Von Léon Levinas-Ménard
Zuletzt aktualisiert: 4. November 2026
Intuendi bietet Cloud-Software für Nachfrageprognosen, Bestandsplanung und Nachschub. Einzelhändler, Marken und Distributoren nutzen sie, um Nachfrage zu schätzen, Bestandsrisiken zu erkennen und Einkaufs-, Produktions- und Umlagerungsaufträge vorzubereiten. Der Assistent Symphonie und externe KI-Integrationen bieten dialogbasierten Zugriff auf Planungsinformationen und ausgewählte Aktionen. (1, 2, 5)
Gesamtbewertung für die Supply Chain: 4,2/10
| Dimension | Bewertung |
|---|---|
| Fachliche Tiefe zur Supply Chain | 4,2/10 |
| Substanz der Entscheidungen und Optimierung | 4,4/10 |
| Integrität von Produkt und Architektur | 5,0/10 |
| Technische Transparenz | 3,8/10 |
| Seriosität des Anbieters | 3,6/10 |
Intuendi verbindet Prognosen mit ausführbarem Nachschub, einschließlich Lieferanten- und Containerbeschränkungen. Die numerische Beschreibung endet dennoch bei einer Mischung aus probabilistischer Nachfrage, Servicezielen, Reichweiteneinstellungen und Planereingriffen. Öffentliches Material belegt nicht, wie die Software unsichere Nachfrage, unsichere Wareneingänge, Margen und knappe Liquidität bei der Bestellauswahl gemeinsam bewertet. Diese Lücke ist besonders für Kunden wichtig, die Container Monate vor der Lieferung einkaufen. (3, 4, 9)
Die Kundenbelege enthalten nützliche operative Details, doch einige hervorgehobene Messwerte untergraben ihre Glaubwürdigkeit. Eine Genauigkeit von 97% bezieht sich auf die Prognose des Gesamtgeschäfts; ein anderer Fall verändert die Ausgangsbasis für eine Arbeitsersparnis von 75%. Zugleich konzentriert sich die neuere agentische Positionierung auf das Abfragen von Ergebnissen und Anpassen von Planungsparametern. Den bestehenden Prozess schneller zu verwalten, lässt seine wiederkehrende Urteils- und Pflegearbeit weitgehend bestehen. (7, 10, 5)
Intuendi im Vergleich zu Lokad
Intuendis dokumentierter Einkaufsprozess beginnt mit Nachfrageprognosen und Bestandsregeln, bereitet Bestellungen vor und lässt Einkäufer sie überarbeiten. Lokads Angebot zur Bestandsoptimierung verwendet ein kundenspezifisches numerisches Modell, um Entscheidungen nach ihrem erwarteten finanziellen Beitrag zu ordnen. Sein quantitativer Supply-Chain-Ansatz überträgt Supply Chain Scientists die Entwicklung, den Betrieb und die Pflege dieser Entscheidungslogik, einschließlich Datenaufbereitung und produktiver Berechnungen.
Betrachten wir einen Distributor mit Platz für eine weitere Palette im Container. Ein schnell verkaufter Artikel mit niedriger Marge konkurriert womöglich mit einem selten benötigten Ersatzteil, dessen Fehlen einen wertvollen Kunden kostet. Mehr von einem der beiden zu bestellen, bindet außerdem Geld, das einen anderen Lieferanten finanzieren könnte. Prognosegenauigkeit und Zielreichweite entscheiden diese Wahl nicht. Die Berechnung braucht die zusätzlichen finanziellen Folgen jeder Alternative, einschließlich der Wahrscheinlichkeit einer verspäteten Lieferung.
Intuendis Fall Casa de las Baterías beschreibt, wie Planer beim Beladen von Containern Marge und Umschlag priorisieren. Das Labs-Angebot enthält auch einen Rechner für Preisszenarien. Diese Funktionen erkennen relevante wirtschaftliche Aspekte an, doch die öffentlichen Beschreibungen erklären nicht, wie Preise, Einkauf, Transport und Verfügbarkeit gemeinsam optimiert werden. (8, 17)
Der Unterschied betrifft auch die Korrektur schlechter Empfehlungen. Intuendi betont die Anpassung von Prognosen, Reichweiten, geschätzten Ankunftsdaten und anderen Einstellungen. Lokads dokumentiertes Betriebsmodell überträgt Spezialisten die Überarbeitung wiederverwendbarer Entscheidungssoftware. Beides braucht Pflege. Der wirtschaftliche Test ist, ob diese Arbeit mit kontrollierten Tests und Bereitstellung eine dauerhafte Verbesserung im gesamten Portfolio erzeugt oder nur eine weitere Ausnahme, die Einkäufer sich merken müssen. Das ist die Perspektive von Holimization und Einführung in die Supply Chain.
