Überprüfung von Agents of AI, Anbieter von Supply-Chain-Software

Zuletzt aktualisiert: April 2025

Zurück zu Marktforschung

Agents of AI positioniert sich als Anbieter autonomer KI-Agenten, die mehrere Geschäftsfunktionen abdecken – von der Optimierung der Lieferkette und Kundenbindung über Lead-Management bis hin zur Risikoanalyse. Das Marketing des Unternehmens erfolgt größtenteils über Blog-Beiträge, die Vorteile wie Echtzeit-Nachfrageprognosen, automatisierte Bestandskontrolle und proaktive Entscheidungsfindung auf der Grundlage von prädiktiver Analytik preisen. Allerdings bieten Schlüsselseiten wie “Über uns”, “Lösungen” und “Technologie” nur minimale Hintergrundinformationen oder technische Details. Im Gegensatz zu Plattformen wie Lokad, die einen ausgereiften, datengesteuerten und technisch rigorosen Ansatz zur Optimierung der Lieferkette auf der Grundlage proprietärer Prognose- und Optimierungsalgorithmen bieten, präsentiert Agents of AI eine breitere, aber weniger fundierte Suite modularer “Agenten”. Diese Überprüfung geht auf die behaupteten Funktionalitäten des Unternehmens, das Technologi­emodell und den strategischen Wert ein – sowie auf die bemerkenswerten Lücken, die eine weitere technische Validierung vor einer breiten Übernahme rechtfertigen.

Überblick über die Lösung

Agents of AI präsentiert sich als Anbieter von “KI-Agenten” für eine Vielzahl von Geschäftsfunktionen. Sein Produktportfolio wird hauptsächlich durch eine Reihe von Blog-Beiträgen kommuniziert und umfasst Lösungen für:

• Optimierung der Lieferkette: Zu den Behauptungen gehören die Automatisierung der Logistikkoordination, verbesserte Nachfrageprognosen mit Echtzeitdaten, dynamisches Bestandsmanagement und Nachhaltigkeitsmaßnahmen (KI-Agenten für die Optimierung der Lieferkette) ¹.
• CRM und Kundenbindung: Der Anbieter beschreibt automatisierte Lead-Bewertung, -Routing und die Personalisierung von Kundenkommunikation als Aspekte seines CRM-Agentenangebots (Wie KI-Agenten das CRM revolutionieren) ².
• Lead-Management: Ebenso werden Agenten beschrieben, die das Lead-Management durch automatisierte Bewertung und Pflege optimieren (Lead-Management-KI-Agenten) ².

Weitere Erzählungen erstrecken sich auf Bereiche wie Verhandlungsführung, Energieeffizienz, HR-Performance, Risikomanagement und Betrugserkennung. Trotz des breiten Auftrags bietet die Website fast keine Informationen zur Gründungsgeschichte des Unternehmens, zur Teamzusammensetzung oder zur zugrunde liegenden technologischen Infrastruktur – belegt durch spärliche “Über uns”- und “Technologie”-Abschnitte sowie sogar eine fehlende “Lösungen”-Seite (Über uns) ¹.

Funktionalität und behauptete Vorteile

Jeder Agent wird durch eine konsistente, von Buzzwords geprägte Erzählung vermarktet, die klare, pragmatische Geschäftsergebnisse betont. Zum Beispiel soll der Agent für die Optimierung der Lieferkette Entscheidungen zur Wieder­auffüllung automatisieren, Verzögerungen mildern und das Lieferantenmanagement durch Echtzeit-Analytik verbessern (KI-Agenten für die Optimierung der Lieferkette) ¹. Ebenso behaupten CRM- und Lead-Management-Agenten, prädiktive Modelle für verbesserte Konversionsraten und Kundenbindung zu nutzen (Wie KI-Agenten das CRM revolutionieren, Lead-Management-KI-Agenten) ². Andere Produkte – die Verhandlungsführung, Energieeffizienz, HR-Performance, Risikomanagement und Betrugserkennung abdecken – versprechen optimierte Abläufe durch autonomes Monitoring und Entscheidungsfindung, obwohl ihre Beschreibungen weitgehend generisch bleiben und nicht durch technische Daten oder Leistungsmetriken untermauert werden ³.

