Rezension von eLogii, Supply Chain Softwareanbieter

Von Léon Levinas-Ménard

Zuletzt aktualisiert: November 2025

eLogii ist eine cloudbasierte Plattform für Routenoptimierung und die Ausführung von Lieferungen bzw. Außendienstleistungen, betrieben von Brisqq Ltd, einem britischen Unternehmen, das ursprünglich ein eigenes Last-Mile-Liefernetz aufgebaut hat, bevor eLogii als eigenständiges SaaS ausgegliedert wurde. Die Software modelliert Depots, Fahrzeuge, Fahrer, Zeitpläne, Fähigkeiten, Kapazitäten und Kundenaufträge (Abholungen, Lieferungen oder Außendienstaufgaben) und berechnet anschließend eingeschränkte Fahrzeugrouten mithilfe integrierter Optimierungs-Engines, die Varianten des Vehicle Routing Problem (VRP) mit Zeitfenstern und umfangreichen betrieblichen Einschränkungen lösen. Sobald die Routen berechnet sind, werden sie den Disponenten über ein Web-Dashboard zur Verfügung gestellt, von Fahrern mittels iOS/Android-Apps ausgeführt und den Endkunden über Tracking-Links mit Live-ETA-Aktualisierungen und Zustellnachweiserfassung angezeigt. Die Plattform bietet außerdem eine REST API und Webhooks zur Integration in ERP-, WMS-, CRM- und e-Commerce-Systeme und nutzt verkehrsabhängige Fahrzeiten mit einigen machine-learning-basierten Anpassungen, um ETAs und Service-Dauern im Laufe der Zeit zu verfeinern. Kommerziell erscheint eLogii als ein kleiner, aber etablierter SaaS-Anbieter (etwa ein Dutzend Mitarbeiter und ein Umsatz im niedrigen einstelligen Millionenbereich in USD), der sich klar auf die Last-Mile-Routenführung und -Ausführung konzentriert, statt auf umfassendere supply chain Planung oder Bestandsoptimierung.

eLogii Überblick und Positionierung

Im Kern ist eLogii eine mandantenfähige SaaS-Anwendung für Routenoptimierung und mobile Einsatzplanung. Die öffentlichen Produktseiten beschreiben sie als Software für Liefermanagement und Routenoptimierung, die es Flotten ermöglicht, Ein-Tages-, Wochen-, Datumsbereich- oder Mehrtag-Operationen zu planen – mit flexiblen Optimierungsmodi, Unterstützung für mehrere Depots und einer fortgeschrittenen Konfiguration von Einschränkungen und Zielen.¹² Die Nutzungsbedingungen stellen klar, dass der Dienst von Brisqq Ltd bereitgestellt wird, die unter dem Namen „eLogii“ firmieren und den Zugriff auf die eLogii-Website sowie zugehörige Anwendungen lizenzieren.³⁴

Aus technischer Sicht lässt sich eLogii am besten wie folgt verstehen:

Ein Datenmodell für Depots, Fahrzeuge, Fahrer, Zeitpläne, Kapazitäten, Zonen und Aufgaben.
Ein Paar Optimierungs-Engines (Basis und Fortgeschritten), die Routen unter Berücksichtigung von Einschränkungen und anpassbaren Zielen erstellen.⁵⁶⁷
Eine Web-Planungsoberfläche, auf der Disponenten Aufgaben importieren, die Optimierung konfigurieren und Routen sowie KPIs überprüfen.¹⁸⁹
Mobile Apps für Fahrer unter iOS und Android zur Ausführung von Aufgaben und Erfassung des Zustellnachweises.¹⁰
Eine REST API + Webhooks, die verwendet werden, um Aufträge zu empfangen und Statusaktualisierungen an externe Systeme zu übermitteln.¹¹¹²¹³
Tracking & Benachrichtigungen, die Endkunden eine Live-ETA, den Standort des Fahrers und den Auftragsstatus anzeigen.¹¹⁴¹⁵¹⁶¹⁷

Die Plattform wird ausschließlich als Cloud-SaaS bereitgestellt (es wird kein On-Premise-Angebot beworben) und ist zudem im G-Cloud-Rahmen der britischen Regierung als schlüsselfertige Cloud-Lösung für Lieferoptimierung gelistet, wobei Brisqq Ltd als Anbieter identifiziert wird.¹⁴

Kommerziell beschreiben unabhängige SaaS-Verzeichnisse und Profile (Tracxn, CB Insights, IRONPROS, GetLatka) eLogii übereinstimmend als einen kleinen Anbieter für Routenoptimierung, der um 2019–2020 gegründet wurde, mit etwa 10–20 Mitarbeitern und einem Jahresumsatz von rund 1,5 Mio. USD im Jahr 2025.¹⁸¹⁹²⁰²¹ Brisqq selbst ist seit 2014–2015 als technologiegestützter Anbieter von Last-Mile-Lieferungen tätig und bedient Hunderte von Marken in London und anderen Städten.²²²³ Die Kundenbasis von eLogii umfasst Unternehmen aus den Bereichen Logistik, 3PL, Einzelhandel und Distribution, Food & Grocery, Gesundheitswesen und Außendienst.¹²¹⁶

Technologisch deuten die Hinweise auf einen ziemlich standardmäßigen modernen Web-Stack hin (Node.js + MongoDB-Backend, React-Frontend, Cordova-basierte hybride mobile Apps), kombiniert mit einer konfigurierbaren VRP-Optimierungs-Engine und zusätzlichen machine-learning-basierten Modellen zur Verfeinerung der ETAs.²⁴⁷¹⁴ Im Vergleich zum akademischen Stand der Technik in der kombinatorischen Optimierung und probabilistischen Entscheidungsfindung erscheint eLogii’s Ansatz kompetent und konfigurierbar, jedoch nicht eindeutig über typischen kommerziellen VRP-Lösern hinausgehend; seine „KI“-Behauptungen konzentrieren sich überwiegend auf die Verbesserung von ETAs und Analysen statt auf durchgehend erlernte Entscheidungsrichtlinien.¹⁷¹⁴²⁵²⁶

eLogii vs Lokad

Obwohl sich sowohl eLogii als auch Lokad im Kontext der Supply Chain mit “Optimierung” vermarkten, sprechen sie zwei sehr unterschiedliche Problembereiche an und verwenden deutlich unterschiedliche technische Architekturen.

