Profile sind der größte Schmerzpunkt bei Ausschreibungen. Nicht der zweitgrößte, nicht einer unter vielen. In jedem Kundengespräch, das wir in den letzten Monaten geführt haben, landen Profile auf Platz eins der Probleme. Bei 60 bis 70 Seiten Fachkonzept pro Ausschreibungsphase und dutzenden Profilen, die jeweils auf die spezifischen Anforderungen zugeschnitten werden müssen, verbringt ein Angebotsmanager den Großteil seiner Zeit nicht mit strategischer Arbeit, sondern mit Textarbeit.
Das muss nicht so bleiben. KI kann heute den Großteil dieser Textarbeit übernehmen. Nicht theoretisch, sondern in laufenden Systemen, die täglich Ergebnisse liefern.
Der Mensch entscheidet, die KI schreibt
Der wichtigste Grundsatz bei der automatisierten Profilerstellung: Die strategische Entscheidung bleibt beim Menschen, die Textarbeit übernimmt die KI. Ein internationaler Kunde hat es auf den Punkt gebracht: "We're not asking you to pick people."
In der Praxis sieht das so aus: Der Angebotsverantwortliche stellt das Team zusammen und entscheidet, wer zum Projekt passt. Die KI übernimmt dann die mühsame Arbeit. Sie zieht die aktuellen Profildaten aus dem HR-System, gleicht sie mit den Anforderungen der Ausschreibung ab und erstellt einen angepassten Profiltext, der die relevanten Qualifikationen und Erfahrungen hervorhebt.
Die Arbeitsteilung ist bewusst gewählt: Personenauswahl erfordert Urteilsvermögen, Menschenkenntnis und strategisches Denken. Profilanpassung erfordert sorgfältiges Lesen, Umformulieren und Formatieren. Ersteres ist eine Führungsaufgabe. Letzteres ist Textarbeit, die eine KI in Minuten erledigt, wofür ein Mensch Stunden braucht.
Was passiert, wenn die Anforderungen der Ausschreibung nicht zum Profil passen? Etwa wenn zehn Jahre Java-Erfahrung gefordert sind, der Berater aber sieben mitbringt? Dann beschönigt die KI nicht. Sie markiert die Lücke und zeigt Optionen auf. Die Entscheidung, wie mit der Diskrepanz umgegangen wird, bleibt beim Angebotsverantwortlichen. Das ist kein technischer Kompromiss, sondern ein Designprinzip.
Das HR-System liefert die Basis, nicht die Projekthistorie
Wo kommen die Profildaten her? In den meisten Unternehmen existieren bereits strukturierte Mitarbeiterprofile im HR-System. Ob Workday, Factorial oder ein anderes System: Die Stammdaten zu Qualifikationen, Zertifizierungen, Sprachkenntnissen und Berufserfahrung sind die primäre Quelle.
Die Projekthistorie aus früheren Angeboten ergänzt dieses Fundament. Wenn ein Berater in einem ähnlichen Projekt bereits ein angepasstes Profil hatte, fließt dieser Kontext mit ein. Aber die Basis bleibt das HR-System. Diese Priorität ist wichtig, weil HR-Daten strukturiert, aktuell und unternehmenseinheitlich sind, während Referenzangebote oft veraltet oder unvollständig sein können.
Was die Praxis zeigt: Profildaten im HR-System sind häufig nicht perfekt. Manchmal veraltet, manchmal lückenhaft. Aber das ist kein Hinderungsgrund. Veraltete Daten fallen auf, wenn die KI sie in ein konkretes Profil einbaut. Der Angebotsverantwortliche korrigiert im Profiltext, und die Korrektur fließt gleichzeitig zurück ins Quellsystem. Die KI erzwingt keine perfekte Datenbasis als Voraussetzung. Sie macht schlechte Daten sichtbar und verbessert sie im Arbeitsprozess.
Bei größeren Beratungshäusern kommt eine zusätzliche Dimension hinzu: Ein Berater hat nicht ein Profil, sondern mehrere. Wer in vier Branchen arbeitet, braucht vier branchenspezifische Profile. Bei einem Angebot im Bereich Rohstoffgewinnung werden andere Erfahrungen betont als bei einem Technologieprojekt. Die Architektur muss diese Facetten abbilden können. Die einfache Variante, ein Profil pro Person, ist darin als Sonderfall enthalten.
Ergebnisse nach wenigen Wochen, nicht nach Monaten
Wie schnell kann ein solches System produktive Ergebnisse liefern? Die Erfahrung aus mehreren Projekten zeigt einen klaren Qualitätspfad.
In den ersten zwei bis drei Wochen nach Projektstart entstehen erste Testtexte, die erfahrungsgemäß 60 bis 70 Prozent der gewünschten Qualität erreichen. Das klingt niedrig, aber es bedeutet: Der Großteil der Struktur, der Formatierung und der inhaltlichen Zuordnung stimmt. Was fehlt, sind Feinheiten, die nur der Fachexperte beurteilen kann.
Dann beginnt die Feedbackschleife. Der Fachexperte im Unternehmen, die Person mit der tiefsten Kenntnis der eigenen Leistungsfähigkeit und der Branchensprache, gibt gezieltes Feedback. Wo betont die KI falsch? Wo fehlt Kontext? Wo ist die Formulierung zu generisch? Nach dieser Iteration steigt die Qualität auf rund 80 Prozent.
