Überprüfung von GEP, Supply Chain und Beschaffungssoftware-Anbieter

Von Léon Levinas-Ménard

Zuletzt aktualisiert: November, 2025

GEP ist ein US-amerikanischer Anbieter von Beschaffungs- und supply chain Software, der aus einem Beratungs- und Outsourcing-Geschäft hervorgegangen ist und heute eine breite Cloud-Suite anbietet, die den gesamten Source-to-Pay-Prozess (GEP SMART), supply chain Ausführung und -Planung (GEP NEXXE) sowie plattformübergreifende KI-Schichten (QUANTUM Low-Code-Plattform und MINERVA AI/ML-Engine) umfasst und auf Microsoft Azure läuft. Über etwa 25 Jahre hat GEP eine beträchtliche Anzahl an Unternehmenskunden aufgebaut, insbesondere im Bereich Beschaffung, und sich in jüngerer Zeit als eine „KI-gestützte“ Plattform positioniert, die Azure SQL Database, Azure Marketplace-Bereitstellung und Azure OpenAI-Integrationen für generative Funktionen nutzt. Die Suite deckt einen weiten Funktionsumfang ab – Beschaffungsworkflows, Lieferantenkollaboration, Logistiktransparenz, Monitoring im Stil eines Control Towers und einige Planungsfunktionen – doch öffentliche technische Materialien beschreiben hauptsächlich Workflow-Automatisierung, Analysen und generative Unterstützung, mit nur begrenzten Details zu den zugrunde liegenden Prognose- und Optimierungsalgorithmen, die die tatsächlichen supply chain Entscheidungen steuern. Betrachtet man sie oberflächlich, erscheint GEPs Technologie kommerziell ausgereift und cloud-native, ist jedoch technisch eher einer unternehmensweiten Prozess- und Sichtbarkeitsschicht mit KI-verbesserten Analysen zuzuordnen als einer tief quantitativen Optimierungs-Engine für Inventar, Kapazität und Preisgestaltung.

GEP Überblick

Die Ursprünge von GEP gehen auf 1999 zurück, als Global eProcure von einer Gruppe indischstämmiger Unternehmer gegründet wurde und seinen Hauptsitz in Clark, New Jersey hat. Das Unternehmen kombinierte strategische Sourcing-Beratung mit ausgelagerten Beschaffungsprozessen und frühen E-Sourcing-Tools.¹ In den 2000er-Jahren expandierte das Unternehmen durch globale Delivery Centers in Indien und anderswo und wuchs vor allem als Dienstleistungsunternehmen, das zudem proprietäre Technologie zur Unterstützung von Sourcing und Spend Management lizenzierte.¹² Um sich in den frühen 2010er-Jahren über die Beschaffung hinaus in Richtung einer umfassenderen supply chain Ausführung und -Planung zu entwickeln, wurde Global eProcure in GEP umbenannt und positionierte sich schrittweise als einheitlicher Anbieter von Software und Dienstleistungen, was in der Einführung von SMART by GEP gipfelte, später verkürzt zu GEP SMART, als einzige, cloudbasierte Source-to-Pay (S2P)-Plattform.¹³

Um über die Beschaffung hinaus in eine breitere supply chain Ausführung und -Planung zu expandieren, tätigte GEP mehrere Akquisitionen. Im Jahr 2012 erwarb man Enporion, eine US-basierte B2B-Plattform und supply chain Management-Plattform, die den Energiesektor und Versorgungsunternehmen bedient, in einem von FreightWaves berichteten Geschäft, das auch durch GEPs eigene Pressemitteilung bestätigt wurde.⁴⁵ Im Jahr 2024 erwarb GEP das Beschaffungs-, E-Invoicing- und AP-Automatisierungsgeschäft von OpusCapita, wodurch nordische und europäische Kunden sowie Technologie mit Fokus auf Purchase-to-Pay und Rechnungsverarbeitung hinzugewonnen wurden.⁶⁷ Sekundärquellen wie Owler listen weitere Akquisitionen (zum Beispiel COSTDRIVERS und DATAMARK) auf, die die Analyse- und Managed-Services-Fähigkeiten erweitern, obwohl diese in öffentlichen technischen Materialien nur dürftig dokumentiert sind.⁸

Heute präsentiert sich GEP als integrierter Anbieter von Beratung, Managed Services (BPO) und GEP SOFTWARE, der Dachmarke, die GEP SMART (S2P), GEP NEXXE (supply chain) und die KI/Low-Code-Schichten GEP MINERVA und GEP QUANTUM umfasst.¹⁹ Die Analystenberichterstattung (z. B. Spend Matters) beschreibt GEP als einen „hybriden“ Anbieter: teils Strategieberatung, teils ausgelagerter Beschaffungsbetreiber, teils Softwareunternehmen.³ Kommerziell behauptet GEP, Hunderte große Unternehmenskunden in den Bereichen CPG, Pharma, Fertigung, Finanzdienstleistungen und Energie zu haben, die entweder mehrere zehn oder hunderte Milliarden an Ausgaben verwalten – Zahlen, die in Firmenprofilen auf Everipedia und Umbrex wiederholt werden, aber nicht unabhängig geprüft sind.¹²

Gartner’s Magic Quadrant for Source-to-Pay Suites 2025 platzierte GEP im Leaders-Quadranten, unter Berufung auf seine einheitliche S2P-Vision und starke Kundenbindung in komplexen globalen Organisationen.⁹ Allerdings beschränkt sich diese Anerkennung auf den S2P-Bereich; es gibt keinen äquivalenten Magic Quadrant-Eintrag für GEP im Kernbereich der supply chain Planung. Insgesamt deuten öffentliche Belege darauf hin, dass GEP ein kommerziell etablierter Anbieter von Beschaffungstechnologie mit wachsenden Ambitionen im Bereich supply chain ist, jedoch im letzteren Bereich weitaus weniger extern validiert wird.

