KI-Automatisierung von Netzanschlussanfragen

Das echte Ausmaß des Problems

Der Netzanschluss ist der erste Kontaktpunkt zwischen Antragsteller und Netzbetreiber — und für viele Stadtwerke und regionale Netzbetreiber ein chronisch überlasteter Prozess.

Die NDAV (Niederdruckanschlussverordnung) schreibt klare Anschlussfristen vor: Nach NDAV §5 muss der Netzbetreiber innerhalb von drei Monaten nach Antragseingang ein verbindliches Anschlussangebot vorlegen (Anschlussangebotspflicht nach NDAV §5 für Hausanschlüsse). NDAV §5 Abs. 2 verpflichtet ihn, den Antragsteller schriftlich und unverzüglich zu informieren, sobald feststeht, dass Unterlagen fehlen oder Prüfungen noch ausstehen — damit der Antragsteller die Möglichkeit hat, fehlende Angaben nachzureichen. Die Anschlusspflicht selbst ergibt sich aus EnWG §17. In der Praxis berichten viele Netzbetreiber, dass die Erstprüfung allein — ohne das endgültige Angebot — bereits 3–5 Arbeitstage dauert. Bei höherem Fallvolumen kann das System ins Hintertreffen geraten.

Warum dauert es so lange? Jeder Antrag erfordert:

1. Informationsextraktion: Adresse, Anschlussgröße, geplante Leistung, Anschlussart und weitere technische Angaben müssen aus unterschiedlich formatierten Dokumenten herausgelesen werden
2. GIS-Abgleich: Ist eine geeignete Leitung in Reichweite? Welche Druckstufe? Wie hoch ist die aktuelle Netzauslastung im betroffenen Netzabschnitt?
3. GasNZV-Konformitätsprüfung: DVGW G 459-1 (Hausanschlüsse, Niederdruckbereich) und G 462 (Gasleitungen höherer Druckstufen), Kapazitätsnachweise, KRITIS-Relevanzprüfung bei größeren Vorhaben
4. Angebotskalkulation: Leitungslänge, Materialkosten, Tiefbau, Anschlussgebühren nach gültigem Preisblatt

Schätzungen aus Gesprächen mit Netzanschluss-Teams bei Stadtwerken zeigen: Ein Routinefall (Haushalt, Standard-Druckstufe, keine Besonderheiten) bindet 2–3 Ingenieursstunden. Ein komplexerer Fall 5–12 Stunden. Bei 200–500 Anträgen pro Jahr und einem typischen Stadtwerk sind das 400–1.500 Ingenieursstunden — rund 25–35 Prozent der verfügbaren Netzanschluss-Kapazität allein für die Erstbearbeitung.

Mit vs. ohne KI — ein ehrlicher Vergleich

¹ Erfahrungswerte aus Pilotprojekten bei deutschen Energieversorgern; keine repräsentative Studie.

Einschätzung auf einen Blick

Zeitersparnis — hoch (4/5) Die Erstprüfung von Tagen auf Stunden zu reduzieren ist ein echter Hebel — besonders in Stoßzeiten (Neubaugebiete, Heizungsumrüstungswellen). Nicht das höchste Niveau unter den vier Anwendungsfällen, weil komplexe Fälle immer noch Ingenieurzeit brauchen und der Prozess nie vollautomatisch sein wird. Aber im Routinebetrieb deutlicher Effekt.

Kosteneinsparung — hoch (4/5) Eingesparte Ingenieursstunden haben bei Netzbetreibern einen klaren Tagessatz. Bei 200 Routinefällen und 1,5 Stunden Einsparung pro Fall sind das 300 Stunden jährlich — zu 80–120 Euro Vollkostenrechnung ergibt das 24.000–36.000 Euro. Das ist der zweithöchste direkte Kosteneffekt unter den vier Anwendungsfällen dieser Kategorie.

Schnelle Umsetzung — niedrig (2/5) Die GIS-Integration ist der Flaschenhals. Wer ESRI ArcGIS oder eine ähnliche Lösung betreibt, muss die API-Anbindung projektieren — das dauert typischerweise 4–6 Monate bis zum Produktivbetrieb. Kein Plug-and-play. Das ist der schwächste Wert in dieser Kategorie und sollte bei der Planung realistisch eingeplant werden.

