Voraussetzung für eine Beteiligung an öffentlichen Ausschreibungsverfahren ist, dass jemand die Ausschreibung findet, die Details sichtet und sie gegebenenfalls in den internen Prozess übergibt. Mitarbeitende im Ausschreibungsmanagement eines unserer Kundenunternehmen prüften dazu in regelmäßigen Abständen manuell drei verschiedene Ausschreibungsportale und übertrugen die relevanten Angaben ins eigene System. Genau diesen wiederkehrenden Weg vom Portal zu nutzbaren Daten sollte in unserem PoC automatisiert werden, damit die Mitarbeitenden sich auf die fachliche Bewertung der Ausschreibung konzentrieren können.
Die Technologie hinter unserem Ausschreibungsagenten
Für die Entwicklung des Agenten-Prototypen nutzten wir die Computer-Use-Funktion von Copilot Studio. Darüber können Bildschirminhalte erfasst und Websites mit virtueller Maus und Tastatur bedient werden. Das ist das Mittel der Wahl, wenn Informationen über eine flexible Oberfläche bereitgestellt werden, aber keine passende API für den geplanten Abruf bereitsteht. Unser Agent arbeitet also ähnlich wie ein Mensch mit sichtbaren Webseiten: Er öffnet die vorgesehenen Portale, bedient ihre Suchmasken und sammelt die gewünschten Informationen.
Bei der Einrichtung muss dem Agenten zunächst vorgegeben werden, welche Portale er besuchen und nach welchen Kriterien er suchen soll. Für Portale mit Anmeldung müssen passende Zugänge vorhanden sein. Dafür bietet Copilot Studio eine gute Lösung: in den „Stored Credentials“ können Zugangsdaten für Websites geschützt hinterlegt werden.
Nach der Suche gibt der Agent ausgewählte Angaben in einem festgelegten JSON-Format zurück. So lassen sich die Treffer strukturiert in Dataverse übernehmen und in einem CRM für die Weiterbearbeitung bereitstellen. Welche Datensätze als Leads oder Verkaufschancen angelegt werden und welche Aufgaben daraus entstehen, muss den nachgelagerten Prozessen entsprechend festgelegt werden.
Ein Praxisbeispiel für die Flexibilität des Agenten: die Sache mit den 50 km
Interessant ist, dass der Agent selbstständig auf Veränderungen reagieren kann, zum Beispiel wenn das User Interface eines Portals überarbeitet wurde, ein zusätzlicher Dialog erscheint oder ein Filter nicht genau die benötigte Auswahl bietet. Auch mit Anforderungen, die nicht genau den Vorgaben entsprechen, kann der Agent umgehen und Entscheidungen treffen.
In unserem Beispiel sollten Ausschreibungen im Umkreis von 50 km gesucht werden, die Filtermöglichkeiten im Portal boten aber nur 20, 40 oder 60 km an. Der Agent wählte 60 Kilometer. Mit 40 Kilometern hätte er Ausschreibungen aus einem Teil des gewünschten Gebiets ausgeschlossen und möglicherweise passende Ausschreibungen verpasst; die größere Einstellung erfasst zwar den ganzen Zielbereich, bringt aber möglicherweise zusätzliche Treffer zwischen 50 und 60 Kilometern mit. Für solche Fälle braucht es eine fachliche Regel: Lassen sich diese Treffer anhand genauerer Ortsangaben aussortieren? Oder kennzeichnen wir sie, damit jemand die Entfernung manuell prüft?
Ähnliche Fragen begegnen uns auch bei anderen Filtern. Was soll der Agent tun, wenn eine Leistungskategorie anders heißt als erwartet? Welche Angaben braucht ein Treffer mindestens, bevor er ins interne System gelangt? Und woran erkennt der Prozess, dass das Team dieselbe Ausschreibung bereits ins Zielsystem übertragen hat? Je genauer wir diese Fälle vorab klären, desto verlässlicher kann das Team mit den Ergebnissen arbeiten.
Portalzugang, Suchregeln, Datenübergabe: Was vorab geklärt sein muss
Für den Einstieg lohnt sich ein Blick auf die Portale, die Ihr Team heute tatsächlich nutzt. Welche davon bieten einen direkten Datenabruf? Wo müssen sich Mitarbeitende anmelden? Welche Filter setzen sie bei fast jeder Suche, und welche Angaben übertragen sie anschließend ins interne System?
Wählen Sie dann einen typischen Suchlauf aus und prüfen Sie ihn Schritt für Schritt. Dabei werden oft die Regeln sichtbar, die erfahrene Mitarbeitende längst anwenden, ohne sie eigens aufzuschreiben – etwa die Entscheidung für 60 statt 40 Kilometer. Wenn diese Regeln feststehen, lassen sich die passende Automatisierung und die nötigen Kontrollen deutlich besser bestimmen.
