Bei der Standortsuche für ein nukleares Endlager ist die Qualität und Güte der zur Verfügung stehenden geowissenschaftlichen Daten und Informationen von entscheidender Bedeutung. Gleiches gilt aber auch für die Evaluierung und Interpretation dieser Daten. Die verfügbaren Informationen und Datensätze stammen aus zahlreichen, unterschiedlichen wissenschaftlichen Disziplinen und sind verschiedenen Ursprungs (z. B. Labor-, Felddaten, synthetisch generierte Datensätze) und decken sowohl, räumlich, als auch zeitlich große Skalenbereiche ab. Neben der daraus resultierenden Herausforderung die großen, heterogenen Datenmengen zu verarbeiten, hat die Bestimmung von Ungewissheiten in den verschiedenen Prozessschritten des Standortauswahlverfahrens einen hohen Stellenwert. Die Beschreibung der Zuverlässigkeit und Gewährleistung der Objektivität der Interpretation geowissenschaftlicher Datensätze kann hier exemplarisch erwähnt werden. Techniken und Anwendungen der künstlichen Intelligenz und des Maschinellen Lernens, die in den letzten Jahren eine enorme Entwicklung erfahren haben und eine immer breitere Anwendung finden, bieten die Möglichkeit aus vorhandenen großen Datenbeständen und Algorithmen Muster und Gesetzmäßigkeiten zu erkennen und alternative Lösungswege zu entwickeln. Selbstlernende oder zu trainierende Neuronale Netze, die die Grundlage der künstlichen Intelligenz darstellen, könnten damit einen Beitrag zu den geowissenschaftlichen Herausforderungen im Rahmen der Standortauswahl liefern. Ziel dieses FoV ist es, einen gründlichen Überblick und eine Bewertung der Anwendbarkeit von KI Methodiken im Standortauswahlverfahren zu erhalten. Das FoV konzentriert sich auf Endlager für hochradioaktive Abfälle. Es soll aber auch einen Ausblick auf die Anwendbarkeit der Methoden auf Endlager für andere radioaktive Abfälle geben.
Deadline
Die Frist für den Eingang der Angebote war 2021-05-26.
Die Ausschreibung wurde veröffentlicht am 2021-04-12.
Anbieter
Die folgenden Lieferanten werden in Vergabeentscheidungen oder anderen Beschaffungsunterlagen erwähnt:
Auftragsbekanntmachung (2021-04-12) Objekt Umfang der Beschaffung
Titel: Forschungs- und Entwicklungsdienste und zugehörige Beratung
Referenznummer: Z 6 - BASE62214/4721E03210
Kurze Beschreibung:
Bei der Standortsuche für ein nukleares Endlager ist die Qualität und Güte der zur Verfügung stehenden geowissenschaftlichen Daten und Informationen von entscheidender Bedeutung. Gleiches gilt aber auch für die Evaluierung und Interpretation dieser Daten. Die verfügbaren Informationen und Datensätze stammen aus zahlreichen, unterschiedlichen wissenschaftlichen Disziplinen und sind verschiedenen Ursprungs (z. B. Labor-, Felddaten, synthetisch generierte Datensätze) und decken sowohl, räumlich, als auch zeitlich große Skalenbereiche ab. Neben der daraus resultierenden Herausforderung die großen, heterogenen Datenmengen zu verarbeiten, hat die Bestimmung von Ungewissheiten in den verschiedenen Prozessschritten des Standortauswahlverfahrens einen hohen Stellenwert. Die Beschreibung der Zuverlässigkeit und Gewährleistung der Objektivität der Interpretation geowissenschaftlicher Datensätze kann hier exemplarisch erwähnt werden.
Techniken und Anwendungen der künstlichen Intelligenz und des Maschinellen Lernens, die in den letzten Jahren eine enorme Entwicklung erfahren haben und eine immer breitere Anwendung finden, bieten die Möglichkeit aus vorhandenen großen Datenbeständen und Algorithmen Muster und Gesetzmäßigkeiten zu erkennen und alternative Lösungswege zu entwickeln. Selbstlernende oder zu trainierende Neuronale Netze, die die Grundlage der künstlichen Intelligenz darstellen, könnten damit einen Beitrag zu den geowissenschaftlichen Herausforderungen im Rahmen der Standortauswahl liefern.
