KI-gestützte Risikoanalyse für Bauprojekte

Das echte Ausmaß des Problems

In der deutschen Bauwirtschaft ist das strukturelle Zeitproblem bei der Angebotsprüfung nicht neu. Ausschreibungsunterlagen umfassen heute regelmäßig 100 bis 400 Seiten, Anlagen eingeschlossen. Die Angebotsfristen, typisch 14 bis 28 Tage für mittelgroße Projekte, reichen für Kalkulation und Vertragsanalyse kaum aus. Das Ergebnis: Kalkulatoren konzentrieren sich auf die Massenermittlung und die Einheitspreise. Die Vertragsanlagen werden überflogen, nicht gelesen.

Was passiert, wenn Klauseln übersehen werden, ist gut dokumentiert: Vertragsstrafen greifen früher als kalkuliert, Nachtragsansprüche verfallen wegen versäumter Fristen, Haftungsrisiken materialisieren sich in Projekten, in denen Leistungsabgrenzungen unklar blieben. Die Branche nennt das „Verlustbaustellen”, Projekte, die mit positivem Deckungsbeitrag kalkuliert wurden und im Verlust enden.

Eine Studie der Emerald Publishing (Laine et al., 2024), die ChatGPT-Risikoanalysen mit den Einschätzungen von 16 erfahrenen Risikomanagern in Bauunternehmen verglich, zeigt, dass Machine Learning-Systeme ein breites Spektrum an Risiken schnell erfassen können, aber bisher an Kontexttiefe und Praxisrelevanz scheitern, wenn sie nicht branchenspezifisch konfiguriert sind. Das ist die Lücke, die ein strukturierter KI-gestützter Prüfprozess schließen kann: nicht die menschliche Einschätzung ersetzen, sondern sicherstellen, dass beim schnellen Lesen keine Klausel unbemerkt bleibt.

Die häufigsten Risikofelder, die in Bauvertragsanalysen systematisch übersehen werden:

• Abweichende Behinderungsanzeigeregelungen (§ 6 VOB/B ausgehebelt durch individuelle Klauseln)
• Einseitige Schadensersatzklauseln zu Gunsten des Auftraggebers
• Unklare Leistungsabgrenzungen zwischen Hauptauftragnehmer und Subunternehmern
• Haftungsausschlüsse für Planungsfehler, die dem Auftragnehmer übergewälzt werden
• Verlängerte Verjährungsfristen für Mängelansprüche jenseits des VOB/B-Standards
• Preisanpassungsklauseln, die bei Materialpreisschwankungen einseitig den Auftragnehmer benachteiligen

Mit vs. ohne KI, ein ehrlicher Vergleich

Erfahrungswerte aus Bauprojekten mit strukturierter Vertragsanalyse; eigene Erhebung aus Praxisberichten. Abdeckungsraten und Zeitangaben variieren erheblich je nach Klauselkomplexität und eingesetztem System.

Einschätzung auf einen Blick

Zeitersparnis, mittel (3/5) Die KI reduziert die Prüfzeit spürbar, von mehreren Stunden auf 60 bis 90 Minuten für die Nachprüfung der markierten Stellen. Das ist eine echte Entlastung in der Angebotsphase, aber keine vollständige Automatisierung: Der Kalkulator muss die Ergebnisse einordnen, Kontext beurteilen und mit der eigenen Projekterfahrung abgleichen. Verglichen mit Use Cases wie der Bautagebuch-Automatisierung oder der Mängelerfassung, die repetitive Alltagsaufgaben vollautomatisch übernehmen, bleibt die Zeitersparnis hier moderat.

Kosteneinsparung, sehr hoch (5/5) Das ist der stärkste Hebel in diesem Use Case, und der Grund, warum kosteneinsparung=5 hier vertretbar ist, obwohl das Ergebnis unsicher bleibt. Ein einziger verhindeter Verlustauftrag kann 50.000 bis 500.000 Euro Schaden vermeiden. Wer als Bauunternehmen drei bis fünf derartige Schadensfälle pro Dekade erlebt, hat damit das Potenzial für die größte Einzeleinsparung im gesamten bauwesen-Anwendungsbereich, deutlich über laufende Effizienzgewinne anderer Use Cases hinaus. Die Stärke ist real, aber das Eintreten hängt davon ab, ob der Risikoschutz tatsächlich zum Tragen kommt.