In einer weiteren Runde erreicht das System erfahrungsgemäß 95 Prozent. Nicht durch Magie, sondern durch einen definierten Prozess: Die Anpassungslogik wird über Prompts gesteuert, die der Fachexperte eigenständig weiterentwickeln kann. Das System wird mit jedem Feedback besser, weil die Verbesserungen kodifiziert werden.
Wichtig ist dabei: Die 95 Prozent sind kein Selbstläufer. Sie erfordern einen Fachexperten, der die Feedbackschleife aktiv durchläuft, und sie hängen von der Qualität dieses Feedbacks ab. Aber die Alternative, jedes Profil von Grund auf manuell zu schreiben, ist nicht 100 Prozent, sondern zeitlich unmöglich bei hohem Ausschreibungsvolumen.
Warum Standard-KI-Tools das Problem nicht lösen
Die naheliegende Frage: Warum nicht einfach ChatGPT oder Copilot nehmen und die Profile dort erstellen lassen? Die Antwort: Weil der schwierige Teil nicht die Texterstellung ist, sondern die Integration.
Welche Dokumente werden in welcher Reihenfolge herangezogen? Wie werden die HR-Daten mit den Ausschreibungsanforderungen abgeglichen? Was passiert bei impliziten Anforderungen, die nicht wörtlich in der Ausschreibung stehen, aber für die Branche selbstverständlich sind? Auf keine dieser Fragen gibt es eine allgemeingültige Antwort. Die richtige Konfiguration entsteht erst durch gemeinsame Arbeit mit dem Kunden.
Reasoning-Modelle haben die Erkennung impliziter Anforderungen in den letzten Monaten erheblich verbessert. Bei alltäglichen Zuordnungen liefern sie sehr gute Ergebnisse. Aber bei hochspezifischem Fachwissen oder Geschäftsgeheimnissen, die nicht im Basiswissen des Modells stecken, stoßen sie an Grenzen. Ein breiter Benchmark-Datensatz, der regelmäßig getestet wird, wird zum wertvollen Qualitätsgaranten für unbekannte Inhalte.
Mindestens für die absehbare Zukunft bleibt die maßgeschneiderte Integration der entscheidende Unterschied. Die Modelle werden besser, aber der Wettbewerbsvorteil durch kuratierte Daten, getestete Konfigurationen und gelebtes Domänenwissen bleibt bestehen.
Drei Reifegrade für die Dokumentenausgabe
Wie das fertige Profil zum Angebotsverantwortlichen kommt, hängt vom Reifegrad des Unternehmens ab.
Kopierbarer Text im Webinterface: Der pragmatische Einstieg. Die KI generiert den angepassten Profiltext, der Angebotsverantwortliche kopiert ihn in sein Angebotsdokument und übernimmt die finale Formatierung. Minimaler Integrationsaufwand, volle Kontrolle über das Endergebnis.
Eigenes Template mit automatischer Befüllung: Die mittlere Stufe. Das Profil wird direkt in ein Word-Template eingefügt, das dem Corporate Design entspricht. Farbcodierung zeigt, welche Texte regelbasiert und welche KI-generiert sind. Der Angebotsverantwortliche sieht auf einen Blick, wo er noch eingreifen sollte.
Enterprise-Integration mit Template-Management: Für Unternehmen mit hohem Angebotsvolumen. Die Profile werden über spezialisierte Template-Partner direkt in die bestehende Dokumenten-Infrastruktur eingespeist. Das erfordert höheren Einrichtungsaufwand, eliminiert aber manuelle Formatierungsschritte vollständig.
Die meisten Unternehmen starten mit Stufe eins und entwickeln sich weiter, wenn das System seine Zuverlässigkeit bewiesen hat. Funktionierendes versprechen und übererfüllen ist besser als etwas zu committen, das in fünf Prozent der Fälle nicht klappt.
Ein Prompt pro Fachexperte hält das System beherrschbar
Ein häufiger Einwand: Wer pflegt die Anpassungslogik, wenn das System in mehreren Abteilungen läuft? Zehn Abteilungen, zehn verschiedene Profilvorlagen, wer behält den Überblick?
Die Antwort ist eine Designregel: Ein Prompt wird so geschnitten, dass er nur einen Fachexperten benötigt. Ein Prompt für die technischen Qualifikationen, ein anderer für die Branchenerfahrung, ein dritter für die Projektreferenzen. Jeder wird von der Person gepflegt, die die höchste Kompetenz in diesem Bereich hat.
Konsistenz entsteht nicht durch Koordination zwischen allen Beteiligten, sondern durch klar definierte Übergabepunkte zwischen den Prompts. An diesen Übergabepunkten kann automatisch geprüft werden, ob die Qualitätsparameter eingehalten wurden. Innerhalb seines Bereichs kann jeder Fachexperte relativ frei arbeiten.
Was passiert, wenn der Fachexperte das Unternehmen verlässt? Im Vergleich zur Vor-KI-Zeit ist die Lage besser: Ohne KI war das Anpassungswissen nur im Kopf der kompetentesten Person. Jetzt steht es explizit im Prompt und in der Dokumentation. Was für die KI gut dokumentiert ist, ist auch für den Nachfolger verständlich. Bei größeren Organisationen werden Teams von mehreren Personen ausgebildet, mit einem dokumentierten Leitfaden für das Prompt-Management.