Angebots-Risikosatzanalyse

Das echte Ausmaß des Problems

Scope Creep — unkontrolliertes Wachstum des Projektumfangs ohne entsprechende Vergütung — gilt laut PMI als häufigste Einzelursache für Projektbudgetüberschreitungen. Laut PMI Pulse of the Profession 2024 sind 52 Prozent aller Projekte von Scope Creep betroffen, der durchschnittliche Kostenmehraufwand liegt bei 29 Prozent des ursprünglich kalkulierten Budgets.

Für Agenturen, Beratungsunternehmen und projektbasiert abrechnende Dienstleister ist das konkret: Laut einer Untersuchung von Ignition (2025, Befragung von mehr als 900 Beratungs- und Servicefirmen) verlieren 57 Prozent aller Agenturen monatlich 1.000 bis 5.000 Euro an nicht abrechenbarer Mehrarbeit. Weitere 30 Prozent verlieren mehr als 5.000 Euro pro Monat. Und nur 1 Prozent der Befragten geben an, alle außerplanmäßigen Arbeiten konsequent in Rechnung zu stellen.

Das Ausgangsproblem liegt dabei selten im Projektverlauf selbst — es liegt im Angebot. Wer ein Projekt zu Beginn nicht eng genug definiert hat, kann hinterher kaum plausibel argumentieren, was dazu gehört und was nicht. Deltek beziffert in einer Branchenbefragung: Bei fast 40 Prozent der Agenturen ist Scope Creep der direkte Grund für Budgetüberschreitungen — nicht schlechte Ausführung, nicht unvorhergesehene Probleme, sondern Formulierungen im Angebotstext.

Die Muster dahinter sind gut bekannt und trotzdem schwer zu tilgen, wenn man sie selbst schreibt:

• Vage Leistungsbeschreibungen: “Konzeption der Website” sagt nichts über Anzahl Seiten, Designvarianten oder Textlieferung
• Fehlende Ausschlusslisten: Was explizit nicht enthalten ist, fehlt in den meisten Angeboten — erfahrungsgemäß der am häufigsten kritisierte Punkt in späteren Scope-Disputes
• Implizite Qualitätsstandards: “Professionelle Umsetzung” definiert keine konkrete Qualitätshürde
• Ungeregelte Iterationsschleifen: “Feedback wird berücksichtigt” öffnet unbegrenzte Revisionsrunden
• Versteckte Abhängigkeiten: Die eigene Lieferung hängt von Kundenlieferungen ab — das steht nicht im Angebot

Das Problem beim Selbst-Review: Wenn man einen Text selbst schreibt und in dem Moment, in dem man ihn liest, den gleichen Kunden vor Augen hat wie beim Schreiben, sieht man die Ambiguität nicht. Ein KI-System hat keinen Kontext — es liest den Text so, wie ein anderer Leser ihn lesen würde. Das ist der eigentliche Hebel.

Mit vs. ohne KI — ein ehrlicher Vergleich

¹ Schätzwerte basierend auf Ignition 2025 Branchen-Benchmark und PMI Scope-Creep-Daten; stark abhängig von Branche, Projektkomplexität und bestehender Angebotsdisziplin.

Diese Zahlen zeigen auch: Die KI-Prüfung macht das Angebot nicht schneller — sie macht die Prüfung gründlicher. Wer bisher gar keine strukturierte Prüfung hatte, gewinnt Qualität, nicht Zeitersparnis.

Einschätzung auf einen Blick

Zeitersparnis — niedrig (2/5)
Die KI-Analyse selbst dauert 10–20 Minuten pro Angebot — ähnlich wie eine manuelle Prüfung. Was die KI leistet, ist nicht die Zeitersparnis im Moment des Reviews, sondern die Vermeidung von Nacharbeit Wochen oder Monate später. Diese gesparte Zeit ist real, aber sie tritt indirekt ein — du siehst sie nicht täglich im Kalender. Verglichen mit Anwendungen wie der Berichterstellung oder Kundenkorrespondenz, die direkt tägliche Schreibaufgaben verkürzen, ist der unmittelbare Zeiteffekt gering.