GEP vs Lokad

GEP und Lokad befassen sich beide mit supply chain Problemen, jedoch aus grundlegend unterschiedlichen Perspektiven. Ein direkter Vergleich ist nur sinnvoll, wenn diese strukturellen Unterschiede explizit gemacht werden.

Umfang und Produktgestaltung. GEP verkauft eine breite Enterprise-Suite: GEP SMART für Source-to-Pay, GEP NEXXE als supply chain Plattform und plattformübergreifende KI/Low-Code-Schichten (MINERVA, QUANTUM) sowie umfangreiche Beratungs- und Managed Services. Sein Schwerpunkt liegt auf durchgängigen Beschaffungsworkflows (Sourcing, Verträge, Lieferantenmanagement, Rechnungsstellung) mit angrenzender supply chain Sichtbarkeit und Kollaboration. Lokad hingegen ist eine eng fokussierte, aber tiefgehende Plattform, die sich fast ausschließlich auf quantitative supply chain Planung und Optimierung konzentriert – Nachfrageprognosen, Inventar- und Kapazitätsentscheidungen, einige Preisgestaltungen – und nicht versucht, S2P-, ERP- oder WMS-Systeme zu ersetzen. Lokad muss sich in den bestehenden Procurement/ERP-Stack eines Kunden integrieren (der auch GEP beinhalten kann); GEP hingegen strebt an, selbst das transaktionale Rückgrat zu bilden.
Architektur und Programmierbarkeit. Die Suite von GEP ist ein cloud-native, Azure-gehosteter Applikations-Stack. SMART und NEXXE werden über den Azure Marketplace angeboten, aufgebaut auf Azure SQL Database und weiteren Azure-Diensten.¹⁰¹¹¹² Öffentlich zugängliches Material und Ingenieurprofile deuten auf eine Microservices-Architektur mit einer Low-Code-Schicht und einem Plugin-ähnlichen Frontend hin, das gängige Webtechnologien nutzt; das Backend von NEXXE wird als Microservices mit Saga-Orchestrierung beschrieben, und die Plattform wird explizit als Low-Code/No-Code für Workflow-Anpassungen positioniert.¹³¹⁴ Lokad hingegen betreibt einen hausinternen Technologie-Stack, der sich um seine domänenspezifische Sprache Envision zentriert, unterstützt durch einen ereignisbasierten Speicher und eine verteilte VM. Die Plattform ist programmierbar an erster Stelle: Jede Prognose und Optimierung erfolgt als Code, anstatt über eine Low-Code-Benutzeroberfläche konfiguriert zu werden. Dies macht Lokad näher an einer supply chain-spezifischen Analyse-Engine; GEP hingegen ist näher an einer verallgemeinerten Enterprise-Applikations-Suite, erweitert durch Low-Code.
Entscheidungsmodell und „KI“. GEPs KI-Erzählung hebt MINERVA hervor – eine AI/ML-Engine, die nun Microsofts generative KI via Azure OpenAI integriert – und QUANTUM, eine Low-Code-Plattform, die als „AI-first“ vermarktet wird.¹⁵⁹ Im Bereich supply chain verspricht NEXXE „fortgeschrittene KI und ML, um reale supply chain Probleme zu lösen“, prädiktive Einblicke und Closed-Loop-Planung.¹¹¹³ Allerdings beschreiben öffentliche Quellen hauptsächlich Anwendungsfälle wie konversationelle Abfragen, Dokumentenzusammenfassungen, Klassifizierung, Anomalieerkennung und generische Vorhersagen; es gibt nur wenige technische Details zu probabilistischer Nachfrageprognose, Multi-Echelon-Inventaroptimierung oder kombinatorischen Terminierungsalgorithmen. Lokad hingegen ist explizit rund um probabilistic forecasting und stochastische Optimierung (Monte-Carlo-, gradientenbasierte und heuristische Methoden) aufgebaut, mit veröffentlichten Belegen wie der Leistung im M5-Wettbewerb und detaillierten technischen Ausarbeitungen. Mit anderen Worten erscheint GEPs KI hauptsächlich als unterstützende Analysen und Automatisierung, die in Workflows eingebettet ist, während Lokads „KI“ vorwiegend die zugrunde liegende mathematische Maschinerie darstellt, die direkt optimierte Entscheidungen generiert.
Ergebnisse: Workflows vs. priorisierte Entscheidungen. GEP SMART und NEXXE sind stark workflowzentriert: Benutzerreisen drehen sich um Sourcing-Ereignisse, Vertragsfreigaben, Lieferanten-Onboarding, Handling von supply chain Ausnahmen, Control-Tower-Ansichten und Szenariosimulationen.¹⁰¹¹ Das System kann Empfehlungen generieren (z. B. welche Lieferanten angesprochen werden sollten, Inventar-Richtlinien, Logistikpläne), die jedoch in übergeordnete Prozessabläufe und Governance-Strukturen eingebettet sind. Lokads Hauptlieferergebnis ist eine priorisierte Liste von Entscheidungen – Bestellungen, Lagertransfers, Produktionschargen, Preisanpassungen – jeweils mit dem erwarteten finanziellen Einfluss unter Unsicherheit versehen. Lokad überlässt Beschaffungs-Workflows und Genehmigungen anderen Systemen; GEP integriert Entscheidungen in seine eigenen Prozesse.
Liefermodell. GEP verkauft häufig große Transformationsprogramme, die Software, Beratung und BPO kombinieren; Umbrex weist auf GEPs Positionierung als „Full-Service Procurement Transformation Partner“ hin, mit langfristig ausgelagerten Operationen für einige Kunden.¹ Lokad arbeitet in der Regel mit kleinen Teams von „supply chain scientist“ zusammen, die Envision-Skripte auf Basis der Kundendaten erstellen und warten, ohne den operativen Beschaffungsprozess zu übernehmen. Für ein Unternehmen, das Teile der Beschaffung auslagern und Prozesse global standardisieren möchte, ist GEP strukturell ausgerichtet; für ein Unternehmen, das ein spezialisiertes Optimierungs-Know-how benötigt, welches in eine bestehende ERP/S2P-Landschaft integriert werden kann, kommt Lokad diesem Bedarf näher.

