Die grosse Zahl: 38 Prozent
Bis zu 38 Prozent Kosteneinsparung bis 2035: Diese Zahl aus der Studie "KI in der Energiebranche" von m3 management consulting und Fraunhofer IPK ist gross genug, um in Vortraegen, LinkedIn-Posts und Strategiepapieren haengen zu bleiben. Und sie ist wichtig, weil sie etwas sichtbar macht, das viele Stadtwerke zwar spueren, aber noch nicht konsequent in die Steuerung uebersetzen: KI ist kein Randthema der Digitalisierung mehr. Sie beruehrt fast die gesamte energiewirtschaftliche Wertschoepfung.
Die Studie betrachtet nach Angaben von m3 und Fraunhofer IPK mehr als 300 typische Prozesse regionaler und lokaler Energieversorger. Genannt werden unter anderem Netze, Beschaffung, Kundenservice, Vertrieb, kaufmaennische Prozesse und Erzeugung. Das ist kein enger IT-Ausschnitt. Es ist der Querschnitt eines Stadtwerks.
Gerade deshalb lohnt sich eine zweite Frage: Wo entsteht dieses Potenzial wirklich? Nicht abstrakt in "KI". Nicht automatisch durch ein Tool. Sondern an den Stellen, an denen bessere Daten zu besseren Entscheidungen fuehren.
Die kleine Szene: Routinearbeit im Bestandsnetz
Fast zeitgleich ging ein Praxisbericht aus dem Netzbetrieb durch die LinkedIn-Timeline. Eine Hausanschlussleitung sollte vor dem Abriss eines Gebaeudes abgetrennt und auf eine Bausaeule aufgelegt werden. Die laut Netzdokumentation richtige Strecke wurde abgeschaltet. Im Verteilerschrank wurde Spannungsfreiheit festgestellt. Das Gebaeude war verschlossen, also wurde auf Basis der vorhandenen Dokumentation und der oertlichen Situation gearbeitet.
Vor Ort sprach alles dafuer, dass die Hausanschlussleitung auf dem in der Dokumentation angegebenen Netzkabel lag. Dann wurde die Leitung getrennt. Es kam zu einem Lichtbogen.
Das ist kein Beispiel fuer fehlende Sorgfalt. Im Gegenteil: Der Bericht zeigt, wie sorgfaeltiges Arbeiten, Sicherheitsregeln und persoenliche Schutzausruestung Schlimmeres verhindern. Aber er zeigt auch etwas anderes: In gewachsenen Verteilnetzen ist Dokumentation keine administrative Nacharbeit. Sie ist Teil der operativen Sicherheitsarchitektur.
Die Bruecke: KI wirkt nur auf belastbaren Realitaetsmodellen
Genau hier treffen sich die 38-Prozent-Zahl und der Lichtbogen aus der Praxis. Die Studie zeigt den wirtschaftlichen Horizont. Der Praxisbericht zeigt die operative Wahrheit darunter. Stadtwerke koennen nur dann durch KI effizienter werden, wenn ihre Systeme die reale Welt ausreichend gut abbilden.
Ein KI-Modell kann Anschlussanfragen priorisieren, Investitionspfade simulieren, Redispatch-Klaerfaelle vorsortieren oder Asset-Risiken erkennen. Aber wenn der zugrunde liegende Datenbestand nicht weiss, welches Kabel tatsaechlich wo liegt, welche Anlage wirklich am Netz ist, welcher Netzanschlusspunkt belastbar ist oder welchem Betriebsmittel ein Ereignis zugeordnet werden muss, dann beschleunigt KI nur den falschen Schluss.
Das ist der blinde Fleck vieler KI-Debatten in der Energiewirtschaft. Es wird ueber Modelle gesprochen, aber zu selten ueber Datenvertrauen. Es wird ueber Automatisierung gesprochen, aber zu selten ueber die Frage, welche Annahmen eine Maschine ueberhaupt treffen darf. Es wird ueber Effizienz gesprochen, aber zu selten ueber das Restrisiko, wenn Plan, GIS, MaStR, EDM, Leitwarte und Feldrealitaet auseinanderlaufen.
Was Stadtwerke zuerst brauchen
Stadtwerke brauchen KI. Aber sie brauchen KI nicht zuerst als spektakulaeren Showroom. Sie brauchen sie als geduldige, belastbare Entscheidungs- und Risikosteuerungsschicht.
In der Praxis bedeutet das:
- Netzplanung: Investitionsentscheidungen muessen zwischen Lastentwicklung, Waermepumpen, Rechenzentren, Speichern, flexiblen Lasten und realer Netztopologie vermittelt werden.
- Asset-Management: Wartung und Ersatzinvestitionen duerfen nicht nur aus Alterslisten kommen, sondern aus Stoerungen, Betriebszustaenden, Dokumentationsqualitaet und Risikoindikatoren.
- Betrieb: Vor Schalt-, Trenn- oder Umschaltarbeiten muss sichtbar sein, wo die Datenlage belastbar ist und wo ein historisch gewachsener Abschnitt besondere Vorsicht verlangt.
