Konfigurationsassistent für kundenspezifische Maschinen

Das echte Ausmaß des Problems

Im Maschinen- und Anlagenbau mit variantenreichen Produkten ist die Konfigurationsphase — der Moment, in dem Kundenwunsch in technische Spezifikation übersetzt wird — strukturell das schwächste Glied im Vertriebsprozess.

Drei Kräfte wirken gleichzeitig:

Komplexität wächst, Wissensträger werden zum Flaschenhals. Ein mittelständischer Sondermaschinenbauer hat typischerweise Hunderte bis Tausende möglicher Konfigurationskombinationen — aber die technischen Kompatibilitätsregeln kennen vielleicht zwei oder drei Personen aus dem Effeff. Jede Anfrage, die über die Standardkonfiguration hinausgeht, landet auf dem Tisch dieser Menschen. Laut einem Bericht von Tacton Systems zeigt die Praxis: typischerweise können nur 20 Prozent aller Anfragen ohne Rückfrage an die Technik beantwortet werden — die restlichen 80 Prozent erzeugen mindestens eine Runde Abstimmung zwischen Vertrieb und Konstruktion.

Fehlkonfigurationen kosten nicht nur Zeit, sondern echtes Geld. Ein Änderungsauftrag in der Konstruktionsphase — ausgelöst durch eine falsch spezifizierte Option, eine unmögliche Kombination oder einen missverstandenen Kundenwunsch — kostet im Sondermaschinenbau erfahrungsgemäß 15.000 bis 40.000 Euro pro Fall: Konstruktionsstunden, Abstimmung mit dem Kunden, Verzögerung der gesamten Lieferterminplanung, manchmal Materialverschnitt. Unternehmen, die drei bis fünf solche Fälle pro Jahr haben, verlieren damit mehr als das, was ein vollständig implementiertes CPQ-System kosten würde.

Das Wachstum des Produktportfolios beschleunigt das Problem. Jede neue Produktlinie, jeder neue Markt, jede neue Sicherheitsvorschrift fügt Varianten hinzu. Das Wissen darüber bleibt in Köpfen — bis jemand in Rente geht oder die Firma wechselt.

Dabei ist die CPQ-Software-Kategorie (Configure, Price, Quote) schon seit Jahrzehnten bekannt. Das Problem ist nicht, dass es keine Lösung gibt — es ist, dass klassische CPQ-Systeme einen spezifischen Engpass haben: Sie sind rigide, teuer in der Pflege, und können keine natürlichsprachigen Kundenanforderungen verarbeiten. Das ändert sich gerade.

Mit vs. ohne KI — ein ehrlicher Vergleich

¹ Erfahrungswerte aus CPQ-Implementierungen bei mittelständischen Maschinenbauern (Quellen: camos-Referenzstudie Brückner Maschinenbau 2025, Tacton-Implementierungsdaten). ² Branchenangabe auf Basis von CPQ-Anbieterdaten — unabhängige Studie liegt nicht vor, Größenordnung deckt sich mit Praxisberichten.

Einschätzung auf einen Blick

Zeitersparnis — mittel (3/5) Die Zeitersparnis je Konfiguration ist erheblich — aus 2–4 Stunden werden 20–40 Minuten, das Potenzial von Senior-Konstrukteuren für die eigentliche Ingenieursarbeit freizusetzen, ist real. Aber: Nicht jede Anfrage ist eine Konfigurationsanfrage. Im Schnitt ist die direkte tägliche Zeitwirkung geringer als bei Use Cases wie Predictive Maintenance oder Qualitätskontrolle, die kontinuierlich Stunden einsparen. Die Zeitersparnis entsteht episodisch — dafür aber bei jedem Angebot mit Variantenkomplexität.

Kosteneinsparung — hoch (4/5) Das ist die stärkste Achse dieses Use Cases. Ein einziger vermiedener Änderungsauftrag à 20.000 Euro kann die laufenden Lizenzkosten eines kompletten Jahres decken. Drei bis fünf vermiedene Fälle pro Jahr übersteigen die Implementierungskosten — nicht als Marketing-Versprechen, sondern als konkrete Kostenrechnung. Das ist unter den verglichenen Use Cases in dieser Branche einer der direktesten Kosteneffekte.

Schnelle Umsetzung — niedrig (1/5) Der schwächste Punkt — und zwar ehrlich. Die LLM-Schicht ist technisch schnell implementiert. Das Problem ist die Regelmodellierung: Wer darf welche Kombination? Was ist inkompatibel und warum? Dieses Wissen muss aus den Köpfen erfahrener Konstrukteure in ein formales Regelwerk überführt werden — und das dauert. Tacton und camos sprechen von 6 bis 18 Monaten für eine vollständige Implementierung. Kein anderer Use Case in dieser Branche braucht länger. Verglichen mit den anderen Anwendungsfällen in dieser Branche hat dieser Anwendungsfall zurecht den niedrigsten Einstiegswert.

