Bewertung von Lanner, Supply Chain Software Anbieter

Von Léon Levinas-Ménard

Zuletzt aktualisiert: November, 2025

Lanner Group Ltd (jetzt Teil des Twinn-Portfolios von Royal HaskoningDHV) ist ein in Großbritannien ansässiger Herausgeber von Simulationssoftware, dessen Kernprodukt WITNESS ein traditionsreiches Umfeld für die diskrete Ereignissimulation (DES) und “predictive simulation” darstellt, das zur Erstellung digitaler Zwillinge von Fabriken, Lagern, Servicebetrieben und Geschäftsprozessen genutzt wird. Lanners Technologiestack dreht sich um modellzentrierte Simulation anstelle von groß angelegter, datengetriebener Prognose: Anwender erstellen Prozessmodelle, parametrisieren diese mit Ankunftsmustern, Zykluszeiten und Ressourcenregeln und führen daraufhin zahlreiche stochastische Replikationen durch, um die Leistungsfähigkeit unter verschiedenen Szenarien zu bewerten. Im Laufe der Zeit hat Lanner WITNESS mit Experimenter/Optimizer-Modulen, 2D/3D-Animation und APIs zu externem Code (C++, .NET, Python) erweitert und die L-Sim-Simulations-Engine entwickelt, um DES in BPM-/BPSim-Tools wie ARIS und Sparx Enterprise Architect einzubetten. Seit der Übernahme im Jahr 2019 wird Lanners Software unter der Marke Twinn als Teil einer umfassenderen “digital twin and predictive simulation suite” vermarktet, wobei supply chain & logistics als einer von mehreren vertikalen Bereichen neben Fertigung, Gesundheitswesen und Energie positioniert wird. In der Praxis werden Lanners Lösungen typischerweise für projektbezogene, szenariobasierte Analysen (beispielsweise beim Design oder der Neukonfiguration von Produktionslinien, DCs und Service-Systemen) eingesetzt und nicht als durchgehend aktive, hochfrequente Optimierer für tägliche Nachschub- oder Preisentscheidungen. Aus technischer Sicht sind WITNESS und L-Sim ausgereifte, gut dokumentierte Simulations-Engines mit intensiver akademischer Nutzung und stabiler, desktopzentrierter Implementierung; ihre “KI”- und Optimierungsansprüche basieren jedoch größtenteils auf klassischer DES, Eingabemodellierung, Experimentieren und der Suche über Szenarioparameter anstelle modernster Machine-Learning-Methoden oder integrierter probabilistischer Entscheidungsoptimierung.

Überblick über Lanner

Lanner Group ist ein Spezialist für diskrete Ereignis- und prädiktive Simulationssoftware mit Hauptsitz in Großbritannien, wobei WITNESS als Flaggschiffprodukt und L-Sim als Java-basierte Simulationsengine dient, die in Drittanbieter-BPM- und BPSim-Tools eingebettet wird.¹² Das Unternehmen geht zurück auf die Operations-Research-Abteilung von British Leyland in den späten 1970er-Jahren, über AT&T Istel, wo erste visuelle interaktive Simulationswerkzeuge (SEE WHY) entwickelt wurden, die sich später zu WITNESS weiterentwickelten.¹³ WITNESS wird als universelle DES-Plattform positioniert, die Fertigungs-, Logistik-, Gesundheits- und Servicesysteme modelliert und 2D/3D-Animation sowie ein Experimenter-Modul für das Durchsuchen von Parameterkombinationen und die Suche nach verbesserten Systemdesigns bietet.⁴⁵⁶ Im Jahr 2019 wurde Lanner von Royal HaskoningDHV übernommen; die Software wird nun im Rahmen der prädiktiven Simulations- und digital twin Suite “Twinn” neben anderen Analyse- und digital twin Angeboten vermarktet.⁷⁸⁹¹⁰ Öffentlich zugängliche Materialien von Twinn betonen digitale Zwillinge, die physische Assets, Prozesse und Ressourcen in ein einziges Simulationsmodell integrieren, um Designs und Richtlinien vor der Umsetzung zu testen, wobei spezielle Seiten für supply chain & logistics und food & beverage Anwendungsfälle wie Lagerdurchsatzanalysen, Produktionsplanung und Bestandsstrategie-Tests hervorgehoben werden.⁷¹¹¹² WITNESS bleibt in erster Linie eine modellgetriebene, desktopzentrierte Simulationsumgebung; historische und operative Daten werden zwar verwendet, in der Regel jedoch als Parameter und Verteilungen in benutzerdefinierte Modelle eingebettet und nicht als treibende Kraft vollautomatischer Optimierungspipelines.

Lanner vs Lokad

Obwohl sich sowohl Lanner (Twinn) als auch Lokad im weiten Feld der “supply chain and operations optimisation” positionieren, unterscheiden sich ihre Ansätze, Architekturen und typischen Anwendungsfälle grundlegend.

