Analyse von John Galt Solutions, Anbieter von Supply-Chain-Planungssoftware

Zuletzt aktualisiert: 4. November 2026

Zurück zur Marktforschung

John Galt Solutions entwickelt Atlas, eine Supply-Chain-Planungsplattform für Nachfrage, Bestand, Versorgung, Produktionsreihenfolgeplanung, Distribution sowie Absatz- und Betriebsplanung. Hersteller und Distributoren berechnen damit Prognosen, Bestandsbedarf, Produktionspläne und Nachschubentscheidungen. Das Unternehmen verkauft außerdem ForecastX, eine Prognoseanwendung innerhalb von Microsoft Excel. 1

Gesamtnote für die Supply Chain: 5,0/10.

Dimension	Bewertung
Supply-Chain-Tiefe	5,4/10
Substanz von Entscheidungen und Optimierung	5,8/10
Integrität von Produkt und Architektur	4,2/10
Technische Transparenz	4,6/10
Ernsthaftigkeit des Anbieters	4,8/10

Atlas verbindet Prognose- und Bestandsberechnungen mit konfigurierbaren Entscheidungsabläufen. Die veröffentlichten Methoden reichen bis zu unsicheren Lieferzeiten, Risikopooling im Netzwerk, der Wirtschaftlichkeit von Bestellungen und sequenziellen Entscheidungen. Die praktischen Grenzen liegen in der Undurchsichtigkeit dieser Modelle und der fortbestehenden Abhängigkeit von kundendefinierten Zielen, Zielgewichten und Regeln. Die Nennung von Q-Learning oder eines digitalen Zwillings belegt nicht, dass deren Empfehlungen unter den tatsächlichen wirtschaftlichen Bedingungen einer Supply Chain eine einfachere Strategie übertreffen. 9 10 15

Die Automatisierungsbilanz ist substanzieller, als die allgemeine Positionierung als Planerassistent vermuten lässt. Reddy Ice dokumentiert automatische Nachschub- und Lieferplanung für den Folgetag, gestützt auf Betriebsdaten und berichtete Verbesserungen bei Fehlbeständen und Lieferproduktivität. Der neuere agentische Einsatz bei LATICRETE beschreibt Informationsabruf und Priorisierung von Ausnahmen; autonome Ausführung bleibt ein Folgeschritt. Das sind unterschiedliche Produktivitätsniveaus, und das neuere KI-Etikett darf den Unterschied nicht verdecken. 4 12

Auch die kommerzielle Erzählung geht über ihre Messungen hinaus. John Galt wirbt mit 95% Prognosegenauigkeit, ohne auf der zitierten Seite Auflösung oder Kennzahl zu definieren, und stellt Konfiguration und Nutzung als Weg zu schnellen Erträgen dar, ohne entsprechende Bilanz der laufenden Gesamtbetriebskosten. Das öffentliche Sicherheitsmaterial bietet wenig Grundlage, um Abschottung oder Wiederherstellung von Produktionsplanungsdaten zu beurteilen. 17 24 27

John Galt Solutions im Vergleich zu Lokad

John Galt organisiert Atlas um Planungsanwendungen, wiederverwendbare Abläufe und Kundenkonfiguration. Lokad konzentriert sich auf ausführbare Entscheidungslogik, die Einkaufs-, Produktions-, Zuweisungs- und Nachschubmaßnahmen nach ihrem erwarteten wirtschaftlichen Beitrag unter Unsicherheit priorisiert.

Der KI-Leitfaden von Atlas behandelt probabilistische Lieferzeiten, Nachfrageverteilungen, Netzwerkbeziehungen und Markov-Entscheidungsprozesse. Die Beschaffungsbeispiele umfassen Mindestbestellmengen, Mengenrabatte und Lieferantenauswahl. Diese Themen überschneiden sich mit zentralen Anliegen von Lokad. 9

Der schärfere Unterschied liegt im Ausdruck der Zielfunktion. Die Mehrziel-Schnittstelle von Atlas lässt Nutzer Rentabilität, Service, Nachhaltigkeit und weitere Ziele gewichten. Lokads Designperspektive strebt eine konsistente wirtschaftliche Bewertung konkurrierender Maßnahmen an, einschließlich der Kosten von Fehlmengen, Verschwendung, Verzögerung und knappen Ressourcen. Ein Zielgewicht kann eine Managementpräferenz ausdrücken und zugleich verbergen, wie viel Geld das Unternehmen für die Verbesserung einer bestimmten Kennzahl ausgeben sollte. 10

Lokads Ansatz zur Bestandsoptimierung behandelt wiederkehrende Entscheidungen außerdem als Berechnungen, die ausgeführt und verbessert werden sollen. Atlas kann diesen Endzustand erreichen, wie Reddy Ice zeigt. Seine Assistenten- und Workflow-Angebote unterstützen auch ein anderes Modell, in dem Planer weiterhin Ausnahmen untersuchen und auswählen. Der relevante Produktivitätsvergleich betrifft die verbleibende Arbeit je Entscheidungszyklus einschließlich der Spezialisten, die die Logik pflegen. Die Entwicklungs- und Servicekosten beider Anbieter gehören in diesen Vergleich. 4 12

Technologiegeschichte: Auslieferung, danach weiterreichende Versprechen

John Galt datiert seine Gründung auf 1996 und führt ForecastX neben Atlas weiter. Die öffentliche Dokumentation des Prognoseprodukts ist konkret: Procast wählt für jede Reihe eine Methode durch Minimierung einer gewählten Fehlerkennzahl; Sicherheitsbestandseinstellungen legen Lieferzeit und Servicegrad offen. Das ist eine erkennbare Grundlage statistischer Software. 29 2 3

Die Beziehung zu Reddy Ice bietet eine elfjährige Spur, die aussagekräftiger ist als eine Liste von Produktauszeichnungen.

