Anleitungen
KI vs. manuelle Suche: Warum Keyword-Filter bei Ausschreibungen nicht reichen
Keyword-basierte Suche übersieht relevante Ausschreibungen und liefert irrelevante Treffer. Wir zeigen, wie KI-gestütztes Matching das Problem löst, mit konkreten Beispielen aus der Praxis.
Auftrag One Team··5 min Lesezeit
Das Grundproblem: Suchen ist nicht Finden
Die meisten Unternehmen suchen Ausschreibungen, indem sie Stichwörter in Vergabeportale eingeben. „Softwareentwicklung", „Gebäudereinigung", „IT-Beratung", und dann scrollen sie durch die Ergebnisse. Klingt vernünftig. Funktioniert in der Praxis aber schlecht.
Das Problem ist nicht die Suchfunktion. Das Problem ist, dass öffentliche Auftraggeber ihre Ausschreibungen nicht für Suchmaschinen schreiben. Sie formulieren nach vergaberechtlichen Vorgaben, verwenden verwaltungstechnische Fachsprache und beschreiben Leistungen in einer Form, die sich nicht mit den Begriffen deckt, die ein Unternehmen intuitiv eingeben würde.
Wo Keyword-Suche scheitert
Synonyme und Varianten
Ein konkretes Beispiel aus dem IT-Bereich:
| Das Unternehmen sucht | Die Ausschreibung heißt |
|---|---|
| Softwareentwicklung | Erstellung einer webbasierten Fachanwendung |
| Cloud-Migration | Überführung bestehender IT-Systeme in eine mandantenfähige Betriebsumgebung |
| IT-Beratung | Fachliche und technische Unterstützung bei der Digitalisierung |
| Webdesign | Konzeption und Umsetzung eines barrierefreien Internetauftritts |
Kein einziger Suchbegriff des Unternehmens taucht in der Ausschreibung auf. Die Ausschreibung ist trotzdem hochrelevant. Ein Keyword-Filter würde sie nie anzeigen.
Mehrdeutige Begriffe
„Beratung" kann alles bedeuten, von Unternehmensberatung über Rechtsberatung bis zu Ernährungsberatung. Wer nach „Beratung" sucht, bekommt Hunderte irrelevante Treffer. Wer präziser sucht („IT-Beratung"), verpasst Ausschreibungen, die den gleichen Bedarf unter einem anderen Namen beschreiben.
Zusammengesetzte Leistungen
Viele Ausschreibungen bündeln mehrere Leistungen in einem Verfahren: „Planung, Lieferung und Installation einer Klimaanlage inklusive Wartungsvertrag". Ein Klimatechnik-Unternehmen sucht nach „Klimaanlage", findet diese Ausschreibung aber nur, wenn genau dieses Wort vorkommt. Steht dort „raumlufttechnische Anlage", ist der Treffer verloren.
Was KI-basiertes Matching anders macht
Statt nach exakten Stichwortübereinstimmungen zu suchen, analysieren KI-Systeme den semantischen Gehalt einer Ausschreibung. Das bedeutet:
1. Bedeutung statt Zeichenkette
KI versteht, dass „Erstellung einer webbasierten Fachanwendung" und „Softwareentwicklung" denselben Bedarf beschreiben, auch wenn kein gemeinsames Wort vorkommt. Das Modell wurde auf Millionen von Texten trainiert und kennt die Beziehungen zwischen Begriffen, Konzepten und Branchen.
2. Kontext statt Isolation
Ein Keyword-Filter behandelt jedes Wort isoliert. KI erfasst den Kontext: Wenn eine Ausschreibung „Reinigung" enthält, prüft das System, ob es um Gebäudereinigung, Datenbereinigung oder Gewässerreinigung geht, und ordnet die Relevanz entsprechend zu.
3. Unternehmensprofil statt Suchbegriffe
Statt einzelne Keywords einzugeben, hinterlegt das Unternehmen ein Profil: Branche, Leistungen, Referenzen, regionale Schwerpunkte, bevorzugte Auftragsgrößen. Die KI gleicht jede neue Ausschreibung automatisch mit diesem Profil ab und berechnet einen Relevanz-Score.
