We support ADA

Westernacher Solutions GmbH Kurzübersicht

Westernacher Solutions entwickelt seit über 55 Jahren Beratungs- und IT-Lösungen für Justiz, Notariat, kirchliche Organisationen und den öffentlichen Sektor. Das Unternehmen wurde 1969 gegründet und verfügt über Standorte in Berlin, Heidelberg, Bad Kreuznach sowie in Sofia und Plovdiv. Als Teil der Westernacher-Gruppe arbeiten weltweit über 900 Beraterinnen, Berater sowie Softwareentwicklerinnen und Softwareentwickler an der Digitalisierung anspruchsvoller Fachverfahren. Unsere Schwerpunkte liegen in sicheren Fachanwendungen, digitalen Verwaltungsprozessen, Identitätsmanagement, Informationsmanagement sowie modernen Web- und Plattformlösungen.

Full Service IT-Provider

Wir begleiten Kunden über den gesamten Lebenszyklus eines IT-Projekts, von der Anforderungsanalyse über Architekturdesign und Softwareentwicklung bis hin zu Test, Einführung, Betrieb und Support. Informationssicherheit, Qualität und Datenschutz sind bei Westernacher Solutions organisatorisch verankert: Das Unternehmen ist nach ISO/IEC 27001:2022 für Informationssicherheit sowie nach ISO/IEC 9001:2015 für Qualitätsmanagement zertifiziert. Ergänzend arbeiten wir mit einem integrierten Managementsystem, das Datenschutz, regelmäßige Überprüfungen und fortlaufende Schulungen einschließt. So stellen wir sicher, dass Sicherheits-, Qualitäts- und Datenschutzanforderungen dauerhaft in Prozessen, Verantwortlichkeiten und Arbeitsweisen integriert sind. Zu unseren Kunden zählen unter anderem Organisationen aus Justiz und öffentlicher Verwaltung.

Kunden- und Projektübersicht

Für die Bundesrechtsanwaltskammer und die Bundesnotarkammer entwickeln und betreiben wir mit beA (besonderes elektronisches Anwaltspostfach) und beN (besonderes elektronisches Notariatspostfach) Anwendungen mit hohen Anforderungen an Datenschutz, Informationssicherheit, Verfügbarkeit und Nachvollziehbarkeit. Die beA Webanwendung wurde entsprechend der Vorgaben gemäß BITV 2.0 / EN 301 549 / WCAG 2.2 zur Sicherstellung eines barrierefreien Produkts geprüft und umgesetzt.

Zusätzlich zu unserem Portfolio in IT-Projekten bieten wir Beratung und UX/UI-Design für Fachverfahren der Justiz, die Einführung und Migration von E-Akten-Lösungen, die Automatisierung von Registern, Verbundmanagement sowie die Konzeption und Umsetzung moderner Verwaltungsanwendungen. Dabei verbinden wir fachliche Expertise mit Benutzerfreundlichkeit, Barrierefreiheit, Sicherheit, Datenschutz und Akzeptanz bei den späteren Anwenderinnen und Anwendern.

Künstliche Intelligenz

Im Bereich Künstliche Intelligenz entwickeln wir Lösungen für Dokumentenanalyse, Wissensmanagement und Entscheidungsunterstützung. Dabei verfolgen wir konsequent einen souveränen Open-Source-Ansatz. Für sensible Anwendungsfälle setzen wir bevorzugt auf kleine oder große, spezialisierte Sprachmodelle (Small Language Model - SLMs und Large Language Model - LLMs), die lokal oder in deutschen Rechenzentren betrieben werden können. Dadurch reduzieren wir Energieverbrauch und Betriebskosten und gewährleisten gleichzeitig Datenschutz, Transparenz und Kontrolle über die verarbeiteten Daten.

Nachhaltigkeit

Für KI-Anwendungen setzen wir konsequent auf möglichst kleine Sprachmodelle, so klein wie möglich, so groß wie nötig. Das reduziert Rechen- und Energiebedarf erheblich. Betrieb und Hosting erfolgen ausschließlich bei deutschen bzw. europäischen Anbietern oder direkt in der Infrastruktur des Auftraggebers. Dadurch behalten wir die volle Kontrolle über Energieverbrauch, Standort und Datenflüsse und vermeiden Abhängigkeiten von US-Hyperscalern.

