A large language model (LLM)-based framework for bid/no-bid decision support in construction public procurement: Validated on romanian tenders

İnşaat kamu ihalelerinde teklif verme / vermeme karar desteği için büyük dil modeli (LLM) tabanlı bir çerçeve: Romanya ihaleleri üzerinde doğrulama

Tez No: 1019841
Yazar: ELİF GÜLİN PETEK
Danışmanlar: DOÇ. DR. ONUR BEHZAT TOKDEMİR
Tez Türü: Yüksek Lisans
Konular: İnşaat Mühendisliği, Civil Engineering
Anahtar Kelimeler: Belirtilmemiş.
Yıl: 2026
Dil: İngilizce
Üniversite: İstanbul Teknik Üniversitesi
Enstitü: Lisansüstü Eğitim Enstitüsü
Ana Bilim Dalı: İnşaat Mühendisliği Ana Bilim Dalı
Bilim Dalı: Yapı İşletmesi Bilim Dalı
Sayfa Sayısı: Belirtilmemiş.

Özet

Kamu alımları, devletlerin kamu kaynaklarını tahsis ettiği ve mal, hizmet ve yapım işlerini yapılandırılmış, şeffaf ve düzenlenmiş bir şekilde temin ettiği kritik bir kurumsal mekanizmayı temsil etmektedir. İnşaat kamu alımları, yapım projelerinin gerçekleştirilmesinde merkezi bir rol oynamakta olup, kamu idarelerinin işlerin yürütülmesi amacıyla yüklenicilerle etkileşime geçtiği temel mekanizmayı oluşturmaktadır. Bu bağlamda, altyapı ve büyük ölçekli kamu projeleri genellikle katı düzenleyici çerçeveler tarafından yönetilen yapılandırılmış ihale süreçleri aracılığıyla temin edilmektedir. Bu süreçler, İhale Bilgi Dokümanı, İsteklilere Talimatlar, idari ve teknik şartnameler, sözleşme taslakları, ekler, açıklamalar ve proje çizimlerini içeren kapsamlı ihale paketlerinin hazırlanmasını ve değerlendirilmesini içermektedir. Bu ihale dokümanları çoğu zaman oldukça hacimlidir ve büyük inşaat firmaları düzenli olarak çok sayıda ihale daveti almakta; bu durum ise sınırlı karar verme süreleri içinde birden fazla ihale paketinin eş zamanlı olarak değerlendirilmesini gerektirmektedir. Bu dokümanların sıkı teslim süreleri içinde detaylı bir şekilde incelenmesi gerekmekte ve isteklilerin idareye en rekabetçi teklifi sunmaları beklenmektedir. Bu incelemenin manuel olarak gerçekleştirilmesi hem yoğun emek gerektirmekte hem de hataya açıktır. Bu durum özellikle büyük ölçekli altyapı projelerinde daha kritik hale gelmektedir. Karayolu, otoyol, demiryolu ve köprü projeleri gibi yüksek bütçeli kamu yatırımlarında ihale paketleri yüzlerce, hatta binlerce sayfadan oluşabilmekte ve çok sayıda teknik, idari ve sözleşmesel dokümanı aynı anda içermektedir. İhale değerlendirme ekiplerinin bu belgeleri kısa süre içinde analiz etmek zorunda olması, karar verme süreçlerinde bilişsel yükü artırmakta ve hata olasılığını yükseltmektedir. Ayrıca ihale dokümanları arasındaki tutarsızlıkların manuel yöntemlerle tespit edilmesi oldukça zor olmakta ve bu durum teklif hazırlama sürecinde önemli riskler doğurmaktadır. Bunun yanı sıra, kamu alımlarında gerçekleştirilen değerlendirme süreçleri yalnızca teknik uygunluk açısından değil, aynı zamanda finansal sürdürülebilirlik, sözleşmesel yükümlülükler ve proje uygulanabilirliği açısından da kritik öneme sahiptir. Özellikle uluslararası ihalelerde yükleniciler, farklı mevzuatlar, yabancı diller ve ülkeye özgü teknik standartlar nedeniyle daha karmaşık bir karar ortamıyla karşı karşıya kalmaktadır. Bu durum, ihale değerlendirme süreçlerinde dijital araçlara ve veri odaklı karar destek sistemlerine duyulan ihtiyacı daha da artırmaktadır. Kritik önemine rağmen, ihale değerlendirme süreci büyük ölçüde manuel olarak yürütülmekte olup önemli miktarda zaman, uzmanlık ve koordinasyon gerektirmektedir. Bu manuel iş akışlarına olan bağımlılık, tutarsızlıkların ortaya çıkması, önemli hükümlerin gözden kaçırılması ve temel gerekliliklerin yanlış yorumlanması riskini artırmaktadır. Bu zorluk, özellikle ihale dokümanlarının yabancı dillerde hazırlandığı ve alanına özgü hukuki ve teknik terminoloji içerdiği uluslararası kamu alımı bağlamında daha da belirgin hale gelmektedir. Bu koşullar altında, ihale dokümanlarının çevrilmesi, yorumlanması ve değerlendirilmesi süreci ek bilişsel ve operasyonel yükler doğurmaktadır. Sonuç olarak, yükleniciler zamanında ve doğru teklif ver/verme kararları almakta giderek