Eine kritische Bewertung des Gartner Magic Quadrant 2024 für Supply Chain Planning Solutions, April 2025

Von Léon Levinas-Ménard

Zuletzt geändert am: 5. April 2025

Einführung

Der Gartner Magic Quadrant (MQ) 2024 für Supply Chain Planning Solutions soll die Top-Softwareanbieter nach “Vollständigkeit der Vision” und “Umsetzungsfähigkeit” kartieren, ein Format, das eine Illusion von Objektivität vermittelt. In der Praxis sagt dieser MQ jedoch mehr über die Anreize von Gartner und das Erbe der Branche aus als über echte technische Merkmale. Diese kritische Bewertung wirft einen wahrheitssuchenden, skeptischen Blick hinter das glänzende Quadrantenbild. Wir zerlegen die Methodik und Struktur des MQ und decken systemische Mängel auf - von Pay-to-Play-Dynamiken, die die Rangfolge verzerren, bis hin zur Überrepräsentation von Jahrzehnte alten “Dinosaurier”-Anbietern. Wir prüfen das Leaders-Quadranten, decken vage Marketingaussagen auf (aufgeblähte ROI-Zahlen, magische KI/ML-Versprechen ohne technische Details, “Black-Box”-Automatisierung) und heben interne Widersprüche in den Anbietererzählungen hervor (z.B. Rühmen von Echtzeitplanung und gleichzeitig Behauptung, massive Sortimente zu optimieren - eine Kombination, die in der realen Welt der Berechnung inkompatibel ist). Dabei stützen wir uns auf tiefgreifende technische Argumentationen und unabhängige Analysen (einschließlich der Forschung von Lokad 2021–2025), um durch den Hype zu dringen. Wir beleuchten auch, was der MQ auslässt - insbesondere die häufigen fehlgeschlagenen Implementierungen dieser Lösungen und das Fehlen disruptiver, wissenschaftlich rigoroser Anbieter, die sich entscheiden, nicht nach Gartners Regeln zu spielen. Das Ziel ist eine umfassende, skeptische Analyse, die Gartners Vision der Landschaft der Supply Chain Planning Software in Frage stellt und Leser befähigt, durch die trügerische Einfachheit des Quadranten zu sehen.

Die Methodik des Magic Quadranten: Struktur, Bias und Pay-to-Play

Der MQ von Gartner wird als unparteiische Bewertung präsentiert: ein übersichtliches Diagramm mit zwei Achsen, “Umsetzungsfähigkeit” (y-Achse) und “Vollständigkeit der Vision” (x-Achse). In der Theorie hat ein Anbieter im begehrten Top-Rechts-Quadranten “Leaders” sowohl eine starke Umsetzung als auch eine überzeugende Vision. Doch der Prozess hinter diesen Ranglisten ist alles andere als neutral. In Gartners eigenen Beschreibungen umfassen die Kriterien Dinge wie Produktfähigkeiten, Kundenerfahrung, Marktreagibilität, Strategie usw. - hoch qualitative Faktoren, die den Analysten einen großen Spielraum geben. Es ist ein offenes Geheimnis in der Unternehmenssoftwarewelt, dass große Analystenfirmen wie Gartner nach einem “Pay-to-Play”-Modell arbeiten und ihre Empfehlungen oft mehr die Anbieterbeziehungen als die Produktexzellenz widerspiegeln ¹. Wie es in einem Lokad-FAQ unverblümt heißt, „Anbieter, die sich entscheiden, nicht an den umfangreichen bezahlten Interaktionen mit Gartner teilzunehmen, sehen sich in der Regel in weniger vorteilhaften Positionen oder werden ganz ausgelassen.“ Das Ergebnis ist, dass Magic Quadrants tendenziell als Infomercials für diejenigen fungieren, die zahlen, anstatt als rigorose Bewertungen - viele Führungskräfte behandeln diese Ranglisten “mit der gleichen Glaubwürdigkeit, die sie auch Horoskopen zuschreiben würden” ².

Diese systemische Voreingenommenheit ist nicht nur eine Anschuldigung von Mitbewerbern; sie wird durch die Geschäftspraktiken von Gartner bestätigt. Anbieter investieren stark in die Beziehung zu Analysten - sie kaufen Gartner-Forschungsdienste, informieren Analysten, erwerben Nachdruckrechte - in dem Wissen, dass ihre MQ-Position durch mehr Engagement verbessert werden kann. Gartner leugnet natürlich jeglichen Quid-pro-quo, aber selbst wenn einzelne Analysten nach Objektivität streben, ist der Interessenkonflikt unvermeidlich. Wie Joannes Vermorel feststellte, gibt es eine „Vortäuschung von Neutralität“ in diesen Anbieterbewertungen, aber in Wirklichkeit „sind die Interessenkonflikte so prominent, dass man keine Neutralität erhält; was man bekommt, ist Bezahlen, um zu gewinnen.“ ³ ⁴ Kein Verhaltenskodex oder Analysten-Feuerwand kann die subtilen Druckmittel vollständig beseitigen; wie Vermorel feststellt, zeigen selbst gut gemeinte Menschen unbewusste Voreingenommenheit, wenn bedeutende kommerzielle Interessen im Raum stehen ⁵ ⁶. Im MQ-Kontext bedeutet dies, dass große Anbieter mit großen Marketingbudgets und Gartner-Abonnements systematisch bevorzugt werden. Das Fehlen einer wirklich unabhängigen Analyse ist in das Modell eingebaut - die Einnahmen von Gartner stammen von den Firmen, die “objektiv” gerankt werden.

Vision vs. Execution – Wer definiert den Erfolg?

Die beiden Achsen des MQ messen angeblich die “Vision” und “Execution” eines Anbieters, aber diese Konzepte sind vage. Was zählt als eine mutige Vision in der Software für die Planung der Lieferkette? In vielen Fällen ist es das, was die Analysten von Gartner in Anbieterbesprechungen und Marktschlagworten gehört haben. Zum Beispiel wird das Vorhandensein aller trendigen Akronyme auf Ihrer Roadmap (KI/ML, digitales Zwilling, Echtzeit-IBS usw.) das Vision-Kästchen ankreuzen, unabhängig davon, ob Ihr Produkt sie tatsächlich umsetzt. Umgekehrt könnte ein Anbieter mit einem wirklich neuen Ansatz abgewertet werden, wenn er nicht in Gartners vorgefertigtes Template von “wie gut es aussehen sollte” passt. Die Fähigkeit zur Ausführung reduziert sich oft auf die Größe: Anzahl der Kunden, globale Präsenz, Implementierungspartner-Netzwerk - im Wesentlichen ein Proxy für die Reichweite des Marketings und die Ausführung von Unternehmensverkäufen, nicht für tatsächliche erfolgreiche Ergebnisse. Dies verzerrt den MQ gegen kleinere, technisch innovative Unternehmen (die möglicherweise bessere Algorithmen, aber weniger große Referenzen haben) und zugunsten von etablierten Unternehmen, die große Installationsbasen haben, auch wenn ihre Implementierungen oft unter den Erwartungen liegen.

Entscheidend ist, dass die Bewertung von Gartner den Erfolgsgrad in der realen Welt nicht auf transparente Weise berücksichtigt. Ein Anbieter, der 100 Kopien seiner Software verkauft und 80 Misserfolge von 100 hat, wird immer noch hoch bewertet in “Ability to Execute” durch bloße Verkäufe und Präsenz, während ein Anbieter, der 10 Kopien verkauft und 10/10 erfolgreich ist, als schwächere Ausführung angesehen werden könnte. Die Methodik des MQ bestraft somit Qualität zugunsten von Quantität. Es ist bezeichnend, dass sogar Gartners eigene Analysten zugaben, dass die Nutzerakzeptanz dieser Planungslösungen erschreckend niedrig ist. Auf dem Supply Chain Planning Summit 2024 teilte Gartners Pia Orup Lund mit, dass im Durchschnitt nur 32% der Planer einer typischen Organisation tatsächlich auf das neue Planungstool umgestiegen sind, das implementiert wurde - eine schockierend niedrige Akzeptanzrate angesichts der Millionen-Dollar-Projekte ⁷. Mit anderen Worten, zwei Drittel der angeblich erfolgreichen Implementierungen können die Benutzer nicht überzeugen und werden zu ungenutzter Software. Doch solche Ergebnisse beeinträchtigen kaum die Positionierung eines Anbieters im Magic Quadrant, da die Bewertung von Gartner diese Misserfolge übersieht. Die Achse “Ability to Execute” ist kein Maß für die Wertschöpfung, sondern weitgehend ein Maß für die Marktdurchdringung und die Ausdauer des Anbieters. Dies wirft die Bedeutung des Leaders-Quadranten in Frage: Ausführung nur in Namen, nicht in der Realität.

