Kontakt

Bewertung von Microsoft Dynamics 365, ERP-zentrierter Supply-Chain-Anbieter

Von Léon Levinas-Ménard

Zuletzt aktualisiert: 4. November 2026

Zurück zur Marktforschung

Microsoft Dynamics 365 Supply Chain Management ist eine ERP-Anwendung für Einkauf, Bestand, Produktion, Lagerhaltung, Auftragsbearbeitung und die zugehörigen betrieblichen Datensätze. Planning Optimization berechnet Materialbedarfe und Planaufträge; Demand planning erzeugt und verwaltet Prognosen; Inventory Visibility stellt Bestände und Reservierungen über verbundene Systeme hinweg bereit. Copilot und Einkaufsagenten ergänzen dialogbasierte Analysen und Abläufe für die Lieferantenkommunikation. 1 2 5 28

Gesamtbewertung für die Supply Chain: 5,1/10

Dimension Bewertung
Tiefe des Supply-Chain-Verständnisses 4,8/10
Substanz von Entscheidungen und Optimierung 4,6/10
Integrität von Produkt und Architektur 4,4/10
Technische Transparenz 7,4/10
Ernsthaftigkeit des Anbieters 4,2/10

Die betriebliche Breite der Plattform ist erheblich, und ihre öffentlichen Handbücher machen viele wichtige Mechanismen überprüfbar. Die zentrale Planungslogik bleibt dennoch bei Bedarfen, Deckungsregeln, Bestandsschwellen und konfigurierbaren Prioritäten. Diese Mechanismen erzeugen umsetzbare Aufträge, begründen aber keine gemeinsame wirtschaftliche Entscheidungsregel für unsichere Nachfrage, unzuverlässige Versorgung, geteilte Kapazität und knappes Kapital. 6 7 8

Die größten Bedenken betreffen die Kosten der Konfigurationspflege und die Schwierigkeit, das Entscheidungsmodell selbst zu verändern. Microsofts neuere Agenten automatisieren Teile des bestehenden Prozesses; dessen fehlende wirtschaftliche Logik liefern sie nicht. Die Geschichte enthält zudem eine Vorschauversion eines Supply-Chain-Kontrollzentrums, die weniger als ein Jahr nach Einführung beendet wurde, als sich die Produktgeschichte zu Copilot verlagerte. 17 22 23

Microsoft im Vergleich zu Lokad

Dynamics 365 erfasst und führt ein breites Spektrum von Geschäftstransaktionen aus. Lokads Bestandsoptimierung nutzt solche Datensätze, um wiederkehrende Entscheidungen nach ihren wirtschaftlichen Folgen zu berechnen. Die Supply Chain Scientists pflegen die Logik, während sich das Geschäft verändert. Ein ERP kann das führende operative System bleiben, während eine andere Anwendung Einkaufs- oder Zuteilungsentscheidungen liefert.

Betrachten wir zwei Produkte, die um Einkaufsbudget konkurrieren. Die prioritätsbasierte Planung von Dynamics kann Nachschub anhand des Bestands im Verhältnis zu konfigurierten Höchstwerten ordnen. Dieses Verhältnis bestimmt nicht, welcher Einkauf den höheren erwarteten Ertrag hat: Marge, Substitution, entgangene Verkäufe, Veralterung und Kapitalverbrauch können sich zwischen den Produkten stark unterscheiden. Lokads Betriebsmodell stellt diese monetären Unterschiede ins Zentrum der Berechnung. 6

Der andere Unterschied liegt darin, wo Verbesserung stattfindet. Dynamics bietet umfangreiche Konfiguration und ein Ökosystem für Erweiterungen, doch der dokumentierte Erweiterungspunkt von Planning Optimization verändert überwiegend Ergebnisse nach der Berechnung. Lokads Ansatz stellt die Überarbeitung des wirtschaftlichen Modells ins Zentrum der laufenden Arbeit. Ein schnellerer Plan ist nur dann wertvoll, wenn er die tatsächlich wichtigen Wahlmöglichkeiten abbildet. 17

Produktumfang und Verfügbarkeit

Diese Bewertung betrifft Dynamics 365 Supply Chain Management und seine direkt verbundenen Planungs-, Transparenz- und Agentenfunktionen.

Planning Optimization ist der Standard für neue Cloud-Bereitstellungen. Laut Microsofts Migrationsdokumentation ist die alte integrierte Engine seit Version 10.0.41 für neue Bereitstellungen gesperrt; für bestehende juristische Personen kann es Migrationsausnahmen geben. Der Wechsel zum neueren Dienst erfordert auch die Bewertung von Anpassungen und Unterschieden im Planungsverhalten. 16

Demand planning ist eine separate Anwendung, die über die Power-Platform-Administration installiert wird und eigene Lizenz- und Umgebungsanforderungen hat. Die Dokumentation des Procurement Agent kennzeichnet die geprüften Fähigkeiten weiterhin als produktionsreife Vorschau. Optionale automatische Nachfass-E-Mails sind dokumentiert, daneben die menschliche Prüfung eingehender Änderungen und ihrer Auswirkungen. 27 10 11

