Pexon Consulting | 10 Min. Lesezeit | 15.06.2026
TL;DR
EnEfG-Auditpflicht ab 7,5 GWh Jahresverbrauch verlangt Maßnahmenkatalog mit Wirtschaftlichkeitsbewertung plus Veröffentlichung — der erste Excel-basierte Katalog reicht für die nächste Iteration nicht. Pexon Consulting baut die Databricks-Lastgang-Pipeline in 5-6 Wochen als Festpreis zwischen 42 und 65k EUR mit audit-tauglichem Soll-Ist-Vergleich pro Maßnahme und revisionssicherem Audit-Trail.
Was das EnEfG 2026 von Unternehmen verlangt
Wir hören das aktuell wöchentlich in Energie-Manager-Erstgesprächen bei energieintensiven Mittelständlern: „Wir haben den ersten EnEfG-Maßnahmenkatalog im Juli 2025 mit viel Mühe veröffentlicht. Bei der nächsten Iteration wollen wir das nicht wieder in Excel-Marathon machen.“
Die Lage strukturiert. Das EnEfG (Energieeffizienzgesetz, in Kraft seit November 2023) hat die alte Audit-Pflicht aus §8 EDL-G durch zwei wesentliche Verschärfungen ersetzt.
Verschärfung 1: Schwelle gesenkt auf 7,5 GWh pro Jahr. Vorher griff die Audit-Pflicht ab 10 GWh — also bei eher großen Mittelständlern. Mit 7,5 GWh kommen jetzt auch deutlich kleinere Produktions-Unternehmen rein. Bei einer durchschnittlichen Strompreis-Last von 22-28 ct/kWh netto sind das jährliche Strom-Kosten von etwa 1,6 bis 2,1 Mio EUR — typisch ab 200 Mitarbeitern in produzierenden Branchen erreicht.
Verschärfung 2: Maßnahmenkatalog mit Wirtschaftlichkeitsbewertung Pflicht. Nicht nur das Audit (alle 4 Jahre), sondern auch konkrete Energieeffizienz-Maßnahmen mit Investment, Einsparung und Amortisation. Die Maßnahmen sind innerhalb von 3 Jahren umzusetzen, wenn sie eine Amortisationszeit von unter 50% der Lebensdauer haben. Zusätzlich Veröffentlichungspflicht — der Maßnahmenkatalog wird der breiten Öffentlichkeit zugänglich.
Verschärfung 3: Bußgeld-Regime. Bei Pflichtverletzungen drohen Bußgelder bis 100.000 EUR. Bei wiederholten Verstößen plus mangelnder Veröffentlichungs-Disziplin werden in 2026 erste Aufsichtsverfahren erwartet.
Der praktische Engpass beim ersten Maßnahmenkatalog war bei vielen Mittelständlern: Die Maßnahmen waren grob geschätzt, weil die Datenbasis grob war. Beim zweiten und dritten Maßnahmenkatalog wird die Tiefe der Datenbasis zum Differenzierungs-Kriterium.
Warum Werks-Granularität für EnEfG-Maßnahmen nicht reicht
Die Logik des Gesetzes verlangt belastbare Wirtschaftlichkeitsbewertungen. Maßnahmen wie „Druckluft-Kompressor mit Frequenzumrichter nachrüsten“ mit „geschätzte Einsparung 8%“ haben in der Auditor-Prüfung wenig Substanz. Belastbar wird die Bewertung, wenn ihr nachweisen könnt, welche konkrete Anlage in welchen Zeit-Lasten welchen Verbrauchs-Block hat — und wo die Effizienz-Lücke entsteht.
Beispiel aus einem Pexon-Pilotkunden. Ein Industrie-Mittelständler mit 12 GWh Jahresverbrauch hatte als Erstmaßnahme „Druckluft-System optimieren“ mit grober Einsparungs-Schätzung 6%. Nach Lastgang-Analyse auf Sub-Zähler-Ebene zeigte sich: Die Kompressoren liefen in 28% der Wochenend-Stunden weiter — durch zwei undichte Anschlüsse plus eine falsch eingestellte Zeitsteuerung. Tatsächliches Einsparungs-Potential 11%, mit konkretem Investment 18k EUR und Amortisations-Zeit 9 Monate. Der Maßnahmen-Punkt wurde damit für den Auditor und für den Verifizierer quantifizierbar.
Diese analytische Tiefe ist die EnEfG-konforme Antwort. Mehr zum Lastgang-Engineering-Pattern haben wir in der ISO-50001-fokussierten Variante mit Databricks beschrieben.