Ziel dieses FoV ist es, einen gründlichen Überblick und eine Bewertung der Anwendbarkeit von KI Methodiken im Standortauswahlverfahren zu erhalten. Das FoV konzentriert sich auf Endlager für hochradioaktive Abfälle. Es soll aber auch einen Ausblick auf die Anwendbarkeit der Methoden auf Endlager für andere radioaktive Abfälle geben.
Bei der Standortsuche für ein nukleares Endlager ist die Qualität und Güte der zur Verfügung stehenden geowissenschaftlichen Daten und Informationen von entscheidender Bedeutung. Gleiches gilt aber auch für die Evaluierung und Interpretation dieser Daten. Die verfügbaren Informationen und Datensätze stammen aus zahlreichen, unterschiedlichen wissenschaftlichen Disziplinen und sind verschiedenen Ursprungs (z. B. Labor-, Felddaten, synthetisch generierte Datensätze) und decken sowohl, räumlich, als auch zeitlich große Skalenbereiche ab. Neben der daraus resultierenden Herausforderung die großen, heterogenen Datenmengen zu verarbeiten, hat die Bestimmung von Ungewissheiten in den verschiedenen Prozessschritten des Standortauswahlverfahrens einen hohen Stellenwert. Die Beschreibung der Zuverlässigkeit und Gewährleistung der Objektivität der Interpretation geowissenschaftlicher Datensätze kann hier exemplarisch erwähnt werden.
Techniken und Anwendungen der künstlichen Intelligenz und des Maschinellen Lernens, die in den letzten Jahren eine enorme Entwicklung erfahren haben und eine immer breitere Anwendung finden, bieten die Möglichkeit aus vorhandenen großen Datenbeständen und Algorithmen Muster und Gesetzmäßigkeiten zu erkennen und alternative Lösungswege zu entwickeln. Selbstlernende oder zu trainierende Neuronale Netze, die die Grundlage der künstlichen Intelligenz darstellen, könnten damit einen Beitrag zu den geowissenschaftlichen Herausforderungen im Rahmen der Standortauswahl liefern.
Ziel dieses FoV ist es, einen gründlichen Überblick und eine Bewertung der Anwendbarkeit von KI Methodiken im Standortauswahlverfahren zu erhalten. Das FoV konzentriert sich auf Endlager für hochradioaktive Abfälle. Es soll aber auch einen Ausblick auf die Anwendbarkeit der Methoden auf Endlager für andere radioaktive Abfälle geben.
Metadaten der Bekanntmachung
Originalsprache: Deutsch 🗣️
Dokumenttyp: Auftragsbekanntmachung
Art des Auftrags: Dienstleistungen
Verordnung: Europäische Union
Gemeinsames Vokabular für öffentliche Aufträge (CPV)
Code: Forschungs- und Entwicklungsdienste und zugehörige Beratung📦 Ort der Leistung
NUTS-Region: Berlin🏙️
Verfahren
Verfahrensart: Offenes Verfahren
Angebotsart: Angebot für alle Lose
Vergabekriterien
Wirtschaftlichstes Angebot
Bei der Standortsuche für ein nukleares Endlager ist die Qualität und Güte der zur Verfügung stehenden geowissenschaftlichen Daten und Informationen von entscheidender Bedeutung. Gleiches gilt aber auch für die Evaluierung und Interpretation dieser Daten. Die verfügbaren Informationen und Datensätze stammen aus zahlreichen, unterschiedlichen wissenschaftlichen Disziplinen und sind verschiedenen Ursprungs (z. B. Labor-, Felddaten, synthetisch generierte Datensätze) und decken sowohl, räumlich, als auch zeitlich große Skalenbereiche ab. Neben der daraus resultierenden Herausforderung die großen, heterogenen Datenmengen zu verarbeiten, hat die Bestimmung von Ungewissheiten in den verschiedenen Prozessschritten des Standortauswahlverfahrens einen hohen Stellenwert. Die Beschreibung der Zuverlässigkeit und Gewährleistung der Objektivität der Interpretation geowissenschaftlicher Datensätze kann hier exemplarisch erwähnt werden.
