Ein großes RFP frisst mehrere Personentage, bevor überhaupt jemand über den Preis nachdenkt.
Ein Mittelständler im Maschinen- und Anlagenbau bekommt eine Anfrage. Mal ist es eine zweizeilige E-Mail eines langjährigen Kunden, mal ein vollständiges Vergabepaket aus einem Portal: dutzende Seiten Leistungsbeschreibung plus eine Excel-Anforderungsliste. Jemand im Innendienst muss das alles lesen und daraus eine Liste machen.
Was danach passiert, ist Montagearbeit. Die Antworten werden aus alten Angeboten auf dem Netzlaufwerk, aus Produktdaten im ERP und aus dem zusammenkopiert, was zwei Kolleginnen zufällig im Kopf haben. Die Kalkulation entsteht unter Zeitdruck, oft am Abend vor der Abgabe, mit Listenpreisen, die aktuell sein können oder auch nicht.
Die Fristen leben in einem Kopf oder in einem Kalendereintrag. Die Frist für Bieterfragen wird häufiger übersehen als der Abgabetermin. Und nach der Abgabe fasst nur nach, wer sich erinnert. Teuer ist nicht das Schreiben. Teuer ist das Suchen: Welches der letzten vierzig Angebote passt, welche Passage hat die Rechtsabteilung freigegeben, welcher Zuschlag ist aktuell.
Wir starten beim Angebotsarchiv, nicht bei einem leeren Schreibassistenten.
Der Anfang ist kein Software-Workshop, sondern eine echte Ausschreibung, Seite für Seite durchgegangen mit Innendienst und Kalkulation. In den letzten zwanzig abgegebenen Angeboten steckt die Antwortstruktur bereits, sie wurde nur nie aufgeschrieben. Und der wichtigste Einwand aus dem Vertrieb wird zur Spezifikation: Jedes unserer Angebote ist ein Unikat. Stimmt, deshalb schreibt der KI-Mitarbeiter das Unikat nicht.
- Prozess-Mapping entlang eines echten RFP: Wo landete die Anfrage, wer las was, welche Dokumente wurden geöffnet, wohin gingen die Stunden, welche Frist wäre fast gerissen.
- Angebotsarchiv indexieren: Frühere Angebote, Datenblätter, freigegebene Referenztexte und Zertifikate werden zu Bausteinen, jeder rückverfolgbar auf sein Quelldokument.
- Prototyp an echten Unterlagen: Innerhalb weniger Tage ein Screen: RFP hochladen, extrahierte Anforderungen sehen, gematchte Bausteine und offene Lücken prüfen. Das Feedback kam von echten Ausschreibungen, nicht von Folien.
- Bewusst klein starten: Zuerst nur Erfassung und Anforderungs-Extraktion. Die Antwortentwürfe folgten, als das Team der Extraktion vertraute. Die Kalkulationszuarbeit kam zuletzt, weil sie ans ERP geht.
80 Prozent macht der KI-Mitarbeiter. An zwei Stellen entscheidet der Mensch.
Der KI-Mitarbeiter nimmt die Anfrage aus E-Mail oder Vergabeportal auf und liest die Unterlagen: PDF-Leistungsbeschreibungen, Excel-Anforderungslisten, gescannte Anlagen und beschriftete Zeichnungen. Daraus wird eine strukturierte Liste, getrennt nach Muss-Kriterien, technischen Anforderungen, kaufmännischen Bedingungen und formalen Abgaberegeln. Abgabefrist und Bieterfragen-Frist landen automatisch auf einem Fristen-Board.
Danach matcht er jede Anforderung gegen zwei Quellen: das indexierte Angebotsarchiv und eure Produkt- und Preisdaten in CRM und ERP. Jeder vorgeschlagene Baustein trägt einen Quellenverweis, also welches frühere Angebot und welcher Preislistenstand dahintersteckt. Anforderungen ohne Treffer werden nicht erfunden, sondern als offene Punkte an Technik, Einkauf oder Recht verteilt. Der Vertrieb prüft die Anforderungsliste und gibt später den Preis frei. Alles bleibt Entwurf, bis ein Mensch zustimmt.
