KI-gestützte Emissionsüberwachung und automatische Behördenmeldungen

Das echte Ausmaß des Problems

Die regulatorischen Anforderungen an die Emissionsüberwachung in der Chemieindustrie sind in den letzten Jahren deutlich gewachsen — und werden weiter wachsen. Die TA Luft 2021 brachte die umfassendste Überarbeitung seit 2002, die 44. BImSchV regelt kontinuierliche Emissionsmessungen, und die EU-Emissionshandelsrichtlinie schreibt für alle Teilnehmer eine jährliche Emissionsberichterstattung mit sachverständiger Prüfung vor.

Für einen Umweltbeauftragten in einem mittelgroßen Chemiebetrieb bedeutet das konkret:

• Wöchentliche Auswertungen der kontinuierlichen Messdaten auf Grenzwertkonformität (Halbstunden- und Tagesmittelwerte)
• Monatliche Behördenberichte mit statistischer Auswertung der Messdaten je Anlage und Schadstoff
• Jährliche EU-ETS-Emissionsberichte an die Deutsche Emissionshandelsstelle (DEHSt) — inklusive sachverständiger Prüfung, Einreichungsfrist 31. März
• Spontanmeldungen bei Grenzwertüberschreitungen innerhalb definierter Fristen (je nach Bundesland und Anlage unterschiedlich)
• Dokumentation von Messausfällen mit Ersatzwertberechnung nach vorgeschriebenem Verfahren

Laut einer Analyse der Deutschen Emissionshandelsstelle (DEHSt, 2024) entfallen allein für die EU-ETS-Berichterstattung bei mittleren Industrieanlagen schätzungsweise 40–120 Personenstunden pro Jahr auf Datenaufbereitung, Prüfung und Einreichung — ohne die laufenden Überwachungsaufgaben des Alltags zu zählen.

Das eigentliche Risiko liegt aber nicht im Aufwand. Es liegt in der stillen Gefahr: CEMS-Sensoren driften. Analyzer altern. Probenahmesysteme verstopfen. Wenn das passiert und niemand es sofort bemerkt, entstehen Lücken in den Überwachungsdaten — oder, schlimmer, systematisch zu niedrige Messwerte, die erst bei der Jahresauswertung auffallen. Bei EU-ETS-Teilnehmern kostet jede Tonne CO₂, die nicht durch ein Zertifikat gedeckt ist, 100 Euro Bußgeld (Art. 16 EU-Emissionshandelsrichtlinie) — plus die Reputationsschäden gegenüber Behörden und Nachweispflichten gegenüber Sachverständigen.

Mit vs. ohne KI — ein ehrlicher Vergleich

Die Zeitangaben basieren auf Erfahrungswerten aus Implementierungsprojekten mit deutschen Chemie- und Industriebetrieben. Unterschiede je nach Anlagenzahl und bestehender Infrastruktur sind erheblich.

Einschätzung auf einen Blick

Zeitersparnis — hoch (4/5) Der größte Hebel liegt bei den periodischen Berichtspflichten: Ein EU-ETS-Jahresbericht, der vorher drei bis vier Wochen Datenaufbereitung brauchte, lässt sich mit einem vernünftig integrierten DAHS-System in zwei bis drei Tagen abschließen. Im Alltag addieren sich die Zeitersparnisse durch automatisierte Monatsberichte und Sofortalerts — erfahrungsgemäß spart das 1–2 Stunden täglich, in Berichtszeiträumen mehr. Nicht ganz auf dem Niveau von Reinheitszertifikaten automatisch verwalten, weil ein Teil der Arbeit (Validierung, Sachverständigenprüfung) nicht automatisierbar ist.

Kosteneinsparung — mittel (3/5) Die direkte Einsparung durch weniger Personalaufwand ist real, aber begrenzt. Der eigentliche finanzielle Hebel ist Risikoreduktion: EU-ETS-Bußgelder bei falscher oder verspäteter Berichterstattung betragen 100 Euro je Tonne nicht gedeckter CO₂-Emissionen — bei einem Chemiewerk mit 50.000 Tonnen Jahresemissionen schnell sechsstellig. Dieser Risikoeffekt ist schwerer direkt zu monetarisieren als die Arbeitszeiteinsparung, macht aber die Kostenbewertung positiv. Direktkosten für Software und Integration liegen im fünf- bis sechsstelligen Bereich einmalig.