Schnelle Umsetzung, mittel (3/5) Bis zu einem funktionierenden Prüfprozess mit strukturierter Prompt-Bibliothek und klarer Zuständigkeit vergehen erfahrungsgemäß vier bis acht Wochen. Das ist keine technische Hürde, aber eine organisatorische: Wer prüft, was wird geprüft, wann gilt eine Klausel als kritisch genug für die Rechtsabteilung? Vergleichbar mit dem Nachtragsmanagement, das ähnlich strukturierte Aufbauphasen erfordert.

ROI-Sicherheit, niedrig (2/5) Das ist der ehrlichste Score in dieser Bewertung. Der Nutzen ist präventiv, er entsteht dadurch, dass etwas Schlimmes nicht passiert. Ob ein Verlustauftrag durch die Risikoanalyse verhindert wurde oder ob er sowieso nicht eingetreten wäre, lässt sich im Nachhinein nicht beweisen. Bauunternehmen, die selten Verlustprojekte haben, werden keinen messbaren ROI feststellen. Wer regelmäßig in Vertragsprobleme läuft, kann hingegen retrospektiv klare Kausalitäten benennen. Unter den bauwesen-Use Cases liegt roi_sicherheit hier am niedrigsten, neben der Baustellensicherheit-Kameraüberwachung.

Skalierbarkeit, mittel (3/5) Eine gut aufgebaute Prompt-Bibliothek funktioniert für alle Ausschreibungen, unabhängig von der Projektanzahl. Der Aufwand wächst nicht proportional mit dem Angebotsvolumen. Aber: Die Qualität der Ergebnisse hängt daran, dass die Prompt-Bibliothek aktuell bleibt, neue BGH-Urteile, VOB-Änderungen oder projektspezifische Vertragstypen erfordern regelmäßige Überarbeitung.

Richtwerte, stark abhängig von Unternehmensstruktur, Projektvolumen und Klauselkomplexität der Auftraggeber.

Was die KI konkret macht

Das technische Vorgehen basiert auf LLM-gestützter Dokumentenanalyse: Du lädst die Vertragsunterlagen, Bauvertrag, Besondere Vertragsbedingungen, Zusätzliche Technische Vertragsbedingungen, Leistungsverzeichnis, in ein System, das darauf trainiert ist, strukturiert nach definierten Klauselkategorien zu suchen.

Das System tut dabei drei Dinge:

1. Extraktion: Es findet Textpassagen, die einem bestimmten Risikofeld zugeordnet werden können, Vertragsstrafen, Kündigungsklauseln, Behinderungsanzeigen, Haftungsausschlüsse.

2. Kategorisierung und Priorisierung: Es bewertet die extrahierten Passagen nach Schweregrad und markiert, ob eine Klausel vom VOB/B-Standard abweicht, für den Auftragnehmer benachteiligend ist oder juristisch geprüft werden sollte.

3. Berichtsgenerierung: Es fasst die Ergebnisse in einem strukturierten Risikobericht zusammen, nicht als Rechtsauskunft, sondern als Prüfliste für den Kalkulator und Entscheidungsgrundlage für das Management.

Was das System nicht tut: Es gibt keine Rechtsauskunft, trifft keine Go/No-Go-Entscheidung und ersetzt keine anwaltliche Vertragsverhandlung. Die Verantwortung für die Interpretation und Reaktion liegt beim Menschen.

Die technisch einfachste Version nutzt ChatGPT oder Claude mit einem gut ausgearbeiteten System-Prompt, dem du die Vertragsunterlagen als Text übergibst. Die professionellere Variante sind auf Bauverträge spezialisierte Tools wie Document Crunch (englischsprachiger Markt, FIDIC/NEC/AIA-Verträge) oder europäische LLM-Plattformen mit eigenem Klausel-Playbook.

