KI-Ausschreibungsassistent

Das echte Ausmaß des Problems

Rechne den Fall mit deinen eigenen Zahlen durch, dieses Beispiel zeigt nur die Struktur. Ein mittelständisches Bauunternehmen bewirbt sich im Jahr auf 30 bis 60 Ausschreibungen und gewinnt einen Teil davon. Wie groß dieser Teil ist, weiß jeder Betrieb selbst, eine belastbare Branchenzahl für die Trefferquote im deutschen Bauhauptgewerbe haben wir nicht gefunden. Wenn du wie viele Betriebe bei etwa einem Drittel liegst, heißt das: Für zwei von drei Ausschreibungen wird Zeit und Geld investiert, ohne Ergebnis. Der Aufwand je Angebot liegt je nach Komplexität bei 2 bis 8 Arbeitstagen.

Setz einen kalkulatorischen Stundensatz an, hier 38 Euro inklusive Lohnnebenkosten. Dann kostet ein Angebot mit 4 Tagen Bearbeitung rund 1.200 Euro an Personalkosten (4 × 8 × 38 = 1.216 Euro). Bei 45 Angeboten im Jahr, die nicht zum Zuschlag führen, sind das rund 54.000 Euro Aufwand ohne Ergebnis. Der Punkt dieser Rechnung ist nicht die Genauigkeit, sondern die Reihenfolge: Der teuerste Posten ist nicht das langsame Kalkulieren, es ist das gründliche Kalkulieren der falschen Ausschreibung.

Der zweite Schmerzpunkt: Ausschreibungsunterlagen sind oft unübersichtlich. Ein öffentliches Ausschreibungspaket kann 200 Seiten Leistungsverzeichnis, 80 Seiten Vergabeunterlagen und 40 Seiten technische Spezifikationen enthalten. Wer bieten will, muss verstehen: Was wird verlangt? Welche Eignungsanforderungen gelten? Welche Risiken in den Vertragsbedingungen? Diese Erstanalyse kostet Zeit, Zeit, die oft in zu kurzen Angebotsfristen fehlt.

Eine Prozentzahl zur Zeitersparnis steht hier bewusst nicht. Die Werte, die zu diesem Thema kursieren, stammen durchgehend aus der Produktdokumentation und den Whitepapern der Anbieter, die das Ergebnis verkaufen. Eine unabhängige Untersuchung, die den Aufwand für die Ausschreibungsanalyse mit und ohne KI gemessen hätte, haben wir nicht gefunden. Wie groß der Effekt bei dir ist, misst du an drei vergangenen Ausschreibungen selbst, und das ist ohnehin die einzige Zahl, die für dein Gewerk gilt.

Mit vs. ohne KI, ein ehrlicher Vergleich

¹ Diese vier Werte sind Schätzungen, keine Messung. Wir haben dazu keine unabhängige Untersuchung gefunden und keine eigenen Projektzahlen. Behandle sie als Hypothese, die dein erster Test bestätigt oder widerlegt, nicht als Zusage.

Einschätzung auf einen Blick

Zeitersparnis, mittel (3/5) Die Erstanalyse beschleunigt sich erheblich. Die eigentliche Kalkulationsarbeit, Preise festlegen, Risikozuschläge beurteilen, Subunternehmer einpreisen, bleibt und ist Menschensache. Der Zeiteffekt ist real, aber begrenzt auf den Analyse- und Vorbereitungsanteil.

Kosteneinsparung, mittel (3/5) Die Einsparung entsteht auf zwei Wegen: weniger Aufwand pro Angebot und bessere Selektionsqualität. Aber: Die Erfolgsquote steigt nicht automatisch dadurch, dass du mehr Angebote abgibst, sie steigt nur, wenn du bessere Entscheidungen triffst, welche Ausschreibungen du annimmst. Das macht den Kostenhebel mittelgroß.

Schnelle Umsetzung, mittel (3/5) ChatGPT und Claude als einfache Erstanalyse-Tools sind in einem Tag einsatzbereit. Spezialisierte Tools mit GAEB-Integration und Preisdatenbank brauchen drei bis sechs Wochen Setup. Das ist der mittlere Bereich in diesem Zweig.

ROI-Sicherheit, mittel (3/5) Der Zeiteffekt der Erstanalyse ist gut messbar. Ob die bessere Selektionsentscheidung die Trefferquote erhöht, ist schwerer zu isolieren, zu viele externe Faktoren (Marktlage, Wettbewerber, Preisgestaltung) beeinflussen die Vergabequote.

