Bewertung von SupplyBrain, Supply Chain Planung Software-Anbieter

Zuletzt aktualisiert: Dezember, 2025

Go back to Marktforschung

SupplyBrain (auf der eigenen Website als “Supplybrain” stilisiert) präsentiert sich als in Österreich ansässiger Software-Anbieter, der sich auf Intralogistik-Analytik konzentriert: (i) Erfassung und Operationalisierung von Lagermaschinen-/Prozessdaten (einschließlich eines von SSI Schäfer gebrandeten “Linkage”, das als Industrial Edge-basierte Datenebene positioniert wird), (ii) Simulation von Lagerflüssen mittels eines “digitalen Zwillings” zur Szenariotestung und Engpassanalyse, und (iii) einer erklärten KI-gestützten vorausschauenden Wartungsfähigkeit. Öffentlich zugängliche Belege stützen am deutlichsten ein Edge-to-Cloud Monitoring- und Visualisierungsangebot (wobei Siemens Industrial Edge explizit in Partnermaterial erwähnt wird), während Details, die zur Validierung der “AI/ML” oder “Optimierungs”-Behauptungen erforderlich wären – Modellklassen, Feature Engineering, Evaluationsmetriken, Entscheidungslogik oder reproduzierbare Benchmarks – größtenteils in der öffentlichen Dokumentation fehlen. SupplyBrains öffentliche Darstellung enthält zudem auffällige Inkonsistenzen (Gründungsjahr, Impressums-/Eigentumsbezeichnungen, Adressen), was ein klares, nachvollziehbares Faktenbild ohne direkte Unternehmensunterlagen oder autoritative Registerauszüge erschwert.

SupplyBrain Übersicht

SupplyBrain wird im SSI Schäfer-Ökosystem wiederholt als eine in Graz (AT) ansässige Software-Initiative beschrieben, die darauf abzielt, Logistiksysteme intelligenter zu machen, indem operative Daten in umsetzbare Erkenntnisse umgewandelt werden, mit Schwerpunkt auf vorausschauender Wartung, Energiemanagement und “digitalen Zwillings”-Simulationen des Materialflusses.¹² Auf der eigenen Website positioniert das Unternehmen sein Angebot als “digitale Assistenten” für die Supply Chain-/Lager-Effizienz und hebt eine “Digital Twin”-Produktlinie (Warenfluss) sowie “Smart Maintenance” hervor.³⁴ Drittanbieter-Partnermaterial (Siemens-Referenzinhalte und Fachpresseberichte) untermauert am konkretsten die “Linkage”-Schicht: eine Lösung, die als auf Siemens Industrial Edge laufend beschrieben wird, um kontinuierlich Maschinen-/Systemdaten zu erfassen und an die Cloud für Analysen und Überwachung weiterzuleiten.⁵⁶

Aus einer skeptischen, technischen Perspektive zeigt sich die beobachtbare Produktoberfläche am ehesten als ein Stack zur Datenerfassung, -überwachung und -simulation für Lagerhaltung/Intralogistik, wobei “AI” primär behauptet statt technisch demonstriert wird (z. B. gibt es wenig bis keine offenen Details zum Modell-Design, zur Validierung oder dazu, wie Vorhersagen in präskriptive Entscheidungen umgesetzt werden).³⁴ Öffentliche Kundenbelege sind begrenzt; es existiert ein benannter Partnerverweis (Siemens Industrial Edge-Integration), und SupplyBrain selbst nennt “coop” in einer Kollaborationsaussage, aber unabhängige Bestätigungen von Endkunden-Ergebnissen sind in offenen Quellen rar.⁵²

Detaillierte Einführung

SupplyBrains Positionierung liegt näher an der Intelligenz im Lagerbetrieb als an klassischer Enterprise-Planungs-Software. Das Angebot, wie öffentlich beschrieben, basiert auf operativer Telemetrie (Maschinen, Förderbänder, Sortieranlagen, WCS/WMS-Ereignisse usw.) und zielt darauf ab, Folgendes zu liefern: (1) transparente Überwachung von Intralogistik-Prozessen, (2) Szenariosimulation mittels eines digitalen Zwillings zur Bewertung von Durchsatz/Engpässen und betrieblicher Veränderungen, und (3) zustandsbasierte oder vorausschauende Wartungshinweise. In SSI Schäfer-Kommunikationen wird SupplyBrain als ergänzend zu etablierten Logistik-Softwarestapeln (z. B. SSI Schäfer WAMAS oder SAP-Umgebungen) dargestellt, was auf ein “Analytics-Overlay” anstelle eines transaktionalen Rückgrats hindeutet.²

