KI-Assistent für Energieberatung und Fördermittelauskunft

Das echte Ausmaß des Problems

Die Förderlandschaft für die Heiztransformation ist kein stabiles Regelwerk — sie ist ein sich schnell veränderndes System, das jeder Änderung im Bundeshaushalt, jeder Regierungsentscheidung und jeder neuen Programmrichtlinie folgt. Allein seit dem 1. Januar 2024 gelten für den Heizungstausch neue Regeln: Die BAFA verwaltet seitdem nur noch Einzelmaßnahmen an Gebäudehülle, Anlagentechnik und Heizungsoptimierung. Der Heizungstausch selbst — also der, nach dem die meisten Kunden fragen — läuft über das KfW-Programm 458. Diese Trennung ist gut gemeint, aber sie schafft ein neues Informationsproblem: Kunden wissen nicht, an wen sie sich wenden sollen, und Kundenberater müssen zwei getrennte Programmlogiken parallel im Kopf haben.

Die Zahlen zeigen das Ausmaß: Seit dem Start der Bundesförderung für effiziente Gebäude (BEG) im Januar 2021 bis September 2024 wurden über 1,55 Millionen Anträge gestellt und insgesamt 10 Milliarden Euro ausgezahlt — laut BAFA-Pressemitteilung vom November 2024. Allein 303.242 Wärmepumpen wurden in diesem Zeitraum gefördert. Der Beratungsbedarf ist also real und massiv. Und er landet zuerst beim Stadtwerk.

Hinzu kommt eine regulatorische Schicht: GEG §71 Absatz 11 schreibt seit 2024 eine Pflichtberatung durch eine fachkundige Person vor, bevor eine neue Gas- oder Ölheizung eingebaut wird. Das bedeutet: Wer als Kundenberater an einem Stadtwerk falsch informiert — zum Beispiel dass es für eine bestimmte Konstellation keinen Bonus gibt, obwohl es einen gibt — begibt sich in haftungsrelevantes Terrain. Das Landgericht Berlin II hat im Februar 2025 einen Energieberater zu rund 6.000 Euro Schadensersatz verurteilt, weil er falsch zu Fördervoraussetzungen beraten hatte. Das war kein KI-Fall — es war menschliche Falschberatung. Aber das zeigt, dass falsche Förderinformationen reale rechtliche Konsequenzen haben.

Gleichzeitig ist die strategische Situation für Stadtwerke außergewöhnlich: Laut einer VKU-Umfrage unter 609 kommunalen Energieversorgern aus dem Jahr 2025 wissen 46 Prozent der Stadtwerke noch nicht, was mit ihrem Gasnetz langfristig passieren soll. Das heißt: Die eigenen Mitarbeitenden sollen Kunden zur Heiztransformation beraten, während das Unternehmen selbst noch keine klare Antwort auf die eigene strategische Zukunft hat. Das ist eine ungewöhnliche Kombination aus Informationsdruck und institutioneller Unsicherheit.

Dieser Abschnitt ist eine fachliche Orientierung, keine Energierechts- oder Förderberatung. GEG-Anforderungen und Förderbedingungen ändern sich. Für verbindliche Auskünfte wende dich an einen zugelassenen Energieberater oder die jeweilige Förderstelle.

Mit vs. ohne KI — ein ehrlicher Vergleich

¹ Ein RAG-System ist kein Garant gegen falsche Antworten. Wenn die indexierten Dokumente veraltet sind, gibt es mit Zuversicht veraltete Antworten. Das Dokumenten-Update-Management ist die kritischste Stelle dieses Use Cases.

Einschätzung auf einen Blick

Zeitersparnis — hoch (4/5) Für Kundenberater ist der größte Hebel nicht das Formulieren der Antwort — sondern das Finden der richtigen Quelle. Wer beim Anruf über Fördervoraussetzungen in drei Browsertabs und einem Ausdruckordner sucht, verliert 5–15 Minuten pro Gespräch. Ein gut konfigurierter Assistent reduziert das auf unter 3 Minuten. Bei zehn Fördergesprächen täglich je Berater summiert sich das auf 1–2 Stunden eingesparte Suchzeit. Dass dieser Anwendungsfall keinen Spitzenwert (5/5) erreicht: Einfache Anfragen wie Zählerstandsmeldungen lassen sich vollautomatisiert bearbeiten — das spart mehr Zeit als eine Recherchehilfe.

