Ausschreibungs-Monitoring automatisieren: Blueprint & Kosten

Die meisten B2B-Anbieter im DACH-Raum verpassen täglich relevante öffentliche Ausschreibungen, weil sie manuell durch Dutzende Vergabeplattformen klicken müssen. Dieser Blueprint zeigt dir, wie du ein automatisiertes Monitoring-System baust, das täglich neue Tender nach deinen Kriterien filtert, anreichert und direkt ins CRM liefert – ohne dass ein Mensch die Plattformen besuchen muss. Die zentrale These: Ausschreibungs-Monitoring wird erst dann zur skalierbaren Leadquelle, wenn du die Qualifikationslogik automatisierst, nicht nur den Scraping-Teil.

Stand: August 2026. Preise anhand offizieller Preisseiten geprüft; Quellen sind direkt verlinkt.

Warum manuelle Ausschreibungs-Recherche scheitert

Öffentliche Auftraggeber in Deutschland, Österreich und der Schweiz veröffentlichen Ausschreibungen auf fragmentierten Plattformen: DTVP, e-Vergabe Bund, Länderportale, TED. Ein typisches Mittelstands-Unternehmen mit drei relevanten CPV-Codes müsste täglich 8–12 Portale durchsuchen. Die Realität: Sales-Teams prüfen einmal pro Woche, verpassen Fristen und qualifizieren zu spät. Das eigentliche Problem ist nicht die Datenverfügbarkeit, sondern die fehlende Priorisierung: 80 % der gefundenen Tender passen nicht zum Angebotsprofil, aber das merkst du erst nach 15 Minuten Lesen der Vergabeunterlagen.

Automatisierung löst beide Probleme: kontinuierliches Monitoring in Echtzeit und regelbasierte Vorqualifikation anhand von Budget-Schwellen, Standort, Leistungsbeschreibung und Submission-Deadline. Der Vertrieb sieht nur noch Tender, die eine Mindestwahrscheinlichkeit für Erfolg haben.

Blueprint: Architektur des Monitoring-Systems

Das System besteht aus vier Modulen, die als n8n-Workflows laufen. Modul 1: Scraping & Normalisierung. Ein stündlicher Cron-Job ruft die RSS-Feeds und Such-APIs der Vergabeplattformen ab (DTVP bietet strukturierte XML-Feeds, e-Vergabe Bund hat eine öffentliche Suche, TED stellt SPARQL-Endpoints bereit). Jeder Tender wird in ein einheitliches Schema überführt: Titel, CPV-Code, Auftraggeber, geschätzter Wert, Frist, Link zur Bekanntmachung. Neue Einträge werden gegen eine Deduplizierungs-Datenbank (PostgreSQL oder Airtable) geprüft, um Duplikate über Plattformen hinweg zu erkennen.

Modul 2: Qualifikations-Scoring. Jeder neue Tender durchläuft eine Bewertungslogik: Passt der CPV-Code zu deinem Portfolio? Liegt der Auftragswert im Zielkorridor (z. B. 50k–500k EUR)? Ist der Auftraggeber in deiner Zielregion? Ein LLM (OpenAI GPT-4 oder lokal gehostetes Modell via Ollama) extrahiert aus der Leistungsbeschreibung Schlagworte und vergleicht sie mit deinem Kompetenzprofil. Jeder Tender erhält einen Score (0–100). Nur Tender über dem Schwellwert (z. B. 60) werden weitergeleitet.

Modul 3: Anreicherung & Kontext. Für qualifizierte Tender wird automatisch Kontext recherchiert: Bisherige Aufträge des Auftraggebers (via öffentliche Vergaberegister), Unternehmensinfos (Handelsregister-API, Northdata), ähnliche abgeschlossene Projekte. Diese Daten werden als strukturierter Briefing-Block aufbereitet.

Modul 4: Delivery & Alerting. Qualifizierte Tender werden als Lead ins CRM (HubSpot, Pipedrive, selbstgehostetes n8n-Formular) geschrieben, parallel geht eine Slack- oder E-Mail-Benachrichtigung mit Score, Zusammenfassung und direktem Link zur Vergabeplattform an den zuständigen Account Manager. Ein wöchentlicher Digest fasst verpasste Tender zusammen.

