14.08.2023

Target Costing: Was darf mein Produkt kosten?

Gastbeitrag. Bernhard Frühlinger zeigt, wie Startups mittels Target Costing den richtigen Preis für ihr Produkt finden.
/artikel/target-costing
Mehrere Personen führen geschäftliche Berechnungen durch
Foto: Adobe Stock

Target Costing ist radikale Methode zur Bestimmung des optimalen Preises für eure Produkte oder Services. Wir mögen sie genau deshalb so gerne.

Die Gretchenfrage des Pricings

Was darf die Herstellung unserer Produkte kosten? Diese Frage scheint auf den ersten Blick, wie die Gretchenfrage jedes Unternehmens und sollte eigentlich entsprechend hohe Priorität genießen.

Die Realität zeigt aber, dass die meiste Unternehmen eher fragen: „Was soll ich auf meine Kosten aufschlagen, um eine gute Marge zu machen?“. Dieser scheinbar kleine Unterschied resultiert häufig in Produkten, die inhaltlich wie preislich am Markt vorbeigehen.

Target Costing: Ein radikal anderer Blickwinkel

Target Costing ist eine Methode zur Bestimmung des optimalen Preises für eure Produkte oder eure Services. Nun könnt ihr berechtigterweise sagen, dass es solche Methoden wie Sand am Meer gibt und die Preisfindung trotzdem nicht leichter geworden ist. 

Stimmt, denn das Problem vieler Preisfindungsmethoden ist, dass sie meist auf einem der beiden Preiselemente aufbauen:

  • Was sind die Kunden bereit zu zahlen?
  • Was kostet mich die Bereitstellung meiner Produkte?

Target Costing kombiniert die beiden Einflussfaktoren und dreht die Frage „Was kostet mich die Herstellung?“ in „Was darf die Herstellung kosten um ein konkurrenzfähiges Produkt anzubieten? Um. Das ist genau die Frage, die wir für die Preis- und Kostengestaltung unserer Services stellen müssen.

How to Target Cost?

Beim Target Costing werden die Zielkosten vom konkurrenzfähigen Preis (Target Price) rückgerechnet. Target Costing setzt also am Markt (Kunde, Konkurrenz) an und leitet daraus die erlaubten Kosten ab. Klingt noch nicht so radikal, oder doch? 

Sehen wir uns die einzelnen Bestandteile genauer an:

Target Price:

Der Zielpreise ist jener Preis, der am Markt akzeptierbar ist. Dies ist keine exakte Wissenschaft, sondern basiert auf folgenden Fragestellungen: 

  • Was verlangt die Konkurrenz für vergleichbare Produkte?
  • Welche Alleinstellungsmerkmale hat mein Produk?
  • Was sind die Kunden bereit zu zahlen?

An dieser Stelle ein wohlgemeinter Tipp: Macht bitte keine Wissenschaft aus der Festlegung des Zielpreises. Hält euch lieber an die Formel aus Mad Men („It’s toasted“).

Target Profit:

Ist der Zielpreis ermittelt fragen wir uns: „Was soll für uns rausspringen?“. Folgende Fragen stehen dabei im Vordergrund:

  • Welche Margen sind branchenüblich?
  • Wie ist meine Verhandlungsposition gegenüber Lieferanten?
  • Welchen Fixkostenblock müssen wir mit der Gewinnspanne finanzieren?

Auch hier gilt es, die Balance zwischen Fakten und Bauchgefühl zu halten.

Erlaubte Kosten:

Habt ihr Target Price und Target Profit ermittelt, ist der Rest nur noch einfachste Algebra. Die Formel für die erlaubten Kosten lautet nämlich:

Erlaubte Kosten (Allowable Costs) = Target Price – Target Profit

Damit habt ihr eure Zielkosten je Komponente und könnt nun ans Eingemachte gehen.

Das Eingemachte: Abgleich mit tatsächlichen Kosten

Nun kommen wir zum Herzstück des Target Costing: Der Abgleich zwischen den erlaubten Kosten und den tatsächlichen aktuellen Kosten.