Modellzentrierte Simulation vs. datenzentrierte Optimierung. Lanners WITNESS ist eine Umgebung für diskrete Ereignissimulation: Das zentrale Artefakt ist ein explizites Prozessmodell, das von Analysten erstellt wird und Entitäten, Ressourcen, Warteschlangen, Routing-Logik sowie statistische Verteilungen für Ankünfte und Bearbeitungszeiten umfasst.⁴¹³¹⁴ Anwender führen zahlreiche Replikationen und Szenariodurchläufe (über Experimenter/Optimizer) durch, um Leistungskennzahlen wie Auslastung, Durchsatz, Wartezeiten und Serviceniveaus unter verschiedenen Layouts, Personalausstattungen oder Betriebsregeln zu beobachten.⁴⁶¹⁵ Im Gegensatz dazu ist Lokad eine cloud-native, datenzentrierte Plattform, die umfangreiche Tabellen historischer Transaktionen, Bestandspositionen und Stammdaten einliest und dann probabilistische Nachfrageprognosen sowie optimierte Nachschub-, Produktions- und Preisentscheidungen mittels einer domänenspezifischen Sprache (Envision) und stochastischer Optimierungsalgorithmen generiert. Lokad modelliert Unsicherheit vorwiegend über Prognoseverteilungen für Nachfrage und Lieferzeiten, anstatt explizite, ereignisbasierte Prozessabläufe zu erstellen.

Projektbezogene What-if-Studien vs. tägliche Entscheidungspipelines. WITNESS wird typischerweise in Projektkontexten eingesetzt: beim Entwurf einer neuen Fabrik, der Neukonfiguration eines Lagers, der Validierung von S&OP-Kapazitätsplänen oder beim Testen einer vorgeschlagenen Änderung von Betriebsregeln. Fallstudien von Twinn zeigen, dass WITNESS-Modelle verwendet wurden, um Linienkonfigurationen für Mars Chocolate North America zu evaluieren, neue Layouts und Steuerlogiken für Carrefour-Distributionszentren in der Region Paris zu testen und ein ökologisches Lager für die italienische Kosmetikmarke L’Erbolario zu entwerfen.¹⁶¹⁷¹⁸¹⁹ Diese Studien werden offline, oft mit spezialisierten Simulationsexperten, durchgeführt und die Ergebnisse werden als empfohlene Designs oder Richtlinien dargestellt. Lokads Implementierungen laufen hingegen von vornherein als wiederkehrende Batch-Pipelines (typischerweise täglich): Sie berechnen Prognosen und Optimierungsergebnisse anhand aktueller operativer Daten neu und erzeugen priorisierte Entscheidungslisten (Bestellvorgänge, Lagertransfers, Preisänderungen), die in ERP-/WMS-Systeme eingebunden werden können. Während Lanner dabei hilft zu entscheiden, wie ein System strukturiert und betrieben werden sollte, zielt Lokad darauf ab, zu bestimmen, was heute gekauft, bewegt und bepreist werden soll – basierend auf dieser Struktur.

Granularität im Umgang mit Unsicherheiten. In WITNESS wird Unsicherheit in der Regel durch klassische DES-Eingabemodellierung dargestellt: Angepasste Wahrscheinlichkeitsverteilungen für Ankünfte, Servicezeiten, Ausfälle und andere stochastische Elemente speisen Monte-Carlo-Simulationen des Prozesses.¹⁴²⁰ Der Fokus liegt auf systembezogenen Leistungskennzahlen (Durchsatz, Warteschlangen, Auslastung). Lokads Ansatz betont die Wahrscheinlichkeitsverteilungen von Nachfrage und Angebot auf SKU × Standort × Zeit-Ebene, wobei wirtschaftliche Treiber (Lagerhaltungskosten, Fehlmengenkosten, Veralterung) zur Berechnung des erwarteten finanziellen Ergebnisses jeder Entscheidung herangezogen werden. Lanners Optimierung zielt weitgehend auf Systemdesign und Parametereinstellung (zum Beispiel Puffergrößen, Personalausstattung) über den Experimenter ab, während Lokads Optimierung tägliche Bestandsniveaus und Allokationen unter Unsicherheit in den Mittelpunkt stellt.

Technologie und Benutzerrollen. WITNESS ist eine Windows-basierte Simulationsumgebung mit Drag-and-Drop-Modellierung, interner Skripterstellung und der Möglichkeit, bei Bedarf externe Code-Bibliotheken wie C++, C#, VB.NET oder Python aufzurufen.⁴⁷ Sie richtet sich an Wirtschaftsingenieure, Prozessanalysten und Simulationsexperten, die sich in der Modellierung von Abläufen und Logik sicher fühlen. Lokad wird über eine Webanwendung aufgerufen; dessen Envision-DSL wird von “Supply Chain Scientist” genutzt, um Datentransformationen, Prognosemodelle und Optimierungslogik auszudrücken, während Planer vorwiegend über Dashboards und Entscheidungslisten interagieren. Beide erfordern spezielles Know-how, wobei die Kompetenzen bei WITNESS eher in der DES-Modellierung liegen, während Lokad Fachkenntnisse im Datenengineering und in quantitativer Optimierung voraussetzt.