Der öffentliche Auftritt ist jedoch derzeit über den Stack hinweg uneinheitlich. Das “Linkage”-Konzept (edge-basierte Datensammlung + Cloud-Analytics) wird durch explizite Partnerverweise auf Siemens Industrial Edge unterstützt, was auf eine relativ standardmäßige moderne Architektur hinweist: Vor Ort vorhandene Edge-Computing-Ressourcen in/nahe dem Lager, die Cloud-Dienste für Speicherung/Verarbeitung sowie Dashboards/Alarme speisen.⁵⁶ Im Gegensatz dazu wird die “AI”-Schicht in generischen Begriffen beschrieben (z. B. “AI-driven”, “algorithms”, “forecast models”), ohne jene Artefakte, die eine externe Überprüfung ermöglichen würden: keine technischen Whitepapers, keine veröffentlichten Modellkarten, keine offengelegten KPIs (Präzision/Recall, Erkennungszeit, Kosten falscher Positiver), keine reproduzierbare Evaluierungsmethodik und keine offengelegten Einschränkungen/Annahmen hinter den “Empfehlungen”.³⁴

Eine weitere Herausforderung bei der Sorgfaltspflicht ist die Konsistenz der Entitäten. In verschiedenen Quellen wird SupplyBrain mit unterschiedlichen Gründungsjahren und sogar abweichenden Impressumsangaben auf der eigenen Website dargestellt, was das Risiko einer Vermischung von (a) interner Umfirmierung, (b) Unternehmensumstrukturierung oder (c) gleichnamigen Einheiten erhöht. Dieser Bericht behandelt daher Produktfähigkeitsbehauptungen als “angegeben”, sofern sie nicht durch Partnermaterial oder unabhängige Berichterstattung untermauert werden.

SupplyBrain vs Lokad

SupplyBrain und Lokad adressieren unterschiedliche Ebenen von “supply chain”-Problemen, mit unterschiedlichen technischen Grundelementen und Ergebnissen.

SupplyBrain, basierend auf seinen öffentlichen Materialien, ist in erster Linie ein Anbieter für intralogistics analytics: Es konzentriert sich auf Datenerfassung in Lager/Automatisierung, operative Überwachung und Flusssimulation (“digital twin”) und positioniert “vorausschauende Wartung” als einen zentralen Anwendungsfall.³⁴⁵ Sein am besten belegter architektonischer Anker ist eine edge-to-cloud Telemetrie-Pipeline (im Partnermaterial explizit mit Siemens Industrial Edge verknüpft), was der OT/IT-Konvergenz in automatisierten Lagern entspricht.⁵⁶ Die Wertversprechen sind somit operativ: Engpässe identifizieren, Durchsatz verbessern, Wartung zeitlich abstimmen und “what-if”-Szenarien für Lagerveränderungen durchspielen.

Lokad wird als eine predictive optimization Plattform für Planungsentscheidungen positioniert (z. B. Bestandsführung, Nachschub, Einkauf, Zuordnung, Produktionsplanung, Preisgestaltung), d. h. als eine Entscheidungsebene über transaktionalen Systemen, statt als ein Produkt zur Lager-Telemetrie.⁷⁸ Die öffentlichen Materialien von Lokad betonen probabilistic forecasting und optimization under uncertainty, umgesetzt als programmatischer Ansatz (Envision/technische Dokumentation) zur Generierung von Entscheidungsempfehlungen.⁹¹⁰ Architektonisch wird Lokad als eine Multi-tenant SaaS Plattform präsentiert, mit einer dokumentierten Laufzeitumgebung zur Ausführung von “scripts” und zur Erstellung von Dashboards und Exportdateien.⁸¹⁰