ROI-Sicherheit — hoch (4/5) Die Fehlkonfigurationsrate ist messbar: wie viele Angebote enthalten heute technisch unmögliche Kombinationen, und wie oft führt das zu einem Änderungsauftrag? Diese Zahl kannst du heute erheben — und nach Implementierung vergleichen. Das ist seltener als es klingt: Die meisten KI-Use Cases haben einen diffusen Nutzen, der schwer isoliert zu messen ist. Dieser hier nicht.

Skalierbarkeit — mittel (3/5) Neue Produktvarianten erfordern manuelle Regelergänzung — das CPQ-System lernt nicht automatisch. Wenn ein neuer Motortyp ins Portfolio kommt, muss jemand die zugehörigen Kompatibilitätsregeln pflegen. Das ist kein technisches Versagen, das ist die Natur wissensbasierter Systeme. In dieser Hinsicht besser skalierbar als ein rein manueller Prozess, aber kein selbstlernendes System.

Richtwerte — stark abhängig von Produktkomplexität, Variantenanzahl und Integrationstiefe mit ERP und PDM.

Was ein KI-Konfigurationsassistent konkret macht

Das Herzstück eines KI-gestützten Konfigurationsassistenten ist nicht das Sprachmodell — es ist die Regellogik darunter. Das LLM ist die Schnittstelle. Die Wahrheitsquelle ist die Kompatibilitätsmatrix.

In der Praxis arbeiten die meisten Systeme in drei Schichten:

Schicht 1: Eingabe in natürlicher Sprache. Der Vertriebsmitarbeitende gibt die Kundenanforderungen so ein, wie sie ankommen — als Fließtext, als Stichwortliste, als übersetzte Anfrage. „Der Kunde braucht eine Förderanlage für die Fleischverarbeitung, ca. 80 m Bandlänge, EHEDG-zugelassen, Antrieb für Umgebungstemperatur −15 °C bis +40 °C.” Das NLP-Modul zerlegt diesen Text in strukturierte Parameter: Anwendungsbereich, Länge, Zertifizierungsanforderung, Temperaturbedingung.

Schicht 2: Kompatibilitätsprüfung. Die extrahierten Parameter werden gegen die Konfigurationsregeln geprüft. Welche Bandtypen sind EHEDG-zugelassen? Welche Motorvarianten funktionieren im gewünschten Temperaturbereich? Welche Rahmenbaugruppe passt zur gewünschten Bandbreite? Wo es Konflikte gibt — zum Beispiel wenn die gewünschte Laststufe mit dem EHEDG-Rahmen nicht kombinierbar ist — gibt das System einen Hinweis in verständlichem Deutsch: „Die Ausführung Hygienic-Plus ist in der beantragten Laststufe nicht verfügbar. Mögliche Alternativen: Laststufe 3 (verfügbar) oder Sonderanfertigung (Anfrage erforderlich).”

Schicht 3: Vorläufige Stückliste und Angebotsstruktur. Aus der validierten Konfiguration generiert das System eine vorläufige BOM (Bill of Materials / Stückliste) und eine Angebotsstruktur. Diese ist kein fertiges Angebot — die Preiskalkulation (Sondermaschinenbau-spezifisch, oft projektindividuell) gehört noch in die Angebotsphase. Aber die Stückliste gibt dem Vertrieb und der Kalkulation einen validierten Ausgangspunkt, der nicht mehr von Grund auf neu erstellt werden muss.

Der LLM-Layer tut dabei etwas, das klassische CPQ-Systeme nicht können: Er erklärt. Nicht nur „Diese Kombination ist ungültig”, sondern warum — und was stattdessen möglich wäre. Das macht den Unterschied zwischen einem System, das Vertriebsmitarbeitende entlastet, und einem, das sie frustriert.

Wie die Regellogik wirklich entsteht

Das ist der Teil, über den in CPQ-Verkaufspräsentationen selten gesprochen wird — und der in der Praxis 80 Prozent der Implementierungszeit beansprucht.

Eine Konfigurationsregel ist präzise: „Wenn Hygieneausführung HG-2, dann ist Motorvariante MV-45 nicht zulässig.” Keine Ausnahmen, keine Interpretationsspielräume. Das klingt einfach. In der Realität gibt es bei einem mittelständischen Sondermaschinenbauer mit 400 Produktvarianten oft mehrere Tausend solcher Regeln — und die meisten davon sind nirgends formell dokumentiert. Sie stecken in den Köpfen von Konstrukteuren, die seit 15 Jahren im Unternehmen sind.

