Cost Engineering
Zwei KI-Anwendungen, die die Produktkostenanalyse verändern
Maria Skvoznova
Okt 28, 2025
KI ist heute allgegenwärtig – aber wo spielt sie in der Fertigung und Kostenanalyse wirklich eine Rolle?
In einer aktuellen Episode des Altium Academy Podcasts erklärte unser CEO Sasan Hashemi, wie zwei konkrete KI-Anwendungen die Art und Weise verändern, wie Hersteller heute mit Produktkostendaten umgehen. Für Cost-Engineering-Teams, die täglich komplexe Entscheidungen zu Materialien, Lieferanten und CO₂-Fußabdrücken treffen, schaffen diese Anwendungen echten Mehrwert.
Sasan identifizierte zwei zentrale Bereiche, in denen KI messbare Wirkung zeigt: Sie löst das anhaltende Problem der Datenkategorisierung und verändert grundlegend, wie Teams mit Kostendaten interagieren. Beide Entwicklungen stehen für einen klaren Effizienzsprung im Cost Engineering.
KI in der Fertigung: Nicht alles ist ChatGPT
Der erste Schritt in jeder Diskussion über KI ist, zu klären, was genau damit gemeint ist. Wie Sasan erklärte:
Ich denke, es ist immer wichtig, KI zu definieren. Heute denken die meisten bei KI sofort an ChatGPT oder ähnliche Tools. Diese Modelle sind sehr leistungsstark, aber sie gehören zu einer bestimmten Kategorie – den LLMs. Gleichzeitig gibt es ganz unterschiedliche Einsatzfelder. Wenn man Algorithmen auf Basis von Daten entwickelt, spricht man eher von Machine Learning – also einem System, das auf Daten basiert und eigenständig lernt, konkrete Probleme zu lösen.
CEO & Co-founder, Tset
Sasan Hashemi
Diese Unterscheidung ist entscheidend. Im Cost Engineering spielen beide Ansätze eine Rolle. Machine Learning erkennt Muster und erstellt Prognosen. LLMs (Large Language Models) verstehen Kontexte, ordnen unstrukturierte Daten ein und ermöglichen natürliche Interaktionen zwischen Mensch und Software.
Anwendung 1: Die Lösung des Datenkategorisierungs-Problems
Eines der größten Probleme in der Fertigung ist die Vergleichbarkeit von Daten. Wenn Tausende Komponenten aus verschiedenen Produkten, Technologien und Lieferanten analysiert werden, stellt sich die Frage: Wie findet man wirklich vergleichbare Bauteile?
Sasan beschreibt dies als einen Bereich, in dem KI unmittelbaren Nutzen stiftet:
Eines der größten Probleme in der Fertigungsdatenanalyse ist die Kategorisierung und Vergleichbarkeit. Wenn ich ein Teil habe und wissen möchte, welche anderen Teile dieselbe Funktion erfüllen, ist das eine sehr komplexe Anfrage.
CEO & Co-founder, Tset
Sasan Hashemi
Traditionelle Suchmethoden stoßen hier an ihre Grenzen. Eine PCBA-Komponente kann je nach Lieferant, CAD-System oder interner Datenbank unterschiedlich beschrieben sein. Klassische Filter oder manuell gepflegte Kategorien scheitern, wenn Begriffe und Strukturen voneinander abweichen.
KI-gestützte Kategorisierung erkennt funktionale Ähnlichkeiten auch dann, wenn sich Bezeichnungen unterscheiden. Sie versteht, dass zwei Bauteile dieselbe Funktion erfüllen – selbst bei unterschiedlichen Artikelnummern, Lieferanten oder Beschreibungen.
Für Tset bedeutet das: Cost-Engineering-Teams können vergleichbare Komponenten schneller identifizieren – etwa bei Alternativen-Analysen, Should-Cost-Berechnungen oder Lieferanten-Benchmarks. Das System ordnet Bauteile nach ihrer tatsächlichen Funktion, nicht nach alphabetischen Listen oder Nummern.
Anwendung 2: Personalisierte Dateninteraktion
Die zweite Anwendung, die Sasan beschreibt, könnte den Arbeitsalltag in Cost-Engineering-Teams noch stärker verändern.
Traditionell funktioniert Software nach einem festen Prinzip: Entwickler erstellen Ansichten und Dashboards – und Nutzer passen ihre Arbeitsweise diesen Strukturen an.
