Wir unterstützen Ihren Erfolg bei Ausschreibungen.
Belegbar und verständlich.

validait verbindet mehrere Jahre Erfahrung im Dienstleistungsvertrieb mit den Ergebnissen einer Masterarbeit, die mit der Bestnote bewertet wurde. Sie zeigt, dass sich Ausschreibungen schnell, nachvollziehbar und belegbar bewerten lassen.

Modell eines Verwaltungsgebäudes, aus dem Datenlinien zu einem geprüften Dokument aufsteigen

Im Tagesgeschäft eines Dienstleisters haben wir erlebt, wie viel Zeit das Finden, Bewerten und Bearbeiten von Ausschreibungen bindet und wie groß der Wunsch nach einer klaren Grundlage für die Entscheidung ist. Parallel entstand eine Masterarbeit, die genau hier ansetzt.

In Gesprächen mit Bid-Managern aus der DACH-Region, von Konzernen bis zu regionalen Handwerksbetrieben, hörten wir immer wieder denselben Wunsch: Entscheidungen über ein Angebot sollen schneller fallen und sich im Team gut begründen lassen. Daraus wurde validait.

Die Arbeit untersucht, wie sich die Go/No-Go-Entscheidung bei öffentlichen Ausschreibungen automatisieren lässt, ohne an Nachvollziehbarkeit zu verlieren. Ihr Titel: Ontology-Driven GraphRAG für die automatisierte Go/No-Go-Entscheidung von Bauausschreibungen, ein Vergleich lokaler und cloudbasierter Sprachmodelle.

Grundlage waren echte Bekanntmachungen aus Deutschland, Österreich und der Schweiz und eine Befragung von Fachleuten aus dem Angebotswesen. Die Arbeit wurde mit der Bestnote 1,0 bewertet. Ihre Ergebnisse prägen bis heute, wie validait Unterlagen liest, Kriterien abgleicht und Empfehlungen begründet.

14Sprachmodelle im direkten Vergleich, lokal betrieben und aus der Cloud
19echte Bekanntmachungen aus Deutschland, Österreich und der Schweiz
1.429ausgewertete Modellaufrufe mit sechs Varianten der Aufgabenstellung
18befragte Fachleute aus dem Angebotswesen, von Konzernen bis zu Handwerksbetrieben

Kriterien finden

Ein Wissensmodell der Vergabe, eine sogenannte Ontologie, beschreibt alle Arten von Anforderungen: Eignung, Ausschlussgründe, Nachweise, Fristen und Zuschlagskriterien. Damit erkennen die Sprachmodelle die Kriterien in Bekanntmachungen und Vergabeunterlagen gezielt und ordnen sie einheitlich ein.

Abgleich mit dem Unternehmensprofil

Jedes erkannte Kriterium wird mit dem Profil des Unternehmens abgeglichen und als erfüllt, zu klären oder nicht erfüllt eingestuft, jeweils mit Fundstelle im Dokument. Kritische Ausschlusskriterien erhalten dabei besonderes Gewicht.

Von der Bewertung zur Empfehlung

Aus den Einzelergebnissen entsteht eine klare Go/No-Go-Empfehlung: bieten, genauer prüfen oder auf das Angebot verzichten. Die Begründung bleibt Kriterium für Kriterium nachvollziehbar, damit das Team die Entscheidung gemeinsam tragen kann.

Lokal und Cloud im Vergleich

Verglichen wurden 14 Sprachmodelle, von Modellen auf eigener Hardware bis zu großen Cloud-Modellen. Das stärkste Cloud-Modell erkannte jedes kritische Ausschlusskriterium. Das beste lokale Modell lag nur knapp dahinter. Damit ist auch ein Betrieb ohne Cloud eine realistische Option für besonders vertrauliche Unterlagen.

Wissensgraph als Vorfilter

Ein Wissensgraph prüft vorab, welche Ausschreibungen grundsätzlich zum Profil passen. Das spart rund 60 Prozent der Modellaufrufe. Die vollständige Prüfung einer Bekanntmachung kostete im Versuch rund zehn Cent.