Kosteneinsparung — mittel (3/5) Der finanzielle Nutzen ist indirekt: weniger Schulungsrunden, weniger Eskalationen, potenziell geringere Haftungsrisiken. Das ist real — aber es ist schwer, diese Einsparungen exakt zu beziffern und gegenüber der IT-Abteilung oder der Geschäftsführung zu verteidigen. Die direkten Kosteneinsparungen durch Wegfall von Schulungen existieren, aber sie sind kein verlässlicher Business Case für sich allein. Dieser Use Case braucht einen Sponsor, der auch den indirekten Nutzen (Konsistenz, Qualität) als Ziel anerkennt.

Schnelle Umsetzung — mittel (3/5) Der Pilot selbst ist nicht komplex. Das Schwierige ist das Drumherum: Welche Dokumente werden indexiert? Wer ist verantwortlich für das Update bei Programmänderungen? Wie werden veraltete Versionen aus dem System entfernt? Ein RAG-Assistent ohne definierten Aktualisierungsprozess ist nach drei Monaten bereits gefährlich. Wer den Update-Workflow nicht vor dem Launch klärt, bekommt ein System, das selbstbewusst veraltete Förderbeträge nennt. Realistisch sind 8–12 Wochen bis zu einem belastbaren Pilot, wenn die Dokumentenbasis sauber aufgebaut wird.

ROI-Sicherheit — mittel (3/5) Die Beratungsqualität ist messbar — über Kundenzufriedenheit, Weiterleitungsquote und Gesprächsdauer. Der Nutzen durch Haftungsentlastung ist real, aber kaum in Euro zu fassen. Kein Stadtwerk kann im Vorfeld sagen: „Wir sparen X Euro, weil wir keine falschen Fördermittelauskünfte mehr geben.” Der ROI wird erst sichtbar, wenn man die tatsächliche Nutzungsrate misst und veraltete Förderdaten als Quelle von Fehlern identifiziert hat. Drei von fünf Punkten ist fair — es gibt klare Nutzensignale, aber kein sauberes ROI-Modell.

Skalierbarkeit — hoch (4/5) Ein einmal aufgebauter Assistent kann ohne proportionale Mehrkosten auf weitere Berater, weitere Standorte und neue Förderprogramme ausgeweitet werden. Wenn das Stadtwerk in einem Jahr drei neue Beratungsthemen hinzufügt (Photovoltaik-Förderung, kommunale Wärmeplanung, Gasabschied-Optionen), muss es keine neue Infrastruktur aufbauen — sondern nur neue Dokumente indexieren. Nicht maximal bewertet, weil der Wartungsaufwand mit dem Dokumentenvolumen linear anwächst, wenn keine klaren Governance-Regeln bestehen.

Richtwerte — stark abhängig von Unternehmensgröße, Anzahl der Beratungsmitarbeitenden und wie aktuell die Dokumentenbasis gehalten wird.

Was der KI-Assistent konkret macht

Der Ansatz heißt Retrieval-Augmented Generation (RAG). Im Kern bedeutet das: Das System sucht nicht im Internet und erfindet keine Fakten aus dem Gedächtnis eines LLM. Stattdessen durchsucht es eine vorab definierte Dokumentenbasis — die aktuellen BAFA-Merkblätter, den GEG-Text, die KfW-Programmbeschreibungen, kommunale Wärmeplanungsunterlagen und interne Stadtwerk-FAQs — und formuliert eine Antwort auf Basis der gefundenen Textstellen.

Die Beraterkollegin, die wissen will, ob Frau Kessler den Einkommensbonus auf das KfW-458-Programm bekommt, tippt die Frage in das Assistenten-Interface. Der Assistent durchsucht die KfW-Programmbeschreibung, findet den Abschnitt zu den Einkommensvoraussetzungen, und antwortet: „Laut KfW-Programmbeschreibung 458 (Stand März 2025) gilt der Einkommensbonus für Haushalte mit einem zu versteuernden Jahreseinkommen bis 40.000 Euro. Frau Kessler sollte das beim Antrag über das KfW-Online-Portal selbst prüfen.” Dann zeigt der Assistent die Quelle — die genaue Seite im KfW-Merkblatt — damit die Beraterin bei Bedarf nachprüfen kann.

