Ausschreibungen automatisieren mit KI und n8n – was wirklich geht und was nicht

Freitagnachmittag, 16 Uhr. Eine Ausschreibung mit 120 Seiten Leistungsverzeichnis landet in meinem Posteingang. Abgabefrist: zehn Tage. Das Dokument besteht aus Leistungsbeschreibungen, technischen Anforderungen, Bewertungsmatrizen und Vertragsbedingungen, verteilt über drei PDF-Dateien und zwei Excel-Tabellen. Vor einem Jahr hätte ich das Wochenende gestrichen. Heute lasse ich erstmal meinen n8n-Workflow laufen.

Ausschreibungsbearbeitung ist einer der zeitfressendsten Prozesse im FM. Und gleichzeitig einer, bei dem Automatisierung den größten Hebel hat – wenn man weiß, wo die Grenze zwischen Maschine und Mensch liegt.

Der typische Ausschreibungsprozess – und seine Schwächen

In den meisten FM-Unternehmen läuft eine Ausschreibungsbearbeitung so ab: Eine Person liest das gesamte Leistungsverzeichnis durch, markiert relevante Stellen, erstellt eine Zusammenfassung, kalkuliert die einzelnen Positionen, schreibt Textbausteine für das Angebot und koordiniert Rückfragen mit Fachabteilungen. Das dauert bei einer mittelgroßen Ausschreibung 30 bis 60 Stunden – verteilt auf mehrere Personen über ein bis zwei Wochen.

Die Schwäche dieses Prozesses: 60 bis 70 Prozent der Zeit gehen für Lesen, Strukturieren und Zuordnen drauf. Also für Aufgaben, die keine FM-Expertise erfordern, sondern pure Fleißarbeit sind. Die eigentliche Wertschöpfung – die fachliche Bewertung, die Preiskalkulation, die strategische Positionierung – bekommt den kleineren Zeitanteil.

Was ich mit KI und n8n automatisiert habe

Mein Ansatz: Alles automatisieren, was Struktur und Text ist. Alles beim Menschen lassen, was Erfahrung und Urteil braucht.

Schritt 1 – Eingangsanalyse per KI: Der n8n-Workflow wird getriggert, wenn eine neue Ausschreibung in einem definierten Ordner landet. Das erste Modul extrahiert den Text aus den PDFs, das zweite schickt den Text an Claude mit einem spezifischen Prompt. Der Prompt ist entscheidend – er ist nicht generisch, sondern auf FM-Ausschreibungen zugeschnitten.

Der Prompt fragt gezielt ab: Welche Gewerke sind enthalten? Welche Standorte und Flächengrößen? Welche SLAs und Reaktionszeiten werden gefordert? Welche Vertragslaufzeit und Kündigungsfristen? Welche Besonderheiten oder Ausschlusskriterien gibt es? Gibt es Referenzanforderungen oder Zertifizierungspflichten?

Das Ergebnis ist ein strukturierter Steckbrief der Ausschreibung – in fünf Minuten statt in drei Stunden.

Schritt 2 – Leistungsverzeichnis strukturieren: Das Leistungsverzeichnis wird von der KI in eine tabellarische Struktur überführt: Position, Beschreibung, Mengeneinheit, geforderte Qualität, Frequenz. Das Ergebnis landet als CSV oder direkt in einer Datenbank. Das ist die Grundlage für die Kalkulation.

Hier habe ich einen wichtigen Lerneffekt gemacht: Die KI ist gut darin, Struktur zu erkennen und Informationen zu extrahieren. Sie ist schlecht darin, implizite Anforderungen zu erkennen. Wenn in einer Ausschreibung steht „Reinigung nach Stand der Technik”, weiß ein erfahrener FM-Kalkulateur, was das in der Praxis bedeutet. Die KI nimmt es wörtlich. Deshalb: automatisch strukturieren, manuell prüfen.

Schritt 3 – Textbausteine vorbereiten: Für die Angebotserstellung habe ich eine Bibliothek mit Textbausteinen aufgebaut – bewährte Formulierungen für Leistungsbeschreibungen, Qualitätssicherung, Personalkonzept, Nachhaltigkeitskonzept. Der n8n-Workflow matched die identifizierten Gewerke mit passenden Textbausteinen und erstellt einen Entwurf des Angebotstextes.