Dann geht es um die Frage der passenden Automatisierung: Eine API-Schnittstelle ermöglicht den direkten Datenabruf – das ist der einfachste Fall. Bei wenigen Suchläufen kann die manuelle Recherche weiterhin angemessen sein; bei stabilen Klickfolgen kann eine klassische Browserautomatisierung mittels RPA ausreichen. Ein Computer-Use-Agent ist besonders interessant, wenn der Suchlauf über sichtbare Oberflächen führen muss und unterwegs unterschiedliche Dialoge oder Auswahlmöglichkeiten auftreten.
Vier Fragen vor dem Start
Vor der Umsetzung sollten Unternehmen vier Punkte klären:
Welche Portale sind relevant?
Häufigkeit der Nutzung, Anmeldeverfahren und verfügbare Suchfilter bestimmen den Aufwand.
Welche Kriterien gelten?
Dazu gehören etwa Leistungsbereiche, Regionen oder Suchradien – einschließlich Regeln für nicht exakt verfügbare Filter.
Welche Angaben sollen im Zielsystem ankommen?
Die Rückgabe als JSON braucht ein festgelegtes Datenformat und Regeln für fehlende oder uneindeutige Ergebnisse.
Wo wird menschlich geprüft?
Die fachliche Bewertung und die Entscheidung zur Angebotsabgabe bleiben im beschriebenen Ablauf bei den zuständigen Mitarbeitenden.
Fazit: Die Recherche wird Teil des Vertriebsprozesses
Unser PoC zeigt, wie ein Computer-Use-Agent Ausschreibungsportale ohne passende Schnittstelle durchsuchen und die gefundenen Informationen für Dataverse aufbereiten kann. Bei einem produktiven Einsatz würde der Agent die Portalsuche übernehmen und die Ergebnisse für das interne System aufbereiten. Statt Ausschreibungen auf mehreren Portalen zusammenzutragen und von Hand zu übertragen, könnte das Team seine Erfahrung bei der fachlichen Bewertung einsetzen: Passen die Anforderungen zu den eigenen Leistungen? Sind die Fristen erfüllbar? Ist eine Bewerbung sinnvoll?
Der Ansatz lässt sich beliebig auf andere Abläufe übertragen, in denen Mitarbeitende regelmäßig Informationen aus Weboberflächen zusammentragen. Ein Computer-Use-Agent kann ihnen diese Vorarbeit abnehmen und die Ergebnisse in bestehende Prozesse bringen. Essenziell bleibt jedoch immer: Welche Aufgaben der Agent übernimmt und wo Menschen prüfen und entscheiden, sollte prozessspezifisch festgelegt werden.
Wo stiftet KI in Ihrem Unternehmen wirklich Nutzen?
Finden Sie es in unserem kostenfreien, einstündigen AI Discovery Call heraus! Wir besprechen gemeinsam, welche Anwendungsfelder zu Ihrer Organisation passen und welcher Umsetzungsaufwand realistisch ist.
- vertraulich
- kostenfrei
- inspirierend
FAQ zu automatisierter Ausschreibungsrecherche
Ein Computer–Use–Agent in Copilot Studio kann mit sichtbaren Webseiten interagieren. In unserem Beispiel navigiert er durch Ausschreibungsportale, setzt definierte Filter und gibt ausgewählte Informationen strukturiert zurück.
Relevant ist sie für Unternehmen, die regelmäßig an öffentlichen Vergabeverfahren teilnehmen und dafür mehrere Portale nach passenden Aufträgen durchsuchen. Das kann Bau und Infrastruktur betreffen, ebenso Gesundheit und Pharmazie, IT, Energie, Verkehr, Wasser, Abfallwirtschaft und soziale Leistungen.
Der Agent gibt die ausgewählten Informationen als JSON zurück. Ein nachgelagerter Prozess kann diese Daten übernehmen und in Dataverse verfügbar machen.
Nein. Der beschriebene Ablauf automatisiert Recherche und Datenübergabe. Die fachliche Bewertung und die Entscheidung über eine Bewerbung bleiben bei den zuständigen Mitarbeitenden.
Das hängt von der Oberfläche und dem Prozess ab. Für stabile, einfache Klickfolgen kann klassische RPA ausreichen. Wenn die Portale über den Browser bedient werden müssen und zusätzliche Dialoge oder wechselnde Zwischenschritte auftreten, kann ein Computer-Use-Agent besser zum Ablauf passen. Eine geeignete API oder EDI-Schnittstelle sollte weiterhin als erstes geprüft werden, weil das die technisch einfachste Lösung ist.
