Kontakt

Bewertung von o9 Solutions, Anbieter einer Unternehmensplanungssuite

Von Léon Levinas-Ménard
Zuletzt aktualisiert: 3. November 2026

Zurück zur Marktforschung

o9 Solutions bietet Unternehmensplanungssoftware für Hersteller, Einzelhändler und Distributoren. Die Plattform Digital Brain verbindet Nachfrageprognosen, Versorgungs- und Produktionsplanung, Bestandspolitiken, kommerzielle Planung und integrierte Geschäftsplanung. Kunden nutzen Datenmodelle, Solver, konfigurierbare Abläufe und Erweiterungen, um Pläne zu erstellen, Szenarien zu vergleichen und Entscheidungen zwischen Unternehmensfunktionen abzustimmen. (1, 2, 3)

Gesamtbewertung für die Supply Chain: 4,1/10.

Dimension Bewertung
Tiefe des Supply-Chain-Verständnisses 3,8/10
Substanz der Entscheidungen und Optimierung 4,4/10
Integrität von Produkt und Architektur 4,6/10
Technische Transparenz 3,8/10
Seriosität des Anbieters 3,8/10

o9s grundlegender Ansatz verbindet ein gemeinsames Unternehmensmodell mit Prognosen, Bestandspolitiken, konfigurierbaren Allokationsregeln und Szenarioauswahl. Die Handelsanwendung erzeugt Einkaufs- und Umlagerungsaufträge; unternehmensweite Abläufe helfen Menschen, Pläne abzustimmen und verbindlich festzulegen. Die zentrale Schwäche ist, wie diese Richtlinien und Prioritäten in wirtschaftliche Entscheidungen unter Unsicherheit übersetzt werden. Die Profitabilität eines Absatzkanals kann die Allokation beeinflussen, ohne den erwarteten Ertrag der nächsten Bestandseinheit zu messen. Finanzszenarien und Bestandskostenberechnungen haben dokumentierte Rollen, doch die gemeinsame Berechnung von Einkauf, Produktion, Preisen und Risiko bleibt weitgehend unbestimmt. Auch die LP/MIP-Architektur muss Überarbeitungen zulassen, wenn der Betrieb fehlende Kosten, Abhängigkeiten oder Beschränkungen aufdeckt. (2, 3, 4, 41)

Dieselbe Lücke betrifft das Autonomieversprechen. o9s Beispiele betonen die Erklärung von Abweichungen, die Erfassung von Planerwissen und die Verbesserung von Regeln und Abläufen. (3, 9, 10) Die Technologiegeschichte enthält ein Versprechen einer „selbstfahrenden“ Supply Chain von 2019, ohne gemessene Abdeckung unbeaufsichtigter Entscheidungen. Die Pflege von Modellen, Integrationen und Konfigurationen verursacht weitere Kosten, die die beworbenen Produktivitätszahlen nicht erfassen. (25, 29, 51)

o9 Solutions im Vergleich zu Lokad

o9 organisiert Planung um ein gemeinsames Unternehmensmodell und konfigurierbare Anwendungen. Kunden können auch Algorithmen entwickeln: Der Fall eines Kaffeehändlers beschreibt ein internes Data-Science-Team, das eigenen Python-Code auf der Plattform ausführt. Lokad organisiert die Implementierung um eine unternehmensspezifische Berechnung, die operative Entscheidungen unter Unsicherheit bewertet und auswählt. Beide Ansätze benötigen Entwicklungsarbeit; der Unterschied betrifft deren angestrebtes Ergebnis. (28, 31, 36)

Ein Händler verteilt beispielsweise seine letzten Einheiten auf Filialen. o9 dokumentiert eine durch Prognosen und Bestandspolitiken gesteuerte Wiederbeschaffung mit Allokationsprioritäten, die die Profitabilität von Absatzkanälen einschließen können. Lokads Ansatz berechnet die erwarteten monetären Folgen konkurrierender Allokationen, einschließlich unsicherer Verkäufe und alternativer Bestandsverwendungen. Der wirtschaftliche Unterschied liegt in der Bewertung der nächsten Einheit: Priorität oder durchschnittliche Profitabilität einer Filiale können erheblich vom Ertrag abweichen, gerade diese Einheit dorthin zu schicken. Das Allokationsbeispiel unten verdeutlicht den Unterschied. (35, 36, 41)

Lokads erklärter Ansatz überträgt Spezialisten die Verantwortung, wiederverwendbare Entscheidungslogik zu verbessern. Seine Holimization-Perspektive behandelt Zielfunktion, Dateninterpretation und verfügbare Entscheidungen als Hypothesen, die bei operativ erkannten Fehlern zu revidieren sind. (35, 50) o9 bietet Kundenmodelle, Python-Erweiterungen und versionierte Konfiguration. (29, 31) Der praktische Vergleich betrifft, wie jedes System eine schädliche Empfehlung in korrigierte Logik für spätere Fälle umwandelt und was diese Verbesserung an Entwicklungsarbeit und wiederkehrenden Eingriffen kostet.

Ein gemeinsames Modell definiert noch keine wirtschaftliche Berechnung

o9s Seite zu Digital IBP beschreibt synchronisierte operative und finanzielle Pläne, Szenariobewertung und Managemententscheidungen innerhalb der Plattform. Umsatz, Marge, liquide Mittel und Betriebskapital erscheinen im Modell. Die Versorgungsplanungsseite nennt Heuristiken, lineare Programmierung, gemischt-ganzzahlige Programmierung und externe Solver. Das sind unterschiedliche Teile des Problems: Finanzielle Transparenz beschreibt Folgen; ein Solver wählt Handlungen erst, nachdem jemand Zielfunktion und Beschränkungen definiert hat. (2, 3)

Die Bestandsdokumentation geht weiter. Sie beschreibt Ausgleich im Netzwerk, Postponement, Haltbarkeitsbeschränkungen und eine Berechnung, die Lagerhaltungskosten, Lieferstrafen und Eilbeschaffungskosten abwägt. (4) Die verbleibende wirtschaftliche Frage ist umfassender: Wie verändert ein Preis Nachfrage und Produktion, und wie sollte das Einkäufe beeinflussen, die um dasselbe Geld konkurrieren? Öffentlich fehlt eine Formulierung oder ein ausgearbeitetes Beispiel, das diese Entscheidungen zusammenführt.

Die Dokumentation zur Handelsallokation zeigt mehr vom Entscheidungsprozess. Prognosen, Bestandspolitiken und Sicherheitsbestandsziele bestimmen den Wiederbeschaffungsbedarf. Konfigurierbare Regeln verteilen Bestand nach Filialpriorität, Kanalprofitabilität, Markteinführungszeitpunkt und Aktionsbedeutung. Die Anwendung erzeugt anschließend Einkaufs- und Umlagerungsaufträge. Weitere Berechnungen behandeln Kapazitätsrestriktionen sowie Horizonte von 90 Tagen, 21 Tagen und einem Tag. (41)

Der wirtschaftlich entscheidende Schritt ist die Allokationsregel. Ein Beispiel zum Saisonende: Im Lager bleibt eine Einheit, ihre Anschaffungskosten sind bereits versunken, Transferkosten sind gleich und eine unverkaufte Einheit besitzt keinen Restwert. Die folgenden Wahrscheinlichkeiten betreffen den Verkauf dieser zusätzlichen Einheit nach Berücksichtigung des vorhandenen Filialbestands.

Ziel Nettoerlös bei Verkauf der zusätzlichen Einheit Verkaufswahrscheinlichkeit Erwarteter Erlös
Filiale A 20 € 10% 2,00 €
Filiale B 8 € 90% 7,20 €

Die Lieferung nach B bringt 5,20 € mehr erwarteten Erlös. Eine Rangfolge allein nach Erlös je Verkauf wählt A. Reale Allokationen müssen außerdem Substitute, künftige Lieferungen, Preisabschriften und Auswirkungen auf andere Einkäufe berücksichtigen. Jeder dieser Faktoren verändert den zusätzlichen Wert der Einheit. Ein Prioritätssystem muss diese Folgen einbeziehen, um zuverlässig wirtschaftlich zu entscheiden.

o9 beschreibt auf der Allokationsseite auch beschränkungsbewusste Optimierung und Service-/Kostenabwägungen. Wie diese Berechnungen mit konfigurierten Prioritäten zusammenwirken, wenn sie verschiedene Ziele bevorzugen, bleibt unerklärt. (41) Hat eine Geschäftspriorität Vorrang, bestimmt sie die Opportunitätskosten der Allokation. Darf ein Optimierer sie übersteuern, bestimmen Zielfunktion und Übersteuerungsbedingungen das Ergebnis. Für Kunden, die diese Regeln pflegen, ist das relevant: Eine weitere Ausnahme kann verändern, welche Aufträge den Zugriff auf gemeinsame Bestände verlieren.

o9s kollaborative Nachfrageplanung richtet Funktionen ausdrücklich auf eine abgestimmte Prognose aus und automatisiert Teile der Konsensbildung. Die Wiederbeschaffungsanleitung empfiehlt Serviceziele und ABC-Klassifikation. (5, 6) Einigkeit über eine Prognose beseitigt nicht die Bandbreite möglicher Nachfrage, und ein Serviceziel sagt einem Hersteller nicht, ob eine andere Kapitalverwendung rentabler wäre. Diese Konventionen bleiben unter dem neuen KI-Vokabular zentral.

