Intellico (Matilde)

Kurzfazit

Intellico löst ein teures Problem der Formulierungsentwicklung: Statt jede neue Rezeptur über Wochen im Labor auf Stabilität, pH und Viskosität zu testen, prognostiziert das Produkt Matilde diese Eigenschaften aus deiner historischen Datenbank, bevor die erste Charge angesetzt wird. Der eigentliche Wert liegt nicht nur in der Vorhersage, sondern in der Explainable AI: Chemiker sehen, welcher Inhaltsstoff welches Risiko treibt, statt einer Black-Box vertrauen zu müssen. Das ist ein spezialisiertes Werkzeug für einen klaren Engpass, kein Allrounder. Die Einschränkungen sind ehrlich zu benennen: Ohne eine ausreichend große, sauber dokumentierte Formulierungshistorie funktioniert Matilde nicht, die Preise sind intransparent, und die Oberfläche ist englischsprachig. Für Kosmetik- und Chemiehersteller mit vorhandener Datenbasis und echtem Test-Engpass ist es trotzdem eines der interessantesten europäischen Tools seiner Nische.

Für wen ist Intellico?

Kosmetikhersteller mit Formulierungshistorie: Die Kernzielgruppe. Wer über Jahre Rezepturen für Cremes, Emulsionen, Seren oder Reinigungsprodukte dokumentiert hat, inklusive Stabilitäts-, pH- und Viskositätsmessungen, kann diese Daten in Matilde überführen und neue Varianten vorab bewerten lassen. Je größer und sauberer die Datenbank, desto belastbarer die Prognose.

Chemie- und Compound-Produzenten: Matilde ist nicht auf Kosmetik beschränkt. Laut Anbieter deckt es auch chemische Compounds (Dichte, Härte, Beständigkeit, Elastizität, Alterung), Lebensmittel (Geschmack, Haltbarkeit, Festigkeit) und Gummi-Mischungen ab. Wer Werkstoff- oder Rezepturentwicklung mit vielen Iterationen betreibt, profitiert vom gleichen Prinzip.

R&D-Teams mit Test-Engpass: Wenn Stabilitätstests vier bis zwölf Wochen dauern und das Labor der Flaschenhals der Produktentwicklung ist, ist Matilde ein Hebel: Es priorisiert die vielversprechendsten Kandidaten und reduziert die Zahl der physischen Tests. Der Anbieter nennt eine Reduktion von 30 auf 10 Testzyklen, solche Zahlen sind Marketing, aber die Richtung stimmt.

Formulierungschemiker, die Erklärungen brauchen: Der XAI-Ansatz richtet sich an Fachleute, die einem Vorhersagewert nicht blind vertrauen wollen. Die Visualisierung, welcher Emulgator oder Wirkstoff ein pH-Risiko treibt, ist fachlich wertvoller als eine reine Risikozahl, sie liefert direkt einen Ansatzpunkt für die Anpassung.

Weniger geeignet für: Hersteller ohne dokumentierte Datenhistorie (keine Trainingsgrundlage), kleine Indie-Marken, die eher eine fertige Compliance-/PIF-Lösung suchen (dafür sind Cosmetri oder Cosmetica passender), und alle, die ein deutsches Interface oder deutschsprachigen Support voraussetzen.

Preise im Detail

Modell	Preis	Was dahintersteckt
Demo / Proof of Concept	Auf Anfrage	Einstiegsgespräch mit Validierung an deinen eigenen Rezepturen; kein öffentlicher Preis
Lizenz (Matilde)	Auf Anfrage	Plattformlizenz mit Simulator, Explainer, Smart Assistant und Formulierungsverwaltung; individuell verhandelt
Azure Marketplace	Listung vorhanden	Matilde ist über den Microsoft Azure Marketplace verfügbar, Bezug und Abrechnung lassen sich über bestehende Azure-Verträge abwickeln

Einordnung: Intellico veröffentlicht keine Listenpreise, typisch für B2B-SaaS in dieser Nische, wo der Wert stark vom Datenvolumen und Integrationsaufwand abhängt. Das macht einen schnellen Kostenvergleich unmöglich und verlängert den Einkaufsprozess. Rechne mit einem klassischen Enterprise-Vertrieb: Demo, Proof of Concept an deinen Daten, dann individuelle Lizenzverhandlung. Die Verfügbarkeit über den Azure Marketplace ist ein praktischer Pluspunkt, wer ohnehin Microsoft-Cloud nutzt, kann Beschaffung und Abrechnung darüber bündeln. Vor dem Kauf solltest du den Proof of Concept zwingend an Rezepturen durchführen, deren Laborergebnisse du bereits kennst, das ist der einzige belastbare Realitätscheck für die Vorhersagegüte.