Was der Assistent nicht macht — und was er ausdrücklich nicht soll:

• Er gibt keine verbindlichen Zusagen über Förderhöhen im Einzelfall
• Er prüft keine individuelle Anspruchsberechtigung (das erfordert den konkreten Antrag)
• Er ersetzt nicht die Pflichtberatung nach GEG §71 Abs. 11 durch eine fachkundige Person
• Er berät nicht zur konkreten technischen Eignung einer Maßnahme für ein spezifisches Gebäude

Der Assistent ist eine interne Recherchehilfe — kein Ersatz für den zugelassenen Energieberater. Das muss in der Einführungskommunikation und im Interface selbst klar sein.

Dieser Abschnitt ist eine fachliche Orientierung, keine Energierechts- oder Förderberatung. GEG-Anforderungen und Förderbedingungen ändern sich. Für verbindliche Auskünfte wende dich an einen zugelassenen Energieberater oder die jeweilige Förderstelle.

Welche Dokumente der Assistent kennen muss

Das ist die entscheidende Designfrage für diesen Use Case — und sie wird zu selten gestellt. Eine schlecht gewählte Dokumentenbasis macht einen RAG-Assistenten nicht hilfreich, sondern gefährlich.

Pflichtdokumente für die Wissensbasis:

Nicht in die Wissensbasis gehören:

• Ältere Versionen der Merkblätter ohne klare Versionierung — sie widersprechen sich
• Landesprogramme, über die das Stadtwerk keine Kompetenz hat (Verweis auf Energieberatung vor Ort)
• Informationen zu spezifischen kommunalen Förderungen in Regionen, die nicht zum Versorgungsgebiet gehören

Die Kunst ist nicht das Indexieren — sondern das Weglassen. Ein System, das zu viel kennt, gibt oft widersprüchliche Antworten. Ein System mit 15 sauberen, aktuellen Dokumenten ist in der Praxis nützlicher als eines mit 150 unkuratierten.

Die Neutralitätsfrage: Beratungsrecht vs. Eigeninteresse

Dies ist die rechtlich und kommunikativ heikelste Dimension dieses Anwendungsfalls — und sie tritt bei keinem anderen Use Case in dieser Branche so deutlich zutage.

Wenn ein Kunde fragt, ob er besser auf Fernwärme oder eine Wärmepumpe umsteigen soll, statt den Gasanschluss zu behalten, steht das Stadtwerk vor einem Dilemma: Es hat ein wirtschaftliches Interesse daran, dass der Kunde den Gasanschluss behält. Gleichzeitig schreibt der GEG §71 eine sachliche Information über die Folgen der CO₂-Bepreisung und die kommunale Wärmeplanung vor — Informationen, die faktisch gegen die Gasheizung sprechen könnten.

Dieser Interessenkonflikt lässt sich nicht wegprogrammieren. Aber er lässt sich transparent machen:

Was der Assistent tun kann: Sachlich die gesetzlichen Rahmenbedingungen, Förderprogramme und dokumentierten Kostenentwicklungen erklären — auf Basis der Quelldokumente. Er kann sagen: „Laut KfW-Programmblatt 458 ist der Fördersatz für Wärmepumpen aktuell X Prozent.” Das ist Faktenübermittlung, keine Produktempfehlung.

Was der Assistent nicht tun darf: Dem Kunden empfehlen, welches System er kaufen soll. Eine Empfehlung setzt Kenntnis des individuellen Gebäudes, der Heizlast, der wirtschaftlichen Situation und des lokalen Versorgungsnetzes voraus — und begründet eine Beraterhaftung, die ein Stadtwerk-Kundenberater nicht tragen kann und sollte.

Die saubere Grenzziehung: Der Assistent gibt Orientierungsinformation. Er schließt jede Antwort zu Förderungs- oder Technikfragen mit einem eindeutigen Hinweis ab: „Für eine verbindliche Empfehlung zu deinem konkreten Objekt wende dich an einen zugelassenen Energieberater.” Dieser Hinweis ist kein juristisches Feigenblatt — er ist eine echte Dienstleistung. Kunden, die den Unterschied zwischen Information und Beratung verstehen, werden das Stadtwerk für die Klarheit schätzen.