Skalierbarkeit, sehr hoch (5/5) Das ist der stärkste Skalierungsvorteil in diesem Zweig. Je mehr Ausschreibungen durch das System laufen, desto besser wird die Preisreferenzdatenbank. Und der Aufwand pro zusätzlicher Ausschreibungsanalyse bleibt konstant niedrig. Büros, die von 30 auf 60 Ausschreibungen pro Jahr skalieren, haben denselben Tool-Aufwand wie bei 30.

Richtwerte, stark abhängig von Unterlagenqualität, Gewerk und Preisdatenbanktiefe.

Was das System konkret macht

KI-gestützter Ausschreibungsassistent löst zwei Teilprobleme: schnelle Erstanalyse zur Selektionsentscheidung und beschleunigte Vorkalkulation für entschiedene Angebote.

Schritt 1, Ausschreibungsunterlagen importieren und analysieren Die Unterlagen (PDF, GAEB-Datei, Word-Dokumente) werden in das System hochgeladen. Das LLM liest alle relevanten Informationen aus: Auftraggeber, Ausführungszeitraum, Eignungsanforderungen (Umsatz, Referenzen, Zertifizierungen), besondere Vertragsbedingungen, Vertragsstrafen, Gewerke-Übersicht, Anzahl der Positionen.

Schritt 2, Selektionsempfehlung Das System erstellt eine strukturierte Zusammenfassung: Entsprechen die Eignungsanforderungen der eigenen Qualifikation? Passt der Ausführungszeitraum zur aktuellen Kapazität? Gibt es ungewöhnliche Risiken in den Vertragsbedingungen, sehr kurze Gewährleistungsfristen, hohe Vertragsstrafen, unklare Leistungsabgrenzungen? Wie hoch schätzt das System den Bearbeitungsaufwand ein?

Schritt 3, Positionsextraktion und Vorkalkulation Wenn die Entscheidung fällt, anzubieten: Das System extrahiert alle LV-Positionen aus der GAEB-Datei und reichert sie mit Preisdaten an, aus historischen Angebotspreisen (sofern hinterlegt) oder aus Referenzpreisquellen. Es erstellt eine erste Vorkalkulation als Ausgangspunkt, statt von null zu beginnen.

Schritt 4, Risikopositionen kennzeichnen Das System markiert Positionen, die erfahrungsgemäß Preis- oder Mengenrisiken enthalten: vage Leistungsbeschreibungen, ungewöhnliche Positionen ohne Referenzpreise, Positionen mit unklarer Mengenbasis. Diese Stellen brauchen besondere Aufmerksamkeit des Kalkulators.

Konkrete Werkzeuge, was wann passt

Claude und ChatGPT , Für die Erstanalyse von Ausschreibungsunterlagen sehr gut geeignet: Unterlagen als PDF hochladen, strukturierte Zusammenfassung anfragen. Kein GAEB-Export, keine Integration in Kalkulationssoftware, aber sehr gut für die schnelle Selektionsentscheidung. Kosten: 20–30 Euro/Monat.

BlackSwanAI, ein KI-Startup aus Erlangen mit zwei Produkten für die beiden Seiten des Verfahrens: auftragr für Bietende, prüfr für Vergabestellen. Für diesen Anwendungsfall ist auftragr gemeint. Es verarbeitet PDF, Word und alle gängigen GAEB-Formate von X81 bis P83, bis zu 30 Dokumente je Analyse, und wertet eine Ausschreibung entlang von fünf Perspektiven aus: Überblick, Bid/No-Bid-Empfehlung, Risikoanalyse, Nachtragspotenzial und offene Fragen. Betrieben wird es EU-seitig in Frankfurt auf der Open Telekom Cloud. Preise nennt der Anbieter nicht öffentlich, sie richten sich nach Ausschreibungsvolumen und Leistungsumfang.

Ausschreibung.AI, ebenfalls für Bietende, mit RAG-Ansatz auf einem Schweizer Server und eigenem Dokumentenbestand als Gedächtnis. Deckt den Bogen von der Qualifizierung über das Verfassen des Angebots bis zur Win-Loss-Auswertung. Auch hier keine öffentlichen Preise, nur eine Preisanfrage.

