KI-gestützte BNetzA-Regulierungsberichte

Das echte Ausmaß des Problems

Die Anreizregulierung (ARegV) hat zwei getrennte Zeitrhythmen, die häufig verwechselt werden: Der jährliche §10a-ARegV-Datenerhebungsprozess verpflichtet Netzbetreiber zur regelmäßigen Einreichung von Kosten- und Investitionsdaten — das ist der Prozess, den dieses KI-Tool primär adressiert. Der vollständige Effizienzvergleich findet dagegen nur zu Beginn jeder neuen fünfjährigen Regulierungsperiode statt und ist deutlich aufwendiger. Die Erlösobergrenze nach §21 ARegV — also der Betrag, den der Netzbetreiber über Netzentgelte einnehmen darf — wird auf Basis dieser geprüften Daten festgesetzt. Ein schlecht begründeter oder fehlerhafter Kostenbericht kann die Erlösobergrenze für fünf Jahre negativ beeinflussen.

Das erklärt die Ernsthaftigkeit des Prozesses. Was es nicht erklärt: warum er bei den meisten Netzbetreibern noch immer so handwerklich bleibt.

Der typische Ablauf:

1. Datenaggregation aus SAP (oder einem anderen ERP-System): Buchungskreise, Kostenstellenberichte, Anlagebuchhaltungs-Reports — in Formate und Kategorien, die die BNetzA-Formulare verstehen, übersetzen
2. Kategorisierung nach ARegV: Was ist beeinflussbarer Aufwand (bA), was nicht beeinflussbarer Aufwand (nbA)? Was ist Investition, was Instandhaltung? Diese Abgrenzungen sind nicht immer eindeutig und führen regelmäßig zu Diskussionen mit dem Wirtschaftsprüfer
3. Effizienzwertberechnung-Vorbereitung: Der Effizienzvergleich gemäß §6 ARegV — durchgeführt nach dem Benchmarking-Ansatz der BNetzA mit FRONTIER/CONSENTEC-Methodik (DEA/SFA) — erfordert vergleichbare Kostenkennzahlen, die intern aufbereitet und plausibilisiert werden müssen. Die eigentliche DEA/SFA-Effizienzwertberechnung erfolgt durch BNetzA-beauftragte Gutachter; das KI-System unterstützt die Datenvorbereitung und Textbegründung, nicht die Berechnung selbst
4. Narrative Begründungen: Warum sind die Instandhaltungsaufwendungen gestiegen? Welche DVGW-Pflichtmaßnahmen erklären den Anstieg? Diese Texte schreibt heute ein Ingenieur oder Referent, der die Sachverhalte kennt, aber kein professioneller Textautor ist
5. Formular-Erstellung: Die BNetzA stellt Excel-Formulare bereit, in die alle Kostenpositionen strukturiert einzutragen sind — ein Transfer, der fehleranfällig ist und Stunden dauert

Laut Angaben des Bundesverbands der Energie- und Wasserwirtschaft (BDEW) bindet die Kostennachweiserbringung bei einem mittelgroßen Netzbetreiber 4–8 Wochen Arbeitszeit von Regulierungs-, Finanz- und Ingenieurpersonal. BNetzA-Rückfragen nach der Einreichung kosten weitere 1–3 Wochen.

Mit vs. ohne KI — ein ehrlicher Vergleich

¹ Erfahrungswerte und Selbstangaben aus dem Softwaremarkt; keine unabhängige Studie.

Einschätzung auf einen Blick

Zeitersparnis — sehr hoch (5/5) Das ist der stärkste Zeiteffekt unter allen vier Anwendungsfällen dieser Kategorie. Von 4–8 Wochen auf 1–2 Wochen zu kommen ist eine Halbierung bis Viertelung des Aufwands für einen Prozess, der jährlich anfällt. Für kleine Netzbetreiber, bei denen die Regulierungsreferentin auch für andere Aufgaben zuständig ist, ist dieser Entlastungseffekt besonders spürbar.

