Die regulatorische Notwendigkeit: Warum KI kein Luxus ist
Als Regulatorik-Expertin sehe ich die Marktkommunikation (MaKo) nicht primär als IT-Problem, sondern als permanente Compliance-Herausforderung. Das auf § 30 EnWG (Diskriminierungsfreiheit des Netzzugangs) basierende deutsche Regulierungssystem wird durch BNetzA-Festlegungen wie GPKE, WiM und MaBiS konkretisiert. Diese schreiben standardisierte, digitale Massenprozesse vor, die in der Regel automatisiert ablaufen müssen, um dem Gebot der Gleichbehandlung aller Marktpartner gerecht zu werden.
Das Problem entsteht im Ausnahmefall, der sogenannten bilateralen Klärung. Wenn ein Prozess, beispielsweise im UTILMD-Format, mit einem Fehlercode wie "A01 - Sonstiges" (entspricht dem früheren Code 99) abbricht oder eine Fristverletzung droht, muss der Mensch eingreifen. Hier entscheidet das Wissen des Sachbearbeiters über die Einhaltung der Regulierung. Fehler an diesem neuralgischen Punkt führen nicht nur zu Ineffizienz, sondern können Marktprozesse stören und potenziell Schadensersatzansprüche nach sich ziehen. Systematische Verstöße können zudem aufsichtsrechtliche Maßnahmen nach § 65 EnWG zur Folge haben.
Die Recherche bestätigt, dass herkömmliche IT-Systeme und naive KI-Ansätze, die lediglich auf Dokumentenvektorisierung basieren, dieser Komplexität nicht gewachsen sind. Sie können die oft widersprüchlichen oder kontextabhängigen Ausnahmen der MaKo nicht adäquat verarbeiten. Die Lösung liegt in einem ingenieurgetriebenen Wissensmanagement, das menschliche Experten in der Entscheidungsfindung unterstützt.
Bevor Sie jedoch in KI-gestützte Wissenssysteme investieren, müssen die regulatorischen Rahmenbedingungen geprüft werden. Dies ist der Compliance-Check, den Regina Recht empfiehlt:
Checkliste 1: Regulatorische Fundierung des Anwendungsfalls
Der Einsatz von KI muss direkt auf die Minimierung der regulatorischen Risiken abzielen. Fragen Sie sich: Hilft das System, die Einhaltung welcher konkreten BNetzA-Festlegung zu verbessern?
1. Fokus auf die Bilaterale Klärung und Fristmanagement
Regulatorische Grundlage: BNetzA-Beschlüsse zur Geschäftsprozesse zur Kundenbelieferung mit Elektrizität (GPKE, z.B. BK6-20-160) und zu den Wechselprozessen im Messwesen (WiM, z.B. BK6-17-042), die Fristen und Eskalationspfade definieren.
Prüfpunkt: Die KI muss in der Lage sein, die korrekte Handlungsanweisung für MaKo-Fehlermeldungen zu liefern, die nicht durch Standard-IT-Systeme abgedeckt sind. Dabei muss das System den aktuellen Stand der BNetzA-Festlegungen berücksichtigen. Ein Praxisbeispiel: Wie ist bei einer fehlerhaften Stornierung eines Lieferantenwechsels zu verfahren, wenn die Frist des § 20a Abs. 2 StromNZV bereits verstrichen ist? Ein leistungsfähiges System kennt die eskalierenden Prozessschritte.
Ziel: Reduktion der manuellen Fehlerquote in komplexen, zeitkritischen Ausnahmefällen.
2. Nachweis der Diskriminierungsfreiheit
Regulatorische Grundlage: § 30 EnWG (Diskriminierungsfreier Netzzugang) und die Pflicht zur Gleichbehandlung aller Marktteilnehmer.
Prüfpunkt: Wenn die KI Entscheidungen beeinflusst (z.B. Priorisierung von Klärfällen), muss gewährleistet sein, dass dies marktrollenunabhängig geschieht. Ein KI-gestütztes Wissenssystem, das nur die internen Prozesse optimiert, aber die Kommunikation mit externen Marktpartnern (Lieferanten/Netzbetreibern) verzögert oder fehlerhaft steuert, kann einen Verstoß gegen die Diskriminierungsfreiheit darstellen.
Ziel: Transparente und nachvollziehbare Prozessführung, die im BNetzA-Monitoring Bestand hat.
3. Integration von Netzentgelten und Regulierungsvorgaben
Regulatorische Grundlage: StromNEV, GasNEV, ARegV, sowie spezifische BNetzA-Beschlüsse zu Netzentgelten und Umlagen.
Prüfpunkt: Die MaKo ist untrennbar mit der korrekten Abrechnung und Bilanzierung verbunden. Ein effektives KI-Wissenssystem muss daher auch die aktuellen regulatorischen Vorgaben zu Netzentgelten und Umlagen in seinen Handlungsanweisungen integrieren. Fehlerhafte Abrechnungen, die auf fehlerhaften MaKo-Prozessen basieren, können zu Rückforderungen und Bußgeldern führen.
Ziel: Gewährleistung der Abrechnungskonformität durch fundierte Wissensbasis.
Checkliste 2: IT- und Daten-Compliance (Datenschutz und KRITIS)
Der Betrieb von KI-Systemen im kritischen Umfeld der Energiewirtschaft erfordert strenge Kontrollen, insbesondere wenn Kundendaten (personenbezogene Daten) involviert sind.
