Es liegt nicht an den Ingenieuren

Porsche war die profitabelste Automarke der Welt, die Kathedrale der deutschen Ingenieurskunst. Im Jahr 2025 verbuchte Porsche rund 3,9 Milliarden Euro an Sonderaufwendungen, um eine Elektrostrategie rückgängig zu machen, zu der sich das Unternehmen nur wenige Jahre zuvor mit großem Vertrauen bekannt hatte. Der Betriebsgewinn im Automobilbereich brach um 98 Prozent. Die Aktie verlor ein Drittel ihres Wertes. Das Unternehmen wurde aus dem DAX, dem Index der deutschen Industriechampions, herausgeworfen.

Sieben Jahre zuvor, im Jahr 2018, hatte Porsche mehr als 6 Milliarden Euro für die Umstellung auf Elektrofahrzeuge bereitgestellt. Dann hat das Unternehmen den Kurs geändert. Wenn man das zusammenzählt, kommt man auf eine Rundreise von fast 10 Milliarden Euro, die ungefähr dort endete, wo sie begann.

China war ein Jahrzehnt lang der wichtigste Wachstumsmarkt für Porsche. Doch während sich das alles abspielte, hat eine chinesische Telefongesellschaft das Mittagessen von Porsche gegessen. Xiaomi, das noch nie ein Auto gebaut hatte, brachte den SU7 auf den Markt: eine Limousine, die wie ein Taycan aussieht, ihn übertrifft und zu einem Bruchteil des Preises verkauft wird. Im Jahr 2024 verkaufte Xiaomi mehr als 100.000 Exemplare. Porsche verkaufte rund 21.000 Taykaner. Der Absatz von Porsche in China ging um mehr als ein Viertel zurück.

Das ist die Wunde. Nicht eine fehlende Gewinnspanne. Ein hundert Jahre altes Symbol für technische Überlegenheit, das von einem Unternehmen der Unterhaltungselektronik übertrumpft wurde, das 24 Monate zuvor noch nicht in der Automobilbranche tätig war.

Dies ist die Frage, die deutsche Vorstandsetagen nachts wach halten sollte: Glaubt jemand ernsthaft, dass die Ingenieure von Xiaomi besser sind als die von Porsche?

Sie sind es nicht. Das ist der springende Punkt.

Die bequemen Erklärungen

Wenn ein deutscher Industrieller das China-Problem erklärt, hört man die gleiche Liste. Billige Arbeitskräfte. Staatliche Subventionen. Billige Energie, die jetzt weg ist. Ein eroberter Heimatmarkt. Laxe Sicherheitsstandards. Sie kopieren uns.

Einiges davon ist wahr. Philipp Raasch bei Autopreneur stellt die schärfste Version des systemischen Falls dar: China konkurriert als koordiniertes, staatlich gelenktes Kollektiv mit einem jahrzehntelangen Plan, während deutsche Unternehmen als Einzelakteure antreten. Diese Asymmetrie ist real.

Aber die bequemen Erklärungen gehen alle von einer versteckten Annahme aus: Wenn die Wettbewerbsbedingungen gleich wären, würde die deutsche Technik immer noch den Sieg davontragen. Dass das Problem ist um die Technik; niemals in es.

Ich möchte diese Annahme in Frage stellen. Nicht indem ich die Ingenieure angreife, sondern indem ich sie verteidige.

Die Dissertation

Deutsche und europäische Ingenieure gehören zu den besten der Welt. Das ist keine Schmeichelei, sondern die sichtbare Bilanz. Sie bauen Flugzeuge, Werkzeugmaschinen, Feuerlöschsysteme und Antriebsstränge, die jahrzehntelang unter Bedingungen laufen, die die meisten Start-ups nie erlebt haben.

Sie verlieren nicht, weil sie schlecht sind, sondern Sie verlieren, weil die Systeme, in denen sie arbeiten, zu langsam lernen.

Die Lerngeschwindigkeit ist die versteckte Variable. Sie taucht nur selten in der Bilanz auf, weil sie keine Kosten oder Mitarbeiterzahl darstellt. Sie ist eine SatzWie schnell kann ein Unternehmen Ungewissheit in Wissen umwandeln - wie schnell kann es etwas ausprobieren, beobachten, was die Realität bewirkt, und sich anpassen. Ein Unternehmen, das doppelt so schnell lernt, arbeitet nicht doppelt so hart. Es steigert sich. Mit jedem Zyklus vergrößert sich der Abstand.

