Vergleich & Alternativen

Circly oder KI-Eigenbau? Bedarfsplanung für FMCG im Vergleich 2026

Mit KI-Assistenten und etwas Entwicklerhilfe können Teams ein eigenes Werkzeug für Prognosen und Bestellvorschläge bauen, als Alternative zu einer Bestandsoptimierungssoftware. Welcher der beiden Wege trägt, zeigt sich nicht nur an Ihrem Sortiment und Ihren Bestellregeln, sondern auch daran, ob es wirklich Alltagstauglich ist und wer das Tools später betreut, die Datensicherheit garantiert und serviciert.

Wer die Disposition eines FMCG-Unternehmens mit Software unterstützt, muss zwei Fragen beantworten: Wie gut schätzt das Werkzeug den künftigen Bedarf? Und wie entstehen daraus Bestellungen, die zu Haltbarkeit, Lieferantenkonditionen und Lagerstruktur passen? Eine fertige Software wie Circly und ein selbst gebautes Werkzeug können beide hilfreich sein, mit unterschiedlichen Vor- und Nachteilen.

Dieser Beitrag stammt von Circly, einem Anbieter von Software für die Bedarfsplanung. Betrachtet werden Circlys Absatzprognosen, Absatzplanung und Bestellvorschläge sowie ein Werkzeug für Prognose und Bestellvorschläge, das ein Unternehmen mit KI-Assistenten für die Programmierung und Unterstützung von Entwicklern selbst baut. Für die genannten Werkzeuge und Studien wurden ausschließlich deren öffentliche Quellen ausgewertet, für Circly zusätzlich eigene Produktinformationen (Stand: 13. November 2026). Ein gemeinsamer Leistungstest liegt dem Beitrag nicht zugrunde. Was ein Eigenbau leistet, hängt von seiner Umsetzung ab.

Funktionen und Fragen für die Entscheidung

Die Tabelle stellt beide Wege nebeneinander und nennt je Thema eine Frage, die Sie an Circly und an das eigene Projektteam richten können. Angaben zu KI-Werkzeugen stützen sich auf deren öffentliche Dokumentation, Circly-Angaben zusätzlich auf eigene Produktinformationen (Stand: 13. November 2026).

Thema

Frage an beide Wege

Circly

KI-Eigenbau

Prognose und Daten

Welche Daten und Verfahren nutzt die Prognose? Wie wird ihre Qualität laufend gemessen?

KI-gestützte Absatzprognosen¹ nutzen Verkaufshistorie, Stammdaten, Aktionsdaten, Lagerbestände, Kassendaten (POS) und weitere externe Faktoren wie Wetter, Saisonalität oder Trends. Ausreißer werden transparent gemacht, Tracking und Reporting sind integriert.

Bibliotheken wie StatsForecast² bieten verbreitete statistische Verfahren wie ARIMA und ETS, Verfahren für sporadische Nachfrage und externe Einflussgrößen. Auswahl, Datenaufbereitung und Qualitätsmessung legt das Team fest.

Fehlbestandszeiten

Wie unterscheidet das Werkzeug Nullverkäufe bei leerem Regal von fehlender Nachfrage? Welche Daten braucht es?

Liefert das ERP Fehlbestandsinformationen, erkennt Circly die Perioden und behandelt sie in der Prognose als Lücke statt als Nullnachfrage³.

Eine Bibliothek rechnet mit den Werten, die sie bekommt. Erkennung und Behandlung von Fehlbestandszeiten entwirft das Team, mit denselben ERP-Daten als Voraussetzung.

Bestellregeln

Welche Menge entsteht bei kurzer Restlaufzeit, Mindestbestellwert und Verpackungseinheit? Welche Regel hat Vorrang?

Circly deckelt die Menge, wenn die Restlaufzeit kürzer ist als die erwartete Lagerdauer⁴, und prüft Mindestbestellwert, Gewicht oder Verpackungseinheiten; sichtbar ist, welche Anforderungen noch nicht erfüllt sind⁵.

Jede Regel wird mit Stammdaten versorgt, programmiert und getestet; die Rangfolge bei Konflikten legt das Team fest.

Erklärung

Woran erkennt der Disponent, warum ein Vorschlag eine bestimmte Menge nennt?

Circly zeigt bis auf Artikelebene, wie ein Vorschlag zustande kommt, die Einflussstärke der versch. Faktoren und wo Lieferantenregeln oder Rundungen die Menge angepasst haben⁵. Zusätzlich werden Visualisierungen und Graphen genutzt. Rückfragen beantwortet zudem der KI-Agent Colly (Alpha) im Dialog.

Der Code ist vollständig einsehbar. Was ein Disponent zu einer Menge sieht, hängt von der gebauten Darstellung ab.

ERP-Anbindung

Welche Daten, Schnittstellen und Zuständigkeiten erfordert die konkrete ERP-Version?

Programmierschnittstelle (REST API) und Integrationspfade wie CSV und automatisierte Importe, Anpassungen an individuelle Schnittstellen sind möglich¹; Partnerschaften unter anderem mit SIEVERS-GROUP, COPA, DRS AG und GUS⁶.

