Der versteckte Fehler in jedem manuellen
Angebotsvergleichsprozess

Die Vergleichsvorlage ist der einfache Teil – und das ist ein größeres Problem, als es klingt

Wer nach „Vergleichsvorlage für Anbieter“ sucht, findet Dutzende. Gewichtete Bewertungsmatrizen. Pivot-Tabellen nach Lieferant. Bedingte Formatierung, die Zellen rot färbt, wenn Preise das Budget übersteigen. Ein versierter Excel-Nutzer erstellt eine in 20 Minuten. Die Vorlage ist nicht der Engpass – und die Tatsache, dass niemand das bestreitet, lenkt seit Jahren von dem eigentlichen Problem ab.

Das Problem liegt im Schritt vor der Vorlage. Wenn acht Angebote von Lieferanten eingehen – einige als ERP-generierte PDFs, andere als eingescannte Formulare mit handschriftlichen Preisen, wieder andere als E-Mail-Text ohne Anhang – muss jemand die Daten in vergleichbare Zeilen bringen. Dieser „Jemand“ tippt nicht nur Zahlen ein. Er trifft bei jeder einzelnen Zeile Ermessensentscheidungen zur Gleichwertigkeit. Anbieter A nennt es „SSD-500-SATA“. Anbieter B nennt es „Solid State Drive, 500 Gigabyte“. Der Analyst entscheidet, dass es sich um denselben Artikel handelt, und setzt sie in dieselbe Zeile. Die Tabelle enthält nun eine Behauptung – „diese beiden Dinge sind gleichwertig“ – die im Kopf des Analysten getroffen wurde, ohne Dokumentation, und nun nicht mehr von verifizierten Daten zu unterscheiden ist.

Wenn Sie das auf ein Bauprojekt mit 450 Positionen und fünf Bietern hochrechnen – ein realistisches Szenario in der Investitionsbeschaffung, wo ein einzelnes Leistungsverzeichnis hunderte Zeilen umfassen kann – sprechen Sie von 2.250 einzelnen Datenpunkten. Jeder erfordert eine Entscheidung: In welche Zeile gehört er? Stimmt die Beschreibung? Sind die Einheiten gleichwertig? Die Vergleichsvorlage selbst erledigt die Mathematik in Sekunden. Die Gleichwertigkeitsentscheidungen dauern Tage – und niemand prüft sie.

Der Grund, warum das nicht nur eine Unannehmlichkeit ist – sondern ein struktureller Fehler – liegt darin, dass die Endergebnisse (Preisdifferenzen, gewichtete Bewertungen, „empfohlener Lieferant“) als datengestützte Schlussfolgerungen behandelt werden. Doch die Daten, die sie antreiben, wurden nie verifiziert. Sie wurden von demjenigen festgelegt, der die Tabelle erstellt hat – an einem Dienstag um 15 Uhr, unter Zeitdruck.

Wo sich die Gleichwertigkeitsannahmen verstecken – und warum sie sich verstärken

Die meisten Diskussionen über Probleme beim Angebotsvergleich konzentrieren sich auf Formatinkonsistenzen. „Lieferanten senden unterschiedliche Formate.“ Das stimmt, beschreibt aber nur ein oberflächliches Symptom. Das tiefere Problem ist, dass Formatinkonsistenzen menschliche Gleichwertigkeitsurteile erzwingen – und diese Urteile verstärken sich in drei Dimensionen, die niemand nachverfolgt.

Ausrichtung der Artikelbeschreibung. Die sichtbarste Dimension, die auch am häufigsten genannt wird: Verschiedene Lieferanten beschreiben dasselbe Produkt unterschiedlich. Ein Einkaufsleiter auf Reddit brachte es auf den Punkt: „Wenn ein Lieferant stündlich abrechnet und ein anderer einen Festpreis nennt, verbringen Sie die Hälfte der Zeit mit Übersetzen statt mit Bewerten.“ Doch der Übersetzungsschritt kostet nicht nur Zeit – er führt auch Klassifizierungsfehler ein. Wenn der Analyst „Hydraulikpumpen-Baugruppe – Serie 7400“ von Lieferant A auf „Pumpeneinheit, hydraulisch, 7400-S“ von Lieferant B abbildet, trifft er eine semantische Entscheidung. Liegt er falsch – wenn es sich tatsächlich um unterschiedliche Produktkonfigurationen handelt – ist der gesamte Zeilenvergleich ungültig, und der Fehler pflanzt sich bis zur Kostendifferenz unterm Strich fort.

