Fertigungskostenschätzung & Sofortangebot aus CAD (Should-Cost)

Ein Angebot für ein Einzelteil bedeutete bisher: Ein Kalkulator liest eine Zeichnung, schätzt Rüstvorgänge und Zykluszeiten und schlägt Materialpreise nach; Einkäufer haben das spiegelbildliche Problem, nicht zu wissen, was ein Teil kosten sollte. KI extrahiert Fertigungsmerkmale aus dem 3D-Modell, leitet eine Prozessroute und Zeiten ab und kombiniert physikalisch geprägte Kostenregeln mit einer Regression auf den eigenen früheren Angeboten und Ist-Werten der Fertigung. Ergebnis: Anfragen werden in Minuten statt in Stunden oder Tagen beantwortet, und der Einkauf erhält faktenbasierte Verhandlungsziele.

Problem & Nutzen

• Verkäuferseite (Lohnfertiger, Auftragsfertiger): Kalkulatoren sind ein Engpass; langsame Antworten verlieren Anfragen, und uneinheitliche Schätzungen zwischen Personen schmälern die Marge. Viele Betriebe bearbeiten nur einen Bruchteil der eingehenden Anfragen.
• Käuferseite (OEM-Einkauf, Cost Engineering): Lieferantenangebote sind intransparent; ohne Bottom-up-Modell stützt sich die Verhandlung auf Preishistorie oder Benchmarks. Should-Cost-Modelle machen Kostentreiber sichtbar (z. B. enge Toleranzen, vermeidbare Rüstvorgänge) und speisen Design-to-Cost-Schleifen in der Konstruktion.
• Marktplätze: Plattformen wie Xometry, Spanflug und Laserhub bieten Sofortangebote für hochgeladene CAD-Dateien und leiten Aufträge an Partnerbetriebe weiter.
• Berichtete Effekte (Aussagen der Anbieter, nicht unabhängig geprüft): Paperless Parts gibt an, dass die Angebotserstellung für ein einzelnes Bauteil von bis zu 2 Stunden auf 15 Minuten und für komplexe Baugruppen von bis zu 4 Tagen auf 4 Stunden sinkt [1]. In einer Kundenaussage bei simus berichtet ein Kosteningenieur von Trumpf, den Kalkulationsaufwand um 98 Prozent gesenkt zu haben, und ein Anwender bei BSH, die Zeit pro Teil und Arbeitsplan halbiert zu haben [2]. Spanflug wirbt mit bis zu 90 % weniger Aufwand für Käufer und Lieferanten [3]. Betrachten Sie alle als Marketingzahlen; messen Sie Ihre eigene Ausgangslage.

Varianten

• Sofortangebot für Lohnfertiger: Kundenportal im Web, Preis und Lieferzeit in Sekunden (CNC, Blech/Laser, Spritzguss, additive Fertigung, Guss).
• Interner Assistent für Kalkulatoren: Die Angebots-Engine füllt einen Vorschlag vor; die Kalkulatorin bzw. der Kalkulator prüft ihn. Typisch für komplexe Teile und Baugruppen.
• OEM-Should-Cost / Design-to-Cost: Bottom-up-Kostenmodelle für die Verhandlung und für Konstrukteure, die die Kostenwirkung schon beim Entwurf prüfen (simus und Werkzeuge im Stil von Tset, Siemens Teamcenter Product Cost Management, aPriori) [2][4].
• Kosten plus CO2: Dasselbe Prozessmodell liefert eine Schätzung des CO2-Fußabdrucks des Produkts (Tset positioniert Kosten und CO2 gemeinsam) [4].
• Private/Maker-Nutzung: Hobbyisten laden STL/STEP auf Marktplätze für den Preisvergleich hoch; keine eigene KI nötig.