Hier eine Warnung: Dieser Moment kann sehr ernüchternd sein, vor allem wenn der Abstand zwischen erlaubten und heutigen Kosten groß ist. Hier kommt jedoch die Magie des Target Costing ins Spiel. Folgende Möglichkeiten zur Optimierung habt ihr:

  • Produktoptimierung: Welche Veränderungen können wir am Produkt ohne Qualitätseinbußen vornehmen?
  • Produktionsoptimierung: Welche Elemente des Produktionsprozesses können wir optimieren?
  • Logistikoptimierung: Wie können wir die Beschaffungs- und Transportkosten optimieren?

Target Costing: Ein Beispiel

Ihr findet das alles noch etwas zu theoretisch? Dann lasst uns ein Beispiel durchrechnen: 

Eine Agentur bietet ein Projekt für Film- und Videoproduktion an. In der klassischen Variante, berechnet die Agentur ihre Kosten für das Projekt und schlägt eine Marge dazu. Das sieht dann so aus:

PositionPricing
Equipment1.500 EUR
Arbeitszeit4.000 EUR
Anfahrt, Nächtigung, Verpflegung500 EUR
Editing, Fertigstellung2.500 EUR
Kosten8.500 EUR
Zuschlag40%
Preis11.900 EUR
Gewinnspanneca. 28%

Nehmen wir nun dasselbe Projekt mit der Target Costing Methodik: Durch Markt- und Konkurrenzanalyse ermittelt die Agentur den Zielpreis.

Position
Target Price13.000 EUR
Target Profit40%
Erlaubte Kosten7.800 EUR
Tatsächliche Kosten8.500E UR
Benötigte Einsparung700 EUR

Die Übung hat sich für dieses Projekt allenfalls gelohnt, da die Agentur drei Verbesserungen erreicht hat:

  • Höherer Preis als bisher möglich (Ergebnis der Marktanalyse)
  • Höherer Gewinnspanne möglich
  • Durchführung von Effizienzmaßnahmen in der Service-Bereitstellung

Wir empfehlen, dass ihr euch für eines eurer Produkte oder Projekte die Übung gönnt und schaut, was dabei rauskommt.

Fazit: Give Target Costing a try 

Target Costing ist eine radikale und damit vielleicht auch ideale Methodik des Kostenmanagements. Entgegen vielen Mythen ist Target Costing nicht nur für produzierende Unternehmen, sondern auch für Dienstleister relevant.

Gerade bei Produkten oder Services mit hoher Preiselastizität oder hohem Margendruck ist die Methode optimal. Die Vorteile des Target Costing sind: 

  • Zusammenführung externe Sicht (Kunde) mit der internen Sicht
  • Integration von Vertrieb und Operations im Unternehmen
  • Stärkung des Kostenbewusstseins in der Organisation
  • Fokus auf relevante Bestandteile in der Herstellung

Die konsequente Umsetzung des Target Costing ist aber anstrengend und alle müssen mitmachen. Das kann viel Zeit und Raum beanspruchen. Die Nachteile des Target Costing sind: 

  • Bestimmung des optimalen Preises ist nicht immer möglich
  • Hoher Planungsaufwand
  • Für kleinere Unternehmen mit großen Kunden schwierig durchsetzbar
  • Wenig sinnvoll, wenn die Kosten nicht intern beeinflussbar sind

Nun habt ihr eine umfassende Bewertung an der Hand. Bei aller Abwägung von Vor- und Nachteilen ist der beste Ansatz immer noch: Give it a try!


Über den Autor

Bernhard Frühlinger ist Geschäftsführer von Adam, dem digitalen Controlling-Service für KMU und Startups. Zuvor war er viele Jahre als Unternehmensberater für Finance Themen tätig.

Deine ungelesenen Artikel:
29.07.2026

Wenn die KI das Experiment plant: Zu Besuch im Labor, das sich selbst steuert

Auf dem Campus Hönggerberg der ETH Zürich arbeiten Roboter und Künstliche Intelligenz zusammen: Eine Software des schweizerisch-amerikanischen Startups Atinary entwirft die Experimente, Roboter in den Laboren von SwissCAT+ an der ETH Zürich führen sie aus, rund um die Uhr. brutkasten war vor Ort und hat mit Atinary-Mitgründer und CTO Loïc Roch sowie Christoph Schnidrig, Head of Technology bei Amazon Web Services Schweiz, über den beschleunigten Forschungsbetrieb gesprochen. Und darüber, warum die größte Hürde nicht die Technologie ist.
/artikel/wenn-die-ki-das-experiment-plant-zu-besuch-im-labor-das-sich-selbst-steuert
29.07.2026