Datum	Veröffentlichtes Versprechen oder Ergebnis	Was es belegt
Oktober 2015	Reddy Ice wählt Atlas, um Wetter, Saisonalität und Ereignisse mit Nachfrage- und Versorgungsplanung zu verbinden	Ein definiertes Einsatzproblem und ein anfängliches Automatisierungsziel
Mai 2018	John Galt präsentiert Arbeit mit maschinellem Lernen und IoT; die Filialauffüllung benötigt Berichten zufolge fast keine manuellen Eingriffe	Eine begrenzte operative Automatisierungsbehauptung neben dem breiteren Versprechen beispielloser Prognoseleistung
Juni 2022	Eine Kundenpräsentation beschreibt Nachfrage- und Nachschubautomatisierung an mehr als 82.000 Standorten	Fortgesetzte Nutzung und ein wesentlich größerer angegebener operativer Umfang
April 2025	Eine weitere Kundenpräsentation beschreibt erneut automatisierte Nachschub-, Produktions- und Lieferplanung	Kontinuität des Einsatzes über die erste Technologieankündigung hinaus

Diese Aussagen stammen aus datierten Veröffentlichungen des Anbieters und Kundenpräsentationen. Die Entwicklung belegt ausgelieferte Automatisierung in dieser Anwendung; öffentliches Material isoliert weder den Beitrag einzelner Algorithmen noch veröffentlicht es die vollständigen laufenden Kosten. 30 5 6 7

Die anschließende Roadmap führt andere Mechanismen ein. Intelligent Workflows erschien im September 2023 als No-Code-Oberfläche für Regeln, Aufgaben und Prozesse. Die Ankündigung probabilistischer Planung vom Mai 2024 nannte Q-Learning und Unsicherheit bei Einkauf, Fertigung, Nachfrage, Versorgung und Kosten. Im August 2025 kam gewichtete Mehrzieloptimierung für Teile von MEIO und Grobkapazitätsplanung hinzu. September 2025 ergänzte generative Erklärungen für MEIO und Ensemble-Prognosen. 15 8 10 11

Diese Veröffentlichungen beschreiben mehr als einen Vokabelwechsel. Sie lassen auch unterschiedliche Verpflichtungen offen: die Kalibrierung des probabilistischen Modells, die wirtschaftliche Grundlage der Zielgewichte und die Treue generierter Erklärungen. Eine plausible Geschichte darüber, warum Bestand verschoben wurde, ist kein reproduzierbarer Bericht über die Berechnung, die ihn verschoben hat.

Die LATICRETE-Ankündigung vom Juli 2026 ist besonders aufschlussreich. Ihre Überschrift stellt einen durchgängigen agentischen Einsatz dar; der Kunde beschreibt leichteren Zugang zu Erkenntnissen und das Ziel, zu agentischen Abläufen voranzuschreiten. Die angegebenen aktuellen Anwendungen bestehen darin, Ausnahmen zu finden, Aufmerksamkeit zu lenken und Risiken zu erkennen. John Galt selbst ordnet Empfehlungen und autonome Ausführung den nächsten Einführungsstufen zu. Die eingesetzte Fähigkeit ist ein Assistent für Planer, nicht die durch die breitere Produktpositionierung suggerierte durchgängige Autonomie. 12 13

Das historische Urteil ist daher präzise. John Galt hat unbeaufsichtigte operative Berechnungen geliefert, doch seine jüngste Autonomiegeschichte reicht weiter, als der benannte Agenteneinsatz belegt. Das Ergebnis bei Reddy Ice ist der Prognose-, Datenintegrations- und Ausführungsarbeit zuzuschreiben, die es erzeugte, nicht rückwirkend generativer KI.

Probabilistische Planung: das richtige Problem, ein unzureichend offengelegtes Modell

John Galts KI-Leitfaden beschreibt Risikopooling im Netzwerk, statistische Nachfrageverteilungen, dynamische Programmierung für Bestände und probabilistische Lieferzeitbereiche. Er nennt außerdem Markov-Entscheidungsprozesse und Q-Learning für sequenzielle Planung. Ein illustratives Beispiel eines Möbelherstellers führt ein Einführungsrisiko auf ein kleines extern beschafftes Bauteil zurück und beschreibt den Einkauf zusätzlichen Bestands vor der Produktion. Dies ist ein nützliches Beispiel für Abhängigkeiten entlang einer Stückliste statt unabhängiger Behandlung jeder SKU. 9

Die fehlende Substanz ist die Spezifikation des Modells. Eine sequenzielle Entscheidungsmethode benötigt eine Zustandsdarstellung, zulässige Aktionen, Folgen und eine Zielfunktion. Das öffentliche Material legt nicht offen, wie Atlas korrelierte Lieferantenverzögerungen modelliert, verlorene Nachfrage von beobachteten Lieferungen unterscheidet, Serviceausfälle bewertet oder die in Experimenten verwendeten Verteilungen kalibriert. Die Nennung des Lernalgorithmus liefert diese Definitionen nicht.

