{
  "_comment": "Quelle der KI-Landkarte (de/ki-landkarte-energieversorger.html, en/ai-use-case-map-utilities.html). Einordnung für typische Marktrollen, keine Prüfung des Einzelfalls. aiAct: anhang-iii | bedingt | art50 | kein. branchenstand: verbreitet | erprobt | forschung | offen (offen = kein öffentlicher Beleg zum Einsatz). Jede Einordnung ist eine Bedingung, kein Urteil (docs/rechtliche-leitplanken.md).",
  "stand": "2026-10-17",
  "bereiche": {
    "netz": {"de": "Netz", "en": "Grid"},
    "messwesen": {"de": "Messwesen und Marktkommunikation", "en": "Metering and market communication"},
    "vertrieb": {"de": "Vertrieb und Kundenservice", "en": "Sales and customer service"},
    "waerme": {"de": "Wärme und Wasser", "en": "Heat and water"},
    "querschnitt": {"de": "Querschnitt", "en": "Cross-functional"}
  },
  "rollen": {
    "VNB": {"de": "VNB", "en": "DSO", "lang_de": "Verteilnetzbetreiber", "lang_en": "Distribution system operator"},
    "UENB": {"de": "ÜNB", "en": "TSO", "lang_de": "Übertragungsnetzbetreiber", "lang_en": "Transmission system operator"},
    "MSB": {"de": "MSB", "en": "MPO", "lang_de": "Messstellenbetreiber", "lang_en": "Metering point operator"},
    "LF": {"de": "Lieferant", "en": "Supplier", "lang_de": "Lieferant", "lang_en": "Supplier"},
    "BKV": {"de": "BKV", "en": "BRP", "lang_de": "Bilanzkreisverantwortlicher", "lang_en": "Balance responsible party"},
    "WV": {"de": "Wärme/Wasser", "en": "Heat/water", "lang_de": "Wärme- und Wasserversorger", "lang_en": "Heat and water utility"},
    "alle": {"de": "alle Rollen", "en": "all roles", "lang_de": "alle Rollen", "lang_en": "all roles"}
  },
  "aiAct": {
    "anhang-iii": {"de": "Zweck steht in Anhang III", "en": "Purpose listed in Annex III",
      "text_de": "Der AI Act nennt den Zweck ausdrücklich als Hochrisiko. Die Pflichten für Betreiber gelten ab dem 02.12.2027. Eine Ausnahme nach Art. 6 Abs. 3 kommt nur bei eng begrenzten Hilfsaufgaben in Betracht.",
      "text_en": "The AI Act lists the purpose explicitly as high-risk. Deployer obligations apply from 2 December 2027. The exemption in Art. 6(3) only covers narrowly defined auxiliary tasks."},
    "bedingt": {"de": "Hochrisiko nur unter Bedingungen", "en": "High-risk only under conditions",
      "text_de": "Anhang III Nr. 2 greift nach dem Leitlinien-Entwurf vom 19.05.2026 nur, wenn beides zutrifft: Die KI schützt die physische Integrität der Anlage unmittelbar (Sicherheitsbauteil), und der Betreiber ist als kritische Einrichtung nach der CER-Richtlinie eingestuft, in Deutschland nach dem KRITIS-Dachgesetz.",
      "text_en": "Under the draft guidelines of 19 May 2026, Annex III point 2 only applies if both hold: the AI directly protects the physical integrity of the asset (safety component), and the operator is designated a critical entity under the CER Directive, in Germany under the KRITIS umbrella act."},
    "art50": {"de": "Transparenzpflicht nach Art. 50", "en": "Transparency duty under Art. 50",
      "text_de": "Kein Hochrisiko, aber seit dem 02.08.2026 eine Kennzeichnungspflicht: Menschen müssen erkennen, dass sie mit einer KI sprechen.",
      "text_en": "Not high-risk, but a disclosure duty since 2 August 2026: people must be able to tell that they are talking to an AI."},
    "kein": {"de": "In der Regel kein Hochrisiko", "en": "Usually not high-risk",
      "text_de": "Kein Zweck aus Anhang III und kein Sicherheitsbauteil. Es bleiben Art. 4 (KI-Kompetenz), Datenschutz und das Fachrecht.",
      "text_en": "No Annex III purpose and no safety component. Art. 4 (AI literacy), data protection and sector law still apply."}
  },
  "branchenstand": {
    "verbreitet": {"de": "verbreitet", "en": "widespread", "text_de": "bei vielen Versorgern im Einsatz, öffentlich belegt", "text_en": "in use at many utilities, publicly documented"},
    "erprobt": {"de": "erprobt", "en": "proven in pilots", "text_de": "Piloten oder Regelbetrieb bei einzelnen Versorgern, öffentlich belegt", "text_en": "pilots or live operation at individual utilities, publicly documented"},
    "forschung": {"de": "Forschung", "en": "research", "text_de": "Forschungsprojekte und Feldtests", "text_en": "research projects and field tests"},
    "offen": {"de": "kein öffentlicher Beleg", "en": "no public evidence", "text_de": "keine öffentliche Zahl zum Einsatz in der Branche", "text_en": "no public figure on use in the industry"}
  },
  "quellenAllgemein": [
    {"url": "https://eur-lex.europa.eu/eli/reg/2024/1689/oj?locale=de", "de": "Verordnung (EU) 2024/1689 (KI-Verordnung), EUR-Lex", "en": "Regulation (EU) 2024/1689 (AI Act), EUR-Lex"},
    {"url": "https://digital-strategy.ec.europa.eu/en/library/draft-commission-guidelines-classification-high-risk-ai-systems", "de": "EU-Kommission: Leitlinien-Entwurf zur Hochrisiko-Einstufung, 19.05.2026", "en": "European Commission: draft guidelines on high-risk classification, 19 May 2026"},
    {"url": "https://www.bundesnetzagentur.de/SharedDocs/Pressemitteilungen/DE/2026/20260729_KI_VO.html", "de": "Bundesnetzagentur: KI-MIG in Kraft, BNetzA ist Marktüberwachung, 29.07.2026", "en": "Bundesnetzagentur: KI-MIG in force, BNetzA is market surveillance authority, 29 July 2026"},
    {"url": "https://www.zfk.de/digitalisierung/ki/ki-energiewirtschaft-pwc-studie-poc-dilemma-evu", "de": "ZfK zur PwC-Studie KI in der Energiewirtschaft, 13.04.2026", "en": "ZfK on the PwC study on AI in the energy industry, 13 April 2026"},
    {"url": "https://www.vde.com/ki-netzleittechnik", "de": "VDE ETG: Künstliche Intelligenz in der Netzleittechnik, 28.07.2025", "en": "VDE ETG: artificial intelligence in grid control technology, 28 July 2025"}
  ],
  "eintraege": [
    {
      "id": "netzzustand", "bereich": "netz", "rollen": ["VNB"], "aiAct": "bedingt", "branchenstand": "erprobt",
      "quelle": {"url": "https://www.vde.com/ki-netzleittechnik", "de": "VDE ETG: KI in der Netzleittechnik", "en": "VDE ETG: AI in grid control technology"},
      "artikel": {"de": "/de/artikel/ki-netzzustandsermittlung-14a-messung-modell-2026.html", "en": "/en/articles/ai-grid-state-determination-14a-measurement-model-2026.html"},
      "de": {
        "titel": "Netzzustandsschätzung in der Niederspannung",
        "nutzen": "Schätzt Spannung und Strom in Ortsnetzen, in denen nur ein Teil der Anschlüsse misst. Genau diesen Nachweis braucht eine netzorientierte Steuerung nach § 14a EnWG.",
        "daten": "iMSys-Messwerte (TAF 10), Messungen in der Ortsnetzstation, Netztopologie aus dem GIS, Anlagenstammdaten",
        "einordnung": "Als Schätzung für die Leitstelle nach dem Leitlinien-Entwurf kein Sicherheitsbauteil. Offen ist der Fall, in dem die KI selbst eine Steuerung nach § 14a auslöst und keine unabhängige Schutzebene bleibt. Dann zählen die Schutzfunktion und der KRITIS-Status des Betreibers.",
        "regeln": ["§ 14a EnWG", "BK6-22-300", "VDE-FNN-Hinweis Netzzustandsermittlung", "§ 66 MsbG"],
        "stand": "Der VDE-FNN-Hinweis lässt neuronale Netze ausdrücklich zu, verlangt aber dieselbe Genauigkeit wie von klassischen Schätzern. Feldtests im Projekt GridAnalysis zeigen laut VDE ETG eine hohe Genauigkeit in der Niederspannung."