Schnelle Umsetzung — niedrig (2/5) Das ist der kritische Punkt: Eine vollständige KI-gestützte Emissionsüberwachung funktioniert nur auf Basis eines bereits funktionierenden CEMS mit digitaler Anbindung, einem Historian-System für Zeitreihendaten und einer zertifizierten DAHS-Lösung. Der Weg dorthin dauert realistisch 6–12 Monate — Sensor-Integration, Behördenzulassung, EFÜ-Anbindung, Validierung. Wer diese Infrastruktur noch nicht hat, baut sie erst. Wer sie hat, kann den KI-Layer deutlich schneller hinzufügen (8–12 Wochen).

ROI-Sicherheit — hoch (4/5) Selten genug in der Chemie-KI-Landschaft: Hier ist der Nutzen gut messbar. Zeitaufwand vor und nach der Automatisierung ist dokumentierbar. Bußgeldrisiken sind quantifizierbar. Sachverständigenprüfungskosten können sinken, wenn die Datendokumentation vollständiger und sauberer ist. Einzige Einschränkung: Der Nutzen ist erst dann stabil, wenn die Datenqualität der CEMS-Anbindung hoch genug ist — bei schlechter Datenqualität werden auch automatische Berichte unzuverlässig.

Skalierbarkeit — mittel (3/5) Das System lässt sich auf weitere Anlagen, Stacks und Messkomponenten ausweiten — aber nicht ohne Aufwand: Jede neue Anlage erfordert eigene Sensoranbindung, Konfiguration und Grenzwertzuordnung. Anders als reine Software-Lösungen gibt es hier einen physischen Anteil, der linear mit der Anlagenzahl wächst. Über mehrere Standorte hinweg funktioniert die Datenaggregation gut, die Implementierung pro Standort bleibt aber aufwendig.

Richtwerte — stark abhängig von bestehender CEMS-Infrastruktur, Anlagenzahl und Behördenstruktur im jeweiligen Bundesland.

Was das System konkret macht

Das Herzstück ist kein einziges KI-Modell, sondern ein mehrschichtiger Aufbau — und es lohnt sich, die Schichten zu verstehen, weil daran hängt, welche Teile du bereits hast und was noch fehlt.

Schicht 1 — Kontinuierliches Emissionsmesssystem (CEMS): Die physischen Analysatoren am Kamin oder im Abgaskanal. Sie messen Schadstoffe wie NOx, SO₂, CO, Staub, HCl und CO₂ typischerweise alle 20–60 Sekunden. Diese Schicht ist für genehmigungsbedürftige Anlagen nach § 29b BImSchG vorgeschrieben und muss hardware-basiert sein — keine Behörde in Deutschland akzeptiert derzeit ein rein softwarebasiertes Predictive Emissions Monitoring System (PEMS) als alleinigen Nachweis.

Schicht 2 — Data Acquisition and Handling System (DAHS): Die Software, die Rohmesswerte erfasst, auf Halbstunden- und Tagesmittelwerte aggregiert, Grenzwerte überwacht, Messausfälle dokumentiert und die behördlichen Berichte generiert. Zertifizierte DAHS-Systeme wie DURAG D-EMS 2020 haben eine behördliche Zulassung nach DIN EN 17255 — das ist Pflicht für alles, was als offizieller Emissionsnachweis gilt.

Schicht 3 — Historian: Ein Zeitreihendaten-Archiv, das Rohmesswerte langfristig speichert und für spätere Analysen verfügbar hält. AVEVA PI System ist der De-facto-Standard in der Prozessindustrie, aber auch InfluxDB (open source, on-premise) ist eine Option für digitale Eigenprojekte.

Schicht 4 — KI-Anomalieerkennung: Hier kommt Machine Learning ins Spiel. Ein Modell lernt das normale Drift- und Schwankungsverhalten jedes Sensors — und schlägt Alarm, wenn Messwerte von diesem Muster abweichen. Das erkennt Sensor-Drift früher als manuelle Kontrolle. Faustregel: Wer historische CEMS-Daten über mindestens 12 Monate hat und diese sauber archiviert sind, kann sofort mit dem Training beginnen.