Umfang der Entscheidungen. eLogii konzentriert sich auf Routenplanung und Disposition auf Ausführungsebene: Es wird entschieden, welcher Fahrer welche Haltestellen in welcher Reihenfolge anfährt – unter Berücksichtigung von Fahrzeugkapazitäten, Fahrplänen, Zeitfenstern und geografischen Einschränkungen.¹⁵⁶ Die Optimierungs-Engines lösen eine Variante des VRP mit Zeitfenstern und Kapazitäten und übermitteln diese Routen anschließend an Fahrer-Apps und Kunden-Tracking-Seiten.⁵⁶⁷¹⁰ Im Gegensatz dazu fokussiert sich Lokad auf taktische und strategische Supply Chain Entscheidungen wie Bedarfsprognosen, Bestandsnachschub, Multi-Echelon-Vertriebsplanung, Produktionsplanung und in manchen Fällen Preisgestaltung.¹¹¹⁸²⁷²⁸ Anstatt einzelne Lkw zu routen, berechnet Lokad probabilistische Bedarfsprognosen und optimiert dann Bestellmengen, Lagerallokationen und weitere Entscheidungen, um erwartete wirtschaftliche Ergebnisse (Gewinn, Betriebskapital, Servicelevels) in gesamten Netzwerken zu maximieren.

Umgang mit Unsicherheiten. Die öffentliche Dokumentation von eLogii beschreibt deterministische Optimierungs-Engines, die mit verkehrsabhängigen Fahrzeiten und „machine-learning verbesserten“ ETAs sowie Service-Dauern erweitert wurden, gibt jedoch keine probabilistischen Modelle oder vollständigen Bedarfsverteilungen preis.⁷¹⁴¹⁵¹⁰ Die Engines zielen darauf ab, die Routenlaufzeit, Distanz oder Anzahl der Fahrzeuge zu minimieren und die Arbeitslast auszugleichen – mithilfe benutzerdefinierter Ziele und festgelegter Zeitlimits.⁶⁷ Das veröffentlichte Material von Lokad hebt probabilistische Prognosen als das „dominante prädiktive Paradigma“ hervor, wobei vollständige Bedarfsverteilungen mittels differentiable programming erzeugt werden, und verweist auf objektive Belege aus dem M5 forecasting competition, bei der sein Team den 6. Platz belegte und #1 Genauigkeit auf SKU-Ebene von 909 Teams erreichte.²⁹¹¹¹⁸³⁰³¹³² Diese probabilistischen Prognosen fließen in stochastische Optimierungsalgorithmen ein, die darauf ausgelegt sind, die monetären Kosten von Fehlern bei Supply Chain Entscheidungen zu minimieren, anstatt lediglich den statistischen Prognosefehler zu reduzieren.

Architektur und Programmierbarkeit. eLogii stellt eine konfigurationsbasierte SaaS bereit: Benutzer konfigurieren Depots, Flotten, Einschränkungen und Optimierungsziele über das Dashboard oder die API; die zugrunde liegende Optimierungslogik ist nicht generell programmierbar.¹⁸⁵⁶⁷ Sein Stack ist konventionell (Node/React/Mongo, mobile Apps über Cordova) und es gibt keine öffentliche DSL oder programmierbare Modellierungsebene. Im Gegensatz dazu zentriert Lokad seine Plattform auf eine domänenspezifische Sprache (DSL) namens Envision, die auf einer benutzerdefinierten verteilten VM ausgeführt wird, wobei die gesamte Prognose- und Optimierungslogik als Code ausgedrückt wird.²⁷³⁰²⁸ Dies ermöglicht es den Kunden (mit Unterstützung von Lokad), komplexe Einschränkungen und ökonomische Treiber (z. B. Lagerkosten, Fehlmengenstrafen, Stücklistenabhängigkeiten, Wartungspläne) zu kodieren und die Modelle an sich ändernde Geschäftsanforderungen anzupassen.

Tiefe der „KI“. eLogii und mehrere Drittanbieter-Verzeichnisse beschreiben die Plattform als „KI-gestützt“ oder „machine-learning-gestützt“, insbesondere im Hinblick auf ETA-Vorhersagen und Analysen.¹²²⁵²⁶ Allerdings ist der einzige eindeutig dokumentierte ML-Einsatz die Verfeinerung von ETAs und Servicezeitschätzungen auf Basis historischer und Verkehrsdaten; die Routenplanung selbst wird als ein auf Einschränkungen basierender Optimierungsprozess dargestellt.⁷¹⁴¹⁵ Die „KI“-Behauptungen von Lokad werden durch detailliertere technische Materialien gestützt – darunter probabilistische Prognosen, differentiable programming Pipelines und maßgeschneiderte stochastische Optimierungsalgorithmen sowie durch öffentliche Benchmarks wie M5 und dokumentierte Fallstudien (z. B. Air France Industries), die groß angelegte Anwendungen zeigen.²⁹¹¹¹⁸³⁰³¹³³ Kurz gesagt, eLogii verwendet ML auf Routenebene; Lokad nutzt ML und probabilistisches Modellieren auf der netzwerkweiten Entscheidungsebene.