Anwendungsbereich in der supply chain. Twinns Marketing im Bereich supply chain & logistics hebt das betriebliche Design und die Optimierung von Lagern, Fabriken und Logistikströmen hervor – Kapazitätsplanung, Engpassanalysen, Personalplanung, Fahrzeugfluss etc.¹¹ Fallstudien veranschaulichen WITNESS-Modelle von DC-Betrieben, Transportknotenpunkten und Fertigungsstraßen, beschreiben jedoch nicht End-to-End integrierte Nachfrageprognosen, mehrstufige Bestandsoptimierung oder groß angelegte, SKU-basierte Nachschubstrategien als Kerneigenschaften.¹⁶¹⁷¹⁸²⁰ Lokads definierter Anwendungsbereich umfasst explizit die End-to-End-Optimierung von supply chain Entscheidungen (Nachfrageprognose, Nachschub, Produktionsplanung, Allokation, Preisgestaltung) über sehr große Sortimente, mit Schwerpunkt auf probabilistischen Prognosen und der Bewertung von Entscheidungen nach ihrem erwarteten wirtschaftlichen Wert. WITNESS kann sicherlich innerhalb von supply chain Projekten eingesetzt werden (zum Beispiel zur Gestaltung eines DC oder zur Erprobung eines S&OP-Plans), ist jedoch nicht als Plug-and-Play-Ersatz für ein supply chain Planungs- oder Bestandsoptimierungssystem im Sinne von Lokad gedacht.

Kurz gesagt, Lanner/Twinn und Lokad ergänzen sich eher, als dass sie austauschbar wären: WITNESS ist vor allem als universelle DES-/digital twin Umgebung zur Gestaltung und Belastungsexperimentierung von Prozessen zu verstehen, während Lokad eine datengetriebene Optimierungsplattform ist, die auf wiederkehrende, granulare supply chain Entscheidungen ausgerichtet ist.

Unternehmensgeschichte und Eigentümerschaft

Die Wurzeln der Lanner Group liegen in der Automobilindustrie der West Midlands. Die Geschichte des Unternehmens reicht zurück bis zu BL Systems (der IT-Abteilung von British Leyland), dann ISTEL und später AT&T Istel; in den Jahren 1978–1980 entwickelte diese Gruppe SEE WHY, das als eines der ersten kommerziell verfügbaren, visuell interaktiven Simulationswerkzeuge gilt.¹⁶¹³ Nach einem Management-Buy-out von AT&T Istel wurde 1996 die Lanner Group Ltd gegründet (bereits 1995 unter früheren Namen wie PINCO 741 und SEEWHY Solutions registriert) mit Hauptsitz in Henley-in-Arden und später in Birmingham.¹²¹⁰ WITNESS entwickelte sich aus der SEE WHY-Reihe, wobei 1986 eine IBM-PC-Version auf den Markt kam und seither mehrfach überarbeitet wurde.¹²⁸

Lanners Produktpalette wurde über WITNESS hinaus erweitert und umfasst Nischenpakete wie PRISM (Policing) und PX-Sim (Gesundheitswesen) sowie L-Sim, eine Java-basierte Simulations-Engine zur Einbettung von DES in BPM-Tools.¹²⁵¹³ Von 1996 bis 2010 war die Private-Equity-Firma 3i ein Hauptinvestor; 2010 investierte NVM Private Equity 3 Mio. £ und löste 3i ab, während letztere einen Minderheitsanteil behielten.¹² Im Januar 2019 wurde die Lanner Group Ltd von Royal HaskoningDHV, einem internationalen Ingenieur- und Beratungsunternehmen, übernommen.⁹¹⁰ M&A-Datenbanken beschreiben Lanner zu diesem Zeitpunkt als einen Spezialisten für prädiktive Simulation, dessen Technologie physische Assets, Prozesse und Ressourcen in ein einziges digitales Modell für resiliente Abläufe und supply chains integriert.³⁹ Nach der Übernahme wurden Lanners Produkte in die Twinn digital twin Marke von Royal HaskoningDHV integriert, wobei die Lanner Group Ltd als juristische Einheit mit Sitz in Großbritannien weiterhin besteht (Companies House listet sie als aktiv, mit SIC-Codes für Geschäftsanwendungssoftware und IT-Dienstleistungen).⁷¹⁰

Kommerzielle Datenbanken (D&B, Tracxn, Mergr) zeigen Lanner als ein kleines bis mittelgroßes Softwareunternehmen – Dutzende statt Hunderte von Mitarbeitern – mit einer langen Erfolgsgeschichte und einem globalen Vertriebsnetz, jedoch nicht als hyperscale SaaS-Anbieter.²⁴¹⁹ Insgesamt lässt sich Lanner am besten als ein reifer, Nischen-Simulationsanbieter charakterisieren, der nun in eine größere Ingenieurberatungsfirma eingebettet ist.