Dieser Abschnitt ist eine fachliche Orientierung, keine Rechts- oder Energieberatung. GEG-Pflichten und die Abgrenzung zwischen Information und Beratung im Einzelfall können sich aus weiteren Vorschriften ergeben. Für verbindliche Einschätzungen wende dich an einen zugelassenen Energieberater, deinen Datenschutzbeauftragten oder einen Fachanwalt für Energierecht.

Konkrete Werkzeuge — was wann passt

Für den Einstieg, ohne Entwicklerressourcen:

NotebookLM — für den ersten Proof of Concept Kostenlos, kein Setup. PDFs der BAFA-Merkblätter und KfW-Programmblätter hochladen, direkt Fragen stellen. Ideal, um in zwei Stunden zu testen, ob das Konzept für das eigene Kundendienst-Team funktioniert. Klarer Nachteil: Datenhaltung auf US-Servern (Google-Infrastruktur), kein EU-Hosting — nicht für den Produktivbetrieb mit internen Stadtwerk-Dokumenten geeignet. Für erste interne Tests auf nicht-sensiblen Dokumenten brauchbar.

ChatGPT Enterprise mit File-Uploads und Custom GPTs Der mittlere Weg: Dokumente hochladen, Custom Prompt konfigurieren, im Team teilen. Bei ChatGPT Enterprise verarbeitet OpenAI keine Nutzerdaten zum Modell-Training — ein wichtiger DSGVO-Unterschied zu Consumer-Plänen. Preis: verhandelbar ab ca. 30 US-Dollar/Nutzer/Monat. Kein EU-Hosting in der Standardkonfiguration, aber für nicht-personenbezogene Betriebsdokumente oft ausreichend, wenn ein AVV besteht.

Azure OpenAI Service mit Azure AI Search — für den Produktivbetrieb Die sauberste Lösung für regulierte Umgebungen: OpenAI-Modelle (GPT-4o) mit echter EU-Datenresidenz in Germany West Central (Frankfurt), vertraglich garantiert kein Training auf Eingaben, BSI-C5-Testat. Azure AI Search übernimmt die Vektorsuche im Dokumentenindex. Erfordert Azure-Know-how und Entwicklerressourcen — aber das Ergebnis ist ein rechtlich sauber fundiertes System, das sich in bestehende IT-Infrastruktur integrieren lässt. Monatliche Kosten für einen Piloten: realistisch 500–2.000 Euro je nach Abfragevolumen.

Reflecta Fördermittelkompass — ergänzend für Förderprogramm-Recherche Kein RAG-Assistent, aber eine kuratierte Förderdatenbank mit über 8.800 Programmen, auch EU-weit. Sinnvoll als Ergänzung: Wenn ein Kunde nach Programmen fragt, die über die Standard-BEG hinausgehen (Landesprogramme, kommunale Förderung), kann der Berater dort suchen. Fördermittelwecker für neue Stadtwerk-relevante Programme. Preis ab 60 Euro/Monat. Datenhaltung in der EU.

Zusammenfassung: Wann welcher Ansatz

• Konzept testen, keine Budgetfreigabe — NotebookLM (kostenlos, 15 Minuten Setup)
• Teamweiter Betrieb ohne eigene IT — ChatGPT Enterprise mit Custom GPT
• DSGVO-konformer Produktivbetrieb, eigene IT vorhanden — Azure OpenAI + Azure AI Search
• Förderprogramm-Recherche als Ergänzung — Reflecta Fördermittelkompass

Datenschutz und Datenhaltung

Das spezifische Datenschutzproblem dieses Use Cases ist nicht primär personenbezogen — die meisten Förderfragen beziehen sich auf allgemeine Programmkonditionen, nicht auf persönliche Kundendaten. Dennoch entstehen Datenschutzfragen, sobald Kundenberater Kundengespräche dokumentieren oder Falldetails (Gebäudetyp, Baujahr, Einkommensstufe) in das Assistenten-Interface eingeben.