Was die Planungsengine berechnet

Nachschubprioritäten entstehen aus Bestandsregeln

In einer dokumentierten Priorisierungsmethode teilt das System den Nettofluss durch den konfigurierten Höchstbestand. Der Nettofluss besteht aus vorhandenem Bestand plus bestelltem Nachschub minus berücksichtigter Nachfrage. Das Unterschreiten des Bestellpunkts löst Nachschub bis zum Maximum aus; Prioritätsbereiche können Aufträge in Gruppen aufteilen. Mindestmengen und Bestellvielfache bleiben Teil der Berechnung. 6

Diese Regeln sind ausführbar, aber ein Prioritätsprozentsatz hat keine eigene wirtschaftliche Bedeutung. Zwei Artikel mit demselben Prozentsatz können sehr unterschiedliche Fehlbestandskosten haben. Umgekehrt kann ein margenschwacher Artikel näher am Fehlbestand vor einem wesentlich wertvolleren Einkauf stehen. Das wirtschaftliche Urteil wurde an die Menschen delegiert, die Schwellen, Höchstwerte und Prioritätsbereiche festlegen.

Die Sicherheitsbestandsplanung versucht ebenfalls zu verhindern, dass der projizierte Bestand unter ein konfiguriertes Minimum fällt. Die Dokumentation plant Nachschub anhand der Beschaffungszeit und enthält ausdrückliche Regeln dafür, wie reale Nachfrage den für Sicherheitszwecke reservierten Bestand verbrauchen kann. 7

Ein fester Puffer kann einen Teil der Variabilität aufnehmen, beschreibt aber weder Wahrscheinlichkeiten künftiger Verkäufe und Wareneingänge noch die Kosten möglicher Ergebnisse. Microsofts Produktseite bewirbt die Fähigkeit mit der Beseitigung von Fehlbeständen. Eine Schwellenwertregel kann diese uneingeschränkte Aussage nicht tragen, solange Versorgung und Nachfrage unsicher bleiben. 1

Versorgungsrisiken werden sichtbar, bleiben aber außerhalb der gemeinsamen Entscheidungsauswahl

Der Arbeitsbereich Supply risk assessment überträgt die historische Lieferleistung von Lieferanten auf geplante Einkäufe. Er zeigt gefährdete Mengen und Beträge und lenkt Nutzer auf Alternativen wie andere Lieferanten, Transportarten oder Bezugsstandorte, bevor der Plan erneut bewertet wird. Die Nutzer wählen die Reaktion auf das erkannte Risiko. 33

Die verbleibende Lücke ist rechnerisch. Ein Bericht über Lieferrisiken zeigt nicht, wie Verteilungen von Ankunftsdaten, Nachfrageunsicherheit, gemeinsame Störungen und alternative Handlungen zur Einkaufsauswahl kombiniert werden. Einkäufer müssen weiterhin entscheiden, was zusätzliche Robustheit wert ist. Einen unzuverlässigen Lieferanten zu erkennen ist einfacher, als die wirtschaftlich angemessene Mischung aus Bestand, Eiltransporten, alternativen Bezugsquellen und akzeptierten Fehlbeständen zu bestimmen.

Kapazitätsrestriktionen verbessern die Durchführbarkeit, klären aber nicht die Wirtschaftlichkeit

Die Planung mit endlicher Kapazität berücksichtigt bereits reservierte Ressourcen und verschiebt Arbeit, wenn Kapazität fehlt. Microsoft warnt auch davor, die Funktion einzusetzen, wenn sich Kapazität mit dem Bedarf ändert, etwa durch Schichtänderungen, weil die berechneten Bearbeitungszeiten dann falsch wären. 8

Diese Grenze ist bedeutsam. Überstunden, Fremdvergabe, Umplanung und verspätete Lieferung sind oft konkurrierende wirtschaftliche Optionen und keine festen Hintergrundfakten. Ein Plan, der Kapazität annimmt und dann Termine verschiebt, kann den besseren Entschluss übersehen, zusätzliche Kapazität zu kaufen oder eine bestimmte Verzögerung zu akzeptieren. Entscheidend ist die Angemessenheit der modellierten Entscheidungen, nicht nur die Rechengeschwindigkeit.

Der Migrationsvergleich dokumentiert außerdem konkrete Umfangsgrenzen, darunter ignorierte Retourenaufträge und Unterschiede bei Transport und Lieferantenkalendern. Eine Migration kann somit berechnete Bedarfe und Termine verändern, selbst wenn das Unternehmen seine bisherigen betrieblichen Einstellungen beibehält. 9

Prognosen und die verbleibende Arbeit der Planer

Demand planning unterstützt auto-ARIMA, ETS, Prophet, XGBoost und die automatische Auswahl unter den Standardmodellen mit einer Eingabe. Der veröffentlichte Vergleich nutzt Prognosefehlermetriken, um je Produkt- und Dimensionskombination eine Methode zu wählen. Das ist konventionelle Modellauswahl und kein Beleg für einen proprietären Durchbruch in wirtschaftlicher Optimierung. 3

Der dokumentierte Prozess importiert Daten, wandelt sie in Zeitreihen um, erzeugt Prognosen und lässt anschließend Menschen prüfen, anpassen und zusammenarbeiten, bevor die Prognosen exportiert werden. Der Modelldesigner kann vermeintliche Ausreißer glätten und manuell angepasste Werte vor späteren automatischen Änderungen schützen. 2 4

Beide Eingriffe bergen wirtschaftliche Risiken. Ein seltener Großauftrag kann ein echtes Merkmal der Nachfrage sein statt eines zu löschenden Fehlers. Eine eingefrorene Anpassung kann wertvolles kaufmännisches Wissen bewahren – oder eine veraltete Meinung. Ein geringerer Prognosefehler nach Bereinigung oder Übersteuerung von Daten belegt keine besseren Einkaufsentscheidungen. Dafür müssen die resultierenden Bestände, Fehlbestände, Verluste und Gewinne anhand der Informationen bewertet werden, die zum jeweiligen Entscheidungszeitpunkt vorlagen.

