Bewertung von Pigment, Anbieter von Enterprise-Planning-Software

Zuletzt aktualisiert: Dezember, 2025

Zurück zu Marktforschung

Pigment ist ein in Paris gegründeter, von Venture Capital unterstützter SaaS-Anbieter für Planung und Performance Management (EPM), positioniert als eine einheitliche Modellierungsebene für finanzielle und operative Planung: Benutzer erstellen multidimensionale Modelle (Dimensionen/Metriken/„Blöcke“), schreiben Formeln, die abhängige Blöcke automatisch neu berechnen, definieren Zugriffssteuerungen und veröffentlichen Berichte und Szenarien für Stakeholder. Über FP&A- und Konsolidierungsszenarien hinaus vermarktet Pigment vorgefertigte Anwendungen für S&OP sowie Demand- & Inventory-Planning und bietet Forecasting-Fähigkeiten über eingebaute statistische Funktionen (z. B. ETS-ähnliche Zeitreihenprognosen) plus eine separate „Predictions“-Funktion, die als maschinelles Lernen-basierte Prognose mit Unterstützung externer Faktoren beschrieben wird. Pigment bietet zudem KI-orientierte Features (z. B. einen „Analyst Agent“ und zugehörige KI-Seiten) an, wobei der öffentlich zugängliche technische Detailgrad je nach Feature variiert: Einige grundlegende Modellierungsmechanismen sind präzise dokumentiert (Abhängigkeitsprüfungen, Vermeidung von zirkulären Referenzen mittels PREVIOUS/PREVIOUSBASE usw.), während ML/AI-Komponenten teilweise auf Systemebene erklärt werden (z. B. eine horizontal skalierbare Predictions-Architektur unter Einsatz von Dask), ohne systematisch Modellklassen, Trainings-/Evaluierungsverfahren oder reproduzierbare Benchmarks offenzulegen.

Überblick über Pigment

Pigment bietet eine browserbasierte Planungsplattform an, die auf einem gemeinsamen semantischen Modell für Planung, Simulation und Reporting über mehrere Funktionen (Finanzen, Vertrieb, HR, supply chain) basiert. Der Anbieter legt dabei Wert darauf, tabellenkalkulationsbasierte Planung durch ein zentrales Modell zu ersetzen, das Zusammenarbeit, Berechtigungen, Nachvollziehbarkeit und Szenarioanalysen unterstützt.¹² In einer Strategie, die an die supply chain angelehnt ist, veröffentlicht Pigment dedizierte Seiten für supply chain Planung, S&OP sowie Demand- & Inventory-Planning und präsentiert das Produkt als eine Möglichkeit, Nachfrage-, Bestands- und Kapazitätspläne mit finanziellen Ergebnissen in einem einzigen Planungsarbeitsbereich zu verbinden.³⁴⁵

Aus der verfügbaren Dokumentation geht hervor, dass Pigments „Modellierungs-Engine“ formelgetrieben ist: Wenn sich Formeln ändern, werden abhängige Blöcke neu berechnet, und die Plattform verhindert aktiv oder verwaltet zirkuläre Abhängigkeiten mithilfe spezifischer Funktionen (z. B. PREVIOUS für Iterationen innerhalb eines Blocks; PREVIOUSBASE für iterativ konfigurierbare Multi-Block-Setups), unterstützt durch explizite Einschränkungen wie Begrenzungen der „allowed metrics“ und dokumentierte Performance-Auswirkungen.⁶ Dies ist ein konkreter Hinweis darauf, dass Pigment nicht „nur CRUD + Dashboards“ ist, sondern dass das Kernsystem eine abhängigkeitsverfolgte Berechnungs-Engine für multidimensionale Planungsmodelle darstellt.