Zusammenfassend scheint SupplyBrain (basierend auf öffentlichen Belegen) den Fokus auf die Optimierung von Lagerbetrieben durch Daten/Telemetrie und Simulation zu legen, während Lokad sich auf unternehmerische Planungsentscheidungen durch probabilistisches Modellieren und Optimierung konzentriert. Überschneidungen gibt es hauptsächlich im breit gefassten Marketingbegriff “supply chain”, aber die technischen Systeme, Eingabedaten und operationellen Ergebnisse unterscheiden sich wesentlich.³⁵⁷⁹

Faktenfindung

Unternehmensidentität, -geschichte und Meilensteine

SSI Schäfer-Kommunikationen beschreiben SupplyBrain als ein in Graz (Österreich) gegründetes Startup, das Logistiksysteme intelligenter machen soll, wobei vorausschauende Wartung, Energiemanagement und digitale Zwillingssimulation als Kernthemen hervorgehoben werden.² Die Fachpresse im deutschsprachigen Logistik-Ökosystem stellt SupplyBrain ähnlich als eine neue, mit SSI Schäfer assoziierte Initiative dar, wobei in Berichten aus der Ära 2024 die geringe Teamgröße hervorgehoben wird.¹

Allerdings widersprechen offene Quellen grundlegende Zeitlinienangaben (Gründungsjahr, Adressen, Impressumsbezeichnungen). So gibt beispielsweise SupplyBrains eigene “SupplyBrain”-Seite ein Gründungsjahr an, das von dem im SSI Schäfer-Ankündigungskontext abweicht, während Registeraggregatoren andere Daten/Felder auflisten, die in der offenen Darstellung nicht in Einklang gebracht werden.¹¹¹²¹³ Ohne auf autoritative Unternehmensunterlagen zurückzugreifen (über das hinaus, was in offenen Registerzusammenfassungen sichtbar ist), muss die sicherste Schlussfolgerung lauten, dass SupplyBrains extern überprüfbare Unternehmensgeschichte in den öffentlichen Materialien nicht eindeutig dokumentiert ist.¹¹¹²¹³

Übernahmeaktivitäten und Finanzierungsrunden

Es wurden in den offenen Quellen, die für diesen Bericht geprüft wurden, keine zuverlässigen öffentlichen Belege für Übernahmen von oder durch SupplyBrain gefunden. Ebenso wurden keine eindeutig dokumentierten Risikokapitalfinanzierungsrunden in dem hier zugänglichen öffentlichen Register gefunden; die dominierende Darstellung sieht SupplyBrain als eine mit SSI Schäfer verbundene Initiative und nicht als ein VC-finanziertes Einzelunternehmen.²¹ (Das Fehlen von Beweisen ist kein Beweis des Fehlens; es ist lediglich das, was aus den offenen Materialien festgestellt werden konnte.)

Produkte und Fähigkeiten

Smart Maintenance (vorausschauende Wartung)

SupplyBrain vermarktet “Smart Maintenance” als einen KI-gestützten Ansatz zur Bestimmung von Wartungsbedarfen, der darin besteht, einen “idealen Zeitpunkt” für Wartungsmaßnahmen vorherzusagen.⁴ Die Behauptung ist im Allgemeinen plausibel (Zustandsüberwachung + Anomalieerkennung + Schätzung der verbleibenden Nutzungsdauer), jedoch wurde keine öffentliche technische Untermauerung gefunden: Es gibt keine offenlegten Modelltypen, Sensormodalitäten, Kennzeichnungsstrategien, Auswertungsergebnisse oder eine Beschreibung, wie Vorhersagen operationalisiert werden (nur Alarme vs präskriptive Arbeitsaufträge vs automatisierte Planung).⁴

Digital Twin: Warenfluss

SupplyBrain wirbt mit einem “Flow of Goods” Digital Twin, der darauf abzielt, Intralogistik-Flüsse zu modellieren und Szenarien zu simulieren.³ Die öffentliche Beschreibung stimmt mit Anwendungsfällen der diskreten Ereignissimulation / Durchsatzanalyse (Engpassidentifikation, Bewertung von Konfigurationsänderungen) überein, jedoch sind Details zur Simulations-Engine (kommerzieller Simulator vs Inhouse-Entwicklung), Kalibrierungsmethoden (Ereignisprotokolle vs ermittelte Raten) und zu den Entscheidungsausgaben (empfohlene Parameteränderungen vs bloße Dashboards) nicht ausführlich dokumentiert.³

