«Wer den Einstieg verschiebt, verzichtet auf dringend benötigte Erkenntnisse über Kundenbedürfnisse und Marktverhalten.»
Swisspower: Die zunehmende Komplexität lastet schwer auf vielen EVU. Die generative KI scheint das naheliegende Werkzeug, um die steigenden Arbeitsvolumen zu bewältigen. Warum funktioniert das in der Praxis oft nicht wie erhofft?
Michael Rubin: Wir müssen bei den Begriffen ansetzen. Ein grosses Sprachmodell, also der Algorithmus hinter der generativen KI, wurde dazu entwickelt, Sprache zu generieren. Das macht es auch perfekt. In unserer Branche geht es aber um Fachwissen, und dafür braucht es vor allem eine exzellente Wissensdatenbank. Viele generische SaaS-Tools (Software as a Service, Software als Dienstleistung) binden dazu einfach die Website eines EVU an. Das ist viel zu wenig. Eine kommerzielle Website ist kein Energie-Lexikon, und die Wissensbasis bleibt entsprechend unvollständig. Die Folge sind oberflächliche Antworten, Halluzinationen und erodierendes Vertrauen in die KI.
Wie muss eine KI dann gebaut sein, damit sie in der Energiebranche zuverlässig funktioniert?
Entscheidend ist das kuratierte Branchenwissen: Regulatorik, ElCom-Vorgaben (Eidgenössische Elektrizitätskommission), Branchendokumente, technisches Wissen, Begriffsdefinitionen. Dazu kommen dynamische Datenquellen wie das IS-E (Informationssystem zum schweizerischen Elektrizitätsmarkt) oder die Tarife. Die Website liefert dann nur noch die unternehmensspezifische Personalisierung obendrauf. Ich vergleiche das gern mit einem Eisberg: Die Website ist die sichtbare Spitze, doch die tragende Masse liegt unter Wasser. Wichtig ist dabei: Es genügt nicht, einfach grosse Datenmengen zu verknüpfen. Viel wichtiger als die Quantität ist die Qualität. Die Wissensdaten müssen analysiert, bereinigt und teilweise ergänzt werden. Die Datenqualität steht im Zentrum.
«Die Website ist die sichtbare Spitze des Eisbergs. Die tragende Masse darunter ist das kuratierte Branchenwissen.»
Das klingt nach sehr viel Aufwand.
Ist es auch. Es braucht viel Arbeit von KI- und Energieexperten, um die Datenbasis aufzubauen, richtig zu verknüpfen und laufend zu pflegen. Für kleinere und mittlere Werke ist diese Investition kaum realistisch. Aber hier kommt uns eine Eigenheit der Branche entgegen: Bis zu 80 Prozent dieser Wissensdaten sind bei praktisch allen EVU identisch. Dieses Fundament kann von vielen Werken genutzt und über Projekte hinweg weiterentwickelt werden. Bei jedem EVU konzentrieren wir uns dann auf die spezifischen Daten, Prozesse und Anforderungen und verfeinern die Lösung gemeinsam. Wir erfinden das Rad also nicht bei jedem EVU neu.
Lassen Sie uns über den konkreten Nutzen sprechen. Chatbots sind weitverbreitet, doch sie haben nicht immer den besten Ruf.
Die Skepsis ist teilweise berechtigt. Ein Bot (automatisiertes Dialogprogramm) ohne fachliche Tiefe enttäuscht und wird bald nicht mehr genutzt. Dass es auch anders geht, zeigt der KI-Chatbot von Energie Thun, den wir bauen durften. Als Persona «Tinu» hat er im Einsatz überzeugt und wurde in einem JuRep-Beitrag der Berner Zeitung unter dem Titel «So gut ist der KI-Bot der Energie Thun AG» vorgestellt. Das stärkt natürlich das Image des Versorgers.
Der Nutzen zeigt sich zum einen in der hohen Qualität der Antworten, aber auch in der Quantität: «Tinu» läuft seit über einem Jahr und hat in dieser Zeit rund 5’000 Kundengespräche geführt. Das sind 5’000 wertvolle Kundenkontakte. Rein rechnerisch entspricht das rund 20 Prozent der jährlichen Kundenkontakte.
Nicht jeder Kunde will allerdings chatten. Genau deshalb integrieren wir die KI in mehrere Kanäle: E-Mails, ein intelligentes Self-Servicecenter auf der Website, und intern stärken wir die Mitarbeitenden am Telefon, denn viele Kunden rufen nach wie vor an. Es geht nicht darum, einen Kanal zu erzwingen, sondern jeden Kanal besser zu machen.
Wenn so viele Kunden nach wie vor anrufen, wäre für das Telefon nicht ein Voice-Bot die konsequente Lösung?