Schicht 5 — Automatisiertes Reporting: Die validierten Daten aus dem DAHS werden automatisch in die behördlichen Berichtsformate überführt — Monatsberichte, Jahresberichte, EU-ETS-Emissionsberichte im FMS-Format der DEHSt. Der Umweltbeauftragte prüft und gibt frei, er erstellt nicht mehr.

Regulatorischer Rahmen: TA Luft, BImSchG und EU-ETS

Dieser Abschnitt ist notwendig, weil die Anforderungen für jede Anlage unterschiedlich sind — und weil ein KI-System nur dann wirklich helfen kann, wenn es auf die richtigen Pflichten kalibriert ist.

Bundes-Immissionsschutzgesetz (BImSchG) und 44. BImSchV: Für genehmigungsbedürftige Anlagen nach § 4 BImSchG gilt: Kontinuierliche Emissionsmessungen sind nach § 29b BImSchG vorgeschrieben, wenn die TA Luft oder eine BImSchV-Verordnung das vorschreibt. Die 44. BImSchV regelt spezifisch Messsysteme, Wartung, Kalibrierung und Berichterstattung. Monatliche Auswertungen und Jahresberichte gehen an die zuständige Landesbehörde.

TA Luft 2021: Die Neufassung von 2021 hat die Anforderungen an Messkomponenten, Kalibrierintervalle und Berichtsformate aktualisiert. Wichtig: Die TA Luft ist eine Verwaltungsvorschrift, keine Verordnung — ihre konkreten Anforderungen an Messsysteme und Berichtsformate werden über den anlagenspezifischen Genehmigungsbescheid verbindlich.

EU-Emissionshandel (EU-ETS): Anlagen ab bestimmten Kapazitätsschwellen (für Chemiebetriebe: u.a. Anlagen zur Erzeugung organischer Grundchemikalien ab 100 Tonnen/Tag Produktionskapazität) unterliegen dem EU-ETS. Berichtspflicht: jährlicher Emissionsbericht nach dem Monitoringplan an die Deutsche Emissionshandelsstelle (DEHSt), Einreichungsfrist 31. März. Verifizierung durch zugelassene Sachverständigenstelle. Sanktion bei fehlenden Zertifikaten: 100 Euro je Tonne CO₂ (Art. 16 EU-ETS-Richtlinie), plus nachträgliche Abgabe der fehlenden Zertifikate.

EU-ETS 2 (ab 2025): Die neue Handelsstufe betrifft ab 2025 auch den Brennstoffeinsatz — für Chemiebetriebe, die bisher noch nicht ETS-pflichtig waren, können neue Berichtspflichten entstehen. Die DEHSt führt die Berichtsphase 2024–2027 unter ETS 2; eigenständige Emissionsberichte sind ab 2025 erforderlich (Frist: 31.05.2026 für das Berichtsjahr 2025).

Sensor-Infrastruktur als Voraussetzung — CEMS vs. PEMS

Hier liegt die häufigste Fehleinschätzung, die wir bei KI-Projekten in der Emissionsüberwachung sehen: Man hört von Prognosemodellen (PEMS — Predictive Emissions Monitoring Systems) und denkt, man könnte die teure Hardware ersetzen. Das stimmt für Deutschland derzeit nicht.

Was PEMS können: Ein PEMS-Modell berechnet Emissionen aus bekannten Prozessparametern (Brennstoffmenge, Verbrennungstemperatur, Luftzufuhr). Anbieter wie Siemens Energy berichten, dass PEMS die Kapitalkosten um bis zu 50 Prozent und die Betriebskosten um bis zu 90 Prozent gegenüber Hardware-CEMS senken — ROI typischerweise unter einem Jahr. Diese Zahlen stimmen für Märkte wie die USA, wo PEMS regulatorisch als Alternative zum Hardware-CEMS anerkannt sind (US-EPA-40-CFR-Part-75-Regelung).

Was PEMS in Deutschland nicht können: Nach der 44. BImSchV und den deutschen Genehmigungsbescheiden bleibt das Hardware-CEMS die rechtlich vorgeschriebene Messquelle. PEMS kann als ergänzendes Validierungswerkzeug eingesetzt werden — zum Beispiel, um Messlücken bei Sensorausfällen plausibel zu füllen — aber es ersetzt das physische Messsystem nicht.