Wenn die KI das Experiment plant: Zu Besuch im Labor, das sich selbst steuert

Auf dem Campus Hönggerberg der ETH Zürich arbeiten Roboter und Künstliche Intelligenz zusammen: Eine Software des schweizerisch-amerikanischen Startups Atinary entwirft die Experimente, Roboter in den Laboren von SwissCAT+ an der ETH Zürich führen sie aus, rund um die Uhr. brutkasten war vor Ort und hat mit Atinary-Mitgründer und CTO Loïc Roch sowie Christoph Schnidrig, Head of Technology bei Amazon Web Services Schweiz, über den beschleunigten Forschungsbetrieb gesprochen. Und darüber, warum die größte Hürde nicht die Technologie ist.
/artikel/wenn-die-ki-das-experiment-plant-zu-besuch-im-labor-das-sich-selbst-steuert
Loïc Roch, Mitgründer und CTO von Atinary, in den SwissCAT+-Laboren am Campus Hönggerberg | (c) Martin Pacher

Wer auf den Hönggerberg im Norden Zürichs fährt, lässt die Stadt hinter sich. Der zweite Campus der ETH, entstanden ab 1961, liegt in ländlicher Umgebung, hier sind unter anderem die Departemente für Chemie, Physik und Materialwissenschaft zu Hause. Und hier, in den SwissCAT+-Laboren der Hochschule, lässt sich derzeit besichtigen, wie Forschung aussehen könnte, wenn nicht mehr der Mensch jeden einzelnen Handgriff macht.

In diesen Laboren übernehmen Roboter die Arbeit, die sonst Forschende beschäftigt: Sie hantieren mit Flüssigkeiten und Pulvern, bereiten Proben vor, testen sie und messen laufend die Ergebnisse. Das Bemerkenswerte daran ist aber nicht die Automatisierung selbst, sondern wer die Versuche plant: eine Künstliche Intelligenz. Die Software stammt vom Startup Atinary, das an der ETH keinen eigenen Standort hat, sondern mit der Technologieplattform SwissCAT+ zusammenarbeitet. Sie schlägt vor, welches Experiment als nächstes sinnvoll ist, lernt aus jedem Ergebnis und berechnet daraus den nächsten Schritt. Dieser Kreislauf läuft rund um die Uhr, ohne dass ein Mensch eingreifen muss.

„Ein Labor ist eine große Küche“

Wie soll man sich das vorstellen? Loïc Roch, Mitgründer und CTO von Atinary, greift im Gespräch mit brutkasten zu einem Alltagsbild: „Am Ende ist ein Labor eine große Küche. Wir liefern die Rezepte. Wir nutzen KI, um Rezepte zu erzeugen, die dann im Labor getestet werden.“ Das Ziel: möglichst schnell zum besten Rezept kommen. Denn jeder einzelne Versuch kostet Zeit, Material und Geld. Wer statt tausender Versuche nur ein paar Dutzend braucht, spart enorm.

Genau darauf ist die Software ausgelegt. Statt sich blind durch unzählige mögliche Kombinationen zu probieren, lernt das System mit jedem Experiment dazu und empfiehlt gezielt die vielversprechendsten nächsten Schritte. „Self-Driving Labs“ nennt Atinary das Prinzip, selbstfahrende Labore. Den Begriff hat sich das 2019 gegründete Unternehmen sogar markenrechtlich schützen lassen.

Loïc Roch, Co-founder und CTO von Atinary | (c) Martin Pacher / brutkasten

Den Bedarf für solche Werkzeuge begründet Roch mit einem unbequemen Befund: Forschung wird immer teurer und langsamer, es braucht immer mehr Zeit und Geld, bis Neues gefunden ist. Dazu kommt eine handfeste Vertrauenskrise: Roch verweist auf eine vielzitierte Befragung von rund 1.500 Forschenden, wonach ein Großteil daran scheitert, Experimente zu wiederholen, in der Chemie sind die Quoten besonders hoch. Das ist nicht nur für die Wissenschaft ein Problem: Ohne verlässliche Daten lässt sich auch keine verlässliche KI trainieren.