Die EnEfG-spezifische Pipeline-Architektur
Wo sich das EnEfG-Setup vom reinen ISO-50001-Pattern unterscheidet.
Komponente 1: Maßnahmen-Datenbank in der Pipeline. Pro identifizierter Maßnahme: Investment-Schätzung, erwartete Einsparung in kWh pro Jahr, Amortisations-Zeit, Lebensdauer der Maßnahme, Status (geplant, in Umsetzung, umgesetzt, verworfen mit Begründung). Diese Datenbank ist Audit-Artefakt — bei jeder Audit-Prüfung wird die Konsistenz zwischen Maßnahmen-Status und tatsächlicher Verbrauchs-Entwicklung geprüft.
Komponente 2: Soll-Ist-Vergleich pro Maßnahme. Nach Umsetzung einer Maßnahme muss die tatsächliche Einsparung gegen die prognostizierte Einsparung gemessen werden. Die Pipeline berechnet automatisch, wie sich der spezifische Energieverbrauch pro Maschine oder Anlage gegenüber der Pre-Maßnahmen-Baseline entwickelt. Bei Abweichungen über 25% wird der Auditor das im Re-Audit hinterfragen.
Komponente 3: Veröffentlichungs-Tauglicher Bericht. Der EnEfG-Maßnahmenkatalog wird öffentlich zugänglich gemacht. Sprache und Format müssen für externe Leser verständlich sein — nicht im internen Engineering-Jargon. Wir liefern als Sprint-Output ein Template, das aus der Pipeline-Datenbank direkt in das Veröffentlichungs-Format rendert. Mehr zur breiten Audit-Trail-Logik mit Compliance-as-Code.
# Beispiel: EnEfG-Maßnahmen-Effekt-Berechnung in Databricks
import dlt
from pyspark.sql.functions import col, when, avg, lit
from pyspark.sql.window import Window
@dlt.table(name="gold_enefg_measure_effectiveness")
def gold_enefg_measure_effectiveness():
measures = dlt.read("silver_enefg_measures_catalog")
consumption = dlt.read("silver_machine_consumption_monthly")
return (
measures.join(consumption, on=["machine_id"], how="inner")
.withColumn(
"baseline_kwh_per_month",
when(col("month") < col("measure_implementation_date"), col("kwh"))
.otherwise(lit(None))
)
.withColumn(
"post_implementation_kwh_per_month",
when(col("month") >= col("measure_implementation_date"), col("kwh"))
.otherwise(lit(None))
)
.groupBy("measure_id", "machine_id")
.agg(
avg("baseline_kwh_per_month").alias("baseline_avg"),
avg("post_implementation_kwh_per_month").alias("post_avg"),
(avg("baseline_kwh_per_month") - avg("post_implementation_kwh_per_month")).alias("actual_savings_kwh"),
col("predicted_savings_kwh_per_year").alias("predicted_savings_kwh")
)
.withColumn(
"deviation_pct",
(col("actual_savings_kwh") * 12 - col("predicted_savings_kwh")) / col("predicted_savings_kwh") * 100
)
)
Was das EnEfG-Audit konkret prüft
Drei Schwerpunkte aus den Erstaudits 2024-2025.
Schwerpunkt 1: Vollständigkeit der Energie-Erfassung. Der Auditor will sehen, dass alle wesentlichen Verbrauchs-Träger erfasst sind — nicht nur Strom, sondern auch Erdgas, Druckluft (als Sub-Verbrauch von Strom), Fernwärme, Diesel im Fuhrpark. Die Pipeline muss eine vollständige Energie-Bilanz pro Werk und Jahr liefern.
Schwerpunkt 2: Methodische Begründung der Maßnahmen. „Warum schlagt ihr Maßnahme X und nicht Maßnahme Y vor?“ Hier muss die Datenbasis stehen — z.B. weil Maschine X 23% über dem Branchen-Benchmark läuft, oder weil Kompressor Y in 31% der Stunden ungenutzt mitläuft. Die Pipeline-Output liefert diese Daten direkt.
Schwerpunkt 3: Wirtschaftlichkeits-Konsistenz. Investments und Einsparungs-Prognosen müssen plausibel sein. Bei einem Industrie-Pilotkunden hatte das interne Engineering die Einsparungs-Werte für eine Druckluft-Optimierung um 40% überschätzt — die Pipeline-Daten haben das vor dem Audit korrigiert, sonst wäre das im Re-Audit zur Beanstandung geworden.
