KI-gestützte Kundenkommunikation im Netzanschlussprozess
KI automatisiert Statusmeldungen und Standardantworten im Netzanschlussprozess — Sachbearbeiterinnen verbringen weniger Zeit mit 'Wann kommt mein Hausanschluss?'-Anrufen und mehr Zeit mit Anträgen, die echte Bearbeitung brauchen.
Es ist Donnerstag, 10:15 Uhr.
Sachbearbeiterin Claudia Harms hat heute bereits sieben Anrufe bearbeitet. Alle mit derselben Frage: “Ich habe meinen Netzanschlussantrag vor acht Wochen gestellt — wann erhalte ich das Angebot?” Claudia öffnet jeweils SAP, sucht die Vorgangsnummer, prüft den Status, erklärt dem Bauherrn, dass die Abstimmung mit dem Tiefbau noch läuft, und notiert den Anruf als erledigten Kontakt.
Siebzig Minuten am Vormittag für siebenmal dieselbe Antwort: Wann kommt mein Netzanschluss?
Unterdessen stapeln sich die neuen Anträge in ihrem Posteingang. Fünf Vollantrag-Unterlagen, die echte Prüfung brauchen: Technische Unterlagen, Druckstufen-Kompatibilität, DVGW-Konformität der geplanten Hausinstallation. Diese Aufgaben brauchen Claudias Fachkompetenz. Die Statusanfragen brauchen das nicht — sie brauchen nur Zugang zu einer Datenbank.
Und weil Claudia gerade Statusanrufe bearbeitet, warten die Antrag-Unterlagen.
Drei Anträge werden heute die GasNZV §24-Frist nicht mehr schaffen — das erzeugt regulatorisches Risiko und Beschwerdepotenzial, wenn betroffene Antragsteller sich an die BNetzA wenden.
Das echte Ausmaß des Problems
Der Netzanschlussprozess für Gas ist in der GasNZV klar geregelt: Nach Eingang eines vollständigen Antrags hat der Netzbetreiber zwei Wochen, um den Antragsteller über fehlende oder unvollständige Unterlagen zu informieren, und drei Monate, um ein verbindliches Angebot zu übermitteln (GasNZV §24). Was die GasNZV nicht regelt: die Kommunikation in den acht bis zwanzig Wochen dazwischen, in denen Bauherren, Installateure und Architekten im Unklaren darüber sind, was mit ihrem Antrag passiert.
Besonders kritisch in der Praxis: §24 Abs. 1 GasNZV fordert eine schriftliche Mitteilung über fehlende Unterlagen — eine Pflicht, die oft informal per Telefon erfüllt wird und damit nicht nachvollziehbar dokumentiert ist. Genau hier entstehen die meisten Kundenbeschwerden.
Das Ergebnis ist vorhersehbar: Alle rufen an.
Bei einem Stadtwerk mit 500 neuen Netzanschlüssen pro Jahr — das ist eine mittlere Größe für Stadtwerke in Großstädten — gibt es in einem typischen Jahr mehr als 3.000 Statusanfragen. Das sind im Schnitt 12–15 Anfragen täglich, die jeweils 8–15 Minuten Sachbearbeiterzeit kosten. Aus Stadtwerke-Betriebsgesprächen ergibt sich, dass 30 bis 40 Prozent der gesamten Sachbearbeitungszeit im Netzanschlussprozess auf Statusanfragen entfällt — Zeit, die für die eigentliche Antragsbearbeitung fehlt.¹
¹ Eigene Einschätzung auf Basis von Stadtwerke-Betriebsgesprächen; eine BDEW-Publikation mit dieser Präzision liegt nicht öffentlich vor.
Das Problem hat drei Ursachen:
- Keine proaktive Kommunikation: Der Prozess meldet sich nur, wenn der Netzbetreiber aktiv etwas braucht. Kunden bekommen keine automatischen Updates.
- Kein Selbstbedienungs-Portal: Bauherren und Installateure haben keinen Zugang zum aktuellen Bearbeitungsstatus — sie müssen anrufen oder eine E-Mail schreiben.
- Prozessunterbrechungen sind unsichtbar: Wenn ein Antrag intern auf die Abstimmung mit dem Tiefbau wartet, weiß der Antragsteller das nicht. Er denkt, sein Antrag wurde vergessen.