Auch hier gilt: Der Entwurf ist ein Ausgangspunkt, kein fertiges Angebot. Jede Ausschreibung hat Besonderheiten, die individuelle Formulierungen erfordern. Aber statt bei null anzufangen, starte ich mit einem Entwurf, der 70 Prozent der Standardinhalte abdeckt.

Der n8n-Workflow im Detail

Für die technisch Interessierten – so sieht der Workflow in n8n aus:

Der Trigger ist ein Folder-Watcher, der neue Dateien in einem definierten Netzwerkordner erkennt. Es folgt ein PDF-Extraktionsmodul, dann ein HTTP-Request an die Claude API mit dem spezialisierten Ausschreibungs-Prompt. Die Antwort wird geparst und in drei Outputs aufgeteilt: den Ausschreibungssteckbrief als Markdown, das strukturierte Leistungsverzeichnis als CSV und den Textbaustein-Entwurf als Word-Dokument. Alle drei Dateien landen in einem Projektordner, benannt nach Ausschreibungsnummer und Datum.

Der gesamte Workflow hat 14 Nodes und war in zwei Tagen aufgesetzt – inklusive Prompt-Optimierung und Tests mit realen Ausschreibungen.

Was ich dafür nicht gebraucht habe: eine IT-Abteilung, ein Entwicklerteam oder ein sechsstelliges Budget. n8n läuft selfhosted auf einem einfachen Linux-Server, die Claude-API-Kosten liegen bei wenigen Euro pro Ausschreibung.

Was menschliche Expertise braucht

Automatisierung hat Grenzen, und im Ausschreibungsgeschäft sind diese Grenzen klar.

Die Preiskalkulation bleibt menschliche Arbeit. Lohnkosten, Materialpreise, Subunternehmer-Konditionen, regionale Unterschiede, strategische Preisgestaltung – das kann keine KI, weil es auf Erfahrungswissen, Verhandlungsspielräumen und Marktkenntnis basiert. Die KI kann die Kalkulationsstruktur vorbereiten, aber die Zahlen müssen vom Kalkulateur kommen.

Ebenso die strategische Bewertung: Wollen wir diese Ausschreibung überhaupt? Passt der Kunde zu uns? Können wir die geforderten Referenzen liefern? Welchen Preis brauchen wir, um profitabel zu sein? Diese Entscheidungen erfordern Geschäftserfahrung, nicht Textverarbeitung.

Und die Qualitätssicherung: Jeder KI-Output muss gegengelesen werden. Nicht weil die KI schlecht ist, sondern weil Fehler in Angeboten teuer werden. Eine falsch interpretierte Anforderung kann den Zuschlag kosten – oder schlimmer, zu einem Vertrag führen, der nicht profitabel ist.

Zeitersparnis und ehrliche Bilanz

In den letzten fünf Ausschreibungen, die ich mit diesem Workflow bearbeitet habe, lag die Zeitersparnis zwischen 35 und 50 Prozent. Konkret: Statt 40 Stunden für eine mittelgroße Ausschreibung brauche ich jetzt 20 bis 25 Stunden. Die gewonnene Zeit fließt in die fachliche Bewertung und die Kalkulation – also in die Arbeit, die den Zuschlag bringt.

Was nicht geklappt hat: Ausschreibungen mit sehr unstrukturierten Leistungsbeschreibungen. Wenn der Auftraggeber seine Anforderungen in Fließtext statt in einem strukturierten LV formuliert, hat die KI Schwierigkeiten, Positionen sauber zu extrahieren. In solchen Fällen ist der manuelle Aufwand kaum geringer.

Mein konkreter Tipp zum Starten

Ihr müsst nicht mit dem kompletten Workflow anfangen. Startet mit dem einfachsten Baustein: dem Ausschreibungssteckbrief. Nehmt eine aktuelle Ausschreibung, extrahiert den Text, schickt ihn an Claude oder ChatGPT mit einem strukturierten Prompt, und vergleicht das Ergebnis mit eurer manuellen Analyse. Wenn das funktioniert, baut Schritt für Schritt den Rest dazu.

Wer n8n noch nicht kennt: Die Installation dauert 15 Minuten, es gibt eine kostenlose selfhosted Version, und die Lernkurve ist flach. Für den Ausschreibungs-Workflow braucht ihr keine Programmierkenntnisse – nur die Bereitschaft, einen Nachmittag in die Einrichtung zu investieren.

Wie läuft die Ausschreibungsbearbeitung bei euch? Komplett manuell, oder habt ihr schon Teile automatisiert?