Eigene Azure-Machine-Learning-Modelle werden unterstützt. Microsofts öffentliche Vorlage enthält ein Python-Skript zur Vorhersage, eine Umgebungskonfiguration und Anweisungen zur Bereitstellung eines Batch-Endpunkts. Die README erklärt ausdrücklich, dass das Beispiel nicht direkt produktionsreif ist. Das ist ein realer Erweiterungsweg, doch produktive Modellierung, Validierung, Bereitstellung und Wartung bleiben beim implementierenden Team. 29 31

Agenten: weniger Büroarbeit, weitgehend derselbe Entscheidungsprozess

Der Procurement Agent kann unbestätigte oder verspätete Bestellungen erkennen, Erinnerungen erstellen, Lieferantennachrichten lesen, gewünschte Änderungen extrahieren und eine Auswirkungsanalyse anstoßen. Automatischer Versand ist optional und standardmäßig deaktiviert. Die Auswirkungsanalyse hilft Einkäufern, Folgen zu prüfen, bevor sie Änderungen akzeptieren. Das sind konkrete Formen der Prozessautomatisierung. 10 11

Eine Erinnerung entscheidet nicht, ob man beschleunigt, einen Auftrag teilt, Material ersetzt oder einen Fehlbestand hinnimmt. Diese Wahlmöglichkeiten erfordern einen Vergleich unsicherer wirtschaftlicher Ergebnisse. Wenn Einkäufer sie weiterhin einzeln untersuchen und lösen, beseitigt bessere E-Mail-Bearbeitung nur einen Teil der wiederkehrenden Arbeitslast.

Auch die unterstützende Einrichtung ist umfangreich: Eine dedizierte Identität verbindet Supply Chain Management, Dataverse, Copilot Studio und Exchange; Postfachsynchronisation, Connector-Berechtigungen, Datenflüsse und Zugriffsrechte müssen konfiguriert werden. Diese Abhängigkeiten erzeugen fortlaufende Verwaltungsarbeit neben der beim Verfassen von Nachrichten gesparten Zeit. 12

MCP stellt bestehende Operationen bereit

Der dynamische MCP-Server von Dynamics bietet Daten-, Formular- und Aktionswerkzeuge. Microsoft weist ausdrücklich darauf hin, dass Datenwerkzeuge für gewöhnliche Datenoperationen weniger Aufrufe benötigen als die Navigation durch Formulare. Agentenorchestrierung und MCP-Ausführung werden zudem separat berechnet; die Einzelheiten hängen vom Client ab. 13

Diese Unterscheidung legt das Produktivitätsproblem offen. Ein Agent, der ERP-Formulare bedient, reproduziert das alte Interaktionsmuster mit zusätzlichen Rechenkosten. Direkte Batch-Operationen sind aussichtsreicher, aber auch der Connector bestimmt nicht, welche Geschäftsentscheidungen gut sind. Eine verbesserte Schnittstelle wird erst dann zu bedeutsamer Supply-Chain-Automatisierung, wenn sie den Gesamtaufwand zur Erzeugung und Pflege fundierter Entscheidungen senkt.

Ein mangelhaftes Modell zu verbessern ist schwieriger, als eine Ausgabe zu ändern

Die zentrale von Microsoft dokumentierte Erweiterung von Planning Optimization wird nach erfolgreichem Abschluss eines Planungslaufs ausgeführt. Der Plan ist bereits sichtbar, wenn die kundenspezifische Verarbeitung beginnt; ein weiterer Lauf kann dieselben Aufträge aktualisieren oder löschen. Microsoft warnt vor verzögerter Konsistenz und Aktualisierungskonflikten und erklärt, dass die Nachverarbeitungsabfrage Komponenten ausschließt, die über bestimmte Optionen der Stücklistenauflösung ergänzt wurden. 17

Angenommen, ein Plan ignoriert eine kommerzielle Wechselwirkung zwischen zwei Produkten. Nachträgliche Prioritätsänderungen veranlassen die Engine nicht, das gemeinsame Kapital, die Kapazität oder die Einkaufsentscheidungen, aus denen der Plan entstand, neu zu prüfen. Ein Team kann ausgleichende Logik um das Ergebnis ergänzen, schafft damit aber eine weitere Entscheidungsebene, deren Konsistenz gepflegt werden muss.

Microsoft bietet eine Vorschau-Entwicklungsumgebung, um diese Erweiterungen gegen Ergebnisse von Planning Optimization zu testen. Das hilft bei der Prüfung des Codeverhaltens. Es validiert für sich genommen weder die wirtschaftlichen Annahmen noch etabliert es einen Ablauf zur Neuformulierung des Modells und zum Vergleich geänderter Entscheidungen mit späteren Ergebnissen. 32

Die Holimization-Perspektive ist hier besonders relevant. Betriebliche Rückmeldungen sollten eine wiederverwendbare Entscheidungsregel verbessern. Eine Architektur, die vor allem Nachverarbeitung zugänglich macht, kann stattdessen die Ansammlung von Korrekturen um einen festen Kern fördern.