Tacton beschreibt in seinen Implementierungsrichtlinien das 80/20-Problem: Die 20 Prozent seltensten Konfigurationskombinationen beanspruchen 80 Prozent der Modellierungszeit — weil gerade diese Randfälle von niemandem mehr spontan gewusst werden und aufwändig recherchiert werden müssen. Gleichzeitig sind es genau diese Randfälle, bei denen Fehlkonfigurationen am teuersten werden: weil sie ungewöhnlich genug sind, dass kein erfahrener Mitarbeitender sie spontan als falsch erkennt.

Was die Regelmodellierung praktisch bedeutet:

Für eine Produktlinie mit mittlerer Komplexität (100–300 Konfigurationsoptionen, 500–2.000 Abhängigkeiten) ist ein dediziertes Projektteam mit Konstrukteur, Vertrieb und IT-Projektleitung über 3–6 Monate realistisch. Die Fragen, die dabei beantwortet werden müssen:

• Welche Optionen schließen sich gegenseitig aus — und warum?
• Welche Kombinationen sind technisch möglich, aber wirtschaftlich sinnlos?
• Welche Ausnahmen gibt es für Sonderanfertigungen — und wer darf sie freigeben?
• Was passiert, wenn ein Kundenrequest jenseits aller Standardregeln liegt?

Das letzte ist die eigentliche Systemgrenze: Wenn eine Anfrage wirklich keine Standardkomponente mehr enthält, kann kein CPQ-System helfen. Dann braucht es einen Konstrukteur — und das ist auch richtig so.

Wartung nach Go-Live: Regeln veralten. Wenn ein neuer Motorlieferant eingeführt wird, wenn eine Zertifizierungsanforderung sich ändert, wenn eine Baugruppe aus dem Sortiment geht — dann müssen die betroffenen Regeln aktualisiert werden. Wer das nicht explizit plant, hat nach 18 Monaten ein System, das selbstbewusst veraltete Konfigurationen empfiehlt.

Warum eine 95 %-korrekte Stückliste trotzdem Probleme macht

Ein häufiges Missverständnis: „Wenn 95 Prozent der Stückliste stimmen, ist das schon ein großer Fortschritt.”

Das stimmt in einer Hinsicht. Aber in einer anderen ist es das genaue Problem.

Die 5 Prozent Fehler konzentrieren sich auf die schwersten Positionen. Nicht auf Standard-Schrauben oder Standardkabel — die stimmen fast immer. Die Fehler passieren bei Sonderbauteilen, bei Schnittstellenkomponenten, bei maßgefertigten Teilen mit langen Lieferzeiten. Wenn in der vorläufigen Stückliste ein Langläufer-Bauteil fehlt oder falsch spezifiziert ist, wird das erst in der Konstruktionsphase sichtbar — und dann ist es teuer.

Das hat konkrete Folgen für die Nutzung:

• Die vorläufige Stückliste aus dem Konfigurationsassistenten ist ein Ausgangspunkt für die Kalkulation — kein Input für die Produktion. Sie muss von einem Konstrukteur geprüft werden, bevor Bestellungen ausgelöst werden.
• Für Standard-Konfigurationen (die 80 % der Anfragen) ist die BOM-Qualität hoch genug für eine erste Preisindikation. Für Sonderanfertigungen ist sie ein Rohgerüst.
• Wer das System einführt und den Konstrukteur aus der Schleife nimmt, macht einen Fehler. Das Ziel ist: Konstrukteur kommt früher ins Projekt — mit einem validierten Ausgangspunkt, nicht mit einer leeren Seite.

Die richtige Erwartungshaltung: Der Konfigurationsassistent verhindert, dass offensichtliche Fehler (unmögliche Kombinationen, vergessene Pflichtoptionen, falsche Rahmenwahl) in die Kalkulation einfließen. Er ersetzt nicht das Engineering-Urteil bei ungewöhnlichen Anfragen.

