Was Industrieunternehmen von Beratern erwarten, verschiebt sich gerade.
Jahrzehntelang bestanden viele Beratungsprojekte aus Datenaufbereitung, Benchmarking, Excel-Auswertungen, externer Absicherung und Empfehlungen auf Folien. Diese Arbeit hatte ihren Wert, solange die internen Daten verstreut lagen, die Auswertungskapazität im Haus knapp war und die Geschäftsführung eine Außensicht brauchte, um eine Entscheidung zu strukturieren.
KI verändert dieses Modell.
Die manuelle Datenaufbereitung verliert an Wert. Daten lassen sich schneller strukturieren, leichter anreichern und in einem Umfang auswerten, für den früher große Projektteams nötig waren. Beratung verschwindet deshalb nicht, aber wofür Kunden zahlen, ändert sich: messbare Ergebnisse, technische Tiefe, prüfbare Modelle, schnellere Ausführung und die Fähigkeit, Maßnahmen tatsächlich umzusetzen. Das ist mit ergebnisorientierter Beratung gemeint.
In der industriellen Kostenanalyse zeigt sich das besonders deutlich. Pauschale Einsparversprechen ziehen nicht mehr. Gefragt ist ein nachvollziehbares Kostenmodell, das erklärt, warum ein Teil, ein Produkt, ein Lieferantenangebot oder ein Business Case wirtschaftlich plausibel ist.
Genau dort setzt COVALYZE an. COVALYZE berechnet Fertigungskosten in einem prüfbaren Modell. Aus technischen Parametern werden Prozesszeiten, aus Prozesszeiten regionale Fertigungskosten, auf Basis gepflegter Datenbanken zu Maschinen, Material, Verfahren und Regionen. Am Ende steht eine offengelegte Kostenlogik statt einer KI-Schätzung aus der Black Box. Sie lässt sich prüfen, hinterfragen und in Verhandlungen, bei Make-or-Buy-Entscheidungen, in der Produktkalkulation und bei der Prüfung von Investitionen einsetzen.
Das alte Beratungsmodell lebte von Auswertungskapazität und externer Absicherung
Industrieunternehmen haben Berater lange aus wiederkehrenden Gründen geholt. Der größte Teil dieser Arbeit läuft heute in Software, und vorher und nachher lassen sich fast Punkt für Punkt gegenüberstellen:
Vor KI
Warum Industrieunternehmen Berater geholt haben
- den internen Teams fehlten Zeit oder Werkzeuge, um komplexe Daten zu ordnen
- ERP- und Einkaufsdaten waren unvollständig oder widersprüchlich
- für Benchmarks fehlte die Erfahrung von außen
- die Geschäftsführung brauchte eine unabhängige Sicht
- interne Empfehlungen brauchten eine Bestätigung von außen
- komplexe Vorhaben brauchten ein geordnetes Projektmanagement
- Entscheidungen mussten für den Vorstand aufbereitet werden
Mit KI
Was heute nur noch einen Bruchteil der Zeit braucht
- Daten bereinigen
- Teile klassifizieren
- Dokumente auslesen
- Lieferanten und Warengruppen gruppieren
- technische Parameter ergänzen
- Muster im Einkaufsvolumen finden
- Abweichungen auswerten
- erste Empfehlungen entwerfen
- Szenarien durchrechnen
- Berichte aufbereiten
Was früher der abrechenbare Kern eines Projekts war, ist heute ein Vorbereitungsschritt.
Besonders galt das im Einkauf, in der Supply Chain, im Betrieb und in der technischen Kostenanalyse. Viele Projekte begannen mit verstreuten Daten: Lieferantenlisten, Ausgabendateien, Teilenummern, Zeichnungen, Stücklisten, Bestellungen, Preishistorien und lückenhaften Materialangaben. Ein großer Teil des Beratungsaufwands ging in das Bereinigen, Gruppieren, Vereinheitlichen und Deuten dieser Daten, und dafür zu zahlen war damals berechtigt.
Was KI verändert
KI verändert die Wirtschaftlichkeit der Analysearbeit. Daten lassen sich in einem Umfang strukturieren, anreichern und sichten, für den früher ein ganzes Projektteam und mehrere Wochen nötig waren.
Richtig wird ein KI-Ergebnis dadurch nicht. Im industriellen Umfeld gilt eher das Gegenteil: KI-Ergebnisse müssen sorgfältig geprüft werden. Was sich ändert, ist die Rolle des Beraters.