Technologie-Stack & Plattform-Wahl

Für DACH-Mittelständler empfehlen wir n8n als Orchestrierungs-Layer, weil es self-hosted betrieben werden kann (DSGVO-Konformität ohne Drittanbieter-Zugriff auf Ausschreibungsdaten) und keine Execution-Limits nach Workflow-Komplexität hat. Der n8n Starter-Plan kostet 20 € /Monat (Quelle) und bietet 2.500 Workflow-Executions (Quelle) sowie 5 concurrent executions (Quelle). Für ein Monitoring-System mit stündlichen Scraping-Runs (24 × 30 = 720 Executions/Monat) plus Qualifikations- und Delivery-Workflows reicht das aus, solange du unter 2.500 Gesamt-Executions bleibst.

Sobald du mehr Plattformen oder kürzere Intervalle (z. B. alle 15 Minuten) brauchst, wird der Pro-Plan mit 10.000 Executions (Quelle) für 50 € /Monat (Quelle) nötig. Der Pro-Plan bietet außerdem 20 concurrent executions (Quelle), was paralleles Scraping mehrerer Plattformen beschleunigt, und 30 Tage Log-Retention (Quelle) statt 7 Tage (Quelle) – wichtig für Debugging und Compliance-Nachweise.

Alternative: Zapier oder Make.com haben ähnliche Scraping-Nodes, aber beide sind US-gehostet und teurer bei vergleichbarem Durchsatz. Zapier startet bei ca. 30 USD/Monat für 750 Tasks, Make bei 10 USD für 1.000 Operations – klingt günstig, aber ein Tender-Scraping-Run mit Qualifikation und CRM-Write verbraucht 8–12 Operations, sodass du schnell in höhere Tiers rutscht. Für Ausschreibungs-Monitoring, wo sensible Angebotsdaten fließen, ist self-hosted n8n die sauberere Wahl.

Projizierte Implementierungskosten

Wir kalkulieren die Blueprint-Umsetzung in drei Phasen. Phase 1: Setup & Scraping-Workflows (12 Stunden). Einrichtung der n8n-Instanz (Cloud oder self-hosted), Anbindung von 4–6 Vergabeplattformen (DTVP, e-Vergabe, TED, ein Länderportal), Aufbau der Deduplizierungs-Logik, Test-Runs. Aufwand: 12 Stunden × 150 EUR = 1.800 EUR.

Phase 2: Qualifikations-Engine & LLM-Integration (10 Stunden). Definition der Scoring-Regeln (CPV-Mapping, Budget-Filter, Geo-Filter), Integration eines LLM für Textanalyse (OpenAI API oder selbstgehostetes Modell), Kalibrierung der Score-Schwellwerte anhand von 20–30 historischen Tendern. Aufwand: 10 Stunden × 150 EUR = 1.500 EUR.

Phase 3: Anreicherung, CRM-Integration & Alerting (8 Stunden). Anbindung externer Datenquellen (Handelsregister-API, Vergaberegister-Scraper), CRM-Connector (HubSpot, Pipedrive o. ä.), Slack/E-Mail-Benachrichtigungen, wöchentlicher Digest-Report. Aufwand: 8 Stunden × 150 EUR = 1.200 EUR.

Gesamt-Implementierung: 30 Stunden × 150 EUR = 4.500 EUR (projizierte Blueprint-Schätzung). Hinzu kommen laufende Kosten: n8n Pro-Plan 50 EUR/Monat (Quelle), OpenAI API ca. 20–40 EUR/Monat (abhängig von Tender-Volumen und Prompt-Länge), Hosting (falls self-hosted) ca. 20–50 EUR/Monat für einen kleinen VPS. Laufende Kosten: ca. 90–140 EUR/Monat.

Diese Kalkulation setzt voraus, dass du Zugriff auf strukturierte Feeds hast und keine aufwendigen CAPTCHA-Umgehungen oder Login-Automatisierungen brauchst. Plattformen mit restriktiven Nutzungsbedingungen (manche Länderportale verbieten automatisiertes Scraping explizit) erfordern manuelle Fallback-Prozesse oder kostenpflichtige Daten-Reseller, was die Kosten verdoppeln kann.