Linkage (SSI Linkage) als Schicht zur Datenerfassung und Überwachung

Der technisch am stärksten fundierte Teil des Angebots ist “Linkage”, das in Partnermaterial und Fachberichten als eine Lösung beschrieben wird, die operative Daten über Siemens Industrial Edge sammelt und an die Cloud zur Analyse und Überwachung überträgt.⁵⁶ Siemens-Referenzmaterial positioniert Linkage als geeignet für Neubauten und Nachrüstungen und betont die datengetriebene Transparenz in Bezug auf Materialfluss und Betriebsabläufe.⁵ Ein Fachartikel charakterisiert Linkage zudem als eine Kombination des Siemens Edge-Stacks mit SupplyBrains Algorithmen, um prädiktive Modelle für intralogistische Prozesse zu erstellen.⁶

Dies etabliert eine glaubwürdige Basisarchitektur: edge compute (Industrial Edge) → cloud ingestion/storage → analytics layer → dashboards/alerts. Was öffentlich unklar bleibt, ist, welche analytischen Berechnungen vorgefertigt sind versus pro Einsatz individuell angepasst werden, und ob “optimization” eine echte algorithmische präskriptive Optimierung oder lediglich KPI-gesteuerte Heuristiken bedeutet.

Technologie- und Engineering-Signale

Architektur (abgeleitet aus Partnermaterial)

Basierend auf den Verweisen auf Siemens Industrial Edge führt Linkage wahrscheinlich Edge-Workloads (Connectoren/Agents) in der Nähe von Maschinen aus, um Signale und Ereignisse zu erfassen, und leitet diese dann an Cloud-Dienste zur Verarbeitung und Darstellung weiter.⁵⁶ Dies entspricht den üblichen Anforderungen in der Lagerautomatisierung (Latenz, Netzsegmentierung, OT-Sicherheitsgrenzen) und ist an sich weder “state-of-the-art” noch “non-state-of-the-art” – es handelt sich um ein zeitgemäßes, konventionelles Muster.

ML/AI-Behauptungen: Verifizierungsstatus

SupplyBrain verwendet auf den Marketingseiten allgemein den Ausdruck “AI-driven”.³⁴ Die zugänglichen öffentlichen Aufzeichnungen liefern nicht die üblichen Verifikationsartefakte (technische Papiere, Benchmark-Ergebnisse, öffentlichen Code oder gar ein detailliertes Architekturdiagramm, das zwischen lernbasierten und regelbasierten Logiken unterscheidet). Daher:

• Was gutgeschrieben werden kann: Existenz einer Telemetrie-Pipeline sowie eines Analytics-/Dashboarding-Angebots; dokumentierte Integrationsbeschreibung mit Siemens Industrial Edge für Linkage.⁵⁶
• Was ohne weitere Beweise nicht gutgeschrieben werden kann: die Raffinesse oder Neuartigkeit irgendwelcher ML-Modelle; ob Wartungsvorhersagen die Basiswerte signifikant übertreffen; ob die Outputs des “digital twin” kalibriert und in reproduzierbarer Weise nutzbar sind, jenseits generischer Simulationsaussagen.³⁴

Tech-Stack (schwache/sekundäre Evidenz)

Ein Aggregator für Arbeitsplatzprofile listet einen modernen, cloud-nativen Stack (z. B. Azure, Kubernetes) und Programmiersprachen (z. B. Kotlin, Python) auf, doch solche Quellen sind nicht maßgeblich und sollten bestenfalls als Richtungsweiser betrachtet werden, sofern sie nicht durch offizielle Stellenanzeigen oder Engineering-Veröffentlichungen bestätigt werden.¹⁴

Bereitstellungs- und Integrationsmodell

Die SSI Schäfer-Kommunikationen deuten darauf hin, dass SupplyBrain dazu gedacht ist, bestehende Logistik-Softwarelandschaften zu ergänzen (z. B. WAMAS von SSI Schäfer und SAP-Lösungen), was impliziert, dass Bereitstellungen wahrscheinlich in bestehende WMS/WCS/ERP-Datenflüsse integriert werden, anstatt sie zu ersetzen.² Die Darstellung seitens des Siemens-Partners betont die Anwendbarkeit sowohl für Neubauten als auch für Nachrüstungen und deutet auf eine Produktstrategie hin, die mit heterogenen Installationsbeständen in Lagern kompatibel ist.⁵ Abgesehen von diesen übergeordneten Aussagen wurde in der öffentlichen Dokumentation keine detaillierte Rollout-Methodik (Implementierungsphasen, Datenmapping, Validierungszyklen, Governance) gefunden.