Kosteneinsparung — sehr hoch (5/5)
Das ist der eigentliche Hebel: Nicht die Softwarekosten, die niedrig bis kostenlos sind — sondern die 1.000 bis 5.000 Euro monatlicher Marge, die laut Ignition 2025 mehr als die Hälfte aller Agenturen an nicht abrechenbare Mehrarbeit verliert. Wer durch klarere Angebote auch nur 30 Prozent davon zurückgewinnt, hat die Softwarekosten in der ersten Woche eingespielt. In dieser Branchenkategorie gibt es wenige Anwendungen mit so direktem Bezug zur Unternehmens-Marge — das Potenzial ist real, auch wenn die Attribution schwer ist.

Schnelle Umsetzung — sehr hoch (5/5)
Das ist buchstäblich der schnellste mögliche Einstieg in dieser Kategorie: Angebots-PDF oder Word-Dokument öffnen, Text in Claude oder ChatGPT kopieren, Prompt ausführen. Zehn Minuten, kein Budget, kein IT-Projekt. Kein anderer Anwendungsfall in dieser Kategorie lässt sich schneller testen — weder eine KI-gestützte Vertragsanalyse mit Tool-Einrichtung noch eine Wissensdatenbank mit Dokumentenindexierung.

ROI-Sicherheit — niedrig (2/5)
Das ist die ehrliche Einschränkung: Vermiedene Disputes sind unsichtbar. Du kannst nicht messen, welche Eskalation nicht stattgefunden hat, weil das Angebot präziser war. Du kannst nicht sicher sagen, ob der ausgebliebene Scope-Creep am besseren Angebot lag oder am besonders verständigen Kunden. Selbst bei konsequenter Einführung bleibt die Zurechnung des ROI unscharf — ganz anders als bei der Rechnungsverarbeitung, wo du abgezählte Dokumente und messbaren Skonto-Gewinn hast. Wer hier einen belastbaren Business Case braucht, wird Mühe haben, ihn zu führen.

Skalierbarkeit — hoch (4/5)
Sobald eine Prompt-Vorlage und ein Review-Prozess etabliert sind, kostet jedes weitere Angebot dieselbe Zeit. Das System wächst mit: Mehr Angebote, mehr Projekte, mehr Mitarbeitende — der Mehraufwand je Dokument bleibt konstant niedrig. Einzige Einschränkung: Bei stark individualisierten Projekten (jedes Angebot ein Unikat) ist die Prüfvorlage weniger wiederverwendbar als bei standardisierten Leistungspaketen.

Richtwerte — abhängig von Angebotskomplexität, Projektvolumen und bestehender Angebotsdisziplin im Team.

Was die KI bei der Risikoanalyse konkret tut

Der Ansatz ist kein spezialisiertes Tool — er beginnt mit einem LLM und einem durchdachten Prompt. Das Grundprinzip:

Du übergibst dem Sprachmodell deinen Angebotstext — oder einzelne Abschnitte wie Leistungsverzeichnis und Projektbeschreibung — zusammen mit der Aufgabe, alle Passagen zu markieren, die bei einer anderen Leserichtung als der eigenen zu Mehranforderungen führen könnten. Das Modell hat keinen Kontext darüber, welcher Kunde oder welches Projekt gemeint ist — es liest den Text neutral, wie ein kritischer Dritter.

Was die KI dabei sucht, lässt sich in sechs Muster unterteilen:

1. Unbegrenzte Iterationsklauseln — “Bis zur Kundenzufriedenheit”, “nach Feedback anpassen”, “bis zur finalen Freigabe”
2. Mengenoffene Leistungen — “Alle notwendigen Materialien”, “laufende Unterstützung”, “vollständige Dokumentation”
3. Zuständigkeitslücken — Keine Aussage dazu, wer Inhalte, Freigaben oder Zulieferungen bereitstellt
4. Qualitätsundefinierte Standards — “Professionell”, “marktüblich”, “nach Best Practice”
5. Fehlende Ausschlusslisten — Was explizit nicht enthalten ist, steht nirgends
6. Implizite Folgearbeit — Formulierungen wie “Einführung und Übergabe” ohne Definition der Einführungstiefe

Das Ergebnis ist eine kommentierte Version deines Textes: Welche Sätze sind ambig? Welche Formulierung könnte ein Kunde anders lesen, als du es gemeint hast? Und — wenn du die KI entsprechend aufforderst — Vorschläge für präzisere Formulierungen.