      },
      "en": {
        "titel": "Low-voltage grid state estimation",
        "nutzen": "Estimates voltage and current in local grids where only some connections are metered. That is exactly the evidence German DSOs need for grid-oriented control under Section 14a EnWG.",
        "daten": "Smart meter readings (TAF 10), substation measurements, grid topology from the GIS, asset master data",
        "einordnung": "As an estimate for the control room, not a safety component under the draft guidelines. The open case is AI that triggers Section 14a control itself with no independent protection layer left. Then the protective function and the operator's critical-entity status decide.",
        "regeln": ["Section 14a EnWG", "BK6-22-300", "VDE FNN guidance on grid state determination", "Section 66 MsbG"],
        "stand": "The VDE FNN guidance explicitly allows neural networks but expects the same accuracy as from classic estimators. According to VDE ETG, field tests in the GridAnalysis project show high accuracy in low-voltage grids."
      }
    },
    {
      "id": "lastprognose", "bereich": "netz", "rollen": ["VNB", "UENB"], "aiAct": "kein", "branchenstand": "erprobt",
      "quelle": {"url": "https://www.vde.com/ki-netzleittechnik", "de": "VDE ETG: KI in der Netzleittechnik", "en": "VDE ETG: AI in grid control technology"},
      "artikel": {"de": "/de/artikel/ki-lastprognose-einspeiseprognose-verteilnetz-2026.html", "en": "/en/articles/ai-load-generation-forecasting-distribution-grid-2026.html"},
      "de": {
        "titel": "Last- und Einspeiseprognose",
        "nutzen": "Sagt Verbrauch und Erzeugung je Netzknoten für die nächsten Stunden und Tage voraus. Redispatch 2.0 verlangt solche Prognosen mit rund 36 Stunden Vorlauf.",
        "daten": "Messreihen aus Netz und iMSys, Wetterdaten, Anlagenstammdaten aus dem Marktstammdatenregister, Fahrpläne",
        "einordnung": "In der Regel kein Hochrisiko. Der Leitlinien-Entwurf führt Verbrauchsprognosen und Netzoptimierung auf Basis von Prognosen ausdrücklich als Gegenbeispiele. Kippen kann das, wenn Prognose, Optimierer und Schaltbefehl zusammen eine Schutzfunktion übernehmen; der Entwurf bewertet solche Ketten als Ganzes.",
        "regeln": ["§§ 13, 13a, 14 EnWG (Redispatch 2.0)", "§ 66 MsbG", "Art. 4 KI-VO"],
        "stand": "Last- und Einspeiseprognosen auf Basis von Wetter- und Kameradaten zählen laut VDE ETG zu den Anwendungen, die schon zuverlässig laufen oder Feldtests bestanden haben."
      },
      "en": {
        "titel": "Load and generation forecasting",
        "nutzen": "Predicts consumption and generation per grid node for the coming hours and days. Redispatch 2.0 requires such forecasts with about 36 hours' lead time.",
        "daten": "Grid and smart meter time series, weather data, asset master data from the market master data register, schedules",
        "einordnung": "Usually not high-risk. The draft guidelines list consumption forecasts and forecast-based grid optimisation as counterexamples. That can change if forecast, optimiser and switching command together take on a protective function; the draft assesses such chains as a whole.",
        "regeln": ["Sections 13, 13a, 14 EnWG (Redispatch 2.0)", "Section 66 MsbG", "Art. 4 AI Act"],
        "stand": "According to VDE ETG, load and feed-in forecasts based on weather and camera data are among the applications that already run reliably or have passed field tests."
      }
    },
    {
      "id": "netzplanung", "bereich": "netz", "rollen": ["VNB"], "aiAct": "kein", "branchenstand": "forschung",
      "quelle": {"url": "https://idw-online.de/de/news807999", "de": "Fraunhofer IEE zum Abschlussbericht des dena-Projekts Data4Grid", "en": "Fraunhofer IEE on the final report of the dena project Data4Grid"},
      "artikel": {"de": "/de/artikel/ki-netzsimulation-engpassanalyse-verteilnetz-2026.html", "en": "/en/articles/ai-grid-simulation-congestion-analysis-distribution-2026.html"},
      "de": {
        "titel": "Netzplanung und Engpassanalyse",
        "nutzen": "Rechnet tausende Szenarien für den Netzausbauplan durch. Ein trainiertes Ersatzmodell nähert die Lastflussrechnung an, die kritischen Fälle prüft weiter die exakte Rechnung.",
        "daten": "Netzmodell für Hoch-, Mittel- und Niederspannung, Regionalszenario, Anschlussdaten steuerbarer Verbrauchseinrichtungen, Lastgänge",
        "einordnung": "Kein Hochrisiko-Zweck. Planung ist kein Betrieb, die KI schützt keine Anlage. Für einen förmlichen Plan muss die Methode trotzdem nachvollziehbar bleiben.",
        "regeln": ["§ 14d EnWG", "Art. 4 KI-VO"],
        "stand": "Das dena-Projekt Data4Grid hat Datenanalyse und KI im Verteilnetz untersucht, mit einem Gutachten des Fraunhofer IEE. Belege für den Regelbetrieb in der Ausbauplanung fehlen bisher."
      },
      "en": {
        "titel": "Grid planning and congestion analysis",
        "nutzen": "Runs thousands of scenarios for the grid expansion plan. A trained surrogate model approximates the load flow calculation; the critical cases still go through the exact calculation.",
        "daten": "Grid model for high, medium and low voltage, regional scenario, connection data of controllable consumption devices, load profiles",
        "einordnung": "No high-risk purpose. Planning is not operation, and the AI protects no asset. For a formal plan the method still has to remain traceable.",
        "regeln": ["Section 14d EnWG", "Art. 4 AI Act"],
        "stand": "The dena project Data4Grid studied data analytics and AI in distribution grids, with an expert report by Fraunhofer IEE. Evidence of routine use in expansion planning is still missing."
      }
    },
    {
      "id": "instandhaltung", "bereich": "netz", "rollen": ["VNB", "UENB"], "aiAct": "bedingt", "branchenstand": "forschung",
      "quelle": {"url": "https://evt.uni-wuppertal.de/de/forschung/forschungsgruppe-zustandsbewertung-und-asset-management/amika-alterungsverhalten-von-mittelspannungskabeln/", "de": "Bergische Universität Wuppertal: Projekt AMika", "en": "University of Wuppertal: AMika project"},
      "artikel": {"de": "/de/artikel/kabeldiagnose-mittelspannung-tandelta-teilentladung.html", "en": "/en/articles/medium-voltage-cable-diagnostics-tan-delta-partial-discharge.html"},
      "de": {
        "titel": "Zustandsprognose für Kabel und Transformatoren",
        "nutzen": "Verknüpft Diagnosemessungen, Betriebsdaten und Störungshistorie zu einer laufenden Zustandsprognose. Getauscht wird, bevor etwas ausfällt, nicht nach Kalender.",
        "daten": "TanDelta- und Teilentladungsmessungen, Online-Gasanalyse im Trafoöl, Belastungs- und Temperaturverläufe, Störungs- und Instandhaltungshistorie",
        "einordnung": "Meist kein Hochrisiko: Der Leitlinien-Entwurf stuft vorausschauende Instandhaltung an einer Gasleitung nicht hoch, weil die Sicherheitssysteme unabhängig weiterlaufen. Erkennt die KI selbst gefährliche Zustände und fehlt diese unabhängige Ebene, kann sie bei einer kritischen Einrichtung Sicherheitsbauteil sein.",
        "regeln": ["Anhang III Nr. 2 KI-VO", "KRITIS-Dachgesetz", "Art. 4 KI-VO"],
        "stand": "Im Forschungsprojekt AMika der Bergischen Universität Wuppertal liefern 24 Netzbetreiber Diagnosedaten für Alterungskurven von Mittelspannungskabeln."
      },
      "en": {
        "titel": "Condition forecasting for cables and transformers",
        "nutzen": "Combines diagnostic measurements, operating data and fault history into a running condition forecast. Assets get replaced before they fail, not by the calendar.",
        "daten": "Tan delta and partial discharge measurements, online dissolved gas analysis, load and temperature curves, fault and maintenance history",
        "einordnung": "Mostly not high-risk: the draft guidelines do not classify predictive maintenance on a gas pipeline as high-risk because the safety systems keep running independently. If the AI itself detects hazardous states and that independent layer is missing, it can be a safety component at a critical entity.",
        "regeln": ["Annex III point 2 AI Act", "KRITIS umbrella act", "Art. 4 AI Act"],
        "stand": "In the AMika research project at the University of Wuppertal, 24 grid operators supply diagnostic data for ageing curves of medium-voltage cables."