Unsicherheit, digitale Zwillinge und Kausalitätsversprechen

Risikoangepasste Wiederbeschaffung benötigt eine probabilistische Projektion der Nachfrage und künftiger Eingangstermine einschließlich ihrer Abhängigkeiten. Der vor einer Lieferung benötigte Bestand hängt sowohl von Kundenkäufen als auch von der Wiederbeschaffungsdauer ab. Eine Nachfrageverteilung mit einer festen durchschnittlichen Lieferzeit kann die durch lange Verzögerungen entstehende Exposition übersehen. Ein verspätetes gemeinsames Bauteil kann zudem mehrere Fertigprodukte gleichzeitig beeinträchtigen. Die Entscheidungsberechnung muss diese möglichen Ergebnisse und ihre Wahrscheinlichkeiten bewerten; Optimierung kann keine Unsicherheit zurückholen, die in ihren Eingaben fehlt.

o9s MEIO-Dokumentation erklärt, bei Bestandsberechnungen Nachfrage- und Versorgungsschwankungen zu modellieren. Sie beschreibt weder deren gemeinsame Verteilungen noch die Konditionierung auf aktuelle Informationen oder deren Eingang in die Auftragswahl. (4) Getrennte Nachfrage- und Lieferantenrisikoindikatoren lassen die Berechnung der Nachfrage bis zum Wareneingang offen. Auch eine Sammlung intern konsistenter Was-wäre-wenn-Szenarien liefert erst dann ein Wahrscheinlichkeitsmodell, wenn mögliche Zukünfte und ihre Eintrittswahrscheinlichkeiten feststehen. Das sind Voraussetzungen, um Fehlmengen, Eilbeschaffung und Überbestände wirtschaftlich zu bewerten.

Die Wissensgraph-Demonstration vom Juli 2026 liefert ein konkretes Beispiel. Ein Planer erfasst, dass ein Lieferant im vierten Quartal regelmäßig verspätet liefert. Das System prüft diese Beobachtung anhand der Historie, stellt einer ERP-Lieferzeit von 26 Tagen etwa 46 Tage in diesem Quartal gegenüber und schlägt Änderungen an Regeln und betroffenen Aufträgen vor. (10) Der gezeigte Ablauf beginnt damit, dass ein Mensch ein bereits in den Daten vorhandenes Muster bemerkt. Saisonale Lieferzeitschätzung sollte systematisch laufen; das saisonale Verhalten von Lieferanten im Gedächtnis zu behalten ist teure wiederkehrende Arbeit. Einen Lieferzeitparameter zu ersetzen lässt zudem dessen Streuung ungelöst.

Im Oktober 2022 erhob o9 einen ehrgeizigeren Prognoseanspruch. Der Start von Supply Sensing versprach Warnungen zu Rohstoffverfügbarkeit und Preisen bis zu zwölf Monate, bevor Auswirkungen einen Tier-One-Lieferanten erreichen, einschließlich Ereigniswahrscheinlichkeiten und vorgeschlagener Gegenmaßnahmen. Die Ankündigung nennt weder Kalibrierungsergebnisse noch Fehlalarmquote oder einen Test, ob das Handeln auf Warnungen Erträge verbesserte. (8) Diese Messungen bestimmen, ob eine Frühwarnung ihr Geld wert ist.

Die aktuelle neuro-symbolische Beschreibung ergänzt kausale Agenten und nachträgliche Analysen: Abweichungen sollen Nachfrage, Versorgung, Richtlinien und Ausführung zugeordnet werden. (9) Zuordnung erfordert mehr als konsistente Aufzeichnungen von Plänen und Ergebnissen. Ein Fehlbestand verändert beobachtete Verkäufe; der Eingriff eines Planers verändert das Ergebnis, anhand dessen die ursprüngliche Empfehlung beurteilt wird. Ein digitaler Zwilling, der die Wirkung alternativer Handlungen vorhersagt, ist eine hochdimensionale bedingte Prognose. Seine Fehler und kausalen Annahmen müssen validiert werden, bevor die Erklärungen Entscheidungsregeln sicher verändern können.

Prognosegenauigkeit auf der falschen Ebene

o9s Artikel zur Produktionsplanung bewirbt eine wöchentliche aggregierte Genauigkeit über 95% und verbindet diese Zahl mit gleichmäßigerer Produktion, niedrigeren Sicherheitsbeständen und weniger ungeplanten Umrüstungen. (14) Das ist ein Warnsignal: Wochensummen können stimmen, während Produktmix und tägliche Bedarfszeitpunkte für die Produktion falsch bleiben. Der Artikel liefert weder Fehlerformel noch Prognoseursprung oder eine passende Auswertung, die diesen Zusammenhang stützt.

Der ZAMP-Bericht macht das Auflösungsproblem sichtbar. Die Überschrift meldet 92% Genauigkeit, während die detaillierten Ergebnisse separat 70% auf Filialebene nennen. Das Projekt enthält tägliche SKU-Prognosen für Restaurants, doch der Artikel definiert weder Metrik, Horizont noch Aggregation der beiden Prozentsätze. (13) Die Schlagzeile lässt sich nicht als 92% Genauigkeit der täglichen Zutatenbedarfe jedes Restaurants lesen.

M5 zeigt, wie groß dieser Effekt sein kann. Eine Neuberechnung der fünfzig veröffentlichten führenden Punktprognosen über den letzten 28-tägigen Testzeitraum mit 100 × (1 − WAPE) ergibt 22,1–25,1% auf SKU/Filiale/Tag-Ebene, gegenüber 95,8–98,2% nach täglicher Zusammenfassung aller Produkte und Filialen. Die Prognosen bleiben unverändert; Aggregation lässt Fehler einander aufheben. Diese Diagnose verwendet absolute Fehler in Stückzahlen, während die offizielle M5-Rangliste WRMSSE nutzte. (15)

o9s Demand-Sensing-Beschreibung verbindet externe Signale, häufige Aktualisierungen, hierarchische Prognosen sowie tägliche oder untertägige Ausgaben. (7) „Sensing“ fügt keine rechnerische Bedeutung hinzu. Entscheidend ist, ob diese Signale Entscheidungen gegenüber einer Prognose mit demselben Informationsstichtag und derselben Aktualisierungsfrequenz verbessern. Eine bessere Schätzung nach verbindlicher Produktionsfestlegung kann diese Entscheidung nicht reparieren. Die Validierung muss Produkt, Ort und Entscheidungsfrist erreichen und anschließend Margen, Verschwendung und Kapitalkosten messen.

Planung der am wenigsten vorhersagbaren Artikel

o9s Schulungsbeschreibung vom Oktober 2025 stuft Artikel-Ort-Kombinationen mit einem Variationskoeffizienten über 0,7 als wenig prognostizierbar ein. Empfohlene Reaktionen umfassen Datenbereinigung, angepasste Regeln für ausgewählte Artikel, einen Wechsel auf höhere Produkthierarchien oder Artikelgruppen sowie gemeinsame Prognosen mit Kunden und Distributoren. (42) Das zeigt, wie die Planungsdoktrin schwierige Nachfrage behandelt: eine stabilere Darstellung suchen und die Prognose durch Regeln und Zusammenarbeit ergänzen.

Unter der Aggregation bleibt ein Allokationsproblem bestehen. Eine stabile Prognose für eine Produktfamilie bestimmt nicht, welche Größe, Farbe oder welcher Standort Bestand benötigt. Die Gesamtsumme auf einzelne Artikel zurückzuverteilen erfordert Annahmen über deren Anteile und Abhängigkeiten. Eine Regel, die einem Artikel wiederholt zu viel und einem anderen zu wenig zuweist, kann eine hervorragende Familienprognose erhalten und zugleich Überbestand und Fehlmengen erzeugen. Der wirtschaftliche Test betrifft diese Entscheidungen nach der Disaggregation.

Die Empfehlungen zu Zusammenarbeit und individuellen Regeln verursachen auch Arbeitskosten. Jemand muss Sonderfälle erkennen, ihre Behandlung pflegen, externe Einschätzungen sammeln und Meinungsverschiedenheiten bei veränderten Sortimenten abstimmen. Diese Aufgaben konzentrieren sich auf die schwerstvorhersagbare Nachfrage. Auf stabile Artikel begrenzte Automatisierungszahlen können daher die teuerste Arbeit unberührt lassen. Die Schulungsbeschreibung liefert keine Arbeitslastmessung für die vorgeschlagene Behandlung schlecht prognostizierbarer Artikel. (42)

o9s Forecast-Value-Add-Schulung bewertet, ob Veränderungen im Prognoseprozess die Prognosequalität verbessern, und stellt dies als Messung des Werts der Prognosearbeit dar. (43) Weniger Prognosefehler können allein weder diese Arbeit noch ihre Bestandsfolgen bepreisen. Eine Anpassung kann den Fehler verringern, ohne einen Auftrag zu ändern, weil eine Mindestmenge bindet; eine andere kommt nach verbindlicher Beschaffung. Beide können die Prognosemetrik verbessern, ohne die Entscheidung zu verbessern. Eine wirtschaftliche Bewertung des Eingriffs benötigt seine Wirkung auf Einkäufe, Fehlmengen, Verschwendung und Arbeitskosten.

LP/MIP: die Kosten der Problemvereinfachung

Die Abhängigkeit von LP/MIP ist ein architektonisches Warnsignal, wenn das beworbene Ziel die Optimierung der Supply Chain als System ist. Die rechnerische Schwierigkeit beginnt, bevor Unsicherheit dargestellt wird. Mindestbestellungen und Produktionsrüstkosten erzeugen diskrete, nichtkonvexe Entscheidungen, die ein reines LP vereinfachen muss. Das Glätten dieser Sprünge kann verändern, welche Einkäufe oder Produktionsläufe rentabel erscheinen. Ganzzahlige Variablen erhalten diese Entscheidungen durch zusätzliche kombinatorische Suche, die bei Wechselwirkungen zwischen Produkten, Orten und Perioden unerschwinglich werden kann. (37)

Die Ausdehnung dieses Modells auf mögliche Zukünfte vervielfacht die Rechenlast. Der Ansatz der extensiven Form ergänzt szenarioabhängige Entscheidungen und Beschränkungen sowie Verknüpfungen, die verhindern, dass heutige Einkäufe von erst später bekannten Informationen abhängen. (38) Jede mögliche Historie bringt eigene nachfolgende Bestands-, Produktions- und Allokationsentscheidungen mit. Diese Darstellung von Unsicherheit vergrößert und verkoppelt ein bereits schwieriges Modell. Mathematische Kodierbarkeit ist kein Beleg für praktische Supply-Chain-Fähigkeit.

