Ein Blick darauf, was Künstliche Intelligenz im öffentlichen Beschaffungswesen tatsächlich leistet und wo sie noch Defizite aufweist.
Arthur C. Clarke schrieb einst, dass jede hinreichend fortgeschrittene Technologie von Magie nicht zu unterscheiden ist. Er hatte recht. Und er beschrieb damit genau das Problem, wie die meisten Unternehmen heute an KI herangehen.
Der europäische Markt für das öffentliche Beschaffungswesen bildet da keine Ausnahme. Alle reden über KI. Weniger Menschen sind ehrlich darüber, was sie kann und was nicht. Bei Hermix integrieren wir KI seit dem ersten Tag in unsere Plattform und nutzen sie, um Unternehmen wie Capgemini, Accenture, Unisys, Fujitsu, Indra und Dutzenden anderen zu helfen, öffentliche Aufträge zu gewinnen. Wir haben viel darüber gelernt, wo KI echten Mehrwert bietet, wo sie Schwierigkeiten hat und wie man diese Lücke schließt.
Das Problem, das KI tatsächlich löst
Der Vertrieb im öffentlichen Sektor ist kostspielig. Auftragnehmer wenden 2–6% des Auftragswerts für Vertrieb und Angebotserstellung auf. Presales-Manager verwenden bis zu 50% ihrer Zeit darauf, Ausschreibungen zu finden, zu lesen und zu prüfen. Angebote werden nach wie vor größtenteils von Hand verfasst. Und irgendwo inmitten all dieser manuellen Arbeit werden gute Chancen verpasst und schlechte verfolgt.
Der Markt ist außerdem fragmentiert. Relevante Ausschreibungen sind über Hunderte von Portalen in ganz Europa verteilt. Sie zu finden dauert Stunden. Das Lesen der Spezifikationen dauert weitere Stunden. Die kommerzielle Qualifizierung der Chance, die Frage, wer ähnliche Aufträge zuvor gewonnen hat, wie die Budgets aussehen und wer die Konkurrenz ist, kann Tage dauern.
Das ist das Problem, das KI löst. Keine Magie. Kompression von Aufwand.
Wofür wir bei Hermix KI tatsächlich nutzen
Es gibt viel vages Gerede über “KI-gestützte” Plattformen. Wir ziehen es vor, konkret zu sein.
KI und maschinelles Lernen Verarbeitung von Datenqualität, Bereinigung, Interpretation, Scoring und Empfehlungen. Öffentliche Beschaffungsdaten sind unübersichtlich. Firmennamen treten in Dutzenden von Varianten über verschiedene Portale hinweg auf. Vergabestellen sind doppelt vorhanden, falsch klassifiziert oder inkonsistent getaggt. ML-Modelle bereinigen und normalisieren dies im großen Maßstab automatisch, sodass Sie bei der Suche nach einem Käufer- oder Auftragnehmerprofil akkurate, konsolidierte Daten anstelle eines fragmentierten Durcheinanders vor sich haben.
GPT-Modelle Analyse von Ausschreibungsunterlagen, Extrahierung technischer Anforderungen und Unterstützung bei der Konformitätsprüfung. Wenn ein Ausschreibungsdokument 200 oder 300 Seiten umfasst, kann eine GPT-gestützte Zusammenfassung in wenigen Minuten ein strukturiertes, einseitiges Briefing erstellen, das Ziele, Budget, Zuschlagskriterien, geforderte Experten und Teilnahmebedingungen abdeckt. Unsere Nutzer können jede Ausschreibung auf der Plattform öffnen, auf die Registerkarte „Zusammenfassung“ klicken und eine strukturierte Analyse lesen, ohne das Originaldokument berühren zu müssen.
KI-Chat geht noch weiter. Anstatt eine feste Zusammenfassung zu lesen, können Benutzer ihre eigenen Fragen direkt zum Ausschreibungsdokument stellen. Welche Experten werden benötigt? Wie hoch ist die Mindestumsatzanforderung? Wie viele Lebensläufe müssen im technischen Angebot eingereicht werden? Die Antworten kommen innerhalb von Sekunden zurück, stammen aus dem eigentlichen Dokument, sind zitiert und nachvollziehbar.
SearchGPT stärkt unsere Autorität und den Aufbau von Auftragnehmerprofilen. Anstatt Informationen über einen Käufer manuell zusammenzustellen, durchsucht, bereinigt und strukturiert SearchGPT öffentlich zugängliche Informationen über Käufer und Auftragnehmer und kombiniert diese mit unserer eigenen Beschaffungsdatenbank, um tiefgehende Profile zu erstellen. Für eine Ausschreibung von Frontex können Benutzer beispielsweise sofort 241 offene Ausschreibungen im Wert von 3,2 Milliarden Euro, 659 vergebene Aufträge im Wert von 5,6 Milliarden Euro, die bevorzugten Hauptlieferanten und 11 Kontaktstellen auf einen Blick sehen.