ROI-Sicherheit — hoch (4/5) Die eingesparte Bearbeitungszeit ist direkt messbar, die Fallzahlen bekannt, die Stundenkosten kalkulierbar. Das macht diesen Anwendungsfall ROI-technisch gut nachvollziehbar — ähnlich wie die Rohrnetz-Wissensdatenbank, aber mit noch direkter messbaren Einheiten (Anträge pro Tag, Stunden pro Antrag).

Skalierbarkeit — mittel (3/5) Das System skaliert gut für die Textextraktion und Angebotserstellung. Aber die GIS-Kapazitätsprüfung bleibt an die Qualität und Aktualität der GIS-Daten gebunden — wenn das Netzinformationssystem veraltet ist, gibt auch die KI veraltete Auskünfte. Kein proportionaler Mehraufwand, aber kein vollständiges Skalierungsversprechen.

Richtwerte — stark abhängig von Fallvolumen, GIS-Systemlandschaft und Anteil Routinefälle.

Was das System konkret macht

Die Automatisierung läuft in drei Stufen — keine davon ersetzt den Ingenieur bei der Endentscheidung:

Stufe 1 — Informationsextraktion: Das KI-System liest den Antrag in beliebigem Format (PDF, Word, E-Mail-Freitext) und extrahiert die relevanten Parameter: Adresse, gewünschte Anschlussleistung, Anschlussart (Hausanschluss, Gewerbe, Einspeisung), geplante Inbetriebnahmezeitraum und technische Anforderungen. Fehlende Pflichtfelder werden automatisch identifiziert und eine strukturierte Rückfrage-E-Mail an den Antragsteller erstellt.

Stufe 2 — GIS-Abgleich und technische Machbarkeit: Über eine Schnittstelle zum Netzinformationssystem (typischerweise ESRI ArcGIS, GeoServer oder ein kommunales GIS) ruft das System die nächstgelegene Gasleitung auf, prüft Druckstufe und theoretische Restkapazität im betroffenen Netzabschnitt und berechnet die wahrscheinliche Anschlussleitungslänge. Das Ergebnis: eine vorläufige technische Machbarkeitseinschätzung mit Konfidenz-Level — “hohe Wahrscheinlichkeit machbar, keine Besonderheiten” oder “Kapazitätsprüfung durch Ingenieur erforderlich, Netzabschnitt an Kapazitätsgrenze”.

Stufe 3 — Angebotsentwurf: Für Routinefälle erstellt das System automatisch einen Angebotsentwurf nach dem aktuellen Preisblatt: Anschlussgebühren, geschätzte Tiefbaukosten (auf Basis Leitungslänge und Standardkostensätze), Gesamtbetrag und Zahlungsbedingungen. Der Ingenieur erhält einen strukturierten Entwurf zur Prüfung und Freigabe — nicht ein leeres Formular.

Was das System nicht tut: Bei KRITIS-relevanten Vorhaben (größere Gewerbe- oder Industrieanschlüsse, Einspeiseanlagen), bei Leitungsänderungen in Schutzgebieten und bei Netzabschnitten an der Kapazitätsgrenze wird der Fall automatisch als “Ingenieurprüfung erforderlich” markiert. Keine KI-Empfehlung, keine automatische Angebotserstellung.

Die Rechtslage: KI assistiert, Ingenieur entscheidet

Das ist keine Vorsichtsmaßnahme aus Bequemlichkeit, sondern rechtlich korrekt: Nach NDAV §5 trägt der Netzbetreiber die Verantwortung für die Korrektheit des Anschlussangebots. Der Sachverständige nach DVGW G 1000, der die Netzanschluss-Beurteilung unterzeichnet, haftet für die fachliche Richtigkeit. Ein KI-Angebotsentwurf ohne Ingenieursfreigabe wäre kein GasNZV-konformes Angebot.

Das ist eine Feststellung — keine Kritik. Wer diesen Anwendungsfall mit dem Ziel einführt, Ingenieure vollständig zu ersetzen, wird scheitern. Wer ihn als Unterstützung positioniert, gewinnt Kapazität für komplexe Fälle.

Konkrete Werkzeuge — was wann passt

Die Systemarchitektur besteht typischerweise aus drei Komponenten, die kombiniert werden:

Dokumentenextraktion: ABBYY FlexiCapture oder Microsoft Azure Document Intelligence (im Azure-Paket) für die strukturierte Extraktion aus PDF und Freetext. ABBYY ist im deutschsprachigen Markt weit verbreitet und hat Erfahrung mit technischen Dokumenten (Preise auf Anfrage; Enterprise-Segment, typisch ab mittlerem fünfstelligen Bereich jährlich). Azure Document Intelligence ist günstiger und gut für Teams mit bestehender Azure-Infrastruktur.

