Öffentliche Ausschreibungen & Fördermöglichkeiten finden und zuordnen

Öffentliche Aufträge und Fördermittel werden auf Hunderten von Portalen in vielen Sprachen veröffentlicht, und die meisten Unternehmen finden nur einen Bruchteil dessen, was zu ihnen passen würde. KI gleicht jede Bekanntmachung oder jeden Aufruf mit einem strukturierten Unternehmensprofil ab, ordnet sie nach Eignung, erklärt, warum sie passt, und markiert Ausschlusskriterien wie Frist, Region oder Mindestumsatz. Sie ist das Eingangstor des Angebotsprozesses auf Bieter- bzw. Antragstellerseite; die Erstellung der Antwort ist LANG-006, die Analyse der Ausschreibungsunterlagen ist DOC-015.

Problem & Nutzen

• Heute: Angebotsmanager und Fördermittelberater rufen TED, nationale Portale (in Deutschland oeffentlichevergabe.de, DTVP, Vergabe24, Landesportale), die Förderdatenbank und das EU Funding & Tenders Portal ab, filtern nach CPV-Code oder Schlagwort und lesen lange Bekanntmachungen. Schlagwort- und CPV-Filter übersehen relevante Bekanntmachungen, weil Auftraggeber CPV-Codes uneinheitlich wählen und ihren Bedarf in Freitext beschreiben.
• KI-Nutzen: semantischer Abgleich auf dem Text der Bekanntmachung (nicht nur auf Codes), mehrsprachiger Abgleich grenzüberschreitender Bekanntmachungen, begründete Rangfolge, automatisches Auslesen von Frist/Los/Wert/Kriterien und Lernen aus den Rückmeldungen „relevant / nicht relevant“. Die Entscheidung, ein Angebot abzugeben, bleibt beim Menschen.
• Zahlen: Diese Datei nennt bewusst keine Prozentwerte zum Nutzen; Anbieter veröffentlichen Trefferquoten ohne unabhängigen Beleg. Messen Sie Ihre eigene Ausgangslage (siehe Kennzahlen). Beachten Sie, dass die TED-Such-API für veröffentlichte Bekanntmachungen anonym nutzbar ist; die Datenbasis für einen Eigenbau ist also kostenlos [1].

Varianten

• Ausschreibungsüberwachung für Lieferanten (KMU/Mittelstand): Profil = Produkte, Referenzen, Regionen.
• Förder-/Zuschussradar: für Unternehmen (Innovationsförderung, Programme der Förderdatenbank), Forschungseinrichtungen (Horizon-Europe-Aufrufe), Kommunen und NGOs. Die Förderdatenbank deckt Programme von Bund, Ländern und EU ab [2].
• Konsortialpartner-Suche: Aufrufe mit Partnerprofilen (Hochschulen, KMU) abgleichen.
• Marktsondierung auf Auftraggeberseite (öffentliche Hand): Lieferanten und frühere Zuschläge für die Marktrecherche finden.
• Beratungsunternehmen und Fördermittelberater: eine Pipeline, viele Kundenprofile.
• Private Nutzung: Zuschüsse für Haushalte (energetische Sanierung, E-Mobilität, Bildungsförderung), die zu einer persönlichen Situation passen; gleiche Pipeline, weniger Daten.

So funktioniert es

1. sources (TED API, national portals, Förderdatenbank, EU F&T portal, foundations)
2. ingestion (API / feeds / scraping; eForms XML
3. normalised JSON; dedup across portals)
4. enrichment (language detection, translation, extract deadline, lots, CPV, region, value, criteria)
5. profile building (company website, references, certificates
6. structured profile + embedding)
7. hybrid retrieval (BM25 + dense embeddings)
8. reranker
9. LLM fit explanation + eligibility check
10. alert / digest
11. human go/no-go
12. hand-off to proposal (LANG-006, DOC-015)
13. feedback loop (relevant / irrelevant) tunes thresholds and profile

