Wir verwenden Cookies 🍪

    Wir nutzen Cookies, um Ihre Erfahrung auf unserer Website zu verbessern. Sie können selbst entscheiden, welche Cookies Sie zulassen möchten. Mehr erfahren

    AusschreibungenAutomatisierungKI

    Ausschreibungen automatisch analysieren: So filtert KI relevante Aufträge

    Öffentliche Ausschreibungen manuell durchzuarbeiten kostet Tage. Eine KI-Pipeline erledigt das in Minuten — von der Suche über die Bewertung bis zur vorbereiteten Bewerbung.

    7. April 20267 Min. Lesezeit

    Öffentliche Ausschreibungen sind ein Milliardenmarkt — allein über TED werden jährlich Aufträge im Wert von über 700 Milliarden Euro veröffentlicht. Für viele Unternehmen sind sie eine wichtige Umsatzquelle. Aber der Zugang zu diesem Markt ist überraschend mühsam.

    Sechs verschiedene Portale. Hunderte neue Ausschreibungen pro Woche. PDFs mit 80 Seiten Vergabeunterlagen. Und am Ende die Frage: Lohnt sich der Aufwand für diese eine Ausschreibung? Die meisten Unternehmen beantworten diese Frage mit einer Mischung aus Erfahrung und Bauchgefühl.

    Wir haben eine Pipeline gebaut, die diese Frage in 15 Minuten beantwortet — datenbasiert, nachvollziehbar und lernfähig. In diesem Beitrag zeigen wir, wie das System funktioniert und welche Ergebnisse es in der Praxis liefert.

    Infografik: Automatisierte Ausschreibungsanalyse — 6 Quellen, Filter, KI-Scoring, Deep Dive, Bewerbung

    Das Problem: Ausschreibungen finden ist Handarbeit

    6+ Portale manuell durchsuchen — TED, Bund, Länder, Spezialbörsen

    Hunderte Treffer pro Woche, die meisten irrelevant

    Keine systematische Go/No-Go-Bewertung — Bauchgefühl statt Daten

    Gute Ausschreibungen werden übersehen, Fristen verpasst

    Die Lösung: Eine KI-Pipeline, die alles automatisiert

    Das System durchsucht 6 Quellen parallel, filtert mit 87 Keywords, bewertet per KI-Scoring und bereitet die vielversprechendsten Ausschreibungen automatisch zur Bewerbung vor. Alles nachvollziehbar in Notion dokumentiert.

    Was macht das KI-Scoring besonders?

    Das Herzstück der Pipeline ist die KI-Bewertung. Statt starrer Regeln nutzt das System eine mehrschichtige Analyse: Passt die Ausschreibung zu unserer Branchenerfahrung? Ist das Budget realistisch? Können wir die geforderten Referenzen liefern? Passt der Zeitrahmen zu unserer aktuellen Auslastung?

    Jede Ausschreibung bekommt eine Gesamtbewertung und eine klare Empfehlung: GO (sofort bearbeiten), REVIEW (manuell prüfen) oder NO_GO (überspringen). Die GO- und REVIEW-Kandidaten landen automatisch in Notion, die NO_GOs werden protokolliert, damit das System aus jeder Entscheidung lernt.

    Das Entscheidende: Die Scoring-Kriterien entwickeln sich weiter. Jede manuelle Korrektur fließt in die Lernhistorie ein. Nach einigen Wochen trifft das System bessere Entscheidungen als die meisten manuellen Bewertungen.

    Pipeline-Architektur

    Von der Ausschreibung zur Bewerbung — automatisch.

    6 Quellen werden parallel durchsucht, gefiltert, bewertet und die besten Kandidaten automatisch aufbereitet.

    RohdatenKandidatenTOP NErgebnis6 QuellenTED · RSS · PortaleVorfilter87 KeywordsDeduplizierungFuzzy MatchingKI-ScoringGO / REVIEW / NO_GODeep DiveDokumente · AnalyseBewerbungAuto-FormulareNotion DBTracking

    So funktioniert's — in 4 Schritten

    01

    Quellen durchsuchen

    6 Plattformen werden parallel abgefragt — TED, Bundes- und Landesportale, IT-Spezialbörsen. PDFs und XMLs werden automatisch heruntergeladen und ausgelesen.

    02

    Filtern und bewerten

    87 positive und 8 negative Keywords filtern Rauschen. Die KI bewertet jeden Kandidaten anhand von Branchen-Fit, Budget und Machbarkeit.

    03

    Deep Dive für Top-Kandidaten

    Die besten Treffer werden tiefgehend analysiert: Eignungskriterien, Zuschlagskriterien, benötigte Unterlagen und Risikobewertung.

    04

    Bewerbung vorbereiten

    Formulare werden automatisch vorausgefüllt, Dokumente in Google Drive organisiert und Action Items in Notion erstellt.

    Aus der Praxis: Ein typischer Durchlauf

    Montagmorgen startet der Full-Cycle-Lauf. 6 Quellen werden parallel abgefragt — TED für EU-weite Großaufträge, service.bund.de für Bundes- und Kommunalausschreibungen, it-ausschreibung.de für IT-spezifische Projekte. PDFs werden heruntergeladen und in durchsuchbaren Text konvertiert.

    Aus 200+ Rohergebnissen filtert die Pipeline typischerweise 15-25 relevante Kandidaten. Die Top 5 bekommen einen Deep Dive: Eignungskriterien werden geprüft, Zuschlagskriterien analysiert und — wo möglich — Bewerbungsformulare automatisch vorbefüllt. Die Ergebnisse landen strukturiert in Notion, mit allen Dokumenten in Google Drive.

    Der Vertriebsleiter sieht Dienstagmorgen eine kuratierte Liste mit Empfehlungen, Bewertungen und vorbereiteten Unterlagen. Statt drei Tage Recherche — 15 Minuten automatisierte Analyse.

    Ergebnisse in der Praxis

    0
    Quellen
    parallel durchsucht
    0
    Filter-Keywords
    für präzise Treffer
    0x
    schnellere Bewertung
    als manuelle Recherche
    0min
    Full-Cycle
    für Top-5-Analyse

    Für wen ist das relevant?

    Vertriebsleiter, die öffentliche Aufträge systematisch akquirieren

    Bid Manager, die Ausschreibungsvolumen effizient bewältigen müssen

    IT-Dienstleister, die regelmäßig auf Ausschreibungen bieten

    Beratungsunternehmen mit Fokus auf öffentliche Auftraggeber

    Technologie-Stack

    SprachePython 3.11FrameworkPydanticFrameworkPlaywrightKIClaude AIInfrastrukturSQLiteInfrastrukturNotion APIInfrastrukturGoogle Drive

    Ausschreibungen systematisch gewinnen?

    Wir richten die Pipeline in 2-3 Wochen für Ihr Unternehmen ein — mit Ihren Kriterien, Ihren Portalen, Ihrem Scoring.

    Gespräch vereinbaren

    Häufige Fragen zur Ausschreibungsanalyse