Reine Auswertungskapazität rechtfertigt kein Honorar mehr. Kunden erwarten bessere Werkzeuge, eigene Daten, technisches Verständnis und die Fähigkeit, Ergebnisse zu prüfen und umzusetzen.
Das Versprechen der Beratung ändert sich von:
„Wir werten Ihre Daten aus und sagen Ihnen, was wir gefunden haben.“
hin zu:
„Wir bauen mithilfe von Technologie schneller eine überprüfbare Faktenbasis auf und helfen Ihnen, daraus ein messbares Ergebnis zu machen.“
Von der Schätzung zur Entscheidungsgrundlage
Eine Empfehlung aus der Black Box ist schnell. Prüfen, hinterfragen und in einer Verhandlung verwenden lässt sich nur ein offengelegtes Modell.
KI baut die Faktenbasis schneller auf. Vertrauen entsteht erst, wenn der Rechenweg offenliegt.
KI bereinigt, klassifiziert und ergänzt Industriedaten in einem Umfang, für den früher große Projektteams nötig waren. Der Aufwand für den Aufbau einer Faktenbasis sinkt damit drastisch. Glaubwürdig wird das Ergebnis dadurch noch nicht.
Einkaufsleiter, CFOs, COOs und Investoren wollen wissen, wie eine Zahl zustande kommt, bevor sie danach handeln. Tempo ohne nachvollziehbaren Rechenweg ist keine Entscheidungsgrundlage.
Der Wert verlagert sich deshalb auf die späteren Schritte: weg vom Erstellen der Analyse, hin zum Prüfen, Priorisieren und Umsetzen.
Ergebnisorientierte Beratung setzt sich durch
Kunden sind gegenüber reinen Zeithonoraren skeptisch geworden und wollen wissen, was ein Projekt liefert: geringere Kosten, bessere Marge, schnellere Angebote, bessere Sourcing-Entscheidungen, einen belastbareren Business Case oder weniger Risiko in der Umsetzung.
Das Muster zieht sich durch den Beratungsmarkt. Große Häuser rücken erfolgs- oder ergebnisabhängige Modelle stärker in den Vordergrund, vor allem dort, wo KI den sichtbaren Aufwand hinter einer Analyse verringert.
Für Industrieunternehmen entsteht daraus eine neue Erwartung: Berater sollen zu Ergebnissen beitragen, nicht nur Erkenntnisse liefern. In der Praxis heißt das:
- echte Kostenhebel benennen
- Maßnahmen priorisieren
- die Daten hinter einer Empfehlung prüfen
- Lieferantenverhandlungen begleiten
- einen Umsetzungsplan vorbereiten
- Einsparungen dokumentieren
- die Umsetzung nachhalten
- Annahmen offenlegen
- erklären, warum ein Ergebnis technisch und kaufmännisch glaubwürdig ist
Die stärksten Berater in diesem Markt werden die sein, die KI, technisches Wissen und Umsetzungsstärke verbinden, nicht die, die an manueller Zahlenarbeit festhalten.
Warum die Verschiebung in der industriellen Kostenanalyse am deutlichsten wird
Ein Lieferantenpreis ist nie nur eine Zahl. In ihm stecken Material, Geometrie, Prozessschritte, Maschinenzeit, Rüstzeit, Lohnkosten, Energiekosten, Gemeinkosten, Stückzahl, Region und die Strategie des Lieferanten.
Die klassische Ausgabenanalyse zeigt, was ein Unternehmen bezahlt hat. Ob der Preis technisch plausibel ist, sagt sie nicht, und genau in dieser Lücke fallen die Entscheidungen.
Erhöht ein Lieferant die Preise, muss der Einkauf wissen, ob die Erhöhung berechtigt ist. Erwägt ein Unternehmen, ein Teil selbst zu fertigen, muss die Geschäftsführung wissen, ob die eigene Fertigung wirtschaftlich realistisch ist. Prüft ein Private-Equity-Investor ein Portfoliounternehmen, muss das Deal-Team wissen, ob der Business Case auf glaubwürdigen Produktkosten beruht.
Mit Durchschnitts-Benchmarks allein lässt sich das nicht beantworten. Dafür braucht es ein technisches Kostenmodell.
Vom KI-Ergebnis zum prüfbaren Kostenmodell
Im industriellen Umfeld reicht KI allein nicht. Eine Empfehlung aus der Black Box ist schnell, aber Tempo macht sie nicht glaubwürdig. Einkaufsleiter, CFOs, COOs und Investoren müssen nachvollziehen, wie ein Ergebnis berechnet wurde, und genau das liefert ein prüfbares Kostenmodell.
