Datenqualität im Monitoring: warum falsche Zähler falsche Entscheide erzeugen

Energiemonitoring lebt von der Qualität seiner Daten. Die beste Auswertungsmethodik, das leistungsfähigste Dashboard und der erfahrenste Analyst können aus falschen Daten keine richtigen Schlüsse ziehen. Trotzdem wird die Datenqualität in vielen Monitoring-Projekten stiefmütterlich behandelt: Man installiert Zähler, bindet sie an ein System an und beginnt mit der Auswertung, ohne zu prüfen, ob die Daten überhaupt stimmen. Dieser Beitrag zeigt, woran man schlechte Messdaten erkennt, welche Fehlerquellen typisch sind und wie man verhindert, dass daraus teure Fehlentscheide werden.

Warum Datenqualität unterschätzt wird

Das Problem mit schlechten Daten ist, dass sie oft nicht als schlecht erkennbar sind. Ein Verbrauchswert von 150 000 kWh pro Jahr kann richtig oder falsch sein, man sieht es ihm nicht an. Erst der Vergleich mit dem Vorjahr, der Abgleich mit der Rechnung des Energieversorgers oder die Überprüfung der Einheiten macht den Fehler sichtbar. Und manchmal macht er ihn nicht sichtbar, weil der Fehler systematisch ist und sich über Jahre hinzieht, ohne aufzufallen.

Die Konsequenzen sind erheblich. Ein Zähler, der den doppelten Verbrauch anzeigt, weil der Umrechnungsfaktor falsch eingestellt ist, führt zu einer drastischen Überschätzung des Einsparpotenzials. Ein Zähler, der nach einem Wechsel die Werte in MJ statt in kWh liefert, ohne dass es jemand bemerkt, verzerrt die Jahresbilanz um den Faktor 3,6. Eine Datenlücke von zwei Wochen im Winter, die bei der Aufsummierung übersehen wird, senkt den Jahresverbrauch scheinbar um mehrere Prozent, ohne dass sich am Gebäude etwas geändert hat.

All diese Fehler sind uns in der Praxis begegnet. Sie sind nicht hypothetisch, sie passieren ständig, und sie kosten Geld, weil sie zu falschen Entscheidungen führen.

Die häufigsten Fehlerquellen

Fehlende oder falsche Zeitstempel

Zeitstempel sind die Grundlage jeder zeitbezogenen Analyse. Wenn der Zeitstempel fehlt, nicht in der erwarteten Zeitzone liegt oder verschoben ist, werden die Daten falsch zugeordnet. Ein Lastprofil, das um eine Stunde verschoben ist, zeigt die Grundlast zur falschen Zeit und führt zu falschen Schlüssen über die Betriebszeiten. Die Sommer-Winter-Zeitumstellung ist eine besonders häufige Fehlerquelle: Systeme, die keine automatische Umstellung durchführen, erzeugen zweimal pro Jahr eine Verschiebung, die ohne Prüfung unbemerkt bleibt.

Zählerüberläufe und Zählerwechsel

Jeder Zähler hat einen maximalen Zählerstand, nach dem er auf null zurückspringt. Bei älteren Zählern mit wenigen Stellen kann das durchaus vorkommen. Ein Überlauf erzeugt in der Verbrauchsberechnung einen negativen Wert, wenn die Software den Überlauf nicht erkennt und behandelt.

Ein Zählerwechsel hat einen ähnlichen Effekt: Der neue Zähler beginnt bei null, der alte wurde bei einem bestimmten Stand ausgebaut. Wenn der Wechsel nicht dokumentiert wird, entsteht eine scheinbare Verbrauchsänderung, die nichts mit dem tatsächlichen Verbrauch zu tun hat. In der Praxis sind Zählerwechsel erstaunlich oft nicht im Monitoring-System nachgeführt.

Einheitenfehler

Kilowattstunden, Megawattstunden, Megajoule, Kubikmeter Gas, Liter Öl: Die Einheitenvielfalt in der Energiemessung ist gross. Ein Einheitenfehler entsteht, wenn ein Zähler in einer anderen Einheit liefert als das System erwartet. Der Faktor kann 1000 (kWh vs. MWh), 3,6 (kWh vs. MJ) oder ein standortspezifischer Umrechnungsfaktor (Kubikmeter Gas in kWh) sein.

Einheitenfehler sind besonders tückisch, weil die Werte auf den ersten Blick plausibel aussehen können. Ein Gebäude, das 150 statt 150 000 kWh verbraucht, fällt sofort auf. Eines, das 540 000 statt 150 000 kWh verbraucht (Faktor 3,6 durch MJ statt kWh), liegt zwar hoch, aber nicht unrealistisch hoch, und der Fehler kann monatelang unbemerkt bleiben.

