Künstliche Intelligenz in der Kommunalwirtschaft

Kommunale Betriebe halten Netze instand, deren Investitionsrückstand seit Jahren wächst, und verlieren gleichzeitig ihre erfahrensten Techniker an den Ruhestand. Künstliche Intelligenz soll dagegen helfen. Die belegten Ergebnisse deutscher Versorger fallen nüchterner aus als die Ankündigungen.

Die Ausgangslage lässt sich beziffern. Das KfW-Kommunalpanel 2026, für das das Deutsche Institut für Urbanistik im ersten Quartal 2026 rund 2.900 Kommunen und Landkreise befragt hat, weist einen wahrgenommenen Investitionsrückstand von 231,2 Milliarden Euro aus, 15,5 Milliarden Euro oder 7,2 Prozent mehr als im Vorjahr. [1] Auf die Wasserver- und -entsorgung fallen davon 10,4 Milliarden Euro. [1] Die KfW schränkt diesen Wert selbst ein. Viele Kommunen haben Wasserversorgung und Abwasserentsorgung in eigenständige Einheiten ausgelagert, die nicht mehr zur Kernverwaltung gehören. Das Kommunalpanel befragt aber die Kommunalverwaltungen selbst, nicht diese ausgelagerten Betriebe. Deren Investitionsrückstand geht deshalb in den Antworten oft nicht oder nur teilweise ein. Die 10,4 Milliarden Euro markieren damit eher eine Untergrenze als den vollständigen Bedarf.

Über fünf Jahre betrachtet ist der Anteil der Kommunen mit mindestens nennenswertem Rückstand bei Wasser und Abwasser um 12,9 Prozentpunkte gestiegen, der zweitstärkste Anstieg aller Infrastrukturbereiche. [1] Die Anlagen altern damit schneller, als die Erneuerung nachkommt. Ein Betrieb, der seine Mittel auf die dringendsten Abschnitte lenken will, braucht dafür eine belastbare Aussage über den Zustand jedes einzelnen Betriebsmittels.

Der Personalbestand geht in die andere Richtung

Das Institut der deutschen Wirtschaft hat für seine KOFA-Studie 4/2026 die Altersstruktur der sozialversicherungspflichtig Beschäftigten ausgewertet. Mehr als 8,5 Millionen von ihnen sind 55 Jahre oder älter und verlassen den Arbeitsmarkt in den nächsten zehn bis fünfzehn Jahren, ein Viertel aller Beschäftigten. Aus Engpassberufen scheiden 3,6 Millionen altersbedingt aus, darunter Fachkräfte der Bauelektrik und der elektrischen Betriebstechnik, die seit 2016 durchgehend im Engpass stehen. [2]

Gerade diese Fachkräfte wissen, welche Ortsnetzstation im Winter Ärger macht und welcher Kanalabschnitt nach jedem Starkregen kontrolliert gehört. Solches Wissen steht selten in einer Datenbank. Es geht mit dem letzten Arbeitstag verloren. Damit ist die Aufgabe umrissen, da ein kommunaler Betrieb mehr Anlagen mit weniger erfahrenem Personal führen. Künstliche Intelligenz, also ein Verfahren, das aus vorhandenen Daten Muster ableitet und daraus Vorhersagen berechnet, verspricht hier Entlastung.

Die Instandhaltung kennt vier Grundmaßnahmen, und keine davon heißt Software

DIN 31051 in der Ausgabe 2019-06 gliedert die Instandhaltung in Wartung, Inspektion, Instandsetzung und Verbesserung. Der zentrale Begriff der Norm ist der Abnutzungsvorrat, also der Vorrat an möglicher Nutzungsdauer, den ein Bauteil noch besitzt. Wartung verzögert seinen Abbau, Inspektion stellt den Ist-Zustand fest, Instandsetzung führt die Anlage zurück in den funktionsfähigen Zustand, Verbesserung erhöht Zuverlässigkeit oder Sicherheit ohne Änderung der geforderten Funktion. [3]