Sprachmodell für Angebotserstellung: Azure OpenAI Service (GPT-4o, EU-Hosting) für die Textgenerierung des Angebotsentwurfs. Für KRITIS-Betreiber, die keine Cloud-Anbindung wollen, ist Aleph Alpha (PhariaAI) die on-premise Alternative — höherer Aufwand, vollständige Datensouveränität.

GIS-Anbindung: ESRI ArcGIS (verbreiteter Standard bei Netzbetreibern) bietet REST-APIs, die für die Leitungsabfrage genutzt werden können. Wer GeoServer oder eine kommunale GIS-Lösung betreibt, braucht ggf. eine individuelle API-Entwicklung — das ist der aufwendigste Teil der Integration.

Prozessorchestrierung: Microsoft Power Automate (für Microsoft-Ökosysteme) oder eine individuelle Workflow-Lösung verbindet die drei Komponenten und steuert die Fallkategorisierung (Routinefall vs. Ingenieurprüfung erforderlich).

ERP-Integration: Wer SAP IS-U oder SAP S/4HANA Utilities als ERP-System betreibt (Standard bei Stadtwerken und Netzbetreibern), kann die Angebotsdaten und Fallstatus direkt in die bestehenden Geschäftsprozesse zurückschreiben — statt eines separaten Daten-Silos entsteht eine integrierte Lösung.

Einstieg ohne GIS-Integration: Für einen manuellen Konzepttest vor der GIS-Anbindung eignet sich Claude oder ChatGPT (Web-Interface, kostenlos) zum Strukturieren von Antragsinformationen. Kein GIS-Abgleich möglich, aber als Proof-of-Concept für die Informationsextraktion unter 0 Euro Vorabkosten. Keine produktive Lösung für personenbezogene Antragsdaten — nur für anonymisierte Testfälle.

Zusammenfassung: Was bestimmt die Werkzeugwahl

• Microsoft 365 im Einsatz → Azure Document Intelligence + Azure OpenAI + Power Automate ist naheliegend
• Kein Microsoft-Stack, flexibel → ABBYY + Azure OpenAI oder Custom-Lösung
• KRITIS-strenge Datensouveränität → Aleph Alpha on-premise für LLM, eigene GIS-Schnittstellen

Datenschutz und Datenhaltung

Netzanschlussanträge enthalten personenbezogene Daten: Name, Adresse, Grundstücksdaten, ggf. Unternehmensdaten. Sobald diese Daten in einem KI-System verarbeitet werden, greift die DSGVO.

Für die KI-Verarbeitung gilt:

• AVV nach Art. 28 DSGVO mit allen Cloud-Anbietern, die Antragsdaten verarbeiten, zwingend vor Produktivbetrieb
• EU-Hosting: Für den LLM-Part ist Azure OpenAI mit EU-Region (West Europe) oder Aleph Alpha die korrekte Wahl; US-basierte Dienste scheiden für personenbezogene Antragsdaten aus
• Protokollierung: Alle KI-generierten Angebotsentwürfe und zugrundeliegenden GIS-Abfragen sollten im System dokumentiert bleiben — für den Fall einer BNetzA-Nachfrage oder Beschwerden von Antragstellern
• Zweckbindung: Die im Antragssystem verarbeiteten Daten dürfen nur für den Netzanschluss-Prozess genutzt werden, nicht für andere interne Zwecke

Für KRITIS-Betreiber gilt zusätzlich: Die KI-Systemlandschaft sollte im Rahmen des IT-Sicherheitskonzepts nach BSI-Grundschutz dokumentiert und bewertet werden.