Was die Nachschubberechnung tatsächlich tut
Nachfrageunsicherheit endet vor der Erklärung des vollständigen Einkaufsproblems
Intuendi wirbt inzwischen ausdrücklich mit einem Wahrscheinlichkeitsband für jede Nachfrageprognose. Es kombiniert historische Verkäufe mit Aktionen und externen Faktoren, schätzt neue Artikel anhand ähnlicher Markteinführungen und erlaubt manuelle Änderungen auf verschiedenen Hierarchieebenen. Die Finanzabteilung kann Umsatzziele eingeben, die die Anwendung in Mengenpläne umwandelt. (2)
Diese Funktionen werfen zwei getrennte Fragen auf. Erstens braucht ein angezeigtes Band eine definierte Wahrscheinlichkeit, einen Horizont und einen Kalibrierungstest. Zweitens muss die Einkaufsberechnung Unsicherheit verwenden, statt sie zu einem überarbeiteten Punktschätzer zu verdichten. Die öffentliche Dokumentation legt weder das Verteilungsmodell noch die Überführung von Verteilungen in finanziell priorisierte Aktionen offen.
Ein Verkaufsziel ist besonders problematisch, wenn es zur prognostizierten Nachfrage wird. Der Wunsch nach Umsatzwachstum erhöht nicht die Kaufwahrscheinlichkeit der Kunden. Ohne Trennung zwischen bedingter Prognose, kommerziellem Eingriff und Managementziel kann der Einkauf einen Wunsch finanzieren, dessen Nachfrage nie eintritt.
Bestandsberechnungen kombinieren Prognosen, Servicegrade, gewünschte Reichweite, Artikelklassifikation und Nachschubbeschränkungen. Für mehrere Stufen beschreibt Intuendi die Simulation nachgelagerter Nachschubanfragen, um vorgelagerte Bestandsbedarfe festzulegen. (3) Das berücksichtigt die Netzwerkstruktur, lässt aber die entscheidende Allokationsfrage offen: Wo erzeugt der nächste Euro Bestand im gesamten Netzwerk den höchsten erwarteten Ertrag?
Lieferzeitunsicherheit ist ebenso folgenreich. Eine Nachfrageverteilung über einen festen Lieferhorizont bildet nicht dasselbe Risiko ab wie ein unsicherer Liefertermin. Lieferantenverzögerungen können viele Produkte gemeinsam treffen, gerade wenn auch Ersatzlieferanten überlastet sind. Intuendi veröffentlicht Eingaben und Anpassungswerkzeuge für Lieferantenlieferzeiten, aber keine prüfbare Methode, um diese Abhängigkeiten in Bestellungen zu überführen.
Bestellungen und Containerbeschränkungen haben operative Substanz
Das Einkaufsmodul bereitet Lieferantenbestellungen, Produktionsanfragen und Umlagerungen vor. Es behandelt Einkaufskalender, Mindestmengen, Budgets, Verpackungen und Paletten; Einkäufer können Mengen und Ankunftsannahmen vor dem Versand an ERP oder Lieferant ändern. Die Containerbeladung aktualisiert sich mit Bestelländerungen. (4)
Das ist ein sinnvoller ausführbarer Endpunkt. Er schafft auch Wechselwirkungen, die sich nicht anhand einer Folge unabhängiger SKU-Ziele bewerten lassen. Geringwertige Waren zum Füllen eines Containers hinzuzunehmen, kann die Frachtkosten pro Einheit senken und zugleich durch Überbestand den Gesamtertrag mindern. Umgekehrt kann es wirtschaftlich richtig sein, Platz frei zu lassen. Eine gute Berechnung muss diese Alternativen mit späterem Einkauf, einem anderen Lieferanten oder dem Akzeptieren eines Fehlbestands vergleichen.
Der Casa-Containerfall beschreibt die Koordination von fast $1 Million monatlichem Einkauf, Lieferantenauswahl und Produktmargen, liefert aber weder die Zielfunktion noch einen gemessenen, der Containerberechnung zurechenbaren Gewinn. (8) Öffentlich belegt sind somit eine Bestellvorbereitung unter Einschränkungen und ein wirtschaftlich bewusster Kundenprozess. Gemeinsame stochastische Optimierung ist nicht belegt.
Genauigkeit und Kundenergebnisse
Die 97%-Aussage misst auf der falschen Auflösung für den Einkauf
Der Casa-Fall vom April 2026 nennt 97% Genauigkeit für die Prognose des Gesamtgeschäfts. Er berichtet außerdem 94% für eine Bestseller-Teilmenge, die widersprüchlich als zehn SKUs und ungefähr 800 SKUs beschrieben wird. Keiner der Prozentsätze nennt Metrik, Prognoseursprung, Zeitintervall oder Gewichtung. (7)
Aggregation kann genau jene Fehler verbergen, die der Einkauf verhindern muss. Die Überschätzung einer Batterie und die Unterschätzung einer anderen können sich in der Geschäftssumme ausgleichen, obwohl das Lager den falschen Bestand hält. Die Auswahl von Bestsellern entfernt zusätzlich den schwierigen Rand des Sortiments.