Bei der Standortsuche für ein nukleares Endlager ist die Qualität und Güte der zur Verfügung stehenden geowissenschaftlichen Daten und Informationen von entscheidender Bedeutung. Gleiches gilt aber auch für die Evaluierung und Interpretation dieser Daten. Die verfügbaren Informationen und Datensätze stammen aus zahlreichen, unterschiedlichen wissenschaftlichen Disziplinen und sind verschiedenen Ursprungs (z. B. Labor-, Felddaten, synthetisch generierte Datensätze) und decken sowohl, räumlich, als auch zeitlich große Skalenbereiche ab. Neben der daraus resultierenden Herausforderung die großen, heterogenen Datenmengen zu verarbeiten, hat die Bestimmung von Ungewissheiten in den verschiedenen Prozessschritten des Standortauswahlverfahrens einen hohen Stellenwert. Die Beschreibung der Zuverlässigkeit und Gewährleistung der Objektivität der Interpretation geowissenschaftlicher Datensätze kann hier exemplarisch erwähnt werden.
Techniken und Anwendungen der künstlichen Intelligenz und des Maschinellen Lernens, die in den letzten Jahren eine enorme Entwicklung erfahren haben und eine immer breitere Anwendung finden, bieten die Möglichkeit aus vorhandenen großen Datenbeständen und Algorithmen Muster und Gesetzmäßigkeiten zu erkennen und alternative Lösungswege zu entwickeln. Selbstlernende oder zu trainierende Neuronale Netze, die die Grundlage der künstlichen Intelligenz darstellen, könnten damit einen Beitrag zu den geowissenschaftlichen Herausforderungen im Rahmen der Standortauswahl liefern.
Techniken und Anwendungen der künstlichen Intelligenz und des Maschinellen Lernens, die in den letzten Jahren eine enorme Entwicklung erfahren haben und eine immer breitere Anwendung finden, bieten die Möglichkeit aus vorhandenen großen Datenbeständen und Algorithmen Muster und Gesetzmäßigkeiten zu erkennen und alternative Lösungswege zu entwickeln. Selbstlernende oder zu trainierende Neuronale Netze, die die Grundlage der künstlichen Intelligenz darstellen, könnten damit einen Beitrag zu den geowissenschaftlichen Herausforderungen im Rahmen der Standortauswahl liefern.
Ziel dieses FoV ist es, einen gründlichen Überblick und eine Bewertung der Anwendbarkeit von KI Methodiken im Standortauswahlverfahren zu erhalten. Das FoV konzentriert sich auf Endlager für hochradioaktive Abfälle. Es soll aber auch einen Ausblick auf die Anwendbarkeit der Methoden auf Endlager für andere radioaktive Abfälle geben.
Ziel dieses FoV ist es, einen gründlichen Überblick und eine Bewertung der Anwendbarkeit von KI Methodiken im Standortauswahlverfahren zu erhalten. Das FoV konzentriert sich auf Endlager für hochradioaktive Abfälle. Es soll aber auch einen Ausblick auf die Anwendbarkeit der Methoden auf Endlager für andere radioaktive Abfälle geben.
Techniken und Anwendungen der künstlichen Intelligenz und des Maschinellen Lernens, die in den letzten Jahren eine enorme Entwicklung erfahren haben und eine immer breitere Anwendung finden, bieten die Möglichkeit aus vorhandenen großen Datenbeständen und Algorithmen Muster und Gesetzmäßigkeiten zu erkennen und alternative Lösungswege zu entwickeln. Selbstlernende oder zu trainierende Neuronale Netze, die die Grundlage der Künstlichen Intelligenz darstellen, könnten damit einen Beitrag zu den geowissenschaftlichen Herausforderungen im Rahmen der Standortauswahl liefern.
Techniken und Anwendungen der künstlichen Intelligenz und des Maschinellen Lernens, die in den letzten Jahren eine enorme Entwicklung erfahren haben und eine immer breitere Anwendung finden, bieten die Möglichkeit aus vorhandenen großen Datenbeständen und Algorithmen Muster und Gesetzmäßigkeiten zu erkennen und alternative Lösungswege zu entwickeln. Selbstlernende oder zu trainierende Neuronale Netze, die die Grundlage der Künstlichen Intelligenz darstellen, könnten damit einen Beitrag zu den geowissenschaftlichen Herausforderungen im Rahmen der Standortauswahl liefern.
Dauer: 14 Monate Ort der Leistung
Hauptstandort oder Erfüllungsort: Berlin
Für den Vertrag findet die ABFE-BMU (Stand: März 2018), und damit auch die VOL/B, Anwendung. Sie beinhaltet u. a. die Regelungen:
— Die Rechnungsstellung kann nach Übergabe und Abnahme der vereinbarten Leistung (Arbeitspakete oder Gesamtleistung) erfolgen. Es werden nur noch elektronische Rechnungen über die ZRE akzeptiert.