Verzweigungen über aufeinanderfolgende Entscheidungsstufen verschärfen die Expansion. Ein beispielhafter Baum mit drei Ergebnissen an jedem von zwölf Verzweigungsschritten hat 531.441 Endpfade. Jeder Pfad trägt eine Historie von Ergebnissen und Entscheidungen; die Zahl wächst bereits, bevor weitere Produkte oder Orte hinzukommen. Forschung zu mehrstufigen Bestandsmodellen nennt dieses exponentielle Wachstum ausdrücklich als Grund, einfachere Approximationen zu suchen. (46) Der operative Test lautet, ob das Modell folgenreiche Unsicherheit und nichtkonvexe Entscheidungen erhält und zugleich in verfügbaren Speicher und Entscheidungsfrist passt. Eine kleine Szenariodemonstration belegt dies nicht im Unternehmensmaßstab.

Die cuOpt-Ankündigung vom Juli 2026 berichtet über ein Supply-Chain-LP mit ungefähr 30 Millionen Variablen und 15,7 Millionen Beschränkungen. Sie nennt 661,7 Sekunden für einen kommerziellen CPU-Solver und 57,4 Sekunden für cuOpt auf einer NVIDIA B200, bei um etwa 0,008% abweichenden Zielfunktionswerten. (11)

Der Fachartikel identifiziert die CPU-Basis als acht Kerne und 32 GB RAM, nennt die cuOpt-Version und erörtert frühere Beschränkungsverletzungen auf H100. Der nachgewiesene Fall ist LP; GPU-Beschleunigung für gemischt-ganzzahlige und nichtlineare Probleme bleibt weitere Arbeit. Modell, Identität und Einstellungen des CPU-Solvers sowie ein Infrastrukturkostenvergleich fehlen. (12) Die Zeiten zeigen die Beschleunigung dieses Modells; fast identische Zielfunktionswerte messen nicht seine Treue zur operativen Ökonomie.

Bei MIP liefern schwache kontinuierliche Relaxationen lockere Schranken und können Branch-and-Bound- sowie Schnittebenenverfahren erhebliche Sucharbeit überlassen. (39) Szenarioexpansion verstärkt diese Last. o9s Benchmark legt weder Szenariostruktur noch gemeinsames Nachfrage-/Lieferzeitmodell oder wirtschaftliche Validierung an ungesehenen Ergebnissen offen. (12) Sein großes LP belegt keine Lösbarkeit eines stochastischen MIP mit demselben Netzwerkumfang und realistischen diskreten Entscheidungen.

Das tiefere Problem ist, was geschieht, wenn operative Ergebnisse eine fehlerhafte Formulierung offenlegen. Eine Optimalitätslücke misst Fortschritt zum Optimum des kodierten Problems; sie erkennt weder ausgelassene Fehlmengenkosten noch ein falsch verstandenes Lieferzeitfeld. Selbst Tests gegen dieselbe Zielfunktion können deren blinde Flecken erhalten. Die Holimization-Perspektive betrachtet die Formulierung selbst als Gegenstand von Untersuchung und Revision. (50) Eine Solverarchitektur wird zum Hindernis, wenn eine neu erkannte wirtschaftliche Wechselwirkung unverhältnismäßige Neuentwicklung erfordert, die Lösbarkeit zerstört oder wieder entfernt werden muss. Entscheidend ist der Prozess zur Verbesserung der Entscheidungslogik, einschließlich dessen, was das System optimiert.

Weniger Szenarien oder ein kürzerer Horizont können ein Modell fertig werden lassen, indem sie Zukünfte verwerfen, die Fehlmengen-, Veralterungs- oder Eilbeschaffungskosten treiben. Die Zerlegung in unabhängige Produkt- oder Standortprobleme kann die Konkurrenz um Geld, Komponenten und Kapazität entfernen. Szenarioreduktion braucht daher wirtschaftliche Tests an ungesehenen Ergebnissen, Zerlegung eine ausdrückliche Koordination gemeinsam genutzter Ressourcen. Der veröffentlichte Benchmark erklärt nicht, welche Wechselwirkungen oder welcher Entscheidungsumfang für die erreichte Laufzeit erhalten blieben. (11) Punktprognosepläne wiederholt zu lösen belegt nicht, dass diese Unsicherheitskosten in die Berechnung eingehen.

Die Pressemitteilung extrapoliert zudem von diesem elfminütigen CPU-Lauf auf Aufgaben, die zuvor über Nacht liefen und nun in weniger als einer Minute verfügbar würden. (11) Datenaufbereitung, Modellerzeugung und nachgelagerte Verarbeitung werden nicht gemessen. Weder das breitere Geschwindigkeitsversprechen noch der wirtschaftliche Wert des berechneten Plans folgt aus den Solverzeiten.

NVIDIAs Technologie und o9s Beitrag

NVIDIA veröffentlichte cuOpt unter Apache 2.0 und dokumentiert den Solvertausch in bestehenden Modellierungswerkzeugen mit minimalen Änderungen sowie eine Kommandozeilenschnittstelle zum Benchmarken von Standardmodelldateien. (40) Andere Anbieter erhalten den Solver zu denselben Bedingungen. Seine Einführung verschafft o9 keinen exklusiven algorithmischen Vorteil.

o9s Bericht beschreibt Integration, Benchmarking und Parametertuning. Er identifiziert keine von o9 entwickelte Solveränderung oder Verbesserung gegenüber unverändertem cuOpt. (12) Die Ankündigung überträgt den Glanz von NVIDIAs Solver und Hardware auf die Plattform, während o9s eigener numerischer Beitrag unbestimmt bleibt. Eigenständige Supply-Chain-Entwicklung würde eine verbesserte Formulierung, einen Algorithmus oder einen vollständigen Entscheidungsprozess zeigen, mit gemessenen Vorteilen nach Rechen- und Betriebskosten. Die veröffentlichte Solverzeit belegt keines dieser Ergebnisse.

Agenten und die Produktivität der Planung

o9s zusammengesetzte Agenten von 2024 wurden anhand von Aufgabenfolgen erfahrener Planer trainiert und für Prognoseanalysen sowie nachträgliche Erklärungen eingesetzt. Die neuro-symbolische Darstellung von 2026 beschreibt ein LLM, das eine Frage interpretiert, eine numerische und regelbasierte Mittelschicht für Analysen und ein LLM, das einen Kurzbericht ausgibt. Die beworbene Aufteilung 10–80–10 hat weder eine definierte Arbeitseinheit noch eine gemessene Verteilung von Laufzeit, Kosten oder Fehlern. (20, 9)

Die wesentliche Betriebsfrage ist, wie viel Arbeit entfällt. Ein Agent kann schneller erklären und den Planer trotzdem für dieselbe Entscheidung verantwortlich lassen. Ausnahmen wiederholt zu diagnostizieren und Parameter zu ändern ist ein schwaches Automatisierungsziel, wenn eine bessere Berechnung künftige Fälle ohne Eingriff behandeln könnte.

o9 meldet einige Verringerungen der Kundenarbeit. ZAMPs Restaurantleiter verwendeten 30% weniger Zeit auf Bestellungen. Hormel berichtete nach Einführung funktionaler Verantwortlicher von 52% weniger Personen, die Verteilungsempfehlungen manuell änderten, und 35% weniger Produktionskorrekturen. (13, 32) Diese Zahlen betreffen bestimmte Aufgaben und Verhaltensweisen. Sie nennen weder Gesamtpersonal noch Unterstützungsaufwand oder Arbeit je Produkt und Ort bei vergleichbarer Entscheidungsqualität.

Der Kaffeehändlerfall beginnt mit ungefähr sechs Stunden täglich für Bestellungen, Bestände und Prognosen und beschreibt danach Automatisierung mit minimalen manuellen Eingaben. Eingesparte Stunden werden als betroffener KPI genannt, die verbleibende Arbeitslast aber nicht beziffert. (31) Der Kostenvergleich braucht Kunden-, Anbieter- und Implementierungspartnerarbeit einschließlich Wartung, Tests und Wiederherstellung. Er sollte auch zeigen, wie die Summe mit dem Geschäft wächst. Schneller als ein früherer manueller Prozess zu sein ist kein ausreichender Maßstab für die heute mit ausführbarer Entscheidungssoftware erreichbare Produktivität.

Technologiegeschichte: wiederkehrende Durchbrüche, unvollständige Umsetzung

Seit einem Jahrzehnt stellt o9 aufeinanderfolgende Technologien als Durchbrüche der Unternehmensentscheidungen dar. Die technische Geschichte verleiht dem beständigen Thema Substanz: ein gemeinsames Geschäftsmodell für schnellere Koordination.

Patent US12051026B2, erteilt im Juli 2024 mit beanspruchter Priorität vom September 2014, beschreibt eine Abhängigkeitsengine, die von Datenänderungen betroffene Berechnungen erkennt und in notwendiger Reihenfolge neu ausführt. Sie verbindet hierarchische und nichthierarchische Kennzahlen zwischen Planungsmodellen und unterstützt gespeicherte Szenarien. Zielbasierte Szenarien arbeiten von gewünschten Ergebnissen rückwärts, mit Maximierungs-/Minimierungsvorgaben und Prioritäten. (44)

Dieses Design löst ein konkretes Entwicklungsproblem: zusammenhängende Berechnungen konsistent zu halten, ohne nach jeder Änderung alles neu auszuführen. Beispielsweise kann ein geänderter Einstandspreis überall dort Produktkosten und erwartete Margen aktualisieren, wo das Modell sie verknüpft.

Die neuro-symbolische Darstellung von 2026 ergänzt das EKG um LLMs, Wissensextraktion und Kausalanalyse. (9) Der Prognosewert neu abgeleiteter Beziehungen hängt von ihrer Validierung ab. Abhängigkeitsfortpflanzung führt die vorgegebenen Beziehungen aus; sie kann nicht feststellen, ob diese die Wirkung eines Eingriffs vorhersagen. Eine Preisänderung kann etwa den Umsatz konsistent aktualisieren und trotzdem eine falsche Nachfragereaktion annehmen. Ohne deren Validierung kann schnellere Szenarioerzeugung eine schlechte Preisentscheidung beschleunigen.