DSGVO & Datenschutz bei Ausschreibungs-Monitoring

Öffentliche Ausschreibungen enthalten personenbezogene Daten (Ansprechpartner bei Auftraggebern, E-Mail-Adressen in Vergabeunterlagen), die unter die DSGVO fallen. Dein Monitoring-System verarbeitet diese Daten automatisiert – das ist rechtlich als „berechtigtes Interesse" (Art. 6 Abs. 1 lit. f DSGVO) abgedeckt, solange du die Daten nur zur Angebotserstellung nutzt und nicht weiterverkaufst. Trotzdem musst du technische Maßnahmen treffen: Zugriffsbeschränkung (nur Sales-Team sieht die Leads), Löschfristen (Tender älter als 12 Monate werden automatisch entfernt), Logging (wer hat welchen Tender abgerufen).

Self-hosted n8n auf einem EU-Server (Hetzner, Netcup) gibt dir volle Kontrolle über den Datenfluss. Nutzt du n8n Cloud, liegen die Daten auf EU-Servern (Frankfurt), aber du teilst die Infrastruktur mit anderen Kunden – für hochsensible Branchen (Rüstung, Gesundheit) ist das ein Ausschlusskriterium. Externe APIs (OpenAI, Northdata) übertragen Daten in Drittländer; hier brauchst du Standardvertragsklauseln oder musst auf EU-Alternativen (z. B. Aleph Alpha, lokal gehostete LLMs via Ollama) ausweichen.

Ein oft übersehener Punkt: Manche Vergabeplattformen verlangen eine Registrierung mit Impressumspflicht. Automatisiertes Scraping ohne Account ist technisch machbar, aber rechtlich grau – prüfe die Nutzungsbedingungen der Plattformen oder nutze offizielle APIs, wo verfügbar.

Entscheidungskriterien: Wann lohnt sich die Automatisierung?

1. Daten-Souveränität & DSGVO-Fit. Self-hosted n8n auf EU-Infrastruktur gibt dir volle Kontrolle, keine Vendor-Lock-ins, keine US-Cloud-Abhängigkeit. Zapier/Make sind schneller aufgesetzt, aber du gibst sensible Ausschreibungsdaten aus der Hand. Für Branchen mit Geheimhaltungspflichten (Verteidigung, kritische Infrastruktur) ist self-hosted alternativlos.

2. Automatisierungstiefe vs. Lock-in. n8n erlaubt beliebig komplexe Workflows (verschachtelte Bedingungen, Schleifen, Custom-Code), Zapier/Make stoßen bei mehrstufigen Qualifikations-Logiken an Grenzen oder werden prohibitiv teuer. Dafür ist n8n steiler in der Lernkurve – du brauchst jemanden, der JSON-Transformationen und HTTP-Requests debuggen kann.

3. Total Cost inkl. Build-Aufwand. Die 4.500 EUR Implementierung amortisieren sich, wenn dein Team bisher 10+ Stunden/Woche mit manueller Recherche verbringt (bei 80 EUR/Stunde Opportunity Cost = 3.200 EUR/Monat). Liegt dein Tender-Volumen unter 50 relevanten Ausschreibungen/Jahr, ist ein simpler RSS-Reader + manuelle Triage günstiger.

4. Mittelstand-Fit. Große Konzerne kaufen spezialisierte Tender-Intelligence-Plattformen (Lösungen wie Negometrix, DTVP Premium-Zugänge), die 10.000+ EUR/Jahr kosten. Für den Mittelstand mit 5–20 relevanten Tendern/Monat ist das Overkill. Ein maßgeschneiderter n8n-Workflow trifft die Mitte: professionell, skalierbar, aber ohne Enterprise-Overhead.

Wann manuelle Recherche die bessere Wahl ist

Automatisierung lohnt sich nicht, wenn du in einer Nische mit unter 20 Ausschreibungen/Jahr aktiv bist und jede einzelne hochgradig individuell ist (z. B. Spezialmaschinen-Fertigung, Denkmalschutz-Restaurierung). Hier ist die Qualifikation so komplex, dass ein LLM mehr False Positives produziert als es filtert – du verbringst mehr Zeit mit dem Aussortieren automatisch gefundener Irrelevanz als mit gezielter manueller Suche.

Ebenso problematisch: Branchen, in denen Ausschreibungen hinter Login-Walls oder in geschlossenen Bieterportalen liegen (manche Länder, kommunale Plattformen). Automatisiertes Login-Handling ist technisch machbar, aber rechtlich riskant und wartungsintensiv (jede Plattform-Änderung bricht deinen Scraper).