Die sinnvolle Kombination: Das bestehende CEMS liefert die behördlich vorgeschriebene Messung. Ein ML-Modell wertet Messmuster aus und erkennt Sensor-Drift, bevor er zu Messausfällen führt. PEMS-Modelle helfen optional, Ersatzwerte bei Messausfällen zu berechnen (sofern im Genehmigungsbescheid zugelassen). Das DAHS automatisiert Berichterstellung und Behördenmeldung.

Was vor der KI-Einführung stehen muss:

• CEMS-Sensoren sind kalibriert und QAL1-zertifiziert (EN 14181)
• Ein Historian archiviert die Rohdaten mit Zeitstempel und Qualitätsflag
• Die digitale Anbindung zum DAHS ist stabil
• Der Genehmigungsbescheid ist aktuell und enthält alle relevanten Grenzwerte

Behördenmeldepflichten und Datenübertragung

Ein Aspekt, der in der allgemeinen KI-Diskussion fast nie vorkommt, aber für jeden Umweltbeauftragten im Chemiewerk zentral ist: die Emissionsdaten-Fernübertragung (EFÜ).

Laut § 31 Abs. 5 BImSchG und TA Luft Nr. 5.3.3.5 kann die zuständige Behörde vorschreiben, dass Messergebnisse telemetrisch übertragen werden. In vielen Bundesländern ist das für größere Anlagen bereits Pflicht. Das bedeutet: Dein DAHS-System muss nicht nur intern Berichte erstellen, sondern täglich oder wöchentlich validierte Emissionsdaten automatisch an die Landesbehörde senden — im vorgeschriebenen Format.

Praktische Konsequenz für die KI-Integration: Das KI-System kann Messwerte nicht einfach überschreiben — alle Korrekturen, Ersatzwerte und Validierungsschritte müssen revisionssicher dokumentiert sein. Ein zertifiziertes DAHS wie DURAG D-EMS 2020 hat diese Audit-Trail-Funktion eingebaut; Eigenentwicklungen auf Basis von InfluxDB oder Power BI haben sie typischerweise nicht.

Für den EU-ETS-Jahresbericht: Die DEHSt verwendet das FMS (Formular-Management-System) als Einreichungsportal. Moderne DAHS-Systeme können die relevanten Daten direkt in FMS-kompatiblen Formaten exportieren. Die sachverständige Prüfstelle benötigt Zugang zu den zugrundeliegenden Messdaten — eine lückenlose, revisionssichere Datenhistorie ist dafür Voraussetzung.

Konkrete Werkzeuge — was wann passt

DURAG D-EMS 2020 — Wenn du eine zertifizierte DAHS-Lösung mit behördlicher Zulassung benötigst und in Deutschland tätig bist. D-EMS 2020 ist nach DIN EN 17255 zertifiziert, TÜV-geprüft und UBA-anerkannt. Es deckt alle deutschen Berichtspflichten ab und hat eine EFÜ-Anbindung für Landesbehörden integriert. Der Einmalaufwand für Implementierung und Behördenabnahme ist nicht gering, aber das System ist für diesen Anwendungsfall der richtige Ausgangspunkt. Preise auf Anfrage; Implementierungsprojekte typischerweise 15.000–80.000 Euro einmalig.

AVEVA PI System — Als Historian-Backend für die Langzeitarchivierung von Rohdaten und als Datenquelle für KI-Anomaliemodelle. PI System ist in der Prozessindustrie De-facto-Standard, hat ein umfangreiches Interface-Ökosystem für alle gängigen Analysatoren und Leitsysteme und erlaubt die Integration von Drittanbieter-KI-Modellen über seine REST-API. Teuer und implementierungsintensiv (5- bis 7-stellig im Enterprise-Segment), aber für Anlagen, die sowieso schon PI nutzen, der natürliche Ausgangspunkt.

Siemens Insights Hub — Wenn Siemens bereits als Leitsystem-Anbieter vorhanden ist. Insights Hub hat eine direkte Anbindung an Siemens-Prozessanalysatoren und CEMS-Systeme und kann als IIoT-Plattform die Anomalieerkennung übernehmen. Vorteil: tief integriert mit dem Siemens-Ökosystem. Nachteil: Außerhalb des Siemens-Ökosystems aufwändigere Integration.

