Vergabedaten aus Ausschreibungen definieren die Markttransparenz neu

Über den Zuschlag hinausblicken

Die Beschaffung im Gesundheitswesen entwickelt sich rasant. Für Pharma- und Medizintechnikunternehmen weicht der traditionelle Fokus auf Angebotsabgabe und Listenpreis zunehmend einem tieferen Verständnis: Das Zuschlagsergebnis ist der Ort, an dem das eigentliche strategische Signal liegt. Jeder vergebene Auftrag in einem öffentlichen oder privaten Gesundheitssystem enthält Erkenntnisse über Käuferverhalten, Preisgrenzen, Lieferantenpositionierung und Wertkriterien. Dennoch behandeln viele Organisationen Vergabedaten weiterhin als nachgelagerten Aspekt statt als strategischen Vermögenswert. Im Zeitalter KI-gestützter Wettbewerbsintelligenz werden Vergabedaten in Pharma und Medizintechnik zu einer Landkarte des Marktzugangs und nicht nur zu einem historischen Datensatz.

Unser Ziel ist es, aufzuzeigen, wie ein „Vergabedatenmodell“ in Pharma und Medizintechnik aufgebaut und genutzt werden kann, was es so wirkungsvoll macht, wie es sich je nach Sektor unterscheidet, welchen analytischen und strategischen Mehrwert es bietet und wie Organisationen es operationalisieren können, um der Konkurrenz voraus zu sein und mehr Ausschreibungen zu gewinnen.

Vom kommerziellen Ergebnis zum Marktintelligenz-Asset

Im Kern stellt Vergabedaten die letzte Phase des Beschaffungszyklus dar. Während Ausschreibungsdaten zeigen, was Käufer nachgefragt haben, zeigen Vergabedaten, was sie ausgewählt haben, wer gewonnen hat, zu welchem Preis, nach welchen Kriterien und für welche Laufzeit. Im Kontext der Life Sciences ist dies besonders relevant, da die Preistransparenz begrenzt ist, Kaufverhalten intransparent ist und wertbasierte Vertragsmodelle zunehmen.

Vergabedaten werden somit zur Brücke zwischen „was sein könnte“ (Chance) und „was tatsächlich passiert ist“ (Ergebnis). Wenn sie gesammelt, strukturiert und analysiert werden, ermöglichen sie:

• Modellierung von Preisgrenzen: Durch die Analyse vergebener Vertragswerte lässt sich ableiten, was Käufer unter bestimmten Bedingungen zu zahlen bereit sind.
• Muster im Lieferantenverhalten: Es wird sichtbar, welche Unternehmen kontinuierlich gewinnen, in welchen Regionen, bei welchen Produktklassen und warum.
• Signale zu Käuferpräferenzen: Durch die Analyse von Vergabekriterien lässt sich erkennen, ob ein Käufer rein preisgetrieben ist oder Innovation, Servicevereinbarungen, ESG/Nachhaltigkeit oder Lebenszykluskosten bewertet.
• Prädiktive Chancen: Es lässt sich antizipieren, wann ein vergebener Vertrag ausläuft (Verlängerung/Neuausschreibung) und Ressourcen können entsprechend geplant werden.

Damit wandeln sich Vergabedaten von einem passiven historischen Datensatz zu einem umsetzbaren Wettbewerbsintelligenz-Asset – insbesondere, wenn sie mit Ausschreibungs-, Vertragsleistungs- und Marktzugangsdaten kombiniert werden.

Aufbau des Vergabedatenmodells

Um aus Vergabedaten in Pharma und Medizintechnik einen Mehrwert zu ziehen, müssen Organisationen ein robustes Datenmodell definieren. Die folgenden sind zentrale Entitäten und Beziehungen:

Kernentitäten:

• Vergabe (Award): Der Entscheidungspunkt, an dem ein Vertrag vergeben wird. Felder: Vergabe-ID, Vergabedatum, Ausschreibungs-ID (Verknüpfung nach oben), Käufer-ID, Lieferanten-ID, Produkt-/Los-ID, Universum (Marktkontext).
• Käufer (Vergabestelle): Krankenhaus, Gesundheitssystem, nationale Beschaffungsstelle, Einkaufsgemeinschaft. Felder: Name des Käufers, Land/Region, Beschaffungszentrum, Käufertyp (öffentlich/privat).
• Lieferant (Zuschlagsempfänger): Das gewinnende Unternehmen oder Konsortium. Felder: Name des Lieferanten, Muttergesellschaft, Land, Rechtseinheit, Kennzeichnung Großunternehmen/KMU.
• Produkt / Los: Vergebene Position(en). In Pharma: Wirkstoff, Darreichungsform, Packungsgröße, ATC-Code; in Medizintechnik: Geräteklasse, UDI-/GMDN-/EMDN-Code, Servicepaket. Felder: Produktname, Beschreibung, Klassifikation, Volumen.
• Preis- und Vertragswert: Stückpreis, Gesamtvertragswert, Währung, Laufzeit, Abnahmevolumen, Verlängerungsoptionen.
• Vergabekriterien / Entscheidungsbasis: Preisgewichtung, technische/Leistungsgewichtung, Service-/Wartungsgewichtung, ESG-/Nachhaltigkeitsgewichtung, wertbasierte Kriterien (Patientenergebnis, TCO).
• Zeitachse & Lebenszyklus: Startdatum, Enddatum, Verlängerungen, Kündigungsbedingungen.
• Verknüpfungsmetadaten: Ausschreibungsreferenz, CPV-/UNSPSC-Code, Ländercode, Veröffentlichungsquelle, Status (vergeben, aufgehoben).

Sektorale Unterschiede:

• In Pharma sieht man häufig ATC-Klassifikationen, die Segmentierung nach Therapiegebieten, gebündelte Beschaffung (z. B. Generika, Biosimilars), verpflichtende Offenlegungen sowie oft Intransparenz bei Rabatten.
• In MedTech gibt es nicht nur Geräteklassifikationen (GMDN/EMDN), sondern auch Lebenszykluskosten (Wartung, Verbrauchsmaterialien, Schulungen), Servicepakete und wertbasierte Beschaffungsmodelle, die Ergebnisse und Nachhaltigkeit betonen. So hebt beispielsweise das MEAT-Value-Based-Procurement-Framework von MedTech Europe/Boston Consulting Group die Gesamtbetriebskosten und Qualitätskriterien hervor.

Daten-Normalisierung / Harmonisierung:

Da Beschaffungs- und Vergabedaten aus unterschiedlichen Regionen und Systemen stammen (z. B.  EU TED Bekanntmachungen, US SAM.gov, GCC-Portale, nationale Gesundheitsportale), muss das Modell Käufer-, Lieferanten- und Produkttaxonomien vereinheitlichen, Währungen und Zeitzonen konvertieren und Klassifikationssysteme (ATC, GMDN, UNSPSC) abbilden.

KI-/Inferenz-Erweiterungen:

Vergabedaten enthalten häufig fehlende Felder (z. B. Nettopreis, Volumen, Verlängerungsoptionen). Jüngere wissenschaftliche Arbeiten zeigen, wie Text-Mining und NLP strukturierte Beschaffungsdaten aus heterogenen, mehrsprachigen Dokumenten extrahieren können. Die Integration solcher Inferenzmechanismen in das Datenmodell erhöht dessen Abdeckung und Prognosefähigkeit.

Pharma-Perspektive: Marktzugang und Preistransparenz entschlüsseln

In pharmazeutischen Märkten sind Vergabedaten von unschätzbarem Wert für Wettbewerbsintelligenz, Marktzugang und Preisstrategie. Zu den zentralen Dynamiken gehören:

• Signale für Preisrückgänge: In vielen Märkten treiben Generika und Biosimilars den Preisverfall voran. Vergabedaten zeigen, wann ein erfolgreiches Angebot eine neue Niedrigpreis-Schwelle darstellt – und damit, wo Preisdruck einsetzt.
• Marktzugangsbarrieren: Vergabeergebnisse können geografische Segmentierungen aufzeigen – Regionen, in denen ein Wirkstoff keinen Zuschlag erhalten hat, im Vergleich zu denen, in denen er erfolgreich war. Dies fließt in die Zugangsstrategie und Preisabstimmung ein.
• Verknüpfung mit HTA und Erstattung: Vergabekriterien können auf wertbasierte Vertragsmodelle oder Outcomes verweisen; das Verständnis dieser Signale hilft Pharmaunternehmen, sich auf veränderte Käufererwartungen einzustellen.
• Beispielsweise kann eine Krankenhausausschreibung ein Medikament mit Outcome-Monitoring und Risk-Share-Klauseln gegenüber einem kostengünstigeren Medikament ohne Mechanismen zur Nachweisführung des realen Nutzens bevorzugen. Wird dies in Vergabedaten erfasst, verlagert sich der Fokus von „der niedrigste Preis gewinnt“ hin zu „das überzeugendste Wertversprechen gewinnt“.
• Einblicke in Volumen und Laufzeit: Pharma-Vergabedaten umfassen häufig mehrjährige Volumenverpflichtungen. Deren Analyse zeigt Vorteile etablierter Anbieter, Verlängerungszyklen und die Positionierung von Wettbewerbern.
• Politik- und Transparenztrends: Einige Märkte veröffentlichen Vergabemitteilungen oder Bekanntgaben von Vergabestellen, andere sind intransparent. Ein umfassendes Vergabedatenmodell hilft, Transparenzlücken zu schließen und verschafft einen Vorteil in der Wettbewerbsintelligenz.

MedTech-Perspektive: Wert, Outcomes und ESG-Kriterien nachverfolgen

Für MedTech-Unternehmen erfassen Vergabedaten mehr als nur den Preis – sie erfassen die Entwicklung der Beschaffung von der Geräteanschaffung hin zu wertbasierten Lösungen. Jüngste Studien zeigen: In sechs großen Produktkategorien in Europa sanken die Gerätepreise zwischen 2012 und 2016 im Durchschnitt um 1,5 % pro Jahr, während servicebasierte, ergebnisorientierte Beschaffungsmodelle an Dynamik gewannen.

Vergabedaten in MedTech müssen Kriterien erfassen wie:

• Gesamtbetriebskosten (TCO) statt reiner Anschaffungskosten.
• Service- und Wartungsleistungskennzahlen (Ausfallzeiten, Kosten für Verbrauchsmaterialien, Schulungsstunden).
• Nachhaltigkeits-/ESG-Gewichtung (Produktlebenszyklus, CO₂-Fußabdruck).
• Outcome-Kennzahlen (Wiederaufnahmeraten, Infektionsraten, patientenberichtete Ergebnisse), die in Vergabeentscheidungen einfließen.

Angebot der Lieferantenlösungen:

MedTech-Unternehmen, die Zuschläge gewinnen, bieten zunehmend Bündel aus „Gerät + Service + Daten“ an. Die Modellierung von Vergabedaten muss erfassen, wie Servicelevels, Datenanalysen und Schulungen bewertet wurden. Beispielsweise berücksichtigte eine Ausschreibung für IV-Katheter in einer norwegischen Region Ausfallraten und patientenberichtete Schmerzwerte – mit dem Ergebnis, dass ein teureres Angebot gewann, da es breitere Kriterien erfüllte.

Verlängerung / Wettbewerbsvorteil:

Vergabedaten zeigen, welche Lieferanten bestehende Anbieter sind, wie lange ihre Verträge laufen und welche Verlängerungsfenster bestehen. Im MedTech-Kontext ist dies entscheidend – insbesondere im Hinblick auf Implementierungszeitpunkte, Schulungen und Rollout-Umfang.

Geografie & Konsolidierung der Beschaffung:

Da Krankenhäuser konsolidieren (zum Beispiel in Frankreich, wo sich die Zahl der Einkaufsverbünde deutlich reduziert hat), verändern sich Beschaffungsvolumen und Vergabeschwellen, was den Wettbewerb beeinflusst. Die Analyse von Vergabedaten ermöglicht es Unternehmen, zu erkennen, wo Konsolidierung das Käuferverhalten verändert.

Der Intelligence-Kreislauf: Rückkopplung in die Strategie

Ein Vergabedatenmodell ist nur dann wertvoll, wenn es in einen kommerziellen Intelligence- und Strategiekreislauf eingebettet ist.

Zentrale Schritte:

Ausschreibungsidentifikation → Vergabeverfolgung: Sobald eine Ausschreibung veröffentlicht wird, überwacht Ihr System diese; sobald die Vergabe bekannt gegeben wird, erfassen Sie das Ergebnis in Ihrem Modell.