Für den DSGVO-konformen Betrieb gilt:

• Keine personenbezogenen Kundendaten in den Assistenten eingeben, solange kein EU-konformes Hosting mit geprüftem AVV besteht — das gilt für den NotebookLM-Pilot ebenso wie für ChatGPT-Consumer-Pläne
• Azure OpenAI in Germany West Central ist für Produktivbetrieb mit Förderdokumenten und internen Stadtwerk-FAQs die sauberste Wahl: Daten verlassen die EU-Region nicht, kein Training auf Eingaben, BSI-C5-Testat, AVV nach Microsoft-Standard
• Ein AVV ist Pflicht vor dem Produktivbetrieb — Art. 28 DSGVO. Bei Microsoft, ChatGPT Enterprise und vergleichbaren Anbietern existieren Standardvorlagen, die vor Go-live beim Datenschutzbeauftragten abgezeichnet werden müssen
• Intern indexierte Stadtwerk-Dokumente (Betriebsanweisungen, Tarifübersichten) sind keine personenbezogenen Daten — aber wenn Kundenhistorien, Vertragsdaten oder Zählerinfos in der Wissensbasis landen, gelten deutlich strengere Anforderungen

Empfehlung für den Piloten: Mit öffentlich zugänglichen Dokumenten (BAFA-Merkblätter, KfW-Programmblätter, GEG-Text) starten — diese sind ohnehin öffentlich und begründen keinen erhöhten Datenschutzbedarf. Erst in der zweiten Ausbaustufe interne Stadtwerk-Dokumente indexieren — und dann nur nach AVV und DSB-Freigabe.

Dieser Abschnitt ist eine fachliche Orientierung, keine Rechts- oder Datenschutzberatung. Die konkrete AVV-Ausgestaltung und Datenschutz-Folgenabschätzung gehören in die Hand deines Datenschutzbeauftragten und ggf. eines Fachanwalts für Datenschutzrecht.

Was es kostet — realistisch gerechnet

Einstiegsvariante: NotebookLM-Proof-of-Concept Kosten: 0 Euro (kein Produktivbetrieb, nur interne Tests). Zeitaufwand: ein halber Tag, um Dokumente zusammenzustellen und das Konzept zu demonstrieren. Ziel: Entscheidungsgrundlage für den nächsten Schritt.

Mittlere Variante: ChatGPT Enterprise / Custom GPT

• Lizenzkosten: ca. 25–35 US-Dollar/Nutzer/Monat (verhandelbar, mindestens 150 Nutzer für Enterprise)
• Einrichtung und Konfiguration: intern 2–4 Tage, optional externe Unterstützung 1.000–3.000 Euro
• Laufende Dokumentenpflege: intern ca. 2 Stunden/Monat für Aktualisierungen
• Geeignet für: Teams mit 5–50 Kundenberatern ohne eigene Entwicklungsressourcen

Enterprise-Variante: Azure OpenAI + Azure AI Search

• Aufbaukosten (einmalig): je nach bestehender Azure-Nutzung 8.000–25.000 Euro inkl. Entwicklung
• Laufende Infrastrukturkosten: 500–2.000 Euro/Monat je nach Abfragevolumen
• Diese Schätzung orientiert sich an vergleichbaren RAG-Implementierungen für Kundendienst-Teams in regulierten Branchen (eigene Praxiswerte)

Was du dem ROI-Rechner geben kannst:

• 10 Kundenberater, die täglich je 5 Fördergespräche führen: 50 Gespräche/Tag
• Aktuelle Durchschnittsdauer je Förderfrage inkl. Recherche: 12 Minuten
• Mit KI-Assistent: geschätzt 7 Minuten — Einsparung 5 Minuten/Gespräch
• 250 Eingesparte Minuten täglich = ca. 4 Personenstunden/Tag
• Bei 35 Euro Bruttostundensatz: ca. 140 Euro täglich, ca. 3.000 Euro monatlich

Die Rechnung setzt voraus, dass das Team das System konsequent nutzt und die Dokumente aktuell sind. Erfahrungsgemäß liegt der tatsächliche Nutzungseffekt in den ersten sechs Monaten bei 40–60 Prozent der theoretischen Einsparung — bis das Team das Vertrauen in den Assistenten aufgebaut hat.

Typische Einstiegsfehler

1. Veraltete Dokumente im Index — der größte Fallstrick. Dieser Use Case hat ein kritisches Verfallsdatumsproblem. BAFA-Merkblätter ändern sich bei Programmreformen. KfW-Programmbeschreibungen aktualisieren sich, wenn Förderhöhen angepasst werden. Die BEG-Aufteilung zwischen BAFA und KfW wurde Anfang 2024 neu geregelt — wer noch auf einem alten Dokument beraten hat, hat falsche Auskünfte gegeben. Ein RAG-System gibt mit Zuversicht veraltete Antworten — ohne Warnung, dass die Quelle veraltet ist. Das ist gefährlicher als eine leere Antwort. Kein Update-Prozess = kein produktionstaugliches System.

