Cost Engineering: Datenqualität & Annahmen in Kostenmodellen

Cost-Engineering-Modelle können Ergebnisse bis auf einzelne Euro oder Cent ausgeben.

Diese Darstellungsgenauigkeit darf nicht mit tatsächlicher Sicherheit verwechselt werden.

Ein Kostenmodell basiert auf Eingangsgrößen und Annahmen.

Beispiele:

Wenn sich diese Werte verändern, verändert sich auch das Ergebnis.

Datenquellen dokumentieren

Für wichtige Eingangsgrößen sollte nachvollziehbar sein:

Dadurch bleibt das Modell überprüfbar.

Unsicherheit ist nicht automatisch ein Problem.

Problematisch ist vor allem unsichtbare Unsicherheit.

Wenn beispielsweise eine Zykluszeit geschätzt wurde, sollte dies kenntlich sein.

Dadurch kann das Team später gezielt prüfen, ob diese Annahme für die Entscheidung relevant ist.

Nicht jede Eingangsgröße beeinflusst das Ergebnis gleich stark.

Eine Sensitivitätsbetrachtung kann helfen herauszufinden:

Welche Annahmen verändern das Ergebnis besonders stark?

Auf diese Größen sollte die Datenbeschaffung konzentriert werden.

In frühen Entwicklungsphasen liegen häufig keine exakten Informationen vor.

Dann kann eine Bandbreite sinnvoller sein als ein scheinbar präziser Einzelwert.

Beispielsweise kann eine Lösung zunächst als:

diskutiert werden.

Die konkrete Form der Darstellung sollte zum Entscheidungsprozess des Unternehmens passen.

Ziel eines Modells ist nicht, möglichst kompliziert zu sein.

Es soll Entscheidungen unterstützen.

Beispiele:

Wertanalyse benötigt ausreichend belastbare wirtschaftliche Informationen.

Gleichzeitig sollte ein Projekt nicht auf perfekte Daten warten, wenn bereits robuste Suchrichtungen erkennbar sind.

Die Kunst besteht darin, die notwendige Genauigkeit für die jeweilige Entscheidung zu erreichen.