KI-gestützte Ausschreibungsbearbeitung und Angebots-Erstellung

Das echte Ausmaß des Problems

Öffentliche Ausschreibungen sind in Deutschland ein riesiger Markt: Bund, Länder und Kommunen vergeben jährlich Aufträge im dreistelligen Milliardenbereich. Trotzdem dominieren in vielen Branchen wenige große Anbieter, nicht weil sie die besten Leistungen bringen, sondern weil sie eine eigene Vertriebsabteilung mit drei Vollzeitmitarbeitenden für Ausschreibungen leisten können. Mittelständler können das oft nicht.

Die Zahlen, die sich belegen lassen:

• Rund 800 Vergabequellen werden in Deutschland und der EU parallel bespielt, Bund, Länder, kommunale Anbieter, branchenspezifische Portale. TendiGo greift nach eigener Angabe auf 806 nationale und europäische Quellen zu, davon 602 eindeutig identifizierte Plattform-Domains. Wer alle relevanten Quellen manuell scannt, verbringt täglich Stunden.
• Der Loopio RFP Trends & Benchmarks Report 2026 ist die siebte Ausgabe einer gemeinsam mit der APMP entwickelten Erhebung. Er wertet über 250.000 Ausschreibungen aus mehr als 1.500 Unternehmen aus und nennt als Durchschnitt 166 bearbeitete Ausschreibungen pro Jahr und Team. Spitzenreiter ist die Unternehmensberatung mit 229. Bemerkenswert an der Ausgabe 2026: Erstmals ist nicht die Qualität, sondern die verfügbare Kapazität das meistgenannte Problem der Angebots-Teams.
• Der Aufwand je Angebot liegt je nach Branche bei einem bis mehreren Personentagen. Loopio nennt die Werbebranche mit 22 Stunden je Angebot als schnellste. Eine frühere Fassung dieser Seite nannte hier einen branchenübergreifenden Durchschnittswert und einen Vergleich „179 gegen 145 Angebote mit und ohne Software”. Beide Zahlen stehen nicht in dem, was Loopio öffentlich zugänglich macht, deshalb sind sie raus.

Eine dritte Zahl ist ebenfalls verschwunden: Frühere Fassungen behaupteten, mehr als ein Drittel aller Angebote werde allein wegen Formfehlern ausgeschlossen, und beriefen sich auf die IHK Köln, zitiert über tender-service.de. Die genannte Seite enthält diese Aussage nicht und nennt die IHK Köln auch nicht. Dass Formfehler ausschließen, bleibt richtig und steht weiter unten begründet. Wie viele Angebote es trifft, wissen wir nicht.

Was Mittelständler dabei oft unterschätzen: Die meiste Zeit fließt nicht in das Schreiben des Angebots. Sie fließt in das Lesen, Vergabeunterlagen mit 100 bis 300 Seiten, Bewertungsmatrizen, technische Anlagen, Eignungsfragebögen, AGB der Vergabestelle. Und dann in die Suche: „Welche Referenz passt? Welches Zertifikat haben wir? Wer im Team hat das schon mal gemacht?” Erst danach beginnt die eigentliche Angebotserstellung.

Das ist genau die Arbeit, die KI heute zuverlässig beschleunigen kann.

Mit vs. ohne KI, ein ehrlicher Vergleich

Diese Tabelle nennt keine Stunden mehr. Eine frühere Fassung tat das und stützte die Werte auf „Erfahrungswerte aus DACH-Angebots-Teams” und auf Loopio-Zahlen, die so nicht öffentlich belegt sind. Wie viele Stunden ein Angebot bei euch bindet, steht in eurer Zeiterfassung, und das ist die einzige Zahl, gegen die sich später messen lässt.

Der Hebel liegt ohnehin nicht im Schreiben, sondern in der Selektion: Wer mehr Ausschreibungen sichten kann, bietet auf die passendsten statt auf die, die zuerst im Postfach lagen. Die letzte Zeile der Tabelle ist die Kehrseite davon und der Grund, warum Bibliothekspflege weiter unten so viel Raum bekommt.

Einschätzung auf einen Blick

Zeitersparnis, sehr hoch (5/5) Pro Vorgang ist das der größte Hebel in der Kategorie „allgemein”. Wo eine Standard-Mail eine halbe Stunde dauert, bindet eine echte Ausschreibung ein bis zwei Personentage, und der größte Block darin ist Lesen, nicht Schreiben. Im reinen Jahresvolumen bleibt der Effekt kleiner als bei Kundenkorrespondenz oder Berichterstellung, wo viele Mitarbeitende täglich mehrere Stunden gewinnen. Anders als bei der KI-gestützten Angebotsgestaltung, wo es um schnelle CPQ-Angebote für bekannte Kundenanfragen geht, geht es hier um den deutlich aufwendigeren Lese- und Compliance-Teil, genau dort wirkt KI am stärksten. Wer nur 5–10 Ausschreibungen pro Jahr bearbeitet, sollte die Bewertung in seinem Kontext eher als 4 lesen.

Kosteneinsparung, mittel (3/5)
Die Spanne am Markt ist gewaltig. TendiGo startet bei 39 Euro im Monat für die Basissuche und liegt bei 230 Euro im Monat für den KI-Tarif mit sechs Nutzerplätzen. Loopio nennt keine Listenpreise, Vendr weist für 2026 einen Median von rund 23.700 US-Dollar im Jahr aus. Der Nutzen entsteht über eingesparte Angebots-Stunden, und die kannst du nur gegen deine eigene Zeiterfassung rechnen, nicht gegen einen Branchenwert. Indirekte Trefferquoten-Effekte sind real, aber schwer isolierbar, deshalb keine 4. Die Rechnungsverarbeitung bleibt mit einer 5 in dieser Branche die klarere Kosten-Story.