Wichtig zu verstehen: Die KI erfindet keine Risiken, die nicht im Text stecken. Sie formuliert nur aus, was ein anderer Leser aus dem Text herausholen könnte. Das ist genau die Perspektive, die fehlt, wenn man seinen eigenen Text prüft.

Welche Risikotypen KI zuverlässig erkennt — und welche nicht

Diese Unterscheidung ist entscheidend, damit die Prüfung realistische Erwartungen produziert.

Zuverlässig erkennbar (Präzision > 85 % in Praxistests):

• Öffnungsformulierungen wie “nach Bedarf”, “je nach Anforderung”, “soweit notwendig” — die KI markiert diese fast immer korrekt als scope-gefährdend
• Fehlende Versionsnummern oder Mengenbegrenzungen bei definierten Deliverables
• Passagen ohne Zuständigkeitsangabe, wenn klar ist, dass jemand liefern muss
• Dopplungen von Leistungen, die an zwei Stellen unterschiedlich beschrieben werden

Erkennbar, aber kontextabhängig:

• Qualitätsformulierungen — “hochwertig”, “professionell” — die KI markiert sie, aber ob das ein Risiko ist, hängt von der Branche ab
• Zeitangaben wie “kurzfristig” oder “zeitnah” — riskant bei Festpreisprojekten, normal bei Rahmenverträgen
• Formulierungen wie “inklusive Beratung” — je nach Projektyp kann das klar umrissen oder grenzenlos sein

Nicht zuverlässig erkennbar:

• Implizite Branchenstandards — wenn dein Text auf Usancen deiner Branche aufbaut, die das Modell nicht kennt
• Vertragsrechtlich falsche Einschätzungen — die KI ist kein Anwalt und sollte nie als Rechtsauskunft verwendet werden
• Bewusste Gestaltungsentscheidungen — wenn du eine Passage bewusst offen gelassen hast (z.B. bei T&M-Projekten), markiert die KI sie trotzdem
• Preispolitische Risiken — ob ein Festpreis zu niedrig kalkuliert ist, erkennt kein Sprachmodell

Praktische Konsequenz: Das KI-Review ersetzt nicht das Mitdenken. Es strukturiert die Prüfung und verhindert, dass du Formulierungen übersiehst, die du beim eigenen Lesen automatisch mit deiner eigenen Interpretation füllst.

Konkrete Werkzeuge — was wann passt

Claude und ChatGPT — für den direkten Einstieg ohne Setup
Der schnellste Weg: Angebotstext (oder relevante Abschnitte) hineinkopieren, Prompt ausführen, Ergebnis lesen. Beide Modelle verstehen Deutsch gut und liefern für diese Aufgabe brauchbare Resultate — Claude mit etwas mehr Sorgfalt bei langen Texten, ChatGPT mit direkter Word-/PDF-Integration über das Plus-Abo. Keine Einrichtung, kein Vertrag, monatlich kündbar. Einschränkung: Beide Dienste hosten Daten in den USA — wer vertrauliche Angebotsdaten (Preise, Kundenname, interne Kalkulation) hochlädt, sollte das mit dem Datenschutzbeauftragten klären.

CompanyGPT und Langdock — für Teams mit EU-Hosting-Anforderung
Wenn Angebotsdaten nicht auf US-Servern verarbeitet werden sollen, bieten diese Plattformen DSGVO-konforme Alternativen mit deutschen oder europäischen Rechenzentren. Beide bündeln mehrere Modelle hinter einer sicheren Unternehmensschnittstelle. Preise: CompanyGPT ab 29 Euro/Nutzer/Monat, Langdock ähnlich. Sinnvoll ab 5+ Mitarbeitenden, die regelmäßig sensible Dokumente prüfen wollen. Kein zusätzliches Tool-Setup, keine neue Software-Landschaft.

Microsoft 365 Copilot — für Teams, die bereits in Microsoft 365 arbeiten
Wer Angebote in Word schreibt und M365 Business oder Enterprise hat, kann Copilot direkt im Angebotsdokument einsetzen. Prompt ins Copilot-Feld im Word-Dokument eingeben, Antwort erscheint im Seitenfeld. Vorteil: kein Textkopieren, kein Tab-Wechsel, EU-Datenverarbeitung über das EU Data Boundary-Programm. Kosten: ab 15,60 Euro/Person/Monat als M365-Add-on.