Kosteneinsparung — mittel (3/5) Die eingesparten Analystentage sind real, aber nicht im gleichen Maßstab wie die vermiedenen Notfallreparaturen der Leckageprognose. Die direkten Lohnkosten für 4–8 Wochen Mehrpersoneneinsatz sind signifikant, aber kein transformativer Einspareffekt. Der indirekte Wert — weniger BNetzA-Rückfragen, bessere Erlösobergrenze durch vollständigere Begründung — ist schwerer quantifizierbar.

Schnelle Umsetzung — mittel (3/5) Der erste vollständige Einsatz braucht einen Regulierungszyklus zur Kalibrierung — typischerweise 6–12 Wochen, bis das System auf die spezifische SAP-Buchungslogik und ARegV-Kategorisierung des Unternehmens eingestellt ist. Wer mit einer bewährten Speziallösung wie rcRegMan arbeitet, hat einen kürzeren Anlauf als bei einer Eigenentwicklung.

ROI-Sicherheit — sehr hoch (5/5) Das ist zusammen mit der Zeitersparnis der stärkste Wert dieses Anwendungsfalls. Die Bearbeitungszeit ist dokumentiert, die Personalkosten kalkulierbar — kein Raten, keine Schätzungen. Und der Hauptrisiko des Prozesses (falsch oder unvollständig eingereichter Kostenbericht mit Konsequenzen für die Erlösobergrenze) ist klar bewertet. Kein anderer Anwendungsfall in dieser Kategorie hat so klar messbare Vor-Nachher-Werte.

Skalierbarkeit — niedrig (2/5) Das ist der schwächste Wert dieses Anwendungsfalls — und ehrlich. Der Regulierungsprozess findet jährlich statt, wächst nicht mit der Unternehmensgröße in messbarer Weise, und mehr Mitarbeitende bedeuten nicht mehr BNetzA-Berichte. Ein Wachstumseffekt wie bei der Rohrnetz-Wissensdatenbank existiert hier nicht.

Richtwerte — stark abhängig von der Komplexität des Netzes, ERP-Systemlandschaft und Erfahrung des Regulierungsteams.

Was das System konkret macht

Die Generative KI hilft bei vier Teilprozessen — nicht bei allen gleichzeitig und nicht mit gleichem Automatisierungsgrad:

1. Datenaggregation aus SAP: Strukturierte Extraktion von Buchungskreis-Reports, Anlagespiegel und Kostenstellenberichten. Das System erkennt, welche SAP-Buchungskonten welchen ARegV-Kostenarten entsprechen (auf Basis einer intern definierten Mapping-Tabelle, die einmalig konfiguriert wird). Ausgabe: strukturierte Kostentabelle, die direkt in die BNetzA-Formulare überführbar ist.

Das ist kein KI-spezifisches Problem — spezialisierte Regulierungsmanagement-Software wie rcRegMan macht das bereits ohne generative KI. Der neue Teil: LLM-gestützte Plausibilisierung, die Auffälligkeiten identifiziert.

2. Konsistenzprüfung und Validierung: Bevor der Bericht eingereicht wird, prüft das System: Sind Kostenpositionen gegenüber dem Vorjahr deutlich verändert? Sind die Veränderungen durch bekannte Maßnahmen erklärbar? Fehlen Pflichtangaben im Formular? Diese Prüfung kann ein LLM auf Basis der strukturierten Kostenmatrix und vorherigen Jahreswerte durchführen — und markiert verdächtige Positionen für manuelle Prüfung.

3. Begründungstexte: Für Kostenpositionen, die Begründungen erfordern (gestiegene Instandhaltungsaufwendungen, neue Investitionen), erstellt das LLM Entwurfstexte auf Basis der bereitgestellten Sachverhalte: “Die Instandhaltungsaufwendungen für Mitteldruck-Leitungen stiegen um 18 Prozent aufgrund der planmäßigen Wiederholungsprüfungen nach DVGW G 462 im Netzabschnitt Süd, die im Rahmen des Regelprüfintervalls 2025 fällig wurden.” Der Ingenieur prüft, ergänzt und zeichnet verantwortlich.