Weitere Nachhaltigkeitsaspekte sind die Net-Zero-Strategie seit 2021 mit einem aufgebauten Monitoringsystem, das alle CO₂-Emissionen der Westernacher-Gruppe nach dem Greenhouse Gas Protocol erfasst, Kompensation von Restemissionen und Sensibilisierung von Mitarbeitenden für umweltschonendes Verhalten und Verkehrsmittelwahl.

Vielfalt und Chancengleichheit

Wir engagieren uns aktiv für Diversität in der Technologiebranche. Unsere Kompetenzcenter-Leitung für KI wird von einer Frau verantwortet, die zugleich das Deutschland-Team von Women in AI leitet. Wir fördern eine inklusive Unternehmenskultur, kontinuierliche Weiterbildung (u. a. zu EU AI Act, DSGVO, Data Act) und beteiligen uns an branchenrelevanten Veranstaltungen.

Unsere Lösung erfasst zunächst den IST-Zustand der eingereichten Unterlagen, erkennt enthaltene Siegel und Zertifikate und vergleicht diese anschließend mit den Anforderungen aus der Ausschreibung sowie mit einer kuratierten Wissensbasis zu Zertifikaten, Siegeln und deren Kriterien.

Lösungsansatz

Die Anwendung kombiniert drei KI-Bausteine, die auf bereits vorhandenen Projekterfahrungen von Westernacher Solutions aufbauen:

1. Informationsextraktion aus Dokumenten
   Dieser Baustein kann aus PDF-Dokumenten strukturierte Informationen extrahieren, zum Beispiel Angaben zu Siegeln, Zertifikaten, Ausstellern, Gültigkeiten oder zugehörigen Beschreibungen. Diese Informationen bilden den IST-Zustand der eingereichten Nachweise und können mit einer Referenzdatenbank abgeglichen werden.

   
   
   

2. Bausteine für Bild- und Objekterkennung
   Für Fälle, in denen Siegel nicht zuverlässig als Text auslesbar sind, können Bausteine aus Objekterkennung und zum Pattern Matching eingesetzt. Übertragen auf die Nachweisprüfung können damit Siegel-Logos oder visuelle Prüfzeichen in PDF-Dokumenten erkannt und anschließend mit bekannten Referenzeinträgen abgeglichen werden.
   
   

3. LLMs für RAG-basierte Anforderungsprüfung
   Für die semantische Prüfung wird ein RAG (Retrieval-Augmented-Generation) Ansatz eingesetzt. In der Wissensbasis liegen die relevanten Zertifikate, Anforderungen, Siegelbeschreibungen und Vergleichskriterien strukturiert vor. Das Sprachmodell erhält dadurch den notwendigen Kontext, um zu prüfen, ob ein eingereichtes Siegel oder ein alternativer Nachweis die Anforderungen des geforderten Zertifikats abdeckt. Wenn Anforderungen fehlen oder nicht eindeutig belegt sind, gibt die Anwendung diese transparent aus und kann eine Empfehlung für eine Nachforderung formulieren.

Für harte Kriterien wie Gültigkeitsdatum, Aussteller, Produktbezug oder formale Vollständigkeit wird regelbasierte Logik eingesetzt. Das Sprachmodell kommt dort zum Einsatz, wo semantisches Verständnis notwendig ist, etwa bei der Frage, ob ein alternatives Siegel inhaltlich vergleichbare Anforderungen erfüllt. Diese Kombination aus deterministischer Prüfung und generative KI (LLM) -gestützte Analyse reduziert Halluzinationsrisiken und erhöht die Nachvollziehbarkeit.

Optional kann die Wissensbasis durch kontrollierte Websuchen erweitert werden, etwa um öffentlich verfügbare Informationen zu Siegeln, Zertifizierungsstellen oder aktuellen Kriterien einzubeziehen. Diese Erweiterung sollte jedoch kuratiert und nachvollziehbar erfolgen, damit die Prüfergebnisse belastbar bleiben.