Konkrete Werkzeuge — was wann passt

Für den KI-gestützten Konfigurationsassistenten im Maschinenbau gibt es drei grundsätzlich verschiedene Ansätze:

Tacton CPQ — Enterprise-Lösung für maximale Komplexität Constraint-basierte Konfigurationslogik, die technisch unmögliche Kombinationen systemisch verhindert — nicht als Hinweis, sondern als harte Sperre. Automatische BOM-Generierung direkt aus der Konfiguration. KI-gestützte Konfigurationsempfehlungen seit 2024 (Vorschläge auf Basis historischer Konfigurationen). Sinnvoll ab etwa 500 Angeboten pro Monat oder wenn Angebotsfehler regelmäßig fünfstellige Nachbesserungskosten verursachen. Einrichtungskosten 30.000–150.000 EUR, Lizenz ab 2.000–5.000 EUR/Monat. SAP-Integration verfügbar. EU-Hosting.

camos CPQ — Marktführer im deutschsprachigen Maschinenbau Ca. 100.000 Nutzer in Europa, Compact-Edition für KMU verfügbar. Konfigurationsregeln zentral gepflegt, Integration mit SAP, Salesforce und gängigen ERP-Systemen. Deutlich günstiger als Tacton für mittelständische Umfänge — Compact-Edition als SaaS mit moderateren Einstiegskosten. Die Referenz Brückner Maschinenbau (2025) zeigt: Standard-Angebote 45 Minuten schneller, 16 Einzellösungen abgelöst. EU-Hosting, deutschsprachiger Support. Sinnvoll ab 30–50 Angeboten pro Monat mit mehr als drei Produktlinien.

encoway CPQ — deutscher Anbieter mit KI-Konfigurator Seit 1997 eines der führenden Systeme im deutschsprachigen Markt, 2019 als eine der zehn wichtigsten KI-Technologien in der deutschen Informatikgeschichte ausgezeichnet. Seit 2024 KI-gestützter Konfigurator als Prototyp verfügbar: verarbeitet vollständige Anfragetexte und erstellt Konfigurationen bis zu dreimal schneller als manuelle Prozesse. Guided Selling führt Vertriebsmitarbeitende ohne Produkttiefe durch komplexe Konfigurationen. Preise auf Anfrage (erfahrungsgemäß ab 1.500–4.000 EUR/Monat), Implementierung 20.000–100.000 EUR. EU-Hosting, Sitz Bremen.

RAG-Eigenentwicklung — flexibelste Option, höchster Aufwand Für Unternehmen mit einer strukturierten Spezifikationsdatenbank (z. B. in SAP, Excel, PDM-System): Retrieval-Augmented Generation (RAG) über eigene Produktdaten. Ein LLM wie GPT-4 oder Claude wird über eine API angebunden und durchsucht die Produktspezifikationen anhand von Kundenanfragen. Die Validierungslogik muss selbst gebaut werden — das ist der größte Aufwand. Sinnvoll, wenn das Produktportfolio hochgradig individuell ist oder bestehende CPQ-Systeme zu starr erscheinen. Entwicklungskosten 30.000–100.000 EUR, laufend 500–2.000 EUR/Monat für API- und Infrastrukturkosten.

Zusammenfassung: Wann welcher Ansatz

• Maximal komplex, SAP-pflicht, 500+ Angebote/Monat → Tacton CPQ
• Deutschsprachiger Mittelstand, 30–200 Angebote/Monat, KMU-freundlicher Einstieg → camos CPQ
• LLM-Konversation + deutsches Unternehmen + 50–200 Angebote/Monat → encoway CPQ
• Hochindividuelles Portfolio, eigene Entwicklungskapazität → RAG-Eigenentwicklung

Integration mit ERP, PDM und EPLAN

Die technische Integration ist oft der unterschätzte Teil eines CPQ-Projekts. Der Konfigurator ist schnell gewählt — die Frage ist, wo die Daten herkommen und wohin die Ergebnisse gehen.

ERP-Integration (SAP, proALPHA, SAGE, etc.): Die validierten Konfigurationsdaten — Stückliste, Preiskomponenten, Materialien — sollen aus dem Konfigurator direkt in den ERP-Auftrag fließen. Das verhindert Medienbrüche und manuelle Übertragungsfehler. Erfahrungsgemäß ist das der aufwändigste Integrationspunkt: unterschiedliche Datenmodelle, historisch gewachsene ERP-Strukturen, verschiedene Versionen der ERP-Software. Plan: 20–40 Prozent des Gesamtprojektaufwands für ERP-Integration.

PDM/PLM-Integration (SolidWorks PDM, CATIA, Windchill): Produktkonfigurationen in CPQ müssen mit dem Konstruktionsdatenmanagement synchron bleiben. Wenn eine Baugruppe im PDM-System geändert wird — neue Revision, neues Material, abgekündigt —, muss das in den Konfigurationsregeln des CPQ reflektiert werden. Ohne diese Verbindung entsteht Drift: Das CPQ-System empfiehlt Baugruppen, die im aktuellen CAD-Stand nicht mehr existieren.