Seit Januar 2025 müssen Netzbetreiber Netzanschlussanfragen für Erzeugungsanlagen bis 30 kW über digitale Portale abwickeln — eine regulatorische Bewegung, die den Druck auf digitale Prozessführung erhöht.
Mit vs. ohne KI — ein ehrlicher Vergleich
| Kennzahl | Ohne KI | Mit KI-Unterstützung |
|---|---|---|
| Statusanfragen je Vorgang bis Angebot | 2–5 Anrufe/E-Mails ¹ | 0–1 ¹ |
| Sachbearbeiterzeit für Statusanfragen | 30–40 % der Arbeitszeit | 10–15 % ¹ |
| Reaktionszeit auf schriftliche Anfragen | 1–3 Werktage | Sofort (Chatbot) oder gleicher Tag (KI-Entwurf) |
| GasNZV-Fristeinhaltung | Überwacht manuell, gelegentlich knapp | Systemseitig getracked, Fristen als Alarmauslöser |
| Kundenzufriedenheit mit Kommunikation | Häufigstes Beschwerdethema | Messbar verbessert nach Einführung proaktiver Updates ¹ |
¹ Erfahrungswerte aus Praxisberichten digitalisierter Stadtwerke; keine repräsentative Studie.
Einschätzung auf einen Blick
Zeitersparnis — hoch (4/5) Das ist der direkteste Zeithebel dieses Use Cases. Wenn 30 bis 40 Prozent der Sachbearbeiterzeit auf Statusanfragen entfallen und KI diese übernimmt, sind täglich 2 bis 3 Stunden pro Person zurückgewonnen — Zeit, die in Antragsbearbeitung fließt. Dieser Effekt ist vergleichbar mit der Netzanschluss-Automatisierung, die einen anderen Teilprozess desselben Workflows adressiert.
Kosteneinsparung — mittel (3/5) Die freigewordene Sachbearbeiterzeit bringt keinen direkten Kostenvorteil — das Personal bleibt im Unternehmen. Der Nutzen entsteht durch Umverteilung: Anträge werden schneller bearbeitet, Fristen sicherer eingehalten, weniger Beschwerden generiert. Das senkt indirekte Kosten (Beschwerdeverfahren, BNetzA-Anfragen), lässt sich aber schwerer in Euro ausdrücken als direkte Einsparungen.
Schnelle Umsetzung — mittel (3/5) Ein Chatbot für Standardfragen auf der Kundenportal-Website ist in 8 bis 16 Wochen einführbar — das ist machbar. Die vollständige Prozessautomatisierung mit Statusmeldungen aus dem Workforce-Management-System braucht eine funktionierende API-Anbindung an SAP IS-U oder das eingesetzte System, was die Umsetzungszeit auf 4 bis 8 Monate verlängert. Das ist kein unüberwindbares Hindernis, aber ein klarer Unterschied zum einfachen Chatbot-Einstieg.
ROI-Sicherheit — mittel (3/5) Der Nutzen ist messbar — vor und nach der Einführung lässt sich das Anfragenvolumen zählen. Aber der monetäre Wert der eingesparten Zeit hängt davon ab, ob die freigewordene Kapazität tatsächlich für produktive Antragsbearbeitung genutzt wird. Wenn das Team generell unterlastet ist, verpufft der Effekt.
Skalierbarkeit — hoch (4/5) Hier liegt die Stärke: Ein Chatbot beantwortet gleichzeitig hundert Anfragen genauso gut wie eine. Bei wachsender Antragsanzahl steigt der Nutzen der Automatisierung proportional, ohne dass Personal aufgestockt werden muss. Das ist der klarste Skalierungsvorteil in diesem Anwendungsbereich.
Richtwerte — stark abhängig von Antragsvolumen, bestehender Systemlandschaft und Prozessreifegrad.
