KI im Leistungsverzeichnis: Erstellung, Prüfung, Preisreferenz – und wo ChatGPT aufhört

Überblick

1. Wie weit die Branche ist
2. Was zuverlässig funktioniert: LV erstellen, Texte, Vollständigkeit prüfen
3. Wo es scheitert: Mengen, Maße, Varianten
4. Preisreferenzen: Die Datendichte entscheidet
5. ChatGPT, Copilot und die eigene KI: Was allgemeine Werkzeuge können
6. Was das für Auftraggeber und Fachbetriebe bedeutet

Ein Architekturbüro lässt sich von einer KI ein Leistungsverzeichnis für den Innenausbau schreiben. Die Positionstexte lesen sich professionell, die Gliederung stimmt – und bei den Mengen stehen Werte, die mit den Plänen nichts zu tun haben. Ein Generalunternehmer lässt dieselbe Technik über ein bestehendes LV laufen und stellt fest, dass das Löschen doppelter Positionen von Hand schneller geht. Ein dritter Betrieb bekommt von der Prüfung den Hinweis, dass die Baustelleneinrichtung fehlt, die Entwässerung nicht getrennt ist und ein Kontrollschacht nirgends auftaucht – und spart nach eigener Einschätzung einen großen Teil des Prüfaufwands.

Alle drei Erfahrungen stammen aus Gesprächen mit Auftraggebern und Fachbetrieben der vergangenen Wochen. Sie widersprechen sich nicht. Sie beschreiben dasselbe Werkzeug an unterschiedlichen Stellen des Prozesses – und genau dort liegt die Frage, die dieser Beitrag beantworten will: Wo im Leistungsverzeichnis ist KI heute verlässlich, wo ist sie ein Vorschlag, den jemand gegenlesen muss, und wo hat sie strukturell keine Chance?

Wie weit die Branche ist

Die Zahlen zur KI-Nutzung am Bau sind weniger eindeutig, als die Schlagzeilen vermuten lassen. Das ifo Institut berichtete im Juni 2026, dass im Bauhauptgewerbe inzwischen rund 40 Prozent der Unternehmen KI einsetzen – drei Jahre zuvor waren es gut 7 Prozent; gesamtwirtschaftlich liegt der Anteil bei knapp 55 Prozent. Im Handwerk, also bei vielen Betrieben, die Leistungsverzeichnisse bepreisen müssen, sieht es anders aus: In einer Anfang 2026 veröffentlichten Bitkom-Erhebung unter rund 500 Handwerksbetrieben (befragt Mitte 2025) nutzten nur vier Prozent KI, für 84 Prozent war das Thema kein Thema.

Die Lücke zwischen den beiden Zahlen ist für die Ausschreibungspraxis wichtig. Auf der Auftraggeberseite werden LVs zunehmend KI-gestützt erstellt und geprüft. Auf der Bieterseite werden sie weiterhin überwiegend von Menschen kalkuliert – mit Erfahrung, Montagezeiten aus dem eigenen Betrieb und dem Taschenrechner. Wer KI im LV einsetzt, schreibt also für Leser, die es nicht tun.

Was zuverlässig funktioniert: LV erstellen, Texte, Vollständigkeit prüfen

Die Rückmeldungen aus Gesprächen mit Auftraggebern sind in einem Punkt konsistent: Dort, wo KI mit Text und Struktur arbeitet, liefert sie brauchbare Ergebnisse. Positionstexte lesen sich fachlich, die Gliederung nach Gewerken und Titeln stimmt, Kurz- und Langtexte sind VOB-nah formuliert. Ein mittelständischer Generalunternehmer beschreibt den Anwendungsfall, der für ihn funktioniert: Betonmengen aus Plänen extrahieren und daraus ein neues LV für Epoxidharzarbeiten bauen – nicht ein bestehendes LV umschreiben lassen.

Die zweite verlässliche Anwendung ist die Vollständigkeitsprüfung. Fehlt die Baustelleneinrichtung? Ist die Entwässerung in Schmutz- und Regenwasser getrennt? Gibt es zur Bodenplatte eine Sauberkeitsschicht? Solche Lücken findet ein Modell, das viele tausend Leistungsverzeichnisse gesehen hat, zuverlässig – auch dort, wo ein Sachbearbeiter am Freitagnachmittag darüber hinwegliest. Die Niederlassung eines größeren Bauunternehmens berichtet von genau solchen Treffern – fehlende Baustelleneinrichtung, Entwässerung, Kontrollschacht – und schätzt die Entlastung auf gut die Hälfte des Prüfaufwands. Das ist eine Einzelbeobachtung, keine Statistik. Aber sie passt zu dem, was Rechnungshöfe seit Jahren dokumentieren: Der Rechnungshof Baden-Württemberg führte 2020 bei 48 großen Landesbaumaßnahmen mehr als die Hälfte der Nachträge auf unvollständige Grundlagenermittlung und Planung zurück – also auf Lücken, die vor der Ausschreibung entstehen. Eine Prüfung, die solche Lücken im LV findet, setzt am größten Hebel an.

