Technologie / Q‑Foundry

Viele Produkte.
Ein gemeinsames Modell.

Das weltweit erste Foundation Model für Bestandsmanagement.

Q‑Foundry lernt Nachfragemuster über Produkte hinweg und nutzt dieses Wissen für neue Artikel – ohne ein eigenes Modell je Artikel zu trainieren. Entwickelt aus der Forschung der Universität Würzburg.


  • EXIST-Forschungstransfer
  • NeurIPS
  • ICLR
  • BARC AI Award
  • CNA Innovationspreis
  • Würzburger Gründerpreis
  • BayStartUP Businessplan Wettbewerb Nordbayern, 3. Platz

Q‑Foundry in Zahlen.

Q‑Foundry ist auf den Verkaufshistorien von rund 2,5 Millionen Produkten vortrainiert und hat gelernt, wie Nachfrage sich verhält – über Artikel, Branchen und Unternehmen hinweg.

  • Verkaufshistorien aus verschiedenen Branchen im Vortraining.

  • Historische Daten im Vortraining.

  • Für alle Artikel, auch für neue ohne Verkaufshistorie.

  • Ihre Prognosen liegen näher am tatsächlichen Absatz – ohne kundenspezifisches Training.

In vier Schritten

Vom gelernten Muster zur konkreten Bestellung.

Q‑Foundry ist ein vortrainiertes Foundation Model, das nicht für einen Artikel trainiert wird, sondern darauf, aus dem Kontext eines Artikels zu lernen. Vier Schritte führen von den Verkaufshistorien vieler Produkte zum Bestellvorschlag.

  1. 01 Lernen
  2. 02 Verstehen
  3. 03 Prognostizieren
  4. 04 Planen

01 Vortraining

Vorwissen aus Millionen Produkten.

Klassische Verfahren schätzen für jeden Artikel oder jede Artikelgruppe ein eigenes Modell. Unser Modell ist einmal vortrainiert, von SOLISTIQ und für alle Kunden, auf Millionen Artikel-Zeitreihen mit Milliarden Datenpunkten. Gelernt wird dabei keine einzelne Zeitreihe, sondern eine Fähigkeit: aus einem Ausschnitt Historie abzuleiten, wie die Nachfrage weitergeht. Wochenrhythmen, Saisonalität, Trendbrüche und sporadische Nachfrage mit vielen Nullen kennt das Modell aus Millionen Beispielen. Die Forschung nennt das Cross-Learning: Was das Modell an einem Artikel lernt, hilft ihm beim nächsten.

Grundlage ECIS 2025

02 Anwendung: der Artikel

Die Daten des Artikels sind der Prompt.

Wie ein Sprachmodell eine Aufgabe aus den Beispielen im Prompt erkennt, liest unser Modell den Kontext eines Artikels: seine Verkaufshistorie und die Einflussfaktoren, die vorliegen, etwa Preis, Aktionen, Feiertage und Warenverfügbarkeit. Auch externe Informationen wie Wirtschaftsindikatoren oder Wetter kann es einbeziehen. Die Gewichte des Modells bleiben dabei unverändert, ein Nachtraining gibt es nicht. Durch dieses In-Context Learning prognostiziert unser Modell Artikel, die es nie gesehen hat, genauso gut wie Artikel aus dem Vortraining.

Grundlage Brown et al. 2020 NeurIPS 2024

03 Anwendung: die Prognose

Nachfrage passend zum Serviceziel.

Für die Planung zählt nicht nur der wahrscheinlichste Wert, sondern auch die Bandbreite, in der die Nachfrage liegen kann. Wer nur mit dem wahrscheinlichsten Wert plant, ist oft zu knapp. Unser Modell prognostiziert deshalb zu jedem Artikel auch diese Bandbreite. Daraus ergibt sich die Menge, die zum gewünschten Servicelevel passt: so viel Bestand, dass der Artikel verlässlich lieferbar ist, und nicht mehr.

Grundlage NeurIPS 2024 ICLR 2025

04 Anwendung: die Bestellplanung

Bestellungen unter allen Rahmenbedingungen.

Die Prognose sagt, was gebraucht wird. Die Bestellmenge hängt von mehr ab. Unsere Optimierung verbindet die Bandbreite der Prognose mit verfügbarem Bestand, offenen Bestellungen und Lieferzeiten, und mit Rahmenbedingungen wie Verpackungseinheiten, Mindestmengen und Staffelpreisen je Artikel oder gemeinsamen Bestellungen beim selben Lieferanten, Frachtfreigrenzen, Lagerplatz und Budget über alle Artikel. Sie berücksichtigt alle gleichzeitig statt Regel für Regel. Deshalb misst sich unser Modell nicht an der schönsten Prognose, sondern an den Kosten im Lager: gebundenes Kapital in Überbeständen und verlorener Umsatz durch Fehlmengen.