Jede Aussage mit Fundstelle

Die Bindung an das Wissensmodell senkte den Anteil frei formulierter Angaben ohne Grundlage um gut ein Drittel. Im Produkt gilt deshalb: Jede Bewertung braucht eine Fundstelle. Was die Unterlagen offenlassen, erscheint als Punkt zur Klärung.

Treffsicherheit lokaler und cloudbasierter Modelle
F1-Wert bei der Erkennung von Kriterien in bietfähigen Ausschreibungen, 1,0 entspricht vollständiger Übereinstimmung mit der Referenz
Stärkstes Cloud-Modell0,914
Bestes lokales Modell (7 Mrd. Parameter)0,833
Kompaktes Cloud-Modell0,805
Lokales Standardmodell auf einem Laptop0,724

Quelle: Masterarbeit Sebastian Löffler, 2026. Auswertung von neun aktiven Bekanntmachungen aus der DACH-Region gegen eine unabhängig erstellte Referenzbewertung. Das stärkste Cloud-Modell erreichte als einziges einen kritischen Recall von 1,0, erkannte also jedes Ausschlusskriterium.

So arbeitet validait heute

Das Team

Ein junges Unternehmen mit Erfahrung aus Beratung, Dienstleistung und Softwareentwicklung und einem klaren Blick für den Vertrieb.

Sebastian Löffler

Sebastian Löffler

Gründer, Produkt und Vertrieb

Masterarbeit zur KI-gestützten Prüfung von Ausschreibungen, aus der validait hervorgegangen ist. Beruflich im technischen Vertrieb der Intralogistik, davor mehrere Jahre in der Personal- und Projektdienstleistung mit direktem Bezug zu Ausschreibungen. Verantwortet Produktrichtung, Kundengespräche und die Inhalte dieser Website.

Bastian Tradler

Mitgründer, Technik und Entwicklung

Verantwortet Architektur, Entwicklung und Betrieb der Plattform. Sorgt dafür, dass Analysen zuverlässig laufen, Daten sicher in Frankfurt bleiben und neue Funktionen schnell bei den Kunden ankommen.

Woran wir glauben

Ein Ergebnis überzeugt durch seinen Beleg

Zu jedem Kriterium zeigt validait die Anforderung, die Fundstelle und das Zitat. So können Sie jede Bewertung selbst nachvollziehen und in der Bid-Runde überzeugend vertreten.

Offene Angaben sind offene Punkte

Steht eine Information nicht in den Unterlagen, weist validait sie als Punkt zur Klärung aus. So bleiben passende Ausschreibungen im Spiel.

Die Entscheidung bleibt bei Ihnen

validait bereitet vor, gewichtet und belegt. Ob geboten wird, entscheiden Menschen, die ihr Geschäft kennen. Das ist die Bauweise des Produkts.

Ihre Unterlagen gehören Ihnen

Vergabeunterlagen liegen verschlüsselt in Frankfurt am Main, streng nach Unternehmen getrennt, und dienen nie dem Training von KI-Modellen. So steht es im Auftragsverarbeitungsvertrag.

Meilensteine

  1. 2025
    Masterarbeit zur Prüfung von Ausschreibungen

    Beginn der Forschung zur automatisierten Prüfung von Vergabeunterlagen und erste Gespräche mit Bid-Managern in Deutschland, Österreich und der Schweiz.

  2. 2026
    Münchener Businessplan-Wettbewerb

    Teilnahme bei BayStartUP, in der zweiten Phase Platz 17 von 192 eingereichten Konzepten.

  3. 2026
    Prototyp mit belegten Bewertungen

    Abschluss der Masterarbeit mit der Bestnote 1,0. Der Prototyp erkennt Anforderungen zuverlässig und belegt jede Bewertung mit einer Fundstelle.

  4. Heute
    validait im Einsatz

    validait arbeitet täglich mit amtlichen Vergabedaten. Wir gewinnen die ersten Kunden und entwickeln das Produkt entlang dessen weiter, was sie brauchen.

Persönlich von Anfang an

Jede Registrierung sehen wir uns persönlich an. So wissen wir, wer mit vertraulichen Vergabeunterlagen arbeitet, und können mit Ihnen sprechen, solange jedes Gespräch das Produkt unmittelbar weiterbringt.

Lernen Sie uns kennen