Breadcrumbs
- Smart Engineering of Production Technologies and Processes
- Projekte
- Entwicklung eines Tools zur automatisierten Analyse und Klassifizierung von Ausschreibungen
Entwicklung eines Tools zur automatisierten Analyse und Klassifizierung von Ausschreibungen
Softwareunabhängige Evaluierung und BPMN-basierte Konzeption eines KI-Assistenten zur automatisierten Prüfung komplexer B2B-Ausschreibungen
Im Rahmen der Lehrveranstaltung „PT2: Prozessoptimierung und Konfliktmanagement“ im 4. Semester des dualen Bachelorstudiengangs Smart Engineering of Production Technologies and Processes wurde ein zukunftsweisendes Digitalisierungsprojekt bei der Siemens AG Österreich (Division Smart Infrastructure, Abteilung Building Automation) umgesetzt.
Eingehende B2B-Großausschreibungen umfassen oft Hunderte unstrukturierter PDF-Seiten. Deren manuelle Prüfung ist sehr zeitintensiv und birgt das Risiko, kritische Vertragsklauseln zu übersehen. Ziel des Projekts war es, diesen Sichtungsprozess durch den gezielten Einsatz künstlicher Intelligenz auf der geschützten Plattform SiemensGPT zu automatisieren und mittels einer softwareunabhängigen Benchmark-Testreihe das am besten geeignete Sprachmodell zu ermitteln.
Zielsetzung
Ziel des Projekts war die softwareunabhängige Ermittlung des optimalen KI-Modells unter realen industriellen Bedingungen sowie der Aufbau einer formalisierten Logik zur strukturierten Extraktion relevanter Ausschreibungsinformationen. Am Ende sollte ein funktionaler KI-Assistent entstehen, der unstrukturierte Ausschreibungsdokumente innerhalb weniger Sekunden analysiert, Fristen extrahiert, kaufmännische Risiken (z. B. Fremdproduktzwang) erkennt, Gewerke (MSR, BMA, SES) klassifiziert und standortfremde Anfragen automatisch geografisch weiterleitet.
Projektschritte
Das Projekt wurde von Akram Bensahili in enger Abstimmung mit der Abteilungsleitung in folgenden Hauptphasen umgesetzt:
- Ist-Prozessaufnahme: Detaillierte Dokumentation des manuellen Sichtungsverfahrens im Vertriebsalltag.
- Gateway-Definition und BPMN-Modellierung: Festlegung kaufmännischer und technischer Filter-Schnittstellen sowie deren Überführung in ein standardisiertes BPMN-2.0-Ablaufdiagramm als Arbeitsanweisung für den KI-Bot.
- Empirische Benchmark-Testreihe: Durchführung isolierter Testläufe mit führenden KI-Modellen (u. a. Gemini 3 Flash, GPT-o3 und Claude Sonnet 4.5) in SiemensGPT anhand realer Großausschreibungen der Area East.
- Nutzwertanalyse (NWA): Statistische und mathematisch gewichtete Auswertung der Testergebnisse anhand qualitativer Kriterien (Präzision, BPMN-Treue, Resilienz und Formatstabilität) sowie der Verarbeitungszeiten.
- Systemintegration: Einbindung der BPMN-Logik in die System-Prompts des Sieger-Modells in SiemensGPT.
Ergebnisse
Das Projekt lieferte klare, datenbasierte Ergebnisse:
- Drastische Zeitersparnis: Die Analysezeit eines unstrukturierten Großdokuments sank von ursprünglich etwa 30 Minuten bis 2 Stunden auf wenige Sekunden.
- Klarer Benchmark-Sieger: In der mathematisch gewichteten Nutzwertanalyse setzte sich das gewählte Modell mit einem Höchstwert von 9,05 von 10 Punkten durch. Ausschlaggebend waren die hohe Verarbeitungsgeschwindigkeit sowie die exzellente Resilienz gegenüber Informationsverlusten bei komplexen Langtexten.
- Risikominimierung und automatisches Routing: Kaufmännische Ausschlusskriterien werden zuverlässig erkannt, während standortfremde Projekte automatisch mit Hinweisen auf die zuständige Niederlassung versehen werden.