VOB/B vs. BGB-Werkvertrag: Was die KI unterschiedlich bewertet

Das ist die Besonderheit im deutschen Bauwesen, die kein generisches KI-Tool von alleine kennt: Je nachdem, ob ein Bauvertrag nach VOB/B oder nach BGB-Werkvertrag geschlossen wurde, gelten vollständig andere Standardregeln, und damit andere Maßstäbe für die Risikobeurteilung.

VOB/B-Verträge (Vergabe- und Vertragsordnung für Bauleistungen, Teil B):

• Gelten als ausgewogenes Regelwerk zwischen Auftraggeber und Auftragnehmer
• Enthalten spezifische Regelungen zu Nachtrag, Behinderung, Kündigung und Mängelrechten
• Eine Klausel, die von VOB/B abweicht, kann den Auftragnehmer erheblich belasten, oder die gesamte VOB/B-Vereinbarung unwirksam machen, wenn die Abweichung als AGB-Klausel gilt
• KI-Risikobewertung muss explizit auf VOB/B-Abweichungen testen, nicht nur auf allgemeine Klauselrisiken

BGB-Werkverträge (§ 631 ff. BGB):

• Gelten seit der Baurechtsreform 2018 mit eigenem Bauvertragstitel (§ 650a ff. BGB)
• Enthalten Verbraucherrechte und staatliche Schutzmechanismen, aber weniger spezifische Bau-Regelungen als die VOB/B
• Das Risikoprofil ist anders: Fehlende Regelungen zu Behinderung, Nachtrag und Kündigung müssen individuell vereinbart werden, was sie zu einer Lückenquelle macht

Für dein KI-System bedeutet das: In deinem System-Prompt muss stehen, nach welchem Regelwerk der Vertrag geschlossen wird, und die KI muss wissen, welche Klauseln als Abweichungen von diesem Standard zu bewerten sind. Ein generischer Prompt, der nur nach „riskanten Klauseln” sucht, wird VOB/B-spezifische Risiken nicht korrekt priorisieren.

Konkrete Beispiele für unterschiedliche Beurteilung derselben Klausel:

Wenn du den Prompt ohne diese Unterscheidung einsetzt, riskierst du, dass die KI Standardklauseln als riskant markiert (Fehlalarm) oder tatsächlich gefährliche Abweichungen als unproblematisch einstuft (Fehleinschätzung).

Konkrete Werkzeuge, was wann passt

ChatGPT oder Claude mit Prompt-Bibliothek, Der pragmatische Einstieg für die meisten mittelständischen Bauunternehmen. Du entwickelst einen strukturierten System-Prompt, der die KI als Vertragsanalysten instruiert, und überreichst die Vertragsunterlagen als Text. Keine Lizenz für ein spezialisiertes Tool nötig. Einschränkung: Die Qualität hängt stark von der Prompt-Qualität ab; VOB/B-spezifisches Wissen muss explizit in den Prompt eingebettet werden. Kosten: ChatGPT Plus 20 USD/Monat oder Claude Pro 20 USD/Monat. Für 2–3 Kalkulatoren ist das kostengünstiger als jede spezialisierte Softwarelizenz.

Legartis, Schweizer Legal-AI mit EU-Hosting und ISO 27001-Zertifizierung. Stark bei standardisierten Vertragstypen (NDAs, Rahmenverträge, Lieferantenverträge). Für Bauverträge nach VOB/B weniger optimiert als für internationales Vertragsrecht, aber bei gemischten Vertragsportfolios (Rahmenvereinbarungen mit öffentlichen Auftraggebern und privatrechtliche Verträge gleichzeitig) ein ernsthafter Kandidat. Preise auf Anfrage, Einstiegspakete verfügbar; EU-Hosting ist DSGVO-Vorteil. Geeignet für Bauunternehmen mit einem eigenen Rechtsteam, das die Konfiguration übernimmt.