Schnelle Umsetzung, mittel (3/5)
Bis zum produktiven Einsatz vergehen 8–12 Wochen, weil die Referenz-Datenbank strukturiert aufgebaut werden muss: Welche Projekte habt ihr gemacht? Welche Zertifikate liegen vor? Welche Standardantworten zu Sicherheit, DSGVO, Qualität existieren? Ohne diese Basis halluziniert das System fröhlich Antworten, das ist der häufigste Frühausfall (siehe Einstiegsfehler). Schneller als Predictive Analytics, aber deutlich aufwendiger als Meeting-Protokolle.

ROI-Sicherheit, niedrig (2/5)
Die Zeitersparnis ist messbar, du kannst die Stunden je Angebot vor und nach Einführung tracken. Der eigentliche Geschäftseffekt, mehr gewonnene Aufträge, ist es nicht: Die Trefferquoten-Verbesserung durch das Tool lässt sich in der Praxis nicht isolieren, weil parallel Marktlage, Bewerberlage, Preis und Beziehungen wirken. Eine frühere Fassung nannte hier eine branchenübergreifende Trefferquote aus dem Loopio-Report, die wir in der öffentlich zugänglichen Fassung nicht gefunden haben. Sie ist raus, und sie hätte ohnehin nichts über deinen Fall gesagt. Anders als bei der Rechnungsverarbeitung, wo Skonto-Gewinne pro Rechnung direkt buchbar sind, bleibt der Angebots-ROI auf die Zeitkomponente beschränkt, und das ist die ehrliche untere Schranke, mehr nicht.

Skalierbarkeit, mittel (3/5)
Jede neue Ausschreibung profitiert sofort von der vorhandenen Antwortbibliothek. Aber: Die Bibliothek altert. Referenzen müssen aktualisiert, Zertifikatslaufzeiten überprüft, neue Produkte und Leistungen eingepflegt werden. Anders als bei einer Wissensdatenbank (4/5), wo selbst veraltetes Wissen oft noch wertvoll ist, ist im Ausschreibungskontext eine veraltete Antwort gefährlich, ein abgelaufenes ISO-Zertifikat, das in eine Antwort kopiert wird, kann zum Ausschluss führen. Pflege ist Pflicht, nicht Kür.

Richtwerte, stark abhängig von Branche, Auftragsvolumen und Reife der internen Dokumentation.

Was eine KI-gestützte Angebots-Pipeline konkret macht

Eine produktive Lösung kombiniert mehrere Bausteine, keine Plattform deckt alles in gleicher Tiefe ab.

1. Treffer-Aggregation aus Vergabeplattformen. Tools wie TendiGo oder DTAD sammeln täglich Bekanntmachungen aus TED, der e-Vergabe-Plattform des Bundes und hunderten kommunalen und branchenspezifischen Quellen. Du definierst CPV-Codes, Regionen und Auftragsvolumen, die relevanten Treffer landen vorgefiltert in deinem Postfach.

2. Dokumentenanalyse und Bewertungsmatrix-Extraktion. Ein LLM liest die Vergabeunterlagen und extrahiert die Eignungskriterien, technischen Anforderungen, Bewertungsmatrix und Fristen. Das, wofür ein Mensch zwei Stunden braucht, dauert mit einem gut konfigurierten System fünf bis fünfzehn Minuten, und ist fehlerärmer, weil das System nicht überfliegt.

3. Eignungsabgleich gegen das eigene Profil. Die KI vergleicht die geforderten Eignungskriterien mit deinem hinterlegten Unternehmensprofil: Umsatz, Mitarbeiterzahl, Zertifikate (ISO 9001, ISO 27001, Branchenzulassungen), Referenzprojekte. Ergebnis: eine Bieten/nicht-Bieten-Empfehlung mit konkreter Lückenliste, „du erfüllst 7 von 9 Kriterien; Lücke bei Bundesreferenz, Lücke bei BSI-Grundschutz-Auditor”.

4. Antwortgenerierung aus der Bibliothek. Standardabschnitte (Unternehmensvorstellung, Sicherheitskonzept, Datenschutzerklärung, Qualitätsmanagement, Referenzen) werden aus einer kuratierten Antwortbibliothek vorbefüllt, per Retrieval-Augmented Generation (RAG), nicht per generischem Prompt. Angebots-Verantwortliche/r prüfen, passen an, ergänzen die wirklich projektspezifischen Teile.

5. Compliance-Check vor Abgabe. Eine Quality-Check-Logik prüft: Sind alle geforderten Anlagen verlinkt? Sind die Pflichtformulare ausgefüllt? Steht jedes geforderte Bewertungskriterium im Angebot? Das ist der Schritt, der sich am zuverlässigsten maschinell abdecken lässt, und der mit dem härtesten Ausfall, wenn er schiefgeht: Eine fehlende Pflichtanlage kostet das ganze Angebot, unabhängig davon, wie gut der Inhalt war.

Was wirklich entscheidend ist

Der wichtigste Baustein dieser Pipeline ist nicht das LLM, es ist die Antwortbibliothek. Wenn deine Bibliothek aus 200 sauber strukturierten Antwortbausteinen mit Quellen, Verantwortlichen und Verfallsdaten besteht, liefert ein einfaches RAG-Setup hervorragende Ergebnisse. Wenn deine Bibliothek aus 1.000 PDF-Angeboten der letzten Jahre besteht, die niemand sauber kuratiert hat, wird auch das beste Tool inkonsistent antworten.

Das ist der Grund, warum die Einführung 8–12 Wochen statt einer Woche braucht.

Bieten/nicht-Bieten: Wo der größte Hebel sitzt

In den meisten Mittelstands-Vertriebsorganisationen ist die Bieten/nicht-Bieten-Entscheidung kein dokumentierter Prozess, sondern ein Bauchgefühl. Drei Personen schauen sich nacheinander die Unterlagen an, eine entscheidet. Ergebnis: Es wird auf Ausschreibungen geboten, bei denen die Eignung eigentlich nicht passt, und es wird auf Ausschreibungen verzichtet, bei denen sie passt.