Der M5-Wettbewerb zeigt die Größenordnung dieses Effekts. Berechnet man die besten 50 Punktprognose-Einreichungen der Organisatoren als 100 × (1 − WAPE) neu, erhält man etwa 22,1–25,1% auf SKU/Filial-/Tagesebene, aber 95,8–98,2% nach Zusammenfassung von Produkten und Filialen pro Tag. Das sind diagnostische Neuberechnungen derselben Prognosen, nicht die offizielle M5-Metrik. Ein Prozentsatz nahe 100% kann somit mit großen Fehlern auf Entscheidungsebene zusammenfallen. (23)
Intuendis Tannico-Fall liefert einen anderen Ergebnistyp: 36% geringeren mittleren Prognosefehler und 62% geringeren absoluten Fehler, mit einem besten MAE von drei Einheiten über vier Wochen. (12) Relative Verbesserung ist ein nützlicher Beleg, doch ohne Ausgangsfehler und definierte Bewertungspopulation können diese Zahlen die Qualität der daraus entstehenden Einkäufe nicht belegen.
Fehlbestände und Arbeit: nützliche Ergebnisse, uneinheitliche Messung
Der Casa-Fall vom Mai 2026 beschreibt rund 1.000 SKUs, 75 Filialen in vier Ländern, Lieferantenlieferzeiten von zwei bis sechs Monaten und eine Verringerung der Fehlbestände um 25%. (9) Das ist ein relevantes operatives Ergebnis unter schwierigen Einkaufsbeschränkungen. Der Fall gleicht die Verbesserung nicht mit gebundenem Kapital, Abonnement- und Servicekosten oder einem vergleichbaren unbehandelten Zeitraum ab. Bestandsverfügbarkeit allein belegt keine Nettorendite.
Wells Lamonts Fall zur Auftragsverwaltung ist beim Arbeitsaufwand konkreter: Aus vorher 4–10 Stunden pro Woche wurden 1–3 Stunden; die berichtete Reduktion von 71% wird aus sieben auf zwei Stunden berechnet. (11) Die verbleibende Arbeit ist sichtbar, die Rechnung nachvollziehbar. Der Bericht misst dennoch weder Anbieteraufwand noch Konfigurationspflege oder Portfoliowachstum.
Der begleitende Fall zur Bestandsanalyse ist in sich widersprüchlich. Er beginnt mit 5–20 Wochenstunden, berechnet die behauptete Ersparnis von 75% dann aber aus 22,5 auf 5,75 Stunden. (10) Die resultierende Arbeitslast mag stimmen, doch die veröffentlichte Ausgangsbasis trägt den hervorgehobenen Vergleich nicht. Das schwächt eine Zahl, die Intuendi auch im weiteren Marketing wiederholt.
Die Produktivitätsfrage geht über das Übertreffen von Tabellenkalkulation hinaus. Prognoseprüfung, Bestandsrisikoanalyse und Bestellfreigabe wiederholen sich, wenn Katalog und Netzwerk wachsen. Eine dauerhafte Verbesserung muss zeigen, wie sich der Gesamtaufwand mit diesem Wachstum verändert, während die wirtschaftliche Entscheidungsqualität erhalten bleibt.
Technologiegeschichte: von Prognose-KI zur dialogbasierten Planung
Intuendi entstand im Umfeld von Ingenieuren und Forschern der Universität Florenz. (1) Seine Geschichte zeigt Kontinuität bei Prognose und Nachschub, gefolgt von einem breiteren Dialogversprechen.