Zusammenfassend ist GEP ein Suite-Anbieter mit KI-verbesserten Enterprise-Workflows, während Lokad eine Optimierungsplattform ist, die davon ausgeht, dass jemand anderes die Transaktionsprozesse übernimmt. Für die Bewertung von supply chain Entscheidungs-Technologien ist der relevante Vergleich nicht die UI-Sophistication oder der S2P-Umfang, sondern die Tiefe und Transparenz des Entscheidungsmodellings; auf dieser Achse sind GEPs öffentliche Materialien im Vergleich zu Lokads technischen Offenlegungen immer noch dünn.

Unternehmensgeschichte und Akquisitionen

Die frühen Jahre von GEP sind in Drittanbieter-Profilen relativ gut dokumentiert. Umbrex berichtet, dass Global eProcure im Jahr 1999 gegründet wurde und zunächst Beratungs- und Outsourcing-Dienstleistungen im Bereich Beschaffung anbot, bevor es allmählich eigene Technologien zur Unterstützung von Strategic Sourcing und Spend Analytics entwickelte.¹ Everipedia beschreibt GEP ähnlich und führt aus, dass sich das Unternehmen von einer Boutique-Beratung zu einem globalen Anbieter von Beschaffungslösungen mit Niederlassungen in Nordamerika, Europa und Asien entwickelt hat, und hebt das Wachstum im Bereich Managed Services neben der Software hervor.²

Akquisitionen scheinen hauptsächlich dazu genutzt worden zu sein, die Fachgebietsabdeckung und geografische Reichweite zu erweitern:

Enporion (2012). Im Januar 2012 gab GEP (damals noch häufig als Global eProcure bezeichnet) die Übernahme von Enporion bekannt, einem US-amerikanischen Anbieter von supply chain Management-Software und elektronischen Marktplätzen für den Energiesektor und die Versorgungsindustrie.⁴⁵ FreightWaves berichtete, dass der Deal ein strategischer Schritt sei, um GEPs Fähigkeiten im Versorgungssektor zu vertiefen und die gehostete Procurement-Plattform von Enporion zu erwerben.⁴ GEPs eigene Pressemitteilung (PDF) stellt Enporion als Anbieter von „fortschrittlichen supply chain Management-Lösungen“ und einem etablierten Marktplatznetzwerk dar.⁵ Es gibt nur wenige öffentliche technische Details darüber, wie Enporions Technologie integriert oder eingestellt wurde; das spätere Produktbranding von GEP (SMART, später NEXXE) deutet auf eine schrittweise Konsolidierung in einen einzigen Cloud-Stack hin, anstatt mehrere Codebasen zu pflegen.
Weitere Akquisitionen (DATAMARK, COSTDRIVERS). Das Firmenprofil von Owler listet weitere Akquisitionen auf, darunter DATAMARK und COSTDRIVERS, jedoch ohne Transaktionsdaten oder technische Details; diese scheinen in erster Linie darauf abzuzielen, die Analyse-, Daten- und BPO-Fähigkeiten zu erweitern, und nicht darauf, separate Produktlinien zu schaffen.⁸ Angesichts des Mangels an bestärkenden Quellen sollten diese eher als indikativ betrachtet werden, anstatt als umfassend dokumentiert.
OpusCapita Beschaffungsgeschäft (2024). Im Juli 2024 gab GEP die Übernahme des Beschaffungs- und AP-Automatisierungssoftware-Geschäfts von OpusCapita bekannt, einem in Finnland ansässigen Anbieter von Beschaffungs-, E-Invoicing- und Kreditorenbuchhaltungslösungen.⁶⁷ Pressemitteilungen besagen, dass die Produkte und Kunden von OpusCapita in GEP SMART integriert werden, wobei GEP die Erweiterung seiner europäischen Präsenz und die Stärkung der E-Invoicing-/Compliance-Fähigkeiten betont.⁶⁷ Es liegt kein technischer Migrationsfahrplan vor; basierend auf typischen S2P-Konsolidierungsmustern sollte erwartet werden, dass die Funktionen von OpusCapita schrittweise in SMART integriert werden, während das eigenständige Branding ausgephasst wird.

Insgesamt steht das Akquisitionsmuster im Einklang mit einer Plattform-Aufbau-Strategie: Domänenspezifische Assets kaufen (Utilities-Marktplätze, nordisches E-Invoicing) und diese dann in eine einheitliche, Azure-basierte Suite überführen.

Produktportfolio und Positionierung

GEP SMART: einheitliche S2P Suite

GEP SMART (in älteren Materialien oft als „SMART by GEP“ bezeichnet) ist die Flaggschiff-Source-to-Pay-Plattform des Unternehmens. Microsofts Azure Marketplace beschreibt sie als eine „einheitliche Beschaffungsplattform“, die Ausgabenanalysen, Sourcing, Vertragsmanagement, Lieferantenmanagement, Tracking von Sparprojekten, Beschaffung, Rechnungsstellung und Category-Workbench-Funktionen abdeckt und als Multi-Tenant-Cloud-Service auf Azure bereitgestellt wird.¹⁰ GEP positioniert SMART als eine einzige, integrierte Plattform anstelle einer Sammlung lose gekoppelte Module; der Anbieter-Snapshot von Spend Matters unterstützt dies, indem er feststellt, dass SMART als eine einheitliche Suite konzipiert wurde, die nativ für die Cloud entwickelt wurde, im Gegensatz zu herkömmlichen On-Premise-Tools, die später für SaaS umgestaltet wurden.³

