Warum wooms das Warehouse Management neu denkt

Das Berliner Startup wooms entwickelt ein Warehouse-Management-System ohne
Altlasten - komplett neu gebaut für Echtzeit, AI und Skalierbarkeit. Im Mittelpunkt steht
der MCP (Model Control Point): die Schaltzentrale für alle KI-Prozesse. Zusammen mit
sauberen Webhooks und modernen Datenbanken entsteht ein System, das klassische
WMS-Architekturen hinter sich lässt.
Legacy war gestern - Echtzeit ist Pflicht
Batch-Prozesse und XML-Dateien waren einmal Standard, heute sind sie ein Bremsklotz. wooms
setzt stattdessen auf Event-basierte Kommunikation, idempotente APIs und Shopify-Webhooks -
direkte IT-Stack-zu-IT-Stack-Integration ohne Polling oder Zwischenlayer. Das Ergebnis:
Echtzeitprozesse, weniger Fehler, keine doppelten Bestellungen und ein System, das bei steigenden
Volumina mitwächst.
MCP - das Gehirn hinter der Automatisierung
Der Model Control Point koordiniert alle KI-Modelle in wooms. Er sorgt dafür, dass Entscheidungen
reproduzierbar, prüfbar und auditierbar bleiben - ein Punkt, der bei AI-Anwendungen im operativen
Umfeld entscheidend ist. Modell-Auswahl pro Aufgabe (Klassifizierung, Forecast,
Anomalie-Erkennung), Policy-Layer für autonome vs. bestätigungspflichtige Aktionen,
Feedback-Schleifen für kontinuierliches Lernen und Nachvollziehbarkeit jeder AI-Entscheidung. So
wird AI von einer Spielerei zur verlässlichen Operations-Komponente.
Von der API bis zum Dashboard - ein konsistenter Stack
Der wooms-Stack kombiniert mehrere Datenebenen: OLTP für Transaktionen, In-Memory/Cache für
Live-UI und Dashboards sowie einen Analytics Store für BI, Forecasts und AI. Dieses Design sorgt
für niedrige Latenzen im Alltag und analytische Tiefe in den Reports - ohne Replikationsprobleme
oder Performanceeinbußen. wooms setzt konsequent auf Observability by Design: jedes Event ist
messbar, jede Abweichung nachvollziehbar.
AI-basierte Picklisten-Analyse: Fair, messbar, lernend
Die Picklisten-Auswertung in wooms bewertet jede Liste nach Menge, Gewicht, Volumen und
Laufweg. Ein statistisches Modell ("ELS-Modell") berechnet eine erwartete Sollzeit, aus der
Effizienzwerte und Ausreißer erkannt werden. Praxisnutzen: Fairer Effizienz-Score (A+ bis D) pro
Pick, Re-Slotting-Kandidaten werden automatisch vorgeschlagen, Root-Cause-Analyse zeigt
Engpässe und schwere Artikel, D-Ratings triggern automatisch Coaching-Tasks. So entstehen
dynamische Optimierungen im laufenden Betrieb - datenbasiert, reproduzierbar, fair.
Feature-Drops im Wochenrhythmus
Neue Funktionen erscheinen regelmäßig: Zeiterfassung für Mitarbeitende, Lieferschein 2.0 oder
verbesserte Cart-Picking-Flows sind nur Beispiele für das hohe Release-Tempo. Das Team arbeitet
AI-first und tool-agil: Neue Plattformen wie Atlas Browser, Gemini oder Anthropic werden getestet,
integriert, verworfen oder verbessert - je nach tatsächlichem Nutzen.
"Wir bauen kein altes System nach - wir definieren, wie operative Prozesse mit AI wirklich
funktionieren. Schnell, transparent, skalierbar." - Ansgar, Mitgründer & Software-Architekt
Fact Box
- Produkt: wooms - AI-first WMS für E-Commerce & 3PL
- Core: MCP - AI Orchestration & Governance
- Integration: Shopify Webhooks idempotent realtime
- Daten: OLTP + Cache + Analytics Store
- Features: Cart Picking, Retouren mit Video, Dashboards
- Neue Drops: Zeiterfassung, Lieferschein 2.0
- Unternehmen: wooms WMS GmbH Berlin
© 2025 wooms WMS GmbH - de.wooms.io - AI-first Warehouse Management System