| Zeitraum | Öffentliches Versprechen oder Mechanismus | Umsetzung und offene Frage |
|---|---|---|
| 2017 | Ein Artikel erklärt Neuproduktprognosen anhand überwachter Klassifikation oder Clusterbildung ähnlicher Produkte. | Eine konkrete statistische Aufgabe, deren Erklärung kein veröffentlichter Produktionsbenchmark beiliegt. (13) |
| 2021 | Intuendis Eintrag im Web-Summit-Katalog vermarktet KI-gestützte Nachfrageplanung und Nachschub zur Verbesserung von Umsatz und ROI. | Das kommerzielle Ziel ist klar; der Eintrag liefert keine reproduzierbare finanzielle Bewertung. (14) |
| Dezember 2025 | Die öffentliche Symphonie-Einführung bewirbt dialogbasierte Empfehlungen und behauptet unübertroffene Marktintelligenz und Reaktionsfähigkeit. | Beispiele betreffen Lieferanten, A-Klasse-Einkäufe und Bestseller. Die Meldung liefert keinen Vergleich, der die behauptete Überlegenheit stützt. (15) |
| 2026 | Symphonie wird als agentischer Assistent beworben; MCP-Verbindungen erweitern den Zugriff auf externe Assistenten. | Die dokumentierten Ausführungsbeispiele bleiben Prognose- und Lieferzeitanpassungen mit Freigabe. Dieser Schicht wird keine gemessene Verringerung der gesamten Planungsarbeit zugerechnet. (5, 6) |
| 2026 | Demand Sensing verspricht laufend aktualisierte kurzfristige Prognosen; Labs ergänzt Preisszenarien und Neuproduktwerkzeuge. | Öffentliches Material isoliert weder den Beitrag neuer Signale noch demonstriert es gemeinsame Preis- und Nachschubentscheidungen. (16, 17) |
Die Erklärung von 2017 ist technisch konkreter als die Behauptung einzigartiger Intelligenz von 2025. Klassifikation und Clustering sind plausible Werkzeuge für eine begrenzte Prognoseaufgabe. Eine Dialogoberfläche agentisch zu nennen, löst nicht die schwierigeren Optimierungsfragen des ursprünglichen Nachschubmodells.
Das Material zu Demand Sensing zeigt eine weitere Diskrepanz. Es beschreibt Horizonte bis zu zwei Monaten, während der Casa-Einsatz Lieferzeiten bis zu sechs Monaten hat. (16, 9) Neue Beobachtungen können helfen, vorhandene Bestände umzuverteilen oder spätere Käufe zu ändern. Eine bereits verbindliche Überseebestellung ändern sie nicht rückwirkend. Die relevante Bewertung muss den Zeitpunkt eines Signals mit den noch möglichen Aktionen und ihren Kosten verbinden.
Intuendi hat zusätzliche Schnittstellen und Planungsfunktionen geliefert. Seine öffentliche Geschichte belegt keinen entsprechenden Fortschritt zu einem autonomen finanziellen Entscheidungssystem. Wiederholte Versprechen zu Genauigkeit, Intelligenz und Geschwindigkeit verlangen daher mehr Belege, als die Kundenerzählungen des Anbieters liefern.
Agenten, Konfigurationspflege und Betriebskosten
Symphonies aktuelle Ausführungsbeispiele sind die Feinabstimmung von Prognosen und das Ändern von Lieferantenlieferzeiten mit Freigabe. Weitere Funktionen umfassen Konfigurationshilfe, Erklärungen, Überwachung und Empfehlungen. (5) Das kann Navigation und Supportfragen reduzieren. Der Planer bleibt dennoch Teil der numerischen Betriebsschleife.
Die ChatGPT-Integration authentifiziert über das Intuendi-Konto des Benutzers und übernimmt dessen Berechtigungen. Benutzer mit Änderungsrechten können unterstützte Änderungen aus dem Gespräch heraus freigeben. (6) Der dokumentierte Ablauf bringt Planungsdaten und Aktionen in den Chat; er zeigt keinen Agenten, der eine wiederverwendbare wirtschaftliche Entscheidungsstrategie über das Sortiment hinweg entwickelt, testet und verbessert. MCP ist eine schwache Grundlage für einen Innovationsanspruch, wenn die Hauptleistung ein weiterer Weg zur Prüfung von Vorschlägen ist.
Konfigurationsarbeit beginnt schon bei der Einführung. Intuendi beschreibt die Auswahl von Prognosestrategien und externen Faktoren, deren Benchmarking und die gemeinsame Parameterabstimmung mit seinem Team. (21) Spätere Veränderungen von Aktionen, Sortimenten, Lieferanten und Netzwerkstruktur können diese Entscheidungen entwerten. Der laufende Aufwand umfasst Eingabeprüfungen, die Pflege geschäftlicher Einstellungen, das Untersuchen von Empfehlungen und das Testen von Änderungen.
Das Labs-Programm gibt ausgewählten Kunden Zugang zu frühen Funktionen und dem Entwicklungsteam. (17) Das schafft einen Weg für Produktänderungen, lässt kundenspezifische Verbesserungen aber von Anbieterprioritäten abhängen. Öffentliche Dokumentation beschreibt weder versionierte Kundenlogik noch historisches Nachspielen geänderter Strategien oder die Rücknahme einer fehlgeschlagenen numerischen Revision.
Preise werden individuell angeboten; Abonnements können sich nach kundenspezifischer Entwicklung und Häufigkeit der Leistungsüberprüfung unterscheiden. (20) Eine Betriebskostenbewertung braucht daher den tatsächlichen Serviceumfang und die verbleibende Kundenarbeit. Ein Dialogassistent lässt diese Pflege nicht verschwinden; womöglich macht er nur mehr Einstellungen leichter veränderbar.