Verknüpfung mit Vertragsumsetzung und -leistung:

Überlagern Sie die Vergabe mit Leistungsdaten zur Umsetzung, Lieferantentreue, Verlängerungsverhalten und Veränderungen der Marktanteile.

Prädiktive Modellierung:

Nutzen Sie historische Vergabedaten, um zukünftige Vergaben abzuleiten: Welche Käufer werden neu ausschreiben, wann sich Volumina verschieben und wo sich Preisgrenzen entwickeln.

Preis- und Win-Loss-Intelligenz:

Analysieren Sie die Gewinne und Verluste Ihres Unternehmens in der Vergabehistorie und integrieren Sie das Verhalten der Wettbewerber: „Welche Lieferanten haben die Vergaben dieses Käufers in den letzten drei Zyklen gewonnen?“ „Welche Preisgrenze haben sie erreicht?“

Marktzugang und strategische Signale:

Erkennen Sie, wann sich Vergabekriterien verschieben – z. B. wenn ESG oder Outcome-KPIs stärker gewichtet werden – was signalisiert, dass Wertversprechen, Servicemodell oder Preisstrategie angepasst werden müssen.

Dies schafft einen sich selbst verstärkenden Intelligence-Kreislauf:

Vergabedaten → Erkenntnisse → Strategie → Wettbewerbliche Maßnahmen → Neue Vergabedaten. Organisationen, die diesen Kreislauf verankern, übertreffen diejenigen, die Vergaben als statische Ereignisse betrachten.

Überwindung von Fragmentierung: Aufbau einer einheitlichen Vergabedatenebene

Die größte operative Herausforderung bei der Nutzung von Vergabedaten ist die Fragmentierung der Datenlandschaft: zahlreiche Quellen, heterogene Formate, fehlende Felder, unterschiedliche Regionen und inkonsistente Taxonomien. Für den Aufbau einer einheitlichen Vergabedatenebene sind drei Strategien entscheidend:

1. Breite der Datenquellen: Informationen zu Vergaben können in EU-TED (für Europa), SAM.gov (US-Bundesebene), nationalen Portalen (UK NHS, Golfstaaten), Offenlegungen von Krankenhausgruppen und kommerziellen Intelligence-Diensten vorliegen. Diese zu aggregieren ist nicht trivial.
2. Ontologie- und Taxonomie-Mapping: Produkte müssen normalisiert werden (z. B. ATC, GMDN, UNSPSC), Käufer müssen dedupliziert und Vergabeattribute standardisiert werden (Werte in einheitlicher Währung, Laufzeiten in Monaten). Fehlende oder inkonsistente Felder müssen über Inferenz oder Imputation behandelt werden.
3. KI- und Inferenzfähigkeiten: Wie aktuelle wissenschaftliche Arbeiten zeigen, ist der Einsatz von NLP/Text-Mining zur Extraktion strukturierter Vertrags- und Vergabedaten aus heterogenen Dokumenten möglich. Der Einsatz von Machine Learning zur Ableitung fehlender Werte (z. B. Vertragsdauer, Volumen) hilft, das Modell zu vervollständigen.
4. Governance & Aktualisierungsrhythmus: Vergabe-Intelligence muss regelmäßig aktualisiert werden, neue Vergaben eingepflegt, ausgelaufene Verträge markiert und Verlängerungs-/Neuausschreibungs-Signale verfolgt werden. Organisationen müssen Eigentümer festlegen: Commercial Intelligence Teams, Market Access Teams oder Center of Excellence.
5. Stakeholder-Ausrichtung & Change Management: Da die Modellierung von Vergabedaten häufig etablierte Beschaffungstraditionen (reiner Preisfokus) in Frage stellt, ist das Engagement der Stakeholder entscheidend. Wie frühere Frameworks zeigten, sind das Aufbrechen von Silo-Budgets und die Überzeugung von Finanzteams zentrale Hürden.

Wird dies effektiv umgesetzt, wird die einheitliche Vergabedatenebene zur einzigen verlässlichen Datenquelle, die strategische Entscheidungen in den Bereichen Preisgestaltung, Go-to-Market, Bid/No-Bid, Wettbewerbsintelligenz und Marktzugang unterstützt.

Strategische Implikationen: Von Sichtbarkeit zu Einfluss

Was bedeutet die Beherrschung von Vergabedaten für die kommerzielle Strategie in den Life Sciences?

