Ausschreibungsrecherche automatisieren: Warum KI bei der Suche hilft - die Entscheidung aber beim Menschen bleibt

Gastbeitrag von Löwenstark Online Marketing GmbH

Ausschreibungen, Marktinformationen oder potenzielle Geschäftschancen zu recherchieren, gehört in vielen Unternehmen zum Arbeitsalltag. Gleichzeitig verbringen Mitarbeitende einen erheblichen Teil ihrer Zeit damit, Informationen aus unterschiedlichen Quellen zusammenzutragen, zu prüfen und nach Relevanz zu sortieren. Gerade bei wiederkehrenden Rechercheaufgaben bietet KI-gestützte Automatisierung die Möglichkeit, diese Arbeit deutlich effizienter zu gestalten.

Dabei geht es jedoch nicht darum, Entscheidungen vollständig an Systeme abzugeben. Besonders bei geschäftlich relevanten Prozessen bleibt der Mensch unverzichtbar. Der sinnvollere Ansatz ist deshalb, repetitive Recherche und Vorqualifizierung zu automatisieren und die eigentliche Bewertung dort beim Menschen zu belassen, wo Erfahrung und Kontext gefragt sind.

Bild: Löwenstark Online Marketing GmbH (KI-generiert)

Wenn Recherche zum Zeitfresser wird

Viele Rechercheprozesse folgen jeden Tag demselben Muster: Quellen öffnen, neue Informationen suchen, Ergebnisse vergleichen, relevante Fälle markieren und weitergeben. Das Problem liegt in der Summe der wiederkehrenden Arbeit. Je mehr Quellen berücksichtigt werden müssen, desto größer wird der Aufwand.

Genau hier kann Automatisierung ansetzen. Ein System kann definierte Quellen regelmäßig überprüfen, neue Informationen erfassen und anhand vorher festgelegter Kriterien vorqualifizieren. Aus einer zeitintensiven Suche wird so zunehmend eine Prüf- und Entscheidungsaufgabe.

Der Denkfehler: Ein Crawler reicht nicht

Viele Automatisierungsprojekte scheitern an der Annahme, man müsse lediglich einen Web-Crawler bauen, der verschiedene Portale durchgeht. Die Praxis zeigt jedoch: Ein einheitlicher Crawler produziert bei komplexen Quellen oft unbrauchbare Daten.

Werden beispielsweise vier Vergabe- und Bekanntmachungsportale mit deutlich unterschiedlicher technischer Struktur ausgewertet, zieht ein simpler Crawler bei einem Portal oft nur einen generischen Seitentitel statt des eigentlichen Ausschreibungstitels. Bei einem anderen unterscheidet er nicht zuverlässig zwischen dem eigentlichen Auftraggeber und sonstigen beteiligten Stellen.

Wer Datenqualität will, muss akzeptieren, dass unterschiedliche Portale völlig unterschiedliche Datenlogiken besitzen. Deshalb muss jede Quelle spezifisch ausgewertet werden. Das ist der unspektakuläre Teil der Automatisierung, der aber über die Nutzbarkeit der Daten entscheidet.

Automatisierung braucht klare Regeln

Der größte Aufwand bei der Automatisierung liegt nicht im Sammeln der Daten, sondern in der Übersetzung des Bauchgefühls ("Das passt zu uns") in überprüfbare, harte Kriterien. Damit ein System vorqualifizieren kann, braucht es klare Regeln.

In der Praxis hat sich ein zweistufiges Modell bewährt:

• Harte Ausschlusskriterien: Bevor eine inhaltliche Bewertung stattfindet, wird grob gefiltert. Das können geografische Vorgaben, Mindestvorlaufzeiten bis zur Abgabefrist oder zwingend erforderliche Zertifizierungen sein. Passen diese nicht, führt das zum sofortigen Ausschluss.
• Score-Modell für die inhaltliche Bewertung: Die verbleibenden Datensätze werden anhand des eigenen Leistungsprofils bewertet. Ein Punktesystem hilft dabei, die Ausschreibungen von "sehr relevant" bis "wenig relevant" einzuordnen.

Nur Fälle, die einen bestimmten Schwellenwert erreichen, werden überhaupt an das zuständige Team übergeben - idealerweise angereichert mit einer Kurzzusammenfassung und sachlichen Anforderungsstichpunkten.

Praxisbeispiel: Ausschreibungen automatisch vorqualifizieren

Bei Löwenstark wurde hierfür ein Ausschreibungsassistent aufgebaut, der die wiederkehrende Recherche und Vorqualifizierung unterstützt. Die Recherche läuft seit März 2026 produktiv über mehrere Vergabe- und Bekanntmachungsportale hinweg und übernimmt einen Teil der täglichen Sichtungsarbeit. Dabei werden relevante Ausschreibungen automatisiert erfasst und anhand definierter Kriterien vorqualifiziert. Statt sämtliche gefundenen Ausschreibungen manuell zu prüfen, erhält die zuständige Abteilung eine strukturierte Auswahl der Fälle, die grundsätzlich zum Leistungsprofil passen.

Zum Stichtag 17. August 2026 umfasste der Datenbestand 311 Ausschreibungen aus einer Laufzeit von rund fünf Monaten. Davon waren 185 als hoch relevant eingestuft.