Softwarebestandteile und Sicherheitsgrenzen
Die deutlichste Infrastrukturoffenlegung ist Intuendis Liste der Unterauftragsverarbeiter vom Mai 2026.
| Komponente oder Grenze | Dokumentierte Rolle | Konsequenz |
|---|---|---|
| Amazon Web Services | Hosting und Speicherung von Kundendaten; die EU ist als Hauptregion genannt. | Intuendi bleibt für Anwendung, Konfiguration, Wiederherstellung und Ressourcenverbrauch verantwortlich. (18) |
| Amazon Bedrock | Temporäre Sprachmodellinferenz und Textverarbeitung, ebenfalls in der EU verortet. | Generierte Erklärungen und Werkzeuganfragen hängen von einem separaten Inferenzdienst ab. Modell und Routing sind nicht spezifiziert. (18) |
| Anwendungsdatenspeicher | Die Bestell-FAQ nennt Verschlüsselung von Datenbank und Kommunikation. | Datenbanktechnologie, Replikation und Rechentopologie bleiben ungenannt. (4) |
| MCP-Verbindung | Externe Assistenten erhalten kontoberechtigten Zugriff und unterstützte Schreibaktionen. | Ein externes Gespräch wird zu einem weiteren Eingang für operative Änderungen. (6) |
Die offengelegten Komponenten erklären nicht den Ressourcenbedarf für Prognosen, Netzwerkberechnungen oder Wiederherstellung. Ohne produktspezifische technische Dokumentation oder Stellenbeschreibungen, die diese Abhängigkeiten belegen, bleiben infrastrukturelle Sparsamkeit und Skaleneffekte schwer bewertbar.
Intuendi sagt, seine KI-Anbieter dienten der temporären Inferenz statt der primären Datenspeicherung, mit Datenminimierung und Aufbewahrungskontrollen, soweit unterstützt. (18) Diese Aussagen verdeutlichen den beabsichtigten Fluss, lassen aber die wirksamen Modelleinstellungen und die Behandlung einzelner Anfragen offen.
Der Datenverarbeitungsnachtrag vom August 2026 nennt rollenbasierten Zugriff, minimale Berechtigungen, logische Kundentrennung, Protokollierung und Wiederherstellungsmaßnahmen, jeweils unter Anwendbarkeitsvorbehalt. (19) Technisch entscheidend ist, wie diese Grenzen bei einem kompromittierten Konnektor, Supportkonto oder KI-Werkzeug halten. Öffentliche Dokumente legen keine Schreibbeschränkungen auf Werkzeugebene, Durchsetzung von Freigaben, Mandantentrennungstests oder Trennung modellgenerierter Anfragen von vertrauenswürdiger Ausführung offen. Diese fehlenden Mechanismen begrenzen die Sicherheitsbewertung.
Wirtschaftliche Verantwortlichkeit
Intuendis ROI-Rechner fragt unternehmensweite Eingaben wie Umsatz, Bestand, Marge, SKU-Zahl und typische Lieferzeit ab. Er kennzeichnet seine vorläufige Schätzung als auf Branchenbenchmarks beruhend und präsentiert erwartete Vorteile bei Fehlbeständen, Überbestand und Produktivität. (22) Eine solche Schätzung kann ein Verkaufsgespräch eröffnen. Sie belegt nicht den marginalen Ertrag tatsächlicher Käufe und ersetzt keine Ausgangsbasis für die Einführung.
Die Bedingungen vom August 2026 verdeutlichen die Grenzen des öffentlichen Versprechens: Zahlungen sind nicht erstattungsfähig, enthaltener Support ist technischer Art, Reaktionszeiten werden nicht garantiert, und die Verantwortung für Prognosegenauigkeit und Verluste durch Nutzung des Dienstes wird ausgeschlossen. (20) Der veröffentlichte Rahmen definiert weder eine Schwelle wirtschaftlichen Scheiterns noch eine Pflicht zur Reparatur der Entscheidungslogik bei enttäuschenden Renditen.
Ein messbares Engagement bräuchte einen vereinbarten Bewertungszeitraum, die in der Rendite enthaltenen Kosten, dokumentierte Empfehlungen und manuelle Änderungen sowie Verantwortung für die Korrektur schädlichen Verhaltens. Intuendis Kundenfälle berichten Erfolge, verbinden die finanziellen Aussagen aber nicht mit einer solchen reproduzierbaren Vereinbarung.