Pigment vs. Lokad

Pigment und Lokad gehen das Thema „Planung“ aus grundlegend unterschiedlichen Perspektiven an. Pigment ist in erster Linie eine Plattform für Enterprise Planning und Performance Management: Das Kernprodukt ist eine interaktive, unternehmensweite Modellierungsebene (Dimensionen/Metriken, Formeln, Workflows, Berechtigungen, Berichte), die es den Nutzern ermöglicht, Pläne zu erstellen, Szenarien durchzuspielen und Stakeholder abzustimmen – optional ergänzt durch Forecasting-Tools (statistische Funktionen und ML-orientierte „Predictions“) sowie KI-gestützte Abfragen/Hilfestellungen.³⁴⁶⁷ Im Gegensatz dazu ist Lokad als quantitative supply chain Optimierungsplattform konzipiert: Sie zielt darauf ab, Entscheidungsempfehlungen (z. B. Einkauf, Bestandsallokation, Produktionsplanung) unter Unsicherheit mittels probabilistischer Prognosen und expliziter Optimierungsziele zu generieren, die programmatisch über seine Envision DSL implementiert und als wiederholbare Rechenpipelines ausgeführt werden.⁸⁹¹⁰

Diese technische Differenz ist von Bedeutung. Pigments öffentliche Materialien heben die Modellflexibilität, Zusammenarbeit und die Schnelligkeit der Szenarioiterationen hervor, ergänzt durch einige Forecasting- und KI-Hilfen, liefern jedoch nur begrenzte Belege dafür, dass die Plattform routinemäßig große, durch Restriktionen eingeschränkte kombinatorische Optimierungsprobleme (z. B. gemischt-ganzzahlige Optimierung für supply chain Entscheidungen) als erstklassiges Produktresultat löst; die supply chain Seiten von Pigment sind darauf ausgerichtet, Pläne zu verknüpfen und die Reaktionsfähigkeit zu verbessern, anstatt die Architektur eines Optimierers, Zielfunktionen und den Umgang mit Einschränkungen im großskaligen Einsatz zu belegen.³⁴⁵ Im Vergleich dazu stellt Lokads öffentliches technisches Narrativ „probabilistische Prognosen → optimierte Entscheidungen“ als das Kernergebnis des Produkts in den Vordergrund, einschließlich veröffentlichter Beschreibungen probabilistischer/Quantil-Prognosen und optimierungsorientierter Methoden sowie Belegen für forecastingspezifische technische Arbeiten (z. B. Teilnahme am M5 Forecasting Wettbewerb).¹¹⁸

Kommerziell ähnelt Pigment einem schnell wachsenden EPM/IBP-Anbieter: mehrere große VC-Runden und eine breit gefächerte funktionsübergreifende Planungspositionierung.¹²¹³ Lokad entspricht einem spezialisierten Anbieter von supply chain Optimierungen, der maßgeschneiderte, code-definierte Optimierungsanwendungen betont, anstatt einer verallgemeinerten Enterprise Planning Ebene.⁸⁹

Unternehmensgeschichte, Finanzierung und Meilensteine

Pigment wurde 2019 in Paris von Éléonore Crespo und Romain Niccoli gegründet und positionierte sich frühzeitig als moderne Alternative zu herkömmlichen EPM-/Planungstools.²¹⁴ Öffentliche Berichte dokumentieren eine Abfolge von Venture-Runden: Eine Series A, die 2020 berichtet wurde, eine Series C, die 2023 berichtet wurde, und eine große Series D, die 2024 bekannt gegeben wurde, was auf anhaltendes Investoreninteresse und bedeutende kommerzielle Skalierung hinweist.^14151213

Keine Akquisitionstätigkeiten (weder, dass Pigment andere erwirbt, noch dass es selbst erworben wird) wurden in den für diesen Bericht geprüften öffentlichen Quellen identifiziert. Dieses Fehlen sollte mit Vorsicht betrachtet werden: Es könnte bedeuten, dass es „keine Akquisitionen“ gibt, oder es könnte auf einen Mangel an öffentlich indizierten Offenlegungen hinweisen.