Ein prüfbares Fertigungskostenmodell muss die wichtigsten Annahmen offenlegen:
- Materialeinsatz
- Geometrie
- Prozessfolge
- Maschinenzeit
- Rüstzeit
- Maschinenstundensätze
- regionale Kostenannahmen
- Rohstoffpreise
- Mengeneffekte
- Gemeinkostenlogik
Das ist der Unterschied zwischen einer Schätzung und einer Entscheidungsgrundlage. Ein Modell, das sich prüfen lässt, verdient Vertrauen. Offengelegte Annahmen lassen sich sachlich hinterfragen. Eine wiederholbare Berechnungslogik lässt sich auf Lieferanten, Werke, Regionen und Produktportfolios übertragen.
Wo COVALYZE dabei steht
COVALYZE ist ein prüfbares Fertigungskostenmodell für technische Teile und Produkte, kein KI-Werkzeug, das Einsparungen vorhersagt. Der Rechenweg liegt bewusst offen:
- Technische Parameter beschreiben das Teil.
- Prozessformeln übersetzen diese Parameter in Maschinen- und Prozesszeiten.
- Rüstzeiten und Annahmen zur Fertigung kommen hinzu.
- Regionale Daten zu Maschinen, Löhnen, Energie und Gemeinkosten machen aus diesen Zeiten lokale Fertigungskosten.
- Am Ende steht eine offengelegte Should-Cost-Berechnung.
COVALYZE berechnet nicht zuerst Kosten. Es berechnet zuerst Prozesszeiten. Die Kosten sind die regionale Übersetzung dieser Zeiten.
Der Unterschied wirkt sich in der Praxis aus. Die Berechnung beruht auf technischen Parametern und gepflegten Kostendatenbanken, nicht auf einem Berater, der die Annahmen so lange verschiebt, bis die gewünschte Einsparzahl herauskommt. Das Ergebnis liegt offen, lässt sich wiederholen und ist schwer zu frisieren.
Was das für Berater bedeutet
KI macht Berater nicht überflüssig. Sie legt die Latte höher. Wer seinen Wert vor allem aus manueller Datenarbeit zieht, gerät unter Druck. Wer technisches Wissen, Werkzeuge, eine geordnete Umsetzung und die Fähigkeit mitbringt, KI-Ergebnisse zu prüfen, wird wertvoller.
Die künftige Rolle von Beratern in der industriellen Kostenarbeit umfasst:
- technische Eingangsdaten prüfen
- Annahmen hinterfragen
- Kostenmodelle in Sourcing-Strategien überführen
- Lieferantenverhandlungen vorbereiten
- Auktionen oder Verhandlungsrunden führen
- Make-or-Buy-Entscheidungen begleiten
- Einkauf, Entwicklung und Finanzen zusammenbringen
- Analyseergebnisse in umgesetzte Maßnahmen überführen
- die Wirkung dokumentieren
- der Geschäftsführung helfen, den nächsten Schritt zu entscheiden
Der Wert der Beratung verschiebt sich zur technischen Prüfung, zur Umsetzung und zu messbaren wirtschaftlichen Ergebnissen. Nicht zum Formulieren von Prompts und nicht zu noch mehr Folien.
Was das für Industrieunternehmen bedeutet
Auf der Kundenseite gilt das genauso. Interne Teams können mit KI mehr auswerten, doch daraus entstehen nicht automatisch bessere Entscheidungen.
Oft entsteht das umgekehrte Problem: mehr Auswertungen, Szenarien und Empfehlungen, als irgendjemand prüfen kann. Deshalb braucht es neben KI prüfbare Modelle.
KI baut die Faktenbasis schneller auf. Industrielle Entscheidungen brauchen trotzdem technische Glaubwürdigkeit. Bevor ein Unternehmen mit einem Lieferanten neu verhandelt, eine Sourcing-Strategie ändert, die Fertigung in eine andere Region verlagert, ein Teil in die Eigenfertigung holt oder einen Business Case bestätigt, muss es den zugrunde liegenden Zahlen vertrauen. COVALYZE schafft dieses Vertrauen, indem der Rechenweg offenliegt.