Software-Stückliste und Wartungskosten

Komponente oder Nachweis Dokumentierte Bausteine und Grenze Folge für den Betrieb
Zentrale Planungsarchitektur Supply Chain Management und Azure SQL tauschen Daten mit einem separaten mandantenfähigen Planungsdienst aus. Die ausgelagerte Planung verringert die Transaktionslast, ergänzt aber Dienst- und Datenübertragungsgrenzen. 5
Inventory Visibility Separater Dienst auf Dataverse mit In-Memory-Cache und öffentlichen APIs. Bestandsgrößen, Quellzuordnungen, Reservierungen und API-Grenzen müssen aufeinander abgestimmt konfiguriert werden. 28
Procurement Agent Dynamics, Dataverse, Copilot Studio, Exchange und eine Agentenidentität. Berechtigungen, Postfachflüsse, Versionen und Connector-Kosten erstrecken sich über mehrere Dienste. 12
Eigene Prognosen Azure-ML-Arbeitsbereich, Rechenumgebung, Speicher, Batch-Endpunkt und Python-Abhängigkeiten. Das Implementierungsteam verantwortet Modellcode und sichere Betriebsumgebung. 29 31
Microsoft-SCM-Entwicklerausschreibung Bevorzugte Erfahrung umfasst X++, C#, Azure SQL und KI/ML; Aufgaben beinhalten Funktionsentwicklung und Produktivbetrieb. Die Einstellungskriterien des Arbeitgebers passen zu einer umfangreichen Entwicklungslandschaft aus Anwendungen und Diensten. 18

Die Kosten gehen über eine Liste von Cloud-Diensten hinaus. Geschäftsregeln und Datenbedeutungen müssen über diese Dienste hinweg konsistent bleiben. Eine geänderte Produktdimension, ein Lieferantenfeld oder eine andere Prognosegranularität kann mehrere Zuordnungen und Berechnungen beeinflussen, auch wenn jeder einzelne Dienst verfügbar bleibt.

Microsofts One-Version-Richtlinie verlangt mindestens zwei Dienstaktualisierungen jährlich und erwartet Nutzerabnahmetests für Anwendungsänderungen und Anpassungen. Sie stellt Regressionsautomatisierung bereit, schließt aber abhängige Softwarebibliotheken aus der allgemeinen Zusage zur Rückwärtskompatibilität aus, sofern nichts anderes ausdrücklich erklärt wird. Automatisierung verringert wiederholte Testausführung; Teams müssen die Tests weiterhin pflegen und entscheiden, welches wirtschaftlich wichtige Verhalten sie abdecken. 15

Konsolidierung kann die frühere Belastung des Kunden senken. Learning Resources berichtet, bei der Einführung von Dynamics dreißig Integrationen entfernt zu haben. Entscheidend ist daher der Vergleich der vollständigen alten und neuen Betriebskosten einschließlich Erweiterungen und laufendem Support, statt anzunehmen, dass entweder eine große Suite oder eine Sammlung spezialisierter Produkte grundsätzlich günstiger sei. 25

Sicherheits- und Wiederherstellungsgrenzen

Agentenberechtigungen werden durchgesetzt, autorisierte Fehler bleiben möglich

Microsoft dokumentiert MCP-Anfragen unter der authentifizierten Identität eines Menschen oder autonomen Agenten; bestehende ERP-Berechtigungen und Geschäftsvalidierungen werden über Anwendungs-APIs durchgesetzt. Der Server verleiht weder eigene Privilegien noch umgeht er die Anwendung, um die Datenbank direkt zu verändern. 14

Das ist ein konkretes Autorisierungsdesign. Es erlaubt einem Agenten dennoch schädliche Entscheidungen innerhalb seiner Rechte. Lieferantennachrichten und andere externe Inhalte dürfen eine Einkaufsidentität nicht in einen uneingeschränkten Kanal zum Verändern oder Exportieren von Geschäftsdaten verwandeln können. Rolle und erlaubte Aktionen des Agenten brauchen aufgabengerechte Grenzen und nicht einfach die umfassenden Rechte eines bequem verfügbaren menschlichen Kontos.

Eigene Prognosen erfordern gezielte Eingrenzung

Der Integrationsleitfaden für Demand planning weist Administratoren an, der verbindenden Anwendung Contributor-Zugriff im betreffenden Ressourcengruppenbereich sowie Contributor-Rollen für Speicherkonto und Blob-Daten zu gewähren. Außerdem speichert er ein Client-Geheimnis in der Verbindungskonfiguration. Das sind weitreichende Befugnisse für eine Integration, deren Geschäftszweck darin besteht, Prognosen einzureichen und Ergebnisse auszutauschen. 29