Dasselbe gilt für den digitalen Zwilling. Atlas verspricht eine virtuelle Darstellung von Lieferanten, Produktion, Bestand, Kapazität und Transport mit Szenarioexperimenten vor realen Maßnahmen. Die Seite erklärt, das Modell solle kontinuierlich validiert werden, nennt aber keine Prognosefehlermaße, Kalibrierungsergebnisse oder Tests vorhergesagter Eingriffe. 14

Ein Zwilling, der die Folgen eines Lieferantenausfalls oder einer Produktionsänderung prognostiziert, ist eine hochdimensionale bedingte Prognose. Synchronisierte Daten belegen, dass er aufgezeichnete Abläufe widerspiegelt; sie beweisen nicht, dass ein alternatives Szenario wie simuliert verlaufen wird. Fehler bei Lieferzeiten, Substitution, Kapazitätsreaktion oder Nachfrage können sich über mehrere Entscheidungen fortpflanzen. Ein Modell, das selbstbewusst den falschen Eingriff empfiehlt, ist schlechter als ein Dashboard, das lediglich eine Störung meldet.

Das ist zugleich ein Wartungsproblem. Holimization fragt, ob unerwartete betriebliche Wechselwirkungen zu vertretbaren Kosten in die Entscheidungslogik aufgenommen werden können. Die visuellen Abläufe von Atlas erlauben Änderungen an Regeln und Prozessen. Öffentliche Dokumentation bietet viel weniger Einblick darin, wie ein Kunde das zugrunde liegende Unsicherheitsmodell oder wirtschaftliche Ziel ändert, wenn sich die ursprüngliche Formulierung als unzureichend erweist. 15

Mehrzieloptimierung und Fertigungsgrenzen

Die Veröffentlichung vom August 2025 benennt ihren Mechanismus ausdrücklich: Nutzer gewichten konkurrierende Ziele, wobei harte Beschränkungen eingehalten und Auswirkungen weicher Beschränkungen verringert werden. Beispiele sind die Bevorzugung margenstarker Produktion, Frische, Lieferantenzuverlässigkeit und CO₂-Fußabdruck. Die Veröffentlichung beschränkt die Erweiterung auf wesentliche Teile von MEIO und Grobkapazitätsplanung. 10

Das verbessert die isolierte Optimierung einer einzigen Bestandskennzahl. Es überträgt zugleich ein schwieriges Bewertungsproblem auf die Person, die Gewichte auswählt. Welcher finanzielle Verlust entspricht einer Einheit verfehlten Service? Wie ist eine CO₂-Präferenz mit einer Produktmarge zu vergleichen? Wie ändern sich Strafwerte bei verändertem Volumen, Produktmix oder Lieferzeiten? Eine Oberfläche, die Gewichte leicht veränderbar macht, macht diese Antworten nicht richtig.

Auch der Unterschied zwischen Grobplanung und detaillierter Terminierung ist wichtig. Dieselbe Veröffentlichung wirbt mit geringerem Daten- und Konfigurationsbedarf für Unternehmen, die noch nicht für Feinplanung bereit sind. Der reduzierte Modellierungsaufwand wird durch weggelassene Details erkauft. Wenn reihenfolgeabhängige Rüstzeiten, Reinigung oder Ressourcenwechselwirkungen die Machbarkeit bestimmen, können diese Auslassungen die beste Entscheidung verändern.

John Galts Angebot zur Feinplanung umfasst PlanetTogether. Die Partnerschaftserweiterung vom Februar 2024 und die gemeinsame Broschüre beschreiben Produktionsreihenfolgen, Material- und Ressourcenbeschränkungen sowie Reinigungen abhängig von Zeit, Menge, Zyklen, Produkten und Attributen. Das sind konkrete Fertigungsfähigkeiten. 23 22

Der Kunde benötigt folglich Übereinstimmung zwischen Planungs- und Terminierungsmodellen: Dieselben Aufträge, Ressourcen, verfügbaren Mengen, Kalender und Prioritäten müssen die Schnittstelle überstehen. Eine Partnerschaft kann diese Integration liefern, doch die gemeinsame Broschüre zeigt nicht, wie konkurrierende Ziele abgeglichen werden oder wie Entscheidungen nach Terminierungsänderungen zurückfließen. Die technische Grenze bleibt bestehen, auch wenn beide Produkte als Teil eines gemeinsamen Planungsangebots verkauft werden.

Automatisierung, die die Arbeit verändert

Der Reddy-Ice-Fall erklärt das frühere Betriebsproblem. Lieferpläne blieben monatelang statisch, Tabellen benötigten manuelle Aktualisierungen, manche Besuche kamen zu spät, andere waren unnötig. Atlas verband von Fahrern gemeldete Bestands- und Lieferdaten, Wetter, Kassendaten und Kundenaufträge. Ein IoT-Pilot ergänzte Messungen aus Eisbehältern alle 30 Minuten. Der Lieferplan wurde anschließend täglich für den Folgetag neu berechnet. 4

Der Anbieter berichtet von 50% weniger Fehlbeständen beim Kunden, mehr als 20% höherer Lieferproduktivität und 20% mehr Umsatz. Der nützliche Mechanismus ist die Verbindung eines kurzen Entscheidungshorizonts, neuer Betriebsbeobachtungen und eines veränderbaren Lieferplans. Das ist stärkere Evidenz als eine Prognosegenauigkeitsquote ohne Bezug zur beeinflussten Maßnahme. Der Fall legt weder einen kontrollierten Vergleich noch vollständige Nettokosten offen. 4

Der Nutzen hat auch eine klare Grenze. Schnelle Beobachtungen können die morgige Lieferung verändern; sie können eine langfristige Beschaffungszusage nicht rückwirkend ändern. Beide Aufgaben als Demand Sensing zu bezeichnen verdeckt den Unterschied. Für jede Anwendung ist entscheidend, ob eine neue Beobachtung eintrifft, bevor die kostspielige Entscheidung unumkehrbar wird.