Was dabei wichtig ist: Die Prüfung findet, was fehlt. Sie bestätigt nicht, was richtig ist.

Wo es scheitert: Mengen, Maße, Varianten

Das Architekturbüro aus dem Eingangsbeispiel hat die Schwachstelle benannt. Die KI-Texte waren gut, die Mengen falsch, und bei gespiegelten Bauteilvarianten – links/rechts, Tür nach innen/außen – geriet die Beschreibung durcheinander. In einer anderen Sitzung produzierte das Werkzeug mehrere hundert Seiten mit wiederholtem Standardtext, die anschließend bereinigt werden mussten. Ein kleiner Generalunternehmer formuliert die Konsequenz: Ein ungeprüftes KI-LV geht bei ihm nicht raus.

Das ist kein Zufall und kein Kinderkrankheitsproblem. Große Sprachmodelle sind Textmodelle. Eine Benchmark-Studie, die im August 2025 auf arXiv erschien und 164 Aufgaben aus Planlesen, Mengenermittlung und Kostenschätzung testete, kam für das beste Modell auf rund drei Viertel richtige Antworten – mit dem Befund, dass die Modelle branchenspezifisches Wissen wie Verschnittzuschläge nicht kannten und plausibel klingende, aber logisch falsche Begründungen lieferten. Eine zweite Untersuchung aus demselben Jahr beschreibt bei führenden Modellen anhaltende Schwächen beim Rechnen, beim Abrufen von Zahlen und beim Größenvergleich. Die Ursache liegt in der Architektur: Das Modell erkennt Muster in Zeichenfolgen, es misst nicht.

Für das Leistungsverzeichnis heißt das: Mengen gehören aus dem Aufmaß, dem Modell oder der Massenermittlung – nicht aus dem Sprachmodell. Wer KI Mengen schätzen lässt, bekommt eine Zahl, die aussieht wie eine Menge.

Preisreferenzen: Die Datendichte entscheidet

Der dritte Anwendungsfall ist der umstrittenste. KI-gestützte Preisreferenzen – also Marktpreise je Position, abgeleitet aus realen Angeboten oder Kalkulationsdatenbanken – werden in Gesprächen entweder gelobt oder verrissen. Auffällig ist, wer was sagt.

Kritik kommt vor allem von Auftraggebern mit Nischenpositionen: Bei hochwertigen Sondertischlerarbeiten lagen Referenzwerte deutlich unter den tatsächlichen Angeboten, bei einem Logistikprojekt blieb ein Großteil der Positionen ohne Referenz, weil sie so in keinem anderen Angebot vorkamen.

Zustimmung kommt von Fachbetrieben in Volumengewerken. Ein Elektrobetrieb verglich seinen eigenen Meterpreis mit einer Marktspanne, die ihn einschloss, und nutzt die Referenz seitdem als Gegenprobe. Ein anderer Elektrobetrieb schätzt weniger die Preise als die Referenzspannen für Montagezeiten – damit können Mitarbeitende ohne Kalkulationserfahrung ein Angebot vorbereiten. Ein Bauunternehmen stellte fest, dass ein Drittel seiner Angebote spürbar unter dem Marktschnitt lag, und steuert seitdem bewusster.

Das Muster dahinter ist nicht „Auftraggeber gegen Fachbetriebe", sondern Datendichte. Wo viele vergleichbare Positionen in vielen Angeboten vorkommen – Kabel, Trockenbauwände, Bodenbeläge –, ist eine Referenz belastbar. Wo eine Position selten, individuell oder schlecht beschrieben ist, gibt es keine Referenz, sondern eine Extrapolation. Dasselbe Problem kennen klassische Baukostendatenbanken: Der BKI wertet für seine Kennwerte mehrere tausend abgerechnete Objekte aus und korrigiert sie mit Regionalfaktoren je Landkreis; zwischen Vergabe und Veröffentlichung liegen nach einer älteren Erläuterung der Bezirksregierung Köln meist ein bis zwei Jahre. In einem Markt, in dem die Baupreise für Wohngebäude laut Statistischem Bundesamt im Mai 2026 um fünf Prozent über dem Vorjahr lagen – bei Dachdecker- und Zimmererarbeiten um mehr als sieben Prozent –, altert jede Referenz schnell. Eine KI-Referenz aus aktuellen Angeboten ist da im Vorteil, aber nur dort, wo aktuelle Angebote vorliegen.

Die ehrliche Beschreibung lautet also: Eine KI-Preisreferenz ist eine Marktindikation mit Konfidenz, keine Kalkulation. Gute Werkzeuge zeigen die Spanne und die Datenbasis mit an. Wer nur eine Zahl bekommt, sollte fragen, woraus sie besteht.