Was es kostet — realistisch gerechnet

Einmalige Implementierungskosten:

• GIS-Anbindung und API-Entwicklung: 25.000–60.000 Euro (der größte Posten, stark abhängig vom bestehenden GIS-System)
• Dokumentenextraktion konfigurieren und testen: 10.000–20.000 Euro
• Angebotserstellungs-Logik und Preisblatt-Integration: 8.000–15.000 Euro
• Testen, Pilotieren, Go-live: 5.000–10.000 Euro
• Gesamt: 48.000–105.000 Euro

Laufende Kosten (monatlich):

• Cloud-Dienste (Azure oder vergleichbar): 300–800 Euro
• Systemwartung und Aktualisierungen (intern, 2–4 Stunden/Monat): 100–200 Euro
• Gesamt: 400–1.000 Euro/Monat

Konservatives ROI-Szenario (200 Routinefälle pro Jahr):

• Eingesparte Ingenieursstunden: 200 Fälle × 1,5 Stunden × 90 Euro Vollkostensatz = 27.000 Euro/Jahr
• Reduzierte Rückfragen: 50 Fälle weniger × 0,5 Stunden = 2.250 Euro/Jahr
• Gesamtnutzen: 29.250 Euro/Jahr
• Bei 75.000 Euro Einrichtung + 8.000 Euro/Jahr laufend: Break-even nach rund 3–3,5 Jahren

Bei höherem Fallvolumen (400+ Anträge/Jahr) verkürzt sich der Break-even entsprechend. Nicht quantifizierbar: Verbesserte Kundenzufriedenheit durch schnellere Erstantworten, bessere Einhaltung der GasNZV-Fristen.

Drei typische Einstiegsfehler

Fehler 1: Die GIS-Integration unterschätzen Teams, die dieses Projekt starten, konzentrieren sich häufig auf die KI-Komponente und schätzen die GIS-Anbindung als “kurzen technischen Schritt” ein. In der Realität ist die GIS-Anbindung der kritische Pfad: Daten müssen strukturiert verfügbar sein, API-Zugänge müssen freigeschaltet und getestet werden, Kapazitätsdaten müssen aktuell sein. Netzbetreiber, die ihr GIS nicht konsequent pflegen, bekommen durch die Automatisierung keine bessere Datenqualität — sie bekommen schnellere falsche Antworten.

Fehler 2: Alle Fälle automatisieren wollen Der Versuch, auch komplexe Fälle (KRITIS-Prüfung, Kapazitätsengpässe, Biogaseinspeisung) vollautomatisch zu bearbeiten, führt zu schlechten Ergebnissen und Ingenieurfrustration. Die KI ist stark bei der Informationsextraktion und Routinekalkulationen — nicht bei der Bewertung ungewöhnlicher Netzsituationen. Routine automatisieren, Komplex eskalieren: Das ist das richtige Prinzip.

Fehler 3: Das Preisblatt vergessen Wenn das Preisblatt für Anschlussgebühren im System nicht aktuell gepflegt ist, erstellt die KI Angebote mit falschen Preisen. Das ist nicht nur ein Qualitätsproblem, sondern ein potenzielles Haftungsthema gegenüber Antragstellern. Das konkrete 12-Monats-Szenario: Das Preisblatt wurde zweimal aktualisiert — das System arbeitet noch mit den Anschlussgebühren vom Vorjahr. Der nächste Ingenieur-Audit findet fehlerhafte Angebote, die bereits verschickt wurden. Die Konsequenz: manuelle Nachbearbeitung aller betroffenen Fälle, im schlimmsten Fall Rückabwicklungen. Abhilfe: Die Preisblatt-Aktualisierung als verbindlichen Auslöser im Systemwartungsworkflow verankern — jede Preisänderung löst einen obligatorischen Systemtest aus, bevor neue Angebote erstellt werden.

Was mit der Einführung wirklich passiert — und was nicht

Sachbearbeiterinnen und Sachbearbeiter reagieren auf dieses System oft skeptisch, wenn es als “Automatisierung” kommuniziert wird — mit dem Subtext, dass ihre Arbeit als ersetzbar gilt. Richtig kommuniziert (“ihr bekommt die Routinefälle fertig aufbereitet und könnt euch auf die interessanten Fälle konzentrieren”) ergibt sich oft eine deutlich positivere Reaktion.

Was in den ersten Wochen passiert: Das Team prüft KI-Entwürfe sehr kritisch — zu Recht. Es werden Fehler gefunden, Verbesserungen eingefordert, Grenzfälle diskutiert. Das ist kein Versagen des Systems, sondern wichtiger Kalibrierungsprozess. Nach 4–8 Wochen Eingewöhnungsphase sinkt die Korrekturdichte bei Routinefällen typischerweise deutlich.

Was nicht passiert: Das System lernt nicht von selbst aus Korrekturen. Wenn Ingenieure Angebote anpassen, muss das explizit als Feedback in das System zurückgespielt werden — das erfordert eine bewusste Qualitätssicherungsroutine.