GraphRAG und tiefes Schließen Bewältigen Sie das schwierigere Problem großer, komplexer Dokumente und Analyseketten, die Zwischenschritte beim Schließen von Schlussfolgerungen erfordern. Standard-GPT-Modelle tun sich schwer mit sehr langen Dokumenten und mehrstufigen Schlussfolgerungen. GraphRAG begegnet diesem Problem, indem es Beziehungen zwischen Entitäten in einem Dokument versteht und nicht nur den Oberflächentext. Deep Reasoning generiert Zwischenartefakte und mehrere Antwortpfade, bevor es zu einer Schlussfolgerung gelangt. Diese Techniken ermöglichen es Hermix, Rahmenverträge, Losstrukturen und Konsortialanforderungen präzise zu analysieren.
KI-Klassifizierer Analysieren und Kategorisieren von Klärungsfragen aus Beschaffungsportalen, um Benutzern zu helfen, die Fragesituation rund um aktive Ausschreibungen zu verfolgen und zu verstehen.
Was gut funktioniert und was nicht
Dies ist der Teil, den die meisten KI-Anbieter auslassen. Wir werden das nicht tun.
KI erledigt bestimmte Aufgaben mit hoher Zuverlässigkeit. Korrektur von Grammatik, Rechtschreibung und Stil. Zusammenfassung und Extraktion strukturierter Inhalte aus Dokumenten. Übersetzung zwischen europäischen Sprachen. Überprüfung der Einhaltung festgelegter Anforderungen. Klassifizierung und Tagging von Inhalten in großem Umfang. Bei diesen Aufgaben liegt die Genauigkeit unserer Systeme bei 98–99%.
KI hat bei anderen Aufgaben Schwierigkeiten, und es ist wichtig, dies offen anzusprechen. Das Generieren origineller Ideen ist etwas, das aktuelle Modelle nicht gut können. Sie kombinieren bestehende Muster neu, sie erfinden nichts. Das Verstehen emotionaler Kontexte, kultureller Subtexte oder der ungesagten Dynamiken in einer Kundenbeziehung übersteigt die heutigen Fähigkeiten. Unbeaufsichtigte KI, die ohne menschliche Überprüfung läuft, liefert unzuverlässige Ergebnisse in einem Ausmaß, das bei einem Ausschreibungsverfahren inzeptabel wäre.
Es gibt auch technische Einschränkungen, die speziell die Beschaffung betreffen. Sehr große Dokumente mit dichtem rechtlichen und technischen Inhalt bringen Kontextfenster an ihre Grenzen. Einige weniger verbreitete europäische Sprachen verfügen über weniger Trainingsdaten und liefern weniger zuverlässige Ergebnisse. Gescannte oder verschlüsselte Dokumente, die vor der Analyse eine OCR erfordern, führen zu zusätzlichen Fehlerquoten. Die Erklärbarkeit, also die Möglichkeit, genau nachzuvollziehen, warum eine KI ein bestimmtes Ergebnis erzielt hat, bleibt eine Herausforderung, was in regulierten Beschaffungsumgebungen von Bedeutung ist.
Das ehrliche Fazit: KI ist ein Werkzeug. Ein mächtiges, wenn sie richtig eingesetzt wird. Ein Risiko, wenn sie als Blackbox behandelt wird.
Die Adoptionshürden, über die niemand spricht
Über die Leistungsfähigkeit hinaus gibt es praktische Hürden für den Einsatz von KI im Einkauf, die Aufmerksamkeit verdienen.
Sicherheits- und Datenschutzbedenken sind real. Ausschreibungsunterlagen können geschäftssensible Informationen enthalten. Die Vorschriften zum Umgang mit Daten im öffentlichen Beschaffungswesen sind streng und variieren je nach Jurisdiktion. Jedes in diesem Kontext verwendete KI-Tool muss anhand dieser Anforderungen bewertet werden, anstatt seine Konformität einfach voraususzusetzen.
Die Kosten für die anfängliche Einrichtung und Integration werden oft unterschätzt. Eine Plattform, die KI sinnvoll nutzt, hat erheblich in Datenpipelines, Modellauswahl, Feinabstimmung und Qualitätskontrolle investiert. Diese Investition ist in das Produkt integriert. Sie von Grund auf im eigenen Haus zu entwickeln, ist teuer und langwierig.