So funktioniert es

1. CAD (STEP/nativ) + Zeichnung + Material + Toleranzen + Stückzahl
2. Zeichnungs-/Spezifikationsparsing (Schriftfeld, Toleranzen, Oberfläche, Zertifikate) [DOC-013]
3. Geometrieanalyse: Volumen, Bounding Box, Merkmale, B-Rep-Graph-Embeddings
4. Fertigbarkeitsprüfung + Verfahrenswahl (3-Achs/5-Achs, Drehen, Biegen, Formen ...)
5. Zeitmodell: Rüstvorgänge, Zykluszeit, Maschinenstunden (Regeln + ML-Korrektur)
6. Kostenaufbau: Material (Preisindex), Maschinen-/Lohnsätze, Werkzeuge, Gemeinkosten, Marge
7. Preis mit Konfidenzintervall je Losgröße
8. menschliche Prüfung bei geringer Konfidenz oder hohem Wert
9. Angebot an Kunden / ERP
10. Rückkopplung: tatsächliche Zeiten und Kosten kalibrieren das Modell

• Geometrie: Kernel auf Basis von Open CASCADE lesen STEP-B-Rep; gelernte Encoder wie UV-Net und BRepNet arbeiten direkt auf B-Rep-Flächen/-Kanten für Merkmalserkennung und Einbettungen [5].
• Kostenmodell: Das robuste Muster ist hybrid. Ein deterministisches Prozessmodell (Vorschübe, Drehzahlen, Rüstregeln, Sätze) liefert erklärbare Kosten; gradientenverstärkte Bäume oder neuronale Netze lernen die Abweichung zwischen Modell und den tatsächlichen Zeiten/Preisen der Fertigung. Reine Ende-zu-Ende-Regression aus der Geometrie ist weniger erklärbar und braucht weit mehr Daten.
• Rolle von LLM/VLM: Zeichnungen und Anfrage-E-Mails lesen, Toleranzen, Materialien und Normen extrahieren und ein Angebot in Worten erklären. Der numerische Preis sollte aus dem Kostenmodell kommen, nicht aus dem LLM.
• Mensch-in-der-Schleife (Human-in-the-Loop): Kalkulatoren genehmigen Angebote oberhalb von Wertgrenzen, bei neuartigen Geometrien (Kennzeichnung außerhalb der Verteilung) und bei engen Toleranzen; Korrekturen werden als Trainingsdaten protokolliert.

Datenaufbereitung

Benötigte Daten: 3D-CAD-Dateien (STEP und native Formate), 2D-Zeichnungen (oft PDF-Scans), Material- und Toleranzspezifikationen, historische Angebote und Aufträge und vor allem Nachkalkulationsdaten (tatsächliche Zykluszeiten, Ausschuss, Materialkosten) mit Maschinen- und Stundensätzen. Sie liegen typischerweise im CAD/PDM- oder PLM-System, im ERP, auf Dateifreigaben, in E-Mail-Anhängen (Anfragen), in den Excel-Tabellen der Kalkulatoren und in Papierzeichnungen. Typische Lücken: Angebote ohne Ist-Kosten, gescannte Zeichnungen ohne Textebene, uneinheitliche Teilenummern und Dubletten, implizites Wissen im Kopf der Kalkulatoren, veraltete Satztabellen und keine einheitlichen Labels für Prozessrouten. Kunden- und Lieferantendaten unterliegen Vertraulichkeitspflichten.

Schritte: (1) Quellen erfassen und dem Anwendungsfall zuordnen (PREP-001, PREP-002); (2) ERP-Angebote, -Aufträge und -Nachkalkulationen exportieren (PREP-005); (3) alte Zeichnungen scannen und per OCR erfassen (PREP-006); (4) Kalkulations-Tabellen in saubere Tabellen umstrukturieren (PREP-011); (5) Labels aus gewonnenen und verlorenen Angeboten und aus Ist-Kosten gewinnen (PREP-020); (6) Expertenwissen und Gold-Standard-Angebote erfassen (PREP-016). Werkzeuge: CAD-Konverter, OCR/Dokumenten-Parsing, Python, ein kleines Data Warehouse. Für ein eigenes Modell sind 50 bis 60 Prozent des Aufwands Datenarbeit zu erwarten, mit einem Produkt weniger. Siehe GUIDE-003.