Azure ML bietet verwaltete Netzwerkisolierung, darunter einen Modus mit genehmigten ausgehenden Verbindungen und private Endpunkte. Diese Kontrollen zeigen, dass eine eingeschränkte Umgebung möglich ist; ihre Einrichtung ist aber vom Verbindungsverfahren für Demand planning getrennt. Wenn von Fachanwendern geschriebenes Python Produktionsdaten ohne solche Eingrenzung verarbeitet, bleiben kompromittierte Pakete, versehentliche Datenübertragung und missbrauchte Zugangsdaten erhebliche Risiken. Die Bereitstellung muss die Beschränkung herstellen, statt sie aus der Marke Azure abzuleiten. 30

Einen Dienst wiederherzustellen stellt nicht den ganzen Prozess wieder her

Microsofts aktuelle Wiederherstellungsdokumentation erweitert die regionale Selbstbedienungswiederherstellung ab Juni 2026 auf Finance and Operations. Sie verlangt die ausdrückliche Aktivierung regionsübergreifender Replikation und beschreibt wichtige Lücken: Endpunkte für Geschäftsereignisse müssen möglicherweise neu erstellt werden, Fabric-Verbindungen wechseln nicht vollständig über und Copilot-Studio-Konversationsanfragen können bis zur Wiederherstellung der Primärregion nicht verfügbar bleiben. 19

Dies sind betriebliche Folgen der mehreren Dienstgrenzen des Produkts. Die Wiederherstellung von Transaktionsdaten stellt den Supply-Chain-Prozess nicht wieder her, solange Einkaufskommunikation oder Integrationen ausfallen. Regionale Replikation adressiert außerdem eine andere Bedrohung als destruktiv kompromittierte Administratorzugänge; wiederherstellbare Historie und unabhängige Wiederherstellungsbefugnisse bleiben wichtig.

Geschichte der Versprechen und Umsetzung

Zeitraum Positionierung Dokumentierter Verlauf
2015–2016 Dynamics AX wird als prädiktive Intelligenz beworben; Cortana soll Supply-Chain-Probleme und hitzewellenbedingte Bestandsbedarfe vorhersehen. Die damalige technische Positionierung beschreibt Azure-ML-Prognose- und Empfehlungsdienste, eingebettet in ERP-Abläufe. 20 21
November 2022 Microsoft führt die Supply Chain Platform und die Vorschau von Supply Chain Center ein. Das vorgesehene Kontrollzentrum verbindet Daten, Zusammenarbeit, Erkenntnisse und Auftragsverwaltung. 22
Oktober 2023 Microsoft beendet die Vorschau von Supply Chain Center. Die Ankündigung verbindet den Wechsel mit Copilot und erklärt, die Datenverwaltungsfunktionen würden in Power Platform übergehen. 23
Oktober 2024 Microsoft kündigt autonome Agenten an, darunter Supplier Communications. Laut Ankündigung sollen Agenten sämtliche Aufgaben zur Bestellbestätigung übernehmen. 24
Dokumentation 2026 Die Funktionen des Procurement Agent bleiben als produktionsreife Vorschau gekennzeichnet; dynamisches ERP-MCP ersetzt den früheren statischen Server. Optionale automatische Erinnerungen bestehen neben Prüf- und Konfigurationspflichten; der statische MCP-Server wird zum 1. Oktober 2026 eingestellt. 10 11 13

Die Sprache von 2015 ließ einen eng umrissenen Prognose- und Warnmechanismus wie umfassend intelligente Geschäftsunterstützung erscheinen. Heutige Dialogfähigkeiten unterscheiden sich wesentlich davon, doch keine der beiden Generationen begründet eine wirtschaftliche Entscheidungsregel allein dadurch, dass sie einem Nutzer ein Problem erklärt.

Supply Chain Center ist das deutlichere Warnsignal zur Roadmap. Microsoft positionierte ein Kontrollzentrum als Kern seiner neuen Supply-Chain-Plattform und beendete dann die Vorschau, als die Dialogoberfläche in Mode kam. Die zugrunde liegenden Integrationskomponenten wurden andernorts fortgeführt; Kunden, die das benannte Produkt prüften, standen dennoch vor einem raschen Richtungswechsel. 22 23

Derselbe Maßstab gilt für autonomen Einkauf. Die aktuelle Dokumentation belegt nützliche Kommunikationsautomatisierung mit begrenzten Aufgaben und verbleibender Prüfung. Dieser enger gefasste gelieferte Mechanismus sollte die Produktivitätsbewertung bestimmen, statt des Versprechens von 2024, Agenten würden die gesamte Bestätigungsarbeit übernehmen. 24 11

Kundenergebnisse und wirtschaftliche Verantwortung

Die Fallstudie von Learning Resources vom Mai 2024 berichtet 15% höhere Arbeitseffizienz im Lager, mehr als verdoppelte Kapazität zur Auftragsannahme und Bedarfsplanung, die mehrmals täglich statt über mehrere Tage laufen kann. Die Verringerung der Bestandskosten um 15% ist eine Erwartung, kein berichtet erreichtes Ergebnis. Die Verbesserungen betreffen die umfassendere ERP-Transformation und liegen zeitlich vor den neuesten Einkaufsagenten. 25

Die Fallstudie von Bedrosians beschreibt vierzig Niederlassungen, Azure-ML-Prognosen auf Grundlage von etwa fünf Jahren Historie und Planungsläufe alle fünfzehn Minuten. Einkäufer nutzen diese Ausgaben, um Einkäufe sechs bis acht Monate im Voraus zu planen. Das zeigt betriebliche Größenordnung und häufige Neuberechnung, lässt aber die verbleibende Einkaufsarbeit und den Nettovorteil beim Bestand unquantifiziert. 26

Diese Fälle belegen nützliche Verbesserungen bei Ausführung und Abstimmung. Sie isolieren weder den finanziellen Beitrag einzelner Algorithmen noch liefern sie eine vollständige Kostenrechnung für Lizenzen, Implementierung, Integrationen, laufende Konfiguration und Partnerarbeit. Ebenso belegt ein schnellerer Planungslauf nicht, dass eine wirtschaftlich unzureichende Regel verbessert wurde.