Lese- und Schreibzugriffe über die Schnittstellen des ERP programmiert und pflegt das Team; ERP-Updates gehören in die Wartungsplanung.

Datenschutz

Wo werden Unternehmensdaten verarbeitet und gespeichert, in der Entwicklung und im Betrieb?

Ausschließlich europäische Infrastruktur bei Hetzner in Österreich und Deutschland⁷, DSGVO-konform und mandantenspezifisch; Kundendaten werden nicht für Trainings anderer Mandanten oder für Dritte verwendet.

Den Betriebsort bestimmt das Unternehmen. In der Entwicklung verarbeitet der Assistent, was er liest: Anfragen können laut Anthropic über die USA, Europa, Asien oder Australien laufen, gespeichert wird in den USA⁸; unter kommerziellen Bedingungen trainiert Anthropic nicht mit Code aus Claude Code⁹.

Sicherheit

Wer verantwortet Updates, Zugriffsrechte und die Sicherheit des Codes?

Code, Updates und Betrieb verantwortet Circly; die Rechenzentren von Hetzner sind nach ISO 27001 zertifiziert⁷, sensible Daten mit AES-256 verschlüsselt und nur zuständigen Projektmitarbeitern zugänglich¹⁰.

Hosting, Zugriffe und Updates verantwortet das Unternehmen. Claude Code fragt laut Anthropic vor Änderungen um Erlaubnis und kann Befehle in einer Sandbox ausführen; die Prüfung des Codes liegt beim Nutzer¹¹, ebenso bei GitHub Copilot¹².

Betrieb und Support

Wer überwacht den täglichen Lauf, beantwortet Fragen und übernimmt, wenn die Person ausfällt, die das Werkzeug kennt?

Neue Prognosen liegen in der Regel jede Nacht vor¹. Technischer und fachlicher Support ist werktags von 10 bis 18 Uhr erreichbar¹⁰; das Onboarding begleitet Circly bis zur vollständigen Integration⁷.

Betrieb, Überwachung, Wartung und Vertretung organisiert das Unternehmen. Laut Google-Forschern sind Systeme mit maschinellem Lernen vergleichsweise schnell gebaut, ihre Wartung über die Zeit aber schwierig und kostspielig¹³.

Zuschnitt

Welche betriebseigenen Regeln lassen sich abbilden, und wer ändert sie, wenn sich der Ablauf ändert?

Regeln und Parameter im Rahmen der Produktfunktionen; Anpassungen an individuelle Schnittstellen sind möglich. Eine eigene Programmlogik je Kunde gehört nicht zum beschriebenen Umfang.

Jede Regel, Sicht und Auswertung lässt sich nach eigenem Bedarf programmieren und ändern. Laut einer Übersichtsarbeit passen fertige Werkzeuge von ML-Plattformen oft schlecht, weil ML-Lösungen stark vom einzelnen Problem abhängen¹⁴.

Kontrolle

Wem gehören Code, Modelle und Daten, und was geschieht bei einem Wechsel?

Circly wird als Software-Service betrieben; Audit-Log und Prognoseliste lassen sich als CSV exportieren¹⁵, nach Vertragsende werden die Daten gelöscht⁷. Ein Betrieb auf eigenen Servern gehört nicht zum beschriebenen Umfang.

Code, Modelle, Daten und Betriebsort liegen vollständig beim Unternehmen; Änderungen und Zeitpunkte bestimmt es selbst.

Wann sich ein genauerer Blick auf Circly lohnt

Circly spezialisiert sich auf Hersteller, Großhändler und Einzelhändler von Lebensmitteln, Getränken und anderen schnelldrehenden Konsumgütern im deutschsprachigen Raum. Im Fokus stehen Unternehmen, die ihre Disposition eigenständig leiten, unabhängig von ihrer Eigentümerstruktur. Sie nutzen ein ERP-System und verfügen über mindestens zwölf Monate Absatzhistorie. Für diese Betriebe ist Circly über die ganze Strecke gebaut: Circly Absatzprognosen, Circly Absatzplanung und Circly Bestellvorschläge.

Die Absatzprognosen¹ rechnen in der Regel jede Nacht je Artikel eine erwartete Menge aus Absatzhistorie, Saisonalität und Aktionen, je nach Komplexität auch aus Wetter und Kassendaten. In der Absatzplanung¹⁵ passen Planer Werte an und frieren sie ein; der nächste Rechenlauf überschreibt sie nicht. Die Bestellvorschläge führen Prognose, Bestand, offene Bestellungen, Sicherheitsbestand und Lieferzeit zu einer Menge je Artikel zusammen. Keine Bestellung verlässt das System ohne ausdrückliche Bestätigung des Disponenten¹⁶.

Auch die Regeln des Sortiments rechnet Circly mit: Das MHD deckelt die Menge, und bei langsam drehenden Artikeln ist der Sicherheitsbestand begrenzt. Für jede Lieferantenvorgabe, etwa Mindestbestellmenge, Verpackungseinheit, Mindestbestellwert, Gewicht, Lieferzeit und Liefertage, zeigt Circly, ob sie erfüllt ist⁴.