BYD entwickelt ein neues Auto in etwa 18 Monaten. Volkswagen hat nach einer angekündigten Effizienzoffensive seinen Zyklus von 54 Monaten auf 40. Vierzig Monate wurden als Meilenstein angekündigt. Sie ist ein Meilenstein - in einem Rennen, das mit 18 gelaufen wird.

Der Unterschied liegt nicht im Aufwand. Deutsche Ingenieure arbeiten genauso hart wie alle anderen. Der Unterschied liegt im Lerntempo.

Der Beweis, dass es nicht an den Ingenieuren liegt

Wenn die Ingenieure das Problem wären, könnte man das Ergebnis nicht ändern, ohne die Ingenieure zu ändern. Man kann es aber, und der sauberste Beweis ist, wenn man die Talente konstant hält und nur das System ändert.

Dasselbe Land. Derselbe Arbeitsmarkt. 410× die Kosten.

Die NASA brauchte eine Schwerlastrakete und finanzierte zwei. Das Space Launch System, das von einem traditionellen Luft- und Raumfahrtkonsortium nach einem Modell gebaut wurde, bei dem die Spezifikationen im Vordergrund standen. Und das Starship von SpaceX, das durch das Fliegen von Prototypen, die absichtliche Sprengung mehrerer von ihnen und das Lernen aus jedem Flug gebaut wurde.

Bis 2025 hatte Starship zehn Testflüge absolviert. SLS hatte einen Flug absolviert. Geschätzte Kosten pro Start, nach den besten öffentlichen ZahlenEtwa $10 Millionen für Starship gegenüber etwa $4,1 Milliarden für SLS: ein Faktor von etwa 410. Gesamtentwicklungskosten bis zu diesem Zeitpunkt: etwa $7 Milliarden gegenüber $23 Milliarden.

Dieselbe Nation. Dieselben Ingenieurschulen. Die gleichen Lieferanten, oft im wahrsten Sinne des Wortes. Die Variable, die sich unterscheidet, ist nicht das Talent. Es ist, wie schnell das System ist erlaubt zu lernen. SpaceXs eigene Der Raptor-Motor erzählt die gleiche Geschichte auf Komponentenebene: Über drei Generationen hinweg wurde die Triebwerksmasse halbiert und der Schub erhöht, bis SpaceX 280 Raptors bauen konnte - zum Preis eines einzigen alten RS-25-Triebwerks!

Jetzt bringen Sie es nach Europa, denn die SpaceX-Geschichte lässt sich leicht als amerikanische Risikobereitschaft abtun.

Ein europäisches Unternehmen hat auf diese Weise ein Kampfflugzeug gebaut. Saab Aeronautics entwickelte den Gripen E mit zwischen 2.000 und 4.000 Mitarbeitern in mehr als 100 Scrum-Teams. Eine Blockade, die von einem Ingenieur beim morgendlichen Stand-up um 7:30 Uhr angesprochen wird, erreicht das Executive Action Team um 8:30 Uhr. Entscheidungen, die sonst Wochen dauern, werden in einer Stunde getroffen. Das Flugzeug liefert alle sechs Monate neue Software aus, und das zu niedrigeren Stückkosten als andere Unternehmen. Dies ist ein schwedisches Verteidigung Programm, das so weit von “schnell handeln und Dinge kaputt machen” entfernt ist, wie es in der Technik möglich ist, und das absichtlich eine schnelle Lernschleife durchläuft.

Ein deutsches Unternehmen hat es bei der Sicherheitszertifizierung geschafft, der einzige Ort, an dem man nicht schnell fahren darf. Wagner baut Brandschutzsysteme, wo jede Änderung ein Sicherheitszertifikat ungültig machen kann. Anstatt die Zertifizierung als eine Überprüfungsphase am Ende zu behandeln, baute Wagner sie in die Architektur ein: ein modellbasiertes modulares Design mit durchgängiger Rückverfolgbarkeit, zertifizierter Codegenerierung und Regressionstests in einer TÜV-überwachten Umgebung. Die Zertifizierung war nicht länger ein Tor, vor dem man warten musste, sondern wurde zu einer Eigenschaft, die das System ständig mit sich führt. Die Zertifizierungszeit wurde verkürzt.

