Pexon Consulting | 9 Min. Lesezeit | 13.05.2026
TL;DR
Lastenheft KI Abgleich heißt: Anforderungen werden automatisch extrahiert, nach Muss- und Kann-Kriterien klassifiziert und gegen Pflichtenheft, Abnahmeprotokoll oder Vertragsstand gespiegelt. Pexon Consulting baut diese Lösungen individuell auf Azure oder On-Premises, mit Anbindung an DocuWare, Polarion, Jira oder Aras Innovator. Unsere Kunden reduzieren die Vollständigkeitsprüfung von 8 Stunden pro Lastenheft auf unter 20 Minuten — bei höherer Trefferquote. Sind die Anforderungen geklärt und sollen zu lieferbaren Schnitten werden, hilft die Refinement-Skill für User Stories mit Claude.
Sie wollen ein Lastenheft oder Pflichtenheft mit KI erstellen, nicht prüfen? Für den eigenen Erstentwurf aus früheren Lastenheften lesen Sie den Beitrag zum Lastenheft-Generator mit KI. Für Kundenlastenhefte, aus denen ein Pflichtenheft entstehen soll: Lastenheft und Pflichtenheft mit KI erstellen.
Warum Lastenhefte regelmäßig im Audit-Termin um die Ohren fliegen
Ein Lastenheft beschreibt, was der Auftraggeber will. Im Maschinen- und Anlagenbau enthält ein durchschnittliches Lastenheft 180 bis 400 Anforderungen — verteilt auf Zielsetzung, Produktbeschreibung, funktionale Anforderungen, Qualitätsanforderungen, Lieferumfang und Abnahmekriterien. Manche Anforderungen sind als „Muss“ formuliert, manche als „Kann“, manche stehen verklausuliert mitten im Fließtext.
Daraus baut der Auftragnehmer ein Pflichtenheft — wie er die Anforderungen umsetzt. Bei der Abnahme prüft der Auftraggeber gegen sein Lastenheft. Genau hier passieren die teuren Diskussionen.
Die typischen Bruchstellen:
Bruchstelle 1 — Anforderung übersehen. In 15 bis 20 Prozent der Fertigungsprojekte fehlt mindestens eine Lastenheft-Anforderung im Pflichtenheft komplett. Nicht weil jemand schlampig war, sondern weil 240 Punkte in 80 Seiten Fließtext nicht jeder im Detail liest. Die Konstruktion springt auf das Bekannte an und überliest das Ungewohnte.
Bruchstelle 2 — Anforderung unscharf umgesetzt. Das Lastenheft fordert „Schwingungsdämpfung im Bereich 5 bis 80 Hz mindestens 18 dB“. Das Pflichtenheft schreibt „Schwingungsdämpfung gemäß Stand der Technik“. Beide Texte stehen sich gegenüber, und beide Parteien fühlen sich im Recht. Bei der Abnahme kostet das zwei bis vier Wochen Diskussion und im Schlimmstfall sechsstellige Nachträge.
Bruchstelle 3 — Änderungen während der Projektlaufzeit nicht durchgängig. Anforderung 47 wurde nach Projektstart einvernehmlich angepasst. Das Pflichtenheft kennt die neue Fassung, der Versuch testet aber gegen die alte. Drei Wochen Nachbesserung später kommt heraus, dass eine E-Mail die Änderung dokumentiert, aber niemand das Lastenheft offiziell upgedated hat.
Bitkom und VDMA messen für diese Bruchstellen im deutschen Maschinenbau Gesamtkosten von 4 bis 7 Prozent der Projektsumme. Bei einem 1,5-Millionen-EUR-Projekt sind das 60.000 bis 105.000 EUR pro Stück — Geld, das in Nacharbeit, Preisnachlässen und juristischer Klärung verbrennt.
Was der Lastenheft KI Abgleich konkret macht
Wir denken den Prozess in vier Schritten — jeder einzelne ersetzt eine manuelle Tätigkeit, die heute zwischen 1 und 4 Stunden kostet.