Was das System konkret macht
Der Ansatz hat zwei Teile, die unabhängig eingeführt werden können:
Teil 1 — Proaktive Statusmails bei Prozess-Meilensteinen Das System ist mit dem Workforce-Management- oder ERP-System (typischerweise SAP IS-U, Schleupen oder ein kommunales Eigenentwicklungssystem) per API verbunden. Sobald ein Vorgang einen definierten Meilenstein erreicht — Antrag vollständig eingegangen, technische Prüfung abgeschlossen, Angebotserstellung gestartet, Angebot versendet, Baubeginn bestätigt — generiert ein LLM automatisch eine Statusmail an den Antragsteller.
Diese Mails sind keine generischen Textbausteine, sondern kontextspezifisch: Sie nennen den konkreten Meilenstein, erklären in einem Satz, was jetzt als nächstes passiert, und geben einen realistischen Zeitrahmen für den nächsten Schritt. Kein Fachchinesisch, kein “Ihr Antrag wird bearbeitet”.
Teil 2 — Chatbot für Standardanfragen im Kundenportal Ein Chatbot auf der Kundenportal-Website beantwortet die häufigsten 20 bis 30 Fragetypen: “Wie lange dauert ein Netzanschluss?”, “Welche Unterlagen brauche ich?”, “Ich habe mein Angebot noch nicht erhalten — was mache ich?”. Für eingeloggte Nutzer kann der Chatbot auch direkt den aktuellen Status eines laufenden Vorgangs abrufen und mitteilen.
Anfragen, die der Chatbot nicht beantworten kann, werden mit vollständigem Gesprächsprotokoll an eine Sachbearbeiterin weitergeleitet — so muss der Kunde die Situation nicht noch einmal erklären.
Was das System nicht macht: Es trifft keine fachlichen Entscheidungen über Antragseignung, Druckstufenzuordnung oder technische Machbarkeit. Diese Entscheidungen bleiben beim Fachpersonal. Das System kommuniziert Prozessstände — es bewertet sie nicht.
Konkrete Werkzeuge — was wann passt
ISA Chatbot / Stadtwerk.bot — für den Chatbot-Einstieg Stadtwerk.bot ist speziell für Energieversorger entwickelt und kennt die typischen Fragestellungen rund um Netzanschluss, Tarife und Störungen. Kein allgemeines Chatbot-Tool, das erst auf die Branche trainiert werden muss — das reduziert die Einführungszeit erheblich. Datenhaltung auf deutschen Servern, DSGVO-konform. Erste produktive Implementierungen bei kommunalen Stadtwerken sind dokumentiert.
n8n — für die Prozessautomatisierung Wenn die Statusmails auf Basis von SAP-Ereignissen ausgelöst werden sollen, braucht es eine Automatisierungsschicht, die die Signale verarbeitet und Mails oder Nachrichten auslöst. n8n ist eine Open-Source-Automatisierungsplattform, die on-premise betrieben werden kann — wichtig für Netzbetreiber mit Anforderungen an Datensouveränität. Die Integration in SAP IS-U erfordert technische Umsetzungsarbeit, ist aber gut dokumentiert.
Freshdesk — für das Ticket-Management Wenn nicht nur Statusanfragen, sondern der gesamte Kundenkontakt strukturiert werden soll, bietet Freshdesk ein vollständiges Helpdesk-System. Eingehende Anfragen werden automatisch kategorisiert und priorisiert. Freshdesk hat eine EU-Hosting-Option und bietet Chatbot-Funktionalität, ist aber weniger branchenspezifisch als Stadtwerk.bot.
Azure OpenAI Service — für die Mail-Textgenerierung Für die Erstellung der Statusmails aus Prozessdaten bietet Azure OpenAI eine flexible Basis: Die Prozessdaten werden als Kontext übergeben, ein Sprachmodell generiert den Text, der dann vor dem Versand in eine definierte Vorlage eingebettet wird. EU-Datenhaltung über Microsofts EU Data Boundary. Für datenschutzkritische Konfigurationen kann auch Aleph Alpha on-premise eingesetzt werden.
SAP IS-U / Schleupen-Integration: Beide Systeme haben APIs oder Datenbankzugänge, über die Prozessstatusdaten abgerufen werden können. Die Integration ist das technisch aufwendigste Element und sollte nicht unterschätzt werden.
