So funktioniert TenderYetis KI-Bewertung

Methodik, Stand August 2026

Diese Seite erklärt, wie wir jede eingehende Ausschreibung auf Relevanz für Ihr Unternehmen bewerten. Sie ist technisch und ehrlich — wir sagen Ihnen, welche Modelle wir einsetzen, welche Daten wohin fließen und wo die echten Grenzen des Systems liegen. Wenn Sie TenderYeti gegen einen Wettbewerber evaluieren, ist das die Seite, die Sie lesen sollten.

1. Was der „Relevanz-Score“ wirklich bedeutet

Jede von uns indexierte Ausschreibung erhält einen Score zwischen 0,00 und 1,00 gegen die natürlichsprachliche Unternehmensbeschreibung in Ihrem Konto. Ein Score von 0,85 heißt: Die KI ist sicher, dass die Ausschreibung passt; 0,15 heißt: sicher nicht. Ihre tägliche Digest-E-Mail wird über eine von Ihnen gesteuerte Schwelle gefiltert (Standard 0,60) — Sie entscheiden, wie viel Rauschen Sie zulassen.

Der Score ist relativ zu Ihrer Unternehmensbeschreibung — keine absolute Qualitätsbewertung der Ausschreibung. Dieselbe Bekanntmachung kann für einen CMMS-Anbieter 0,9 und für ein Bauunternehmen 0,05 erreichen.

2. Was die KI tatsächlich liest

Für jede Ausschreibung senden wir dem LLM den vollständigen Text der Bekanntmachung (Titel + Beschreibung + Auftraggeber + Bekanntmachungstyp + Land + Beschaffungskategorie + geschätzter Wert, sofern vorhanden), nicht nur den Titel. Das ist entscheidend, weil ein großer Teil relevanter Ausschreibungen generisch betitelt ist („Softwaredienstleistungen — Rahmenvereinbarung“) und die eigentliche Absicht im Anforderungsteil vergraben liegt.

Volltext-Lektüre ist der Grund, warum wir Ausschreibungen finden, die die Stichwortsuche verpasst. Und der Grund, warum KI-Bewertung ein verteidigbarer Vorsprung ist — mit einem gespeicherten Suchalarm auf TED oder SAM.gov lässt sich das nicht nachbauen.

3. Zweistufige LLM-Prüfung

Jede Ausschreibung durchläuft zuerst ein schnelles Primärmodell. Bekanntmachungen mit sicherem Urteil (Score ≤ 0,40 oder ≥ 0,70) sind an dieser Stelle entschieden. Bekanntmachungen im unsicheren Band (0,40–0,69) werden von einem zweiten, größeren Prüfmodell neu bewertet. Das verbindet den Durchsatz eines kleinen Modells bei den einfachen Fällen mit dem Urteilsvermögen eines größeren Modells bei den Grenzfällen — den ~15 % der Bekanntmachungen, bei denen ein falscher Score Sie tatsächlich eine Chance kostet.

Beide Modelle sehen denselben Prompt: Ihre Unternehmensbeschreibung, den Ausschreibungsinhalt und strukturierte Anweisungen, einen Score plus eine Ein-Satz-Begründung plus eine Liste getroffener Suchbegriffe auszugeben. Die Begründung wird zusammen mit dem Score gespeichert, damit Sie sehen, warum die KI eine Ausschreibung so bewertet hat — und Widerspruch können Sie direkt im Dashboard markieren.

4. Mehrsprachiges Matching

Ihre Unternehmensbeschreibung ist in einer Sprache verfasst (typischerweise Englisch). Ausschreibungen kommen in 20+ Sprachen — Deutsch, Französisch, Spanisch, Portugiesisch, Italienisch, Niederländisch, Polnisch, Russisch, Türkisch, Arabisch und mehr. Die Diskrepanz lösen wir auf zwei Wegen:

• Suchbegriff-Expansion. Wir pflegen ein kuratiertes Wörterbuch mit 2.660+ Übersetzungen gängiger Bid-Team-Begriffe in 20 Sprachen. Ihr englisches Stichwort „permit to work“ trifft auch „Arbeitserlaubnis“, „permis de travail“, „permesso di lavoro“, „разрешение на работу“ usw. Neue Begriffe werden on-the-fly über ein intern gehostetes NMT-Modell übersetzt und gecacht.
• Volltext-Vorfilter. Bevor ein LLM eine Ausschreibung überhaupt sieht, filtern wir auf PostgreSQL-Ebene gegen das mehrsprachige Suchbegriff-Set — ein grobes „Könnte das relevant sein?“-Gate. Was durchkommt, geht zur eigentlichen Bewertung ans LLM. So verarbeiten wir 500.000+ Ausschreibungen pro Tag, ohne das KI-Budget zu erschöpfen.