Verantwortlichkeit braucht diese Trennung. Ein Anbieter kann seine Zusagen zur Softwareverfügbarkeit erfüllen, während die konfigurierte Entscheidungsregel zu viel Kapital verbraucht oder wiederholt den falschen Bestand einkauft. Die Bewertung muss Entscheidungen bis zu realisierten Ergebnissen verfolgen, einschließlich der fortlaufenden Arbeit an ihrer Korrektur.

Supply-Chain-Bewertung

Tiefe des Supply-Chain-Verständnisses

Kriterium Bewertung
Wirtschaftliche Problemstellung 4/10
Entscheidungen als Endergebnis 7/10
Konzeptionelle Klarheit zur Supply Chain 5/10
Freiheit von überholten zentralen Lehren 3/10
Widerstandsfähigkeit gegenüber KPI-Theater 5/10

Durchschnitt: 4,8/10

Wirtschaftliche Problemstellung — 4/10. Konfigurierte Bestandsquoten und Prioritäten steuern den Nachschub ohne gemeinsames monetäres Ziel für konkurrierende Ressourcennutzungen. 6

Entscheidungen als Endergebnis — 7/10. Die Engine erzeugt geplante Einkäufe und Produktionsbedarfe, die in die betriebliche Ausführung eingehen. Sie geht weit über reine Berichterstattung hinaus. 5 7

Konzeptionelle Klarheit zur Supply Chain — 5/10. Detaillierte operative Semantik besteht neben einer schwachen Verbindung zwischen Lieferantenrisikoanalyse und wirtschaftlicher Handlungsauswahl. 8 33

Freiheit von überholten zentralen Lehren — 3/10. Bedarfsplanung, Pufferschwellen und wiederholte Prognoseprüfung bleiben zentral im Betriebsmodell. 2 7

Widerstandsfähigkeit gegenüber KPI-Theater — 5/10. Benannte Kundenfälle berichten nützliche betriebliche Kennzahlen, aber schnellere Läufe und erwartete Einsparungen ersetzen keine realisierten Nettoerträge. 25 26

Substanz von Entscheidungen und Optimierung

Kriterium Bewertung
Tiefe probabilistischer Modellierung 2/10
Eigenständige Optimierungs- oder ML-Substanz 4/10
Behandlung realer Restriktionen 7/10
Entscheidungsautomatisierung und Arbeitsproduktivität 6/10
Widerstandsfähigkeit unter realer betrieblicher Komplexität 4/10

Durchschnitt: 4,6/10

Tiefe probabilistischer Modellierung — 2/10. Prognosen und Lieferrisikoindikatoren belegen keine gemeinsamen Wahrscheinlichkeiten, die zur Auswahl wirtschaftlich optimaler Verpflichtungen verwendet werden. 3 33

Eigenständige Optimierungs- oder ML-Substanz — 4/10. Prognose- und Nachschubmethoden sind explizit, aber konventionell. Die Auslagerung in die Cloud verbessert die Ausführungsgeschwindigkeit und nicht die wirtschaftliche Formulierung. 3 5

Behandlung realer Restriktionen — 7/10. Das System behandelt umfangreiche Produktions- und Bestandsdetails mit dokumentierten Grenzen, die einige Unternehmen wesentlich betreffen. 8 9

Entscheidungsautomatisierung und Arbeitsproduktivität — 6/10. Kundennachweise zeigen echte betriebliche Produktivitätsgewinne. Die neuesten Agenten benötigen über ihre Büroaufgaben hinaus weiterhin Konfiguration und menschliches Urteil. 25 12

Widerstandsfähigkeit unter realer betrieblicher Komplexität — 4/10. Erweiterungstests sind verfügbar, doch Eingriffspunkte nach der Berechnung erschweren es, neu erkannte wirtschaftliche Wechselwirkungen in die Berechnung selbst einzubeziehen. 17 32

Integrität von Produkt und Architektur

Kriterium Bewertung
Architektonische Kohärenz 5/10
Klarheit der Systemgrenzen 7/10
Ernsthaftigkeit bei Sicherheit 4/10
Softwaresparsamkeit und Gesamtbetriebskosten 2/10
Eignung für programmatischen und agentengestützten Betrieb 4/10

Durchschnitt: 4,4/10

Architektonische Kohärenz — 5/10. Die Dienste haben definierte Integrationswege, doch ihre Wiederherstellungsabhängigkeiten zeigen eine unvollständige betriebliche Einheit. 5 19

Klarheit der Systemgrenzen — 7/10. Microsoft dokumentiert Datenflüsse, Verfügbarkeitsanforderungen und Vorschauzustand detailliert genug, um den Produktumfang abzugrenzen. 27 28

