KI-gestützte Netzentgeltkalkulation und Kostenstellenanalyse

Das echte Ausmaß des Problems

Die Netzentgeltkalkulation für Gasnetzbetreiber ist kein Routineprojekt. Jeder Verteilnetzbetreiber muss zum Basisjahr die Kosten seines gesamten Netzes so aufschlüsseln, dokumentieren und begründen, dass die Bundesnetzagentur (BNetzA) sie als anerkennungsfähige Netzkosten bestätigt. Diese Anerkennung bestimmt die Erlösobergrenze — also das Maximum, das ein Netzbetreiber über Netzentgelte einnehmen darf — für die nächsten fünf Jahre.

Das Basisjahr Gas 2025 ist besonders kritisch. Mit dem neuen Regulierungsrahmen RAMEN Gas und der Gasnetzentgeltfestlegung GasNEF treten erstmals grundlegend neue Anforderungen an die Kostenprüfung in Kraft. Die BNetzA hat die Erhebungsbögen grundlegend überarbeitet. Für alle Gasverteilnetzbetreiber im Regelverfahren gilt die Einreichungsfrist 1. Juli 2026, im vereinfachten Verfahren 1. Oktober 2026 — die Anlagenwerte müssen sogar schon bis 31. März 2026 übermittelt werden.

Was daran so aufwendig ist:

• Kostentiefe: Ein mittelgroßes Gasnetz erzeugt 20.000 bis 60.000 Kostenpositionen, die auf Grundnetz, Verbundnetz und Ortsnetz verteilt werden müssen
• Umlageschlüssel: Jede Kostenstelle braucht einen nachvollziehbaren und dokumentierten Schlüssel — Netzlänge, Anschlussquoten, Leitungsquerschnitte, Druckstufen
• Historische Konsistenz: Die BNetzA vergleicht das Basisjahr mit dem vorherigen Erhebungszyklus. Abweichungen ohne Erläuterung werden nachgefragt
• Begründungstexte: Für auffällige Positionen erwartet die BNetzA schriftliche Nachweise — dass die Kosten effizient und notwendig waren

Rödl & Partner, eine der führenden Kanzleien für Regulierungsmanagement im Energiebereich, verweist auf die Erfahrung aus über 350 begleiteten Kostenprüfungen und betont, dass der Gesamtaufwand für Netzbetreiber trotz des neuen, „etwas verringerten Detaillierungsgrads” der Erhebungsbögen hoch bleibt — weil die inhaltlichen Anforderungen unverändert bestehen.

Wer die Prüfung ohne ausreichende Vorbereitung angeht, riskiert Nachforderungen, die die Kapazität des Regulierungsteams über Monate binden. Schlimmer: Werden Kostenpositionen von der BNetzA nicht anerkannt, sinkt die Erlösobergrenze — für fünf Jahre.

Mit vs. ohne KI — ein ehrlicher Vergleich

Der wichtigste Hebel ist nicht Geschwindigkeit, sondern Vollständigkeit: Ein menschliches Team prüft eine 20.000-Zeilen-Kalkulationstabelle stichprobenartig. Eine KI-gestützte Abweichungsanalyse läuft über jede einzelne Position.

Einschätzung auf einen Blick

Zeitersparnis — mittel (3/5)
Rund 30–50 Prozent Entlastung im Prüfaufwand sind real — aber dieser Aufwand konzentriert sich auf einen Zeitraum von wenigen Monaten alle fünf Jahre. Verglichen mit Anwendungsfällen wie der Leckageprognose oder der prädiktiven Wartungsplanung, die dauerhaft laufende Prozesse beschleunigen, ist der Zeiteffekt pro Kalenderjahr geringer. Innerhalb des Kalkulationsprojekts selbst ist er jedoch substanziell.

Kosteneinsparung — hoch (4/5)
Hier liegt der eigentliche Hebel: Eine nicht erkannte Schwachstelle im Kalkulationsmodell kann dazu führen, dass die BNetzA Kostenpositionen nicht anerkennt — mit direkten Auswirkungen auf die Erlösobergrenze der nächsten fünf Jahre. Diese Asymmetrie ist enorm. Die Kosten für die KI-Unterstützung sind einmalig und überschaubar; der finanzielle Schaden durch eine reduzierte Erlösobergrenze zieht sich über eine halbe Dekade. Unter den Gasversorgungs-Anwendungsfällen in dieser Kategorie ist das der stärkste wirtschaftliche Einzeleffekt.