Eine KI-gestützte Bieten/nicht-Bieten-Logik macht aus dem Bauchgefühl eine reproduzierbare Entscheidung in unter 15 Minuten. Was sie konkret prüft:

• Harte Eignungskriterien: Umsatzgrenzen, Mitarbeiterzahl, geforderte Zertifikate, geforderte Referenzen, Match oder Lücke?
• Wirtschaftlichkeit: Auftragsvolumen vs. erwarteter Bearbeitungsaufwand, lohnt sich das Angebot bei realistischer Trefferquote?
• Strategischer Fit: Passt die Branche zu eurer Positionierung? Habt ihr in diesem Segment schon gewonnen?
• Risiken: Vertragslaufzeit, Pönalen, ungewöhnliche Klauseln (z. B. Übernahme von Personal des Vorgängers)?

Das Ergebnis ist nicht „bieten ja/nein”, es ist eine Empfehlung mit Begründung. Die finale Entscheidung trifft ein Mensch. Aber statt die Unterlage vollständig zu lesen, entscheidet das Team auf Basis einer strukturierten Vorlage und schlägt gezielt die Stellen nach, an denen es hängt.

Bei Prozentversprechen von Anbietern zu dieser Beschleunigung ist Vorsicht angebracht. Sie sind Marketingzahlen ohne offengelegte Methodik, und sie hängen vollständig daran, wie sauber euer Unternehmensprofil gepflegt ist. Verlang im Vertriebsgespräch eine Live-Vorführung an einem echten Verfahren aus eurer Branche, nicht an der Demo-Ausschreibung des Anbieters.

Rechtliche Besonderheiten: Vergaberecht beachten

Anders als bei privaten Ausschreibungen gilt im öffentlichen Sektor strenges Vergaberecht, und die KI-Bearbeitung ändert daran nichts. Drei Punkte, die du wissen musst:

EU-Schwellenwerte, aktuell für 2026 und 2027. Oberhalb bestimmter Auftragswerte greift europäisches Vergaberecht (GWB, VgV) mit verpflichtender EU-weiter Bekanntmachung über TED. § 106 GWB nennt selbst keine Beträge, er verweist auf die EU-Richtlinien, und die Kommission passt die Werte alle zwei Jahre an. Seit dem 1. Januar 2026 gelten:

Unterhalb dieser Werte gilt nationales Haushaltsrecht (UVgO, VOB/A Abschnitt 1), mit anderen Formanforderungen und oft kürzeren Fristen. Eine frühere Fassung dieser Seite nannte die Werte der Periode 2024/2025 (221.000 €, 443.000 €, 5.538.000 €). Die sind seit Anfang 2026 überholt, und weil sich daran die Verfahrensart entscheidet, ist das kein Detail. Prüf die Werte im Zweifel neu, die nächste Anpassung steht zum 1. Januar 2028 an.

Formstrenge. Wer fehlende Pflichtanlagen einreicht, wird in der Regel ohne Nachforderung ausgeschlossen. Eine KI darf hier nicht „kreativ ergänzen”, sie muss exakt die geforderten Formulare in der geforderten Reihenfolge mit den geforderten Inhalten produzieren. Halluzinierte Angaben sind im Vergaberecht nicht nur peinlich, sondern haftungsrelevant.

Eignungserklärungen. Du erklärst formal, dass du bestimmte Eigenschaften erfüllst (Steuerredlichkeit, Zertifikate, Referenzen). Diese Erklärungen sind rechtsverbindlich. Eine KI-generierte Antwort, die ein nicht vorhandenes Zertifikat erwähnt, ist eine falsche Eigenerklärung, mit allen Konsequenzen. Nach § 124 Abs. 1 Nr. 8 GWB darf ein Auftraggeber ein Unternehmen ausschließen, das „in Bezug auf Ausschlussgründe oder Eignungskriterien eine schwerwiegende Täuschung begangen oder Auskünfte zurückgehalten hat”. Die zeitliche Grenze steht nicht in dieser Norm, sondern in § 126 Nr. 2 GWB: Bei einem Ausschlussgrund nach § 124 sind es höchstens drei Jahre ab dem betreffenden Ereignis, sofern keine Selbstreinigung nach § 125 GWB erfolgt ist. Deshalb muss jede KI-erzeugte Eignungs-Antwort von einem Menschen mit Prüfauftrag freigegeben werden, nicht nur stichprobenartig.

Eine frühere Fassung dieser Seite verwies an dieser Stelle zusätzlich auf § 264 StGB, Subventionsbetrug. Das ist falsch: § 264 StGB erfasst Subventionen, also Leistungen aus öffentlichen Mitteln, die wenigstens teilweise ohne marktmäßige Gegenleistung gewährt werden. Ein bezahlter öffentlicher Auftrag ist genau das nicht. Strafrechtlich relevant kann eine erschlichene Zuschlagserteilung im Einzelfall über den allgemeinen Betrugstatbestand werden, das ist aber eine Frage für einen Anwalt und nicht für diese Seite.

Eine technische Hilfe ist die XVergabe-Schnittstelle: ein nationaler Standard, mit dem Bietersoftware plattformübergreifend mit Vergabeplattformen kommunizieren kann. Wer eine eigene Workflow-Lösung baut, sollte XVergabe-Kompatibilität von Anfang an mitdenken, sonst pflegst du Anmeldedaten für 30 Plattformen einzeln.

Konkrete Werkzeuge, was wann passt

Es gibt drei sehr unterschiedliche Werkzeugkategorien, sie schließen sich nicht aus, sondern ergänzen sich.

TendiGo , für Angebots-Teams, die intern schreiben und die Vorfilterung plus Eignungsprüfung auslagern wollen. Sehr breite Quellenabdeckung, nach Anbieterangabe 806 nationale und europäische Quellen, automatische Eignungsprüfung, deutscher Anbieter mit Hosting in Deutschland. Schwerpunkt liegt auf Recherche, Vorfilterung und KI-Dokumentenanalyse, die eigentliche Angebotserstellung bleibt euer Job. Preise sind öffentlich: Suche Basic 39 Euro im Monat, Premium 89 Euro (jeweils zwei Nutzerplätze), KI Professionell 230 Euro mit sechs Plätzen und 30 Euro je weiterem Platz, alles zuzüglich Mehrwertsteuer, 17 Prozent Rabatt bei Jahreszahlung. Bevorzugt, wenn ihr breite Quellenabdeckung braucht und das Schreiben ohnehin im Haus stattfindet.