Legartis — für Rechtsabteilungen und systematische Vertragsprüfung
Wer über ausgehende Angebote hinaus auch eingehende Lieferantenverträge, NDAs und DPAs regelmäßig prüft, bekommt bei Legartis vordefinierte Playbooks für Standardklauseltypen mit EU-Hosting (ISO 27001). Legartis ist primär auf Eingangs-Vertragsanalyse ausgelegt, eignet sich aber für Teams, die einen gemeinsamen Review-Standard über mehrere Dokumententypen einführen wollen. Preise auf Anfrage, Einstiegspakete für NDA/DPA verfügbar.

ScopeShield — für Agenturen mit fokussierter Scope-Creep-Prävention
Das einzige auf diesem Problem spezialisierte Tool. Erkennt 50+ vage Klauseltypen mit Risikorating, berechnet den finanziellen Schaden von Scope-Anfragen und schlägt Schutzformulierungen vor. Nachteil: Englischsprachig, US-Hosting, noch jung (Launch Februar 2026). Für deutsche Unternehmen mit deutschsprachigen Angeboten aktuell eingeschränkt nutzbar — aber das Konzept ist richtig.

Zusammenfassung: Wann welcher Ansatz

• Sofort starten, kein Budget → Claude oder ChatGPT mit dem Prompt unten
• Team, EU-Hosting-Pflicht → CompanyGPT oder Langdock
• Schon in M365 → Microsoft 365 Copilot direkt in Word
• Systematische Prüfung über mehrere Vertragstypen → Legartis
• Englischsprachige Agentur mit Scope-Fokus → ScopeShield

Datenschutz und Datenhaltung

Angebotsdokumente enthalten in der Regel Namen und Adressen von Kunden und Ansprechpartnern, Preise, Kalkulationsdaten und möglicherweise Hinweise auf laufende Kundenprojekte oder interne Ressourcenplanung. Damit fallen sie unter die DSGVO — wer diese Dokumente an einen KI-Dienst übergibt, gibt personenbezogene Daten an einen Auftragsverarbeiter weiter.

Für die gängigen Tools gilt:

• ChatGPT (OpenAI) und Claude (Anthropic): Beide Dienste hosten in den USA. OpenAI und Anthropic bieten jeweils Auftragsverarbeitungsverträge (AVV) an — für ChatGPT über die Business-/Enterprise-Pläne, für Claude über den API- oder Business-Zugang. Wer nur den Free-/Pro-Plan nutzt und Kundendaten einfügt, hat keinen AVV — das ist ein Problem.

• Microsoft 365 Copilot: Über das EU Data Boundary-Programm von Microsoft lässt sich sicherstellen, dass Daten ausschließlich in europäischen Rechenzentren verarbeitet werden. Für Unternehmen, die M365 Enterprise nutzen, ist das die DSGVO-sicherste Cloud-Option ohne eigene Infrastruktur.

• CompanyGPT und Langdock: EU-Hosting, explizite AVV-Verträge, kein Training auf Kundendaten — für datenschutzsensible Angebote die zuverlässigste Wahl.

• Legartis: ISO 27001-zertifiziert, EU-Hosting, DSGVO-konform laut Anbieterangaben. AVV auf Anfrage.

Praktische Empfehlung: Wer Angebote mit vollständigen Kundennamen und Kontaktdaten prüfen möchte, wählt eine EU-gehostete Plattform mit AVV. Wer nur die Leistungsbeschreibung ohne Kundeninformationen prüft — und Kundennamen vorher herauslöscht — kann auch ChatGPT Pro oder Claude Pro ohne AVV nutzen, weil dann keine personenbezogenen Daten mehr im Text enthalten sind.

Was es kostet — realistisch gerechnet

Einstieg ohne Mehrkosten
Der erste Test kostet nichts: ChatGPT Free-Plan oder Claude Free reichen für das erste Angebot. Wer bereits ein Pro-Abo hat (ChatGPT Plus: ca. 22 Euro/Monat, Claude Pro: ca. 22 Euro/Monat), hat keinen Zusatzaufwand. Kein IT-Projekt, keine Lizenzentscheidung, keine Implementierung.