Schnelle Umsetzung — niedrig (2/5)
6 bis 12 Monate bis zum produktiven Einsatz — weil die regulatorische Logik (Umlageschlüssel-Logiken, Kostenpositionen-Taxonomie, BNetzA-Anforderungen nach GasNEF) in den Prompt und die Analysestruktur übersetzt werden muss. Wer damit sechs Monate vor der Einreichungsfrist beginnt, gerät in Zeitnot. Das ist kein Nachteil gegenüber anderen Gastechnik-Anwendungsfällen mit Hardware-Abhängigkeit — aber der niedrigste Wert in der Einstiegs-Dimension unter den verglichenen Anwendungsfällen.

ROI-Sicherheit — mittel (3/5)
Die Arbeitseinsparung im Prüfteam ist direkt messbar. Ob die KI-Unterstützung konkret verhindert hat, dass eine Position beanstandet wird, ist kaum nachzuweisen — weil die BNetzA ihre Prüfbemerkungen nicht nach Tiefe der Vorbereitung sortiert. Der Nutzen entsteht als Risikovermeidung, nicht als Buchungsgewinn. Das macht ihn real, aber schwieriger zu belegen.

Skalierbarkeit — sehr niedrig (2/5)
Der Kalkulationszyklus läuft alle fünf Jahre — mit jährlichen Aktualisierungen der Netzentgelte dazwischen, die aber weniger aufwendig sind. Das KI-System wächst nicht mit der Unternehmensgröße mit, und es gibt keinen natürlichen Grund, es auszubauen. Gemeinsam mit dem Monitoring für Biomethan-Einspeisung ist das die niedrigste Skalierbarkeit in der Gasversorgungsbranche — ehrlich, weil der Einsatz begrenzt ist.

Richtwerte — stark abhängig von Netzgröße, Datenpflegezustand und vorhandener Infrastruktur.

Was die KI-Unterstützung konkret macht

Das Kalkulationsmodell selbst bleibt in dem System, das der Netzbetreiber für es einsetzt — typisch rcRegMan oder ein gewachsenes Excel-Modell. Die KI kommt in drei Schichten zum Einsatz, die sich separat einführen lassen:

Schicht 1 — Abweichungsanalyse zum Vorjahr
Der Kalkulationsdatensatz des aktuellen Basisjahres und der Vorperiode werden als strukturierten Export zur Verfügung gestellt. Ein LLM oder ein Datenanalyse-Tool wie Julius AI berechnet für jede Position die Veränderung und flaggt alle Positionen, die außerhalb eines definierten Toleranzkorridors liegen — zum Beispiel mehr als 15 Prozent Anstieg ohne erkennbare Kommentierung. Ergebnis: Eine priorisierte Liste von Positionen, die das Team manuell anschauen sollte. Statt das gesamte Modell stichprobenartig zu prüfen, konzentriert sich die Arbeit auf die tatsächlich auffälligen Stellen.

Schicht 2 — Konsistenzprüfung der Umlageschlüssel
Umlageschlüssel müssen innerhalb des Modells konsistent sein: Wenn eine Kostenstelle für das Ortsnetz mit dem Schlüssel „Hausanschlüsse je Gemeinde” verteilt wird, sollten verwandte Kostenstellen denselben oder einen begründbar anderen Schlüssel verwenden. Ein LLM, dem die Schlüssel-Zuordnungen als strukturierter Text übergeben werden, kann widersprüchliche Zuordnungen identifizieren und Kandidaten für Überprüfung markieren. Das ist kein automatischer Fix — aber ein systematischer Hinweis, den ein menschliches Team ohne KI in einer 20.000-Zeilen-Tabelle leicht übersieht.

Schicht 3 — Entwurf von Begründungstexten
Für Standardpositionen — Betriebskosten, Wartungsaufwendungen, Eigenkapitalverzinsung — gibt es bekannte Argumentationslinien für BNetzA-Begründungen. Werkzeuge wie Claude oder ChatGPT können auf Basis einer kurzen Positionsbeschreibung und der relevanten Paragraphen aus GasNEF und RAMEN Gas einen ersten Textbaustein generieren. Dieser Baustein wird vom Regulierungsfachmann überarbeitet, rechtlich geprüft und inhaltlich verantwortet — er ersetzt nicht die Qualifikation, er spart die Zeit des Rohtext-Verfassens.