5. Vorrang pro Benutzer

Im Pro-Plan kann jeder Benutzer einer Organisation den gemeinsamen KI-Prompt mit einem eigenen überschreiben. Ein Senior-Partner, der Rahmenvereinbarungen ab 10 Mio. $ verfolgt, und ein Junior-Analyst, der transaktionale Preisanfragen beobachtet, sehen im selben Team unterschiedliche Scores für dieselbe Ausschreibung — jeder den Score gegen die eigene Unternehmensbeschreibung. Die Bewertungsschicht ist doppelt verknüpft, sodass der eigene Score des Aufrufers vor dem Organisations-Fallback gewinnt.

6. Was wir NICHT tun (und nicht behaupten)

• Wir veröffentlichen keine kalibrierte Precision-/Recall-Zahl. Wir haben keine unabhängige Panel-Studie durchgeführt. Wer „94,7 % genau“ behauptet, ohne eine öffentliche Evaluationsmethodik vorzulegen, zitiert eine erfundene Zahl. Unsere wäre es auch. Was wir sagen können: Interne Stichproben mit echten Kunden erreichen >90 % Precision bei Schwelle 0,60 in den Nischen HSE-Software und CMMS. Ihre Ergebnisse variieren je nach Domäne.
• Wir trainieren nicht auf Ihren Suchbegriffen oder Ihren Relevanz-Urteilen. Ihre Unternehmensbeschreibung ist ein Prompt, kein Trainingssignal. Wir fine-tunen nichts Kundenspezifisches.
• Wir senden keine Konto- oder Abrechnungsdaten an das LLM. Nur der öffentliche Ausschreibungstext plus Ihre Unternehmensbeschreibung gehen an den Modellanbieter.
• Wir garantieren nicht null falsche Negative. Eine Ausschreibung mit Score 0,30 kann trotzdem zu Ihnen passen. Deshalb zeigt das Dashboard das ganze Spektrum, nicht nur den Digest — der Digest ist die Shortlist, nicht das ganze Bild.

7. Welchen Modellanbieter wir nutzen

Aktuell sind Primär- und Prüfmodell selbst gehostete Open-Weight-Instruktionsmodelle (Qwen-2.5-Familie) auf eigener GPU-Infrastruktur. Das gibt uns Kostenkontrolle, Datenschutzkontrolle (kein Vendor-Lock-in, keine Abrechnung pro Token) und die Freiheit, Modelle zu tauschen, ohne Integrationen umzuschreiben. Wo wir gehostete Anbieter nutzen (Übersetzung, Fallbacks), werden ausschließlich der öffentliche Ausschreibungstext plus Ihre englische Suchbegriffliste übertragen — nie Konto- oder Abrechnungsdaten. Unsere Unterauftragsverarbeiter stehen in der Datenschutzerklärung.

8. Wie wir mit Fehlern umgehen

Jeder Benutzer kann das KI-Urteil einer Ausschreibung im Dashboard markieren („hoch bewertet, aber irrelevant“ oder „niedrig bewertet, aber ich hätte geboten“). Diese Markierungen landen in einer internen Prüf-Queue. Wir sichten markierte Ausschreibungen regelmäßig auf systematische Lücken — meist ein Expansions-Fehltreffer oder eine zu generische Unternehmensbeschreibung. Wörterbuch und Prompt-Vorgaben stimmen wir auf Basis echten Feedbacks ab, nicht auf synthetischen Benchmarks.

9. Datenaktualität

Neue Ausschreibungen landen typischerweise binnen Minuten nach Veröffentlichung auf dem Quellportal im Index und werden bewertet. Portale mit stündlichen oder täglichen Update-Zyklen begrenzen das — wir können nur so aktuell sein wie die Quelle. Ihre tägliche Digest-E-Mail geht zur gewählten Uhrzeit raus (Standard 06:00 Uhr Organisations-Zeitzone) mit allem, was seit dem letzten Digest bewertet wurde.