DTAD , Etablierter deutscher Auftragsdienst aus Berlin mit 25 Jahren Marktpräsenz, nach eigener Angabe über 12.000 Quellen. Klassischer Aggregator-Ansatz mit täglichen E-Mail-Alerts, seit 2024 mit einem KI-Assistenten und semantischer Suche, aber weniger Tiefe in der automatisierten Eignungsprüfung als die jüngeren KI-First-Anbieter. Sinnvoll, wenn ihr vor allem die Trefferquelle braucht und die Bewertung intern macht. DTAD veröffentlicht keine Tarife, die Kalkulation läuft über den Vertrieb und richtet sich nach Quellenumfang, Nutzerzahl und Modulen. Ein unverbindlicher Testzugang ist möglich.

Loopio , für breiten B2B-SaaS-Vertrieb mit Salesforce-Anbindung. Marktführer für Ausschreibungs-Antwortmanagement im englischsprachigen Raum, in der DACH-Region deutlich weniger verbreitet. KI-Aufsatz für Erstantworten, kollaborative Workflows mit Fachexpert/innen, generative KI in allen Plänen enthalten, der Foundations-Plan umfasst zehn Sitze. Listenpreise nennt Loopio nicht. Die Marktdatenplattform Vendr weist für 2026 einen Median von rund 23.700 US-Dollar im Jahr aus, bei einer Bandbreite von etwa 11.800 bis 58.400 US-Dollar. Eine frühere Fassung dieser Seite nannte hier einen Nutzerpreis und eine Mindestabnahme, für die es keine belastbare Quelle gibt.

Responsive , für Sicherheits- und Compliance-getriebene Branchen. Vormals RFPIO, seit 2023 unter dem neuen Namen. Ähnliches Marktsegment wie Loopio, aber deutlich tiefer bei Sicherheitsfragebögen (CAIQ, SIG, DDQs). Vier Editionen, Lite ab 5.000 US-Dollar im Jahr für fünf Nutzer, die höheren Editionen nur auf Anfrage, Implementierungsgebühr kommt obendrauf. US-Hosting, DSGVO erfordert sorgfältige AVV-Konfiguration. Bevorzugt, wenn ihr regelmäßig CAIQ- und SIG-Fragebögen beantwortet.

Custom-RAG mit Microsoft 365 Copilot , Claude oder ChatGPT Enterprise, Wenn ihr in M365 lebt, kann Copilot die Antwortbibliothek aus SharePoint und Teams direkt durchsuchen. Für mehr Kontrolle und Quellengenauigkeit baut ihr ein eigenes RAG-System auf Basis eurer Referenzdatenbank, mit Claude oder einem aktuellen OpenAI-Modell als Antwortmodell. Vorteil: voll auf eure Bibliothek zugeschnitten, voll kontrollierbar. Nachteil: Entwicklungsaufwand, kein vorgefertigtes Bieten/nicht-Bieten-Modul.

Gemini Notebook , seit Juli 2026 der neue Name von NotebookLM. Kostenlos zum Ausprobieren des Konzepts, im Gratis-Tarif bis zu 50 Quellen je Notebook. Lade eine echte Vergabeunterlage hoch, frage „Was sind die 5 wichtigsten Eignungskriterien?”, „Welche Anlagen werden gefordert?”. In 15 Minuten weißt du, ob das Prinzip in deinem Kontext trägt. Nicht produktiv tauglich (US-Hosting, keine Antwortbibliothek), aber als Sandbox unschlagbar.

Wann welcher Ansatz

• Schwerpunkt deutsche und österreichische öffentliche Ausschreibungen, mit KI-Eignungsprüfung → TendiGo
• Reine Trefferquelle, KI-Bewertung intern → DTAD
• Internationale B2B-SaaS-Ausschreibungen, dediziertes Angebots-Team → Loopio oder Responsive
• M365-Welt mit guter SharePoint-Hygiene → Microsoft 365 Copilot als Erstansatz
• Maximale Kontrolle, eigene Pipeline → Custom-RAG mit Claude oder ChatGPT
• Erstes Konzept-Testing → Gemini Notebook

Vorsicht vor Abo-Spam und Schein-KI

Der Markt für Ausschreibungsdienste ist seit Jahrzehnten ein Spam-Magnet, und die KI-Welle hat nicht alle Anbieter besser gemacht, sondern teilweise nur die Versprechen lauter. Ein paar Warnsignale, die du im Sales-Gespräch ernst nehmen solltest:

• Lange Mindestlaufzeiten ohne Probemonat. 24 Monate ohne Ausstiegsoption sind im Software-Markt 2026 nicht mehr zeitgemäß. Wer das fordert, weiß, dass Kunden nach 6 Monaten häufig kündigen würden.
• „KI-Eignungsprüfung” ohne erklärbare Logik. Wenn der Anbieter nicht erklärt, wie die Eignung geprüft wird (welche Kriterien, welche Datenquelle für eure Referenzen), dann ist es vermutlich keine echte Prüfung, sondern ein farbiger Score ohne Substanz. Bitte um eine Live-Vorführung mit einem konkreten Verfahren aus deiner Branche.
• Kein transparenter Datenexport. Was passiert, wenn du wechseln willst? Kommt die mühsam aufgebaute Antwortbibliothek als CSV/JSON heraus? Wenn nicht: Anbieter-Bindung.
• „DSGVO-konform” ohne EU-Hosting-Nachweis. DSGVO-Konformität ist nicht durch ein Logo nachgewiesen. Frag nach AVV, EU-Datenresidenz, Subprozessoren-Liste. Bei US-Tools (Loopio, Responsive) ist das machbar, aber nicht trivial.