ORCA AVA hat kein KI-Modul. Eine ältere Fassung dieser Seite behauptete das, und das war falsch. ORCA weist weder auf der Startseite noch auf Produkt- oder Preisseite eine KI-Funktion aus. Wer ORCA nutzt und KI in der Ausschreibungsbearbeitung will, arbeitet mit einem Chatmodell daneben oder mit einem der beiden spezialisierten Anbieter. Die öffentliche Preisliste ist ein Jahresabo inklusive Servicevertrag: 828, 1.788 und 2.388 Euro netto im Jahr für die Erstlizenz der drei Editionen. Details im AVA-Softwarevergleich.

RIB iTWO , Enterprise-Kalkulationslösung für größere Bauunternehmen, die alle Kalkulationsprozesse in einer Plattform bündeln wollen. Auch hier eine Einordnung, die oft falsch läuft: Den KI-Assistenten RIB Omni hat RIB im März 2026 für die neue Plattform RIB Unify vorgestellt, nicht für iTWO. Preise für iTWO gibt es nur auf Anfrage.

Make.com , für die Automatisierung des Workflows: Ausschreibung geht ein, wird automatisch auf Plausibilität geprüft, Zusammenfassung an den Kalkulator. Ohne Entwicklungsaufwand mit KI-Diensten kombinierbar.

Wann welcher Ansatz:

• Schneller Einstieg ohne Invest → Claude/ChatGPT für die Erstanalyse
• ORCA oder iTWO im Einsatz, kein Wechsel geplant → Chatmodell daneben, die KI steckt nicht im Programm
• Spezialisierte GAEB- und VOB-Analyse gesucht, EU-Hosting wichtig → BlackSwanAI (auftragr)
• Angebotserstellung und Win-Loss-Auswertung mit im Blick → Ausschreibung.AI
• Workflow-Automatisierung gewünscht → Make.com plus Claude/ChatGPT

Datenschutz und Datenhaltung

Ausschreibungsunterlagen können sensible Informationen enthalten: Eigentumsdetails, Grundstücksangaben, Bauherrenwünsche, Kostenschätzungen. Wer solche Unterlagen in externe KI-Dienste hochlädt, muss die DSGVO-Lage kennen.

Für öffentliche Ausschreibungen nach VOB/A: Viele öffentliche Auftraggeber formulieren inzwischen Vertraulichkeitsklauseln, die die Weitergabe an Drittdienste einschränken können. Kläre vorab, ob der Einsatz externer KI-Dienste zulässig ist, eine Selbstverständlichkeit ist es nicht mehr.

Claude und ChatGPT sind US-Anbieter. Beide bieten geschäftliche Tarife mit AVV und ohne Trainingsnutzung an, die konkreten Bedingungen und der Verarbeitungsort hängen vom gebuchten Tarif ab, prüf das für deinen Vertrag. Wo es auf den Serverstandort ankommt, gibt es in diesem Anwendungsfall echte europäische Alternativen: BlackSwanAI betreibt seine Analyse auf der Open Telekom Cloud in Frankfurt, Ausschreibung.AI auf Schweizer Servern. Für die reine Selektionsentscheidung auf Basis öffentlich ausgeschriebener Unterlagen reicht in der Regel eine AVV-Vereinbarung.

Was es kostet, realistisch gerechnet

Einstieg (ChatGPT/Claude für Erstanalyse):

• Kosten: 20–30 Euro/Monat
• Nutzen: Ausschreibungs-Erstanalyse von 200-seitigem Paket in 20–45 Minuten statt 3–6 Stunden
• Einschränkung: Kein GAEB-Export, keine Integration in Kalkulationssoftware
• Selektionsentscheidung qualitativ verbessern ohne großen Invest

Spezialisierter Ausschreibungs-KI-Assistent:

• Kosten: auf Anfrage. Weder BlackSwanAI noch Ausschreibung.AI veröffentlicht Listenpreise, beide kalkulieren nach Ausschreibungsvolumen und Leistungsumfang. Jede Monatszahl an dieser Stelle wäre geraten, hol zwei Angebote ein.
• Nutzen: Positionsextraktion aus GAEB, strukturierte Bid/No-Bid-Bewertung, Risiko- und Nachtragsmarkierung
• Einrichtungsaufwand: 1–3 Wochen für Preisdaten-Import und Workflow-Setup