Die aktuelle Produktseite von Galt AI beschreibt Untersuchung, Schlussfolgerung, Empfehlungen und Workflow-Ausführung. Diese Verben umfassen sehr unterschiedliche Arbeitseffekte. Bei LATICRETE besteht das offengelegte Ergebnis aus weniger Navigation und schnellerem Zugriff auf relevante Informationen, während Planer weiterhin Abwägungen und Entscheidungen analysieren. Die Ankündigung veröffentlicht keine Vorher-nachher-Messung der gesamten Planerstunden oder des autonomen Entscheidungsvolumens. 13 12

John Galts Erklärbarkeitsveröffentlichung von 2025 bekräftigt dieses Betriebsmodell: Dialogbasierte Erklärungen erleichtern es Planern, Bestands- und Ensemble-Prognoseempfehlungen zu vertrauen und danach zu handeln. Die wirtschaftliche Frage ist, ob diese Prüfungen zur Ausnahme werden oder lediglich angenehmer. Eine Erklärung für jeden Eingriff auf SKU-Ebene kann die größte Quelle wiederkehrender Kosten bewahren. 11

Genauigkeitsbehauptungen und Ertragsnachweise

John Galts Zusammenfassung des Nucleus-Berichts Anatomy of a Decision wirbt mit einer Steigerung der Prognosegenauigkeit eines Distributors von 70% auf 95%, einer durchschnittlichen Genauigkeitsverbesserung um 17 Prozentpunkte und 85% höherer Teamproduktivität. Die Seite definiert weder Genauigkeitskennzahl, Produkt-/Standort-/Zeitgranularität, Prognosehorizont noch Nenner der Produktivitätszahl. Diese fehlenden Definitionen machen die Schlagzeilenwerte ungeeignet für die Bewertung von Nachschubentscheidungen oder verbleibender Arbeit. 24

Das Aggregationsproblem ist quantitativ groß. Eine Neuberechnung der besten 50 Punktprognoseeinreichungen der M5-Organisatoren mit 100 × (1 − WAPE) ergibt 22,1–25,1% auf SKU-/Filial-/Tagesebene, aber 95,8–98,2% nach täglicher Zusammenfassung der Produkte und Filialen. Dieselben Prognosen erzeugen beide Bereiche. Das sind diagnostische Berechnungen über die letzten 28 Tage, nicht die offizielle WRMSSE-Bewertung von M5. 25

Durch Aggregation können sich Über- und Unterprognosen ausgleichen, bevor ihre Größe gemessen wird. Sie kann nicht überschüssigen Bestand an einem Ort einen Fehlbestand andernorts decken lassen. John Galts 95%-Behauptung benötigt daher die fehlende Messung auf Entscheidungsebene; in der veröffentlichten Form verdient sie keine Anerkennung für Prognoseleistung.

Die eigene Dokumentation von ForecastX unterscheidet Top-down-Prognosen auf stabileren Gruppenebenen von der stärkeren Artikelspezifik der Bottom-up-Methoden. Das ist eine nützliche Anerkennung des Problems. Das aggregierte Erscheinungsbild einer Prognose und ihr Nutzen für einzelne Nachschubentscheidungen sind unterschiedliche Eigenschaften. 28

Verantwortlichkeit erfordert eine ähnliche Präzision beim Geld. Reddy Ice nennt operative Ergebnisse, doch die untersuchten Materialien gleichen sie nicht mit Softwaregebühren, Integration, Datenerhebung, Modellpflege oder verbleibender menschlicher Arbeit ab. Der breiten Sprache schneller Kapitalrendite in Produktveröffentlichungen stehen weder öffentliche Ausgangsbasis noch Bewertungszeitraum oder Misserfolgskriterium gegenüber. Bessere Nutzung und Kundenzufriedenheit können diese wirtschaftliche Lücke nicht schließen. 4 10

Konfigurationspflege und Gesamtbetriebskosten

John Galt beschreibt Implementierung als Konfiguration mit Kundenbeteiligung, gemeinsamer Qualitätsprüfung, Produktionseinrichtung und Übergabe an ein geschultes Kundenteam. Nach der Implementierung folgen Prognosevorlaufanalysen, Schulung, Überprüfung des Prozessdesigns und etwa im dritten und vierten Monat eine Überprüfung von Sicherheitsbestand und Bestandsrichtlinien. Der Service unterstützt auch die Verankerung von S&OP in der Organisation. 17 18

Das ist ein konkretes Betriebsmodell: Die Software kommt mit Logik, die von Menschen konfiguriert, geprüft und gepflegt wird. Intelligent Workflows lässt Nutzer Aufgaben auf einer visuellen Oberfläche zusammenstellen und Regeln abstimmen. Ein späterer Artikel beschreibt Entscheidungshistorien und Nachverfolgbarkeit, was bei der Diagnose von Änderungen helfen kann. Er dokumentiert weder versionskontrollierte Überführung in Produktion noch automatische Regressionstests oder Rücknahme des kombinierten Planungsmodells. 15 16

Der Aufwand verschwindet nicht dadurch, dass die Oberfläche No-Code heißt. Eine Regel, die eine Zuweisung ändert, benötigt weiterhin einen definierten Zweck, einen Test an historischen Fällen, einen Verantwortlichen und eine Möglichkeit, unbeabsichtigte Wirkungen zu erkennen. Mehrere Gewichte und Schwellenwerte können widersprüchliche Anreize schaffen, selbst wenn jede Ansicht einfach aussieht. Personalwechsel und Anbieterveröffentlichungen ergänzen weitere Pflegearbeit.

