Expected versus Unexpected Non-Competition: A Corruption-Risk Approach to Public Procurement in Spain
Dieses Paper stellt ein auf maschinellem Lernen basierendes Framework unter Verwendung spanischer öffentlicher Beschaffungsdaten vor, um zwischen erwartetem und unerwartetem Nichtwettbewerb zu unterscheiden und dadurch eine verfeinerte, die Falsch-Positiv-Rate reduzierende Proxy für Korruptionsrisiken zu schaffen, die strukturelle Markt- und institutionelle Faktoren berücksichtigt.
Originalarbeit lizenziert unter CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/). Dies ist eine KI-generierte Erklärung des untenstehenden Papers. Sie wurde nicht von den Autoren verfasst oder gebilligt. Für technische Genauigkeit konsultieren Sie das Originalpaper. Vollständigen Haftungsausschluss lesen
Die öffentliche Beschaffung ist der Prozess, durch den Regierungen die Güter, Dienstleistungen und die Infrastruktur erwerben, die benötigt werden, um ein Land zu führen – vom Bau von Straßen bis hin zur Versorgung von Krankenhäusern. Da diese Verträge enorme Summen bewegen und komplexen Regeln unterliegen, sind sie ein häufiges Ziel für Korruption. Eines der verbreitetsten Warnsignale dafür, dass etwas nicht stimmt, ist ein Mangel an Wettbewerb. Wenn eine Regierung Angebote für ein Projekt einfordert, produziert ein gesunder Markt normalerweise mehrere Unternehmen, die um die Arbeit konkurrieren. Wenn nur ein einziges Unternehmen erscheint oder wenn der Bieterprozess geheim gehalten wird, deutet dies oft darauf hin, dass der Vertrag zugunsten eines bestimmten Lieferanten manipuliert wurde. Jahrelang haben sich Prüfer und Wächter auf einfache Listen dieser Warnsignale verlassen, die als „Red Flags“ bekannt sind, um verdächtige Geschäfte aufzuspüren. Diese Listen haben jedoch einen großen Mangel: Sie können nicht zwischen einem Vertrag unterscheiden, der verdächtig wenig wettbewerbsorientiert ist, und einem, der schlichtweg aus legitimen Gründen wenig wettbewerbsorientiert ist, wie etwa bei einem spezialisierten Markt, in dem nur wenige Unternehmen existieren, oder einem komplexen Projekt, das potenzielle Bieter abschreckt. Diese Verwechslung führt zu vielen Fehlalarmen und verschwendet Zeit und Ressourcen für Verträge, die eigentlich sauber sind.
Um dieses Problem zu lösen, wandten sich die Forscher Iván Pastor-Sanz und Félix J. López-Iturriaga an eine gewaltige Datensammlung aus Spanien und analysierten 393.631 öffentliche Ausschreibungen, die zwischen 2018 und 2024 vergeben wurden. Anstatt eine statische Checkliste zu verwenden, entwickelten sie ein Computermodell, das aus der Historie dieser Verträge lernt, um zu verstehen, was ein „normales“ Maß an Wettbewerb für eine gegebene Situation darstellt. Das Modell berücksichtigt Details, die vor der Vergabe eines Auftrags verfügbar sind, wie die Art der durchzuführenden Arbeiten, die spezifischen Regeln zur Auswahl des Gewinners und die Region, in der sich das Projekt befindet. Durch die Untersuchung dieser Faktoren berechnet das Modell die erwartete Wahrscheinlichkeit, dass eine Ausschreibung weniger als drei Gebote anzieht. Es vergleicht diese Erwartung dann mit dem, was tatsächlich geschah. Wenn ein Vertrag sehr wenige Gebote erhält, obwohl das Modell prognostiziert hatte, dass er viele Gebote anziehen sollte, wird diese Lücke als unerwartete Anomalie markiert. Dieser Ansatz ermöglicht es den Beamten, das Rauschen normaler Marktbedingungen vom Signal potenzieller Korruption zu trennen.