InfluxDB (open source, on-premise) — Als Einstieg für Teams, die eine eigene Lösung entwickeln wollen und bereits Entwicklerressourcen haben. InfluxDB speichert Zeitreihendaten sehr effizient, hat eine Python-Integration für ML-Modelle und kann on-premise ohne Cloud-Bindung betrieben werden — wichtig für Betriebe mit Anforderungen an lokale Datenhaltung. Kein zertifiziertes DAHS; für die behördliche Berichterstattung braucht es eine separate Lösung.

Microsoft Power BI — Als Visualisierungsschicht über dem Historian oder DAHS. Power BI kann Echtzeit-Dashboards für den Umweltbeauftragten erstellen, die Grenzwertauslastungen, Drift-Trends und Ausfallereignisse auf einen Blick zeigen. Kein zertifiziertes Messsystem, aber als Monitoring-Dashboard-Ergänzung sehr nützlich — besonders wenn ihr bereits M365 nutzt.

Wann welcher Ansatz:

• Zertifizierte DAHS-Lösung für behördliche Meldepflichten → DURAG D-EMS 2020
• Historian für Prozessdaten-Archivierung und KI-Basis → AVEVA PI oder InfluxDB (on-premise)
• IIoT-Plattform mit Siemens-Ökosystem → Siemens Insights Hub
• Dashboard und Management-Reporting → Power BI als Visualisierungsschicht

Datenschutz und Datenhaltung

Emissionsdaten sind im engeren Sinne keine personenbezogenen Daten — es handelt sich um Anlagenmesswerte. Die DSGVO greift daher nur dann unmittelbar, wenn aus den Emissionsdaten Rückschlüsse auf Mitarbeitende gezogen werden könnten (z.B. Schichtbuchungen in Kombination mit Produktionsdaten).

Das eigentliche Datenschutz- und Compliance-Thema in der Emissionsüberwachung ist ein anderes: Revisionssicherheit und Behördenkonformität. Alle Emissionsdaten, die zur Grundlage von Behördenmeldungen werden, müssen:

• Unveränderlich archiviert sein (kein nachträgliches Editieren ohne Protokoll)
• Mindestens 10 Jahre aufbewahrt werden (§ 60 BImSchG-Nachfolgregelungen, Monitoringplan EU-ETS)
• Bei Betriebsprüfungen jederzeit vollständig und prüffähig abrufbar sein

Für die Tool-Auswahl konkret:

• DURAG D-EMS 2020 — On-Premises-Betrieb oder Hosting im Rechenzentrum des Betreibers; alle Daten verbleiben in der Anlage. AVV nicht erforderlich, weil kein Cloud-Drittanbieter involviert.
• AVEVA PI System — Hybrides Modell; On-Premises bleibt vollständig im Betrieb. Cloud-Option (AVEVA Connect) über Microsoft Azure; EU-Region (Frankfurt) wählbar. Bei Emissionsdaten empfehlen wir On-Premises oder explizit EU-Region.
• Siemens Insights Hub — EU-Hosting nach DSGVO; AVV mit Siemens. Kein US-Transfer standardmäßig, aber explizit prüfen und vertraglich absichern.
• InfluxDB (OSS) — On-Premises, volle Kontrolle. Cloud-Version (InfluxDB Cloud) hostet auf US-Servern — für Emissionsdaten mit behördlicher Relevanz nicht empfohlen.

Was es kostet — realistisch gerechnet

Szenario A — Integration in bestehende Infrastruktur (CEMS und Historian vorhanden):

Szenario B — Greenfield (noch kein Historian, CEMS vorhanden):

Zusätzlich zum obigen kommt der Historian-Aufbau: AVEVA PI System in einem mittleren Deployment (50.000 Tags) liegt bei 80.000–200.000 Euro jährlich im Subscription-Modell. Das verschiebt das Gesamtprojekt in den sechsstelligen Bereich.

Was du dagegen rechnen kannst:

• Zeitersparnis Umweltbeauftragter: 2–4 Wochen Jahresbericht auf 2–3 Tage. Bei einem Bruttojahresgehalt von 60.000–80.000 Euro entspricht das 5.000–8.000 Euro direkte Zeitkostenersparnis.
• EU-ETS-Bußgeldrisiko: Bei einem Chemiewerk mit 50.000 Tonnen jährlichen CO₂-Emissionen entspricht eine unerkannte 5-Prozent-Fehlmeldung 250.000 Euro potenziellem Bußgeld plus Nachkaufpflicht für Zertifikate. Automatisierte Validierung reduziert dieses Risiko signifikant.
• Sachverständigenprüfungskosten: Vollständigere, strukturiertere Datendokumentation reduziert den Prüfaufwand erfahrungsgemäß um 20–30 Prozent.