Behauptete Technologie und Betriebsmodell

Die Erzählung von Agents of AI konzentriert sich auf einen “agentischen” Ansatz, bei dem autonome Softwaremodule kontinuierlich Daten­eingaben überwachen – von Sensorfeeds bis hin zu Transaktionsprotokollen – und Entscheidungen wie Routenanpassungen oder Lead-Bewertungen treffen. Das Unternehmen gibt den Einsatz von maschinellem Lernen, natürlicher Sprachverarbeitung und prädiktiver Analytik für sowohl historische Analysen als auch Echtzeitreaktionen an. Die technischen Details sind jedoch spärlich; es gibt keine architektonischen Diagramme, API-Referenzen oder spezifische Offenlegungen zu Modelltypen, Integrationsendpunkten oder sogar dem grundlegenden Technologie-Stack. Die Seite “Technologie” der Website ist auffallend leer und lässt potenzielle Kunden ohne unabhängige Bestätigung darüber, wie diese Agenten funktionieren oder wie sie in bestehende Geschäftssysteme integriert sind ³.

Lücken, Unklarheiten und Punkte für Skepsis

Eine kritische Überprüfung des Materials zeigt mehrere Bedenken auf:

• Mangelnde Transparenz: Wesentliche Informationen über den Hintergrund des Unternehmens, das Team und detaillierte technische Dokumentation fehlen entweder oder sind äußerst begrenzt. Diese Undurchsichtigkeit erstreckt sich auf Schlüsselseiten, die normalerweise die Technologie und die Integrationsmethodik beschreiben würden (Über uns) ¹.
• Abhängigkeit von Buzzwords: Die Produktbeschreibungen verwenden häufig trendy KI-Begriffe wie “autonom”, “prädiktiv” und “agentisch”, ohne darauf einzugehen, wie solche Funktionen erreicht oder validiert werden.
• Unsicherheit bei der Bereitstellung: Während der Inhalt auf eine Integration mit bestehenden ERP- oder Lieferketten­systemen hinweist, werden keine Details zu Bereitstellungsmodellen (cloudbasiertes SaaS versus lokal) und zur API-Interoperabilität behandelt.
• Überverallgemeinerte Behauptungen: Vorteile wie verbesserte Konversionsraten, reduzierte Verzögerungen und überlegene Entscheidungsfindung werden behauptet, ohne unabhängige Benchmarks, Fallstudien oder detaillierte Leistungsmetriken anzubieten, die diese Behauptungen untermauern ⁴.

Agents of AI vs. Lokad

Während Agents of AI eine breite Palette von KI-gestützten Agenten anbietet, die auf verschiedene Geschäftsfunktionen anwendbar sind, unterscheidet sich ihr Ansatz stark von dem von Lokad – einem Unternehmen mit einem fokussierten, quantitativen Ansatz zur Optimierung der Lieferkette. Die Plattform von Lokad zeichnet sich aus durch:

• Eine bewährte, cloudbasierte Architektur, die auf probabilistischer Prognose, Deep Learning und einer domänenspezifischen Sprache (Envision) basiert, die speziell für Lieferkettenanwendungen entwickelt wurde.
• Umfangreiche technische Dokumentation und eine lange Erfolgsgeschichte von iterativen Verbesserungen und messbarem ROI für komplexe Herausforderungen in der Lieferkette.
• Eine eng integrierte Ausführungspipeline, die konkrete, handlungs­fähige Ergebnisse produziert (z. B. spezifische Wieder­auffüllungs­aufträge und Preisempfehlungen) anstelle von allgemeinen Automatisierungs­behauptungen.

Im Gegensatz dazu bietet Agents of AI eine allgemeinere Sammlung von “Agenten” mit minimaler technischer Untermauerung und fehlt der detaillierten Dokumentation oder der nachgewiesenen Reife, die Lokad aufweist. Als solche können Supply-Chain-Manager, die beide Lösungen bewerten, feststellen, dass der rigoros konstruierte, datengetriebene Ansatz von Lokad besser geeignet ist, um mit den inhärenten Komplexitäten der Lieferkettenoptimierung umzugehen ⁵.

Fazit

Agents of AI präsentiert ein innovatives Konzept, indem es eine modulare Suite von KI-Agenten anbietet, die versprechen, verschiedene Geschäftsfunktionen zu automatisieren und zu optimieren, einschließlich der Lieferketten­operationen. Allerdings werfen erhebliche Lücken in der technischen Transparenz - gepaart mit einer Abhängigkeit von generischen Schlagworten und einem Mangel an detaillierten Leistungsdaten - Fragen zur praktischen Wirksamkeit seiner Lösung auf. Im Gegensatz zu etablierten Plattformen wie Lokad, die einen ausgereiften, quantitativ robusten Ansatz durch fortschrittliche Prognose- und Optimierungstechniken bieten, könnte das Angebot von Agents of AI eine weitere unabhängige Validierung erfordern, bevor Unternehmen sich darauf für geschäfts­kritische Anwendungen verlassen können. Organisationen, die diese Lösung in Betracht ziehen, sollten umfassende technische Dokumentation und unabhängige Fallstudien anfordern, um ihre Behauptungen zu überprüfen.

Quellen