Die Begriffsnorm DIN EN 13306 in der Ausgabe 2018-02 ordnet die Strategien darüber. Vorbeugende Instandhaltung zerfällt in drei Formen. Die vorausbestimmte Instandhaltung folgt festen Intervallen ohne vorherige Zustandsprüfung. Die zustandsorientierte Instandhaltung bewertet den physischen Zustand und leitet daraus die Maßnahme ab. Die vorausschauende Instandhaltung ist nach dieser Norm eine Ausprägung der zustandsorientierten, die sich durch eine Prognose aus wiederholten Analysen unterscheidet. Anbieter, die Predictive Maintenance als vierte Säule neben reaktiv, vorbeugend und zustandsorientiert verkaufen, argumentieren oft an der geltenden Begriffsnorm vorbei. [4]

Eine seit 2003 genormte Kette zeigt, wo ein Modell ansetzt

ISO 13374-1 aus dem Jahr 2003 zerlegt die Zustandsüberwachung in sechs aufeinander aufbauende Verarbeitungsblöcke. Die Datenerfassung wandelt das Signal eines Aufnehmers in eine digitale Größe samt Zeitstempel und Kalibrierangaben. Die Datenaufbereitung rechnet daraus Kennwerte, die Zustandserkennung pflegt ein Normalprofil und meldet Abweichungen als Alarm. Danach folgen Zustandsbewertung, Prognose der verbleibenden Nutzungsdauer und die Erzeugung der Handlungsempfehlung. [5]

Künstliche Intelligenz besetzt in dieser Kette die Zustandsbewertung und die Prognose. Die drei vorgelagerten Blöcke bleiben Messtechnik und Signalverarbeitung. Die Norm verlangt in Abschnitt 2.2.4 eine Softwareschnittstelle zum Instandhaltungsmanagementsystem, damit die Empfehlung als Arbeitsauftrag im System ankommt, und in Abschnitt 2.2.6 die Dokumentation von Messstellenkennung, Aufnehmerposition, Abtastraten und Kalibrierparametern. An diesen unscheinbaren Angaben scheitern Vorhaben häufiger als am Verfahren. [5]

Das Modell lernt aus Arbeitsaufträgen

Die Handbücher der Anbieter benennen den Vorarbeitsbedarf deutlicher als ihre Broschüren. Amazon dokumentiert für seinen Dienst Lookout for Equipment, dass ein Modell Daten von bis zu 300 Sensoren verarbeitet, dabei aber nur sieben Gigabyte nutzt. [6] Zulässig sind ausschließlich numerische Analogwerte, denn Ventilstellungen und Sollwerte führen laut Dokumentation zu irreführenden Ergebnissen. Monoton steigende Zähler wie Betriebsstunden gehören entfernt, und aus Schwingungsdaten sind vorher Kennwerte wie Effektivwert und Frequenzspektrum zu bilden. [6] Der heikelste Punkt steht im Kapitel über die Kennzeichnung fehlerhafter Zeiträume. Das Modell lernt den Normalbetrieb und meldet Abweichungen davon, weshalb bekannte Störungen im Trainingszeitraum als Zeitintervalle benannt gehören. Als Quelle für diese Intervalle nennt der Anbieter zwei Möglichkeiten, das Instandhaltungspersonal und die Arbeitsaufträge, über die er selbst schreibt, sie seien notorisch subjektiv und inkonsistent. [7]

Ein Betrieb ohne datierte Störungs- und Instandsetzungsrückmeldungen hat also kein Problem mit künstlicher Intelligenz, er hat ein Problem mit seiner Auftragsdisziplin. ISO 55013 aus dem Juli 2024 gibt dazu Anleitung und behandelt das Management von Daten als Anlagegut. Die Anforderung an die Datenpflege steht im Regelwerk also bereits, bevor das erste Modell in Betrieb geht. [8]

Die Branche misst ihren Fortschritt an Strategiepapieren

Die Digital@EVU-Studie 2026, die der BDEW gemeinsam mit dem VSE, Kearney und IMP^³ROVE im April 2026 veröffentlicht hat, befragte mehr als 110 Energieversorger, fast alle davon aus dem deutschsprachigen Raum. Fast ein Drittel hat eine KI-Strategie bereits umgesetzt, weitere gut sechs von zehn planen eine. Von den Unternehmen mit Strategie hat nur gut jeder vierte Kennzahlen definiert, an denen sich der Erfolg messen lässt. Bei den großen Versorgern ist es die Hälfte.

