Lastprognose für das eigene Versorgungsgebiet
Die Lastprognose ist die Grundlage für alle Beschaffungsentscheidungen: Wie viel Strom und Gas wird das Versorgungsgebiet morgen, nächste Woche, nächsten Monat verbrauchen? Die Genauigkeit dieser Prognose bestimmt direkt die Ausgleichsenergiekosten (kurzfristig) und die Effektivität der Beschaffungsstrategie (mittelfristig).
Traditionell basieren Lastprognosen auf Standardlastprofilen (SLP) und einfachen Temperaturregressions-modellen. Moderne ML-Ansätze können die Genauigkeit deutlich verbessern, indem sie zusätzliche Features berücksichtigen: Wochentag, Feiertage, Schulferien, Sonnenstand, Windgeschwindigkeit (Einfluss auf Wärmebedarf), grössere lokale Ereignisse und den Trend der PV-Eigenversorgung, der die Netzlast senkt.
Hebel: Eine Verbesserung der Lastprognose um 2 Prozentpunkte kann bei einem mittleren Stadtwerk (1-2 TWh Absatz) jährliche Einsparungen bei Ausgleichsenergie von 100.000-300.000 EUR bedeuten. Die Implementierung eines ML-basierten Prognosemodells amortisiert sich typischerweise innerhalb weniger Monate.
Preisprognosen für Beschaffungsentscheidungen
Die zentrale Frage der Beschaffung lautet: Jetzt kaufen oder später? Der aktuelle Terminpreis für Strom oder Gas spiegelt die Markterwartung wider – aber ist er zu hoch, zu niedrig oder fair? Eine Preisprognose hilft bei der Einschätzung: Sie modelliert die erwartete Preisentwicklung auf Basis von Fundamentaldaten (Angebot, Nachfrage, Brennstoffpreise, CO2, Wetter) und liefert eine Bandbreite wahrscheinlicher Szenarien.
Für Stadtwerke, die keine eigene Trading-Abteilung mit Fundamentalanalysten haben, ist eine einfache, aber robuste Preisprognose besonders wertvoll: Sie muss nicht den Markt schlagen, sondern nur besser sein als gar keine Prognose (also reines Zufalls-Timing). Bereits eine regelbasierte Strategie ('kaufe, wenn der Preis unter dem 3-Monats-Durchschnitt liegt') kann die Beschaffungsergebnisse gegenüber ad-hoc-Käufen signifikant verbessern.
Margensensitivität: Gas-/Strompreise und ihre Auswirkung
Die Marge eines Stadtwerks ist die Differenz zwischen dem Verkaufspreis (Endkundentarif) und den Gesamtkosten (Beschaffung, Netzentgelte, Umlagen, Vertrieb). Da die Endkundentarife oft für 12-24 Monate fixiert sind, wirken sich Preisänderungen auf der Beschaffungsseite direkt auf die Marge aus – und können sie ins Negative drücken.
Eine Sensitivitätsanalyse quantifiziert diese Effekte und zeigt dem Management, wo die grössten Risiken liegen. Die Ergebnisse fliessen direkt in die Beschaffungsstrategie ein: Wenn die Marge bei einem Gaspreisanstieg von 20 % negativ wird, muss der Gasanteil stärker abgesichert werden.
Risikoquantifizierung: VaR und Cashflow-at-Risk
Für die Geschäftsführung und den Aufsichtsrat eines Stadtwerks sind zwei Risikokennzahlen besonders relevant: Der Value at Risk (VaR) quantifiziert den maximalen Verlust der offenen Beschaffungspositionen innerhalb eines definierten Zeitraums und Konfidenzniveaus. Der Cashflow-at-Risk (CFaR) zeigt, wie stark der Cashflow unter ungänstigen Marktbedingungen einbrechen kann.
Für viele Stadtwerke sind diese Kennzahlen noch Neuland – traditionell wurde das Beschaffungsrisiko intuitiv gesteuert oder gar nicht explizit quantifiziert. Die Energiekrise hat gezeigt, dass das nicht mehr reicht. Ein einfaches, aber robustes Risikomodell – das nicht den Anspruch hat, ein Investment-Bank-VaR zu replizieren, sondern die wesentlichen Risiken auf Stadtwerk-Niveau transparent macht – ist für die meisten Stadtwerke der richtige erste Schritt.
Szenario-Planung: Kundenverlust und Portfolioeffekte
Stadtwerke verlieren zunehmend Kunden an Wettbewerber und an die PV-Eigenversorgung. Jeder Kundenverlust hat eine doppelte Auswirkung: Der Umsatz sinkt, und die bereits beschaffte Energiemenge muss am Markt verkauft werden – möglicherweise zu Preisen, die unter den Beschaffungskosten liegen.
Eine Szenario-Planung modelliert verschiedene Kundenverlust-Szenarien und ihre Auswirkungen auf die P&L und den Cashflow: Was passiert, wenn die Wechselquote von 3 % auf 8 % steigt? Wie verändert sich das Risikoprofil, wenn 10 % der Haushaltskunden auf PV-Eigenversorgung umsteigen? Und wie muss die Beschaffungsstrategie angepasst werden, um diese Szenarien abzufedern?
Technologien und Methoden
Fazit: Von der Excel-Tabelle zur analytischen Beschaffungssteuerung
Viele Stadtwerke steuern ihre Beschaffung und ihr Risiko noch in Excel – mit manuell gepflegten Preisblättern, statischen Sensitivitätstabellen und sporadischen Risikoreports. Die Energiekrise hat gezeigt, dass dieser Ansatz in einem volatilen Marktumfeld nicht mehr ausreicht.
Der Schritt zu einer analytischen Beschaffungssteuerung muss nicht riesig sein: Ein ML-basiertes Lastprognosemodell, ein automatisiertes Positionsmonitoring und eine regelmässige Margensensitivitätsanalyse kosten deutlich weniger als ein einziger Beschaffungsfehler in einem volatilen Markt. Stadtwerke, die diesen Schritt gehen, gewinnen Transparenz, Handlungsfähigkeit und Margenstabilität.