Rezension von Kardinal.ai, Supply Chain Software Vendor

Von Léon Levinas-Ménard

Zuletzt aktualisiert: April, 2025

Kardinal.ai ist ein Softwareunternehmen, das 2015 gegründet wurde und eine durchgehend verfügbare, cloudbasierte Routenoptimierungs- und Logistikintelligenz-Plattform für Last-Mile-Zustellungen bereitstellt. Durch den Einsatz fortschrittlicher kombinatorischer Optimierung, maschinellen Lernens und Echtzeit-Datenintegration verfeinert Kardinal.ai kontinuierlich Zustelltouren – dynamisch anpassend an Verkehrsschwankungen, operative Einschränkungen und unvorhersehbare Ereignisse – um die Ressourcenzuweisung zu verbessern, Betriebskosten zu senken und die menschliche Entscheidungsfindung zu unterstützen. Unterstützt durch mehrere Finanzierungsrunden mit insgesamt ca. 12,6 Mio. $ und basierend auf einem modernen Tech-Stack, der Microservices, Kubernetes, Golang und sogar Rust umfasst, positioniert sich das Unternehmen als eine agile, aber dennoch robuste Lösung für komplexe logistische Herausforderungen in der heutigen fastlebigen supply chain Umgebung.

Unternehmenshintergrund & Finanzierung

Kardinal.ai wurde 2015 von Jonathan Bouaziz, Cedric Hervet und Hugo Farizon gegründet und entstand aus der Verschmelzung tiefgreifender mathematischer Expertise und direkter Einsichten in logistische Herausforderungen. Die Entstehung und kontinuierliche Entwicklung des Unternehmens sind auf ihrer „À propos“-Seite¹ detailliert beschrieben und wurden zusätzlich in Profilen auf PitchBook² und Tracxn³ dokumentiert. Der Anbieter hat insgesamt etwa 12,6 Mio. $ akquiriert – mit einer bemerkenswerten Series-A-Runde von rund 10,4 Mio. $ im Jahr 2022 – was das Vertrauen der Investoren signalisiert, während er sich auf eine Nische innerhalb der Last-Mile-Optimierung konzentriert.

Produktübersicht: Was Kardinal.ai liefert

Die SaaS-Plattform von Kardinal.ai bietet Echtzeit-Routenoptimierung, die darauf ausgelegt ist:

Letzte-Mile-Zustellung optimieren: Erstelle und passe Zustelltouren dynamisch an, indem die Bedingungen der Fahrer, Verkehrsverhältnisse und Zustellfenster berücksichtigt werden. Diese Echtzeit-Neuoptimierung gewährleistet praktische Routenvorschläge, die aktiv auf Unsicherheiten vor Ort reagieren⁴.
Betriebliche Effizienz steigern: Durch den Einsatz ausgeklügelter Algorithmen verspricht die Plattform Kosteneinsparungen zwischen 10% und 40%, während gleichzeitig die Servicequalität und Ressourcenzuweisung verbessert werden. Das Entscheidungsunterstützungsmodell ergänzt das menschliche Urteilsvermögen – Betreiber überprüfen und validieren Vorschläge, anstatt sich vollständig auf Automatisierung zu verlassen⁴.
Nahtlos integrieren: Als Cloud-Service mit robusten API-Integrationen geliefert, ist die Lösung dafür konzipiert, in bestehende TMS-, ERP- oder andere Unternehmenssysteme eingebunden zu werden und unterstützt sowohl groß angelegte IT-Einführungen als auch schrittweise, phasenweise Implementierungen⁵.

Technische & operative Mechanismen

Kerntechnologien und Algorithmen

Die Plattform von Kardinal.ai basiert auf fortgeschrittenen mathematischen und maschinellen Lerntechniken:

Kombinatorische Optimierung: Die Engine bewältigt „eine unbegrenzte Anzahl von Einschränkungen“, um Zustellrouten zu erstellen, die reale Variablen abbilden, wie auf der Homepage demonstriert⁶.
Maschinelles Lernen für kontinuierliche Verbesserung: Felddaten, die über die mobilen Geräte der Fahrer erfasst werden, fließen in Modelle des maschinellen Lernens ein, die Lieferzeiten vorhersagen, Leistungsmuster identifizieren und nachfolgende Routenberechnungen feinjustieren. Dieser iterative Prozess stellt sicher, dass die Lösung historische und Echtzeit-Daten für eine zunehmende Genauigkeit nutzt⁴.
Echtzeit-Datenintegration: Dynamische Variablen wie Verkehrsbedingungen und Zustellfenster werden kontinuierlich eingelesen, was eine sofortige Neuoptimierung „vor, während und nach“ Zustellungen ermöglicht.