Normalisierung der Maßeinheit. Ein Anbieter kalkuliert „pro Stück“, ein anderer „pro Karton mit 24 Stück“, ein dritter „pro 100 Stück“. Der Analyst dividiert oder multipliziert zur Normalisierung, meist in einer unbeschrifteten Hilfsspalte. Ist die Umrechnung um eine Stelle falsch, weicht der Kostenvergleich für diese Position um eine Größenordnung ab. APQC-Benchmarking-Daten zeigen, dass die Prozesskosten im Einkauf je nach Prozessreife zwischen etwa 14 und über 54 US-Dollar pro Bestellung liegen – und ein Großteil dieser Differenz ist auf Nacharbeiten zurückzuführen, die genau durch solche Normalisierungsfehler in nachgelagerten Systemen verursacht werden.

Annahme der Leistungsgleichheit. Die unsichtbarste und gefährlichste Dimension. Angebot A enthält Fracht. Angebot B schließt sie aus, mit einer Fußnote auf Seite 3. Angebot C setzt eine 12-monatige Bindung voraus. Der Analyst, der nach dem günstigsten Preis sucht, übersieht möglicherweise, dass Angebot B einen versteckten Frachtausschluss im Kleingedruckten hat. Wird der Auftrag zu Angebot Bs niedrigerem Preis erteilt und die Frachtrechnung kommt separat, verpuffen die „Einsparungen“, die die Entscheidung rechtfertigten.

Branchenschätzungen zufolge verbringen die meisten Einkaufsteams 20 bis 30 Stunden pro Ausschreibungszyklus allein mit manueller Normalisierung – Umformatieren, Neuausrichten, Gegenprüfen. Doch die Stunden sind ein sekundärer Kostenfaktor. Der primäre Kostenfaktor ist, dass die Normalisierung im Kopf einer Person stattfindet – unsichtbar, nicht überprüfbar und strukturell nicht von den verifizierten Daten zu unterscheiden, die daneben in derselben Zelle stehen.

Wenn 5 Lieferanten × 300 Positionen in einer Tabelle kollabieren

Die einzelne Gleichheitsannahme ist klein. Das Problem ist, dass sich kleine Annahmen multiplizieren. Bei einem Vergleich mit 5 Lieferanten, 300 Positionen und 3 Normalisierungsdimensionen (Beschreibung, Einheit, Leistungsumfang) pro Zelle trifft der Analyst etwa 4.500 Klassifizierungsentscheidungen – die meisten davon in den ersten Stunden der Tabellenerstellung, wenn das Gehirn noch frisch genug ist, um klar zu denken, aber nicht frisch genug, um jede getroffene Annahme zu hinterfragen.

CAPS Research, eine gemeinsame Initiative des Institute for Supply Management (ISM) und der Arizona State University, hat in einer bereichsübergreifenden Beschaffungsstudie festgestellt, dass die Bearbeitungskosten für Bestellungen zwischen 53 und 741 US-Dollar pro Auftrag lagen, im Durchschnitt bei 527 US-Dollar. Die große Spanne – mehr als das 14-fache zwischen den besten und schlechtesten Ergebnissen – entsteht nicht durch die Erstellung der Vorlage. Sie entsteht durch die Datenaufbereitung, die Fehlerkorrektur und die Telefonate mit Lieferanten, bei denen gefragt wird: „Haben Sie die Frachtkosten berücksichtigt?“, nachdem der Vergleich bereits erstellt wurde.