Wenn dein Sales-Prozess stark auf persönliche Beziehungen zu Auftraggebern setzt (Bestandskunden-Ausschreibungen, Rahmenverträge), bringt dir ein automatisiertes Monitoring wenig – du weißt ohnehin vor Veröffentlichung, was kommt. Automatisierung zahlt sich aus, wenn du neue Auftraggeber systematisch erschließen willst, nicht bei Bestandskunden-Pflege.

Blck Alpaca's take

Wir betreiben selbst n8n-Pipelines für Content-Monitoring und Lead-Enrichment – nicht als Reseller-Empfehlung, sondern weil wir die Workflows täglich anfassen und debuggen. Für Ausschreibungs-Monitoring im DACH-Mittelstand empfehlen wir den self-hosted n8n-Ansatz mit lokalem LLM (Ollama + Llama-3-basiertes Modell) statt OpenAI, wenn Budget und Datenschutz-Anforderungen es hergeben. Das kostet 2–3 Stunden mehr Setup (Modell-Tuning, Prompt-Engineering), aber du zahlst keine API-Gebühren und behältst alle Daten im eigenen Rechenzentrum.

Der Trade-off, den wir bewusst akzeptieren: Self-hosted n8n erfordert Ops-Kompetenz (Updates, Backups, Monitoring). Für Teams ohne DevOps-Ressource ist n8n Cloud (50 EUR/Monat, EU-gehostet) der pragmatischere Einstieg – du verlierst etwas Daten-Souveränität, gewinnst aber Stabilität und Support. Zapier/Make würden wir für Ausschreibungs-Monitoring explizit nicht empfehlen: zu teuer bei realistischem Durchsatz, zu wenig Kontrolle über Datenflüsse, zu viele Vendor-Lock-in-Risiken.

Unsere Empfehlung richtet sich an Mittelständler mit 50–500 relevanten Tendern/Jahr, eigenem CRM und der Bereitschaft, 4–6 Wochen in Kalibrierung zu investieren. Für kleinere Volumina: RSS-Reader + wöchentliche manuelle Triage. Für Konzerne: spezialisierte Tender-Intelligence-Plattform mit dediziertem Account Manager.

Nächste Schritte: Vom Blueprint zur Live-Pipeline

Starte mit einem 2-Wochen-Prototyp: Richte n8n Cloud (14-Tage-Trial, Quelle) ein, baue einen Scraper für eine Plattform (z. B. DTVP-RSS-Feed), definiere 3–5 harte Ausschlusskriterien (CPV-Code, Budget-Range, Region) und lass dir 10 Tage lang Ergebnisse per E-Mail schicken. Messe: Wie viele Tender kommen durch? Wie viele davon sind tatsächlich relevant (Precision)? Wie viele relevante Tender hast du verpasst (Recall)?

Nach dem Prototyp entscheidest du: Lohnt sich der Ausbau zur vollständigen Pipeline (alle Plattformen, LLM-Qualifikation, CRM-Integration)? Oder reicht ein simpler RSS-Aggregator mit manueller Nachlese? Die 4.500 EUR Implementierung investierst du nur, wenn der Prototyp >60 % Precision und 20 % Missed Opportunities zeigt.

Für die Umsetzung brauchst du entweder inhouse jemanden mit n8n/API-Erfahrung (Junior-Level reicht, 10–15 Stunden Einarbeitung) oder einen externen Automation-Partner. Blck Alpaca baut solche Pipelines für DACH-Mittelständler – wir kalkulieren transparent nach Stunden, keine Pauschal-Pakete, und du behältst vollen Zugriff auf die Workflows.

Nächster Schritt: Du willst diesen Blueprint nicht selbst bauen? Blck Alpaca setzt genau solche n8n-Systeme als Fixpreis-Projekt auf - KI-Agent-Integration ansehen oder direkt ein Projekt starten.

Zuletzt aktualisiert: August 2026

Blck Alpaca ist eine KI-Marketing-Automatisierungsagentur mit Sitz in Wien, spezialisiert auf datengetriebenes Marketing, maßgeschneiderte KI-Agenten und Enterprise-Workflow-Automatisierung für Unternehmen im DACH-Raum.