GRIP AI – Green Responsible Intelligent Procurement

Das Fraunhofer-Institut für Intelligente Analyse- und Informationssysteme IAIS zählt mit rund 350 Mitarbeitenden zu den führenden Einrichtungen für angewandte KI-Forschung in Europa und entwickelt KI-Lösungen von der Machbarkeitsanalyse bis zum produktiven Einsatz.

Im Geschäftsfeld AI4Public entwickeln wir vertrauenswürdige und souveräne KI für die öffentliche Verwaltung, darunter Assistenzsysteme, KI-gestützte Dokumenten- und Antragsbearbeitung, barrierearme Kommunikation und intelligente Prozessautomatisierung. Zentrale Anforderungen sind Datenschutz, Datenhoheit, Nachvollziehbarkeit und menschliche Entscheidungssouveränität. Diese Ausrichtung zeigt sich unter anderem im Projekt GovTeuken. Gemeinsam mit IT.NRW entwickelt Fraunhofer IAIS ein auf die öffentliche Verwaltung spezialisiertes KI-Sprachmodell. Grundlage ist die am IAIS mitentwickelte SOOFI-Modellfamilie, die mit verwaltungsspezifischen Daten weitertrainiert und an Sprache, Abläufe und Anforderungen der Verwaltung angepasst wird.

Neben souveränen KI-Modellen entwickeln wir modulare Software- und Prüfarchitekturen für den Verwaltungseinsatz. So haben wir SPARK-API, eine vom Digitalministerium (BMDS) initiierte Open-Source-Architektur für modulare KI-Services in der öffentlichen Verwaltung maßgeblich mitentwickelt. Deren Funktionsbausteine für die automatische Dokumentenaufbereitung, Prüf- und Nachforderungslogiken sowie Auditierungs- und Sicherheitsfunktionen entsprechen direkt den Anforderungen an eine KI-gestützte Nachweisprüfung. Diese Expertise bringen wir auch in die kontinuierliche Weiterentwicklung des Ökosystems ein, etwa im Rahmen von Formaten wie dem BMDS SPARK-Hackathon zur Erprobung erweiterter Sicherheits- und Analysefunktionen.

Diese Erfahrung mit dokumentenbasierten Prüfprozessen verbindet sich mit unserer Beschaffungsexpertise in unserem Angebot Procurement AI mit KI-Komponenten zur automatisierten Analyse, Prüfung und zum Abgleich von Angebots- und Nachweisdokumenten in Beschaffungsprozessen.

Für den Einsatz solcher Systeme in entscheidungsrelevanten und datenkritischen Kontexten ist ihre Nachvollziehbarkeit und Absicherung zentral. Ein besonderer Schwerpunkt des Fraunhofer IAIS liegt daher auf vertrauenswürdiger KI. Wir entwickeln Methoden zur Prüfung und Absicherung von KI-Systemen und wirken an internationalen Standards für vertrauenswürdige KI mit. Unser Anspruch ist stets Informationen nachvollziehbar aufzubereiten, Aussagen mit überprüfbaren Quellen zu belegen, Unsicherheiten zu kennzeichnen und unklare Fälle gezielt an Prüfer*innen zu übergeben. Im Forschungsbereich Agentic AI übertragen wir diese Prinzipien auch auf komplexe, datenkritische Domänen. Im Projekt TraumAInterfaces etwa werten KI-Agenten sensible, medizinische Fachdialoge in Echtzeit aus und bereiten sie strukturiert für die Dokumentation auf. Dabei erforschen wir souveräne Betriebsmodelle, kontrollierte Datenflüsse und zuverlässige Evaluation unter realen Einsatzbedingungen.

Nachhaltigkeit und Resilienz bilden einen eigenen Forschungs- und Beratungsbereich des Instituts. Fraunhofer IAIS hat für Unternehmen des gehobenen Mittelstands Nachhaltigkeitsstrategien entwickelt, CO₂-Bilanzen nach dem GHG Protocol erstellt, EMAS eingeführt sowie ESRS-Berichterstattung einschließlich EU-Taxonomie aufgebaut. Diese Praxiserfahrung verbindet sich mit unserer methodischen Forschung zu indikatorbasierten Bewertungen und ermöglicht eine fachlich wie methodisch fundierte Einordnung von Nachhaltigkeitsangaben. Nachhaltigkeit ist zugleich im eigenen Organisationshandeln verankert: Die Fraunhofer-Gesellschaft verfolgt Ziele zu Klimaschutz und Energieeffizienz und strebt einen zunehmend klimaneutralen Wissenschaftsbetrieb an.

