KI-gestützte BNetzA-Regulierungsberichte

Das echte Ausmaß des Problems

Die Anreizregulierung (ARegV) hat zwei Zeitrhythmen, die häufig verwechselt werden. Einmal je Regulierungsperiode, unter der ARegV alle fünf Jahre, prüft die Regulierungsbehörde die Kosten eines Basisjahres und bestimmt daraus das Ausgangsniveau der Erlösobergrenze (§ 6 ARegV), also des Betrags, den der Netzbetreiber über die Netzentgelte einnehmen darf (§ 4 ARegV). In dieselbe Runde gehört der Effizienzvergleich (§ 12 ARegV). Jedes Jahr fallen kleinere Pflichten an: der Antrag auf den Kapitalkostenaufschlag mit den Investitionsdaten (§ 10a ARegV), der Abgleich über das Regulierungskonto (§ 5 ARegV) und der Bericht über alle Versorgungsunterbrechungen des Vorjahres an die Bundesnetzagentur bis zum 30. April (§ 52 EnWG). Dieses KI-Werkzeug hilft in beiden Rhythmen, am meisten aber bei der Kostenprüfung, weil dort die meisten Begründungstexte anfallen. Ein schlecht begründeter oder fehlerhafter Kostenbericht im Basisjahr wirkt über die ganze Periode auf die Erlösobergrenze.

Dazu kommt ein Umbruch: Die Bundesnetzagentur ersetzt ARegV, StromNEV und GasNEV im sogenannten NEST-Prozess durch eigene Festlegungen. Eckpunktepapier und Sachstand stehen auf der Seite ihrer Großen Beschlusskammer Energie. Kostenkategorien, Formulare und Fristen können sich deshalb in den nächsten Jahren ändern, und jedes Mapping, das heute stimmt, muss dann nachgezogen werden.

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: Welche Kosten sind beeinflussbar, welche dauerhaft oder vorübergehend nicht beeinflussbar (§ 11 ARegV)? 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 § 12 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

Wie viel Arbeitszeit das bindet, hat nach unserer Recherche niemand unabhängig erhoben. Softwareanbieter nennen für einen mittelgroßen Netzbetreiber 4–8 Wochen von Regulierungs-, Finanz- und Ingenieurpersonal je Kostenprüfung, dazu 1–3 Wochen für Rückfragen nach der Einreichung. Eure eigene Zahl ist die Summe der Personentage aus der letzten Runde (siehe “Das kannst du heute noch tun”).

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 einer der stärksten Zeiteffekte in dieser Kategorie. Von 4–8 Wochen auf 1–3 Wochen zu kommen ist eine deutliche Reduktion, bei der großen Kostenprüfung am stärksten, bei den jährlichen Anträgen kleiner. Für kleine Netzbetreiber, bei denen die Regulierungsreferentin auch für andere Aufgaben zuständig ist, ist dieser Entlastungseffekt besonders spürbar.

Kosteneinsparung, niedrig (2/5) Die eingesparten Analystentage sind Kapazität, kein Geld: Das Personal bleibt, die Lohnkosten auch. Kassenwirksam wird nur, was wegfällt, etwa externe Beratung für Rückfragen, und die liegt in der Größenordnung der laufenden Kosten des Systems (Rechnung unten). Der eigentliche Wert, eine vollständigere Kostenprüfung und damit eine besser begründete Erlösobergrenze, lässt sich vorab nicht in Euro fassen.

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, mittel (3/5) Die Bearbeitungszeit lässt sich messen, aber es gibt nur einen Messpunkt je Runde, und die Runden sind kaum vergleichbar: Die große Kostenprüfung kommt alle fünf Jahre, mit neuen Formularen und, im NEST-Prozess, neuen Regeln. Ob weniger Rückfragen am System liegen oder an einer anderen Behördenpraxis, lässt sich nicht trennen. Die Zeitwerte in der Tabelle sind Anbieterangaben, keine unabhängige Messung.

