Warum KI-Relevanzbewertung Stichwort-Alerts bei der Ausschreibungssuche schlägt

Das Stichwort-Alert-Problem

Jeder Ausschreibungs-Aggregator bietet Stichwort-Alerts. Sie tippen „Sicherheitssoftware“ und bekommen jede Ausschreibung gemailt, die exakt diese Phrase enthält. Einfach, billig umzusetzen — und für jeden mit nicht-trivialem Leistungsspektrum als Filter komplett kaputt.

Die Probleme verstärken sich gegenseitig:

• Vokabular-Mismatch. Ein Auftraggeber, der genau Ihr Produkt beschafft, schreibt vielleicht „EHS-Managementsystem“ oder „Arbeitsschutz-Compliance-Plattform“ statt „Sicherheitssoftware“. Ihr Stichwort greift nicht.
• Fehlalarme. „Schulung zur Sicherheitssoftware für Bauleiter“ trifft Ihr Stichwort, ist aber eine Schulungsleistung, keine Software. Sie brauchen 30 Minuten Lektüre, um das festzustellen.
• Kontextverlust. „Sicherheitssoftware“ taucht in einer Gebäudereinigungs-Ausschreibung auf, weil der Dienstleister seine interne Software im Firmenprofil erwähnt. Treffer — aber irrelevant.
• Sprachfragmentierung. Für französische Ausschreibungen ergänzen Sie „logiciel de sécurité“, für englische „safety software“ usw. Jede Sprache multipliziert Ihre gepflegte Stichwortliste.
• Volumen-Überlastung. Ein breites Stichwort liefert 200 Ausschreibungen pro Woche; ein enges verpasst relevante. Es gibt keinen Regler, der beides löst.

Wie KI-Relevanzbewertung funktioniert

Statt Stichworte zu matchen, liest ein LLM (Large Language Model) Titel + Beschreibung + Auftraggeber + Kategorie jeder Bekanntmachung und vergleicht sie mit einer Klartext-Beschreibung Ihres Geschäfts — was Sie verkaufen, an wen, was auszusortieren ist. Heraus kommt ein Relevanz-Score von 0 bis 1 mit kurzer Begründung.

Beispiel: Ihre Unternehmensbeschreibung lautet „Wir verkaufen HSE-Managementsoftware an Öl-und-Gas- und Fertigungsunternehmen. Relevant: Sicherheitssoftware, Permit-to-Work-Systeme, Incident-Reporting-Plattformen. NICHT relevant: Hardware, PSA, reine Schulungen, Bauleistungen.“

• Ausschreibung A: „Beschaffung einer Plattform zum Tracking der Auftragnehmer-Sicherheitscompliance für Offshore-Anlagen“ → Score 0,91, Begründung: Sicherheitssoftware für Öl und Gas, exakte Passung.
• Ausschreibung B: „Durchführung von Sicherheitsschulungen und Workshops für Bauleiter“ → Score 0,18, Begründung: nur Schulung, explizit ausgeschlossen.
• Ausschreibung C: „Lieferung von Warnwesten für Straßenarbeiter“ → Score 0,02, Begründung: PSA-Hardware, keine Software.

Alle drei Ausschreibungen würden einen „Sicherheit“-Stichwort-Alert auslösen. Nur Ausschreibung A verdient Ihre Aufmerksamkeit.

Wirkung in der Praxis

Aus TenderYetis eigenen Kundendaten (Mediane über Konten mit 6+ Monaten Historie):

• Bekanntmachungsvolumen: ~200/Woche pro Konto mit Stichwort-Treffern.
• KI-Score ≥ 0,7 (relevant): ~12/Woche.
• Zeitersparnis: Der Kunde liest 12 kuratierte Bekanntmachungen statt 200 Stichwort-Treffer — von rund 4 Stunden auf 20 Minuten pro Woche.
• Verpassquote: niedriger als bei reinen Stichworten, weil die KI Vokabular-Varianten findet, die eine statische Liste übersieht.

Die Kompromisse — die ehrliche Version

KI-Bewertung ist nicht frei von Nachteilen. Wer sie als reines Upgrade verkauft, verspricht zu viel. Die echten Kompromisse:

• Kaltstart-Kosten. Ihre Unternehmensbeschreibung muss gut geschrieben sein — ein paar Absätze, keine Stichwortliste. Die ersten 15 Minuten Einrichtung zählen.
• Bewertungs-Latenz. LLM-Inferenz kostet Sekunden pro Ausschreibung. Bei Portalen mit hohem Volumen können zwischen Veröffentlichung und Benachrichtigung 5–30 Minuten liegen. Stichwort-Matching ist sofort.
• Rechenkosten. LLM-Aufrufe kosten Geld. Aggregatoren geben das im Preis weiter oder fangen es mit kleineren Modellen bei etwas geringerer Qualität ab.
• Gelegentlich seltsame Scores. LLMs sind Mustererkenner; eine echte Grenzfall-Ausschreibung mit ungewöhnlicher Formulierung kann 0,5 bekommen, wo ein Mensch 0,9 oder 0,1 sagen würde. Ein wöchentlicher Blick auf Ihre Grenzfälle fängt Drift ab.
• Erklärbarkeit. Ein Stichwort-Treffer ist trivial erklärbar („traf ‚Sicherheitssoftware‘“). Ein KI-Score mit Begründungssatz ist nützlicher, aber im Maßstab schwerer zu auditieren.

Wann Stichwort-Alerts weiterhin gewinnen

• Enge, eindeutige Produktkategorien. Hat Ihr Produkt einen einzigartigen Markennamen oder einen 1:1 passenden CPV-Code, funktionieren Stichworte bestens — ohne LLM-Kosten.
• Compliance-/Marken-Monitoring. Die eigene Marke in Ausschreibungen beobachten — reines Stichwort-Matching.
• Sehr hohes Volumen mit Automatik. Wer 10.000+ Ausschreibungen pro Tag durch automatisierte Workflows leitet, hält mit Stichworten + Regeln Latenz und Kosten planbar.

Wie TenderYeti es umsetzt

Zweistufiges Modell: Ein schneller Primär-Scorer läuft über jede Ausschreibung, ein langsameres, fähigeres Modell prüft Grenzfälle (0,4–0,7) nach. Ihre Unternehmensbeschreibung liegt einmal in Ihrer Organisationskonfiguration; jede Ausschreibung aus jedem abonnierten Portal wird unabhängig dagegen bewertet.

Mehrsprachigkeit: Ausschreibungen auf Französisch, Deutsch, Spanisch, Arabisch usw. werden für das Bewertungsmodell automatisch übersetzt. Im Dashboard sehen Sie Original- und übersetzten Titel.

Die Relevanzschwelle ist einstellbar — Standard ist 0,5: Bekanntmachungen ab 0,5 erreichen Ihren Digest. Wer mehr Abdeckung will, stellt 0,3 ein; wer nur hochsichere Treffer will, 0,7.

Wo TenderYeti ins Bild kommt

Sehen Sie TenderYeti live — 14 Tage Geld-zurück-Garantie, die KI-Bewertung läuft ab Ihrer ersten Ausschreibung. Oder sehen Sie sich die Portalabdeckung an.

Häufig gestellte Fragen