In puncto Funktionalität stimmen SMARTs Fähigkeiten weitgehend mit den Erwartungen moderner Enterprise-S2P-Lösungen überein: fortschrittliche Sourcing-Events, Guided Buying, Vertragsarchiv mit Nachverfolgung von Verpflichtungen, Lieferanten-Onboarding und Performance-Scorecards, Katalogverwaltung, P2P-Workflows und Rechnungsabgleich. Fallstudien aus GEPs Marketing (z. B. eine SMART-Implementierung für einen globalen Hersteller) beschreiben Einsätze mit Hunderten von Nutzern, mehrjähriger historischer Datenmigration und einem dedizierten Implementierungsteam, das GEP-Fachexperten mit Kundenbeteiligten kombiniert.¹¹¹⁴ Ein veröffentlichtes Beispiel erwähnt den Transfer von drei Jahren historischer Daten und die gleichzeitige Ermöglichung des Zugriffs für ca. 300 Nutzer auf einer einheitlichen Source-to-Contract-Plattform, was einem typischen Enterprise-SaaS-Rollout entspricht, anstatt einem experimentellen oder unausgereiften System.¹⁴

Aus technologischer Sicht ist SMART eng mit dem Microsoft-Stack verknüpft. Ein Microsoft Azure-Blog zu SQL Database Elastic Pools nennt GEP als Referenzkunden und weist darauf hin, dass GEP mehr als 800 Datenbanken in Azure SQL Database Elastic Pools migriert, seine eigenen Rechenzentren stillgelegt und sich nun als ein „datacenter-free“ Unternehmen positioniert hat, wobei SMART by GEP als cloudbasierte Beschaffungs- und supply chain Lösung beschrieben wird, die auf Azure SQL basiert.¹² Dies ist ein starker Beleg dafür, dass SMART auf Azure SQL Database in einer Multi-Datenbank-, Elastic-Pool-Konfiguration läuft, was gut zu einer Multi-Tenant-SaaS-Plattform passt, die viele Kunden bedient.

In neueren Materialien wird SMART oft als „powered by GEP MINERVA™ AI“ beschrieben – was andeutet, dass die AI/ML-Engine unter oder neben SMART sitzt, um Klassifikation, Vorhersagen und generative Funktionen anzutreiben – aber technische Details zu den exakt verwendeten Algorithmen (z. B. für Spend-Klassifikation, Lieferanten-Risikobewertung oder Betrugserkennung) werden nicht öffentlich gemacht. Wir behandeln daher Aussagen zur AI-gesteuerten Optimierung in SMART als teilweise fundiert (die Azure OpenAI-Integration ist real; die internen ML-Modelle bleiben undurchsichtig).

GEP NEXXE: supply chain Plattform

GEP NEXXE ist die supply chain Plattform des Unternehmens, die als „cloud-native unified supply chain Plattform“ für End-to-End-Sichtbarkeit, Zusammenarbeit und Planung vermarktet wird.¹¹¹⁶ Die Azure Marketplace-Auflistung beschreibt NEXXE als unterstützend bei der Nachfrageplanung, Angebotsplanung, Bestandsoptimierung, Logistik und „control-tower“-artigen Funktionen und hebt als Verkaufsargument hervor, dass „advanced AI and ML to solve real-world supply chain problems“ eingesetzt werden.¹¹¹³

Unabhängige Software-Vergleichsseiten (z. B. eBool) beschreiben NEXXE als eine Lösung, die Echtzeitsichtbarkeit über alle Ebenen hinweg, prädiktive Analysen für Risiken und Störungen sowie ein low-code/no-code design kombiniert, das es Nutzern ermöglicht, Workflows und Dashboards individuell anzupassen – und betonen dabei die Flexibilität, supply chain Anwendungen ohne tiefgehende Programmierkenntnisse zu erstellen.¹³ Technische Profile von GEP-Ingenieuren erwähnen Microservices und Saga-Orchestrierung im NEXXE-Back-End sowie ein plugin-basiertes Front-End, was eine moderne, verteilte Architektur bestätigt, die mit der Low-Code-Positionierung übereinstimmt.¹⁴

Allerdings sind öffentliche technische Details zur Kernoptimierungslogik von NEXXE begrenzt. Marketing- und Analystenbeschreibungen beziehen sich auf:

Echtzeitsichtbarkeit und Warnmeldungen (typisch für control-tower Systeme),
prädiktive Risikoanalysen (z. B. zur Vorhersage von Lieferunterbrechungen),
mehrstufige Bestandsplanung und Szenarioanalysen,
KI/ML-basierte Nachfrageerkennung und -vorhersagen.

Was nicht konkret beschrieben wird, ist:

wie die Nachfrageprognosen modelliert werden (klassische Zeitreihen vs. ML vs. probabilistische Verteilungen),
welche Zielsetzungen der „Bestandsoptimierung“ zugrunde liegen (Servicelevel, Kosten, Gewinn),
ob Unsicherheiten über vollständige Wahrscheinlichkeitsverteilungen oder vereinfachte Sicherheitsbestandsheuristiken behandelt werden,
welche Algorithmen für komplexe kombinatorische Entscheidungen verwendet werden (z. B. Netzwerkflüsse, Terminplanung).

Fallstudien auf der GEP-Website erwähnen Ergebnisse wie „40 % Reduktion des Bestands“ oder „30 % Verbesserung der Auftragsabwicklung“, die auf NEXXE zurückzuführen sind, doch diese Berichte bleiben qualitativ und geben weder den mathematischen Mechanismus preis noch bieten sie genügend Details für eine unabhängige Replikation.³ Aus einer skeptisch-technischen Perspektive wirkt NEXXE heute eher wie eine moderne, Azure-native control-tower und Kollaborationsschicht mit eingebetteten Analysen als wie eine transparent spezifizierte Optimierungs-Engine.