daha fazla zorlanmakta, bu durum doğrudan finansal performanslarını ve stratejik konumlarını etkilemektedir. İnşaat kamu alımlarında karar verme, geniş bir teknik, finansal, sözleşmesel ve organizasyonel faktör yelpazesinden etkilenmektedir ve bu durum literatürde çeşitli analitik ve karar destek yaklaşımlarının geliştirilmesine yol açmıştır. Önceki çalışmalar, karar destek sistemleri, çok kriterli karar verme teknikleri, makine öğrenmesi modelleri ve doğal dil işleme yaklaşımları gibi yöntemleri incelemiştir. Bu katkılar maliyet tahmini, teklif tahmini, doküman sınıflandırması ve risk belirleme gibi belirli görevleri ele almıştır. Bununla birlikte, mevcut literatür parçalı bir yapı göstermekte olup genellikle tekil bileşenlere odaklanmakta ve çok dokümanlı ihale ortamlarını ele alabilecek entegre bir çözüm sunmamaktadır. Özellikle, birden fazla ihale dokümanının tek bir çerçeve altında eşzamanlı olarak analizini ele alan çalışma sayısı sınırlıdır. Ayrıca, yapay zeka alanındaki son gelişmeler, özellikle büyük dil modelleri ve bilgi getirme destekli yaklaşımlar, henüz inşaat kamu alımı iş akışlarına sistematik olarak dahil edilmemiştir. Bunun yanında, mevcut çalışmaların önemli bir bölümü yalnızca belirli görevlerin otomasyonuna odaklanmakta olup, gerçek ihale süreçlerinde ihtiyaç duyulan bütüncül analiz yaklaşımını sağlayamamaktadır. Özellikle çok formatlı doküman yapıları, farklı belge türlerinin birlikte değerlendirilmesi gerekliliği ve bağlamsal bilgi ihtiyacı, geleneksel makine öğrenmesi yöntemlerinin yetersiz kalmasına neden olmaktadır. Bu nedenle, bağlam farkındalığına sahip, çok dokümanlı analiz gerçekleştirebilen ve kullanıcı ile etkileşimli şekilde çalışabilen yeni nesil yapay zeka tabanlı sistemlere ihtiyaç duyulmaktadır. Ayrıca mevcut çalışmaların büyük bölümü, statik veri kümeleri üzerinde gerçekleştirilen deneysel analizlere odaklanmakta ve gerçek dünya ihale süreçlerinde karşılaşılan operasyonel ihtiyaçları yeterince dikkate almamaktadır. Gerçek ihale süreçlerinde dokümanlar sürekli güncellenebilmekte, açıklama dokümanları yayımlanabilmekte ve farklı belge türleri arasında çapraz ilişkiler kurulabilmektedir. Bu nedenle, yalnızca metin sınıflandırmasına dayalı çözümler yerine bağlamı koruyabilen, çok dokümanlı ilişkileri analiz edebilen ve dinamik sorgulara yanıt verebilen gelişmiş sistemlere ihtiyaç duyulmaktadır. Yapay zeka ve doğal dil işleme alanındaki son gelişmeler otomatik metin analizini mümkün kılmış olsa da, inşaat kamu alımının çok dokümanlı karmaşıklığını ele almak üzere özel olarak tasarlanmış çözümler hâlâ sınırlıdır. Bu boşluğu gidermek amacıyla, bu çalışma inşaat kamu alım dokümanlarının otomatik analizi için entegre bir ajan tabanlı yapay zeka çerçevesi önermektedir. Sistem, inceleme süreçlerini hızlandırmak, manuel iş yükünü azaltmak, dil bariyerlerini aşmak ve daha bilinçli, risk odaklı karar vermeyi desteklemek üzere tasarlanmıştır. Sistem, doküman elde etme, çok formatlı metin işleme, anlamsal segmentasyon, gömme tabanlı erişim ve büyük dil modeli tabanlı akıl yürütme bileşenlerini koordineli, çok ajanlı mimari içerisinde bütünleştirmektedir. Bu yapı içerisinde, uzmanlaşmış ajanlar yapılandırılmış veri çıkarımı, kapsamlı proje özetlerinin oluşturulması, dokümanlar arası tutarlılığın doğrulanması, risk belirleme ve teklif verme/vermeme karar desteği gibi temel analitik görevleri yerine getirmektedir. Ayrıca sistem, ihale dokümanlarıyla doğal dil kullanarak etkileşim kurmayı ve bağlama duyarlı yanıtlar almayı mümkün kılan ses tabanlı bir ajan arayüzü içermekte olup, bu sayede erişilebilirliği artırmakta ve ihale değerlendirme sürecinde daha sezgisel bir insan-yapay zeka etkileşimini mümkün kılmaktadır. Önerilen sistem ayrıca çok formatlı ihale dokümanlarını işleyebilecek şekilde tasarlanmıştır. Sistem Portable Document Format (PDF), Office Open XML Document (DOCX), sıkıştırılmış arşiv dosyaları ve dijital imzalı dosyalar gibi farklı doküman formatlarını otomatik olarak işleyebilmekte ve bu dokümanlardan metin çıkarımı gerçekleştirebilmektedir. Elde edilen