Produkt- und technische Fähigkeiten

Planungsmodell: multidimensionale Blöcke, Formeln und Neuberechnung

Die Dokumentation von Pigment bietet ungewöhnlich detaillierte Angaben darüber, wie sich die Modellierungs-Engine verhält, wenn Formeln Abhängigkeitszyklen erzeugen. Die Plattform berechnet abhängige Blöcke neu, wenn sich Formeln ändern, und führt Prüfungen zur Erkennung zirkulärer Abhängigkeiten durch; sie stellt Mechanismen bereit, um iterative Berechnungen (zeitlich versetzte Abhängigkeiten) auszudrücken, ohne Endlosschleifen zu erzeugen, wie etwa PREVIOUSBASE für iterativ konfigurierbare Multi-Block-Setups.⁶ Dieselbe Dokumentation beschreibt, wie Pigment Formeln aus einem Abhängigkeitszyklus zu einer „einzigen Basisformel“ für die Berechnung zusammenführt und vor Performance-Einbußen und Fehlern beim Debuggen warnt, wenn die zusammengeführte Basisformel ungültig wird.⁶

Dies ist ein starker Hinweis darauf, dass der Kernnutzen von Pigment eine Berechnungs-Engine in Verbindung mit einem multidimensionalen Planungsmodell ist und nicht nur ein Workflow-Wraparound für Tabellenkalkulationen.

Supply chain-orientierte Vorlagen und Anwendungsfälle

Pigment unterhält dedizierte supply chain Seiten, die Anwendungsfälle für S&OP sowie Demand-/Inventory-Planning beschreiben (einschließlich „resilienter Pläne“, Szenariosimulation und der Abstimmung von supply chain mit Finanzen).³⁴⁵ Eine konkrete Kundengeschichte berichtet, dass Danone Pigment für S&OP und langfristige Nachfrageschätzungen einsetzte, wobei eine „Implementierungsdauer“ von drei Monaten angegeben wurde, und beschreibt den Ersatz von Excel-lastigen Prozessen durch ein maßgeschneidertes Pigment-Modell, das in Zusammenarbeit mit einem Implementierungspartner entwickelt wurde.⁷ Auch wenn es sich dabei noch um Marketingmaterial handelt, ist dies zumindest eine namentlich genannte, attributierbare Referenz mit Implementierungsdetails und deklariertem Umfang.

Prognosen, ML und „Predictions“

Pigment stellt in der Dokumentation und in Community-Materialien statistische Forecasting-Funktionen bereit (z. B. ETS-Forecasting-Funktionen).¹⁶¹⁷ Separat positioniert Pigment „Predictions“ als eine ML-orientierte Funktion für Prognosen, einschließlich einer Dokumentation „Choose prediction model“, die Konfigurationsoptionen beschreibt, jedoch auf der öffentlichen Seite keine konkreten Algorithmusfamilien, Trainingsmethoden, Validierungsmetriken oder reproduzierbare Benchmarks angibt.¹⁸

Der Engineering-Blog von Pigment liefert die substanziellsten technischen Belege für das Predictions-Subsystem. In einem Beitrag über die Skalierung von Prognosen beschreibt Pigment eine Architektur, die einen Dask-Cluster zur parallelen Ausführung zahlreicher Forecasts nutzt, und erklärt, dass „jede Zeitreihe unabhängig prognostiziert wird“, was horizontale Skalierung ermöglicht.¹⁹ Dies untermauert die Behauptung, dass Pigments Forecasting als eine echte Rechenpipeline implementiert ist (und nicht nur ein oberflächliches UI-Label), lässt jedoch wichtige ML-Fragen öffentlich unbeantwortet: Welche Modelle verwendet werden, wie das Feature Engineering gehandhabt wird (über die Behauptungen zu „external factors“ hinaus), wie Drift überwacht wird und welche Genauigkeits-/Kosten-Kompromisse in der Produktion erreicht werden.

KI-Assistenten und „agentische“ Komponenten

Pigment vermarktet KI-orientierte Fähigkeiten (z. B. „Pigment AI“, „Analyst Agent Overview“) und verfügt über engineering Inhalte, die einen „Insights Assistant“ und „agentic AI“ beschreiben, einschließlich Verweisen auf gängige LLM-Agent-Frameworks (z. B. LangGraph) und systemdesignbezogene Überlegungen.²⁰²¹ Diese Quellen belegen, dass Pigment die Funktionalität eines KI-Assistenten als Produktfeature implementiert. Aus einer skeptischen technischen Perspektive sind diese Materialien jedoch besser als Verstärkung der UX-Schicht (Abfragen, Zusammenfassen, gesteuerte Aktionen) zu verstehen, anstatt als Beleg dafür, dass grundlegende Planungsentscheidungen durchgehend von KI optimiert werden; die öffentliche Dokumentation liefert keine reproduzierbaren Nachweise, dass die KI-Schicht verlässlich Planungsentscheidungen unter strengen Einschränkungen trifft.