Das haben wir analysiert, und unsere Antwort ist derzeit ein klares Nein. Schweizerdeutsch und die Latenz (Verzögerung) im Gespräch sind technisch noch nicht so weit, dass das Resultat überzeugt. Einige EVU haben es ausprobiert, mit gemischten Erfahrungen. Für uns ist das ohnehin der falsche Ansatz. Wer zum Telefon greift, will bewusst mit einem Menschen sprechen. Das sollte man ihm nicht wegnehmen.
Wie unterstützt die KI dann am Telefon?
Indem sie nicht den Kunden bedient, sondern die Mitarbeitenden. Wer den Anruf entgegennimmt, erhält im selben Moment über den internen KI-Assistenten die fachlich korrekte Antwort, unabhängig von Thema und Erfahrungsstand des Mitarbeiters. Insbesondere bei sehr zeitintensiven Themen wie LEG/ZEV-Beratung (lokale Elektrizitätsgemeinschaft / Zusammenschluss zum Eigenverbrauch) ist dieses Instrument Gold wert. Im Nachgang erstellt das System automatisch eine Gesprächszusammenfassung für den Kunden und stellt ihm diese per E-Mail zu. So bleibt der persönliche Draht erhalten, während Anfragen effizient gelöst werden. Das verbessert das Kundenerlebnis und zahlt positiv auf das Image des EVU ein. Die KI ersetzt also die Mitarbeitenden nicht, sondern stärkt sie fachlich und produktiv. Mit Blick auf eine mögliche Marktliberalisierung sind produktive Mitarbeitende und zufriedene Kunden ein strategisches Gut.
Sie sprechen die Marktliberalisierung an. Welche Rolle spielt die generative KI in diesem Kontext?
Eine sehr grosse. EVU müssen näher an ihre Kunden rücken und ein tieferes Marktverständnis aufbauen. Genau hier bietet die Lösung eine grosse Chance. Schon heute werten wir jeden Chat systematisch aus, natürlich unter strikter Einhaltung aller Datenschutzbestimmungen: nach Themen, Kundenzufriedenheit und weiteren Mustern. So entsteht ein laufendes Live-Bild davon, was die Kunden bewegt, was sie verstehen und was sie wollen. Dieses Werkzeug ergänzt sporadische Marktumfragen mit echten Verhaltensdaten.
Wo geht die Reise mit generativer KI in der Energiebranche noch hin?
Neben neuartigen Verbindungen von Websites und generativer KI liegt besonders im Bereich Analytics noch viel Potenzial. Viele EVU entwickeln derzeit neue Angebote, von LEG-Lösungen über Ladeinfrastruktur bis zu dynamischen Tarifen. Diese sind technisch in aller Regel sehr gut durchdacht. Was dabei teilweise noch zu kurz kommt, ist die Kundensicht: Ergibt ein Leistungstarif Sinn, wenn die wenigsten zwischen kW (Kilowatt, die Leistung) und kWh (Kilowattstunde, der Verbrauch) unterscheiden können? Wird die Thematik überhaupt verstanden und wie wirkt sich eine bessere Kundenberatung auf die Akzeptanz eines neuen Angebots aus? Stellen Sie sich vor, wir könnten solches Marktverhalten künftig mit einem digitalen Markt-Zwilling simulieren und darauf aufbauend fundierte Produktentscheide treffen.
So weit sind wir natürlich noch nicht. Aber der Blick in andere Branchen zeigt: Das liegt durchaus im Bereich des Möglichen. Voraussetzung ist natürlich eine belastbare, über Jahre aufgebaute Datenbasis.
Viele EVU sind derzeit stark ausgelastet, gerade wegen all dieser regulatorischen Themen. Kann der KI-Einstieg nicht ein, zwei Jahre warten?
Ich verstehe diese Prioritätensetzung. Aus meiner Sicht spricht die hohe Auslastung allerdings nicht gegen KI, sondern eher dafür: Sie soll ja genau dabei helfen, die Mitarbeitenden zu entlasten und die steigende Komplexität zu bewältigen. Wie erwähnt bringen wir bereits ein breites Branchenfundament mit, das gemeinsam mit mehreren Schweizer EVU entwickelt und verfeinert wurde. Wir übernehmen also den Grossteil der Arbeit, wodurch der interne Aufwand überschaubar bleibt.
Ich empfehle ohnehin immer einen schrittweisen Einstieg: Ein einfacher Einstiegspunkt wie der Kundensupport lässt sich in wenigen Wochen umsetzen, bringt rasch erste Quick Wins und den Stein ins Rollen. Hinzu kommt ein letzter, entscheidender Punkt: Daten, die wir heute nicht sammeln, können wir später nicht mehr nachholen. Wer den Einstieg um Jahre verschiebt, verzichtet nicht nur auf Effizienzgewinne, sondern auch auf dringend benötigte Erkenntnisse über Kundenbedürfnisse und Marktverhalten.