Deutsche Ingenieure. Deutsche Strenge. Mit dem TÜV im Schlepptau. Trotzdem schneller. Das Hindernis war nie der Ingenieur. Es war das System, in das der Ingenieur hineingestellt wurde.

Was “Zu langsames Lernen” tatsächlich bedeutet

Langsames Lernen ist keine Faulheit. Es ist eine strukturelle Eigenschaft, und sie hat spezifische, diagnostizierbare Ursachen.

Spätes Lernen ist teures Lernen. Die Kosten für die Änderung eines Entwurfs steigen mit dem Fortschreiten des Projekts nicht sanft an, sondern eskalieren. Eine Entscheidung, die in der dritten Woche billig zu überdenken ist, kann sich als ruinös erweisen, wenn sie nach dem Zuschnitt des Werkzeugs noch einmal überdacht wird. Eine Anekdote aus der Automobilindustrie: Ein Team hat den Flash-Speicher eines Steuergeräts an die Software angepasst und so über $1 Mio. für die gesamte Produktion eingespart. Nach der Markteinführung hätte eine wertvolle neue Funktion als reines Software-Update ausgeliefert werden können - nur passte sie nicht mehr in den Speicher. Man hatte die Wahl zwischen einem Hardware-Rückruf oder der Streichung der Funktion. Geschätzte Kosten für diese Millioneneinsparung: etwa $10 Millionen an entgangenem Wert.

Die Einsparung von einer Million Dollar kostete zehn Millionen Dollar.

Die Komplexität hat die alten Methoden des Lernens überholt. Ein Kollege aus der Automobilbranche (der verständlicherweise nicht namentlich genannt werden möchte) war monatelang mit der Suche nach einem Fehler beschäftigt, bei dem sich der elektrisch betriebene Kofferraum eines High-End-Autos einige Sekunden nach dem Schließen wieder öffnete, aber nur, wenn das Gepäck an einer bestimmten Stelle stand. Das Signal breitete sich über so viele vernetzte Steuergeräte aus, dass das Team es nicht in angemessener Zeit aufspüren konnte. Ein (herkömmliches) modernes Auto verfügt über mehr als 80 Steuergeräte und mehrere Millionen Codezeilen. Das kann man nicht auf einem Whiteboard durchdenken. Sie müssen lernen schnell, mit Integration und Feedback, das in Ihre Arbeitsweise integriert ist.

Aus diesem Grund sind 40 Monate nicht einfach eine langsamere Version von 18 Monaten. Es sind unterschiedliche Maschinen. Die eine wird gebaut, um zu spezifizieren, dann zu bauen und dann herauszufinden. Die andere wird gebaut, um kontinuierlich etwas herauszufinden.

Warum das System langsam lernt - und warum es nicht die Schuld der Menschen ist

Die deutsche Ingenieurstradition ist das Produkt einer Welt, die sie belohnt hat. Jahrzehntelang war es bei sicherheitskritischen physischen Produkten der erfolgreiche Weg, vollständig zu spezifizieren, rigoros zu planen, jeden Übergang mit einer formalen Überprüfung zu versehen und den Entwurf zu verriegeln, bevor etwas gebaut wurde. Das V-Modell. Sie führte zu zuverlässigen, nachweisbaren, weltbesten Ergebnissen. Aber nur für Probleme, die vor Beginn der Entwicklung gut verstanden wurden.

Diese Tradition beinhaltet eine eingebaute Vermutung: das Problem ist im Voraus bekannt. Wenn das zutrifft, ist Strenge eine Superkraft. Wenn dies nicht der Fall ist, wird dieselbe Strenge zu einer Bremse. Die Kosten des Wandels entmutigen genau die Experimente, die das fehlende Wissen hervorbringen würden. Die Einhaltung der Vorschriften wird durch Nachweis, dass das Produkt gut ist in ein Tor, das Sie passieren müssen, bevor Sie es überhaupt erfahren dürfen. Hardware-Entscheidungen werden früh getroffen und die Software um sie herum eingefroren.

Das V-Modell geht davon aus, dass das Problem im Voraus bekannt ist.

Das alles hat nichts mit der Langsamkeit eines Ingenieurs zu tun. Es ist ein System, das für eine frühere Ära optimiert wurde und genau das tut, wofür es gebaut wurde - in einem Rennen, das sich unter ihm verändert hat.