Die falsche Objektivität des Quadranten

Das Format des MQ - einer Quadranten-Grafik - verleiht dem Ganzen den Anschein einer wissenschaftlichen Analyse, als ob Anbieter genau gemessen und auf einem kartesischen Diagramm eingetragen wären. Dies ist irreführend. Anders als bei einem datengesteuerten Streudiagramm sind die Positionen auf einem Magic Quadrant das Ergebnis von nicht öffentlichen Diskussionen, gewichteten Bewertungsrubriken, die Gartner nicht vollständig offenlegt, und letztendlich subjektivem Urteil. Die visuelle Einfachheit (wer oben rechts ist und wer unten links ist) verbirgt eine Vielzahl subjektiver Entscheidungen. Es erzwingt auch einen Einheitsvergleich, der den Kontext ignoriert: Ein “Leader” für einen bestimmten Unternehmenstyp könnte eine schlechte Wahl für die Bedürfnisse eines anderen sein, aber der MQ wird dennoch einen als universell besser darstellen. Indem multifunktionale Produkte auf einen einzigen Punkt reduziert werden, geht die Feinheit verloren. Zum Beispiel könnte ein Anbieter eine ausgezeichnete Lösung für die Prognose, aber eine mittelmäßige für die Produktionsplanung haben - wie spiegelt man das in einem X-Y-Punkt wider? Gartners Antwort besteht effektiv darin, es auszugleichen und nach den Kriterien zu gewichten, die ihnen in diesem Jahr gefallen. Das Ergebnis ist eine Verwischung von Unterschieden, die Leser dazu verleiten kann, zu glauben, dass die Unterschiede nur inkrementell sind. Das Quadrantenformat fördert eine oberflächliche Interpretation: “oben rechts ist am besten, unten links ist am schlechtesten”, was die harte Arbeit des Verstehens von Kompromissen und spezifischen Fähigkeiten umgeht. Wie Vermorel bemerkte, “Magic Quadrants sind, wie der Name schon sagt, Aberglaube in seiner besten Form und Fake-Wissenschaft in seiner schlimmsten Form.” Die harte Formulierung unterstreicht, dass die Quadranten-Grafik eher Marketing-Theater als rigorose Forschung ist.

Legacy-Anbieter dominieren den Leaders-Quadranten

Wenn man sich den MQ 2024 für die Supply Chain-Planung ansieht, fällt einem sofort auf, dass der Leaders-Quadrant effektiv ein Alumni-Club von Legacy-Anbietern ist. Kinaxis, Blue Yonder, Oracle, OMP, Logility - diese Unternehmen (oder ihre Vorgängernamen) sind seit Jahrzehnten im Geschäft. Kinaxis wurde in den 1980er Jahren (als WebPlan) gegründet, Blue Yonder geht auf das Jahr 1985 zurück (als JDA Software), OMP auf die 1970er Jahre, Logility auf die 1990er Jahre und Oracle ist so alt wie die moderne IT selbst. Ihre fortwährende Präsenz an der Spitze könnte auf anhaltende Exzellenz hindeuten - oder darauf, dass die Kriterien von Gartner von Natur aus Skala und Langlebigkeit bevorzugen. Die Geschichte legt letzteres nahe. Diese etablierten Unternehmen haben ihre Prominenz oft nicht nur durch überlegene Technologie erreicht, sondern auch durch aggressive Übernahmen und die Erweiterung ihrer Portfolios. Blue Yonder ist ein gutes Beispiel: Es ist “das Ergebnis einer langen Reihe von M&A-Operationen”, was zu “einer willkürlichen Sammlung von Produkten, von denen die meisten veraltet sind” unter einer Marke geführt hat. Gartners MQ listet Blue Yonder immer noch als Leader mit einer “umfassenden Microservices-Architektur” und einem vollständigen End-to-End-Suite auf, wobei die Realität übersehen wird, dass ein Großteil dieser Suite aus älteren Tools zusammengesetzt ist. Unternehmenssoftware vereint sich nicht magisch durch M&A; Integration ist schwierig, und Blues Yonders Stack zeigt seine Nähte. Die Lokad-Studie der Anbieter stellte fest, dass Blue Yonder “AI prominent in der Vermarktung präsentiert”, aber die “Ansprüche sind vage und haben wenig oder keinen Inhalt.” Tatsächlich deuten die wenigen Hinweise aus den öffentlichen technischen Materialien von Blue Yonder (z. B. einige Open-Source-Projekte) auf “vor-2000-Ansätze” wie grundlegende ARMA-Prognosemodelle hin. Also haben wir einen Leader, der “AI” anpreist, während er wahrscheinlich 20+ Jahre alte Prognosetechniken unter der Haube verwendet. Das wirft eine schwierige Frage auf: Ist Blue Yonder ein Leader aufgrund technischer Merkmale oder aufgrund von Legacy-Momentum? Gartners Bericht stellt diese Frage nicht, aber eine skeptische Überprüfung muss es tun.

Kinaxis und Oracle sind ebenfalls aufschlussreiche Beispiele. Kinaxis, bekannt für seine RapidResponse-Plattform, ist tatsächlich eine Art Pionier - es führte schnelle, in-memory “concurrent planning” weit vor vielen Mitbewerbern ein und bleibt sehr beliebt für Sales & Ops Planning. Aber auch Kinaxis ist ein Legacy-Player, der sich modernisiert. Historisch gesehen bot Kinaxis keine fortgeschrittene statistische oder ML-Prognostizierung im Kern an; Benutzer mussten Prognosen importieren oder einfache Methoden verwenden. Vor einigen Jahren erkannte Kinaxis diese Lücke und begann, probabilistische Tools über Übernahmen/Partnerschaften anzubringen (z.B. die Übernahme von Rubikloud für KI-Prognostizierung, die Partnerschaft mit Wahupa für Bestandsoptimierung) ⁸ ⁹. Dies sind positive Schritte, aber im Wesentlichen holt Kinaxis bei AI/ML-Fähigkeiten auf, die andere bereits hatten, und tut dies, indem separate Module integriert werden. Dies wirft Fragen der Technologie-Kohärenz auf - die neuen Funktionen von Kinaxis sind “Anbauten”, die “Fragen der Kohärenz des Technologie-Stacks aufwerfen” ⁹. Es bleibt abzuwarten, ob diese probabilistischen Module tief integriert sind oder nur oberflächliche Add-Ons für das Marketing sind. In der MQ-Erzählung wird Kinaxis aufgrund seiner “Fähigkeit zur Ausführung” und eines Jahrzehnts Erfolg an erster Stelle genannt, aber eine gründliche technische Prüfung zeigt eine deterministische Legacy-Architektur, die sich zu einem Hybrid entwickelt. Nicht zu vergessen, der in-memory-Ansatz, der Kinaxis Geschwindigkeit verleiht, setzt auch Grenzen - große Implementierungen stoßen auf “hohe Hardwarekosten und Skalierbarkeitsgrenzen, wenn die Daten wachsen (große Implementierungen erfordern massive RAM)” ¹⁰. Diese Feinheiten fehlen in Gartners Bewertung der “Ausführung”. Ein Planer, der die MQ liest, könnte denken, dass Kinaxis aufgrund seines Leader-Status eine sichere Wette ist, ohne zu realisieren, dass sie bei riesigen Supply-Chain-Daten auf Kosten-/Leistungsprobleme stoßen könnten oder erhebliche Hardware-Investitionen benötigen, um die Echtzeit-Simulationen von Kinaxis zu nutzen. Diese Realitäten tauchen selten in Gartners Beschreibung auf.

Oracles Aufnahme als Leader im Jahr 2024 ist eine weitere Anerkennung der Bestandsposition. Oracles SCP-Lösung ist Teil seines umfangreichen Cloud-SCM-Suites. Gartner lobt Oracles “Vision für eine zusammensetzbare Architektur” und seine Fähigkeit, “auf jeder Detailstufe zu planen.” ¹¹ Aber das liest sich wie ein Prospekt - die Planung auf “jeder Detailstufe” klingt großartig, aber erfahrene Praktiker wissen, dass die Planung auf extrem hoher Granularität (zum Beispiel auf SKU-Store-Ebene mit komplexen Einschränkungen) nicht sofort oder sogar machbar sein wird, wenn Sie wirklich jede Einzelheit meinen. Es gibt einen Rechenkompromiss: Entweder aggregieren Sie, um schnell zu planen, oder Sie benötigen mehr Zeit (oder mehr Rechenleistung), um im Detail zu planen. Oracle, wie andere auch, deutet effektiv an, dass sie das Unmögliche möglich machen können. Vielleicht kann ihre Cloud mehr verarbeiten als ältere Systeme, aber die Behauptung der vollen Granularität ohne Konsequenzen ist schwer zu glauben. Es spiegelt einen allgemeinen Trend wider: Legacy-Anbieter, die sich als “Cloud-KI-Plattformen” neu positionieren, aber unter der Oberfläche immer noch mit Einschränkungen kämpfen. Oracle hat im Laufe der Jahre zahlreiche Unternehmen übernommen (Demantra für die Bedarfsplanung, G-Log usw.) und sie integriert, um seine Suite aufzubauen. Lob gebührt Oracle: Es hat investiert, um sich zu modernisieren, aber auch hier wird der MQ-Text nicht erwähnen, wie viele Jahre und Beratungsstunden es möglicherweise dauern könnte, um diese “zusammensetzbare” Vision tatsächlich in einer Kundenimplementierung zu verwirklichen.