Lücken in Zeitreihen

Datenlücken entstehen durch Kommunikationsfehler, Stromausfälle, Zählerausfälle oder Softwareprobleme. Eine kurze Lücke von einigen Stunden ist für die Jahresbilanz meist unerheblich. Eine Lücke von mehreren Tagen oder Wochen verfälscht die Summen erheblich, besonders wenn sie in eine Heizperiode oder eine Phase hoher Kühllast fällt.

Das Problem wird verschärft, wenn die Lücken nicht erkannt werden. Manche Systeme füllen Lücken automatisch mit dem letzten bekannten Wert auf, was die Lücke unsichtbar macht, aber die Daten verfälscht. Andere Systeme summieren den Verbrauch über die Lücke hinweg, als wäre nichts passiert, und erzeugen so einen Sprung im Zählerstand, der bei der Verbrauchsberechnung einen unrealistischen Spitzenwert ergibt.

Ausreisser und falsche Skalierung

Ausreisser sind einzelne Werte, die deutlich vom erwarteten Bereich abweichen. Sie können echte Ereignisse abbilden (ein Lastspitze durch gleichzeitiges Einschalten) oder Messfehler sein (ein gestörter Sensor, eine fehlgeleitete Kommunikation). Ohne Plausibilitätsprüfung ist die Unterscheidung nicht möglich.

Falsche Skalierung entsteht, wenn der Umrechnungsfaktor im System nicht zum Zähler passt. Bei Stromzählern mit Stromwandler muss der Wandlerfaktor (zum Beispiel 100/5) korrekt eingestellt sein. Fehlt er, zeigt der Zähler ein Zwanzigstel oder das Zwanzigfache des tatsächlichen Verbrauchs an.

Verwechslung von Zählerständen und Verbräuchen

Ein Zählerstand ist ein kumulativer Wert. Ein Verbrauch ist die Differenz zweier Zählerstände. Die Verwechslung klingt banal, kommt aber vor, wenn Daten zwischen Systemen übertragen werden und das Zielformat nicht zum Quellformat passt. Ein Zählerstand, der als Verbrauch interpretiert wird, erzeugt Werte, die um Grössenordnungen zu hoch sind.

Systematische Plausibilisierung

Bevor Monitoring-Daten interpretiert werden, müssen sie auf ihre Qualität geprüft werden. Die folgende Systematik hat sich in unserer Praxis bewährt.

Vollständigkeit prüfen

Der erste Schritt ist die Prüfung, ob alle erwarteten Datenpunkte vorhanden sind. Wie viele Werte sollte die Zeitreihe pro Tag, Woche, Jahr enthalten? Wie viele enthält sie tatsächlich? Die Differenz zeigt die Lücken. Eine Vollständigkeitsrate von 95 Prozent klingt gut, bedeutet aber bei Viertelstundenwerten über ein Jahr gerechnet rund 18 fehlende Tage, was erheblich sein kann.

Plausibilität prüfen

Der zweite Schritt prüft, ob die Werte in einem erwarteten Bereich liegen. Was ist der maximale Verbrauch, den dieses Gebäude oder diese Anlage realistisch haben kann? Was ist das Minimum? Werte ausserhalb dieser Grenzen sind entweder Messfehler oder aussergewöhnliche Ereignisse, die dokumentiert werden müssen.

Konsistenz prüfen

Der dritte Schritt prüft, ob die Werte zueinander passen. Die Summe der Unterzähler sollte dem Hauptzähler entsprechen (abzüglich allfälliger ungemessener Verbraucher). Die Energiebilanz muss aufgehen: Was hineinfliesst, muss auch herauskommen oder im System bleiben.

Kontinuität prüfen

Der vierte Schritt prüft, ob die Zeitreihe einen plausiblen Verlauf zeigt. Plötzliche Sprünge im Zählerstand deuten auf Zählerwechsel, Überläufe oder Kommunikationsfehler hin. Schleichende Drifts können auf einen defekten Sensor oder eine nachlassende Kalibrierung hindeuten.

Datenqualität präventiv sicherstellen

Besser als die nachträgliche Korrektur ist die Vermeidung von Datenfehlern. Die folgenden Massnahmen reduzieren das Risiko erheblich.

Abnahmetest bei der Inbetriebnahme. Jeder neue Messpunkt wird nach der Installation getestet: Stimmt der Zählerstand mit der Rechnung des Energieversorgers überein? Stimmt die Zählrichtung? Kommt der richtige Wert im System an? Stimmt die Einheit?