Wettbewerbsdifferenzierung: Unternehmen, die Vergabemuster, Preisgrenzen und Käuferkriterien verstehen, können ihr Angebot maßschneidern – statt generischer Produktpräsentationen schlagen sie Lösungen vor, die den tatsächlichen Bewertungsmaßstäben der Käufer entsprechen.

Preisagilität: Anstatt reaktiv Preise zu senken, können Unternehmen ihre Preisstrategie proaktiv an den Trends der Vergabedaten ausrichten: „Wir wissen, dass dieser Käufer kürzlich ein ähnliches Produkt zu X Stückpreis für Y Laufzeit vergeben hat; unser Angebot muss diese Schwelle erreichen oder übertreffen.“

Verbesserung der Angebots-Win-Rate: Durch das Verständnis der Vergabekriterien (z. B. Servicepaket, Nachhaltigkeitsbewertung, Garantien für Patientenergebnisse) können Unternehmen ihre Angebotsantworten so optimieren, dass sie die Erfolgskriterien erfüllen – nicht nur den Preis.

Marktzugangseinblicke: Vergabedaten bieten eine Karte, wo Zugang gesichert ist (Vergabe gewonnen) und wo Zugang eingeschränkt ist (Vergabe verloren). Dies unterstützt geografische Strategien und Strategien nach Therapiegebieten.

First-Mover-Vorteil: Der Wandel hin zur wertbasierten Beschaffung beschleunigt sich. Eine aktuelle Analyse von BCG und MedTech Europe zeigt, dass Organisationen, die jetzt handeln, einen First-Mover-Vorteil in outcome-basierten Marktmodellen erzielen werden.

Politik- und Nachhaltigkeitsausrichtung: Käufer integrieren zunehmend ESG-, Nachhaltigkeits- und sozioökonomische Kriterien in ihre Vergabekriterien. Organisationen, die Vergabedaten verfolgen, können erkennen, wo diese Faktoren zu Entscheidungshebeln werden, und ihre Strategie entsprechend anpassen (z. B. Reduzierung von Lebenszyklus-Emissionen, Lieferantenvielfalt).

Kurz gesagt: Vergabedaten beziehen sich nicht nur auf vergangene Erfolge – sie bedeuten Einfluss auf die Zukunft. Sie verwandeln Beschaffungspfade in prädiktive Wettbewerbsvorteile.

Fazit: Den Beschaffungspfad in eine prädiktive Engine verwandeln

In Pharma und MedTech haben sich Vergabedaten als entscheidende Intelligence-Ebene etabliert – sie verknüpfen Beschaffungsbewegungen mit kommerziellen Chancen, Lieferantenverhalten mit Wettbewerbspositionierung und Käuferkriterien mit strategischem Zugang. Organisationen, die Vergabedaten lediglich als historisches Archiv betrachten, verpassen die Chance, sie in eine treibende Kraft für vorausschauende Entscheidungen zu verwandeln.

Durch den Aufbau eines systematischen Vergabedatenmodells – bestehend aus den Entitäten Vergabe, Käufer, Lieferant, Produkt, Preis, Kriterien und Lebenszyklus – und die Integration von KI-Inferenz zur Schließung von Datenlücken können Life-Sciences-Unternehmen Vergabe-Intelligence in ihr kommerzielles Betriebsmodell einbetten. Sie wechseln vom Reagieren auf Ausschreibungen hin zum Vorhersagen von Marktverschiebungen; vom Verfolgen von Gewinnen hin zum gezielten Gestalten dieser Gewinne.

Die strategischen Implikationen sind tiefgreifend: Preisgestaltung wird datengetrieben, Angebotsstrategien werden kriteriumsorientiert, Marktzugang wird abgebildet, und Wettbewerb wird sichtbar. Während sich die Beschaffung hin zu wertbasierten Modellen mit Outcomes, Nachhaltigkeit und Total Cost of Ownership als Kern entwickelt – werden die Unternehmen, die Vergabedaten meistern, Märkte gestalten, nicht nur auf sie reagieren.

Die Grenze liegt nicht nur in der Sichtbarkeit, wer welchen Zuschlag erhalten hat, sondern in der Voraussicht, wer den nächsten gewinnen kann und warum. Das ist die nächste Grenze der Wettbewerbsintelligenz in Pharma und MedTech.