Es ist auch bemerkenswert, welche Altanbieter nicht in den MQ Leaders oder überhaupt auftauchen. SAP ist zum Beispiel nur ein Herausforderer im Jahr 2024 (obwohl es das ERP-Schwergewicht mit einem SCP-Produkt, IBP, ist). Infor - ein weiterer großer ERP-Anbieter, der Unternehmen wie Mercia und Predictix für die Planung übernommen hat - fehlt im MQ 2024 vollständig. Warum? Möglicherweise hat sich der Fokus von Infor verschoben (oder es hat sich entschieden, nicht an der Bewertung von Gartner teilzunehmen). Die Anbieterstudie von Lokad wies darauf hin, dass Infor Predictix (einen KI-Prognosespezialisten) im Jahr 2016 erworben hat, aber „der Prognoseaspekt blieb ein Bürger zweiter Klasse“ innerhalb von Infors Suite ¹². Die angeblich fortschrittlichen ML-Techniken von Predictix wurden „zurückgestuft“ und es ist „fraglich, ob diese Methoden die Prognosemodelle vor 2000 übertreffen“, wobei auch Infors „KI“-Behauptungen als fragwürdig angesehen wurden ¹³. Kurz gesagt, die Innovationskraft von Infors Planung ließ nach, daher sind sie nicht im MQ. Dies spricht tatsächlich für die Integrität von Gartner - sie hatten kein Problem damit, einen großen Namen fallen zu lassen, als er zurückfiel. Es unterstreicht jedoch auch, wie Übernahmen zu nichts führen können: Das Kaufen von KI-Startups garantiert keine Führungsposition, wenn das Kernunternehmen nicht integrieren und umsetzen kann. Die Ironie ist, dass diejenigen, die im Leaders-Quadranten bleiben, ähnliche Übernahme-Historien haben (Blue Yonder mit JDA/i2/Manugistics, Logility hat in den letzten Jahren Garvis und Starboard übernommen ¹⁴ ¹⁵, Kinaxis mit Rubikloud usw.), aber Gartner gibt ihnen weiterhin das Vertrauen. Die Überrepräsentation von Altanbietern legt nahe, dass frühere Marktanteile und die Beziehung zu Gartner oft gegenwärtige technische Exzellenz übertrumpfen.

Hype vs. Realität: Fragwürdige Behauptungen im Leaders-Quadranten

Der Marketing-Schnickschnack in der Supply-Chain-Planung ist legendär, und die MQ-Beschreibungen spiegeln oft Anbieterbehauptungen wider, die extreme Skepsis rechtfertigen. Ein wiederkehrendes Muster bei den Leaders ist das Protzen mit himmelhohen ROI und transformatorischen Ergebnissen - meist ohne konkrete Beweise. Viele Anbieter preisen zum Beispiel Zahlen wie „30% Bestandsreduzierung, 98% Servicelevel, 90% Produktivitätssteigerung“ nach der Implementierung ihrer Lösung an. ToolsGroup, jetzt ein Nischenplayer, der historisch oft von Analysten zitiert wurde, hat Ergebnisse wie „90+% Produktverfügbarkeit, 20-30% weniger Bestand, 40-90% weniger Arbeitsaufwand“ beworben. Während diese Zahlen für einige Kunden irgendwo möglicherweise eingetreten sind, klingen sie in Kombination zu gut, um wahr zu sein. Eine Analyse von Lokad warnte davor, dass solche Statistiken typischerweise selektiv ausgewählt sind: „wahrscheinlich stammen sie von verschiedenen Kunden, die jeweils einen dieser hohen Werte erreichen, nicht von einem Kunden, der alle gleichzeitig erreicht“ - niemand sollte alle diese Gewinne auf einmal erwarten ¹⁶. Die Realität beinhaltet Kompromisse; Sie könnten den Bestand um 20% reduzieren, aber dann könnte der Servicelevel sinken, oder umgekehrt. Der MQ enthält jedoch selten solche Einschränkungen, wenn er die „Fähigkeit eines Leaders, Wert zu liefern“, lobt. Er neigt dazu, die Erfolgsgeschichten widerzuspiegeln, die der Anbieter bereitstellt. Das Ergebnis ist eine Überhöhung der Erwartungen. Ein Supply-Chain-Manager, der in der MQ über Kinaxis oder Blue Yonder liest, könnte denken, dass diese Tools Probleme automagisch lösen und schnell ROI bringen werden, wenn die Implementierung tatsächlich kämpfen könnte und die Gewinne, wenn überhaupt, nach langen Change-Management-Bemühungen kommen.

Ein weiterer Bereich des Hypes ist Prognosegenauigkeit und KI. Jeder Anbieter behauptet jetzt, eine Form von “KI-gestützter Prognose” zu haben, die die Nachfragevorhersagen drastisch verbessern wird. Doch konkrete Details fehlen fast immer. Die Kurzbeschreibungen von Blue Yonder und Logility erwähnen KI/ML, Kinaxis spricht von “Planungs-KI”, usw., aber die Zusammenfassung von Gartner drängt nicht auf Details darüber, wie sich ihre KI unterscheidet oder bewährt ist. Ein deutliches Beispiel ist das Konzept des “Nachfrage-Sensing” - ein Schlagwort für die Verwendung von sehr kurzfristigen Daten zur Anpassung von Prognosen. ToolsGroup hat diesen Begriff verwendet, ebenso wie andere. Allerdings stellte die Forschung von Lokad fest, dass „Behauptungen über ‘Nachfrage-Sensing’ nicht durch wissenschaftliche Literatur gestützt werden.“ ¹⁷ Es handelt sich im Grunde um einen Marketingbegriff; es gibt nur wenig Beweise dafür, dass das, was Anbieter als Nachfrage-Sensing bezeichnen, konsequent bessere Prognosen liefert als das, was gute kurzfristige Statistiken leisten können. Ebenso prahlt ein Anbieter (John Galt Solutions, ein Herausforderer) damit, dass ein proprietärer Algorithmus “Procast” genauer ist als die Konkurrenz, aber keinen öffentlichen Beweis liefert - tatsächlich ist es bezeichnend, dass dieser Algorithmus bei der M5-Prognosewettbewerb nicht in den Top-Rängen vertreten war, wo Open-Source-Methoden glänzten ¹⁸. Wahrscheinlich schlägt John Galts Geheimrezept nicht die Likes von Facebooks Prophet oder Hyndmans R-Paketen in puncto Genauigkeit, aber der MQ-Bericht würde das nicht offenlegen. Es erfordert unabhängige Recherchen, um diese Dinge aufzudecken. Die Vision -Achse des MQ neigt dazu, Anbieter dafür zu belohnen, dass sie KI und Analytik loben, unabhängig davon, ob ihre Ansätze neuartig oder statistisch fundiert sind. Betrachten wir o9 Solutions: Im letzten Jahr (2023) hatte Gartner o9 im Leaders-Quadranten, teilweise aufgrund seines Hypes als “digitale Gehirn” -Plattform. Bis 2024 rutschte o9 in die Kategorie Visionär. Was hat sich geändert? Möglicherweise hat Gartner erkannt, dass einige der großspurigen Behauptungen von o9 nicht bewiesen waren. Lokads Überprüfung von o9 ergab, dass „viele seiner [KI]-Behauptungen (zum Beispiel, dass sein Wissensgraph die Prognose einzigartig verbessert) ohne wissenschaftliche Untermauerung zweifelhaft sind“ ¹⁹. Tatsächlich zeigte die Analyse der öffentlich sichtbaren technischen Komponenten von o9 größtenteils Standardtechniken, „nichts grundlegend Neues, um das großartige ‘KI’-Branding zu rechtfertigen“ ¹⁹. Dies ist eine häufige Geschichte: Marketing übertrifft die Realität. Gartner passt sich seinem Verdienst an (wie bei o9), aber erst nachdem es anfänglich einen Teil dieses Hypes verstärkt hat, indem es den Anbieter als Leader platziert hat. Dieser Meinungsumschwung zeigt auch, wie subjektiv der MQ ist - ein Visionär in einem Jahr, ein Leader im nächsten, dann wieder ein Visionär - was kein Vertrauen in einen stabilen, kriteriengesteuerten Prozess weckt.