Das verändert den Prozess grundlegend: Statt selbst zu suchen, werden relevante Ausschreibungen an das Unternehmen herangetragen.
Der Unterschied in Zahlen
Wir haben bei Auftrag One die Trefferqualität von Keyword-basierten Suchprofilen mit KI-gestütztem Matching verglichen. Die Ergebnisse basieren auf internen Auswertungen unserer Nutzerdaten:
| Metrik | Keyword-Suche | KI-Matching |
|---|---|---|
| Relevante Treffer gefunden | ~60 % | ~90 % |
| Irrelevante Treffer in Ergebnissen | ~40 % | ~10 % |
| Durchschnittlicher Rechercheaufwand pro Tag | 45-60 min | 10-15 min |
Die Lücke von 30 Prozentpunkten bei den gefundenen relevanten Treffern entspricht realen Geschäftschancen, die Unternehmen mit reiner Keyword-Suche entgehen.
Praxisbeispiel: Facility Management
Ein mittelständisches Facility-Management-Unternehmen suchte bisher manuell auf drei Landesportalen nach den Begriffen „Gebäudereinigung", „Unterhaltsreinigung" und „Facility Management".
Beim Umstieg auf KI-gestütztes Matching zeigte sich:
- 12 Ausschreibungen pro Monat, die das Keyword-Profil nie gefunden hätte, darunter Rahmenverträge unter Bezeichnungen wie „Reinigungsdienstleistungen in Liegenschaften des Bundes" oder „Infrastrukturelles Gebäudemanagement"
- Rechercheaufwand reduziert von 8 Stunden auf 2 Stunden pro Woche, weil die Vorsortierung durch den Relevanz-Score das manuelle Durchsehen der Ergebnislisten überflüssig macht
- Angebotsquote erhöht, weil mehr Zeit für die Angebotserstellung statt für die Recherche zur Verfügung steht
Wann ist Keyword-Suche trotzdem sinnvoll?
Keyword-Suche hat ihre Berechtigung, wenn:
- Sie in einer eng definierten Nische arbeiten, in der die Terminologie eindeutig ist (z. B. „Photovoltaik-Freiflächenanlagen")
- Sie eine einzelne Plattform mit überschaubarem Volumen überwachen
- Sie gezielt nach einem bestimmten Auftraggeber oder einer Region filtern möchten
Für die meisten Unternehmen, die regelmäßig auf öffentliche Aufträge bieten und mehrere Leistungsbereiche abdecken, stößt die reine Keyword-Suche aber an ihre Grenzen.
Was ein gutes Matching-System können sollte
Nicht jedes System, das sich „KI-gestützt" nennt, löst die beschriebenen Probleme. Achten Sie auf:
- Semantisches Verständnis: Das System sollte Ausschreibungen inhaltlich verstehen, nicht nur nach Stichwörtern filtern
- Lernfähigkeit: Die Ergebnisse sollten sich verbessern, je mehr Feedback Sie geben (relevant / nicht relevant)
- Relevanz-Scoring: Jede Ausschreibung sollte eine nachvollziehbare Bewertung erhalten
- Quellenabdeckung: Je mehr Vergabeplattformen das System abdeckt, desto weniger Ausschreibungen entgehen Ihnen
- Aktualität: Neue Ausschreibungen sollten innerhalb von Stunden, nicht Tagen, erfasst werden
Fazit: Von der Suche zum Match
Der Wechsel von Keyword-Suche zu KI-gestütztem Matching ist kein technisches Upgrade, es ist ein Paradigmenwechsel. Statt aktiv zu suchen, lassen Sie sich passende Ausschreibungen liefern. Statt Ergebnislisten zu durchforsten, sehen Sie nur noch relevante Treffer mit einer klaren Bewertung.
Das spart nicht nur Zeit. Es verhindert, dass Geschäftschancen unentdeckt bleiben.
Wenn Sie den Unterschied selbst erleben möchten: Auftrag One analysiert täglich über 150.000 Ausschreibungen und gleicht sie automatisch mit Ihrem Unternehmensprofil ab. 30 Tage kostenlos, keine Kreditkarte nötig.
Die genannten Zahlen basieren auf internen Auswertungen und können je nach Branche und Suchprofil variieren.