Die Flexibilität von Atlas kann wertvoll sein, wenn Korrekturen zu wiederverwendbarer Logik werden. Sie wird teuer, wenn sich Korrekturen als Ausnahmen anhäufen, die Planer im Gedächtnis behalten müssen. Abonnementkosten allein erfassen keines dieser Ergebnisse. Der Käufer muss anfänglichen Integrationsaufwand, wiederkehrende Konfigurationsarbeit, Anbietersupport und routinemäßige Entscheidungsprüfung separat messen.

Softwarestückliste und Sicherheit

Zwei vom Arbeitgeber verfasste Entwicklerstellen zeigen Teile der Betriebslandschaft. Die Systemrolle umfasst Kundenbereitstellung, Serverdimensionierung, Datenbankpflege, Identitätsmigration und interne Geschäftsanwendungen. Die Data-Engineering-Rolle ist ausdrücklich für bidirektionale Datenflüsse zwischen Kunden-ERPs und John-Galt-Software zuständig. 20 21

Evidenzumfang	Offengelegte Komponenten oder Verantwortungen	Folge für den Betrieb
Kundenhosting in der Systemstelle	OVHcloud, Windows Server, Microsoft SQL Server, SQL Agent und T-SQL; regionale Bereitstellung und Platzierung von Kunden auf Servern	Kapazitätsplanung, Patches, Sicherung und Isolation müssen als Teil des Dienstes betrieben werden
Stelle für Integrationsentwicklung	SQL-Server-Zwischenspeicherung und -Transformationen, Python, REST-APIs, JSON/XML, Kubernetes-Jobs; Talend-Erfahrung bevorzugt	Datenzuordnung und Synchronisierung benötigen gepflegten Code und Orchestrierung
Überwachungsaufgaben	Zabbix und Serververwaltungstools	Zusätzliche Infrastruktur, die konfiguriert, abgesichert und betriebsbereit gehalten werden muss
Atlas Schedule	Integration der Terminierung von PlanetTogether	Eine eigene Produktgrenze für Ressourcen, Aufträge, Prioritäten und Terminplanänderungen
ForecastX	Microsoft Excel und das Prognose-Add-in	Eine separate Desktop-Ausführungs- und Arbeitsmappenumgebung

Diese Hosting- und Integrationsverantwortungen zeigen Betriebskosten hinter der Positionierung als kombinierbare Microservices: Serverplatzierung, Kapazität, Datenbanken, Integrationsjobs und Überwachung verlangen laufende Entwicklungsarbeit. 19 20 21

SQL-Zwischenspeicherung, Transformationen und wiederholter Datenaustausch können Verzögerungen oder abweichende Interpretationen von Beständen und Aufträgen erzeugen. Die Integrationsseite bietet kunden- oder anbietergeführte Implementierung an und betont Bereinigung, Korrektur, Anreicherung und Automatisierung. Diese Schritte benötigen gepflegte Semantik, nicht nur kompatible Dateiformate. 26

Die Sicherheitsauskunft ist schwach. Die Systemstelle nennt Berechtigungen, Sicherungen, Zertifikatsverwaltung und Migration von älterer Authentifizierung zu Single Sign-on. Sie erklärt weder erzwungene Mandantentrennung noch Privilegien von Integrationsjobs oder Wiederherstellung des Planungszustands nach einer Kontokompromittierung. Die Datenschutzrichtlinie beschreibt organisatorische und technische Prozesse für personenbezogene Daten, ohne vergleichbares Bedrohungsmodell für Produktionssysteme. 20 27

Auch die Laufzeitgrenze der Integrationsjobs ist undokumentiert: welche Identitäten Kundendaten lesen oder ändern können, wie Geheimnisse und Netzwerkzugriffe eingeschränkt werden und welcher Schaden nach einer Kompromittierung möglich bleibt.

Atlas wirbt mit offenen APIs, doch der Link zur Entwicklerdokumentation führt zu einer Anmeldeseite. Öffentlich lassen sich einige ForecastX-Methoden und Integrationsbeschreibungen prüfen, während API-Vertrag und Planungsengine von Atlas vom Anbieter vermittelt bleiben. Das begrenzt die unabhängige Überprüfung von Automatisierung, Berechtigungen und Portabilität. 19

Supply-Chain-Bewertung

Jede Dimension mittelt ihre fünf Teilnoten. Die Gesamtnote mittelt alle 25.

Supply-Chain-Tiefe

Kriterium	Bewertung
Wirtschaftlicher Rahmen	6/10
Endzustand der Entscheidung	8/10
Konzeptionelle Schärfe in der Supply Chain	7/10
Freiheit von überholten zentralen Doktrinen	3/10
Robustheit gegenüber KPI-Theater	3/10

Durchschnitt: 5,4/10.