      }
    },
    {
      "id": "drohne", "bereich": "netz", "rollen": ["UENB", "VNB"], "aiAct": "kein", "branchenstand": "erprobt",
      "quelle": {"url": "https://www.netze-bw.de/unsernetz/netzinnovationen/digitalisierung/netzinspect", "de": "Projektseite NETZinspect: Drohnen, LiDAR und KI in der Leitungsinspektion", "en": "NETZinspect project page: drones, LiDAR and AI in line inspection"},
      "artikel": {"de": "/de/artikel/ki-drohneninspektion-stromnetze-2026.html", "en": "/en/articles/ai-drone-inspection-power-grids-2026.html"},
      "de": {
        "titel": "Drohneninspektion von Leitungen und Masten",
        "nutzen": "Drohnen fliegen Freileitungen und Masten ab, Bilderkennung markiert Schäden an Isolatoren und Armaturen oder Korrosion. Ein Mensch bewertet die Funde.",
        "daten": "Bild- und LiDAR-Aufnahmen, Mast- und Leitungskataster, Inspektionshistorie",
        "einordnung": "In der Regel kein Hochrisiko. Die Bilderkennung meldet und greift nicht ein; einen Inspektionsroboter, der nur erkennt, stuft der Leitlinien-Entwurf nicht hoch.",
        "regeln": ["Durchführungsverordnung (EU) 2019/947 (Drohnenbetrieb)", "DSGVO bei Aufnahmen von Personen und Grundstücken", "Art. 4 KI-VO"],
        "stand": "Netzbetreiber setzen Drohnen, LiDAR und Bilderkennung in der Leitungsinspektion ein, teils außerhalb der Sichtweite des Piloten."
      },
      "en": {
        "titel": "Drone inspection of lines and towers",
        "nutzen": "Drones fly along overhead lines and towers, image recognition marks damage to insulators and fittings or corrosion. A person assesses the findings.",
        "daten": "Image and LiDAR captures, tower and line register, inspection history",
        "einordnung": "Usually not high-risk. The image recognition reports and does not intervene; the draft guidelines do not classify an inspection robot that only detects as high-risk.",
        "regeln": ["Implementing Regulation (EU) 2019/947 (drone operations)", "GDPR for images of people and property", "Art. 4 AI Act"],
        "stand": "Grid operators use drones, LiDAR and image recognition in line inspection, in some cases beyond the pilot's visual line of sight."
      }
    },
    {
      "id": "leitstelle", "bereich": "netz", "rollen": ["VNB", "UENB"], "aiAct": "kein", "branchenstand": "forschung",
      "quelle": {"url": "https://www.fraunhofer.de/de/forschung/artikel-2026/sichere-energie.html", "de": "Fraunhofer: Auf zu sicherer Energie (2026)", "en": "Fraunhofer: towards secure energy (2026)"},
      "artikel": {"de": "/de/artikel/agentic-ai-energiewirtschaft-netzsteuerung.html", "en": "/en/articles/agentic-ai-energy-utilities-grid-management.html"},
      "de": {
        "titel": "Assistenz in der Netzleitstelle",
        "nutzen": "Bereitet Meldungen, Messwerte und Betriebsanweisungen für das Schichtpersonal auf, fasst Störungen zusammen und schlägt Analyseschritte vor. Entscheiden und schalten tut der Mensch.",
        "daten": "Leitsystemdaten (Messwerte, Schaltzustände, Meldungen), Störungsprotokolle, Betriebsanweisungen, Netzmodell",
        "einordnung": "Frühwarnungen und Assistenz, bei denen die Leitstelle entscheidet, sind nach dem Leitlinien-Entwurf kein Hochrisiko. Die Grenze zur Anomalieerkennung als Entscheidungsgrundlage ist fließend; den Ausschlag gibt die Zweckbeschreibung des Anbieters.",
        "regeln": ["IT-Sicherheitskatalog nach § 11 Abs. 1a EnWG", "BSIG (NIS2-Umsetzung)", "Art. 4 KI-VO"],
        "stand": "Ein KI-Agent des Fraunhofer IOSB-AST, der Routineanalysen automatisiert, läuft seit Februar 2026 im Testbetrieb bei drei deutschen Netzbetreibern."
      },
      "en": {
        "titel": "Control room assistance",
        "nutzen": "Prepares alarms, measurements and operating instructions for shift staff, summarises faults and suggests analysis steps. People decide and switch.",
        "daten": "Control system data (measurements, switching states, alarms), fault logs, operating instructions, grid model",
        "einordnung": "Early warnings and assistance where the control room decides are not high-risk under the draft guidelines. The line to anomaly detection as a basis for decisions is fluid; the provider's statement of intended purpose tips the balance.",
        "regeln": ["IT security catalogue under Section 11(1a) EnWG", "BSIG (German NIS2 implementation)", "Art. 4 AI Act"],
        "stand": "An AI agent from Fraunhofer IOSB-AST that automates routine analyses has been in a test run with three German grid operators since February 2026."
      }
    },
    {
      "id": "anomalie", "bereich": "netz", "rollen": ["UENB", "VNB"], "aiAct": "bedingt", "branchenstand": "forschung",
      "quelle": {"url": "https://www.fraunhofer.de/de/forschung/artikel-2026/sichere-energie.html", "de": "Fraunhofer: Auf zu sicherer Energie (2026)", "en": "Fraunhofer: towards secure energy (2026)"},
      "artikel": {"de": "/de/artikel/ki-hochrisiko-anhang-iii-leitlinien-stadtwerk-2026.html", "en": "/en/articles/ai-high-risk-annex-iii-guidelines-utilities-2026.html"},
      "de": {
        "titel": "Anomalieerkennung im Netzbetrieb",
        "nutzen": "Erkennt kritische Netzzustände in Datenmustern, warnt die Leitstelle und schlägt Gegenmaßnahmen vor, etwa bei Lastverteilung, Stabilität oder Abschaltungen.",
        "daten": "Hoch aufgelöste Netzmessungen, Leitsystemdaten, Netzmodell, große Mengen simulierter Störfälle zum Training",
        "einordnung": "Der Leitlinien-Entwurf nennt genau diesen Zweck als Hochrisiko-Beispiel. Das gilt nur, wenn der Betreiber als kritische Einrichtung eingestuft ist. Dann greifen ab dem 02.12.2027 die Betreiberpflichten, unter anderem menschliche Aufsicht (Art. 14) und Protokolle über mindestens sechs Monate (Art. 26).",
        "regeln": ["Anhang III Nr. 2 KI-VO", "Art. 14, Art. 26 KI-VO", "KRITIS-Dachgesetz"],
        "stand": "Im Projekt eKI4DS erforscht das Fraunhofer IEE mit einem Übertragungsnetzbetreiber KI, die kritische Netzzustände erkennt. Getestet ist sie bisher an kleineren Testnetzen."
      },
      "en": {
        "titel": "Anomaly detection in grid operation",
        "nutzen": "Detects critical grid states in data patterns, warns the control room and suggests countermeasures, for example on load distribution, stability or disconnections.",
        "daten": "High-resolution grid measurements, control system data, grid model, large sets of simulated faults for training",
        "einordnung": "The draft guidelines name exactly this purpose as a high-risk example. It only applies if the operator is designated a critical entity. Then deployer obligations apply from 2 December 2027, among them human oversight (Art. 14) and logs kept for at least six months (Art. 26).",
        "regeln": ["Annex III point 2 AI Act", "Art. 14, Art. 26 AI Act", "KRITIS umbrella act"],
        "stand": "In the eKI4DS project, Fraunhofer IEE and a transmission system operator are researching AI that detects critical grid states. So far it has only been tested on smaller test grids."
      }
    },
    {
      "id": "objektschutz", "bereich": "netz", "rollen": ["UENB", "VNB", "WV"], "aiAct": "bedingt", "branchenstand": "offen",
      "quelle": {"url": "https://digital-strategy.ec.europa.eu/en/library/draft-commission-guidelines-classification-high-risk-ai-systems", "de": "EU-Kommission: Leitlinien-Entwurf zur Hochrisiko-Einstufung", "en": "European Commission: draft guidelines on high-risk classification"},
      "artikel": {"de": "/de/artikel/drohnenabwehr-energieanlagen-kritis-dachgesetz-2026.html", "en": "/en/articles/drone-defense-energy-facilities-kritis-2026.html"},
      "de": {
        "titel": "Objektschutz an Umspannwerken und Anlagen",
        "nutzen": "Wertet Kamera-, Radar- und Funksensorik am Zaun aus, erkennt Eindringlinge und Drohnen und alarmiert die Leitstelle.",
        "daten": "Video-, Radar- und Funkdaten, Lagepläne, Alarmhistorie",
        "einordnung": "Perimeterschutz ist im Leitlinien-Entwurf das erste Hochrisiko-Beispiel der Stromversorgung, weil er die physische Integrität direkt schützt. Bedingung bleibt der KRITIS-Status des Betreibers. Identifiziert das System Personen biometrisch aus der Ferne, kommt Anhang III Nr. 1 hinzu.",
        "regeln": ["Anhang III Nr. 2 KI-VO", "KRITIS-Dachgesetz (physischer Schutz)", "DSGVO und § 4 BDSG (Videoüberwachung)"],
        "stand": "Mehrschichtige Detektionsketten sind Thema des KRITIS-Dachgesetzes. Wie oft dabei lernende Bildauswertung läuft, belegt keine öffentliche Zahl."