Als Alpha-Version steht allen Kunden zudem der KI-Agent Colly bereit. Er beantwortet Fragen zu Artikeln, Beständen, Prognosen und Bestellungen aus den eigenen Circly-Daten und schlägt Änderungen vor, die erst mit Zustimmung des Disponenten greifen.

Circly-Dashboard mit Umsatzverlauf, Umsatz pro Wochentag und dem KI-Agenten Colly in Menü und Kopfzeile

Das Circly-Dashboard (Demodaten) mit Umsatzverlauf; über Colly in der Kopfzeile lassen sich Fragen direkt im Dialog stellen.

Betrieben wird Circly auf europäischer Infrastruktur bei Hetzner in Österreich und Deutschland, in Rechenzentren mit ISO-27001-Zertifizierung⁷. Die Daten werden mandantenspezifisch verarbeitet, also je Kunde getrennt, und nicht für Trainings anderer Mandanten oder für Dritte verwendet. Nach Vertragsende werden sie gelöscht, und eine Auftragsverarbeitungsvereinbarung ist Teil des Onboardings.

Angebunden wird Circly über eine REST API, CSV oder automatisierte Importe¹, mit Partnern wie SIEVERS-GROUP, COPA, DRS AG und GUS⁶. Das Onboarding startet typischerweise mit einer 90-minütigen Kickoff-Session zu Datenstrukturen, Schnittstellen und Fachprozessen. Danach begleitet Circly bis zur vollständigen Integration, und der Support beantwortet technische wie prozessuale Fragen⁷.

Anforderungen, für die Sie Circly näher prüfen können

  • Sie disponieren Lebensmittel, Getränke oder andere FMCG-Sortimente im deutschsprachigen Raum.
  • Ihre Planer sollen Mengen anpassen und einfrieren, ohne dass der nächste Rechenlauf sie überschreibt.
  • Ihre Artikel tragen ein MHD, und Ihre Lieferanten geben Mindestbestellwert, Gewicht oder Verpackungseinheiten vor.
  • Ihre Absatzhistorie enthält Fehlbestandszeiten, und Ihr ERP kann dazu Informationen liefern.
  • Ihre IT soll Prognose und Disposition nicht selbst entwickeln, betreiben und absichern.
  • Ihre Daten sollen auf europäischer Infrastruktur verarbeitet werden, mit Auftragsverarbeitungsvereinbarung.
  • Sie wünschen eine Begleitung, die Einführung und laufenden Betrieb abdeckt.
  • Sie möchten einen KI-Agenten, der durch die Anwendung führt und Fragen zu Prognosen und Bedarfsplanung beantwortet.

Schnittstellen, Regeln, Schulung und Betreuung gehören in das Angebot; eine Partnerbeziehung allein belegt keinen fertigen Konnektor für jede ERP-Version.

Was Sie vor einer Entscheidung für Circly klären sollten

  • Fertigungssteuerung: Circly liefert Absatz- und Bedarfsmengen. Produktionskapazitäten, Rüstzeiten und Fertigungssequenzen sind nicht Teil der beschriebenen Module.

  • Kurze Datenhistorie: Für die Prognose nennt Circly idealerweise zwei bis drei Jahre Verkaufsdaten¹. Weniger als zwölf Monate sind Anlass für eine Datenprüfung; welcher Zeitraum je Modul nötig ist, klärt das Angebot.

  • Eigene Programmlogik und eigener Betrieb: Regeln außerhalb der Produktfunktionen und ein Betrieb auf eigenen Servern gehören nicht zum beschriebenen Umfang.

  • Umfangreiche Planungsprozesse: Die dokumentierte Absatzplanung umfasst keine parallelen Planversionen.

  • Bindung an den Anbieter: Klären Sie Datenexport, Vertragslaufzeit und den Umgang mit Planwerten und Historie, bevor der Vertrag endet; danach werden die Daten gelöscht⁷.

Wann sich ein genauerer Blick auf den KI-Eigenbau lohnt

Ein KI-Eigenbau entsteht, wenn ein Unternehmen sein Werkzeug für Prognose und Bestellvorschläge selbst programmiert und sich dabei von KI-Assistenten helfen lässt. Anthropic beschreibt Claude Code als Werkzeug, das Code liest, Dateien ändert und Befehle ausführt¹⁷; ChatGPT schreibt und führt für manche Datenanalysen Python-Code aus¹⁸. Programmbibliotheken wie StatsForecast bringen erprobte Verfahren mit, und vortrainierte Modelle wie Chronos prognostizieren laut ihren Entwicklern auf neuen Daten ohne eigenes Training ähnlich gut wie eigens trainierte Verfahren, teils auch darüber¹⁹. Etwas anderes ist es, Excel-Daten nur im Chat auswerten zu lassen; dafür nennen Anthropic²⁰ und Microsoft²¹ selbst Grenzen.