Eine der irreführendsten Behauptungen, die von führenden Anbietern verbreitet werden, ist die Idee des “Echtzeit-End-to-End-Planungsprozesses”. Diese Formulierung legt nahe, dass Sie einen wirklich minutengenauen synchronisierten Plan über Ihre gesamte Lieferkette hinweg haben können, vielleicht sogar automatisch in Echtzeit angepasst. Kinaxis und Blue Yonder haben beide Sprache über gleichzeitige oder kontinuierliche Planung verwendet; Der Text von Gartner für Oracle hebt die “Planung auf jeder Detailstufe” hervor und Kinaxis wird für Automatisierung und Ausrichtung gelobt. Der Widerspruch liegt im Skalierbarkeits- versus Geschwindigkeitskompromiss. Für große Unternehmen kann “jede Detailstufe” Millionen von SKU-Standort-Kombinationen, komplexe Multi-Echelon-Einschränkungen, Saisonalität usw. bedeuten. Einen optimalen Plan selbst täglich für diesen Umfang zu erreichen, ist ein massives rechnerisches Unterfangen. Dies in Echtzeit zu tun (subsekunden- oder sofortige Updates, wann immer sich Daten ändern) ist mit den heutigen Algorithmen und Hardware praktisch unmöglich, es sei denn, Sie opfern Detailgenauigkeit oder Optimierung. Kinaxis begegnet diesem Problem, indem es eine In-Memory-Architektur verwendet, um schnell neu zu berechnen, aber selbst sie haben Grenzen (benötigen riesigen RAM und vereinfachen einige Berechnungen) ¹⁰. Die Plattform “Luminate” von Blue Yonder spricht von einer KI-Engine und verwendet möglicherweise Heuristiken für schnelle Anpassungen anstelle einer vollständigen Reoptimierung. Die MQ-Beschreibungen ignorieren diese technischen Realitäten. Sie lassen den Anbietern beide Möglichkeiten: umfassende, granulare Analyse zu behaupten und sofortige Reaktion. Ein kritischer Blick sollte dies als marketing doublethink erkennen. Wenn ein Anbieter zum Beispiel behauptet, “Echtzeitplanung” zu bewältigen und auch “attributbasierte Planung auf sehr granularen Ebenen” (wie Gartner auch für einige Visionäre feststellt) ²⁰ ²¹, sollte man sich fragen: Wie halten sie die Echtzeitgeschwindigkeit bei einer solchen Granularität aufrecht? Die wahrscheinliche Antwort: Sie tun es nicht, nicht ohne leistungsstarke Hardware oder Vereinfachungen. Das Team von Lokad hat darauf hingewiesen, dass das Ausreizen beider Extreme in der Regel scheitert - entweder das System wird ausgebremst oder es lässt die Granularität unbemerkt fallen (z. B. aktualisiert einige aggregierte Zahlen in Echtzeit, aber nicht alles). Leider drängt Gartners MQ die Anbieter nicht dazu, diese Widersprüche aufzulösen. Das Erscheinungsbild modernster Fähigkeiten wird präsentiert, und es liegt an den Benutzern, später zu entdecken, dass bestimmte Kombinationen von Versprechungen nicht realisierbar sind.

Black-Box “KI” und Mangel an Transparenz

Ein weiteres Anliegen bei den Anbietern im Leader-Quadranten ist, wie stark sie auf “Black-Box”-Lösungen setzen. Viele prahlen mit KI-gesteuerter Automatisierung, bei der das System Entscheidungen mit minimalem menschlichem Input trifft. In der Theorie ist das großartig - wer möchte nicht einen Autopiloten für die Lieferkette? - aber in der Praxis kann es gefährlich sein, wenn die KI eine Black Box ist. Planer haben jahrzehntelange Erfahrung mit Optimierungssoftware, die nicht erklärbar ist; sie neigen dazu, ihr nicht zu vertrauen, oder sie liefert seltsame Empfehlungen, die schwer zu debuggen sind. Blue Yonder hat sich zum Beispiel seit der Neupositionierung stark auf KI konzentriert (der Name “Blue Yonder” stammt von einem von ihnen erworbenen KI-Startup). Allerdings wird wenig darüber veröffentlicht, wie ihre KI funktioniert, und Benutzer beschreiben oft die Notwendigkeit, die Ausgaben manuell zu überschreiben oder anzupassen. Léon Levinas-Ménard bemerkte, dass der Ansatz von Blue Yonder mit „Black-Box-KI-Komplexität“ ein zweischneidiges Schwert ist ²². Es mag innen anspruchsvoll sein, aber wenn es undurchsichtig ist, erhöht es den Benutzerwiderstand und das Risiko unentdeckter Fehler. Die Bewertung von Gartner gibt fast keinen Einblick in dies. Ein Anbieter könnte ein fragiles maschinelles Lernmodell unter der Haube haben, aber solange sie ein paar Referenzkunden haben, die bereit sind zu sagen, dass es ihnen geholfen hat, wird Gartner sie hoch bewerten. Es gibt ein breiteres Muster des Mangels an technischer Transparenz: Mit einigen Ausnahmen veröffentlichen diese Anbieter keine Forschungsarbeiten, nehmen nicht an offenen Algorithmuswettbewerben teil (wie im Fall der Abwesenheit von John Galt bei M5 erwähnt, und auch keiner der großen Leader hatte Spitzenplatzierungen bei solchen Veranstaltungen), und geben keine bedeutenden Teile ihrer Software als Open Source frei. Sie arbeiten auf Vertrauen und Marke. Gartners Quadrant perpetuiert das, weil es keine Beweise jenseits von Kundeninterviews und Demos verlangt. Es ist bezeichnend, dass ein Anbieter wie ToolsGroup, der historisch gesehen einen analytischen, White-Box-Ansatz hatte (mit seinem bekannten SO99+ Optimierungsmotor), kürzlich dem AI-Hype nachgeben musste. ToolsGroup begann alles als „KI-gesteuert“ zu bezeichnen und führte um 2018 herum probabilistische Prognosen in der Vermarktung ein, tat dies jedoch auf ungeschickte Weise - sie warben für probabilistische Prognosen und prahlten dennoch mit MAPE-Verbesserungen ²³ ²⁴ (obwohl MAPE, ein Fehlermaß, für probabilistische Prognosen bedeutungslos ist!). Diese Art von Inkonsistenz zeigt eine marketinggetriebene Übernahme von Schlagwörtern ohne wahres Verständnis. Die Kritik von Lokad war deutlich: ToolsGroups Behauptungen von KI waren „fragwürdig“ und ihre Materialien „deuten auf vor-2000 Prognosemodelle“ hin, die als neu verkleidet wurden ²⁵. Wenn ein relativ technischer Anbieter wie ToolsGroup dem Buzzword-Inflation erlegen ist, kann man sich vorstellen, wie viel reines Marketing in die Portfolios von mehr verkaufsorientierten Unternehmen einfließt.

Der Gartner MQ-Bericht erwähnt gelegentlich, wenn etwas größtenteils Vision ist. Zum Beispiel wird die “Vision für KI” eines Anbieters als Stärke hervorgehoben (z.B. wird Logilitys “überdurchschnittliche Vision für KI” nach seinen jüngsten Übernahmen erwähnt) ¹⁴ ¹⁵. Aber die “Vision für KI” als Stärke zu bezeichnen bedeutet im Grunde genommen, dass sie ein gutes Spiel mit KI machen. Es ist kein geliefertes Merkmal - es ist ein Plan oder eine Aspiration. Das in einem Atemzug mit tatsächlichen Fähigkeiten zu loben, verwischt die Linie zwischen derzeitiger Realität und zukünftigem Fahrplan. Dies dient wiederum den Anbietern: Es belohnt Präsentationsunterlagen und angekündigte Absichten. Ein Kunde könnte mit einem Leader einen Vertrag abschließen und denken, dass er eine KI-gesteuerte, vollautomatisierte, Echtzeit-Planungslösung kauft, nur um festzustellen, dass viele dieser Fähigkeiten frühzeitig, unerprobt oder separate Projekte zur Implementierung erfordern. Das Format von Gartner unterscheidet nicht klar zwischen bewährter Funktionalität und geplanten Funktionen in der MQ-Grafik; beides fließt in diese “Vollständigkeit der Vision” Platzierung ein. Daher neigen die Leader-Quadranten dazu, mit Unternehmen gefüllt zu sein, die großartig darin sind, eine überzeugende Geschichte über die Zukunft der Lieferkette zu erzählen (oft aus den eigenen veröffentlichten Trends von Gartner entlehnt, um sich zu empfehlen), unabhängig davon, ob sie diejenigen sind, die diese Zukunft tatsächlich verwirklichen.