      },
      "en": {
        "titel": "Site protection at substations and plants",
        "nutzen": "Analyses camera, radar and radio sensors at the fence, detects intruders and drones and alerts the control room.",
        "daten": "Video, radar and radio data, site plans, alarm history",
        "einordnung": "Perimeter protection is the first high-risk example for electricity supply in the draft guidelines, because it directly protects physical integrity. The operator's critical-entity status remains the condition. If the system identifies people biometrically at a distance, Annex III point 1 applies as well.",
        "regeln": ["Annex III point 2 AI Act", "KRITIS umbrella act (physical protection)", "GDPR and Section 4 BDSG (video surveillance)"],
        "stand": "Layered detection chains are a topic of the KRITIS umbrella act. No public figure shows how often learning image analysis runs in them."
      }
    },
    {
      "id": "netzanschluss", "bereich": "netz", "rollen": ["VNB"], "aiAct": "kein", "branchenstand": "offen",
      "quelle": {"url": "https://www.vde.com/de/fnn/themen/tar/tar-niederspannung/digitalisierung-netzanschlussprozess", "de": "VDE FNN: Digitalisierung Netzanschlussprozess", "en": "VDE FNN: digitalising the grid connection process"},
      "artikel": {"de": "/de/artikel/netzanschluss-ladepark-digitalisierung-2026.html", "en": "/en/articles/grid-connection-charging-park-digitalization-2026.html"},
      "de": {
        "titel": "Vorprüfung von Netzanschlussanfragen",
        "nutzen": "Prüft eingehende Anträge auf Vollständigkeit, liest Unterlagen aus und liefert eine erste Kapazitätsabschätzung, bevor ein Planer übernimmt.",
        "daten": "Antragsdaten nach VDE-FNN-Datensatz, Anlagendatenblätter, Netzmodell und GIS, Kapazitätskarten",
        "einordnung": "Kein Hochrisiko-Zweck. Kommuniziert das System direkt mit Antragstellern, gilt die Transparenzpflicht nach Art. 50 Abs. 1.",
        "regeln": ["§ 8 Abs. 7 EEG (Netzanschlussportal)", "VDE-AR-N 4105 und 4110", "DSGVO"],
        "stand": "Portale und standardisierte Antragsdaten setzen sich durch, der VDE-FNN-Datensatz liegt seit April 2025 in Version 3.0 vor. Zum Anteil von KI an der Vorprüfung gibt es keine öffentlichen Zahlen."
      },
      "en": {
        "titel": "Pre-checking grid connection requests",
        "nutzen": "Checks incoming applications for completeness, extracts documents and gives a first capacity estimate before a planner takes over.",
        "daten": "Application data in the VDE FNN data set, unit data sheets, grid model and GIS, capacity maps",
        "einordnung": "No high-risk purpose. If the system communicates directly with applicants, the transparency duty under Art. 50(1) applies.",
        "regeln": ["Section 8(7) EEG (grid connection portal)", "VDE-AR-N 4105 and 4110", "GDPR"],
        "stand": "Portals and standardised application data are spreading; the VDE FNN data set has been at version 3.0 since April 2025. There are no public figures on how much of the pre-check uses AI."
      }
    },
    {
      "id": "plausibilisierung", "bereich": "messwesen", "rollen": ["MSB", "VNB"], "aiAct": "kein", "branchenstand": "erprobt",
      "quelle": {"url": "https://www.zfk.de/digitalisierung/ki/ki-energiewirtschaft-pwc-studie-poc-dilemma-evu", "de": "ZfK zur PwC-Studie KI in der Energiewirtschaft", "en": "ZfK on the PwC study on AI in the energy industry"},
      "artikel": {"de": "/de/artikel/ki-klaerfaelle-marktkommunikation-messwesen-2026.html", "en": "/en/articles/ai-exception-cases-market-communication-metering-2026.html"},
      "de": {
        "titel": "Messwert-Plausibilisierung und Zählerstandserkennung",
        "nutzen": "Findet unplausible Zählerstände und Lastgänge, schlägt Ersatzwerte vor und liest Zählerstände aus Kundenfotos aus.",
        "daten": "Zählerstände und Lastgänge, Verbrauchshistorie je Messlokation, Stammdaten, Fotos von Zählern und Montagen",
        "einordnung": "Kein Hochrisiko-Zweck. Die Qualitätsprüfung von Zählermontagen anhand von Fotos nennt der Leitlinien-Entwurf ausdrücklich als Gegenbeispiel.",
        "regeln": ["MsbG (Messwertverarbeitung)", "VDE-AR-N 4400 (Metering Code)", "DSGVO"],
        "stand": "Laut PwC löst ein Netzbetreiber 90 Prozent der Klärfälle bei der Zählerstandsprüfung vollautomatisch. Ein anderer Versorger erkennt rund 50.000 Zählerstände im Monat per Bilderkennung."
      },
      "en": {
        "titel": "Meter data validation and meter reading recognition",
        "nutzen": "Finds implausible meter readings and load profiles, proposes substitute values and reads meter values from customer photos.",
        "daten": "Meter readings and load profiles, consumption history per metering point, master data, photos of meters and installations",
        "einordnung": "No high-risk purpose. The draft guidelines explicitly name photo-based quality checks of meter installations as a counterexample.",
        "regeln": ["MsbG (meter data processing)", "VDE-AR-N 4400 (metering code)", "GDPR"],
        "stand": "According to PwC, one grid operator resolves 90 per cent of exception cases in meter reading validation fully automatically. Another utility recognises around 50,000 meter readings a month by image recognition."
      }
    },
    {
      "id": "klaerfaelle", "bereich": "messwesen", "rollen": ["VNB", "MSB", "LF"], "aiAct": "kein", "branchenstand": "erprobt",
      "quelle": {"url": "https://www.zfk.de/digitalisierung/ki/ki-energiewirtschaft-pwc-studie-poc-dilemma-evu", "de": "ZfK zur PwC-Studie KI in der Energiewirtschaft", "en": "ZfK on the PwC study on AI in the energy industry"},
      "artikel": {"de": "/de/artikel/ki-klaerfaelle-marktkommunikation-messwesen-2026.html", "en": "/en/articles/ai-exception-cases-market-communication-metering-2026.html"},
      "de": {
        "titel": "Klärfälle in der Marktkommunikation",
        "nutzen": "Sortiert abgelehnte oder unvollständige Nachrichten, erkennt die Ursache und bereitet die Korrektur vor. Seit dem Lieferantenwechsel in 24 Stunden zählt jede Stunde.",
        "daten": "EDIFACT-Nachrichten und Antworten (APERAK, CONTRL), Stammdaten von Markt- und Messlokationen, Prozesshistorie",
        "einordnung": "Kein Hochrisiko-Zweck. Pflichten ergeben sich aus Datenschutz und den Fristen der Marktprozesse, nicht aus Anhang III.",
        "regeln": ["GPKE, WiM, MaBiS (Festlegungen der BNetzA)", "DSGVO", "Art. 4 KI-VO"],
        "stand": "79 Prozent der Versorger haben laut PwC erste KI-Lösungen eingeführt, 61 Prozent davon arbeiten noch experimentell. Automatisierte Klärfälle gehören zu den dokumentierten Fällen im Betrieb."
      },
      "en": {
        "titel": "Exception cases in market communication",
        "nutzen": "Sorts rejected or incomplete messages, identifies the cause and prepares the correction. Since the 24-hour supplier switch, every hour counts.",
        "daten": "EDIFACT messages and responses (APERAK, CONTRL), master data of market and metering locations, process history",
        "einordnung": "No high-risk purpose. Duties come from data protection and the deadlines of the market processes, not from Annex III.",
        "regeln": ["GPKE, WiM, MaBiS (BNetzA determinations)", "GDPR", "Art. 4 AI Act"],
        "stand": "According to PwC, 79 per cent of utilities have introduced first AI solutions, 61 per cent of them still experimentally. Automated exception handling is among the documented cases in live operation."