Die Rechnung, andersherum aufgezogen. Weil der Preis des Spezialwerkzeugs nicht öffentlich ist, rechne mit dem Break-even und setz ihn als Obergrenze ins Angebotsgespräch. Ein Kalkulator mit kalkulatorisch 38 Euro je Stunde bearbeitet 3 Angebote im Monat zu je 4 Tagen, das sind 12 Arbeitstage oder 3.648 Euro reine Personalkosten für die Angebotsbearbeitung. Nimm an, das Werkzeug spart pro Angebot einen halben Tag, also 1,5 Tage im Monat: 456 Euro. Genau das ist dein monatliches Limit für die Lizenz, wenn sich der Fall allein über Zeit rechnen soll. Spart es anderthalb Tage je Angebot, sind es 1.368 Euro. Die Spanne ist groß, und sie hängt an der Qualität deiner Unterlagen, nicht am Anbieter. Deshalb: erst drei echte Ausschreibungen durch die Testphase schicken, dann über den Preis reden.

Der zweite Nutzen lässt sich nicht in diese Rechnung schreiben, ist aber der größere. Wer Ausschreibungen schneller beurteilen kann, sagt öfter begründet ab. Ein einziges Angebot, das du nach 30 Minuten statt nach vier Tagen verwirfst, spart mehr als jede Beschleunigung der Angebote, die du ohnehin gewinnst.

Drei typische Einstiegsfehler

1. Mehr Angebote abgeben statt bessere. Der erste Reflex nach KI-Einführung: „Jetzt können wir 50 % mehr Ausschreibungen bearbeiten.” Das klingt nach Wachstum, ist aber meistens Ressourcenverschwendung. Mehr Angebote bei gleichbleibender Selektionsqualität erhöhen den Gewinn-Anteil nicht. Nutze die gewonnene Zeit lieber, um jeden Angebotsprozess sorgfältiger zu gestalten, oder um gezielt neue Segmente mit besserer Marge anzugehen.

2. KI-Analyse ohne Validierung durch Fachkraft. Das System kann Eignungsanforderungen falsch interpretieren, Vertragsklauseln übersehen oder Positionen fehlerhaft extrahieren. Jede KI-Analyse braucht eine Plausibilitätsprüfung durch jemanden mit Erfahrung in Ausschreibungsbearbeitung, besonders in der Einführungsphase.

3. Keine historischen Preisdaten einpflegen. KI-Vorkalkulation ohne Preisreferenzdaten aus eigenen vergangenen Angeboten ist ein generischer Benchmarks-Generator. Der echte Wert entsteht, wenn das System auf die eigenen Einheitspreise, Regionen und Gewerke zurückgreifen kann. Das erfordert, dass bestehende Angebotspreise strukturiert exportiert und importiert werden, ein einmaliger Aufwand von ein bis drei Tagen, der sich schnell amortisiert.

Was mit der Einführung wirklich passiert, und was nicht

Die erste KI-Analyse einer echten Ausschreibung ist meistens überzeugend: Wo manuell drei bis sechs Stunden gebraucht werden, liefert das System in 20 bis 45 Minuten eine strukturierte Zusammenfassung. Das begeistert.

Was danach kommt, ist die Feinarbeit: Das System versteht nicht den Kontext, dass dieser Auftraggeber bekannt dafür ist, bei Vertragsstrafen kulant zu sein, oder sehr unnachgiebig. Es kennt nicht die Marktlage in deiner Region für dieses Gewerk. Es weiß nicht, dass du letztes Jahr denselben Auftraggeber bei einem Referenzprojekt beliefert hast und bevorzugt wirst.

Diese Kontextinformation bleibt beim Kalkulator. Das Tool nimmt ihr nicht die Beurteilung ab, es nimmt ihr den Papierstapel ab.

Realistischer Zeitplan mit Risikohinweisen

Häufige Einwände, und was dahintersteckt

„Wir kennen unseren Markt, da brauchen wir keine KI für die Selektion.” Marktkenntnisse sind wertvoll, aber selten vollständig systematisiert. Die Frage ist nicht, ob du weißt, welche Projekte gut zu dir passen, sondern ob du das schnell genug beurteilen kannst, wenn zehn Ausschreibungen gleichzeitig auf dem Tisch liegen. KI-Erstanalyse schafft eine strukturierte Entscheidungsgrundlage in 30 Minuten, die ohne KI einen halben Tag dauern würde. Das gibt deinem Kalkulator Zeit für die Projekte, bei denen die Entscheidung wirklich nicht offensichtlich ist.