— Der Rechnungsbetrag wird binnen 30 Tagen nach Eingang einer prüfbaren Rechnung ausgezahlt.
— Die Zahlung erfolgt bargeldlos.
Die ABFE-BMU sind den Unterlagen beigefügt. Es wird darauf hingewiesen, dass Allgemeine Geschäftsbedingungen des Bieters grundsätzlich ausgeschlossen sind. Es findet das Deutsche Recht Anwendung.
Verfahren
Rechtsgrundlage: 32014L0024
Zeitpunkt des Eingangs der Angebote: 12:00
Sprachen, in denen Angebote oder Teilnahmeanträge eingereicht werden können: Deutsch 🗣️
Gültigkeitsdauer des Angebots: 2021-07-31 📅
Datum der Angebotseröffnung: 2021-05-27 📅
Zeitpunkt der Angebotseröffnung: 10:00
Zusätzliche Informationen: Zwei Vertreter der Auftraggeberin.
Ergänzende Informationen Körper überprüfen
Name: Bundeskartellamt — Vergabekammer des Bundes
Postanschrift: Villemombler Straße 76
Postort: Bonn
Postleitzahl: 53123
Land: Deutschland 🇩🇪
Informationen zu Fristen für Nachprüfungsverfahren:
Zuständig für die Nachprüfung von Vergabeverfahren des Bundes ist das Bundeskartellamt — Vergabekammer des Bundes, Villemombler Straße 76, 53123 Bonn. Gemäß §160 Abs. 3 GWB müssen erkannte Verstöße gegen Vergabevorschriften spätestens innerhalb von 10 Kalendertagen bei der Vergabestelle des Auftraggebers gerügt werden. Verstöße gegen Vergabevorschriften, die sich aus diesem Bekanntmachungstext ergeben, müssen innerhalb der Bewerbungsfrist gerügt werden. Hilft die Vergabestelle der Rüge nicht ab, kann ein Antrag auf Nachprüfung beim Bundeskartellamt unter der o. g. Anschrift nur innerhalb von 15 Kalendertagen nach Eingang der Mitteilung der Auftraggeberin, der Rüge nicht abhelfen zu wollen, gestellt werden, vergl. § 160 Abs. 3 Nr. 4 GWB.
Informationen zu Fristen für Nachprüfungsverfahren
Zuständig für die Nachprüfung von Vergabeverfahren des Bundes ist das Bundeskartellamt — Vergabekammer des Bundes, Villemombler Straße 76, 53123 Bonn. Gemäß §160 Abs. 3 GWB müssen erkannte Verstöße gegen Vergabevorschriften spätestens innerhalb von 10 Kalendertagen bei der Vergabestelle des Auftraggebers gerügt werden. Verstöße gegen Vergabevorschriften, die sich aus diesem Bekanntmachungstext ergeben, müssen innerhalb der Bewerbungsfrist gerügt werden. Hilft die Vergabestelle der Rüge nicht ab, kann ein Antrag auf Nachprüfung beim Bundeskartellamt unter der o. g. Anschrift nur innerhalb von 15 Kalendertagen nach Eingang der Mitteilung der Auftraggeberin, der Rüge nicht abhelfen zu wollen, gestellt werden, vergl. § 160 Abs. 3 Nr. 4 GWB.
Quelle: OJS 2021/S 074-187865 (2021-04-12)
Bekanntmachung über vergebene Aufträge (2021-09-02) Objekt Umfang der Beschaffung
Kurze Beschreibung:
Bei der Standortsuche für ein nukleares Endlager ist die Qualität und Güte der zur Verfügung stehenden geowissenschaftlichen Daten und Informationen von entscheidender Bedeutung. Gleiches gilt aber auch für die Evaluierung und Interpretation dieser Daten. Die verfügbaren Informationen und Datensätze stammen aus zahlreichen, unterschiedlichen wissenschaftlichen Disziplinen und sind verschiedenen Ursprungs (z.B. Labor-, Felddaten, synthetisch generierte Datensätze) und decken sowohl, räumlich, als auch zeitlich große Skalenbereiche ab. Neben der daraus resultierenden Herausforderung die großen, heterogenen Datenmengen zu verarbeiten, hat die Bestimmung von Ungewissheiten in den verschiedenen Prozesschritten des Standortauswahlverfahrens einen hohen Stellenwert. Die Beschreibung der Zuverlässigkeit und Gewährleistung der Objektivität der Interpretation geowissenschaftlicher Datensätze kann hier exemplarisch erwähnt werden.