      }
    },
    {
      "id": "bilanzkreis", "bereich": "messwesen", "rollen": ["BKV", "LF"], "aiAct": "kein", "branchenstand": "forschung",
      "quelle": {"url": "https://interaktiv.ipa.fraunhofer.de/kreislaufwirtschaft-und-klimaneutrale-produktion/ausgleichsenergiekosten-senken-durch-prognose-benchmark/", "de": "Fraunhofer IPA: Ausgleichsenergiekosten senken durch Prognose-Benchmark", "en": "Fraunhofer IPA: lowering imbalance costs through a forecast benchmark"},
      "artikel": {"de": "/de/artikel/ki-bilanzkreismanagement-ausgleichsenergie-2026.html", "en": "/en/articles/ai-balancing-group-management-imbalance-energy-2026.html"},
      "de": {
        "titel": "Prognose im Bilanzkreismanagement",
        "nutzen": "Prognostiziert Verbrauch und Erzeugung im Bilanzkreis je Viertelstunde, damit weniger Ausgleichsenergie zum reBAP anfällt.",
        "daten": "Lastgänge und Fahrpläne, Wetterdaten, iMSys-Messwerte, reBAP- und Intraday-Preise",
        "einordnung": "Kein Hochrisiko. Ungleichgewichtsprognosen im 15-Minuten-Raster unter menschlicher Aufsicht stuft der Leitlinien-Entwurf ausdrücklich nicht hoch.",
        "regeln": ["§ 4 StromNZV", "Standardbilanzkreisvertrag (BK6-23-102)", "§ 69 MsbG"],
        "stand": "Das Fraunhofer IPA vergleicht im Kopernikus-Projekt zur industriellen Energieflexibilität Prognoseverfahren, um Ausgleichsenergiekosten zu senken."
      },
      "en": {
        "titel": "Forecasting in balancing group management",
        "nutzen": "Forecasts consumption and generation in the balancing group per quarter hour, so that less imbalance energy is settled at the reBAP price.",
        "daten": "Load profiles and schedules, weather data, smart meter readings, reBAP and intraday prices",
        "einordnung": "Not high-risk. The draft guidelines explicitly do not classify imbalance forecasts in 15-minute resolution under human oversight as high-risk.",
        "regeln": ["Section 4 StromNZV", "Standard balancing group contract (BK6-23-102)", "Section 69 MsbG"],
        "stand": "In the Kopernikus project on industrial energy flexibility, Fraunhofer IPA compares forecasting methods to lower imbalance costs."
      }
    },
    {
      "id": "chatbot", "bereich": "vertrieb", "rollen": ["LF", "VNB"], "aiAct": "art50", "branchenstand": "verbreitet",
      "quelle": {"url": "https://www.zfk.de/digitalisierung/ki/ki-energiewirtschaft-pwc-studie-poc-dilemma-evu", "de": "ZfK zur PwC-Studie KI in der Energiewirtschaft", "en": "ZfK on the PwC study on AI in the energy industry"},
      "artikel": {"de": "/de/artikel/ki-kundenservice-churn-praevention-evu.html", "en": "/en/articles/ai-customer-service-churn-prevention-utilities.html"},
      "de": {
        "titel": "Chat- und Voicebot im Kundenservice",
        "nutzen": "Beantwortet Fragen zu Abschlag, Tarif, Umzug und Zählerstand rund um die Uhr und übergibt an Menschen, wenn es heikel wird.",
        "daten": "FAQ und Wissensartikel, Tarif- und Vertragsdaten, bei Auskünften zum Konto die Kundendaten mit Berechtigungsprüfung",
        "einordnung": "Art. 50 Abs. 1 gilt seit dem 02.08.2026: Wer mit dem Bot spricht, muss erkennen, dass es eine KI ist, sofern das nicht offensichtlich ist. Die Pflicht trifft den Anbieter, und ein Stadtwerk, das einen Bot unter eigenem Namen in Betrieb nimmt, kann selbst Anbieter sein. Erzeugte Sprache im Voicebot ist nach Art. 50 Abs. 2 maschinenlesbar zu kennzeichnen, bei Systemen aus der Zeit davor ab dem 02.12.2026.",
        "regeln": ["Art. 50 KI-VO", "DSGVO", "Art. 4 KI-VO"],
        "stand": "Kundenservice ist laut PwC mit 29 Prozent der häufigste KI-Einsatzbereich der Versorger. Ein Netzbetreiber beantwortet dort 95 Prozent der Anfragen per Chatbot selbst."
      },
      "en": {
        "titel": "Chatbot and voicebot in customer service",
        "nutzen": "Answers questions on instalments, tariffs, moving house and meter readings around the clock and hands over to a person when things get tricky.",
        "daten": "FAQ and knowledge articles, tariff and contract data, customer data with authorisation checks for account queries",
        "einordnung": "Art. 50(1) has applied since 2 August 2026: anyone talking to the bot must be able to tell it is an AI, unless that is obvious. The duty falls on the provider, and a utility that puts a bot into service under its own name can be the provider itself. Generated speech in a voicebot must be marked machine-readably under Art. 50(2), for systems placed on the market before that date from 2 December 2026.",
        "regeln": ["Art. 50 AI Act", "GDPR", "Art. 4 AI Act"],
        "stand": "According to PwC, customer service is the most common AI area at utilities, at 29 per cent. One grid operator answers 95 per cent of enquiries there by chatbot on its own."
      }
    },
    {
      "id": "churn", "bereich": "vertrieb", "rollen": ["LF"], "aiAct": "kein", "branchenstand": "erprobt",
      "quelle": {"url": "https://www.zfk.de/digitalisierung/ki/ki-energiewirtschaft-pwc-studie-poc-dilemma-evu", "de": "ZfK zur PwC-Studie KI in der Energiewirtschaft", "en": "ZfK on the PwC study on AI in the energy industry"},
      "artikel": {"de": "/de/artikel/ki-kundenservice-churn-praevention-evu.html", "en": "/en/articles/ai-customer-service-churn-prevention-utilities.html"},
      "de": {
        "titel": "Kündigungsprognose und Kundenbindung",
        "nutzen": "Berechnet je Kunde eine Kündigungswahrscheinlichkeit und lenkt die Rückgewinnung auf die Verträge, bei denen sie sich lohnt.",
        "daten": "Vertrags- und Tarifdaten, Kontakt- und Beschwerdehistorie, Zahlungsverhalten, Verbrauchsdaten, soweit die Zweckbindung es erlaubt",
        "einordnung": "Kein Anhang-III-Zweck. Die Rechtsfragen liegen im Datenschutz: Profiling und Widerspruchsrecht, Zweckbindung der Messwerte. Netzdaten im Querverbund berühren die Entflechtung.",
        "regeln": ["Art. 21, Art. 22 DSGVO", "§ 69 MsbG", "§ 6a EnWG (Entflechtung)"],
        "stand": "Vertrieb ist laut PwC bei 12 Prozent der Versorger ein KI-Einsatzbereich."
      },
      "en": {
        "titel": "Churn prediction and customer retention",
        "nutzen": "Calculates a cancellation probability per customer and directs win-back efforts to the contracts where they pay off.",
        "daten": "Contract and tariff data, contact and complaint history, payment behaviour, consumption data within purpose limitation",
        "einordnung": "No Annex III purpose. The legal questions sit in data protection: profiling and the right to object, purpose limitation of meter data. Grid data in a multi-utility group touches unbundling rules.",
        "regeln": ["Art. 21, Art. 22 GDPR", "Section 69 MsbG", "Section 6a EnWG (unbundling)"],
        "stand": "According to PwC, sales is an AI area at 12 per cent of utilities."
      }
    },
    {
      "id": "bonitaet", "bereich": "vertrieb", "rollen": ["LF"], "aiAct": "anhang-iii", "branchenstand": "offen",
      "quelle": {"url": "https://curia.europa.eu/juris/liste.jsf?num=C-634/21", "de": "EuGH, Urteil vom 07.12.2023, C-634/21", "en": "CJEU, judgment of 7 December 2023, C-634/21"},
      "artikel": null,
      "de": {
        "titel": "Bonitätsprüfung bei Vertragsabschluss",
        "nutzen": "Bewertet die Zahlungsfähigkeit neuer Privatkunden und entscheidet mit über Vertragsabschluss, Vorauszahlung oder Abschlagshöhe.",
        "daten": "Auskunftei-Scores, Zahlungs- und Mahnhistorie, Vertrags- und Adressdaten",
        "einordnung": "Anhang III Nr. 5 Buchst. b nennt die Kreditwürdigkeitsprüfung und Bonitätsbewertung natürlicher Personen. Erwägungsgrund 58 begründet das ausdrücklich auch mit dem Zugang zu Elektrizität, den solche Bewertungen bestimmen. Ausgenommen ist KI zur Aufdeckung von Finanzbetrug. Die Pflichten gelten ab dem 02.12.2027, für jeden Betreiber gehört eine Grundrechte-Folgenabschätzung vor dem ersten Einsatz dazu (Art. 27 Abs. 1).",
        "regeln": ["Anhang III Nr. 5 Buchst. b KI-VO", "Art. 26, Art. 27 KI-VO", "Art. 22 DSGVO"],
        "stand": "Zum KI-Einsatz bei Bonitätsprüfungen im Energievertrieb gibt es keine öffentlichen Zahlen. Der EuGH hat 2023 entschieden, dass schon ein zugelieferter Score eine automatisierte Entscheidung sein kann, wenn das Unternehmen sich maßgeblich auf ihn stützt."