4. DSGVO-Konformität und Pseudonymisierung
Regulatorische Grundlage: Art. 5, 25 und 32 DSGVO (Grundsätze der Verarbeitung, Datenschutz durch Technikgestaltung).
Prüfpunkt: Marktkommunikationsdaten, insbesondere UTILMD-Nachrichten, enthalten Zählpunktdaten, die indirekt auf natürliche Personen rückführbar sind. Beim Training und Betrieb der KI muss sichergestellt sein, dass die Datenverarbeitung DSGVO-konform erfolgt. Sind die Daten, die die KI zur Wissensgenerierung nutzt, ausreichend pseudonymisiert oder anonymisiert? Meine rechtliche Einschätzung ist hier klar: Zugriffsrechte auf die KI-Antworten müssen gemäß der Vertraulichkeitsverpflichtung nach § 11 Abs. 1 EnWG gesteuert werden.
Ziel: Schutz sensibler Kundendaten und Vermeidung von Bußgeldern.
5. KRITIS-Anforderungen und Verfügbarkeit
Regulatorische Grundlage: BSI-KritisV (Verordnung zur Bestimmung Kritischer Infrastrukturen) und § 8a BSI-Gesetz (IT-Sicherheitsgesetz).
Prüfpunkt: Gehört Ihr Stadtwerk zu den KRITIS-Betreibern, muss die KI-Infrastruktur die erhöhten Anforderungen an Verfügbarkeit, Integrität und Vertraulichkeit erfüllen. Obwohl die Marktkommunikation nicht explizit als kritische Dienstleistung in der BSI-KritisV genannt ist, ist sie ein unverzichtbarer Unterstützungsprozess zur Aufrechterhaltung der Versorgungssicherheit. Ein Ausfall kann die Abrechnungs- und Lieferantenwechselprozesse und damit die Marktstabilität empfindlich stören. Das KI-System darf daher keine neuen Single Points of Failure einführen.
Ziel: Systemstabilität und Einhaltung der Meldepflichten gegenüber dem BSI.
Checkliste 3: Ingenieurgetriebenes Wissensmanagement
Die Recherche zeigt klar: Der Erfolg hängt nicht von der Größe des Datensees ab, sondern von der Qualität der Wissensstrukturierung. Regina Recht besteht darauf, dass die KI die regulatorische Welt verstehen muss – nicht nur Dokumente vektorisieren.
6. Kontextualisierung und Rechtsquellen-Validierung
Prüfpunkt: Kann die KI ihre Antworten auf konkrete regulatorische Quellen (Paragrafen, BNetzA-Beschlüsse mit Aktenzeichen, BDEW-Codices) zurückführen? Ein naiver KI-Ansatz liefert plausible, aber möglicherweise regulatorisch falsche Antworten. Ein leistungsfähiges, ingenieurgetriebenes System sollte die Hierarchie der Rechtsquellen (Gesetz vor Verordnung vor Beschluss) verstehen und die aktuell gültige Fassung zitieren können.
Ziel: Belastbarkeit und Nachvollziehbarkeit der Handlungsanweisungen (Audit-Trail).
7. Umgang mit Inhomogenen Systemlandschaften
Prüfpunkt: Stadtwerke arbeiten oft mit heterogenen Systemen (SAP IS-U, kaufmännische Systeme, EDM). Die KI muss in der Lage sein, die Übersetzung zwischen dem regulatorischen Prozess und der systemspezifischen Umsetzung zu leisten. Wenn beispielsweise die GPKE (gemäß den BNetzA-Umsetzungsfragen) die Übermittlung des Zählzeitpunktes vorschreibt, muss das KI-System wissen, wie dieser Wert im spezifischen IT-System des Stadtwerks hinterlegt ist. Beispiel: Die KI muss die regulatorische Anforderung 'Stornierung der Anmeldung' in den SAP IS-U-Transaktionscode für den Prozess 'E04' oder den entsprechenden Prozessschritt im System des Anbieters Z übersetzen können.
Ziel: Praktische Umsetzbarkeit der regulatorischen Vorgaben im täglichen Betrieb.
Fazit: KI als Compliance-Assistent
Die Einführung von KI im Bereich der Marktkommunikation ist keine Option, sondern eine Notwendigkeit, um die steigende regulatorische Komplexität und das Volumen der Ausnahmefälle (bilaterale Klärung) zu bewältigen. Für Stadtwerke, die oft keine eigenen großen KI-IT-Abteilungen unterhalten, ist der Fokus auf externe, spezialisierte Wissenssysteme wie Enerchy oder Willi Mako sinnvoll, da diese den ingenieurgetriebenen Ansatz verfolgen.
Ihr primäres Ziel muss die Minimierung des Compliance-Risikos sein. Die KI soll nicht den Sachbearbeiter ersetzen, sondern ihn mit präzisem, rechtskonformem Wissen ausstatten, um Fehler in den kritischen Prozessen der GPKE und WiM zu vermeiden. Nur wer die regulatorischen Anforderungen an Datenschutz, KRITIS und vor allem die Qualität der Wissensbasis erfüllt, kann KI erfolgreich und sicher in der MaKo einsetzen. Nutzen Sie diese 7 Checks als Grundlage für Ihre nächste Projektplanung oder zur Überprüfung Ihrer bestehenden Systeme.