2. Kein Quellennachweis im Interface. Wenn der Assistent „Die KfW-Förderung beträgt 30 Prozent Grundfördersatz” sagt, ohne die Quelldatei zu nennen, kann die Beraterin die Aussage nicht verifizieren und dem Kunden nicht erklären, woher die Information stammt. Ohne Quellenangabe verliert der Assistent seine wichtigste Eigenschaft — Nachprüfbarkeit. Das Interface muss so konfiguriert sein, dass jede Aussage mit Dokumentname und Datum belegt wird.

3. Den Assistenten direkt zum Kunden kommunizieren lassen. Der Versuch, den Schritt in Richtung automatisierter Kundenberatung zu gehen — also den Assistenten direkt per Chat mit Kunden zu verbinden — ist für diesen Use Case nicht empfehlenswert. Nicht weil KI-Chatbots grundsätzlich falsch sind. Sondern weil Fördermittelauskünfte eine Fachdomäne mit Haftungsrisiko sind und jede falsche Aussage zum Kunden juristisch problematisch ist. Der Assistent soll dem Berater helfen, nicht den Berater ersetzen. Diesen Unterschied klar zu halten, ist keine technische, sondern eine strategische Entscheidung.

4. Zu breite Dokumentenbasis. Stadtwerke neigen dazu, beim Indexieren zu viel einzubeziehen: Presseberichte, Marketing-PDFs, veraltete Broschüren, Landesprogramme die nicht zum Versorgungsgebiet gehören. Das Ergebnis ist ein Assistent, der auf dieselbe Frage verschiedene Antworten gibt — je nachdem, welche der widersprüchlichen Dokumente er zuerst findet. Besser: mit 10–15 sauberen, versionierten Quelldokumenten starten und schrittweise erweitern.

Was mit der Einführung wirklich passiert — und was nicht

Das größte Missverständnis bei der Einführung dieses Assistenten ist zu glauben, das System löse das Problem der Informationskomplexität automatisch. Es löst es nicht — es verschiebt es.

Das Informationsproblem bleibt: Förderprogramme ändern sich weiterhin, und jemand muss diese Änderungen in das System bringen. Was der Assistent abnimmt, ist die individuelle Sucharbeit — nicht die kollektive Pflicht, aktuell zu bleiben.

Was erfahrungsgemäß in den ersten Wochen passiert:

Es gibt eine Gruppe von Beraterinnen und Beratern, die das System enthusiastisch annehmen — meistens diejenigen, die ohnehin viel zu Fördermitteln beraten und frustriert über die Recherchezersplitterung sind. Diese Menschen werden zu internen Champions. Ihr Feedback in den ersten zwei Wochen ist Gold wert.

Dann gibt es Skeptiker. Häufig sind das erfahrene Berater, die das Thema gut kennen — und die das System misstrauen, weil sie wissen, wie viel Kontext in einer guten Förderberatung steckt. Diese Skepsis ist berechtigt. Die Antwort ist nicht Überzeugung, sondern Demonstration: Eine Session, in der live eine Frage gestellt wird, die bisher Telefonkaskaden ausgelöst hat, und die der Assistent in 90 Sekunden mit Quellenangabe beantwortet — das ist überzeugender als jede Erklärung.

Wer das System nach sechs Monaten wirklich nutzt: Erfahrungsgemäß sind das 30–50 Prozent der ursprünglichen Zielgruppe — diejenigen, die regelmäßig Förderfragen bearbeiten. Wer nur gelegentlich nach Förderprogrammen gefragt wird, investiert die Einlernzeit nicht und ruft weiter den Kollegen an. Das ist keine Niederlage — es ist der realistische Adoption-Verlauf für eine spezialisierte interne Recherchehilfe.