• Suche (Retrieval): Mehrsprachige Embeddings sind wichtig, weil EU-Bekanntmachungen in 24 Sprachen erscheinen; BGE-M3 bietet dichte, dünnbesetzte und Multi-Vektor-Suche in über 100 Sprachen unter MIT-Lizenz [4].
• Rolle des LLM: Auslesen harter Kriterien (Teilnahmevoraussetzungen, Referenzanforderungen) und eine kurze Begründung je Treffer; niemals ein stiller Filter, der Bekanntmachungen ohne protokollierten Grund aussortiert.
• Mensch-in-der-Schleife (Human-in-the-Loop): Go/No-go und jede rechtliche Auslegung der Eignung; wöchentliche Durchsicht des Grenzfall-Bereichs, um blinde Flecken zu vermeiden.

Datenaufbereitung

Benötigt werden zwei Datenbestände: die externen Bekanntmachungen (TED / eForms, nationale Portale, Förderdatenbanken) und Ihr eigenes Unternehmensprofil. Die Bekanntmachungen kommen als strukturiertes XML oder JSON und brauchen außer der Dublettenprüfung über Portale hinweg und der Spracherkennung kaum Bereinigung. Die eigentliche Arbeit liegt im Profil, das im KMU über die Website, alte Angebote und Referenzschreiben im DMS oder auf Dateiablagen, Zertifikate als Scans und die Köpfe von zwei oder drei Angebotsmanagern verstreut ist.

Typische Lücken: Referenzen ohne CPV- oder NACE-Codes, veraltete Zertifikate, keine schriftlich festgehaltenen Ausschlusskriterien (Mindestumsatz, Regionen, Eigenanteil) und keine Aufzeichnung früherer Go/No-go-Entscheidungen.

Schritte der Aufbereitung: - Ein ein- bis zweiseitiges strukturiertes Profil schreiben (Leistungen, CPV-/NACE-Codes, Regionen, Referenzen, Zertifikate, No-go-Regeln); das ist das wertvollste Einzelergebnis. - Frühere Angebote mit Ergebnis (gewonnen, verloren, nicht abgegeben) als erste Referenzmenge (Gold Set) exportieren (siehe PREP-016 und PREP-018). - Alte Referenzschreiben und Zertifikate per OCR erfassen (PREP-006) und mit Metadaten versehen (PREP-010). - Das Profil an einem Ort mit benannter verantwortlicher Person pflegen (PREP-004).

Werkzeuge: n8n oder ein Skript für Feeds, Paperless-ngx oder das DMS für OCR. Die Datenaufbereitung macht etwa 10 bis 15 Prozent des Gesamtaufwands aus; die Pflege der Quellen ist wichtiger als die Datenbereinigung.

Umsetzungswege

Welcher Weg für wen

• KMU: Weg A, weil ausgereifte, in der EU gehostete Portale (z. B. DTVP) bereits Benachrichtigungen und KI-Suchprofile zu Abopreisen anbieten und der Prozess standardisiert ist.
• Großunternehmen: Weg B, weil mehrere Geschäftsbereiche eigene Profile, eine CRM-Anbindung und eine gemeinsame Pipeline ins Angebotsmanagement brauchen.
• Entwickler: Weg C, weil TED-Daten offen sind und ein kleiner Stack (BGE-M3, OpenSearch, n8n) auf HW1 läuft und viele Kundenprofile bedienen kann.
• Öffentliche Hand: Weg B in einer souveränen EU- oder deutschen Cloud, weil Förder- und Ausschreibungsprofile in interne Beschaffungs- und Förderprozesse einfließen und Souveränitätsanforderungen gelten.
• Privat: Weg A, weil kostenlose öffentliche Datenbanken wie die Förderdatenbank den Bedarf ohne eigene Infrastruktur abdecken.