Seit 2014 berichtet die Fraunhofer-Gesellschaft regelmäßig über Nachhaltigkeit und Corporate Social Responsibility. Die Nachhaltigkeitserklärung 2025 wurde in Anlehnung an die ESRS erstellt. Vielfalt, Chancengleichheit und Inklusion sind ebenfalls institutionell verankert; Fraunhofer ist Unterzeichnerin der Charta der Vielfalt und fördert unter anderem inklusive Arbeitsbedingungen, Chancengleichheit und Frauen in wissenschaftlichen Karrierewegen.

Damit vereint Fraunhofer IAIS für die mögliche Umsetzung des FEMNET-Tools fundierte KI- und Dokumentenexpertise, langjährige Erfahrung mit der öffentlichen Hand, ausgewiesene Nachhaltigkeits- und Resilienzexpertise sowie ein konsequentes Verständnis vertrauenswürdiger und souveräner Digitalisierung. Wir sind an einer späteren Konzeption und Umsetzung ausdrücklich interessiert und können technologische Entwicklung, Evaluation, Absicherung, Integration und Kompetenzaufbau, sowie ein geeignetes, nachhaltiges Betriebsmodell realisieren.

Wir schlagen ein modulares KI-Assistenzsystem zur evidenzbasierten Prüfung von Nachhaltigkeitsnachweisen mit drei Schichten vor: Dokumentenverständnis, Prüfworkflow und Nachhaltigkeitswissen. Die Lösung kombiniert regelbasierte Prüfungen, spezialisierte KI-Modelle und kuratiertes Fachwissen. Ergebnisse bleiben auf Dokumentfundstellen und verifizierte Quellen zurückführbar; Modelle, Regeln und Datenquellen lassen sich unabhängig weiterentwickeln oder austauschen.

1. Dokumentenverständnis: Überprüfbare Informationen aus Dokumenten
Ausschreibungsanforderungen und Angaben der Bieter*innen werden mit den eingereichten Nachweisen strukturiert erschlossen und verknüpft. Das System verarbeitet PDFs, Office-Dokumente, Tabellen, Scans, Bilder und Siegel-Logos. Je nach Dokumenttyp werden OCR, Layout- und Tabellenanalyse sowie Sprach- und Vision-Modelle kombiniert (z. B. Docling/VLM, ergänzt durch regelbasierte PDF-Analyse). Relevante Angaben werden mit Methoden wie NLP/NER extrahiert, semantisch zugeordnet und mit der Fundstelle im Originaldokument verknüpft. Kontextinformationen wie Überschriftenhierarchien bleiben durch „Smart Chunking“ erhalten.

2. Prüfworkflow: Passgenaue Automatisierung
Das System ordnet Nachweise den jeweiligen Ausschreibungsanforderungen, Produkten und Losen zu und prüft Vollständigkeit, Gültigkeit, Produktbezug und Widersprüche zwischen Dokumenten. Wo möglich, werden Angaben über externe Quellen verifiziert. Die Prüfung wird als modularer Workflow aus deterministischen Regeln und KI-gestützten Analysen orchestriert (z. B. als entkoppelte FastAPI-Services nach SPARK-API): Formale Kriterien werden regelbasiert, unstrukturierte Inhalte und semantische Vergleiche KI-gestützt geprüft. Bei unzureichender oder widersprüchlicher Evidenz kennzeichnet das System Unsicherheit und benennt fehlende oder manuell zu prüfende Informationen.

Prompt-Security-Mechanismen schützen KI-basierte Prüfungen vor manipulativen Dokumentinhalten.

Die Oberfläche orientiert sich am Arbeitsablauf der Beschaffungsstelle und zeigt Ergebnisse als „erfüllt“, „nicht erfüllt“, „unklar“ oder „manuelle Prüfung erforderlich“ mit direkt aufrufbarer Begründung und Quelle. Hinweise zu Einordnung und nächsten Prüfschritten unterstützen die Anwender*innen; Barrierearmut wird von Beginn an berücksichtigt.

3. Nachhaltigkeitswissen: Kuratiertes, relevantes und erweiterbares Wissen
Für die fachliche Bewertung wird eine strukturierte Wissensbasis zu Siegeln, Standards, Kriterien, Produktgruppen und Gültigkeitsbedingungen aufgebaut. Dabei fließt auch unsere Praxiserfahrung aus Nachhaltigkeitsprojekten ein, um Angaben fachlich einzuordnen und relevante Prüfkriterien sinnvoll zu modellieren. Ergänzend werden gesicherte Schnittstellen zu externen Plattformen eingebunden; Beziehungen zwischen Kriterien und Standards können über Wissensgraphen bzw. Ontologien abgebildet werden.