Laufende Kosten im Betrieb (pro Monat)

• ChatGPT Pro oder Claude Pro: ca. 22 Euro/Person/Monat — für Einzelpersonen oder kleine Teams ausreichend
• Microsoft 365 Copilot Add-on: ab 15,60 Euro/Person/Monat — sinnvoll wenn Word-Integration gewünscht
• CompanyGPT: ab 29 Euro/Person/Monat + Infrastrukturpauschale — für Teams mit EU-Hosting-Anforderung
• Legartis: Preise auf Anfrage — für Rechtsabteilungen mit mehreren Vertragsprüfungstypen
• ScopeShield: ca. 20 USD/Monat — für Agenturen mit englischsprachigem Angebotsprozess

Was du dagegenrechnen kannst
Bei einem Team von fünf Personen, das Projekte mit durchschnittlichem Wert von 25.000 Euro betreut: Wenn Scope Creep je Projekt 10 Prozent des Aufwands frisst und davon nur die Hälfte KI-prüfbar wäre, entspricht das bei zehn Projekten pro Jahr ca. 12.500 Euro nicht abrechenbarer Mehrarbeit. Selbst bei sehr konservativem Ansatz — 30 Prozent davon verhindert — ergibt das ca. 3.750 Euro im ersten Jahr.

Das klingt moderat. Aber: Die Rechnung setzt voraus, dass ein Angebot aus dem Team stammt. Bei Agenturen und Beratungshäusern mit höherem Angebots-Output multipliziert sich der Effekt entsprechend.

Wie du den ROI tatsächlich misst
Die ehrliche Antwort: gar nicht, direkt. Was funktioniert: Dispute-Tracking. Halte fest, bei welchen Projekten im letzten Jahr Scope-Diskussionen entstanden sind, und vergleiche nach sechs Monaten mit KI-Prüfung. Diese informelle Vorher-Nachher-Betrachtung ist kein belastbarer Business Case, aber sie zeigt die Richtung.

Typische Einstiegsfehler

1. Nur die offensichtlichen Sätze prüfen lassen — nicht das Gesamtdokument.
Der Reflex: Den letzten Abschnitt, der zuletzt geschrieben wurde, noch einmal kurz checken. In der Praxis liegen Scope-Risiken oft in den Teilen des Angebots, die schon oft verwendet wurden — in der Standard-Einleitung, in der Formulierung der Abnahmekriterien, in den Projektphasen-Beschreibungen. Diese Passagen liest niemand mehr kritisch, weil sie schon immer so standen. Lösung: Immer das vollständige Leistungsverzeichnis prüfen, nicht nur neue Passagen.

2. KI-Feedback ohne Nachfragen umsetzen.
Die KI markiert alles, was potenziell offen sein könnte. Darunter sind auch Formulierungen, die bewusst offen gehalten wurden — bei T&M-Projekten, Rahmenverträgen oder Beziehungen, in denen Flexibilität gewünscht ist. Wer jede Markierung blind durch eine rigide Formulierung ersetzt, schreibt Angebote, die zu eng sind und Kundenbeziehungen schädigen. Lösung: Jede KI-Markierung bewusst bewerten — “Ist das ein Risiko oder eine Entscheidung?”

3. Den Prozess nur für neue Kunden einführen — nicht für Bestandskunden.
Scope-Creep-Risiken entstehen genauso in Folgeprojekten mit vertrauten Kunden. Oft sogar häufiger, weil die Angebote bei bekannten Kunden informeller und knapper werden. Lösung: Kein Unterschied zwischen Neu- und Bestandskunden in der Prüfpflicht.

4. Die KI-Prüfung einführen, aber die Angebotsvorlagen nicht anpassen.
Der häufigste Fehler: Das Team prüft jedes Angebot einmalig mit der KI und ändert den Text ad hoc. Sechs Monate später sind die Grundvorlagen unverändert — dieselben problematischen Standardformulierungen tauchen in jedem neuen Angebot wieder auf. Lösung: Die Ergebnisse aus den ersten drei bis fünf geprüften Angeboten nutzen, um die Vorlage direkt zu verbessern. Das erhöht den langfristigen Effekt massiv: Nicht jedes Angebot einmalig besser machen, sondern alle zukünftigen Angebote vom Ausgangsniveau anheben.

5. Das Prüfergebnis als abschließend behandeln — nicht als Gesprächsbasis.
Ein Angebot, das alle KI-Markierungen beseitigt hat, ist kein sicheres Angebot. Es ist ein präziseres Angebot. Scope-Disputes entstehen oft nicht durch vage Formulierungen allein, sondern durch unausgesprochene Kundenerwartungen, die im Erstkontakt nicht adressiert wurden. Die KI-Prüfung verbessert das Dokument — das Kundengespräch bleibt unverzichtbar.