Produktportfolio und Bereitstellungsmodell

WITNESS prädiktive Simulation & digital twin Plattform

WITNESS ist Lanners zentrale Umgebung für diskrete Ereignissimulation. Produktbeschreibungen heben seine Fähigkeit hervor, 2D/3D-animierte Modelle von Fabriken, Lagern, Transportsystemen und Serviceprozessen zu erstellen, mit integrierten Elementen wie Maschinen, Puffern, Förderbändern, Fahrzeugen, Arbeitskräften und Pfaden.⁴¹³¹⁴ Das Tool unterstützt:

Diskrete Ereignis-, kontinuierliche und hybride Simulationsansichten, mit Zeitfortschritt, Zufallsstichproben und statistischen Erfassungsmechanismen, wie sie bei DES-Engines typisch sind.¹³¹⁴
Grafischer Modellaufbau mittels Drag-and-Drop-Elementen kombiniert mit WITNESS-Code für Logik, Routing und Steuerungsregeln.⁴¹⁴
Eingabemodellierung und Statistik, einschließlich Zufallszahlengeneratoren, Verteilungsanpassung und Datenimport aus Datenbanken oder Tabellenkalkulationen.¹⁴
Ausgabeanalyse mit Diagrammen, Kostenüberwachung, Szenariomanagement und Dokumentationstools.¹⁴

Das Experimenter (und ehemals Optimizer) Modul ermöglicht es den Nutzern, Szenariensätze zu definieren – Kombinationen von Parameterwerten wie Puffergrößen, Personalausstattung oder Zeitplanungsregeln – und parallele Replikationen durchzuführen, um Leistungskennzahlen zu vergleichen.⁶¹⁵²¹ Drittliteratur zeigt, dass WITNESS in Verbindung mit Versuchsplänen (DOE), Taguchi-Methoden und metaheuristischen Ansätzen wie genetischen Algorithmen eingesetzt wird: Einige Studien koppeln externe genetische Algorithmus-Engines an WITNESS-Modelle, um Fertigungsprozesse oder das Balancieren von Montagelinien zu optimieren.⁷⁸²²²¹ Dies bestätigt, dass WITNESS Mechanismen für Experimentieren und Optimierung bereitstellt, allerdings über klassische Simulation-plus-Such-Setups und nicht über native, groß angelegte mathematische Programmierung.

Neuere Versionen von WITNESS, die unter WITNESS Horizon vermarktet werden, heben eine modernisierte Benutzeroberfläche, einen verbesserten Experimenter, Unterstützung für parallele Durchläufe und die Anbindung an externe Code-Bibliotheken (C++, C#, VB.NET, Python) hervor, wodurch den Nutzern Flexibilität geboten wird, eigene Logik einzubetten oder sich mit anderen Systemen zu integrieren.⁴⁶¹⁵ Release Notes und Produktneuigkeiten betonen die Benutzerfreundlichkeit und inkrementelle Leistungsverbesserungen; es gibt keinen Hinweis auf einen radikalen Wechsel hin zu cloud-nativer, mandantenfähiger SaaS oder integrierten Machine-Learning-Pipelines innerhalb von WITNESS selbst.⁶¹⁵

L-Sim: Eingebettete Simulations-Engine für BPM/BPSim

L-Sim ist eine Java-basierte Simulations-Engine, die aus der WITNESS-Technologie abgeleitet wurde und dazu dient, Prozesssimulation in BPM- und BPSim-konforme Tools einzubetten.¹⁵²³ Das Paper der Winter Simulation Conference 2006 über L-SIM beschreibt es als eine speziell entwickelte DES-Engine für BPMN-Modelle, die sich darauf konzentriert, in BPMN- und BPSim-Spezifikationen definierte Prozessmodelle auszuführen, und bietet Funktionen wie:

Einlesen von BPMN/BPSim-Modellen und deren Zuordnung zu Simulationssemantiken.
Behandlung von Ereignissen, Warteschlangen und Ressourcen gemäß BPSim-Parametern.
Erzeugung von Leistungskennzahlen wie Auslastung, Zykluszeiten und Engpassidentifikation.⁵

Kommerzielle Integrationen umfassen:

IDS Scheer’s ARIS Business Simulator, bei dem L-Sim als Simulations-Engine für BPMN-Modelle in ARIS fungiert.⁵¹³¹¹
Sparx Systems’ Enterprise Architect MDG BPSim Execution Engine, die L-Sim im Hintergrund nutzt, um BPSim-Szenarien auszuführen.²³²²
Andere BPM-Tools, die L-Sim über den BPSim-Standard für Prozesssimulation nutzen.⁷⁸²²

Diese Architektur stärkt Lanners Positionierung als Motoranbieter: WITNESS ist die Modellierungsumgebung; L-Sim ist die eingebettete Engine, die von Drittanbieter-BPM-Tools genutzt werden kann, um Prozesse auf standardisierte Weise zu simulieren.