Weg A — Kaufen (empfohlen)

• Vergabeplattformen mit Benachrichtigungen und KI-Suchprofilen: DTVP (Deutsches Vergabeportal, deutsch) bietet Ausschreibungssuche, E-Mail-Benachrichtigungen und einen KI-Assistenten („Argos“), der aus dem Leistungsportfolio eines Unternehmens Suchprofile erstellt [5]. Vergleichbare deutsche/EU-Dienste sind Vergabe24, subreport, Ausschreibungs-Dienst und TED-basierte Aggregatoren; prüfen Sie die aktuellen KI-Funktionen je Anbieter.
• Fördermittelsuche: Förderdatenbank des Bundes (kostenlos, öffentlich) und regionale Förderbanken; kostenpflichtige Fördermittel-Radar-Dienste von Beratungsunternehmen.
• Wählen Sie A, wenn: der DACH-/EU-Markt der öffentlichen Hand ein Nebenkanal ist, Sie keine Entwickler haben und ein Schlagwortprofil mit semantischer Rangfolge genügt. Prüfen Sie Datenhosting (EU), Portalabdeckung (Länder, Bekanntmachungen unterhalb der Schwellenwerte) und ob die Benachrichtigungen Begründungen enthalten.

Weg B — Auf Cloud-KI-Diensten aufbauen

• Daten: TED-Such-API (für veröffentlichte Bekanntmachungen kein Schlüssel nötig) [1]; Such-Schnittstellen des EU Funding & Tenders Portals; Open-Data- oder Feed-Zugänge nationaler Portale, soweit vorhanden (prüfen Sie die Bedingungen jedes Portals, bevor Sie Daten abgreifen).
• Modelle: in der EU gehostete Embedding- und LLM-Schnittstellen (Mistral oder Azure OpenAI / Google Vertex / AWS Bedrock in EU-Regionen oder Claude über EU-Regionen-Angebote) mit strukturierten Ausgaben für das Auslesen der Kriterien.
• Ablaufsteuerung: n8n / Power Automate für Zeitplanung, Dublettenprüfung und Benachrichtigungen per Teams/Slack/E-Mail; Postgres+pgvector oder OpenSearch für die hybride Suche.
• Wählen Sie B, wenn: Sie eine eigene Profillogik, eine CRM-Anbindung (AGENT-007) oder mehrere Kundenprofile (Beratungsunternehmen) brauchen.

Weg C — Selbst betreiben (Open Source)

• Modelle: BGE-M3 für die Suche [4], ein mehrsprachiger Reranker (Familie bge-reranker), ein kleines bis mittleres offenes LLM (Qwen, Mistral, Llama-Klasse) für Auslesen und Begründungen, betrieben mit vLLM oder Ollama.
• Stack: OpenSearch oder Qdrant/pgvector, n8n und eigene Crawler. OpenTED zeigt, wie TED-Daten mit offenen Werkzeugen archiviert und analysierbar gemacht werden können [3].
• Hardware: HW1 genügt (CPU-Embeddings für zehntausende Bekanntmachungen; 7–8B-LLM quantisiert auf CPU/kleiner GPU für kurze Zusammenfassungen); HW2 für schnelleres mehrsprachiges LLM-Auslesen.
• Wählen Sie C, wenn: Profildaten sensibel sind (Strategie, Preise) oder Sie viele Kunden bedienen.

Weg D — Eigenes Training

Selten nötig. Ein feinabgestimmter Bi-Encoder oder Klassifikator auf Ihrer eigenen annotierten Historie (abgegebene und gewonnene/verlorene Angebote, als irrelevant markierte Treffer) kann die Rangfolge verbessern, sobald Sie einige hundert annotierte Entscheidungen haben. Bevorzugen Sie zuerst Prompt-Anpassung und Schwellenwert-Kalibrierung.

Stand der Technik (2026)