Und ein Hinweis zu Testsiegeln: Eine fünf-Sterne-Bewertung in jedem zweiten Vergleichsportal sollte misstrauisch machen, weil viele dieser Portale über Provisionen finanziert sind. Eine frühere Fassung dieser Seite verwies hier auf ein konkretes Testergebnis einer Testgesellschaft, das wir bei der Prüfung nicht mehr auffinden konnten. Verlass dich lieber auf den Probezugang und drei echte Verfahren aus deiner Branche als auf ein Siegel.

Datenschutz und Datenhaltung

Vergabeunterlagen enthalten oft personenbezogene Daten (Schlüsselpersonen mit Lebensläufen, Referenzkunden), Geschäftsgeheimnisse (Kalkulationen, Margen) und sensible Vertragsbeziehungen. Sobald ihr ein KI-System darauf ansetzt, gilt die DSGVO, und für Eignungserklärungen zusätzlich öffentliches Vergaberecht.

Was konkret zu klären ist:

• Auftragsverarbeitungsvertrag (AVV) nach Art. 28 DSGVO mit jedem genutzten Anbieter. Bei Loopio und Responsive (US-Hosting) ist die AVV-Prüfung anspruchsvoller, Standardvertragsklauseln, ggf. Transfer Impact Assessment.
• EU-Datenresidenz, wenn personenbezogene Daten verarbeitet werden. TendiGo und DTAD hosten in Deutschland, das macht die DSGVO-Argumentation deutlich einfacher. Microsoft 365 Copilot lässt sich über das EU Data Boundary Programm konfigurieren.
• Sensible Kalkulationen nicht in Cloud-LLMs. Wenn dein Angebot eine wettbewerbskritische Kalkulation enthält, gehört die nicht ungeschützt in den Standard-ChatGPT-Workspace. Custom-RAG mit eigener Infrastruktur, oder mindestens Enterprise-Tarife mit garantiertem Trainings-Opt-out.
• Vertraulichkeitserklärungen der Vergabestelle. Manche Vergabestellen verbieten ausdrücklich die Weitergabe von Vergabeunterlagen an Dritte, das schließt im Zweifel auch das Hochladen in Drittanbieter-LLMs ein. Bei sicherheitsrelevanten Verfahren (BSI, Verteidigung) ist das nicht verhandelbar.

Praktisch heißt das: Die KI-Bearbeitung ist juristisch unkomplizierter, wenn sie auf eurer eigenen Infrastruktur läuft (Custom-RAG, M365 Copilot mit EU Data Boundary) und problematischer, wenn die Unterlagen in US-Clouds wandern. Diesen Punkt mit dem Datenschutzbeauftragten und gegebenenfalls einem Vergaberechtler klären, bevor das System produktiv geht.

Was es kostet, realistisch gerechnet

Einmalige Einrichtungskosten

• Aufbau der Antwortbibliothek (Referenzen, Standardantworten, Zertifikate strukturiert ablegen): 4–8 Wochen interner Aufwand, je nach Reife der Dokumentation. Das ist der größte Posten, und er besteht fast ausschließlich aus eurer eigenen Zeit
• Externe Begleitung und Custom-RAG-Entwicklung: Angebote einholen. Frühere Fassungen dieser Seite nannten hier Euro-Spannen, die sich auf keine Quelle stützen. Sie sind raus, weil Tagessätze und Projektzuschnitt zu weit auseinandergehen

Laufende Kosten (monatlich, Stand September 2026)

• TendiGo : Suche Basic 39 €, Premium 89 € (je 2 Nutzerplätze), KI Professionell 230 € (6 Plätze, jeder weitere 30 €), zzgl. MwSt.
• DTAD : keine veröffentlichten Tarife, Kalkulation über den Vertrieb
• Microsoft 365 Copilot : 18,20 €/Nutzer/Monat (Copilot Business, Jahresabo), 26,00 € (Enterprise), zusätzlich zur M365-Lizenz
• Loopio : keine Listenpreise. Vendr weist für 2026 einen Median von ~23.700 USD/Jahr aus, Bandbreite ~11.800–58.400 USD/Jahr
• Responsive : Lite ab 5.000 USD/Jahr für 5 Nutzer, höhere Editionen auf Anfrage, Implementierungsgebühr separat
• Custom-RAG: Infrastruktur plus LLM-Tokenkosten, volumenabhängig, vorab kalkulieren lassen

Wie du den Nutzen tatsächlich misst
Drei Kennzahlen, die du wirklich tracken kannst:

1. Bearbeitungsstunden je Angebot, vor und nach Einführung. Saubere Erhebung über 6 Monate; das ist die einzige direkt buchbare Einsparung.
2. Anzahl bearbeiteter Ausschreibungen pro Quartal, wenn ihr von 20 auf 35 Angebote skaliert, ist das ein direkter Marktanteils-Hebel, auch ohne Trefferquoten-Verbesserung.
3. Bieten/nicht-Bieten-Trefferquote, wie oft führt ein „bieten” zu engerer Auswahl, wie oft zu Ausschluss? Wenn die KI-Selektion gute Angebote identifiziert, sollte die Trefferquote steigen.

Was du nicht isolieren kannst: die genaue Trefferquoten-Verbesserung durch das Tool, zu viele andere Faktoren (Marktlage, Preis, Beziehungen) wirken parallel.

So rechnest du es für dich, nicht für den Durchschnitt Die Rechnung hat drei Zahlen, und zwei davon kennst nur du. Erstens: Wie viele Ausschreibungen bearbeitet ihr im Jahr? Zweitens: Wie viele Stunden bindet eine im Schnitt, laut eurer Zeiterfassung, nicht laut Gefühl? Drittens: euer interner Stundensatz. Multiplizier das, und du hast euren jährlichen Bearbeitungsaufwand in Euro.

