Jede aktive Sachnummer in einem Unternehmen kostet Geld. Nicht nur in der Konstruktion, sondern über den gesamten Lebenszyklus hinweg: Einkauf, Lagerhaltung, Qualitätssicherung, Fertigungsplanung, Dokumentation, Service. In der Fachliteratur sind diese sogenannten Sachnummernkosten gut dokumentiert. Ehrlenspiel et al. beziffern sie für Kaufkomponenten auf 1.500 bis 2.000 Euro pro Jahr, für Eigenfertigungsteile auf 3.000 bis 3.500 Euro — in Extremfällen sind Verwaltungskosten von bis zu 12.000 Euro pro Sachnummer und Jahr bekannt (Ehrlenspiel, K., Kiewert, A., Lindemann, U. & Mörtl, M.: Kostengünstig Entwickeln und Konstruieren, 7. Auflage, Springer Vieweg, 2014, ISBN 978-3-642-41958-4). Diese Größenordnungen decken sich mit dem, was wir in Kundenprojekten regelmäßig sehen.

Das sind keine abstrakten Zahlen. Ein mittelständischer Maschinenbauer mit 20.000 aktiven Teilenummern, von denen 15 % überflüssig oder konsolidierbar sind, trägt allein dadurch Mehrkosten von 6 bis 10 Millionen Euro — jedes Jahr. Wohlgemerkt: Diese Kosten entstehen nicht durch mangelnde Kompetenz einzelner Konstrukteure, sondern durch fehlende methodische und systemische Unterstützung im Konstruktionsprozess.

Und trotzdem wächst dieser Bestand in den meisten Unternehmen stetig. Nicht weil jedes neue Teil tatsächlich nötig wäre, sondern weil es weder zuverlässige Suchmechanismen noch automatische Prüfungen gibt, die verhindern, dass etwas neu konstruiert wird, was es bereits gibt. Ein Konstrukteur, der unter Zeitdruck steht, wird im Zweifel ein Teil neu zeichnen, statt stundenlang im Dateisystem nach einem möglicherweise existierenden Pendant zu suchen. Das ist kein Versagen des Einzelnen — es ist ein systemisches Problem. Der klassische Gegenvorschlag — saubere Nomenklaturen, konsequent gepflegte Sachmerkmalsleisten, verbindliche Benennungsregeln — klingt in der Theorie überzeugend. In der Praxis scheitert er an der Realität: Konventionen ändern sich, Mitarbeiter wechseln, und kein Unternehmen schafft es dauerhaft, dass sich hundert Konstrukteure über Jahre konsistent an dieselben Regeln halten.

Die naheliegende Antwort lautet: „Dafür haben wir doch ein PLM-System.“ Doch diese Antwort greift zu kurz.

Das PLM-Paradox

Selbst in Großunternehmen ist PLM kein flächendeckender Standard — und im breiten Mittelstand sieht die Realität noch deutlich anders aus: Die Mehrheit der produzierenden Unternehmen arbeitet ohne vollwertiges PLM. Die große Mehrheit verwaltet CAD-Daten in Ordnerstrukturen, auf Netzlaufwerken oder bestenfalls in einem einfachen Dateiverwaltungssystem. In der Praxis bedeutet das: Tausende von CAD-Dateien in den unterschiedlichsten Formaten — häufig aus mehreren CAD-Systemen, weil durch Zukäufe, Kundenvorgaben oder historisch gewachsene Abteilungsstrukturen mehr als ein System im Einsatz ist — STEP, IGES, SolidWorks (.sldprt), CATIA (.CATPart), Siemens NX (.prt), Creo/Pro-E (.prt), Inventor (.ipt) — verteilt über Projekt-Ordner, benannt nach internen Konventionen, die sich über die Jahre mehrfach geändert haben. Die institutionelle Erinnerung darüber, was wo liegt und warum, existiert bestenfalls in den Köpfen langjähriger Mitarbeiter.

Aber selbst dort, wo ein PLM vorhanden ist, löst es das Grundproblem selten. Warum? PLM-Systeme sind primär für Dokumentenverwaltung und Versionierung gebaut, nicht für geometrische Analyse. Ähnlichkeitssuche ist ein Zusatzmodul, das separat lizenziert und konfiguriert werden muss. Und selbst wenn es vorhanden ist, durchsucht es nur den PLM-verwalteten Bestand — historische Daten, die noch auf Netzlaufwerken oder in Altbeständen liegen, bleiben unsichtbar.