ContractHero, Deutsches Vertragsmanagement-Tool mit Fokus auf Fristenüberwachung und Bestandsvertragsdigitalisierung. Stärker im Verwalten als im Analysieren neuer Risiken vor Angebotsabgabe. Nützlich als Ergänzung: Wenn nach Vertragsunterzeichnung Fristen, Kündigungsrechte und Folgeentscheidungen überwacht werden müssen, ist ContractHero die richtige Ergänzung zur KI-gestützten Vorprüfung. Ab 390 €/Monat (Essential-Plan, 5 Nutzer).

Document Crunch, Auf Bauverträge spezialisierte KI-Plattform aus den USA. Analysiert Vertrag, Leistungsverzeichnis und Pläne gleichzeitig; erkennt über 40 Klauseltypen mit Quellenangaben. 80 % Zeitersparnis bei der Vertragsanalyse laut Anbieter. Für deutschsprachige VOB/B-Verträge nicht geeignet, auf US-amerikanische Vertragssysteme (AIA, NEC, FIDIC) trainiert. Sinnvoll für international tätige Bauunternehmen mit anglophonen Partnerprojekten; für den deutschen Markt nur als Ergänzung.

Wann welcher Ansatz

• Rein VOB/B-Verträge, kleines Unternehmen → ChatGPT oder Claude mit spezialisiertem Prompt
• Gemischtes Vertragsportfolio, eigene Rechtsabteilung → Legartis
• Vertragsarchivierung und Fristenmanagement nach Abschluss → ContractHero
• Internationale Projekte (FIDIC/NEC/AIA) → Document Crunch

Datenschutz und Datenhaltung

Bauvertragsunterlagen enthalten typischerweise sensible Informationen: Bieterpreise, Kalkulationsgrundlagen, interne Projektkostenpläne, manchmal auch personenbezogene Daten von Subunternehmern und Beteiligten. Bevor du Vertragsunterlagen in ein Cloud-KI-System hochlädst, gilt es zu klären:

Wer verarbeitet die Daten, und wo? Für ChatGPT und Claude ohne Enterprise-Vertrag gilt: Datenverarbeitung in den USA. Das ist für öffentliche Ausschreibungsunterlagen mit Preisangaben ein echter Datenschutzkonflikt, Auftraggeber schließen manchmal ausdrücklich aus, dass Angebotsdaten Dritte erreichen. Prüfe das vor dem Einsatz.

Sichere Alternativen für sensible Unterlagen:

• Claude über AWS Bedrock (Frankfurt), EU-Datenhosting, AVV verfügbar, kein Training auf Kundendaten
• Azure OpenAI Service, GPT-4 in deutschen Azure-Rechenzentren, für Unternehmen mit bestehender Azure-Infrastruktur
• Legartis, EU-Hosting, ISO 27001-zertifiziert
• ContractHero, Deutsches Hosting (Frankfurt), BSI C5-zertifiziert

Für die einfachste datenschutzkonforme Lösung in der Angebotsphase: Entferne kalkulationsrelevante Zahlen und Preisangaben aus den Unterlagen, bevor du sie hochlädst, und analysiere nur die Vertragsbedingungen als Text. Das reduziert das Datenschutzrisiko erheblich und ist für die Klauselanalyse ohnehin ausreichend.

Der DSGVO-Schritt: Mit jedem externen Cloud-Anbieter, dem personenbezogene Daten übergeben werden, muss ein Auftragsverarbeitungsvertrag (AVV) nach Art. 28 DSGVO abgeschlossen sein. Bei ChatGPT, Claude und Legartis sind AVV-Vorlagen im Enterprise- oder Business-Plan erhältlich; bei Consumer-Plänen gilt das nicht automatisch.

Haftung, wenn die KI eine Risikoklausel übersieht

Das ist die unbequeme Frage, die jeder stellt, der diesen Prozess einführt: Was passiert, wenn die KI eine kritische Klausel nicht erkennt, und das Unternehmen aufgrund dieser fehlenden Warnung einen nachteiligen Vertrag unterzeichnet?

Die kurze Antwort: Rechtlich liegt die Verantwortung beim Menschen, der die Entscheidung trifft. KI-Systeme sind derzeit weder als rechtliche Beratungstools zugelassen noch haften sie für ihre Ausgaben. Eine Haftungsklage gegen OpenAI oder Anthropic für eine übersehene Vertragsklausel ist nach aktuellem deutschen und EU-Recht nicht erfolgversprechend.

