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 erst einmal meinen n8n-Workflow laufen.

Ausschreibungsbearbeitung gehört zu den zeitfressendsten Prozessen im FM, und gerade hier hat Automatisierung den größten Hebel, wenn man weiß, wo die Grenze zwischen Maschine und Mensch verläuft.

Der typische Ausschreibungsprozess und seine Schwächen

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

60 bis 70 Prozent dieser Zeit gehen für Lesen, Strukturieren und Zuordnen drauf. Das ist Fleißarbeit und verlangt keine FM-Expertise. Für die eigentliche Wertschöpfung bleibt weniger Zeit: fachliche Bewertung, Preiskalkulation, strategische Positionierung.

Was ich mit KI und n8n automatisiert habe

Ich automatisiere alles, was Struktur und Text ist, und lasse alles beim Menschen, was Erfahrung und Urteil braucht.

Schritt 1 ist die Eingangsanalyse per KI. Der n8n-Workflow startet, sobald eine neue Ausschreibung in einem definierten Ordner landet. Das erste Modul extrahiert den Text aus den PDFs, das zweite schickt ihn mit einem spezifischen Prompt an Claude. Der Prompt ist auf FM-Ausschreibungen zugeschnitten und fragt gezielt ab: Welche Gewerke sind enthalten? Welche Standorte und Flächengrößen? Welche SLAs und Reaktionszeiten werden gefordert? Welche Vertragslaufzeit und Kündigungsfristen gelten? Gibt es Besonderheiten oder Ausschlusskriterien, Referenzanforderungen oder Zertifizierungspflichten? Das Ergebnis ist ein strukturierter Steckbrief der Ausschreibung, in fünf Minuten statt in drei Stunden.

Schritt 2 ist die Strukturierung des Leistungsverzeichnisses. Die KI überführt es in eine Tabelle mit Position, Beschreibung, Mengeneinheit, geforderter Qualität und Frequenz. Das Ergebnis landet als CSV oder direkt in einer Datenbank und bildet die Grundlage für die Kalkulation. Dabei habe ich gelernt, dass die KI gut darin ist, Struktur zu erkennen und Informationen zu extrahieren, aber schlecht darin, implizite Anforderungen zu erkennen. Steht in einer Ausschreibung „Reinigung nach Stand der Technik”, weiß ein erfahrener FM-Kalkulateur, was das in der Praxis bedeutet. Die KI nimmt es wörtlich. Deshalb strukturiere ich automatisch und prüfe manuell.

Schritt 3 sind die Textbausteine. Für die Angebotserstellung habe ich eine Bibliothek mit bewährten Formulierungen für Leistungsbeschreibung, Qualitätssicherung, Personalkonzept und Nachhaltigkeitskonzept aufgebaut. Der Workflow ordnet die erkannten Gewerke passenden Bausteinen zu und erstellt einen Entwurf des Angebotstextes. Er ist ein Ausgangspunkt und kein fertiges Angebot, denn jede Ausschreibung hat Besonderheiten, die eigene Formulierungen verlangen. Ich starte aber mit einem Entwurf, der 70 Prozent der Standardinhalte abdeckt.

Der n8n-Workflow im Detail

Für die technisch Interessierten: 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 Ausschreibungs-Prompt. Die Antwort wird geparst und in drei Ausgaben 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 Workflow hat 14 Nodes und stand nach zwei Tagen, inklusive Prompt-Optimierung und Tests mit realen Ausschreibungen. Eine IT-Abteilung, ein Entwicklerteam oder ein sechsstelliges Budget habe ich dafür nicht gebraucht. n8n läuft selfhosted auf einem einfachen Linux-Server, die Claude-API-Kosten liegen bei wenigen Euro pro Ausschreibung.

Was menschliche Expertise braucht

Die Preiskalkulation bleibt Menschenarbeit. Lohnkosten, Materialpreise, Subunternehmer-Konditionen, regionale Unterschiede und strategische Preisgestaltung beruhen auf Erfahrungswissen, Verhandlungsspielräumen und Marktkenntnis. Die KI kann die Kalkulationsstruktur vorbereiten, die Zahlen muss der Kalkulateur liefern.

Auch die strategische Bewertung liegt beim Menschen. Wollen wir diese Ausschreibung überhaupt? Passt der Kunde zu uns? Können wir die geforderten Referenzen liefern? Welchen Preis brauchen wir, um profitabel zu sein? Dafür braucht es Geschäftserfahrung.

Dazu kommt die Qualitätssicherung. Jeden KI-Output lese ich gegen, weil Fehler in Angeboten teuer werden. Eine falsch interpretierte Anforderung kann den Zuschlag kosten oder zu einem Vertrag führen, der unprofitabel ist.

Zeitersparnis und ehrliche Bilanz

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

Nicht geklappt hat es bei Ausschreibungen mit sehr unstrukturierten Leistungsbeschreibungen. Formuliert der Auftraggeber seine Anforderungen als Fließtext statt in einem strukturierten LV, tut sich die KI schwer, Positionen sauber zu extrahieren. Dann 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 mit einem strukturierten Prompt an Claude oder ChatGPT und vergleicht das Ergebnis mit eurer manuellen Analyse. Wenn das funktioniert, baut ihr 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?