Cost Engineering galt lange als Domäne der Erfahrung, geprägt von Excel-Tabellen, Bottom-up-Kalkulationen und implizitem Wissen. Doch die Spielregeln ändern sich. Künstliche Intelligenz dringt in einen Bereich vor, der bislang als schwer automatisierbar galt. Was bedeutet das für Industrieunternehmen? Und wie positionieren sich spezialisierte KI-Anbieter wie PartSpace in diesem Wandel? Zwei Professoren aus der angewandten Forschung ordnen ein.

Jahrzehntelang galt eine einfache Formel: Wer Kosten präzise kalkulieren will, braucht Erfahrung, Zeit und Zugang zu den richtigen Daten. Doch diese Gleichung gerät ins Wanken. Die Methoden der Künstlichen Intelligenz, darunter Machine Learning, Mustererkennung und Geometrieanalyse, sind technologisch längst ausgereift. Doch die eigentliche Herausforderung liegt woanders.

Prof. Dr. Dirk Hecht, Studiengangsleiter Digitaler Einkauf und Nachhaltiges Supply Chain Management (SCM) an der Technischen Hochschule Ingolstadt, ordnet den Status quo ein: „KI im Cost Engineering befindet sich in einer fortgeschrittenen Übergangsphase, von explorativen Einzelanwendungen hin zu produktiven, integrierten Systemen. Der limitierende Faktor ist weniger die Algorithmik als vielmehr die Datenintegration und organisatorische Verankerung."

Für Industrieunternehmen stellt sich also nicht mehr die Frage, ob KI im Cost Engineering ankommt, sondern wer die Transformation aktiv gestaltet und nur auf sie reagiert.

Warum Cost Engineering so anfällig für Disruption ist

Auf den ersten Blick wirkt Cost Engineering wie eine Bastion des Erfahrungswissens – zu komplex, zu kontextabhängig, zu sehr auf Expertenwissen angewiesen, um von der KI ersetzt zu werden. Doch genau das Gegenteil ist der Fall. Wo Komplexität auf wiederkehrende Entscheidungsmuster trifft, entstehen ideale Voraussetzungen für lernende Systeme.

Prof. Dr. Dirk Weber, Professor für Strategic Procurement & SCM an der Hochschule München, identifiziert die entscheidenden Faktoren: „Cost Engineering vereint mehrere Charakteristika, die es besonders anfällig für KI-basierte Disruption machen: eine hohe Produkt- und Prozesskomplexität, stark fragmentierte und heterogene Datenquellen sowie einen erheblichen Zeit- und Kostendruck bei Entscheidungen. Gleichzeitig wirken frühe Entscheidungen im Produktentstehungsprozess überproportional stark auf die Gesamtkosten." Gerade dieser letzte Punkt macht KI so wertvoll: Je früher belastbare Kostendaten vorliegen, desto größer der Gestaltungsspielraum – und desto höher das Einsparpotenzial.

Die veränderte Rolle des Cost Engineers

Mit dem Einzug von KI stellt sich eine Frage, die viele Fachkräfte bewegt: Wird der Cost Engineer überflüssig? Die Antwort fällt differenziert aus. Automatisierung betrifft vor allem die Tätigkeiten, die bisher viel Zeit beansprucht haben, darunter Datensammlung, Klassifikation, erste Kostenschätzungen. Doch damit endet die Geschichte nicht. Prof. Dr. Dirk Hecht sieht eine grundlegende Verschiebung des Berufsbilds: „Die Rolle des Cost Engineers wird primär transformiert. Gleichzeitig steigt die Bedeutung analytischer, interpretativer und kommunikativer Kompetenzen. Der Cost Engineer entwickelt sich vom Kalkulator zum Entscheider, der KI-Ergebnisse kritisch bewertet, Szenarien interpretiert und intern wie extern vermittelt."

Konkret bedeutet das: Die Kernkompetenz verschiebt sich weg vom manuellen Erheben und Berechnen, hin zum Bewerten, Einordnen und Entscheiden. Cost Engineers werden zu Übersetzern zwischen Technologie und Organisation. Diese Rolle werden Maschinen auf absehbare Zeit nicht übernehmen können.

CAD-Daten als neuer Enabler

Der Schlüssel zur nächsten Evolutionsstufe liegt in der Konstruktionsabteilung. CAD-Daten enthalten weit mehr als Geometrien. Sie beschreiben Fertigungsverfahren, Toleranzen, Materialanforderungen und Komplexitätsgrade. Wer diese Informationen automatisiert auslesen und mit Kosten- und Lieferantendaten verknüpfen kann, gewinnt einen entscheidenden Vorsprung.