Was das für dich bedeutet:

1. Die KI ist ein Hilfsmittel, kein Prüfer. Positioniere den Einsatz intern so: Die KI markiert Klauseln, die Aufmerksamkeit verdienen. Der Kalkulator oder Bauleiter beurteilt. Der Anwalt entscheidet bei kritischen Fällen. Diese Dreiteilung muss dokumentiert sein.

2. Bei kritischen Projekten ersetzt KI die Anwaltsprüfung nicht. Bei Projekten über einem internen Schwellenwert (z.B. Auftragsvolumen über 500.000 €) oder bei unbekannten Auftraggebern mit individuellen AVBs sollte weiterhin eine anwaltliche Kurzprüfung stattfinden. Die KI-Vorprüfung macht diese effizienter, sie schafft eine Vorauswahl, die der Anwalt dann vertieft.

3. Der EU AI Act stuft Vertragsanalyse als hohes Risiko ein, wenn sie für wesentliche wirtschaftliche Entscheidungen eingesetzt wird. Ab 2026 müssen Unternehmen, die KI für derartige Zwecke einsetzen, nachweisen können, dass menschliche Aufsicht vorhanden war. Die Dokumentation, dass ein Mensch die KI-Ergebnisse bewertet hat, ist bereits heute gute Praxis.

4. Fehlalarme und Fehleinschätzungen kommen vor. Akademische Untersuchungen zeigen, dass allgemeine LLMs bei spezifischen Rechtsfragen einen erheblichen Anteil falscher oder unvollständiger Antworten produzieren, bei spezifischen Rechtsfragen zu US-Gerichtsurteilen fanden Forscher (Dahl et al., Journal of Legal Analysis, 2024) Halluzinationsraten von 58–88 %. Für deutsches Baurecht und VOB/B-Klauseln gilt dasselbe Prinzip: Ohne spezifisches Training und ohne Quellenprüfung ist jede KI-Ausgabe als Ausgangspunkt zu betrachten, nicht als Ergebnis.

Die sieben häufigsten Risikoklauseln im Check

Das sind die Klauselfelder, die in deutschen Bauverträgen am häufigsten zu nachträglichen Verlusten führen, und für die ein strukturierter Prompt explizit suchen sollte:

1. Behinderungsanzeigefrist, Abweichungen von § 6 Abs. 1 VOB/B (3 Werktage). Verträge mit 24-h-Fristen oder ohne Fristangabe sind riskant.

2. Vertragsstrafen und Pönalen, Höhe, Kumulierbarkeit, Auslösebedingungen. Gerade Tagespönalen in Verbindung mit frühen Terminmeilensteinen können eskalieren.

3. Haftungsdeckel und Haftungsausschlüsse, Einseitige Beschränkungen der Schadensersatzhaftung des Auftraggebers, besonders bei Planungsfehlern, die dem Auftragnehmer übergewälzt werden.

4. Zahlungsfristen und Skonto-/Abzugsklauseln, Verlängerte Zahlungsfristen über 30 Tage (§ 286 Abs. 3 BGB), einseitige Skontoabzüge außerhalb vereinbarter Bedingungen.

5. Nachunternehmerfreigabe, Zustimmungserfordernisse des Auftraggebers für jeden Subunternehmer, verbunden mit unklaren Fristen oder stillschweigender Verweigerung.

6. Mängelrechte und Gewährleistungsfristen, Verlängerungen über das VOB/B-Standard-Niveau (4 Jahre für Bauwerk) hinaus, besonders wenn sie mit Einbehaltsregelungen kombiniert sind.

7. Preisgleitklauseln oder deren Fehlen, Bei längeren Projekten (über 12 Monate): Wenn keine Preisgleitklausel vereinbart ist, trägt der Auftragnehmer das volle Materialpreisrisiko. Seit 2022 ist das für viele Unternehmen schmerzhaft gelernt worden.

