Ex-Tesla Supply Chain Leaders Starten Atomic, eine KI-betriebene Inventarlösung

Im Jahr 2018 stand Tesla vor erheblichen Herausforderungen bei der Hochskalierung der Produktion des Model 3 Sedans, was das Unternehmen an den Rand des Zusammenbruchs brachte. Diese nahezu fatale Erfahrung führte zur Gründung eines neuen Unternehmens, Atomic, das sich darauf konzentriert, KI zur Optimierung von Lieferketten einzusetzen. Gegründet von den ehemaligen Tesla-Mitarbeitern Michael Rossiter und Neal Suidan, wurde Atomic innerhalb von DVx Ventures entwickelt, geleitet von Jon McNeill, dem ehemaligen Präsidenten von Tesla. Rossiter, ebenfalls Partner bei DVx, leitete eine Seed-Runde von 3 Millionen Dollar für Atomic, mit zusätzlichen Investitionen von Madrona Ventures aus Seattle.
McNeill, der auf die Ursprünge von Atomic zurückblickte, sagte: "Michael und Neil haben diesen Schmerz als Führungskräfte bei Tesla in der Lieferkette hautnah erlebt, und ich habe diese Arbeit aus nächster Nähe gesehen – weil sie für mich gearbeitet haben." Atomic zielt darauf ab, die Bestandsplanung für seine Kunden mithilfe von KI zu verbessern. Erste Tests haben vielversprechende Ergebnisse gezeigt, wobei ein Kunde es schaffte, seinen Bestand zu halbieren und gleichzeitig eine Verfügbarkeitsrate von 99 % aufrechtzuerhalten.
Dieses Gleichgewicht ist entscheidend, wie McNeill erklärte: "Wenn zu viel Kapital in Beständen gebunden ist, kann das dem Geschäft wirklich schaden. Und wenn zu wenig vorhanden ist, sodass die richtigen Dinge nicht auf Lager sind, wenn der Kunde kaufen möchte, dann kostet das eine Menge." Die ersten Kunden von Atomic kommen aus den Bereichen Konsumgüter, Lebensmittel und Getränke sowie Bekleidung, wo das Unternehmen Berichten zufolge eine Reduktion der Bestandskosten um 20 % bis 50 % erzielt hat.
In dem heutigen volatilen Markt ist die Nachfrage nach Lösungen wie denen von Atomic hoch, da traditionelle Systeme mit Unsicherheiten zu kämpfen haben. Suidan bemerkte: "Derzeit schließen sich Planer sozusagen eine Woche lang in einen Raum ein, um verschiedene Szenarien zusammenzustellen, diese der Geschäftsführung zu präsentieren und dann eine Frage zu bekommen, die sie nicht erwartet haben." Die Software von Atomic optimiert diesen Prozess, indem sie Daten aus vorhandenen Dokumenten zieht und eine schnelle Szenariosimulation ermöglicht, eine Aufgabe, die sonst Tage dauern könnte.
Rossiter und Suidan betonen die Bedeutung einer schnellen Bereitstellung und Anpassungsfähigkeit. Suidan bemerkte: "Man kann nicht für jeden Kunden eine maßgeschneiderte Anwendung schreiben. Man braucht ein flexibles Datenmodell, das verallgemeinert ist und auf jeden anwendbar ist, denn dann kann man wirklich, wirklich schnell einsatzbereit sein." Dieser Ansatz ermöglicht es Planern, ihre Pläne präzise zu steuern und ein Gefühl von Eigenverantwortung und Vertrauen zu fördern.
Viele Tesla-Alumni haben sich in die Unternehmensgründung gestürzt, darunter der ehemalige CTO JB Straubel mit Redwood Materials und der ehemalige SVP Drew Baglino mit Heron. Atomic sticht jedoch heraus, indem es nicht nur bei Tesla geschärfte Fähigkeiten anwendet, sondern auch eine Philosophie verkörpert, die während ihrer Zeit beim Automobilhersteller entwickelt wurde. McNeill lobte ihre Arbeit und sagte: "Sie haben das End-to-End-Lieferkettenorchestrierungssystem von Grund auf bei Tesla aufgebaut."