100 Jahre Forschung in sechs Wochen

Was das System kann, zeigt das Vorzeigeprojekt direkt vor Ort. Gemeinsam mit dem SwissCAT+-Team suchte Atinary nach dem besten Katalysator, also jenem Hilfsstoff, mit dem sich das Treibhausgas CO₂ in Methanol umwandeln lässt, einen Ausgangsstoff für nachhaltige Treibstoffe. Laut Atinary kamen dafür mehr als 20 Millionen mögliche Kombinationen infrage. Das Ergebnis wurde in einem Fachjournal publiziert: In sechs Wochen wurden 144 Katalysator-Kandidaten hergestellt und getestet, mit minimalem menschlichem Zutun. Die Zahl, mit der Atinary seither wirbt, ist eindrucksvoll: eine 1000-fache Beschleunigung, umgerechnet 100 Jahre Katalyse-Forschung in nur sechs Wochen. SwissCAT+-Chef Paco Laveille, der die Umsetzung an der ETH verantwortet, bestätigt beim Besuch die Größenordnung: von Jahren an Forschung hinunter zu Wochen.

(c) Martin Pacher / brutkasten

Beim konkreten Nutzen für Firmenkunden hält sich Roch hingegen zurück, aus einem strukturellen Grund: „Wir sind ein Dienstleister. Wir sehen den generierten Mehrwert nicht, und die Kunden wollen ihn nicht teilen.“ Das habe auch mit Sicherheitsanforderungen zu tun, ergänzt das Unternehmen: Angaben zum erzielten Return on Investment erhalte Atinary dann, wenn Kunden sie von sich aus teilen — teils münde das in gemeinsame Publikationen.

Die einzige konkrete Zahl, die er im Gespräch nennt, stammt aus einer gemeinsamen Publikation mit dem Aromen- und Duftstoffkonzern dsm-firmenich: Dort konnte der Einsatz eines teuren Edelmetalls so stark reduziert werden, dass dessen Kostenanteil um rund 95 Prozent sank. Es sei nicht die einzige gemeinsame Veröffentlichung mit Kunden, betont das Unternehmen — weitere gebe es etwa mit dem Pharmakonzern Takeda.

(c) Martin Pacher / brutkasten

Auch ein aktueller gemeinsamer Blogbeitrag von AWS und Atinary liefert Anhaltspunkte. Ein Manager von Takeda wird dort mit der Aussage zitiert, eine Optimierung habe mit dem selbstfahrenden Ansatz rund eine Woche gedauert, verglichen mit ein bis zwei Monaten auf dem herkömmlichen Weg. Am MIT wiederum löste ein Forschungsteam mit der Software eine knifflige Aufgabe aus der Solarzellenforschung in nur 25 Versuchen, innerhalb einer strikten Frist von vier Wochen. Und über das eigene Labor, das Atinary heuer in Boston eröffnet hat, heißt es: Es erzeuge in einer Woche mehr Versuchsdaten, als ein Doktorand in fünf Jahren produziert.

Bezahlter Pilot, Lizenz pro Arbeitsplatz

Wirtschaftlich steht Atinary noch am Anfang. Das Unternehmen befindet sich in der Seed-Phase, öffentlich auffindbar sind laut Roch rund zehn Millionen an bisheriger Finanzierung, eingesammelt über Venture Capital, Family Offices und Förderungen. Als Nächstes peilt er eine Series A an. Das Wachstumskapital dafür werde voraussichtlich aus den USA kommen: „Der Ansatz ist in Europa und den USA sehr unterschiedlich.“

Paco Laveille, Managing Director, SwissCAT+ East, ETH Zurich | (c) Martin Pacher / brutkasten

Verdient wird über Software-Lizenzen, abgerechnet pro Arbeitsplatz. Am Anfang steht ein dreimonatiger, bewusst kostenpflichtiger Testlauf. „Wenn der Pilot nicht bezahlt ist, stecken die Kunden nicht die Ressourcen hinein, um ihn richtig zu testen“, sagt Roch. Dass er mit diesem Modell Geld liegen lässt, räumt er offen ein: Eine Beteiligung am geschaffenen Wert wäre lukrativer, scheitert aber daran, dass die Kunden diesen Wert eben nicht offenlegen.