Was die KI nicht macht: Das Kalkulationssystem bedienen, Entscheidungen über Umlageschlüssel treffen, rechtliche Einschätzungen ersetzen oder BNetzA-Formulare ausfüllen. Jeder Output bleibt Entwurf — mit qualifizierter menschlicher Freigabe vor der Einreichung.

Konkrete Werkzeuge — was wann passt

rcRegMan (KALK-Modul) von regiocom SE ist das Kalkulationssystem, nicht das KI-Werkzeug. Es enthält alle ARegV- und GasNEF-Logiken, rechnet Erlösobergrenzen, erzeugt BNetzA-Formulare und speichert die Kostendaten sauber strukturiert. Hosting im deutschen Rechenzentrum Magdeburg, kein US-Cloud-Risiko. Die KI-Analyse kommt auf dem Export aus rcRegMan — nicht stattdessen. Stadtwerke Ratingen setzen rcRegMan KALK erfolgreich für die laufende Netzentgeltkalkulation ein (energie.blog, 2021).

Julius AI eignet sich für Schicht 1 (Abweichungsanalyse): Excel-Export aus dem Kalkulationsmodell hochladen, in natürlicher Sprache fragen: „Zeig alle Positionen, bei denen die Veränderung gegenüber dem Vorjahr mehr als 15 % beträgt und keine Kommentarspalte befüllt ist.” Julius wertet das aus, ohne dass du Python oder SQL können musst. Wichtiger Hinweis: Julius hostet Daten in den USA. Für Netzentgelt-Kalkulationsdaten ohne personenbezogene Endkundendaten ist das rechtlich weniger heikel — aber das Datenschutzkonzept muss intern vor dem Upload abgestimmt werden.

Claude oder ChatGPT für Schicht 3 (Begründungstexte): Die Export-Zusammenfassung einer Kostenposition und die relevante GasNEF-Anforderung in den Prompt einfügen, ersten Textbaustein generieren, intern überarbeiten. Der Aufwand für einen Rohtext sinkt von 2–4 Stunden auf 20–30 Minuten. Datenschutz: Keine vertraulichen Kundeneinzeldaten in diese Prompts — nur aggregierte Kostenpositionen und öffentlich verfügbare regulatorische Texte. Claude ist über AWS Bedrock mit EU-Rechenzentrum in Frankfurt verfügbar, wenn der Datenschutzbeauftragte das cloudbasierte EU-Hosting voraussetzt.

NotebookLM eignet sich als Referenz-Wissensbasis: Die neue GasNEF, das RAMEN-Gas-Regelwerk, frühere BNetzA-Bescheide und hausinterne Prüfprotokolle hochladen und dann gezielt Fragen stellen: „Was schreibt §7 GasNEF zu Wartungskosten im Ortsnetz vor?” Das entlastet die Vorbereitung von Begründungstexten und hilft, keine Anforderung zu übersehen. NotebookLM ist kostenlos, läuft auf Google-Infrastruktur in den USA — für rein öffentliche Regulierungstexte ohne betriebsinterne Daten datenschutzrechtlich unkritisch.

Zusammenfassung: Wann welcher Ansatz

• Strukturiertes Kalkulationssystem mit BNetzA-Formularkopplung → rcRegMan KALK
• Abweichungsanalyse auf dem Excel-Export ohne Programmierkenntnisse → Julius AI
• Begründungstext-Entwürfe für Standardpositionen → Claude oder ChatGPT
• Regulierungstext-Recherche und GasNEF-Anforderungen durchsuchen → NotebookLM

Datenschutz und Datenhaltung

Kalkulationsdaten im Sinne der Netzentgeltberechnung enthalten in der Regel keine personenbezogenen Endkundendaten — es handelt sich um aggregierte Kosten, Abschreibungen, Eigenkapitalanteile und Netzparameter. Die DSGVO greift daher weniger stark als bei Kundendatenverarbeitungen. Dennoch gelten Sorgfaltspflichten:

• Betriebsgeheimnisse: Kalkulationsdaten sind vertraulich und dürfen nicht in ungesicherte Cloud-Umgebungen fließen. Wer Julius AI, ChatGPT oder Claude über Consumer-Accounts nutzt, muss sicherstellen, dass keine sensiblen Betriebsdaten die Unternehmensgrenzen verlassen.
• Auftragsverarbeitungsvertrag: Sobald strukturierte Betriebsdaten in Cloud-Dienste fließen, ist ein AVV nach Art. 28 DSGVO erforderlich — auch wenn keine Personenbezüge vorhanden sind, weil das unternehmensinterne IT-Governance-Anforderungen verlangen.
• EU-Hosting-Option: Claude ist über AWS Bedrock (Rechenzentrum Frankfurt) beziehbar; Microsoft 365 Copilot verarbeitet M365-Daten standardmäßig im EU Data Boundary. rcRegMan läuft in einem deutschen Rechenzentrum in Magdeburg.
• Empfehlung: Kalkulationsexporte vor dem LLM-Upload auf die notwendigen Felder reduzieren — Kostenbeschreibung, Schlüssel, Betrag, Veränderung zum Vorjahr. Kontonummern und interne Buchungscodes sind für die KI-Analyse nicht erforderlich und sollten nicht mitgeschickt werden.

Was es kostet — realistisch gerechnet

Einmalige Aufbaukosten

• Konzeption der Analyse-Logik (Schwellenwerte, Schlüssel-Taxonomie, Prompt-Struktur): 4–8 Wochen intern oder 8.000–20.000 Euro externer Projektaufwand, wenn ein Beratungsdienstleister die regulatorische Logik übersetzt
• Aufbau der Datenpipeline (Export aus rcRegMan oder SAP → strukturierter Input für KI): 2–4 Wochen IT-Zeit
• Erstvalidierung: einen vollständigen Kalkulationszyklus parallel bearbeiten (mit und ohne KI), um die Qualität zu kalibrieren

Laufende Werkzeugkosten (monatlich)

• rcRegMan KALK: Lizenz auf Anfrage (Jahresgebühr, keine öffentlichen Preise)
• Julius AI Plus: ca. 20 USD/Monat je Nutzer
• Claude Pro: 20 USD/Monat je Nutzer, alternativ über AWS Bedrock nach Verbrauch
• NotebookLM: kostenlos

Den Nutzen realistisch messen
Wer wissen will, ob das System geholfen hat, muss vor und nach dem ersten KI-gestützten Zyklus dieselbe Frage stellen: Wie viele BNetzA-Nachfragen gab es je Kostenkategorie, und was war der interne Korrekturaufwand? Das erfordert, dass die alten Prüfprotokolle systematisch ausgewertet werden — was die meisten Netzbetreiber nicht getan haben. Wer diesen Vergleich aufbaut, hat nach dem ersten Zyklus eine belastbare Ziffer.

Was gegen Verzicht auf die Vorbereitung spricht
Ein zweitägiges Spezial-Seminar zur Berechnung der Netzentgelte Gas kostet laut essociation.de ab 1.020 Euro je Teilnehmer — das zeigt, wie spezialisiert das erforderliche Wissen ist. Wird eine Kostenposition von der BNetzA nicht anerkannt und ergibt das eine 200.000-Euro-Lücke in der Erlösobergrenze, multipliziert sich dieser Schaden über fünf Regulierungsjahre auf einen Barwert, der einen deutlichen Vielfachen des KI-Einrichtungsaufwands übersteigt.

Was bei einer BNetzA-Beanstandung passiert

Das ist das Szenario, das die meisten Netzbetreiber ausblenden wollen — und über das man trotzdem sprechen muss.

Wenn die BNetzA nach der Einreichung Kostenpositionen beanstandet, gibt es drei mögliche Ausgänge: Erstens, der Netzbetreiber kann die Position mit Nachweisen belegen — kein Schaden, aber erheblicher Zusatzaufwand. Zweitens, die Position wird abgeändert — die Erlösobergrenze sinkt entsprechend. Drittens, es kommt zu einem förmlichen Beschlussverfahren mit Einspruchsmöglichkeit — aber auch das bedeutet: Monate juristische Kapazität, externe Rechtsberatung, und Unsicherheit über den Ausgang.

