Klassische werkzeuggebundene Fertigungsverfahren sind durch den zugrundeliegenden mehrstufigen Fertigungsprozess häufig bei kleinen Stückzahlen wirtschaftlich anspruchsvoll. Kleine Stückzahlen treten vor allem zu Beginn des Produktlebenszyklus in der Produktentwicklung und zum Ende im Rahmen der Ersatzteilversorgung auf. Insbesondere in den Phasen der Produktentwicklung mit häufigen Änderungen im Produktdesign und der Notwendigkeit die Produktiterationen bereits im Serienfertigungsverfahren zu fertigen um die notwendigen Absicherungen und Freigaben zu erzielen schlagen die hohen Kosten konventionell gefertigter Werkzeuge aufgrund der geringen Stückzahlen stark auf den Teilepreis durch. Alternative Werkzeugfertigungsverfahren zur Senkung der Werkzeugkosten werden aufgrund der Unkenntnis über das Verhalten innerhalb des Spritzgießprozesses nur sehr selten eingesetzt. Die in der vorliegenden Arbeit entwickelten Methode wirkt diesem Informationsdefizit für polymer additive Spritzgießwerkzeuge durch eine Systematik zur Prognose der Werkzeugstandzeit auf Basis einer kennzahlenbasierten Beschreibung der Bauteilanfrage entgegen. Die kennzahlenbasierte Beschreibung fließt somit in Form von quantifizierten Informationen zur Werkzeugstandzeitprognose polymer additiv gefertigter Werkzeuge mit in den Kalkulationsprozess ein und ermöglicht es eine belastbarere Aussage zur wirtschaftlichen Verwendung dieser Technologiekombination treffen zu können. Die grundlegende Neuerung der Methode ist die Werkzeugstandzeitprognose auf Basis einer modellierten, quantifizierten Bauteilanfragebeschreibung. Die entwickelte Modellierung nutzt eine mehrstufige Gliederung bei der insbesondere zwischen Bauteil, zugehörigem Werkzeug und zu verwendenden Prozessparametern unterschieden wird. Die so beschriebenen Bauteilanfragen werden damit vergleichbar und bilden die Datengrundlage für eine Data Mining-basierte Werkzeugstandzeit Prognosemodellerstellung. Somit können kontinuierlich weitere Datensätze in Form von Bauteilanfragen gesammelt und mit in die Datenbasis aufgenommen werden. Für die kontinuierliche Erweiterung und Anpassung der Prognosemodelle bietet die entwickelte Methode ebenfalls einen geeigneten Rahmen.