Was es kostet, realistisch gerechnet

Einstieg mit ChatGPT oder Claude (eigener Prompt)

• Prompt-Entwicklung: einmalig 8–20 Stunden interner Aufwand (Kalkulator + ggf. Anwalt für Klauselkategorien)
• Laufende Kosten: 20–30 USD/Monat für einen Pro-/Plus-Zugang
• Gesamtjahr 1: ca. 1.500–3.000 Euro (inkl. interner Prompt-Entwicklungszeit)

Spezialisiertes Legal-AI-Tool (Legartis, ContractHero)

• Einrichtung und Konfiguration: 4–8 Wochen, ggf. externer Berater (1.000–5.000 Euro)
• Laufend: 300–600 €/Monat für kleine Teams (2–4 Nutzer)
• Gesamtjahr 1: 5.000–12.000 Euro

Was du dagegen rechnen kannst: Ein typischer Verlustauftrag durch übersehene Vertragsrisiken verursacht erfahrungsgemäß 30.000 bis 200.000 Euro direkten Schaden (entgangener Nachtrag, Schadensersatzforderungen, Vertragsstrafe). Bei 30 Angeboten pro Jahr und angenommener 5%-Verlustrate wäre das statistisch 1–2 Problemfälle pro Jahr, deren finanzielle Auswirkung durch eine strukturierte Vorprüfung erheblich reduziert werden kann.

Realistische Erwartung: Im ersten Jahr wird der Nutzen primär in Sicherheit, Qualität der Entscheidungen und Zeitersparnis spürbar. Der direkte finanzielle ROI wird messbar, wenn ein konkreter Fall eingetreten und dokumentiert ist, oder ausgeblieben ist, weil die KI die Klausel markiert hat.

Typische Einstiegsfehler

1. Einen generischen Prompt verwenden, der nicht VOB/B-spezifisch ist. Ein einfaches „Analysiere diesen Vertrag auf Risiken” liefert eine allgemeine Klausel-Übersicht, aber keine VOB/B-relevante Risikopriorisierung. Du brauchst einen Prompt, der explizit fragt: „Welche Klauseln weichen vom VOB/B-Standard ab? Welche sind für den Auftragnehmer nachteiliger als die gesetzliche Regelung?” Ohne diese Spezifikation markiert die KI Klauseln, die völlig unproblematisch sind, und übersieht branchenspezifische Fallen.

2. Die KI als finale Prüfinstanz behandeln, nicht als Startpunkt. Der häufigste Fehler nach der Einführung: Das KI-Ergebnis wird an den Kalkulator weitergeleitet, und wenn nichts markiert wurde, gilt der Vertrag als geprüft. Das ist falsch. Kein aktuelles KI-System hat eine Erkennungsrate von 100 % für alle relevanten Klauseltypen, schon gar nicht bei ungewöhnlich formulierten oder verschachtelten Klauseln. Der Prozess muss vorsehen, dass eine Person die KI-Ausgabe aktiv bewertet und unbekannte Klauselfelder zusätzlich prüft.

3. Den Prozess einrichten, aber die Prompt-Bibliothek nicht pflegen. Das ist der langsame Fehler: Das System wird konfiguriert, die ersten Ergebnisse sind gut, und dann passiert sechs Monate lang nichts. Inzwischen haben sich neue BGH-Urteile ergeben, der Auftraggeber hat seine AGB geändert, und neue Klauseltypen sind in Ausschreibungen aufgetaucht. Eine nicht aktuell gehaltene Prompt-Bibliothek gibt falsches Vertrauen. Mindestens halbjährlich sollte die Bibliothek mit dem aktuellen Stand von Rechtsprechung und Vertragsmarkt abgeglichen werden, entweder intern oder mit einem Baurechtsspezialisten.

Was mit der Einführung wirklich passiert, und was nicht

Die technische Einrichtung ist schnell erledigt, ein ChatGPT-Plus-Account, ein durchdachter Prompt, ein erstes Vertragspaket zum Testen. Das dauert einen Nachmittag.

Was länger dauert: die Akzeptanz im Team.