Platz im supply chain-Stack. eLogii befindet sich auf der Ebene der Last-Mile-Ausführung: Es wird davon ausgegangen, dass Aufträge/Aufgaben bereits existieren, und es konzentriert sich darauf, diese effizient zu liefern. Es prognostiziert nicht die Nachfrage, berechnet keine Nachschubpläne und optimiert keine Multi-Echelon-Bestände. Lokad agiert stromaufwärts als analytisches „Gehirn“, das Bedarfsverteilungen und Entscheidungsempfehlungen (Aufträge, Allokationen, Produktionspläne, Preisgestaltung) generiert, die anschließend in ERPs, WMS und – in einigen Kontexten – in Ausführungssysteme wie TMS oder Routenplaner eingespeist werden.¹¹⁴¹⁸²⁷³³ In einer geschichteten Architektur wäre eLogii näher an einem nachgelagerten Routenplaner positioniert; Lokad fungiert als Entscheidungsoptimierer der mittleren/oberen Ebene, der hochrangige Pläne einspeist.

Aus Sicht des Käufers sind diese Werkzeuge daher komplementär statt austauschbar. eLogii ist geeignet, wenn die Hauptfrage lautet: „Wir haben viele Fahrzeuge und Haltestellen; wie routen wir sie effizient und führen sie mit guten ETAs und PODs aus?“ Lokad ist angebracht, wenn die Herausforderung darin besteht: „Was sollen wir kaufen, wo sollen wir es bevorraten und wie planen wir Produktion oder Wartung unter Unsicherheit, um Gewinn oder Service zu maximieren?“ Eine Vermischung würde zu missverständlichen Erwartungen führen: eLogii ist kein vollständiges supply chain Planungssystem; Lokad ist kein Echtzeit-Routenplaner.

Unternehmenshintergrund und Geschichte

Unternehmensidentität und Ursprünge

Die Marke eLogii wird betrieben von Brisqq Ltd, einem in England und Wales gegründeten Unternehmen (Firmennummer 09226265), das ursprünglich Crowdsourced-Last-Mile-Lieferungen in London anbot.⁴²²²³³⁴ Brisqqs eigene Website beschreibt es als einen Enabler im Bereich Logistik-as-a-Service, der Unternehmen mit einer crowdsourcteten Lieferflotte mit einstündigen Lieferfenstern verbindet und nahezu 1.000 Einzelhandelsmarken bedient.²³ Die eLogii-Nutzungsbedingungen sowie die UK G-Cloud-Bedingungen besagen, dass Brisqq Ltd, das unter dem Namen eLogii operiert, den Kunden eine Lizenz zur Nutzung der eLogii-Website und zugehöriger Anwendungen erteilt.³⁴

Die eLogii Wortmarke ist als britische Marke registriert, eingereicht im März 2020, wobei Brisqq Ltd als Inhaber geführt wird; die Marke umfasst Software und verwandte Dienstleistungen.³⁵ Unabhängige Startup-Verzeichnisse (EU-Startups, IRONPROS) beschreiben eLogii als Teil der „Brisqq Group“, wobei Brisqq das Logistik-as-a-Service-Geschäft betreibt und eLogii eine cloudbasierte Plattform für Liefermanagement und Routenoptimierung bereitstellt.³⁵³⁶²⁰

Mehrere Profile deuten darauf hin, dass Brisqq seine Aktivitäten um 2014–2015 aufgenommen hat, während eLogii später, etwa um 2019, als SaaS-Produkt eingeführt wurde.²³¹⁸ Tracxn listet eLogii als 2019 gegründet auf,¹⁸ während CB Insights 2020 als Gründungsjahr angibt.¹⁹ Diese Diskrepanz lässt sich plausibel durch den Unterschied zwischen dem ursprünglichen Produkteinführungstermin (2019) und späteren Ereignissen im Zusammenhang mit Unternehmensbranding und Markenanmeldungen (2020) erklären.

Gründer und Führung

Mehrere unabhängige Quellen identifizieren:

Andrew Mukerjee – Gründer & CEO von Brisqq und Mitgründer / CEO von eLogii.²³¹⁸
Saagar Shah – Mitgründer und kommerzieller Leiter bei eLogii, außerdem Chief Commercial Officer bei Brisqq, zuvor tätig bei Capco, Morgan Stanley und McKinsey.¹⁸³⁶
Leonard Budima – CTO von eLogii (und zuvor von Brisqq), mit Erfahrung in der Optimierungssoftware für Energiesysteme und Stromnetze.²⁴

Öffentliche Organisationsdiagramme und berufliche Profile bestätigen diese Rollen und zeigen ein kleines Kernteam aus Ingenieuren und Produktmitarbeitern.²⁰²⁴

Finanzierung und Eigentümerschaft

Öffentliche Finanzierungsinformationen für eLogii selbst sind spärlich und etwas widersprüchlich:

Tracxn beschreibt eLogii als „unfunded“, ohne verzeichnete Finanzierungsrunden.¹⁸
GetLatka führt ein „M&A Offer“ im April 2025 auf, zeigt jedoch keine abgeschlossene Transaktion; außerdem wird angegeben, dass eLogii $0 an offengelegter Finanzierung erhalten hat und eine Teamgröße von etwa 14 besteht.²¹
Ein weiteres Investitionsverzeichnis stuft eLogii als „Seed stage“ ein, ohne jedoch Investoren oder Beträge zu spezifizieren.¹⁸

Im Gegensatz dazu wurden Brisqqs frühere Aktivitäten laut älterer Presseberichte durch mehrere Millionen Dollar an Finanzierung unterstützt, wobei genaue Details der Finanzierungsrunden in den gängigen Startup-Datenbanken nicht erfasst werden.²³

Angesichts des Mangels an überprüfbaren Einreichungen oder Pressemitteilungen ist die sicherste Schlussfolgerung, dass keine öffentlich dokumentierten preisgestützten Runden für eLogii existieren; es wird vermutlich hauptsächlich durch Brisqqs Cashflow und frühere Investitionen finanziert und nicht durch traditionelles Venture Capital. Bezeichnungen wie „seed“ sollten als Verzeichnis-Metadaten und nicht als bestätigte Finanzierungsereignisse betrachtet werden.