Wirtschaftlicher Rahmen — 6/10. Einkaufsbeispiele enthalten Rabatte, Lieferantenauswahl und Margen. Mehrzielplanung belässt wirtschaftliche Abwägungen dennoch teilweise in nutzergewählten Gewichten und Servicerichtlinien. 9 10

Endzustand der Entscheidung — 8/10. Reddy Ice dokumentiert automatisch erzeugte Nachschubmengen, Lieferfrequenzen und Routenentscheidungen. Atlas geht über Prognoseberichte hinaus zu operativen Maßnahmen. 4

Konzeptionelle Schärfe in der Supply Chain — 7/10. Probabilistische Lieferzeiten, Risikopooling im Netzwerk, Stücklisten und sequenzielle Entscheidungen behandeln substanzielle Supply-Chain-Wechselwirkungen. Umsetzung und Validierung bleiben weniger sichtbar als die Konzepte. 9

Freiheit von überholten zentralen Doktrinen — 3/10. Serviceziele, Konsensplanung, Ausnahmebehandlung und S&OP bleiben prominent. Die Anleitung nach der Implementierung verstärkt dieses Prozessmodell ausdrücklich. 3 18

Robustheit gegenüber KPI-Theater — 3/10. Den beworbenen Werten von 95% Genauigkeit und 85% Produktivitätsgewinn fehlen notwendige Definitionen für einen operativen Vergleich. Benannte Kundenergebnisse liefern nützliche Evidenz, reparieren diese breiten uneingeschränkten Kennzahlen aber nicht. 4 24

Substanz von Entscheidungen und Optimierung

Kriterium	Bewertung
Tiefe der probabilistischen Modellierung	5/10
Eigenständige Substanz in Optimierung oder ML	5/10
Umgang mit realen Beschränkungen	7/10
Entscheidungsautomatisierung und Arbeitsproduktivität	7/10
Widerstandsfähigkeit bei realer betrieblicher Komplexität	5/10

Durchschnitt: 5,8/10.

Tiefe der probabilistischen Modellierung — 5/10. Der angegebene Umfang von Atlas schließt unsichere Nachfrage, Lieferzeiten, Kosten und sequenzielle Aktionen ein. Der öffentliche Leitfaden zeigt keine kalibrierten gemeinsamen Verteilungen oder ein reproduzierbares Entscheidungsexperiment. 8 9

Eigenständige Substanz in Optimierung oder ML — 5/10. Veröffentlichtes Material benennt dynamische Programmierung, Q-Learning und gewichtete Ziele. Diese geben eine technische Richtung vor; sie belegen keinen eigenständigen algorithmischen Vorteil und quantifizieren nicht den Beitrag jeder Methode. 9 10

Umgang mit realen Beschränkungen — 7/10. Mindestbestellmengen und Rabatte, Frische, Produktionskapazität und detaillierte Reinigungsbeschränkungen sind dokumentiert. Die Integration zwischen Grobentscheidungen und Terminierungsprodukt bleibt folgenreich. 9 10 22

Entscheidungsautomatisierung und Arbeitsproduktivität — 7/10. Die wiederholten Einsatzberichte von Reddy Ice belegen erhebliche unbeaufsichtigte Planung. Der neuere Assistentenfall zeigt ein engeres Ergebnis und liefert keine entsprechende Gesamtarbeitsmessung. 4 6 7 12

Widerstandsfähigkeit bei realer betrieblicher Komplexität — 5/10. Veränderbare Abläufe und laufender Kundensupport bieten Anpassungswege. Kosten und Ausdrucksgrenzen einer Überarbeitung des numerischen Modells statt einer weiteren Regel bleiben unklar. 15 17 18

Integrität von Produkt und Architektur

Kriterium	Bewertung
Architektonische Kohärenz	5/10
Klarheit der Systemgrenzen	5/10
Ernsthaftigkeit bei der Sicherheit	2/10
Softwaresparsamkeit und Gesamtbetriebskosten	4/10
Eignung für programmgesteuerte und agentengestützte Abläufe	5/10

Durchschnitt: 4,2/10.

Architektonische Kohärenz — 5/10. Atlas hat eine verständliche Planungsrolle und modulare Oberfläche. Die Terminierungspartnerschaft und offengelegte Integrationslandschaft benötigen Modell- und Datenabgleich, den die Beschreibung einer gemeinsamen Plattform nicht erklärt. 19 21 23

Klarheit der Systemgrenzen — 5/10. Der Anbieter benennt ERP-Integrationsverantwortungen und einen eigenständigen Terminierungspartner. Öffentliche Beschreibungen enden vor detaillierten Verträgen zu Planungszustand und zurückgegebenen Entscheidungen. 21 23 26

Ernsthaftigkeit bei der Sicherheit — 2/10. Stellenanzeigen nennen grundlegende Betriebsaufgaben, während die Datenschutzrichtlinie allgemeine Prozesszusicherungen bietet. Keine legt durchsetzbare Abschottung, Agentenberechtigungen oder Wiederherstellung beschädigten Betriebszustands offen. 20 27

Softwaresparsamkeit und Gesamtbetriebskosten — 4/10. Hosting, Integrationscode, Orchestrierung, Kundenabläufe und fortlaufende Richtlinienüberprüfungen erfordern Pflege. Das öffentliche Versprechen schneller Wertschöpfung quantifiziert diese kombinierte Dauerlast nicht. 17 18 20 21

Eignung für programmgesteuerte und agentengestützte Abläufe — 5/10. Automatischer Nachschub und bidirektionale Integration zeigen, dass Atlas ohne wiederholte Bildschirminteraktion arbeiten kann. Die öffentliche API-Dokumentation bleibt zugangsbeschränkt, und die Einsatzgeschichte des Assistenten richtet sich vor allem an Planer. 4 12 19 21

Technische Transparenz

Kriterium	Bewertung
Öffentliche technische Dokumentation	5/10
Überprüfbarkeit ohne Vermittlung des Anbieters	4/10
Portabilität und Sichtbarkeit der Anbieterbindung	3/10
Transparenz der Implementierungsmethode	6/10
Evidenzdichte hinter technischen Behauptungen	5/10

Durchschnitt: 4,6/10.