Wie viel Zeit die Assistenten sparen, hängt von Aufgabe und Erfahrung ab. In drei Feldexperimenten mit 4.867 Entwicklern erledigten die Nutzer eines Werkzeugs zur Code-Vervollständigung 26 Prozent mehr Aufgaben²². In einer randomisierten Studie mit 16 erfahrenen Open-Source-Entwicklern brauchten diese in ihren etablierten Projekten dagegen 19 Prozent länger; bei kleinen Neuprojekten halten die Autoren deutliche Zeitgewinne für vereinbar mit ihren Ergebnissen²³. Inzwischen halten sie einen größeren Zeitgewinn als 2025 für wahrscheinlich, bei ausdrücklich schwacher Datenlage²⁴. Die DORA-Studie von Google fasst zusammen, KI repariere kein Team, sie verstärke, was schon da ist²⁵.

Sculley und Kollegen von Google, die vor dem Wartungsaufwand von Systemen mit maschinellem Lernen warnen, halten zugleich fest: Eine schlanke eigene Lösung kann weniger kosten als viel Verbindungscode um ein allgemeines ML-Paket¹³.

Anforderungen, für die Sie einen KI-Eigenbau näher prüfen können

  • Ihr Unternehmen hat Entwickler oder eine IT, die Datenschnittstellen betreibt und ein Werkzeug dauerhaft betreuen kann.
  • Ihre Disposition folgt Regeln, die über Standardfunktionen hinausgehen oder sich häufig ändern.
  • Code, Modelle, Daten und Betriebsort sollen vollständig im eigenen Haus bleiben.
  • Sie möchten mit eigenen Daten zunächst verstehen, was Prognosen leisten, bevor Sie eine Software auswählen.
  • Das Werkzeug soll eng mit eigenen Datenbanken, Auswertungen oder BI-Systemen verzahnt werden.

Was Sie vor einer Entscheidung für einen KI-Eigenbau klären sollten

  • Verantwortung für den Code: Anthropic¹¹ und GitHub¹² legen die Prüfung generierten Codes ausdrücklich in die Hand der Nutzer. Klären Sie, wer Code, Tests und Datenzugriffe vor jeder Änderung freigibt.

  • Sicherheit und Vertretung im Betrieb: Wer spielt Updates ein, überwacht Zugriffe und übernimmt bei Urlaub oder Wechsel? 63 Prozent von 269 befragten Entwicklern sahen im Vorjahr bei mindestens einem Projekt ein hohes Risiko, dass niemand mehr übrig bleibt, der es weiterführen kann²⁶.

  • Daten in der Entwicklung: Welche Daten liest der Assistent, unter welchem Vertrag⁹ und mit welchem Speicherort⁸?

  • Fachlogik und Abnahme: Welche Bestellregeln sind vollständig beschrieben, und gegen welche einfache Vergleichsmethode wird die Prognose getestet?

Diese Punkte schließen einen Eigenbau nicht aus. Sie gehören in den Projektplan, bevor die erste Bestellung aus dem Werkzeug kommt.

Fertiges Produkt und eigener Zuschnitt

Circly bringt die Regeln für Lebensmittel-, Getränke- und andere FMCG-Sortimente fertig mit; ein Eigenbau bildet auch Abläufe ab, die kein Standardprodukt kennt.

Für einen Getränkegroßhändler mit Paletten, Mindesthaltbarkeit und Lieferantenvorgaben zählen fertige Bestellregeln. Für einen Hersteller mit eigenem Datenteam und einer Zuteilungslogik, die es nur im eigenen Haus gibt, kann der eigene Zuschnitt den Ausschlag geben. Prüfen Sie deshalb bei beiden Wegen, welche Abläufe fertig vorliegen und welche erst gebaut werden müssen.

Was zwischen Prognose und Bestellung passiert

Den Code für eine Prognose schreibt ein KI-Assistent schnell. Benjamin Obling, Produktchef beim Planungssoftware-Anbieter Roima Intelligence, sagt in einer Podcastfolge zur Produktionsplanung (übersetzt): „Sie können in ein paar Stunden oder Tagen etwas bauen, das großartig aussieht. Das Problem ist der Weg von dort zu etwas, das Sie wirklich in Ihrer Produktion und Ihrer Lieferkette einsetzen. Der dauert lange.“²⁷

Zwischen Prototyp und Alltag liegen fünf Prüfstellen: verbindliche Planwerte, Fehlbestände in der Historie, Haltbarkeit und Mindestmengen, ein fairer Test der Prognose und die Nachvollziehbarkeit jeder Menge. Geprüft werden sie bei Circly in der Demo, beim Eigenbau in der Abnahme, jeweils am eigenen Sortiment.

Ein eingefrorener Planwert muss den Rechenlauf überstehen

Ein Getränkehersteller erwartet einen zusätzlichen Auftrag einer Handelskette. In der Absatzhistorie steht davon nichts. In der Circly Absatzplanung friert das Planungsteam die angepasste Menge für den Zeitraum ein, auch je Abnehmer¹⁵. Die ursprüngliche KI-Prognose bleibt zum Vergleich erhalten, und das Audit-Log zeigt, wer wann einen Wert angepasst, eingefroren oder zurückgesetzt hat.

Circly Absatzplanung mit eingefrorenen und angepassten Planwerten je Kalenderwoche

Die Circly Absatzplanung (Demodaten): eingefrorene Werte blau, angepasste mit Abweichung zur KI-Prognose.