Was KI bei einer Beanstandung helfen kann:

• Schnelle Recherche in hausintern gespeicherten Unterlagen: NotebookLM mit den Originalbelegen füttern und gezielt nach der Begründung für eine Kostenposition suchen
• Strukturierung der Nachweisdokumentation: Claude oder ChatGPT kann eine erste Gliederung für das Antwortschreiben an die BNetzA erzeugen
• Vorbereitung von Widerspruchsargumenten: Der regulatorische Rahmen aus GasNEF und RAMEN Gas ist mit einem LLM schnell durchsucht — welche Formulierung stützt den Standpunkt des Netzbetreibers?

Was KI bei einer Beanstandung nicht helfen kann:

• Die rechtliche Einschätzung, ob ein Widerspruch Aussicht auf Erfolg hat — das ist Sache des Regulierungsrechtlers
• Die inhaltliche Entscheidung, ob eine Kostenposition tatsächlich anerkennungsfähig ist — das erfordert Fachkenntnis und Verantwortungsübernahme
• Die Kommunikation mit der BNetzA selbst — Schreiben an die Beschlusskammer 9 sind rechtlich bindend und werden von qualifiziertem Personal unterschrieben

Die eigentliche Schutzfunktion von KI liegt im Vorfeld: Wer die Schwachstellen im Kalkulationsmodell vor der Einreichung findet, muss sie nach der Einreichung seltener verteidigen.

Drei typische Einstiegsfehler

1. Die Abweichungsanalyse auf die kritischen Positionen beschränken.
Der Reflex lautet: Wir schauen uns die zehn größten Positionen an, das reicht. Tatsächlich entstehen BNetzA-Beanstandungen häufig an Positionen, die absolut klein sind, aber prozentual stark abweichen — oder die einen selten genutzten Umlageschlüssel haben, der nicht zum aktuellen Netzzustand passt. Eine KI-gestützte Abweichungsanalyse über alle Positionen kostet kaum mehr als eine auf 10 Prozent — und macht den Unterschied zwischen stichprobenartig und vollständig.

2. Den LLM-Begründungstext ohne fachliche Überarbeitung einreichen.
Das ist der gefährlichste Fehler — und er ist real, weil die Zeitressourcen eng sind. Ein LLM generiert fachlich plausibel klingende Texte, die inhaltlich falsch oder für den konkreten Sachverhalt ungeeignet sein können. BNetzA-Prüfer kennen generisches Formulierungsmuster — und vergeben keine Bonuspunkte dafür. Jeder Textbaustein muss von einem Mitarbeitenden mit Regulierungskenntnis geprüft, angepasst und inhaltlich verantwortet werden. Der KI-Text ist ein Rohling, kein Endprodukt.

3. Mit der KI-Einführung sechs Wochen vor der Einreichungsfrist beginnen.
Die Datenpipeline aufbauen, die Analyse-Logik validieren, die ersten Textbausteine kalibrieren — das braucht Zeit. Wer das erst im April 2026 startet, wenn die Einreichungsfrist Juli 2026 ist, schafft keinen produktiven Einsatz mehr. Der sinnvolle Zeitpunkt ist mindestens 12 Monate vor der Frist: Jetzt, im Frühjahr 2025, mit dem Aufbau beginnen, bis Herbst 2025 die Datenpipeline stabil haben, und den ersten Testlauf mit Kalkulationsdaten Ende 2025 durchführen.

Was mit der Einführung wirklich passiert — und was nicht

In Regulierungsabteilungen von Stadtwerken gibt es erfahrungsgemäß eine spezifische Dynamik: Das Wissen über das Kalkulationsmodell steckt oft in einer oder zwei Personen — dem Regulierungsmanager mit zehn Jahren Praxis und seiner Stellvertreterin, die seit fünf Jahren dabei ist. Diese Personen wissen, warum Kostenposition 1.847 so ist, wie sie ist. Die KI weiß das nicht.

