Worum es geht
Ein Satz Vergabeunterlagen besteht aus der Aufforderung zur Angebotsabgabe, den Bewerbungsbedingungen, der Leistungsbeschreibung, den Vertragsbedingungen und einem Stapel Formblätter. Wer entscheiden will, ob sich ein Angebot lohnt, liest den Rahmenteil vollständig und blättert im Leistungsverzeichnis, bis klar ist, ob die ausgeschriebene Menge zum Betrieb passt. Das dauert eine halbe bis mehrere Stunden und endet meistens mit einer Absage an sich selbst.
Diese Stunden fallen bei der Person an, die im Betrieb kalkuliert. Zwei Kosten kommen dazu und lassen sich schwer beziffern: die Ausschreibung, die gar nicht erst gesichtet wird, und der Ausschluss aus formalen Gründen, bei dem die Kalkulation stimmte und ein Formblatt fehlte.
Was hier gemessen wurde, ist ein Steckbrief mit 18 festen Feldern. Jedes Feld erscheint in jeder Ausgabe, entweder mit Wert und Fundstelle oder mit der ausdrücklichen Meldung, dass es in den Unterlagen nicht auffindbar war. Entschieden wird weiterhin im Betrieb, in zwei Minuten statt in zwei Stunden.
Ein Beispiel
Eine Unterhaltsreinigung, ausgeschrieben von einem Landratsamt. Die Bewerbungsbedingungen listen alle Nachweise sauber auf und verlangen jeden davon "auf gesondertes Verlangen". Wer sie liest, hält das Angebot für formlos abgebbar. Auf Seite 4 der Zusätzlichen Vertragsbedingungen, zwischen Schlüsselverwaltung und Datenschutz, steht der eine Satz, der das umdreht.
Der Vorgang, wie er hereinkommtUnterhaltsreinigung eines Dienstgebäudes, 11.400 Quadratmeter, Landratsamt, öffentliche Ausschreibung
- Aufforderung zur Angebotsabgabe2 Seiten, Fristen, Wertung, Form
- Bewerbungsbedingungen2 Seiten, Nachweise, alle auf Verlangen
- Zusätzliche Vertragsbedingungen5 Seiten, Leistungszeiten, Personal, Schlüssel
- Leistungsverzeichnis mit Raumbuch10 Seiten, 109 Räume mit Fläche und Frequenz
Hervorgehoben: die Datei mit der Stelle, an der die Teilnahme hängt.
- F11Angebotsfrist
- 2026-10-08, 10:00 UhrAufforderung zur Angebotsabgabe, Seite 1
- F15Geforderte Nachweise
- Eigenerklärung zur Eignungauf gesondertes VerlangenBewerbungsbedingungen, Seite 1
- F15Geforderte Nachweise
- Verpflichtungserklärung nach dem LTMGmit dem AngebotZusätzliche Vertragsbedingungen, Seite 4
- F16Ausschlussbedingungen
- Angebote ohne beiliegende LTMG-Verpflichtungserklärung werden von der Wertung ausgeschlossenZusätzliche Vertragsbedingungen, Seite 4
Ausschnitt aus achtzehn Feldern. Claude Sonnet 5, ein Durchgang, unverändert übernommen.
Was die Modelle leisten
Sieben Modelle, dieselben 8 Vergabevorgänge, dieselbe Aufbereitung, dieselbe Anweisung, dieselben 9 Prüfungen, je fünf Durchgänge. Die oberen drei laufen auf einem Rechner im Betrieb, die mittleren zwei auf gemieteter Rechenzeit in Finnland, die unteren zwei in der Cloud. Ein Vorgang gilt erst dann als fehlerfrei, wenn keine einzige Prüfung anschlägt: keine erfundene Angabe, keine übersehene, jede Zeile mit einem wörtlichen Beleg von der genannten Seite.