EPLAN-Anbindung (Elektroprojektierung): Im Maschinenbau mit elektrischen Komponenten — Schaltschrankkonfiguration, Kabelwege, Steuerungsauslegung — ist EPLAN häufig das System der Wahrheit für elektrische Auslegungen. Wenn die Maschinenkonfiguration Schaltschrankoptionen enthält, sollte die Konfigurationsausgabe in EPLAN-kompatible Formate exportierbar sein, um Doppelarbeit in der Elektroprojektierung zu vermeiden.

Fazit zur Integration: Wer CPQ nur als Vertriebstool einführt (keine ERP-Anbindung, kein PDM-Sync), bekommt den Nutzen im Vertrieb — spart aber trotzdem Konstruktionsstunden für manuelle Datenübertragung. Der volle ROI entsteht erst, wenn die Konfigurationsergebnisse den gesamten Auftragsfluss durchlaufen: von der Kundenanfrage bis zum Fertigungsauftrag, ohne Medienbruch.

Datenschutz und Datenhaltung

Der KI-Konfigurationsassistent verarbeitet Kundendaten (Anforderungen, Branchen, technische Parameter) und interne Produktdaten (Konfigurationsregeln, Preisbestandteile, Stücklisten). Beide Datenkategorien sind schutzbedürftig.

Die DSGVO gilt für die Kundendaten — bei technischen Produktanfragen oft begrenzt auf Firmenname und Ansprechpartner, aber je nach Anforderungsprofil auch auf personenbezogene Daten (z. B. bei standortspezifischen Anforderungen, die Rückschlüsse auf Geschäftsaktivitäten erlauben).

Die Produktdaten sind Geschäftsgeheimnisse: Konfigurationsregeln, Preisbestandteile und proprietäre Komponentenspezifikationen dürfen nicht unkontrolliert in externe KI-Modelle fließen. Das ist der Hauptgrund, warum bei CPQ-Systemen EU-Hosting zum Standard gehört.

Was das für die Toolwahl bedeutet:

• Tacton CPQ, camos CPQ und encoway CPQ sind alle EU-gehostet. AVV ist in Enterprise-Verträgen Standard.
• Bei RAG-Eigenentwicklungen auf Basis von OpenAI-API: Produktspezifikationen fließen als Kontext in US-Rechenzentren. Für nicht-öffentliche Preislisten und proprietäre Bauteilspezifikationen ist das problematisch. Alternativen: Azure OpenAI Service in der EU-Region (Frankfurt), oder Open-Source-Modelle (Llama, Mistral) auf eigener Infrastruktur.
• Für sensible Fertigungsdaten (Rüstzeiten, Ausschussraten, Maschinenkonfigurationen als Betriebsgeheimnis): On-Premise-Deployment bevorzugen — Fraunhofer IOSB empfiehlt in ihrem LLM4OPC-Projekt (2025) explizit kleinere, spezialisierte On-Premise-Modelle für industrielle Umgebungen.

Auftragsverarbeitungsvertrag (AVV) nach Art. 28 DSGVO mit dem CPQ-Anbieter abschließen — das ist Standard in dieser Kategorie, aber muss aktiv angefordert werden.

Was es kostet — realistisch gerechnet

Einmalige Einrichtungskosten

• camos CPQ (Compact-Edition, 1 Produktlinie, 50 Optionen): 15.000–40.000 EUR
• camos CPQ (Enterprise, mehrere Produktlinien, ERP-Integration): 60.000–150.000 EUR
• encoway CPQ: 20.000–100.000 EUR je nach Komplexität
• Tacton CPQ: 30.000–150.000 EUR, SAP-Integration zusätzlich 20.000–80.000 EUR
• RAG-Eigenentwicklung: 30.000–100.000 EUR Entwicklungskosten

Laufende Kosten (monatlich)

• camos CPQ: Subscription-Modell, Preise auf Anfrage — erfahrungsgemäß 1.000–3.000 EUR/Monat für KMU-Edition
• Tacton CPQ: 2.000–5.000 EUR/Monat
• encoway CPQ: 1.500–4.000 EUR/Monat
• RAG-Eigenentwicklung: 500–2.000 EUR/Monat für API und Infrastruktur

Interne Aufwände (oft unterschätzt)

• Regelmodellierung: 3–6 Monate mit 1–2 dedizierten Personen (Konstrukteur + Projektleitung). Das ist der größte Kostenpunkt — auch wenn er intern nicht als Ausgabe gebucht wird.
• ERP-Integration: 2–4 Monate IT-Projektzusatzaufwand
• Schulung Vertrieb: typisch 1–3 Tage je Person

Was dagegen steht Drei vermiedene Änderungsaufträge à durchschnittlich 22.000 EUR (Orientierungswert aus dem Brückner-/camos-Umfeld) = 66.000 EUR Kostenvermeidung. Das deckt bei vielen Mittelständlern bereits die gesamte Jahres-Lizenz und einen Teil der Implementierungskosten.