Im Eigenbau braucht dieselbe Situation drei Bausteine: einen Speicher für Planwerte, eine Regel, die ihnen Vorrang vor der nächsten Neuberechnung gibt, und ein Protokoll der Änderungen. Der Test ist bei beiden Wegen derselbe: einen Planwert ändern, die Prognose neu rechnen lassen und prüfen, ob der Wert erhalten und die Änderung protokolliert ist.

Nullverkäufe können fehlende Ware bedeuten

Die Absatzhistorie zeigt Verkäufe, nicht Nachfrage. War ein Artikel nicht im Regal, steht dort eine Null, obwohl Kunden ihn gesucht haben. Ohne Verfügbarkeitsdaten ist aus den Verkäufen allein schwer zu unterscheiden, ob ein Nullverkauf auf fehlende Ware oder auf sporadische Nachfrage zurückgeht; wer nur Verkaufsdaten nutzt, unterschätzt die Nachfrage, so die Übersichtsarbeit von Fildes, Ma und Kolassa zur Handelsprognose²⁸.

Liefert das ERP Informationen zu Fehlbeständen, erkennt Circly die betroffenen Perioden und behandelt sie in der Bedarfsprognose als Lücke statt als Nullnachfrage³. Eine Standardbibliothek im Eigenbau rechnet zunächst mit den Werten, die sie bekommt; Datenquelle, Erkennung und Behandlung der Lücken entwirft das Team selbst. Lassen Sie beide Wege einen Artikel mit einer bekannten Nichtverfügbarkeit rechnen und vergleichen Sie, wie sich die Prognose nach der Wiederverfügbarkeit entwickelt.

Haltbarkeit und Mindestmengen gemeinsam prüfen

Im Frischesortiment muss die Bestellmenge zur verbleibenden Haltbarkeit passen, und der Lieferant gibt Mindestmengen und Verpackungseinheiten vor. Circly deckelt die vorgeschlagene Menge, wenn die Restlaufzeit kürzer ist als die Zeit, die der Bestand bei der prognostizierten Nachfrage im Lager stünde⁴. Die Regel reduziert das Verderbsrisiko, garantiert aber keinen Abverkauf.

Ein gemeinsamer Demofall: Bis zum Ende der Restlaufzeit erwarten Sie den Verkauf von 20 Kartons, acht sind auf Lager. Der Lieferant verlangt mindestens 24 Kartons je Bestellung. Rechnerisch fehlen zwölf Kartons, die Mindestmenge ist doppelt so hoch. Welche Regel gewinnt? Im Eigenbau muss das Team diese Rangfolge festlegen, bevor die erste Bestellung rausgeht. Bei Circly zeigt die Demo, wie der Konflikt angezeigt wird und wie eine bewusste Abweichung dokumentiert ist. Lieferzeit, offene Zugänge und Sicherheitsbestand gehören bei beiden Wegen in die Rechnung.

Eine Prognose muss sich gegen eine einfache Methode beweisen

Ob eine Prognose etwas taugt, zeigt erst der Vergleich mit einer einfachen Methode, etwa dem Vorjahreswert oder einer exponentiellen Glättung (einem Verfahren, das jüngere Werte stärker gewichtet). Wie schwer das ist, zeigt der M5-Wettbewerb mit Absatzdaten von Walmart: Von 5.507 Teams schlugen 7,5 Prozent die stärkste einfache Vergleichsmethode, eine exponentielle Glättung. Auf Artikel- und Filialebene lag der durchschnittliche Vorsprung der 50 vorderen Teams bei rund 3 Prozent²⁹.

Circly bewertet die Genauigkeit als prozentuale Abweichung zwischen Prognose und tatsächlichem Absatz¹; im Eigenbau entwirft das Team Testaufbau und Messung selbst. Für beide Wege gilt derselbe faire Test: rückwirkend prognostizieren, nur mit damals bekannten Daten, und je Artikelgruppe gegen die einfachen Methoden halten.

Erklärungen müssen überprüfbar bleiben

Ein Disponent gibt nur frei, was er nachvollziehen kann. Circly zeigt dafür auf Artikelebene, wie ein Vorschlag zustande kommt, welche Faktoren Einfluss hatten und wo Regeln oder Rundungen die Menge angepasst haben⁵. In Colly lässt sich direkt fragen, warum eine Menge so ausfällt; eine verständliche Antwort belegt allerdings noch keine korrekte Ursachenanalyse. Im Eigenbau ist der Code vollständig einsehbar, eine Darstellung für den Disponenten muss aber erst gebaut werden.

Fragen Sie bei beiden Wegen, warum ein Vorschlag trotz sinkender Nachfrage steigt, und lassen Sie sich Bestand, Lieferzeit, Sicherheitsbestand und Rundungsregeln zeigen.

Integration, Datenschutz und Betreuung im Betrieb

Beide Wege hängen am ERP: Circly über REST API und Importpfade¹, der Eigenbau über selbst programmierte Zugriffe. Angebot oder Projektplan sollten bei beiden Datenfelder, Rhythmus, Fehlerbehandlung, Rückgabe der Bestellungen und Zuständigkeiten benennen.