Das führt zu einem Muster, das beim ersten Einsatz fast immer auftritt: Die Abweichungsanalyse flaggt 280 Positionen. 265 davon haben die Erfahrungsträger sofort eine Erklärung für — das ist regulatorisch korrekt, das Netz wurde ausgebaut, das Basisjahr war atypisch. 15 Positionen sind wirklich fraglich. Diese 15 wären ohne KI-Screening mit hoher Wahrscheinlichkeit in der Gesamtmenge untergegangen.

Das ist der Kern-ROI: nicht 280 Positionen zu verteidigen, sondern die 15 zu finden, die ohne Screening nicht gesehen worden wären.

Was nicht passiert: Das Team wird nicht kleiner. Regulierungsmanagement ist kein Bereich, den man ausdünnt, weil KI einen Teil der Arbeit übernimmt — die Verantwortung bleibt beim qualifizierten Personal, und BNetzA-Fachgespräche erfordern menschliche Expertise, die nicht delegierbar ist.

Was die Einführung erleichtert: Wenn das Regulierungsteam selbst die Analyse-Logik mitgestaltet — welche Abweichungsschwellen sinnvoll sind, welche Positionen immer manuell geprüft werden müssen — entsteht kein Fremdkörper-Gefühl. Das System wird zum Werkzeug des Teams, nicht zum Aufpasser.

Realistischer Zeitplan mit Risikohinweisen

Kritischer Startpunkt für Basisjahr Gas 2025: Um die Frist 1. Juli 2026 zu erreichen, muss der Pilotlauf bis Herbst 2025 abgeschlossen sein. Der Aufbau muss spätestens Frühjahr 2025 beginnen.

Häufige Einwände — und was dahintersteckt

„Unsere Kalkulationsstruktur ist zu individuell für Standard-KI.”
Das stimmt. Deswegen gibt es keinen „Plug-and-Play”-Ansatz für diese Anwendung — die KI-Analyse muss auf die eigene Kostenstruktur kalibriert werden. Das ist kein Gegenargument gegen den Einsatz, es beschreibt den Einrichtungsaufwand. Derselbe Kalibrierungsaufwand entstünde, wenn ein neuer Regulierungsmanager eingearbeitet werden müsste — er kennt die Struktur auch nicht vom ersten Tag an.

„Was, wenn die KI einen Fehler in der Analyse macht?”
Das ist ein reales Risiko — und der Grund, warum KI-Output in diesem Kontext grundsätzlich menschlich freizugeben ist. Die Alternative — keine systematische Prüfung — hat ein höheres Fehlerrisiko, weil Menschen bei 20.000 Positionen stichprobenartig arbeiten. KI-gestützte Analyse mit menschlicher Freigabe ist sicherer als manuelle Stichprobe alleine.

„Wir haben das schon immer ohne KI gemacht und hatten keine Beanstandungen.”
Ein valides Argument — solange die Struktur des Netzes, das Kostenvolumen und die Regulierungsanforderungen stabil bleiben. Mit RAMEN Gas und GasNEF ändert sich die Erhebungslogik fundamental. Das Basisjahr Gas 2025 ist nicht routinemäßig. Wer dieses Basisjahr mit denselben Prozessen wie das letzte angeht, unterschätzt die neue Anforderungstiefe.

Woran du merkst, dass das zu dir passt

Du passt zu diesem Anwendungsfall, wenn:

• Dein Kalkulationsmodell mehr als 5.000 Kostenpositionen hat — darunter ist die vollständige manuelle Prüfung durch ein erfahrenes Team noch handhabbar
• Dein Netz wächst oder verändert sich — Erweiterungen, Stilllegungen oder Druckstufenanpassungen in den letzten fünf Jahren bedeuten, dass Umlageschlüssel aus der Vorperiode nicht mehr automatisch korrekt sind
• Dein Regulierungsteam aus weniger als fünf Personen besteht — dann ist jede Stunde, die das System der Plausibilitätsprüfung abnimmt, direkt in höherwertigen Aufgaben einsetzbar
• Das letzte Prüfverfahren hatte mehr als drei Nachfragen von der BNetzA zu Begründungslücken oder Abweichungen

Drei harte Ausschlusskriterien — wann sich KI-Einsatz nicht lohnt:

1. Netzbetreiber im vereinfachten BNetzA-Verfahren mit weniger als ~20.000 Anschlüssen und standardisierten Kostenblöcken: Die Kalkulationsstruktur ist vereinheitlicht, Umlageschlüssel-Komplexität begrenzt, und der manuelle Prüfaufwand hält sich im Rahmen. Der KI-Einrichtungsaufwand übersteigt den Nutzen.

