Die Schätzung von Kosten für die Reaktivierung von passiven Gleisanschlüssen stellt aus betriebswirtschaftlicher Perspektive ein großes Problem dar, weil das einschlägige Erfahrungswissen über bereits durchgeführte Gleisanschlussprojekte meistens nicht der Form zur Verfügung steht, wie es für Anwendung konventioneller statistischer Prognosetechniken erforderlich wäre. Oftmals liegt das Erfahrungswissen nicht in der erforderlichen quantitativen Form vor, sondern nur in natürlichsprachlichen Projektbeschreibungen, wie z.B. „Debriefings“ und „Lessons Learned“. Die wenigen quantitativen Projektinformationen reichen zumeist für den Einsatz statistischer Prognosetechniken nicht aus. Daher wird in diesem Beitrag eine neuartige Methode zur Kostenschätzung vorgestellt, die speziell darauf zugeschnitten ist, Erfahrungswissen über bereits durchgeführte Projekte auch dann verarbeiten zu können, wenn es in qualitativer, natürlichsprachlicher Form vorliegt und sich auch nur auf wenige ähnliche Projekte erstreckt. Es handelt sich um die Methode des Case-based Reasonings, die aus der Erforschung Künstlicher Intelligenz stammt. Ihr praktischer Einsatz wird anhand eines konkreten Projekts zur Reaktivierung eines passiven Gleisanschlusses demonstriert.