Architektur- und Technologiestack-Evidenz

Pigment veröffentlicht in den hier geprüften Quellen kein einziges, kanonisches Architektur-Whitepaper. Allerdings führen mehrere unabhängige Hinweise zu einem plausiblen Stack:

• Ein „tech“-Profil auf Welcome to the Jungle listet Kerntechnologien wie PostgreSQL, .NET (C#), React, D3.js, TypeScript, Google Cloud Platform, Kubernetes (GKE) und CircleCI auf.²²
• Pigments Engineering-Blog weist auf den Einsatz von Python-Ökosystem-Tools (z. B. Dask) hin, um Forecasting-Workloads zu skalieren.¹⁹
• Die Produktdokumentation von Pigment zeigt eine maßgeschneiderte Modellierungs-Engine, die in der Lage ist, Abhängigkeitsanalysen und das Management iterativer Berechnungen (PREVIOUS/PREVIOUSBASE) durchzuführen, was auf eine nicht unerhebliche Rechenlaufzeit in Verbindung mit dem Planungsmodell hinweist.⁶

Zusammenfassend belegen die öffentlichen Hinweise, dass Pigment ein cloud-nativer SaaS-Dienst mit einem modernen Web-Frontend, einem .NET-basierten Backend-Kern und spezialisierten Rechen-Subsystemen für Forecasting ist.

Bereitstellung, Einführung und operative Zusicherungen

Die Fallstudien von Pigment liefern ein Beispiel für eine Einführungsaussage: Die Implementierung bei Danone wird als ein Prozess beschrieben, der von Forschung/Entwicklung/Testen bis zur Einführung in „nur drei Monaten“ reicht und einen Implementierungspartner sowie wiederholte Modelliterationen (mehrere Versionen, die an einem Tag getestet wurden) umfasst.⁷ Dies deutet auf ein Bereitstellungsmuster hin, das näher an „Lösungsmodellierung + Change Management“ liegt als an „Software installieren und loslegen“, auch wenn Pigment als SaaS bereitgestellt wird.

Hinsichtlich Sicherheit und Compliance behauptet Pigments Sicherheitsseite SOC 2 Typ 2 und SOC 1 Typ 2 Konformität sowie Verweise auf GDPR/CCPA; sie beschreibt zudem die Integration der unternehmensweiten Identitätsverwaltung (SAMLv2 SSO, SCIM-Provisioning, MFA), Verschlüsselung während der Übertragung (TLS 1.3, HSTS) und im Ruhezustand (AES-256) sowie angegebene RTO/RPO-Ziele und ein Sicherheitsprogramm (Penetrationstests, Bug-Bounty, Audits, Schwachstellen-Scans).²³ Dies sind konkrete operative Aussagen, wenngleich unabhängige Zertifizierungsdetails über den von Pigment referenzierten „trust report“ überprüft werden sollten, falls sie im Rahmen einer Beschaffung herangezogen werden.²³

Kunden, Referenzen und Fallstudien

Öffentlich benannte Kundenreferenzen existieren und sind nicht rein anonym. Pigment veröffentlicht namentlich benannte Kundengeschichten (z. B. Danone), einschließlich angegebener Anwendungsfälle und eines Implementierungszeitraums.⁷ Auch Berichte Dritter verweisen allgemein auf Pigments Marktdurchdringung und Kundenakzeptanz zusammen mit Finanzierungsankündigungen.¹²¹³

Dennoch sollten die Leser unterscheiden:

• Namentlich benannte, zuordenbare Referenzen (z. B. eine eigene Kundengeschichten-Seite, die das Unternehmen nennt und den Umfang/Zeitrahmen beschreibt).⁷
• Logo-Wände / verallgemeinerte Adoptionsaussagen, die möglicherweise nicht angeben, welche Module, geografischen Regionen oder Reifegrade der Einführung betroffen sind.¹²¹³