Realistischer Zeitplan mit Risikohinweisen

Häufige Einwände — und was dahintersteckt

“Ein falsches KI-Angebot kann rechtliche Folgen haben.” Korrekt — deshalb ist die Ingenieur-Freigabe kein optionales Add-on, sondern Systemarchitekturprinzip. Kein KI-Angebotsentwurf verlässt das System ohne menschliche Freigabe. Die Haftungsfrage ändert sich gegenüber dem heutigen Stand nicht: Der Netzbetreiber haftet für das Angebot, der Ingenieur zeichnet verantwortlich. Die KI ist ein Vorbereitungswerkzeug, kein Entscheidungsträger.

“Unsere GIS-Daten sind nicht aktuell genug.” Das ist ein ehrliches Problem — und ein valider Grund, den Start zu verschieben. Ein KI-System, das auf Basis veralteter Leitungskapazitätsdaten falsche Machbarkeitseinschätzungen produziert, ist schlechter als gar keine Automatisierung. Die GIS-Datenqualität ist die Voraussetzung, nicht die Begleiterscheinung. Wer diese Hürde identifiziert, hat gleichzeitig ein GIS-Verbesserungsprojekt identifiziert, das sich unabhängig von der KI-Einführung lohnt.

Woran du merkst, dass das zu dir passt

Das System lohnt sich für euch, wenn:

• Ihr mehr als 150 Netzanschlussanträge pro Jahr bearbeitet
• Ihr GIS-Daten (Leitungsverläufe, Kapazitäten, Druckstufen) digital und aktuell pflegt
• Eure Bearbeitungszeiten bei Routinefällen die NDAV §5-Fristen gelegentlich unter Druck setzen
• Ihr einen klaren Standard-Prozess für Routinefälle habt (kein “jeder macht es anders”)

Das System passt nicht zu euch, wenn:

• Euer GIS-System veraltet oder unzureichend gepflegt ist — eine KI-Anbindung auf schlechten Daten macht schlechte Prüfungen schneller, nicht besser
• Ihr weniger als 100 Netzanschlussanträge pro Jahr habt — der Implementierungsaufwand rechnet sich bei diesem Volumen kaum
• Euer Netzanschluss-Prozess nicht standardisiert ist und jeder Bearbeiter anders vorgeht — Automatisierung setzt einen reproduzierbaren Prozess voraus, den ihr erst definieren müsst

Das kannst du heute noch tun

Führt eine kurze Analyse eurer letzten 50 Netzanschlussanträge durch: Wie viele davon waren tatsächlich “Routinefälle” ohne besondere Komplikationen? Wie viel Ingenieurzeit ist je Fall aufgelaufen? Diese zwei Zahlen — Routinequote und Stundenaufwand — sind die Basis für jede ROI-Abschätzung.

Quellen & Methodik

• NDAV §5 (Niederdruckanschlussverordnung, aktuelle Fassung) — Anschlussfristen für Hausanschlüsse im Niederdruckbereich; Anschlussangebotspflicht innerhalb von drei Monaten, unverzügliche Benachrichtigung nach §5 Abs. 2 bei unvollständigen Unterlagen; Rechtsquelle: gesetze-im-internet.de. Ergänzend: EnWG §17 (Anschlusspflicht) und EnWG §18 (Ausnahmen)
• VDI Nachrichten: „Software automatisiert Anschlussprüfung” — Artikel über automatisierte Netzverträglichkeitsprüfung bei deutschen Netzbetreibern; Quelle für Bearbeitungszeitschätzungen in der Praxis
• Softproject GmbH 2024: „Der digitale Netzanschluss” — Whitepaper zur automatisierten Prüfung der Netzverträglichkeit; Praxiserfahrungen aus deutschen Stadtwerken
• DVGW Arbeitsblatt G 459-1 — Technische Anforderungen an Hausanschlüsse (Niederdruckbereich); maßgeblich für die GasNZV-Konformitätsprüfung bei Standard-Netzanschlüssen im beschriebenen System
• DVGW Arbeitsblatt G 462 — Bau und Prüfung von Gasleitungen aus Polyethylen; maßgeblich für Netzanschlüsse im höheren Druckbereich und die Kapazitätsnachweise
• ITC AG: E-world 2026 — Vorstellung von KI-Funktionen für Netzbetreiber-Software; Einblick in aktuelle Marktlösungen für die Energiewirtschaft