Aufschlussreicher sind die Umsetzungsgrade in der Technik. Unter den Unternehmen mit umgesetzter KI-Strategie nutzt gut jeder zweite Analytik in der Netzplanung, knapp die Hälfte in der Leitungs- und Lastverteilung und gut vier von zehn digitale Netzzwillinge, also laufend aktualisierte Computerabbilder des realen Netzes für Simulation und Planung. Die präskriptive Netzwartung, also die Auswertung von Echtzeit- und Verlaufsdaten bis hin zum fertigen Instandhaltungsplan, erreicht reichlich ein Drittel. Analytikgestütztes Work-Force-Management kommt auf gut jeden fünften. Die Instandhaltung liegt damit hinter der Planung, und hinter der Instandhaltung liegt die Steuerung der eigenen Mannschaft.

Die Hürden benennt dieselbe Studie. Gut drei Viertel der Versorger nennen die fehlende Dateninfrastruktur, gut zwei Drittel fehlende Fähigkeiten der Mitarbeiter und knapp sechs von zehn Bedenken bei Datenschutz und Sicherheit, ein Anteil, der deutlich höher liegt als in der Vorausgabe der Studie. Bei kleinen Versorgern steht der Mangel an internen Kapazitäten an erster Stelle, das nennen dort gut sieben von zehn Betriebe. Reichlich die Hälfte der Unternehmen weiß, welche digitalen Fähigkeiten sie künftig brauchen, aber nur fast ein Drittel hat eine Personalstrategie, um sie aufzubauen. [9]

Die meistzitierte Zahl der Branche stammt aus einem fiktiven Stadtwerk

Seit Ende Oktober 2025 kursiert in Vorträgen und Gremienvorlagen ein Einsparpotenzial für Stadtwerke durch künstliche Intelligenz. Die Zahl geht auf eine Untersuchung der m3 management consulting GmbH mit Unterstützung des Fraunhofer-Instituts für Produktionsanlagen und Konstruktionstechnik zurück, veröffentlicht im Oktober 2025. [10] Die Fallstudie des Instituts beschreibt die Grundlage genauer. Für die Untersuchung wurde ein fiktives, aber realitätsnahes Stadtwerk aufgebaut, dessen über 300 Aktivitäten anhand einer Metrik aus acht Faktoren bewertet wurden.

Einen realistischen Einstieg zeigt ein Pilotprojekt von MITNETZ Strom aus dem August 2026. Gemeinsam mit Schleswig-Holstein Netz, Avacon Netz und dem KI-Team von E.ON Grid Solutions leitet ein Modell aus dem Netzumfeld eines Niederspannungskabels die wahrscheinliche Baujahresperiode ab. Fachleute des Asset Managements prüfen jedes Ergebnis nach. Der Ansatz wirkt bescheiden und betrifft doch die Grundlage jeder Prognose. Ein Instandhaltungsplan braucht das Alter des Betriebsmittels. Fehlt diese Angabe, rechnet auch das beste Prognosemodell auf einer Lücke.

"Je besser wir unsere Infrastruktur digital abbilden und verstehen, desto gezielter können wir Investitionen planen, Prozesse automatisieren und die Netze für die Anforderungen der Energiewende weiterentwickeln", sagt Oliver Pohl, Leiter des Teams Daten und digitale Lösungen bei Schleswig-Holstein Netz. [13] Avacon ist dabei kein Konzernfall ohne kommunalen Bezug, denn mehr als 200 Kommunen und Landkreise halten fast 40 Prozent der Anteile. [13] Der Weg über die Stammdaten führt damit sichtbar durch kommunal geprägte Netzgesellschaften und nicht an ihnen vorbei.

Drohnenbilder werden ausgewertet, bevor jemand den Hubsteiger anfordert

Beim selben Netzbetreiber läuft die Bildauswertung bereits im Regelbetrieb. Drohnen inspizieren Freileitungen und Umspannwerke, die Bild- und Videodaten wertet das Unternehmen KI-gestützt aus und markiert Auffälligkeiten automatisch. Thermografie zeigt heiße Stellen an Verbindungen und Klemmen. Zahlreiche Mitarbeiter besitzen einen A2-Drohnenführerschein, die Technik arbeitet also längst nicht mehr nur in der Erprobung. [14]