Genau hier liegt das Potenzial. Kostenindikationen entstehen nicht mehr erst nach der Konstruktion, sondern bereits während des Designprozesses. Das verändert die Logik grundlegend. Cost Engineering wird von einer reaktiven Bewertungsfunktion zu einem aktiven Steuerungsinstrument, das Konstrukteure bereits bei der Bauteilgestaltung nutzen können. Für Unternehmen mit komplexen Engineering-Prozessen eröffnet sich damit eine neue Perspektive. Die technische Zeichnung wird zur zentralen Datengrundlage für fundierte Beschaffungsentscheidungen.

Was KI im Cost Engineering wirklich disruptiv macht

Nicht jede KI-Anwendung verändert die Spielregeln. Echter Umbruch entsteht dort, wo Technologie über reine Kostenschätzung hinausgeht und direkt in Entscheidungsprozesse eingreift. Drei Funktionalitäten stechen dabei hervor: automatisierte Geometrie- und Fertigbarkeitsanalysen, lernende Modelle auf Basis realer Fertigungs- und Qualitätsdaten sowie KI-gestützte Lieferanten- und Prozessvorschläge.

Doch Prognosen allein reichen nicht. Industrieunternehmen brauchen Nachvollziehbarkeit – gerade wenn es um strategische Kostenentscheidungen geht. Prof. Dr. Dirk Weber betont deshalb einen oft übersehenen Aspekt: „Entscheidend ist die Kombination aus Prognosefähigkeit und erklärbarer Ableitung von Kostentreibern." Damit grenzt sich industrietaugliche KI von generischen Ansätzen ab: Es geht nicht um Black-Box-Ergebnisse, sondern um transparente Handlungsempfehlungen, die Cost Engineers und Einkäufer in Verhandlungen und Designentscheidungen einsetzen können.

Ausblick: Von der Plattform zur Infrastruktur

KI im Cost Engineering entfaltet ihre Wirkung nicht isoliert. Engineering erhält Kosten-Feedback bereits während der Konstruktion. Der Einkauf gewinnt belastbare Argumentationsgrundlagen. Qualitätsverantwortliche können Risiken bewerten, bevor sie teuer werden. Was bisher in getrennten Silos stattfand, wächst zu einer gemeinsamen Entscheidungsgrundlage zusammen. Doch genau hier scheitern viele Eigenentwicklungen: Generische KI-Modelle verstehen keine Konstruktionsdaten. Sie können weder Geometrien interpretieren noch Fertigungsverfahren ableiten. Spezialisierte Anbieter wie PartSpace setzen deshalb auf Modelle, die auf realen CAD-Daten, ERP-Informationen und Fertigungsplänen trainiert wurden. Der Unterschied liegt nicht in der Technologie allein, sondern in der Kombination aus Datenzugang und Prozessverständnis.

Der Blick nach vorn zeigt: Engineering, Einkauf und Supply Chain werden über spezialisierte KI-Plattformen zunehmend enger verzahnt. „KI-Tools wie PartSpace AI ermöglichen Skalierbarkeit, Konsistenz und Transparenz und werden zu einem zentralen Bestandteil strategischer Produkt- und Kostenentscheidungen“, sagt Prof. Dr. Dirk Weber. Für Industrieunternehmen bedeutet das: Wer heute die Grundlagen schafft – Datenzugang, Prozessintegration, organisatorische Akzeptanz –, positioniert sich für eine Zukunft, in der Cost Engineering strategischer Hebel statt Engpass ist.

Zu den Experten:

Prof. Dr. Dirk Hecht ist Studienfachberater und Studiengangsleiter des Masterstudiengangs Digitaler Einkauf und Nachhaltiges Supply Chain Management sowie Studiendekan des Instituts für Akademische Weiterbildung (IAW) an der Technischen Hochschule Ingolstadt. Seine Forschungsschwerpunkte liegen im Beschaffungsmanagement und in der Betriebswirtschaftslehre.

Prof. Dr. Dirk Weber lehrt als Professor für Strategic Procurement & SCM mit dem Fokus Cost & Value Engineering an der Hochschule München. Seit mehr als 20 Jahren leitet er internationale Teams in den Bereichen Operations, SCM und Beschaffung sowohl in großen Fortune-100-Unternehmen als auch in kleineren und mittleren Unternehmen der Hightech-, Gesundheits- und Energiebranche.