M&A-Aktivitäten

Tracxn stellt fest, dass Brisqq keine Investitionen oder Übernahmen tätigt, und es gibt keine öffentlichen Ankündigungen, dass eLogii ein anderes Unternehmen übernommen hat oder übernommen wurde.¹⁸²² Der „M&A Offer“-Eintrag von GetLatka für eLogii im April 2025 wird durch unabhängige Einreichungen oder Presseberichte nicht bestätigt und sollte daher als Hinweis auf Interesse oder Verhandlungen und nicht als abgeschlossener Deal betrachtet werden.²¹

Größe und Organisation

Die Mitarbeiterzahlen in den verschiedenen Quellen sind zwar gering, aber recht konsistent:

Tracxn und IRONPROS geben einen Bereich von 11–50 Mitarbeitern an.¹⁸²⁰
Kontaktbasierte Tools und GetLatka deuten auf ein Team von ~14 Personen im Jahr 2025 hin.²¹²⁴

Kombiniert mit Umsatzschätzungen von rund 1,5 Mio. USD pro Jahr positioniert sich eLogii eindeutig im Segment der kleinen SaaS-Anbieter, mit einem fokussierten Produkt und moderater, aber nicht unerheblicher kommerzieller Traktion.²¹

Produktumfang und funktionale Fähigkeiten

Problemfeld

Das Kernfeld von eLogii ist Routenoptimierung und Lieferung / Außendienst-Ausführung. Die Produktseiten und Hilfecenter-Dokumente heben hervor:

Branchen: Logistik und 3PL, Einzelhandel und Distribution, Lebensmittel- und Restaurantlieferungen, Gesundheitswesen und Pharma, Post- und Kurierdienste sowie Außendienstleistungen wie Schädlingsbekämpfung oder Gebäudemanagement.¹²¹⁶
Anwendungsfälle: Last-Mile-Lieferung, Multi-Drop-Verteilung, geplante Servicebesuche, Abhol- & Liefermissionen sowie verschiedene Formen der mobilen Einsatzplanung.¹²⁸

Das zentrale Konzept ist die Aufgabe, die eine Abholung, eine Lieferung oder einen Außendienstauftrag mit einem bestimmten Standort, Zeitfenster, Servicedauer, Kapazitätsverbrauch und optionalen Kundenattributen darstellt.⁸⁹

Stammdaten- und Betriebsmodellierung

Das Konfigurationsmodell von eLogii umfasst:

Depots – Standorte, an denen Fahrzeuge Routen starten/beenden, nachladen oder Inventar lagern können (Lagerhäuser, zentrale Küchen, Hubs etc.).⁸⁹
Fahrzeuge – definiert mit Kapazität (möglicherweise mehrdimensional), Eigenschaften und Zuweisungen zu Depots und Fahrern.⁸⁹²⁹
Fahrer – mit Arbeitszeiten, Teamzugehörigkeit, Fähigkeiten, Qualifikationen und zugewiesenen Fahrzeugen.⁸⁹²⁹
Dimensionen – generische Kapazitätseinheiten wie Gewicht, Volumen, Paletten, Kartons oder Auftragsanzahl, die in Kapazitäts- und Ausnutzungsberechnungen verwendet werden.⁸
Zonen – geografische Aufteilungen des Einsatzgebiets (Postleitzahlen oder Polygone), die für Zoneneinschränkungen und Fahrerzuweisungen genutzt werden.⁸⁹

Diese Entitäten können über das Dashboard konfiguriert, per CSV importiert oder über die API verwaltet werden.⁸⁹¹¹¹²¹³

Routenoptimierung & Disposition

Der Hilfsartikel Optimierung und die zugehörige Dokumentation definieren Optimierung als den Prozess der Zuweisung von Aufgaben an Fahrer unter Einhaltung von Einschränkungen und zur Minimierung des Ressourceneinsatzes.⁹⁶ Wichtige Punkte:

Die Optimierung kann durchgeführt werden für:
- Einen einzelnen Tag.
- Einen Zeitraum von Daten.
- Mehrtägige Routen (Aufgaben, die mehrere Tage umfassen).
- Ausgewählte Teams oder Teilmengen von Aufgaben/Fahrern (z. B. „für Ausgewählte optimieren”).⁹⁶¹⁵²³
Zwei Engines werden bereitgestellt:
- Basis-Engine (Standard): Ziel ist es, die Gesamtdauer der Route zu minimieren und dabei so wenige Fahrer wie möglich einzusetzen, während möglichst viele Aufgaben bedient werden, unter Berücksichtigung von Einschränkungen wie Fahrzeugspezifikationen, Fähigkeiten, Zonen und Arbeitszeiten.⁷¹⁵²³
- Erweiterte Engine: Ermöglicht eine feinere Steuerung der Optimierungsziele (z. B. Minimierung von Kosten, Distanz, Fahrzeugen, Routenendzeit; Ausgleich der Arbeitslast nach Aufträgen, Distanz oder Dauer; Priorisierung von Clustern, Aufgabenpriorität/-wert) und umfasst einstellbare Optimierungszeitfaktoren, allerdings auf Kosten längerer Laufzeiten.⁷²⁹
Beide Engines unterstützen manuelle Reoptimierung und Auto-Optimierung, die durch Aktionen wie das Hinzufügen von Aufgaben oder das Auswählen von Routen und Klicken auf „Reoptimiere“ ausgelöst werden.⁹³⁷¹⁷

Das übergeordnete Ziel ist es, so viele Aufgaben wie möglich möglichst effizient mit so wenigen Fahrern wie möglich zu erledigen, unter Einhaltung von Einschränkungen wie Kapazität, Zeitfenstern, Zonen und Fahrerplänen.⁹⁶⁷ Dies ist das klassische VRP mit Zeitfenstern und umfangreichen Einschränkungen.