Zeitraum und Technologie Datierter Beleg Folge für den heutigen Anspruch
Cloud-Entscheidungsmanagement, 2016 Die Augustankündigung beschrieb mPower für Vertrieb, Supply Chain, Produkt- und Ergebnisprozesse. (16) Funktionsübergreifende Planung und finanzielle Abstimmung waren bereits das Angebot; ihre Existenz ist keine neue KI-Fähigkeit.
Augmented Intelligence, 2017 Der Februarstart bewarb KI und Wertschöpfung in 30–60 Tagen für einen ersten Kernprozess. (17) Die Veröffentlichung liefert keine Kostenbasis für spätere Produktivitätsversprechen.
Selbstfahrende Supply Chain, 2019 Die Maiankündigung bewarb digitale Assistenten und automatische Empfehlungen zur Gewinnsteigerung. (51) Das Autonomieversprechen kam ohne gemessene Abdeckung unbeaufsichtigter Entscheidungen oder verbleibende menschliche Arbeitslast.
Maschinelles Lernen und digitale Zwillinge, 2021–2022 Im Oktober 2021 kam Googles Vertex AI Forecast, im Oktober 2022 prädiktives Supply Sensing. (19, 8) Externe Algorithmen und längerfristige Warnungen wurden angekündigt, ihre zusätzlichen wirtschaftlichen Ergebnisse aber nicht quantifiziert.
Beta-Programme für generative KI, 2023 Die Augustankündigung beschrieb frühe Forschung und Entwicklung sowie Kunden-Betaprogramme. (52) Neue LLM-Fähigkeiten gingen in Kundentests; Betriebsnutzen blieb zukünftig.
Generative KI und zusammengesetzte Agenten, 2024 Die Juliankündigung organisierte Agenten nach Aufgabenfolgen von Planungsexperten. (20) Die Automatisierung einer Expertenfolge lässt deren Entscheidungslogik und wiederkehrende Arbeitslast noch zu bewerten.
ML-Einführung beim Kunden, 2025 Mankind Pharma meldete operative Gewinne, während die Fallstudie vom Oktober ML-Prognosen und MEIO noch als nächste Schritte nannte. (22, 45) Der Einführungsbericht stützt Verbesserungen des implementierten Planungssystems; er kann sie nicht noch geplanten Methoden zuschreiben.
APEX und neuro-symbolische KI, 2026 Die Märzankündigung verband LLMs mit dem vorhandenen EKG. Der Fachbericht nennt den symbolischen Kern eine Investition über fünfzehn Jahre. (21, 9) Die neue Oberfläche und Orchestrierung brauchen einen eigenen gemessenen Beitrag über die bestehende Engine hinaus.
GPU-Optimierung, Juli 2026 Ein LP-Benchmark nutzte NVIDIAs öffentlich verfügbaren cuOpt-Solver und B200-Hardware. (11, 40) Integration verdient keine automatische Anerkennung für fremde Innovation; o9-spezifische numerische Verbesserungen und Nettoplanungsgewinne sind nicht belegt.

Die Veröffentlichung vom Mai 2019 verband EKG und KI/ML mit einer „selbstfahrenden“ Supply Chain und gewinnmaximierenden Empfehlungen. Zu den unterstützenden Funktionen gehörten Sprachverarbeitung, markierte E-Mails, Sensorverbindungen, Hadoop-Speicher und kundenseitige R/Python-Algorithmen. Gemessene Autonomieabdeckung, verbleibende Ersatzarbeit oder wirtschaftliche Ergebnisse fehlten. (51) Eine Suche kann eine Fehlmenge anzeigen, während wirtschaftliche Lösung und Ausführung beim Planer bleiben. Der Sprung von diesen Funktionen zur selbstfahrenden Supply Chain ist ein Warnsignal für überzogene Vermarktung.

Im August 2023 bezeichnete o9 generative KI für Managemententscheidungen ausdrücklich als frühe Entwicklungsarbeit und kündigte Kunden-Betaprogramme an. (52) Die APEX-Veröffentlichung vom März 2026 berichtete, mehrere KI-Piloten seien 2025 in Produktion gegangen. (21) Die Veröffentlichungen lassen Umfang und Umsetzung des Autonomieversprechens von 2019 unerklärt: Welche Entscheidungen liefen unbeaufsichtigt, wo blieben Menschen nötig und welche wirtschaftlichen Vorteile überstanden die Betriebskosten? Neue LLM-Fähigkeiten können das frühere Versprechen nicht rückwirkend belegen. Wiederholte Durchbruchsankündigungen ohne diese Rechnung schwächen die Glaubwürdigkeit des aktuellen Autonomieangebots.

Softwarekomponenten und Betriebskosten

o9s Planungsumgebung verbindet proprietären In-Memory-Speicher, verteilte Datenverarbeitung, Kundenkonfiguration und externe numerische Werkzeuge. Architekturartikel, Schulungsunterlagen und Stellenausschreibungen beschreiben mehrere getrennte Schichten.

Schicht Dokumentierte Komponenten und Rolle Beleg
Planungsmodell Proprietärer In-Memory-GraphCube mit Datenaustausch zum Data Lake des Kunden; Patent beschreibt abhängigkeitsgesteuerte Neuberechnung und verknüpfte Szenarien Speichererklärung vom März 2024 und Graphmodellpatent. (23, 44)
Verteilte Datenverarbeitung Delta Lake und Apache Spark; Integration 3.0 nutzt Datastores, Datanodes und Transformationspipelines Architekturartikel vom März 2024 und aktueller Integrationsworkshop. (24, 26)
Datenengineering für die Implementierung SQL Server, MySQL, Delta Lake, Spark, T-SQL und PySpark in Integrationsaufgaben o9s Stelle als Associate Architect, Kennung JR102899. (25)
Kundenmodelle und Erweiterungen IBPL-Regeln und -Abfragen, Designer für Modelle, Berichte und Layouts sowie Python-Algorithmen von Kunden Fachworkshop und Kaffeehändlerfall. (28, 31)
Ausführung fremder Anwendungen, Patentdesign Verwaltete Containerregistries, Orchestrierungs-APIs und gemeinsamer Speicher mit Trennung nach Mandant, Anwendung und Ausführung Container-Ausführungspatent vom Juli 2026. (48)
Numerische Optimierung Heuristiken, LP/MIP-Solver, externe Engines und die demonstrierte cuOpt/B200-Kombination Versorgungsplanungsseite und Benchmark vom Juli 2026. (2, 11)
Snowflake-Verbindung Integration von Kundendaten mit Austausch von Planungseingaben und -ausgaben zwischen den Systemen Connected-Application-Ankündigung vom Mai 2026. (30)

Der Speicherartikel beschreibt ausdrücklich, relevante Daten in GraphCube zu laden und den Data Lake des Kunden als maßgebliche Quelle zu behalten. (23) Diese Architektur verursacht Synchronisierungs-, Speicher- und Wiederherstellungskosten. Spark-Transformationen und Delta Lake ergänzen eine weitere Ausführungs- und Speicherschicht. Die Stellenanzeige überträgt Entwicklern Verantwortung für Batchpipelines, Validierung, Einführungsfehler und laufende Integrationsunterstützung. (25)

Ein gemeinsames logisches Modell beseitigt diese physischen Kosten nicht. Die Plattform muss Daten bewegen und transformieren, kompatible Definitionen pflegen und sich nach einem gescheiterten Schritt erholen. Die öffentliche Architektur quantifiziert diese Kosten nicht für eine repräsentative Planungsaufgabe. Der Skalierungsartikel meldet eine Verdreißigfachung der Datenkombinationen bei einem ungenannten Händler, ohne zugehörige Hardware-, Verarbeitungs- oder Betriebskosten. (24)

Das Versprechen unbegrenzter Skalierung ist damit besonders schlecht gestützt. Die eigenen Schulungen behandeln Leistungstuning und Speicherverwaltung, um Mandantenabstürze zu vermeiden. (1, 29) Das sind praktische Betriebsgrenzen, die Käufer budgetieren müssen. Nützlich ist die Messung der Kosten, Entscheidungen im nötigen Maßstab zu erzeugen und zu pflegen, nicht nur die Datenmenge, die die Plattform aufnehmen kann.

Ändern, was das System optimiert

o9s Fachworkshop vermittelt Modellkonstruktion, IBPL-Abfragen, Datenregeln und Dashboards. Der EKG-Workshop lehrt metadatengesteuerte Integration über eine Low-Code-Oberfläche auf PySpark und Spark SQL. (28, 27) Diese Tätigkeiten erzeugen ausführbare Abhängigkeiten. Jemand muss sie verstehen und testen, wenn Produkte, Beschränkungen, Daten oder Geschäftsregeln sich ändern.

o9s Nachfrageplanungsartikel kritisiert ältere Systeme dafür, Nutzer bei Modelländerungen von IT-Anbietern oder Beratern abhängig zu machen. (18) Config 2.0 bietet Git, gemeinsame Arbeitsabläufe, Konfliktlösung und Hotfixes; die Lernpfade umfassen Teststrategie, Releaseverantwortung, Wiederherstellung und Leistungstuning. (29) Diese Kontrollen helfen Entwicklern, Kundenlogik zu pflegen. Sie zeigen zugleich die fortlaufende Spezialistenarbeit, die die einfache Beschreibung als „konfigurierbare Plattform“ verdeckt.

Hormels Einführungsbericht beschreibt fachliche Verantwortliche, die an Design, Tests, Schulung, Managementkommunikation und Unterstützung nach dem Produktivstart mitwirken. (32) Diese Aufgaben gehören neben Abonnementgebühren, Infrastruktur, Anbieterdiensten und Routineplanung in die Gesamtbetriebskosten. Weniger manuelle Korrekturen können Arbeit sparen; der Aufwand, diese Verringerung zu erhalten, muss ebenfalls zählen.