Wie ergebnisorientierte Beratung in der Praxis aussieht
Ein ergebnisorientiertes Beratungsmodell beginnt mit einer geordneten, technisch gestützten Faktenbasis statt mit einem großen Team, das wochenlang Daten von Hand sortiert. Ein typischer Ablauf sieht so aus:
- ERP-, Ausgaben-, Stücklisten- und Zeichnungsdaten werden zusammengetragen.
- KI und Automatisierung strukturieren, klassifizieren und ergänzen diese Daten.
- Technische Parameter werden ausgelesen oder ergänzt.
- COVALYZE berechnet Prozesszeiten und Should-Cost-Werte.
- Die Ergebnisse werden geprüft und bestätigt.
- Kostenlücken werden nach Lieferant, Teil, Warengruppe oder Produkt priorisiert.
- Einkauf und Geschäftsführung entscheiden, wo eine Maßnahme realistisch ist.
- Berater oder interne Teams begleiten Verhandlung und Umsetzung.
- Einsparungen, Risiken und Wirkungen auf den Business Case werden dokumentiert.
Damit verlagert sich der Schwerpunkt der Arbeit von der Analyse zur Umsetzung. Die Frage lautet nicht mehr:
„Können wir eine Kostenanalyse erstellen?“
Sondern:
„Wie schnell wird aus einem geprüften Kostenmodell ein wirtschaftliches Ergebnis?“
Von der Analyse zur Umsetzung
Statt einer pauschalen Zielvorgabe kann der Einkauf einzelne Teile, Verfahren und Kostenannahmen ansprechen.
Die Verhandlung ändert sich, wenn für jedes Teil eine eigene Kostenrechnung vorliegt
Sobald ein Should-Cost-Modell geprüft ist, geht es im Gespräch mit dem Lieferanten nicht mehr um einen pauschalen Prozentsatz, sondern um Materialkosten, Maschinenzeit, Rüstzeit, Gemeinkosten und regionale Kostentreiber.
Die Gespräche werden sachlicher, und interne Teams wie Berater verbringen ihre Zeit mit Priorisieren, Verhandeln und Umsetzen statt mit dem Nachrechnen der Zahlen.
Wofür sich ein prüfbares Kostenmodell eignet
1. Lieferantenverhandlungen
Einkaufsteams gehen mit einem klaren Bild von Materialkosten, Maschinenzeit, Rüstzeit, Gemeinkosten und regionalen Kostentreibern in die Verhandlung. Statt pauschal 10 % zu fordern, können sie einzelne Teile, Verfahren oder Kostenannahmen ansprechen.
2. Make-or-Buy-Entscheidungen
Hersteller vergleichen die eigenen Fertigungskosten mit den Preisen der Lieferanten und entscheiden, ob ein Teil extern bleibt, ins Haus geholt wird oder in eine andere Fertigungsregion verlagert wird.
3. Simulation von Produktkosten
Entwicklung und Geschäftsführung können durchspielen, wie sich Produktkosten mit Stückzahl, Region, Material oder Verfahrensannahmen verändern. Das zählt vor allem bei neuen Produkten und bei der Prüfung von Geschäftsplänen.
4. Vergleich regionaler Fertigungskosten
Weil Prozesszeiten in regionale Fertigungskosten übersetzt werden, lassen sich Fertigungsszenarien über Länder hinweg vergleichen. Das fließt in Sourcing-Entscheidungen, die Standortplanung und Lokalisierungsstrategien ein.
5. Prüfung des Business Case
Die Geschäftsführung kann prüfen, ob ein kaufmännischer Plan auf realistischen Produktkosten beruht. Das gilt für Produkteinführungen, große Infrastrukturprojekte, industrielle Investitionen und die Wertsteigerung in Portfoliounternehmen.
6. Due Diligence im Private Equity
Für Investoren stützt ein prüfbares Kostenmodell die technische Commercial Due Diligence. Statt sich auf Marktwachstum, Managementgespräche und grobe Margenannahmen zu verlassen, können sie prüfen, ob Produktkosten, Angebote und operative Verbesserungspläne realistisch sind.
Warum das für Private Equity relevant wird
Private Equity rückt bei der Wertsteigerung stärker ins Operative. Höhere Zinsen, Inflation, Druck auf die Bewertungen und schwierigere Exits machen reines Financial Engineering unzuverlässiger. Wert muss zunehmend im Portfoliounternehmen selbst entstehen, über Preise, Einkauf, Betrieb, niedrigere Produktkosten und bessere Margen.