Die Mengen erklären, warum sich der Aufwand rechnet. Allein in Südsachsen kontrolliert der Netzbetreiber rund 700 Kilometer Trasse mit 2.700 Masten, wegen doppelt belegter Masten entspricht das rund 1.400 Kilometern Leitung. In Westsachsen sind es 600 Kilometer und 2.100 Masten, in Brandenburg 950 Kilometer und 3.000 Masten, in Sachsen-Anhalt 1.000 Kilometer und 3.300 Masten. [15]

"Das spart Zeit und hilft uns, schneller zu reagieren. Die Technik unterstützt uns, sie ersetzt aber nicht das Fachwissen der Monteure", sagt Stefan Röder, Fachreferent für Realisierung und Betrieb Strom und selbst Drohnenpilot. [14] Der Satz beschreibt den Stand der Dinge genauer als die meisten Anbieterprospekte und ordnet der Auswertung die Vorsortierung zu, dem Menschen die Beurteilung. In dieser Aufgabenteilung liegt der Nutzen, den ein kommunaler Betrieb heute erwarten darf.

Im Verteilnetz fehlt der Auswertung zuerst die Messtechnik

Die Datenbasis im Verteilnetz hängt am Rollout der intelligenten Messsysteme. Zum Stichtag 31.12.2025 zählte die Bundesnetzagentur gut 56 Millionen Messlokationen in Deutschland. Ausgestattet mit einem intelligenten Messsystem war davon nur knapp jede zwanzigste. Bei den rund 4,7 Millionen quotenrelevanten Pflichteinbaufällen erreichte der Ausbau knapp ein Viertel. 77 grundzuständige Messstellenbetreiber meldeten keinen einzigen quotenrelevanten Einbau. Gegen sie leitete die Behörde am 27.03.2026 ein Aufsichtsverfahren ein. [16]

Der VDE-Verband Netztechnik und Netzbetrieb lässt für die Netzzustandsermittlung in der Niederspannung die Verfahrenswahl offen und erlaubt statistische, analytische und heuristische Verfahren ebenso wie neuronale Netze. Reguliert ist das Ergebnis, die Verfahrenswahl bleibt frei. Die Tabelle zum Ausstattungsgrad zeigt, wo der Ausbau am meisten kostet, da ein Strahlennetz mit Messung der Niederspannungsabgänge in der Ortsnetzstation kommt mit 15 Prozent intelligenter Messsysteme aus, ohne Messung in der Station sind es 70 Prozent. [17]

In der Leitwarte antwortet ein lokal betriebenes Modell

Das Fraunhofer-Institut für Optronik, Systemtechnik und Bildauswertung, Institutsteil Angewandte Systemtechnik, hat im April 2026 den GridCompanion vorgestellt, einen Assistenten für die Netzleitwarte. Das System läuft vollständig lokal ohne Internetanbindung, nutzt ein europäisches Sprachmodell, ein KI-System, das Text versteht und formuliert, und greift ausschließlich lesend auf die Daten zu. Jede Entscheidung bleibt beim Menschen. Auf der Erprobungsplattform liefen Sprachmodelle mit bis zu 120 Milliarden Parametern, eingesetzt für Störungsklärung, Plausibilisierung von Netzdaten und die Einarbeitung neuer Mitarbeiter. [18]

Die Stadtwerke München gehören zu den Pilotkunden. "Als einer von drei Pilotkunden setzen die Stadtwerke München GmbH auf eine lokale Testplattform, auf der wir den GridCompanion zur Erprobung unterschiedlicher KI-Use-Cases im Leitsystemumfeld nutzen", sagt Robert Schuder, Leiter Dispatching Strom. [18] Für kommunale Betriebe zählt vor allem der lesende Zugriff. Ein Assistent, der Schaltzustände erklärt, ohne schalten zu können, wirft keine der Sicherheitsfragen auf, die eine selbsttätige Schalthandlung im Strom- oder Gasnetz aufwirft.