Ausführung und Fahrerablauf

Fahrer interagieren über die Fahrer-App, die für iOS und Android verfügbar ist.¹⁰ Die App:

Ermöglicht es Fahrern, sich mit einer Organisations-ID, einem Benutzernamen und einem Passwort anzumelden.
Zeigt zugewiesene Aufgaben und Routen in Listen- und Kartenansichten an.
Bietet Navigation über externe Karten-Apps (Google Maps, Waze, HERE, Yandex).
Ermöglicht es Fahrern, den Aufgabenstatus zu aktualisieren (angekommen, abgeschlossen, fehlgeschlagen etc.) und den Zustellnachweis zu erfassen (Unterschriften, Fotos, Notizen).¹⁰³⁸

Aktualisierungen des Aufgabenstatus fließen in das zentrale System zurück und ermöglichen Live-Tracking sowie eine Neuberechnung der ETA.¹⁴¹⁵

Tracking, Benachrichtigungen und Kunden-UX

eLogii unterstützt E-Mail- und SMS-Benachrichtigungen, die durch Ereignisse im Aufgabenlebenszyklus (z. B. Routenstart, Fahrer in der Nähe, abgeschlossen) ausgelöst werden und Tracking-Links enthalten, über die Endkunden Folgendes einsehen können:

Live-ETA.
Live-Fahrerstandort.
Aufgabenhistorie/-ereignisse.
Zustellnachweis.
Bewertungs-/Feedback-Formulare.¹¹⁴¹⁵¹⁶¹⁷

Die Tracking-Seiten können mit dem Branding des Kunden gebrandet und darauf beschränkt werden, nur bestimmte Felder anzuzeigen.¹¹⁶¹⁷

Analysen und Berichterstattung

Marketingunterlagen und Vergleichsseiten verweisen auf Analysen und Kostenkalkulationen als Teil der Plattform, einschließlich:

Operative KPIs (erledigte Aufgaben, Pünktlichkeitsrate, Fahrerauslastung).
Kostenschätzung und Kraftstoffverbrauch.
Historische Leistungsvergleiche (z. B. geplante vs. tatsächliche ETAs).¹²¹⁶³⁹

Die Dokumentation selbst konzentriert sich mehr auf die operative Konfiguration als auf Analysen, aber Kundenbewertungen erwähnen Dashboards und Berichterstattung als Teil des Produkts.⁴⁰

Optimierungs-Engines, „KI“ und technische Tiefe

Deterministischer Optimierungskern

Der Artikel Optimierungs-Engines bietet den klarsten Einblick in die Solver-Interna.⁷ Die Basis-Engine:

Nutzt historische und aktuelle Routeninformationen (Verkehrsbedingungen, durchschnittliche Reisegeschwindigkeiten), um Fahrzeiten zu berechnen.
Erstellt Routen unter Berücksichtigung von Einschränkungen (Fahrzeugspezifikationen, Fähigkeiten, Zonen, Fahrerplänen, Zeitfenstern, Kapazität).
Minimiert die Gesamtdauer der Route und tendiert daher dazu, das kleinstmögliche Set an Fahrern einzusetzen, das alle Aufgaben bedienen kann.
Unterstützt mehrtägige Routen und automatische Depotnachladungen, wenn die Kapazität überschritten wird.⁷²⁹¹⁵

Die Erweiterte Engine:

Baut auf demselben Datenmodell auf, bietet jedoch benutzerdefinierte Zielfunktionen, bei denen Nutzer verschiedene Metriken priorisieren können: Anzahl der Aufgaben, Kosten, Distanz, Dauer, Fahrzeuge, Routenendzeit, Clusterbildung, Aufgabenpriorität usw.
Enthält Lastenausgleichsmodi: „effizienteste Route“, „Anzahl der Routen ausbalancieren“ (nach Aufträgen, Dauer oder Distanz) oder „alle Fahrer einsetzen / so schnell wie möglich beenden“.
Verfügt über Steuerungsmöglichkeiten für Optimierungszeitfaktoren und Zeitlimits, die es den Nutzern erlauben, die Lösungsqualität gegen die Laufzeit abzuwägen.⁷²⁹

Diese Konfiguration stimmt mit einem metaheuristischen VRP-Solver überein (z. B. Large Neighborhood Search, Tabu Search, genetische Algorithmen), obwohl die spezifischen Algorithmen nicht offengelegt werden. Das Vorhandensein von Zeitlimits und mehreren Zielen deutet stark auf eine heuristische Suche anstelle einer exakten gemischt-ganzzahligen Optimierung hin.

ETA-Berechnung und Verkehr

Die ETA-Dokumentation von eLogii beschreibt eine separate Schicht für ETA-Skalierung und Routen-ETA-Berechnung.¹⁴ Wichtige Elemente:

Fahrzeiten können statische oder dynamische Verkehrsdaten beinhalten, abhängig von der Konfiguration und dem Kartenanbieter.
Das System führt sowohl geplante ETAs (zur Planungszeit) als auch Live-ETAs und aktualisiert letztere, während die Fahrer fortschreiten und neue Informationen eingehen.¹⁴¹⁵
Nutzer können Live-ETA-Aktualisierungen deaktivieren, wenn sie die ursprünglichen Schätzungen konstant halten möchten.¹⁵

Die Hauptmarketingseite behauptet, dass „eLogii die genauesten ETAs auf dem Markt ermöglicht [und] ETAs ständig durch Machine Learning verbessert werden, während Echtzeitdaten durch die Plattform fließen.”¹² CB Insights fasst eLogii ähnlich zusammen, indem es „Machine Learning-basierte ETA-Vorhersagen“ anbietet.¹⁹ Zusammen deuten diese Aussagen darauf hin, dass Machine Learning hauptsächlich dazu verwendet wird, Fahrzeiten und Servicedauern anhand historischer Ausführungsdaten zu kalibrieren, und nicht, um den Kern des kombinatorischen Optimierungssolvers zu ersetzen.