Nutzerführung und Ergebnisdarstellung

Die Anwendung wird als (webbasiertes) Prüftool konzipiert. Nutzer:innen laden die Angebotsunterlagen oder Nachweisdokumente hoch und erhalten anschließend eine strukturierte Ergebnisansicht. Im Mittelpunkt steht eine verständliche, prüfbare Darstellung:

• erkannte Siegel, Zertifikate und Nachweise,

• zugeordnete Anforderungen aus der Ausschreibung,

• Bewertung je Anforderung über eine Ampellogik (grün (erfüllt), gelb (unklar/manuelle Prüfung), rot (nicht erfüllt)),

• Quellenverweise auf Dokumentstellen und Wissensbasis,

• Hinweise auf fehlende oder unklare Anforderungen,

• Vorschläge für Nachforderungen oder manuelle Prüfschritte.

Die UX folgt dabei dem Prinzip „schnell erfassbar, aber prüfbar im Detail“. Auf der Übersichtsseite erkennt die Vergabestelle sofort, wo Nachweise vollständig, unklar oder unzureichend sind. Bei Bedarf können Begründungen eingeblendet werden, die auf generativer KI basieren. So bleibt die Prüfung nachvollziehbar und geeignet für die Dokumentation in der Vergabeakte.

Voraussetzung für eine verlässliche Prüfung ist eine gepflegte und regelmäßig aktualisierte Wissensbasis sowie eine Mindestqualität der eingereichten Unterlagen. An ihre Grenzen stößt die automatisierte Prüfung bei neuartigen, noch nicht kategorisierten Nachweisen oder bei Wertungsfragen, die eine rechtliche Abwägung erfordern. In diesen Fällen gibt das System die Prüfung transparent an die menschliche Sachbearbeitung zurück, statt eine Bewertung zu erzwingen.

Sicherheit, Betrieb und Datensouveränität

Ein zentraler Vorteil des vorgeschlagenen Ansatzes ist der souveräne Betrieb. Alle Bausteine sind so konzipiert, dass die Lösung lokal, On-Premises oder in einer vom Auftraggeber bestimmten Umgebung betrieben werden kann. Für den Betrieb kommen Open-Source-Technologien (Entitätenerkennung und Objektidentifizierung) und Open-Source-Sprachmodelle (Llama, Qwen, Apertus, Teuken, etc) zum Einsatz, die möglichst klein sind. Dadurch werden sensible Angebotsunterlagen nicht an externe KI-Anbieter (Azure, AWS, etc.) übertragen.

Der Betrieb kann in der Infrastruktur des Auftraggebers oder bei deutschen bzw. europäischen Anbietern erfolgen. Damit bleiben Datenflüsse, Speicherorte. Ressourcen und Betriebsbedingungen kontrollierbar.

Für die Umsetzung des Tools schätzen wir eine Umsetzung in 1-1,5 Jahren mit einem Gesamtaufwand von 245 Personentagen (PT). Die Unterteilung der Aufwände für die einzelnen Bestandteile sind:

1. Konzeption, Anforderungen, Architektur und Datenschutz: ca. 40 PT
Dieser Block umfasst die fachliche und technische Konzepterstellung als Grundlage für die weitere Umsetzung. Dazu gehören Anforderungsworkshops, die Erarbeitung der User Journeys, Barrierefreiheit, die Klärung von Datenschutz-, Hosting- und Betriebsconstraints sowie die Architekturentscheidung. Ebenfalls enthalten sind das Datenschutz- und Sicherheitskonzept mit DSGVO-Konformität, sowie die grundlegenden Betriebs- und Monitoringkonzepte.

2. UX, Mock-Prototyp und Nutzerführung: ca. 15 PT
In diesem Block wird ein Mock-Prototyp entwickelt, der die zentrale Nutzerführung der Anwendung sichtbar macht. Dazu gehören das Laden von Ausschreibungen, die Übersicht über Unternehmen, ein Screen zur Prüfung von Anforderungen sowie die Report-Ansicht. Der Prototyp dient der fachlichen Validierung und reduziert das Risiko, später an den Bedarfen der Anwenderinnen und Anwender vorbeizuentwickeln.

