Am Donnerstag, 15. Oktober, fand der Cost Intelligence Summit, gemeinsam veranstaltet von Tset und A2MAC1, zum zweiten Mal in München statt. Über 200 Cost Engineer*innen, Einkaufsverantwortliche und Führungskräfte kamen im MünchenHOCH5 zu einem ganzen Tag voller Vorträge und Networking zusammen. Ein Jahr nachdem die erste Ausgabe über 100 Teilnehmende zusammengebracht hatte, hat sich die Veranstaltung verdoppelt: Viele kamen wieder, viele waren zum ersten Mal dabei. Auf der Bühne sprachen Referent*innen von Knorr-Bremse Rail, der BMW Group, A2MAC1, Brose, TE Connectivity, AGCO und Tset darüber, was sie aufgebaut haben, was auf dem Weg dorthin nicht funktioniert hat und was sie heute anders machen würden.
Der rote Faden zog sich durch jeden Vortrag: KI übernimmt die mühsame Arbeit rund um die Kostenkalkulation, also Zeichnungen auslesen, Daten strukturieren und Ideen generieren. Die Kalkulation selbst bleibt deterministisch und versioniert, denn eine Zahl, die sich jede Woche ändert, hält vor keinem Lieferanten stand. Sobald die Kalkulation automatisiert ist, können sich Cost Engineer*innen auf die Wertschöpfung konzentrieren, und aus Should-Cost wird Cost Intelligence.
Hier die einzelnen Sessions im Überblick.
Jasmino Burkic, CRO, A2MAC1, and Sasan Hashemi, Managing Director and Founder, Tset
Sasan Hashemi eröffnete die erste Session mit einem Realitätscheck aus dem Report „Status of Cost Engineering“: Allen Schlagzeilen zum Trotz hat die Community bei der Automatisierung noch Aufholbedarf. Gleichzeitig steigen die Erwartungen weiter: mehr Varianten, Antworten in immer früheren Projektphasen und mehr Arbeit für dieselben Teams. Jasmino Burkic stellte den Tag unter das Zeichen der Community und forderte das Publikum auf, das, was A2MAC1 und Tset entwickeln, offen zu hinterfragen.
Die wichtigsten Punkte:
Aksana Svirydava, Global Program Manager VAVE & AI Solutions, Knorr-Bremse Rail
Das Team von Aksana Svirydava liest über Nacht mehr als 10.000 Zeichnungen aus, verknüpft die Metadaten mit Preisen aus dem ERP und schafft so für den Einkauf Transparenz über mehr als 100.000 Sachnummern. Auf dieser Datenbasis generiert ihr KI-Tool Optimind in rund einer Minute über 15 Design-to-Cost-Ideen. Dann kam der ehrliche Teil: Zum Start hat es fast niemand genutzt, und rund 80 % des Rollout-Aufwands flossen in die Akzeptanz.
Die wichtigsten Punkte:
Dr. Eleni Ralli, Director Digitalization, CO2, Cost Engineering Software, Development Services, and Christoph Starringer, Cost Engineering Data Management and Analytics, Digitalization, BMW Group
Dr. Eleni Ralli und Christoph Starringer erklärten, warum Geschwindigkeit im Cost Engineering der BMW Group heute genauso wichtig ist wie Genauigkeit. Indem sie validierte Kostendaten und standardisierte Modelle über die unternehmenseigene KI-Umgebung für den Einkauf verfügbar machen, stellen sie sicher, dass die Antworten auf BMW-Wissen basieren. Bei Standardkomponenten reicht eine Genauigkeit von 90-95 %. So können sich die Expert*innen auf komplexe Teile konzentrieren.