      },
      "en": {
        "titel": "Credit check at contract signing",
        "nutzen": "Assesses the ability of new household customers to pay and helps decide on the contract, prepayment or the instalment amount.",
        "daten": "Credit agency scores, payment and dunning history, contract and address data",
        "einordnung": "Annex III point 5(b) lists evaluating the creditworthiness of natural persons or establishing their credit score. Recital 58 gives access to electricity, which such assessments determine, as an explicit reason. AI used to detect financial fraud is excluded. Obligations apply from 2 December 2027, and for every deployer they include a fundamental rights impact assessment before first use (Art. 27(1)).",
        "regeln": ["Annex III point 5(b) AI Act", "Art. 26, Art. 27 AI Act", "Art. 22 GDPR"],
        "stand": "There are no public figures on AI in credit checks in energy retail. In 2023 the CJEU ruled that even a score supplied by a third party can be an automated decision if the company relies on it decisively."
      }
    },
    {
      "id": "rechnungspruefung", "bereich": "vertrieb", "rollen": ["LF", "VNB", "MSB"], "aiAct": "kein", "branchenstand": "offen",
      "quelle": {"url": "https://www.bundesnetzagentur.de/DE/Vportal/Energie/RechnungenSperrungen/Rechnungen-table.html", "de": "Bundesnetzagentur: Rechnungen und Fristen nach § 40c EnWG", "en": "Bundesnetzagentur: bills and deadlines under Section 40c EnWG"},
      "artikel": {"de": "/de/artikel/meter-to-cash-energieversorger-2027.html", "en": "/en/articles/meter-to-cash-utilities-2027.html"},
      "de": {
        "titel": "Rechnungsprüfung vor dem Versand",
        "nutzen": "Hält unplausible Rechnungen an, bevor sie rausgehen: Sprünge im Verbrauch, falsche Preisstände, doppelte Positionen.",
        "daten": "Rechnungspositionen, Verbrauchshistorie, Tarif- und Preisstammdaten, Messwerte",
        "einordnung": "Kein Hochrisiko-Zweck. Entscheidet das System allein über Sperrung oder Mahnung, wird daraus eine Frage nach Art. 22 DSGVO.",
        "regeln": ["§§ 40, 40b, 40c EnWG", "Art. 22 DSGVO"],
        "stand": "Zahlen zum KI-Einsatz in der Rechnungsprüfung sind nicht veröffentlicht. Die Fristen, an denen eine verspätete Rechnung scheitert, stehen in § 40c EnWG."
      },
      "en": {
        "titel": "Checking bills before dispatch",
        "nutzen": "Stops implausible bills before they go out: jumps in consumption, wrong price versions, duplicate items.",
        "daten": "Bill items, consumption history, tariff and price master data, meter readings",
        "einordnung": "No high-risk purpose. If the system alone decides on disconnection or dunning, it becomes a question under Art. 22 GDPR.",
        "regeln": ["Sections 40, 40b, 40c EnWG", "Art. 22 GDPR"],
        "stand": "No figures on AI in bill checking have been published. The deadlines that a late bill misses are set in Section 40c EnWG."
      }
    },
    {
      "id": "posteingang", "bereich": "vertrieb", "rollen": ["LF", "VNB"], "aiAct": "kein", "branchenstand": "erprobt",
      "quelle": {"url": "https://www.zfk.de/digitalisierung/ki/ki-energiewirtschaft-pwc-studie-poc-dilemma-evu", "de": "ZfK zur PwC-Studie KI in der Energiewirtschaft", "en": "ZfK on the PwC study on AI in the energy industry"},
      "artikel": {"de": "/de/artikel/ki-kundenservice-churn-praevention-evu.html", "en": "/en/articles/ai-customer-service-churn-prevention-utilities.html"},
      "de": {
        "titel": "Posteingang und Dokumente im Kundenservice",
        "nutzen": "Liest E-Mails, Briefe und Formulare, ordnet sie dem Vertragskonto zu und leitet sie an die richtige Stelle. Antworten bereitet es vor, abschicken tut ein Mensch.",
        "daten": "E-Mails, Briefe und Scans, Formulare, Vertragskonten, Vorlagen für Antworten",
        "einordnung": "Kein Hochrisiko-Zweck. Schickt das System Antworten selbst an Kunden, gilt die Transparenzpflicht nach Art. 50 Abs. 1.",
        "regeln": ["DSGVO", "DSK-Orientierungshilfe KI und Datenschutz (05/2024)", "Art. 4 KI-VO"],
        "stand": "Kundenservice ist laut PwC mit 29 Prozent der häufigste KI-Einsatzbereich der Versorger."
      },
      "en": {
        "titel": "Inbound mail and documents in customer service",
        "nutzen": "Reads emails, letters and forms, matches them to the contract account and routes them to the right team. It drafts replies; a person sends them.",
        "daten": "Emails, letters and scans, forms, contract accounts, reply templates",
        "einordnung": "No high-risk purpose. If the system sends replies to customers itself, the transparency duty under Art. 50(1) applies.",
        "regeln": ["GDPR", "German DPA guidance on AI and data protection (05/2024)", "Art. 4 AI Act"],
        "stand": "According to PwC, customer service is the most common AI area at utilities, at 29 per cent."
      }
    },
    {
      "id": "fernwaerme", "bereich": "waerme", "rollen": ["WV"], "aiAct": "kein", "branchenstand": "erprobt",
      "quelle": {"url": "https://www.dena.de/fileadmin/dena/Publikationen/PDFs/2024/Leitfaden_KI_in_Fernwaerme.pdf", "de": "dena: Leitfaden KI in der Fernwärme (2024)", "en": "dena: guide to AI in district heating (2024)"},
      "artikel": {"de": "/de/artikel/ki-fernwaerme-netzoptimierung-transformationsplan-2026.html", "en": "/en/articles/ai-district-heating-network-optimization-transformation-plan-2026.html"},
      "de": {
        "titel": "Fernwärme: Temperaturregelung und Wärmelastprognose",
        "nutzen": "Prognostiziert die Wärmelast und senkt Vor- und Rücklauftemperatur so weit, wie es die Kunden zulassen. Erst niedrige Temperaturen machen Großwärmepumpen und Abwärme wirtschaftlich.",
        "daten": "Vor- und Rücklauftemperaturen, Wärmemengenzähler, Wetterprognosen, Netzmodell, Daten der Hausübergabestationen",
        "einordnung": "Optimierung und Prognose sind nach dem Leitlinien-Entwurf kein Sicherheitsbauteil. Die Wärmeversorgung steht aber in Anhang III Nr. 2: Übernimmt die KI Schutzfunktionen wie Druck- oder Temperaturbegrenzung ohne unabhängige Schutzebene, ist neu einzuordnen.",
        "regeln": ["§ 32 WPG (Dekarbonisierungsfahrplan)", "DSGVO bei Verbrauchsdaten", "Art. 4 KI-VO"],
        "stand": "Der dena-Leitfaden ordnet die netzseitigen Anwendungsfälle in Lastprognose, Rücklaufoptimierung, vorausschauende Instandhaltung und Leckageerkennung und stützt sich auf eigene Pilotprojekte."
      },
      "en": {
        "titel": "District heating: temperature control and heat load forecasting",
        "nutzen": "Forecasts the heat load and lowers supply and return temperatures as far as customers allow. Only low temperatures make large heat pumps and waste heat economical.",
        "daten": "Supply and return temperatures, heat meters, weather forecasts, network model, data from substations in buildings",
        "einordnung": "Optimisation and forecasting are not safety components under the draft guidelines. Heat supply is listed in Annex III point 2, though: if the AI takes on protective functions such as pressure or temperature limits without an independent protection layer, it needs a fresh assessment.",
        "regeln": ["Section 32 WPG (decarbonisation roadmap)", "GDPR for consumption data", "Art. 4 AI Act"],
        "stand": "The dena guide groups the network-side use cases into load forecasting, return temperature optimisation, predictive maintenance and leak detection, drawing on its own pilot projects."