KI bricht dieses Prinzip auf. Statt alle möglichen Dashboards im Voraus zu definieren, kann die Software individuelle Einblicke auf Abruf generieren – allein durch natürliche Spracheingaben.
Sasan verdeutlicht das mit einem Beispiel:
Ich kann Ihnen eine vollständige P&L-Übersicht einer PCBA geben – mit allen Details. Für PCBA-Ingenieur*innen ist ein Teil davon relevant, anderes vielleicht gar nicht. KI ändert das grundlegend, denn künftig wird es so sein: Die Daten sind vorhanden – und die Benutzeroberfläche zeigt das, was Sie wissen wollen. UIs verschwinden nicht komplett, aber im SaaS-Bereich werden wir deutlich mehr natürliche Dateninteraktionen sehen, bei denen Nutzer einfach fragen: ‘Zeig mir das’ – und die Software erstellt die Ansicht in Echtzeit.
CEO & Co-founder, Tset
Sasan Hashemi
Das bedeutet: Unterschiedliche Rollen im Unternehmen müssen nicht länger mit starren Dashboards arbeiten. KI ermöglicht maßgeschneiderte Einblicke für jede Fragestellung.
Neue Teammitglieder können Fragen in eigenen Worten stellen. Abteilungen können gemeinsame Daten so abfragen, dass sie für ihre spezifischen Bedürfnisse Sinn ergeben. Die Hürde zwischen „Daten haben“ und „Daten wirklich nutzen“ sinkt deutlich.
Die Zukunft von SaaS in der Fertigung
Diese dialogorientierte Art der Datenanalyse wird entscheidend dafür sein, wie sich Software im Cost Engineering weiterentwickelt – vor allem, wenn Unternehmen die Skalierbarkeit ohne aufwendige Schulungen erreichen wollen.
Sasan ist überzeugt: „Das ist ein großer Wandel – und er wird die SaaS-Landschaft der nächsten zehn Jahre prägen.“
KI als praktisches Werkzeug
Was in dieser Diskussion besonders auffällt, ist der pragmatische Ansatz. Sasan sieht KI als Werkzeug, das bestehende Cost-Engineering-Prozesse schneller, zugänglicher und präziser macht.
Die Technologie adressiert reale Schmerzpunkte: Datenkategorisierung, die derzeit Stunden in Anspruch nimmt, abteilungsübergreifende Kommunikation mit vielen Übergaben und die Herausforderung, komplexe Kostenmodelle für verschiedene Stakeholder verständlich zu machen.
Mehr über KI, Cost Engineering und die Zukunft der Fertigungsanalyse
Sehen Sie sich die vollständige Podcast-Episode der Altium Academy Altium Academy an:
1. Wie wird KI im Cost Engineering eingesetzt?
KI unterstützt vor allem zwei Anwendungen: Datenkategorisierung und personalisierte Dateninteraktion. Sie hilft, Komponenten nach Funktion statt nach Schlagworten zu vergleichen und ermöglicht, Kostendaten per natürlicher Spracheingabe abzufragen – ohne auf vordefinierte Dashboards angewiesen zu sein.
2. Was ist der Unterschied zwischen KI und Machine Learning in der Produktkostenanalyse?
Machine Learning basiert auf historischen Daten und erkennt Muster oder erstellt Prognosen. KI – insbesondere LLMs – geht weiter: Sie versteht Kontexte, kategorisiert unstrukturierte Daten und ermöglicht eine natürliche Interaktion mit Kosteninformationen. Beide Ansätze ergänzen sich in modernen Cost-Engineering-Lösungen.
3. Kann KI die Vergleichbarkeit von Fertigungsdaten verbessern?
Ja. KI erkennt funktionale Ähnlichkeiten zwischen Komponenten auch dann, wenn sie in unterschiedlichen Systemen unterschiedlich beschrieben sind. Dadurch entfällt die Notwendigkeit exakter Schlagwort-Übereinstimmungen.
4. Wie verändert KI künftige Cost-Analysis-Software?
KI wird Software von statischen Dashboards zu dynamischen, abfragebasierten Interfaces führen. Nutzer*innen können Fragen frei formulieren und erhalten maßgeschneiderte Ansichten – ohne tiefe Softwarekenntnisse. Das macht Kostenanalysen im gesamten Unternehmen zugänglicher.