Kalkulatoren und Bauleiter, die seit 20 Jahren Verträge nach Erfahrung prüfen, werden das KI-Tool zunächst mit Skepsis betrachten. Die typischen Einwände klingen so: „Die kennt unsere Branche nicht”, „Das ist doch nur Standardtext”, „Den Vertrag hab ich schon dreimal gelesen, da ist nichts.” Diese Reaktionen sind nicht irrational, sie kommen aus echter Expertise.

Was wirkt: Zeigen, wo die KI etwas Konkretes gefunden hat, das dem erfahrenen Kalkulator entgangen wäre. Nicht in einer Schulung mit Beispieldokumenten, sondern bei einem echten aktuellen Angebot, bei dem das System eine Klausel markiert, die der Bauleiter für irrelevant hält, und die sich nach kurzer Diskussion als tatsächliches Risiko herausstellt.

Ein zweiter Widerstand kommt von der Geschäftsführung, die fragt: „Und wenn die KI etwas übersieht, wer haftet dann?” Die Antwort auf diese Frage muss vor dem Rollout feststehen, nicht danach. Die interne Prozessdokumentation muss klar machen: Die KI ist ein Hilfsmittel, die Entscheidungsverantwortung liegt beim Menschen.

Was konkret hilft:

• Mit einem Pilotprojekt starten, nicht mit der Einführung für alle Angebote gleichzeitig
• Den Kalkulator mit dem meisten Klausel-Know-how in die Prompt-Entwicklung einbeziehen, er wird zum Experten für das System
• Die erste gute Entdeckung dokumentieren und intern kommunizieren

Realistischer Zeitplan mit Risikohinweisen

Häufige Einwände, und was dahintersteckt

„Unsere Kalkulatoren prüfen die Verträge doch selbst.” Stimmt, aber unter welchen Bedingungen? Wenn 40 Seiten Besondere Vertragsbedingungen bis Montagmorgen gelesen werden müssen, ist der Prüfprozess ehrlich gesagt kein strukturierter Prozess. Die KI ergänzt die Erfahrung des Kalkulators, sie macht die Prüfung systematisch, auch wenn die Zeit fehlt. Wer sagt, der Kalkulator prüft ohnehin alles, sollte ehrlich fragen: Wie oft ist trotzdem etwas durchgerutscht?

„Die KI versteht das Baurecht nicht.” Teilweise richtig: Ein allgemeines LLM ohne spezifischen VOB/B-Prompt kennt das deutsche Baurecht nicht tiefer als ein juristischer Laie. Aber darum geht es nicht. Die KI soll nicht Recht sprechen, sie soll Klauseln extrahieren, die von einem definierten Standard abweichen. Das ist ein Textmustererkennungsproblem, nicht ein Rechtsproblem. Ein guter Prompt mit klaren Kategorien und Referenzklauseln löst das zu 80–90 %.

„Was ist, wenn die KI etwas Falsches markiert?” Ein Fehlalarm kostet 10 Minuten Prüfzeit. Eine übersehene Vertragsstrafe kostet 34.000 Euro. Diese Asymmetrie ist der entscheidende Punkt. Fehlalarme sind kein Systemversagen, sie sind ein akzeptabler Preis für das Sicherheitsnetz.

Woran du merkst, dass das zu dir passt

• Du hast mehr als 20 bis 30 Ausschreibungen pro Jahr und die Angebotsphase ist regelmäßig zeitkritisch, Vertragsunterlagen werden tatsächlich nicht vollständig gelesen
• Du hast in den letzten fünf Jahren mindestens einen Verlustauftrag gehabt, bei dem rückblickend eine Vertragsklausel der Ausgangspunkt war
• Dein Unternehmen arbeitet mit unterschiedlichen Auftraggebern, einige davon mit individuellen AVBs oder unbekannten Klauselstrukturen
• Du hast keinen eigenen Syndikusanwalt, aber fragst bei kritischen Projekten trotzdem gelegentlich einen Baurechtsspezialisten

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

1. Jahresumsatz unter ca. 2 Mio. Euro oder weniger als 15–20 Ausschreibungen pro Jahr. Der Aufwand für Prompt-Entwicklung und Prozesseinrichtung amortisiert sich bei wenigen Angeboten nicht. Für diesen Fall reicht eine gute Klausel-Checkliste, die manuell durchgearbeitet wird, kombiniert mit einer einmaligen Anwaltsstunde, die die kritischsten Felder definiert.