içerikler anlamsal segmentasyon sürecinden geçirilmekte ve vektör tabanlı bilgi erişim altyapısı ile ilişkilendirilmektedir. Bu yaklaşım, büyük dil modellerinin doğrudan tüm dokümanları işlemeye çalışması yerine yalnızca en ilgili bağlamsal içeriklere odaklanmasını sağlayarak hem doğruluğu artırmakta hem de işlem maliyetini azaltmaktadır. Sistem mimarisi aynı zamanda modüler bir yapı üzerine kurulmuştur. Bu yaklaşım sayesinde farklı büyük dil modelleri, gömme modelleri veya vektör veritabanı çözümleri sisteme entegre edilebilmekte ve ihtiyaçlara göre değiştirilebilmektedir. Böylece önerilen çerçeve yalnızca belirli bir platforma bağlı kalmamakta, aynı zamanda farklı teknolojik altyapılarla birlikte çalışabilecek esnek bir yapı sunmaktadır. Bu durum sistemin sürdürülebilirliğini ve uzun vadeli uygulanabilirliğini artırmaktadır. Yapılandırılmış karar verme sürecini daha da desteklemek amacıyla çalışma, Scopus veritabanı üzerinde gerçekleştirilen kapsamlı bir bibliyometrik analizle başlamış ve inşaat kamu alımları ile dijital teknolojilerin kesişim noktasındaki araştırma eğilimleri ve boşlukları incelemiştir. Bu bulgular doğrultusunda, teklif ver/verme kararına yönelik bir çerçeve, teklif kararlarına ilişkin çalışmaların kapsamlı bir literatür taraması ve bibliyometrik analizi ile geliştirilmiştir. Sanal uzman paneli, bir Büyük Dil Modeli (LLM) olan Llama 3.3 70B üzerine kurulmuş; sistem istemleri aracılığıyla belirli uzman rolleriyle koşullandırılmış ve şirket tarafından sağlanan, kamuya açık web içerikleri bağlam içi referans olarak kullanılarak desteklenmiştir. İlk turda kriterler azaltılmış, ikinci turda ise kalan kriterlerin göreli önemlerini belirlemek amacıyla kriterler Borda yöntemi ile sıralanmıştır. Nihai olarak belirlenen yedi temel kriter, Analitik Hiyerarşi Süreci (AHP) kullanılarak ağırlıklandırılmış ve karar değerlendirmesi için nicel bir temel oluşturulmuştur. Bu ağırlıklar önerilen sisteme entegre edilmiş, büyük dil modelleri ihale dokümanlarını analiz ederek her ihale için risk temelli bir teklif verme/vermeme skoru hesaplamıştır. Kriterlerin belirlenmesi sürecinde hem doğrudan incelenen çalışmaların bulgularından hem de bu çalışmaların literatür taramalarında raporlanan kriterlerden yararlanılmıştır. Literatür taraması sonucunda elde edilen çok sayıdaki kriter arasından en kritik olanlar sanal uzman görüşleri doğrultusunda belirlenmiş; karar verme sürecinde uygulanabilirliği yüksek kriterler ön plana çıkarılmıştır. Böylece geliştirilen karar çerçevesinin yalnızca teorik değil, aynı zamanda sektör uygulamalarına uygun ve pratik açıdan kullanılabilir olması hedeflenmiştir. Önerilen çerçeve, Romanya elektronik kamu alım platformuna (SEAP) dayalı bir durum çalışması aracılığıyla uygulanmış ve doğrulanmıştır. Bu bağlam, açık erişimli ihale verilerinin bulunması, yüksek hacimli dokümantasyon ve yurtdışı ihale koşullarını yansıtan dil bariyerlerinin varlığı nedeniyle seçilmiştir. Sistem gerçek ihale veri setlerine uygulanmış ve çıktıları bir inşaat firmasının geçmiş teklif ver/verme kararlarıyla karşılaştırılmıştır. Değerlendirme sonuçları, önerilen yaklaşımın gerçek karar sonuçlarıyla yüksek düzeyde uyum sağladığını göstermektedir. Model performansı, doğruluk, hassasiyet, duyarlılık ve F1 skoru gibi standart sınıflandırma metrikleri kullanılarak değerlendirilmiş; sistemin karar örüntülerini yakalama ve güvenilir teklif verme/vermeme değerlendirmeleri yapma konusunda etkili olduğu saptanmıştır. Sistem, %89,5 doğruluk oranı, %80,0 hassasiyet, %100,0 duyarlılık ve %88,9 F1-skoru elde etmiştir. Ayrıca, sistemin kullanımı, geleneksel manuel yaklaşımlarla karşılaştırıldığında doküman analizi için gereken sürede önemli bir azalma sağladığını göstermiştir. Ayrıca sistemin çok dokümanlı analiz kapasitesi sayesinde, ihale paketleri içerisindeki farklı belge türleri arasında otomatik karşılaştırmalar gerçekleştirilebilmiş ve olası tutarsızlıklar tespit edilebilmiştir. Bu durum özellikle garanti oranları, yeterlilik kriterleri, ödeme koşulları ve sözleşmesel yükümlülükler gibi kritik