Datenschutz und IT-Sicherheit verdienen bei beiden Wegen dieselbe Sorgfalt wie die Prognose. Laut Bundeslagebild Cybercrime 2025 des BKA richteten sich rund 90 Prozent der polizeilich erfassten Ransomware-Angriffe in Deutschland gegen kleine und mittlere Unternehmen³⁰. Ransomware verschlüsselt Daten und fordert Lösegeld. In Österreich richtete sich der überwiegende Teil der angezeigten Fälle gegen Unternehmen³¹. Getroffen werden nach Einschätzung des BSI vor allem Unternehmen mit den schwächsten Sicherheitsvorkehrungen, nicht unbedingt die mit dem größten Erpressungspotenzial³². Das betrifft die gesamte IT eines Unternehmens, gleich welchen Weg es für die Disposition wählt.

Bei Circly liegen die Daten bei Hetzner in Österreich und Deutschland⁷. Mit Circly kommt allerdings ein Dienstleister hinzu, dessen zuständige Projektmitarbeiter auf sensible Daten zugreifen können¹⁰; Zugriffsrechte, Unterauftragsverarbeiter und Meldewege gehören ins Angebot. Beim Eigenbau entscheidet das Unternehmen selbst, wo die Daten liegen, und trägt die Verantwortung für Updates, Zugriffsrechte und Überwachung.

Generierter Code braucht eine eigene Sicherheitsprüfung, gleich wer ihn einsetzt. Das BKA warnt im selben Lagebild, Vibe Coding (Programmieren mit Anweisungen in Alltagssprache an eine KI, auch ohne Programmierkenntnisse) könne bei unvorsichtiger Nutzung eine Vielzahl von Sicherheitsrisiken bergen, vor allem wenn Software vollständig mit KI geschrieben wird³⁰. BSI und ANSSI empfehlen, generierten Code grundsätzlich von den Entwicklern prüfen und nachvollziehen zu lassen³³.

Im Alltag zählt, wer erreichbar ist, wenn eine Bestellung nicht plausibel wirkt oder Daten fehlen: bei Circly der technische und fachliche Support, werktags von 10 bis 18 Uhr¹⁰, für Rückfragen zu einzelnen Mengen zudem der KI-Agent Colly. Beim Eigenbau organisiert das Unternehmen Überwachung, Fehlerbehebung und Vertretung. Obling vergleicht das mit Excel (übersetzt): „Es ist erstaunlich, was man in Excel alles machen kann […], aber es ist auch extrem fragil und hängt extrem an einzelnen Personen. In genau dieselbe Falle gerät man mit Vibe Coding, weil dann diese eine Person das Werkzeug baut und es einigermaßen versteht. Und was machen Sie, wenn es kaputtgeht?“²⁷

Paleyes und Kollegen nennen die laufende Überwachung von Eingangsdaten und Modellgüte in ihrer Übersichtsarbeit ein ungelöstes Problem¹⁴. Auch Bibliotheken altern: Die Prognosebibliothek Prophet von Meta ist seit Version 1.4.0 im Wartungsmodus und erhält keine neuen Funktionen mehr³⁴.

So lässt sich die Auswahl belastbar prüfen

  1. Anforderungen vor der Entscheidung gewichten. Datenschutz, Zugriffsrechte und Reaktionszeiten im Störfall gehören auf dieselbe Liste wie Prognose und Bestellregeln. Disposition, Planung und IT sollten gemeinsam bewerten, auch den Aufwand für den dauerhaften Betrieb.

  2. Dieselben Fälle prüfen. Verwenden Sie normale Artikel und schwierige Ausnahmen aus dem eigenen Sortiment, etwa eine fixierte Aktionsmenge, kurze Haltbarkeit, unvollständige Paletten und bekannte Fehlbestandszeiten.

  3. Prognose und Bestellung getrennt bewerten. Vereinbaren Sie identische Artikel, Prognosehorizonte und Datenstände und testen Sie rückwirkend nur mit Informationen, die zum jeweiligen Prognosezeitpunkt bekannt waren. Eine einfache Vergleichsmethode ist die Untergrenze.

  4. Gesamtkosten und Nutzen gegenüberstellen. Stellen Sie über denselben Zeitraum gegenüber: bei Circly Lizenz, Anbindung, Datenaufbereitung, Schulung und interne Zeit, beim Eigenbau Entwicklung, Betrieb, Überwachung, Wartung, Sicherheitsprüfung, Vertretung und interne Zeit. Rechnen Sie dagegen die im Test messbaren Verbesserungen. Erfolgszahlen einzelner Kundenberichte oder Studien sind keine Prognose für den eigenen Betrieb.

Die Auswahl am eigenen Bedarf festmachen

Circly ist eine naheliegende Option für FMCG-Unternehmen, die Prognose, verbindliche Mengenplanung und tägliche Disposition mit menschlicher Freigabe als betreute Software auf europäischer Infrastruktur nutzen möchten; prüfen lässt sich das am besten an Planwerten, Fehlbestandszeiten und Lieferantenvorgaben. Ein KI-Eigenbau ist eine naheliegende Option, wenn eigene Entwickler das Werkzeug dauerhaft betreuen und absichern können und betriebseigene Regeln, volle Kontrolle über Code und Daten oder ein Prototyp zum Lernen im Vordergrund stehen.