Die folgenreichste Pflege verändert das gelöste Problem. Eine wiederkehrende schlechte Allokation kann zeigen, dass die Zielfunktion Kosten auslässt, ein ERP-Feld anders gemeint ist als angenommen oder eine nützliche Handlung in der Berechnung fehlt. Solche Erkenntnisse erfordern Änderungen an Berechnung und Geschäftsinterpretation. Holimization macht diese Arbeit explizit: Fehler diagnostizieren, Formulierung überarbeiten, Entscheidungen historisch nachspielen oder im Schattenbetrieb testen und die Korrektur kontrolliert einführen. (50)

o9s Lieferantendemonstration schlägt geänderte Lieferzeitannahmen, alternative Lieferanten und neue Planungsregeln vor, nachdem ein Planer saisonale Verzögerungen erkannt hat. (10) Ein weiterer Diagnoseschritt zeigt die Schwierigkeit: Stammt eine wiederkehrende Fehlmenge aus der Art, wie das ERP Eingangsdaten erfasst, kann ein höherer Lieferzeitparameter den Interpretationsfehler verdecken. Hängen mehrere Produkte an derselben verspäteten Lieferung, können einzeln angepasste Puffer die gemeinsame Exposition unmodelliert lassen. Die Korrektur muss die relevante Datensemantik und Abhängigkeiten erreichen und danach anhand der betrieblichen Folgen bewertet werden, die den Fehler aufdeckten.

o9s Entwicklungs- und Releasewerkzeuge unterstützen Modelländerungen. Die geprüfte Demonstration verfolgt eine Änderung der Zielfunktion oder Entscheidungsstruktur nicht durch Tests, Einführung und spätere wirtschaftliche Ergebnisse. Sie quantifiziert auch nicht den Entwicklungsaufwand. Dieser gehört zu den Betriebskosten: Datenneuzuordnung, Neuformulierung, Regressionstests, Einführungsverzögerungen und jede verbleibende manuelle Arbeit, weil das überarbeitete Modell zu teuer läuft. Schnelle Ausführung der ursprünglichen Formulierung sagt wenig darüber, was ihre wirtschaftliche Angemessenheit kostet.

Verantwortung für wirtschaftliche Ergebnisse

Mankind Pharmas Geschäftsbericht 2024–25 beschreibt eine konkrete operative Änderung: von Prognosen auf Landesebene zur Planung an den Standorten von Lager- und Vertriebspartnern für mehr als 1.200 SKUs. Er schreibt dieser Umstellung mit o9 eine Verringerung der Wahrscheinlichkeit entgangener Verkäufe von 3–4% auf unter 0,5% sowie weniger Bestandstage zu. Derselbe Bericht beschreibt parallele Lager-, Beschaffungs- und Logistikprogramme. (45) Feinere geografische Planung kann Fehlmengen sichtbar machen, die eine Landessumme verdeckt; die Verbindung von Nachfrage, Versorgung und Logistik kann die Wiederbeschaffung früher reagieren lassen.

o9s Bericht vom Oktober 2025 nennt separat 20% weniger Bestand und 80% weniger Serviceverluste, mehr als 400 Plattformnutzer und anderthalb Jahre Implementierungsarbeit. ML-Prognosen und mehrstufige Bestandsoptimierung werden als nachfolgende Schritte dargestellt. (22) Diese Ergebnisse stützen den Wert der bereits eingeführten Planungsänderungen. Sie können den Beitrag noch geplanter ML- und MEIO-Verfahren nicht belegen. Die beiden Quellen liefern keine gemeinsame Definition von Serviceverlust.

Der relevante Vergleich betrifft die Rendite dieses implementierten Betriebsmodells. Feinere Planung, gemeinsame Daten, Prozessänderungen und parallele Logistikverbesserungen bieten mehrere Wege zu besserem Service. Ihre Beiträge zu bestimmen erfordert Zeitpunkt und Umfang jeder Änderung einschließlich Implementierungs- und laufender Kosten. Vierhundert Nutzer zeigen Akzeptanz; ihre Zahl misst weder eingesparte Stunden noch den Aufwand, Gewinne zu erhalten. Auch Hormels fachliche Verantwortliche leisten fortlaufende Design-, Test-, Schulungs- und Unterstützungsarbeit. (32) Diese Verpflichtungen müssen bepreist werden, bevor Nettorenditen der Software zugeschrieben werden.

o9s APEX-Ankündigung verspricht wiederholte Verbesserungen von Wachstum, Margen und Cashflow und stützt ihre Umsetzungserzählung dann auf Einführungszahlen und Nutzung. (21) Ein Produktivstart misst die Lieferung von Software. Der wirtschaftliche Test benötigt Erträge nach Wartungs- und Betriebskosten gegenüber einer definierten Basis und einem Zeitraum.

Der nachträgliche Analyserahmen schlägt vor, Entscheidungen nachzuverfolgen und Abweichungen zu erklären. (9) Das könnte Verantwortung unterstützen, wenn er schlechte Empfehlungen von Kundenkorrekturen, Ausführungsfehlern und einem ungünstigen, aber unter der ursprünglichen Unsicherheit plausiblen Ausgang unterscheidet. Der öffentliche Bericht erklärt nicht, wie diese Diagnosen in Anbieterpflichten oder Abhilfe bei einem verfehlten Wirtschaftlichkeitsziel münden. Ohne diese Grenze können Forderungen nach besseren Daten, Prozessen und Nutzung offen bleiben, während die versprochenen Erträge ungeprüft bleiben.

Anwender-Python und Produktionssicherheit

Der Kaffeehändlerfall beschreibt ein Kundenteam für Data Science, das eigene Python-Algorithmen auf o9 für filialbezogene Prognosen und Wiederbeschaffung ausführt. (31) Neben der Berechnung entsteht damit eine Sicherheitsanforderung. Von Fachanwendern geschriebener Code auf Produktionsdaten muss als potenziell fehlerhaft oder kompromittiert gelten, einschließlich importierter Pakete und KI-generierter Ergänzungen. Berechtigte Nutzerrechte machen nicht jedes ausgeführte Programm vertrauenswürdig.

o9 beschreibt mehrere relevante Kontrollen. Die Sicherheitsseite nennt Identitätsfunktionen und ISO/SOC-Rahmenwerke. Der Responsible-AI-Artikel vom April 2026 geht weiter: Agenten haben ausdrückliche Identitäten, vor Ausführung geprüfte begrenzte Werkzeugrechte, Prüfprotokolle und Stoppmechanismen. (34, 47) Ein Patent vom Juli 2026 beschreibt Schwachstellenprüfungen fremder Containerimages vor der Aufnahme in interne Registries, autorisierte Bereitstellung, Ressourcenkonfigurationen und Speicherpfadtrennung zwischen Mandanten, Anwendungen und Ausführungen. (48) Diese Offenlegungen betreffen Agentensteuerung und ein Containerbereitstellungsdesign; sie benennen nicht die tatsächlich durchgesetzte Laufzeitrichtlinie für die im Kundenfall beschriebene Python-Ausführung.

Der Unterschied zählt nach dem Start des Codes. Ein kompromittiertes Paket kann versuchen, rechtmäßig gelesene Daten an ein externes Ziel zu senden. Reiner Datenbank-Lesezugriff verhindert diese Offenlegung nicht. Ein fehlerhaftes Skript kann Ressourcen erschöpfen oder beschädigte Planungsausgaben erzeugen, ohne eine bekannte Schwachstelle auszunutzen. Imagescans können nicht beweisen, dass das Programmverhalten für die erhaltenen Daten und Befugnisse sicher ist. Die Ausführungsumgebung muss Beschränkungen durchsetzen, die das Programm nicht entfernen kann.

Die veröffentlichten Materialien lassen diese Beschränkungen unzureichend spezifiziert: ob ausgehende Verbindungen beliebigen Codes standardmäßig gesperrt sind, auf welche Zugangsdaten er zugreifen kann, wie Schreibzugriffe begrenzt werden und wer Rechteänderungen genehmigen darf. Das Patent beschreibt konfigurierbare Sicherheitskontexte und Netzwerke, aber nicht die tatsächlich geltenden Sicherheitsregeln für Fachanwenderprogramme. (48) Containerverpackung allein löst das nicht. Kubernetes empfiehlt selbst stärkere Sandboxen für nicht vertrauenswürdigen Code, weil gewöhnliche Container den Hostkernel teilen. (49)

Kundenseitiges Python ist daher ein erhebliches Sicherheitswarnsignal, solange seine Eingrenzung im Produktivbetrieb nicht nachgewiesen ist. Die nötige Grenze umfasst Datenzugriff, Netzwerkverkehr, Geheimnisse, Ressourcenverbrauch sowie die Übernahme von Code und Abhängigkeiten in Produktion. Diese Grenze Fachanwendern zu überlassen würde Sicherheitsentwicklung auf Menschen übertragen, deren Aufgabe Supply-Chain-Analyse ist.

Technischer Zugang und Portabilität

Das Guide-Portal bewirbt UI-APIs für GraphCube-Daten und Konfigurationsdokumentation für Mandanten. Seine API- und Wiki-Links führen zu Autorisierungsseiten. (33) Schulungsübersichten zeigen die unterrichteten Themen, liefern aber keine öffentlich reproduzierbare Implementierung der numerischen Entscheidungen der Suite.

Python-Algorithmen von Kunden und Git-verwaltete Konfiguration geben Kunden Kontrolle über Teile ihrer Lösung. Die öffentlichen Materialien erklären nicht, wie ein vollständiges Entscheidungsmodell einschließlich proprietärer Regeln und Solverorchestrierung exportiert und unabhängig von o9 ausgeführt werden könnte. (29, 31) Das begrenzt die Portabilität der Entwicklungsinvestition.

Supply-Chain-Bewertung

Tiefe des Supply-Chain-Verständnisses: 3,8/10

Teilbewertung /10 Grundlage
Wirtschaftliche Ausrichtung 5 Finanzszenarien, Bestandskosten und rentabilitätsbasierte Prioritäten sind ausdrücklich beschrieben; die gemeinsame Bewertung zusätzlicher Einheiten bleibt unerklärt.
Konkrete Entscheidungen als Ergebnis 5 Bestellungen und Umlagerungsaufträge werden erzeugt; übergreifende Abläufe benötigen weiterhin menschliche Abwägung.
Begriffliche Klarheit zur Supply Chain 4 Funktionsübergreifende Zusammenhänge werden modelliert, gemeinsame Daten aber wiederholt mit optimierten Entscheidungen gleichgesetzt.
Unabhängigkeit von überholten Lehrsätzen 3 Konsensprognosen, Serviceziele und ABC-Klassen bleiben zentral.
Widerstandsfähigkeit gegen KPI-Theater 2 Aggregierte Genauigkeit und Automatisierungszahlen einzelner Aufgaben stützen weitergehende Behauptungen ohne passende Messungen.