Was mit der Einführung wirklich passiert — und was nicht

Die technische Seite ist trivial. Die menschliche Seite ist nicht trivial.

“Das dauert doch wieder länger.”
Das ist das erste Widerstandsmuster. Ein Team, das unter Angebotsdruck steht, wird eine zusätzliche Prüfrunde als Verzögerung erleben — solange bis das erste gesparte Dispute-Gespräch mit einem Kunden direkt mit der Prüfung verknüpft wird. Was konkret hilft: Nicht die gesamte Angebotserstellung umbauen, sondern einen festen, kurzen Prüfschritt am Ende einführen — “Leistungsverzeichnis in KI, fünf Minuten, fertig.”

“Wir machen das sowieso schon.”
Viele Teams haben das Gefühl, Angebote sorgfältig zu prüfen — und gleichzeitig regelmäßig Scope-Diskussionen. Das ist kein Widerspruch: Selbst-Reviews übersehen Formulierungen, die der Verfasserin oder dem Verfasser im Kontext des eigenen Verständnisses klar erscheinen. Die KI prüft ohne diesen Kontext. Das macht den Unterschied. Was konkret hilft: Einmal das letzte Angebot mit dem Prompt unten prüfen — und zählen, wie viele der markierten Stellen man selbst als “klar” eingestuft hätte.

“Unsere Kunden sind verständig.”
Stimmt oft — bis es einen Fall gibt, bei dem es nicht stimmt. Scope-Disputes entstehen meistens nicht aus Böswilligkeit, sondern aus ehrlichen Missverständnissen darüber, was das Angebot abdeckt. Ein präziseres Angebot schützt die Kundenbeziehung, weil es keine Enttäuschungen erzeugt, die sich keiner vorher gewünscht hat.

Was konkret hilft:

• Beim ersten Mal das eigene letzte Angebot analysieren — für überzeugendere interne Gespräche
• Einen Standard-Prüfprompt im Team teilen, damit alle denselben Review-Level haben
• Die häufigsten KI-Markierungen direkt in die Angebotsvorlage einpflegen — nach 4–6 Wochen
• Nicht das gesamte Angebot schicken: Nur die Leistungsbeschreibung ohne Kundennamen prüfen lassen (DSGVO-freundlich)

Realistischer Zeitplan mit Risikohinweisen

Die Gesamtdauer bis zu einem etablierten Prozess liegt realistisch bei vier bis acht Wochen. Das ist kein Projekt — es ist eine Gewohnheitsänderung.

Häufige Einwände — und was dahintersteckt

“Unsere Projekte sind zu individuell für eine Standard-Prüfung.”
Ein verbreiteter Einwand, der meistens nicht stimmt. Auch in individuell gestalteten Angeboten gibt es Standardmuster bei Abnahme- und Iterationsformulierungen, bei der Beschreibung von Einführungs- und Übergabephasen und bei der Frage, wer welche Vorleistungen erbringt. Genau diese Muster sind am schwierigsten zu erkennen, weil man sie schon oft geschrieben hat. Die KI erkennt sie, weil sie den Kontext nicht kennt.

“Wir haben Rahmenverträge, da regeln wir das dort.”
Rahmenverträge regeln Standardbedingungen — aber der Leistungsumfang je Einzelprojekt steht im Angebot. Wenn dieser Umfang vage bleibt, hilft der Rahmenvertrag wenig. Die Prüfung sollte auf das projektspezifische Leistungsverzeichnis fokussieren, nicht auf die Rahmenkonditionen.

“Wenn ich zu viele Ausschlüsse reinschreibe, verliere ich den Auftrag.”
Das ist ein reales Spannungsfeld. Manche Kunden reagieren negativ auf Angebote, die sehr genau beschreiben, was nicht enthalten ist — das wirkt defensiv. Die Lösung ist nicht, Ausschlüsse wegzulassen, sondern sie in positive Sprache zu übersetzen: statt “Nicht enthalten: Textlieferung” → “Voraussetzung für Termin: fertige Texte des Kunden bis Woche 3.” Das klärt denselben Sachverhalt, aber klingt nicht nach Absicherung.