| Modell | Läuft auf | Fehlerfreie Vorgängevon 8 | Korrekturenje Vorgang, etwa | Felder belegt und richtigAnteil der 18 | Je Vorgang | Kostenje Vorgang |
|---|---|---|---|---|---|---|
| Auf einer Maschine im Betrieb | ||||||
| qwen3.5:9boffenes Modell, 9,7 Milliarden Parameter | Bürorechner mit Grafikkarte, 8 GB | 0,0 | 1,2 | 74.6 % | 96 s | keine |
| qwen3.5:4bdieselbe Generation, kleinere Klasse | Notebook der gehobenen KlasseFüllt mehr Felder richtig als das größere Modell derselben Generation und macht dabei mehr Fehler. Für den Kalkulator die unangenehmere Mischung, dafür läuft es auf einem Notebook und doppelt so schnell. | 0,0 | 1,3 | 78.2 % | 45 s | keine |
| qwen3:8bVorgängergeneration, ein Jahr älter | Bürorechner mit Grafikkarte, 8 GBDie Generation wiegt schwerer als die Größe: das kleinere Modell der neuen Generation ist bei jedem Maß besser und doppelt so schnell. | 0,0 | 2,4 | 49.2 % | 108 s | keine |
| Offenes Modell auf gemieteter Rechenzeit in der EU | ||||||
| Qwen3 32Boffenes Modell, 32 Milliarden Parameter | Gemietete Rechenzeit in Finnland, Datensammlung abgelehnt | 0,9 | 0,7 | 82.9 % | 83 s | 0,10 ct |
| Qwen3 235Boffenes Modell, 235 Milliarden Parameter | Gemietete Rechenzeit in Finnland, Datensammlung abgelehntBeim dichtesten der acht Vorgänge riss die Ausgabe in allen fünf Durchgängen an einer zu eng gesetzten Grenze ab. Die Zahlen stehen ohne diesen Vorgang, die Lücke ist im Repo vermerkt. | 1,1 | 0,5 | 86.7 % | 30 s | 0,18 ct |
| Über einen Dienst im Netz | ||||||
| Claude Sonnet 5Anthropic, Größe nicht veröffentlicht | Rechenzentrum, die Unterlagen verlassen den Betrieb | 2,0 | 0,3 | 95.1 % | 25 s | 4,5 ct |
| Claude Haiku 4.5Anthropic, kleinere Klasse | Rechenzentrum, die Unterlagen verlassen den Betrieb | 0,4 | 0,5 | 90.1 % | 27 s | 2,4 ct |
Was die Tabelle zeigt
Kein Modell auf eigener Hardware hat einen einzigen der acht Vorgänge fehlerfrei erfasst. Über 120 Durchläufe steht die erste Spalte dort bei null. Das unterscheidet diesen Anwendungsfall von den anderen auf dieser Website: eine Postsichtung oder ein Besuchsbericht gelingt im Haus regelmäßig, ein Satz Vergabeunterlagen bisher nicht.
Brauchbar ist die Hausvariante deshalb trotzdem, aber in einer anderen Rolle. Drei Viertel der Felder kommen belegt und richtig zurück. Was fehlt, ist die Verlässlichkeit im Einzelfall, und genau deshalb bleibt der Steckbrief ein Wegweiser in die Unterlagen und wird keine Entscheidungsgrundlage, die niemand mehr prüft.
Die Generation wiegt schwerer als die Größe. Das kleinere Modell der aktuellen Generation läuft auf einem Notebook, braucht die Hälfte der Zeit und füllt mehr Felder richtig als die Vorgängergeneration mit vergleichbarer Parameterzahl. Wer heute Hardware kauft, kauft sie für Modelle, die es noch nicht gibt.
Die interessante Mitte ist gemietete Rechenzeit in der EU. Ein offenes Modell in einem finnischen Rechenzentrum, mit abgelehnter Datensammlung und festgelegtem Unterhoster, liegt bei 86,7 Prozent richtig gefüllter Felder und kostet 0,18 Cent je Vorgang. Das beste Modell in der Cloud liegt bei 95,1 Prozent und kostet 4,45 Cent, also das Fünfundzwanzigfache.