parametrelerde ortaya çıkabilecek çelişkilerin erken aşamada belirlenmesine katkı sağlamıştır. Böylece sistem yalnızca bilgi çıkarımı gerçekleştiren bir araç olmanın ötesinde, karar destek ve risk kontrol mekanizması olarak da işlev göstermiştir. Romanya'nın durum çalışması olarak seçilmesi aynı zamanda Avrupa Birliği kamu alımı mevzuatı kapsamında gerçekleştirilen sınır ötesi ihale süreçlerinin incelenebilmesine olanak sağlamıştır. Bu bağlamda sistemin yalnızca teknik doküman analiziyle değil, aynı zamanda farklı dil ve düzenleyici çerçeveler altında yürütülen uluslararası ihale süreçlerinde de uygulanabilirliği değerlendirilmiştir. Böylece önerilen yaklaşımın yalnızca yerel değil, uluslararası kamu alımı ortamlarında da kullanılabilecek potansiyele sahip olduğu gösterilmiştir. Genel olarak bulgular, büyük dil modellerinin ve bilgi getirme destekli üretim yaklaşımlarının inşaat kamu alımı analizinde verimlilik, tutarlılık ve şeffaflığı önemli ölçüde artırabileceğini göstermektedir. Önerilen çerçeve, büyük dil modellerinin birden fazla doküman üzerinde yapılandırılmış analiz gerçekleştirdiği koordineli, çok ajanlı bir sistem aracılığıyla karmaşık ihale dokümantasyonunun otomatik olarak okunmasını ve yorumlanmasını mümkün kılarak literatüre katkı sunmaktadır. Sistem ayrıca yüklenicilerin ihale içeriğiyle doğal ve sezgisel bir şekilde etkileşim kurmasına olanak tanıyan ses tabanlı bir ajan içermekte olup erişilebilirliği ve kullanılabilirliği artırmaktadır. Bu yeteneklerin yapılandırılmış teklif verme/vermeme karar destek mekanizması ile birleştirilmesi, yükleniciler için daha hızlı ve daha güvenilir karar verme süreçlerini desteklemektedir. Ayrıca sistem, doküman analizine ayrılan süreyi azaltmakta ve sınır ötesi ihalelerde yaygın olarak karşılaşılan dil bariyerlerinin aşılmasına yardımcı olmaktadır. Romanya durum çalışmasının ötesinde, önerilen çerçeve farklı kamu alım sistemlerine ve düzenleyici ortamlara uyarlanabilecek ölçeklenebilir ve aktarılabilir bir çözüm sunmakta, inşaat kamu alımlarında daha bilinçli ve veri odaklı karar verme süreçlerini desteklemektedir. Bunun yanı sıra, önerilen sistemin modüler mimarisi farklı elektronik kamu alım platformlarına uyarlanabilecek esnek bir yapı sunmaktadır. Sistem mimarisinin ölçeklenebilir yapısı, gelecekte farklı ülkelere, farklı düzenleyici çerçevelere ve farklı ihale türlerine uyum sağlamayı mümkün kılmaktadır. Aynı zamanda, büyük dil modelleri ve Retrieval-Augmented Generation (RAG) (Getirim Destekli Üretim) tabanlı yaklaşımların inşaat kamu alımları alanındaki uygulanabilirliğini ortaya koyarak, yapay zeka destekli dijital dönüşüm süreçlerine yönelik önemli bir örnek teşkil etmektedir. Sonuç olarak, bu çalışma büyük dil modelleri, RAG tabanlı bilgi erişim mekanizmaları ve çok ajanlı yapay zeka mimarilerinin inşaat kamu alımları alanında uygulanabilirliğini ortaya koymaktadır. Önerilen sistem, karmaşık ihale dokümanlarının daha hızlı, tutarlı ve sistematik bir şekilde analiz edilmesini sağlayarak hem akademik literatüre hem de sektör uygulamalarına katkı sunmaktadır. Ayrıca çalışma, gelecekte yapay zeka destekli kamu alımı sistemlerinin geliştirilmesine yönelik önemli bir temel oluşturmaktadır.

Özet (Çeviri)

Public procurement acts as an essential institutional mechanism through which governments allocate public resources and procure goods, services, and construction works in a structured, transparent, and regulated manner. Construction public procurement plays a central role in the delivery of construction projects, forming the principal mechanism through which public authorities engage contractors for the execution of works. In this context, infrastructure and large-scale public projects are typically procured through structured tendering processes under strict governing frameworks. These processes consist of preparing and evaluating comprehensive tender packages that include the Tender Data Sheet (TDS), Instructions to Tenderers (ITT), administrative and technical specifications, draft contracts, annexes, clarifications, and project drawings. These