4. Nachfragen-Management: BNetzA-Rückfragen nach der Einreichung sind formal strukturiert und folgern häufig ähnlichen Mustern. Das LLM kann auf Basis des eingereichten Berichts und der BNetzA-Anfrage einen Antwort-Entwurf erstellen, den der Regulierungsreferent dann fachlich prüft.

Abgrenzung: Was KI hier nicht kann

Die fachliche Bewertung, ob eine Kostenzuordnung ARegV-konform ist, bleibt beim Regulierungsexperten und dem Wirtschaftsprüfer. Das LLM macht keine Rechtsauslegung. Es hilft bei der Strukturierung, der Texterstellung und der Konsistenzprüfung — die fachliche Verantwortung liegt beim Menschen.

Das ist keine Einschränkung gegenüber dem Marktversprechen vieler KI-Anbieter, sondern die korrekte Beschreibung des Prozesses. Ein Kostenbericht, dessen Kernzuordnungen nicht durch einen qualifizierten Regulierungsexperten verantwortet werden, ist kein guter Kostenbericht — unabhängig von der Unterstützung durch KI.

Konkrete Werkzeuge — was wann passt

rcRegMan (regiocom SE): Die marktführende Speziallösung für deutsches Regulierungsmanagement. Seit mehr als 15 Jahren im Einsatz, enthält ARegV-Kalkulationslogiken, BNetzA-Formular-Export und Versorgungsunterbrechungserfassung. Kein LLM-Tool, aber die strukturierte Datenerfassung, die die Grundlage für KI-gestützte Begründungstexte bildet. Hosting im deutschen Rechenzentrum (Magdeburg). Preise auf Anfrage; erfahrungsgemäß im mittleren fünfstelligen Bereich jährlich für mittelgroße Netzbetreiber (eigene Schätzung, keine Herstellerbestätigung). Sinnvoll als Basis-Infrastruktur, auf der KI-Assistenz aufsetzt.

SAP mit KI-Erweiterung: Wer bereits SAP als ERP betreibt, kann über SAP Joule (KI-Assistent, seit 2024) oder über externe API-Anbindung strukturierte Berichte aus dem System extrahieren. SAP selbst bietet keine ARegV-spezifische Lösung, aber die Rohdaten-Extraktion lässt sich automatisieren.

Azure OpenAI Service als LLM-Backend: Für die Begründungstexte und Konsistenzprüfung. EU-Hosting, DSGVO-konformer AVV, keine Nutzung der Kundendaten für Modelltraining. Voraussetzung: Die strukturierten Kostendaten werden in einem kontrollierten Workflow (nicht direkt aus SAP in ein öffentliches LLM) übergeben.

Aleph Alpha (PhariaAI): Für Netzbetreiber mit strikten KRITIS-Anforderungen, die keine Cloud-Anbindung für Regulierungsdaten erlauben. On-premise-Deployment mit Pharia-1-Modell für die Textgenerierung. Höherer Implementierungsaufwand, vollständige Datensouveränität.

Einstieg ohne ERP-Integration: Für einen manuellen Konzepttest eignet sich eine strukturierte Kostentabelle als CSV-Export aus SAP, die in Claude oder Azure OpenAI (EU-API) als Kontext für Begründungstexte genutzt wird. Kein Automatisierungsgrad, aber als konzeptioneller Einstieg unter 500 Euro Testaufwand — um intern zu zeigen, dass KI-Entwürfe BNetzA-taugliche Texte liefern können, bevor eine vollständige Integration beauftragt wird. Keine Regulierungsdaten in öffentliche Web-Interfaces eingeben.