Dabei ist das Thema Ähnlichkeitssuche den PLM-Herstellern durchaus bekannt. Siemens bietet mit Geolus Shape Search ein Add-on für Teamcenter, PTC hat mit Windchill AI eine geometrische Duplikaterkennung integriert, und Dassault nutzt EXALEAD für 3D-Ähnlichkeitssuche innerhalb der 3DEXPERIENCE-Plattform. Auch Drittanbieter wie CADENAS PARTsolutions lassen sich in die großen PLM-Systeme einbinden. Die Technologie existiert also — zumindest als Zusatzmodul.

In der Praxis sehen wir allerdings, dass diese Funktionen erstaunlich selten genutzt werden. Sie sind oft als optionale Add-ons lizenziert, nicht als Kernbestandteil des PLM-Workflows. Und selbst wenn sie aktiviert sind, funktionieren sie in der Regel als Einzelteilsuche: Ein Konstrukteur nimmt ein konkretes Modell und sucht nach ähnlichen Teilen. Was sie typischerweise nicht bieten, ist eine systematische Analyse des gesamten Teilebestands — also eine Cluster-Analyse, die proaktiv Teilefamilien, Duplikate und Konsolidierungskandidaten über den gesamten Datenbestand hinweg sichtbar macht. Hinzu kommt: Diese Funktionen arbeiten nur innerhalb des PLM-verwalteten Bestands. Historische Daten auf Netzlaufwerken, Altbestände in anderen Formaten oder Teile aus zugekauften Baugruppenstrukturen bleiben außen vor. Und sie können naturgemäß nur den Unternehmen helfen, die überhaupt ein PLM im Einsatz haben.

Die Suche nach existierenden Teilen hängt deshalb in den meisten Unternehmen weiterhin an Dateinamen, Sachnummern-Konventionen und dem Gedächtnis einzelner Mitarbeiter. Bei einigen Hundert Teilen funktioniert das vielleicht noch. Bei Zehntausenden nicht mehr.

Hinzu kommt ein Muster, das auf den ersten Blick unsichtbar ist: Teile werden nicht exakt doppelt konstruiert, sondern mit kleinen Abweichungen — ein anderer Radius, eine minimal andere Wandstärke, eine leicht veränderte Bohrungsposition. Konstruktiv hätte ein einziges Teil genügt. Doch weil die Abweichungen zu gering sind, um in einer Sachnummern-Suche oder einem PLM-Abgleich aufzufallen, existieren zwei separate Teilenummern — mit allen Folgekosten entlang der gesamten Wertschöpfungskette: zwei Zeichnungssätze, zwei Fertigungsfreigaben, zwei Lagerplätze, zwei Qualitätsprüfpläne, doppelte Werkzeugvorhaltung. Auch saubere Nomenklaturen helfen hier nicht — denn die Abweichungen stecken in der Geometrie, nicht im Dateinamen.

Die Konsequenz sind Komplexitätskosten, die zeitlich und organisatorisch entkoppelt von der eigentlichen Konstruktionsentscheidung entstehen. Der Konstrukteur, der ein Teil leicht abgewandelt neu zeichnet, sieht die Folgekosten nicht — sie entstehen Wochen oder Monate später in Arbeitsvorbereitung, Einkauf und Lager. Sie verteilen sich auf Fertigung, Montage und Service. Und sie akkumulieren sich Jahr für Jahr.

CAD-Modelle mathematisch vergleichbar machen

Die Lösung liegt im CAD-Modell selbst. In der 3D-Geometrie steckt alles, was man braucht, um Teile systematisch zu vergleichen — man muss sie nur für einen Algorithmus zugänglich machen.

Das Prinzip: Jedes CAD-Modell wird in eine mathematische Repräsentation überführt. Aus der dreidimensionalen Geometrie werden dutzende Kenngrößen extrahiert — Volumen, Oberfläche, Bounding-Box-Proportionen, Komplexitätsmaße, Krümmungsverteilungen. Zusammen bilden sie einen hochdimensionalen Vektor — einen geometrischen Fingerabdruck, der das Teil numerisch beschreibt und mit anderen Teilen vergleichbar macht. Auf dieser Basis werden zwei Analysemethoden möglich, die manuell undurchführbar wären:

Ähnlichkeitssuche nimmt ein Referenzteil und findet automatisch die geometrisch ähnlichsten Teile im gesamten Bestand. Das funktioniert unabhängig von Dateinamen, Projektzuordnung oder Sachnummern. Ein Teil, das vor Jahren unter einer kryptischen Bezeichnung in einem archivierten Projekt abgelegt wurde, taucht auf, wenn seine Geometrie ähnlich genug ist.