tender documents are often highly voluminous, and major construction firms regularly receive numerous tender invitations that require simultaneous assessment of multiple procurement packages during constrained decision-making periods. They must be thoroughly reviewed within limited submission periods and bidders are expected to present the most competitive proposal to be awarded the contract by the procuring authority. These operational obstacles significantly increase the complexity of tender evaluation processes and create substantial pressure on contractors during bid preparation. Despite its critical importance, the tender preparation process remains largely manual, requiring significant time, expertise, and coordination. Reviewing the tender documents manually is both labor-intensive and error-prone. Moreover, reliance upon manual workflows increases the risk of inconsistencies, overlooked clauses, and misinterpretation of key requirements. The challenge becomes more pronounced in international procurement contexts, where tender documents are often prepared in foreign languages and include domain-specific legal and technical terminology. Under such conditions, translating, interpreting, and evaluating procurement documents becomes significantly more challenging, creating additional cognitive and operational obstacles for contractors. As a result, contractors face increasing difficulty making timely, well-informed bid/no-bid decisions, which directly affect financial performance and strategic positioning. Due to these increasing complexities and operational problems, researchers have explored various analytical and technology-driven approaches to support decision-making in construction procurement. Decision-making in construction procurement is influenced by a wide range of technical, financial, contractual, and organizational factors leading to the development of various analytical and decision-support approaches. Previous studies have explored methods such as Decision Support Systems (DSSs), Multi-Criteria Decision Making (MCDM) techniques, Machine Learning (ML) models, and Natural Language Processing (NLP) approaches. These contributions have addressed specific tasks including cost estimation, bid prediction, document classification, and risk identification. However, the existing corpus of research remains fragmented, often focusing on isolated components rather than providing an integrated solution capable of handling multi-document procurement environments. In particular, there are few studies that address the simultaneous analysis of multiple tender documents within a unified framework. Furthermore, recent progress in Artificial Intelligence (AI), especially Large Language Models (LLMs) and Retrieval-Augmented Generation (RAG) approaches has not yet been systematically incorporated into construction procurement workflows. In addition, existing studies focus primarily on isolated analytical tasks conducted in controlled research settings rather than in real-world procurement environments. In practice, procurement documents are dynamic, multi-format, and highly interconnected, requiring continuous review across multiple document sources. Consequently, conventional ML approaches often remain insufficient for capturing contextual correlations and supporting holistic tender evaluation processes. These limitations emphasize the need of integrated AI-driven systems capable of performing context-aware, multi-document, and interactive procurement analysis. Although the recent advancements in AI and NLP have enabled automated text analysis, solutions specifically designed to address the multi-document complexity of construction procurement remain limited. To address this gap, this research proposes an integrated Agentic AI framework for the automated analysis of construction public procurement documents. The system is designed to accelerate review processes, reduce manual workload, overcome language barriers and support more informed, risk-aware decision-making. It integrates document