Der neue Matching-Code der Bauwirtschaft: Warum Projektfähigkeit, Auftragsfähigkeit, Referenzen und Ratings alles verändern

Die Bau- und Handwerksbranche steht vor einem fundamentalen Wandel. Bisher wurde oft nach einfachen Kriterien gesucht: Branche, Region, Telefonnummer, Webseite, Google-Bewertung oder persönliche Empfehlung.

Doch mit AI-Agents, automatisierten Workflows und datenbasierten Entscheidungssystemen entsteht eine neue Logik. Künftig geht es nicht mehr nur darum, ob ein Betrieb gefunden wird. Entscheidend wird, ob ein Betrieb für ein konkretes Projekt wirklich passt.

Genau hier werden vier Faktoren matchentscheidend: Projektfähigkeit, Auftragsfähigkeit, Referenzen und Rating.

Sichtbarkeit allein reicht nicht mehr

Ein Betrieb kann online sichtbar sein, eine gute Webseite haben und trotzdem für ein konkretes Projekt nicht der passende Anbieter sein.

Ein Gartenbauer kann für kleine Privatgärten hervorragend sein, aber nicht zwingend für eine grosse Überbauung mit Fassadenbegrünung, Teichanlagen, Biodiversitätskonzept und komplexen Erdbewegungen.

Ein Elektriker kann perfekt für Service- und Unterhaltsarbeiten sein, aber nicht automatisch für ein grosses Neubauprojekt mit KNX, Photovoltaik, Ladeinfrastruktur und komplexer Gebäudeautomation.

Ein Schreiner kann sehr stark im Innenausbau sein, aber nicht zwingend für Serienfertigung, öffentliche Ausschreibungen oder grössere Objektprojekte.

Die Frage lautet deshalb nicht mehr nur: Gibt es diesen Betrieb?

Die bessere Frage lautet: Passt dieser Betrieb zu diesem Projekt?

Projektfähigkeit: Kann der Betrieb dieses Projekt wirklich leisten?

Projektfähigkeit beschreibt, ob ein Betrieb für eine bestimmte Art von Projekt geeignet ist. Dabei geht es nicht nur um das Gewerk, sondern um Projektgrösse, Komplexität, Erfahrung, Spezialisierung und Anforderungen.

Kann der Betrieb Neubauten, Umbauten, Sanierungen oder Spezialprojekte stemmen?
Hat er Erfahrung mit privaten Bauherrschaften, Verwaltungen, Architekturbüros, Generalunternehmern oder öffentlichen Auftraggebern?
Kann er komplexe Schnittstellen koordinieren?
Hat er passende Referenzen für vergleichbare Projekte?
Versteht er Anforderungen an Nachhaltigkeit, Sicherheit, Digitalisierung oder Dokumentation?

Projektfähigkeit wird damit zu einem der wichtigsten Datenpunkte für AI-basierte Empfehlungen.

Auftragsfähigkeit: Kann der Betrieb den Auftrag zuverlässig ausführen?

Auftragsfähigkeit geht noch einen Schritt weiter. Sie fragt nicht nur, ob ein Betrieb fachlich geeignet ist, sondern ob er einen konkreten Auftrag organisatorisch und operativ erfüllen kann.

Dazu gehören Kapazität, Verfügbarkeit, Teamstruktur, Maschinen, Materialzugang, regionale Einsatzfähigkeit, Prozesse, Termintreue und Zuverlässigkeit.

Ein Betrieb kann grundsätzlich sehr kompetent sein, aber für einen bestimmten Auftrag nicht verfügbar, zu klein, zu weit entfernt oder organisatorisch nicht passend.

Auftragsfähigkeit beantwortet deshalb Fragen wie:

Kann der Betrieb die geforderte Leistung im gewünschten Zeitraum erbringen?
Hat er die nötigen Teams, Maschinen und Partner?
Kann er mit der Projektgrösse umgehen?
Hat er stabile Lieferanten und klare Prozesse?
Ist er für die Anforderungen des Auftraggebers geeignet?

In einer AI-Welt wird genau diese Ebene immer wichtiger.

Referenzen: Der Beweis, dass der Betrieb es schon konnte

Referenzen sind der Praxisbeweis. Sie zeigen, was ein Betrieb tatsächlich umgesetzt hat.