Techniken und Anwendungen der künstlichen Intelligenz und des Maschinellen Lernens, die in den letzten Jahren eine enorme Entwicklung erfahren haben und eine immer breitere Anwendung finden, bieten die Möglichkeit aus vorhandenen großen Datenbeständen und Algorithmen Muster und Gesetzmäßigkeiten zu erkennen und alternative Lösungswege zu entwickeln. Selbstlernende oder zu trainierende Neuronale Netze, die die Grundlage der Künstlichen Intelligenz darstellen, könnten damit einen Beitrag zu den geowissenschaftlichen Herausforderungen im Rahmen der Standortauswahl liefern.
Ziel dieses FoV ist es, einen gründlichen Überblick und eine Bewertung der Anwendbarkeit von KI Methodiken im Standortauswahlverfahren zu erhalten. Das FoV konzentriert sich auf Endlager für hochradioaktive Abfälle. Es soll aber auch einen Ausblick auf die Anwendbarkeit der Methoden auf Endlager für andere radioaktive Abfälle geben.
Bei der Standortsuche für ein nukleares Endlager ist die Qualität und Güte der zur Verfügung stehenden geowissenschaftlichen Daten und Informationen von entscheidender Bedeutung. Gleiches gilt aber auch für die Evaluierung und Interpretation dieser Daten. Die verfügbaren Informationen und Datensätze stammen aus zahlreichen, unterschiedlichen wissenschaftlichen Disziplinen und sind verschiedenen Ursprungs (z.B. Labor-, Felddaten, synthetisch generierte Datensätze) und decken sowohl, räumlich, als auch zeitlich große Skalenbereiche ab. Neben der daraus resultierenden Herausforderung die großen, heterogenen Datenmengen zu verarbeiten, hat die Bestimmung von Ungewissheiten in den verschiedenen Prozesschritten des Standortauswahlverfahrens einen hohen Stellenwert. Die Beschreibung der Zuverlässigkeit und Gewährleistung der Objektivität der Interpretation geowissenschaftlicher Datensätze kann hier exemplarisch erwähnt werden.
Techniken und Anwendungen der künstlichen Intelligenz und des Maschinellen Lernens, die in den letzten Jahren eine enorme Entwicklung erfahren haben und eine immer breitere Anwendung finden, bieten die Möglichkeit aus vorhandenen großen Datenbeständen und Algorithmen Muster und Gesetzmäßigkeiten zu erkennen und alternative Lösungswege zu entwickeln. Selbstlernende oder zu trainierende Neuronale Netze, die die Grundlage der Künstlichen Intelligenz darstellen, könnten damit einen Beitrag zu den geowissenschaftlichen Herausforderungen im Rahmen der Standortauswahl liefern.
Ziel dieses FoV ist es, einen gründlichen Überblick und eine Bewertung der Anwendbarkeit von KI Methodiken im Standortauswahlverfahren zu erhalten. Das FoV konzentriert sich auf Endlager für hochradioaktive Abfälle. Es soll aber auch einen Ausblick auf die Anwendbarkeit der Methoden auf Endlager für andere radioaktive Abfälle geben.
Gesamtwert des Auftrags: 230309.88 EUR 💰
Metadaten der Bekanntmachung
Dokumenttyp: Bekanntmachung über vergebene Aufträge
Bei der Standortsuche für ein nukleares Endlager ist die Qualität und Güte der zur Verfügung stehenden geowissenschaftlichen Daten und Informationen von entscheidender Bedeutung. Gleiches gilt aber auch für die Evaluierung und Interpretation dieser Daten. Die verfügbaren Informationen und Datensätze stammen aus zahlreichen, unterschiedlichen wissenschaftlichen Disziplinen und sind verschiedenen Ursprungs (z.B. Labor-, Felddaten, synthetisch generierte Datensätze) und decken sowohl, räumlich, als auch zeitlich große Skalenbereiche ab. Neben der daraus resultierenden Herausforderung die großen, heterogenen Datenmengen zu verarbeiten, hat die Bestimmung von Ungewissheiten in den verschiedenen Prozesschritten des Standortauswahlverfahrens einen hohen Stellenwert. Die Beschreibung der Zuverlässigkeit und Gewährleistung der Objektivität der Interpretation geowissenschaftlicher Datensätze kann hier exemplarisch erwähnt werden.