Dagegen stellst du die Lizenzkosten aus der Liste oben. Der TendiGo-KI-Tarif kostet 230 Euro im Monat, also rund 2.760 Euro im Jahr, und liegt damit in der Größenordnung von 30 bis 40 Angebots-Stunden. Anders gesagt: Wenn die Pipeline übers Jahr auch nur eine Arbeitswoche Lesearbeit spart, ist die Lizenz bezahlt. Bei den Enterprise-Plattformen dreht sich das Verhältnis um, dort steht ein fünfstelliger Jahresbetrag im Raum, und der rechtfertigt sich erst bei einem eigenen Angebots-Team.

Was wir hier bewusst nicht mehr angeben, ist ein Einsparungsprozentsatz. Frühere Fassungen dieser Seite nannten 30 Prozent und leiteten daraus einen Eurobetrag ab. Die Zahl stammte aus keiner Quelle, die wir prüfen konnten. Erheb sie stattdessen selbst: fünf Angebote vor der Einführung, fünf danach, gleiche Verfahrensart.

Typische Einstiegsfehler

1. Mit dem Tool anfangen, nicht mit der Bibliothek.
Der Reflex: Loopio kaufen, einrichten, loslegen. Realität: Ohne strukturierte Antwortbibliothek liefert auch das beste Tool generische Antworten, und die Angebots-Verantwortliche/r schreiben weiter alles selbst. Lösung: Vor dem Tool-Kauf 4–6 Wochen in das Strukturieren der vorhandenen Antworten und Referenzen investieren. Welche 50 Standardfragen kommen in jeder Ausschreibung? Welche Antworten gibt es dafür schon, in welcher Qualität?

2. Halluzinierte Eignungserklärungen nicht erkennen.
Das ist der gefährlichste Fehler. Ein LLM, das nicht sicher ist, ob ihr ISO 27001 zertifiziert seid, schreibt einfach „ja, ISO 27001 zertifiziert seit 2021”, weil das die wahrscheinlichste Antwort ist. Wenn das in einer rechtsverbindlichen Eignungserklärung landet, ist das eine schwerwiegende Täuschung im Sinne von § 124 Abs. 1 Nr. 8 GWB. Nebenbei: Eine Eigenerklärung im Vergabeverfahren ist keine Versicherung an Eides statt, auch wenn frühere Fassungen dieser Seite das behaupteten. Der Ausschluss droht trotzdem. Lösung: Eignungserklärungen werden nie allein vom System generiert. Sie kommen aus einer geprüften, mit Verfallsdaten versehenen Zertifikate-Liste. Jede KI-Antwort, die sich auf Eignung bezieht, durchläuft einen Pflicht-Review durch einen Menschen mit Prüfauftrag.

3. Einen 24-Monats-Vertrag unterschreiben, bevor das Tool eine einzige echte Ausschreibung gesehen hat.
Der Ablauf ist vorhersehbar: Überzeugender Demo-Termin, schicker Score-Dashboard, 24 Monate Laufzeit. Sechs Wochen später: Die Trefferqualität der Alerts passt nicht zur Branche, wichtige Vergabeplattformen des Bundeslandes fehlen, der Support antwortet mit Templates. Ausstieg nicht möglich. Lösung: Probemonat oder Probequartal verlangen, in dieser Zeit drei reale Ausschreibungen vollständig durchspielen. Wenn ein Anbieter darauf nicht eingeht, weißt du genug.

4. Bibliothek wird eingerichtet, dann nicht gepflegt.
Das ist der stille Fehler. Im ersten halben Jahr ist alles aktuell. Nach 18 Monaten enthalten 30 % der Antwortbausteine veraltete Zertifikatsangaben, abgelaufene Referenzen, überholte Produktbeschreibungen. Die KI nutzt diese trotzdem, selbstbewusst und mit Quellenangabe.

Die Lösung ist organisatorisch, nicht technisch. Jede Antwortkategorie braucht einen namentlichen Besitzer mit dokumentierter Review-Frequenz: Zertifikate halbjährlich (vor Ablauf), Referenzen jährlich, Produktbeschreibungen bei Produktänderung, Sicherheitskonzept jährlich. Tools wie Loopio bieten dafür Verfallsdaten je Antwort, aber das Prinzip funktioniert auch in einer einfachen Excel-Tabelle, solange jemand sie wirklich pflegt.

Was mit der Einführung wirklich passiert, und was nicht

Die Pipeline einzuführen ist technisch handhabbar. Schwieriger ist, was sich in der Vertriebsorganisation verändert.

Die erfahrenen Angebots-Verantwortliche/r. Sie haben über Jahre Bauchgefühl entwickelt, welche Ausschreibungen lohnen und welche nicht. Ein KI-System, das in 15 Minuten zur Bieten/nicht-Bieten-Empfehlung kommt, fühlt sich an, als würde es ihre Erfahrung entwerten. Wichtig: Das System ersetzt sie nicht, es entlastet sie vom 187-Seiten-Lesen, damit sie sich auf die wirklich strategischen Entscheidungen konzentrieren können. Konkret hilft, sie aktiv in den Bibliotheksaufbau und die Qualitätssicherung der KI-Empfehlungen einzubinden. Wer das System mitkonfiguriert hat, vertraut ihm eher.

Die Excel-Workaround-Fraktion. In jedem Mittelstand gibt es eine Person, die seit acht Jahren eine private Excel-Tabelle mit allen Referenzen führt, manchmal aktueller als die offizielle. Wenn das System ohne diesen Datenstand startet, sind die ersten Antworten schwächer als der bisherige Workaround. Effekt: Die Person nutzt weiter ihre Excel, das System wird abgehängt. Lösung: Diese Schattendokumente vor dem Launch identifizieren und in die Bibliothek migrieren. Hier ist die Verbindung zur Excel-Schattenprozess-Erkennung im selben Branche-Kanon, die Probleme sind verwandt.