• Hybride Suche + Reranking + LLM-Begründung hat bei führenden Anbietern reine CPV-/Schlagwortfilter abgelöst; mehrsprachige dichte Modelle decken die EU-Sprachen für den ersten Abgleich gut genug ab.
• Strukturierte Daten: Seit dem EU-Standard eForms kommen TED-Bekanntmachungen als strukturierte Daten, wodurch Filter auf Feldebene (Wert, Lose, Zuschlagskriterien) zuverlässig werden; ältere und rein nationale Bekanntmachungen bleiben unstrukturierter Text.
• Agenten können tägliche Durchläufe ausführen, angehängte Ausschreibungsunterlagen lesen und ein Bieten/Nicht-Bieten-Blatt vorbefüllen (DOC-015); Förderaufrufe mit erzählenden Teilnahmeregeln bleiben schwieriger als Ausschreibungen.
• Grenzen und Fehlerbilder: übersehene Bekanntmachungen von Portalen ohne API; Fehlinterpretation der Teilnahmevoraussetzungen durch das LLM („nur KMU“, „nur Konsortien aus drei Ländern“); veraltete Fristen nach Berichtigungen; Portalbedingungen, die das Abgreifen verbieten; Trefferquoten-Angaben von Anbietern sind meist ungeprüft. Zeigen Sie immer den Quelllink und die Frist an und prüfen Sie die Originalbekanntmachung erneut, bevor Sie handeln.

Gemeinsame Bausteine & Kombinationen

• Gleicher Stack (embedding-text + reranker + vector-db + search-engine): KNOW-001 Unternehmenssuche, KNOW-007 Patentsuche, KNOW-015 Deep Research. Ein hybrider Suchcluster bedient alle.
• Nachgelagert: DOC-015 (Ausschreibungsunterlagen lesen, Anforderungen auslesen), LANG-006 (Angebot oder Förderantrag entwerfen), AGENT-007 (Vertrieb/CRM-Nachverfolgung), ANOM-020 (Screening von Vergabedaten auf Marktebene durch Behörden, das Gegenstück auf Auftraggeberseite).
• Förderseite: DOC-031 prüft Anträge; KNOW-017 ist sein Spiegelbild auf Antragstellerseite.
• Bausteine: Crawler-/Einlesedienst, Übersetzung, Profilspeicher, n8n-Workflows.

Aufwand, Kosten & Kennzahlen

• Weg A: Stunden bis Tage für die Einrichtung der Profile; Abopreise variieren je Anbieter.
• Weg B: 2–6 Wochen für Einlesen, Abgleich und Benachrichtigungen; laufende API-Kosten sind im Verhältnis zur Arbeitszeit des Angebotsteams gering; der meiste Aufwand liegt in der Quellenpflege.
• Weg C: 1–3 Monate inkl. Crawler; kleiner Server oder Workstation.
• Kennzahlen: Recall gegenüber einer manuell kuratierten Referenzmenge früherer relevanter Bekanntmachungen, Precision der Top 10, Anteil der als relevant bewerteten Benachrichtigungen, Zeit von der Veröffentlichung bis zur Benachrichtigung, abgegebene Angebote und Erfolgsquote aus gefundenen Gelegenheiten, eingesparte Stunden manueller Suche.

Menschen & Veränderung

Wer und wann: Die Geschäftsleitung entscheidet zu Beginn über Zielmärkte und Budget. Die Abteilungsleitung (Vertrieb oder Angebotsmanagement) verantwortet das Profil und die Go/No-go-Regel; die Endanwender (Angebotsersteller) testen die Auswahlliste im Pilot. Die IT wird nur für die Integration bei Weg B/C gebraucht, Legal/Compliance für die Auslegung der Teilnahmevoraussetzungen.

Betriebsrat: In der Regel nicht erforderlich, weil das System öffentliche Bekanntmachungen und Unternehmensdaten verarbeitet, nicht das Verhalten von Beschäftigten. §87 Abs. 1 Nr. 6 BetrVG greift nur, wenn die Nutzung je Beschäftigtem protokolliert und ausgewertet würde; konfigurieren Sie es so, dass dies nicht geschieht. Ändern sich Arbeitsabläufe im Angebotsmanagement spürbar, unterrichten Sie einen bestehenden Betriebsrat rechtzeitig (§90 Abs. 1 Nr. 3 BetrVG). In der öffentlichen Hand wird der Personalrat auf gleiche Weise unterrichtet.

Datenschutz: Ansprechpartner in Bekanntmachungen sind personenbezogene Daten; stimmen Sie sich mit den Datenschutzbeauftragten ab und schließen Sie mit jedem gehosteten Anbieter einen AVV (Art. 28 DSGVO). Eine DSFA ist normalerweise nicht nötig.