Automatische Alarme. Das Monitoring-System sollte bei fehlenden Daten, bei Werten ausserhalb definierter Grenzen und bei plötzlichen Sprüngen automatisch einen Alarm auslösen. So werden Probleme innerhalb von Stunden statt Monaten erkannt.

Regelmässige Kalibrierung. Zähler driften über die Zeit. Eine regelmässige Prüfung gegen einen Referenzwert (zum Beispiel die Rechnung des Energieversorgers oder einen Referenzzähler) stellt sicher, dass die Genauigkeit erhalten bleibt.

Dokumentation von Änderungen. Jeder Zählerwechsel, jede Änderung am Umrechnungsfaktor, jede Anpassung der Kommunikationsparameter muss im Messstellenplan dokumentiert werden. Ohne diese Dokumentation ist die Nachvollziehbarkeit der Daten nicht gegeben.

Umgang mit fehlerhaften Daten

Trotz aller Prävention werden Datenfehler vorkommen. Der Umgang damit muss geregelt sein, bevor der erste Fehler auftritt.

Kurze Lücken (einige Stunden) können durch lineare Interpolation geschlossen werden, wenn der Verbrauch in dieser Zeit als gleichmässig angenommen werden kann. Die interpolierten Werte müssen als solche gekennzeichnet werden.

Längere Lücken (mehrere Tage) sollten nicht interpoliert, sondern als fehlend behandelt werden. Die betroffenen Zeiträume werden aus der Analyse ausgeschlossen und gesondert dokumentiert. Wenn eine Jahresbilanz benötigt wird, kann der fehlende Zeitraum über Vergleichswerte aus dem Vorjahr hochgerechnet werden, aber die Hochrechnung muss transparent gemacht werden.

Fehlerhaft skalierte Werte können nachträglich korrigiert werden, wenn der richtige Skalierungsfaktor bekannt ist. Die Korrektur muss dokumentiert und die Originalwerte aufbewahrt werden.

Ausreisser müssen einzeln beurteilt werden: Ist es ein echtes Ereignis oder ein Messfehler? Im Zweifelsfall bleibt der Wert im Datensatz, wird aber bei der Interpretation berücksichtigt.

Praxisbeispiele: was schiefgehen kann

Drei Fälle aus unserer Beratungstätigkeit verdeutlichen, wie gravierend die Folgen schlechter Datenqualität sein können.

Fall 1: Der unsichtbare Verbrauchsanstieg. Ein Bürogebäude zeigte im Monitoring einen stabilen Stromverbrauch über drei Jahre. Eine Betriebsoptimierung wurde als unnötig beurteilt. Bei einer routinemässigen Überprüfung stellte sich heraus, dass der Stromzähler seit einem Wechsel den Wandlerfaktor nicht berücksichtigte und nur ein Zwanzigstel des tatsächlichen Verbrauchs anzeigte. Der reale Verbrauch war nicht stabil, sondern deutlich angestiegen, und das Gebäude hatte erhebliches Einsparpotenzial.

Fall 2: Die falsche Einsparung. Nach der Sanierung einer Lüftungsanlage zeigte das Monitoring eine Verbrauchsreduktion von 35 Prozent. Das Ergebnis wurde als grosser Erfolg kommuniziert. Eine spätere Analyse zeigte, dass im selben Zeitraum eine Datenlücke von drei Wochen bestand, die bei der Summierung übersehen worden war. Die tatsächliche Einsparung betrug rund 15 Prozent, immer noch ein gutes Ergebnis, aber deutlich weniger als berichtet.

Fall 3: Die verschwundene Wärme. Ein Mehrfamilienhaus zeigte einen auffällig niedrigen Heizverbrauch. Die Bewohner beschwerten sich jedoch über kalte Wohnungen. Die Ursache: Der Wärmemengenzähler lieferte Werte in MJ, das System interpretierte sie als kWh. Der angezeigte Verbrauch war um den Faktor 3,6 zu niedrig. Nach der Korrektur zeigte sich, dass der Heizverbrauch tatsächlich überdurchschnittlich hoch war, was die Beschwerden erklärte und eine Betriebsoptimierung auslöste.

Datenqualität als organisatorische Aufgabe

Datenqualität ist nicht nur ein technisches, sondern auch ein organisatorisches Thema. Die technischen Massnahmen, Abnahmetests, Alarme, Kalibrierung, funktionieren nur, wenn die Verantwortlichkeiten klar geregelt sind.