Stärken im Detail

Vorhersage statt Versuch und Irrtum. Matildes Kernfunktion ist die Prognose physikalisch-chemischer und sensorischer Eigenschaften aus der Rezeptur: in der Kosmetik Viskosität, pH, Stabilität, Textur und Absorption. Das verschiebt teure Erkenntnisse vom Laborende an den Schreibtisch-Anfang, Fehlentwicklungen werden sichtbar, bevor Material verbraucht und Laborzeit gebucht wird.

Explainable AI als zentrales Versprechen. Intellico positioniert sich bewusst gegen Black-Box-KI. Der Leitsatz „AI suggests, you decide” ist mehr als ein Slogan: Der Explainer zeigt, welche Inhaltsstoffe oder Inhaltsstoff-Kombinationen eine vorhergesagte Eigenschaft treiben. Für regulierte Branchen und für die Akzeptanz im Chemikerteam ist das entscheidend, eine Vorhersage, die niemand nachvollziehen kann, wird im Labor selten ernst genommen.

Graph Neural Networks passen zum Problem. Rezepturen sind keine Tabellen unabhängiger Werte, sondern Netzwerke aus Wechselwirkungen zwischen Inhaltsstoffen. GNN sind genau dafür gebaut: Sie modellieren Beziehungen zwischen Komponenten und erkennen Muster, die ein Formulierer in den Rohdaten nicht selbst sehen würde. Das ist ein methodisch sauberer Ansatz für diese Domäne, kein generisches ML-Modell mit Kosmetik-Etikett.

Smart Assistant erweitert über die reine Vorhersage hinaus. Neben Simulator und Explainer bietet Matilde einen Assistenten, der regulatorische Einschränkungen prüft und alternative Rohstoffe vorschlägt. In Verbindung mit der Formulierungsverwaltung wird daraus ein zusammenhängender Arbeitsplatz, nicht nur eine isolierte Prognose-Engine.

Integration in die bestehende Systemlandschaft. Matilde verbindet sich mit LIMS, PLM und ERP. Das ist praktisch entscheidend: Eine Vorhersage-Engine, die nicht an die Datenquellen angebunden ist, bleibt eine Insellösung. Die Integration senkt die Hürde, vorhandene Labordaten kontinuierlich einfließen zu lassen.

Europäischer Anbieter mit EU-Datenhaltung. Intellico sitzt in Mailand und stellt Matilde über Azure bereit, mit Datenhaltung in der EU. Für Rezepturdaten, die zu den sensibelsten IP-Assets eines Herstellers zählen, ist ein europäischer Vertragspartner ein echter Vorteil gegenüber US-zentrierten Plattformen.

Schwächen ehrlich betrachtet

Ohne Datenhistorie kein Nutzen. Matilde ist nur so gut wie deine Trainingsdaten. Ein Hersteller ohne systematisch dokumentierte Rezepturen mit zugehörigen Messwerten hat schlicht keine Grundlage. Der Aufwand, eine fragmentierte Datenlandschaft (Excel-Listen, Laborjournale, Köpfe einzelner Chemiker) erst zu konsolidieren, wird leicht unterschätzt, und fällt vor dem ersten produktiven Nutzen an.

Intransparente Preise. Keine öffentlichen Listenpreise bedeuten: Du kannst die Wirtschaftlichkeit nicht ohne Vertriebsgespräch einschätzen, und der Vergleich mit Wettbewerbern wird mühsam. Das ist in dieser Nische üblich, bleibt aber ein Reibungspunkt, besonders für mittelständische Teams ohne dediziertes Einkaufsbudget für Software-Evaluierungen.

Genauigkeit sinkt außerhalb der Trainingsdaten. Wie jedes datengetriebene Modell extrapoliert Matilde schlecht in Bereiche, die in der Historie nicht vorkommen. Eine radikal neue Inhaltsstoffklasse oder eine Rezeptur weit jenseits des bisherigen Portfolios liefert unsichere Vorhersagen. Das Tool beschleunigt die Optimierung im bekannten Raum, es ersetzt nicht die explorative Forschung im Unbekannten.

