Der Blueprint war für Mitte 2026 angekündigt. Anfang August war er nicht auffindbar veröffentlicht.
Gemeint ist die Digital-Twin-Toolbox, die ENTSO-E und die EU DSO Entity gemeinsam entwickeln sollen. Sie geht auf die Strategic Roadmap for Digitalisation and AI in the Energy Sector zurück, die die Europäische Kommission am 3. Juni 2026 veröffentlicht hat. Der Fahrplan sieht den Blueprint zur Jahresmitte vor, Best Practices für 2027. Was sich heute nachvollziehen lässt: Die Arbeit läuft im Arbeitsprogramm 2026 der DSO Entity unter einem Horizon-Europe-Projekt namens DSO4DT, zusammen mit Smart-Grid-Indikatoren.
Das ist Forschungsphase, nicht Betriebsphase. Und es ist keine Anklage — Termine in europäischen Konsortien verschieben sich. Interessant ist die Frage, die dahinter steht: Wenn ein Versorger heute wissen will, ob agentische Betriebsführung bei ihm etwas bringt, wartet er dann auf diesen Blueprint?
Die Zahlen, mit denen der Markt arbeitet, sind Projektionen
Die meistzitierte Zahl der Nische stammt aus dem State of AI Agents 2026 von Databricks und Lovelytics: 750.000 bis 900.000 Dollar jährliche Labor-Efficiency pro Asset-Typ, wenn manuelle Feldinspektionen durch agentische Auswertung ersetzt werden. Daneben stehen 40 Prozent schnellere Defekt-Identifikation, 10 bis 20 Prozent Produktivität und 30 Prozent Operations-Effizienz. Die Nutzung von Multi-Agent-Workflows ist in vier Monaten um 327 Prozent gestiegen.
Diese Zahlen sind gut, aber sie sind projiziert, nicht abgerechnet. Sie beschreiben, was eintritt, wenn ein Anwendungsfall so funktioniert wie gedacht.
Was tatsächlich abgerechnet wurde, steht bei IBM: 74 Prozent der Versorger sind KI-aktiv, die Branche liegt bei rund 70 Prozent Autonomiegrad mit dem Ziel 80 Prozent bis 2030 — und nur etwa die Hälfte meldet einen positiven ROI.
74 Prozent aktiv, 50 Prozent mit positivem ROI. Zwischen diesen beiden Zahlen liegt nicht die Technik. Dort liegt die Frage, ob jemand den Betrieb tatsächlich umgestellt hat.
Das ist derselbe Spalt, den Gartner für agentische Projekte allgemein misst. In der Energiewirtschaft ist er nur besonders teuer, weil die Assets teuer sind und die Aufsichtspflichten real.
Der belastbarste europäische Beleg ist neun Jahre alt
Wer nach einem benannten deutschen Fall sucht, bei dem ein Modell nicht empfiehlt, sondern steuert, landet bei den Stadtwerken Trier. Die Anlage fährt seit 2017 mit der Lösung Xylem Vue. Die Hauptkläranlage wird seither energieneutral betrieben. Die Belüftungsenergie sank um über 20 Prozent, rund 200.000 Kilowattstunden im Jahr. Der Fällmittelverbrauch ging um etwa 30 Prozent zurück. Das Modell — ein künstliches neuronales Netz — erstellt 72-Stunden-Prognosen für Stromerzeugung und -verbrauch und steuert die Faultürme danach. Ein zweiter Fall im selben Programm ist EWE in Cuxhaven.
Zwei Einordnungen sind hier Pflicht, sonst trägt der Fall mehr, als er kann.
Erstens: Das ist eine Kläranlage, kein Verteilnetz. Wer daraus ableitet, dass Netzführung genauso funktioniert, überdehnt den Beleg. Was übertragbar ist, ist das Muster, nicht die Zahl.
Zweitens, und das ist der eigentliche Punkt: Das Modell wird in Echtzeit aus der vorhandenen SCADA gespeist. Es gab keine neue Plattform, keine Datenmigration, keinen Blueprint. Die Datenquelle lag bereits im Haus, weil ein Versorger ohne Leittechnik nicht betrieben werden kann.
Neun Jahre später wartet die Branche auf ein europäisches Referenzdokument für genau diese Bewegung.
Was die schnellen Fälle gemeinsam haben
Die zwei anderen benannten Fälle der letzten Monate zeigen dasselbe Muster. Hawaiian Electric hat die Bearbeitung regulatorischer Abfragen von fünf Minuten auf fünf Sekunden gebracht, ein Faktor 60, erreicht in zwei Wochen. NextEra Energy nutzt agentische KI von Google für prädiktive Feldoperationen und Netzresilienz.
