Review von Silvon Software, einem Supply Chain BI Anbieter

Letzte Aktualisierung: Dezember, 2025

Zurück zu Marktforschung

Silvon Software ist ein seit langem etablierter Anbieter, der sich auf Analysen für Hersteller und Distributoren konzentriert, hauptsächlich kommerzialisiert durch seine Stratum Analytics Plattform: ein Data-Hub + Reporting-Stack, der operative Daten (typischerweise ERP und verwandte Systeme) in eine kuratierte Analyseebene konsolidiert und diese dann über Web-Dashboards sowie Excel-orientierte Workflows zugänglich macht, mit optionaler Planung und Write-Back. Öffentliche Produktdokumentationen deuten auf eine Architektur hin, die auf Microsoft SQL Server und SQL Server Analysis Services (SSAS) Cubes zentriert ist, mit begleitenden „Viewer“-Web-UI-Komponenten, einer „Connector for Viewer“-Schicht, die SSAS-Modelle bereitstellt und aktualisiert, sowie einer „Server“-Komponente, die an die Stratum-Speicherdatenbank gekoppelt ist; die unterstützende Legacy-Lösung für IBM i / DB2 auf iSeries erscheint ebenfalls in den Bereitstellungsanforderungen. Silvon positioniert diese Plattform als Unterstützung für Vertriebs-, Finanz- und supply chain Entscheidungsfindung (Bestandsverwaltung, Nachfrage-/Angebotssichtbarkeit), wobei verfügbare technische Materialien die BI/OLAP-Mechanismen und Governance hervorheben anstatt neuartiger Optimierungsmethoden; wo forecasting oder „prädiktive“ Ergebnisse erwähnt werden, deutet der stärkste öffentliche Beleg auf planerisch gesteuerte Workflows und cube-basierte Messgrößen hin, anstatt auf klar definierte Machine-Learning-Pipelines.

Überblick

Silvons für den supply chain relevanten Produktpalette lässt sich am besten als BI + data hub + OLAP verstehen, mit einem Planungs-Add-On, das Write-Back in Analysemodelle ermöglicht, anstatt einer dedizierten „APS-Style“-Optimierungs-Engine.

Die öffentlichen Bereitstellungsanforderungen und Hilfedokumentationen von Stratum beschreiben ein System mit mehreren Komponenten:

• Stratum.Viewer (Web-Front-End) gekoppelt mit einer SQL Server-Datenbank für Metadaten.
• Stratum.Connector for Viewer, mit sowohl einer SQL Server-Metadaten-Datenbank als auch einer SSAS-Datenbank (Cube), die es pflegt.
• Stratum.Server und einer Stratum-Speicherdatenbank, die entweder auf Windows/SQL Server oder auf IBM i / DB2 gehostet werden kann (gemäß den dokumentierten Konfigurationen).¹

Dieses Dokumentationsmuster entspricht einem Implementierungsansatz, bei dem Silvon (oder Partner) ein vorgefertigtes analytisches Modell (Dimensionen/Maßzahlen, oft branchenspezifisch) bereitstellen, Kundendaten in dieses Modell integrieren und Web-/Excel-Nutzung sowie optionale „Planungs“-Zugriffspunkte ermöglichen.

Silvon Software vs Lokad

Silvon und Lokad betrachten den supply chain von grundlegend unterschiedlichen technischen Ausgangspunkten.

Silvons Stratum-Materialien beschreiben eine auf Microsoft BI zentrierte Architektur (SQL Server + SSAS + Web Viewer), bei der das Kernergebnis eine analytische Schicht und kuratierte Kennzahlen sind, mit optionalen Planungs-Workflows, die Werte zurück in das Analysemodell schreiben (d.h. Planung als OLAP write-back + Governance + Reporting).¹²³ Demnach besteht der „Motor“ hauptsächlich aus dem Cube/Datenmodell und der Reporting-Schicht; die Automatisierung bezieht sich typischerweise auf geplante Aktualisierungen, verwaltete Datenpipelines und standardisierte KPIs.

Lokad hingegen stellt sein Kernergebnis explizit als Entscheidungsoptimierung unter Unsicherheit dar und präsentiert einen Technologie-Fahrplan, der auf probabilistischer Vorhersage (2016) und späteren Optimierungsparadigmen (z.B. stochastischer diskreter Abstieg, latente Optimierung) basiert.⁴ Lokads technische Dokumentation betont einen programmatischen „White-Box“-Ansatz (Envision), bei dem Vorhersage-/Optimierungslogik als Code ausgedrückt und als Teil des Plattform-Workflows ausgeführt wird, anstatt in einem festen Cube-Schema eingebettet zu sein.⁵ In praktischen Vergleichsbegriffen liegt Silvons öffentlich dokumentierter Mechanismus näher an Enterprise BI/OLAP mit Planungserweiterungen, während Lokads dokumentierter Mechanismus näher an modellgetriebener prädiktiver Optimierung liegt (Vorhersageverteilungen, die die Entscheidungsberechnung speisen).⁴⁶⁵