In der alten Online-Welt waren Referenzen oft schöne Bilder, kurze Texte oder Projektgalerien. In der neuen AI-Welt werden sie zu strukturierten Datenpunkten.

Eine intelligente Referenz zeigt nicht nur ein abgeschlossenes Projekt. Sie kann Auskunft geben über Projektart, Umfang, Region, Leistungen, Materialien, Komplexität, Kundensegment, besondere Anforderungen und Projektergebnis.

Damit wird sie für AI-Agents und Auftraggeber viel wertvoller.

Hat ein Betrieb ähnliche Projekte bereits realisiert?
Gab es vergleichbare Anforderungen?
Waren ähnliche Materialien, Technologien oder Skills im Einsatz?
Passt die Referenz zum neuen Projekt?

Je besser Referenzen strukturiert sind, desto stärker werden sie zum Matching-Signal.

Rating: Aus vielen Signalen entsteht ein vergleichbares Gesamtbild

Ratings werden in der AI-Welt besonders wichtig, weil sie nicht nur eine Zahl darstellen. Ein gutes Rating verdichtet viele einzelne Signale zu einem verständlichen und vergleichbaren Gesamtbild.

Dazu gehören nicht nur Bewertungen oder Sichtbarkeit, sondern auch Informationen zu Angebot, Skills, Spezialisierungen, Referenzen, Lehrbetrieb-Status, ESG- und Nachhaltigkeitssignalen, Soft Skills, Marktpräsenz, Datenqualität, Beliebtheit im Vergleich, Betriebsstruktur, Mitarbeitergrösse, Projektfähigkeit und Auftragsfähigkeit.

Gerade im Bau und Handwerk ist das entscheidend. Ein Betrieb ist nicht einfach ein Anbieter in einer Kategorie. Er hat bestimmte Fähigkeiten, eine bestimmte Arbeitsweise, eine bestimmte Kultur, eine bestimmte Grösse, bestimmte Projektstärken und unterschiedliche Vertrauenssignale.

Im Schweizer Baubranchen Index (SBI) werden Betriebe laufend vergleichbar. Der SBI macht sichtbar, wie ein Betrieb im Marktumfeld eingeordnet werden kann: fachlich, regional, strukturell, qualitativ und im Vergleich zu anderen Anbietern.

handwerkerGPT baut darauf eine erklärende Schicht. Aus Daten, Signalen, Ratings, Referenzen, Projektfähigkeit, Auftragsfähigkeit, Betriebsstruktur und Mitarbeitergrösse entsteht ein Gesamtbild, das Menschen, Maschinen und AI-Agents lesen, verstehen und vergleichen können.

Damit wird aus einzelnen Datenpunkten eine erklärbare Einordnung:

Was bietet der Betrieb an?
Welche Skills sind erkennbar?
Welche Referenzen passen dazu?
Wie beliebt ist der Betrieb im Vergleich?
Ist der Betrieb Lehrbetrieb?
Gibt es ESG- oder Nachhaltigkeitssignale?
Welche Soft Skills und Qualitätsmerkmale sind sichtbar?
Welche Betriebsstruktur und Mitarbeitergrösse sind erkennbar?
Für welche Projekte und Aufträge wirkt der Betrieb geeignet?

Damit wird das Rating zu einer echten Orientierungsschicht. Es hilft nicht nur Menschen bei der Auswahl, sondern liefert auch Maschinen und AI-Agents strukturierte Signale, um Betriebe besser zu verstehen, zu vergleichen und in Zukunft vollautomatisiert in Agentic Workflows einzuordnen.

Warum AI-Agents diese Daten brauchen

AI-Agents werden künftig nicht einfach Webseiten durchsuchen und eine Liste ausspucken. Sie werden Projektanforderungen analysieren, Anbieter vergleichen und Empfehlungen begründen.

Dafür brauchen sie saubere Daten.

Ein AI-Agent fragt nicht nur:

Wer ist in der Nähe?
Sondern: Wer passt zur Aufgabe?
Wer hat passende Referenzen?
Wer verfügt über die nötigen Skills?
Wer ist für diese Projektgrösse geeignet?
Wer wirkt vertrauenswürdig?
Wer kann den Auftrag zuverlässig ausführen?

Ohne strukturierte Projektfähigkeiten, Auftragsfähigkeiten, Referenzen und Ratings bleibt die Empfehlung unscharf. Mit diesen Daten wird echtes Matching möglich.