Schritt 1 — Anforderungen strukturiert extrahieren. Das Lastenheft kommt als PDF, Word-Dokument oder gescanntes Original. Azure AI Document Intelligence oder ein Vision-Language-Modell läuft drüber, erkennt Strukturen (Kapitel, Listen, Tabellen) und zieht jede einzelne Anforderung als atomaren Datensatz heraus. Pro Anforderung erfassen wir: Anforderungs-ID, Quelltext, Kapitelreferenz, Klassifikation (Muss/Kann/Information), funktionale Kategorie (Produkt, Qualität, Logistik, Schnittstelle), Akzeptanzkriterium.
# Beispielausgabe nach Extraktion
{
"req_id": "REQ-2024-187-047",
"source_doc": "Lastenheft_Maschine_M3500.pdf",
"source_page": 23,
"source_section": "4.2.3 Qualitätsanforderungen",
"category": "Qualität",
"priority": "MUSS",
"text": "Schwingungsdämpfung im Bereich 5–80 Hz mindestens 18 dB",
"acceptance_criteria": "Messung gemäß DIN ISO 10846-2",
"extracted_at": "2026-05-13T09:14:22Z"
}In der Praxis sehen wir Extraktionsquoten von 94 bis 98 Prozent bei sauberen Word-Dokumenten und 82 bis 92 Prozent bei gescannten Lastenheften. Der Rest ist Nacharbeit, die in 20 bis 60 Minuten erledigt ist — egal wie groß das Lastenheft.
Schritt 2 — Semantische Indizierung. Die 240 Anforderungen werden in einen Vektor-Index geladen. Heißt: Eine spätere Suche nach „Vibrationsreduktion bei niedriger Drehzahl“ findet auch „Schwingungsdämpfung im Bereich 5 bis 80 Hz“, obwohl kein einziges Wort identisch ist. Der gleiche Mechanismus läuft über das Pflichtenheft, sobald es eingereicht wird.
Schritt 3 — Abgleich Lastenheft gegen Pflichtenheft. Hier kommt das Sprachmodell zum Einsatz. Für jede Lastenheft-Anforderung sucht das System die beste passende Pflichtenheft-Stelle und bewertet die Übereinstimmung. Drei mögliche Ergebnisse: vollständig adressiert, teilweise adressiert (mit Diskrepanz-Beschreibung), nicht adressiert.
Wichtig: Jeder Befund hat eine Quellreferenz. „Anforderung 47 ist im Pflichtenheft nur teilweise adressiert“ wird ergänzt durch „siehe Pflichtenheft Seite 31, Absatz 3 — dort wird ‚gemäß Stand der Technik‘ formuliert, ohne den geforderten Wertebereich 5–80 Hz / 18 dB zu nennen“. Der Projektleiter prüft das in 30 Sekunden statt 30 Minuten.
Schritt 4 — Workflow-Integration. Lückenfunde werden nicht in einer separaten KI-Oberfläche gesammelt, sondern als Workflow-Tasks ins bestehende Tool zurückgespielt — DocuWare-Aufgabe, Jira-Ticket, Polarion-Work-Item, Aras-Innovator-Workflow. Der Projektleiter sieht die Befunde dort, wo er ohnehin täglich arbeitet.
Drei Phasen, in denen sich der Lastenheft KI Abgleich rechnet
Wir sehen drei Punkte im Projektlebenszyklus, an denen sich der Einsatz besonders rechnet. Bei den meisten Kunden starten wir mit Phase 1 und erweitern nach 3 bis 6 Monaten auf 2 und 3.
Phase 1 — Vor der Pflichtenheft-Erstellung. Das frisch eingereichte Lastenheft wird automatisch extrahiert und auf interne Konsistenz geprüft. Das System erkennt: 23 Anforderungen sind als „Muss“ formuliert, aber ohne messbares Akzeptanzkriterium. 5 Anforderungen widersprechen sich. 12 Anforderungen verweisen auf Normen, die seit 2022 zurückgezogen sind. Der Vertrieb klärt diese Punkte mit dem Kunden, bevor der Auftrag unterschrieben wird. Bei einem Kunden senken wir die Nachträge im Projektverlauf damit von durchschnittlich 14 auf 4 pro Projekt.