Skalierbarkeit, niedrig (2/5) Das ist der schwächste Wert dieses Anwendungsfalls, und ehrlich. Der Regulierungsprozess folgt einem festen Rhythmus, wächst nicht mit der Unternehmensgröße in messbarer Weise, und mehr Mitarbeitende bedeuten nicht mehr 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 Rohrnetzüberprüfung nach DVGW G 465-1 im Netzabschnitt Süd, die im Prüfintervall 2025 fällig wurde.” 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 verbreitetste Speziallösung für deutsches Regulierungsmanagement, laut unserer Toolseite bilden rund 80 Energieunternehmen damit etwa 180 Netze ab, seit rund zwei Jahrzehnten am Markt. Enthält ARegV-Kalkulationslogiken, das Erhebungsformular zum Kapitalkostenaufschlag, BNetzA-Formular-Export und Versorgungsunterbrechungserfassung. Kein LLM-Tool, aber die strukturierte Datenerfassung, die die Grundlage für KI-gestützte Begründungstexte bildet. Betrieb im eigenen Haus, als Application Hosting oder als SaaS aus dem ISO-27001-zertifizierten Rechenzentrum des Anbieters (Sitz Magdeburg). Preise nur auf Anfrage, eine öffentliche Spanne gibt es nicht. 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, deren IT-Sicherheitskonzept keine Cloud-Anbindung für Regulierungsdaten erlaubt. On-premise-Deployment mit dem Pharia-1-Modell für die Textgenerierung. Höherer Implementierungsaufwand, vollständige Datensouveränität. Seit September 2026 fusioniert Aleph Alpha mit dem kanadischen Anbieter Cohere, fragt nach der Produktzukunft von PhariaAI, bevor ihr euch bindet.

Einstieg ohne ERP-Integration: Für einen manuellen Konzepttest reicht eine strukturierte Kostentabelle als CSV-Export aus SAP. Mit echten Zahlen gehört sie nur in Azure OpenAI über die EU-API mit Vertrag, nicht in ein Web-Interface. Wer den Test in Claude machen will, nimmt eine Tabelle mit verfremdeten Beträgen und erfundenen Positionsnamen, für die Frage, ob die Texte taugen, reicht das. Kein Automatisierungsgrad, aber als konzeptioneller Einstieg unter 500 Euro Testaufwand, um intern zu zeigen, dass KI-Entwürfe brauchbare Begründungstexte liefern können, bevor eine vollständige Integration beauftragt wird.

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
• Sicherheitskonzept verlangt Datenhaltung im eigenen Haus → 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.

IT-Sicherheit: Jeder Netzbetreiber muss die Systeme, die er für den sicheren Netzbetrieb braucht, nach dem IT-Sicherheitskatalog der Bundesnetzagentur schützen (§ 5c EnWG). Die Regulierungs-IT gehört meist nicht dazu, hängt aber oft am selben SAP. Als KRITIS-Anlage zählt ein Gasverteilernetz nach BSI-KritisV erst ab 5.190 GWh entnommener Arbeit im Jahr, das erreichen nur die größten Verteilnetze. Die Nutzung von Cloud-LLMs für Regulierungsdaten sollte in jedem Fall 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
• Gesamt: 300–800 Euro/Monat
• rcRegMan-Lizenz, falls neu eingeführt: nur auf Anfrage, nicht in den Summen enthalten

Was sich rechnen lässt, und was nicht:

• Eingesparte Arbeitszeit laut Tabelle: 60–120 Analystenstunden bei der Datenaggregation (80–160 minus 20–40) und 2–3 Arbeitstage bei den Begründungstexten, zusammen rund 10 bis 18 Personentage je großer Erhebungsrunde. Das ist freie Kapazität, kein Geld. In Euro wird sie erst, wenn dafür externe Beratung, Überstunden oder eine befristete Aushilfe wegfallen.
• Vermiedene externe Beratung für Rückfragen, falls ihr die heute einkauft: 2 mal 3.000 Euro = 6.000 Euro im Jahr
• Laufende Kosten: 300–800 Euro im Monat, in der Mitte 500 Euro, also 6.000 Euro im Jahr
• Kassenwirksam bleibt damit nichts übrig: 6.000 Euro vermiedene Beratung gegen 6.000 Euro Betrieb. Die 30.000 Euro Einrichtung verdient das System über diesen Weg nicht zurück.