Die Vergaberechts-Skeptiker. Geschäftsführung oder Datenschutzbeauftragter haben oft ernstzunehmende Bedenken: Was, wenn die KI eine falsche Eigenerklärung generiert? Was, wenn die Vergabeunterlagen in eine US-Cloud wandern? Diese Bedenken sind nicht abzuwiegeln, sie zeigen, dass die Hausaufgaben gemacht werden müssen. Eine kurze Pilotphase mit klaren Review-Pflichten, dokumentierter AVV und ausgewählten Verfahren (keine sicherheitskritischen) baut Vertrauen schneller auf als jede Sicherheitsfolie.

Was konkret hilft:

• Vor dem Rollout 5–10 echte alte Ausschreibungen retrospektiv durch das System laufen lassen, der erste Datensatz für die Kalibrierung
• Angebots-Verantwortliche als Multiplikator/innen einbinden, nicht überraschen
• Pflicht-Review für Eignungserklärungen organisatorisch festschreiben (Vier-Augen-Prinzip)
• 90-Tage-Evaluation kommunizieren, in der Quote und Qualität gemessen werden, bevor Urteile gefällt werden
• Schattendokumente aktiv suchen und integrieren

Realistischer Zeitplan mit Risikohinweisen

Wichtig: Plant ab Woche 12 fest 1–2 Stunden pro Woche für die Bibliothekspflege ein, nicht „bei Gelegenheit”, sondern als feste Routine bei einer benannten Person. Das ist der Unterschied zwischen einem System, das nach 18 Monaten besser wird, und einem, das schleichend halluziniert.

Häufige Einwände, und was dahintersteckt

„Wir bieten kaum auf öffentliche Ausschreibungen, lohnt sich das?”
Wenn ihr unter 5–10 Ausschreibungen pro Jahr habt, lohnt sich keine spezialisierte Plattform. Aber: Ein Custom-RAG-Setup auf eurer eigenen M365-Infrastruktur kann auch bei 3–5 Angeboten pro Jahr Sinn ergeben, weil die Lese- und Compliance-Zeit auch dann der größte Aufwand ist. Die Frage ist nicht „wie viele Angebote”, sondern „wie viele Stunden bindet ein Angebot heute”. Wenn ein einzelnes Angebot 50 Stunden bindet, lohnt sich Effizienzaufwand auch bei niedrigem Volumen.

„KI darf doch keine rechtsverbindlichen Erklärungen abgeben.”
Stimmt, und macht sie auch nicht. Die Eignungserklärung wird vom Menschen unterschrieben und freigegeben. Die KI ist Vorbereiter und Lückenanzeiger, nicht Entscheider. Das saubere Setup definiert genau diesen Übergabepunkt: Welche Inhalte erzeugt die KI? Welche müssen zwingend menschlich validiert werden? Wer unterschreibt am Ende? Wenn diese Prozesskette steht, ist die KI-Bearbeitung rechtlich genauso sauber wie eine manuelle.

„Wir haben unsere Antworten in Word-Dokumenten, keine Bibliothek.”
Das ist der Normalfall, nicht die Ausnahme. Eine Antwortbibliothek baut man aus genau diesen Word-Dokumenten auf, aber strukturiert: Frage, Antwort, Quelle, Verantwortlicher, Verfallsdatum. Der Aufwand für 50–80 Standardantworten liegt bei 4–6 Wochen einer Person mit Angebots-Hintergrund. Das ist die Investition, die dann jahrelang Erträge bringt, auch unabhängig von KI.

„Was ist mit halluzinierten Antworten? Wie sicher ist das?”
Eine reine LLM-Lösung ohne Quellenanbindung halluziniert regelmäßig, und in der Ausschreibungspraxis ist das der Hauptrisikofaktor, weil eine erfundene Angabe hier nicht nur peinlich, sondern ausschlussrelevant ist. Belastbare Studien speziell zu Halluzinationen in Vergabeverfahren kennen wir nicht, die einschlägigen Beiträge stammen von Beratungen und Anbietern und sind entsprechend zu lesen. Eine richtig konfigurierte RAG-Pipeline reduziert das Risiko deutlich, eliminiert es aber nicht. Deshalb gilt: Quellenangabe ist Pflicht, Pflicht-Review für Eignungsteile ist Pflicht, kein blindes Copy-Paste ins Angebot. Wer diese drei Regeln einhält, hat ein robustes System.

Woran du merkst, dass das zu dir passt

• Ihr bearbeitet 15+ Ausschreibungen pro Jahr und der Angebots-Verantwortliche/r-Aufwand ist messbar zur Belastung geworden
• Eure Vertriebspipeline hat in den letzten 12 Monaten Aufträge verloren, bei denen ihr eigentlich passend gewesen wärt, meist mit „kein Personal frei für Angebots-Bearbeitung” als Begründung
• Standardantworten zu Sicherheit, DSGVO, Qualität und Referenzen werden in jedem Angebot neu zusammengesucht statt aus einer Bibliothek gezogen
• Ihr habt mindestens eine Person, die operativ Angebots-Bearbeitung macht, nicht „mal eben nebenbei” durch die Geschäftsführung
• Ihr betretet einen neuen öffentlichen Markt (Bund, EU-Verfahren, neue Branche) und die Bewerbungslogik ist dort komplexer als bisher gewohnt

Wann es sich (noch) nicht lohnt, drei harte Ausschlusskriterien:

1. Weniger als 5–10 Ausschreibungen pro Jahr und keine zentrale Antwortbasis. Der Einrichtungs- und Pflegeaufwand übersteigt den Nutzen. Investiere die Zeit lieber in das saubere Strukturieren eurer Standardantworten in Word/SharePoint, das ist der Vorbau, den eine KI-Lösung später ohnehin braucht. Eine Plattform-Lizenz ist hier verschwendet.

2. Kein dokumentiertes Eignungsprofil und keine namentliche Verantwortung für die Antwortbibliothek. Wenn niemand benannt ist, der die Bibliothek pflegt, Zertifikate, Referenzen, Standardtexte, wird das System nach 12–18 Monaten zur Halluzinationsfalle. Lieber gar nicht starten als ein System, das selbstbewusst veraltete Eigenerklärungen produziert. Das ist nicht nur peinlich, sondern vergaberechtlich riskant.