Kunden und Referenzen

• Benannte, überprüfbare Partnerreferenzen: Siemens Industrial Edge wird explizit in Zusammenhang mit Linkage genannt.⁵⁶
• Benannte Endkundenbehauptungen: Auf SupplyBrains eigener Seite wird eine Zusammenarbeit mit “coop” im Zusammenhang mit der Entwicklung einer Digital Twin-Fähigkeit erwähnt.¹¹ Dies ist selbst gemeldet und wurde hier nicht durch unabhängige publizierte Kundenseiten bestätigt.
• Fallstudien/Logos: Es wurde kein robustes, unabhängig überprüfbares Portfolio öffentlicher Kundenfallstudien auf den geprüften zugänglichen Seiten gefunden; Marketingaussagen über “customer proven use cases” sind vorhanden, ersetzen jedoch nicht benannte, prüffähige Referenzen.¹¹

Unstimmigkeiten und ungelöste Punkte

1. Inkonsistenzen beim Gründungsjahr: Die Berichterstattung im SSI Schäfer-Ökosystem stellt SupplyBrain als eine kürzlich gegründete Initiative dar, während SupplyBrains eigene Darstellung und Registeraggregatoren unterschiedliche Daten aufweisen können.^2111213 Dies könnte auf eine Umfirmierung oder Unternehmensumstrukturierung hindeuten, lässt sich jedoch anhand der geprüften öffentlichen Materialien nicht schlüssig klären.
2. Inkonsistenzen bei Impressums-/Eigentumsbezeichnungen: Das Impressum auf SupplyBrains Website enthält Angaben, die nicht durchgehend mit der Benennung “SupplyBrain GmbH” übereinstimmen, obwohl Registerkennungen an anderer Stelle erscheinen.¹⁵¹⁶
3. Adressabweichungen in den Quellen: Unterschiedliche Adressen tauchen auf den Unternehmensseiten sowie in Register-/Kreditquellen auf, was erneut möglicherweise unter Unternehmensänderungen zu verstehen ist, aber öffentlich nicht eindeutig erklärt wird.¹⁵¹²¹³

Schlussfolgerung

SupplyBrain’s öffentlich belegter Vorschlag wird am besten charakterisiert als Intelligenz für intralogistische Abläufe: eine Edge-to-Cloud-Datenerfassungs- und Überwachungsschicht (insbesondere „Linkage“ mit Siemens Industrial Edge, explizit referenziert), plus ein „Flow-of-Goods“-Digitaler Zwilling, der für Szenariosimulation und Engpassanalyse konzipiert ist.³⁵⁶ Eine prädiktive Instandhaltungsfunktion wird zwar eindeutig vermarktet, aber die offene technische Dokumentation liefert nicht genügend Details, um den Mechanismus (Modellierungsansatz, Training/Evaluation, Operationalisierung) zu validieren oder zu bewerten, wie aktuell er im Vergleich zu den standardmäßigen industriellen prädiktiven Instandhaltungspraktiken ist.⁴

Kommerziell erscheint SupplyBrain in Bezug auf Teamgröße und Markteinfluss als frühphasig (wie die Berichterstattung für 2024–2025 und die Darstellung als Kleinunternehmen andeuten), wobei die Glaubwürdigkeit eher in der Ausrichtung auf SSI Schäfer und Siemens-Partnerreferenzen verankert ist als in einer breiten Palette von unabhängig dokumentierten Kundenergebnissen.¹²⁵ Für einen Käufer, der eine Due-Diligence-Prüfung durchführt, besteht die Herausforderung nicht darin, ob das Architektur-Muster plausibel ist (das ist es), sondern darin, ob SupplyBrain prüfbare Beweise für Leistung, Zuverlässigkeit und ROI seiner „KI“- und „Digital Twin“-Behauptungen in realen Einsätzen liefern kann – idealerweise mittels namentlich genannter Fallstudien, technischer Dokumentation und messbarer Ergebnisse.

Quellen