Der Nutzen liegt woanders: Die Kostenlogik wird dokumentiert und hängt nicht mehr an einer Person, und eine Kostenprüfung mit weniger Lücken schützt die Erlösobergrenze für die ganze Periode, statt der Behörde Anlass zur Schätzung nach § 30 ARegV zu geben. Beides ist real, lässt sich aber vorab nicht in Euro fassen. Wer den Business Case über eingesparte Personalkosten rechnen will, braucht eine konkrete Stelle oder Beratungsleistung, die dadurch wegfällt.

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?”

Softwareanbieter sprechen von zwei bis drei vollständigen Durchläufen, bis die KI-Entwürfe so kalibriert sind, dass der Referent nur noch 20–30 Prozent überarbeitet statt 80 Prozent. Weil die große Kostenprüfung nur alle fünf Jahre kommt, müssen diese Durchläufe an den jährlichen Anträgen und an alten Kostenberichten stattfinden, sonst ist das System bei der nächsten Prüfung genauso ungeübt wie beim ersten Mal. 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.” Für die große Kostenprüfung stimmt das, sie kommt einmal je Regulierungsperiode. Genau das ist das Problem: Wer sie nur alle fünf Jahre macht, hat das Wissen der letzten Runde verloren, wie Annika in der Geschichte oben. Dazu kommen jedes Jahr der Antrag auf den Kapitalkostenaufschlag (§ 10a ARegV), das Regulierungskonto (§ 5 ARegV) und der Bericht über Versorgungsunterbrechungen (§ 52 EnWG). Wer das System nur für die große Runde anschafft, sollte ehrlich prüfen, ob eine gut dokumentierte Mapping-Tabelle ohne KI nicht schon den größten Teil des Nutzens bringt.

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 bei der letzten Kostenprüfung und bei den jährlichen Anträgen aufgewendet, verteilt auf welche Rollen, und wie viel externe Beratung habt ihr dafür eingekauft? Die Personentage sind die Kapazität, die ihr zurückgewinnen könnt. Die Beratungsrechnung ist der Teil, der sich tatsächlich als Geld einsparen lässt, und damit euer ehrlicher Ausgangspunkt für jede Kosten-Nutzen-Rechnung.

Quellen & Methodik

• ARegV, Anreizregulierungsverordnung (aktuelle Fassung), § 4 (Erlösobergrenzen), § 5 (Regulierungskonto), § 6 (Ausgangsniveau der Erlösobergrenze), § 10a (Kapitalkostenaufschlag), § 11 (beeinflussbare und nicht beeinflussbare Kostenanteile), § 12 (Effizienzvergleich), § 30 (Fehlende oder unzureichende Daten); gesetze-im-internet.de/aregv/
• EnWG § 52 (Meldepflichten bei Versorgungsstörungen, Jahresbericht bis 30. April) und § 69 (Auskunftsverlangen); gesetze-im-internet.de/enwg_2005/
• Bundesnetzagentur, Große Beschlusskammer Energie: Eckpunktepapier zu Nachfolgeregelungen für ARegV, StromNEV und GasNEV und Sachstand des NEST-Prozesses; bundesnetzagentur.de/DE/Beschlusskammern/GBK/
• BNetzA: Wesentliche Elemente der Anreizregulierung, Erklärung der Erlösobergrenzensystematik, Effizienzwertberechnung und Datenerhebungspflichten; bundesnetzagentur.de (laufend aktualisiert)
• 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: Erhebungsbögen zum Kapitalkostenaufschlag nach § 10a ARegV, Formularstruktur und Datenanforderungen; Basis für die Beschreibung der Extraktion und Validierungslogik