Öffentliche technische Dokumentation — 5/10. ForecastX-Methodenanleitungen und der Atlas-KI-Leitfaden legen nützliche Mechanismen offen. Die probabilistische Formulierung, Kalibrierung und Engine-Schnittstellen von Atlas bleiben wesentlich weniger zugänglich. 2 3 9

Überprüfbarkeit ohne Vermittlung des Anbieters — 4/10. Außenstehende können Prognoseeinstellungen und benannte Einsatzabläufe untersuchen. Die Reproduktion der zentralen Planungsergebnisse erfordert Zugang über die öffentliche Dokumentation hinaus. 2 4 19

Portabilität und Sichtbarkeit der Anbieterbindung — 3/10. Integrationsmöglichkeiten werden beschrieben, doch dem untersuchten Material fehlt eine portable Spezifikation für Kundenregeln, Ziele und Planungsmodellkonfiguration. Datenaustausch allein bewahrt diese angesammelten Werte nicht. 15 26

Transparenz der Implementierungsmethode — 6/10. Gemeinsame Qualitätsprüfung, Kundenübergabe, Prognosevorlaufanalyse und geplante Richtlinienprüfungen machen Verantwortungen greifbarer. Preise und wiederkehrender Aufwand für diese Aktivitäten werden nicht veröffentlicht. 17 18

Evidenzdichte hinter technischen Behauptungen — 5/10. Die Reddy-Ice-Chronologie, der technische Leitfaden und Entwicklerrollen belegen mehrere Fähigkeiten. Den stärksten Zwillings-, Autonomie- und Genauigkeitsbehauptungen fehlt weiterhin passende Validierung. 4 9 12 14 24

Ernsthaftigkeit des Anbieters

Kriterium	Bewertung
Technische Ernsthaftigkeit der öffentlichen Kommunikation	4/10
Integrität der technologischen Roadmap	5/10
Konzeptionelle Schärfe	6/10
Wirtschaftliche Verantwortung	3/10
Verteidigungsfähigkeit in einer Welt agentischer Software	6/10

Durchschnitt: 4,8/10.

Technische Ernsthaftigkeit der öffentlichen Kommunikation — 4/10. Detaillierte Planungskonzepte stehen neben undefinierter nahezu perfekter Genauigkeit und weitreichender Autonomiesprache. Generative Erklärungen werden ohne offengelegten Test ihrer Treue zur Berechnung beworben. 9 11 24

Integrität der technologischen Roadmap — 5/10. Die Reddy-Ice-Bilanz zeigt Kontinuität vom Einsatz bis zu wiederholten Automatisierungsberichten. Die jüngeren Veröffentlichungen zu probabilistischer Planung, Erklärbarkeit und Agenten benötigen vergleichbare Belege dauerhafter Ergebnisse. 30 5 7 8 12

Konzeptionelle Schärfe — 6/10. John Galt erkennt die Bedeutung von Versorgungsunsicherheit und sequenziellen Folgen an. Die gewichtete Zieloberfläche und die Erzählung zur Planerreife belassen wichtige wirtschaftliche Entscheidungen dennoch außerhalb eines klar definierten Bewertungsrahmens. 9 10 18

Wirtschaftliche Verantwortung — 3/10. Operative Fallergebnisse werden nicht von vollständigen Netto-Gesamtbetriebskosten oder definierten wirtschaftlichen Misserfolgskriterien begleitet. Öffentliche Supportzusagen beschreiben Beteiligung und Schulung klarer als Verantwortung für einen ausgebliebenen Ertrag. 4 17 18

Verteidigungsfähigkeit in einer Welt agentischer Software — 6/10. Gepflegte Integrationen, domänenspezifische numerische Logik und nachgewiesener unbeaufsichtigter Nachschub behalten Wert. Assistentengestützte Ausnahmeprüfung ist stärker austauschbar und belegt keine zusätzliche Produktivität der Entscheidungsengine. 4 12 21

Quellen

Die Quellen wurden am 4. November 2026 abgerufen. Veröffentlichungsdaten sind angegeben, soweit verfügbar.

[1] John Galt Solutions: Atlas und ForecastX

John Galt Solutions: Atlas und ForecastX. Funktionsumfang von Atlas und ForecastX.

[2] ForecastX: Dokumentation der Procast-Methode

ForecastX: Dokumentation der Procast-Methode. Auswahl der Prognosemethode je Reihe und Parameter der Fehlerstatistik.

[3] ForecastX: Dokumentation zum Sicherheitsbestand

ForecastX: Dokumentation zum Sicherheitsbestand. Lieferzeit- und Servicegradeinstellungen für Sicherheitsbestandsberechnungen.

[4] Fallstudie Reddy Ice

Fallstudie Reddy Ice. Benannter Einsatz, Dateneingaben, Nachschub für den Folgetag und berichtete operative Ergebnisse.

[5] Reddy Ice: Konferenzpräsentation zu maschinellem Lernen und IoT

Reddy Ice: Konferenzpräsentation zu maschinellem Lernen und IoT (2018-05-14). Zeitgenössische Behauptungen zu maschinellem Lernen und IoT bei Reddy Ice.

[6] Reddy Ice: durchgängige Supply-Chain-Automatisierung

Reddy Ice: durchgängige Supply-Chain-Automatisierung (2022-06-01). Fortgesetzte Kundenautomatisierung an mehr als 82.000 Standorten.

