Das Startup Datasphere Analytics aus Münster will mit KI-gestützten Prognosen den industriellen Rohstoffeinkauf effizienter machen. Wie das Geschäftsmodell funktioniert und welche Herausforderungen bestehen, bleibt jedoch offen
Das 2022 gegründete Unternehmen Datasphere Analytics mit Sitz in Münster verfolgt das Ziel, industrielle Einkaufsprozesse durch den Einsatz von Künstlicher Intelligenz (KI) datenbasiert zu unterstützen. Nach Angaben des Unternehmens analysiert die Plattform globale Nachrichten- und Marktdaten, um Prognosen für Rohstoff- und Materialpreise zu erstellen. Zielgruppen sind insbesondere Unternehmen aus Chemie, Maschinenbau, Bau und Energie, die stark von volatilen Rohstoffpreisen betroffen sind. Die Plattform befindet sich nach Unternehmensangaben in der Weiterentwicklung und ist bislang vor allem auf den Bereich Commodity-Intelligence ausgerichtet.
Funktionsweise und Geschäftsmodell
Datasphere Analytics bietet laut eigener Darstellung drei zentrale Erlösmodelle an: Einzelprognosen gegen Gebühr, eine abonnementbasierte Softwareplattform sowie projektbasierte Lösungen für Großkunden. Die Prognosen basieren auf der automatisierten Auswertung internationaler Nachrichtenströme und Marktdaten mittels KI-Methoden. Die Software soll dabei helfen, relevante Ereignisse wie Streiks, Lieferkettenunterbrechungen oder regulatorische Änderungen frühzeitig zu erkennen und deren potenzielle Auswirkungen auf Rohstoffpreise abzuleiten. Nach Angaben des Unternehmens ersetzt die Plattform nicht die Erfahrung von Einkäuferinnen und Einkäufern, sondern ergänzt diese um datenbasierte Entscheidungsgrundlagen.
Herausforderungen bei der Einführung
Die Einführung digitaler und KI-gestützter Systeme im industriellen Einkauf stößt laut Datasphere Analytics häufig auf etablierte Prozesse und Skepsis gegenüber neuen Technologien. Viele Einkaufsabteilungen arbeiten weiterhin mit traditionellen Werkzeugen wie Tabellenkalkulationen und setzen auf Erfahrungswissen. Das Unternehmen sieht seine Aufgabe darin, Vertrauen in die neuen Methoden aufzubauen und den Mehrwert datenbasierter Prognosen zu vermitteln. Die Komplexität der globalen Rohstoffmärkte und die Vielzahl relevanter Einflussfaktoren erschweren eine vollständige Automatisierung der Entscheidungsfindung. Zudem bleibt offen, inwieweit die Prognosequalität der Plattform im Vergleich zu etablierten Verfahren unabhängig bewertet wurde.
Weiterentwicklung und Marktperspektiven
Für die kommenden Monate plant Datasphere Analytics nach eigenen Angaben eine Erweiterung der Plattform um zusätzliche Rohstoffklassen, eine verbesserte Ereigniserkennung und mehr interaktive Entscheidungsunterstützung. Die Plattform soll perspektivisch weitere Märkte abdecken und den Übergang von reinen Preisprognosen hin zu umfassender KI-gestützter Entscheidungsunterstützung vollziehen. Das Unternehmen strebt mittelfristig eine führende Position im Bereich agentischer KI-Lösungen für den industriellen Rohstoffsektor an. Im europäischen Kontext bleibt die Frage, wie sich der Markt für KI-basierte Einkaufs- und Prognosetools entwickelt und welche Anbieter sich durchsetzen können. Ähnliche Dynamiken sind auch in anderen Technologiebereichen zu beobachten, wie etwa bei den jüngsten Investitionen und Übernahmen im europäischen Startup-Ökosystem, worauf ein aktueller Überblick zu Finanzierungsrunden und Übernahmen verweist.
Der Begriff "agentische KI" bezeichnet Systeme, die eigenständig Aufgaben ausführen und Entscheidungen treffen können, ohne dass jeder Schritt vom Menschen vorgegeben wird. Im industriellen Einkauf bedeutet dies, dass KI-gestützte Plattformen nicht nur Daten analysieren, sondern auch Vorschläge für konkrete Handlungen machen oder automatisierte Prozesse anstoßen können. Die Entwicklung solcher Systeme erfordert neben technischer Expertise auch ein tiefes Verständnis der jeweiligen Branchenlogik und regulatorischen Rahmenbedingungen. Die tatsächliche Leistungsfähigkeit agentischer KI im Einkauf hängt maßgeblich von der Qualität der Daten, der Transparenz der Modelle und der Integration in bestehende Unternehmensprozesse ab. Schlagwörter: Industrielle KI, Unternehmen & Produkte, Agentische KI