Die Fernwärme liefert die erste belastbare Messung

Bei der Wärme liegt inzwischen ein gemessenes Ergebnis vor. Die Deutsche Energie-Agentur hat im Januar 2026 den Projektbericht ML4FW veröffentlicht, erarbeitet unter anderem vom Fraunhofer-Institut für Energiewirtschaft und Energiesystemtechnik, von SAMSON und vom AGFW. Ein neuronales Netz bildet dabei ein physikalisches Simulationsmodell nach und findet die günstigsten Heizkurvenparameter einer Fernwärme-Hausstation. Der Vorhersagefehler liegt bei rund 1 Kelvin, die Rechnung dauert Sekunden statt Stunden. [19]

Der Feldtest lief an einem Plattenbau mit 40 Wohnungen in Neubrandenburg. Die primärseitige Rücklauftemperatur sank um mindestens 2 Kelvin, im Vergleich mit einem baugleichen Referenzgebäude um rund 3 Kelvin. Die kumulierte Wärmemenge an witterungsgleichen Vergleichstagen ging um 8 bis 9 Prozent zurück. Hochgerechnet auf das Fernwärmenetz Neubrandenburg mit einer jährlichen Wärmeabgabe von rund 237 Gigawattstunden nennt der Bericht eine Einsparung von rund 355.000 Euro im Jahr. [19]

Bemerkenswert ist, wie der Bericht seine eigenen Zahlen bewertet. Er spricht ausdrücklich nur von einer Indikation und verlangt für gesicherte Aussagen längerfristige Messungen. Er trennt außerdem die Effekte und führt die Absenkung der Vorlauftemperatur von 90 auf 55 Grad Celsius auf die Umrüstung von Ein- auf Zweirohrsysteme zurück, nicht auf das Modell. Datenerfassung, Hardwarebereitstellung und Genehmigungen dauerten in diesem Zusammenhang übrigens länger als Programmierung und Modellentwicklung zusammen. [19]

Im Abwasser regelt das Regelwerk erst die Daten, dann die Verfahren

Für Ver- und Entsorger steht das eigene Regelwerk vor jeder Frage nach einem Anbieter. Die Deutsche Vereinigung für Wasserwirtschaft, Abwasser und Abfall hat im Dezember 2025 das Merkblatt DWA-M 145-3 zu Kanalinformationssystemen veröffentlicht. Es legt Datenmodell, also die einheitliche Struktur der gespeicherten Kanaldaten, und Schnittstelle einheitlich fest und löst das Merkblatt DWA-M 150 aus dem April 2010 ab. [20] Der Entwurf des Merkblatts DWA-M 149-10 zur Substanzklassifizierung vom Juli 2026 liegt bis zum 30.09.2026 zur Einsprache aus und normiert die Zielgröße, an der sich eine automatische Bildauswertung messen lassen muss, nicht das Verfahren selbst. [21]

Das Merkblatt DWA-M 253 zur Prozessautomatisierung führt seit der Ausgabe 2024 Assistenzsysteme, Cloud-Computing und künstliche Intelligenz als eigene Themen. [22] Im April 2026 folgte der Themenband T1/2026 zur digitalen Transformation mit einem Stufenmodell für kleinere Betreiber ohne eigenes Personal für Informations- und Betriebstechnik. Die Reihenfolge im Regelwerk ist damit vorgegeben. Zuerst steht das Datenmodell, danach die Automatisierung, zuletzt das lernende Verfahren. [23]

Die Vereinigung hat 2026 erstmals ein eigenes Seminar zum Einsatz künstlicher Intelligenz in der Kanalinspektion in ihr Programm aufgenommen. Auf dem Programm steht der Vergleich von KI-Ergebnissen mit analogen Inspektionen an denselben Haltungen. [24] Der Vergleich zeigt binnen weniger Tage, wie zuverlässig ein System Schäden erkennt. Anbieterunterlagen führen ihn selten auf.

Auf der Trinkwasserseite hat der DVGW im Dezember 2025 die Wasser-Information Nr. 121 zum Einsatz von KI-Systemen herausgegeben. Das Arbeitsblatt W 400-3 zu Betrieb und Instandhaltung liegt seit Juli 2025 in zweiter Ausgabe vor und löst die Fassung von September 2006 ab. [25] Das Forschungsvorhaben TRINK-Predict erprobt bis Juni 2027 mit dem IWW, dem TZW und der TH Köln drei Anwendungen in der Aufbereitung. Als Hürden nennt die Projektseite selbst eine unzureichende IT-Infrastruktur, Fragen der Datenverfügbarkeit und fehlende Ressourcen. [26]

Die Sortierung stößt an eine physikalische Grenze

In der Abfallwirtschaft trifft künstliche Intelligenz auf ein Problem, das kein Modell löst. Seit dem 01.05.2025 begrenzt die novellierte Bioabfallverordnung den Fremdstoffanteil bei der Sammlung auf 3 Gewichtsprozent und den Kunststoffanteil auf ein Prozent bei einem Siebschnitt von 20 Millimetern. Die Berliner Stadtreinigung weist in ihrer Kundeninformation darauf hin, dass die Sortiertechnik zertifiziert kompostierbaren Biokunststoff nicht von herkömmlichem Kunststoff unterscheiden kann, und empfiehlt deshalb Papierbeutel. [27].