Die Aufbereitung entscheidet, nicht das Modell
Der dichteste der acht Vorgänge hat 36 Seiten und ein Leistungsverzeichnis mit 322 Positionen. Wird er unverändert an ein Modell auf einer Bürokarte gegeben, passiert zweierlei gleichzeitig: von den 14.871 Einheiten Text liest die Maschine nur 8.194, der Anfang mit allen vier Fristen fällt weg, und die Antwort reißt mitten im Satz ab. Zurück kommen 0 von 18 Feldern.
Mit einer Aufbereitung davor sind es 4.918 Einheiten und 18 von 18 Feldern. Die Aufbereitung trennt die Positionen des Leistungsverzeichnisses vom Fließtext: die Positionen werden gezählt und zusammengefasst, der Text daneben bleibt vollständig erhalten.
Warum das keine Kleinigkeit ist: In diesem Vorgang steht auf Seite 19 des Leistungsverzeichnisses, zwischen 322 Positionen, ein Hinweis, dass ein Teil der Arbeiten bereits zum 30.07.2027 fertig sein muss statt zum 20.08.2027. Diese Frist steht nirgendwo sonst. Eine Aufbereitung, die das Leistungsverzeichnis einfach weglässt, liefert alle anderen Felder richtig und verliert genau diese Angabe.
Eine schärfere Anweisung macht es nicht besser
Der häufigste Fehler der lokalen Modelle war, mehrere Angaben in eine Zeile zu packen: vier Lose in einem Feld, vier Ausführungszeiträume in einem. Der naheliegende Schritt ist, das in der Anweisung zu verbieten. Gemessen wurde er über zwei mal fünf Durchgänge, und er ist verworfen.
Die Zahl der Fehler stieg von 79,4 auf 85,6 je Durchgang, der Anteil richtig gefüllter Felder sank von 74,6 auf 69,7 Prozent. Am teuersten war ein Nebeneffekt, den vorher niemand auf dem Zettel hatte: in den Unterlagen steht der Zeitpunkt einmal für eine ganze Liste von Nachweisen. Wer die Liste in Einzelzeilen zerlegt, muss ihn auf jede Zeile übertragen, und der Anteil der Nachweise mit falschem Zeitpunkt stieg von 9,9 auf 27,2 Prozent. Genau daran hängt der formale Ausschluss.
Das ist der Unterschied zwischen Beratung und Werkzeugverkauf: eine Änderung, die plausibel klingt und in einem einzelnen Durchlauf besser aussieht, wird über mehrere Durchgänge gemessen, und wenn sie nicht trägt, wird sie verworfen und die Absage aufgeschrieben.
Wie geprüft wurde
8 vollständige Vergabevorgänge, 25 Dateien, 92 Seiten, gestreut über fünf Auftraggebertypen und sechs Gewerke. Darunter ein Direktauftrag über zwei Seiten, ein Vorgang mit vier Fachlosen, zwei Angebotsfristen, die sich widersprechen, eine Nachweisliste, die als Scan ohne Textebene beiliegt, und ein Pflichttermin, der bereits verstrichen war.
Geprüft wird gegen Vergleichsdaten, die vor dem ersten Durchlauf feststanden: je Feld der erwartete Wert und die Stelle, an der er steht. 9 Kriterien, 5 Durchgänge je Modell, 280 Durchläufe insgesamt. Kein Modell bewertet ein anderes. Ein Modell, das ein zweites benotet, ist selbst ungeprüft, und dann werden zwei unbekannte Größen gegeneinander gemessen.
Von den ersten 66 gemeldeten Fehlern waren 61 Prozent Fehler der Prüfung selbst, nicht der Modelle, und jeder einzelne machte das Modell schlechter, als es war. Sie stehen mit ihrer Ursache in der Auswertung. Eine Prüfung, die niemand gegengelesen hat, misst sich selbst.