Englisch only. Oberfläche und Support sind englischsprachig. Für ein Formulierungsteam ist das meist verkraftbar (Fachsprache ist ohnehin oft englisch), aber kein deutschsprachiger Support kann bei Vertragsfragen, Schulung und Onboarding ein Faktor sein.

Junges Unternehmen, schmale öffentliche Referenzbasis. Intellico ist kein etablierter Konzern wie Citrine Informatics mit langer Kundenliste. Marketing-Zahlen wie „Time-to-Market von 7 auf 2 Monate” oder „7 von 10 Projekten werden produktive Werkzeuge” sind Anbieterangaben ohne unabhängige Validierung. Behandle sie als Richtung, nicht als Garantie, und mach den Proof of Concept zur Bedingung.

Alternativen im Vergleich

Wenn du…	…nimm stattdessen
Den etablierten Materials-Informatics-Anbieter mit großer Kundenbasis willst	Citrine Informatics
Rezepturoptimierung für Kunststoffe und Chemie mit Bayesianischer Optimierung brauchst	Polymerize
Eigenschaften aus physischen Testdaten im Engineering vorhersagen willst	Monolith AI
Einen KI-Assistenten mit Rohstoff-Substitution und Compliance-Screening suchst	ChemCopilot
Eine reine Compliance-/PLM-Lösung für Kosmetik (PIF, INCI) brauchst	Cosmetri

Erwähnenswert ohne direkte Eignung als Ersatz: CoatingAI (Prozessoptimierung in der Pulverbeschichtung, anderer Anwendungsfall), CompoundingCloud (ERP/LIMS für Kunststoff-Compounder mit Rezepturverwaltung, aber ohne prädiktive GNN-Modellierung) und Cosmetica (KI-Compliance für Indie-Kosmetikmarken). Matildes Alleinstellung ist die Kombination aus Graph Neural Networks und Explainable AI für die Vorhersage vor der ersten Laborcharge, am direktesten vergleichbar mit Citrine und Polymerize, mit dem klarsten Kosmetik-Fokus unter den genannten.

So steigst du ein

Schritt 1: Demo auf intellico.ai buchen und einen konkreten Validierungscase mitbringen: eine oder zwei bekannte Rezepturen, deren Stabilitätsergebnisse ihr bereits kennt. Das ist der schnellste Realitätscheck, bevor eine Lizenz verhandelt wird.

Schritt 2: Historische Formulierungsdatenbank inventarisieren, Matilde benötigt eine strukturierte Übersicht vorhandener Rezepturen mit zugehörigen Stabilitäts- und Eigenschaftsmessungen. Idealerweise 100+ dokumentierte Formulierungen mit Messwerten. Prüft frühzeitig, ob sich Matilde über LIMS, PLM oder den Azure Marketplace an eure Systemlandschaft anbinden lässt.

Schritt 3: Pilot mit neuen Rezepturen durchführen: Matilde prognostiziert Stabilität und kritische Parameter, die XAI-Visualisierungen zeigen, welche Inhaltsstoffe das Risiko treiben. Labortests dann nur für die vielversprechendsten Kandidaten, nicht für jede Variante. Den Erfolg messt ihr an einer harten Zahl: eingesparte Testzyklen pro Entwicklungsprojekt.

Ein konkretes Beispiel

Ein mittelständischer Kosmetikhersteller in Bayern mit 200 archivierten Formulierungen integriert Matilde in den Entwicklungsprozess. Für eine neue Anti-Aging-Emulsion mit hochkonzentriertem Vitamin-C-Derivat prognostiziert das Modell innerhalb von 20 Minuten ein pH-Instabilitätsrisiko und weist den Emulgatormix als ursächlichen Hauptfaktor aus. Das Formulierungsteam passt das Emulgatorsystem an, bevor die erste Laborcharge angesetzt wird. Das spart einen Monat Entwicklungszeit und zwei Labortestdurchläufe. Wichtig: Die kritische Charge wird trotzdem physisch getestet, Matilde priorisiert die Tests, ersetzt sie aber nicht. Der Hebel liegt im Wegfall der zwei zuvor üblichen Fehlversuche, nicht im Verzicht auf die finale Validierung.