KI-Kompetenz: Art. 4 KI-Verordnung (AI Act) verlangt Maßnahmen zur Förderung der KI-Kompetenz der Beschäftigten; eine einstündige Schulung zum Lesen der Eignungswerte und ihrer Grenzen genügt hier (GUIDE-006).

Kommunikation und Pilot: Beginnen Sie mit einem Angebotsmanager und drei Monaten früherer Bekanntmachungen; vergleichen Sie mit der manuellen Suche (GUIDE-009).

Bedenken: „Übersehen wir Ausschreibungen?“ Begegnen Sie dem mit der wöchentlichen Durchsicht des Grenzfall-Bereichs und protokollierten Gründen. Der Mensch entscheidet immer über Go/No-go; siehe GUIDE-008.

Risiken, Regulierung & Compliance

• KI-Verordnung (AI Act): minimales Risiko für den Anwendungsfall auf Bieterseite; keine Kategorie aus Anhang III trifft auf ein Unternehmen zu, das Bekanntmachungen ordnet. Die KI-Kompetenz (Art. 4) gilt. Anders wird es, wenn eine Behörde ein ähnliches Scoring einsetzt, um über den Zugang zu Leistungen oder Fördermitteln zu entscheiden (siehe DOC-031; kann Anhang III berühren) [6].
• DSGVO: Bekanntmachungen enthalten überwiegend Unternehmensdaten, aber Ansprechpartner und Zuschlagsdaten zu Einzelunternehmern sind personenbezogene Daten; Beratungsunternehmen, die Kundenprofile halten, brauchen einen Auftragsverarbeitungsvertrag.
• Vergaberecht: KI findet Gelegenheiten, ändert aber nicht die Vergaberegeln (GWB/VgV, UVgO, EU- Richtlinien, Fristen, Eignung). Eine versäumte Frist oder ein falsch gelesener Ausschlussgrund ist das eigentliche rechtliche Risiko; behalten Sie die menschliche Prüfung bei.
• Nutzungsbedingungen: Beachten Sie beim Abgreifen die Portalbedingungen, Robots-Regeln und Datenbankrechte; bevorzugen Sie offizielle APIs und offene Daten.
• Fairness und Interessenkonflikte: Teilen Sie Kundenprofile nicht zwischen Kunden; protokollieren Sie, warum Einträge höher gereiht oder aussortiert wurden.

Erste Schritte

1. Ein einseitiges Profil schreiben: Leistungen, CPV-/NACE-Codes, Regionen, Größengrenzen, Referenzen, No-go-Themen.
2. 30–50 Bekanntmachungen/Aufrufe des letzten Jahres sammeln, die Sie gern gefunden hätten, als Referenzmenge (Gold Set).
3. Einen Dienst nach Weg A ausprobieren (z. B. den Suchprofil-Assistenten von DTVP) und mit der Referenzmenge vergleichen.
4. Bleiben Lücken, TED-Bekanntmachungen über die anonyme API abrufen und die hybride Suche mit BGE-M3 testen.
5. Eine Rückmeldetaste („relevant / nicht“) ergänzen und monatlich auswerten; Treffer mit DOC-015 und LANG-006 verbinden.

Quellen

1. TED developer documentation (Search API, anonymous access) — https://docs.ted.europa.eu/api/latest/index.html
2. Förderdatenbank des Bundes (federal, Länder and EU funding programmes) — https://www.foerderdatenbank.de/FDB/DE/Home/home.html
3. OpenTED (open archive/analysis of TED data) — https://github.com/OpenTED/opented
4. BGE-M3 model card (100+ languages, 8192 tokens, MIT, dense/sparse/multi-vector) — https://huggingface.co/BAAI/bge-m3
5. DTVP Deutsches Vergabeportal (alerts, AI assistant Argos) — https://www.dtvp.de/
6. Regulation (EU) 2024/1689 (AI Act) — https://eur-lex.europa.eu/eli/reg/2024/1689/oj
7. Bund e-Vergabe / Bekanntmachungsservice entry point — https://www.bescha.bund.de/