Dies ist auch der Grund, warum Raaschs “Einzelne Spieler gegen ein gecoachtes Kollektiv” tiefer einschneidet, als es zunächst scheint. China hat nicht nur die Unternehmen koordiniert. Es hat ein industrielles System aufgebaut, das auf schnelle Iteration ausgelegt ist: gemeinsame Plattformen, Vorschriften, die Over-the-Air-Updates verpflichtend statt verboten machen, und Ingenieure, die den Reflex der Smartphone-Iteration direkt ins Auto übertragen. Die Deutschen werden überholt.gelernt, nicht überlegt.

Was Fast-Learning-Systeme tatsächlich leisten

Das Heilmittel ist nicht “sich mehr anstrengen” oder “bessere Mitarbeiter einstellen”. Die Ingenieure sind bereits hervorragend. Die Lösung besteht darin, das System so umzugestalten, dass die Lerngeschwindigkeit erhöht wird. Das gleiche Muster zeigt sich in jedem der obigen Beispiele:

• Prüfen Sie den Bedarf, bevor Sie skalieren. GE's Opal Nugget-Eismaschine wurde in wenigen Monaten für rund $50.000 gebaut und innerhalb von 30 Tagen über Crowdfunding rund 6.000 Mal verkauft - die Kunden zahlten im Voraus für ein Produkt, das es noch gar nicht gab. Ein vergleichbares früheres Gerät brauchte drei Jahre und eine große Investition, um in einem Jahr 20.000 Stück zu verkaufen. Dasselbe Unternehmen. Andere Lernschleife.
• Integrieren Sie kontinuierlich und fliegen Sie. SpaceX lernt aus echten Flügen, nicht aus einer letzten Integrationsphase, die Jahre zu spät kommt.
• Machen Sie Sicherheit zu einem Nebenprodukt, nicht zu einer Phase. Wagner erzeugt kontinuierlich Zertifizierungsnachweise, wobei der Regulierer innerhalb der Schleife steht und nicht am Ende der Schleife wartet.
• Verbieten Sie organisatorische Latenzzeiten. Bei Saab wird ein Blocker in einer Stunde vom Ingenieur zur Führungskraft, nicht in einem Vierteljahr.

Diese Bewegungen haben Namen. In meinem Buch Product Velocity, sind sie vier Grundsätze: Wertdenken (alle auf das Ergebnis ausrichten, wie es GE getan hat), Architekt für Flow (modularer Aufbau, so dass die Teams parallel lernen, ohne dass es zu Kollisionen kommt, wie es bei Wagner und Saab der Fall war), Links verschieben (früheres Lernen, wo es billig ist), und Beschleunigen (behandeln Sie den Versand als die Start des Lernens, nicht das Ziel - der Weg Rolls-Royce verkauft Triebwerksstunden aus Live-Telemetrie anstatt Motoren zu verkaufen und wegzugehen).

Keiner von ihnen erfordert bessere Ingenieure. Sie alle erfordern ein schnelleres System.

Die gute Nachricht, die sich in der Wunde verbirgt

Wenn Deutschland verlieren würde, weil seine Ingenieure schlecht sind, wäre die Situation nahezu hoffnungslos. Man kann nicht ein Jahrhundert an Ingenieurskultur innerhalb eines einzigen Produktzyklus neu entwickeln.

Aber das ist nicht die Diagnose. Die Talente sind da, sie haben sich bewährt und sind Weltklasse. Das Hindernis ist das Betriebsmodell, das es umgibt - und Betriebsmodelle sind etwas, das man ändern kann. absichtlich, wie Saab und Wagner, und sogar eine zögerliche, Anpassung von Volkswagen in China, sind bereits sichtbar.

Die falsche Antwort auf Porsches 10-Milliarden-Euro-Rundreise ist also, zu fordern, dass die Ingenieure härter arbeiten und die Wirtschaftsprüfer mehr prüfen. Das ist ein harter Tritt auf die Bremse. Die richtige Antwort ist, eine kältere Frage zu stellen - nämlich die, die diese Rennen tatsächlich entscheidet.

Nicht “Ist es gut genug?” Die deutsche Technik hat diesen Streit schon vor langer Zeit gewonnen.

Aber: “Können wir schnell genug lernen, um das Ziel zu erreichen, bevor der Kunde aufhört zu warten?”

Die Ingenieure waren nie das Problem. Die einzige offene Frage ist, ob das System um sie herum rechtzeitig lernen kann.