Im öffentlichen Beschaffungswesen sind die Risiken noch höher, da der Vergleichsprozess rechtliches Gewicht hat. Gemäß FAR Teil 6 (Wettbewerbsanforderungen) müssen Bundesbehörden „vollständigen und offenen Wettbewerb“ gewährleisten – und versiegelte Angebote sowie wettbewerbliche Vorschläge gemäß FAR 6.401 erfordern dokumentierte und nachvollziehbare Vergleiche. Eine Annahme der Gleichwertigkeit, die sich als falsch erweist, ist nicht nur ein Fehler – sie kann einen Einspruch eines konkurrierenden Bieters nach sich ziehen. Auch Bundesstaaten und Kommunen unterliegen ähnlichen Ausschreibungsgesetzen mit Bieterlimits, die formelle Versiegelungsverfahren auslösen, bei denen der Vergleich einer genauen Prüfung standhalten muss.

Zurück im privaten Sektor zeigt sich dasselbe Problem auf andere Weise: Es äußert sich in Kostenüberschreitungen, Lieferantenstreitigkeiten und dem unguten Gefühl des Einkäufers, dass die Tabelle, die er der Führungsebene präsentiert, vielleicht nicht so solide ist, wie die Formatierung vermuten lässt.

Die Illusion der „sauberen Tabelle“: Wenn Formatierung Unsicherheit verschleiert

Bei manuellen Angebotsvergleichen von Lieferanten wirkt ein psychologisches Phänomen, über das in der Beschaffungssoftware-Branche niemand spricht: Die Tabelle selbst wird zur Quelle von Überheblichkeit.

Eine gut formatierte Excel-Datei – mit Rahmen, abwechselnden Zeilenfarben, fixierter Kopfzeile und einer Pivot-Tabelle auf einem zweiten Blatt – strahlt Autorität aus. Die Formatierung sagt: "Das wurde analysiert." Sie sagt nicht: "Die Zelle in Zeile 47, Spalte D enthält eine Entscheidung, die um 16:45 Uhr an einem Freitag von jemandem getroffen wurde, der sich nicht sicher war, ob die beiden Beschreibungen übereinstimmen, aber fertig werden musste, bevor er ging."

Die Formatierung verschleiert die Unsicherheit. Wenn ein Einkäufer den Vergleich einem VP Operations präsentiert, sieht der VP saubere Zeilen und farbcodierte Bewertungen. Er sieht nicht die 4.500 stillen Entscheidungen, die in diesen sauberen Zeilen stecken. Die Entscheidung wird getroffen. Der Auftrag geht raus. Sechs Wochen später kommt die Frachtrechnung separat von Lieferant B, und jemand sagt: "Ich dachte, der Frachtpreis wäre im Angebot enthalten."

Das ist kein Versagen des Analysten. Es ist ein Versagen des Prozessdesigns. Der manuelle Vergleichsprozess verlangt von einer Person, gleichzeitig Daten aus Dokumenten zu extrahieren, sie in ein gemeinsames Schema zu normalisieren, Artikelbeschreibungen über Lieferanten hinweg abzugleichen, Annahmen zum Umfang zu prüfen und eine präsentationsfertige Tabelle zu erstellen – während das Telefon klingelt und E-Mails sich stapeln. Die Formatvielfalt in Lieferantenangeboten ist ein bekanntes Problem. Weniger bekannt ist, dass die Art und Weise, wie wir es lösen, ein zweites, verstecktes Problem schafft: einen Vergleich, der rigoros aussieht, aber auf Annahmen beruht, die niemand nachvollziehen kann.

Warum traditionelle Beschaffungssoftware das nicht gelöst hat – und was sie tatsächlich löst

Wenn Sie SAP Ariba, Coupa oder JAGGAER genutzt haben, wissen Sie, dass diese Plattformen strukturierte Beschaffungsprozesse gut abdecken: Genehmigungsroutinen, Vertragsmanagement, Ausgabenanalyse, Lieferanten-Onboarding. Ihre RFQ-Module können standardisierte Angebotsformulare an Lieferanten senden und Antworten in einer einheitlichen Struktur sammeln – sofern die Lieferanten die Plattform für die Einreichung nutzen.