Der Hawaiian-Electric-Fall ist der lehrreichere, weil er der unspektakulärste ist. Es geht um Backoffice: Unterlagen durchsuchen, Fundstellen zusammentragen, Antwort vorbereiten. Kein Eingriff ins Netz, keine Aufsichtsfrage, keine Zertifizierung. Zwei Wochen, weil das Material schon da war und weil klar war, woran man eine falsche Antwort erkennt.
Genau das ist die Bedingung, die die Fälle verbindet: Der Bestand war vorhanden, und jemand konnte sagen, wann das Ergebnis falsch ist. Wo beides zutrifft, geht es schnell. Wo eines fehlt, hilft keine Roadmap.
Das Stufenmodell ist der brauchbarste Teil der Forschung
Aus dem Argonne-Projekt GridMind, das Agenten in echte Kontrollräume bringt, stammt die klarste Formulierung dessen, was Autonomie im Leitstand praktisch heißt. Vier Stufen: Empfehlung, dann Empfehlung mit Freigabe durch den Operator, dann Ausnahme-basierte Autonomie, dann Autonomie in definierten Grenzen.
Der Wert dieses Modells liegt nicht in der Vollendung. Er liegt darin, dass Stufe eins schon eine Stufe ist. Ein Vorstand, der bei „autonome Netzführung" an Stufe vier denkt, lehnt zu Recht ab. Derselbe Vorstand kann Stufe eins am Dienstag entscheiden, weil sie nichts an der Verantwortung ändert — sie ändert nur, wie gut vorbereitet die Person ist, die weiterhin entscheidet.
Wer das Stufenmodell überspringt, verhandelt unnötig über die schwerste Stufe, bevor die leichteste läuft.
Das Förderfenster steht offen, aber es ersetzt die Vorarbeit nicht
Geld ist derzeit nicht der Engpass. Das EU-Flaggschiff AI.grids bündelt zusammen mit der Smart-Grids-Linie rund 175 Millionen Euro und arbeitet mit 48 Partnern an souveränen europäischen KI-Modellen für den Energiesektor, Netzbetreiber inklusive. Das Einsparpotenzial, mit dem die Kommission rechnet, liegt bei 71 Milliarden Euro jährlich für Nachfrageflexibilität und bis zu 94 Milliarden für Betriebs- und Wartungsoptimierung bis 2035.
Solche Zahlen sind für die Antragslogik nützlich und für die eigene Entscheidung wertlos. Kein kleiner Netzbetreiber hebt 94 Milliarden. Er hebt eine Inspektionsroutine, eine Regulatorik-Recherche oder eine Prognose, die heute jemand von Hand schreibt.
Der Schritt, der vor allem anderen kommt
Die praktische Frage ist nicht, welche Plattform. Sie lautet: Welche Datenquelle haben Sie seit Jahren im Haus, ohne sie auszuwerten?
Bei Trier war es die SCADA. Bei Hawaiian Electric der eigene Regulatorik-Bestand. In beiden Fällen war der teure Teil — die Daten über Jahre sauber zu erfassen — längst bezahlt, bevor jemand über KI nachdachte.
Daraus wird ein Vormittag Arbeit, kein Programm. Ein Bestand, benannt. Eine Aufgabe, die heute jemand daraus von Hand erledigt, mit der Zeit, die sie kostet. Eine Person, die sagen kann, woran sie ein falsches Ergebnis erkennt. Und die Stufe, auf der Sie starten — in aller Regel Stufe eins.
Wenn diese vier Angaben nicht auf eine Seite passen, ist der Anwendungsfall noch nicht der richtige. Das ist keine schlechte Nachricht. Es ist die billigste Absage, die Sie in diesem Feld bekommen können.
Der Blueprint kommt irgendwann. Trier hat ohne ihn angefangen und hatte den Nutzen neun Jahre früher.
Quellen: Europäische Kommission, Strategic Roadmap for Digitalisation and AI in the Energy Sector, 3. Juni 2026; EU DSO Entity, Annual Work Programme 2026 (Horizon-Projekt DSO4DT); ENTSO-E / EU DSO Entity, Energy Digital Twin Use Cases (Enlit World); Databricks, „From Manual to Autonomous: How AI Agents Are Transforming Electric Grid Operations"; Lovelytics, State of AI Agents 2026; IBM, Studie zu Autonomiegrad und ROI in der Versorgungswirtschaft; Xylem, Fallstudie Xylem Vue / Stadtwerke Trier; Argonne National Laboratory, GridMind; POWER Magazine, „No Boots on Deck". Stand der Blueprint-Prüfung: 6. August 2026.