Was konkret hilft:

• Einen festen Besitzer für die Wissensbasis benennen — nicht die IT, sondern jemand im Kundendienst oder in der Energieberatung, der versteht, wann ein Dokument veraltet ist
• Beim Rollout kommunizieren: der Assistent gibt Orientierung, nicht Garantien
• Einen Rückmeldeprozess einrichten: Wenn der Assistent eine falsche oder veraltete Antwort gibt, soll die Beraterin das direkt melden können — und das Dokument wird aktualisiert

Realistischer Zeitplan mit Risikohinweisen

Häufige Einwände — und was dahintersteckt

„Unsere Berater kennen die Förderprogramme eh gut genug.” Vielleicht — zum Zeitpunkt der letzten Schulung. Die BAFA-Richtlinie wurde Anfang 2024 grundlegend geändert (Trennung BAFA/KfW), und GEG §71 hat neue Beratungspflichten eingeführt. Wer seit sechs Monaten nicht aktiv mit Fördermitteln arbeitet, hat vermutlich veraltetes Wissen. Das ist kein Versagen — es ist die normale Konsequenz daraus, dass die Förderlandschaft schneller wächst als die Schulungszyklen es abfangen können.

„Was, wenn das System falsche Förderbeträge nennt?” Das ist die berechtigtste Sorge bei diesem Use Case. Antwort: Der Assistent nennt bei korrekter Konfiguration immer die Quelldatei — und damit das Datum der Information. Wenn die Beraterin sieht, dass die zitierte Quelle sechs Monate alt ist, weiß sie, dass sie nachprüfen muss. Das ist eine bessere Situation als heute, wo eine Auskunft aus dem Gedächtnis kommt und niemand weiß, wann dieses Gedächtnis zuletzt aktualisiert wurde. Die Quellenangabe macht Unsicherheiten sichtbar, statt sie zu verbergen.

„Das ist Aufgabe der externen Energieberater, nicht von uns.” Teilweise richtig — verbindliche Einzelberatungen gehören in die Hände von zugelassenen Energieberaterinnen. Aber Orientierungsinformation — „Was sind die aktuellen Förderbedingungen?” — ist eine legitime Aufgabe des Stadtwerk-Kundendienstes. Die Frage ist nicht, ob das Stadtwerk berät, sondern ob es gut und konsistent berät. Ein interner Wissensassistent verbessert die Qualität der Erstauskunft, zieht aber eine klare Linie zu individueller Beratung.

Dieser Abschnitt ist eine fachliche Orientierung, keine Rechts- oder Energieberatung. GEG-Anforderungen und Förderbedingungen ändern sich. Für verbindliche Auskünfte wende dich an einen zugelassenen Energieberater oder die jeweilige Förderstelle.

Woran du merkst, dass das zu dir passt

• Dein Kundendienst erhält täglich 10–50 Förderfragen — zu BAFA, KfW, GEG, kommunaler Wärmeplanung. Das Volumen rechtfertigt den Aufwand.
• Die Antwortqualität variiert je nach Berater — manche kennen das KfW-Programm 458 auswendig, andere suchen bei jeder Anfrage im Netz. Das ist ein Zeichen fehlender konsistenter Wissensbasis.
• Bei Programmänderungen gibt es eine aufwändige Schulungsrunde — Halbtages-Seminare, Ausdrucke, E-Mails mit dem „neuen Stand”. Ein gutes Zeichen dafür, dass das bisherige Wissensmanagement nicht skaliert.
• Ihr habt Berater, die Kolleginnen anrufen statt Dokumente zu suchen — weil die Dokumente zu verstreut, zu lang oder zu unübersichtlich sind. Das ist der klassische RAG-Trigger.
• Das Stadtwerk diskutiert seine strategische Rolle in der Wärmewende — und der Kundendienst wird mit Fragen konfrontiert, die über den Gasanschluss hinausgehen. Wärmepumpe, Fernwärme, Photovoltaik, kommunale Wärmeplanung — der Informationsbedarf wird nicht kleiner.

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

1. Kein Dokumenten-Verantwortlicher benannt und kein Update-Prozess geplant. Ein RAG-Assistent ohne definierte Person, die Dokumente aktuell hält, ist in dieser Domäne ein aktives Haftungsrisiko. Wenn kein Mitarbeiter oder keine Mitarbeiterin Zeit und Mandat hat, Förderdokumente nach Programmänderungen zu aktualisieren, sollte man den Aufbau verschieben, bis das organisatorisch gelöst ist.