Arithmetischer Mittelwert: (5 + 5 + 4 + 3 + 2) / 5 = 3.8.

Wirtschaftliche Ausrichtung — 5/10. Die Allokationsanalyse identifiziert rentabilitätsbasierte Prioritäten neben Bestandskosten und Finanzszenarien. Der veröffentlichte Prozess zeigt nicht, wie Prioritäten den erwarteten Beitrag der nächsten Einheit vergleichen oder wie die Berechnungen Beschaffung, Produktion und kommerzielle Entscheidungen koordinieren.

Konkrete Entscheidungen als Ergebnis — 5/10. Die Handelsanwendung erzeugt ausdrücklich Bestellungen und Umlagerungsaufträge. Im umfassenderen Unternehmensablauf müssen weiterhin Menschen Szenarien vergleichen und folgenreiche Entscheidungen freigeben. (3, 41)

Begriffliche Klarheit zur Supply Chain — 4/10. o9 behandelt Zusammenhänge zwischen Funktionen und Zeithorizonten. Das zentrale Graphkonzept legt nicht fest, wie knappe Ressourcen verteilt werden, wenn zulässige Pläne wirtschaftlich miteinander konkurrieren.

Unabhängigkeit von überholten Lehrsätzen — 3/10. Eine abgestimmte Prognose und segmentierte Serviceziele strukturieren den dokumentierten Prozess. Die Empfehlungen zur Prognostizierbarkeit ergänzen Aggregation, angepasste Regeln und Zusammenarbeit für schwierige Artikel, lassen aber deren Allokationsökonomie und wiederkehrenden Arbeitsaufwand offen. (5, 6)

Widerstandsfähigkeit gegen KPI-Theater — 2/10. Die Genauigkeitsanalyse findet wöchentliche Aggregatwerte, denen detaillierte Produktionsvorteile zugeschrieben werden, sowie eine ZAMP-Schlagzeile deutlich über dem separat genannten Filialwert. Fehlende Definitionen und wirtschaftliche Vergleiche verhindern, dass diese Prozentzahlen die versprochene Entscheidungsqualität belegen.

Substanz der Entscheidungen und Optimierung: 4,4/10

Teilbewertung /10 Grundlage
Tiefe der probabilistischen Modellierung 4 Stochastische Bestandsmodelle und Störungswahrscheinlichkeiten werden beansprucht; ihre gemeinsame Darstellung und Validierung sind nicht offengelegt.
Eigenständige Substanz bei Optimierung oder ML 4 Externe Solver und Kundenalgorithmen sind dokumentiert; LP-Laufzeiten validieren das Wirtschaftsmodell nicht.
Umgang mit realen Nebenbedingungen 6 Kapazität, Lieferantenstufen, Verderblichkeit, Postponement und Netzwerkausgleich werden beschrieben.
Entscheidungsautomatisierung und Arbeitsproduktivität 4 Zeitersparnisse bei Aufgaben und weniger manuelle Eingriffe werden berichtet; Gesamtarbeit und deren Skalierung bleiben unbekannt.
Belastbarkeit unter realer betrieblicher Komplexität 4 Werkzeuge zur Modellbearbeitung existieren; die Korrektur fehlerhafter Formulierungen unter Erhalt wirtschaftlicher Wechselwirkungen ist unzureichend nachgewiesen.

Arithmetischer Mittelwert: (4 + 4 + 6 + 4 + 4) / 5 = 4.4.

Tiefe der probabilistischen Modellierung — 4/10. MEIO beansprucht die Berücksichtigung von Nachfrage- und Angebotsvariabilität, doch die Unsicherheitsanalyse findet keine offengelegte gemeinsame Projektion von Nachfrage und künftigen Eingangsterminen, die in die Bestellauswahl eingeht. Die Empfehlungen bei geringer Prognostizierbarkeit beschreiben Regeln und Aggregation, ohne die verbleibende Unsicherheit bis zur Allokation nachzuverfolgen. Wahrscheinlichkeiten, deren Kalibrierung und ihr Einfluss auf Entscheidungen bleiben unbestimmt.

Eigenständige Substanz bei Optimierung oder ML — 4/10. o9 integriert numerische Solver und unterstützt Kundenalgorithmen. Die cuOpt-Veröffentlichung belegt keine o9-spezifische numerische Verbesserung, und ihr LP-Benchmark lässt die wirtschaftliche Formulierung und die Näherungen unvalidiert. Modellgröße und ähnliche Zielfunktionswerte der Solver belegen keine besseren Entscheidungen unter Unsicherheit.

Umgang mit realen Nebenbedingungen — 6/10. Bestandsausgleich, Haltbarkeit, Lieferantenkapazität und Postponement greifen konkrete betriebliche Bedingungen auf. Ihre gemeinsame Behandlung mit Preisgestaltung und konkurrierenden Kapitalverwendungen bleibt unklar. (2, 4)

Entscheidungsautomatisierung und Arbeitsproduktivität — 4/10. Die Kundenberichte nennen weniger Bestellaufwand und manuelle Eingriffe. Sie messen weder das gesamte Betriebsteam noch Supportkosten oder zusätzliche Arbeit, die Agenten gegenüber früherer Automatisierung beseitigen.

Belastbarkeit unter realer betrieblicher Komplexität — 4/10. o9 unterstützt Modellbearbeitung und wiederverwendbare Regeln, doch der Verbesserungsprozess zeigt nicht, wie eine fehlerhafte Zielfunktion, Dateninterpretation oder Entscheidungsstruktur überarbeitet und anhand späterer Betriebsergebnisse validiert wird. LP-Leistung kann diese Fähigkeit nicht belegen. Solverrestriktionen bergen zudem die Gefahr, dass neu erkannte wirtschaftliche Wechselwirkungen bei Änderungen der Formulierung wegvereinfacht werden.

Integrität von Produkt und Architektur: 4,6/10

Teilbewertung /10 Grundlage
Architektonische Kohärenz 5 Ein gemeinsames Modell verbindet Anwendungen; mehrere Ausführungsschichten und ihre wirtschaftliche Semantik bleiben unvollständig beschrieben.
Klarheit der Systemgrenzen 6 Data Lakes, Planungsspeicher, externe Solver und nachgelagerte Ausgaben haben erkennbare Rollen.
Ernsthaftigkeit der Sicherheit 4 Agentenrechte und ein Containersicherheitsentwurf sind dokumentiert; die erzwungene Eingrenzung kundenseitigen Pythons bleibt unerklärt.
Sparsamkeit der Software und Gesamtbetriebskosten 3 Infrastruktur, Konfiguration und Änderungen am Entscheidungsmodell erfordern dauerhafte Entwicklungsarbeit; Gesamtkosten sind nicht beziffert.
Eignung für programmgesteuerte und agentengestützte Abläufe 5 Python-Erweiterungen, IBPL und Git-verwaltete Konfiguration unterstützen Entwicklung; vollständige Modellreproduzierbarkeit bleibt unklar.

Arithmetischer Mittelwert: (5 + 6 + 4 + 3 + 5) / 5 = 4.6.

Architektonische Kohärenz — 5/10. Die Offenlegung des Graphmodells erklärt abhängigkeitsgesteuerte Neuberechnung und verknüpfte Szenarien. Die Softwareinventur zeigt getrennte Speicher-, Transformations- und Berechnungsschichten; ihre Integration benötigt weiterhin konsistente Definitionen, gepflegte Regeln und koordinierte wirtschaftliche Berechnungen.

Klarheit der Systemgrenzen — 6/10. Die Speicherbeschreibung benennt die maßgebliche Datenquelle des Kunden und die Planungskopie. Die Snowflake-Ankündigung beschreibt Eingaben und zurückgegebene Ergebnisse. Das schafft konkrete Grenzen für Integrationsverantwortung. (23, 30)

Ernsthaftigkeit der Sicherheit — 4/10. Die Bewertung von Fachanwendercode findet begrenzte Agentenrechte und ein Patent zu Imagescans, autorisierter Bereitstellung und isolierten Speicherpfaden. Die öffentlichen Unterlagen verbinden diese Kontrollen nicht mit einer durchgesetzten Richtlinie für Netzwerkzugriff, Zugangsdaten, Schreibrechte und Rechteänderungen kundenseitigen Pythons. Erweiterbarkeit mit Zugriff auf Produktionsdaten braucht diese Eingrenzung, um Schäden durch Fehler und kompromittierte Abhängigkeiten zu begrenzen.

Sparsamkeit der Software und Gesamtbetriebskosten — 3/10. Der Wartungsaufwand umfasst Modellentwicklung, Integrationstests, Leistungsoptimierung und Support. Auch Änderungen an Zielen, Dateninterpretationen und verfügbaren Entscheidungen verursachen Entwicklungs- und Bereitstellungskosten. Die Kundenberichte beziffern diesen Aufwand nicht und setzen ihn nicht zu dauerhaften Verbesserungen von Ertrag und Arbeitsproduktivität ins Verhältnis.

Eignung für programmgesteuerte und agentengestützte Abläufe — 5/10. Kundenseitiger Python-Code, Regelabfragen und versionierte Konfiguration können dauerhafte Verbesserungen unterstützen. Die öffentliche Dokumentation zeigt keine reproduzierbare Ausführung und Prüfung des vollständigen Wirtschaftsmodells über diese Schichten hinweg. (28, 29, 31)

Technische Transparenz: 3,8/10

Teilbewertung /10 Grundlage
Öffentliche technische Dokumentation 5 Ein Graphmodellpatent, Architekturartikel, Schulungsübersichten und ein Solverbenchmark legen Mechanismen offen; aktuelle Implementierungsanleitungen erfordern Autorisierung.
Prüfbarkeit ohne Vermittlung des Anbieters 4 Kunden können Modelle und Erweiterungen entwickeln; zugrunde liegende Formulierungen bleiben öffentlich weitgehend unbekannt.
Portabilität und Sichtbarkeit der Anbieterbindung 2 Export und unabhängige Ausführung eines vollständigen Entscheidungsmodells sind unerklärt.
Transparenz der Implementierungsmethode 5 Schulungen, Entwicklungsaufgaben und Kundenberichte benennen erhebliche Implementierungs- und Wartungsarbeit.
Belegdichte hinter technischen Aussagen 3 Solverlaufzeiten sind konkret dokumentiert; kausale, prädiktive und autonome Fähigkeiten deutlich schwächer validiert.