Wie du den ROI tatsächlich misst Zähle heute: Wie viele Angebote pro Monat enthalten Konfigurationsfehler? Wie viele davon führen zu Änderungsaufträgen? Was kostet ein durchschnittlicher Änderungsauftrag (Konstruktionsstunden + Kunden-Abstimmung + Lieferverzögerung)? Das ist deine Ausgangskennzahl — und nach 12 Monaten Betrieb die Vergleichsgröße.

Typische Einstiegsfehler

1. Alle Produktlinien auf einmal modellieren wollen. Der häufigste Fehler in der Planung: Das gesamte Produktportfolio soll in sechs Monaten ins CPQ-System. Das ist die sicherste Methode, das Projekt zu verlangsamen oder zum Scheitern zu bringen. Die Komplexität der Randfälle ist bei mehreren Produktlinien gleichzeitig kaum beherrschbar. Lösung: Eine Produktlinie zuerst — die mit dem höchsten Anfrageaufkommen oder den meisten Fehlkonfigurationen. Pilotbetrieb, Feedback einsammeln, dann skalieren.

2. Regelmodellierung unterschätzen und dem Vertrieb überlassen. Vertriebsmitarbeitende wissen, was Kunden fragen — aber nicht notwendigerweise, warum bestimmte Kombinationen technisch unmöglich sind. Wenn der Vertrieb die Regeln alleine definiert, entstehen Lücken, die erst in der Fertigung sichtbar werden — und dann als Änderungsaufträge à 15.000–40.000 € zurückkommen, also genau das Problem, das das System lösen sollte. Die Regelmodellierung muss von Konstrukteuren geführt werden, die die technischen Gründe für Kompatibilitätsgrenzen kennen. Abhilfe: dedizierter Konstrukteur für mindestens 50 % der Modellierungszeit einplanen — nicht als Prüfer, sondern als treibende Kraft.

3. Das System einführen und die Regelwartung vergessen. Das ist der gefährlichste Fehler — und er passiert still. Ein CPQ-System, das am Go-Live-Tag 95 Prozent der Anfragen korrekt beantwortet, beantwortet nach 18 Monaten vielleicht 75 Prozent korrekt — wenn Produktänderungen nicht systematisch in die Regellogik eingepflegt wurden. Geänderte Zuliefererkomponenten, abgekündigte Baugruppen, neue Zertifizierungsanforderungen: all das muss zeitnah in die Konfigurationsregeln überführt werden. Ohne benannte Verantwortung für diesen Prozess entsteht eine tickende Zeitbombe.

4. Den LLM-Layer als Ersatz für die Regellogik sehen. Das Sprachmodell ist gut darin, natürlichsprachige Anforderungen zu interpretieren und Ergebnisse verständlich zu erklären. Es ist nicht in der Lage, technische Kompatibilität aus sich heraus zu garantieren. Wer glaubt, ein LLM könne die Regelmodellierung ersetzen, bekommt ein System, das höflich erklärt, warum eine unmögliche Konfiguration eigentlich möglich sein könnte. Die Constraint-Engine ist der Sicherheitsgurt — das LLM ist das Armaturenbrett.

Was mit der Einführung wirklich passiert — und was nicht

Die Technik ist das Einfachste. Das Schwierigere ist das Wissen, das aus den Köpfen erfahrener Mitarbeitender in ein System überführt werden muss.

Drei Muster tauchen in fast jeder CPQ-Einführung auf:

Der Wissenshüter. Jedes Unternehmen hat mindestens einen Konstrukteur, der alle Kompatibilitätsregeln im Kopf trägt und seit Jahren der stille Flaschenhals ist. Diese Person ist oft ambivalent gegenüber einer CPQ-Einführung: Einerseits entlastet sie das System. Andererseits: Was ist ihre Rolle, wenn das Wissen im System steckt? Diese Frage muss offen angesprochen werden. Konkret: Die Wissenshüter sind die Architekten des Systems — sie definieren die Regeln, validieren die Randfälle, genehmigen Ausnahmen. Das ist eine Aufwertung ihrer Rolle, nicht eine Entwertung.

Der Vertrieb, der das System umgeht. Wenn das CPQ-System für eine Konfigurationsanfrage “Nein” sagt — oder nur eine suboptimale Variante anbietet — neigen erfahrene Vertriebsmitarbeitende dazu, trotzdem zu telefonieren. „Ich frag mal schnell Bernd.” Das unterläuft den gesamten Nutzen des Systems. Abhilfe: Ein Eskalationspfad im System selbst — wenn eine Konfiguration außerhalb des Standardrahmens liegt, gibt es eine definierte Anfrageroute für Sonderfreigaben, nicht einen informellen Telefonanruf.