ChatGPT, Copilot und die eigene KI: Was allgemeine Werkzeuge können

Parallel zu den bauspezifischen Lösungen setzen Betriebe allgemeine KI-Werkzeuge ein – und zwar durchaus produktiv. Aus Gesprächen: Ein Betonsanierer nutzt ChatGPT für die Auswertung von Aufmaßen, Flächen- und Volumenberechnungen und die Überwachung seiner Aufträge. Ein Straßenbauer hat eigene KI-Regeln aufgesetzt, die Pläne und LVs vorfiltern – Aushub tiefer als drei Meter wird gar nicht erst angeschaut. Ein Auftraggeber hat ein Lieferantenangebot per KI in ein zweistufiges Leistungsverzeichnis umstrukturiert und seine Lieferantenliste um Gewerkezuordnungen angereichert. Ein weiterer hat Microsoft Copilot für die LV-Erstellung ausprobiert.

Wo liegt dann der Unterschied zu einer bauspezifischen Anwendung? Nicht in der Intelligenz des Modells – oft steckt dasselbe Sprachmodell dahinter. Der Unterschied liegt in drei Dingen, die ein allgemeines Werkzeug nicht hat:

Erstens die Datenbasis. Ein Sprachmodell kennt keine Angebotspreise für Trockenbau in Oberfranken im September 2026. Es kennt Texte über Trockenbau. Eine Preisreferenz braucht reale, aktuelle, regionale Angebote – und die liegen nur dort, wo Angebote tatsächlich abgegeben werden. Das gilt auch für Montagezeiten: Die Spanne, die ein Elektrobetrieb nützlich findet, kommt aus Kalkulationen, nicht aus dem Internet.

Zweitens die Struktur. GAEB-Export, Ordnungszahlen, Katalogkonformität, Konsistenz über 300 Seiten: Ein Chat-Fenster liefert Text, kein Leistungsverzeichnis. Eine Praxisbewertung des Beratungshauses KI-Syndikat vom September 2026 kommt zu dem Ergebnis, dass ChatGPT und Claude brauchbare Entwürfe für einzelne Positionen liefern, aber weder GAEB-Struktur noch Projektkonsistenz – und dass der Planer haftbar bleibt.

Drittens die Rückkopplung. Eine bauspezifische Prüfung kann aus dem lernen, was nach der Ausschreibung passiert – Bieterrückfragen, abgegebene Angebote, Positionen, die niemand bepreisen konnte. Ein allgemeines Modell lernt aus dem Internet.

Das spricht nicht gegen ChatGPT im Baubüro. Es spricht dafür, die Werkzeuge nach ihrer Datenbasis auszuwählen: Allgemeine KI für Text, Struktur, Übersetzung, Zusammenfassung – und für das, was man selbst beurteilen kann. Bauspezifische KI dort, wo es auf Markt- und Projektdaten ankommt, die man nicht selbst hat.

Was das für Auftraggeber und Fachbetriebe bedeutet

Für Auftraggeber: KI beschleunigt die Erstellung und verbessert die Vollständigkeit – unter der Bedingung, dass Mengen aus der Planung kommen und jede Position vor der Veröffentlichung gelesen wird. Die VOB/A verlangt in § 7, dass eine Leistung eindeutig und erschöpfend beschrieben ist und alle Bieter sie im gleichen Sinne verstehen; für diesen Maßstab ist das Werkzeug ein Hilfsmittel, nicht der Verantwortliche. Und eine Preisreferenz ist ein Plausibilitätscheck für Angebote, kein Argument in der Verhandlung – schon gar nicht bei Positionen, für die das Werkzeug keine oder wenige Vergleichswerte hat.

Für Fachbetriebe: Wer Angebote abgibt, wird zunehmend gegen KI-Referenzen verglichen. Das ist kein Nachteil, wenn die eigene Kalkulation stimmt – und ein Vorteil, wenn man dieselben Spannen selbst sieht. Die Betriebe, die in Gesprächen am zufriedensten sind, nutzen die Referenz nicht, um ihren Preis zu ersetzen, sondern um ihn einzuordnen.

Und für beide Seiten gilt: Ein Leistungsverzeichnis, das für eine KI vergleichbar ist – gleichartige Positionen, klare Mengen, keine Pauschalen für ungleiche Leistungen –, ist auch für einen Kalkulator am Freitagnachmittag kalkulierbar. Das Werkzeug ändert nicht, was ein gutes LV ausmacht. Es macht nur sichtbarer, wo eines fehlt.

Für Auftraggeber, die Leistungsverzeichnisse vor der Ausschreibung auf Vollständigkeit prüfen und eingehende Angebote gegen reale Marktpreise plausibilisieren wollen, ist genau das der Ansatz der LV-Prüfung und des Preisassistenten in Cosuno: Spanne und Datenbasis werden mitangezeigt – eine Referenz, die man einordnen kann, kein Preis, den man übernehmen muss.