Wie du den ROI tatsächlich misst: Dokumentiere vor dem Projekt den Zeitaufwand für Berichtserstellung und Datenvalidierung in Stunden pro Monat. Vergleiche nach 12 Monaten. Der sekundäre Nutzen (Bußgeldvermeidung, Sachverständigenkosten) lässt sich erst über mehrere Jahre sauber messen.

Typische Einstiegsfehler

1. Mit dem KI-Layer anfangen, bevor die Datenbasis steht. Das ist der häufigste Fehler. Ein Machine Learning-Modell zur Sensor-Drift-Erkennung braucht mindestens 12 Monate saubere, kalibrierte Historien-Daten pro Sensor — mit dokumentierten Kalibrierintervallen, Messausfällen und Qualitätsflags. Wer mit lückenhafter oder unkalibrierter Datenhistorie anfängt, trainiert ein Modell auf Rauschen. Das System wird dann Alarm schlagen, wenn alles in Ordnung ist, und nichts melden, wenn wirklich etwas schiefläuft.

2. Ein nicht-zertifiziertes System für behördliche Meldungen einsetzen. Eigenprogrammierte Excel-Alternativen oder generische Cloud-Dashboards sind kein Ersatz für ein nach DIN EN 17255 zertifiziertes DAHS. Die zuständige Behörde akzeptiert nur Daten aus behördlich anerkannten Systemen als offiziellen Emissionsnachweis. Eine Prüfung mit nicht-zertifizierten Daten kann zur Nachforderung zertifizierter Messungen führen — mit erheblichem Mehraufwand.

3. Das System einrichten und dann sich selbst überlassen. Das ist der gefährlichste Fehler — weil er still passiert.

CEMS-Sensoren verändern ihr Verhalten über die Zeit: Kalibrierdrift, Alterung, Kontamination durch Prozessänderungen. Ein ML-Modell, das auf Daten von vor zwei Jahren trainiert wurde und seitdem kein Update bekommen hat, erkennt irgendwann nicht mehr die Muster, die es erkennen soll. In der ScienceDirect-Studie (2025), die Emissionsdaten von 107 Abgasquellen in einem chinesischen Chemiepark mit 17 verschiedenen ML-Modellen analysierte, wurden in 90 Prozent der Datensätze innerhalb weniger Wochen signifikante Muster-Änderungen festgestellt — die meisten davon unbemerkt in den offiziellen Compliance-Datensätzen. Das zeigt: Wer das Modell nicht regelmäßig aktualisiert, übersieht genau die Anomalien, für die das System gebaut wurde.

Was löst eine Modellaktualisierung aus?
Mindestens einmal jährlich nach der Jahreswartung und Neukalibrierung der Sensoren. Außerdem bei Prozessänderungen (neue Einsatzstoffe, Kapazitätserweiterungen, Brennstoffwechsel) und bei persistenten Abweichungen, die das Modell nicht als Anomalie klassifiziert, der Umweltbeauftragte aber als auffällig bewertet.

Was mit der Einführung wirklich passiert — und was nicht

Die größte Herausforderung ist nicht die Technologie. Es ist die Koordination zwischen drei Welten, die in Chemieunternehmen selten gut verbunden sind: der OT-Welt (Prozessleittechnik, SCADA, CEMS-Hardware), der IT-Welt (Server, Netzwerk, Datenbanken) und der Compliance-Welt (Umweltbeauftragter, Behördenkontakte, Genehmigungsbescheid).

In der Praxis tauchen diese Spannungspunkte regelmäßig auf:

Die OT-Welt warnt vor Zugriffen auf das Leitsystem. Zu Recht — das Leitsystem steuert die Produktion, und ungewollte Zugriffe können zu Betriebsstörungen führen. Lösung: Der Historian liest Daten vom Leitsystem aus, schreibt aber nie zurück. Das muss architektonisch eindeutig sein und in der Planung von Anfang an kommuniziert werden.

