Die steigende Anzahl und Variantenvielfalt von traditionellen und hochtechnologischen Beschaffungskomponenten in der Industrie erfordern eine Veränderung konventioneller Ansätze im Supply Management. So müssen viele oft vollkommen neuartige Fremdbezugselemente evaluiert und insbesondere deren Kosten geschätzt werden. Mit der wachsenden Anzahl an Zukaufteilen nehmen dabei das Gesamtkalkulationsvolumen sowie auch das Kostensenkungspotenzial im Rahmen von Preisverhandlungen mit Lieferanten zu. Dies ist nahezu bei allen herstellenden Unternehmen und insbesondere in der Automobilindustrie der Fall.

Das Cost Engineering hat u. a. die Aufgabe, dieser großen Herausforderung bei der Kostenanalyse und Kalkulation von Beschaffungskomponenten zu begegnen. Dazu sind neuartige, intelligente Methoden zu entwickeln und traditionelle Konzepte entsprechend zu überarbeiten oder anzupassen.

In seiner Dissertation zielt Herr Bodendorf darauf ab, die Aufgaben des Cost Engineering an ausgewählten und für einen Automobilhersteller besonders relevanten Stellen zu durchdringen und neue methodische Lösungsansätze aufzuzeigen, d. h., die „Intelligenz“ der traditionellen Verfahren zu erhöhen oder völlig neue Konzepte zu entwickeln. Dabei werden Systeme zur innovativen und intelligenten Kalkulation von Bauteilen und Baugruppen untersucht und dabei insbesondere die Potenziale von Algorithmen und Modellen des maschinellen Lernens analysiert sowie an ausgewählten Beispielen anhand von prototypischen Entwicklungen und Experimenten demonstriert und evaluiert.

Mit der mündlichen Prüfung am 27.07.2022 schloss Frank Bodendorf seine Promotion mit dem Titel: “Machine Learning im Cost Engineering des Supply Managements ” sehr erfolgreich ab.