreiben dennoch, was ihre Belege tragen. (12, 14)
Substanz der Entscheidungsfindung und Optimierung: 4,4/10
| Kriterium | Bewertung |
|---|---|
| Tiefe der probabilistischen Modellierung | 2/10 |
| Eigenständige Optimierungs- oder ML-Substanz | 4/10 |
| Umgang mit realen Beschränkungen | 6/10 |
| Entscheidungsautomatisierung und Arbeitsproduktivität | 5/10 |
| Belastbarkeit unter realer betrieblicher Komplexität | 5/10 |
Durchschnitt: 4,4/10.
Tiefe der probabilistischen Modellierung. Variabilität beeinflusst die Absicherung, doch dem offengelegten Mechanismus fehlen kalibrierte gemeinsame Projektionen zukünftiger Nachfrage und Versorgung. (3, 4)
Eigenständige Optimierungs- oder ML-Substanz. Pufferberechnungen sind prüfbar. Das Ziel der erlernten Politik und ihre vorausschauende wirtschaftliche Bewertung bleiben unklar. (3, 7)
Umgang mit realen Beschränkungen. Fertigungsabhängigkeiten und praktische Auftragsbeschränkungen sind abgebildet. Eine systemweite wirtschaftliche Auswahl zwischen den daraus entstehenden Alternativen ist weniger explizit. (4, 5, 8)
Entscheidungsautomatisierung und Arbeitsproduktivität. Automatische Nachversorgung und Einstellung können Routinearbeit entfernen. Veröffentlichte Vorteile messen nicht die gesamte Pflege- und Ausnahmebearbeitungsarbeit. (4, 7)
Belastbarkeit unter realer betrieblicher Komplexität. Industrieller Einsatz liefert nützliche Belege. Der beschriebene Korrekturprozess betont Einstellung und Methodentreue; er zeigt nicht, wie ein teurer Fehler zur Prüfung einer anderen wirtschaftlichen Politik führt, wenn die Pufferregel selbst ungeeignet ist. (12, 14)
Integrität von Produkt und Architektur: 5,6/10
| Kriterium | Bewertung |
|---|---|
| Architektonische Kohärenz | 6/10 |
| Klarheit der Systemgrenzen | 7/10 |
| Ernsthaftigkeit bei der Sicherheit | 4/10 |
| Software-Sparsamkeit und Gesamtbetriebskosten | 5/10 |
| Eignung für programmgesteuerte und agentengestützte Abläufe | 6/10 |
Durchschnitt: 5,6/10.
Architektonische Kohärenz. Die Betriebsmodule teilen eine konsistente Methode. Die weitergehende Integration nach der Übernahme ist technisch weniger genau beschrieben. (2, 21)
Klarheit der Systemgrenzen. Integrationsoptionen und Felddatenhoheit legen konkrete Zuständigkeiten zwischen ERP, Kunde und Anbieter fest. (15, 22)
Ernsthaftigkeit bei der Sicherheit. Identität, Isolation und Bearbeitungskontrollen adressieren praktische Gefährdungen. Unabhängigkeit der Wiederherstellung und privilegierte Integrationszugriffe benötigen vollständigere Offenlegung. (1, 16, 17, 22)
Software-Sparsamkeit und Gesamtbetriebskosten. Die sichtbare Architektur hat einen kohärenten Umfang; ihre Betriebskosten enthalten erhebliche Politik- und Integrationspflege. (15, 19, 20)
Eignung für programmgesteuerte und agentengestützte Abläufe. APIs und Massenpflege unterstützen Automatisierung über die Oberfläche hinaus. Ein Konnektor allein kann die wirtschaftliche Entscheidungsregel nicht verbessern. (13, 15, 20)
Technische Transparenz: 5,8/10
| Kriterium | Bewertung |
|---|---|
| Öffentliche technische Dokumentation | 7/10 |
| Prüfbarkeit ohne Vermittlung des Anbieters | 6/10 |
| Sichtbarkeit von Portabilität und Anbieterbindung | 5/10 |
| Transparenz der Implementierungsmethode | 7/10 |
| Belegdichte hinter technischen Behauptungen | 4/10 |
Durchschnitt: 5,8/10.