Umsetzungswege

Welcher Weg für wen

• KMU (Lohnfertiger): Weg A, weil ausgereifte Sofortangebots- und Should-Cost-Produkte zu KMU-Preisen existieren und die Angebotserstellung ein Standardprozess ist.
• Unternehmen (OEMs, große Hersteller): Weg C, weil Kostenmodelle strategisch sind, CAD-Daten als Geschäftsgeheimnis geistiges Eigentum darstellen und ein auf eigenen Nachkalkulationen trainiertes Modell allgemeine Benchmarks schlägt.
• Entwickler: Weg C, weil offene CAD-Kernel und ML-Bibliotheken die Integration in das eigene ERP/PLM und eigene Kostenmodelle erlauben.

Weg A — Kaufen (empfohlen für KMU-Lohnfertiger)

• Angebotssoftware für Lohnfertiger: Paperless Parts (USA; automatisierte Analyse von Teiledateien für Blech, CNC, Swiss-Drehen und additive Fertigung [1]), Spanflug MAKE (deutsch; Kalkulationssoftware für zerspanende Betriebe [3]), simus classmate (deutsch; Kosten und Emissionen aus einem 3D-CAD-Modell in Sekunden [2]), Kaktus AI. Viele ERP/MES-Anbieter (z. B. für Lohnfertiger) ergänzen Angebotsmodule.
• Should-Cost / Cost Engineering für OEMs: aPriori, Siemens Teamcenter Product Cost Management, Tset (Deutschland; Kosten- und CO2-Plattform plus Expertendienstleistungen [4]), simus.
• Marktplätze (Teile zukaufen statt eigener Engine): Xometry (akzeptiert STEP, SLDPRT, STL, DXF, 3MF [6]), Spanflug BUY (Netzwerk mit mehr als 8.000 Maschinen [3]), Laserhub (Sofortangebot rund um die Uhr, ca. 100 Produzenten [7]). Beachten Sie, dass das Hochladen von CAD auf eine US-Plattform eine Entscheidung zu geistigem Eigentum und Exportkontrolle ist.
• A wählen, wenn: Standardprozesse vorliegen, Sie Ihre Maschinensätze exportieren können und keine Geometrie-Pipeline pflegen wollen. Prüfen Sie EU-Hosting, NDA-/IP-Bedingungen und ob der Anbieter Modelle mit Ihren Daten trainiert.

Weg B — Auf Cloud-KI-Diensten aufbauen

• Die Geometrie bleibt klassisch (Open CASCADE, CAD-Hersteller-APIs, Autodesk Platform Services), da führende LLM-APIs STEP nicht nativ lesen; Ansichten rendern oder extrahierte Merkmalstabellen senden.
• Zeichnungen/Anfragen: Ein multimodales Modell (Claude, Gemini, GPT, Mistral) mit JSON-Schema-Ausgaben extrahiert Toleranzen, Material und Oberfläche; EU-Regionen oder EU-Anbieter für IP-sensible Zeichnungen.
• Kostenmodell: Gradient Boosting (LightGBM/XGBoost) auf Merkmalen plus Regeln, gehostet in einem verwalteten ML-Dienst in einer EU-Region. Anbindung über ERP-APIs und ein Workflow-Werkzeug (n8n, Power Automate).
• B wählen, wenn: Sie einen besonderen Prozess oder ein besonderes ERP haben und die Preislogik selbst besitzen wollen.