Zusammenfassung: pragmatischer Einstieg
- Nur Chatbot ohne Systemanbindung → Stadtwerk.bot in 8–12 Wochen
- Proaktive Statusmails mit SAP-Anbindung → n8n + Azure OpenAI, 4–8 Monate
- Vollständige Kundenportal-Integration mit Echtzeit-Status → Individualprojekt, 6–12 Monate
Datenschutz und Datenhaltung
Im Netzanschlussprozess werden personenbezogene Daten der Antragsteller verarbeitet: Name, Adresse, Kontaktdaten, technische Details des Grundstücks. Ein System, das auf diese Daten zugreift, um Statusmails zu generieren, unterliegt vollständig der DSGVO.
Konkrete Anforderungen:
- Auftragsverarbeitungsvertrag (AVV): Mit jedem Anbieter, der auf Kundendaten zugreift (Chatbot-Anbieter, LLM-API-Anbieter), muss ein AVV nach Art. 28 DSGVO geschlossen werden.
- Zweckbindung: Kundendaten dürfen nur für die Prozessstatus-Kommunikation genutzt werden, nicht für andere Zwecke — keine Weitergabe an Dritte.
- EU-Datenhaltung: Stadtwerk.bot speichert auf deutschen Servern. Azure OpenAI kann über EU Data Boundary konfiguriert werden. Für Konfigurationen, bei denen Kundendaten den EU-Raum nicht verlassen dürfen, sind On-Premise-Lösungen mit n8n + Aleph Alpha die sichere Alternative.
Der Chatbot-Betrieb auf öffentlichen Kundenportalen erfordert außerdem eine Datenschutzerklärung, die den Einsatz des Chatbots und die damit verbundene Datenverarbeitung transparent macht.
Was es kostet — realistisch gerechnet
Einstieg: Nur Chatbot
- Einrichtung und Konfiguration Stadtwerk.bot: 5.000–15.000 Euro einmalig
- Laufende Kosten: 800–1.500 Euro/Monat
- Zeitaufwand intern: 2–4 Wochen für Fragen-Katalog und Testphase
Vollausbau: Proaktive Statusmails + Chatbot mit Systemanbindung
- Integration SAP IS-U / n8n: 20.000–50.000 Euro Projektkosten
- LLM-API (Azure OpenAI): 300–800 Euro/Monat je nach Volumen
- Gesamtprojektdauer: 4–8 Monate
Konservativer ROI-Szenario: 500 neue Netzanschlüsse/Jahr × durchschnittlich 4 Statusanfragen je Vorgang = 2.000 Anfragen. Jede Anfrage kostet 12 Minuten = 400 Stunden/Jahr = 50 Personentage. Bei 60 % Automatisierungsrate: 240 Stunden freigewonnen. Wert bei 80 Euro/Stunde: 19.200 Euro/Jahr. Im Jahr 2 bei einmaliger Projektinvestition von 30.000 Euro: positiver ROI bei 60 % Automatisierungsrate ab Monat 20. Ein vorsichtiges, aber realistisches Szenario.
Drei typische Einstiegsfehler
Fehler 1: Den Chatbot mit zu vielen Ausnahmen überlasten Der Versuch, den Chatbot für alle möglichen Fragen zu konfigurieren, führt zu einem System, das viele Fragen halbrichtig beantwortet. Besser: Die 15 häufigsten Fragen vollständig korrekt abdecken — mit ehrlichem Eskalationspfad für alles andere. Kundinnen, die eine falsche Antwort bekommen, verlieren das Vertrauen schneller als Kundinnen, die weitergeleitet werden.
Fehler 2: Die Statusmails klingen wie Formschreiben Ein LLM kann gut formulieren — aber wenn die Statusmails identisch klingen wie die bisherigen Textbausteine (“Ihr Antrag befindet sich in Bearbeitung”), ist der Nutzen für den Kunden gering. Die Qualitätskontrolle der generierten Texte ist entscheidend: Sind sie klar, konkret und verständlich für Bauherren ohne Energiefachwissen?