Bereitstellungsmuster

Öffentliche Informationen deuten darauf hin, dass WITNESS hauptsächlich als Desktop- oder Client-Server-Windows-Anwendung eingesetzt wird, mit Lizenzierung und lokaler Installation, möglicherweise ergänzt durch serverseitige Farmen für den Betrieb großer Experimenter-Kampagnen.⁴⁶¹⁵¹⁴ Twinns Marketing betont Cloud- und Digital-Twin-Erzählungen auf Portfolioebene, liefert jedoch keine detaillierten, unabhängigen Belege dafür, dass WITNESS als voll multi-tenant SaaS-Plattform betrieben wird, wie es moderne, webnative Analysetools sind. Das vorherrschende Bereitstellungsmodell bleibt:

Simulationsspezialisten erstellen und führen Modelle lokal oder auf internen Servern aus.
Daten werden aus ERP/MES/WMS-Exporten oder Datenbanken importiert.
Ergebnisse werden über Berichte, Dashboards und Präsentationen genutzt, anstatt durch direkte transaktionale Automatisierung.

Dies steht im Einklang mit dem breiteren DES-Ökosystem, in dem Tools wie WITNESS, AnyLogic und andere typischerweise in Ingenieurprojekten eingesetzt werden, anstatt als 24/7-Betriebssysteme.

Use of Lanner in supply chain and Logistik

Typische supply chain-Probleme, die angesprochen werden

Twinns supply chain & Logistik Produktseite stellt WITNESS als ein Werkzeug dar, um folgende Herausforderungen zu bewältigen:

Lager- und Distributionszentren-Design, einschließlich Förderbandsystemen, Kommissionierstrategien und Automatisierungsinvestitionen.
Produktions- und Bestandsplanung in Fabriken, mit Schwerpunkt auf Kapazität, Puffergrößen und Terminentscheidungen.
Transport- und Logistikflüsse, wie Cross-Dock-Operationen und Zuweisung von Transportunternehmen/Ressourcen.¹¹¹²

Wissenschaftliche und praxisorientierte Literatur bestätigt den Einsatz von WITNESS in:

Lager-Modellierung, bei der Forscher WITNESS-Modelle von Lagerung, Kommissionierung und Auffüllung erstellen, um Layouts und Steuerungskonzepte zu bewerten.¹⁷²⁴
Flughafen-Check-in, Tankstellenwarteschlangen und andere Service-Logistik, um Ressourcenzuteilung und Warteschlangendynamik zu beurteilen.¹³¹²
Fertigungsstraßen-Ausgleich und Layout-Optimierung in der Automobilbranche und anderen Industrien.²²¹⁵

Diese Anwendungsfälle sind klassische DES-Anwendungen: WITNESS modelliert den Prozess; Parameter (Ankunftsraten, Servicezeiten, Personalstärken) werden variiert; Leistungskennzahlen werden beobachtet.

Belege aus benannten Fallstudien

Lanner/Twinn liefert mehrere benannte Kundenfallstudien, die für supply chain und Betrieb relevant sind:

Mars Chocolate North America (MCNA) – WITNESS wurde als Kern-Engine in einem S&OP-Analyse-Tool eingesetzt, um Produktionskapazität, Puffergrößen und Investitionsentscheidungen zu bewerten. Twinn-Materialien und Artikel von Drittanbietern beschreiben, wie WITNESS Mars dabei half, die Kapazität zu maximieren, Risiken zu reduzieren und netzwerkweite Planungsentscheidungen zu unterstützen.¹⁶⁹ Der Fokus liegt auf strategischer und taktischer S&OP-Szenarioanalyse, nicht auf der täglichen Optimierung der Auffüllung.
Carrefour – Für Carrefours französische Distributionszentren wurde ein WITNESS-basiertes “Analysetool und Operations-Tool” entwickelt, das ein Excel-Frontend mit einem WITNESS-Modell integrierte, um operationelle Szenarien wie Förderbandgeschwindigkeiten, Personaleinsatz und Arbeitsorganisationsregeln zu testen.¹⁷¹⁹ Dies ist ein konkretes Beispiel für den Einsatz von WITNESS in Lageroperationen eines großen Einzelhändlers.
L’Erbolario – Das italienische Kosmetikunternehmen nutzte WITNESS, um ein “Eco-warehouse” zu entwerfen und zu validieren, wobei alternative Layouts, Automatisierungsinvestitionen und Betriebsregeln bewertet wurden, um die Umweltbelastung zu reduzieren und gleichzeitig das Serviceniveau aufrechtzuerhalten.¹⁸
Safran (Luft- und Raumfahrt) – Twinn-Fallmaterial hebt den Einsatz von WITNESS in der Luft- und Raumfahrtfertigung und MRO-Kontexten hervor, beispielsweise zur Evaluierung von Fertigungsfluss und Ressourcenzuteilung, was zu robusteren Produktions- und Instandhaltungsprozessen beiträgt.²⁰