Cluster-Analyse dreht die Perspektive um: Statt von einem einzelnen Teil auszugehen, wird der gesamte Teilebestand automatisch in Gruppen geometrisch ähnlicher Teile sortiert. So werden Teilefamilien sichtbar, die vorher niemand als solche erkannt hätte. Wo ein Unternehmen bisher von „ein paar ähnlichen Flanschen“ ausging, zeigt die Cluster-Analyse vielleicht 40 Varianten derselben Grundgeometrie — entstanden über Jahre in verschiedenen Projekten, von verschiedenen Konstrukteuren. Standardisierungspotenziale werden greifbar, und Kandidaten für eine Konsolidierung lassen sich systematisch identifizieren.

Wie das in der Praxis aussieht, zeigen die folgenden beiden Beispiele aus unserem CAD-Analyse-Service:

Die Ähnlichkeitssuche liefert zu einem Referenzteil eine Trefferliste mit Matching-Scores — sortiert nach geometrischer Übereinstimmung, unabhängig von Dateinamen oder Projektzugehörigkeit. Die Gewichtung, wie sich der Score zusammensetzt, kann individuell gewählt werden.

Die Cluster-Analyse gruppiert den gesamten Teilebestand automatisch in Familien geometrisch verwandter Teile. Auf einen Blick wird sichtbar, wo Varianten existieren, die konsolidiert werden könnten. Auch hier ist durch eine Parametrisierung der Suche eine Feinabstimmung möglich. Z.B. können so auch Cluster über Teile gebildet werden, deren Geometrie eine hohe Ähnlichkeit aufweist, aber das Größenverhältnis (Skalierung) sich unterscheidet.

Wir haben diesen Ansatz bei einem Kunden angewendet und dabei rund 15 Prozent des Teilebestands als Duplikate oder Konsolidierungskandidaten identifiziert — darunter vor allem Rohre und Flansche. Teils waren es exakte 1:1-Doppelungen — also Teile, die unter verschiedenen Sachnummern mehrfach existierten, ohne dass dies bekannt war. Aber eben auch Teile, die mit leichten konstruktiven Abweichungen existierten und auf ein einziges Teil hätten reduziert werden können. Genau diese ähnlichen Teile sind der größte Hebel, weil sie in keiner klassischen Duplikatsuche auftauchen.

Die wirtschaftliche Wirkung ist einfach zu kalkulieren: Bei Sachnummernkosten von 3.000 Euro pro Eigenfertigung-Teil und Jahr bedeutet die Eliminierung von 300 überflüssigen Teilenummern eine Einsparung von knapp einer Million Euro — jährlich, wiederkehrend. Dabei ist die Kalkulation konservativ — sie basiert auf Durchschnittswerten, während bestimmte Teiletypen deutlich höhere Folgekosten verursachen.

Entscheidend ist: Dieser Ansatz arbeitet direkt auf den CAD-Dateien. Er braucht kein PLM, keine gepflegten Metadaten, keine manuelle Verschlagwortung. Die Geometrie ist die Information.

Vom Vergleichen zum Verstehen

Ähnlichkeitsanalyse und Clustering sind ein erster, wirkungsvoller Schritt. Aber sie beantworten nur eine Frage: Welche Teile sehen sich ähnlich? Der logische nächste Schritt ist eine andere Frage: Was ist dieses Teil — und was bedeutet es für die Fertigung?

Wenn man Geometrie nicht nur vergleichen, sondern semantisch interpretieren kann, eröffnen sich weitreichende Möglichkeiten. Feature Recognition erkennt automatisch, was in einem Modell steckt: Bohrungen, Taschen, Gewinde, Verrundungen, Fasen — nicht als abstrakte Geometriedaten, sondern als ingenieurstechnische Information. Das System sieht nicht „einen Zylinder mit negativem Volumen“, sondern „eine Durchgangsbohrung M8 mit Senkung“.

Auf dieser Basis wird eine Brücke möglich, die heute in den meisten Unternehmen fehlt: die automatische Verknüpfung von Konstruktionsdaten mit Fertigungswissen — und perspektivisch auch von Kundenanforderungen direkt mit existierenden Konstruktionsdaten. Wenn ein System erkennt, welche Features ein Teil hat, kann es daraus ableiten, welche Fertigungsverfahren in Frage kommen, welche Toleranzen kritisch sind und wo Kostentreiber in der Geometrie stecken.