2. Weniger als 5 Kundenberaterinnen oder -berater im Team. Der Einrichtungsaufwand — Dokumentenauswahl, Konfiguration, Testing, Update-Prozess — rechnet sich nicht, wenn das System drei Personen entlasten soll. Eine gut gepflegte interne Linkliste zur BAFA-Website und ein monatliches Team-Briefing über Programmänderungen ist dann die bessere Lösung.

3. Der Kundendienst soll den KI-Assistenten direkt mit Kunden kommunizieren lassen (keine Berater-in-the-Loop-Anforderung). Direkte KI-zu-Kunde-Kommunikation bei Fördermittelauskünften ist rechtlich heikel und bedarf sorgfältiger Risikoabschätzung und juristischer Prüfung, die über diesen Use Case hinausgeht. Dieser Use Case beschreibt ausschließlich interne Beraterassistenz.

Das kannst du heute noch tun

Öffne NotebookLM kostenlos und ohne technisches Setup. Lade drei Dokumente hoch: das aktuelle KfW-Programmblatt 458 (herunterladbar von kfw.de), das BAFA-BEG-EM-Merkblatt und — wenn vorhanden — euer internes Stadtwerk-FAQ zu Förderfragen. Stelle dann die drei Fragen, die dein Team in dieser Woche am häufigsten gestellt hat.

Das dauert 30 Minuten. Du weißt danach: Ob das Konzept für euren Kundendienst funktioniert, welche Dokumente zuerst priorisiert werden sollten und ob das System die Quellenangabe so liefert, dass dein Team damit arbeiten kann.

Für den produktiven internen Einsatz brauchst du einen konfigurierten Basis-Prompt:

Quellen & Methodik

• BAFA BEG-Antragsvolumen und Förderstatistik: BAFA, Pressemitteilung „10 Milliarden Euro für die Gebäudesanierung durch die Bundesförderung für effiziente Gebäude (BEG)”, 13. November 2024. 1,55 Millionen Anträge, 10 Milliarden Euro Gesamtauszahlung seit Programmstart 2021. (bafa.de)
• VKU-Stadtwerke-Umfrage 2025: Verband kommunaler Unternehmen (VKU), Pressemitteilung zur Gasnetz-Umfrage unter 609 kommunalen Energieversorgern, 2025: 46 Prozent der Stadtwerke noch nicht entschieden über Zukunft ihrer Gasnetze. (vku.de)
• Haftungsrisiko Förderberatung: Landgericht Berlin II, Urteil Februar 2025: Energieberatungsunternehmen zu ca. 6.000 Euro Schadensersatz verurteilt wegen fehlerhafter Beratung zu Fördervoraussetzungen. Gerichtspressemitteilung Nr. 3/2025. (berlin.de)
• GEG Pflichtberatung §71 Abs. 11: GEG-Infoportal des Bundesinstituts für Bau-, Stadt- und Raumforschung (BBSR), Abschnitt Beratungspflicht bei Einbau von Gas- und Ölheizungen. (bbsr-geg.bund.de)
• BAFA/KfW-Aufteilung seit Januar 2024: Heizungstausch über KfW-Programm 458 (ab 1. Januar 2024), BAFA weiterhin für BEG-Einzelmaßnahmen. Dargestellt auf bafa.de und kfw.de (laufend aktualisiert).
• Implementierungskosten RAG-Systeme: API-Integrationskosten 5.000–25.000 US-Dollar (einmalig) sowie Custom-Development-Kosten nach Komplexität — orientiert an Marktpreisübersichten AI Customer Service 2024/2025; Energiesektorspezifische Werte nicht öffentlich verfügbar, Angaben im Text sind Schätzwerte aus vergleichbaren KMU-Projekten.
• RAG-Halluzinationen bei veralteten Dokumenten: k2view.com (2024), „RAG Hallucination: What is it and how to avoid it” — beschreibt veraltete Indexdaten als Hauptursache für kontextkorrekte, aber faktisch falsche RAG-Antworten.
• Praxisbeispiel KI im Stadtwerk-Kundendienst: assono GmbH, Dokumentation KI-Chatbot für Stadtwerke (2024/2025) — RAG-Ansatz für Stadtwerk-Kundenanfragen, inkl. Tarif- und Störungskommunikation. (assono.de)

Du willst wissen, welcher Ansatz für die konkrete Größe und Infrastruktur eures Stadtwerks am besten passt? Meld dich — das klären wir gemeinsam in einem kurzen Gespräch.