Das Hässliche ignorieren: Ausgelassene Misserfolge und laufende Kämpfe

Ein Aspekt, der auffällig in Gartners glänzendem Quadranten fehlt, ist die dunkle Seite der Unternehmenssoftware: die gescheiterten Projekte, massiven Kostenüberschreitungen und eingestellten Implementierungen. Die Planung der Lieferkette hat insbesondere eine lange Geschichte von gescheiterten oder enttäuschenden Bereitstellungen - so sehr, dass viele Praktiker nach ein paar Verbrennungen zynisch gegenüber jeder neuen “Lösung” werden. Doch wenn man den MQ-Bericht liest, könnte man denken, dass es nur Erfolgsgeschichten und differenzierende Merkmale gibt. Gartner sammelt Kundenfeedback im Rahmen der MQ-Forschung, veröffentlicht jedoch in der Regel nur eine bereinigte Zusammenfassung von “Stärken” und “Vorsichtsmaßnahmen” für jeden Anbieter. Diese Vorsichtsmaßnahmen sind in der Regel milde formuliert (“einige Kunden nennen Herausforderungen bei der Benutzerfreundlichkeit” oder “Integration kann komplex sein”). In einem MQ werden keine direkten Aussagen wie “Anbieter X hatte im letzten Jahr mehrere Projektfehlschläge” zu finden sein. Eine solche Wahrheit, wenn sie ans Licht kommt, stammt aus dem Klatsch und den Benutzerforen, nicht von Gartner. Das Ergebnis ist eine Informationsasymmetrie: Ein potenzieller Käufer, der den MQ liest, könnte sich nicht bewusst sein, dass zum Beispiel ein bestimmter führender Anbieter den Ruf hat, Implementierungen von 18 Monaten durchzuführen, die oft nie live gehen. Gartners Auslassung von Misserfolgsraten ist ein Nachteil für die Branche, da sie ein übermäßig rosiges Bild zeichnet.

Betrachten Sie die “Zeit bis zum Wert” - ein absolut entscheidender Faktor für jedes Projekt. Hat Gartner bewertet, wie lange die typische Implementierung jedes Anbieters dauert oder wie oft sie pünktlich geliefert wird? Wenn ja, spiegelt sich dieses Wissen nicht klar im Quadranten wider. Wir wissen aus Erfahrungsberichten, dass einige der großen Suite-Anbieter (wie traditionelle Blue Yonder- oder SAP-Projekte) Jahre dauern könnten, um vollständig umgesetzt zu werden. In der Zwischenzeit könnten einige neuere SaaS-Anbieter in Monaten implementieren. Aber die Fähigkeit zur Ausführung des MQs nennt dies nicht explizit. Tatsächlich könnte ein kleinerer Anbieter als “nicht skalierbar für große Projekte” abgestraft werden, selbst wenn sie tatsächlich schneller implementieren, einfach weil sie noch nicht so viele globale Rollouts durchgeführt haben. Auch ein Erfolgsbias schleicht sich ein: Gartner spricht größtenteils mit Referenzkunden, die von den Anbietern bereitgestellt werden und in der Regel die zufriedeneren sind. Die vielen unglücklichen oder weniger erfolgreichen Kunden werden nicht proaktiv für Interviews angeboten. Daher ist die Stichprobe auf Erfolgsfälle ausgerichtet. Die Gartner-Analysten wissen das, aber die MQ-Berichte erkennen dies selten über allgemeine Vorsichtsaussagen hinaus an.

Die Häufigkeit von gescheiterten Implementierungen ist das unangenehme Thema. Verschiedene Studien (einschließlich einer von Gartner in einem anderen Kontext) haben extrem hohe Misserfolgsraten bei großen Technologieinitiativen zitiert - z.B. sagte Gartner berühmt, dass 85% der KI-Projekte scheitern, und ein großer Prozentsatz der Lieferketten-Technologieprojekte unterliefern. Eine LinkedIn-Zusammenfassung des Gartner SCP Summit 2024 erwähnte, dass trotz moderner Planungstechnologien viele Unternehmen immer noch kämpfen und Planer die Tools nicht übernehmen ²⁶ ⁷. Wenn nur 32% die durchschnittliche Übernahmequote ist, bedeutet das, dass die Mehrheit der Projekte nicht die beabsichtigte Wirkung erzielt. Dennoch integriert der MQ diese Metrik nicht in die Anbieterbewertungen. Wenn überhaupt, deutet es indirekt darauf hin: Ein Anbieter mit geringerer “Fähigkeit zur Ausführung” könnte einer sein, über den Kunden sich über Benutzerfreundlichkeit oder Komplexität beschwert haben. Aber das ist alles Kaffeesatzlesen. Die MQ-Grafik selbst, die einige Punkte weiter unten auf der Ausführungsskala zeigt, sagt Ihnen nicht “viele Kunden konnten diese Software nicht live schalten”. Es zeigt nur einen Punkt in der unteren Hälfte, der fälschlicherweise als das Unternehmen klein oder etwas interpretiert werden könnte, anstatt als rote Flagge für problematische Implementierungen. Gartners Erzählung umgeht somit die Verantwortlichkeit: Die Anbieter werden nicht wirklich für die Ergebnisse im Feld verantwortlich gemacht, sondern nur für den Verkauf und einen schönen Fahrplan.

Für ein Fachpublikum ist dies ein ernsthafter Mangel. Es bedeutet, dass der MQ kein zuverlässiger Erfolgsindikator ist. Ein “Leader” könnte Sie durchaus in ein mehrjähriges, millionenschweres Dilemma führen, wenn Ihre Organisation nicht äußerst vorbereitet und ausgerichtet ist, und Gartner hätte das nicht klar signalisiert. Umgekehrt könnte ein Nischen- oder visionärer Anbieter Ihnen tatsächlich einen schnelleren Erfolg bringen, aber das niedrige Ranking von Gartner könnte Ihre Führungskräfte davon abhalten, sie in Betracht zu ziehen. Diese Dynamik ist der Grund, warum viele erfahrene Supply-Chain-Führungskräfte den MQ mit einem Körnchen Salz nehmen und sich stattdessen auf Empfehlungen von Kollegen und unabhängige Bewertungen verlassen. In den Worten von Lokads FAQ, “echte Sorgfaltspflicht wird am besten durch die Untersuchung nachgewiesener Ergebnisse in Live-Betriebsumgebungen geleistet”, anstatt einem “Gütesiegel von einer Beratungsfirma, die für die Teilnahme bezahlt” zu vertrauen ²⁷. Der MQ bietet bestenfalls eine Ausgangsliste von Anbietern, muss aber unbedingt mit externer Forschung darüber abgeglichen werden, wie sich diese Anbieter in Unternehmen ähnlich wie Ihrem geschlagen haben.

Herausforderung der Leader von Gartner: Fallstudien zu enttäuschender Technologie

Um die Kritik zu untermauern, betrachten wir zwei der gefeierten Leader von 2024 genauer - Kinaxis und Blue Yonder - und prüfen, ob ihre Positionierung oben rechts durch technische Substanz gerechtfertigt ist oder durch bekannte Probleme widerlegt wird.