Wer prüft die Daten? Wer reagiert auf Alarme? Wer dokumentiert Zählerwechsel? Wer vergleicht die Monitoring-Daten mit den Rechnungen des Energieversorgers? In vielen Organisationen sind diese Fragen nicht beantwortet, und die Datenqualität leidet darunter.

Die Lösung ist ein einfaches Qualitätssicherungskonzept, das in den regelmässigen Betriebsablauf integriert wird. Es muss nicht aufwendig sein: eine monatliche Prüfung der Vollständigkeit, ein halbjährlicher Abgleich mit den Versorgerrechnungen und eine jährliche Überprüfung der Zählerkonfiguration decken die wichtigsten Risiken ab.

Wie WENGET vorgeht

In jedem Monitoring-Projekt beginnen wir die Auswertung mit einer Datenqualitätsprüfung. Bevor wir die erste Kennzahl berechnen, prüfen wir Vollständigkeit, Plausibilität, Konsistenz und Kontinuität der Daten. Diese Prüfung dauert je nach Datenmenge und Komplexität einige Stunden bis einen Tag, spart aber ein Vielfaches an Zeit, die sonst für die Fehlersuche in den Auswertungsergebnissen aufgewendet würde.

Bei langfristigen Monitoring-Mandaten richten wir automatische Qualitätsprüfungen ein: fehlende Daten werden sofort gemeldet, Plausibilitätsgrenzen werden für jeden Messpunkt definiert, und Zählerstandssprünge lösen einen Alarm aus. So wird die Datenqualität laufend überwacht und Probleme werden erkannt, bevor sie die Auswertung verfälschen.

Normative Grundlagen zur Datenqualität

Die ISO 50001 (Energiemanagementsystem) fordert explizit, dass die Organisation die Messdaten, auf denen ihr Energiemanagement basiert, auf ihre Eignung und Genauigkeit prüft. Die Norm verlangt einen dokumentierten Messmanagementplan und regelmässige Überprüfungen der Messeinrichtungen.

Die ISO 50002 (Energieaudits) stellt ähnliche Anforderungen an die Datenbasis: Die Daten, auf denen ein Energieaudit basiert, müssen hinsichtlich Vollständigkeit, Genauigkeit und Aktualität geprüft werden. Fehlende oder unzuverlässige Daten müssen im Auditbericht transparent gemacht werden.

Diese normativen Anforderungen sind auch für Organisationen relevant, die kein zertifiziertes Managementsystem betreiben. Sie formulieren Best Practices, die jede systematische Energieauswertung befolgen sollte, um zu belastbaren Ergebnissen zu kommen.

Querverweise zu unseren Fachbeiträgen

• Wie ein belastbarer Messstellenplan entsteht, behandelt unser Beitrag zum Messkonzept.
• Wie Monitoring-Daten richtig gelesen werden, zeigt unser Beitrag zu Einsparpotenzialen.
• Wie Klimakorrektur und Benchmarking korrekt gerechnet werden, vertieft unser Beitrag zu Heizgradtagen und Witterungsbereinigung.

Fazit

Datenqualität ist keine Nebensache, sondern die Grundlage jeder belastbaren Aussage im Energiemonitoring. Falsche Daten führen zu falschen Schlüssen und zu falschen Massnahmen. Die systematische Prüfung vor der Auswertung, die präventiven Massnahmen bei der Installation und der geregelte Umgang mit Datenfehlern sind keine akademische Pflichtübung, sondern praktischer Selbstschutz. Wer seine Datenqualität im Griff hat, kann seinen Ergebnissen vertrauen und daraus die richtigen Entscheide ableiten.

Sie haben Fragen dazu?

Sie vermuten Datenprobleme in Ihrem Monitoring, oder Sie möchten Ihre Datenqualität systematisch prüfen? Wir analysieren Ihre Messdaten, identifizieren Fehlerquellen und richten automatische Qualitätsprüfungen ein. Sprechen Sie mit uns. Weitere Beiträge zu Energieeffizienz, Monitoring und Gebäudeautomation finden Sie unter wenget.ch/insights.

Quellenverzeichnis

• DIN EN ISO 50001:2018, Energiemanagementsystem (Datenqualität, Messmanagement)
• ISO 50002: Energieaudits (Anforderungen an Datenbasis)
• SIA 380:2022, Grundlagen für energetische Berechnungen (Bezugsgrössen, Witterung)
• BFE: Energiecontrolling-Leitfaden
• Eigene Analysebeispiele und Projekterfahrungen der WENGET GmbH