Legal Tech in der Beschaffung bei Wiener Wohnen Hausbetreuung: KI-gestützte Evaluierung von Bieterdokumenten
von Peter Lohberger
21. Mai 2026
Ein Beitrag von Peter Lohberger über KI im Vergaberecht: Wie Wiener Wohnen Hausbetreuung mit Legal Tech hunderte Bieterdokumente in Stunden statt Tagen prüft. Effizienter, objektiver und rechtskonform – dank KI-gestützter Evaluierung und klarem „Human in Command“-Prinzip. Ein Praxisbericht über Innovation im öffentlichen Beschaffungswesen.
Ausgangssituation: Hohe Anforderungen im öffentlichen Vergabewesen
Wiener Wohnen Hausbetreuung GmbH ist als Tochterunternehmen der Stadt Wien dem Bundesvergabegesetz unterworfen und mit einem hohen Beschaffungsvolumen konfrontiert. Jährlich werden viele öffentliche Ausschreibungen durchgeführt, mit steigender Tendenz. Diese Entwicklung stellt die Organisation vor wachsende Herausforderungen: Die komplexe Prüfung von Bieterunterlagen durch die Rechtsabteilung erfordert erheblichen personellen Aufwand bei zeitintensiven, repetitiven Prüfaufgaben.
Die Komplexität wird zusätzlich durch verschiedene Dokumentenformate verstärkt. Bieter reichen ihre Unterlagen in unterschiedlichsten Formaten ein – von PDF-Dokumenten über Word-Dateien und Excel-Tabellen bis hin zu eingescannten Bildern. Diese Heterogenität erschwert die systematische Auswertung erheblich und bindet wertvolle Ressourcen, die für komplexere rechtliche Fragestellungen dringend benötigt werden.
Vor diesem Hintergrund wurde die Entscheidung getroffen, Legal Tech und Künstliche Intelligenz gezielt einzusetzen, um die Effizienz zu steigern, ohne dabei die rechtliche Qualität und Verantwortung zu kompromittieren. Der Einsatz von Legal Tech und KI bei Wiener Wohnen Hausbetreuung erstreckt sich momentan auf die Angebotsprüfung und Zuschlagsentscheidung.
Zielsetzung und Business Case
Die Ziele des KI-Einsatzes sind klar definiert und messbar: An erster Stelle steht die Effizienzsteigerung durch Automatisierung zeitintensiver Routineprüfungen. Aufgaben, die bisher Tage in Anspruch nahmen, können nun in kurzer Zeit bewältigt werden.
Die Kosteneinsparung durch Reduzierung des manuellen Bearbeitungsaufwands ermöglicht es, personelle Ressourcen strategischer einzusetzen. Statt repetitive Prüfungen durchzuführen, können sich Rechtsexperten auf komplexe Fragestellungen konzentrieren, die echte juristische Expertise erfordern. Qualitätsverbesserung durch standardisierte und objektive Vorbewertung ist ein weiterer zentraler Aspekt. Die Beschleunigung der Vergabeverfahren durch automatisierte Vorqualifizierung kommt nicht nur Wiener Wohnen Hausbetreuung zugute, sondern auch den Bietern, die schneller Planungssicherheit erhalten. Dies verbessert die Attraktivität der Ausschreibungen und kann zu qualitativ hochwertigeren Angeboten führen.
Die strategische Ressourcenallokation für komplexe rechtliche Fragestellungen steigert letztlich die Qualität der gesamten Rechtsberatung.
Rechtsrahmen: Komplexe Anforderungen im Zusammenspiel
Die Implementierung erfolgte unter Berücksichtigung eines komplexen und mehrschichtigen Rechtsrahmens. Nebem der DSGVO und dem AI-Act mussten die Bestimmungen den BVergG 2018 beachtet werden, dieses regelt, dass die Vorbereitung einer Ausschreibung bzw. die Prüfung und Beurteilung eines Angebots nur solchen Personen zu übertragen ist, welche hierfür die fachlichen Voraussetzungen erfüllen. Diese Regelung wird durch das „Human in the Command“-Prinzip sichergestellt.
Herausforderungen auf drei Ebenen
Die Implementierung stand vor vielfältigen Herausforderungen, die sich in drei Kategorien gliedern lassen: strategische, organisatorische und technische Herausforderungen.