GEP QUANTUM und MINERVA

GEP QUANTUM wird als eine „AI-first, low-code Plattform für Beschaffungs-, supply chain und Nachhaltigkeitsanwendungen“ vermarktet. Ein Artikel von AIThority über den Launch beschreibt QUANTUM als Bereitsteller von komponierbaren Bausteinen, integrierten AI-Engines und einer visuellen low-code Umgebung, mit der neue Anwendungen zügig auf Basis von GEP SMART und NEXXE zusammengesetzt werden können – und richtet sich dabei sowohl an professionelle Entwickler als auch an „citizen developers“.¹⁵ QUANTUM ist daher am besten als platform glue und Erweiterungsmöglichkeit zu verstehen, nicht als ein eigenständiges Optimierungsprodukt.

GEP MINERVA ist die AI- und Machine-Learning-Engine, die sowohl SMART als auch NEXXE zugrunde liegt. Eine Pressemitteilung von MarketScreener/Microsoft aus dem Jahr 2023 gibt an, dass GEP innerhalb von GEP SOFTWARE eine Suite von Lösungen eingeführt hat, die OpenAI’s ChatGPT via Microsoft Azure OpenAI Service nutzen und somit eine intuitive Schnittstelle für das Abfragen von Daten, die Automatisierung von Prozessen und die Verbesserung von Entscheidungsprozessen bieten; außerdem wird erwähnt, dass Microsofts generative AI-Fähigkeiten in die GEP MINERVA AI/ML-Engine integriert wurden, um organisationsübergreifende Datenanalysen und Entscheidungsunterstützung bereitzustellen.⁹

Zusammengefasst deutet dies darauf hin, dass GEPs AI stack auf folgenden Komponenten basiert:

eine proprietäre AI/ML-Engine (MINERVA), die klassische ML-Aufgaben (Klassifikation, Clustering, prädiktive Modelle) übernimmt,
eine low-code Plattform (QUANTUM), um diese Fähigkeiten in Apps bereitzustellen,
Azure OpenAI für generative Funktionen (konversationelle Schnittstellen, Zusammenfassungen, document understanding).

Unklar bleibt, wie weit dieser AI stack über beschreibende und prädiktive Analysen hinaus für vorschreibende Optimierung in der supply chain genutzt wird. Es gibt keine öffentliche Diskussion darüber, beispielsweise Trainings-Zielsetzungen in Bezug auf End-to-End-Kosten oder Gewinn, ein gemeinsames Lernen von Prognosen und Entscheidungen oder fortgeschrittene, beschränkte Optimierung, wie sie von Operations-Research-Solvern genutzt wird.

Architektur und Technologie

Öffentliche Informationen deuten auf eine Microsoft-zentrierte, Azure-native Architektur für die GEP-Suite hin:

Azure SQL und „datacenter-free“ operations. In einem Blog von Microsoft, der die allgemeine Verfügbarkeit von Azure SQL Database Elastic Pools bekanntgab, wird GEP als SaaS-Kunde genannt, der über 800 Datenbanken in Elastic Pools migrierte und seine eigenen Rechenzentren schloss – ein GEP-Technologie-VP merkte an, dass dieser Schritt GEP „datacenter-free“ gemacht und erhebliche Kosteneinsparungen gebracht habe.¹² SMART by GEP wird ausdrücklich als cloudbasierte Beschaffungs- und supply chain Lösung auf Basis von Azure SQL Database erwähnt, was bestätigt, dass relationale Daten in Azure SQL gespeichert und die Bereitstellung von Multi-Tenant-Datenbanken über Elastic Pools statt über selbstverwaltete Server erfolgt.
Azure Marketplace-Bereitstellung. Sowohl GEP SMART als auch GEP NEXXE sind im Microsoft Azure Marketplace als „Unified Procurement Platform – GEP SMART“ bzw. „Unified Supply Chain Platform – GEP NEXXE“ gelistet, was auf eine cloud-native Bereitstellung, Skalierbarkeit und globale Verfügbarkeit in Azure-Regionen hinweist.¹⁰¹¹ Dies legt nahe, dass zumindest einige Kunden die Software als SaaS-Abonnement über den Microsoft Marketplace beziehen, während direkte Verträge mit GEP für große Transformationsprojekte weiterhin die Regel sind.
Microservices und low-code. Ingenieurprofile und Beschreibungen Dritter geben Hinweise auf die interne Architektur. Ein leitender Softwareentwickler berichtet, an GEP NEXXE mit Microservices und Saga-Mustern im Back-End sowie einem plugin-basierten Front-End gearbeitet zu haben und dazu beizutragen, NEXXE zu einer low-code Plattform zu machen.¹⁴ Vergleichsseiten für Software betonen ein low-code Design für NEXXE, das es Nutzern ermöglicht, Workflows und Dashboards individuell anzupassen.¹³ Zusammen deuten diese Hinweise darauf hin, dass GEP eine microservices-basierte application tier mit einer low-code Schicht zur Zusammenstellung von UI- und Workflow-Komponenten implementiert hat – ganz im Einklang mit der aktuellen Enterprise-SaaS-Praxis.
KI-Integration via Azure OpenAI. Wie erwähnt, ist GEPs MINERVA-Engine in Azure OpenAI integriert, um generative KI-Funktionalitäten innerhalb der Suite bereitzustellen.⁹ Dies impliziert eine service-orientierte AI-Schicht: Anwendungsdienste rufen Azure OpenAI-Modelle für Textgenerierung, Zusammenfassungen und Klassifikation auf, während proprietäre Modelle an anderer Stelle im System ausgeführt werden.