Phase 2 — Bei Pflichtenheft-Freigabe. Das Pflichtenheft wird gegen das Lastenheft abgeglichen, bevor es offiziell freigegeben wird. Lückenliste wird produziert, Projektleiter und Konstruktion arbeiten sie ab. Der Effekt: Bei der späteren Abnahme gibt es 70 bis 85 Prozent weniger Diskussionen, weil die Lücken im Projektverlauf geschlossen wurden statt bei der Endkontrolle.
Phase 3 — Vor der Endabnahme. Lastenheft, Pflichtenheft und Abnahmeprotokoll werden dreidimensional abgeglichen. Was im Lastenheft gefordert, im Pflichtenheft zugesagt und im Abnahmeprotokoll geprüft wurde, ist sauber. Was an einer Stelle fehlt, ist das Risiko. Der Kunde geht mit einer ehrlichen Lückenliste in die Abnahme statt mit einer Liste, die der Auftraggeber selbst zusammenstellt.
Was ein Pilot konkret kostet und liefert
Ein typischer 6- bis 8-Wochen-Pilot liegt zwischen 65.000 und 95.000 EUR. Enthalten sind: Anbindung an eine Dokumentenquelle (DocuWare, M-Files, Polarion, SharePoint oder File-Share), Setup der Extraktions- und Vergleichs-Pipeline, ein realer Use Case produktiv (typisch Lastenheft-Pflichtenheft-Abgleich), Indizierung von 50 bis 200 Bestands-Lastenheften zur Sprachkalibrierung, Schulung von zwei Anwendern, Audit-Log und Übergabe-Dokumentation.
Laufende Betriebskosten danach:
- Azure-Hosting EU: 1.500 bis 3.500 EUR pro Monat, abhängig von Lastenheft-Volumen pro Monat
- On-Premises auf eigener GPU: 600 bis 1.200 EUR pro Monat (Betrieb, Updates), Hardware einmalig 30.000 bis 55.000 EUR
ROI-Rechnung für einen Maschinenbauer mit 60 Projekten pro Jahr und durchschnittlich 1,2 Millionen EUR Projektvolumen:
- Eingesparte Engineering-Zeit pro Projekt: 6 Stunden × 60 Projekte × 110 EUR = 39.600 EUR
- Vermiedene Nachträge durch frühere Lückenerkennung: konservativ 2 Projekte mit 40.000 EUR weniger Nachlass = 80.000 EUR
- Reduzierte Abnahmedauer: 4 Tage × 60 Projekte × 1.500 EUR Tageskosten Service-Team = 360.000 EUR
Konservativ summiert: 480.000 EUR Einsparung im ersten Jahr bei 95.000 EUR Pilot plus 30.000 EUR Betrieb. Amortisation in 4 bis 6 Monaten.
Worauf Sie bei der Auswahl achten sollten
Sechs Punkte, an denen wir Anbieter regelmäßig durchfallen sehen — gerade in der DACH-Region:
- Deutsche Fachsprache. Generische LLMs scheitern an Begriffen wie „Schwalbenschwanzführung“, „Verzapfung“, „Hartstanzen“ oder „Pilotventil pneumatisch“. Der Anbieter muss das Modell auf hauseigene Bestandsdokumente kalibrieren können.
- Bidirektionale Integration. Die Lösung muss Befunde in das bestehende Tool zurückschreiben — als DocuWare-Aufgabe, Jira-Ticket oder Polarion-Work-Item. Reines Lese-Frontend ist Doppelarbeit.
- Quellenangabe in jedem Befund. Wenn die KI sagt „Anforderung 47 ist nicht adressiert“, muss sie konkret auf Seite und Absatz im Lastenheft und im Pflichtenheft verweisen. Halluzinationen ohne Quelle sind im Engineering-Kontext disqualifizierend.
- Self-Hosted-Option. Kunden mit Compliance-Anforderungen oder Wettbewerber-sensiblen Lastenheften müssen die Lösung in der eigenen Infrastruktur betreiben können.