Auf strategischer Ebene war die Auswahl des geeigneten KI-Dienstleisters eine Schlüsselentscheidung. Der Markt ist fragmentiert, die Qualität der Lösungen variiert erheblich. Die Überzeugungsarbeit im Unternehmen erforderte umfassende Aufklärung über Möglichkeiten und Grenzen von KI durch transparente Kommunikation. Budgetäre Limitierungen erforderten eine klare Priorisierung und einen stufenweisen Ausbau.
Organisatorisch war die Ressourcenbereitstellung über einen längeren Zeitraum eine Herausforderung. KI-Projekte sind keine Sprint-, sondern Marathon-Vorhaben. Zeitintensive Abstimmungen zwischen IT, Recht, Beschaffung und Management erforderten Geduld und Durchhaltevermögen. Umfangreiche Dokumentationsanforderungen, insbesondere im Hinblick auf AI-Act und Compliance, banden Kapazitäten.
Technisch stellten heterogene Dokumentenformate die wohl größte Herausforderung dar. Die Verarbeitung und Analyse von großen Datenmengen erforderte leistungsfähige Infrastruktur. Multimodale Inhalte – also die Kombination von Text, Tabellen und Bildern in einem Dokument – verlangten nach speziellen Analyse-Algorithmen. Datensicherheit und Datenschutz mussten auf höchstem Niveau gewährleistet werden. Die Integration in die bestehende IT-Landschaft stellte Anforderungen an Schnittstellen und Kompatibilität.
Implementierung: Von der Konzeption zur produktiven Lösung
Die Anforderungen an das System waren von Anfang an ambitioniert, aber klar definiert: Eine hohe Genauigkeit deutlich über der deutlich über der Konsistenz manueller Prüfungen sollte erreicht werden. Rechtskonformität sowie Datenschutz und Datensicherheit waren nicht verhandelbare Grundpfeiler. Der modulare und erweiterbare Aufbau sollte ermöglichen, das System schrittweise auszubauen und an neue Anforderungen anzupassen.
Nach einer gründlichen Analyse durch einen internen Audit-Prozess wurde eine WebApp-Lösung entwickelt. Die Entscheidung für eine Web-basierte Anwendung ermöglicht zentrale Updates und ortsunabhängigen Zugriff. Das Herzstück bilden agentische KI-Workflows, die mehrere spezialisierte KI-Modelle orchestrieren. Jedes Modell ist auf spezifische Aufgaben optimiert – von der Texterkennung über die semantische Analyse bis zur Kategorisierung.
Die laufende Evaluierung ermöglicht kontinuierliche Verbesserung des Systems und regelmäßige Qualitätskontrollen stellen sicher, dass die Genauigkeit des Systems nicht nachlässt.
Praktische Beispiele der Implementierung
Beispiel 1 – Durchführung eines Bieteraudits:
Ein agentischer KI-Workflow führt die eigentliche Prüfung durch. Basierend auf den strukturierten Bieterunterlagen und den definierten Prüfungskriterien erstellt er eine umfassende Audit-Ergebnisliste. Für jedes Einzelkriterium werden Name, Detailinfo und Ergebnis dokumentiert. Besonders wertvoll ist die automatisch generierte Begründung inklusive konkreter Referenzen auf Textstellen in den Unterlagen. Ein vollständiger Audit Trail dokumentiert jeden Schritt der Prüfung und macht sie nachvollziehbar. Das Gesamtergebnis wird durch Rechtsexperten geprüft und freigegeben.
Beispiel 2 – Generierung des Audit-Endberichts:
Die KI fasst alle gesammelten Informationen zusammen: Projektinfo, detaillierte Bieterinfo, alle Bewertungen, verwendete Referenzen, den kompletten Audit Trail sowie alle erfolgten Freigaben. Daraus entsteht ein strukturierter Audit-Endbericht, der sowohl für interne Zwecke als auch für mögliche Nachfragen oder Rechtsstreitigkeiten als Dokumentation dient.
Ergebnisse: Messbare Erfolge in der Praxis
Die Implementierung zeigt messbare und signifikante Erfolge: Die automatisierte Analyse von Angebotspaketen mit hunderten Dokumenten, die früher Tage in Anspruch nahm, erfolgt nun in wenigen Stunden. Die schnelle Vorqualifizierung anhand eines Kriterienkatalogs filtert nicht geeignete Angebote frühzeitig heraus und ermöglicht eine Konzentration auf vielversprechende Bieter. Die erhebliche Beschleunigung der Prüfprozesse kommt allen Beteiligten zugute. Die signifikante Reduzierung manueller Bearbeitungszeit setzt wertvolle Ressourcen frei. Die objektive Vorbewertung als Basis für Entscheidungen erhöht die Qualität der finalen Zuschlagsentscheidungen und reduziert das Risiko von Nachprüfungsverfahren.