Supply-Chain-Bewertung
Fachliche Tiefe zur Supply Chain
| Kriterium | Bewertung |
|---|---|
| Wirtschaftliche Ausrichtung | 4/10 |
| Endergebnis der Entscheidung | 7/10 |
| Begriffliche Klarheit zur Supply Chain | 5/10 |
| Unabhängigkeit von überholten Lehrsätzen | 3/10 |
| Widerstandsfähigkeit gegen KPI-Theater | 2/10 |
Durchschnitt: 4,2/10
Wirtschaftliche Ausrichtung — 4/10. Container- und Preisbeispiele erkennen Marge, Kapital und gemeinsame Kapazität an. Es fehlt eine Entscheidungsregel, die deren zusätzliche monetäre Folgen unter Unsicherheit vergleicht; berichtete Geschäftsvorteile liefern sie nicht. (8, 17)
Endergebnis der Entscheidung — 7/10. Nachschub führt zu umsetzbaren Bestellungen und einem dokumentierten Rückweg zu Ausführungssystemen. Einkäufer greifen weiter erheblich ein, und die finanzielle Qualität vorgeschlagener Mengen bleibt undurchsichtig. (4)
Begriffliche Klarheit zur Supply Chain — 5/10. Das Produkt behandelt Netzwerknachschub, Lieferantenbeschränkungen und Neuproduktnachfrage. Öffentliche Beschreibungen lassen unsichere Versorgung und produktübergreifende wirtschaftliche Wechselwirkungen offen, was die Bedeutung von Netzwerkoptimierung begrenzt. (3)
Unabhängigkeit von überholten Lehrsätzen — 3/10. Konsensprognosen, Klassifikation und Reichweitenziele organisieren den Ablauf. Diese Stellvertretergrößen können das Management zur Pflege von Parametern zwingen, deren Gewinnbezug sich mit den Geschäftsbedingungen ändert. (2, 3)
Widerstandsfähigkeit gegen KPI-Theater — 2/10. Casas hervorgehobene Genauigkeit fasst das Geschäft zusammen und verschleiert Auflösung und Zusammensetzung des angeblich feineren Vergleichs. Die Prozentsätze können SKU-Einkäufe nicht validieren und legen genau diese Schlussfolgerung nahe. (7)
Substanz der Entscheidungen und Optimierung
| Kriterium | Bewertung |
|---|---|
| Tiefe der probabilistischen Modellierung | 3/10 |
| Eigenständige Substanz der Optimierung oder des maschinellen Lernens | 4/10 |
| Umgang mit realen Einschränkungen | 6/10 |
| Entscheidungsautomatisierung und Arbeitsproduktivität | 5/10 |
| Belastbarkeit bei realer operativer Komplexität | 4/10 |
Durchschnitt: 4,4/10
Tiefe der probabilistischen Modellierung — 3/10. Nachfrageunsicherheit wird ausdrücklich dargestellt. Kalibrierung und Überführung korrelierter Nachfrage- und Eingangsunsicherheit in Entscheidungen sind nicht dokumentiert; für Einkauf mit langen Lieferzeiten bleibt eine zentrale Lücke. (2, 9)
Eigenständige Substanz der Optimierung oder des maschinellen Lernens — 4/10. Die Neuprodukterklärung nennt plausible Methoden, und Tannico berichtet verbesserte Prognosen. Beides belegt weder einen eigenständigen Optimierer noch einen reproduzierbaren Vorteil gegenüber einer geeigneten numerischen Ausgangsmethode. (13, 12)
Umgang mit realen Einschränkungen — 6/10. Verpackung, Einkaufskalender, Budgets und Netzwerkbewegungen erreichen den operativen Prozess. Offen bleibt, wie teure Zielkonflikte zwischen diesen Einschränkungen gelöst werden, wenn nicht jedes Ziel erfüllbar ist. (4)
Entscheidungsautomatisierung und Arbeitsproduktivität — 5/10. Wells Lamont berichtet eine klare Verringerung der Stunden für Auftragsbearbeitung. Der Bestandsanalysevergleich hat eine widersprüchliche Ausgangsbasis, und keiner der Fälle misst den gesamten laufenden Aufwand bei Kunde und Anbieter. (11, 10)
Belastbarkeit bei realer operativer Komplexität — 4/10. Planer können Eingaben und Einstellungen an veränderte Bedingungen anpassen. Das öffentliche Betriebsmodell zeigt nicht, wie eine neu entdeckte Wechselwirkung zu einer getesteten, wiederverwendbaren Revision des Entscheidungsproblems statt zu einer weiteren manuellen Anpassung wird. (21, 17)
Integrität von Produkt und Architektur
| Kriterium | Bewertung |
|---|---|
| Architektonische Kohärenz | 6/10 |
| Klarheit der Systemgrenzen | 6/10 |
| Ernsthaftigkeit beim Thema Sicherheit | 4/10 |
| Sparsamkeit der Software und Betriebskosten | 4/10 |
| Eignung für programmatischen und agentengestützten Betrieb | 5/10 |
Durchschnitt: 5,0/10
Architektonische Kohärenz — 6/10. Prognose, Bestand und Bestellungen bilden einen kohärenten Produktumfang. Laufzeit- und Datenarchitektur ihres Zusammenspiels sind zu wenig beschrieben, um Fehlerfortpflanzung oder doppelte Berechnungen zu beurteilen. (21)
Klarheit der Systemgrenzen — 6/10. Intuendi benennt Planungsrolle, Ausführungsschnittstellen, Infrastruktur- und Inferenzanbieter. Detaillierte Datenverantwortung und Konsistenz über einen unterbrochenen Planungs- und Bestellzyklus bleiben undokumentiert. (4, 18)