Nach Angaben des Statistischen Bundesamtes aus dem Dezember 2025 stiegen die Haushaltsabfälle 2024 um fast drei Prozent auf nahezu 40 Millionen Tonnen, wobei die Bioabfälle mit 5,9 Prozent am stärksten wuchsen. [28] Kommunale Entsorger prüfen die Qualität unterschiedlich, teils mit KI-gestützten Scans am Sammelfahrzeug, teils mit Sichtkontrolle durch den Lader. Die Bremer Stadtreinigung nahm im März 2026 ein Verwarnsystem in Betrieb und meldet seither einen Rückgang der beanstandeten Behälter.

Der AI Act bindet den kommunalen Betrieb an drei Punkte

Die Rechtslage hat sich im Sommer 2026 verändert. Die Verordnung (EU) 2026/1744 vom 08.07.2026, veröffentlicht am 24.07.2026 und in Kraft seit dem 27.07.2026, ändert die KI-Verordnung deutlich. [29] Die Pflichten für Hochrisiko-Systeme nach Anhang III gelten nun ab dem 02.12.2027 statt ab August 2026, für Systeme nach Anhang I ab dem 02.08.2028. Jede Fristangabe aus einer Veröffentlichung vor Juli 2026 ist damit überholt.

Bindend sind für den Betrieb derzeit die Artikel 4, 5 und 50. Artikel 4 verlangt seit dem 02.02.2025 Maßnahmen zur KI-Kompetenz des Personals, in der neuen Fassung ohne die Pflicht, ein bestimmtes Niveau sicherzustellen. Artikel 5 verbietet bestimmte Praktiken. Artikel 50 gilt seit dem 02.08.2026 und verlangt den Hinweis, dass ein Gegenüber mit einem KI-System spricht, sowie die Kennzeichnung KI-erzeugter Texte zu Angelegenheiten von öffentlichem Interesse, mit einer Ausnahme für redaktionell geprüfte Inhalte. [30]

Ob eine Anwendung als Hochrisiko zählt, hängt am Begriff des Sicherheitsbauteils. Anhang III Nummer 2 erfasst KI-Systeme, die als Sicherheitsbauteil im Betrieb der Wasser-, Gas-, Wärme- oder Stromversorgung eingesetzt werden. Die Abfallwirtschaft steht dort nicht. Der neue Artikel 6 Absatz 1a nimmt Systeme aus, die ausschließlich nicht sicherheitsrelevante Aspekte betreffen, also Nutzerunterstützung, Leistungsoptimierung, Automatisierung oder Qualitätskontrolle. [30]

Absatz 1b zieht die Gegenlinie, denn ein System, dessen Ausfall Gesundheit und Sicherheit gefährdet, zählt als Sicherheitsbauteil. Eine Instandhaltungsprognose fällt damit in aller Regel heraus, eine KI in der Prozessleittechnik eines Wasserwerks nicht. Artikel 27 nimmt Anhang III Nummer 2 zudem von der Grundrechte-Folgenabschätzung aus, für eine KI in der Personalauswahl gilt sie weiterhin. [30] Die Grenze verläuft quer durch den Betrieb und nicht zwischen den Sparten.