Skeptische technische Bewertung

Was Pigment genau liefert: Eine cloudbasierte Planungsberechnungsumgebung, in der Organisationen ein multidimensionales Planungsmodell (Datenstrukturen + Formeln) definieren, Szenariosimulationen durchführen, bei der Eingabe von Plänen mit Berechtigungen und Nachvollziehbarkeit zusammenarbeiten und Berichte erstellen; optional können sie Forecasting über statistische Funktionen und die „Predictions“-Pipeline hinzufügen sowie KI-gestützte Abfrage-/Einsichts-Features nutzen.^3461923

Wie diese Ergebnisse erzielt werden: Es gibt Belege für (1) eine abhängigkeitsverfolgte Formel-Engine mit Mechanismen zur Lösung iterativer/zirkulärer Berechnungen,⁶ (2) eine cloudbasierte SaaS-Architektur mit gängigen Unternehmensidentitäts- und Verschlüsselungskontrollen,²³ und (3) ein skalierbares Forecasting-Subsystem, das verteiltes Rechnen (Dask) für parallele Zeitreihenprognosen nutzt.¹⁹ Die öffentlich überprüfbaren Architekturdetails sind bei den Mechanismen der Modellierungs-Engine am stärksten, während sie für die genauen ML/AI-Algorithmen, die verwendet werden, schwächer ausgeprägt sind.

Bewertung nach aktuellem Stand der Technik: Pigment erscheint aus Sicht des Plattform-Engineerings technisch modern (cloud-nativer Stack, starke Sicherheitsansprüche, verteiltes Rechnen für Forecasting).¹⁹²²²³ Dennoch bleiben viele „KI“-Aspekte extern schwer validierbar, da Pigment nicht konsequent Modellklassen, Evaluierungsprotokolle oder reproduzierbare Benchmarks für Predictions/AI-Features veröffentlicht. Aus einer skeptischen Perspektive ist die nachweisbare Innovation die planungsbezogene Berechnungsschicht und die operative Produktisierung; die am wenigsten nachgewiesenen Aussagen sind diejenigen, die fortgeschrittene, KI-gesteuerte Entscheidungsfindungen über Prognosen und Unterstützung hinaus implizieren.

Kommerzielle Reife: Die mehreren späten Venture-Runden von Pigment (einschließlich einer großen Series D) und namentlich genannte Unternehmenskundengeschichten deuten auf einen kommerziell etablierten Scale-up hin, statt auf ein Produktexperiment in einer frühen Phase.⁷¹²¹³

Fazit

Pigment wird am besten als eine funktionsübergreifende Unternehmensplanungsplattform mit einem echten Rechenkern belegt: Die Dokumentation rund um das Abhängigkeitsmanagement, iterative Berechnungen und die Neuberechnung von Formeln liefert einen konkreten Nachweis für eine speziell entwickelte Modellierungs-Engine – und nicht lediglich für eine dünne Benutzeroberfläche um Tabellenkalkulationen herum.⁶ Pigments supply chain Positionierung (S&OP, demand & inventory planning) wird durch dedizierte Produktseiten und mindestens eine benannte Fallstudie (Danone), die den Umfang sowie einen angegebenen Implementierungszeitplan umfasst, unterstützt.³⁴⁵⁷ Ansprüche bezüglich Machine Learning und AI werden teilweise belegt – am deutlichsten durch die technische Offenlegung einer verteilten Forecasting-Architektur (Dask-basierte Parallelisierung) und durch technische Diskussionen zum Design eines AI-Assistenten – doch die öffentliche Dokumentation bleibt unzureichend, um algorithmische Details, Genauigkeitsansprüche oder die Zuverlässigkeit von AI-gesteuerten Entscheidungen in eingeschränkten Planungskontexten unabhängig zu verifizieren.¹⁹²⁰²¹

Im Vergleich zu Lokad präsentiert sich Pigment als eine Schicht für Unternehmensplanung/Modellierung mit Forecasting und AI-Unterstützung, während Lokad als eine supply chain Optimierungsplattform erscheint, deren Kerndienstleistung in der präskriptiven Entscheidungsoptimierung unter Unsicherheit durch programmatische Modellierung besteht.⁸⁹¹⁰¹¹

Quellen