Ernsthaftigkeit bei Sicherheit — 4/10. ERP-Autorisierung wird für Agenten durchgesetzt. Weite Berechtigungen für eigene ML-Verfahren und separat konfigurierte Laufzeitisolierung schwächen den üblichen Implementierungsweg. 14 29 30

Softwaresparsamkeit und Gesamtbetriebskosten — 2/10. Voneinander abhängige Dienste, eigener Code, verpflichtende Updates und Tests der Geschäftsregeln schaffen eine große wiederkehrende Betriebslast. 12 15

Eignung für programmatischen und agentengestützten Betrieb — 4/10. APIs und direkte Aktionen unterstützen Automatisierung, doch bestehende Formulare zugänglich zu machen verbessert die zugrunde liegende Entscheidungsregel kaum. 13

Technische Transparenz

Kriterium Bewertung
Öffentliche technische Dokumentation 9/10
Prüfbarkeit ohne Vermittlung des Anbieters 7/10
Portabilität und Sichtbarkeit der Anbieterbindung 6/10
Transparenz der Implementierungsmethode 8/10
Belegdichte hinter technischen Aussagen 7/10

Durchschnitt: 7,4/10

Öffentliche technische Dokumentation — 9/10. Formeln, Migrationsunterschiede, Erweiterungscode und betriebliche Grenzen ermöglichen eine substanzielle unabhängige Bewertung. 6 9 17

Prüfbarkeit ohne Vermittlung des Anbieters — 7/10. Öffentliche Beispiele und Code legen wichtiges Verhalten offen, liefern aber keine reproduzierbare vollständige Planungsengine. 31 32

Portabilität und Sichtbarkeit der Anbieterbindung — 6/10. Schnittstellen- und Bereitstellungsanforderungen sind sichtbar. Proprietäre Konfiguration und verbundene Microsoft-Dienste machen einen Austausch dennoch teuer. 27 28

Transparenz der Implementierungsmethode — 8/10. Einrichtungs-, Migrations- und Aktualisierungsverfahren benennen einen großen Teil der Arbeit des Implementierungsteams. 12 15 16

Belegdichte hinter technischen Aussagen — 7/10. Detaillierte Handbücher und benannte produktive Einsätze stützen konkrete Fähigkeiten stärker als die umfassenden Autonomieversprechen. 10 26

Ernsthaftigkeit des Anbieters

Kriterium Bewertung
Technische Ernsthaftigkeit der öffentlichen Kommunikation 4/10
Integrität der Technologie-Roadmap 3/10
Konzeptionelle Klarheit 4/10
Wirtschaftliche Verantwortung 5/10
Verteidigungsfähigkeit in einer Welt agentischer Software 5/10

Durchschnitt: 4,2/10

Technische Ernsthaftigkeit der öffentlichen Kommunikation — 4/10. Präzise Handbücher stehen neben Versprechen beseitigter Fehlbestände und umfassender autonomer Arbeit, die über die nachgewiesenen Mechanismen hinausgehen. 1 24

Integrität der Technologie-Roadmap — 3/10. Das dauerhafte ERP wird von kurzlebigen übergeordneten Produktangeboten und wechselnden Agentenschnittstellen begleitet. Der Rückzug von Supply Chain Center ist besonders deutlich. 23 13

Konzeptionelle Klarheit — 4/10. Die Suite ist stark darin, Transaktionen und Abläufe zu organisieren; ihre Planungsprioritäten bleiben jedoch von einer einheitlichen wirtschaftlichen Interpretation getrennt. 6

Wirtschaftliche Verantwortung — 5/10. Veröffentlichte Fälle liefern bedeutsame betriebliche Ergebnisse ohne vollständige Rechnung über Zurechnung, fortlaufende Arbeit und Gesamtbetriebskosten. 25 26

Verteidigungsfähigkeit in einer Welt agentischer Software — 5/10. Transaktionstiefe und installierte operative Infrastruktur behalten ihren Wert. Dialogbasierter Zugriff auf etablierte Abläufe trägt wesentlich weniger bei als eine wiederverwendbare wirtschaftliche Entscheidungsengine. 28 13

Quellen

[1] Dynamics 365 Supply Chain Management

Dynamics 365 Supply Chain Management. Aktuelle Produktseite. Abgerufen: 4. November 2026.

[2] Startseite von Demand planning

Startseite von Demand planning. Aktuelle Dokumentation. Abgerufen: 4. November 2026.

[3] Algorithmen zur Nachfrageprognose

Algorithmen zur Nachfrageprognose. Aktuelle Dokumentation. Abgerufen: 4. November 2026.

[4] Prognosemodelle entwerfen

Prognosemodelle entwerfen. Aktuelle Dokumentation. Abgerufen: 4. November 2026.

[5] Systemarchitektur der Hauptplanung

Systemarchitektur der Hauptplanung. Aktuelle Dokumentation. Abgerufen: 4. November 2026.

[6] Prioritätsbasierte Planung

Prioritätsbasierte Planung. Aktuelle Dokumentation. Abgerufen: 4. November 2026.

[7] Sicherheitsbestandsauffüllung für Artikel

Sicherheitsbestandsauffüllung für Artikel. Aktuelle Dokumentation. Abgerufen: 4. November 2026.

[8] Planung und Terminierung mit endlicher Kapazität

Planung und Terminierung mit endlicher Kapazität. Aktuelle Dokumentation. Abgerufen: 4. November 2026.