DSGVO & Datenschutz

• Hosting: Intellico ist ein europäischer Anbieter mit Sitz in Mailand; Bereitstellung über Microsoft Azure mit Datenhaltung in der EU für Standardkonfigurationen.
• Rezepturdaten als IP: Formulierungen gehören zu den sensibelsten Vermögenswerten eines Herstellers. Lass dir vertraglich schriftlich bestätigen, dass deine Daten nicht für gemeinsame Modelle, Benchmarks oder das Training anderer Kunden verwendet werden.
• Personenbezug: In der Regel verarbeitet Matilde keine personenbezogenen Daten, sondern Rezeptur- und Messwerte. Die DSGVO-Relevanz liegt damit primär im Geschäftsgeheimnis- und Vertragsbereich, nicht im klassischen Beschäftigten- oder Kundendatenschutz.
• Auftragsverarbeitung (AVV): Vor Produktivbetrieb abschließen, als europäischer Anbieter sollte Intellico eine AVV bereitstellen. Bei Bezug über den Azure Marketplace gilt zusätzlich der Microsoft-AVV für die Hosting-Schicht.
• Empfehlung: Vor der Einspeisung produktiver Rezepturdaten den Vertrag durch die Rechts- oder IP-Abteilung prüfen lassen, hier geht es weniger um DSGVO im engeren Sinn als um den Schutz von Betriebsgeheimnissen.

Gut kombiniert mit

• Citrine Informatics, wer eine breitere Materials-Informatics-Strategie aufbaut, kann Matilde für den Kosmetik-Fokus nutzen und Citrine für übergreifende Werkstoffentwicklung; beide setzen auf datengetriebene Vorhersage, mit unterschiedlicher Branchen-Tiefe.
• ChemCopilot, ergänzt die Vorhersage um regulatorisches Screening und Rohstoff-Substitution. Matilde prognostiziert Eigenschaften, ChemCopilot prüft, ob die vorgeschlagene Rezeptur regulatorisch überhaupt zulässig ist.
• Cosmetri, sobald aus der vorhergesagten Rezeptur ein marktreifes Produkt wird, übernimmt eine Compliance-/PLM-Lösung die Dokumentation (PIF, INCI, GMP). Matilde optimiert die Formel, Cosmetri bringt sie regelkonform auf den Markt.

Unser Testurteil

Intellico mit Matilde verdient 4 von 5 Sternen. Das Produkt adressiert einen realen, teuren Engpass der Formulierungsentwicklung mit einem methodisch passenden Ansatz: Graph Neural Networks für die Wechselwirkungen zwischen Inhaltsstoffen und Explainable AI, die Chemiker mitnimmt statt zu bevormunden. Der Kosmetik-Fokus, die EU-Datenhaltung und die Integration in LIMS/PLM/ERP heben es im europäischen Markt positiv hervor. Den fünften Stern kostet die Kombination aus harten Voraussetzungen (ohne saubere Datenhistorie kein Nutzen), intransparenten Preisen, englischsprachiger Oberfläche und einer noch schmalen, unabhängig verifizierbaren Referenzbasis. Für Hersteller mit vorhandener Datenbank und echtem Test-Engpass ist es eines der überzeugendsten spezialisierten Tools seiner Nische, vorausgesetzt, der Proof of Concept an eigenen Rezepturen bestätigt die Vorhersagegüte.

Was wir bemerkt haben

• 2026, Matilde ist über den Microsoft Azure Marketplace verfügbar. Das vereinfacht Beschaffung und Abrechnung für Unternehmen mit bestehenden Azure-Verträgen und ist zugleich ein Indiz für die Cloud-Architektur (Azure-Hosting, EU-Region möglich).
• Mai 2026, Intellico positioniert Matilde inzwischen branchenübergreifend: nicht nur Kosmetik, sondern auch Chemie/Compounds, Lebensmittel und Gummi-Mischungen. Der ursprünglich stark kosmetiklastige Auftritt ist breiter geworden, gut für die Marktgröße, aber der Kosmetik-Fokus bleibt das schärfste Profil.
• Mai 2026, Die vom Anbieter genannten Effizienz-Zahlen (Time-to-Market von 7 auf 2 Monate, Materialabfall von 50 % auf 20 %, Testzyklen von 30 auf 10) sind Marketing-Angaben ohne unabhängige Quelle. Wir führen sie als Richtungsindikator, nicht als belegte Werte, der einzige belastbare Test ist ein Proof of Concept an den eigenen Daten.