Die Lücke besteht darin, dass die meisten mittelständischen Beschaffungsprozesse nicht so funktionieren. Lieferanten reichen Angebote per E-Mail als PDF-Anhänge ein, in dem Format, das ihr eigenes System vorgibt. Factwises Vergleich wichtiger Beschaffungsplattformen stellt fest, dass SAP Aribas Lieferantennetzwerk Millionen von Unternehmen umfasst – aber dabei handelt es sich hauptsächlich um große Unternehmen mit formalen Lieferantenmanagementprogrammen. Für den Beschaffungsmanager eines 50-Millionen-Dollar-Produktionsunternehmens, der mit 40 verschiedenen Lieferanten zusammenarbeitet, von denen die meisten sich nie bei Ariba angemeldet haben, verfehlen die RFQ-Standardisierungsfunktionen der Plattform den tatsächlichen Arbeitsablauf.

Was Coupa und Ariba gut können – strukturierte Ausgabenanalyse, Genehmigungsworkflows, Vertragslebenszyklusmanagement – liegt nach dem Angebotsvergleichsschritt. Sie gehen davon aus, dass die Daten bereits in einem standardisierten Format vorliegen. Sie lösen das Problem der Extraktion und Normalisierung nicht, weil sie nicht dafür konzipiert wurden. Sie wurden für die zweite Hälfte des Prozesses entwickelt: Sobald Sie saubere, vergleichbare Daten haben, zeigen sie, wie man sie verwaltet.

Die erste Hälfte – unübersichtliche PDF-Daten in saubere, vergleichbare Zeilen zu bringen – ist für die meisten Organisationen immer noch Excel-Territorium. Und wie die vorherigen Abschnitte argumentierten, ist Excel-Territorium der Ort, an dem sich die Annahmen häufen.

Den Kreislauf durchbrechen: Extraktion zuerst, Vergleich danach

Die Lösung besteht darin, zwei Aufgaben zu entkoppeln, die der manuelle Prozess zusammenfasst: Datenextraktion und Datenvergleich. Wenn dieselbe Person beides gleichzeitig erledigt – ein PDF liest, den Preis findet, ihn in eine Zelle eingibt, die bereits ein Urteil über die Gleichwertigkeit darstellt –, geschehen die Extraktion und die Annahme in derselben Bewegung. Sie können das eine nicht ohne das andere prüfen, weil sie miteinander verschmolzen sind.

Sie zu trennen bedeutet: Zuerst die Daten aus allen Angeboten extrahieren, in eine Tabelle überführen, in der jeder Lieferant eine Zeile erhält und die Rohwerte aus seinem Angebot unverändert erhalten bleiben, und dann zu normalisieren und zu vergleichen. Der Extraktionsschritt sollte mechanisch ablaufen – die KI liest das Dokument und extrahiert, was dort steht, ohne Gleichwertigkeitsurteile zu fällen. Der Vergleichsschritt kann dann explizit erfolgen: „Sind diese beiden Positionen gleichwertig? Wenn ja, ordne sie derselben Zeile zu.“

Dies ist der Ansatz, den die Spaltennamenextraktion ermöglicht. Statt eine Vorlage zu erstellen und diese dann durch das Lesen jedes Dokuments auszufüllen, definieren Sie die Spalten, die Ihnen wichtig sind – Stückpreis, Mindestbestellmenge, Lieferzeit, Zahlungsbedingungen, Gültigkeit – und die KI liest die entsprechenden Werte aus dem PDF jedes Anbieters. Sie rät nicht, was gleichwertig ist. Sie extrahiert, was vorhanden ist. Die Normalisierung und der Abgleich sind dann ein separater, bewusster Prozess mit einer nachvollziehbaren Spur – keine stille Annahme, die in einer formatierten Zelle versteckt ist.

Für Teams, die in einem einzigen RFQ-Durchlauf mit fünf oder mehr Anbietern arbeiten, kehrt die Stapelverarbeitung den Arbeitsablauf völlig um: Laden Sie alle Angebotsdateien auf einmal hoch, definieren Sie Ihre Vergleichsspalten einmal, und erhalten Sie eine Tabelle, in der jeder Lieferant eine Zeile belegt und jede Spalte den aus dem Dokument dieses Lieferanten extrahierten Wert enthält. Die Extraktion versucht nicht, Positionen abzugleichen – sie gibt an, was jeder Anbieter angeboten hat. Der Abgleich liegt bei Ihnen und ist sichtbar.

