Wenn in einem Wasserverband über KI gesprochen wird, geht es zunächst meist um dieselben Dinge wie überall: Protokolle zusammenfassen, Ausschreibungstexte entwerfen, Anfragen beantworten. Das funktioniert und spart Zeit.

Der eigentliche Hebel liegt woanders, und er ist in dieser Branche ungewöhnlich gut zugänglich. Wasserwirtschaftliche Betriebe erzeugen seit Jahren große Mengen an Messdaten, Betriebszuständen und Ereignisprotokollen, ohne sie systematisch auszuwerten. Die Daten sind da, aber was fehlt, ist die richtige Fragestellung.

Prozesstransparenz aus den Systemen, die ohnehin laufen

Abläufe in der Wasserversorgung folgen nicht dem Organigramm. Sie laufen über Leitsysteme, Instandhaltungssoftware und Ticketsysteme, und die tatsächliche Reihenfolge weicht regelmäßig von der dokumentierten ab.

Aus den Ereignisdaten dieser Systeme lässt sich der reale Ablauf rekonstruieren, ohne Interviews und ohne Selbstauskunft. Sichtbar werden Durchlaufzeiten, Wartezeiten, Schleifen und die Varianten, in denen ein Standardvorgang tatsächlich abgearbeitet wird. Ebenso sichtbar wird, wie oft eine formale Vorgabe eingehalten wurde: Freigabe vor Maßnahme, Vieraugenprinzip bei kritischen Eingriffen.

Der Wert liegt weniger in der Erkenntnis als in der Beweisbarkeit. Dass Störungsmeldungen in der Nachtschicht anders bearbeitet werden, ahnen die Beteiligten meist. Eine Zahl dahinter zu haben, verändert die Diskussion.

Ein praktischer Hinweis aus mehreren Projekten: Fünf bis sechs Kennzahlen genügen. Auswertungen mit fünfzig Kennzahlen werden einmal angesehen und danach nicht mehr.

Frühwarnung statt reaktivem Störungsmanagement

Die zweite Familie beantwortet die Frage, was als Nächstes passiert. Störungen innerhalb der nächsten Stunden, Grenzwertverletzungen, Überlaufrisiken, Energiespitzen, Verbrauchsentwicklungen.

Der wirtschaftliche Nutzen entsteht nicht durch die Vorhersage, sondern durch das, was sich daran ausrichten lässt: eine Wartung, die vor dem Ausfall stattfindet, ein Pumpenlauf, der in ein günstigeres Zeitfenster verschoben wird, eine Maßnahme, die eingeleitet wird, bevor ein Grenzwert überschritten ist.

Zwei Dinge entscheiden über den Erfolg, und beide haben nichts mit dem Verfahren zu tun. Erstens die Frage, welche Informationen dem Modell zum Zeitpunkt der Vorhersage überhaupt zur Verfügung stehen würden. Wer Daten verwendet, die im Betrieb erst später vorliegen, bekommt beeindruckende Testergebnisse und ein System, das in der Praxis versagt. Zweitens die zeitliche Trennung von Trainings- und Testdaten. Aus der Vergangenheit lernen, die Zukunft prüfen, nicht zufällig mischen. Beides klingt technisch und ist in Wahrheit aber eine Frage der Projektdisziplin.

Alarmqualität

Ein Anwendungsfall, der selten auf Ideenlisten steht und in fast jedem Betrieb etwas bringt: die Unterscheidung zwischen echtem Notfall und Fehlalarm.

Leitwarten leiden weniger unter zu wenigen Informationen als unter zu vielen. Wo ein erheblicher Teil der Meldungen sich als unkritisch herausstellt, entsteht Gewöhnung, und Gewöhnung ist in sicherheitsrelevanten Bereichen das eigentliche Risiko. Ein Verfahren, das Meldungen nach Dringlichkeit vorsortiert, verändert die Arbeitsfähigkeit einer Schicht spürbar.

Hier ist die Abwägung besonders klar zu treffen: Ein übersehener echter Alarm wiegt anders als ein Fehlalarm zu viel. Diese Gewichtung ist eine betriebliche Entscheidung und gehört vor den Projektstart.

Sichtprüfung und Bildauswertung

Zustandserfassung an Anlagen, Kanalbefahrung, Fremdstofferkennung, Ablesung. Die Verfahren sind ausgereift, und die Einstiegshürde ist niedriger als vermutet, weil sich vortrainierte Modelle auf den eigenen Anwendungsfall anpassen lassen und dafür deutlich weniger eigene Beispiele nötig sind.

Der häufigste Grund für ein Scheitern liegt trotzdem nicht beim Verfahren, sondern bei den Aufnahmebedingungen. Beleuchtung, Perspektive, verschmutzte Optik, Jahreszeit, Wetter. Was in der Erprobung unter kontrollierten Bedingungen funktioniert, verliert im Feldeinsatz an Qualität, sobald sich diese Bedingungen ändern.