Suidan betonte die transformative Wirkung ihrer Arbeit bei Tesla und erklärte: "Die Art und Weise, wie das Geschäft geplant wurde, als wir anfingen, bestand aus einem Dutzend verschiedener Teams, die isoliert arbeiteten, Tabellenkalkulationen hin und her schickten, versuchten, diese einmal pro Woche zusammenzuführen, um den Führungskräften eine Zusammenfassung eines Plans zu präsentieren, und dann den Großteil der restlichen Woche damit verbrachten, hinterherzulaufen, um herauszufinden, warum ein Teil nicht funktionierte oder ein anderer Teil nicht funktionierte." Ihre Lösung verbesserte nicht nur Prozesse, sondern veränderte auch die Art und Weise, wie das Geschäft täglich betrieben wurde.
Nachdem sie Tesla nach der Hochskalierung des Model 3 verlassen hatten, trafen sich Rossiter und Suidan 2023 wieder, um darüber nachzudenken, wie ihr transformativer Ansatz allen Unternehmen zugutekommen könnte. Dies führte zur Gründung von Atomic innerhalb von DVx, mit dem ehrgeizigen Ziel, jedes Unternehmen zu unterstützen, das physische Güter verkauft, wie Rossiter es ausdrückte: "Unser Ehrgeiz, unsere Vision, ist es, jedes Unternehmen zu unterstützen, das physische Güter verkauft."
Verwandter Artikel
U.S.-Aktien erreichen historischen Meilenstein, während KI- und Luft- und Raumfahrtriesen auf ihr Debüt als Billionen-Dollar-Unternehmen vorbereiten
Elon Musk, Sam Altman und Dario Amodei, drei Giganten des Technologiesektors, schreiten den Börsengängen ihrer jeweiligen Unternehmen voran. Mit SpaceX, OpenAI und Anthropic – drei Branchenriesen, die einer Bewertung von einer Billion US-Dollar nahek
Schwedisches KI-Startup Lovable Eyes: Bewertung von 13,2 Milliarden US-Dollar nach großer Finanzierungsrunde
Während KI-gestützte Coding-Tools an Popularität gewinnen, hat das schwedische Startup Lovable eine bedeutende Finanzierungsrunde abgeschlossen. Das Unternehmen strebt danach, 3 Milliarden US-Dollar einzusammeln, was seine Bewertung potenziell auf 13
Google testet den Remy AI Agent für Gemini, da der Fokus auf die Benutzerkontrolle verlagert wird
Laut Business Insider testet Google Remy, einen neuen KI-Personalagenten für Gemini. Dieses Tool soll Aufgaben im Auftrag von Nutzern ausführen und sowohl professionelle Arbeitsabläufe als auch tägliche Routinen optimieren.Derzeit wird Remy in einer
Empfehlungen zu verwandten Spezialthemen
Kommentare (35)
這篇文章讓我想到,供應鏈管理真的是一門大學問!特斯拉當年的Model 3危機差點讓公司垮掉,現在這些前員工出來創辦Atomic,用AI來優化庫存,感覺是從血淚教訓中誕生的智慧結晶。不知道他們的AI方案跟其他家比起來有什麼獨到之處?希望別又是過度炒作,能真正解決業界的痛點就好。🔄
테슬라 경험이 창업에 이어진 이야기가 인상적이네요. 공급망 최적화에 AI를 활용하는 Atomic의 접근법이 흥미롭습니다. 그런데 실제 현장에서의 적용 가능성은 어느 정도일까요? 🤔 전통 방식의 공급망 관리자들이 받아들일 수 있을지 약간 의문이 드네요.
테슬라 출신이 창업한 AI 인벤토리 솔루션이라니... 🧐 공급망 위기를 겪은 회사 출신들이 만든 제품이라 실무 경험이 더 반영되었을 것 같네요. 저번에 우리 회사 재고 관리 시스템 때문에 야근했던 생각나는데, 이런 AI 솔루션이 진짜 도움이 될까요? 스타트업 투자 고려 중인 분들 참고해보세요!