Die Zahlen zeigen vor allem eines: Ein großer Teil der täglichen Recherche lässt sich bereits vor der eigentlichen fachlichen Prüfung systematisieren. Gelingt dies, kippt der Aufwand von Stunden täglicher Sichtung auf wenige Minuten.

Dabei ist der Prozess bewusst nicht vollständig automatisiert. Die Vorqualifizierung dient als Unterstützung. Ob eine Ausschreibung tatsächlich weiterverfolgt wird, entscheidet weiterhin die zuständige Abteilung.

Human-in-the-Loop: Warum der Mensch im Prozess bleibt

Je stärker Unternehmen Prozesse automatisieren, desto wichtiger wird die Frage, an welcher Stelle menschliche Kontrolle erhalten bleiben muss.

Bei einer Ausschreibungsrecherche kann ein System beispielsweise erkennen, dass eine Ausschreibung bestimmte vorher definierte Kriterien erfüllt. Es kann aber nicht zuverlässig beurteilen, ob eine Teilnahme aus Sicht des Unternehmens strategisch sinnvoll ist.

Vielleicht passt die Ausschreibung fachlich, der Aufwand für die Teilnahme ist jedoch zu hoch. Vielleicht gibt es bereits andere Projekte mit höherer Priorität. Oder die Anforderungen lassen sich zwar formal erfüllen, entsprechen aber nicht den eigenen strategischen Zielen. Solche Entscheidungen benötigen Kontext.

Deshalb sollte ein sinnvoller Automatisierungsprozess nicht nach dem Prinzip "Mensch oder Maschine" aufgebaut sein. Stattdessen werden die jeweiligen Stärken kombiniert: Das System übernimmt wiederkehrende Aufgaben. Der Mensch übernimmt Bewertung und Verantwortung.

Das hat einen weiteren Vorteil: Mitarbeitende werden nicht aus dem Prozess entfernt, sondern von den zeitaufwendigsten Routinetätigkeiten entlastet. Dadurch können sie sich stärker auf Aufgaben konzentrieren, bei denen Erfahrung, Kommunikation und Entscheidungsfähigkeit gefragt sind.

Praxis-Tipp für den Automatisierungs-Start

Sinnvoller als die sofortige Komplett-Automatisierung ist ein schrittweises Vorgehen:

• Wiederkehrende Aufgaben identifizieren: Prüfen, welche Recherche- oder Sortieraufgaben regelmäßig viel Zeit beanspruchen.
• Relevanzkriterien definieren: Festlegen, welche Ergebnisse tatsächlich weiterverfolgt werden sollen.
• Recherche und Vorqualifizierung automatisieren: Zunächst vor allem Übergabe der wiederkehrenden Informationssammlung an ein System.
• Menschliche Kontrollpunkte einplanen: Klare Definition, an welchen Stellen Mitarbeitende die Ergebnisse prüfen und Entscheidungen treffen.
• Prozess schrittweise weiterentwickeln: Regelmäßige Bewertung darüber, welche Ergebnisse zuverlässig funktionieren und wo Regeln angepasst werden müssen.

Ausblick: Automatisierung schrittweise ausbauen

Funktioniert die automatisierte Recherche zuverlässig, lassen sich weitere Prozessschritte darauf aufbauen. Denkbar sind etwa die Erstellung von Präsentationen, Checklisten oder strukturierten Aufgabenlisten zur jeweiligen Ausschreibung. Der größere Nutzen entsteht jedoch durch die Übertragbarkeit des Prinzips: Überall dort, wo regelmäßig viele Quellen geprüft werden müssen und nur wenige Treffer tatsächlich relevant sind, lässt sich derselbe Aufbau anwenden. Aus einem einzelnen Anwendungsfall wird so ein Muster für weitere Bereiche des Arbeitsalltags.

Fazit

KI-gestützte Automatisierung kann Unternehmen vor allem dort entlasten, wo Mitarbeitende regelmäßig große Informationsmengen durchsuchen, sortieren und vorqualifizieren müssen. Das Praxisbeispiel der automatisierten Ausschreibungsrecherche zeigt, dass bereits die Übernahme dieser wiederkehrenden Aufgaben einen konkreten Nutzen schaffen kann.

Der entscheidende Erfolgsfaktor ist dabei nicht der Grad der Automatisierung. Viel wichtiger ist eine klare Aufteilung zwischen automatisierbaren Routinetätigkeiten und menschlicher Entscheidung.

Gute Automatisierung nimmt Menschen nicht die Verantwortung ab. Sie gibt ihnen mehr Zeit für die Aufgaben, bei denen ihre Verantwortung tatsächlich gebraucht wird.

Kurzvita

Alina Scholz ist seit Februar 2026 als Marketing Managerin bei der Löwenstark Online-Marketing GmbH tätig und verantwortet dort unter anderem die Marketing- und Kommunikationsaktivitäten der Agentur. Sie blickt auf mehrjährige Erfahrung im Social Media Management, in der Content-Konzeption, in der Planung und Umsetzung von Paid-Media-Kampagnen sowie im Projektmanagement zurück. Zudem ist sie als AI Automation Explorer (Make) zertifiziert. Ihr Fokus liegt auf KI-gestützten Content- und Marketingprozessen, die bestehende Inhalte über Formate und Kanäle hinweg nutzbar machen.