Öffentliche technische Dokumentation. Das Playbook legt bedeutsame Konfigurations- und Betriebsmechanismen offen. Neuere Lern- und Optimierungsversprechen sind weniger dokumentiert. (3, 4, 18)
Prüfbarkeit ohne Vermittlung des Anbieters. Ein technischer Käufer kann die Politik und ihre Pflegebelastung direkt untersuchen. Die aktuelle Autopilot-Bewertung zu reproduzieren erfordert weiterhin Zusammenarbeit mit dem Anbieter. (7, 18)
Sichtbarkeit von Portabilität und Anbieterbindung. Übertragungsschnittstellen und Felddatenhoheit sind dokumentiert. Die Rekonstruktion angesammelter Planungspolitiken bliebe eine erhebliche Migrationsaufgabe. (6, 19, 22)
Transparenz der Implementierungsmethode. Leitfaden und Einführungsbericht machen Konfiguration, Coaching und betriebliche Änderungen sichtbar. Das ermöglicht eine realistischere Bewertung der Gesamtbetriebskosten. (14, 18)
Belegdichte hinter technischen Behauptungen. Konkrete Berechnungen stützen engere Funktionen. Perfekte Ausführung und risikofreie Anpassung sind nicht entsprechend validiert. (7, 8, 12)
Seriosität des Anbieters: 4,2/10
| Kriterium | Bewertung |
|---|---|
| Technische Seriosität der öffentlichen Kommunikation | 4/10 |
| Integrität der Technologie-Roadmap | 6/10 |
| Begriffliche Klarheit | 4/10 |
| Wirtschaftliche Verantwortlichkeit | 3/10 |
| Verteidigungsfähigkeit in einer Welt agentischer Software | 4/10 |
Durchschnitt: 4,2/10.
Technische Seriosität der öffentlichen Kommunikation. Nützliche technische Details stehen neben absoluten Garantien und überzogener Einführungssprache. (7, 8, 14)
Integrität der Technologie-Roadmap. Die Entwicklung blieb auf eine konkrete Betriebsmethode und echte Schnittstellen konzentriert. Die breiten KI-Versprechen sind wesentlich weniger überzeugend bewertet. (2, 13)
Begriffliche Klarheit. Instabile Prioritäten zu reduzieren ist wertvoll. Verbrauchsgesteuerte Nachversorgung als Ausweg aus Prognosen darzustellen verdeckt die Zukunftsannahmen innerhalb der Politik. (1, 21)
Wirtschaftliche Verantwortlichkeit. Ergebnisberichte belegen möglichen Nutzen, lassen aber Zuordnung und Gesamtkosten offen. Methodentreue muss der Prüfung des wirtschaftlichen Nutzens der Methode untergeordnet bleiben. (14)
Verteidigungsfähigkeit in einer Welt agentischer Software. Zuverlässige Ausführung und gepflegtes Industriewissen können Wert behalten. Einfache Pufferarithmetik und Prozessunterstützung bieten weniger Schutz als nachweislich bessere Entscheidungen bei sehr geringem wiederkehrendem Arbeitsaufwand. (3, 5, 7)
Quellen
Undatierte Seiten wurden am 4. November 2026 abgerufen. Das öffentliche Playbook ist eine Implementierungsvorlage mit bebilderter Kundenkonfiguration und älterer Terminologie; seine Einstellungen werden nicht als allgemeine Produktstandards dargestellt.
[1] Aktueller Produkt- und Sicherheitsumfang
Algo, Intuiflow-Überblick. Module, Cloud-Architektur, Isolation und betriebliche Aussagen.
[2] Übernahme und Produktrichtung
Algo, Übernahme von Demand Driven Technologies, 13. Januar 2026.
[3] Pufferberechnung und Konfiguration
Demand Driven Technologies, Smart Buffer Profiler.
Demand Driven Technologies, Verarbeitungseinstellungen. Nettobedarfsrechnung, Horizonte, Prognosen, Lieferzeitverkürzung und automatische Aufträge.
Demand Driven Technologies, Workbench.
Demand Driven Technologies, Ausstehende Aufträge.
[7] Automatische Anpassung der Politik
Algo, Intuiflow Autopilot.
Algo, Planung und Ausführung.
Algo, Adaptive Absatz- und Betriebsplanung.
Intuiflow, Bedarfsplanung.
Demand Driven Technologies, Was ist DDMRP?, PDF.
[12] Historisches Pufferexperiment
Erik Bush, Demand Driven Technologies, Simulation von DDMRP-Puffern, Copyright 2020, PDF. Beschreibt das Konferenzexperiment von 2014 und spätere Parameteränderungen.
[13] Integration und KI-Versprechen vor 2023
Nextworld, Start der Intuiflow-Integration, 18. Oktober 2022.
Algo, Aptiv beschließt weltweite Einführung nach zweijährigen Piloten.
Demand Driven Technologies, Schnittstellendesign.
Demand Driven Technologies, Single Sign-on über Azure Active Directory.
Demand Driven Technologies, Konten und Zugriff.
[18] Umfang des Implementierungsleitfadens
Demand Driven Technologies, Client Playbook.
Demand Driven Technologies, Geplanter Anpassungsfaktor.
Demand Driven Technologies, Teileeigenschaften ändern.
[21] Kontinuität der Produktmethode
Demand Driven Technologies, Intuiflow-Produktbroschüre, PDF. Materialplanung, Produktionsplanung, prognosegestützte Simulationen und KI/ML-Positionierung.
[22] Felddatenhoheit und Austausch
Demand Driven Technologies, Import und Export.