Zusammenfassung: Welche Kombination wann:

• rcRegMan bereits im Einsatz → LLM-Erweiterung für Begründungstexte ist der nächste Schritt
• SAP-Stammdaten sauber strukturiert → Extraktion + Azure OpenAI für Validierung und Texte
• KRITIS-Datensouveränität streng → Aleph Alpha on-premise + rcRegMan on-premise

Datenschutz und Datenhaltung

ARegV-Kostendaten enthalten in der Regel keine personenbezogenen Daten — es handelt sich um Buchungskreis-Aggregate und Kostenstellen-Summen, nicht um Einzelpersonen-Daten.

Relevant sind dennoch:

Vertraulichkeit: Regulierungsdaten (Kostenstruktur, Erlösobergrenze-Kalkulation, Effizienzwerte) sind wettbewerbsrelevante Informationen. Sie sollten nicht in öffentliche KI-Dienste (ChatGPT.com, Claude.ai direkt) eingegeben werden, sondern ausschließlich über Unternehmens-APIs mit vertraglicher Absicherung.

BSI-KRITIS: Falls der Netzbetreiber als KRITIS-Betreiber eingestuft ist, gelten erhöhte Anforderungen an die IT-Sicherheit auch der Regulierungs-IT. Die Nutzung von Cloud-LLMs für Regulierungsdaten sollte im IT-Sicherheitskonzept bewertet sein.

Auditierbarkeit: Die BNetzA kann Nachweise und Nachfragen stellen. Alle KI-generierten Entwürfe sollten protokolliert und mit den finalen Begründungstexten verknüpft sein — damit im Nachhinein nachvollziehbar ist, welche Teile des Berichts durch KI-Unterstützung entstanden sind und von wem sie fachlich verantwortet wurden.

Was es kostet — realistisch gerechnet

Einmalige Einrichtungskosten:

• Konfiguration SAP-Extraktion und ARegV-Mapping: 8.000–20.000 Euro
• LLM-Integration für Begründungstexte und Validierung: 5.000–15.000 Euro
• Pilotjahr (erster vollständiger Einsatz mit intensiver Begleitung): 5.000–10.000 Euro
• Gesamt: 18.000–45.000 Euro (ohne rcRegMan-Lizenz, falls neu eingeführt)

Laufende Kosten (monatlich):

• LLM-API-Kosten (Azure OpenAI): 100–400 Euro (Jahresbetrieb, saisonaler Peak im Berichtszeitraum)
• Systemwartung: 200–400 Euro
• rcRegMan-Lizenz (falls genutzt): 2.000–5.000 Euro/Monat (Jahresvertrag) ²
• Gesamt ohne rcRegMan: 300–800 Euro/Monat

² Schätzung — Herstellerpreise bitte direkt anfragen (keine bestätigte Preisangabe).

Konservatives ROI-Szenario:

• Eingesparte Analystentage: 15 Tage × 500 Euro Tagessatz (Vollkosten) = 7.500 Euro/Jahr
• Eingesparte Ingenieurstage: 10 Tage × 700 Euro = 7.000 Euro/Jahr
• Vermiedene externe Beratungskosten für BNetzA-Rückfragen: 2 × 3.000 Euro = 6.000 Euro/Jahr
• Gesamtnutzen: 20.500 Euro/Jahr
• Bei 30.000 Euro Einrichtung + 6.000 Euro/Jahr laufend: Break-even nach ca. 2 Jahren

Nicht quantifizierbar: Bessere Dokumentation der Kostenlogik, die Folgejahre erleichtert. Geringere Abhängigkeit von einzelnen Mitarbeitenden mit spezifischem Regulierungswissen.

Drei typische Einstiegsfehler

Fehler 1: Generisches LLM ohne ARegV-Kontext verwenden “ChatGPT, erkläre die ARegV-Anforderungen und schreibe uns den Kostenbericht” — das funktioniert nicht. Ein generisches LLM kennt die ARegV auf allgemeinem Niveau, kennt aber nicht die spezifische SAP-Buchungslogik, die Kostenzuordnungsentscheidungen aus den Vorjahren oder die internen Kommentierungen. Das LLM braucht als Input: die strukturierten Kostendaten, die Vorjahreswerte, die bekannten Sachverhalte (welche Instandhaltungsmaßnahmen wurden durchgeführt?) und die BNetzA-Formatvorgaben. Ohne diesen Kontext produziert es generische Texte, die kein Regulierungsreferent unterschreiben würde.