Was fehlt, ist eine niedrigstufige Beschreibung von:

den verwendeten Programmiersprachen und Frameworks (wahrscheinlich .NET/JavaScript, aber nicht explizit angegeben),
den Datenmodellierungsmustern jenseits von „running on Azure SQL Database“,
dem internen Design von QUANTUM und MINERVA (z. B. ob sie Kubernetes-gehostete Microservices verwenden, welche ML-Bibliotheken eingesetzt werden),
wie die Mandantenisolation und der Multi-Region-Einsatz gehandhabt werden.

Angesichts der Größe von GEP und seines Azure-Referenzstatus ist es vernünftig, von einer technisch kompetenten, mainstream enterprise SaaS Architektur auszugehen, jedoch gibt es keinen Hinweis auf eine ungewöhnliche oder bahnbrechende Infrastruktur, wie sie einem benutzerdefinierten DSL oder einem event-sourced analytics engine ähnelt. Dies ist keine Kritik – die meisten Unternehmenskäufer bevorzugen herkömmliche Stacks – jedoch bedeutet dies, dass sich GEP mehr durch die Breite der Suite als durch ungewöhnliche architektonische Innovationen auszeichnet.

KI, Machine Learning und Optimierung: Behauptungen vs evidence

Das Marketing von GEP setzt stark auf AI, ML und nun auch generative AI. Eine kritische Betrachtung muss unterscheiden zwischen:

gut belegten AI-Fähigkeiten (bei denen Verhalten und Implementierung weitgehend klar sind),
plausiblen, aber nicht nachgewiesenen Behauptungen (im Einklang mit den Normen, aber nicht technisch detailliert),
mehrdeutigen oder potenziell übertriebenen Behauptungen (bei denen „AI“ basale Analysen verschleiern könnte).

Gut belegte Fähigkeiten

Integration mit Azure OpenAI. Der Artikel von MarketScreener/Microsoft liefert konkrete Belege dafür, dass GEP OpenAI’s ChatGPT via Microsoft Azure OpenAI Service integriert hat, wodurch eine konversationelle Abfrage von Beschaffungs- und supply chain Daten, Prozessautomatisierung und Entscheidungsunterstützung innerhalb von GEP SOFTWARE ermöglicht wird.⁹ Er stellt ausdrücklich fest, dass generative AI-Fähigkeiten in die AI/ML-Engine von GEP MINERVA integriert sind. Dies bestätigt die tatsächliche Nutzung von large language models (LLMs) für textlastige Aufgaben: Abfragen, Zusammenfassen und möglicherweise die Dokumenteninterpretation.
Weite Verbreitung der KI-gestützten Suite. Derselbe Artikel weist darauf hin, dass GEP SOFTWARE in 120 Ländern eingesetzt wird und im Azure Marketplace verfügbar ist, was darauf hindeutet, dass diese AI-Funktionen in eine ausgereifte Suite integriert sind, anstatt experimentelle Ergänzungen zu sein.⁹

Plausible, aber schwach spezifizierte Fähigkeiten

Prädiktive Analysen und ML in SMART und NEXXE. Die Beschreibung von NEXXE im Azure Marketplace verweist auf „advanced AI and ML to solve real-world supply chain problems“, wobei Nachfrageerfassung, Risikovorhersage und Anomalieerkennung abgedeckt werden.¹¹ Marketing und Fallstudien beschreiben prädiktive Modelle für Lieferantenrisiken, Nachfrageschwankungen und Logistikstörungen in allgemeinen Begriffen. Es ist höchst plausibel, dass GEP überwachte ML-Modelle für Klassifikations- und Regressionsaufgaben in diesen Bereichen entwickelt hat (z. B. Nachfrageanstiegsprognosen, Risikobewertung), aber ohne Details zu Features, Modelltypen oder Evaluationsmetriken bleibt die technische Raffinesse unbekannt. Mindestens scheint es sich um standard enterprise ML und nicht um Spitzenforschung zu handeln.
Ausgabenklassifikation und Datenanreicherung. Beschaffungssuiten nutzen häufig ML, um Ausgaben in Taxonomien zu klassifizieren, Lieferantendatensätze zu deduplizieren und Kategorisierungen zu empfehlen. Angesichts der langen Geschichte von GEP in der Spend-Analyse und mehrfacher Hinweise auf AI-gestützte Klassifikation im Marketing ist es naheliegend anzunehmen, dass solche Modelle existieren – jedoch fehlen auch hier spezifische Details.

Mehrdeutige oder übertriebene Behauptungen

Am provokantesten aus Sicht der supply chain Optimierung sind die Behauptungen rund um „inventory optimization“, „supply chain optimization“ und „closed-loop planning“, die durch AI angetrieben werden. Die Materialien von NEXXE erwähnen Bestandsoptimierung, Szenarienplanung und Closed-Loop-Planung, geben jedoch nicht an:

ob Bestandsentscheidungen über Wahrscheinlichkeitsverteilungen der Nachfrage und Lieferzeiten optimiert werden,
welches Ziel optimiert wird (z. B. erwartete Gesamtkosten, Servicelevel, Gewinn),
ob zur Optimierung mathematische Programmierung, Heuristiken oder regelbasierte Skripte verwendet werden.

Angesichts der fehlenden technischen Dokumentation, Open-Source-Modelle oder begutachteter Referenzen ist es am sichersten anzunehmen, dass NEXXE eine Kombination aus regelbasierten Heuristiken und konventioneller Prognose implementiert – verpackt in einem modernen UI und erweitert durch prädiktives ML sowie generative AI für Analysen und Zusammenarbeit. Bis GEP weitere technische Details veröffentlicht, sollten Behauptungen wie „AI-powered inventory optimization“ als teilweise fundierte Marketingaussagen und nicht als Beweis für fortgeschrittenes Operations Research betrachtet werden.