Firmengeschichte, Eigentumsverhältnisse und Übernahmesignale

Silvon präsentiert sich als ein langjährig unabhängiges Softwareunternehmen. Das Führungspersonal gibt an, dass das Unternehmen 1987 gegründet wurde, wobei Michael Hennel als CEO und Mitbegründer (zusammen mit Frank Bunker) genannt wird.⁷

Die am klarsten dokumentierte Unternehmungstransaktion, die in öffentlichen Drittquellen gefunden wurde, stammt aus dem Jahr 1998: MKS erwarb Silvons Software Distribution Management (SDM) Einheit, die damals als Geschäftseinheit und nicht als Übernahme von Silvon insgesamt beschrieben wurde.⁸ Eine anschließende Drittanmerkung im Handel von 1999 bezieht sich auf die Veröffentlichung von Silvons DataTracker 3.0, die im Zusammenhang mit Leistungsmanagement-/Messungsverbesserungen positioniert wurde.⁹ Abgesehen von dieser SDM-Veräußerung wurde in allgemein zugänglichen Quellen kein öffentliches Dokument mit hoher Zuverlässigkeit gefunden, das auf eine Übernahme Silvons oder deren Durchführung von Großakquisitionen hinweist; angesichts des privaten Status von Silvon ist das Ausbleiben von Belegen nicht als Beweis für deren Nichtvorhandensein zu werten, aber der entdeckbare Fußabdruck ist begrenzt.

Produkt und Architektur

Zentrales Architekturmodell: SQL Server + SSAS + Web-/Excel-Frontends

Ein wesentliches nicht-marketingbezogenes Beweisstück ist Silvons eigene Dokumentation der Stratum.Viewer/Connector-Anforderungen (v6.2), die mehrere Server-Topologien (Einzelserver, aufgeteilte App/Speicherung, Multi-App + Speicherung) darlegt und explizit nennt:

• SQL Server-Datenbanken für Viewer- und Connector-Metadaten
• eine SSAS-Datenbank für den Connector
• Stratum-Speicherdatenbank
• Stratum.Server als erforderliche Komponente im Gesamtsystem¹

Dies ist bedeutsam, da es einschränkt, was das System technisch wahrscheinlich leistet: Das „analytische Gehirn“ besteht überwiegend aus dem Cube-Schema (Dimensionen/Maßzahlen) und dem ETL-/Aktualisierungsprozess, der es mit den operativen Quellen synchron hält. Im gleichen Anforderungsdokument dokumentiert Silvon auch Szenarien, in denen die Stratum-Speicherung auf IBM i / DB2 erfolgt, und listet clientseitige Provider (IBM i Access for Windows, Microsoft OLE DB Provider for DB2) auf, die für diese Bereitstellungen erforderlich sind, was auf eine Präsenz in IBM i-zentrierten IT-Umgebungen in der Fertigung/Distribution hinweist.¹

Planungsmodul: Write-Back in das SSAS-Modell (kein nachgewiesener Optimierungslöser)

Die Materialien des Stratum.Viewer Planungsmoduls von Silvon beschreiben die Planungsfunktion als ein Add-On zur Viewer-Umgebung.² Außerdem beschreibt Silvons Hilfedokumentation für das Viewer-Planungsmodul ein Betriebsverhalten, das mit Cube write-back übereinstimmt: Aktivierung von Write-Back bei einer Cube-Partition, Verarbeitung von Dimensionen und Verwaltung der Write-Back-Tabelle als Teil des Workflows.¹⁰ Dies legt stark nahe, dass „Planung“ als kontrollierte Dateneingabe und Governance auf dem OLAP-Modell implementiert ist (oft von Wert), jedoch ist es auf den ersten Blick kein Beleg für algorithmische Optimierung.

Bereitstellungs- und Rollout-Methodik

Silvon veröffentlicht einen eigenständigen BI-Bereitstellungsansatz in Form eines „8-Schritte“-PDFs. Es beschreibt eine strukturierte Projektmethode (phasenweise Lieferung) anstelle eines Self-Service-Produkt-Onboarding-Modells.¹¹ In dieselbe Richtung weist Silvons Stratum-Dokumentation „Data Import – Installation Steps“ (aktualisiert zuletzt 2024) auf die fortlaufende Pflege von Installations-/Runbook-ähnlichen Anleitungen hin und unterstützt die Interpretation, dass Bereitstellungen integrationslastig und operationell vorschreibend sind (Datenmapping, Aktualisierungszeitplanung, Umgebungseinrichtung).³

Zusammen unterstützen diese Artefakte ein Rollout-Modell, bei dem die Wertrealisierung stark davon abhängt:

• das Gestalten und Validieren des analytischen Modells anhand von Kundendaten,
• das Einrichten von SQL Server/SSAS-Infrastrukturen (oder kompatiblen Äquivalenten),
• den Aufbau wiederholbarer Aktualisierungen und Datenqualitätskontrollen,
• und die Schulung der Benutzer in Viewer-/Excel-Workflows.

