Ungarische Beschaffungsbehörde
Fünf Jahre öffentliche Vergaben strukturieren — und in einfacher Sprache durchsuchbar machen.
Eine nationale Behörde saß auf über 100.000 unstrukturierten XML-Vergabedokumenten. Wir haben die KI- und Data-Mining-Pipeline gebaut, die sie strukturiert, plus einen RAG-basierten Rechts-Chatbot, der Sachbearbeitern mit Zitaten antwortet.
Kontext
Vergabedaten entscheiden, wohin öffentliches Geld fließt. Das Archiv der Behörde wuchs monatlich um Tausende XML-Einreichungen, jede anders strukturiert, jede rechtlich bedeutsam.
Das teure Problem
Sachbearbeiter verbrachten etwa 35 Minuten pro Rechercheanfrage — öffneten Einreichungen einzeln, prüften Rechtsverweise manuell und tippten Ergebnisse in Berichte um.
Baseline
Gemessen über 4 Wochen mit 12 Sachbearbeitern: 35 Min. Median pro Anfrage, 11 % der Antworten später nach Supervisorenprüfung korrigiert, keinerlei Abdeckungsstatistik.
Intervention
Eine Hybrid-Pipeline: deterministisches XML-Mapping, wo Struktur existiert, ML-Modelle, wo sie variiert, und eine LLM-Schicht für die Rechtssprachen-Suche. Der Chatbot antwortet auf Ungarisch mit Zitaten auf die exakte Einreichung und den Absatz — jede Aussage ist prüfbar.
Menschliche Verantwortlichkeiten
- Sachbearbeiter genehmigen jeden extrahierten Feldsatz, bevor er in das offizielle Register gelangt
- Rechtsbeauftragte prüfen wöchentlich eine Stichprobe der Chatbot-Antworten; Fehler wandern in den Evaluationsdatensatz
- Das IT-Team der Behörde besitzt den Betrieb — wir dokumentieren und übergeben, sie betreiben
Gemessenes Ergebnis
Grenzen
Einsparungen sind für Recherche- und Sucharbeit gemessen, nicht für Rechtsbeurteilung — die bleibt bei den Beamtinnen und Beamten. Der EU-Compliance-Umfang deckt die definierten Daten-Due-Diligence-Felder ab, keine pauschale Zertifizierung.
Recherchewarteschlangen werden taggleich abgearbeitet statt sich zu stauen; Sachbearbeiter verlagerten Zeit auf inhaltliche Rechtsprüfung. Die Einarbeitung dauerte zwei Halbtagessitzungen; die Adoption wurde wöchentlich verfolgt und hielt sich nach dem zweiten Monat über 80 %.
Nächster Schritt
Erweiterung derselben Pipeline auf Zuschlagsentscheidungen und Lieferanten-Historien-Analytik.