Perspektivisch kann eine automatisierte DFM-Prüfung (Design for Manufacturing) dem Konstrukteur bereits während der Entwicklung Rückmeldung geben — nicht erst, wenn das Teil in der Arbeitsvorbereitung ankommt und dort Fragen aufwirft. Die Arbeitsvorbereitung wiederum bekommt auf Basis erkannter Features ähnliche historische Arbeitspläne vorgeschlagen, statt bei null anzufangen. Und die Kalkulation kann direkt aus dem 3D-Modell heraus erfolgen: nicht über manuell gepflegte Kalkulationstabellen, sondern auf Basis der tatsächlichen geometrischen und fertigungstechnischen Eigenschaften des Bauteils.

All das reduziert Iterationsschleifen zwischen Konstruktion und Fertigung — ein Engpass, der in vielen Unternehmen Wochen kostet.

Die geometrische Analyse und Ähnlichkeitssuche sind keine ferne Zukunftsvision — sie funktionieren heute. Die semantische Interpretation und darauf aufbauende Automatisierung ist der nächste Entwicklungsschritt, der direkt auf dieser Basis aufbaut.

Fazit

Der Teilebestand ist einer der am meisten unterschätzten Kostentreiber im Maschinenbau. Die Kosten pro Sachnummer sind gut dokumentiert, die Mechanismen des Wildwuchses bekannt — und trotzdem fehlt in den meisten Unternehmen ein systematischer Ansatz, um das Problem zu adressieren. PLM-Systeme lösen es nicht, weil sie Dateien verwalten, nicht Geometrie verstehen. Manuelle Suche skaliert nicht. Und mit jedem Jahr wächst der Bestand weiter.

Die Technologie, CAD-Modelle automatisiert zu analysieren, zu vergleichen und Gleichteile sowie ähnliche Teile sichtbar zu machen, existiert heute. Sie arbeitet direkt auf den 3D-Daten, unabhängig von der bestehenden IT-Infrastruktur — kein PLM erforderlich, keine aufwändige Metadaten-Pflege, kein monatelanges Einführungsprojekt.

Bei wailand bauen wir genau das. Unsere 3D-CAD-Analyse identifiziert Gleichteile und ähnliche Teile in Ihrem Teilebestand — automatisiert, auf Basis der tatsächlichen Geometrie, unabhängig von Ihrem PLM-Status. Der Einstieg ist dabei bewusst niedrigschwellig: CAD-Dateien hochladen, analysieren lassen, Ergebnisse nutzen. Kein Integrationsprojekt, keine Vorlaufzeit.

Aber die eigentliche Stärke liegt einen Schritt weiter: Analyse allein erkennt Duplikate — sie verhindert keine neuen. Deshalb bieten wir mit wailand die Möglichkeit, Teileabgleich direkt in bestehende Engineering-Prozesse einzubinden. Das geschieht auf zwei Ebenen: Wenn ein Konstrukteur ein neues Teil fertig modelliert hat, kann vor dem Anlegen einer neuen Sachnummer automatisch geprüft werden, ob ein gleiches oder ähnliches Teil bereits im Bestand existiert. Das ist der erste Hebel. Der zweite greift noch früher: Bereits auf Basis eingehender Anforderungen — etwa einer Kundenspezifikation, die per Mail kommt — können automatisiert passende Teile mit den geforderten Merkmalen im Bestand identifiziert werden. Noch bevor ein Konstrukteur überhaupt anfängt zu modellieren, liegt die Antwort vor: Dieses Teil gibt es schon, oder eines, das mit minimaler Anpassung passt. So wird nicht nur die doppelte Sachnummer verhindert, sondern die doppelte Konstruktionsarbeit gleich mit.

Und für den bestehenden Bestand unterstützen wir dabei, erkannte Duplikate gezielt weiterzuverarbeiten: konsolidieren, standardisieren oder bewusst beibehalten. CAD-Daten sind einer der zentralen Informationsträger im Engineering. Sie zu verstehen ist die Voraussetzung, um Engineering-Prozesse durchgängig zu automatisieren — von der Anforderung über die Konstruktion bis zur Fertigung. Die CAD-Analyse ist dabei ein Baustein unserer Automatisierungsplattform, die genau diese Durchgängigkeit schafft.

Sie möchten selber mal die Ähnlichkeitsanalyse oder Cluster-Analyse für Ihre Daten testen? Sprechen Sie uns an!