Die Begrifflichkeit der Flexibilität ist in der Produktionswelt, insbesondere in der Automobilindustrie, stets in aller Munde. Steigende Derivatisierungen und Schwankungen an den Absatzmärkten verstärken den Ruf nach flexiblen Produktionsanlagen.--- Die damit in Verbindung stehende primäre Problemstellung besteht darin, dass die Begrifflichkeit der Flexibilität nicht klar definiert ist und entsprechend ein diffuses allgemeines Verständnis für Flexibilität besteht. Weiter sind meist die Faktoren, welche die Flexibilität und die damit verbundenen Investitionen beschreiben, unbekannt. Speziell für den automobilen Karosseriebau wurde in dieser Arbeit dieses Paradoxon aufgegriffen und Flexibilität in Form von Investitionen messbar gemacht.--- Nach einer Analyse des allgemeinen Varianten- und Flexibilitätsmanagements kann Flexibilität auf Basis des Schemas von Kaluza in vier Bereiche gegliedert werden. Diese vier Bereiche oder Flexibilitätsarten besitzen Allgemeingültigkeit und können stets auch synonym für andere gebräuchliche Bezeichnungen verwendet werden. Die vier Flexibilitätsarten sind wie folgt: • Produktflexibilität • Änderungsflexibilität • Stückzahlflexibilität • Durchlauffreizügigkeit Auf Basis dieser vier Flexibilitätsarten und nach Analyse des aktuellen Standes der Flexibilität im Karosseriebau wurden durch die explorative Forschung die sieben nachfolgenden Flexibilitätsklassifikationen für den automobilen Karosseriebau mit Investitionsauswirkung bestimmt: • Werkstoffflexibilität • Modellflexibilität • Einschaltdauer • Automatisierungsgrad und Auftragsabarbeitung • Fabriksteuerung • Vorhaltung • Modularität und Vorinstallation Durch Variation der Flexibilitätswertigkeit innerhalb der einzelnen Klassifikationen (z. B. hohe Werkstoffflexibilität, mittlere Modellflexibilität, niedrige Einschaltdauer…) und zugehöriger Anlagenlayouterstellung in der Digitalen Fabrik wurden 42 Flexibilitätsinstanzen mit entsprechenden Investitionen entwickelt. Diese Instanzen wurden als Dateninput zum Data Mining verwendet, um darin Muster erkennen bzw. daraus Regeln ableiten zu können. Als Verfahren des Data Mining wurden hierzu verschiedene Methoden der Regressionsanalyse, der Neuronalen Netze und der Entscheidungsbaum eingesetzt.--- Nach Vergleich der unterschiedlichen Systematiken hinsichtlich Prognosefehler und Praktikabilität der Verfahren konnten die besten Ergebnisse durch den nicht geprunten Entscheidungsbaum erzielt werden. Der mittlere Fehler betrug 0,2% Flexibilitätskosten und der maximale Fehler betrug 1% Flexibilitätskosten. Darüber hinaus ist der Entscheidungsbaum einfach in Microsoft Excel programmierbar und deshalb für den Karosseriebauplaner einfach anwendbar. In Zusammenfassung kann festgehalten werden, dass im vorliegenden Promotionsvorhaben in Form eines Detailansatzes unterschiedliche Flexibilitätsinstanzen von Plattformanlagen auf Basis von standardisierten Flexibilitätsklassifikationen erstellt wurden und mittels des Entscheidungsbaumes darin Muster und Regeln entdeckt werden konnten, welche eine systematisierte Investitionsplanung im automobilen Karosseriebau in Abhängigkeit von Flexibilität ermöglichen.--- In der vorliegenden Arbeit wird ein Wissenserwerb durch die Vernetzung der Themenfelder Betriebswirtschaft, Fertigungstechnik und Data Mining erzielt. Eine Wissenserweiterung in Bezug auf Methode und Vorgehensweise erfährt dabei die Fertigungstechnik und Fertigungsplanung. Einen konkreten Kenntniszuwachs erfährt die Fabrikplanung von automobilen Karosseriebauanlagen.