      }
    },
    {
      "id": "leckage", "bereich": "waerme", "rollen": ["WV"], "aiAct": "bedingt", "branchenstand": "forschung",
      "quelle": {"url": "https://www.zfk.de/wasser-abwasser/wasser/ki-gestuetzte-frueherkennung-von-schaeden-in-trinkwassernetzen", "de": "ZfK: KI-gestützte Früherkennung von Schäden in Trinkwassernetzen (2023)", "en": "ZfK: AI-based early detection of damage in drinking water networks (2023)"},
      "artikel": {"de": "/de/artikel/ki-fernwaerme-netzoptimierung-transformationsplan-2026.html", "en": "/en/articles/ai-district-heating-network-optimization-transformation-plan-2026.html"},
      "de": {
        "titel": "Leckageerkennung in Wasser- und Wärmenetzen",
        "nutzen": "Lernt das Normalverhalten von Druck, Durchfluss und Verbrauch und meldet Abweichungen, die auf ein Leck hindeuten.",
        "daten": "Druck- und Durchflussmessungen, Pumpendaten, fernausgelesene Zähler, Netzplan",
        "einordnung": "Gefährliche Zustände zu erkennen ist eine der Schutzfunktionen im Leitlinien-Entwurf, und Wasser- wie Wärmeversorgung stehen in Anhang III Nr. 2. Meldet die KI nur an Menschen und laufen die Schutzsysteme unabhängig, ist sie kein Sicherheitsbauteil. Sperrt sie selbst Abschnitte ab, kann sie es bei einer kritischen Einrichtung sein.",
        "regeln": ["Anhang III Nr. 2 KI-VO", "KRITIS-Dachgesetz", "DSGVO bei Verbrauchsdaten"],
        "stand": "Forschungsprojekte erkennen Lecks über virtuelle Sensoren. Eine praxistaugliche und erklärbare Lösung sahen die Forschenden 2023 noch nicht."
      },
      "en": {
        "titel": "Leak detection in water and heat networks",
        "nutzen": "Learns the normal behaviour of pressure, flow and consumption and reports deviations that point to a leak.",
        "daten": "Pressure and flow measurements, pump data, remotely read meters, network plan",
        "einordnung": "Detecting hazardous states is one of the protective functions in the draft guidelines, and both water and heat supply are listed in Annex III point 2. If the AI only reports to people and the protection systems run independently, it is not a safety component. If it shuts off sections itself, it can be one at a critical entity.",
        "regeln": ["Annex III point 2 AI Act", "KRITIS umbrella act", "GDPR for consumption data"],
        "stand": "Research projects detect leaks through virtual sensors. In 2023 the researchers did not yet see a practical, explainable solution."
      }
    },
    {
      "id": "wissensassistent", "bereich": "querschnitt", "rollen": ["alle"], "aiAct": "kein", "branchenstand": "erprobt",
      "quelle": {"url": "https://www.zfk.de/digitalisierung/ki/ki-energiewirtschaft-pwc-studie-poc-dilemma-evu", "de": "ZfK zur PwC-Studie KI in der Energiewirtschaft", "en": "ZfK on the PwC study on AI in the energy industry"},
      "artikel": {"de": "/de/artikel/ki-assistent-wissensintegration-methoden.html", "en": "/en/articles/ai-assistant-knowledge-integration-methods.html"},
      "de": {
        "titel": "Wissensassistent für Regelwerke und Festlegungen",
        "nutzen": "Beantwortet Fragen zu Festlegungen und internen Anweisungen mit Quellenangabe, auf Basis der eigenen Dokumente (RAG).",
        "daten": "Regelwerke, Festlegungen, Betriebsanweisungen und Prozessbeschreibungen, mit sauberem Berechtigungskonzept",
        "einordnung": "Kein Hochrisiko-Zweck. Art. 50 Abs. 1 verlangt den Hinweis auf die KI, wenn sie nicht offensichtlich ist; bei einem internen Assistenten ist sie es meist. Die Pflichten für das zugrunde liegende Sprachmodell trägt dessen Anbieter.",
        "regeln": ["DSK-Orientierungshilfe generative KI mit RAG (10/2025)", "§ 87 Abs. 1 Nr. 6 BetrVG", "Art. 4 KI-VO"],
        "stand": "Unterstützungsfunktionen sind laut PwC bei 21 Prozent der Versorger ein KI-Einsatzbereich."
      },
      "en": {
        "titel": "Knowledge assistant for rules and determinations",
        "nutzen": "Answers questions on determinations and internal instructions with sources, based on the company's own documents (RAG).",
        "daten": "Rulebooks, determinations, operating instructions and process descriptions, with a clean permission model",
        "einordnung": "No high-risk purpose. Art. 50(1) requires a notice that an AI is involved unless that is obvious; with an internal assistant it usually is. The obligations for the underlying language model sit with its provider.",
        "regeln": ["German DPA guidance on generative AI with RAG (10/2025)", "Section 87(1) no. 6 BetrVG", "Art. 4 AI Act"],
        "stand": "According to PwC, support functions are an AI area at 21 per cent of utilities."
      }
    },
    {
      "id": "buero", "bereich": "querschnitt", "rollen": ["alle"], "aiAct": "kein", "branchenstand": "erprobt",
      "quelle": {"url": "https://www.zfk.de/digitalisierung/ki/ki-energiewirtschaft-pwc-studie-poc-dilemma-evu", "de": "ZfK zur PwC-Studie KI in der Energiewirtschaft", "en": "ZfK on the PwC study on AI in the energy industry"},
      "artikel": {"de": "/de/artikel/schatten-ki.html", "en": "/en/articles/shadow-ai.html"},
      "de": {
        "titel": "KI-Assistenz im Büroalltag",
        "nutzen": "Entwürfe, Zusammenfassungen, Protokolle, Übersetzungen: generative KI im Arbeitsplatzwerkzeug, für alle Abteilungen.",
        "daten": "E-Mails, Dokumente, Kalender und Ablagen, gesteuert über die bestehenden Zugriffsrechte",
        "einordnung": "Kein Hochrisiko-Zweck. Für alle gilt Art. 4: Betreiber müssen Maßnahmen zur KI-Kompetenz ihres Personals treffen. Eignet sich das Werkzeug zur Leistungs- oder Verhaltenskontrolle, bestimmt der Betriebs- oder Personalrat mit.",
        "regeln": ["Art. 4 KI-VO", "Art. 28 DSGVO (Auftragsverarbeitung)", "§ 87 Abs. 1 Nr. 6, § 90 Abs. 1 Nr. 3 BetrVG"],
        "stand": "79 Prozent der Versorger haben laut PwC erste KI-Lösungen eingeführt. Eine KI-Roadmap hat nur etwa jedes vierte Unternehmen."
      },
      "en": {
        "titel": "AI assistance in everyday office work",
        "nutzen": "Drafts, summaries, minutes, translations: generative AI in the workplace tools, for every department.",
        "daten": "Emails, documents, calendars and file shares, governed by the existing access rights",
        "einordnung": "No high-risk purpose. Art. 4 applies to everyone: deployers must take measures for their staff's AI literacy. If the tool lends itself to monitoring performance or behaviour, the works council or staff council has a say.",
        "regeln": ["Art. 4 AI Act", "Art. 28 GDPR (processing on behalf)", "Section 87(1) no. 6, Section 90(1) no. 3 BetrVG"],
        "stand": "According to PwC, 79 per cent of utilities have introduced first AI solutions. Only about one in four has an AI roadmap."
      }
    },
    {
      "id": "coding", "bereich": "querschnitt", "rollen": ["alle"], "aiAct": "kein", "branchenstand": "erprobt",
      "quelle": {"url": "https://www.zfk.de/digitalisierung/ki/ki-energiewirtschaft-pwc-studie-poc-dilemma-evu", "de": "ZfK zur PwC-Studie KI in der Energiewirtschaft", "en": "ZfK on the PwC study on AI in the energy industry"},
      "artikel": {"de": "/de/artikel/souveraener-ki-coding-stack-energieversorger.html", "en": "/en/articles/sovereign-ai-coding-stack-utilities.html"},
      "de": {
        "titel": "Coding-Assistenz in IT und Fachbereichen",
        "nutzen": "Schreibt Code und Tests, von der Auswertung im Controlling bis zur Schnittstelle zum Abrechnungssystem.",
        "daten": "Quellcode, Konfigurationen, Tickets und Dokumentation; keine Produktivdaten im Prompt",
        "einordnung": "Kein Hochrisiko-Zweck. Die Risiken liegen in Informationssicherheit und Lizenzen: Wo liegt der Code, wer betreibt das Modell, unter welcher Lizenz steht das Ergebnis.",
        "regeln": ["BSIG (NIS2-Umsetzung)", "IT-Sicherheitskatalog nach § 11 Abs. 1a EnWG", "Art. 4 KI-VO"],
        "stand": "Laut PwC sank in einem Stadtwerk der Programmieraufwand im Controlling mit einem KI-Assistenten um 70 Prozent."