Grundlage ECIS 2025 Bertsimas & Kallus 2020

Ihre Bestellbedingungen

Alle Bedingungen, gemeinsam optimiert.

Eine größere Bestellung kann Bestellkosten senken, bindet aber mehr Kapital und Lagerplatz. Unsere mathematische Optimierung berücksichtigt diese Zielkonflikte und alle vorgegebenen Bedingungen gleichzeitig, über Artikel und Termine hinweg.

Staffelpreise Bestellmengen nach Gesamtkosten berechnen.

Größere Bestellmengen senken den Stückpreis, können aber Lagerkosten, Kapitalbindung und Verfallsrisiko erhöhen.

Wann lohnt sich die größere Menge?

So rechnet SOLISTIQ

SOLISTIQ wägt Preisstaffeln und Mengenrabatte gegen Lager- und Kapitalkosten sowie mögliche Restbestände ab. Daraus werden wirtschaftlich passende Bestellmengen berechnet.

Haltbarkeit Verfügbarkeit und Verfallsrisiko gemeinsam einplanen.

Ausreichend Ware sichert die Lieferfähigkeit; zu große Mengen können vor dem Verkauf ihre nutzbare Restlaufzeit verlieren.

Jede Charge hat ihr eigenes Verkaufsfenster.

So rechnet SOLISTIQ

SOLISTIQ berechnet Bestellmengen aus erwartetem Bedarf, vorhandenen Chargen und erforderlicher Restlaufzeit. So fließen Lieferfähigkeit und das Risiko von Abschreibungen in dieselbe Entscheidung ein.

Lieferfähigkeit Bestellmengen an Ihren Verfügbarkeitszielen ausrichten.

Eine höhere Lieferfähigkeit erfordert meist mehr Bestand – und bindet zusätzliches Kapital.

Lieferfähigkeit und Bestand gemeinsam abwägen.

So rechnet SOLISTIQ

Sie setzen die Ziele je Artikel oder Warengruppe. SOLISTIQ berechnet dazu passende Bestellmengen unter Berücksichtigung von Nachfrage, Lieferzeiten und Bestandskosten.

Bestellkosten Bestellgröße und Häufigkeit gemeinsam berechnen.

Viele kleine Bestellungen erhöhen Bestell-, Transport- und Handlingaufwand; wenige große Lieferungen erhöhen Lagerbestand und Lagerkosten.

Klein und häufig oder groß und selten?

So rechnet SOLISTIQ

SOLISTIQ wägt die Kosten je Bestellung und Lieferung gegen die Kosten der Lagerhaltung ab. Daraus entstehen Mengen und Bestellrhythmen, die zu Ihrem Bedarf und Ihren Abläufen passen.

Lager & Liquidität Mengen und Termine innerhalb Ihrer Grenzen planen.

Der Bedarf muss gedeckt werden, obwohl Lagerplatz, Bestandswert oder verfügbare Liquidität begrenzt sind.

Lagerplatz und Liquidität einplanen.

So rechnet SOLISTIQ

SOLISTIQ berechnet Bestellvorschläge unter Ihren Kapazitäts- und Budgetgrenzen. Lieferfähigkeit, Lieferantenvorgaben und die Kosten zusätzlicher Bestellvorgänge fließen gemeinsam ein.

Langsamdreher Bevorratung auf Bedarf und Kritikalität abstimmen.

Seltene Bedarfe sind schwer vorherzusehen: Vorräte binden oft lange Kapital, fehlende Ersatzteile können jedoch besonders kritisch sein.

Auch die Zeit zwischen Verkäufen zählt.

So rechnet SOLISTIQ

SOLISTIQ berücksichtigt Verkaufspausen, Lieferzeiten und die gewünschte Lieferfähigkeit je Artikel. Daraus werden Bestellmengen für Langsamdreher und Ersatzteile abgeleitet.

Einkaufskonditionen

Staffelpreise und Mengenrabatte.

Größere Bestellmengen senken den Stückpreis, können aber Lagerkosten, Kapitalbindung und Verfallsrisiko erhöhen.

Bestellmengen nach Gesamtkosten berechnen.

