KI und Regelwerke in der Vergabe: Was Software heute prüfen kann und wo Risiken bleiben

Digitale Vergabeprozesse haben sich in vielen Bauorganisationen etabliert. Wo entstehen aber die teuersten Probleme? An den banalsten Stellen, an widersprüchlichen Positionen im Leistungsverzeichnis, an fehlenden Mengen, unklaren Leistungsgrenzen, am Versionenchaos zwischen AVA, Kalkulation und Vergabeakte.
KI Funktionen können entlasten – dort, wo Daten, Regeln und Verantwortlichkeiten sauber definiert sind. Ansonsten produziert Automatisierung neue Fehlerquellen und das nur schneller.

Welche Prüfungen sich heute gut automatisieren lassen

Die meisten Fehler in Ausschreibungen sind keine „Bauchgefühl“-Probleme, sondern Konsistenzprobleme. Genau hier sind regelbasierte Prüfungen stark. Ein System kann prüfen, ob Pflichtfelder gefüllt sind, ob Einheiten zur Position passen, ob Mengen fehlen, ob die LV Struktur logisch ist. Es kann Dubletten markieren, wenn nahezu identische Positionen mehrfach vorkommen oder wenn Textbausteine nicht zur Positionstypik passen.

Plausibilitätsprüfungen sind hier ebenfalls möglich. Im Fall etwaiger Vorleistungen lassen sich Ausreißer identifizieren: etwa ungewöhnlich hohe Preisstreuungen zwischen Bietern, einzelne Positionen mit auffälligem Verhalten oder Positionen, die regelmäßig Nebenangebote nach sich ziehen. Das ersetzt keine Fachwertung, vermindert aber die Wahrscheinlichkeit, daß ein klarer Ausreißer übersehen wird.

In der Prozesskette hilft oft eine eigene Toolunterstützung, die Ausschreibung, Prüfung, Dokumentation in einem Fluss zusammenführt. Häufig wird im Zusammenhang mit diesem Thema nach Software für Ausschreibungen im Bau gesucht, weil sich damit Prüfmechanik, Versionierung, Vergabeakte konsistent abbilden lassen.

KI versus Regeln: Wo der Unterschied praktisch von Bedeutung ist

Es rentiert sich, KI nicht gegen Regeln, sondern als Ergänzung zu sehen für Fälle, in denen Regeln an ihre Grenzen kommen. Regeln sind unbestreitbar dann ideal, wenn Anforderungen eindeutig formulierbar sind. Dazu zählen Pflichtnachweise, formale Fristenlogik, definierte Datenfelder, Prüfpfade, Standardprüfungen im LV.

KI Ansätze sind vor allem bei unstrukturierten Informationen hilfreich. Beispielhafte Anwendungsfelder sind lange Leistungsbeschreibungen, Bieterfragen, Nachforderungen, Nebenangebote oder Freitexte. KI kann Vergleiche ziehen. Sie erkennt, wenn zwei Positionen inhaltlich gleich, aber unterschiedlich formuliert sind. Sie kann Hinweise geben, ob Texte eher vage bleiben, oder ob sie Risiken signalisieren, etwa durch unklare Abgrenzungen, fehlende Mengenbezüge, oder durch sich widersprechende Anforderungen.
Wesentlich ist die Trennung zwischen Hinweis und Entscheidung. KI kann markieren, was auffällig ist. Die Entscheidung, was damit geschehen soll, muss dokumentiert und nachvollziehbar sein. Ansonsten wird aus „Hilfe“ ein Compliance Risiko.

Dokumentation und Nachprüfbarkeit: Warum Audit-Trails wichtiger sind als schicke Features

Vergabe lebt von Nachvollziehbarkeit. Das gilt nicht nur für den Zuschlag, das gilt für den gesamten Weg dorthin: Welche Version des Leistungsverzeichnisses war wann gültig, wer hat was geändert, welche Klarstellungen wurden kommuniziert, welche Warnungen hat das System signalisiert, welche wurden überstimmt, warum?