Vergabeunterlagen eines Anlagenbauers für eine Fördertechnik-Komponente, Leistungsbeschreibung als PDF plus Excel-Anforderungsliste, aus einem Vergabeportal heruntergeladen.
Ein Feld ist zur Prüfung markiert: Die Ausschreibung verlangt einen Nachweis, den kein früheres Angebot enthält. Der KI-Mitarbeiter rät keine Formulierung, er benennt den Punkt und wer entscheiden muss.
Das war vorher, das ist heute.
So lief die Angebotsarbeit vorher, und so läuft sie heute mit dem KI-Mitarbeiter. Konservativ gerechnet sinkt der Aufwand pro großem Angebot um rund zwei Drittel.
| Vorher | Heute | |
|---|---|---|
| Aufwand pro großem RFP | Mehrere Personentage Zuarbeit | Weniger als ein Tag Prüfen und Entscheiden |
| Anforderungsliste | Von Hand gelesen, in Excel notiert | Automatisch extrahiert, Muss und Kann getrennt |
| Antwortentwurf | Aus Altangeboten zusammenkopiert | Bausteine mit Quellenverweis je Absatz |
| Kalkulation | Abends vor der Abgabe, Preise oft veraltet | Aus dem ERP vorbefüllt, Annahmen oben gelistet |
| Fristen | Im Kopf einer Person, Bieterfragen übersehen | Auf einem Board, mit Vorwarnung |
| Nachfassen | Nur, wenn sich jemand erinnert | Geplant, Reaktion im CRM protokolliert |
* Einsparung konservativ gerechnet: Ein großes RFP band vorher mehrere Personentage Zuarbeit über Innendienst, Technik und Kalkulation, gerechnet mit drei Personentagen. Heute bleiben Prüfen der Anforderungsliste und Preisfreigabe, zusammen unter einem Personentag. Das sind rund zwei Drittel weniger pro Angebot. Bei 15 bis 30 großen Ausschreibungen pro Jahr ergeben zwei gesparte Personentage je Angebot 30 bis 60 Personentage, also 6 bis 12 Arbeitswochen. Die Ausgangswerte stammen aus Prozess-Mappings in Angebotsteams des technischen Mittelstands, nicht aus einer Stoppuhr-Messung.
Wie baut man so einen KI-Mitarbeiter technisch?
Das Wissen aus solchen Projekten zum Mitnehmen, egal ob ihr mit uns baut oder selbst:
Anforderungen aus PDF ziehen: Sprachmodelle statt Stichwortsuche
GPT von OpenAI und Claude von Anthropic lesen die Leistungsbeschreibung direkt, inklusive Tabellen und beschrifteter Zeichnungen, und erzeugen eine strukturierte Liste statt einer Zusammenfassung. Wichtig ist, dass jede Anforderung an ihrer Herkunft verankert bleibt: Dokumentname, Seite und der Satz, aus dem sie stammt. Genau das macht die Liste prüfbar.
Gescannte Ausschreibungen: erst sauber lesen, dann verstehen
Viele Vergabeunterlagen kommen als Scan oder als Fotokopie einer Fotokopie. Mistral OCR bringt solche Dokumente in sauberen Text mit erhaltener Tabellenstruktur, bevor das Sprachmodell die Anforderungen herauszieht. Ohne diesen Schritt gehen genau die Zeilen verloren, die in der Anforderungsmatrix stehen.
Das Angebotsarchiv wird zur Wissensbasis
Frühere Angebote werden nicht kopiert, sondern als indexierte Bausteine abgelegt: Firmenpräsentation, Qualitätszertifikat, Referenzprojekt, technische Beschreibung. Jeder Baustein hat Metadaten, also aus welchem Angebot er stammt und wann er zuletzt freigegeben wurde. Jeder Vorschlag zeigt seinen Quellenverweis. So kann der klassische Fehler nicht mehr passieren, dass der Name des vorherigen Kunden in Absatz vier stehen bleibt.