Der eigentliche Druck kommt aus dem BSI-Gesetz

Der AI Act überlagert in der Diskussion die Vorschrift, die bereits gilt. Das neue BSI-Gesetz gilt seit dem 06.12.2025 ohne allgemeine Übergangsfrist. Die zehn Mindestmaßnahmen des Paragrafen 30 sind seither umzusetzen und zu dokumentieren, darunter Lieferkettensicherheit sowie Sicherheit bei Erwerb, Entwicklung und Wartung von Systemen. Beide greifen unmittelbar auf jede eingekaufte KI-Lösung durch. Die Meldekette des Paragrafen 32 verlangt eine Erstmeldung binnen 24 Stunden, eine Bewertung binnen 72 Stunden und eine Abschlussmeldung binnen eines Monats. [31]

Die Registrierung war nach Paragraf 33 binnen drei Monaten fällig, für bereits betroffene Einrichtungen also Anfang März 2026. Das BSI hat sein Portal freigeschaltet und rechnet mit rund 29.500 betroffenen Einrichtungen. [31][32] Die Bußgelder reichen bis 10 Millionen Euro für Einrichtungen der oberen Kategorie und bis 7 Millionen Euro für die zweite Stufe. Für Betreiber von Energieversorgungsnetzen und Energieanlagen greift die Bereichsausnahme des Paragrafen 28 Absatz 5, dort gelten die Paragrafen 5c bis 5e des Energiewirtschaftsgesetzes. Wasser, Abwasser und Abfall folgen dem BSI-Gesetz.

Das KRITIS-Dachgesetz gilt seit dem 17.03.2026 und regelt die physische Widerstandsfähigkeit kritischer Anlagen. [33]. Eine Registrierungspflicht besteht nach Auskunft des Bundesamtes für Bevölkerungsschutz und Katastrophenhilfe deshalb derzeit noch nicht. [34] Der Regelschwellenwert von 500.000 versorgten Einwohnern steht bereits im Gesetz.

Die Konferenz Public IT bündelt im Oktober diese Fragen

Am 28. und 29.10.2026 richtet Heise im Hannover Congress Centrum die Public IT aus, eine c't-Konferenz für den öffentlichen Sektor mit den Bereichen Cloud und Souveränität sowie Automatisierung und KI. Über 20 Praxisvorträge wurden aus mehr als 90 Einreichungen ausgewählt, darunter Oliver Dzubiel von der Stadt Gifhorn über die KI-Einführung in der Kommune. Auffällig ist eine Lücke im Programm. Im Ablauf beider Tage steht kein Vortrag zu KI-Regulierung, AI Act, NIS2 oder KRITIS. [35] Für die Vorbereitung einer Beschaffung bleibt damit die eigene Rechtsabteilung zuständig.

Der erste Schritt führt in die Stammdaten

Aus den belegten Vorhaben ergibt sich eine Reihenfolge, die von der üblichen Projektlogik abweicht. Am Anfang steht die Anlagendokumentation. Ein Betrieb, der Baujahr, Bauart, Störungshistorie und Instandsetzungsrückmeldung je Betriebsmittel vollständig führt, kann später jedes Verfahren einsetzen. Diese Grundlage macht das Ergebnis eines gekauften Modells nachprüfbar, statt es auf Annahmen rechnen zu lassen.

Der zweite Schritt ist die Rückmeldedisziplin im Instandhaltungssystem. Datum, Bauteil, Art des Fehlers und durchgeführte Maßnahme sind die Kennzeichnung, aus der ein Modell später lernt. Der dritte Schritt ist die Auswahl eines Anwendungsfalls mit hohen Ausfallfolgekosten und mit langer Ersatzteil-Lieferzeit. Als Einstieg eignen sich Kanalinspektion und Freileitungsbefliegung mit ihrer großen Bildmenge und ihrer wiederkehrenden Bewertung. Eine Warnung gehört dazu. Amazon hat den Zugang zu Lookout for Equipment für Neukunden am 07.10.2025 geschlossen und schaltet den Dienst für Bestandskunden am 07.10.2026 ab. [36] Ein KI-Dienst ist kein Betriebsmittel mit vierzig Jahren Nutzungsdauer. Die Frage nach dem Ausstieg gehört deshalb in die Ausschreibung, zusammen mit der Frage, wem die Modelle und die Trainingsdaten am Ende gehören.

Die Kommunalwirtschaft hat bei diesem Thema einen Vorteil, den sie selten nutzt. Ihre Anlagen bleiben jahrzehntelang in Betrieb, ihre Messwerte werden seit Jahren aufgezeichnet, und ihre Betriebsführung ist dokumentationspflichtig. Ein Wasserwerk mit fünfzehn Jahren vollständiger Betriebsdaten besitzt eine Historie, für die ein Industrieunternehmen erst eine Messkampagne braucht.