- Audit-Log granular. ISO 9001, IATF 16949 und VDA-Audits fordern Nachvollziehbarkeit. Pauschale Logs reichen nicht.
- Sechs- bis Acht-Wochen-Pilot. Längere Vorlaufzeiten sind ein Warnsignal. Lastenheft-Pflichtenheft-Abgleich ist mit zwei konkreten Projekten in sechs Wochen demonstrierbar.
Häufig gestellte Fragen
Funktioniert das auch mit handgeschriebenen oder gescannten Lastenheften?
Ja, aber mit reduzierter Trefferquote. Bei sauberen PDFs aus Word liegen wir bei 94 bis 98 Prozent Extraktionsquote. Bei gescannten Lastenheften (auch handgeschrieben) typischerweise 78 bis 90 Prozent — der Rest braucht manuelle Nacharbeit. Wir empfehlen, gescannte Altdokumente einmalig sauber zu erfassen und ab dann digital zu führen.
Was kostet ein Lastenheft KI Abgleich im Vergleich zu einem Anforderungsmanagement-Tool wie Polarion oder Jama?
Polarion oder Jama Connect kosten in mittelständischen Setups 80.000 bis 250.000 EUR pro Jahr (Lizenz plus Einführung). Sie strukturieren das Anforderungsmanagement, aber sie automatisieren nicht. Unsere KI-Schicht kostet einmalig 65.000 bis 95.000 EUR plus 1.500 bis 3.500 EUR Betriebskosten pro Monat. Beides ergänzt sich — wir docken an Polarion oder Jama an, ersetzen sie nicht.
Können wir das System auch für Pflichtenheft gegen Konstruktionszeichnungen einsetzen?
In begrenztem Umfang ja. Anforderungen aus dem Pflichtenheft können gegen Stücklisten und CAD-Metadaten gespiegelt werden. Bei reinen CAD-Zeichnungen ist die KI-Erkennung schwächer — hier ergänzen wir mit Vision-Language-Modellen, die Bemaßungen und Toleranzangaben extrahieren. Wir würden das aber als zweite Welle nach dem Pflichtenheft-Pilot empfehlen, nicht als Einstieg.
Was passiert, wenn das Lastenheft mitten im Projekt geändert wird?
Das ist genau der Punkt, an dem unser System seinen Wert zeigt. Jede Lastenheft-Version wird mit Zeitstempel und Diff zur Vorgängerversion gespeichert. Wenn Anforderung 47 von „5–80 Hz / 18 dB“ auf „5–100 Hz / 22 dB“ geändert wird, prüft das System automatisch das Pflichtenheft, alle nachgelagerten Konstruktionsdokumente und das Versuchsprotokoll auf Konsistenz mit der neuen Version. Lücken werden als Workflow-Task gemeldet.
Wie lange dauert es, bis das Modell unsere Fachsprache versteht?
Das hängt vom Bestand ab. Wenn wir 50 bis 200 Bestands-Lastenhefte indizieren können, ist das Modell nach 1 bis 2 Wochen produktionsreif. Bei weniger Bestandsdaten (unter 30 Dokumente) starten wir mit einer generischen Konfiguration und kalibrieren in den ersten 4 bis 6 Wochen über manuelles Feedback nach. Unsere Erfahrung: Nach 6 bis 8 Wochen Echtbetrieb liegt die Trefferquote in beiden Fällen vergleichbar hoch.
Nächster Schritt
Wenn Sie 30 oder mehr Projekte pro Jahr mit Lastenheft-basierter Abwicklung fahren und mindestens einmal pro Quartal eine Abnahme-Diskussion erleben, die zwei Wochen länger dauert als geplant, ist das Thema einen ehrlichen Pilot wert. Wir setzen mit Ihnen in 90 Minuten auf, welcher Use Case sich für den Erstaufbau am besten eignet und welche Datenquellen wir indizieren müssen.
Verwandte Themen
→Document Intelligence: Dokumente automatisch verstehen
→RAG für Unternehmenswissen: Architektur und Praxis
→Fertigung: KI-Use-Cases für Maschinenbau und Automotive