Die Entkopplung macht menschliches Urteilsvermögen nicht überflüssig – jemand muss weiterhin entscheiden, welche Positionen gleichwertig sind und Einheiten normalisieren. Aber sie verlagert dieses Urteil von „unsichtbar während der Dateneingabe“ zu „dokumentiert und überprüfbar nach der Extraktion“. Die Tabelle tarnt Annahmen nicht länger als Fakten, weil die beiden Vorgänge konzeptionell getrennt sind.

Was ein fehlerhafter Vergleich tatsächlich kostet – jenseits des Offensichtlichen

Wir haben bereits die Arbeitskosten des manuellen Angebotsvergleichs aufgeschlüsselt – die Stunden pro Monat, das Gehaltsäquivalent der Zeit, die für das Abtippen von PDF-Daten aufgewendet wird. Doch so erheblich diese Arbeitskosten auch sind, sie sind möglicherweise nicht die teuerste Folge eines fehlerhaften Vergleichsprozesses.

Der teurere Fehler ist die Beschaffungsentscheidung auf Basis falscher Vergleichsdaten. Ein Preisunterschied von 3 % zwischen Lieferant A und Lieferant B wirkt in einer Tabelle eindeutig – bis man erfährt, dass der Preis von Lieferant A die Montage enthielt und der von Lieferant B nicht, und der Analyst dies übersehen hat, weil die Leistungsbedingungen in einer Fußnote auf Seite 4 eines gescannten PDFs standen. Die „3 % Ersparnis" werden nach einer Nachträglichkeitsanordnung zu einer Kostenüberschreitung von 12 %. Die Tabelle hatte mit den enthaltenen Zahlen recht. Sie lag falsch in dem, was diese Zahlen darstellten, und niemand wusste es, weil die Annahme, die den Fehler verursachte, bereits im Dateneingabeschritt und nicht im Analyseschritt eingebaut war.

Im Bauwesen ist dieses Muster so verbreitet, dass es einen Namen hat: die Leistungslücke. In der Fertigung tritt es als „Niedrigstbieterfalle" auf – der Lieferant, der beim Preis gewinnt und bei Lieferung, Qualität oder versteckten Ausschlüssen verliert. Bei der Bestelldateneingabe durchzieht derselbe Annahmenschleichweg alle nachgelagerten Systeme, die mit manuell eingegebenen Werten gefüttert werden.

Die wettbewerblichen Ausschreibungsanforderungen von FAR Teil 6 existieren genau deshalb, weil die Regierung erkannt hat, dass undokumentierte Vergleichsannahmen ein inakzeptables Risiko darstellen. Der private Sektor arbeitet mit weniger regulatorischer Kontrolle, steht aber vor derselben strukturellen Verwundbarkeit: Ausgabenentscheidungen auf Basis von Tabellen, die autoritär wirken, aber nicht nachvollziehbare menschliche Urteile enthalten.

Häufig gestellte Fragen

Was ist der häufigste Fehler beim manuellen Vergleich von Angeboten?

Annahme von Gleichwertigkeit ohne Überprüfung. Wenn ein Analyst zwei Positionen in dieselbe Zeile einer Vergleichstabelle einträgt, behauptet er, dass diese Positionen identisch sind – gleiche Spezifikation, gleicher Umfang, gleiche Annahmen. Ist diese Behauptung falsch, ist der gesamte Kostenvergleich für diese Position ungültig. Bei einem Vergleich mit Hunderten von Positionen kann bereits eine Fehlerquote von 5 % bei der Gleichwertigkeitsbeurteilung den empfohlenen Lieferanten kippen.

Lösen Beschaffungsplattformen wie SAP Ariba und Coupa das nicht bereits?

Sie lösen den nachgelagerten Teil – sobald Daten in einem standardisierten Format vorliegen, verwalten diese Plattformen Ausgabenanalysen, Genehmigungsrouting und Vertragsmanagement gut. Aber ihre RFQ-Module erfordern, dass Lieferanten über die Plattform einreichen, was die meisten mittelständischen Lieferanten nicht tun. Wenn Angebote als E-Mail-Anhänge im PDF/Word/Excel-Format eingehen, ist die Pipeline von der Extraktion zum Vergleich für die überwiegende Mehrheit der Beschaffungsteams immer noch manuell.