2. Kostendaten noch nicht in strukturiert exportierbarer Form vorhanden — wenn das Kalkulationsmodell aus nicht versionierten Excel-Tabs besteht, die manuell befüllt werden und kein konsistentes Schema haben, ist der erste Schritt nicht KI, sondern Datenstrukturierung. KI kann keine Konsistenzanalyse auf inkonsistenten Daten durchführen.

3. Das Regulierungswissen steckt ausschließlich in externen Beratern, die das Modell einmal pro Jahr bedienen: Dann fehlt die interne Fähigkeit, KI-Output fachlich zu beurteilen. Ein LLM-Begründungstext, den niemand im Haus inhaltlich einordnen kann, ist gefährlicher als kein LLM-Text.

Das kannst du heute noch tun

Lade die letzten zwei Jahre der Netzentgeltkalkulation als strukturierten CSV-Export oder als Excel-Datei mit klarer Spaltenbeschriftung in Julius AI — der Free-Plan reicht für den ersten Test. Stelle dann die Frage: „Zeig mir alle Kostenpositionen, bei denen die absolute Veränderung zwischen Jahr 1 und Jahr 2 mehr als 20 Prozent beträgt.”

Das dauert 20 Minuten. Was du danach weißt: Wie viele Positionen die KI als auffällig markiert, ob die Ergebnisse mit deinem Erfahrungswissen übereinstimmen — und ob es Positionen gibt, die dich überraschen.

Für den Einstieg in Begründungstexte kannst du diesen Prompt direkt verwenden:

Quellen & Methodik

• Stadtwerke Ratingen / regiocom SE: Digitalisierung der Netzentgeltkalkulation mit rcRegMan KALK. energie.blog, 2021. Konkrete Umsetzung eines Stadtwerks in NRW: Umstieg von manuellem Excel auf SaaS-Kalkulationssystem, Zitat: „Die digitale Netzentgeltkalkulation mit dem rcRegMan KALK-Modul entlastet Netzbetreiber und rüstet sie für die kommenden Herausforderungen der Energiewende.”
• Rödl & Partner: „Kostenprüfung zum Basisjahr Gas 2025: Weichenstellung für die 5. Regulierungsperiode.” roedl.com, 2025. Referenz auf über 350 begleitete Kostenprüfungen; Einschätzung, dass Gesamtaufwand für Netzbetreiber „auf hohem Niveau unverändert bleibt” trotz überarbeiteter Erhebungsbögen.
• Rödl & Partner: „Festlegung von Vorgaben zur Durchführung der Kostenprüfung Gas 2025.” roedl.com, 2025. Fristangaben: Regelverfahren 1. Juli 2026, vereinfachtes Verfahren 1. Oktober 2026, Sachanlagevermögen 31. März 2026.
• Essociation.de: Seminar „Berechnung Netzentgelte Gas”. Preis ab 1.020 EUR/Tag (ggf. zzgl. MwSt.). Zeigt Spezialisierungsgrad und Ausbildungsaufwand, der in diesem Fachgebiet erforderlich ist.
• Bundesnetzagentur, Beschlusskammer 9: Konsultation BK9-25-0605 zu Kostenprüfung Gas 5. Regulierungsperiode. Neue Regulierungsrahmen RAMEN Gas / GasNEF, Veröffentlichung Dezember 2025.
• Preisangaben Julius AI, Claude: Veröffentlichte Tarife der Anbieter (Stand Mai 2026).
• Hinweis zur Methodik: Konkrete Stunden- und Einsparungsangaben sind Erfahrungswerte aus Regulierungsmanagement-Projekten bei vergleichbaren Gasnetzbetreibern, keine repräsentative Studie. Eigene Kostenzahlen immer gegen das eigene Kalkulationsmodell prüfen.

Du willst einschätzen, ob sich ein KI-gestützter Prüfprozess für eure Kalkulationsstruktur lohnt — und welche Schritte vor der Frist 1. Juli 2026 noch realistisch sind? Meld dich — das klären wir gemeinsam in einem kurzen Gespräch.