Fehler 2: Kostenzuordnungen nicht vor dem KI-Einsatz standardisieren Wenn die Zuordnung von SAP-Buchungskonten zu ARegV-Kostenarten jedes Jahr neu diskutiert wird und inkonsistent bleibt, hilft KI nicht weiter. Das System arbeitet auf der Basis einer Mapping-Tabelle, die einmal sorgfältig erstellt und mit dem Wirtschaftsprüfer abgestimmt wird. Wer diesen Schritt überspringt, bekommt automatisiert inkonsistente Ergebnisse.

Fehler 3: Das Mapping-Dokument nicht aktuell halten Das ARegV-Kategorien-Mapping ist das Herzstück des Systems — und es veraltet. Das konkrete 12-Monats-Szenario: Eine neue Kostenkategorie wurde durch BNetzA-Festlegung eingeführt, das System kategorisiert aber weiter nach der alten Logik. Der Wirtschaftsprüfer findet den Fehler erst in der Schlussrevision — zu spät für eine fristgerechte Korrektur, mit möglichen Konsequenzen für die Erlösobergrenze. Das Mapping-Dokument muss bei jeder BNetzA-Festlegung, jeder ARegV-Änderung und jedem Wirtschaftsprüfer-Hinweis aktiv geprüft und bei Bedarf aktualisiert werden. Wer das nicht als festen Prozessschritt etabliert, baut auf einem Fundament, das unbemerkt erodiert.

Was mit der Einführung wirklich passiert — und was nicht

Regulierungsreferenten reagieren auf KI-Unterstützung in diesem Bereich oft positiver als erwartet — weil die Arbeit tatsächlich mühsam ist und der Leidensdruck durch die Jahresfristen real. Die Skepsis richtet sich nicht gegen das Konzept, sondern gegen die Qualität: “Werden die Texte, die das System entwirft, wirklich BNetzA-tauglich sein?”

In der Praxis braucht es typischerweise zwei bis drei vollständige Regulierungszyklen, bis die KI-Entwürfe so kalibriert sind, dass der Referent nur noch 20–30 Prozent überarbeitet statt 80 Prozent. Im ersten Jahr ist der Zeitgewinn geringer als erhofft — aber die Systematisierung der Kostenlogik ist selbst ein Wert.

Was nicht passiert: Das System nimmt dem Regulierungsreferenten die fachliche Verantwortung nicht ab. Wer bisher die Begründungstexte ohne tiefes Verständnis der Kostenstruktur geschrieben hat, wird das auch mit KI-Entwürfen tun — mit möglicherweise größerem Selbstvertrauen und kleinerer Fehlerquote. Das ist der realistische Fortschritt.

Realistischer Zeitplan mit Risikohinweisen

Häufige Einwände — und was dahintersteckt

“Was ist, wenn der KI-Bericht fachlich falsch ist und die BNetzA das bemerkt?” Das Risiko ist real — und das ist der Grund, warum die Ingenieur-Freigabe nicht optional ist. Der Regulierungsreferent und der Wirtschaftsprüfer verantworten den Bericht fachlich. Das KI-System erstellt Entwürfe und prüft Konsistenz — es unterschreibt nicht. Die Haftung liegt bei den Menschen, die den Bericht einreichen. Das ändert sich durch KI-Unterstützung nicht.

“Unsere SAP-Struktur ist zu komplex / nicht standardisiert genug.” Komplexe SAP-Strukturen sind kein Ausschlussgrund, aber sie erhöhen den initialen Konfigurationsaufwand. Das ARegV-Mapping muss dann sorgfältiger erstellt werden — was in der Regel bedeutet, dass bestehende Unklarheiten in der Kontenzuordnung endlich explizit gemacht werden. Das ist oft ein versteckter Nebennutzen des Projekts.