Im Gegensatz dazu dokumentiert Lokad öffentlich probabilistische Prognosen, spezialisierte Optimierungsalgorithmen und sogar wissenschaftliche Arbeiten im Bereich differentiable programming; diese Transparenz fehlt genau in der AI-Geschichte von GEP, was es schwierig macht zu beurteilen, wie state-of-the-art die Optimierung von GEP tatsächlich ist.

Bereitstellung, Einführung und Nutzung

Öffentliche Fallstudien geben einige Einblicke, wie GEP seine Software einsetzt:

Projektbasierte Implementierungen. Eine SMART-Fallstudie für ein globales Fertigungsunternehmen beschreibt eine Implementierung, bei der GEPs Technologieexperten dem Kunden halfen, eine vollständige source-to-contract Plattform einzuführen, drei Jahre historische Daten migrierten und das System an etwa 300 Nutzer ausrollten – unterstützt durch dedizierte GEP-Experten und Account Manager.¹⁴ Dies entspricht mehrmonatigen Implementierungsprojekten, wie sie bei Enterprise-S2P-Suiten üblich sind: Datenmigration, Konfiguration, Schulung und Change-Management, statt einer reinen Self-Service-SaaS-Einführung.
Beratungs- und BPO-Integration. Umbrex hebt hervor, dass GEP seine Software häufig mit Beratungs- und Managed Services kombiniert und sich damit eher als Transformationspartner denn als reiner Softwareanbieter positioniert.¹ Dies impliziert, dass erfolgreiche Implementierungen häufig laufende Serviceverträge beinhalten, bei denen GEP-Mitarbeiter in die Beschaffungs- und supply chain Teams der Kunden eingebettet sind oder eng mit diesen zusammenarbeiten.
NEXXE-Anwendungsfälle. Fallstudien zu NEXXE verweisen auf Implementierungen von supply chain control towers, Bestandsreduktionen und Verbesserungen bei OTIF (on-time in-full) für große Hersteller und Pharmaunternehmen.³ Die Berichte deuten darauf hin, dass NEXXE genutzt wird, um Daten aus mehreren ERP- und Logistiksystemen zusammenzuführen, nahezu in Echtzeit Sichtbarkeit zu bieten und Reaktionen auf Störungen zu koordinieren. Allerdings werden weder die Entscheidungslogik noch die Art und Weise, wie entgegenstehende Zielsetzungen (Service vs. Kosten vs. Risiko) ausgeglichen werden, detailliert erläutert.

Im Vergleich zum Deployment-Modell von Lokad – iteratives Envision-Skript-Entwickeln unter Führung von supply chain Scientists – ähneln die Roll-outs von GEP eher klassischen enterprise Plattform-Implementierungen: größere funktionsübergreifende Projekte, eine tiefgreifendere Prozessstandardisierung und ein stärkerer Fokus auf Governance, Schulung und Change-Management.

Kommerzielle Reife und Kundenbasis

Mehrere Quellen stimmen darin überein, dass GEP, insbesondere im Bereich Beschaffung, kommerziell reif ist:

Umbrex und Everipedia nennen Hunderte von Kunden, darunter große Unternehmen aus verschiedenen Branchen.¹²
Der Vendor Snapshot von Spend Matters (2019) positioniert GEP als einen „top-tier“ S2P-Anbieter mit signifikanter Marktpräsenz und fortgesetzten Investitionen in SMART.³
Gartners 2025 Magic Quadrant für Source-to-Pay-Suiten ordnet GEP in das Leaders-Quadrant ein, was sowohl für eine umfassende Vision als auch für die Fähigkeit zur Umsetzung im S2P spricht.⁹

Für die supply chain gestaltet sich das Bild differenzierter:

NEXXE erscheint im Azure Marketplace und in Kundengeschichten, aber es gibt keinen dedizierten Gartner Magic Quadrant oder Forrester Wave speziell für NEXXE als supply chain Planungstool.
Fallstudien verweisen auf bedeutende Verbesserungen (Bestandsreduzierungen, OTIF-Gewinne), sie verfügen jedoch nicht über genügend Spezifität, um zwischen Verbesserungen, die aus besserer Sichtbarkeit und Prozessdisziplin resultieren, und solchen aus wirklich überlegenen Optimierungsalgorithmen zu unterscheiden.

Aus einer skeptischen Perspektive darf man sagen, dass GEP ein etablierter Anbieter im Bereich Beschaffungstechnologie ist und ein aufstrebender – aber noch nicht eindeutig vergleichbarer – Anbieter im Bereich supply chain Planungstechnologie.

Bewertung des technischen Werts und der Einzigartigkeit

Beantwortung der Schlüsselfragen des Nutzers:

Was liefert GEPs Lösung in präzisen technischen Begriffen?

Im Bereich Beschaffung (GEP SMART): Eine cloudgehostete, Azure-basierte S2P-Anwendungssuite, die Stammdaten, Transaktionsdokumente und Workflows über Spend-Analyse, Sourcing, Verträge, Lieferantenmanagement, Purchase-to-Pay und Rechnungsstellung verwaltet. Sie speichert strukturierte Daten hauptsächlich in der Azure SQL Database, nutzt Webanwendungs-Frontends und stellt eine konfigurierbare Prozesslogik über Low-Code-Tools bereit. KI wird für Klassifizierung, Empfehlungen und generative Assistenz (z. B. Chat, Zusammenfassung) eingesetzt.
Im Bereich supply chain (GEP NEXXE): Eine Plattform für supply chain Sichtbarkeit und Zusammenarbeit, die Daten aus ERP-, WMS- und Logistiksystemen aggregiert, Echtzeit-Dashboards, Warnmeldungen und Szenarioanalysen bietet und ein gewisses Maß an Bedarfs- und Bestandsplanung unterstützt durch generische ML- und Optimierungsroutinen. Sie ist als Microservices-basierte Low-Code-Plattform auf Azure konzipiert, integriert mit der MINERVA KI-Engine und Azure OpenAI für Analytik und konversationelle Funktionen.
Cross-suite (QUANTUM & MINERVA): Eine Low-Code-Umgebung (QUANTUM) zum Erstellen von Anwendungen auf Basis von SMART/NEXXE und eine KI/ML-Engine (MINERVA), die prädiktive Modelle und generative KI-Dienste zentralisiert.