retrieval, multi-format text processing, semantic segmentation, embedding-based retrieval, and LLM-driven reasoning within a coordinated multi-agent architecture. Within this structure, specialized agents perform key analytical tasks, including structured data extraction, generation of comprehensive project summaries, cross-document consistency verification, risk identification, and support for bid/no-bid decision-making. In addition, the system incorporates a voice-enabled agent interface that allows contracting companies to interact with tender documents using natural language and receive context-aware responses, facilitating accessibility and enhancing more intuitive human-AI collaboration during tender evaluation. The proposed framework also features a modular, scalable architecture that enables the integration of different language models, embedding models, and vector database technologies according to operational requirements. This modular framework enhances the framework's adaptability across different procurement systems and technological infrastructures. Furthermore, the coordinated interaction between retrieval mechanisms and LLM-based reasoning enables the system to focus on the most relevant contextual information, thereby improving analytical accuracy while reducing unnecessary processing load. In addition to the technical architecture of the proposed system, the study also establishes a structured decision-support methodology to strengthen bid/no-bid evaluation processes. To further support structured decision-making, the study commences with a comprehensive bibliometric analysis conducted on the Scopus database to examine research trends and gaps at the intersection of construction procurement and digital technologies. Subsequently, an additional literature review and bibliometric analysis specifically focusing on bid/no-bid decision criteria is conducted using the Scopus database to identify the factors influencing bidding decisions in construction procurement. During the criteria identification process, both the findings of directly reviewed studies and the criteria reported in previous literature reviews are considered. The criteria identified from the literature are refined using an LLM-based expert panel. The virtual expert panel was built on an LLM (Llama 3.3 70B), role-conditioned via system prompts and grounded on publicly available web content from a construction company. In the first round, the criteria are reduced to preserve clarity and relevance, while in the second round, the shortlisted criteria are ranked using the Borda method to determine their relative importance. The final set of seven key criteria is weighted using the Analytic Hierarchy Process (AHP), providing a quantitative basis for decision evaluation. These weights are integrated into the proposed system, where LLMs analyze tender documents and compute a risk-informed bid/no-bid score for each tender. The proposed framework is implemented and validated through a case study based on the Romanian electronic public procurement platform (SEAP). This context is selected due to the availability of open-access tender data, the large volume of procurement documentation, and the presence of language barriers that represent real-world cross-border tendering conditions. The system is applied to real-life tender datasets, and its outputs are compared with historical bid/no-bid decisions made by a construction company. The evaluation results show that the proposed approach achieves a high level of predictive performance in matching actual decision outcomes. The model's performance is assessed using standard classification metrics, including accuracy, precision, recall, and F1-score, demonstrating its effectiveness in capturing decision patterns and supporting reliable bid/no-bid evaluations. The system achieved an overall accuracy of 89.5%, with a precision of 80.0%, a recall of 100.0%, and an F1-score of 88.9%. The use of the system also resulted in a significant reduction in the time required for document