Pexon-Sprint und Investment
5-6-Wochen-Festpreis-Sprint:
- Woche 1-2 — Discovery und Energie-Inventur. Energieträger-Mapping, Sub-Zähler-Bestand, Datenausgabe-Schnittstellen, Maßnahmen-Status aus erstem Katalog falls vorhanden.
- Wochen 3-4 — Pipeline-Aufbau. Auto-Loader-Setup, Delta-Live-Tables-Pipelines, Maßnahmen-Datenbank, Soll-Ist-Berechnungs-Logik.
- Wochen 5-6 — Audit-Doku, Veröffentlichungs-Template, Übergabe. Audit-Trail-Doku im EnEfG-Format, Veröffentlichungs-Template, Schulung Energie-Manager.
Investment-Festpreis: 42-65k EUR je nach Komplexität. Untere Spanne bei einem Werk mit existierender Sub-Zähler-Infrastruktur, obere Spanne bei mehreren Werken mit teilweiser Sub-Zähler-Nachrüstung.
Laufende Cloud-Kosten: Databricks-Cluster für ein Mittelstands-Werk 600-1.200 EUR pro Monat, plus Storage.
Häufig gestellte Fragen
Wir haben kein ISO 50001 — brauchen wir das zusätzlich?
EnEfG-Auditpflicht und ISO-50001-Energiemanagement-System sind zwei verschiedene Pflichten. Ihr könnt EnEfG-konform sein ohne ISO 50001. Wenn ihr aber langfristig die Effizienz-Hebel professionell heben wollt, ist ISO 50001 die strukturierte Grundlage. Wir kombinieren beide Sprints oft, weil 70% der Pipeline-Substanz identisch ist.
Was wenn unser Verbrauch knapp unter 7,5 GWh liegt?
Bei knapper Lage solltet ihr trotzdem die Datenarchitektur aufsetzen — der Grenzwert kann sich nach unten verschieben, plus die meisten Effizienz-Hebel rechnen sich auch ohne gesetzliche Pflicht. Wir bauen aktuell mehrere Setups bei Unternehmen mit 4-7 GWh, die proaktiv die Architektur ziehen.
Was sind die häufigsten Audit-Beanstandungen?
Aus unseren Begleitungen 2024-2025: Unvollständige Energieträger-Erfassung (typisch Wärmerückgewinnung oder Druckluft fehlt), grobe Maßnahmen-Schätzungen ohne Datenbasis, fehlender Soll-Ist-Vergleich nach umgesetzten Maßnahmen, mangelnde Plausibilität der Veröffentlichungs-Texte. Alle vier Punkte adressiert die Pipeline strukturell.
Was wenn wir den ersten Katalog 2025 mit Excel veröffentlicht haben?
Häufige Lage. Die Pipeline kann historische Werte rückwirkend aus den Excel-Daten plus Quell-Systemen rekonstruieren, falls die Datenbasis verfügbar war. Bei rein geschätzten Maßnahmen-Werten im Erstkatalog empfehlen wir das offene Statement „in der Iteration verfeinert“ — Auditoren akzeptieren das, wenn die zweite Iteration nachweislich substanzieller ist.
Wie verhält sich das zum ESG-Reporting nach CSRD?
Beide Pflichten teilen Datenquellen, sind aber methodisch unterschiedlich. CSRD will Gesamt-Emissionen über die Lieferkette, EnEfG will spezifische Energie-Performance und Maßnahmen. Wir empfehlen, beide Pipelines aufeinander abzustimmen — Datenquellen einmal anbinden, beide Reports daraus generieren. Mehr zur CSRD-Pipeline-Architektur auf Microsoft Fabric.
Nächster Schritt
Wenn euer Unternehmen über 7,5 GWh Jahresverbrauch hat und der zweite Maßnahmenkatalog 2027 ohne erneute Excel-Wochen entstehen soll: Wir machen einen 60-Minuten-Discovery-Call mit dir und idealerweise dem Energie-Manager plus IT-Engineering. Du beschreibst die Daten- und Sub-Zähler-Lage, wir skizzieren den 5-6-Wochen-Sprint mit Festpreis.
Verwandte Themen
→CSRD-Reporting auf Microsoft Fabric mit SAP- und Lieferanten-Daten
→OEE-Dashboard mit Databricks und MQTT in unter 4 Wochen
→Compliance-Pattern für Pipeline-Versionierung in regulierten Setups