SOLISTIQ wägt Preisstaffeln und Mengenrabatte gegen Lager- und Kapitalkosten sowie mögliche Restbestände ab. Daraus werden wirtschaftlich passende Bestellmengen berechnet.

Wann lohnt sich die größere Menge?

Bei gleichem Bedarf stehen dem günstigeren Einkauf Lager- und Kapitalkosten sowie mögliche Restbestände gegenüber.

Schematische Darstellung

Haltbarkeit und Bestand

Haltbarkeit und Restlaufzeiten.

Ausreichend Ware sichert die Lieferfähigkeit; zu große Mengen können vor dem Verkauf ihre nutzbare Restlaufzeit verlieren.

Verfügbarkeit und Verfallsrisiko gemeinsam einplanen.

SOLISTIQ berechnet Bestellmengen aus erwartetem Bedarf, vorhandenen Chargen und erforderlicher Restlaufzeit. So fließen Lieferfähigkeit und das Risiko von Abschreibungen in dieselbe Entscheidung ein.

Jede Charge hat ihr eigenes Verkaufsfenster.

Jede Charge ist unterschiedlich lange nutzbar; der nächste Zugang muss zu Bedarf und Verkaufsfenster passen.

Schematische Darstellung

Wirtschaftliche Planung

Lieferfähigkeit und Kapitalbindung.

Eine höhere Lieferfähigkeit erfordert meist mehr Bestand – und bindet zusätzliches Kapital.

Bestellmengen an Ihren Verfügbarkeitszielen ausrichten.

Sie setzen die Ziele je Artikel oder Warengruppe. SOLISTIQ berechnet dazu passende Bestellmengen unter Berücksichtigung von Nachfrage, Lieferzeiten und Bestandskosten.

Lieferfähigkeit und Bestand gemeinsam abwägen.

Zwischen Fehlmengen und Bestand gibt es immer eine Abwägung. SOLISTIQ berechnet die optimalen Kombinationen: für jedes Niveau an Fehlmengen den niedrigsten Bestand, der es erreicht. Sie wählen, welcher Punkt zu Ihren Prioritäten passt.

Schematische Darstellung

Bestellgröße und Häufigkeit

Bestellkosten und Handling.

Viele kleine Bestellungen erhöhen Bestell-, Transport- und Handlingaufwand; wenige große Lieferungen erhöhen Lagerbestand und Lagerkosten.

Bestellgröße und Häufigkeit gemeinsam berechnen.

SOLISTIQ wägt die Kosten je Bestellung und Lieferung gegen die Kosten der Lagerhaltung ab. Daraus entstehen Mengen und Bestellrhythmen, die zu Ihrem Bedarf und Ihren Abläufen passen.

Klein und häufig oder groß und selten?

Derselbe Bedarf kann mit unterschiedlichen Liefermengen und Bestellrhythmen gedeckt werden.

Schematische Darstellung

Betriebliche Grenzen

Lager- und Liquiditätsgrenzen.

Der Bedarf muss gedeckt werden, obwohl Lagerplatz, Bestandswert oder verfügbare Liquidität begrenzt sind.

Mengen und Termine innerhalb Ihrer Grenzen planen.

SOLISTIQ berechnet Bestellvorschläge unter Ihren Kapazitäts- und Budgetgrenzen. Lieferfähigkeit, Lieferantenvorgaben und die Kosten zusätzlicher Bestellvorgänge fließen gemeinsam ein.

Lagerplatz und Liquidität einplanen.

Verfügbarer Lagerplatz und Liquidität begrenzen die möglichen Bestellmengen und Liefertermine.

Schematische Darstellung

Sporadischer Bedarf

Langsamdreher.

Seltene Bedarfe sind schwer vorherzusehen: Vorräte binden oft lange Kapital, fehlende Ersatzteile können jedoch besonders kritisch sein.

Bevorratung auf Bedarf und Kritikalität abstimmen.

SOLISTIQ berücksichtigt Verkaufspausen, Lieferzeiten und die gewünschte Lieferfähigkeit je Artikel. Daraus werden Bestellmengen für Langsamdreher und Ersatzteile abgeleitet.

Auch die Zeit zwischen Verkäufen zählt.

Verkaufspausen, Lieferzeit und Verfügbarkeitsziel bestimmen die Planung gemeinsam.

Schematische Darstellung

Aus der Forschung.
In die Praxis.

Unsere Technologie entstand aus unserer Forschung in der Gruppe Data Driven Decisions (D3) an der Julius-Maximilians-Universität Würzburg. Mit SOLISTIQ bringen wir sie als Ausgründung der Universität in die Praxis.