2. Kein standardisierter Angebotsprozess, bei dem Vertragsunterlagen systematisch gesammelt und digital vorliegen. Die KI braucht die Dokumente als Text, wer mit gedruckten Ausschreibungen oder schlecht gescannten PDFs ohne OCR arbeitet, muss erst die Dokumenteninfrastruktur aufräumen, bevor KI-Analyse Sinn ergibt.

3. Nur Rahmenverträge mit bekannten Standardformularen ohne individuelle Klauseln. Wenn dein Unternehmen ausschließlich mit einem Auftraggeber arbeitet, dessen Vertrag sich seit Jahren nicht verändert hat, und du diesen Vertrag bereits auswendig kennst: Der Mehrwert einer KI-Analyse ist gering. Die KI entfaltet ihren Nutzen bei Varianz, verschiedene Auftraggeber, verschiedene Klauselstrukturen, unbekannte Vertragswerke.

Das kannst du heute noch tun

Öffne ChatGPT (Plus-Zugang) oder Claude und lade die Besonderen Vertragsbedingungen einer aktuellen oder kürzlich abgeschlossenen Ausschreibung hoch. Nutze den Prompt unten als Startpunkt. Schau, was das System markiert, und vergleiche es mit deiner eigenen Einschätzung des Vertrags.

Das dauert 20 Minuten. Was du danach weißt: ob der strukturierte Ansatz für eure Vertragstypen funktioniert, und wo der Prompt noch schärfer formuliert werden muss.

Quellen & Methodik

• Laine et al. (2024): „Can ChatGPT exceed humans in construction project risk management?”, Emerald Publishing / Engineering, Construction and Architectural Management, Vol. 31, Nr. 13, Vergleich ChatGPT-4 mit 16 erfahrenen Risikomanagern in finnischen Bauunternehmen; ChatGPT überlegen in Breite, unterlegen in Praxistiefe und Spezifität.
• Kehinde et al. (2023): „Assessing the Accuracy of ChatGPT Use for Risk Management in Construction Projects”, MDPI Sustainability, Vol. 15, Nr. 22, Nachweis systematischer Lücken bei kontextspezifischen Baurisiken in allgemeinen LLM-Antworten.
• Dahl et al. (2024): „Large Legal Fictions: Profiling Legal Hallucinations in Large Language Models”, Journal of Legal Analysis, Oxford, Halluzinationsraten von 58–88 % bei allgemeinen LLMs zu spezifischen Rechtsfragen; Konsequenz für baurechtsnahe Anwendungen.
• Brandenburgische Ingenieurkammer (2024): „VOB/B, Ein bewährtes Regelwerk mit Tücken: Was Ingenieure wissen müssen”, Überblick über die häufigsten Klauselrisiken für Auftragnehmer nach der BGB-Baurechtsreform 2018.
• Provision AI (2025): „Risk Review, AI Contract & Spec Review for Construction”, Anbieterangabe 80 % Zeitreduktion bei Vertragsanalyse, 99,5 % Erkennungsrate mit Quellenangaben (Herstellerangabe, unabhängig nicht verifiziert).
• Hauptverband der Deutschen Bauindustrie: Bauwirtschaft im Zahlenbild 2023, Brancheneckdaten; 79 % der Bauunternehmen 2023 mit erhöhter Risikowahrnehmung (DIHK-Konjunkturumfrage).
• Klauselkategorien und Prüfansatz: Erfahrungswerte aus Baurechtspraxis und Angebotsprüfungen nach VOB/B; keine repräsentative Studie, aber konsistente Befunde aus Praxisberichten.

Du willst wissen, ob der Ansatz für eure Ausschreibungsstruktur funktioniert, und welche Klauselkategorien für eure typischen Auftraggeber am kritischsten sind? Meld dich, das klären wir in einem kurzen Gespräch.