Ernsthaftigkeit beim Thema Sicherheit — 4/10. Kontoberechtigungen und vertragliche Zugriffskontrollen beschreiben beabsichtigte Einschränkungen. Öffentliche Belege zeigen keine Eindämmung einer kompromittierten KI-Aktion oder eines privilegierten Kontos; mit Schreibfähigkeiten des Dialogzugriffs wird das folgenreicher. (6, 19)
Sparsamkeit der Software und Betriebskosten — 4/10. Der Serviceumfang enthält Abstimmung und möglicherweise kundenspezifische Entwicklung. Öffentliche Preise und Pflegeaufwände fehlen; jenseits berichteter Aufgabeneinsparungen ist damit kein glaubwürdiger Gesamtkostenvergleich möglich. (20, 21)
Eignung für programmatischen und agentengestützten Betrieb — 5/10. Integration und externer Assistentenzugriff unterstützen automatisierte Datenbewegung und Aktionen. Es fehlt prüfbare, versionierte Entscheidungslogik, die Agenten sicher im gesamten Portfolio verbessern und bereitstellen können. (6)
Technische Transparenz
| Kriterium | Bewertung |
|---|---|
| Öffentliche technische Dokumentation | 4/10 |
| Prüfbarkeit ohne Vermittlung des Anbieters | 3/10 |
| Portabilität und Transparenz der Anbieterbindung | 4/10 |
| Transparenz der Einführungsmethode | 5/10 |
| Belegdichte hinter technischen Aussagen | 3/10 |
Durchschnitt: 3,8/10
Öffentliche technische Dokumentation — 4/10. Produktseiten und vertragliche Offenlegungen erklären Eingaben und Arbeitsablauf. Sie liefern wenig mathematische Spezifikation, Ausführungsdetails auf API-Ebene oder Analyse operativer Fehler. (2, 19)
Prüfbarkeit ohne Vermittlung des Anbieters — 3/10. Symphonie verspricht Erklärungen für Ausgaben, doch eine Assistentenerklärung belegt nicht, dass die zugrunde liegende Berechnung die behauptete Wirtschaftlichkeit umsetzt. Reproduzierbare Beispiele oder einsehbare numerische Logik fehlen. (5)
Portabilität und Transparenz der Anbieterbindung — 4/10. Datenaustausch gehört zum Dienst; die Bedingungen definieren eine Aufbewahrungsfrist nach Vertragsende. Der Export gepflegter Regeln, Konfigurationen und des zur Reproduktion von Entscheidungen nötigen numerischen Verhaltens ist nicht dokumentiert. (20)
Transparenz der Einführungsmethode — 5/10. Intuendi beschreibt Datenaustausch, Auswahl von Prognosestrategien, Benchmarks und Abstimmung. Laufende Verantwortlichkeiten, Regressionstests und der Umgang mit erfolglosen Konfigurationen bleiben deutlich weniger explizit. (21)
Belegdichte hinter technischen Aussagen — 3/10. Namentliche Fälle zeigen einzelne Messungen, doch fehlende Metrikdefinitionen und widersprüchliche Ausgangswerte schwächen Aussagen über numerische Überlegenheit und große Produktivitätsgewinne. (7, 10, 12)
Seriosität des Anbieters
| Kriterium | Bewertung |
|---|---|
| Technische Seriosität der öffentlichen Kommunikation | 3/10 |
| Integrität der technologischen Entwicklung | 4/10 |
| Begriffliche Klarheit | 4/10 |
| Wirtschaftliche Verantwortlichkeit | 3/10 |
| Behauptungsfähigkeit in einer Welt agentischer Software | 4/10 |
Durchschnitt: 3,6/10
Technische Seriosität der öffentlichen Kommunikation — 3/10. Die Symphonie-Einführung behauptet Marktüberlegenheit ohne Vergleichstest. Auch die Demand-Sensing-Werbung liefert eine modische Kategorie, ohne einen neuen rechnerischen Beitrag zu isolieren. (15, 16)
Integrität der technologischen Entwicklung — 4/10. Die Geschichte zeigt Kontinuität und gelieferte Ergänzungen, aber wenig Weiterführung breiter KI- und ROI-Versprechen zu gemessenen wirtschaftlichen oder arbeitsbezogenen Ergebnissen einzelner Releases. (14, 15, 17)
Begriffliche Klarheit — 4/10. Bestandswirtschaft erscheint in Kundenerzählungen, doch das Produkt vermischt weiter bessere Prognosen, Managementziele und bessere finanzielle Entscheidungen. Es fehlt ein explizites Modell der Wahlmöglichkeiten und Folgen. (2, 8)
Wirtschaftliche Verantwortlichkeit — 3/10. Öffentliche Bedingungen und Verkaufsrechner begründen keine überprüfbare Nettorenditezusage mit Diagnose- und Abhilfepflichten. Erfolgsaussagen bleiben daher von einer vereinbarten Definition wirtschaftlichen Scheiterns getrennt. (20, 22)
Behauptungsfähigkeit in einer Welt agentischer Software — 4/10. Domänendaten, Integrationen und Nachschubberechnungen bilden eine Grundlage. Dialogprüfung und Parameteränderungen bieten begrenzte Differenzierung ohne nachgewiesene Verbesserung unbeaufsichtigter Entscheidungen oder ihrer Logikpflegekosten. (5, 6)
Quellen
Intuendi-Unternehmensseite, abgerufen am 4. November 2026. Herkunft, Team und Servicepositionierung des Unternehmens.
