Recherche und Prüfung von Nachunternehmern mit KI-Agenten automatisieren

In einem großen Bauunternehmen entscheidet der Einkauf regelmäßig über Nachunternehmer, und diese Entscheidung hat zwei Seiten. Vor der Zusammenarbeit steht die Frage, wer überhaupt in Frage kommt: fachliche Spezialisierung, Unternehmens­größe, Einsatzradius, Referenzen, Kapazitäten — Angaben, die in Kartendaten­banken, Branchen­portalen, im Handels­register und in internen Quellen verstreut liegen, in Fließtext und nicht in Feldern, und die heute von Hand zusammengesucht werden. Während der Zusammenarbeit steht die Frage der Nachweise: Handwerkskarte, Handels­registerauszug, Sozialversicherungs­nachweis, Bescheinigung der Berufsgenossenschaft — jedes Dokument in einer anderen Form, von einer anderen Stelle, mit einer anderen Frist. Genau diese beiden Aufgaben lassen sich mit klassischer Software nicht lösen: Es gibt keine Schnittstelle, die einen passenden Betrieb zurückgibt, und keine Maske, in der ein Nachweis maschinen­lesbar steht. Der Auftrag ist deshalb, dafür KI-Agenten zu entwickeln — Systeme, die unstrukturierte Quellen lesen, die gefundenen Angaben gegen die Kriterien des Einkaufs bewerten und ihre Ergebnisse belegen können.

Warum Agenten und nicht eine Daten­bank­abfrage. Die Angaben, auf die es ankommt, stehen in Fließtext: in Selbstbeschreibungen auf Firmenseiten, in Portaleinträgen, in Registerauszügen. Eine klassische Abfrage findet, was in einem Feld steht, und übersieht den Rest. Ein Agent liest die Quelle, versteht, dass eine Angabe wie Ausführung im Umkreis von 150 Kilometern ein Einsatzradius ist, und ordnet die Angabe dem richtigen Kriterium zu. Das ist der eigentliche Grund, warum diese Aufgabe erst jetzt lösbar ist.

Am Anfang steht das fachliche Verständnis, nicht die Datenquelle. Es ist verlockend, mit dem zu beginnen, was technisch greifbar ist: Portale, Register, Schnittstellen. Dann entsteht eine Strecke, die viel findet und wenig trifft. Deshalb wird zuerst aufgenommen, wie der Einkauf heute sucht und woran er entscheidet — und erst danach, welche Quelle diese Angaben liefern kann und welches Verfahren sie herausholt.

Nachweis­prüfung ist der unspektakuläre Teil und der mit dem klarsten Nutzen. Handwerkskarte, Handels­registerauszug, Sozialversicherungs­nachweis, Bescheinigung der Berufsgenossenschaft — Dokumente mit festen Inhalten, aber ohne feste Form: jede ausstellende Stelle hat ihr eigenes Layout. Für ein Sprachmodell ist genau das leicht und für eine Maske unmöglich. Hoher Wiederholungs­grad, klare Kriterien, ernste Folgen beim Übersehen — verlässlicher lässt sich ein Anwendungs­fall kaum wählen.

Entwickelt wird spezifikations­getrieben, und der Code entsteht KI-gestützt. Am Anfang jeder Umsetzung steht eine Spezifikation: ein versioniertes Dokument, das wie Code geprüft wird, für Technik und Fachbereich gleichermaßen lesbar, in dem Entscheidungen, Sonderfälle und Abwägungen geklärt sind, bevor eine Zeile entsteht. Die Architektur wird nach einem etablierten Rahmenwerk dokumentiert. Der Grund für diese Reihenfolge ist nicht Ordnungsliebe, sondern Prüfbarkeit: Erzeugter Code wächst schneller, als die Zeit reicht, ihn zu lesen. Wer einem Modell nur beschreibt, was er ungefähr will, bekommt schnell Code und bei jedem Durchlauf einen anderen. Die Spezifikation ist zugleich die Dokumentation, die sonst am Ende fehlt — und hier ist sie der Ort, an dem die Bewertungs­kriterien des Einkaufs schwarz auf weiß stehen, bevor ein Agent nach ihnen sucht.

Die Strecke unterstützt, sie entscheidet nicht. Welcher Nachunternehmer beauftragt wird, bleibt eine Entscheidung von Menschen mit Erfahrung in Gewerken, Regionen und Firmen. Was die Agenten liefern, ist Transparenz über die verfügbaren Kandidaten und weniger Aufwand bei Recherche und Prüfung. Diese Abgrenzung gehört an den Anfang, weil sie darüber entscheidet, ob ein Fachbereich mitarbeitet oder sich wehrt — und bei einem System, das Lieferanten bewertet, ist das keine Formsache.

Feedbackschleifen sind eingeplant, nicht optional. Ein erheblicher Teil des Aufwands liegt darin, die Ergebnisse gemeinsam mit dem Einkauf durchzusehen und die Kriterien nachzuschärfen. Wer diesen Teil streicht, liefert eine Strecke, die im Test überzeugt und im Betrieb nicht benutzt wird — weil die ersten zwanzig Vorschläge daneben lagen und danach niemand mehr hinschaut.