Netzwerk-Rahmenvereinbarungen 2026_LfSt

CPV codes

Description

Das Bayerische Landesamt für Steuern (BayLfSt) mit seinem Bereich Information und Kommunikation (IuK) ist als IT-Dienstleister für alle bayerischen Finanzämter sowie große Teile der bayerischen Justiz tätig. Hierfür betreibt das BayLfSt ein Rechenzentrum an mehreren Standorten im Raum Nürnberg sowie im Großraum München. Im Rahmen mehrerer Projekte und Vorhaben wird die bestehende Netzwerkinfrastruktur vollständig oder in Teilen erneuert. Dies betrifft insbesondere den Neubau eines Rechenzentrums im Co‑Location‑Modell in Nürnberg, die Modernisierung von bis zu 200 Standorten der bayerischen Finanzämter sowie das Lifecycle-Management im Betrieb des bundesweit genutzten Services ELSTER. Insbesondere für das neu zu errichtende Datacenter-Netzwerk (Projekt „NEPTUN‑RZ“) sind in den Jahren 2026 und 2027 umfangreiche Investitionen in Hard- und Software erforderlich. In einem Vergabeverfahren sollen hierzu die Voraussetzungen geschaffen werden, die benötigten Leistungen über Rahmenvereinbarungen in vier Losen abrufen zu können. Gegenstand des Vergabeverfahrens sind die für die vorgenannten Bereiche erforderlichen Komponenten und Leistungen. Diese stammen von mehreren Herstellern und werden im Wege einer losweisen Vergabe mit dem Ziel ausgeschrieben, Rahmenvereinbarungen für Einzelabrufe abzuschließen: LOS 1: Hardware, Software, Lizenzen, Support der Firma Cisco Systems Inc. LOS 2: Produkte zum Betrieb von DHCP/DNS/IPAM der Firma Infoblox Inc. LOS 3: Akamai Guardicore Segmentation der Firma Akamai Technologies Inc. LOS 4: HashiCorp Boundary und Terraform der Firma HashiCorp Inc. Darüber hinaus werden – losabhängig – damit verbundene Services, Installations-, Erstinbetriebnahme-, Schulungs- und Supportleistungen vergeben. Die Laufzeit der Rahmenvereinbarungen für die jeweiligen Lose betragen jeweils 24 Monate mit jeweils zwei optionalen Verlängerungen um jeweils 12 Monate. Die maximale Gesamtlaufzeit je Rahmenvereinbarung beträgt somit 48 Monate.

Similar tenders

Closest by meaning — across languages, via embeddings.

Source

View the official notice on TED ↗