Die Lücken in der Pilotphase. In der ersten Produktivwoche werden Randfälle sichtbar, die in der Regelmodellierung nicht berücksichtigt wurden. Das ist normal und kein Versagen — es ist wertvolles Feedback. Wichtig: Eine Person ist dediziert für die Nachpflege in den ersten drei Monaten verantwortlich. Wer die Pilotphase ohne diesen Puffer startet, verliert die Akzeptanz des Vertriebsteams, bevor das System überhaupt auf Betriebstemperatur kommt.

Was konkret hilft:

• Vertriebsteam in die Regelmodellierung einbeziehen — sie steuern die häufigsten Anfragekombinationen bei
• Eskalationspfad im System abbilden: Sonderanfragen gehen nicht ans Telefon, sondern durch eine definierte Genehmigungsroute
• 90-Tage-Pilotbetrieb mit einer Produktlinie vor der breiten Einführung
• Regelmäßige Regelprüfungen einplanen (empfohlen: quartalsweise in den ersten zwei Jahren)

Realistischer Zeitplan mit Risikohinweisen

Häufige Einwände — und was dahintersteckt

„Unser Produkt ist zu individuell für einen Konfigurator.” Stimmt — für pure Engineer-to-Order-Produkte ohne jede Standardisierung. Die meisten Sondermaschinenbauer haben jedoch standardisierte Module, die kombiniert werden: Grundrahmen, Antriebsgruppen, Steuerungsvarianten, Sicherheitspakete. Der Konfigurator bildet die Kombinationslogik dieser Module ab, nicht die individuelle Sonderanfertigung. Wenn kein einziger Baustein wiederkehrt, ist ein CPQ-System tatsächlich das falsche Werkzeug — dann gehört die Angebotserstellung zur Angebotskalkulation für Sondermaschinen.

„Das kostet viel zu viel für unsere Größe.” Abhängig vom Angebots-Volumen. Wer fünf Konfigurationsanfragen pro Monat hat, sollte keinen Enterprise-CPQ einführen — die Rechnung geht nie auf. Ab 30–50 Angeboten pro Monat mit signifikanter Variantenvielfalt und zwei bis drei Fehlkonfigurationen pro Jahr beginnt die Kostenseite zu kippen. Die häufige Fehlrechnung: Man vergleicht Lizenzkosten mit Null statt mit dem Status quo (Konstrukteursstunden für Abstimmungsrunden + Änderungsauftrag-Kosten + entgangene Aufträge durch zu langsame Angebotserstellung).

„Die Konstrukteure werden das nie akzeptieren.” Das Gegenteil ist häufiger wahr: Konstrukteure, die täglich unterbrochen werden, um Konfigurationsfragen zu beantworten, sind die stärksten Fürsprecher eines funktionierenden CPQ-Systems — weil es ihre Zeit für die eigentliche Ingenieursarbeit freisetzt. Kritisch wird es, wenn das System als Ersatz für ihre Expertise verkauft wird. Richtig kommuniziert: Das System trägt das Standardwissen, der Konstrukteur entscheidet bei Ausnahmen.

Woran du merkst, dass das zu dir passt

Du passt dazu, wenn:

• Dein Vertrieb für mehr als 30 Prozent der Anfragen auf einen Senior-Konstrukteur warten muss, bevor eine Konfiguration bestätigt werden kann
• Du pro Jahr zwei oder mehr Änderungsaufträge hast, die durch Fehlkonfigurationen entstanden sind
• Das Onboarding neuer Vertriebsmitarbeitender länger als vier Monate dauert, weil Produktwissen nur mündlich weitergegeben werden kann
• Dein Portfolio drei oder mehr Produktlinien mit jeweils mehr als 20 konfigurierbaren Optionen umfasst
• Du mit 30 oder mehr Konfigurationsanfragen pro Monat arbeitest

Drei harte Ausschlusskriterien — wann es keinen Sinn ergibt:

1. Weniger als 30 Angebote pro Monat mit Konfigurationskomplexität. Unterhalb dieser Schwelle ist der Implementierungsaufwand im Verhältnis zum Nutzen zu hoch. Eine strukturierte Konfigurationscheckliste in Excel oder Notion erreicht ähnliche Fehlerreduktion bei einem Bruchteil des Aufwands. Erst ab einem bestimmten Anfrageaufkommen wird der CPQ-Nutzen messbar — und erst dann ist er finanzierbar.

