Eine Ausschreibung zwingt einen Wettbewerber zu Präzision. Es muss ein Zeitplan auf den Tisch, eine Durchlaufzeit, eine Begründung der Kapazität. Das ist genau die Art von Information, über die normalerweise ein Marketingtext gelegt wird. In einem Ausschreibungsdokument liegt sie offen: Was kann diese Partei liefern, in welcher Zeit, und mit welcher Bestimmtheit traut man sich, das aufzuschreiben.
Der Grund, warum das heute mehr verrät als vor fünf Jahren, ist, dass KI einen Teil der Arbeit hinter diesem Versprechen übernommen hat. Nicht überall, und nicht im gleichen Maß. Aber wo ein Planungsprozess größtenteils automatisiert ist, steckt dieser Unterschied im Text.
Lieferzeit war lange eine Funktion der Personalbesetzung. Mehr Kapazität, kürzere Durchlaufzeit. Dieser Zusammenhang machte ein Ausschreibungsversprechen vorhersehbar: Wer knapp besetzt war, versprach vorsichtig.
Wenn ein Teil der Planung, Kalkulation oder Risikoanalyse von KI erledigt wird, ändert sich diese Logik. Ein kleineres Team kann dann eine Durchlaufzeit versprechen, die früher eine größere Besetzung erforderte. Wer diesen Zusammenhang noch nutzt, um einen Wettbewerber zu beurteilen, misst mit einem falschen Maßstab. Der Vergleich geht nicht mehr darum, wie viele Menschen es gibt, sondern darum, welcher Teil der Arbeit keine Menschen mehr benötigt.
Das ist auch, warum das je Unternehmen und je Aufgabe unterschiedlich läuft. Ein Angebotsprozess, in dem KI die erste Kalkulation macht und ein Mensch diese genehmigt oder ablehnt, ist etwas anderes als ein Prozess, in dem ein Planer noch alles manuell durchrechnet. Beide können denselben Text ergeben. Nur die Begründung dahinter unterscheidet sich.
Es gibt einige Hinweise, die häufiger bei Ausschreibungen von Parteien vorkommen, die Arbeit an KI übertragen haben.
Durchlaufzeiten, die nicht mehr mit dem Volumen skalieren. Wenn ein Wettbewerber bei einem größeren Auftrag dieselbe Lieferzeit verspricht wie bei einem kleinen, deutet das auf einen Prozess hin, der nicht mehr linear an Personenstunden gekoppelt ist.
Detailgrad bei Szenarien und Varianten. Wo früher eine Hauptvariante ausgearbeitet wurde, weil mehr Varianten zu viel Rechenaufwand kosteten, zeigen Ausschreibungen jetzt häufiger mehrere durchgerechnete Alternativen. Das deutet auf einen automatisierten Rechenschritt hin.
Reaktionsgeschwindigkeit auf Nachfragen. Eine Partei, die innerhalb eines Tages eine überarbeitete Kalkulation auf eine geänderte Anforderung liefert, hat wahrscheinlich ein System, das neu berechnet, anstatt ein Team, das wieder von vorne beginnt.
Konsistenz zwischen Ausschreibungen. Wiederkehrende Formulierungen, identische Risikoabsätze, vergleichbare Fehlermargen über verschiedene Aufträge hinweg. Das deutet auf eine Vorlage hin, die von einem System gefüllt wird, nicht auf Maßarbeit für jeden Fall.
Keines dieser Signale ist für sich genommen ein Beweis. Es sind Hinweise, die nach Bestätigung aus anderen Quellen fragen.
Die größte Fehlleitung ist, dass ein ambitioniertes Ausschreibungsversprechen als Beweis für einen technologischen Vorsprung gelesen wird, während es auch eine Risikoeinschätzung sein kann, die einfach optimistischer ist. Eine Partei kann eine kurze Lieferzeit versprechen, ohne jede Automatisierung, einfach indem sie mehr Risiko auf eine Verzugsstrafe akzeptiert.
Auch das Umgekehrte gilt: Ein vorsichtiges, konservatives Ausschreibungsversprechen sagt nichts über einen Mangel an KI-Einsatz aus. Manche Unternehmen halten bewusst Spielraum in ihren Versprechen, auch wenn ihr zugrundeliegender Prozess schneller kann, als auf dem Papier steht.
Eine Ausschreibung ist zudem eine Momentaufnahme eines einzelnen Auftrags, mit einem bestimmten Anforderungssatz. Sie ist keine repräsentative Stichprobe dafür, wie ein Wettbewerber standardmäßig arbeitet. Wer auf Basis eines einzelnen Ausschreibungsdokuments ein Urteil über den gesamten KI-Einsatz eines Wettbewerbers bildet, zieht eine Schlussfolgerung, die das Dokument nicht trägt.
Ausschreibungen sind nicht durchgehend verfügbar und nicht zu jedem Zeitpunkt relevant. Es lohnt sich, sie zu einigen Momenten zu betrachten: nach dem Verlust einer Ausschreibung, bei einer strukturellen Veränderung in den Angeboten eines festen Wettbewerbers, oder wenn verlorene Angebote ein Muster zeigen, das nach Erklärung fragt. Außerhalb dieser Momente trägt eine lose Ausschreibungsbeobachtung wenig bei, da die Signale erst in Kombination mit anderen Quellen Bedeutung erhalten.
Dabei hilft es, dies mit dem zu kombinieren, was Stellenanzeigen desselben Wettbewerbers über die gesuchten oder gerade weggefallenen Funktionen zeigen, und mit dem, was die eigenen Vertriebsmitarbeiter in der Praxis von Kunden zurückgemeldet bekommen, die bei diesem Wettbewerber angefragt haben. Eine Quelle gibt ein Signal, drei Quellen zusammen geben ein Muster.
Um zu bestimmen, ob ein schnelleres oder günstigeres Angebot bei einer Ausschreibung auf ein echtes Unterscheidungsvermögen hinweist oder auf etwas anderes, ist eine objektive Prüfung nützlicher als eine Vermutung; siehe wie Sie prüfen, ob Unterscheidungsvermögen wirklich standhält.
Die Frage, die hinter einer Ausschreibungsanalyse eines Wettbewerbers steckt, ist eigentlich eine Frage über Sie selbst: Welcher Teil Ihres eigenen Angebotsprozesses könnte ebenso gut von KI erledigt werden, wobei ein Mensch das Ergebnis genehmigt oder ablehnt. Das ist eine andere Frage als die, ob das mit Personal geschehen sollte; diese Entscheidung unterliegt eigenen gesetzlichen Anforderungen und liegt beim Arbeitgeber. Aber die faktische Frage, welche Arbeit übertragbar ist, lässt sich je Aufgabe beantworten, und das ist es, was der Arbeitsscan von FTE TO AI leistet.
Als ersten Schritt: Benennen Sie die Dimensionen, auf denen Sie glauben, gegenüber Ausschreibungswettbewerbern zu gewinnen, Geschwindigkeit, Preis, Präzision, und machen Sie den kostenlosen Dimensionscheck, um zu sehen, welche dieser Behauptungen sich mit Beweisen verteidigen lassen. Der vollständige Benchmark, mit dem Ergebnis Ihrer Peer-Gruppe bei denselben Dimensionen, befindet sich im Aufbau.