Aussagen zu „KI-gestützten“ Funktionen

Drittanbieter-Einträge wie Omdena und Daidu.ai beschreiben eLogii als eine „KI-gestützte Logistikplattform“ mit intelligenter Routenoptimierung und Analysen.²⁵²⁶ Allerdings gibt es keine öffentliche Quelle (Dokumentation, Veröffentlichungen, Patente, Open-Source-Code), die die Architektur dieser KI-Komponenten über die oben genannten Hinweise auf ETA und Analysen hinaus detailliert.

Eine vorsichtige technische Bewertung lautet daher:

Die zentrale Optimierung bleibt ein einschränkungsbasierter VRP-Solver mit klassischen OR-Heuristiken.
Machine Learning scheint auf der Ebene der ETA-Vorhersage und Leistungsanalysen eingesetzt zu werden und nicht als allgemeiner Policy-Lerner für die Routenkonstruktion.

Daher, auch wenn es zutreffend ist zu sagen, dass eLogii ML-verbesserte Routenführung verwendet, wäre es irreführend, es als ein tief in KI verwurzeltes Entscheidungssystem zu betrachten, in dem gleichen Sinne wie Plattformen, die eine end-to-end probabilistische Entscheidungsoptimierung implementieren.

Architektur und Technologiestack

Architektur auf hoher Ebene

Aus den API-Dokumentationen, dem Hilfezentrum und dem allgemeinen Verhalten der Plattform lässt sich ableiten:

Multi-Mandanten-Cloud-Backend:
- REST-API über HTTPS (api.elogii.com und Sandbox-Subdomains) mit ressourcenbasierten URLs und JSON-Payloads.¹¹¹²¹³
- Ressourcen für Aufgaben, Kunden, Depots, Fahrer, Fahrzeuge, Routen, Zonen und Optimierungsjobs.¹¹¹²¹³
- Webhooks für ereignisgesteuerte Integrationen mit externen Systemen.¹¹¹³
Web-Dashboard:
- Single-Page-Anwendung unter dash.elogii.com oder ähnlich, verwendet für Konfiguration, Planung und Analysen.¹⁸⁹
- Bietet Karten- und Zeitachsenansichten für Aufgaben, Fahrerrouten und Optimierungsergebnisse.¹²⁸
Mobile Apps:
- iOS/Android-Apps, entwickelt mit Cordova und JavaScript-Frameworks, die von Fahrern zur Ausführung von Aufgaben und Erfassung von PODs genutzt werden.¹⁰²⁴
Mapping-Anbieter:
- Integration mit externen Karten- und Navigationssystemen (Google Maps, Waze, HERE, Yandex) für Geocoding und Navigation.¹⁰³⁸
Optimierungsdienst:
- Backend-Dienst, der aufgerufen wird, wenn Nutzer im Planungsscreen oder über die API auf „Optimieren“ klicken; verwendet die Basis- oder Erweiterte Engine zusammen mit benutzerdefinierten Optimierungsoptionen oder Voreinstellungen.⁹⁷²⁹¹³¹⁷

Dieses Gesamtkonzept stimmt im Großen und Ganzen mit anderen modernen Logistik-SaaS-Plattformen überein.

Sprachen und Frameworks

eLogii veröffentlicht keinen offiziellen Tech-Stack, aber mehrere Entwicklerprofile auf unabhängigen Seiten (z. B. TheOrg) deuten darauf hin, dass die an eLogii arbeitenden Ingenieure Folgendes genutzt haben:

Node.js mit dem Hapi-Framework und Mongoose (MongoDB ORM) im Backend.
MongoDB als primären Datenspeicher.
React für die Single-Page-Dashboard-Oberfläche.
Cordova für hybride mobile Anwendungen.²⁴

Diese Hinweise, kombiniert mit dem beobachtbaren Verhalten der Anwendung, stützen die Annahme, dass eLogii auf einem JavaScript-lastigen Stack (Node + React + MongoDB) mit Cordova-basierten Fahrer-Apps läuft – technisch mainstream und gut verständlich, statt exotisch.

Bereitstellungs- und Rollout-Methodik

Onboarding-Ablauf

Die Getting Started-Anleitungen skizzieren eine typische Implementierungssequenz:⁸⁵⁹

Kontoeinrichtung und Anmeldung im Web-Dashboard.
Organisationseinstellungen, insbesondere die Zeitzoneneinstellung (kritisch für korrekte ETAs und Planungshorizonte).
Stammdatenkonfiguration:
- Depots, Dimensionen, Fahrzeuge, Fahrer und Teams definieren.
- Fahrerarbeitszeiten und Ausnahmen konfigurieren.
Aufgabenerfassung:
- Aufgaben manuell erstellen, CSVs mit Adressen importieren (beim Import geokodet) oder Aufgaben über die API von ERPs, WMS, CRM, E-Commerce etc. senden.⁸⁹¹¹¹³
Planung und Optimierung:
- Verwenden Sie den Planungsscreen für einen bestimmten Tag oder Zeitraum, sehen Sie unzugewiesene Aufgaben und verfügbare Fahrer und lösen Sie die Optimierung mit der Basis- oder Erweiterte Engine aus.⁹⁷²⁹
Ausführung:
- Fahrer installieren die App, melden sich an, folgen ihrer Route, aktualisieren Aufgabenstatus und erfassen PODs.¹⁰
Tracking und Benachrichtigungen:
- Konfigurieren Sie Benachrichtigungsvorlagen und Tracking-Links; überwachen Sie Live-ETAs und den Aufgabenzustand über das Dashboard.¹⁴¹⁵¹⁶
Integration und Automatisierung:
- Verwenden Sie API-Schlüssel, Webhooks und Auto-Optimierung, um sich mit vorgelagerten Systemen zu integrieren und Teile des Ablaufs zu automatisieren.¹¹¹³³⁷¹⁷

Bereitstellungsmodell

eLogii wird ausschließlich als Cloud-Service verkauft; es werden keine On-Premise-Bereitstellungsoptionen angeboten. Dies steht im Einklang mit:

G-Cloud-Dokumentation, die den Service als „Software as a Service“ beschreibt.⁴
Öffentliche Preis- und Vergleichsseiten, die Abonnementstufen mit verschiedenen Funktionspaketen anstelle von dauerhaften Lizenzen zeigen.²³

Implementierungen betreffen damit in erster Linie die Datenintegration und Konfiguration statt der Softwareinstallation.

