NachweisKompass-KI-gestützte Nachweisprüfung für eine sichere und effiziente öffentliche Beschaffung
TOTEMA – Prozesse. Neu gedacht. wird vertreten durch Slaveyko Kirilov Nikolov, Gründer und Entwickler von TOTEMA sowie Creator des Totema-Mikro-Frameworks (totema.de). Der Fokus liegt auf schlanken, deterministischen und lokal lauffähigen KI-Systemen für Dokumenten- und Compliance-Prozesse.
Implementierungspartner ist die AI2Connect GmbH, die „Fabrik für KI-Agenten" mit Sitz in Dortmund (gegründet März 2025, ai2connect-do.com). Die Gründerin bringt über 18 Jahre Enterprise-Software- und KI-Erfahrung mit (u. a. Siemens, dormakaba/Genesys, Rhenus Logistics). Zu den Produkten zählen AI2RampOptimizer (Optimierung von Rampen- und Ladezonenprozessen in der Logistik), AI2OrderAgent (automatisierte Bearbeitung von Angebotsanfragen) und AI2AccessPilot (automatisierte Web-Barrierefreiheit nach WCAG/BFSG). AI2RampOptimizer ist IFOY-2026-Finalist (Nominierung „Startup des Jahres").
AI2Connect nutzt aktuell einen EFRE-GTM-Förderungsgutschein (NRW) und hat die erste Auswahlrunde des EU-Förderprogramms Women TechEU bestanden. Die Gründerin ist zudem Co-Lead der Gründer-Community „Bits & Pretzels Dortmund" und Gründungsmitglied von visibleRuhr eG.
Erfahrung mit öffentlichen Auftraggebern: Weder TOTEMA noch AI2Connect verfügen aktuell über eine abgeschlossene Kooperation mit einem öffentlichen Auftraggeber. Wir befinden uns derzeit in einem Bewerbungsprozess für eine Pilotpartnerschaft mit öffentlichem Bezug; bei Auswahl würde die Pilotphase ab dem 07.09.2026 beginnen (ohne Gewähr, da die Auswahl noch nicht feststeht).
Nachhaltigkeit im eigenen Geschäftsbetrieb: Das AI2Connect-Team besteht aus 9 Personen — 4 Männern und 5 Frauen — aus 6 verschiedenen Nationalitäten; Vielfalt ist gelebte Praxis. Mit AI2AccessPilot ist digitale Inklusion Teil des eigenen Produktportfolios. Das Team arbeitet überwiegend im Homeoffice (Remote-first), was Pendelverkehr und CO₂-Ausstoß reduziert. Der Geschäftsbetrieb läuft weitgehend papierlos. Auch technisch verfolgen wir einen ressourcenschonenden Ansatz: Wir verzichten bewusst auf große, energieintensive Cloud-Modelle zugunsten schlanker, lokal lauffähiger Komponenten — sowohl in eigenen Projekten als auch im hier vorgeschlagenen Tool.
Lösungskonzept: Ein Hybrid-System aus KI-gestützter Dokumentenanalyse und deterministischer Regel-Engine fungiert als Bindeglied zwischen staatlichen Datenquellen (z. B. Kompass Nachhaltigkeit, Siegelklarheit, UBA Data Cube) und den eingereichten Angebotsunterlagen. Die KI übernimmt Dokumenten- und Siegelerkennung; die rechtsverbindliche Bewertung erfolgt ausschließlich regelbasiert — kein Sprachmodell trifft rechtliche Entscheidungen autonom. Eine rein manuelle Checklisten-Digitalisierung wäre risikoärmer, aber deutlich weniger zeitsparend; eine vollautomatisierte LLM-Lösung ohne Regel-Engine haben wir bewusst verworfen, da sie dem Anspruch „keine Halluzinationen" widerspräche.
Sicherer Umgang mit Angebotsunterlagen: Zwei Auslieferungsvarianten plus Online-Showcase: eine vollständig offline lauffähige Desktop-Anwendung (kein Datentransfer) sowie eine optionale Anbindung als interne SaaS/Client-Server-Version im eigenen bzw. deutschen Rechenzentrum.
Personenbezogene/finanzielle Daten (z. B. IBAN) werden automatisiert erkannt und vor Weiterverarbeitung an den Menschen eskaliert. Login über die Host-Plattform wird wie vorausgesetzt angenommen.