Natallia Shauchenka, CPO, A2MAC1, and Mitchell Morgan, Customer Engagement Manager, A2MAC1
Natallia Shauchenka und Mitchell Morgan teilten, was A2MAC1 gelernt hat, als der Cost Measure Ideator (CMI) den Weg von der Demo bis zur Marktreife ging. Eine Live-Runde „Keep or Kill“ mit Ideen aus frühen Tests zeigte, wie aus Datenlücken schlechte Ideen werden: CMI schlug vor, eine vordere Leseleuchte zu streichen, die das Fahrzeug tatsächlich hatte, weil die Leuchte in den Daten an anderer Stelle abgelegt war. Nach 56 Feedbacks von 16 Kunden filtern jetzt von Expert*innen geschriebene Regeln irrelevante Ideen heraus, bevor die Nutzer*innen sie sehen. Als Nächstes: Ideen auf Systemebene, offene APIs und die Integration von CMI in den Cost-Engineering-Workflow in Tset Studio.
Die wichtigsten Punkte:
Michael Flieger, VP Cost Management Purchasing, Brose
Mit gut 20 Cost Engineer*innen für über 22.000 Teile muss Brose seine Ressourcen gezielt einsetzen. Performance Pricing, die Top-down-Methode, war früher ein einmaliges Projekt, weil jemand die Merkmale von Hand aus den Zeichnungen ablesen musste. Das dauerte Tage oder Wochen. Mit KI rechnet Brose damit, dass es nur noch Minuten dauert. Michael Flieger zeigte außerdem eine Regressionsformel für Federn, die als kleines Modell im Technology Model Framework (TMF) in Tset Studio läuft.
Die wichtigsten Punkte:
Andreas Lachmaier, VP Technology, Tset, and Karl Egle, Senior Cost Engineer, Tset
Andreas Lachmaier zeigte, warum KI nicht selbst kalkulieren sollte. Er ließ eine KI drei Wochen hintereinander denselben Halter kalkulieren und bekam 1,00 €, 0,60 € und 0,48 €. Bei 150.000 Stück entspricht diese Spanne 78.000 €. Agenten brauchen versionierte Modelle, nachvollziehbare Stammdaten und eine Validierung, die ihnen sagt, was falsch ist. Anschließend führte Karl Egle, Cost Engineer ohne Programmierhintergrund, Cost Pad vor, eine Oberfläche, die er an einem einzigen Tag gebaut hat. Sie liest eine Zeichnung aus, lässt ihn unsichere Werte bestätigen und führt die Kalkulation über TMF in Tset Studio durch.
Die wichtigsten Punkte:
Falk Schröter, Sr. Mgr. Cost & Value Engineering, TE Connectivity
Falk Schröter hat das Team von TE Connectivity in vier Jahren von einer auf zehn Personen ausgebaut und dabei eher technische Spezialist*innen als klassische Cost Engineer*innen eingestellt. Die ersten Erfolge kamen durch Recruiting, Standardisierung und Quick-Pricing-Tools, ganz ohne KI. Die Automatisierung des Outputs dauerte vier Tage und läuft am Ende vollständig deterministisch. Trotzdem verbringt das Team noch bis zu 40 % seiner Zeit damit, Daten hin und her zu schieben. Deshalb setzt KI jetzt auf der Input-Seite an. Die frei werdende Zeit will er nutzen, um das Team vom Servicemodell „Dönerbude“ zum vertrauenswürdigen Partner weiterzuentwickeln.
Die wichtigsten Punkte:
Sascha Voglgsang, VP Costing & Insights, A2MAC1
Die Costing Library von A2MAC1 ist von vier vollständig kalkulierten Fahrzeugen im Jahr 2024 auf über 15 im Jahr 2026 gewachsen. Das Ziel sind 50 pro Jahr. Da Kunden zwei beliebige Kalkulationen direkt nebeneinander vergleichen können, wurde Konsistenz zur größten Herausforderung: dieselbe Methode für dieselbe Technologie, eine zentrale Governance über alle Regionen hinweg und ein Weg, mit abweichenden Stücklistenhierarchien umzugehen. Als Nächstes soll die Costing Library mit Kalkulationssoftware wie Tset Studio verbunden werden, damit Kunden Benchmark-Kosten auf ihre eigenen Annahmen übertragen können.