Den Ausschlag sollten vorgeführte Abläufe, Ergebnisse mit eigenen Daten und der Aufwand für den dauerhaften Betrieb geben. Für eine Circly-Demo anhand Ihrer Anforderungen eignen sich typische Artikel und schwierige Ausnahmen aus dem Betrieb. Die Fragen aus der Tabelle taugen zugleich als Abnahmekriterien für einen Prototyp.

Häufige Fragen zum Vergleich

Kann man eine Software wie Circly mit KI selbst bauen?

Ja, die Bausteine sind verfügbar: KI-Assistenten schreiben den Code, Bibliotheken wie StatsForecast liefern Prognoseverfahren. Der Aufwand liegt in dem, was danach kommt: Bestellregeln, verbindliche Planwerte, Fehlbestände, Datenschutz, Sicherheitsprüfung und ein betreuter täglicher Betrieb. Die Fragen aus der Tabelle eignen sich als Abnahmeliste für einen Prototyp.

Reicht es, Verkaufsdaten aus Excel an einen KI-Assistenten zu geben?

Für Analysen kann das helfen. Die Hersteller nennen selbst Grenzen: Anthropic empfiehlt Claude for Excel nicht für prüfungsrelevante Berechnungen ohne Verifikation²⁰, Microsoft rät, Copilot in Excel nicht für Entscheidungen in sensiblen Bereichen wie Finanzen zu nutzen²¹. Bestellungen binden Geld und Ware; ein Chatverlauf ersetzt keinen täglichen Rechenlauf mit Planwerten und Bestellregeln.

Worin unterscheiden sich Circly und ein KI-Eigenbau?

Circly liefert Prognose, verbindliche Planwerte und Bestellvorschläge mit FMCG-Regeln fertig, betrieben auf europäischer Infrastruktur und mit Support. Ein KI-Eigenbau bildet jede eigene Regel ab und bleibt vollständig in eigener Hand; Bestellregeln, Tests, Datenschutz und Betrieb baut und verantwortet das eigene Team. Welcher Weg passt, zeigt ein Test mit eigenen Artikeln.

Wie lassen sich die Prognosen von Circly und einem Eigenbau fair vergleichen?

Mit demselben rückwirkenden Test: gleiche Artikel, gleicher Zeitraum, nur Daten, die zum jeweiligen Prognosezeitpunkt bekannt waren. Beide Ergebnisse werden je Artikelgruppe gegen eine einfache Methode wie den Vorjahreswert oder eine exponentielle Glättung gehalten. Im M5-Wettbewerb schlugen 7,5 Prozent der Teams die stärkste einfache Vergleichsmethode, eine exponentielle Glättung²⁹.

Wo verarbeiten Circly und ein KI-Eigenbau Unternehmensdaten?

Circly läuft auf europäischer Infrastruktur bei Hetzner in Österreich und Deutschland, mandantenspezifisch und mit Auftragsverarbeitungsvereinbarung. Beim Eigenbau bestimmt das Unternehmen den Betriebsort selbst. Während der Entwicklung liest der KI-Assistent die Daten, mit denen er arbeitet; Anthropic speichert sie in den USA⁸. Wer mit anonymisierten Beispieldaten entwickelt, begrenzt, was der Assistent liest.

Welche Unterstützung gibt es bei Circly und bei einem Eigenbau im Betrieb?

Circly begleitet das Onboarding, typischerweise ab einer 90-minütigen Kickoff-Session, bis zur vollständigen Integration und bietet technischen und fachlichen Support werktags von 10 bis 18 Uhr; Rückfragen zu Prognosen und Bestellungen beantwortet zudem der KI-Agent Colly (Alpha). Beim Eigenbau organisiert das Unternehmen Überwachung, Fehlerbehebung und Vertretung selbst. Klären Sie bei beiden Wegen vorab, wer reagiert, wenn der nächtliche Lauf ausfällt.

Wer ist für KI-generierten Code verantwortlich?

Die Hersteller legen die Prüfung in die Hand der Nutzer. GitHub schreibt, dass Nutzer alle Risiken generierten Codes tragen, einschließlich Sicherheitslücken, Fehlern und Verletzung geistigen Eigentums¹². Bei Claude Code ist der Nutzer dafür verantwortlich, vorgeschlagenen Code und Befehle vor der Freigabe auf Sicherheit zu prüfen¹¹.

Quellen und Rechercheumfang

Öffentliche Quellen wurden am 13. November 2026 geprüft. Die hochgestellten Zahlen im Artikel verweisen auf das Quellenverzeichnis am Ende. Herstellerangaben beschreiben Funktionen und Nutzungsbedingungen, keine unabhängig gemessene Überlegenheit. Korrekturhinweise sind an office@circly.at möglich.