Kinaxis (Leader) - Gleichzeitige Planung, aber spät in KI. Gartner positioniert Kinaxis als höchsten Leader und lobt sein “vereinheitlichtes Benutzererlebnis” und die Automatisierung. Die Stärke von Kinaxis liegt tatsächlich in seinem reaktionsschnellen Planungsmotor: einem In-Memory-Modell, das Änderungen schnell propagiert, sodass Sie Szenariosimulationen auf die Schnelle durchführen können. Dies ist sehr nützlich für S&OP und What-If-Analysen. Allerdings bot Kinaxis historisch gesehen keine fortschrittliche Prognose oder Optimierung von Haus aus an. Seine Planung basierte weitgehend auf Regeln und Determinismus und verließ sich darauf, dass Planer die Logik für die Ausgleichung von Angebot und Nachfrage einrichteten. In Anerkennung von Branchenverschiebungen hat Kinaxis kürzlich probabilistische Prognose- und Bestandsoptimierungsfähigkeiten hinzugefügt - jedoch durch Akquisition oder Partnerschaft für diese Teile (z. B. den Wahupa MEIO-Motor, die Rubikloud KI-Prognose) ⁸ ²⁸. Diese Ergänzungen werfen Fragen auf: Sind sie nahtlos in die RapidResponse-Plattform integriert oder sind es externe Module, die eingefügt wurden? Erste Anzeichen deuten auf letzteres hin - effektiv hat Kinaxis jetzt “Apps” für Bestandsoptimierung und ML-Prognosen, die in sein System eingesteckt werden. Es ist nicht dasselbe wie ein selbst entwickelter, vereinheitlichter analytischer Kern. Darüber hinaus ist Kinaxis’ Vorstoß in die KI recht neu. Ab 2023 begann es mit dem Marketing von “Planning.AI”, was darauf hindeutet, dass es weiß, dass es das KI-Spiel spielen muss, aber es war vorsichtig in seiner Kommunikation - vielleicht weil es weiß, dass seine KI/ML-Tiefe noch in der Entwicklung ist ²⁹ ³⁰. Die Analyse von Lokad wies darauf hin, dass Kinaxis seine probabilistische Prognosefähigkeit nicht öffentlich demonstriert hat (keine Veröffentlichungen oder Wettbewerbe), sodass man glauben muss, dass sie wirksam ist ³¹. Kurz gesagt, Kinaxis verdient absolut Anerkennung für seine wegweisende Gleichzeitigkeit und viele zufriedene Kunden, aber rein technisch gesehen ist es bei weitem nicht das fortschrittlichste in der Analytik. Seine Kernarchitektur altert - sie ist darauf angewiesen, dass viel RAM und CPU für schnelle Berechnungen verwendet werden - und erst jetzt modernisiert es seinen Prognoseansatz, den andere bereits vor Jahren angenommen haben. In Benutzerkreisen wird gemunkelt, dass Kinaxis Schwierigkeiten hat, wenn Datensätze sehr groß werden oder wenn detaillierte Planungen über bestimmte Schwellen hinausgehen (was mit den festgestellten RAM-/Skalierbarkeitsbedenken übereinstimmt ¹⁰). Ist Kinaxis also wirklich das “Beste vom Besten” in der Supply-Chain-Planungssoftware im Jahr 2024? Oder ist es einfach das Beste darin, eine End-to-End-Vision zu verkaufen und eine Erfolgsbilanz bei Implementierungen vorweisen zu können (wenn auch zu einem hohen Preis und Aufwand)? Gartners MQ platziert es eindeutig auf Platz 1, aber eine kritischere Bewertung könnte Kinaxis als sehr stark in der interaktiven Planung, aber immer noch mittelmäßig in der algorithmischen Prognose einstufen. Die eindimensionale Bewertung des MQ kann diese Dichotomie nicht gut widerspiegeln. Somit überdeckt die Leader-Position von Kinaxis - obwohl sie durch Markterfolg verdient ist - seinen späten Start in KI und mögliche Integrationsherausforderungen, die bevorstehen.

Blue Yonder (Leader) - All-in-One Suite oder bunter Mix? Die Präsenz von Blue Yonder als Leader scheint aufgrund seiner langen Tradition (ehemals JDA) fast selbstverständlich zu sein. Gartner erwähnt seine “Luminate Platform” und umfassende Funktionalität, was darauf hindeutet, dass es alles kann: Bedarfsplanung, Beschaffungsplanung, Bestandsoptimierung, Produktionsplanung usw., sowie neuere Dinge wie Analytik und Mikroservices. Das Versprechen ist eine end-to-end, integrierte Plattform. Die Realität, die von denen berichtet wird, die das Produkt kennen, ist jedoch anders. Die Suite von Blue Yonder ist das Ergebnis vieler Übernahmen über Jahrzehnte: Sie haben mehrere Bedarfsplanungsmotoren (den Legacy JDA gegen den neueren Blue Yonder ML-Motor), mehrere Beschaffungsplanungs- und Erfüllungsmodule, Warennachschubwerkzeuge aus verschiedenen Quellen usw. Es war eine Herausforderung für sie, diese wirklich zu vereinheitlichen. Lokads Anbieterstudie gab eine vernichtende Kritik: „Unter dem BY-Banner verbirgt sich eine willkürliche Sammlung von Produkten, von denen die meisten veraltet sind.“ ³² Die Integration erfolgt eher auf der Benutzeroberfläche und Marketingebene als auf einer tiefen technischen Ebene. Zum Beispiel könnte Blue Yonder ein gemeinsames Portal anbieten, aber hinter den Kulissen könnte die Bedarfsplanung eine andere Codebasis als die Erfüllung oder die Produktionsplanung haben. Aus Kundensicht kann das zu inkonsistenten Benutzererfahrungen und Daten-Synchronisierungsproblemen führen. Gartners MQ-Beschreibung erwähnt dies überhaupt nicht; es stellt Blue Yonder als eine moderne, vereinheitlichte Cloud dar (der Begriff “Mikroservices-Architektur” wird verwendet ³³, was sehr modern klingt). Der Skeptiker fragt: Wenn Blue Yonder wirklich eine vereinheitlichte Mikroservices-Neuarchitektur hätte, warum musste es dann von Panasonic übernommen werden, um über Wasser zu bleiben, und warum verwenden so viele seiner langjährigen Kunden angeblich immer noch ältere On-Prem-Versionen von JDA-Modulen? Die Antwort lautet, dass die Transformation unvollständig ist. Blue Yonders Marketing stützt sich jetzt auch stark auf KI, wahrscheinlich aufgrund des Einflusses des kleinen Blue Yonder (deutsches KI-Startup), das sie übernommen und dann nach dem ganzen Unternehmen benannt haben. Dennoch sind, wie bereits erwähnt, ihre KI-Behauptungen vage. Lokad bemerkte den Mangel an Substanz und dass ihre bekannten Techniken ziemlich konventionell waren ³⁴. Im täglichen Gebrauch sind einige BY-Module wie die Bedarfsprognose in Ordnung, aber nicht unbedingt besser als Standardstatistikpakete - und manchmal schlechter, wenn Berichte über Schwierigkeiten auftauchen, die “KI” dazu zu bringen, einfache Baselines zu übertreffen. Es gab auch hochkarätige Implementierungsherausforderungen: Beispielsweise haben große Einzelhändler, die versucht haben, Blue Yonders Bedarfs- und Erfüllungsplanung zu implementieren, mehrjährige Verzögerungen und nur teilweisen Erfolg erlebt (das ist oft nicht öffentlich, aber Insider kennen einige Beispiele). Gartners MQ erwähnt natürlich keine solchen Fälle. Blue Yonder bleibt in der Leaders-Kategorie, wahrscheinlich gestützt durch seine Breite und globale Reichweite (und ja, durch sein konstantes Engagement bei Gartner und Präsenz in Analystengesprächen). Wenn man die Führungsposition von Blue Yonder in Frage stellt, könnte man sagen: Wenn der Technologiestack eines Anbieters eine Mischung aus “veralteter Technologie” ist und seine KI nicht bewiesen ist, sollte er dann oben rechts stehen? Der MQ sagt ja, weil sie es ausführen können (sie haben viele Servicepartner, sie können große Kunden unterstützen - was stimmt) und sie haben eine breite Vision (d.h. eine Lösung für alles). Dies verdeutlicht die Voreingenommenheit des MQ: Breite und Marktposition sind wichtiger als Tiefe oder Eleganz. Ein Unternehmen, das 10 Dinge halbwegs gut macht, wird höher eingestuft als eines, das 3 Dinge extrem gut macht. Blue Yonder macht viele Dinge, und einige davon möglicherweise schlecht, dennoch ist es ein Leader, weil es alle Basen abdeckt und niemand gefeuert wurde, weil er JDA gekauft hat (um das alte IBM-Sprichwort zu paraphrasieren). Aber Lieferketten-Teams sollten vorsichtig sein - eine Allround-Suite kann in keinem Bereich ein Meister sein, und die Integration alter Technologien unter einer neuen Benutzeroberfläche kann mehr Komplexität schaffen, als sie löst. Der MQ berücksichtigt dieses Risiko nicht.

Diese Fallstudien unterstreichen, warum eine skeptische Perspektive erforderlich ist. Die Leaders haben oft Referenzen (viele Kunden, vollständige Funktionslisten, große Teams), aber auch Altlasten (alter Code, vergangene Misserfolge, Marketingfloskeln). Gartners Format sieht meist nur Ersteres. Es bleibt dem Benutzer überlassen, Letzteres aufzudecken, was wir hier hervorheben.

Die Visionäre und Nischenanbieter: Mehr Signal oder Lärm?