Vom Nutzer berichtete Erfahrungen

Nutzerbewertungen in wichtigen Softwareverzeichnissen (Capterra, SoftwareAdvice, SourceForge) heben durchgängig hervor:

Benutzerfreundlichkeit der Oberfläche.
Einfachheit der Implementierung im Vergleich zu Alt-Systemen.
Fähigkeit, von kleinen Flotten bis hin zu Operationen an mehreren Standorten zu skalieren.⁴⁰

Diese sind zwar anekdotisch, bestätigen jedoch weitgehend eLogii’s Positionierung als relativ leichtgewichtiger, schnell einsetzbarer SaaS, statt als schwergewichtiges Enterprise-Paket.

Kunden, Sektoren und Geografien

Namentlich genannte Kunden (selbstberichtend)

Die Marketingmaterialien und Stellenausschreibungen von eLogii listen mehrere namenhafte Kunden auf:

Northern Care Alliance / NHS (UK) – NHS Trust, der zitiert wird, eLogii zur Verbesserung der Logistik in Einrichtungen einzusetzen.¹²⁴⁰
Porcelanosa – Spanische Keramik-/Fliesen-Gruppe, die als globaler Kunde genannt wird.⁴⁰
Ananas – E-Commerce-Anbieter, der in Fallstudien erwähnt wird.²¹⁶
Vergo Pest Management (ehemals Terminix UK) – Gegenstand einer Fallstudie zur Optimierung des Außendienstes.¹⁶¹⁷
Richburns und Baycorp – Inkasso- und Außendienstkunden, die in Fallstudien über Routeneffizienz und Digitalisierung vorgestellt werden.¹⁶⁴¹

Eine Stellenausschreibung für einen Senior Content Writer bei Brisqq erklärt ausdrücklich, dass die Technologie von eLogii „von globalen Kunden, darunter Porcelanosa, Ananas und der britische National Health Service, vertrauensvoll eingesetzt wird.”⁴⁰

Wichtiger Hinweis: Diese Angaben werden selbst berichtet von eLogii/Brisqq; eine unabhängige Bestätigung über Kunden-Pressemitteilungen oder Berichterstattung durch Dritte wurde in den geprüften Quellen nicht gefunden. Sie sind daher plausibel, aber nicht extern verifiziert.

Sektor und Geografie

Aus verschiedenen Quellen wird eLogii konsequent so positioniert, dass es:

Den Einzelhandel, E-Commerce, Lebensmittel, Logistik/3PL, Gesundheitswesen, Post-/Kurier- und Außendienstindustrien bedient.¹²¹⁶³⁵²⁰²⁵
Mit Hauptsitz in London, UK, und Operationen, die länderübergreifende Routen unterstützen können.¹²²³⁵¹⁹²⁰

Die Aufnahme in das britische G-Cloud-Framework und die Präsenz auf Marktplätzen des öffentlichen Sektors deuten auf eine gewisse Verbreitung im britischen Regierungs- oder quasi-regierunglichen Kontext hin.⁴ eLogii wird zudem von Logistiktechnologie-Analysten und Vergleichsseiten als eine von mehreren SaaS-Lösungen für Routenoptimierung aufgeführt.¹⁶³⁵²⁵³⁹

Kundengröße

Es werden keine offiziellen Kundenzahlen genannt, aber:

Brisqq gibt an, dass fast 1.000 Marken seine Logistik-as-a-Service-Lösungen nutzen.²³
GetLatka schätzt den Umsatz von eLogii auf etwa USD 1.5M im Jahr 2025.²¹
Bedeutende Software-Bewertungsplattformen führen dutzende Bewertungen für eLogii, was auf mindestens Dutzende (wahrscheinlich mehr) zahlende oder Testkunden schließen lässt.⁴⁰

Insgesamt unterstützt dies das Bild einer mäßigen kommerziellen Akzeptanz: eLogii ist weder ein winziges experimentelles Produkt noch ein großer Unternehmensanbieter, sondern ein kleiner, aktiver SaaS-Anbieter.

Geschäftliche Reife und Marktposition

Zusammenfassend die Beweise:

Alter: eLogii ist seit ungefähr 2019–2020 auf dem Markt.¹⁸¹⁹
Team: rund 14 Mitarbeiter, die im Laufe der Zeit leicht gewachsen sind.²⁰²¹²⁴
Umsatz: laut einer externen Schätzung ungefähr USD 1.5M/Jahr ab 2025.²¹
Finanzierung: keine öffentlich dokumentierten Runden; vermutlich von den Gründern/der Muttergesellschaft finanziert anstatt durch Risikokapital.¹⁸¹⁹²¹
Kundenbasis: über mehrere Branchen verteilt, mit einem Mix aus KMU bis mittelständischen Einsätzen sowie einigen größeren Namen, die behauptet werden, aber nicht unabhängig validiert sind.¹²¹⁶⁴¹⁴⁰

Dieses Profil passt zu einem kleinen, aber etablierten SaaS-Anbieter mit einer klar definierten Nische (Routenoptimierung und -ausführung) und mehreren Jahren realer Nutzung, aber ohne das Kapital oder die Bandbreite eines großen Unternehmensanbieters von Planungslösungen.

