Kann KI einen Mengeneinheiten-Fehler in einem Angebotsvergleich erkennen?

Ein Mengeneinheiten-Fehler ist die klassische Falle im Angebotsvergleich: Ein Lieferant bepreist pro Lizenz, ein anderer pro 100 Lizenzen — und das günstigste Angebot ist nur deshalb günstig, weil die Einheiten nicht zusammenpassen. Genau diese Art mechanischer Prüfung traut man KI ohne Weiteres zu.

Der PAIR-20-Lauf vom Juli 2026 zeigt: nicht zuverlässig. Die Aufgabe enthielt einen „pro 100 Lizenzen“-Preis zwischen reinen Pro-Lizenz-Angeboten. Gemini erkannte den Fehler mit einem generischen Prompt — ohne Hinweis, ohne Structured Brief (strukturierte Aufgabenstellung). ChatGPT erkannte ihn erst, als der Brief die zu normalisierenden Felder benannte. Claude wurde die Einheit explizit mitgeteilt und übernahm dennoch die unkorrigierte Zahl in sein Ranking; der Structured Brief änderte daran nichts.

Für ein operatives Einkaufsteam folgen daraus zwei Punkte:

Der Fehler ist plattformabhängig und unvorhersehbar. Dieselbe Datei, am selben Tag, lieferte auf einer Plattform eine saubere Erkennung und auf einer anderen ein stillschweigendes Übersehen. Egal welche Plattform Ihr Team nutzt — Sie können nicht davon ausgehen, dass diese Fehlerklasse abgedeckt ist, und Sie können nicht vorab wissen, ob gerade Ihre Plattform stolpert.

Ein strukturierter Prompt hilft, ist aber keine Garantie. Die gezielte Benennung der zu normalisierenden Felder verwandelte eine Lücke in eine Erkennung — und ließ eine andere Lücke unberührt. Betrachten Sie den Prompt als Kontrollmaßnahme, die das Mindestniveau hebt, nicht als Allheilmittel — die Einheitenspalte braucht immer noch ein menschliches Auge, bevor der Vergleich Ihren Schreibtisch verlässt.