„Die Unterlagen kommen als schlecht eingescannte PDFs, die kann keine KI lesen.” Bei öffentlichen Ausschreibungen nach VOB/A liegen Unterlagen in der Regel digital vor, das Leistungsverzeichnis meist als GAEB-Datei. Ausnahmen gibt es trotzdem, gescannte Anlagen und Beiblätter sind keine Seltenheit. Bei privaten Bauherren mit schlecht digitalisierten Unterlagen bleibt manuelles Vorgehen nötig. Der Anwendungsfall liegt deshalb primär im öffentlichen Bereich und bei gut digitalisierten privaten Ausschreibern. Prüf das an deinen letzten fünf Paketen, bevor du ein Werkzeug kaufst, das GAEB voraussetzt.

Woran du merkst, dass das zu dir passt

• Dein Kalkulator verbringt mehr als die Hälfte seiner Zeit mit Ausschreibungsanalyse, statt mit der eigentlichen Preisfindung
• Ihr nehmt an Ausschreibungen teil, die ihr gar nicht richtig lesen konntet, weil die Frist zu kurz war
• Go/No-Go-Entscheidungen werden unter Zeitdruck getroffen, ohne systematische Prüfung der Eignungsanforderungen
• Ihr habt Ausschreibungen angenommen, für die ihr die Eignungsanforderungen knapp oder gar nicht erfüllt habt

Wer es (noch) nicht tun sollte: Unternehmen, die weniger als zehn Ausschreibungen pro Jahr bearbeiten oder bei denen die Angebotsbearbeitung nicht der Engpass ist. Auch für sehr spezialisierte Gewerke mit wenigen, sehr individuellen Ausschreibungen ist das Preis-Leistungs-Verhältnis eines spezialisierten Tools fragwürdig, hier reicht ChatGPT als einfache Analysehilfe.

Das kannst du heute noch tun

Nimm eine vergangene Ausschreibung, die du gut kennst, Ergebnis und Qualität der Unterlagen. Lade sie als PDF in Claude oder ChatGPT hoch und nutze diesen Prompt. Vergleiche das KI-Ergebnis mit deiner eigenen damaligen Analyse. Das zeigt dir in einer Stunde, wie viel Analysepotenzial das Tool für dein Gewerk hat.

Quellen & Methodik

• BlackSwanAI: KI-Startup aus Erlangen, Produkte auftragr (für Bietende) und prüfr (für Vergabestellen); verarbeitet PDF, Word und GAEB X81 bis P83, bis zu 30 Dokumente je Analyse; fünf Auswertungsperspektiven inklusive Bid/No-Bid und Nachtragspotenzial; Betrieb auf der Open Telekom Cloud in Frankfurt; „Preise auf Anfrage” (blackswanai.de, abgerufen am 18.09.2026).
• Ausschreibung.AI: RAG-basierte Analyse auf Schweizer Servern, vom Qualifizieren über das Verfassen des Angebots bis zur Win-Loss-Auswertung; keine öffentlichen Preise, nur Preisanfrage (ausschreibung.ai, abgerufen am 18.09.2026).
• ORCA AVA ohne KI-Funktion: Weder Startseite noch Produkt- oder Preisseite weist eine KI-Funktion aus; Abo-Erstlizenzen 828 / 1.788 / 2.388 EUR netto im Jahr (orca-ava.de/preise, geprüft am 17.09.2026). Siehe auch AVA-Softwarevergleich.
• RIB Omni gehört zu RIB Unify, nicht zu iTWO: vorgestellt im März 2026 für die neue Plattform (rib-software.com, geprüft am 17.09.2026).
• VOB/A Eignungsanforderungen und Ausschlussrisiken: Vergabe- und Vertragsordnung für Bauleistungen, Teil A (aktuell gültige Fassung).
• DSGVO Cloud-Verarbeitung Ausschreibungsunterlagen: Art. 28 DSGVO (AVV-Pflicht) und die Vertraulichkeitsklauseln der jeweiligen Vergabestelle.
• Kalkulator-Stundensatz 38 Euro: kalkulatorischer Ansatz inklusive Lohnnebenkosten, keine Erhebung. Setz deinen eigenen Wert ein.
• Nicht belegbar und deshalb nicht auf dieser Seite: die Zeitreduktion „bis zu 80 Prozent” und eine Branchen-Trefferquote von 25 bis 35 Prozent. Die 80 Prozent stammen aus Anbieterdokumentation und Anbieter-Whitepapern, die Trefferquote aus Zitierketten ohne auffindbare Erhebung. Eigene Projektzahlen aus KI-Ausschreibungsprojekten haben wir nicht.