Weg C — Selbst betreiben (Open Source)

• Stack: Open CASCADE/pythonOCC oder CadQuery/build123d zum Lesen von STEP, für Merkmalserkennung und Volumen-/Flächenberechnung; trimesh für Netze; scikit-learn/LightGBM für Kosten; optional UV-Net- oder BRepNet-Encoder (Hinweis: Das BRepNet-Repository steht unter CC BY-NC-SA, nicht kommerziell [8]; prüfen Sie die UV-Net-Lizenz vor kommerzieller Nutzung). Offene VLMs (Qwen-VL-Familie) über vLLM zum Lesen von Zeichnungen, DOC-013.
• Hardware: Die numerische Pipeline läuft auf CPU (HW1); eine GPU (HW2) wird nur für VLMs zur Zeichnungserkennung oder zum Training von B-Rep-Netzen gebraucht. CAD verlässt nie das Unternehmen, was der Hauptgrund für C ist.
• Betriebsaufwand: mäßig; schwierig ist das Prozesswissen, nicht die Infrastruktur.

Weg D — Eigenes Training

Lohnt sich, wenn Sie tausende historische Angebote mit Arbeitsplänen und Ist-Zeiten für eine wiederholbare Teilefamilie haben. Trainieren Sie je Prozess Regressoren (Zykluszeit, Rüstzeit, Ausschuss) auf konstruierten Geometriemerkmalen, optional mit einem B-Rep-Graph-Encoder als Merkmalsextraktor. Erforderliche Daten: CAD-Dateien, die mit Angeboten verknüpft sind, Arbeitspläne, tatsächliche Maschinenzeiten und Endpreise sowie das Ergebnis gewonnen/verloren für die Preisoptimierung (siehe OPT-004). Schwache Datensätze (<~500 Teile je Prozess) sprechen für das hybride Modell aus Regeln plus Residuum.

Stand der Technik (2026)

• Hybride Engines sind Standard: Merkmalserkennung + regelbasierte Prozessplanung + ML-Korrektur. Anbieter wie Paperless Parts, Spanflug und simus automatisieren die Analyse von Merkmalen, Zeit und Kosten aus der CAD-Datei [1][2][3]; Marktplätze ergänzen Auto-Angebote für weitere Prozesse (Xometry kündigte im Oktober 2025 ein Auto-Angebot für Spritzguss an [6]).
• Gelernte B-Rep-Repräsentationen (UV-Net, BRepNet; CVPR 2021) ermöglichen Merkmalssegmentierung und Form-Einbettungen, die auch die Suche nach ähnlichen Teilen antreiben (KNOW-020) [5][8]. Es sind bausteine auf Forschungsniveau, keine schlüsselfertigen Kostenprädiktoren.
• LLMs/VLMs haben die Zeichnungsaufnahme verändert: Toleranzen, Hinweise und Zertifikate lassen sich ohne Vorlagen aus PDFs lesen, mit Fehlern bei dichten oder handgeschriebenen Zeichnungen.
• Grenzen: neuartige Geometrien, Baugruppen, Teile mit engen Toleranzen oder Sonderprozessen, lieferantenspezifische Sätze und Schwankungen der Marktkapazität (Kosten sind nicht Preis). Stückkosten driften mit Material- und Energiepreisen, binden Sie daher Indexdaten an (PRED-008). Modelle müssen einen Konfidenzbereich zeigen; stilles Extrapolieren führt zu Verlustangeboten. Einen unabhängigen öffentlichen Benchmark zur Genauigkeit von Angeboten, den wir prüfen konnten, gibt es nicht; verlangen Sie einen Pilot mit Ihren eigenen historischen Teilen.