Fehler 3: Die Prozessdaten-Qualität nicht prüfen Wenn die SAP-Daten veraltete oder inkonsistente Statusfelder enthalten — Vorgänge, die im System als “in Bearbeitung” stehen, aber seit Wochen unberührt sind — generiert die KI korrekte Mails mit falschen Informationen. Vor der Implementierung muss die Datenqualität der Prozessstatusdaten geprüft und bereinigt werden. Dazu kommt ein oft übersehener Wartungsaspekt: Der Fragen-Katalog des Chatbots veraltet, sobald sich Antragsformulare, Fristen oder interne Prozesse ändern — und niemand pflegt ihn nach. Wer nicht von Anfang an eine verantwortliche Person für diese laufende Pflege benennt, betreibt nach 6 bis 12 Monaten einen Chatbot mit veralteten Antworten.
Was mit der Einführung wirklich passiert — und was nicht
Der Chatbot wird in den ersten Wochen viele Anfragen nicht verstehen oder falsch einordnen. Das ist normal — und kein Grund, das Projekt zu stoppen. Die wichtigste Aufgabe in den ersten sechs Wochen ist das systematische Auswerten der Chatbot-Protokolle: Welche Fragen werden nicht erkannt? Wo gibt der Chatbot unsinnige Antworten? Diese Lücken werden in kurzen Iterationszyklen geschlossen.
Was nicht passiert: Eine sofortige Halbierung der eingehenden Anrufe. Die Erfahrung aus ähnlichen Projekten bei Stadtwerken zeigt, dass die Akzeptanz des Chatbots unter Kunden 3 bis 6 Monate braucht. Wer bislang angerufen hat, ruft zunächst weiter an — bis er erlebt, dass der Chatbot schneller und zuverlässiger antwortet als das Warteschleifentelefon.
Was tatsächlich passiert: Das Verhältnis zwischen Chatbot-Antworten und Anrufen verschiebt sich langsam, aber messbar — wenn die Qualität der Antworten stimmt.
Realistischer Zeitplan mit Risikohinweisen
| Phase | Dauer | Was passiert | Typisches Risiko |
|---|---|---|---|
| Fragen-Katalog und Prozessanalyse | 3–4 Wochen | Top-30-Fragen aus Anrufprotokollen herausarbeiten, Prozessstatus-Meilensteine definieren | Anrufprotokolle nicht systematisch erfasst |
| Chatbot-Konfiguration | 4–8 Wochen | Stadtwerk.bot oder Alternativtool konfigurieren, Testphase mit internem Team | Inhalte müssen rechtlich geprüft werden |
| Testphase mit echten Kunden | 4–6 Wochen | Chatbot geht online, Protokolle werden ausgewertet, Lücken geschlossen | Schlechte erste Erfahrungen setzen Reputation des Tools |
| SAP-Anbindung (optional) | 2–4 Monate | API-Integration, Datenschema-Definition, Automations-Workflow | SAP-Schnittstellen erfordern IT-Kapazität, die oft fehlt |
| Vollbetrieb | ab Monat 6–12 | Proaktive Mails + Chatbot laufen, regelmäßige Qualitätsprüfung | Fragen-Katalog veraltet, wenn Prozesse sich ändern |
Häufige Einwände — und was dahintersteckt
“Unsere Kunden wollen mit echten Menschen sprechen.” Das stimmt für komplexe Fälle. Aber “Wo steht mein Antrag?” ist kein komplexer Fall. Kunden wollen eine schnelle, korrekte Antwort. Ob die von einem Chatbot oder einem Menschen kommt, ist sekundär — was zählt, ist die Qualität der Antwort. Wer schon einmal 20 Minuten in einer Warteschleife gehangen hat, ist oft froh über einen Chatbot, der sofort antwortet.
“Das klingt nach viel Aufwand für einen kleinen Nutzen.” Der Aufwand für den reinen Chatbot-Einstieg ist überschaubar: 8 bis 12 Wochen, ein klar definiertes Fragen-Spektrum, ein Anbieter mit Branchenerfahrung. Der Nutzen — 20 bis 30 % weniger Telefonanfragen im ersten Jahr — ist real und messbar. Man muss nicht das vollständige System bauen, um ersten Nutzen zu sehen.