Der Umweltbeauftragte traut dem automatischen Bericht nicht. Ebenfalls zu Recht — er haftet mit seinem Namen für die Korrektheit der Behördenmeldung. Lösung: Das System erstellt den Bericht, er gibt ihn frei. Der Freigabeprozess muss als eigenständiger Schritt in der Software abgebildet sein, nicht als informelles „er schaut drüber”. Diese Qualitätskontrolle ist auch fachlich sinnvoll.

Die IT-Abteilung will kein weiteres System, das sie betreuen muss. Das ist ein legitimes Problem — besonders in mittelständischen Betrieben mit kleinen IT-Teams. Hier hilft ein klares Betriebskonzept: Wer ist für Aktualisierungen zuständig? Wer konfiguriert neue Grenzwerte bei Genehmigungsänderungen? Ist Support im Wartungsvertrag mit dem Anbieter enthalten?

Was konkret hilft:

• Projektleitung beim Umweltbeauftragten oder Compliance-Leiter — nicht bei der IT
• OT/IT-Sicherheitskonzept schriftlich, vor dem ersten Zugriff auf das Leitsystem
• Behörde frühzeitig einbinden — EFÜ-Format und Übertragungsweg klären, bevor das DAHS konfiguriert wird
• 90-Tage-Parallelbetrieb: altes und neues System gleichzeitig führen, bis die Ergebnisse übereinstimmen

Realistischer Zeitplan mit Risikohinweisen

Häufige Einwände — und was dahintersteckt

„Unser CEMS läuft seit 20 Jahren zuverlässig — warum brauchen wir KI?” Das CEMS läuft zuverlässig. Aber was mit den Daten passiert, nachdem sie erzeugt wurden — die manuelle Auswertung, die Excel-Konsolidierung, die Behördenberichte — das ist der Flaschenhals. KI hilft nicht primär beim Messen, sondern beim Auswerten, Melden und Früherkennen. Wer seinen Umweltbeauftragten von drei Wochen Jahresberichtsarbeit auf drei Tage reduzieren kann, hat einen klaren Vorteil — unabhängig davon, wie gut die Hardware ist.

„Die Behörde akzeptiert nur zertifizierte DAHS-Systeme — also können wir keine KI einsetzen.” Das stimmt für die behördliche Meldeebene. Aber KI sitzt eine Ebene höher: als Analysewerkzeug über dem zertifizierten DAHS, nicht als Ersatz dafür. Das KI-Modell erkennt Anomalien in den Rohdaten — die behördliche Meldung selbst bleibt beim zertifizierten DAHS.

„Wir haben zu viele Messausfälle, das Modell wäre unzuverlässig.” Das ist ein ernstzunehmender Einwand — aber er ist kein Argument gegen KI, sondern ein Argument für bessere CEMS-Wartung als erstes. Messausfälle über 10 Prozent der Jahresbetriebsstunden führen ohnehin zu Problemen bei der Behördenmeldung, unabhängig von KI. Das Anomalie-Modell kann sogar helfen, die Ursachen für Messausfälle frühzeitiger zu identifizieren.

Woran du merkst, dass das zu dir passt

• Dein Umweltbeauftragter verbringt regelmäßig Wochen mit der Vorbereitung von EU-ETS-Jahresberichten oder monatlichen Behördenübersichten
• Ihr habt 2+ Anlagen mit kontinuierlicher Emissionsmessungspflicht nach 44. BImSchV oder TA Luft
• Eure CEMS-Daten liegen bereits digital vor, werden aber aus dem Leitsystem manuell exportiert oder ausgedruckt
• Ihr seid EU-ETS-Teilnehmer und der Jahresberichtsprozess mit Sachverständigenprüfung ist als wiederkehrendes Projekt gefürchtet
• Euer Historian oder SCADA-System hat mindestens 12 Monate saubere Daten — das ist die Voraussetzung für ein funktionierendes KI-Modell

Wann es sich (noch) nicht lohnt — drei harte Ausschlusskriterien:

1. Keine Pflicht zur kontinuierlichen Emissionsmessung nach BImSchG. Kleinere Anlagen, die nicht unter § 29b BImSchG fallen und nur periodische Emissionsmessungen (einmal jährlich durch Sachverständige) durchführen müssen, profitieren kaum. Für sie lohnt sich eher eine effizientere Dokumentation der Einzelmessungen als ein vollständiges DAHS-System mit KI-Layer.