Gemeinsame Bausteine & Kombinationen

• Aufnahme von Zeichnungen und Anfragen: DOC-013 (Verständnis technischer Zeichnungen) und DOC-015 (Anfrageanalyse) speisen dieses Modell; derselbe VLM/OCR-Server (HW2) wie bei anderen Dokumenten-Anwendungsfällen.
• Suche nach ähnlichen Teilen: KNOW-020 teilt B-Rep-Einbettungen und die CAD-Pipeline; die nächsten historischen Teile dienen auch als Preisanker.
• Einkaufsseite: AGENT-005 vergleicht und verhandelt eingegangene Angebote; die Should-Cost-Ausgabe ist sein Maßstab.
• Preisbildung und Eingaben: PRED-008 (Indexprognosen für Material/Energie) aktualisiert die Materialkosten; OPT-004 (Preisoptimierung) macht aus Kosten einen Preis, der die Gewinnwahrscheinlichkeit berücksichtigt.
• Rückmeldung aus der Fertigung: PRED-014 (Prozessqualität / virtuelle Sensoren) und MES-Ist-Werte kalibrieren die Zeitmodelle neu.
• Gemeinsame Bausteine: tabular-ml, 3d-vision-Geometrie-Pipeline, ERP-Konnektor, Workflow-Engine.

Aufwand, Kosten & Kennzahlen

• Weg A: Wochen bis wenige Monate (die Einrichtung von Maschinensätzen und Material dominiert); Abonnementpreise.
• Weg B: 3-6 Monate für eine erste Prozessfamilie einschließlich ERP-Integration.
• Weg C: ähnlich wie B plus Betrieb; überwiegend CPU, geringe Hardwarekosten.
• Weg D: 6-12 Monate einschließlich Datenbereinigung historischer Angebote und Arbeitspläne.
• Kennzahlen: Durchlaufzeit des Angebots, Anteil vollautomatisch erstellter Angebote, Trefferquote (gewonnen/angeboten), mittlerer absoluter prozentualer Fehler zwischen vorhergesagten und tatsächlichen Kosten, realisierte vs. geplante Marge, Kalkulatorstunden je Angebot, Lücke zwischen Lieferantenpreis und Should-Cost (Käuferseite).

Menschen & Veränderung

Beziehen Sie die Geschäftsleitung und die Vertriebs- bzw. Arbeitsvorbereitungsleitung für Ziele und Preispolitik ein, die Kalkulatoren von Anfang an als wichtigste Anwender (sie haben das Know-how und fürchten Ersatz), die IT für die CAD/ERP-Integration und die Datenverantwortlichen für Nachkalkulationsdaten. Lieferanten und Kunden müssen informiert werden, wenn ihre Zeichnungen oder Preise verarbeitet werden; prüfen Sie NDAs und Vertragsbedingungen mit der Rechtsabteilung.

Betriebsrat: kommt darauf an. Das Werkzeug unterstützt vor allem die Angebotserstellung; protokolliert es jedoch Korrekturen der Kalkulatoren oder Angebotszeiten je Person, wird es geeignet, die Leistung zu überwachen, und es gilt die Mitbestimmung nach § 87 Abs. 1 Nr. 6 BetrVG; geänderte Arbeitsabläufe erfordern zudem eine frühe Unterrichtung (§ 90 Abs. 1 Nr. 3). Eine kurze Betriebsvereinbarung (keine individuelle Leistungsbewertung) regelt das in der Regel. Personenbezogene Daten sind begrenzt (Namen in Zeichnungen oder Anfragen); beziehen Sie die Datenschutzbeauftragte bzw. den Datenschutzbeauftragten für den AVV (Art. 28 DSGVO) mit jedem Cloud-Anbieter ein; eine DSFA ist normalerweise nicht erforderlich.

KI-Kompetenz: Die KI-Verordnung (Art. 4) verlangt Maßnahmen zur Förderung der Kompetenz der Beschäftigten; schulen Sie Kalkulatoren darin, Vorschläge zu prüfen, Konfidenzbereiche zu verstehen und Teile außerhalb der Verteilung zu erkennen. Starten Sie mit einer Produktlinie und einigen Champion-Kalkulatoren, vergleichen Sie KI-Angebote mit manuellen und lassen Sie die Kalkulatorin bzw. den Kalkulator die letzte Freigabe behalten. Typische Bedenken: „Es ersetzt mich“ (es nimmt Routine ab, Fachleute übernehmen komplexe Teile) und falsche Angebote (Margenleitplanken, Freigabe durch Menschen). Siehe GUIDE-008, GUIDE-004, GUIDE-009.