Lücken, Unsicherheiten und Abweichungen

Einige Punkte bleiben unsicher oder widersprüchlich:

Gründungsjahr – Tracxn und einige Lebensläufe geben 2019 an; CB Insights und einige Verzeichnisse listen 2020 auf.¹⁸¹⁹ Dies spiegelt wahrscheinlich den Unterschied zwischen dem ursprünglichen Produktstart und späteren Unternehmens-/Markenzeichen-Meilensteinen wider.
Finanzierung und M&A – Verzeichnisse unterscheiden sich, ob eLogii über „Seed“-Finanzierung verfügt oder vollständig unfinanziert ist; GetLatka berichtet über ein „M&A-Angebot“ ohne Nachweis einer Abwicklung.¹⁸¹⁹²¹ In Ermangelung formeller Einreichungen ist es sicherer, diese als unbestätigt zu behandeln.
Kundenreferenzen – Genannte Kunden (NHS, Porcelanosa, Ananas, Vergo, Richburns, Baycorp) finden sich nur in eLogiis eigenem Marketing und Stellenausschreibungen; es gibt keine unabhängigen Pressemitteilungen, die spezifische Einsätze bestätigen.¹⁶¹⁷⁴¹⁴⁰
Tiefe der KI – eLogii und Drittanbieter-Websites verwenden häufig den Ausdruck „KI-gestützt“,¹²²⁵²⁶ aber der einzig konkret beschriebene Einsatz von ML betrifft die ETA- und Servicezeitabschätzungen; es gibt keine öffentlichen technischen Details oder Benchmarks für tiefere KI-Komponenten.

Diese Unsicherheiten untergraben nicht die grundlegende Einordnung von eLogii als eine Plattform für Routenoptimierung und -ausführung, sie schränken jedoch ein, inwieweit man seine Aussagen zu Finanzierung, prominenten Kunden und KI-Expertise bewerten kann.

Fazit

Aus rein technischer und evidenzbasierter Sicht bietet eLogii eine kompetente, konfigurierbare SaaS-Plattform für die Last-Mile-Routenoptimierung und mobile Workforce-Ausführung, betrieben von Brisqq Ltd aus London und eingesetzt in verschiedenen Bereichen der Logistik, des Einzelhandels und des Außendienstes. Die Fähigkeiten der Plattform – mehrtägiges VRP, umfangreiche Einschränkungen, Fahrer-Apps, Tracking-Links, Benachrichtigungen und Integrationen – sind gut dokumentiert und etwa auf dem Niveau zeitgenössischer kommerzieller Angebote für Routenoptimierung.¹⁵⁶⁷¹⁰

Die Optimierungs-Engines sind eindeutig auf der Grundlage klassischer Operations Research entwickelt: ein grundlegender heuristischer VRP-Löser und eine fortgeschrittene Engine mit mehreren Zielen und Lastenausgleichsmodi, beide anpassbar mit Zeitlimits und Voreinstellungen.⁶⁷²⁹ Maschinelles Lernen scheint eine gezielte Rolle bei der Verfeinerung von ETAs und Servicezeiten zu spielen, anstatt den Kern der Routenkonstruktion voranzutreiben.⁷¹⁴¹⁵ Daher sollte die „KI-gestützte“ Markenbezeichnung von eLogii als OR-plus-ML-verbesserte Routenplanung interpretiert werden und nicht als ein grundsätzlich KI-eigenes Entscheidungssystem.

Architektonisch verwendet eLogii einen gängigen Node/React/Mongo-Stack mit auf Cordova basierenden mobilen Clients, verpackt als Multi-Tenant-SaaS mit REST-APIs und Webhooks.¹¹¹²¹³²⁴ Dieses Design ist pragmatisch und bekannt, jedoch nicht ungewöhnlich. Geschäftlich ist das Unternehmen zu einer bescheidenen, aber stabilen Größenordnung gewachsen (niedrige Millionen an Jahresumsatz, ungefähr ein Dutzend Mitarbeiter, mehrere Dutzend oder mehr Kunden) ohne öffentlich sichtbare Risikokapitalfinanzierung.¹⁸²⁰²¹

Im Vergleich zu Lokad arbeitet eLogii auf einer anderen Ebene des supply chain-Technologie-Stacks: Es optimiert Fahrzeugrouten und steuert die Ausführung, während Lokad optimiert, was unter Unsicherheit eingekauft, gelagert, produziert oder bepreist wird – mittels probabilistischer Prognosen und benutzerdefinierter Entscheidungsmodelle.¹¹⁴¹⁸²⁷³⁰³¹³³ Für Organisationen, die bereits über eine robuste Nachfrage- und Bestandsplanung verfügen, aber moderne Routen- und Ausführungstools vermissen, kann eLogii eine wichtige Lücke in der Last Mile schließen. Für diejenigen, die eine End-to-End, unsicherheitsbewusste Optimierung ihrer gesamten supply chain anstreben, richtet sich ein Tool wie Lokad an eine viel breitere Problemklasse.

Zusammenfassend lässt sich eLogii am besten als ein spezialisierter Anbieter für Routenoptimierung und Lieferausführung charakterisieren, der über eine solide, auf Operations Research basierende Engine, moderate ML-Erweiterungen und eine kleine, aber reale Marktdurchdringung verfügt. Seine Stärken liegen in der operativen Flexibilität und den Ausführungsfunktionen; seine Schwächen sind die mangelnde Transparenz der algorithmischen Interna, begrenzte Belege für tiefgehende KI-Fähigkeiten und ein kommerzieller Fußabdruck, der eher zu einem kleinen, unabhängigen SaaS passt als zu einer großen Unternehmensplattform.