[9] Unterschiede zwischen Planning Optimization und der abgekündigten Engine

Unterschiede zwischen Planning Optimization und der abgekündigten Engine. Aktuelle Dokumentation. Abgerufen: 4. November 2026.

[10] Mit dem Procurement Agent Bestellungen nachverfolgen

Mit dem Procurement Agent Bestellungen nachverfolgen. Dokumentation der produktionsreifen Vorschau. Abgerufen: 4. November 2026.

[11] FAQ zu verantwortungsvoller KI für den Procurement Agent

FAQ zu verantwortungsvoller KI für den Procurement Agent. Aktuelle Dokumentation. Abgerufen: 4. November 2026.

[12] Lieferantenkommunikation des Procurement Agent einrichten

Lieferantenkommunikation des Procurement Agent einrichten. Dokumentation der produktionsreifen Vorschau. Abgerufen: 4. November 2026.

[13] Model Context Protocol für Finance-and-Operations-Anwendungen nutzen

Model Context Protocol für Finance-and-Operations-Anwendungen nutzen. Aktuelle Dokumentation. Abgerufen: 4. November 2026.

[14] Sicherheit für Dynamics 365 ERP MCP

Sicherheit für Dynamics 365 ERP MCP. Aktuelle Dokumentation. Abgerufen: 4. November 2026.

[15] FAQ zu One-Version-Dienstaktualisierungen

FAQ zu One-Version-Dienstaktualisierungen. Aktuelle Dokumentation. Abgerufen: 4. November 2026.

[16] Migration zu Planning Optimization für die Hauptplanung

Migration zu Planning Optimization für die Hauptplanung. Aktuelle Dokumentation. Abgerufen: 4. November 2026.

[17] Erweiterbarkeit von Planning Optimization

Erweiterbarkeit von Planning Optimization. Aktuelle Dokumentation. Abgerufen: 4. November 2026.

[18] Microsoft-Stellenausschreibung für Softwareentwicklung in Supply Chain Management

Microsoft-Stellenausschreibung für Softwareentwicklung in Supply Chain Management. Ausschreibung von 2026. Abgerufen: 4. November 2026.

[19] Betriebskontinuität und Notfallwiederherstellung

Betriebskontinuität und Notfallwiederherstellung. Aktuelle Dokumentation. Abgerufen: 4. November 2026.

[20] Geschäftsanwendungen mit Microsoft Dynamics AX neu denken

Geschäftsanwendungen mit Microsoft Dynamics AX neu denken. 2015-11-19. Abgerufen: 4. November 2026.

[21] Dynamics-AX-Strategie und mehr auf Microsoft Ignite kennenlernen

Dynamics-AX-Strategie und mehr auf Microsoft Ignite kennenlernen. 2016-06-13. Abgerufen: 4. November 2026.

[22] Microsoft kündigt die Microsoft Supply Chain Platform an

Microsoft kündigt die Microsoft Supply Chain Platform an. 2022-11-14. Abgerufen: 4. November 2026.

[23] Neue Copilot- und Bedarfsplanungsfunktionen

Neue Copilot- und Bedarfsplanungsfunktionen. 2023-10-31. Abgerufen: 4. November 2026.

[24] Arbeit mit autonomen Agenten über Geschäftsprozesse hinweg verändern

Arbeit mit autonomen Agenten über Geschäftsprozesse hinweg verändern. 2024-10-21. Abgerufen: 4. November 2026.

[25] Learning Resources steigert die Arbeitseffizienz im Lager

Learning Resources steigert die Arbeitseffizienz im Lager. 2024-05-09. Abgerufen: 4. November 2026.

[26] Bedrosians Tile and Stone verbessert die Skalierbarkeit

Bedrosians Tile and Stone verbessert die Skalierbarkeit. Kundenfall von 2023. Abgerufen: 4. November 2026.

[27] Demand planning installieren, aktivieren und einrichten

Demand planning installieren, aktivieren und einrichten. Aktuelle Dokumentation. Abgerufen: 4. November 2026.

[28] Übersicht zum Inventory Visibility Add-in

Übersicht zum Inventory Visibility Add-in. Aktuelle Dokumentation. Abgerufen: 4. November 2026.

[29] Eigene Azure-Machine-Learning-Algorithmen in Demand planning nutzen

Eigene Azure-Machine-Learning-Algorithmen in Demand planning nutzen. Aktuelle Dokumentation. Abgerufen: 4. November 2026.

[30] Verwaltete virtuelle Netzwerkisolierung in Azure Machine Learning

Verwaltete virtuelle Netzwerkisolierung in Azure Machine Learning. Aktuelle Dokumentation. Abgerufen: 4. November 2026.

[31] Microsoft-Vorlage für eigenes Azure ML in Demand Planning

Microsoft-Vorlage für eigenes Azure ML in Demand Planning. Repository auf Commit 85007e33 fixiert. Abgerufen: 4. November 2026.

[32] Einheitliche Entwicklerumgebung für Planning Optimization

Einheitliche Entwicklerumgebung für Planning Optimization. Vorschau-Dokumentation. Abgerufen: 4. November 2026.

[33] Übersicht zur Versorgungsrisikobewertung

Übersicht zur Versorgungsrisikobewertung. Aktuelle Dokumentation. Abgerufen: 4. November 2026.