Deshalb gehört zu einem Vision-Piloten ein Testkatalog mit genau den Szenarien, die erfahrungsgemäß Ärger machen: Dämmerung, direkte Sonne, Regen, verschmutzte Linse. Wer diese Fälle erst im Betrieb entdeckt, hat das Vertrauen der Anwender schon verloren.

Woran ein Pilot in dieser Branche entschieden wird

Aus der Arbeit mit Betrieben aus Wasserwirtschaft und Entsorgung hat sich eine kurze Prüfliste bewährt, die vor der Freigabe eines Vorhabens durchzugehen ist.

• Liegt eine ausreichende Menge an Daten vor, und sind die Ereignisse, die vorhergesagt werden sollen, überhaupt zuverlässig erfasst? Ein Störungsprotokoll, das nur bei größeren Vorfällen geführt wurde, taugt nicht als Grundlage.
• Steht die benötigte Information zum Zeitpunkt der Entscheidung tatsächlich zur Verfügung?
• Was folgt aus dem Ergebnis? Wenn niemand sagen kann, welche Handlung sich ändert, ist der Nutzen null, unabhängig von der Modellgüte.
• Wer betreibt das System nach dem Piloten, und wer bemerkt, wenn die Qualität nachlässt?
• Welcher Fehler ist der teurere, und ist die Gewichtung mit dem Betrieb abgestimmt?
• Ist der Betriebsrat eingebunden, wo Beschäftigtendaten berührt sind?

Wer diese sechs Fragen vor dem Start beantwortet, entscheidet auf Grundlage der Datenrealität statt auf Grundlage einer beeindruckenden Vorführung.

Der regulatorische Rahmen, kurz

Wasser ist einer der Sektoren, die das KRITIS-Dachgesetz erfasst. Ob ein einzelner Betrieb daraus Pflichten hat, hängt daran, ob er als Betreiber einer kritischen Anlage gilt, und das entscheidet erst die Rechtsverordnung nach § 4 Absatz 3 KRITISDachG. Solange die im Entwurfsstadium steht, lässt sich die Betroffenheit nicht über Schwellenwerte bestimmen. Vorbereiten lohnt sich, registrieren ist noch nicht möglich.

Aus der KI-Verordnung kommt weniger hinzu, als viele erwarten. Risikounabhängig gilt die Pflicht aus Artikel 4, KI-Kompetenz im eigenen Haus zu fördern, und je nach Einsatz kommen Transparenzpflichten nach Artikel 50 dazu. Darüber hinaus kennt die Verordnung keine allgemeinen Betreiberpflichten: Was Artikel 26 verlangt, trifft ausschließlich Betreiber von Hochrisiko-Systemen.

Wo die Hochrisiko-Kategorie anfängt, sollte man in dieser Branche trotzdem genau hinsehen. Systeme, die Leistung oder Verhalten von Beschäftigten bewerten, fallen nach Anhang III Nummer 4 Buchstabe b darunter. Ein System in der Wasserversorgung selbst fällt nach Anhang III Nummer 2 nur dann darunter, wenn es bestimmungsgemäß als Sicherheitsbauteil für Verwaltung oder Betrieb der Versorgung eingesetzt wird. Maßgeblich ist dafür die Zweckbestimmung, die der Anbieter festlegt, zusammen mit der Sicherheitsfunktion und dem Einsatzkontext. Ob ein Modell Meldungen nur priorisiert oder unmittelbar eine Betriebsentscheidung auslöst, ist dabei ein brauchbarer Anhaltspunkt, entscheidet die Einordnung aber nicht allein. Diese Prüfung gehört vor den Piloten. Die Hochrisiko-Anforderungen greifen ab dem 2. Dezember 2027 für Anhang-III-Systeme und ab dem 2. August 2028 für die über Anhang I erfassten.

Praktisch heißt das: Der regulatorische Rahmen ist in dieser Branche selten der Engpass. Der Engpass ist die Datenqualität und die Frage, wer den Betrieb übernimmt.

Was zuerst

Wenn ich einen Einstieg empfehlen soll, dann die Prozesstransparenz. Sie braucht keine neuen Sensoren, sie nutzt Daten, die bereits vorliegen, sie liefert innerhalb weniger Wochen ein Ergebnis, das sich einer Betriebsleitung zeigen lässt, und sie beantwortet nebenbei die Frage, welche Prozesse überhaupt stabil genug für eine Automatisierung sind.

Die Frage, welche Verfahren jenseits generativer Werkzeuge in Frage kommen, behandelt ein eigener Beitrag. Für die Priorisierung im eigenen Haus gibt es die KI-Roadmap, für den Kompetenzaufbau im Team die Schulungen.

Und die Frage an alle, die in dieser Branche arbeiten: Wie viele Ihrer Alarmmeldungen der letzten Woche haben zu einer Handlung geführt?

---

Rechtsstand: 31. August 2026. Wo sich die Rechtslage danach ändert, wird der Beitrag nachgeführt oder die Änderung gekennzeichnet.