Woran du merkst, dass das zu dir passt

• Dein Team schreibt regelmäßig Angebote im Festpreismodell — mindestens drei bis vier pro Monat
• Scope-Diskussionen tauchen bei euch in mindestens einem von drei Projekten auf — auch wenn sie meist intern gelöst werden
• Eure Angebotsvorlagen wurden schon lange nicht mehr systematisch überarbeitet — sie wuchsen mit der Zeit
• Ihr habt das Gefühl, bei bestimmten Kunden “mehr zu liefern” als abgerechnet — aber es ist schwer, das zu begründen
• Nach Projektabschluss gab es schon mindestens einmal eine Diskussion darüber, was zum Angebot gehörte und was nicht

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

1. Weniger als 5–6 Projekte pro Jahr. Der Aufwand, einen Review-Prozess zu etablieren und eine Prompt-Vorlage zu pflegen, rechnet sich bei sehr kleinem Angebots-Output nicht. Wer drei Projekte pro Jahr betreut, prüft besser manuell und gründlich als mit halbhertigem KI-Prozess.

2. Primär nach Zeit und Material (T&M) oder Stundensatz abrechnendes Unternehmen. Wer keine Festpreisprojekte anbietet und alle Arbeit ohnehin nach Aufwand abrechnet, hat kein Scope-Creep-Problem im klassischen Sinne — weil jede Stunde vergütet wird. Die Risikoanalyse ist für Festpreis- und Pauschalmodelle relevant, nicht für offene Zeitvereinbarungen.

3. Kein standardisierter Angebotsprozess vorhanden — jedes Angebot ist ein vollständiges Unikat. Wenn Angebote jedes Mal von Grund auf neu geschrieben werden, ohne wiederkehrende Vorlagen oder Standardabschnitte, ist der Hebel der KI-Analyse kleiner: Es gibt keine Vorlage, die systematisch verbessert werden könnte. Der erste sinnvolle Schritt wäre dann, überhaupt Vorlagen zu etablieren — und dann zu prüfen.

Das kannst du heute noch tun

Öffne ChatGPT oder Claude und kopiere die Leistungsbeschreibung aus deinem letzten Angebot — drei bis fünf Absätze reichen. Entferne vorher den Kundennamen und direkte Kontaktdaten. Dann führe den Prompt unten aus.

Was du in zehn Minuten weißt: Wie viele Stellen in deinem letzten Angebot ein erfahrener Gegenleser anders gelesen hätte als du selbst. Das zeigt dir sofort, ob dieser Anwendungsfall für dein Team relevant ist — ohne Budget, ohne Tool-Entscheidung.

Quellen & Methodik

• Scope-Creep-Statistiken: Ignition, „The State of Client Engagement 2025” — Befragung von mehr als 900 Beratungs- und Servicefirmen in US, UK, Australien, Kanada und Neuseeland. Kernzahl: 57 % verlieren monatlich 1.000–5.000 USD an nicht abrechenbarer Mehrarbeit; nur 1 % rechnen alle außerplanmäßigen Leistungen ab.
• PMI-Daten: Project Management Institute, „Pulse of the Profession 2024” — 52 % aller Projekte von Scope Creep betroffen; durchschnittlicher Kostenmehraufwand 29 %.
• Agenturen und Budget-Überschreitungen: Deltek, „Clarity Benchmark Report” — zitiert bei Agency Management Institute: fast 40 % der Agenturen überschreiten Budgets durch Scope Creep.
• Klausel-Erkennungsgenauigkeit von LLMs: LexCheck Blog, „Using AI as a Contract Risk Assessment Tool” (2024) — Präzisionswerte > 85 % in kontrollierten Tests für standard-typische Risikoklauseln; eigene Praxiserfahrungen bestätigen die Größenordnung, mit Einschränkungen bei branchenspezifischer Terminologie.
• ScopeShield-Preise: scopeshield.cloud, besucht April 2026 — ab ca. 20 USD/Monat, Launch Februar 2026.
• Microsoft 365 Copilot-Preise: Microsoft.com/de-de, Stand April 2026 — ab 15,60 Euro/Person/Monat als M365-Add-on.

Du willst prüfen, welche Angebots-Klauseln in eurem konkreten Kontext das größte Risiko tragen — und wie ihr den Review-Prozess in den Angebots-Workflow einbaut, ohne ihn zu verlangsamen? Meld dich — das klären wir in einem kurzen Gespräch.