Nutzerfreundlichkeit: Ampel-Bewertung (Grün/Gelb/Rot) mit nachvollziehbarer Begründung je Kriterium (Siegel, Frist, Produktbezug, Gleichwertigkeit) sowie eine Schritt-für-Schritt-Prüfanleitung, die zugleich als Weiterbildungsinstrument dient. Ziel ist eine barrierearme Umsetzung nach WCAG-Grundsätzen; das verändert primär die Art der Umsetzung, nicht zwingend den Gesamtaufwand, wenn von Anfang an mitgedacht.
KI-Technologie: Eingesetzt werden ausschließlich schlanke, lokal lauffähige Komponenten (PDF-Texterkennung, leichtgewichtiges OCR für Bilder, bild-basierte Siegel-/Logo-Erkennung) statt großer Cloud-Sprachmodelle, um Datenschutz- und Halluzinationsrisiken zu vermeiden. Zuverlässig funktioniert die Erkennung bei bekannten, standardisierten Siegeln und klar strukturierten Dokumenten; bei unbekannten Nachweisformaten oder inhaltlicher Gleichwertigkeitsprüfung liefert das System nur Orientierung, die finale Entscheidung bleibt beim Menschen.
Technische Umsetzung: Schnittstellen zu bestehenden E-Vergabe-Systemen sind als Ausbaustufe vorgesehen (z. B. DCAT-AP.de-Export). Der modulare Aufbau erlaubt die Einbindung neuer Plattformen/Quellen mit überschaubarem Zusatzaufwand. Gestaltungsspielräume bestehen insbesondere bei der Automatisierungstiefe (Ampel-Vorschlag vs. Voll-Automatik) und der Hosting-Variante.
Betrieb und Ressourcenverbrauch: Der laufende Betrieb benötigt keinen GPU-/Cloud-Compute für den Kernprozess, wodurch Betriebskosten und Energiebedarf gering bleiben. Empfohlen wird On-Premises bzw. ein deutsches Rechenzentrum aus Datenschutzgründen; alternative Cloud-Varianten nur mit entsprechender Zertifizierung.
Validierungsstand: Es liegt bereits ein funktionsfähiger Prototyp vor (Web-Demo und Offline-Desktop-Version), der fortlaufend automatisiert getestet wird (aktuell 205 Python- und 81 Rust-Tests). Anhand von 11 anonymisierten Beispiel-Zertifikaten (KA/HH-Szenarien) wurde das System intern validiert (F1 ≥ 0,93). Es handelt sich um eine interne Validierung mit Beispiel-Szenarien, nicht um eine bereits durchgeführte Pilotierung mit den Kommunen Karlsruhe/Hamburg — eine echte Pilotierung mit interessierten Kommunen ist als nächster Schritt vorgesehen.
Grundlage der Schätzung ist die bereits umgesetzte MVP- und Upgrade-Version (siehe Kurzkonzept):
ca. 992 Stunden (ca. 124 Personentage) sind bereits investiert (MVP ca. 480 Std. / Upgrade ca. 512 Std.). Für einen Vollausbau im Rahmen dieser Challenge (Verfahrensabgleich, Weiterbildungsinstrument, Quellen-Lookup, OIDC/SSO) schätzen wir zusätzlich ca. 210–330 Stunden. Damit ergibt sich ein Gesamtaufwand von ca. 1.200–1.320 Stunden für einen challenge-nahen Vollausbau, umsetzbar in ca. 2–3 Monaten nach Projektstart.
Für eine darüber hinausgehende, produktionsreife und kommunal einsetzbare Version rechnen wir mit weiteren Modulen:
Produktionshärtung (Sicherheit, SSO, Backup, echte Registeranbindung): ca. 95–160 Std.
Integration weiterer Datenquellen/Schnittstellen: ca. 120–200 Std.
Pilotbegleitung mit interessierten Kommunen: ca. 160–240 Std.
Dokumentation und Sicherheitsprüfung: ca. 80–120 Std.
In Summe ergibt sich für die volle Produktionsreife ein Gesamtaufwand von ca. 2.480–2.800 Stunden, verteilt auf einen Zeitraum von ca. 12 Monaten in drei Phasen: (1) Kern-Engine und Vollausbau, (2) KI-Extraktion und Datenquellen-Anbindung, (3) Sicherheitsprüfung und Pilotierung mit Kommunen.
Diese Schätzung basiert auf dem tatsächlichen Stand der bestehenden Codebasis und ist als Orientierungsgröße zu verstehen, keine verbindliche Kalkulation für ein Vergabeverfahren — passend zum Charakter dieser Challenge als Marktsondierung.