Während sich unser Fokus größtenteils auf die Leaders und die MQ-Methodik richtet, ein kurzes Wort zu den anderen Quadranten: Visionäre, Herausforderer und Nischenanbieter. Paradoxerweise befinden sich dort einige der interessantesten Anbieter - aber auch Gartners Nomenklatur kann hier irreführend sein. Ein “Visionär” im MQ-Sinne bedeutet hohe Visionäre Vollständigkeit, geringere Umsetzungsfähigkeit. Es könnte genauso gut heißen “gute Ideen, nicht genug Marktpräsenz/Ressourcen”. Im Jahr 2024 umfasste das Visionäre Quadranten o9 Solutions, GAINSystems, E2open und Dassault Systèmes (DELMIA). Dies sind eine Mischung aus relativ neuen Anbietern (o9, GAINS) und etablierten, die dieses Segment nicht dominiert haben (E2open, Dassault). Bemerkenswert ist, dass o9 von Leader zu Visionär degradiert wurde ³⁵, was Gartner damit erklärt, dass o9 immer noch eine starke Vision hat (kein Scherz - sie vermarkten aggressiv mit Buzzwords), aber vielleicht Ausführungsprobleme oder Wettbewerb aufgeholt haben. E2open und Dassault haben interessante technische Komponenten (E2open hat einen breiten Fokus auf das Lieferkettennetzwerk; Dassault besitzt Quintiq, das ein leistungsstarkes Optimierungstool ist). Dennoch haben es keine von ihnen in die Leader geschafft. Warum? Wahrscheinlich, weil sie entweder kleiner im SCP-Marktanteil sind (GAINS ist ein kleinerer Spezialanbieter, Quintiq wird oft in sehr individuellen Planungsszenarien verwendet, usw.) oder gemischtes Kundenfeedback hatten. Wichtig ist zu beachten, dass einige Visionäre oder sogar Nischenanbieter in bestimmten Situationen die richtige Wahl sein könnten. Zum Beispiel wird GAINS (auch bekannt als GAINSystems) für seine Bestandsoptimierungskompetenz hoch geschätzt und hat sehr zufriedene Kunden in bestimmten Branchen - es ist einfach nicht so groß wie die Leaders. Ein Unternehmen, dessen Hauptproblem die Bestandsoptimierung ist, könnte mehr Wert von GAINS erhalten als beispielsweise von der Implementierung der gesamten Oracle-Suite. Aber die Natur des MQ ist es, die Leaders zu betonen. Visionäre werden anerkannt, aber viele Führungskräfte, die es lesen, werden denken: “Sie sind keine Leaders, also sind sie zweitklassig.” Das ist bedauerlich: In einigen Fällen ist ein Visionär ein Leader-in-Wartestellung, der einfach noch nicht die Marktzulassung erhalten hat, oder ein Nischenspezialist, der Tiefe vor Breite wählt. Gartner erkennt sie zumindest an, aber das Format spielt ihre Bedeutung erneut herunter.

Der Nischenanbieter-Quadrant im Jahr 2024 ist überfüllt (Adexa, Coupa, ToolsGroup, Slimstock, AIMMS, Blue Ridge). Dieser Quadrant sagt effektiv “geringere Vision, geringere Umsetzung” aus - was ein Todesurteil sein kann. Aber innerhalb der Nische gibt es auch einige neue Anbieter und Spezialisten, die einfach nicht der breiten SCP-Definition von Gartner entsprechen. AIMMS ist beispielsweise ein Spezialist für die Modellierung der Lieferkette (ein Optimierungstoolkit), und Blue Ridge konzentriert sich auf eine distributionszentrierte Planung. Sie sind bewusst Nischenanbieter, die spezielle Bedürfnisse bedienen und nicht darauf abzielen, end-to-end zu sein. Ihre Platzierung bedeutet nicht unbedingt, dass sie schlecht sind; es bedeutet nur, dass sie in den Augen von Gartner nicht breit genug sind. Dass ToolsGroup als “neue Ergänzung” ³⁶ in der Nische ist, ist interessant, denn ToolsGroup war jahrelang ein etablierter Anbieter - sein früheres Fehlen könnte darauf zurückzuführen sein, dass es nicht teilgenommen hat. Jetzt ist es eingeschlossen, aber Gartner hat es in die Nische geworfen und lobt seine Vision im Umgang mit Unsicherheit (wahrscheinlich in Bezug auf seinen probabilistischen Ansatz) ³⁷. Man könnte argumentieren, dass ToolsGroup eine realere Vision hat (mit seinem Fokus auf probabilistische Prognosen vor Jahren) als einige sogenannte Visionäre. Aber die Kriterien von Gartner können eigenartig sein. Coupa’s Präsenz als Nische (nachdem es zuvor ein Herausforderer war) zeigt, wie schnell sich das Glück ändern kann - Coupa hat LLamasoft (Lieferkettenplanung) übernommen und wurde selbst übernommen, und offensichtlich überzeugt ihre SCP-Geschichte nicht; daher fiel sie in den Quadranten. Das gemeinsame Thema ist, dass die Platzierungen im Quadranten oft Branchenunruhen hinterherhinken oder glätten. Ein Unternehmen kann in der Realität kämpfen oder sich entwickeln, aber im MQ-Land bewegen sie sich einen Quadranten weiter oder verweilen in einer Kategorie, die ihr Potenzial oder ihre Probleme nicht vollständig widerspiegelt. Es ist eine grobe Kategorisierung.

Aus einer kritischen Perspektive sollte man Visionäre/Nischenanbieter nicht als “Ignorierliste” behandeln, sondern als potenziell verborgene Schätze oder zumindest als Quellen spezifischer Fähigkeiten. Allerdings werden Visionäre/Nischenanbieter in Gartners Texten oft kurz abgehandelt - ein paar Sätze im Vergleich zur Aufmerksamkeit, die den Marktführern geschenkt wird. Dies spiegelt erneut das Geschäftsmodell von Gartner wider: Ihre Kunden (die Leser von MQs, in der Regel große Unternehmen) sind oft nur an “Top-Anbietern” interessiert, und Gartner kommt dem nach. Der unglückliche Nebeneffekt ist, dass die Innovation leidet; wenn aufstrebende oder spezialisiertere Anbieter keine Sichtbarkeit erhalten, füttern Unternehmen weiterhin die großen Fische, und der Kreislauf setzt sich fort.

Das Fehlen von Disruptoren: Wo ist Lokad (und Andere)?

Vielleicht ist die stärkste Anklage gegen den Gartner MQ nicht, wen er einschließt, sondern wen er ausschließt. Nirgendwo im Quadranten von 2024 sehen wir Namen wie Lokad, obwohl Lokad ein Supply-Chain-Softwareunternehmen ist, das nach vielen technischen Maßstäben die meisten der MQ-Inhaber in Sachen Innovation übertrifft. Zugegeben, Lokad ist kleiner und hat einen unkonventionellen Ansatz gewählt (mit dem Schwerpunkt auf probabilistischer Prognose, einer domänenspezifischen Sprache für die Lieferkette und einer “quantitativen Supply Chain”-Philosophie). Aber betrachten Sie doch einmal Lokads Erfolgsbilanz: Vor einem Jahrzehnt hat es die probabilistische Prognose vorangetrieben (weit vor Kinaxis und anderen), und im M5-Prognosewettbewerb 2020 (einem globalen Benchmark mit Hunderten von Teams) belegte Lokads Methodik weltweit den 1. Platz auf der SKU-Ebene (und den 6. Platz insgesamt unter 909 Teams) ³⁸ ³⁹ - und hat damit im Grunde genommen seine Algorithmen auf offener Bühne bewiesen. Das Unternehmen dokumentiert seine Technologie offen und unterrichtet sogar Lieferkettenwissenschaft in YouTube-Vorlesungen ⁴⁰. Diese Art von Transparenz und technischem Erfolg ist selten. Nach objektiven Maßstäben sollte ein Anbieter wie dieser nicht zumindest als Visionär, wenn nicht sogar als Herausforderer qualifizieren? Der Grund für sein Fehlen ist sehr einfach: Lokad weigert sich, das Gartner-Spiel mitzuspielen. Lokad hat öffentlich erklärt, dass es kein Abonnent von Gartner ist und keine Investitionen in Analystenbeziehungen tätigt, sondern sich stattdessen auf den Aufbau von Produkten und die Betreuung von Kunden konzentriert ⁴¹. Als Ergebnis haben die Analysten von Gartner nur minimalen Kontakt zu Lokad (und möglicherweise sogar eine Voreingenommenheit gegenüber ihm, da es eine Herausforderung für ihre Erzählung darstellt). Die MQ-Aufnahmekriterien könnten besagen, dass ein Anbieter einen bestimmten Umsatz oder eine bestimmte Anzahl von Kunden benötigt, aber man vermutet, dass selbst wenn Lokad diese erfüllen würde, ohne Gartner zu bezahlen, würde es ignoriert oder unterbewertet bleiben. Dieses Fehlen ist ein Warnsignal für die Vollständigkeit des MQ. Ein Quadrant, der behauptet, “die bedeutendsten SCP-Lösungsanbieter” abzudecken und dennoch einen Spieler ausschließt, der für technische Exzellenz und einen einzigartigen Ansatz bekannt ist, ist offensichtlich nicht allumfassend. Und Lokad ist nicht allein - auch andere auf Analytik fokussierte oder aufstrebende Anbieter (vielleicht in akademischen oder Open-Source-Bereichen oder regionale Spezialisten) sind ebenfalls nicht vertreten.