Machine Learning, KI und Optimierung: Was belegt ist (und was nicht)

Silvons Marketing und Thought Leadership verweist häufig auf forecasting und supply chain Ergebnisse, aber die für Stratum überprüfte öffentliche technische Dokumentation (Anforderungen, Planungsmodul und betriebliche Hilfe) handelt weitgehend von Datenmodellierung, OLAP und gesteuertem Write-Back anstatt von trainierten prädiktiven Modellen oder reproduzierbaren Optimierungsalgorithmen.

Konkret:

• Der stärkste verfügbare Beleg zum „Wie es funktioniert“ bei der Planung weist auf SSAS write-back Mechaniken hin.¹⁰
• Der stärkste Beleg dafür, „wie es bereitgestellt wird“, weist auf traditionelle Enterprise BI-Implementierungsmechaniken hin (Server, Datenbanken, SSAS, strukturierte Bereitstellungsschritte).¹³¹¹

Dies impliziert nicht, dass Silvon in der Praxis keinen prädiktiven Wert liefern kann (z.B. durch kundendefinierte Kennzahlen, statistische forecasting, die in vorgelagerte Tools eingebettet sind, oder Partner-Add-Ons), aber es bedeutet, dass öffentlich überprüfbare, technische Belege für state-of-the-art ML/Optimierung begrenzt sind im Vergleich zu Anbietern, die Modellklassen, Evaluationsregime oder Solver-Architekturen veröffentlichen.

Kommerzielle Reife und Marktpräsenz

Silvons eigene „Über uns“-Materialien geben ein Ausmaß der Betriebsabläufe (einschließlich einer angegebenen Anzahl an Fachkräften) an und positionieren das Produkt als etabliert im Fertigungs-/Distributionskontext.¹² Unabhängig überprüfbare Finanzierungsrunden wurden jedoch in den zugänglichen öffentlichen Quellen, die für diese Seite geprüft wurden, nicht gefunden; Silvon scheint als privates Unternehmen zu agieren, ohne einen auffälligen Venture-Funding-Fußabdruck in leicht zugänglicher Presse oder in Einreichungen.

Öffentliche Kundenreferenzen

Silvon unterhält eine öffentliche „Company We Keep“-Kundenseite mit genannten Logos/Referenzen.¹³ Aus der Perspektive der Belegqualität ist dies anbieterseitig und sollte als Behauptung behandelt werden, sofern sie nicht bestätigt wird. Eine bemerkenswerte, extern bestätigte historische Kundenreferenz ist HarperCollins, die in einer Microsoft-Fallstudie erscheint und beschreibt, wie HarperCollins Silvon DataTracker (eine frühere Produktlinie von Silvon) auf Microsoft SQL Server zur Entscheidungsunterstützung im Reporting einsetzt.¹⁴ Darüber hinaus würde eine zusätzliche Kundenbestätigung entweder von Kunden selbst verfasste Referenzen, von Partnern verfasste Fallstudien oder unabhängige Berichterstattung erfordern.

Fazit

Silvons supply chain-relevantes Angebot, wie es durch die öffentlich zugängliche technische Dokumentation belegt wird, lässt sich am besten als eine Enterprise BI-/Analytics-Plattform charakterisieren, die speziell für Hersteller und Distributoren entwickelt wurde: Sie konsolidiert Daten in SQL Server-gestützte Speicher und SSAS-Cubes, stellt KPIs über Web und Excel bereit und ermöglicht optional eine kontrollierte Planung durch Cube write-back. Die Dokumentation ist relativ konkret hinsichtlich Infrastruktur, Komponenten und operationellen Schritten, was die Glaubwürdigkeit der BI-/Governance-Aspekte unterstützt. Im Gegensatz dazu sind öffentliche Belege für state-of-the-art ML-Vorhersagen oder Optimierung schwach: Die explizit dokumentierten „Planungs“-Mechanismen stimmen eher mit OLAP write-back und Workflow-Kontrolle überein als mit einem nachgewiesenen Solver oder einem modernen, probabilistischen Modellierungs-Stack. Kommerziell tritt Silvon als etablierter Nischenanbieter mit langer Betriebsgeschichte auf, jedoch mit begrenzter öffentlich zugänglicher Drittparteienoffenlegung in Bezug auf Finanzierung und Unternehmensgeschäfte jenseits einer dokumentierten Veräußerung einer SDM-Einheit in den späten 1990er Jahren.

Quellen