2. Keine modulare Produktstruktur — pures Engineer-to-Order ohne Wiederholteile. Wenn jede Maschine eine Neuentwicklung ist und kein Bauteil in einer anderen Maschine wiederverwendet wird, gibt es keine Konfigurationsregeln zu modellieren. Ein CPQ-System setzt voraus, dass es einen definierten Satz von Optionen gibt, zwischen denen Kunden wählen. Wenn das nicht der Fall ist, gehört die Lösung in die CAD- und PLM-Welt, nicht in die CPQ-Welt.

3. Keine dedizierte Person für Regelwartung nach dem Go-Live. Das ist der am häufigsten unterschätzte Punkt. Ein CPQ-System, das nach der Einführung nicht gepflegt wird, degradiert in Qualität — still und ohne sofortiges Alarmsignal. Wenn im Unternehmen keine Person mit dedizierter Zeit und klarer Verantwortung für Regelwartung benannt werden kann, ist der langfristige Nutzen gefährdet. Kein Tool, keine Ausnahme.

Das kannst du heute noch tun

Bevor du auch nur einen Anruf bei einem CPQ-Anbieter machst, beantworte diese drei Fragen — sie entscheiden, ob und welcher Ansatz für dich sinnvoll ist:

1. Wie viele Konfigurationsanfragen pro Monat enthielten im letzten Jahr eine technische Fehlkonfiguration?
2. Was hat der durchschnittliche Änderungsauftrag, der daraus entstanden ist, gekostet?
3. Wie viele Stunden hat ein Senior-Konstrukteur im letzten Monat mit Konfigurationsabstimmungen verbracht?

Wenn du diese Zahlen heute nicht hast — dann ist das der erste Schritt. Ohne diese Ausgangskennzahlen gibt es keine ROI-Begründung, kein Zielbild und keinen Maßstab für den Erfolg.

Für die inhaltliche Vorbereitung kannst du schon jetzt diesen Prompt nutzen, um aus einem Kundengespräch eine strukturierte Konfigurationsanfrage zu extrahieren:

Quellen & Methodik

• Brückner Maschinenbau / camos CPQ (2025): Pressemitteilung vom 12. Mai 2025 — „CPQ und CRM: Brückner Maschinenbau setzt auf das Erfolgsduo”. Zitat Markus Wendlinger, Process Expert: Standard-Angebote 45 Minuten schneller, komplexe Konfigurationen mehrere Stunden Einsparung, 16 Einzellösungen ersetzt, 85 Dokumente konsolidiert. (Quelle: camos.de/en/info-center/cpq-und-crm-brueckner-maschinenbau-setzt-auf-das-erfolgsduo)
• Handtmann / CPQ (via elfsquad.io, 2023): 50 % schnellere Angebotserstellung, 30 % weniger Konfigurationsfehler — Erfahrungswert aus CPQ-Implementierung. (Quelle: elfsquad.io/de/blog/warum-cpq-fuer-den-maschinen-und-anlagenbau-unverzichtbar-ist)
• Tacton Systems, „10 Tipps für eine erfolgreiche CPQ-Implementierung” (tacton.com, abgerufen Mai 2026): 80/20-Prinzip der Regelmodellierung — 20 % der seltensten Konfigurationsvarianten beanspruchen 80 % der Implementierungszeit.
• Fraunhofer IOSB, LLM4OPC-Projekt (2025): Natürlichsprachige Interaktion mit Industriemaschinen via OPC UA und Asset Administration Shell. Empfehlung: On-Premise kleinere spezialisierte Modelle für industrielle Umgebungen. (Quelle: iosb.fraunhofer.de/de/projekte-produkte/llm4opc)
• encoway, KI-Konfigurator-Ankündigung (2024): Prototyp eines KI-gestützten Konfigurators — Konfiguration bis zu 3× schneller als manuelle Prozesse bei technischer Korrektheit. Auszeichnung 2019 durch Gesellschaft für Informatik als eine der zehn wichtigsten KI-Technologien in der deutschen Informatikgeschichte. (Quelle: encoway.de/en/news/encoway-groundbreaking-cpq-technology)
• Änderungsauftrag-Kosten: Erfahrungswerte aus Sondermaschinenbau-Projekten (erfahrungsgemäß 15.000–40.000 EUR je Fall, abhängig von Projektstadium, Komplexität und Kundenbeziehung). Keine repräsentative Studie verfügbar — Größenordnung deckt sich mit Tacton-Fallbeispielen.
• Preisangaben CPQ-Systeme: Tacton, camos, encoway — Anbieter-Webseiten und Tool-Datenbank ki-syndikat.de (Stand Mai 2026). Tacton-Preise aus verifiziertem Tool-Eintrag (April 2026).