Was das für Ihren Betrieb heißt
Vergabeunterlagen sind bis zur Submission vertraulich, und die Nutzungsbedingungen mancher Portale beschränken ihre Weitergabe. Deshalb ist die Frage, wo die Maschine steht, hier keine Nebenfrage.
- Alles bleibt im Haus
- Ein Rechner mit Grafikkarte im Betrieb, die Unterlagen verlassen ihn nie. Drei Viertel der Felder kommen belegt und richtig zurück, und jeder Vorgang braucht mindestens eine Korrektur. Der Steckbrief verkürzt die Sichtung, ersetzt aber den Blick in die Unterlagen nicht. Keine laufenden Kosten, ein bis zwei Minuten je Vorgang.
- Gemietete Rechenzeit in der EU
- Ein offenes Modell in einem europäischen Rechenzentrum, mit vertraglich abgelehnter Datensammlung und festgelegtem Unterhoster. Deutlich weniger Korrekturen, ein Sechstel eines Cents je Vorgang, eine halbe Minute. Die Unterlagen verlassen den Betrieb, bleiben aber im Geltungsbereich der DSGVO.
- Ein Dienst in der Cloud
- Die genauesten Ergebnisse, ein Viertel der Vorgänge ganz ohne Korrektur, wenige Cent je Vorgang. Die Unterlagen liegen bei einem Anbieter außerhalb der EU. Für Ausschreibungen, deren Vertraulichkeit vertraglich geregelt ist, gehört das vorher geprüft.
Die Frage, die Sie sich stellen müssen, lautet deshalb nicht, welches Modell das beste ist. Sie lautet: welche Ihrer Ausschreibungen dürfen das Haus verlassen, und was ist Ihnen die Genauigkeit wert, die Sie dafür bekommen.
Wo es heute an die Grenze kommt
Ein Beleg ist noch keine Wahrheit. In einem der Durchläufe trugen alle achtzehn Felder ein wörtliches Zitat von der richtigen Seite, und darunter stand eine frei erfundene Verfahrensart. Die Fundstelle beweist, dass die Stelle existiert, und nicht, dass sie den Wert trägt. Deshalb bleibt der Steckbrief ein Wegweiser.
Die gemessene Quote ist eine Obergrenze. Die acht Vorgänge sind nachgebaut, nicht eingesammelt. Jeder Auftraggeber setzt seine Unterlagen anders auf, und ein selbstgebauter Satz deckt ab, was sein Erbauer kennt. Vor einer Einführung tritt eine Stichprobe aus Ihren letzten fünf Ausschreibungen daneben. Diese Stichprobe ist Teil der Arbeit und keine Vorleistung.
Zwei Messlücken stehen offen. Beim größten gemieteten Modell riss die Ausgabe am dichtesten Vorgang an einer zu eng gesetzten Grenze ab; seine Zahlen stehen ohne diesen Vorgang. Und die Modelle eines großen amerikanischen Anbieters, die auf den anderen Fallseiten dieser Website stehen, konnten hier aus technischen Gründen nicht gemessen werden.
Der teuerste Fehler bleibt unsichtbar. Eine falsche Angabe fällt an der Fundstelle auf. Eine fehlende fällt nicht auf, weil ein unvollständiger Steckbrief aussieht wie ein vollständiger. Genau daran hängt der Nutzen: er entsteht nur, wenn weniger gelesen wird, und dann fällt die Lücke niemandem mehr auf. Deshalb ist die Einführung dieses Falls eine Frage der Arbeitsweise und keine der Software.
Wie viele Ausschreibungen sichten Sie, um eine anzubieten?
Diese Zahl kennen die meisten Betriebe. Sie ist der Ausgangspunkt für die Frage, ob sich der Fall bei Ihnen rechnet: mit ihr und der Zeit je Sichtung lässt sich in zwanzig Minuten überschlagen, was eine Vorprüfung einbringen müsste.