Learnings: Erkenntnisse für künftige Projekte
Die wichtigsten Erkenntnisse aus dem Projekt bieten wertvolle Hinweise für andere Organisationen: Frühzeitiger Start verschafft Wettbewerbsvorteil – die KI-Technologie entwickelt sich rasant, und wer früh beginnt, kann Erfahrungen sammeln und seine Prozesse optimieren, während andere noch planen.
Inhouse KI-Kompetenz ist essentiell. Externe Dienstleister können unterstützen, aber das Verständnis für die Technologie und ihre Grenzen muss intern vorhanden sein. Rechtliche Rahmenbedingungen müssen von Anfang an mitgedacht werden – nachträgliche Anpassungen sind deutlich aufwändiger. Eine langfristige Perspektive ist wichtiger als kurzfristiger Return of Investment. KI-Projekte amortisieren sich oft erst nach Jahren, bringen dann aber nachhaltigen Nutzen.
Echte Partnerschaft mit dem Dienstleister ist entscheidend – rein vertragliche Beziehungen funktionieren bei innovativen Projekten selten gut. Dokumentenqualität ist entscheidend: „Garbage in, garbage out“ gilt besonders für KI-Systeme.
Vision Language Models sind überlegen gegenüber reinen Textanalyse-Systemen, da sie auch visuelle Struktur und Layout verstehen. On-Premise-Lösungen sollten für sensible Daten wenn möglich eingesetzt werden, um maximale Datenkontrolle zu gewährleisten. Ein Quellennachweis ist essentiell – jede KI-Aussage muss auf konkrete Dokumente und Textstellen zurückführbar sein.
Human in the Command-Prinzip: Verantwortung bleibt beim Menschen
Ein zentrales und nicht verhandelbares Prinzip der Implementierung ist „Human in the Command“: Die finale Bewertung verbleibt immer bei Experten der Rechtsabteilung. KI dient ausschließlich als intelligentes Unterstützungswerkzeug, nicht als Ersatz für menschliche Entscheidungen.
Juristische Expertise für Kontextwissen und Auslegungsfragen bleibt unverzichtbar. KI kann Muster erkennen und Vorschläge machen, aber die Interpretation komplexer Rechtsfragen erfordert profunde juristische Bildung und Erfahrung. Die rechtliche Verantwortungsstruktur bleibt eindeutig definiert und liegt bei natürlichen Personen, nicht bei Algorithmen.
Fortlaufende Qualitätskontrolle durch Expertenprüfung stellt sicher, dass das System nicht „abdriftet“ oder fehlerhafte Muster lernt. Ein verantwortungsvolles Verständnis digitaler Transformation bedeutet, Technologie als Werkzeug zu begreifen, das Menschen befähigt, nicht ersetzt.
Fazit und Ausblick
Das Beispiel Wiener Wohnen Hausbetreuung zeigt eindrucksvoll, dass Legal Tech im Vergabewesen vor allem dort wirksam ist, wo hohe Verfahrenszahlen mit klaren rechtlichen Vorgaben zusammentreffen. Der größte Nutzen entsteht nicht durch Automatisierung von Entscheidungen – diese bleiben menschlicher Expertise vorbehalten –, sondern durch Standardisierung, objektive Vorbewertung als Grundlage für qualifizierte Entscheidungen durch Fachexperten.
Die Reise ist dabei keineswegs zu Ende. Kontinuierliche Weiterentwicklung der KI-Modelle, Integration neuer Datenquellen und Erweiterung auf weitere Prozessschritte stehen auf der Agenda. Wie Dr. Peter Lohberger treffend formuliert: „The journey continues“ – die Reise geht weiter, und Wiener Wohnen Hausbetreuung hat sich als Pionier im Einsatz von Legal Tech im öffentlichen Vergabewesen positioniert.
Über den Autor:
Dr. Peter Lohberger MSc ist Leiter der Rechtsabteilung der Wiener Wohnen Hausbetreuung GmbH. Seine Schwerpunkte liegen in den Bereichen Vertrags-, Vergabe-, Arbeits-, Datenschutz-, IT-Recht und in der rechtlichen Begleitung von Digitalisierungsprojekten. Er ist zudem Autor, Vortragender, Schiedsrichter in Schiedsverfahren und selbständiger Datenschutzbeauftragter.