analysis compared to traditional manual approaches. In addition, the framework demonstrated the capability to automatically compare and verify information across different tender documents within a tender package. This functionality enabled the identification of inconsistencies related to guarantee requirements, qualification criteria, payment conditions, and contractual obligations. Accordingly, the system functioned not only as an information-extraction tool but also as a risk-control and decision-support mechanism, enabling more reliable procurement evaluations.These findings demonstrate the practical usefulness of the proposed framework for supporting procurement analysis in real-world settings. Overall, the findings demonstrate that integrating LLMs and RAG can substantially improve the efficiency, consistency, and transparency of construction procurement analysis. The proposed framework contributes to the literature by enabling the automated reading and interpretation of complex tender documentation through a coordinated multi-agent system, in which LLMs perform structured analysis across multiple documents. The system incorporates a voice-enabled agent that enables contractors to interact with tender content in a natural, intuitive manner, further advancing accessibility and usability. By combining these capabilities with a structured bid/no-bid decision-support mechanism, the framework enables faster, more reliable decision-making for contractors. In addition, the system reduces the time required for document analysis and helps overcome language barriers commonly encountered in cross-border tenders. Beyond its application in the Romanian case study, the framework grants a scalable, transferable solution that can be adapted to diverse procurement systems and regulatory contexts, supporting more informed, data-driven decision-making in construction public procurement.

Benzer Tezler

Tez No
1021292
Otizm spektrum bozukluğu olan çocuklar için büyük dil modelleri tabanlı kişiselleştirilmiş sosyal öykü oluşturma asistanı
Design of a large language model (llm) based personalized social story generation assistant for children with autism spectrum disorder
SENA TINKIR
Yüksek Lisans
Türkçe
2026
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol Selçuk Üniversitesi
Bilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. ADEM ALPASLAN ALTUN
Tez No
968378
A proposal for an agent-based framework structure for financial forecasting using large language models
Büyük dil modelleri kullanılarak finansal tahmin için ajan tabanlı bir çerçeve yapısı önerisi
MUHAMMED MUSTAFA AYDIN
Yüksek Lisans
İngilizce
2025
Endüstri ve Endüstri Mühendisliği Marmara Üniversitesi
Endüstri Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ SEMİH ÖZEL
Tez No
977386
Büyük dil modeli entegrasyonu ile kubernetes üzerinde otomatik ölçeklendirme için iş-yükü deseni farkında bir çerçeve geliştirilmesi
Developing a workload pattern-aware framework for auto-scaling on kubernetes with large language model integration
CANBERK DUMAN
Yüksek Lisans
Türkçe
2025
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol Kocaeli Üniversitesi
Bilişim Sistemleri Mühendisliği Ana Bilim Dalı
DOÇ. DR. SÜLEYMAN EKEN
Tez No
955956
Kolorektal kanser tanısı için güvenli çok dilli LLM tabanlı diyalog sistemi: Guardrails ve Monte Carlo risk puanlamasının entegrasyonu
A secure multilingual LLM-based dialogue system for colorectal cancer diagnosis: Integration of guardrails and Monte Carlo risk scoring
ABDURRAHİM KIZILAY
Yüksek Lisans
Türkçe
2024
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol Afyon Kocatepe Üniversitesi
Bilgisayar Ana Bilim Dalı (disiplinlerarası)
DR. ÖĞR. ÜYESİ KEREM GENCER
Tez No
1018837
A large language model based penetration test system implementation
Büyük dil modeli tabanlı sızma testi sistemi uygulaması
TUBA KINIK
Yüksek Lisans
İngilizce
2026
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol İstanbul Teknik Üniversitesi
Bilişim Uygulamaları Ana Bilim Dalı (disiplinlerarası)
DR. ÖĞR. ÜYESİ SÜHA TUNA

Geri Dön