Mittelständische Stadtwerke befinden sich oft in einer Sandwich-Position: Auf der einen Seite gibt es die großen Konzerne mit Skaleneffekten, auf der anderen Seite sind es kleinere Werke, denen oftmals die finanzielle Schlagkraft fehlt. Lange galt: Wer größer ist, hat strukturelle Vorteile, vor allem im Bereich Digitalisierung.
Der Wendepunkt lag im Energieeinkauf
Zunächst baute EWR ein spezialisiertes Business-Intelligence-Team auf. Die Aufgabe war pragmatisch: Datenqualität verbessern, Quellen harmonisieren, interaktive Datenübersichten für verschiedene Unternehmensbereiche aufbauen. "Wir haben nicht mit einer Strategie begonnen, sondern mit einer konkreten Problemstellung und einer großen Hebelwirkung", erläutert Dieter Lagois, Vorstand für Vertrieb, IT, Finanzen und Energielösungen bei EWR.
Doch diese Logik beginnt sich zu verschieben. Der rheinland-pfälzische Versorger EWR hat das Thema künstliche Intelligenz nicht mit einem Strategiepapier gestartet, sondern mit einer sehr konkreten Herausforderung: Wie lassen sich Daten besser nutzen, um operative Entscheidungen zu verbessern?
Ganz am Anfang lag der Fokus auf dem Energieeinkauf. Das Team entwickelte ein neues Prognosemodell, dessen Ansatz sich durch die Vielfalt seiner Eingabeparameter von bestehenden Modellen abhebt. Darunter etwa der Cold Index, der Wetterparameter wie Temperatur, Windgeschwindigkeit, Luftfeuchtigkeit und Niederschlag kombiniert, um das Erkältungsrisiko zu bewerten.
Der Gedanke dahinter: Wenn viele Menschen witterungsbedingt zu Hause bleiben, verändert sich der Energieverbrauch. Ebenfalls einbezogen wird der Southern Oscillation Index, ein zentraler Indikator des El-Niño-Phänomens, der dabei helfen soll, die Langfristprognosen beim Wetter zu verbessern. Täglich werden zweifach 42 Millionen Datenpunkte für die Zukunftsbetrachtung abgerufen. Diese Informationen werden mittels Machine Learning ausgewertet und in die Beschaffungsplanung integriert.
Und das Ganze mit Erfolg: Durch die präzisere Prognose und eine optimierte Beschaffungsstrategie erzielte EWR nach eigenen Angaben einen deutlich siebenstelligen Einspareffekt im Energieeinkauf. Die KI-Modelle halfen dabei, Einkaufsmengen und -zeitpunkte besser zu steuern und Risiken zu reduzieren.
Akzeptanz durch wirtschaftlichen Nutzen
Zugleich veränderte sich mit diesem Ergebnis die interne Diskussion: "Mit dem messbaren Mehrwert verlagerte sich die Haltung zum Einsatz von KI intern rasch weg von Bedenken zu strategischen Möglichkeiten und Potenzialen", so Lagois. Denn auch bei EWR war zu Beginn das Thema KI emotional aufgeladen. Sorgen um Automatisierung und mögliche Arbeitsplatzveränderungen standen im Raum. Der Erfolg im Energieeinkauf wirkte wie ein Katalysator. KI wurde fortan als Instrument zur Stärkung des Unternehmens wahrgenommen.
Anschließend begann EWR, das Thema systematisch in einer KI-Strategie zu verankern, die Teil der Unternehmensstrategie wurde. "KI ist für uns kein IT-Projekt, sondern ist zu einem strategischen Imperativ geworden, der neben den technischen Aspekten auch einen deutlichen Einfluss auf Rollenkompetenzen und Kultur hat", verdeutlicht Lagois. Im Unternehmen wurde das Thema von Beginn an auf Vorstandsebene getrieben.
Kompetenz im Haus halten
Ein zentrales Prinzip ist die Datenhoheit. EWR setzt bewusst darauf, Kernkompetenzen intern aufzubauen. "Eine professionelle Data Governance und die damit einhergehende hohe Datenqualität sind Voraussetzung für eine erfolgreiche Anwendung von KI", stellt Lagois klar.
Dienstleistungen werden teilweise zugekauft, doch Analyse und Modellierung der eigenen Daten bleiben im Unternehmen. "Die Hoheit über unsere Daten bleibt bei uns – wer seine Datenkompetenz vollständig auslagert, verliert langfristig Gestaltungsspielräume", erklärt Lagois.
Nächste Stufe: Kundensegmentierung und Infrastruktur
Nach dem erfolgreichen Einsatz im Energieeinkauf arbeitet EWR an weiteren Anwendungsfeldern. Ein Schwerpunkt ist die intelligente Kundenansprache, um eine höhere Kampagneneffizienz und Kundenzufriedenheit zu erzielen. Das soll mit einer differenzierten Ansprache entlang individueller Bedürfnisse gelingen.
Bei der Kundensegmentierung setzt EWR auf interne Kompetenz. Und auch das Prognosemodell im Energieeinkauf haben Mitarbeitende selbst entwickelt und programmiert.
Parallel werden Potenziale in der Infrastruktur diskutiert. Mit Sensorik und KI-gestützter Analyse arbeitet der Versorger mit wissenschaftlichen Kooperationspartnern daran, die Versorgungssicherheit weiter zu stärken. "Wir suchen bewusst die Kooperation mit der Wissenschaft, um neueste Erkenntnisse direkt in die Praxis einfließen zu lassen", führt Lagois aus.
Geschwindigkeit als Wettbewerbsvorteil
Vorstand Lagois ist überzeugt: "Für uns ist KI eine echte Chance – weil sie uns großartige neue Möglichkeiten bietet, uns in den Dimensionen Qualität, Kosten und Zeit zu verbessern." Denn wo sonst Größe und Skaleneffekte dominieren, kann heute auch der Mittelstand mit KI die Umsetzungsgeschwindigkeit erhöhen.