3. Datenbasis, Wissensbasis und Beispieldaten: ca. 25 PT
Für die KI-gestützte Prüfung muss zunächst eine belastbare Datenbasis aufgebaut werden. Dazu zählen die Definition des Datenmodells für Fälle, Ausschreibungen, Nachweise und Wissensbasis, der Import und die Strukturierung der Siegel-Datenbank aus Quellen wie Kompass Nachhaltigkeit oder Siegelklarheit sowie ein Interface zur Pflege der Datenbank. Ergänzend werden realistische Beispielsdokumente gesammelt oder erstellt, um die späteren KI-Module testen und abstimmen zu können.

4. KI-Module für Extraktion, Matching und optionale Bilderkennung: ca. 42 PT
Dieser Block umfasst die eigentliche KI-Funktionalität. Dazu gehören die Konfiguration für die Extraktion von Zahlen/Daten/Siegeln und Zertifikaten, das KI-basierte Matching zwischen erkannten Nachweisen und Anforderungen, der Lookup in der Siegel-Datenbank sowie die Generierung nachvollziehbarer Erklärungstexte. Optional kann eine KI-basierte Siegel-Bilderkennung ergänzt werden, um die Erkennungsgenauigkeit bei visuellen Siegeln zu erhöhen.

5. Softwareentwicklung, Backend, Frontend und Integration: ca. 60 PT
Die technische Umsetzung der Anwendung umfasst die Frontend-Implementierung auf Basis des abgestimmten Mocks, Login und Authentifizierung, das Verwalten von Ausschreibungen und Unternehmen sowie die Hauptansicht zur Prüfung und Bearbeitung von Unternehmensbewerbungen. Hinzu kommt die Backend-Implementierung zur Anbindung der KI-Module an den Prototyp. Dieser Block bildet den Kern der produktnahen Tool-Entwicklung.

6. Integration Testing, Qualitätssicherung und CI/CD: ca. 30 PT
Nach der Implementierung sind Integrationstests zwischen den Modulen, End-to-End-Tests, Qualitätssicherung, Bugfixing sowie der Aufbau automatisierter Testing-Pipelines notwendig.

7. Dokumentation: ca. 12 PT
Zum Projekt gehört eine technische Dokumentation der Software sowie ein Anwenderhandbuch.

8. Projektbegleitung durch Product Owner: ca. 21 PT
Für die fachliche Steuerung, Priorisierung, Abstimmung mit Stakeholdern und laufende Begleitung der Umsetzung ist ein zusätzlicher Aufwand für Product Ownership eingeplant.

In Summe ergibt sich daraus ein geschätzter Aufwand von ca. 245 PT. Bei einem gemischten Projektteam aus Product Owner, UX/UI, Backend-, Frontend- und KI-Entwicklung, Datenschutz/Security sowie QA ist eine Umsetzung voraussichtlich über mehrere Monate realistisch. Die genaue Laufzeit hängt davon ab, wie viele Rollen parallel eingesetzt werden können, wie schnell fachliche Entscheidungen getroffen werden und ob Webanbindungen einbezogen werden sollen.

Wartung und Betrieb

Für Wartung und Weiterführung des Projekts ist nach der initialen Umsetzung ein zusätzlicher laufender Aufwand von ca. 1 bis 5 PT pro Monat einzuplanen. Die konkrete Höhe hängt davon ab, ob die Lösung vor allem technisch gewartet und stabil betrieben werden soll oder ob zusätzlich fachliche Erweiterungen, neue Features, Anpassungen an weitere Ausschreibungstypen, Aktualisierungen der Wissensbasis , etc. umgesetzt werden sollen.

Zusätzlich können bei der Nutzung von generativen Sprachmodellen (SLM oder LLM) Hosting-Kosten entstehen und der Betrieb bei einem externen Anbieter erfolgt. Die Höhe dieser Kosten hängt maßgeblich von der Größe und Leistungsfähigkeit des eingesetzten Modells, den Anforderungen an Antwortzeit und Verfügbarkeit sowie vom erwarteten Nutzungsvolumen ab. Welches Modell technisch und wirtschaftlich sinnvoll ist, sollte zu Beginn des Projekts anhand der fachlichen Anforderungen, Datenschutzvorgaben und Qualitätsziele evaluiert werden. Auf dieser Grundlage kann anschließend eine Empfehlung für ein passendes Modell und das zugehörige Hosting-Szenario ausgesprochen werden.