Generative KI kann Tender-Arbeit unterstützen, braucht aber Quellen, klare Grenzen und menschliche Freigabe. Ein nüchterner Überblick.
Generative KI kann im Tender-Prozess bei klar abgegrenzten Aufgaben helfen. Ohne Kontext, Quellen und menschliche Freigabe steigt jedoch das Risiko falscher oder unpassender Aussagen. Dieser Beitrag zeigt sinnvolle Einsatzfelder und Aufgaben, die menschliche Verantwortung brauchen.
**1. Anforderungsextraktion aus Tender-Dokumenten.** KI kann lange Unterlagen in eine prüfbare Anforderungsliste überführen. Implizite Vorgaben, Querverweise und Ausnahmen müssen anschliessend am Original kontrolliert werden.
**2. Erstentwürfe aus der Knowledge-Library.** Wenn geprüftes Firmenwissen zur Anforderung passt, kann ein System daraus einen Entwurf mit Quellenbezug erstellen. Der Bid Manager prüft Inhalt, Kontext und Formulierung vor der Freigabe.
**3. Konsistenzprüfung über lange Submissionen.** KI kann abweichende Begriffe, Zahlen oder Aussagen markieren. Die Bewertung, ob eine Abweichung falsch oder fachlich notwendig ist, bleibt beim Team.
**1. Compliance-Antworten ohne Quellennachweis.** Ein generisches LLM erfindet plausibel klingende Aussagen über Ihre [revDSG](/ressourcen/leitfaeden/tender-compliance-schweiz-boeb-ivoeb-revdsg)-Compliance, das Verarbeitungsverzeichnis oder Ihre Zertifizierungen. Das ist Halluzination im Reinformat und im Audit gefährlich.
**2. Strategische Tender-Bewertung.** "Sollten wir auf diesen Tender bieten?" ist keine Frage, die ein Sprachmodell sinnvoll beantwortet. Sie braucht Kenntnis der Pipeline, der Konkurrenz, der internen Auslastung. Tools können aggregieren, aber nicht entscheiden.
**3. Differenzierte USP-Formulierung.** "Was macht uns einzigartig?" produziert in jedem generischen LLM den gleichen Brei aus "marktführend", "innovativ", "kundenzentriert". Was Sie wirklich differenziert, weiss nur Ihr Sales-Team.
**4. Beziehungsspezifische Anpassung.** Wenn Sie wissen, dass der Auftraggeber den letzten Tender mit Ihrer Konkurrenz hatte und unzufrieden war, ist das ein zentraler Hebel. Ein LLM weiss das nicht.
**5. Kommerzielle Argumentation.** Preisstrategien, Rabattlogik, Verhandlungsspielräume sind ein menschliches Spielfeld. KI kann Berechnungen prüfen, aber nicht "knapp dranbleiben" entscheiden.
**6. Kulturelle Nuancen.** Sprache und Ton müssen am konkreten Auftraggeber getestet werden. Eine formal korrekte Formulierung kann im Schweizer Vergabekontext trotzdem unpassend sein.
**7. Antworten zu nicht-existierenden Fähigkeiten.** Wenn Sie eine Fähigkeit nicht haben, kann KI sie nicht herbeischreiben, ohne zu lügen. Die Versuchung ist gross. Hier braucht es Disziplin, nicht Software.
Drei Architekturentscheidungen unterscheiden eine echte Tender-AI von einem ChatGPT-Wrapper:
**Vertraglich geklärte Datenflüsse.** Kundeninhalte werden nicht zum Training von Modellen für Dritte verwendet; der Ausschluss wird vertraglich festgehalten. Architektur-, Speicher- und Isolationsgrenzen werden für die gewählte Produktstufe im Sicherheitsreview mit ihrem Nachweisstatus dokumentiert.
**Quellenbezug und menschliche Prüfung.** Vorschläge werden aus passenden Wissensbausteinen abgeleitet und mit Quellenangaben zur Prüfung vorgelegt. Ein Mensch prüft und gibt den Inhalt frei, bevor er in eine Submission gelangt.
**Nachvollziehbarkeit mit bestätigtem Umfang.** Welche Ereignisse und Felder protokolliert werden, wer darauf zugreifen kann, ob ein Export verfügbar ist und wie lange Daten aufbewahrt werden, wird für die gewählte Produktstufe vor Vertragsschluss bestätigt.
Die [EU AI Act](https://digital-strategy.ec.europa.eu/de/policies/regulatory-framework-ai)-Klassifizierung kategorisiert KI-Systeme nach Risiko. Tender-Bearbeitung als interner Prozess landet typisch in der "limited risk"-Kategorie, was Transparenzpflichten auslöst. Was im Klartext heisst: Sie müssen dokumentieren, dass und wie Sie KI einsetzen.
Für Schweizer Tender, die nicht direkt unter EU AI Act fallen, gilt parallel die Praxis der [Eidgenössischen Datenschutzbehörde](https://www.edoeb.admin.ch/) zur revDSG-Compliance. Auftragsverarbeitungsverträge mit AI-Anbietern, Verarbeitungsverzeichnisse, Datenflussdokumentation: alles wirksam, alles überprüfbar.
Allgemeine Prozentangaben sind ohne Prozessdaten nicht belastbar. Messen Sie einen Pilot gegen eine vergleichbare manuelle Ausgangslage:
Dokumentieren Sie Datenmenge, Teamgrösse, Qualitätskriterien und Messzeitraum. Erst dann lässt sich ein Ergebnis für Ihr Team seriös beziffern.
**Der Wert entsteht aus geprüftem Wissen, Quellen und Freigaben.** Das Modell allein löst weder fachliche Verantwortung noch Prozessdisziplin. Eine kuratierte Wissensbasis und klare Prüfschritte sind deshalb wichtiger als ein allgemeines Modellversprechen.
Kundeninhalte werden nicht zum Training von Modellen für Dritte verwendet; der Ausschluss wird vertraglich festgehalten. Architektur-, Speicher- und Isolationsgrenzen werden für die gewählte Produktstufe im Sicherheitsreview mit ihrem Nachweisstatus dokumentiert.
Ja. Quellenbezug kann das Risiko verringern, ersetzt aber keine fachliche Prüfung. Compliance-Antworten müssen vor der Einreichung von einer verantwortlichen Person geprüft und freigegeben werden.
Welche Quellenangaben und Ereignisse protokolliert werden, wer darauf zugreifen kann, ob ein Export verfügbar ist und wie lange die Daten aufbewahrt werden, wird für die gewählte Produktstufe vor Vertragsschluss bestätigt.
Vergleichen Sie den aktuellen Funktionsumfang des jeweiligen Dienstes mit Ihrem Verfahren. Bei Tendaro stehen kuratierte Wissensbausteine, menschliche Freigaben und die Arbeit an einer zählbaren Anforderungsstruktur im Mittelpunkt. Protokollierung, Isolation und Export werden im Sicherheitsreview mit ihrem Nachweisstatus ausgewiesen.