Die Kundschaft kommt bisher vor allem aus der Pharmabranche, die laut Roch am ehesten bereit ist, Neues zu riskieren; der Rest der Industrie folge dann. Einsatzfelder gibt es aber quer durch: Lebensmittel, Duftstoffe, Materialforschung, grüne Energie, und gemeinsam mit Stanford sogar Zelltherapien gegen Krebs. Umsatz machen vor allem Konzerne. Mit Universitäten arbeitet Atinary eng zusammen, weil sich dort Ergebnisse veröffentlichen lassen, sie werden so zu Botschaftern der Technologie. Auch KMU zählen zu den Kunden, das jüngste sei erst vor wenigen Tagen dazugekommen. Die Arbeitsteilung im Unternehmen: Das Entwicklerteam sitzt bei Roch in Lausanne, das eigene Labor steht in Boston, dort, wo die großen Pharma-Forschungszentren angesiedelt sind.

„Fast jeden zweiten Tag ein neues Startup“

Beim Thema Konkurrenz wird Roch deutlich: Der Bereich „AI for Science“ ziehe derzeit massiv Gründungen an, fast jeden zweiten Tag komme ein neues Startup dazu. Gefährlich sei daran vor allem eines: Mit den heutigen KI-Werkzeugen lasse sich sehr schnell ein beeindruckender Prototyp bauen, der Kunden begeistert. „Unter der Haube ist das aber kein produktionsreifer Code, der bei einem Großunternehmen laufen kann.“ Atinary sieht er im Vorteil, weil man seit 2019 das gesamte Paket aufgebaut habe: die Anbindung an die Laborgeräte, das eigene KI-Training, die Anwendungen und die wissenschaftliche Glaubwürdigkeit durch den eigenen Beirat. Dazu kommt laut Unternehmen ein Netzwerk an Technologiepartnern, darunter AWS, ABB Robotics, Agilent, Bruker, Chemspeed und Mettler-Toledo. Im wissenschaftlichen Beirat sitzt unter anderem der MIT-Chemiker Stephen Buchwald — im Bostoner Labor optimiert Atinary nach eigenen Angaben ausgerechnet die nach ihm benannte Buchwald-Hartwig-Reaktion.

(c) Martin Pacher / brutkasten

Zugleich beobachtet er seit heuer einen Umschwung im Markt: Kunden dächten zunehmend in einer Wettlauf-Logik. Wer die Technologie nicht als Erster einsetze, riskiere, dass es die Konkurrenz tut. Und wenn diese in Wochen schafft, wofür man selbst Jahre braucht, sei der Rückstand kaum aufzuholen.

Die größte Hürde ist der Mensch

Und was bremst die Verbreitung? Nicht die Technik, sagt Roch, sondern der Mensch. „Der Wissenschaftler im Labor ist oft seit 15, 20 Jahren dort. Wenn man ihm sagt: Wir können deine Forschung um den Faktor zehn oder hundert beschleunigen, sagt er: Nein. Ich kenne mein Fach besser als irgendein Algorithmus.“ Es sei dabei weniger mangelndes Vertrauen, die Technologie werde schlicht als Bedrohung für den eigenen Job empfunden. Christoph Schnidrig von AWS ergänzt: Dieses Muster kenne man von jeder Technologiewelle, von der Einführung der Cloud bis zur KI in der Softwareentwicklung. Rochs Haltung dazu: Jobs würden sich verändern, aber nicht verschwinden. „Am Ende ist es ein Werkzeug. Der Mensch bleibt am Steuer.“

(c) Martin Pacher / brutkasten

Zum Vertrauen gehört auch die Datenfrage, schließlich legen die Kunden ihr wertvollstes Gut, ihre Forschungsdaten, in die Plattform. Die läuft vollständig auf der Cloud von AWS. Roch verweist auf Prüfungen, Audits und Sicherheitstests; personenbezogene Daten würden praktisch keine gespeichert, schon gar keine Patientendaten, dafür sei man in der Forschung viel zu früh angesetzt. Auch deshalb sieht er im EU AI Act derzeit kein Hindernis: In Kundengesprächen sei die Regulierung bislang schlicht kein Thema gewesen.

