KI-Ausschreibungsassistent

Das echte Ausmaß des Problems

Ein mittelständisches Bauunternehmen mit 50 Mitarbeitenden bewirbt sich im Jahr auf 30 bis 60 Ausschreibungen. Davon gewinnt es im Schnitt 25 bis 35 Prozent. Das bedeutet: Für zwei von drei Ausschreibungen wird Zeit und Geld investiert, ohne Ergebnis. Der Aufwand pro Angebot: 2 bis 8 Arbeitstage, abhängig von Komplexität.

Ein Kalkulator mit 55.000 Euro Jahresgehalt (ca. 38 Euro/Stunde) kostet pro Angebot rund 1.200 Euro an direkten Personalkosten (4 Tage × 8 Stunden × 38 Euro). Bei 45 verlorenen Angeboten pro Jahr: ca. 54.000 Euro — reiner Angebotsaufwand ohne Ergebnis.

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.

KI-Lösungen, die GAEB- und VOB/A-Dokumente analysieren, reduzieren den Zeitaufwand bei der Ausschreibungsbewertung laut aktuellen Anbieterstudien um bis zu 80 Prozent gegenüber vollständig manuellem Vorgehen.

Mit vs. ohne KI — ein ehrlicher Vergleich

¹ Erfahrungswerte aus KI-Ausschreibungs-Implementierungen; stark abhängig von Unterlagenqualität, Gewerk und vorhandenen Preisdaten.

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 und Ausschreibung.ai — Spezialisierte KI-Tools für die Analyse von Bauprojektdokumenten nach VOB/A. GAEB-Analyse, Go/No-Go-Entscheidungshilfe, Risikomarkierung. Für Bauunternehmen, die einen höheren Automatisierungsgrad bei der Angebotsbearbeitung suchen.

ORCA AVA mit KI-Modul — Für Unternehmen, die ORCA bereits als Kalkulationssoftware nutzen: das integrierte KI-Modul unterstützt bei der LV-Generierung und -Ergänzung direkt im gewohnten Workflow.

RIB iTWO — Enterprise-Kalkulationslösung mit wachsenden KI-Features. Für größere Bauunternehmen, die alle Kalkulationsprozesse in einer Plattform bündeln wollen.

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

Wann welcher Ansatz:

• Schneller Einstieg ohne Invest → Claude/ChatGPT für Erstanalyse
• ORCA bereits im Einsatz → ORCA KI-Modul, keine Systemwechselkosten
• Spezialisierte VOB-Analyse gesucht → BlackSwanAI oder Ausschreibung.ai
• Workflow-Automatisierung gewünscht → Make.com + 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 verarbeiten Daten auf US-Servern. Für echte DSGVO-Sicherheit bei vertraulichen Unterlagen: EU-gehostete Alternativen oder lokale LLM-Lösungen prüfen. Für die öffentliche Selektionsentscheidung (die weniger vertraulich ist) reicht in der Regel eine normale AVV-Vereinbarung mit dem Anbieter.

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: 200–600 Euro/Monat
• Nutzen: Vollständige Positionsextraktion, Vorkalkulation, GAEB-Export
• Einrichtungsaufwand: 1–3 Wochen für Preisdaten-Import und Workflow-Setup

ROI-Beispiel: Kalkulator, 38 Euro/Stunde, bearbeitet aktuell 3 Angebote/Monat à 4 Tage = 12 Arbeitstage/Monat = 3.648 Euro Personalkosten nur für Angebotsbearbeitung. KI reduziert Aufwand pro Angebot um 1,5 Tage = 4,5 Tage/Monat = 1.368 Euro Einsparung. Tool-Kosten: 300 Euro/Monat. Nettoeinsparung: ca. 1.070 Euro/Monat. Dazu kommt: Kalkulator kann mehr Angebote prüfen, was die Selektionsqualität verbessert.

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 kommen Unterlagen heute fast ausnahmslos als strukturierte digitale Unterlagen oder GAEB-Datei. Bei privaten Bauherren mit schlecht digitalisierten Unterlagen ist manuelles Vorgehen weiterhin nötig. Der Use Case liegt primär im öffentlichen Ausschreibungsbereich und bei gut digitalisierten privaten Ausschreibern.

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

• Angebotskosten und Trefferquoten (25–35 %): Erfahrungswerte aus Bauunternehmen; bestätigt durch Hauptverband der Deutschen Bauindustrie, Branchenberichte 2024.
• KI-Zeitreduktion Ausschreibungsanalyse bis 80 %: BlackSwanAI Produktdokumentation; Ausschreibung.ai Whitepaper; entwicklungsstadt.de, „Weniger Aufwand und Zeit: KI in der Ausschreibungssuche” (2024).
• VOB/A Eignungsanforderungen und Ausschlussrisiken: Vergabe- und Vertragsordnung für Bauleistungen, Teil A (aktuell gültige Fassung).
• DSGVO Cloud-Verarbeitung Ausschreibungsunterlagen: Orientierung an Art. 28 DSGVO (AVV-Pflicht) und Vertraulichkeitsklauseln öffentlicher Vergabestellen.
• Kalkulator-Stundensatz: Destatis, Verdiensterhebung Baugewerbe 2024.
• Spezialisierte Tool-Anbieter: blackswanai.de; ausschreibung.ai; phase0.com (ehemals Compa) — Stand April 2026.