Von fragmentierten Vergabedaten zur intelligenten Auftragsakquise: Entwicklung einer KI-gestützten Plattform für Vorhersage, Suche, Analyse und Akquise öffentlicher Ausschreibungen

Fynn Grabowski, Jan Kanz, Arthur Kari and Martin Gersch

No 2026/27, Discussion Papers from Free University Berlin, School of Business & Economics

Abstract: Die Fragmentierung öffentlicher Ausschreibungen über zahlreiche Primärquellen erschwert Unternehmen die Identifikation, Bewertung und Akquise geeigneter Aufträge. Die Zusammenführung von Bekanntmachungen durch aktuelle Anbieter und Lösungen adressiert dieses Problem jedoch nicht ausreichend, soweit sie auf eine Keywordsuche in den Titeln und Beschreibungen der Bekanntmachungen begrenzt bleibt und die entscheidungsrelevanten Informationen in den Vergabeunterlagen nicht einbezieht. Dadurch ist für Unternehmen die Recherche aufwendig und relevante Ausschreibungen können unentdeckt bleiben. Die vorliegende Studie untersucht mittels Design Science Research, wie generative KI die Akquise öffentlicher Ausschreibungen unterstützen kann. Hierzu wird die KI-gestützte Ausschreibungsplattform TendiGo iterativ entwickelt und evaluiert. Die Evaluation kombiniert dabei quantitative Leistungsmessungen und naturalistische Erhebungen mit acht Beteiligten aus unterschiedlichen Branchen. Mit TendiGo wurden Bekanntmachungen und Vergabeunterlagen gemeinsam zugänglich gemacht. Die fortgeführte Plattform umfasst 806 Quellen und stellt KI-Agenten bereit, mit denen Nutzer relevante Ausschreibungen finden und vorqualifizieren können. In einem symmetrischen Abdeckungsvergleich über 13.495 Verfahren erreichte TendiGo 99,1 % der Vereinigungsmenge aller elf untersuchten Angebote und lag 4,1 Prozentpunkte vor dem stärksten Vergleichsangebot. In einer von den Angeboten unabhängigen Stichprobe kommunaler Auftraggeber waren 96,4 % der Verfahren in TendiGo nachweisbar und 92,0 % im stärksten Vergleichsangebot. 1,3 % der Verfahren dieser Stichprobe waren in keinem Angebot nachweisbar. Bei der Anforderungsextraktion wurde ein F1-Score von 0,87 erreicht. Die Experteninterviews deuten zudem darauf hin, dass TendiGo gegenüber aktuellen Lösungen für die Praxis einen wesentlichen Beitrag leistet, indem die KI-gestützte Suche und Vorqualifizierung über die Dokumentenanalyse den wahrgenommenen Aufwand für die Suche und Bewertung öffentlicher Ausschreibungen deutlich reduzieren. Die ergänzende Nutzerprüfung weist zudem auf eine verbesserte Auffindbarkeit relevanter Ausschreibungen gegenüber den jeweils herangezogenen Vergleichsplattformen hin. Diese Studie liefert zudem einen Beitrag zur Forschung an KI-gestützten Systemen, die fragmentierte Dateninfrastrukturen für Anwender nutzbar machen, indem sie vier relevante Designprinzipien ableitet.

Keywords: Ausschreibungsplattform; öffentliche Ausschreibungen; KI-Agenten für öffentliche Auf-tragsakquise; Vergabemarkt; Design Science Research; fragmentierte Datenökosysteme (search for similar items in EconPapers)
Date: 2026
References: Add references at CitEc
Citations:

Downloads: (external link)
https://www.econstor.eu/bitstream/10419/344515/1/1987986636.pdf (application/pdf)

Related works:
This item may be available elsewhere in EconPapers: Search for items with the same title.

Export reference: BibTeX RIS (EndNote, ProCite, RefMan) HTML/Text

Persistent link: https://EconPapers.repec.org/RePEc:zbw:fubsbe:344515

DOI: 10.17169/refubium-54249

Access Statistics for this paper

More papers in Discussion Papers from Free University Berlin, School of Business & Economics Contact information at EDIRC.
Bibliographic data for series maintained by ZBW - Leibniz Information Centre for Economics ().