Diese Fallstudien bestätigen, dass Lanner nachweisbare benannte Kunden in den Bereichen Einzelhandel, FMCG und Luft- und Raumfahrt hat und dass WITNESS für bedeutende, risikoreiche Projektdesigns im Betrieb eingesetzt wird. Sie zeigen jedoch auch, dass die Rolle des Tools darin besteht, Szenarien zu simulieren und zu vergleichen, und nicht, automatisierte operative Auffüllentscheidungen zu generieren oder als eingebetteter Optimierer innerhalb von ERP/WMS zu fungieren.

Aus einer supply chain-spezifischen Perspektive eignet sich WITNESS hervorragend für:

Entwurf neuer Anlagen oder Neugestaltung bestehender Anlagen.
Testen von S&OP- und Kapazitätsplanungsszenarien.
Untersuchung von “Was-wäre-wenn”-Fragen zu Durchsatz, Puffern und Serviceniveaus.

Basierend auf öffentlichen Belegen wird es nicht als folgendes vermarktet oder bereitgestellt:

Eine Nachfrageprognose-Engine auf SKU × Standort-Ebene.
Ein multi-echelon Bestandsoptimierer.
Eine End-to-End-supply chain Planungs-Suite mit eingebetteter transaktionaler Integration.

Technologiestack, Modellierungsparadigma und Erweiterbarkeit

Kern der diskreten Ereignissimulation

Technisch implementiert WITNESS die Standardkomponenten einer modernen DES-Engine: Simulationsuhren, Ereignislisten, Zufallsstichproben, Statistikakkumulation und Animation.¹³¹⁴¹⁶ Das Lehrbuch “Process Simulation Using WITNESS” bietet eine umfassende Beschreibung der internen Weltanschauungen von WITNESS (Entitäten, Ressourcen, Warteschlangen, Aktivitäten) und der Modellierungskonzepte (Maschinen, Puffer, Förderbänder, Fahrzeuge, Arbeitskräfte etc.).¹⁴ Zentrale Merkmale:

Ereignisgesteuert: Die Engine fährt die Simulationsuhr bis zum nächsten Ereignis (Ankunft, Abschluss, Ausfall etc.) voran und aktualisiert Systemzustand und Statistiken.
Zufälligkeit via RNG und angepasste Verteilungen: Input-Modellierungstools passen empirische Daten an theoretische Verteilungen (normal, exponentiell, Weibull etc.) an und speisen diese in die Simulation ein.¹⁴
Hybride diskrete/kontinuierliche Fähigkeiten, die eine kombinierte Fluss- und DES-Modellierung für bestimmte Prozesse (z. B. Flüssigkeitsbehälter und Förderbänder) ermöglichen.¹³¹⁴

Diese Architektur ist ausgereift und standardmäßig im DES-Bereich; das Hauptunterscheidungsmerkmal von WITNESS ist seine lange industrielle Erfolgsgeschichte und die umfangreiche Bibliothek an Modellierungskomponenten, und nicht ein grundsätzlich neuartiger Simulationsalgorithmus.

Experimentier- und Optimierungsfunktionen

WITNESS’ Experimenter und verwandte Optimierungstools bieten eine Umgebung, um:

Designvariablen zu definieren (z. B. Anzahl der Operatoren, Pufferkapazitäten, Schichtmuster).
Leistungskennzahlen festzulegen (z. B. Durchsatz, WIP, Wartezeiten, Betriebskosten).
Szenario-Sweeps und DOE durchzuführen (vollständige oder fraktionale faktoriellen Designs, Taguchi-Methoden etc.).
Eingebaute Heuristiken und Rankings zu nutzen, um leistungsstarke Konfigurationen zu identifizieren.⁶¹⁵²¹

Studien von Drittanbietern zeigen, wie WITNESS mit genetischen Algorithmen oder Meta-Heuristiken gekoppelt wird, um Fertigungsprozesse und Montagebandlayouts zu optimieren, wobei die Simulation als Bewertungsfunktion für Kandidatenlösungen fungiert.⁷⁸²² Dies ist ein leistungsfähiges Muster, aber auch ein Standardmuster in der simulationsbasierten Optimierung: Die wichtigste technische Herausforderung besteht üblicherweise in der Rechenzeit und Suchstrategie, nicht in neuartigen KI-Algorithmen.

Aus moderner KI-Perspektive sind diese Fähigkeiten robust, aber klassisch:

Es gibt keine öffentlichen Belege für integriertes Deep Learning, gradientenbasiertes differentielles Programmieren oder End-to-End-Lernen von Richtlinien innerhalb von WITNESS.
Die Optimierung scheint durch Szenario-Sweeps, DOE und externe oder interne Heuristiken angetrieben zu werden, nicht durch großangelegte mathematische Programmierung oder Reinforcement Learning.