Öffentliche Circly-Quellen

Startseite mit den Fragen zu Datenschutz und Onboarding⁷, Absatzprognosen¹, Absatzplanung¹⁵, Bestellvorschläge⁵, AGB¹⁰ und Integrationspartner⁶, dazu Circly-Fachartikel. Vertiefend zur strategischen Frage, wann sich Bauen oder Kaufen lohnt, dient der Beitrag zur Make-or-buy-Entscheidung³⁵; einen Vergleich zweier fertiger Lösungen zeigt der Beitrag zu Circly und REMIRA³⁶. Circly-Funktionen ohne Fußnote beschreiben den aktuellen Produktstand; Konfiguration und Leistungsumfang bestätigt das konkrete Angebot.

Geprüfte Werkzeug- und Studienquellen

Der Rechercheumfang umfasst die öffentliche Dokumentation von Claude Code, Claude for Excel, Copilot in Excel, GitHub Copilot, ChatGPT sowie der Bibliotheken StatsForecast und Prophet. Dazu kommen wissenschaftliche Arbeiten und Berichte zu Handelsprognose, Prognosewettbewerben, dem Betrieb lernender Systeme und der Produktivität KI-gestützter Programmierung, dazu Lagebilder von BKA, BSI und dem österreichischen Bundeskriminalamt sowie die Empfehlungen von BSI und ANSSI zu KI-Programmierassistenten. Die Zitate aus einer Podcastfolge des Planungssoftware-Anbieters Roima Intelligence sind eigene Übersetzungen aus dem veröffentlichten englischen Transkript. Wo eine Studie als Working Paper oder Autorenfassung gelesen wurde, ist das im Verzeichnis vermerkt. Was ein Eigenbau leistet, hängt von seiner Umsetzung ab; die Beschreibungen bewerten kein einzelnes Projekt.

Quellenverzeichnis

  1. Circly: Präzise Absatzprognosen für Planung & Einkauf

  2. Nixtla: StatsForecast, GitHub

  3. Circly (2026): Stockout-Verzerrung im ERP erkennen und korrigieren

  4. Circly (2026): ABC-Analyse in der Beschaffung: Was sich bei kurzer Haltbarkeit ändert

  5. Circly: Bestellvorschläge für Dispositionsteams im FMCG

  6. Circly: Partnerschaft mit Circly

  7. Circly: Automatisierte Bestellvorschläge für FMCG & Handel

  8. Anthropic: Where are your servers located? Do you host your models on EU servers?

  9. Anthropic: Claude Code Docs: Data usage

  10. Circly: Allgemeine Geschäftsbedingungen

  11. Anthropic: Claude Code Docs: Security

  12. GitHub: Application card: GitHub Copilot inline suggestions

  13. Sculley, D. u. a. (2015): Hidden Technical Debt in Machine Learning Systems, NeurIPS

  14. Paleyes, A., Urma, R.-G. & Lawrence, N. D. (2022): Challenges in Deploying Machine Learning: a Survey of Case Studies, ACM Computing Surveys

  15. Circly: Absatzplanung: KI-Prognosen gezielt steuern

  16. Circly (2026): Servicegrad berechnen: Alpha, Beta und Sicherheitsbestand

  17. Anthropic: Claude Code Docs: Overview

  18. OpenAI: Data analysis with ChatGPT

  19. Ansari, A. F. u. a. (2024): Chronos: Learning the Language of Time Series, TMLR

  20. Anthropic: Use Claude for Excel

  21. Microsoft: Frequently asked questions about Copilot in Excel

  22. Cui, K. Z., Demirer, M., Jaffe, S., Musolff, L., Peng, S. & Salz, T. (2025): The Effects of Generative AI on High-Skilled Work: Evidence from Three Field Experiments with Software Developers

  23. Becker, J., Rush, N., Barnes, E. & Rein, D. (2025): Measuring the Impact of Early-2025 AI on Experienced Open-Source Developer Productivity, METR

  24. METR (2026): We are Changing our Developer Productivity Experiment Design

  25. Google Cloud (2025): Announcing the 2025 DORA Report

  26. Jabrayilzade, E., Evtikhiev, M., Tüzün, E. & Kovalenko, V. (2022): Bus Factor In Practice, ICSE-SEIP

  27. Roima Intelligence: PERITO IBP Podcast #E28: Vibe Code Your Own IBP Solution? Here are the Traps

  28. Fildes, R., Ma, S. & Kolassa, S. (2022): Retail forecasting: Research and practice, International Journal of Forecasting (Working Paper 2019)

  29. Makridakis, S., Spiliotis, E. & Assimakopoulos, V. (2022): The M5 accuracy competition: Results, findings, and conclusions, International Journal of Forecasting (Autorenfassung 2020)

  30. Bundeskriminalamt (2026): Bundeslagebild Cybercrime 2025

  31. Bundesministerium für Inneres, Bundeskriminalamt (2026): Cybercrime Report 2025

  32. BSI (2025): Die Lage der IT-Sicherheit in Deutschland 2025, Kapitel Cybercrime

  33. BSI & ANSSI (2024): AI Coding Assistants

  34. Meta: Prophet, GitHub

  35. Circly (2026): KI für Supply Chain Management Software: bauen oder kaufen?

  36. Circly (2026): Circly und REMIRA im Vergleich 2026: Bedarfsplanung für FMCG

Ähnliche Artikel