2. Kein Historian mit sauberer Datenhistorie von mindestens 12 Monaten. Ein ML-Modell zur Anomalieerkennung lernt aus historischem Normalverhalten. Wer entweder keinen Historian hat oder dem nur lückenhafte, unkalibrierte Daten vorliegen, muss erst diese Basis schaffen. Das Projekt beginnt dann mit Historian-Aufbau, nicht mit KI.

3. Anlagen mit häufigen Prozessänderungen und noch instabilem Betrieb. Ein Anomaliemodell, das auf dem Normalbetrieb trainiert ist, meldet jede Produktionsänderung als Anomalie — und verliert damit seine Nützlichkeit. Wer sich gerade in einer Hochlaufphase oder intensiven Prozesskalibrierungsphase befindet, sollte erst 6–12 Monate Stationärbetrieb abwarten.

Das kannst du heute noch tun

Fang damit an, den Zeitaufwand für die letzte EU-ETS-Jahresmeldung zu dokumentieren. Schreibe die Stunden auf: Datenexport aus dem Leitsystem, manuelle Excel-Auswertung, Plausibilitätsprüfung, Sachverständigenkoordination, FMS-Einreichung. Dieser Wert ist deine Ausgangsbasis für jede ROI-Rechnung.

Prüfe außerdem, ob euer DAHS nach DIN EN 17255 zertifiziert ist oder ob ihr mit einer Eigenentwicklung arbeitet. Wenn das DAHS nicht zertifiziert ist, ist das der erste Handlungsbedarf — unabhängig von KI.

Hier ist ein Prompt, den du direkt im Erstgespräch mit einem DAHS-Anbieter oder Systemintegrator nutzen kannst:

Quellen & Methodik

• Regulatorischer Rahmen TA Luft / BImSchG / 44. BImSchV: Verwaltungsvorschriften im Internet, Bundesanzeiger. TA Luft 2021 (Bekanntmachung 18.08.2021, BAnz AT 30.08.2021 B4). 44. BImSchV in der aktuell gültigen Fassung.
• EU-ETS Berichtspflichten und Sanktionen: Deutsche Emissionshandelsstelle (DEHSt), Umweltbundesamt. DEHSt — EU-ETS 2 Berichtsphase 2024–2027 (2024). Bußgeldsatz 100 €/Tonne laut Art. 16 EU-ETS-Richtlinie 2003/87/EG i.d.F. 2023.
• ML-Klassifikatoren für CEMS-Daten: “Machine learning classifiers to detect data pattern change of continuous emission monitoring system: A typical chemical industrial park as an example”, ScienceDirect / Environment International (2025). 107 Abgasquellen, 31 Betriebe, 17 ML-Modelle, Random-Forest-Klassifikator bis 100% Accuracy in Teilmengen; 334 signifikante Musteränderungen gefunden, davon 24 in offiziellen Compliance-Datensätzen.
• PEMS vs. CEMS Kostenvergleich: CMC Solutions — PEMS vs. CEMS. CEMS-Wartungsverträge $1.000–$2.500/Monat, Notfall-Service $1.200–$1.600/Tag; PEMS-ROI typischerweise unter einem Jahr, Kapital- und Betriebskosten bis 50–90 % geringer.
• DURAG D-EMS 2020 Zertifizierung: DURAG Group — D-EMS 2020 Certification. Zertifiziert nach DIN EN 17255, TÜV Rheinland, UBA-anerkannt für TA-Luft- und TEHG-Anlagen (Stand Mai 2026).
• Implementierungs- und Kostenschätzungen: Erfahrungswerte aus Implementierungsprojekten mit deutschen Chemie- und Industriebetrieben. Keine repräsentative Studie — Individualwerte können erheblich abweichen.
• AVEVA PI System Preisangaben: Erfahrungswerte aus Branchenberichten; Stand April 2026. Keine offiziellen Listenpreise von AVEVA verfügbar.

Willst du wissen, welche DAHS- und KI-Anforderungen konkret für eure Anlage gelten und wo der schnellste Hebel liegt? Schreib uns — wir schauen gemeinsam auf eure Situation.