Ohne saubere Protokollierung wird Automatisierung gefährlich, nicht weil sie „falsch“ ist, sondern weil sie nicht beweisbar ist. Wenn ein System etwas auffällig findet, muss nachvollziehbar sein, auf welcher Datenbasis das geschah, welches Kriterium da zugrunde lag und was die Alternative gewesen wäre. Sonst gibt es Angriffspunkte, etwa durch den Vorwurf, Entscheidungen nicht gleichbehandelt oder nicht transparent zustande gebracht zu haben.

Praktisch heißt das: Jede automatisierte Prüfung muss eine klare Ausgabe haben. Was wurde geprüft? Was wurde gefunden? Welche Schwelle hat ausgelöst? Welche Handlung ist vorgesehen? Und wer entscheidet letztlich?

Die realen Grenzen: Datenqualität, Schnittstellen, Zuständigkeiten

Die häufigste Ursache für scheiternde Automatisierung ist die Datenqualität. Wenn ein LV aus unsauber importierten Dokumenten, uneinheitlichen Einheiten oder Freitext besteht, kann Software nur sehr bedingt verlässlich prüfen. Der zweite typische Bremsklotz sind die Schnittstellen. Wenn AVA, ERP, DMS, Vergabeplattform unterschiedliche Datenmodelle haben, entstehen Medienbrüche, doppelte Pflege und Versionskonflikte. Der dritte Punkt ist die Verantwortlichkeit. Vereinfachung und Automatisierung verschieben Arbeit; sie nehmen sie nicht weg. Jemand muss die Regeln festlegen, Schwellenwerte definieren, Ausnahmen protokollieren, Rechte vergeben, die Datenbasis pflegen. Ohne klare Ownership wandert die Arbeit in die Schattenprozesse. Dann gibt es daneben noch die Excel-Liste, das lokale PDF, und die Abstimmung am Küchentisch, die am Ende niemand mehr sauber nachvollziehen kann.

Ein verbreiteter Denkfehler ist, zu glauben, dass „KI“ schlechte Prozesse heil macht. Vielmehr ist das Gegenteil der Fall. KI macht gute Prozesse schneller, aber dafür auch schlechte Prozesse chaotischer.

Einführungen, die in der Praxis tragen

Pragmatische Einstiege beginnen nicht mit dem großen KI Projekt, sondern mit dem Fehlerkatalog. Welche LV Probleme treten häufig auf, welche führen zu Nachträgen, welche zu Bieterfragen, welche zu formalen Rügen? Daraus lassen sich dann prüfbare und priorisierte Prüfregeln ableiten, die schnell Wirkung zeigen.

Parallel dazu sollte ein Mindestdatensatz definiert werden, der in jeder Ausschreibung vorhanden ist. Welche Mindestdaten müssen da drin sein? Klare Positionsstruktur, Einheit, Menge, Langtext, Zuordnung. Diese Vorgaben sind weniger „IT“ und mehr Betriebsdisziplin, aber ohne sie sind später alle Auswertungen angreifbar.

Wenn die Basis mal stehen sollte, dann macht KI dort Sinn, wo sie echten Mehrwert bringt. Textähnlichkeiten, Clustering von Rückfragen, Markieren unklarer Leistungsabgrenzungen, das sind alles tolle Anwendungsfelder. Aber jede KI Funktion muss dann auch mit Freigabelogik gekoppelt sein. Das System schlägt vor, Menschen entscheiden und dokumentieren.

Am Ende kommt nicht darauf an, ob wir jetzt „KI“ eingeführt haben, sondern darauf, ob wir messbare Effekte haben: weniger Rückfragen, weniger formale Fehler, weniger Versionskonflikte, eine Vergabeakte, die nach Wochen und Monaten noch nachvollziehbar ist.