- Kaufmaennische Steuerung: CAPEX, OPEX, ARegV-Logik, Fotojahr-Effekte und Haftungsrisiken muessen mit derselben Asset-Wirklichkeit arbeiten wie Technik und Betrieb.
- Regulatorik: Nachweise gegenueber BNetzA, BDEW-Prozessen oder internen Kontrollsystemen muessen nachvollziehbar aus Daten, Annahmen und Entscheidungen entstehen.
Von Datenqualitaet zu Datenvertrauen
"Datenqualitaet" klingt oft nach Bereinigungsprojekt. Nach Excel-Listen, Plausibilitaetsregeln und einer Taskforce, die irgendwann wieder verschwindet. Das greift zu kurz. Im Verteilnetz ist Datenqualitaet kein einmaliger Zustand, sondern ein laufender Vertrauensprozess.
Ein moderner Asset-Datenbestand sollte deshalb nicht nur sagen: "Dieses Kabel liegt dort." Er sollte auch sagen: "Wie sicher wissen wir das?" Wurde der Abschnitt eingemessen? Ist die Dokumentation historisch gewachsen? Gibt es Widersprueche zwischen Plan und Stoerungshistorie? Hat ein Monteur vor Ort bereits eine Abweichung gemeldet? Passt die MaStR-Geometrie zum Netzgebiet? Stimmen GIS, EDM und operative Systeme ueberein?
Aus dieser Sicht wird Asset-MDM zu mehr als Stammdatenverwaltung. Es wird zu einem operativen Risikomodell.
Die Cernion-Perspektive: A²MDM als Steuerungsschicht
Genau hier setzt Cernion mit dem Ansatz des Agentic Asset-MDM an. A²MDM versteht Netzdaten nicht als statischen Ablageort, sondern als lebenden, plausibilisierten Entscheidungsraum. Oeffentliche Daten wie MaStR, OpenStreetMap oder regulatorische Meldungen werden mit Inhouse-Daten, Prozesswissen und Feldfeedback verbunden. Agenten pruefen Widersprueche, markieren Unsicherheiten und erzeugen aus Daten konkrete Handlungsoptionen.
Der entscheidende Punkt: Cernion muss nicht behaupten, dass alle Daten perfekt sind. Im Gegenteil. Der Nutzen entsteht gerade dadurch, dass Unsicherheit sichtbar wird. Ein Confidence Score je Betriebsmittel, eine Warnung vor unklaren Netzabschnitten, eine Priorisierung von Datenluecken vor kritischen Arbeiten oder eine transparente Herleitung einer Investitionsentscheidung sind kein Luxus. Sie sind die Voraussetzung dafuer, dass KI im Stadtwerk verantwortbar eingesetzt werden kann.
Damit wird die 38-Prozent-Debatte konkreter. Einsparpotenziale entstehen nicht, weil ein Stadtwerk "KI einfuehrt". Sie entstehen, wenn Routineaufwaende sinken, Klaerfaelle schneller aufgeloest werden, Fehlentscheidungen seltener werden, Investitionen besser priorisiert werden und operative Risiken frueher sichtbar sind.
Der naechste Schritt ist nicht perfekt
Viele Stadtwerke zoegern, weil sie auf die perfekte Loesung warten: saubere Daten, fertige Zielarchitektur, eindeutige Verantwortlichkeiten, vollstaendige Systemintegration. Das ist verstaendlich. Aber es ist auch riskant.
Denn gerade die Praxis zeigt: Die perfekte Datenlage kommt nicht vor dem ersten KI-Projekt. Sie entsteht durch iterative Nutzung. Ein erster Anwendungsfall kann klein sein: ein MaStR-/GIS-Abgleich, ein Redispatch-Stammdatencheck, ein ZNP-Projekt mit Confidence-Layern, eine Reinvest-Risikoliste, ein Feldfeedback-Prozess fuer abweichende Betriebsmittel. Wichtig ist nicht, dass der erste Schritt alles loest. Wichtig ist, dass er Datenvertrauen aufbaut.
Die 38 Prozent sind deshalb keine Garantie. Sie sind eine Richtung. Der Lichtbogen aus dem Praxisbericht ist keine Anekdote. Er ist eine Erinnerung daran, worum es im Verteilnetz wirklich geht: Versorgungssicherheit, Arbeitssicherheit, Investitionssicherheit und die Faehigkeit, trotz gewachsener Strukturen bessere Entscheidungen zu treffen.
Quellen und Einordnung
Zur Studie: m3/Fraunhofer IPK: "KI in der Energiebranche" sowie die Fraunhofer-IPK-Kurzmeldung vom 30. Oktober 2025. Der Praxisfall wurde als LinkedIn-Bericht aus dem Netzbetrieb aufgegriffen und hier fachlich eingeordnet. Er steht stellvertretend fuer eine wiederkehrende Herausforderung gewachsener Bestandsnetze: Plan, Kennzeichnung, Dokumentation und tatsaechliche Ausfuehrung muessen kontinuierlich gegeneinander plausibilisiert werden.