Woran du merkst, dass das zu dir passt
Das passt zu dir, wenn:
- Deine Sachbearbeiterinnen mehr als 20 % ihrer Zeit mit Statusanfragen verbringen (Selbsteinschätzung oder Analyse der Anrufprotokolle)
- Du ein Kundenportal hast oder planst, in das ein Chatbot integriert werden kann
- Du ein SAP IS-U oder ähnliches System einsetzt, das Prozessstatusdaten strukturiert speichert
Das passt noch nicht zu dir, wenn:
- Ihr bearbeitet weniger als 100 Netzanschlüsse pro Jahr: weder Chatbot noch SAP-Integration lohnen sich volumenseitig — die Einrichtungskosten übersteigen den Nutzen. Bei 100–300 Anschlüssen: Chatbot-Lösung ohne SAP-Anbindung ist die richtige Einstiegsstufe. Erst ab 300+ Anschlüssen/Jahr amortisiert sich die vollständige ERP-Integration.
- Deine Prozessdaten in SAP oder dem ERP-System unstrukturiert oder veraltet sind — dann kommuniziert der Chatbot falsche Statusstände und schadet mehr als er hilft
- Dein Team keine Kapazität hat, den Chatbot in den ersten 6 Wochen aktiv weiterzuentwickeln — ein Chatbot, der nie angepasst wird, verliert schnell an Qualität
Das kannst du heute noch tun
Fang nicht mit dem Tool an — fang mit den Daten an. Analysiere in deinem Ticketsystem oder deinen Anrufprotokollen: Welche 10 Fragen kommen am häufigsten? Lass Sachbearbeiterinnen zwei Wochen lang jede Statusanfrage mit einer Fragen-Kategorie erfassen. Diese Liste ist der Startkatalog für jeden Chatbot.
Mitarbeiter:in
KI-Assistent
Quellen & Methodik
- GasNZV §24 (Gasnetzzugangsverordnung, 2010, zuletzt geändert 2022): Regelung zu Netzanschlussfristen — 2 Wochen für Prüfungsankündigung, 3 Monate für verbindliches Angebot.
- BDEW — Digitalisierung der Netzprozesse (2024): Branchenreport zu Automatisierungsgrad und Kundenzufriedenheitsauswertungen in der Netzanschlussbearbeitung. Hinweis: Die im Text genannte Schätzung (30–40 % Sachbearbeiterzeit für Statusanfragen) basiert auf Betriebsgesprächen; eine BDEW-Publikation mit dieser Präzision liegt nicht öffentlich vor.
- Stadtwerk.bot / Trurnit Digital — Praxisberichte: Öffentlich dokumentierte Implementierungserfahrungen von Chatbot-Lösungen bei deutschen Stadtwerken, inkl. Siebenfach-Steigerung der Chatbot-Nutzung bei einem Praxisbetreiber.
- Simplifier AG — Digitaler Netzanschlussprozess (2024): Erfahrungsbericht zur Prozessdigitalisierung bei Netzportalen; Effizienzgewinne durch strukturierte Antragserfassung.
- Bundesnetzagentur — Netzanschluss digital (2025): Pflicht zur digitalen Abwicklung von Netzanschlussanfragen für Erzeugungsanlagen ab Januar 2025.
Diesen Inhalt teilen:
Interesse an diesem Use Case?
Schreib uns, wenn du mehr erfahren oder diesen Use Case für dein Unternehmen umsetzen möchtest. Wir melden uns zeitnah bei dir.
Weitere Use Cases
KI-Wissensdatenbank für Gasnetztechniker
Ein domänenspezifisches RAG-System macht DVGW-Regelwerk, Betriebsanweisungen und Inspektionsberichte für Montagetechniker mobil abrufbar — und schließt die Wissenslücke, die durch Ruhestandswellen entsteht.
Mehr erfahrenKI-Automatisierung von Netzanschlussanfragen
KI parst eingehende Netzanschlussanfragen, prüft technische Machbarkeit gegen GIS-Daten und GasNZV-Anforderungen und erstellt Angebotsentwürfe — statt 3–5 Tage dauert die Erstprüfung wenige Stunden.
Mehr erfahrenML-basierte Leckageprognose im Gasnetz
Machine-Learning-Modelle analysieren SCADA-Druck- und Durchflussdaten und erkennen Anomaliemuster, die auf Leckagen oder erhöhte Netzverluste hinweisen — bevor der Schaden sichtbar und teuer wird.
Mehr erfahren