Dies schmälert nicht den praktischen Wert von WITNESS für Designprobleme, bedeutet jedoch, dass wenn Lanner/Twinn Begriffe wie “predictive simulation” und “digital twin” verwendet, die zugrunde liegende Engine immer noch ein DES/DOE-Stack ist, und nicht eine moderne, ML-gesteuerte Steuerung.

Eingebettete Engine und Standardunterstützung (L-Sim, BPMN/BPSim)

L-Sim demonstriert einen anderen Aspekt von Lanners Technologiestack: standardbasierte, einbettbare Engines. Das WSC 2006-Papier und Herstellerunterlagen beschreiben L-Sim als:

Eine Java-basierte Simulations-Engine für BPMN-Modelle, die mit BPSim-Parametern annotiert sind.
Integriert in IDS Scheers ARIS Business Simulator und Sparx Enterprise Architects BPSim Execution Engine.⁵²³¹³²²
Konzentriert sich darauf, BPMN-Konstrukte (Aktivitäten, Gateways, Ereignisse) auf DES-Semantik abzubilden und Leistungskennzahlen für die Verbesserung von Geschäftsprozessen zu liefern.

Dies weist auf eine solide technische Tiefe und einen Fokus auf Interoperabilität mit BPM-Standards hin – wiederum technisch glaubwürdig, aber nicht cutting-edge im Bereich KI/ML.

KI, Machine Learning und Optimierungsansprüche

Twinns High-Level-Marketing verwendet zeitgemäße Begriffe wie “predictive simulation”, “digital twin” und “data-driven decision making”, mit einigen Verweisen auf KI im weiteren Portfolio von Royal HaskoningDHV.⁷⁸¹⁸ Wenn man jedoch die produktebene Belege für WITNESS und L-Sim betrachtet, erscheint das Bild konservativer:

Produktseiten betonen die diskrete Ereignissimulation, Experimentation und Integration externer Code-Bibliotheken (C++, C#, VB.NET, Python), gehen jedoch nicht auf integrierte Machine-Learning-Modelle oder End-to-End-KI-Workflows innerhalb von WITNESS ein.⁴⁷¹⁵
Akademische und Lehrbuchpublikationen beschreiben WITNESS als ein DES-Tool mit robuster Input-Modellierung und Output-Analyse, nicht als eine ML-Plattform.¹³¹⁴¹⁶
Die Optimierung wird um den Experimenter, DOE und szenariobasiertes Suchen positioniert; wenn genetische Algorithmen eingesetzt werden, handelt es sich in der Regel um externe Tools, die an WITNESS als Simulator gekoppelt sind.⁷⁸²²²¹

Mit anderen Worten:

„Predictive“ bezieht sich weitgehend auf die prognostische Natur der Simulation – ein Vorwärtslauf in der Zeit unter stochastischen Annahmen – und nicht auf prädiktives Modellieren im ML-Sinne.
„AI“-Verweise im Kontext von WITNESS sind spärlich und überwiegend auf Marketingebene; wir finden keine detaillierte technische Dokumentation zu nativem Deep Learning, Reinforcement Learning oder großangelegten Optimierungsalgorithmen im Kernprodukt.

Angesichts der verfügbaren Belege ist es angebracht, Lanners Technologie als Stand der Technik für diskrete Ereignissimulation und digital twins zu charakterisieren, mit starker akademischer Fundierung und industrieller Robustheit, aber nicht als Stand der Technik in Machine Learning oder KI-gesteuerter Entscheidungsoptimierung. Organisationen, die eine ML-intensive Nachfrageprognose oder algorithmische Auffüllung suchen, sollten WITNESS als ein ergänzendes Design- und Analysewerkzeug betrachten, nicht als Ersatz für spezialisierte ML-/Optimierungsplattformen.

Kommerzielle Reife und Kundenbasis

Lanner ist in seiner aktuellen Form seit Mitte der 1990er Jahre im Betrieb und hat eine beachtliche Kundenbasis in verschiedenen Branchen aufgebaut. Öffentliche Materialien und Datenbanken deuten darauf hin:

Globale Verbreitung mit Tochtergesellschaften oder Präsenz in den USA, China, Frankreich und Deutschland sowie Vertriebspartnern in vielen Ländern.¹²
Einsatz in den Bereichen Automobil, Luft- und Raumfahrt, Konsumgüter, Logistik, Gesundheitswesen und anderen Sektoren.¹²⁷
Benannte Kunden wie Mars Chocolate North America, Carrefour, L’Erbolario, Safran und verschiedene Hersteller und Dienstleistungsorganisationen.¹⁶¹⁷¹⁸²⁰

Im Rahmen von Royal HaskoningDHV wird Lanners Software nun oft im Zuge von Beratungsprojekten geliefert, wobei die Ingenieur- und Beratungsteams des Mutterunternehmens genutzt werden.¹⁸⁹¹⁰ Kommerzielle Intelligence-Plattformen klassifizieren Lanner als einen akquirierten, reifen Nischenanbieter mit vielen Wettbewerbern im Bereich Simulation und digital twins.³²³¹⁹ Es handelt sich nicht um ein Startup in der Frühphase: Seine Technologie ist gut etabliert, wird an Universitäten umfassend gelehrt und in Drittanbietertools eingebettet. Gleichzeitig verfügt es nicht über das Ausmaß oder die Breite eines ERP- oder APS-Megaanbieters.