Damit entsteht ein naheliegendes Einsatzfeld für eine technische Kostenrechnung. PE-Investoren kann COVALYZE bei Fragen wie diesen unterstützen:
- Sind die Produktkosten realistisch?
- Sind die Lieferantenpreise technisch plausibel?
- Beruht der Geschäftsplan auf glaubwürdigen Fertigungsannahmen?
- In welchen Teilen oder Produkten steckt verdecktes Kostenpotenzial?
- Lässt sich eine EBITDA-Verbesserung an konkrete Kostenhebel binden?
- Welche Sourcing- oder Make-or-Buy-Entscheidungen würden die Marge verbessern?
- Wie schnell findet und setzt ein Portfoliounternehmen Kostenmaßnahmen um?
Die Commercial Due Diligence wird dadurch nicht ersetzt. Sie wird um eine technische Ebene ergänzt, die die Prüfung operativer und detaillierter macht.
Der neue Maßstab für Beratung
Industrieunternehmen brauchen weiterhin Wissen von außen, aber der Maßstab für die Arbeit steigt. Das alte Modell beruhte auf Auswertungskapazität. Das neue beruht auf geprüften Ergebnissen.
Kunden werden von Beratern zunehmend vier Antworten erwarten:
- Können Sie schneller eine belastbare Faktenbasis aufbauen?
- Können Sie belegen, wie das Ergebnis berechnet wurde?
- Helfen Sie uns, die Empfehlung umzusetzen?
- Lässt sich die Arbeit an ein messbares wirtschaftliches Ergebnis binden?
Wo die Antwort Nein lautet, übernehmen KI und interne Teams mehr von dieser Arbeit. Wo sie Ja lautet, können Berater mehr wert sein als vorher, nur sieht die Arbeit anders aus: KI und technische Kostenrechnung übernehmen die Handarbeit, und die Zeit fließt in Prüfen, Priorisieren, Verhandeln, Umsetzen und Nachhalten.
Fazit
KI beschleunigt Beratung. Sie verändert außerdem, wofür Industrieunternehmen zahlen. Manuelle Datenaufbereitung, Benchmarking und das Durchrechnen von Zahlen verlieren an Wert. Prüfbare Kostenmodelle, technische Prüfung, Umsetzungsstärke und messbare Ergebnisse gewinnen.
In der industriellen Kostenanalyse ist die Verschiebung schon sichtbar, und COVALYZE liefert das prüfbare Kostenmodell dahinter. Aus technischen Parametern werden Prozesszeiten, aus Prozesszeiten regionale Fertigungskosten. Das Ergebnis liegt offen, lässt sich wiederholen und eignet sich für echte Entscheidungen.
Zahlen durchzurechnen reicht nicht mehr. Industrielle Beratung wird prüfbar, technisch und ergebnisorientiert.
Sehen Sie, wie COVALYZE Analytics und PartIQ aus einem geprüften, offengelegten Kostenmodell Verhandlungshebel für jedes einzelne Teil und ein messbares Ergebnis machen.
Quellen und Belege
- TheStreet: AI is forcing McKinsey, BCG, Bain to rethink consulting fees. Belegt, dass KI die klassischen Honorarmodelle der Beratung unter Druck setzt und das Interesse an ergebnisabhängiger Vergütung steigt.
- Simon-Kucher: Private Equity, The Operational Era of Value Creation Accelerates. Belegt, dass Private Equity sich zu operativer Wertsteigerung und messbarer Umsetzung verschiebt.
- KPMG: Value Creation in Private Equity, 2025 Global PE Value Creation Survey. Belegt, dass PE-Häuser unter dem Druck höherer Zinsen, der Inflation, gedrückter Bewertungen und technologischer Umbrüche stehen und deshalb disziplinierter Wert schaffen müssen.
- COVALYZE: PartIQ, intelligente Teileanalyse und Optimierung. Belegt die Position von COVALYZE bei technischer Analyse mit KI, dem Auslesen von Zeichnungen und der Optimierung im Einkauf.
- COVALYZE: 3D-Should-Cost-Analyse für ein Private-Equity-Portfoliounternehmen. Belegt die Verbindung von COVALYZE, Private Equity, Should-Cost-Analyse und schnelleren Angebots- und Sourcing-Entscheidungen.
- arXiv: Machine Learning-Based Manufacturing Cost Prediction from 2D Engineering Drawings via Geometric Features. Belegt den technischen Trend zur automatisierten Kostenschätzung aus technischen Zeichnungen und geometrischen Merkmalen.