Widerstände der Anwender und Kompetenzlücken sind beträchtlich. KI-Werkzeuge erfordern Prompt-Engineering-Fähigkeiten, um effektiv genutzt zu werden, und Teams, die jahrelang mit Excel und manuellen Rechercheprozessen gearbeitet haben, passen sich nicht automatisch an. Das Änderungsmanagement ist ebenso wichtig wie die Technologie.
Die Frage, die es wert ist, gestellt zu werden
Hier ist das Szenario, das uns am meisten beschäftigt, und es lohnt sich, es offen anzusprechen: KI ist jetzt in der Lage, Beschaffungsdokumente zu schreiben. KI ist in der Lage, Angebote als Reaktion auf diese Dokumente zu schreiben. KI ist in der Lage, diese Angebote zu bewerten.
Wenn alle drei gleichzeitig passieren, was messen wir eigentlich? Die Qualität des zugrundeliegenden Angebots oder die Raffinesse der KI, mit der es generiert wurde?
Bei Standardgütern und -dienstleistungen mag die preisbasierte Bewertung unabhängig vom KI-Einsatz dominant bleiben. Bei komplexen, kreativen oder strategischen Projekten ist diese Dynamik anders. Das menschliche Urteilsvermögen, die originelle Architektur, die Einsicht in das, was ein Käufer tatsächlich braucht, über das hinaus, was er in die Spezifikation geschrieben hat, bleiben genuin menschliche Beiträge, die KI nicht replizieren kann.
Die Unternehmen, die im öffentlichen Sektor kontinuierlich gewinnen, lagern ihr Denken nicht an KI aus. Sie nutzen KI, um den Aufwand für die Findung von Möglichkeiten, das Verständnis der Käufer, die kommerzielle Qualifizierung und die Dokumentenverwaltung zu reduzieren. Das strategische Urteilsvermögen bleibt bei ihnen.
Was das in der Praxis bedeutet
Bei Hermix unterstützen unsere KI-Tools vier Phasen des Beschaffungsprozesses: Markterkundung, Qualifizierung, Strategie und Angebotsorchestrierung.
Discovery bedeutet, die richtigen Ausschreibungen schneller zu finden – über TED, BOSA, Doffin, Deutschland, die Niederlande, Rumänien und EU-Institutionen-Portale hinweg, mit automatisierten Benachrichtigungen und Verlängerungsprognosen, damit Nutzer nie wieder eine relevante Chance verpassen.
Qualifizierung bedeutet, eine Chance kommerziell zu verstehen, bevor man Ressourcen für sie aufwendet. Wer hat ähnliche Aufträge gewonnen? Was haben diese Aufträge eingebracht? Wie sieht die Historie und das Ausgabeverhalten des Käufers aus? Wie stellt sich die Wettbewerbslandschaft dar? Unsere Plattform beantwortet diese Fragen in wenigen Minuten aus einer Datenbank mit über 250.000 Behörden.
Strategie bedeutet Marktintelligenz: Käuferprofile, Partneranalysen, Wettbewerbsdiagramme, Daten zu den EU-Ausgaben. Zu verstehen, wo das Geld ist und wer die Hauptakteure sind, bevor Sie entscheiden, wo Sie Ihre Anstrengungen im Bereich der Geschäftsentwicklung investieren.
Bid Orchestration bedeutet KI-Zusammenfassungen, KI-Chat, Dokumentenanalyse und Compliance-Prüfungen, um den manuellen Aufwand des eigentlichen Angebotsprozesses zu reduzieren.
Das Ergebnis, das auf Fallstudien mit unseren Anwendern basiert, ist eine Reduzierung des Zeitaufwands für Marktforschung um 87%, eine Reduzierung des Zeitaufwands für die Ausschreibungsanalyse um 75% und eine Reduzierung des Zeitaufwands für die Angebotserstellung um 60%. Ein vierköpfiges Team erzielt die Leistung von sechs Mitarbeitern.
Das ist keine Magie. So sieht gut implementierte KI in einem komplexen B2G-Umfeld tatsächlich aus.
Hermix hilft Unternehmen, öffentliche Aufträge durch KI-gestützte Ausschreibungsüberwachung, Marktanalysen und Angebotsanalysen zu gewinnen. Genutzt von Capgemini, Accenture, Unisys, Fujitsu, Indra, Microsoft und über 50 weiteren Unternehmen in ganz Europa. Erstellen Sie Ihr kostenloses Konto unter dev.pqb.ro/hermix/sign-up