[7] Webinarankündigung zur Automatisierung von Reddy Ice

Webinarankündigung zur Automatisierung von Reddy Ice (2025-04-02). Folgebericht zur Automatisierung bei Reddy Ice.

[8] Einführung durchgängiger probabilistischer Planung

Einführung durchgängiger probabilistischer Planung (2024-05-08). Datierte Einführung von Q-Learning und durchgängiger probabilistischer Planung.

[9] Leitfaden zu KI in der Supply-Chain-Planung

Leitfaden zu KI in der Supply-Chain-Planung. Technischer Anbieterleitfaden: Risikopooling im Netzwerk, dynamische Programmierung, Lieferzeitbereiche, Bestellungen und sequenzielle Planung.

[10] Veröffentlichung zur simultanen Mehrzieloptimierung

Veröffentlichung zur simultanen Mehrzieloptimierung (2025-08-12). Gewichte, harte und weiche Beschränkungen sowie Umfang der erweiterten Optimierung.

[11] Erklärbare KI für MEIO und Ensemble-Prognosen

Erklärbare KI für MEIO und Ensemble-Prognosen (2025-09-16). Generative Erklärungen für Bestands- und Ensemble-Prognoseempfehlungen.

[12] LATICRETE führt Galt AI ein

LATICRETE führt Galt AI ein (2026-07-21). Benannter Agenteneinsatz, aktuelle Assistentennutzung und künftige Automatisierungsziele.

[13] Produktseite von Galt AI

Produktseite von Galt AI. Aktuelle Positionierung zu Autonomie und Workflow-Ausführung.

[14] Digitaler Supply-Chain-Zwilling

Digitaler Supply-Chain-Zwilling. Umfang des Szenariomodells und angegebener Validierungsansatz.

[15] Veröffentlichung von Atlas Intelligent Workflows

Veröffentlichung von Atlas Intelligent Workflows (2023-09-13). No-Code-Regeln und Zusammenstellung von Prozessen.

[16] Vertrauen mit Intelligent Workflows aufbauen

Vertrauen mit Intelligent Workflows aufbauen. Entscheidungshistorie, Nachverfolgbarkeit und Planerinteraktion.

[17] Exzellenz bei der Implementierung

Exzellenz bei der Implementierung. Konfiguration, gemeinsame Qualitätssicherung, Produktionseinrichtung und Kundenübergabe.

[18] Nach der Implementierung

Nach der Implementierung. Wiederkehrende Schulung, Prognoseanalyse, Richtlinienüberprüfung und S&OP-Unterstützung.

[19] Kombinierbares und erweiterbares Atlas

Kombinierbares und erweiterbares Atlas. Microservices, Positionierung mit offenen APIs und Link zur zugangsbeschränkten Entwicklerdokumentation.

[20] Stelle für System- und Datenbankentwicklung

Stelle für System- und Datenbankentwicklung. Vom Arbeitgeber verfasste Stelle: Kundenhosting-Aufgaben und Infrastrukturanforderungen; undatiert.

[21] Stelle für Data Engineering

Stelle für Data Engineering. Vom Arbeitgeber verfasste Stelle: ERP-Integration, Datenpipelines und Kubernetes-Anforderungen; undatiert.

[22] Technologiepartnerbroschüre von John Galt und PlanetTogether

Technologiepartnerbroschüre von John Galt und PlanetTogether (2024). Gemeinsame Produktbroschüre, detaillierte Terminierungsfunktionen und Fertigungsbeschränkungen.

[23] Erweiterte Partnerschaft mit PlanetTogether

Erweiterte Partnerschaft mit PlanetTogether (2024-02-27). Umfang der erweiterten Feinplanungspartnerschaft.

[24] Nucleus Research: Anatomie einer Entscheidung, Anbieterzusammenfassung

Nucleus Research: Anatomie einer Entscheidung, Anbieterzusammenfassung. Vom Anbieter beworbene Genauigkeits-, Produktivitäts- und Bestandszahlen; die öffentliche Zusammenfassung definiert ihre Messungen nicht.

[25] M5-Organisatoren: feste Revision des Daten- und Einreichungsrepositorys

M5-Organisatoren: feste Revision des Daten- und Einreichungsrepositorys. Organisatorendaten und eingereichte Punktprognosen in einer festen Repository-Revision. Der Aggregationsvergleich nutzt alle 30.490 Reihen über die Tage d_1942–d_1969, einschließlich Beobachtungen ohne Verkäufe; Prognosen werden ohne neue Anpassung summiert.

[26] Integrationsrahmen von Atlas

Integrationsrahmen von Atlas. Integrationsverantwortung, Datentransformationen und Systemverbindungen.

[27] Datenschutzrichtlinie von John Galt Solutions

Datenschutzrichtlinie von John Galt Solutions (2023-06-20). Richtlinie zu personenbezogenen Daten und allgemeine Sicherheitsangaben.

[28] ForecastX: Dokumentation zu Gruppenprognosen

ForecastX: Dokumentation zu Gruppenprognosen. Top-down-Aggregation, Bottom-up-Prognosen und Zuweisungsverhalten.

[29] Unternehmensgeschichte von John Galt Solutions

Unternehmensgeschichte von John Galt Solutions. Unternehmensgründung und rückblickende Produktchronologie.

[30] Reddy Ice wählt Atlas

Reddy Ice wählt Atlas (2015-10-08). Ursprüngliche Anbieterankündigung der Atlas-Auswahl durch Reddy Ice.