Auszeichnung vom Weltwirtschaftsforum

Während brutkasten mit Roch in Zürich spricht, befindet sich sein Mitgründer, CEO Hermann Tribukait, gerade im chinesischen Dalian, um dort den Technology-Pioneer-Award des Weltwirtschaftsforums entgegenzunehmen. Zu den früheren Preisträgern der Auszeichnung zählen Roch zufolge Namen wie Google, Dropbox und Airbnb. Preisgeld gibt es keines, der Wert liege im Zugang zum Netzwerk des Forums und zu Entscheidungsträgern großer Unternehmen. Kunden in China hat Atinary übrigens keine, und das dürfte vorerst so bleiben: Als in den USA registriertes Unternehmen sei das Geschäft mit chinesischen Firmen „wegen der Geopolitik sehr heikel“.

Gefragt nach dem Blick fünf Jahre voraus, skizziert Roch eine Vision, die er ausgerechnet am Vorbild seines Cloud-Partners entwirft: Labore, die wie Rechenleistung aus der Cloud abrufbar sind, weltweit vernetzt, mit einer übergeordneten KI, die Erkenntnisse zwischen Forschungszentren auf verschiedenen Kontinenten austauscht.

Den Antrieb dahinter beschreibt er ganz persönlich: Er und seine Mitgründer seien Naturliebhaber, und die Energiewende brauche schnellere Forschung. „Der Planet kann nicht noch ein Jahrzehnt warten, bis wir Lösungen finden.“ Sein Befund nach sieben Jahren: „R&D ist heute noch zu langsam.“


Disclaimer: Die Reise- und Übernachtungskosten wurden von Amazon Web Services übernommen.

Toll dass du so interessiert bist!
Hinterlasse uns bitte ein Feedback über den Button am linken Bildschirmrand.
Und klicke hier um die ganze Welt von der brutkasten zu entdecken.

brutkasten Newsletter

Aktuelle Nachrichten zu Startups, den neuesten Innovationen und politischen Entscheidungen zur Digitalisierung direkt in dein Postfach. Wähle aus unserer breiten Palette an Newslettern den passenden für dich.

Montag, Mittwoch und Freitag

AI Summaries

Target Costing: Was darf mein Produkt kosten?

AI Kontextualisierung

Welche gesellschaftspolitischen Auswirkungen hat der Inhalt dieses Artikels?

Leider hat die AI für diese Frage in diesem Artikel keine Antwort …

Target Costing: Was darf mein Produkt kosten?

AI Kontextualisierung

Welche wirtschaftlichen Auswirkungen hat der Inhalt dieses Artikels?

Leider hat die AI für diese Frage in diesem Artikel keine Antwort …

Target Costing: Was darf mein Produkt kosten?

AI Kontextualisierung

Welche Relevanz hat der Inhalt dieses Artikels für mich als Innovationsmanager:in?

Leider hat die AI für diese Frage in diesem Artikel keine Antwort …

Target Costing: Was darf mein Produkt kosten?

AI Kontextualisierung

Welche Relevanz hat der Inhalt dieses Artikels für mich als Investor:in?

Leider hat die AI für diese Frage in diesem Artikel keine Antwort …

Target Costing: Was darf mein Produkt kosten?

AI Kontextualisierung

Welche Relevanz hat der Inhalt dieses Artikels für mich als Politiker:in?

Leider hat die AI für diese Frage in diesem Artikel keine Antwort …

Target Costing: Was darf mein Produkt kosten?

AI Kontextualisierung

Was könnte das Bigger Picture von den Inhalten dieses Artikels sein?

Leider hat die AI für diese Frage in diesem Artikel keine Antwort …

Target Costing: Was darf mein Produkt kosten?

AI Kontextualisierung

Wer sind die relevantesten Personen in diesem Artikel?

Leider hat die AI für diese Frage in diesem Artikel keine Antwort …

Target Costing: Was darf mein Produkt kosten?

AI Kontextualisierung

Wer sind die relevantesten Organisationen in diesem Artikel?

Leider hat die AI für diese Frage in diesem Artikel keine Antwort …

Target Costing: Was darf mein Produkt kosten?