Einsatz und Integration

Die Plattform wird als SaaS-Lösung angeboten und ist so konzipiert, dass sie mühelos über gut dokumentierte APIs integriert werden kann. Dies ermöglicht eine schnelle Implementierung sowie hybride und schrittweise IT-Einführungen, wodurch es möglich wird, den Service mit bestehenden Logistiksystemen wie TMS oder ERP zu verbinden⁵.

Technischer Stack & Team-Einblicke

Zwar bleiben detaillierte Angaben begrenzt, doch deuten verfügbare Einblicke auf den Einsatz eines modernen Tech-Stacks hin, der Microservices umfasst, die mit Kubernetes orchestriert werden, sowie Backend-Komponenten, die in Golang und Rust entwickelt wurden. Team-Einblicke, die vom Mitgründer Hugo Farizon geteilt wurden, unterstreichen das Engagement für leistungsstarke, skalierbare Systeme und agile, funktionsübergreifende Entwicklungspraktiken⁷⁸.

Praktische Anwendungsfälle und betriebliche Auswirkungen

Praktische Einsätze der Plattform von Kardinal.ai wurden in mehreren Fallstudien demonstriert:

Eine Fallstudie zur Einbeziehung von Verkehrsdaten hat signifikante Verbesserungen bei Navigationsvorhersagen gezeigt, was zu zuverlässigeren Touren führte⁹.
Weitere Fallstudien erläutern Szenarien im Depotmanagement und bei Preisstrategien für Paketlieferungen, was zusätzlich die Fähigkeit des Systems unterstreicht, die betriebliche Effizienz in unterschiedlichen Umgebungen zu steigern.
Partnerschaften, wie beispielsweise mit DPD France, unterstreichen die praktische Wirkung und externe Bestätigung der Lösung in verschiedenen Zustellungskontexten.

Kardinal.ai vs Lokad

Während sich Kardinal.ai auf die operativen Herausforderungen der Last-Mile-Zustellung konzentriert, insbesondere auf die dynamische Routenplanung und Echtzeit-Logistikintelligenz, repräsentiert Lokad ein anderes Paradigma in der supply chain Optimierung. Gegründet im Jahr 2008, hat sich Lokad von der cloudbasierten Prognose zu einer umfassenden Plattform für prädiktive supply chain Optimierung entwickelt, die Bedarfsprognosen, Bestandsmanagement, Preisstrategien und Produktionsplanung umfasst. Lokads Plattform nutzt eine eigens entwickelte domänenspezifische Sprache namens Envision und integriert fortschrittliche Techniken wie Deep Learning und differentiable Programmierung, um umsetzbare Empfehlungen zu generieren¹⁰¹¹¹²¹³.

Wichtige Unterschiede umfassen:

• Fokusbereich: Kardinal.ai ist ausschließlich für die Last-Mile-Zustellung konzipiert, während Lokad einen ganzheitlichen Blick auf die supply chain wirft, indem es eine breitere Palette an Entscheidungsoptimierungen integriert.

• Technischer Ansatz: Kardinal.ai baut seine Stärke auf der kombinatorischen und Echtzeit-Optimierung von Zustelltouren mittels Live-Datenfeeds auf. Im Gegensatz dazu verwendet Lokad probabilistische Prognosen und bettet supply chain Logik in seine Envision-DSL ein, was eine durchgängige Automatisierung von Entscheidungen ermöglicht.

• Implementierung und Integration: Beide nutzen cloudbasierte SaaS-Delivery-Modelle und API-Integrationen. Allerdings legt Lokads eigens entwickelte Plattform den Schwerpunkt auf einen maßgeschneiderten, programmierbaren Ansatz zur Steuerung komplexer Schwankungen in der supply chain, während Kardinal.ai sich darauf konzentriert, Routen dynamisch neu zu optimieren, um die variable Natur der Last-Mile-Zustellung zu bewältigen.

Fazit

Kardinal.ai bietet eine innovative, technisch robuste SaaS-Lösung für die Optimierung der Last-Mile-Zustellung. Die Kombination aus fortschrittlicher kombinatorischer Optimierung, maschinellem Lernen und Echtzeit-Datenintegration positioniert sie als effektive Unterstützung der menschlichen Entscheidungsfindung in der Logistik. Obwohl einige Aspekte sich auf branchenspezifische Schlagwörter und abstrakte Beschreibungen stützen, deuten der agile Technologie-Stack und der nachgewiesene betriebliche Einfluss der Plattform auf ihr reales Potenzial hin. Im Vergleich zu einer umfassenderen supply chain Lösung wie Lokad zeichnet sich Kardinal.ai durch seinen fokussierten Ansatz zur Routenoptimierung aus, während Lokad einen breiteren Rahmen für die Quantitative Supply Chain Verwaltung bietet.