Risiken, Regulierung & Compliance

• KI-Verordnung (AI Act): minimales Risiko; keine Kategorie in Anhang III (keine Entscheidungen über natürliche Personen). Die KI-Kompetenz (Art. 4) gilt für die Beschäftigten.
• DSGVO: überwiegend Geschäftsdaten; personenbezogene Daten nur in Kundenkontakten und bei Einzelunternehmern als Lieferanten.
• Geistiges Eigentum und Geschäftsgeheimnisse: CAD-Dateien und Zeichnungen sind zentrales geistiges Eigentum (Richtlinie (EU) 2016/943 über Geschäftsgeheimnisse). NDAs verlangen, kein Training mit Kundendaten, EU-Hosting, Zugriffskontrolle.
• Exportkontrolle / Rüstungsteile: Zeichnungen mit doppeltem Verwendungszweck oder militärische Zeichnungen dürfen möglicherweise nicht auf ausländische Plattformen hochgeladen werden; wählen Sie Weg C.
• Wettbewerbsrecht: Ein gemeinsamer Should-Cost- oder Benchmarking-Dienst darf keine Preise oder Sätze von Wettbewerbern austauschen; nur anonymisierte, aggregierte Daten verwenden.
• Geschäftliches Risiko: Falsche Angebote binden den Betrieb; Gültigkeitsklauseln, Freigabegrenzen durch Menschen, Drift-Überwachung und Kennzeichnungen außerhalb der Verteilung beibehalten.
• Einsatz in Verhandlungen: Should-Cost ist eine Schätzung; stellen Sie sie als Modell mit Annahmen dar.

Erste Schritte

1. 200-500 historische Teile mit CAD, Zeichnung, Angebot, Arbeitsplan und tatsächlicher Zeit/Kosten sammeln; die erste Prozessfamilie festlegen (z. B. gefräste Aluminiumteile).
2. Maschinensätze, Rüstvorgänge, Materialpreise und Gemeinkosten als deterministische Kostenbasis dokumentieren.
3. Zwei bis drei Werkzeuge aus Weg A an den eigenen historischen Teilen testen und mit den Ist-Werten vergleichen (MAPE).
4. Freigaberegeln festlegen: automatisch unterhalb einer Wert-/Konfidenzgrenze, Prüfung durch die Kalkulation darüber.
5. Ergebnisse gewonnen/verloren und tatsächliche Zeiten jeden Monat zurückspielen, um neu zu kalibrieren.

Quellen

1. Paperless Parts — quoting software, part-file analysis and vendor claims — https://www.paperlessparts.com/
2. simus systems — simus classmate, cost and emissions from 3D CAD, customer statements — https://www.simus-systems.com/
3. Spanflug — BUY/MAKE platform and figures — https://www.spanflug.de/
4. Tset — product costing and CO2 platform, cost engineering services — https://www.tset.com/
5. Jayaraman et al., "UV-Net: Learning from Boundary Representations", CVPR 2021 — https://arxiv.org/abs/2006.10211
6. Xometry — Instant Quote, accepted CAD formats, injection moulding auto-quote news — https://www.xometry.com/
7. Laserhub — 24/7 instant quote and network figures — https://www.laserhub.com/
8. BRepNet (Autodesk AI Lab), CVPR 2021, CC BY-NC-SA 4.0 — https://github.com/AutodeskAILab/BRepNet
9. UV-Net implementation — https://github.com/AutodeskAILab/UV-Net
10. Regulation (EU) 2024/1689 (AI Act) — https://eur-lex.europa.eu/eli/reg/2024/1689/oj