Nachweise und Nachforderungen
Bei alternativen Nachweisen kann das System Standards vergleichen, Übereinstimmungen und Abweichungen sichtbar machen und auf relevante Quellen verweisen. So unterstützt es die Prüfung der Gleichwertigkeit; die fachliche und vergaberechtliche Entscheidung verbleibt bei der zuständigen Person. Auch Nachforderungen werden unterstützt, indem fehlende oder widersprüchliche Angaben aus der dokumentierten Prüfung zusammengestellt und mit relevanten vergaberechtlichen Quellen verknüpft werden. Daraus kann ein nachvollziehbarer Entwurf für ein Anschreiben entstehen; auch hier bleibt Prüfung und Freigabe beim Menschen.

Nachhaltigkeit für Betrieb und Architektur
Wir empfehlen für den Produktivbetrieb einen souveränen und CO2-neutralen Betrieb in Deutschland bei einem deutschen Cloud-Anbieter mit entsprechenden Zertifikaten (ISO 9001, 14001, 27001, 50001 und weitere). Dies balanciert zwischen Datenhoheit, Datenschutz, Informationssicherheit, Skalierbarkeit und Wartbarkeit.

Unsere Architektur wird modular gestaltet und orientiert sich an gängigen Standards, sodass Betreiber und Hosting-Umgebung bei Bedarf gewechselt werden können. Klare APIs und entkoppelte Adapter ermöglichen, Nachweisarten, Fachregeln, Datenquellen und KI-Modelle unabhängig zu ergänzen oder auszutauschen. Ressourceneffizienz ist Teil der Architektur und entsteht durch regelbasierte Verfahren und kleinere Modelle für einfache Aufgaben sowie größere Sprachmodelle nur bei semantischem Bedarf.

Eingereichte Angebotsunterlagen werden ausschließlich für den jeweiligen Prüfprozess verarbeitet und nicht für das Training oder die Weiterentwicklung von KI-Modellen verwendet. Prüfschritte, Dokumentpassagen, Regeln, Modellaufrufe und externe Quellen werden revisionsfähig protokolliert.

Der besondere Innovationsgrad liegt in der Verbindung von multimodaler Dokumenten-Intelligenz, effizienten und passgenauen KI-Ansätzen, verifiziertem Nachhaltigkeitswissen und einer revisionsfähigen Evidenzkette. So entsteht ein nachvollziehbarer Prüfpfad für öff. Vergabeverfahren.

Wir empfehlen ein stufenweises Vorgehen von der Anforderungsanalyse über einen End-to-End-Prototyp bis zur Pilotierung mit Vergabefällen. Wir bauen auf vorhandenen Bausteinen des Fraunhofer IAIS auf; Aufwand entsteht vor allem durch Anforderungsanalyse, Software- und Schnittstellenentwicklung, fachliche Anpassung sowie Evaluation.

Eine belastbare Aufwandsschätzung ist derzeit nur eingeschränkt möglich, da der erwartete Reife- und Qualitätsgrad der Lösung noch nicht eindeutig definiert ist und ein funktionsfähiger Pilot oder bereits eine weitgehend produktionsreife Lösung erwartet wird. Weitere Einflussfaktoren sind Dokumentqualität, Vielfalt der Nachweisarten, Schnittstellen sowie Anforderungen an Datenschutz und Hosting.

Als gemeinnützige Forschungseinrichtung kalkuliert Fraunhofer auf Basis erforderlicher Aufwände und geltender Verrechnungssätze.

Phase 1: Anforderungsanalyse, Machbarkeit und Prototyp | 1.450–2.050 Stunden, 3–5 Monate

Phase 1 setzt eine Eingrenzung auf priorisierte Nachweisarten, Produktgruppen und Prüfszenarien voraus. Ziel ist die Validierung des End-to-End-Ansatzes, nicht die vollständige Abdeckung aller Nachweise oder produktionsreife Prüfqualität.

1.1 Anforderungsanalyse und Anwendungsdesign | 200–300 Stunden
Konkretisierung von Anforderungen, Nachweisarten, Prüflogiken, Nutzergruppen und Qualitätszielen. Entwicklung von Nutzerabläufen, Systemkonzept und Architektur sowie Priorisierung der Anwendungsfälle.