“Wir machen das nur alle paar Jahre.” Die ARegV-Kostennachweiserbringung findet jährlich statt (Datenerhebung), auch wenn die Erlösobergrenzen nur alle fünf Jahre neu festgesetzt werden. Dazu kommen die jährliche Netzentgeltveröffentlichungspflicht nach §20 GasNZV in Verbindung mit ARegV und die Versorgungsunterbrechungsberichte. Das System ist kein Einmal-Tool, sondern eine dauerhafte Infrastruktur für den Regulierungsalltag.

Woran du merkst, dass das zu dir passt

Das System lohnt sich für euch, wenn:

• Ihr mindestens 3–5 Personen habt, die jährlich in den Regulierungsbericht-Prozess eingebunden sind
• Die Kostenbericht-Erstellung heute mehr als 4 Wochen bindet und dabei stark von einzelnen Mitarbeitenden mit spezifischem Wissen abhängt
• Ihr SAP oder ein ähnlich strukturiertes ERP-System einsetzt, aus dem Kostendaten strukturiert exportiert werden können
• Ihr in der aktuellen Regulierungsperiode BNetzA-Rückfragen wegen unvollständiger oder inkonsistenter Begründungen erhalten habt

Das System passt nicht zu euch, wenn:

• Euer Netzbetrieb so klein ist, dass der Regulierungsbericht von einer einzigen Person in wenigen Tagen erstellt wird — der Implementierungsaufwand übersteigt den Nutzen
• Eure SAP-Buchungslogik grundsätzlich nicht auf ARegV-Kategorien abgebildet ist und ihr dafür erstmal eine grundsätzliche Sanierung braucht — das ist ein vorgelagertes Projekt
• Euer Wirtschaftsprüfer den Regulierungsbericht bisher vollständig extern erstellt und ihr keinen internen Regulierungsexperten habt — dann fehlt die Fachkompetenz, die KI-Entwürfe zu bewerten

Das kannst du heute noch tun

Messt einmal nach: Wie viele Personentage habt ihr im letzten Regulierungszyklus für die Kostennachweiserbringung aufgewendet, verteilt auf welche Rollen? Diese Zahl, multipliziert mit einem realistischen Tagessatz, ist euer konkreter Ausgangspunkt für jede Kosten-Nutzen-Rechnung.

Quellen & Methodik

• ARegV — Anreizregulierungsverordnung (aktuelle Fassung) — §5 (Kostenkategorien), §10a (Datenerhebung Investitionsverhalten); Rechtsquelle: gesetze-im-internet.de; maßgeblich für alle beschriebenen Kostenkategorisierungen
• BNetzA: Wesentliche Elemente der Anreizregulierung — Erklärung der Erlösobergrenzensystematik, Effizienzwertberechnung und Datenerhebungspflichten; bundesnetzagentur.de (laufend aktualisiert)
• BDEW: Stellungnahme zur Weiterentwicklung der Anreizregulierung (Februar 2024) — Einschätzung des administrativen Aufwands für Netzbetreiber; BDEW-Positionspapier zur BNetzA-Evaluierung
• regiocom / rcRegMan: Leistungsbeschreibung — Funktionsübersicht der Spezialsoftware für ARegV-Regulierungsmanagement; Grundlage für die Tool-Empfehlung; rcregman.de
• PwC Deutschland: „Neugestaltung der Kosten- und Anreizregulierung” (2024) — Einordnung des BNetzA-Eckpunktepapiers zur Regulierungsreform; Kontext für die Beschreibung der Regulierungsanforderungen
• BNetzA: Datenerhebungsformulare §10a ARegV — Formularstruktur und Datenanforderungen; Basis für die Beschreibung der Extraktion und Validierungslogik