Warum Netzwerke und Empfehlungen an Bedeutung verlieren

Heute basiert die Auswahl von Bau- und Handwerksbetrieben oft auf bestehenden Netzwerken, persönlichen Empfehlungen, alten Lieferantenlisten oder manueller Recherche. Das hat lange funktioniert, stösst aber in einer AI- und Datenwelt zunehmend an Grenzen.

Netzwerke und Empfehlungen sind oft subjektiv, schwer messbar und nur begrenzt skalierbar. Sie hängen davon ab, wen man kennt, welche Erfahrungen einzelne Personen gemacht haben und wie viel Zeit für Abklärungen zur Verfügung steht.

Gerade bei komplexen Projekten, mehreren Standorten, ESG-Anforderungen, engen Zeitplänen oder neuen Spezialthemen wird diese Art der Auswahl schnell aufwändig und unvollständig.

Mit AI-Agents und strukturierten Branchendaten verändert sich diese Logik. Künftig wird nicht mehr nur gefragt: Wen kennen wir?

Sondern: Welcher Betrieb passt aufgrund von Daten, Referenzen, Fähigkeiten, Rating, Region und Projektanforderung am besten?

Warum das für den Immobilienmarkt ein Gamechanger ist

Auch der Immobilienmarkt wird davon direkt betroffen sein. Immobilienbesitzer, Verwaltungen, Asset Manager, Architekturbüros, Investoren und Bauherren stehen regelmässig vor derselben Herausforderung: Sie brauchen die richtigen Betriebe für die richtigen Projekte.

Bei Sanierungen, Umbauten, Unterhalt, Energieoptimierungen, Gebäudetechnik, Gartenanlagen, Fassaden, Dacharbeiten, Innenausbau oder Spezialprojekten ist die Auswahl des passenden Betriebs entscheidend.

Ein Immobilienverwalter könnte künftig fragen: Welcher Betrieb passt am besten zu einer energetischen Sanierung eines Mehrfamilienhauses in dieser Region?

Ein Architekt könnte fragen: Welche Gartenbauunternehmen haben Erfahrung mit biodiversen Grünräumen, grösseren Erdbewegungen und anspruchsvoller Begrünungsplanung?

Ein Asset Manager könnte fragen: Welche Handwerksbetriebe sind für wiederkehrende Unterhaltsaufträge über mehrere Standorte geeignet?

Die Antwort wird künftig nicht mehr primär aus Bauchgefühl, alten Kontakten oder subjektiven Empfehlungen entstehen. Sie wird zunehmend aus begründeten, nachvollziehbaren und datenbasierten Matchings bestehen.

Vom Branchenverzeichnis zur Matching-Infrastruktur

Damit verändert sich die Rolle digitaler Plattformen. Klassische Branchenverzeichnisse beantworten vor allem die Frage: Wer existiert und wo finde ich die Kontaktdaten?

Die nächste Generation muss eine andere Frage beantworten:

Wer passt warum zu welchem Projekt?

Dafür braucht es mehr als Adressen und Telefonnummern. Es braucht strukturierte Daten, vernetzte Referenzen, Fähigkeiten, Ratings, Trust-Signale und AI-lesbare Informationen.

Das ist der Schritt von der Auffindbarkeit zur Matchfähigkeit.

Was das für handwerker.ch bedeutet

handwerker.ch entwickelt sich genau in diese Richtung. Mit dem Schweizer Baubranchen Index, handwerkerGPT, strukturierten Firmenprofilen, Referenzen, Projektfähigkeiten, Auftragsfähigkeiten und Ratings entsteht eine neue Daten- und Orientierungsschicht für die Schweizer Bau- und Handwerksbranche.

Ziel ist nicht nur, Betriebe sichtbar zu machen. Ziel ist, Betriebe verständlich, vergleichbar und matchfähig zu machen.

Für Menschen. Für Suchmaschinen. Für Maschinen. Für AI-Agents. Und für automatisierte Agentic Workflows.

Wenn ein Auftraggeber künftig eine komplexe Anfrage stellt, soll nicht einfach irgendein Betrieb erscheinen. Es sollen jene Betriebe identifiziert werden, die aufgrund ihrer Daten, Referenzen, Fähigkeiten, Ratings, Betriebsstruktur und Projektpassung am besten zum Auftrag passen.