Arithmetischer Mittelwert: (5 + 4 + 2 + 5 + 3) / 5 = 3.8.

Öffentliche technische Dokumentation — 5/10. Die Patentanalyse liefert neben öffentlichen Architektur- und LP-Materialien konkrete Mechanismen für Abhängigkeitsauswertung und Szenarioerzeugung. Die Zugangsprüfung findet weiterhin beschränkten Zugriff auf aktuelle Implementierungsanleitungen; der historische Entwurf liefert keine reproduzierbare Beschreibung der heutigen vollständigen Entscheidungsengine.

Prüfbarkeit ohne Vermittlung des Anbieters — 4/10. Kundenalgorithmen und konfigurierbare Modelle sind innerhalb ihres Entwicklungsumfangs prüfbar. Die untersuchten Quellen legen die vollständige Zielfunktion, Unsicherheitsbehandlung und Ausführungskette hinter der suiteweiten Optimierung nicht offen.

Portabilität und Sichtbarkeit der Anbieterbindung — 2/10. Git kann die Konfigurationshistorie bewahren, ohne proprietäres Laufzeitverhalten portabel zu machen. Die öffentliche Dokumentation lässt Kosten und Machbarkeit eines Umzugs der vollständigen Kundenlösung auf eine andere Plattform offen.

Transparenz der Implementierungsmethode — 5/10. Workshops, die Stellenanzeige und Kundeneinführungsberichte benennen Modellierung, Tests, Integration und fortlaufende organisatorische Verantwortung. Personalbedarf und laufende Kosten werden nicht beziffert. (25, 28, 32)

Belegdichte hinter technischen Aussagen — 3/10. Der numerische Benchmark enthält konkrete Parameter. Für Störungsprognosen, kausale Zuordnung und das umfassendere Produktivitätsversprechen der Agenten fehlt eine vergleichbare Ergebnisvalidierung.

Seriosität des Anbieters: 3,8/10

Teilbewertung /10 Grundlage
Technische Seriosität der öffentlichen Kommunikation 4 Konkrete Solverangaben stehen neben Aussagen zu unbegrenzter Skalierung und unbelegten Extrapolationen.
Integrität der technologischen Roadmap 3 Das Autonomieversprechen von 2019 bleibt unbewertet, während spätere Veröffentlichungen LLM-Betas vorstellen und den Produktivstart von KI-Piloten melden.
Begriffliche Klarheit 4 Das Unternehmensmodell ist ein beständiges Thema, die Koordination von Planern bleibt aber zentral im vorgeschlagenen Betriebsmodell.
Wirtschaftliche Rechenschaft 3 Kundenergebnisse und Zuständigkeiten werden beschrieben; Nettorenditekriterien und Abhilfen bei Misserfolg bleiben öffentlich undefiniert.
Verteidigungsfähigkeit in einer Welt agentischer Software 5 Fachmodelle und Integrationen erfordern Nachbauaufwand; Oberflächen und extern gelieferte Solver unterscheiden weniger.

Arithmetischer Mittelwert: (4 + 3 + 4 + 3 + 5) / 5 = 3.8.

Technische Seriosität der öffentlichen Kommunikation — 4/10. Der LP-Bericht benennt Grenzen und frühere numerische Probleme. Die breitere Kommunikation dehnt dieses Ergebnis auf nächtliche Planung aus und wirbt mit unbegrenzter Skalierung ohne Betriebskostenbenchmark.

Integrität der technologischen Roadmap — 3/10. Die datierte Historie dokumentiert ein weitreichendes Autonomieversprechen von 2019, gefolgt von Betaprogrammen für generative KI 2023 und einem späteren Bericht über KI-Piloten, die 2025 produktiv gingen. Die Ankündigungen legen keine Rechenschaft über die Einlösung des früheren Versprechens ab. Auch die Einführung bei Mankind trennt berichtete Verbesserungen von erst später geplanten ML- und MEIO-Funktionen. Diese schwache Nachverfolgung untergräbt die Glaubwürdigkeit aufeinanderfolgender Durchbruchsbehauptungen.

Begriffliche Klarheit — 4/10. Ein gemeinsames Unternehmensmodell ist eine kohärente Entwicklungsrichtung. Konsensprognosen, Expertenaufgabensequenzen und Parameterkorrekturen behalten eine große Rolle; der Übergang zu wirtschaftlich autonomen Entscheidungen bleibt unvollständig.

Wirtschaftliche Rechenschaft — 3/10. Die Mankind-Analyse verbindet kundenseitig berichtete Serviceverbesserungen mit dokumentiertem Einführungsaufwand und späteren Funktionsplänen. Die Ergebnisse isolieren weder den Softwarebeitrag noch belegen sie Renditen nach laufenden Kosten. Öffentliche Zusagen lassen organisatorische Pflichten und Abhilfen bei verfehltem Business Case weiter offen.

Verteidigungsfähigkeit in einer Welt agentischer Software — 5/10. Fachmodelle, Kundenintegrationen und die Planungslaufzeitumgebung verkörpern angesammelte Entwicklungsarbeit. Externe Solver und Dialogoberflächen sind andernorts leichter erhältlich. Der dauerhafte Vorteil muss aus besseren Entscheidungen und weniger Gesamtbetriebsaufwand entstehen; beides bleibt unzureichend gemessen.

Gesamtnote: 4,1/10

(3.8 + 4.4 + 4.6 + 3.8 + 3.8) / 5 = 4.08, gerundet auf 4,1/10.

o9 bietet eine umfangreiche Umgebung zum Erstellen und Koordinieren von Unternehmensplänen. Die öffentlichen Belege sind deutlich schwächer bei gemeinsamer wirtschaftlicher Berechnung, validierter Unsicherheit und dem gesamten nötigen Arbeitsaufwand. Das zentrale Investitionsrisiko besteht darin, eine ausgefeilte Planungsorganisation zu finanzieren, ohne ein entsprechend produktives Entscheidungssystem zu erhalten.

Quellenverzeichnis

Quellen abgerufen am 3. November 2026. Externe Verweise führen zu geprüften Archivkopien mit Zeitstempel.

[1] Digital-Brain-Plattform

o9 Solutions: Digital-Brain-Plattform. Undatiert. Funktionsumfang, gemeinsames Unternehmensmodell und Skalierungsversprechen.

[2] Supply-Chain-Planung

o9 Solutions: Supply-Chain-Planung. Undatiert. Solverfamilien, Kapazitätsmodellierung, operative Ergebnisse und Automatisierung.

[3] Digital IBP

o9 Solutions: Digital IBP. Undatiert. Finanzszenarien, Plansynchronisierung und Entscheidungsabläufe der Unternehmensleitung.

[4] Mehrstufige Bestandsoptimierung

o9 Solutions: Mehrstufige Bestandsoptimierung. Undatiert. Bestandskosten, Postponement, Netzwerkausgleich, Haltbarkeit und Aussagen zur stochastischen Modellierung.

[5] Kollaborative Nachfrageplanung

o9 Solutions: Kollaborative Nachfrageplanung. Undatiert. Konsensprognosen, automatische Abstimmung und gemeinsame Nachfragebasis.

[6] Grundsätze der Nachschubplanung

o9 Solutions: Grundsätze der Nachschubplanung. Undatiert. Servicegradziele, Sicherheitsbestände und ABC-Klassifikation.

[7] Demand Sensing

o9 Solutions: Demand Sensing. Undatiert. Externe Signale, Prognosefrequenz, Hierarchie und granulare Ergebnisse.

[8] Einführung von Supply Sensing

o9 Solutions: Einführung von Supply Sensing. 2022-10-03. Prädiktive Störungsmeldungen, Ereigniswahrscheinlichkeiten und vorgeschlagene Gegenmaßnahmen.

[9] Neurosymbolische KI

o9 Solutions: Neurosymbolische KI. 2026-02-11. Agentenarchitektur, das 10–80–10-Versprechen, Entscheidungskontext und Kausalanalyse.

[10] Demonstration digitalisierten Wissens

o9 Solutions: Demonstration digitalisierten Wissens. 2026-07-10. Lieferantenwissen von Planern, Lieferzeitvalidierung und Regeländerungen.

[11] Ankündigung der GPU-Optimierung

o9 Solutions: Ankündigung der GPU-Optimierung. 2026-07-23. Berichtete LP-Beschleunigung und Extrapolation auf nächtliche Planung.

[12] Methoden und Ergebnisse des GPU-Benchmarks

o9 Solutions: Methoden und Ergebnisse des GPU-Benchmarks. 2026-07-24 (aktualisiert 2026-07-29). Problemgrößen, Hardware, Solverlaufzeiten, numerische Qualität und Entwicklungsumfang.

[13] Berichte von Handelskunden und Demonstrationen

o9 Solutions: Berichte von Handelskunden und Demonstrationen. 2025-09-15 (aktualisiert 2026-03-12). ZAMPs Zahlen zu Genauigkeit und Bestellaufwand; Kundenergebnisse und getrennte Demonstrationen.

[14] Genauigkeitsversprechen zur Produktionsplanung

o9 Solutions: Genauigkeitsversprechen zur Produktionsplanung. 2026-10-19. Wöchentliche aggregierte Genauigkeit über 95% und beanspruchte Produktionsvorteile.