Kann KI wirklich zwischen gleichwertigen, aber unterschiedlich beschriebenen Artikeln unterscheiden?

KI kann die Rohdaten aus jedem Dokument genau extrahieren – Stückpreis, Lieferzeit und Zahlungsbedingungen finden, unabhängig davon, wo sie auf der Seite stehen. Ob zwei unterschiedlich beschriebene Artikel tatsächlich gleichwertig sind, ist eine Geschäftsentscheidung, die weiterhin menschliches Urteilsvermögen erfordert. Was KI ändert, ist, dass sie Extraktion von Beurteilung trennt, sodass Sie diese Entscheidungen explizit prüfen können, anstatt sie stillschweigend während der manuellen Dateneingabe zu treffen.

Was ist mit Angeboten in unterschiedlichen Währungen oder Maßeinheiten?

Verschiedene Währungen und Einheiten sind ein Normalisierungsproblem, kein Extraktionsproblem. KI-Extraktionstools können die Rohwerte und ihre Einheiten (z. B. „€4,20/Stück“ und „$5,10/Stück“) in separate Spalten erfassen. Der Umrechnungs- und Normalisierungsschritt ist dann ein Tabellenkalkulationsvorgang – sichtbar, formelbasiert, prüfbar – statt einer Kopfrechnung während der Eingabe.

Wie erkenne ich Leistungslücken in Angeboten, bevor sie zum Problem werden?

Die meisten Leistungslücken verstecken sich in Zeilen, die der Analyst nicht angesehen hat, weil er auf die Preissuche fokussiert war. Typische Verstecke: Fußnoten auf der letzten Seite, ein einzelner Satz im Anschreiben, eine als „Ausgeschlossen“ im Kleingedruckten aufgeführte Position. Eine dedizierte Extraktion in eine strukturierte Tabelle macht diese Lücken sichtbar, weil jedes Angebot in die gleiche Spaltenstruktur übersetzt wird – wenn die Frachtspalte von Lieferant B leer ist, während andere Werte haben, fällt die Lücke sofort auf, anders als beim Durchlesen einzelner PDFs.

Ist das nur ein Problem bei großen Ausschreibungen?

Der Fehler tritt bei jedem Vergleich mit mehr als einem Lieferanten und mehr als einer Position auf, potenziert sich aber mit dem Umfang. Ein Vergleich mit 3 Lieferanten und 5 Positionen umfasst vielleicht 15–30 Gleichwertigkeitsurteile – klein genug, dass der Analyst sie wahrscheinlich richtig trifft. Bei 5 Lieferanten × 50 Positionen (250 Urteile) steigt die Fehlerquote durch Ermüdung. Bei 5 Lieferanten × 300 Positionen, was in der Bau- und Fertigungsbeschaffung üblich ist, ist die Fehlerzahl eine statistische Gewissheit, keine Frage der Analystenfähigkeit.

Wie hängt das mit dem PDF-Angebot-zu-Excel-Anwendungsfall zusammen?

Die Konvertierung von PDF zu Excel ist die erste Hälfte der Lösung: Daten aus PDFs extrahieren und in ein strukturiertes Format überführen. Der Vergleichsschritt – der laut diesem Artikel separat und explizit sein sollte – erfolgt nach der Extraktion. Beide Schritte ergänzen sich: erst extrahieren, dann vergleichen, mit einer klaren Grenze dazwischen.

Worauf sollte ich bei der Auswahl eines Extraktionstools für den Angebotsvergleich achten?

Drei Fähigkeiten sind für den Angebotsvergleich besonders wichtig: (1) die Möglichkeit, eigene Spaltennamen zu definieren – Sie entscheiden, was verglichen wird, nicht die vorgegebene Rechnungsvorlage des Tools; (2) Stapel-Upload – alle Angebote in einem Durchgang verarbeiten, statt Datei für Datei; und (3) semantische Extraktion – Daten nach ihrer Bedeutung finden, nicht nach ihrer Position auf der Seite, da jedes Angebot anders formatiert ist.