Durch welche Mechanismen und Architekturen erzielt es diese Ergebnisse?

Infrastruktur: Azure SQL Database Elastic Pools, Bereitstellung über den Azure Marketplace, Microservices und Low-Code-UI-Frameworks, wie durch Microsoft Azure Referenzen, Azure Marketplace-Einträge und Ingenieurprofile belegt.¹⁰¹¹¹³¹²¹⁴
Analytik und KI: Proprietäre ML-Modelle (Details nicht veröffentlicht) für Vorhersagen und Klassifikationen; Azure OpenAI-gehostete LLMs für konversationelle Schnittstellen und Textverarbeitung; QUANTUM Low-Code-Tools, um diese in Workflows einzubetten.¹⁵⁹
Entscheidungslogik: Geschäftsregeln, Heuristiken und Szenarioanalyse-Tools, die innerhalb von SMART und NEXXE implementiert sind; ein gewisses Maß an Optimierung für Bestands- und Planungsprozesse wird behauptet, aber nicht technisch spezifiziert. Es gibt keine öffentlichen Belege für vollständig probabilistische End-to-End-Modelle, fortschrittliche kombinatorische Solver oder differentielles Programmieren im Sinne von Lokad.

Wie auf dem neuesten Stand ist GEPs Technologie?

In Infrastruktur- und Anwendungsdesign erscheint GEP aktuell, aber nicht außergewöhnlich: Azure-native, Microservices, Low-Code, generative KI über Azure OpenAI. Dies entspricht den aktuellen Best Practices unter seriösen Enterprise-SaaS-Anbietern, ist aber nicht einzigartig fortschrittlich.
In Digitalisierung von Beschaffungsprozessen ist SMART wettbewerblich stark und ausgereift, wie die Positionierung als Gartner Leader und langjährige Analystenberichterstattung belegen.⁹³
In supply chain Entscheidungsoptimierung deutet öffentliche Information darauf hin, dass GEP hinter der Grenze liegt, wie sie von spezialisierten Optimierungsanbietern definiert wird. Es gibt wenig Belege für rigorose probabilistische Prognosen, fortschrittliche stochastische Optimierung oder transparente, mathematisch fundierte Entscheidungs-Engines. Die Stärken von NEXXE scheinen in Sichtbarkeit, Zusammenarbeit und Analytik zu liegen, nicht in bahnbrechenden Optimierungsalgorithmen.

Kommerzielle Reife

GEP ist im Bereich Beschaffung kommerziell ausgereift (Jahrzehnte auf dem Markt, große Unternehmensbasis, Analystenanerkennung) und im Bereich der ausgeklügelten supply chain Planung aufstrebend, aber weniger validiert. Seine Lösungen sind am besten als umfassende Unternehmensanwendungen mit KI-unterstützten Workflows zu verstehen, nicht als spezialisierte quantitative Engines.

Fazit

GEP ist ein bedeutender, Azure-native Anbieter, dessen Kernstärke darin liegt, die Beschaffungsprozesse globaler Unternehmen durch GEP SMART zu vereinheitlichen und dies durch supply chain Sichtbarkeit und Zusammenarbeit mittels GEP NEXXE zu ergänzen. Die Architektur ist modern und glaubwürdig: Azure SQL Database Elastic Pools, Microservices, Low-Code-UI und eine cross-suite KI-Schicht, die Azure OpenAI nutzt. Seine kommerzielle Position im Bereich S2P ist fest etabliert und unabhängig validiert.

Aus einer technisch, optimierungszentrierten Perspektive ist die öffentliche Darstellung von GEP jedoch viel dünner. Während MINERVA, QUANTUM und NEXXE als KI-gestützt und optimierungsgetrieben vermarktet werden, deuten die verfügbaren Belege vorwiegend auf prädiktive Analytik, generative Assistenz und workflow-zentrierte Tools hin, nicht auf tief spezifizierte probabilistische Modelle oder fortschrittliche Optimierungs-Engines. Die Entscheidungsfindung in der supply chain scheint eine Mischung aus regelbasierten Heuristiken, konventionellen Prognosen und Szenarioplanung zu sein, wobei KI Einblicke und Automatisierung verbessert, anstatt die Entscheidungslogik grundlegend neu zu definieren.

Im Vergleich zu Lokad ist GEP ein umfassender Suite-Anbieter mit KI-unterstützten Unternehmens-Workflows, während Lokad eine spezialisierte, jedoch tiefgehende Optimierungsplattform ist, die auf probabilistischer Vorhersage und maßgeschneiderten Entscheidungsmodellen basiert. Für Organisationen, die Technologie bewerten, um die Grenzen der Quantitative Supply Chain Optimierung voranzutreiben, fehlt GEP’s supply chain Stack derzeit die technische Transparenz und Evidenz, die eine Einstufung als state-of-the-art in diesem Nischenbereich rechtfertigen würde. Für Organisationen, die einen einzigen Anbieter für die Transformation der Beschaffung mit angemessener supply chain Sichtbarkeit und einigen KI-gesteuerten Analysen suchen, ist das Angebot von GEP glaubwürdig und ausgereift – sollte jedoch als Prozessplattform verstanden werden, nicht als reine Optimierungs-Engine.