Die wichtigsten Punkte:
Yogendra Joshi, Global Cost Engineering Systems and Data, AGCO
Als OEM mit geringen Stückzahlen und hohem Individualisierungsgrad braucht AGCO Cost Intelligence: Kalkulation mit Gedächtnis. Yogendra Joshi schloss den Tag mit fünf Learnings aus der Reise von AGCO ab. Das praktischste davon ist ein Data Confidence Index für Rohstoffdaten, der auf Aktualität, Abdeckung, Nutzbarkeit und Verifizierung basiert. Er entscheidet, ob eine Kalkulation automatisiert werden kann, geprüft werden muss oder zuerst bessere Daten braucht.
Die wichtigsten Punkte:
Ein Jahr nach dem ersten Summit ist Datenqualität immer noch die Hürde, auf die alle zurückkommen. Jeder erfolgreiche Use Case auf der Bühne begann damit, die Daten zu bereinigen, zu strukturieren und Verantwortung für sie zu übernehmen. Der fortschrittlichste Ansatz ging noch einen Schritt weiter und bewertete, wie weit man den Daten vertrauen kann.
Zeichnungen auslesen, Inputs strukturieren, Ideen generieren und Reports schreiben sind starke Use Cases für KI. Die Kalkulation in der Mitte muss deterministisch, versioniert und nachvollziehbar sein. Wenn dasselbe Teil jede Woche andere Kosten liefert, können Sie damit nicht verhandeln.
Ein funktionierendes KI-Tool zu bauen, ist die leichtere Hälfte. Was die Akzeptanz treibt: das Tool in den bestehenden Workflow integrieren, zeigen, wie es zu seinen Ergebnissen kommt, und Expert*innen Ideen damit entwickeln lassen, statt ihnen eine fertige Liste vorzulegen. Entscheidend ist, ob sich der Workflow tatsächlich verändert hat.
Wenn KI in Sekunden Antworten liefert, ist die knappe Fähigkeit, zu erkennen, wann eine Antwort falsch ist. Kritisches Denken und die Verantwortung für Entscheidungen bleiben bei den Cost Engineer*innen. Wer bei Standardteilen 90-95 % Genauigkeit akzeptiert, schafft für Expert*innen Freiraum dort, wo ihr Urteil am meisten zählt.
Automatisierung schafft Kapazität. Sie zu nutzen, um zehnmal mehr Kalkulationen zu produzieren, hilft niemandem, wenn die Organisation sie nicht verarbeiten kann. Der Wert liegt in dem, was danach passiert: frühere Einbindung in die Entwicklung, bessere Sourcing-Entscheidungen und Einsparungen, die tatsächlich realisiert werden.
Den Cost Intelligence Summit gibt es wegen der Menschen, die kommen und offen teilen. Danke an alle Teilnehmenden, die bei den Umfragen mitgemacht, Fragen über das Q&A gestellt und die Diskussionen auf der Terrasse und an den Ständen am Laufen gehalten haben.
Ein besonderer Dank geht an unsere Referent*innen, die ihre echten Projekte geteilt haben, inklusive dessen, was nicht funktioniert hat: Aksana Svirydava (Knorr-Bremse Rail), Dr. Eleni Ralli und Christoph Starringer (BMW Group), Michael Flieger (Brose), Falk Schröter (TE Connectivity), Yogendra Joshi (AGCO), Jasmino Burkic, Natallia Shauchenka, Mitchell Morgan und Sascha Voglgsang (A2MAC1) sowie Karl Egle, Andreas Lachmaier und Sasan Hashemi (Tset).
Danke an Jakob Etzel (Tset), der uns als Host und Moderator durch den Tag geführt hat. Ein großes Dankeschön auch an unsere Mitveranstalter*innen von A2MAC1 und an alle hinter den Kulissen, die den Tag am Laufen gehalten haben, von der Registrierung bis zur letzten Getränkerunde.
Gute Nachrichten: Der Cost Intelligence Summit 2027 ist bereits in Planung. Sie möchten als Erste*r erfahren, wann der Termin feststeht? Abonnieren Sie unseren Newsletter, und wir geben Ihnen Bescheid. Wir freuen uns auf Sie!