Wow, Atomic sounds like a game-changer for supply chains! Using AI to fix what nearly broke Tesla is wild. I wonder how it’ll stack up against other logistics tech out there. 🚀

Im Jahr 2018 stand Tesla vor erheblichen Herausforderungen bei der Hochskalierung der Produktion des Model 3 Sedans, was das Unternehmen an den Rand des Zusammenbruchs brachte. Diese nahezu fatale Erfahrung führte zur Gründung eines neuen Unternehmens, Atomic, das sich darauf konzentriert, KI zur Optimierung von Lieferketten einzusetzen. Gegründet von den ehemaligen Tesla-Mitarbeitern Michael Rossiter und Neal Suidan, wurde Atomic innerhalb von DVx Ventures entwickelt, geleitet von Jon McNeill, dem ehemaligen Präsidenten von Tesla. Rossiter, ebenfalls Partner bei DVx, leitete eine Seed-Runde von 3 Millionen Dollar für Atomic, mit zusätzlichen Investitionen von Madrona Ventures aus Seattle.
McNeill, der auf die Ursprünge von Atomic zurückblickte, sagte: "Michael und Neil haben diesen Schmerz als Führungskräfte bei Tesla in der Lieferkette hautnah erlebt, und ich habe diese Arbeit aus nächster Nähe gesehen – weil sie für mich gearbeitet haben." Atomic zielt darauf ab, die Bestandsplanung für seine Kunden mithilfe von KI zu verbessern. Erste Tests haben vielversprechende Ergebnisse gezeigt, wobei ein Kunde es schaffte, seinen Bestand zu halbieren und gleichzeitig eine Verfügbarkeitsrate von 99 % aufrechtzuerhalten.
Dieses Gleichgewicht ist entscheidend, wie McNeill erklärte: "Wenn zu viel Kapital in Beständen gebunden ist, kann das dem Geschäft wirklich schaden. Und wenn zu wenig vorhanden ist, sodass die richtigen Dinge nicht auf Lager sind, wenn der Kunde kaufen möchte, dann kostet das eine Menge." Die ersten Kunden von Atomic kommen aus den Bereichen Konsumgüter, Lebensmittel und Getränke sowie Bekleidung, wo das Unternehmen Berichten zufolge eine Reduktion der Bestandskosten um 20 % bis 50 % erzielt hat.
In dem heutigen volatilen Markt ist die Nachfrage nach Lösungen wie denen von Atomic hoch, da traditionelle Systeme mit Unsicherheiten zu kämpfen haben. Suidan bemerkte: "Derzeit schließen sich Planer sozusagen eine Woche lang in einen Raum ein, um verschiedene Szenarien zusammenzustellen, diese der Geschäftsführung zu präsentieren und dann eine Frage zu bekommen, die sie nicht erwartet haben." Die Software von Atomic optimiert diesen Prozess, indem sie Daten aus vorhandenen Dokumenten zieht und eine schnelle Szenariosimulation ermöglicht, eine Aufgabe, die sonst Tage dauern könnte.
Rossiter und Suidan betonen die Bedeutung einer schnellen Bereitstellung und Anpassungsfähigkeit. Suidan bemerkte: "Man kann nicht für jeden Kunden eine maßgeschneiderte Anwendung schreiben. Man braucht ein flexibles Datenmodell, das verallgemeinert ist und auf jeden anwendbar ist, denn dann kann man wirklich, wirklich schnell einsatzbereit sein." Dieser Ansatz ermöglicht es Planern, ihre Pläne präzise zu steuern und ein Gefühl von Eigenverantwortung und Vertrauen zu fördern.
Viele Tesla-Alumni haben sich in die Unternehmensgründung gestürzt, darunter der ehemalige CTO JB Straubel mit Redwood Materials und der ehemalige SVP Drew Baglino mit Heron. Atomic sticht jedoch heraus, indem es nicht nur bei Tesla geschärfte Fähigkeiten anwendet, sondern auch eine Philosophie verkörpert, die während ihrer Zeit beim Automobilhersteller entwickelt wurde. McNeill lobte ihre Arbeit und sagte: "Sie haben das End-to-End-Lieferkettenorchestrierungssystem von Grund auf bei Tesla aufgebaut."