Die Forscher fanden heraus, dass die wichtigsten Faktoren dafür, ob ein Vertrag viele Gebote oder nur eines erhält, nicht die Höhe des Geldbetrags sind, sondern die Art des Projekts und die Regeln, nach denen der Bieterprozess durchgeführt wird. Der spezifische Wirtschaftssektor, wie etwa das Baugewerbe oder IT-Dienstleistungen, erklärte fast die Hälfte der Variation in den Wettbewerbsniveaus. Die Art des Verfahrens, mit dem der Auftrag vergeben wurde, war der zweitstärkste Prädiktor. Dies bestätigt eine lang gehegte Sichtweise in der Politikwissenschaft, wonach die Menge an Freiheit oder Ermessensspielraum, die Regierungsbeamten bei der Gestaltung des Bieterverfahrens eingeräumt wird, die Gelegenheit zur Bevorzugung direkt mitgestaltet. Verträge, die über Verfahren vergeben wurden, die es Beamten erlauben, direkt mit Lieferanten zu verhandeln, ohne öffentliche Bekanntmachung, wiesen mit viel größerer Wahrscheinlichkeit einen geringen Wettbewerb auf, aber das Modell zeigte, dass dies oft ein erwartetes Ergebnis der Regeln war und nicht notwendigerweise ein Beweis für eine Straftat.
Der wahre Wert dieser Arbeit liegt in ihrer Fähigkeit, Fehlalarme herauszufiltern. Indem sie sich nur auf die Verträge konzentrierten, bei denen der tatsächliche Wettbewerb signifikant niedriger war als vom Modell erwartet, identifizierten die Forscher eine winzige, höchst verdächtige Gruppe von Ausschreibungen. Von fast 400.000 Verträgen markierte das Modell gerade einmal 2.195 Fälle, also etwa 0,56 Prozent, als unerwartet wenig wettbewerbsorientiert. Dies sind die Geschäfte, die die engste Prüfung verdienen, weil sie stark von der Norm für ihren spezifischen Typ und Standort abweichen. Die Studie zeigte, dass diese markierten Fälle stark mit anderen etablierten Maßen für Korruptionsrisiken korrelierten, was darauf hindeutet, dass das Modell echte Integritätsprobleme korrekt identifiziert und nicht nur zufälliges Rauschen. Diese Methode bietet eine Möglichkeit für Aufsichtsbehörden, von einer Reaktion auf jeden Vertrag mit wenigen Bietern zu einem proaktiven Targeting der spezifischen wenigen Fälle überzugehen, bei denen das Risiko am höchsten ist, um sicherzustellen, dass begrenzte Prüfressourcen dort eingesetzt werden, wo sie den größten Nutzen bringen.
Die Ergebnisse legen nahe, dass ein geringer Wettbewerb zwar ein nützlicher Indikator ist, aber nicht allein ein perfekter ist. Die Studie beweist nicht, dass jeder markierte Vertrag korrupt ist, aber sie liefert ein wesentlich schärferes Werkzeug, um sie zu finden. Indem sie zwischen dem erwarteten Mangel an Wettbewerb durch Marktrealitäten und dem unerwarteten Mangel an Wettbewerb unterscheidet, der auf unlautere Absichten hindeutet, hilft dieser Ansatz Regierungen dabei, den massiven Fluss öffentlicher Gelder mit größerer Präzision zu verwalten. Während Spanien weiterhin Milliarden Euro an Wiederaufbaugeldern von der Europäischen Union erhält, ist die Fähigkeit, diese Verträge effektiv zu überwachen, wichtiger denn je. Die Forschung zeigt, dass die Nutzung von Daten, um den Kontext eines Geschäfts zu verstehen, weita-hin leistungsfähiger ist als das bloße Zählen der Anzahl der Bieter, und bietet einen klareren Weg zu Transparenz und Rechenschaftspflicht bei der öffentlichen Ausgabenpolitik.
Ertrinken Sie in Arbeiten in Ihrem Fachgebiet?
Erhalten Sie tägliche Digests der neuesten Arbeiten passend zu Ihren Forschungsbegriffen — mit technischen Zusammenfassungen, in Ihrer Sprache.