1.2 Dokumentenverständnis | 350–500 Stunden
Anpassung bestehender Bausteine für PDF-, Office-, Tabellen-, Scan- und Bildformate. Schwerpunkte sind OCR, Layout-/Tabellenanalyse, Informationsextraktion, Quellenreferenzierung und erste Siegel-Erkennung. Evaluation erfolgt anhand repräsentativer Unterlagen.

1.3 Prüfworkflow, Nachhaltigkeitswissen und Softwareentwicklung | 500–700 Stunden
Aufbau eines prototypischen End-to-End-Prüfworkflows mit regelbasierten und KI-gestützten Prüfungen für Vollständigkeit, Gültigkeit, Produkt-/Losbezug und Konsistenz. Integration eines initialen Wissensmodells sowie Entwicklung einer prototypischen, barrierearmen Nutzeroberfläche mit Human-in-the-Loop-Funktionen. Erste Gleichwertigkeitsprüfungen und Nachforderungen werden für ausgewählte Fälle umgesetzt.

1.4 Integration, Infrastruktur und Qualitätssicherung | 400–550 Stunden
Integration über APIs und Adapter, Aufbau der Entwicklungs- und Testumgebung sowie grundlegende Sicherheits-, Datenschutz- und Protokollierungsmechanismen. Technische und fachliche Tests schließen die Phase ab.

Ergebnis Phase 1: Lauffähiger End-to-End-Prototyp für ausgewählte Nachweisarten und Prüfszenarien; technische Machbarkeit, erreichbare Prüfqualität und Anforderungen an die Pilotierung werden bewertet.

Eigenaufwand FEMNET Phase 1: Fachliche Mitarbeit in Projekt- und Review-Terminen, bei Anforderungspriorisierung, Bereitstellung und Einordnung repräsentativer Nachweise, Prüfkriterien, Evaluation und Abnahme.

Phase 2: Pilotierung, Erweiterung und Betriebsübergang | 1.500–2.200 Stunden, 4–7 Monate

2.1 Pilotierung und Weiterentwicklung | 1.300–1.800 Stunden
Der Prototyp wird anhand realer Vergabefälle erprobt und erweitert. Zusätzliche Nachweistypen, Kriterien und Datenquellen werden integriert, Schnittstellen stabilisiert sowie Prüfregeln und KI-Komponenten optimiert. Oberfläche und Workflows werden anhand des Nutzerfeedbacks weiterentwickelt. Parallel werden Prüfqualität und Robustheit evaluiert sowie Datenschutz-, Sicherheits- und Betriebsanforderungen für den produktiven Einsatz konkretisiert.

2.2 Wartungs- und Betriebskonzept | 200–400 Stunden
Hinweis: Für Entwicklung, Tests und Evaluation in Phase 1 und 2 kann Fraunhofer IAIS die eigene nachhaltig betriebene KI-Infrastruktur nutzen; die Kosten für Rechenaufwände sind pauschal berücksichtigt.
Ein dauerhafter Produktivbetrieb durch Fraunhofer IAIS ist nicht möglich. Gemeinsam mit dem Auftraggeber wird ein Betriebs- und Übergabekonzept entwickelt; je nach Schutzbedarf kommen Eigenbetrieb, öffentlicher IT-Dienstleister oder geeigneter deutscher Cloud-Anbieter (Empfehlung, s. Kurzkonzept) infrage.

Fraunhofer IAIS kann nach Übergabe punktuell bei Wartung, Bugfixes und Updates eigener Komponenten unterstützen; hierfür setzen wir zunächst ca. 100–200 Stunden pro Jahr an. Größere Erweiterungen werden separat kalkuliert.

Eigenaufwand FEMNET Phase 2: Fachliche Beteiligung durch Projekt- und Review-Termine, reale Vergabefälle, Nutzerfeedback sowie Mitwirkung bei Evaluation und Priorisierung.

3. Gesamtabschätzung
Für End-to-End-Prototyp und anschließende Pilotierung ergibt sich eine Größenordnung von 2.950–4.250 Stunden über 7–12 Monate. Ergebnis ist eine mit realen Vergabefällen erprobte Pilotlösung mit hoher technologischer Reife. Aufwand und Kosten einer anschließenden Produktivisierung sowie des laufenden Betriebs werden auf Grundlage der Pilotphase, der erreichten Prüfqualität und des Betriebskonzepts belastbar dimensioniert.