Suidan betonte die transformative Wirkung ihrer Arbeit bei Tesla und erklärte: "Die Art und Weise, wie das Geschäft geplant wurde, als wir anfingen, bestand aus einem Dutzend verschiedener Teams, die isoliert arbeiteten, Tabellenkalkulationen hin und her schickten, versuchten, diese einmal pro Woche zusammenzuführen, um den Führungskräften eine Zusammenfassung eines Plans zu präsentieren, und dann den Großteil der restlichen Woche damit verbrachten, hinterherzulaufen, um herauszufinden, warum ein Teil nicht funktionierte oder ein anderer Teil nicht funktionierte." Ihre Lösung verbesserte nicht nur Prozesse, sondern veränderte auch die Art und Weise, wie das Geschäft täglich betrieben wurde.
Nachdem sie Tesla nach der Hochskalierung des Model 3 verlassen hatten, trafen sich Rossiter und Suidan 2023 wieder, um darüber nachzudenken, wie ihr transformativer Ansatz allen Unternehmen zugutekommen könnte. Dies führte zur Gründung von Atomic innerhalb von DVx, mit dem ehrgeizigen Ziel, jedes Unternehmen zu unterstützen, das physische Güter verkauft, wie Rossiter es ausdrückte: "Unser Ehrgeiz, unsere Vision, ist es, jedes Unternehmen zu unterstützen, das physische Güter verkauft."
U.S.-Aktien erreichen historischen Meilenstein, während KI- und Luft- und Raumfahrtriesen auf ihr Debüt als Billionen-Dollar-Unternehmen vorbereiten
Elon Musk, Sam Altman und Dario Amodei, drei Giganten des Technologiesektors, schreiten den Börsengängen ihrer jeweiligen Unternehmen voran. Mit SpaceX, OpenAI und Anthropic – drei Branchenriesen, die einer Bewertung von einer Billion US-Dollar nahek
Schwedisches KI-Startup Lovable Eyes: Bewertung von 13,2 Milliarden US-Dollar nach großer Finanzierungsrunde
Während KI-gestützte Coding-Tools an Popularität gewinnen, hat das schwedische Startup Lovable eine bedeutende Finanzierungsrunde abgeschlossen. Das Unternehmen strebt danach, 3 Milliarden US-Dollar einzusammeln, was seine Bewertung potenziell auf 13
這篇文章讓我想到,供應鏈管理真的是一門大學問!特斯拉當年的Model 3危機差點讓公司垮掉,現在這些前員工出來創辦Atomic,用AI來優化庫存,感覺是從血淚教訓中誕生的智慧結晶。不知道他們的AI方案跟其他家比起來有什麼獨到之處?希望別又是過度炒作,能真正解決業界的痛點就好。🔄
테슬라 경험이 창업에 이어진 이야기가 인상적이네요. 공급망 최적화에 AI를 활용하는 Atomic의 접근법이 흥미롭습니다. 그런데 실제 현장에서의 적용 가능성은 어느 정도일까요? 🤔 전통 방식의 공급망 관리자들이 받아들일 수 있을지 약간 의문이 드네요.
테슬라 출신이 창업한 AI 인벤토리 솔루션이라니... 🧐 공급망 위기를 겪은 회사 출신들이 만든 제품이라 실무 경험이 더 반영되었을 것 같네요. 저번에 우리 회사 재고 관리 시스템 때문에 야근했던 생각나는데, 이런 AI 솔루션이 진짜 도움이 될까요? 스타트업 투자 고려 중인 분들 참고해보세요!
Wow, Atomic sounds like a game-changer for supply chains! Using AI to fix what nearly broke Tesla is wild. I wonder how it’ll stack up against other logistics tech out there. 🚀





Heim