Man könnte argumentieren, dass Gartner nicht jeden einschließen kann, und das ist fair. Aber das Fehlen eines bekannten Innovators legt nahe, dass ein Muster besteht: Der MQ ist von Natur aus konservativ. Er hinkt bei der Anerkennung von Paradigmenwechseln hinterher. Er ist gut darin, die etablierten Anbieter und inkrementellen Verbesserungen zu katalogisieren, aber schlecht darin anzuerkennen, wenn ein kleinerer Neueinsteiger eine grundlegend bessere Lösung hat. Die Kunden von Gartner (große Unternehmen) fordern oft von Gartner, nur etablierte Anbieter zu bewerten (“wir möchten sehen, wie sich die üblichen Verdächtigen schlagen”). Daher ist der MQ ebenso sehr ein Spiegelbild der Einkaufslisten großer Unternehmen wie eine Analyse. Er verstärkt einen Kreislauf: Wenn es nicht im MQ ist, werden es viele nicht in Betracht ziehen. Lokads Strategie war es, dies zu umgehen, indem es den Wert direkt für Praktiker und durch unabhängige Medien nachweist. Aber wie viele potenzielle Käufer haben möglicherweise noch nie von Lokad gehört, weil es in den Berichten von Gartner fehlt? Deshalb sprechen wir von einem Pay-to-Play-Bias - nicht im Sinne einer groben Bestechung, sondern im Sinne dessen, dass die Regeln des Spiels diejenigen bevorzugen, die am Gartner-Ökosystem teilnehmen.

Aus einer wahrheitssuchenden Perspektive sollte das Fehlen technisch fundierter und dennoch disruptiver Anbieter wie Lokad im MQ die Leser sehr vorsichtig machen. Es bedeutet, dass die Sicht des MQ auf “Vollständigkeit der Vision” tatsächlich unvollständig sein könnte. Es bedeutet auch, dass wenn Ihr Ziel darin besteht, die beste Lösung für Ihr Supply-Chain-Problem zu finden, Sie sich nicht ausschließlich auf den MQ verlassen können; Sie müssen ein breiteres Netz auswerfen. Der MQ sollte vielleicht mit einem Warnhinweis versehen sein: “Nicht-traditionelle oder maverick Ansätze nicht vertreten”. In wissenschaftlicher Hinsicht ist es, als ob eine Forschungsüberprüfung Ausreißerstudien ausschließen würde, die bahnbrechende Ergebnisse erzielt haben, einfach weil sie nicht in den üblichen Zeitschriften veröffentlicht wurden. Ein großer Quadrant, der behauptet, Innovationen zu kartieren und einen der wenigen Anbieter ausschließt, die für einen radikal anderen Ansatz bekannt sind (in diesem Fall probabilistische Programmierung), ist möglicherweise als Innovationskarte ungültig. Er hat einen großen blinden Fleck.

Fazit: Ein Aufruf zur Skepsis und tieferen Analyse

Der Gartner Magic Quadrant für Supply-Chain-Planungslösungen, Ausgabe 2024, präsentiert sich als der definitive Leitfaden zur Auswahl eines Planungssoftwareanbieters. In Wirklichkeit handelt es sich um eine hoch subjektive, kommerziell beeinflusste Momentaufnahme, die mit gesunder Skepsis gelesen werden sollte. Wir haben gesehen, wie die Struktur des MQ - seine Achsen und visuellen Elemente - tiefe Voreingenommenheiten verbergen: Sie bevorzugen große Legacy-Anbieter, belohnen Marketing-Hype und breite Versprechungen und übersehen kritische Faktoren wie den Implementierungserfolg und die technische Tiefe. Der Leaders-Quadrant, weit entfernt von einer Qualitätsgarantie, enthält Anbieter mit bekannten Mängeln, von Kinaxis’ Abhängigkeit von aufgesetzter KI bis hin zur Flickenteppich-Plattform von Blue Yonder und den übertriebenen Behauptungen anderer. Die Pay-to-Play-Dynamik von Gartner und der “Infomercial”-Charakter einiger Magic Quadrants bedeuten, dass Anbieterbewertungen ebenso stark mit der Gartner-Interaktion korrelieren können wie mit der Produktexzellenz ¹. Die Überbetonung von Vision (oft bedeutet dies Schlagwörter) und Ausführung (oft bedeutet dies Vertriebsreichweite) schafft ein Ranking, das nur lose mit dem verbunden ist, was den Erfolg in der Supply-Chain-Planung tatsächlich antreibt - nämlich solide Technologie, die auf die Bedürfnisse des Unternehmens zugeschnitten ist, implementiert von fähigen Personen und von den Benutzern akzeptiert.

Für ein Unternehmen, das eine Supply-Chain-Planungslösung sucht, kann der MQ ein Ausgangspunkt sein - er listet viele Akteure auf, und der ausführliche Bericht von Gartner (außerhalb der Quadranten-Grafik) nennt einige Stärken und Schwächen. Aber man muss über den Quadranten hinausgehen. Betrachten Sie ihn als eine Eingabe unter vielen und prüfen Sie seine Behauptungen kritisch. Fragen Sie: Was wird nicht gesagt? Was könnte voreingenommen sein? Untersuchen Sie unabhängige Bewertungen, sprechen Sie mit tatsächlichen Benutzern (nicht nur mit den zufriedenen Referenzen) und erwägen Sie, Pilotprojekte oder Benchmarks durchzuführen. Das Maxim “Vertrauen, aber überprüfen” gilt stark - oder vielleicht “Misstrauen, bis überprüft”. Wie wir hervorgehoben haben, geben selbst die Analysten von Gartner zu, wie schwierig es ist, diese Projekte zum Erfolg zu führen (mit schockierend niedrigen Akzeptanzraten in vielen Fällen) ⁴². Diese Realität sollte jede glühende Quadrantenplatzierung demütigen.

Letztendlich besteht der größte Wert des Magic Quadranten darin, die richtigen Fragen anzuregen, anstatt Antworten zu geben. Er kann Sie darüber informieren, wer die großen Akteure sind und was sie behaupten. Aber es liegt an Ihnen, sich durch den Hype zu kämpfen. Wenn ein Anbieter sagt “KI-gesteuerte Echtzeitplanung”, fordern Sie sie heraus, konkret zu erklären, wie es funktioniert und wie sie die Fallstricke vermeiden. Wenn ein Leader seine Technologie noch nie veröffentlicht oder bewiesen hat, nehmen Sie nicht einfach Gartners Wort dafür, dass sie großartig ist - verlangen Sie Beweise. Und seien Sie sich des Bestätigungsfehlers bewusst: Sobald ein Anbieter als Leader bezeichnet wird, neigen wir dazu, zu rationalisieren, warum sie es verdienen. Versuchen Sie das Gegenteil - stellen Sie sich vor, sie wären nicht im Quadranten, würden Sie sie immer noch in die engere Auswahl ziehen? Umgekehrt, stellen Sie sich vor, ein Nischenanbieter hätte die Marketingkraft eines Leaders, würde ihre Technologie plötzlich lebensfähiger erscheinen?

Der MQ bietet eine beruhigende Vereinfachung in einem komplexen Bereich, aber die Verwaltung einer Supply Chain ist nicht so einfach wie das Auswählen des am weitesten oben rechts liegenden Punktes. Tatsächlich könnte der Punkt Sie von einer besseren Lösung ablenken, die außerhalb des Diagramms liegt. Erfahrene Supply Chain-Profis werden daher Gartners MQ als eine leichte Referenz verwenden, nicht als eine Bibel. Sie werden verstehen, warum einige diese Quadranten als “Fake Science” bezeichnen ⁴³ und sich stattdessen auf Grundprinzipien und echte Beweise konzentrieren. Wie Joannes Vermorel empfiehlt, sollten Fallstudien aus der realen Welt und nachgewiesene Ergebnisse bezahlten Bewertungen vorgezogen werden ²⁷. Bei der Planung der Supply Chain kommt es darauf an, ob die Software Verbesserungen bei Servicelevels, Beständen, Kosten und Agilität bringt - und ob sie in Ihrer Organisation aufrechterhalten werden kann. Das ergibt sich nicht aus einem x-y-Diagramm, sondern aus einer gründlichen Bewertung und vielleicht ein wenig adversialem Denken (das Testen von Anbieteransprüchen gegen harte Szenarien).

Abschließend erscheint Gartners MQ für die Supply Chain-Planung 2024, wenn man ihm seine Mystik nimmt, als eine konservative, marketinggetönte Darstellung der Anbieterlandschaft. Es hebt die üblichen Giganten hervor (mit all ihren ungesagten Mängeln), streut einige kleinere ein und verpasst einige wahre Innovatoren. Eine maximal wahrheitssuchende Überprüfung ergibt, dass der Kaiser nur wenige Kleider hat: Die Quadrantengrafik verbirgt mehr, als sie enthüllt. Indem man skeptisch ist und technische Tiefe über glänzende Erzählungen verlangt, kann man die Fallstricke des Quadranten vermeiden. Es liegt am Käufer, die Grenzen des Quadranten zu erkennen - denn erfolgreiche Supply Chain-Planung basiert auf Realität, nicht auf Magie. ² ⁴