      },
      "en": {
        "titel": "Coding assistance in IT and business units",
        "nutzen": "Writes code and tests, from controlling reports to the interface with the billing system.",
        "daten": "Source code, configurations, tickets and documentation; no production data in prompts",
        "einordnung": "No high-risk purpose. The risks are information security and licensing: where the code lives, who runs the model, which licence covers the output.",
        "regeln": ["BSIG (German NIS2 implementation)", "IT security catalogue under Section 11(1a) EnWG", "Art. 4 AI Act"],
        "stand": "According to PwC, an AI assistant cut programming effort in one municipal utility's controlling team by 70 per cent."
      }
    },
    {
      "id": "einkauf", "bereich": "querschnitt", "rollen": ["alle"], "aiAct": "kein", "branchenstand": "offen",
      "quelle": {"url": "https://digital-strategy.ec.europa.eu/en/library/draft-commission-guidelines-classification-high-risk-ai-systems", "de": "EU-Kommission: Leitlinien-Entwurf zur Hochrisiko-Einstufung", "en": "European Commission: draft guidelines on high-risk classification"},
      "artikel": {"de": "/de/artikel/ki-hochrisiko-anhang-iii-leitlinien-stadtwerk-2026.html", "en": "/en/articles/ai-high-risk-annex-iii-guidelines-utilities-2026.html"},
      "de": {
        "titel": "Einkauf und Ausschreibungen",
        "nutzen": "Vergleicht Angebote mit dem Leistungsverzeichnis, findet Abweichungen in Vertragsklauseln und fasst Bieterfragen zusammen.",
        "daten": "Leistungsverzeichnisse, Angebote, Vertragsvorlagen, Lieferantenstammdaten",
        "einordnung": "Kein Hochrisiko-Zweck. Wichtiger ist die Gegenrichtung: Wer KI-Systeme kauft, kann Hochrisiko-Konformität in Ausschreibung und Vertrag verlangen, ohne den eigenen KRITIS-Status offenzulegen (Leitlinien-Entwurf, Randnummer 191). Die Wertung der Angebote bleibt Sache der Vergabestelle.",
        "regeln": ["GWB und SektVO (Vergaberecht)", "DSGVO", "Art. 4 KI-VO"],
        "stand": "Öffentliche Zahlen zum KI-Einsatz im Einkauf von Versorgern gibt es nicht."
      },
      "en": {
        "titel": "Procurement and tenders",
        "nutzen": "Compares bids with the specification, finds deviations in contract clauses and summarises bidder questions.",
        "daten": "Specifications, bids, contract templates, supplier master data",
        "einordnung": "No high-risk purpose. The other direction matters more: anyone buying AI systems can require high-risk conformity in the tender and contract without disclosing their own critical-entity status (draft guidelines, paragraph 191). Evaluating the bids stays with the contracting authority.",
        "regeln": ["GWB and SektVO (public procurement law)", "GDPR", "Art. 4 AI Act"],
        "stand": "There are no public figures on AI in utility procurement."
      }
    },
    {
      "id": "bewerbung", "bereich": "querschnitt", "rollen": ["alle"], "aiAct": "anhang-iii", "branchenstand": "offen",
      "quelle": {"url": "https://eur-lex.europa.eu/eli/reg/2024/1689/oj?locale=de", "de": "Verordnung (EU) 2024/1689, Anhang III Nr. 4", "en": "Regulation (EU) 2024/1689, Annex III point 4"},
      "artikel": {"de": "/de/artikel/ki-recruiting-automatisierung-personalwesen.html", "en": "/en/articles/ai-recruiting-automation-hr.html"},
      "de": {
        "titel": "Vorauswahl von Bewerbungen",
        "nutzen": "Sortiert und bewertet Bewerbungen und schlägt Kandidaten für Gespräche vor.",
        "daten": "Lebensläufe und Bewerbungsunterlagen, Stellenprofile, frühere Auswahlentscheidungen",
        "einordnung": "Anhang III Nr. 4 Buchst. a nennt die Auswahl und Bewertung von Bewerbern. Die Pflichten gelten ab dem 02.12.2027; vor dem Einsatz am Arbeitsplatz informieren Betreiber die Arbeitnehmervertreter (Art. 26 Abs. 7). Öffentlich-rechtliche Betreiber und private, die öffentliche Dienste erbringen, brauchen zusätzlich eine Grundrechte-Folgenabschätzung (Art. 27).",
        "regeln": ["Anhang III Nr. 4 KI-VO", "Art. 26 Abs. 7, Art. 27 KI-VO", "Art. 22 DSGVO", "§ 95 Abs. 2a BetrVG, bei kommunalen Betrieben Personalvertretungsrecht der Länder"],
        "stand": "Für die Energiewirtschaft fehlen öffentliche Zahlen."
      },
      "en": {
        "titel": "Pre-selection of job applications",
        "nutzen": "Sorts and scores applications and suggests candidates for interviews.",
        "daten": "CVs and application documents, job profiles, past selection decisions",
        "einordnung": "Annex III point 4(a) lists the selection and assessment of applicants. Obligations apply from 2 December 2027; before use in the workplace, deployers inform workers' representatives (Art. 26(7)). Deployers governed by public law, and private ones providing public services, also need a fundamental rights impact assessment (Art. 27).",
        "regeln": ["Annex III point 4 AI Act", "Art. 26(7), Art. 27 AI Act", "Art. 22 GDPR", "Section 95(2a) BetrVG, for municipal companies the state staff representation acts"],
        "stand": "There are no public figures for the energy industry."
      }
    },
    {
      "id": "angriffserkennung", "bereich": "querschnitt", "rollen": ["VNB", "UENB", "WV"], "aiAct": "kein", "branchenstand": "verbreitet",
      "quelle": {"url": "https://www.bsi.bund.de/DE/Themen/Regulierte-Wirtschaft/Kritische-Infrastrukturen/KRITIS-FAQ/FAQ-Systeme-Angriffserkennung/faq-systeme-angriffserkennung_node.html", "de": "BSI: FAQ zu Systemen zur Angriffserkennung", "en": "BSI: FAQ on attack detection systems"},
      "artikel": {"de": "/de/artikel/angriffserkennung-sza-ot-netze-nachweis-2026.html", "en": "/en/articles/attack-detection-ids-ot-networks-audit-2026.html"},
      "de": {
        "titel": "Angriffserkennung in IT- und OT-Netzen",
        "nutzen": "Lernt den normalen Datenverkehr in Leit- und Fernwirknetzen und meldet Abweichungen, die auf einen Angriff hindeuten.",
        "daten": "Netzwerkverkehr aus SPAN-Ports oder Taps, Logdaten, Inventar der Anlagen und Protokolle",
        "einordnung": "Kein Sicherheitsbauteil: Erwägungsgrund 55 nimmt KI aus, die nur der Cybersicherheit dient, und der Leitlinien-Entwurf führt die Cyber-Überwachung der Netzkommunikation als Gegenbeispiel.",
        "regeln": ["BSIG (NIS2-Umsetzung)", "IT-Sicherheitskatalog", "BSI-Orientierungshilfe Systeme zur Angriffserkennung"],
        "stand": "Betreiber von Energieversorgungsnetzen und Energieanlagen weisen Systeme zur Angriffserkennung seit 2023 gegenüber dem BSI nach. Detektion ist einer ihrer drei Funktionsbereiche."
      },
      "en": {
        "titel": "Attack detection in IT and OT networks",
        "nutzen": "Learns the normal traffic in control and telecontrol networks and reports deviations that point to an attack.",
        "daten": "Network traffic from SPAN ports or taps, log data, asset and protocol inventory",
        "einordnung": "Not a safety component: recital 55 excludes AI used solely for cybersecurity, and the draft guidelines list cyber monitoring of grid communication as a counterexample.",
        "regeln": ["BSIG (German NIS2 implementation)", "IT security catalogue", "BSI guidance on attack detection systems"],
        "stand": "Operators of energy supply networks and energy plants have had to evidence attack detection systems to the BSI since 2023. Detection is one of their three functional areas."
      }
    }
  ]
}