Intuendi-Nachfrageplanung, abgerufen am 4. November 2026. Wahrscheinlichkeitsbänder, Hierarchie, manuelle Änderungen und Konsensplanung.
[3] Software zur Bestandsoptimierung
Intuendi-Bestandsoptimierung, abgerufen am 4. November 2026. Bestandsregeln, Einschränkungen und Netzwerkberechnungen.
Intuendi-Bestellungen, abgerufen am 4. November 2026. Ausführbare Ergebnisse, Bestellbearbeitung, Containerbehandlung und Integration.
Intuendi Symphonie, abgerufen am 4. November 2026. Aktuelle Aussagen zu Assistent und Ausführung.
Intuendi-MCP-Verbindung, abgerufen am 4. November 2026. Authentifizierung und Berechtigungsmodell.
[7] Casa de las Baterías: Prognosegenauigkeit
Verfügbarkeit bei unsicheren Lieferzeiten schützen, 15. April 2026. Genauigkeitsaussagen und angegebene Grundgesamtheiten.
[8] Casa de las Baterías: Container
Containeroptimierung für höhere Rentabilität, 9. April 2026. Einkaufs- und Beladungsablauf.
[9] Casa de las Baterías: Fehlbestände
Fehlbestände trotz langer Lieferzeiten verringern, 20. Mai 2026. Einführungsumfang und berichtete Verfügbarkeitsverbesserung.
[10] Wells Lamont: Bestandsanalyse
Bestandsanalyse in einen strategischen Vorteil verwandeln, 16. März 2026. Arbeitslastzahlen und widersprüchliche Ausgangsbasis.
[11] Wells Lamont: Auftragsverwaltung
Automatisierung der Auftragsverwaltung, 16. März 2026. Berichteter wöchentlicher Bearbeitungsaufwand.
Prognosefehler verringern, 16. März 2026. Modellauswahl und berichtete Fehler.
[13] Historische Neuproduktprognosen
Maschinelles Lernen für Neuproduktprognosen, 5. Dezember 2017; archiviert am 14. Februar 2026. Erklärung von Klassifikation und Clustering.
Ausstellerkatalog der italienischen Außenhandelsagentur, 2021. Intuendis damalige Produktpositionierung.
[15] Öffentliche Einführung von Symphonie
Intuendis Einführungsankündigung, 4. Dezember 2025; Ankündigung datiert auf den 2. Dezember. Aussagen und Beispielaufgaben.
Intuendi-Artikel zu Demand Sensing, 26. Mai 2026. Behauptete Signale, Horizonte und Reaktionsfähigkeit.
Intuendi Labs, abgerufen am 4. November 2026. Kundenentwicklungsprogramm und Preisszenarien.
[18] Infrastruktur- und KI-Anbieter
KI-Dienste und Unterauftragsverarbeiter, aktualisiert im Mai 2026. AWS, Bedrock und angegebene Verarbeitungsgrenzen.
[19] Datenverarbeitungsnachtrag
Intuendi-DPA, gültig ab August 2026. Zusagen zu Zugriff, Trennung, Wiederherstellung und Datenverarbeitung.
Intuendi-Bedingungen, aktualisiert im August 2026. Abonnementumfang, Support, Aufbewahrung und Verantwortung.
[21] Einführung und Abstimmung
Intuendi-Lösungsüberblick, abgerufen am 4. November 2026. Einrichtung, Benchmarking und Abstimmung.
Intuendi-Rechner, abgerufen am 4. November 2026. Eingaben, benchmarkbasierte Schätzungen und behauptetes Potenzial.
Veröffentlichte Methoden und Einreichungen der M5-Organisatoren. Grundlage des Granularitätsvergleichs anhand der letzten 28 Tage und der besten 50 Punktprognose-Einreichungen.