Aus der Perspektive eines Käufers sollte Lanner/Twinn bewertet werden als:

Ein technisch solider, spezialisierter Simulationsanbieter mit jahrzehntelanger Erfolgsgeschichte.
Vorzugsweise geeignet für Organisationen, die modellgetriebene Analysen schätzen (industrielle Ingenieurwissenschaften, Prozessverbesserung, digital twin Initiativen).
Weniger geeignet als eigenständige Lösung für Unternehmen, deren Hauptbedarf in der laufenden, groß angelegten supply chain Planung und Optimierung liegt.

Fazit

Lanner (jetzt Twinn innerhalb von Royal HaskoningDHV) liefert ein ausgereiftes, technisch glaubwürdiges Paket an diskreten Ereignissimulations- und digital twin Tools – hauptsächlich WITNESS und L-Sim – zur Gestaltung, Analyse und Verbesserung komplexer operativer Systeme. Die Kernstärken des Angebots sind klar und gut belegt:

Eine langjährig etablierte DES-Plattform (WITNESS) mit umfangreichen Modellierungskonzepten, Input/Output-Analyse, Experimenter/Optimizer-Funktionen und umfassendem akademischen sowie industriellen Einsatz.⁴¹³¹⁴²¹¹⁶
Eine einbettbare Engine (L-Sim), integriert in BPM/BPSim-Tools wie ARIS und Sparx Enterprise Architect, die eine starke Interoperabilität mit Prozessmodellierungsstandards aufweist.⁵²³²²
Nachgewiesene Anwendungen in hochkarätigen, supply chain-nahen Kontexten – Mars, Carrefour, L’Erbolario, Safran – bei denen Simulationsmodelle bedeutende Design- und Politikentscheidungen unterstützten.¹⁶¹⁷¹⁸²⁰¹⁹

Gleichzeitig hebt eine rigorose, skeptische Betrachtung der Beweise wichtige Einschränkungen und Klarstellungen hervor:

Lanners Technologie ist modellzentrierte Simulation, nicht datenorientierte probabilistische Optimierung. Sie zeichnet sich durch Szenarioanalysen und Design aus, nicht durch automatisierte, wiederkehrende Entscheidungsfindung auf SKU × Tagesgranularität.
Die Bezeichnungen “predictive” und “digital twin” sind im DES-Sinne begründet, sollten jedoch nicht mit modernen, ML-gesteuerten Prognosen oder Steuerungen gleichgesetzt werden; KI-Behauptungen auf WITNESS-Ebene sind spärlich und werden nicht durch detaillierte technische Dokumentationen zu nativen ML-Algorithmen untermauert.
Die Optimierungsfähigkeiten sind im klassischen DES/DOE-Sinne stark – Experimenter, heuristische Suche, externe Meta-Heuristiken – stellen jedoch nicht modernste integrierte stochastische Optimierungs-Engines für großangelegte supply chain Entscheidungen dar.

Kommerziell gesehen ist Lanner ein reifer, stabiler Spezialanbieter, eingebettet in ein größeres Ingenieurunternehmen. Für Organisationen, die planen, WITNESS oder L-Sim in supply chain-Kontexten einzusetzen, ist folgende realistische Darstellung angemessen:

WITNESS nutzen, um Lagerhäuser, Fabriken, S&OP-Pläne und Logistikprozesse zu entwerfen und Stresstests durchzuführen, und zu untersuchen, wie strukturelle Veränderungen die Leistung unter Unsicherheit beeinflussen.
Kombinieren Sie es mit separaten, datengetriebenen Prognose- und Optimierungswerkzeugen, wenn das Ziel darin besteht, die tägliche Auffüllung oder Preisentscheidungen zu automatisieren.

Im Vergleich zu Plattformen wie Lokad befindet sich Lanner in einer anderen technischen Nische: hochgradig fähig für Digital Twin und Prozessdesign mittels Simulation, aber nicht als direkter Ersatz für probabilistische, ML-gesteuerte supply chain Entscheidungsoptimierung. Käufer sollten sich nicht von Marketing-Schlagwörtern blenden lassen, sondern Lanner anhand dessen bewerten, was seine Technologie nachweislich am besten kann: robuste diskrete Ereignissimulation und Szenario-Experimentierung für komplexe Abläufe.