Fristen und Ausschlusskriterien: feste Regeln, keine KI
Abgabetermin, Bieterfragen-Frist und Vorwarnzeit sind Regeln, keine Einschätzung. Ausschlusskriterien werden als eigene, harte Kategorie zuerst geprüft, gegen das, was das Unternehmen nachweisbar erfüllt. Preise und Lieferzeiten kommen live aus dem ERP, nicht aus dem Modell. Eine Ausschreibung, die an einem Ausschlusskriterium scheitert, gehört in der ersten Stunde abgesagt.
UX: die Oberfläche entscheidet über die Akzeptanz
Der Entwurf zeigt zu jedem Absatz die Quelle, anklickbar bis ins Ursprungsdokument. Die Preisfelder bleiben leer, bis ein Mensch sie freigibt, damit keine Zahl aus Versehen im Angebot landet. Und ein Fristen-Board zeigt alle laufenden Ausschreibungen mit Restzeit. Genau diese drei Dinge haben aus Skepsis Zustimmung gemacht.
Was kostet das im Vergleich?
Superkind rechnet pro Use Case ab. Der Preis wächst mit der Zahl der Ausschreibungen, nicht mit dem Personalbestand. Hier die ehrliche Gegenüberstellung:
| Vertriebsinnendienst | CPQ-Software | Superkind KI-Mitarbeiter | |
|---|---|---|---|
| Kosten | 55.000 bis 85.000 € pro Jahr und Stelle | Oft 20.000 € und mehr Einführung, dazu Lizenzen | Preis pro Use Case, ein Bruchteil einer Vollzeitstelle |
| Was ist enthalten | Der komplette Prozess, von Hand | Konfiguration und Preisregeln für Produkte | Anforderungen lesen, Bausteine matchen, Kalkulation zuarbeiten, Fristen überwachen |
| Freitextantworten | Von Grund auf geschrieben | Kaum abgedeckt, für Positionen gebaut | Entwurf je Anforderung, mit Quelle und markierten Lücken |
| Skaliert mit | Mehr Personal | Produktkatalog | Zahl der Ausschreibungen, ohne neue Stellen |
| Ausnahmen | Mensch macht alles | Fallen aus der Konfiguration | Gehen markiert an einen Menschen |
| Einführung | Rekrutierung und Einarbeitung | Mehrere Monate Projekt | 2 bis 3 Wochen bis zur ersten produktiven Version |
Der ehrliche Vergleich sind die vollen Kosten des heutigen Prozesses: die Personentage Zuarbeit, die Angebote, die wegen zu knapper Frist gar nicht abgegeben werden, und die Angebote, die kalt werden, weil niemand nachgefasst hat.
Was wir über Angebots- und Ausschreibungsarbeit gelernt haben.
Das Angebotsarchiv ist der am meisten unterschätzte Datenschatz im deutschen Mittelstand. Unternehmen investieren in CRM-Dashboards, während dreihundert Angebote unindexiert auf einem Netzlaufwerk liegen. In jedem stecken freigegebene Formulierungen, erprobte Argumente und echte Preise. Niemand durchsucht sie, weil Suchen mühsamer ist als Neuschreiben. Dieses Archiv durchsuchbar zu machen, lohnt sich schon allein, auch ohne KI-Mitarbeiter darauf.
Und eine unbequeme Beobachtung: Fristen-Disziplin rettet mehr Aufträge als schönere Texte. Nach unserer Erfahrung gehen mehr Angebote verloren, weil sie zu spät kamen, weil eine Anlage fehlte oder weil nach der Abgabe nie nachgefasst wurde, als weil der Wettbewerber eleganter formuliert hat. Die unglamourösen Teile der Angebotsarbeit zahlen sich am schnellsten aus.
Wofür es sich nicht eignet: Wenn ihr eine Handvoll Angebote im Jahr schreibt, ist die Zuarbeit nicht euer Engpass. Wenn ein Angebot nur eine Positionsliste ohne Textanteil ist, löst eine CPQ-Software das günstiger. Und wenn frühere Angebote verstreut auf persönlichen Laufwerken und in Postfächern liegen, ist der erste Schritt Sammeln, nicht Automatisieren.