[15] M5-Daten und eingereichte Punktprognosen

Organisatoren des M5-Wettbewerbs: M5-Daten und eingereichte Punktprognosen. 2020–2022. Die diagnostische Neuberechnung verwendet die veröffentlichten 50 besten Punktprognoseeinreichungen für die Auswertungstage d_1942–d_1969, einschließlich aller 30.490 Produkt-Filial-Reihen und Beobachtungen ohne Verkäufe. WAPE teilt den gesamten absoluten Fehler durch das tatsächliche Stückvolumen. Die Aggregation summiert die ursprünglichen Prognosen ohne Neuanpassung; die offizielle M5-Rangliste verwendete WRMSSE.

[16] Cloud-Entscheidungsmanagement 2016

o9 Solutions: Cloud-Entscheidungsmanagement 2016. 2016-08-09. Die Cloudplattform mPower und ihr funktionsübergreifendes Planungskonzept.

[17] Ankündigung von Augmented Intelligence

o9 Solutions: Ankündigung von Augmented Intelligence. 2017-02-24. Positionierung als Augmented Intelligence und anfängliches Lieferziel für Kernprozesse.

[18] Zukunft der Nachfrageplanung

o9 Solutions: Zukunft der Nachfrageplanung. 2017-05-18. Akzeptanz im Vertrieb, kollaboratives Nachfragemanagement und Modellflexibilität.

[19] Integration von Vertex AI Forecast

o9 Solutions: Integration von Vertex AI Forecast. 2021-10-12. Integration von Googles Prognosealgorithmen und externen Nachfragesignalen.

[20] Zusammengesetzte Agenten

o9 Solutions: Zusammengesetzte Agenten. 2024-07-01. Atomare und zusammengesetzte Agenten, die Aufgabenfolgen von Planungsexperten ausführen.

[21] APEX-Ankündigung

o9 Solutions: APEX-Ankündigung. 2026-03-26. Betriebsmodell- und Wirtschaftsversprechen, Einführungszahlen und KI-Ausrollung.

[22] Planungseinführung bei Mankind Pharma

o9 Solutions: Planungseinführung bei Mankind Pharma. 2025-10-15. Einführungsaufwand, Nutzer, berichtete Ergebnisse und spätere ML- und MEIO-Pläne.

[23] Den eigenen Data Lake als Speicher nutzen

o9 Solutions: Den eigenen Data Lake als Speicher nutzen. 2024-03-15. GraphCube-Speicher, kundenseitige Data Lakes und Datenaustausch.

[24] Herausforderungen großer Datenmengen bewältigen

o9 Solutions: Herausforderungen großer Datenmengen bewältigen. 2024-03-15. Delta Lake, Spark, gemeinsame Datenmodelle und anonyme Größenbeispiele.

[25] Associate Architect, JR102899

o9 Solutions, Arbeitgeberanzeige auf Built In: Associate Architect, JR102899. Undatiert. Vom Arbeitgeber verfasste Anzeige auf Built In, Stellenkennung JR102899. Integrationstechnologie und Aufgaben von Pipelines über Tests und Bereitstellung bis zur Wartung.

[26] Workshop Integration 3.0

o9 Solutions: Workshop Integration 3.0. Undatiert. Pipelines, Datastores, Datanodes und Delta Lake in Integration 3.0.

[27] EKG-Integrationsworkshop

o9 Solutions: EKG-Integrationsworkshop. Undatiert. Metadatengesteuertes ETL und EKG Configurator auf PySpark und Spark SQL.

[28] Technischer Plattformworkshop

o9 Solutions: Technischer Plattformworkshop. Undatiert. IBPL, Modellerstellung, Regeln, Berichte und Layoutkonfiguration.

[29] Lernpfade für Konfiguration und Leistung

o9 Solutions: Lernpfade für Konfiguration und Leistung. Undatiert. Config 2.0 mit Git, Test- und Releaseverantwortung, Wiederherstellung und Leistungsoptimierung.

[30] Snowflake Connected Application

o9 Solutions: Snowflake Connected Application. 2026-05-05. Connected-Application-Integration, Dateneingaben und Planungsergebnisse.

[31] Einführung bei einem Kaffeehändler und Kundenalgorithmen

o9 Solutions: Einführung bei einem Kaffeehändler und Kundenalgorithmen. Undatiert. Kundenseitige Python-Algorithmen, Planungsautomatisierung und ursprünglicher Arbeitsaufwand der Filialen.

[32] Einführungserfahrungen von WHOOP und Hormel

o9 Solutions: Einführungserfahrungen von WHOOP und Hormel. 2026-09-28 (aktualisiert 2026-10-08). Hormels Funktionsverantwortliche und berichteter Rückgang manueller Eingriffe; WHOOPs Planungsziele.

[33] Dokumentationsportal

o9 Solutions: Dokumentationsportal. Undatiert. Portalbeschreibungen von UI-APIs und Mandantenkonfigurationsanleitungen; Zugang über die verlinkten Autorisierungspfade geprüft.

[34] Sicherheit

o9 Solutions: Sicherheit. Undatiert. Zugriffskontrollen, Verschlüsselung, Überwachung, Prüfrahmen und Schwachstellenmeldung.

[35] Joannes Vermorel: Introduction to Supply Chain, Volltext

Joannes Vermorel: Introduction to Supply Chain, Volltext. September 2025. Insbesondere Ökonomie, Entscheidungen und die Entwicklung produktiver Software.

[36] Joannes Vermorel: Supply Chains brauchen programmierbare Systeme, keine konfigurierbaren Produkte

Joannes Vermorel: Supply Chains brauchen programmierbare Systeme, keine konfigurierbaren Produkte. 5. Januar 2026. Lokads Ansatz für unternehmensspezifische ausführbare Entscheidungslogik und ihre Pflege.

[37] Gemischt-ganzzahlige Optimierung

MOSEK Modeling Cookbook: Gemischt-ganzzahlige Optimierung. Undatiert. Fixe Rüstkosten, Mindestmengenentscheidungen, nichtkonvexe Formulierungen und Rechenaufwand.

[38] Die extensive Form lösen

mpi-sppy: Die extensive Form lösen. Undatiert. Szenariowahrscheinlichkeiten und verknüpfte Entscheidungen in stochastischen Modellen für Allzwecksolver.

[39] Wie erkennt man eine schwache MIP-Formulierung?

Gurobi: Wie erkennt man eine schwache MIP-Formulierung?. Aktualisiert am 16. April 2026. Stärke der Relaxation, Schranken, Suchaufwand und beobachtetes Laufzeitverhalten.

[40] Entscheidungsoptimierung mit dem quelloffenen NVIDIA cuOpt beschleunigen

NVIDIA: Entscheidungsoptimierung mit dem quelloffenen NVIDIA cuOpt beschleunigen. 11. Juni 2025. Open-Source-Lizenzierung, Solveraustausch und Standardschnittstelle für LP/MIP-Benchmarks.

[41] Allokations- und Nachschubprozess

o9 Solutions: Allokation und Nachschub. Undatiert. Bestandspolitiken, Allokationsprioritäten, ausführbare Aufträge, Planung unter Nebenbedingungen und Planungshorizonte.

[42] Planung bei geringer Prognostizierbarkeit

o9 Solutions: Umgang mit geringer Prognostizierbarkeit. 10. Oktober 2025. Veröffentlichte Schulungsbeschreibung: CoV-Schwelle, Aggregation, angepasste Regeln und Zusammenarbeit.

[43] Forecast Value Add

o9 Solutions: Forecast Value Add erklärt. 26. Mai 2025. Veröffentlichte Schulungsbeschreibung: Bewertung von Veränderungen der Prognosequalität.

[44] Einheitliches rechnergestütztes Graphhierarchiemodell

o9 Solutions: US12051026B2. Erteilt am 30. Juli 2024; Priorität vom 22. September 2014. Abhängigkeitsauswertung, inkrementelle Neuberechnung, verknüpfte Planungsmodelle und zielbasierte Szenarien.

[45] Jahresbericht von Mankind Pharma

Mankind Pharma: Jahresbericht 2024–25. Gedruckte Seiten 48–49. Planung von Distributionspunkten mit o9, berichtete Verbesserungen bei Service und Bestand sowie parallele Betriebsprogramme.

[46] Schranken und Näherungen für mehrstufige stochastische Programme

Francesca Maggioni und Georg Ch. Pflug: Schranken und Näherungen für mehrstufige stochastische Programme. Vorabveröffentlichung 2015; erschienen im SIAM Journal on Optimization, 2016. Wachstum von Szenariobäumen, Näherungen und eine Bestandsanwendung.

[47] Verantwortungsvolle KI und Agentenrechte

o9 Solutions: o9s Ansatz für verantwortungsvolle KI. 30. April 2026; aktualisiert am 6. Mai 2026. Agentenidentitäten, Werkzeugrechte, Richtlinienprüfungen, Prüfprotokolle und Stoppmechanismen.

[48] Framework für Bereitstellung und Ausführung containerisierter Anwendungen

o9 Solutions: US12694127B1. Erteilt am 28. Juli 2026. Imagescans und Freigabe, autorisierte Bereitstellung, Ressourcenkonfiguration und Speicherisolation für Drittanwendungen.

[49] Containerisolation und nicht vertrauenswürdiger Code

Kubernetes: Mandantenfähigkeit, Container-Sandboxing. Isolationsgrenzen bei gemeinsamem Kernel und stärkere Sandboxen für nicht vertrauenswürdigen Code.

[50] Joannes Vermorel: Holimization: Warum Optimierung nicht genügt

Joannes Vermorel: Holimization: Warum Optimierung nicht genügt. 12. Dezember 2025. Überarbeitung von Zielen, Nebenbedingungen, Datensemantik und verfügbaren Entscheidungen anhand betrieblicher Rückmeldungen, Instrumentierung und kontrollierter Experimente.

[51] Ankündigung einer selbststeuernden Supply Chain

o9 Solutions: Ankündigung einer selbststeuernden Supply Chain. 2019-05-08. Digitale Assistenten, Autonomieversprechen und die Liste unterstützender Technologien. Archiviert am 1. Juni 2019.

[52] Ankündigung der Beta für generative KI

o9 Solutions: Ankündigung der Beta für generative KI. 2023-08-17. Frühe Forschung zu generativer KI, vorgeschlagene Anwendungen und Betaprogramme für Kunden.