3. Sicherheitskritische Verfahren ohne IT-Compliance-Klärung. Bei Ausschreibungen für Verteidigung, BSI-Grundschutz oder kritische Infrastruktur ist das Hochladen der Vergabeunterlagen in beliebige Cloud-LLMs teilweise vertraglich verboten. Wenn euer Schwerpunkt in diesem Segment liegt, klärt zuerst die IT-Sicherheits- und Datenschutzanforderungen, sonst riskiert ihr ein Tool, das ihr für genau die wichtigsten Verfahren nicht nutzen dürft.

Das kannst du heute noch tun

Nimm eine Vergabeunterlage aus einem Verfahren, an dem ihr im letzten Jahr teilgenommen oder das ihr sausen lassen habt, eine PDF mit 50–200 Seiten. Lade sie in Gemini Notebook (kostenlos, Google-Konto reicht). Stelle die fünf Fragen, die du vor jedem Angebot beantwortet haben willst:

1. Was sind die fünf wichtigsten Eignungskriterien?
2. Welche Pflichtanlagen werden gefordert?
3. Wann ist die Abgabefrist?
4. Wie ist die Bewertungsmatrix gewichtet?
5. Welche Referenzen werden gefordert?

Du bekommst in 10 Minuten eine Antwort, für die jemand 1–2 Stunden gelesen hätte. Das ist kein produktiver Workflow, aber es zeigt dir, ob das Prinzip in deiner Welt trägt, bevor du Geld in eine Plattform steckst.

Für den produktiven Einsatz brauchst du einen System-Prompt, der die Eigenheiten deutscher Vergaberechts-Verfahren versteht. Hier ist eine Vorlage, die du als Basis nutzen kannst:

Quellen & Methodik

• EU-Schwellenwerte, gültig seit 1. Januar 2026: Bauaufträge und Konzessionen 5.404.000 €, Liefer- und Dienstleistungen 140.000 € (oberste und obere Bundesbehörden) bzw. 216.000 € (übrige öffentliche Auftraggeber), Sektorenauftraggeber sowie Verteidigung und Sicherheit 432.000 €, soziale und andere besondere Dienstleistungen 750.000 € bzw. 1.000.000 € im Sektorenbereich. Europäische Kommission, Delegierte Verordnungen für die Periode 2026/2027 (single-market-economy.ec.europa.eu, Thresholds, abgerufen am 18.09.2026). § 106 GWB nennt selbst keine Beträge, sondern verweist auf die EU-Richtlinien (gesetze-im-internet.de/gwb/__106.html).
• § 124 Abs. 1 Nr. 8 GWB, fakultativer Ausschluss bei schwerwiegender Täuschung in Bezug auf Ausschlussgründe oder Eignungskriterien (gesetze-im-internet.de/gwb/__124.html, abgerufen am 18.09.2026).
• § 126 Nr. 2 GWB, höchstens drei Jahre ab dem betreffenden Ereignis bei einem Ausschlussgrund nach § 124, sofern keine Selbstreinigung nach § 125 erfolgt ist (gesetze-im-internet.de/gwb/__126.html, abgerufen am 18.09.2026).
• § 264 StGB, Subventionsbetrug, erfasst Leistungen aus öffentlichen Mitteln, die wenigstens zum Teil ohne marktmäßige Gegenleistung gewährt werden, und damit gerade nicht den bezahlten öffentlichen Auftrag. Eine frühere Fassung dieser Seite zitierte die Norm falsch (gesetze-im-internet.de/stgb/__264.html, abgerufen am 18.09.2026).
• XVergabe-Schnittstellenstandard: e-Vergabe-Plattform des Bundes, Schnittstelle implementiert, getestete Bieterclients gelistet (evergabe-online.info, abgerufen am 18.09.2026).
• Loopio RFP Trends & Benchmarks Report 2026, siebte Ausgabe, gemeinsam mit der APMP entwickelt, über 250.000 ausgewertete Ausschreibungen aus mehr als 1.500 Unternehmen, Durchschnitt 166 Ausschreibungen pro Team und Jahr, Unternehmensberatung 229, Werbebranche 22 Stunden je Angebot (loopio.com/trends-report, abgerufen am 18.09.2026). Anbieter-Erhebung, entsprechend zu lesen.
• Tool-Preise: Stand unserer eigenen, im Juni bzw. September 2026 geprüften Toolseiten, siehe TendiGo , DTAD , Loopio , Responsive und Microsoft 365 Copilot . DTAD und Loopio veröffentlichen keine Listenpreise.
• Art. 28 DSGVO (AVV) und KI-Verordnung: Datenschutz-Grundverordnung in der aktuell gültigen Fassung; KI-Verordnung (EU) 2024/1689 in Kraft seit 1. August 2024.
• Nicht belegbar und deshalb nicht mehr auf dieser Seite: die Aussage, mehr als ein Drittel aller Angebote scheitere an Formfehlern (die als Beleg genannte Seite von tender-service.de enthält sie nicht und nennt auch die IHK Köln nicht), ein branchenübergreifender Stundendurchschnitt je Angebot, der Vergleich 179 gegen 145 Angebote mit und ohne Software, eine durchschnittliche Trefferquote von 45 Prozent, ein Einsparungsprozentsatz von 30 Prozent, Euro-Spannen für externe Begleitung und Custom-RAG-Entwicklung sowie ein Vergleichstestergebnis einer Testgesellschaft. Ebenfalls entfernt: ein Anbieter, der auf unserer Tool-Blacklist steht und auf dieser Seite nicht hätte stehen dürfen.

Du willst wissen, ob euer Angebots-Volumen und eure Antwortbasis für eine KI-gestützte Pipeline reif sind, und welcher Werkzeugmix in eurem Kontext realistisch ist? Meld dich, wir klären das gemeinsam in einem kurzen Gespräch.