Bei der Standortsuche für ein nukleares Endlager ist die Qualität und Güte der zur Verfügung stehenden geowissenschaftlichen Daten und Informationen von entscheidender Bedeutung. Gleiches gilt aber auch für die Evaluierung und Interpretation dieser Daten. Die verfügbaren Informationen und Datensätze stammen aus zahlreichen, unterschiedlichen wissenschaftlichen Disziplinen und sind verschiedenen Ursprungs (z.B. Labor-, Felddaten, synthetisch generierte Datensätze) und decken sowohl, räumlich, als auch zeitlich große Skalenbereiche ab. Neben der daraus resultierenden Herausforderung die großen, heterogenen Datenmengen zu verarbeiten, hat die Bestimmung von Ungewissheiten in den verschiedenen Prozesschritten des Standortauswahlverfahrens einen hohen Stellenwert. Die Beschreibung der Zuverlässigkeit und Gewährleistung der Objektivität der Interpretation geowissenschaftlicher Datensätze kann hier exemplarisch erwähnt werden.
Verfahren Vergabekriterien
Qualitätskriterium (Bezeichnung): Qualität - Erfüllung der inhaltlichen Ziele der LB
Qualitätskriterium (Gewichtung): 30
Qualitätskriterium (Bezeichnung): Zweckmäßigkeit - Eignung der Methoden zur Erreichung der Ziele der LB
Detaillierungs-grad und Nach-vollziehbarkeit des Angebotes
Qualitätskriterium (Gewichtung): 10
Preis (Gewichtung): 30
Auftragsvergabe
Datum des Vertragsabschlusses: 2021-07-30 📅
Name: Öko-Institut e.V.
Postort: Freiburg
Land: Deutschland 🇩🇪 Freiburg im Breisgau, Stadtkreis🏙️
Gesamtwert des Auftrags: 230309.88 EUR 💰
Informationen über Ausschreibungen
Anzahl der eingegangenen Angebote: 5
Ergänzende Informationen Körper überprüfen
Name: Bundeskartellamt - Vergabekammer des Bundes
Informationen zu Fristen für Nachprüfungsverfahren:
Genaue Angaben zu den Fristen für die Einlegung von Rechtsbehelfen:
Zuständig für die Nachprüfung von Vergabeverfahren des Bundes ist das Bundeskartellamt - Vergabekammer des Bundes, Villemombler Straße 76, 53123 Bonn. Gemäß §160 Abs. 3 GWB müssen erkannte Verstöße gegen Vergabevorschriften spätestens innerhalb von zehn Kalendertagen bei der Vergabestelle des Auftraggebers gerügt werden. Verstöße
Informationen zu Fristen für Nachprüfungsverfahren
Zuständig für die Nachprüfung von Vergabeverfahren des Bundes ist das Bundeskartellamt - Vergabekammer des Bundes, Villemombler Straße 76, 53123 Bonn. Gemäß §160 Abs. 3 GWB müssen erkannte Verstöße gegen Vergabevorschriften spätestens innerhalb von zehn Kalendertagen bei der Vergabestelle des Auftraggebers gerügt werden. Verstöße
gegen Vergabevorschriften, die sich aus diesem Bekanntmachungstext ergeben, müssen innerhalb der Bewerbungsfrist gerügt werden. Hilft die Vergabestelle der Rüge nicht ab, kann ein Antrag auf Nachprüfung beim Bundeskartellamt unter der o.g. Anschrift nur innerhalb von 15 Kalendertagen nach Eingang der Mitteilung der Auftraggeberin, der Rüge nicht abhelfen zu wollen, gestellt werden, vergl. § 160 Abs. 3 Nr. 4 GWB.
Informationen zu Fristen für Nachprüfungsverfahren
gegen Vergabevorschriften, die sich aus diesem Bekanntmachungstext ergeben, müssen innerhalb der Bewerbungsfrist gerügt werden. Hilft die Vergabestelle der Rüge nicht ab, kann ein Antrag auf Nachprüfung beim Bundeskartellamt unter der o.g. Anschrift nur innerhalb von 15 Kalendertagen nach Eingang der Mitteilung der Auftraggeberin, der Rüge nicht abhelfen zu wollen, gestellt werden, vergl. § 160 Abs. 3 Nr. 4 GWB.