Erschwingliche Zählerstandserfassung
für kleine Versorgungsunternehmen ohne IoT

Die Kapital-Lücke bei Smart Metern: Warum 64 % der US-Zähler noch mechanisch sind

Die Erzählung der Smart-Meter-Branche ist in sich schlüssig: Das manuelle Ablesen ist langsam und fehleranfällig, Smart Meter liefern Echtzeitdaten, und der ROI rechtfertigt die Investition über 8 bis 12 Jahre. Die Stadt Bryant, Arkansas, ist eine überzeugende Fallstudie — nach dem Einsatz von Metron-Cellular-Smart-Metern reduzierte die Stadt den Nicht-Erlös-Wasserverlust von 18–30 % auf 4 %, eliminierte 5.000 monatliche manuelle Ablesungen und holte Hunderttausende an verlorenem Umsatz zurück. Das ist echtes Geld. Aber Bryant ist eine Stadt mit kommunaler Anleihefähigkeit. Ein Wasserverband, der 800 ländliche Anschlüsse mit einem jährlichen Betriebsbudget von 1,5 Millionen Dollar versorgt, hat keine Anleihefähigkeit — er hat ein Klemmbrett und einen Teilzeit-Ableser.

Die Zahlen erklären, warum 63,84 % der US-Wasserzähler-Endpunkte noch mechanisch sind, laut Mordor Intelligences US-Wasserzähler-Marktbericht 2025. Bei 150 bis 300 Dollar pro Smart-Meter-Endpunkt — eine Zahl, die sowohl durch Branchenforschung als auch durch die veröffentlichten Preise von Sensus, Neptune, Badger Meter und Itron bestätigt wird — kostet eine Nachrüstung von 2.000 Zählern 300.000 bis 600.000 Dollar allein für die Hardware. Addiert man Grabungsarbeiten, Installationsarbeit, Netzwerk-Gateways und Mobilfunk-Datenabonnements, können die Gesamtkosten in ländlichem Gelände 1.000 Dollar pro Zähler übersteigen. Die Bewertung 2024 der Federal Energy Regulatory Commission berichtet von einer AMI-Durchdringung unter 50 % in den Volkszählungsdivisionen Mittelatlantik und Neuengland — Regionen mit vielen kleinen ländlichen Versorgungsunternehmen. Fast zwei Drittel der Wasserzähler des Landes warten noch auf das Kapitalbudget, das vielleicht nie kommt.

Das ist kein Argument gegen Smart Meter. Es ist ein Argument dafür, dass ein Verband mit 2.000 Zählern eine Brücke zu strukturierten Daten braucht, die nicht den Austausch jedes Zählers im Boden erfordert — und diese Brücke existiert bereits, angetrieben von Hardware, die das Versorgungsunternehmen bereits besitzt.

Was ein monatlicher Zählerablesezyklus tatsächlich kostet

Um zu verstehen, was Automatisierung wert ist, beginnen Sie mit den Kosten der manuellen Ablesung – nicht mit Branchendurchschnitten, sondern mit den tatsächlichen Dollar pro Ablesung aus den Tarifplänen der Versorgungsunternehmen. National Grid New York verlangt von Opt-out-Kunden eine monatliche Gebühr von 15,45 $ für die manuelle Zählerablesung sowie eine einmalige Gebühr von 72,44 $ für den Zähleraustausch. Xcel Energy in Colorado verlangt 11,84 bis 23,84 $ pro Monat für die manuelle Ablesung, plus 46 $ Anfahrtsgebühr. Der Eugene Water & Electric Board schlug eine monatliche Gebühr von 20 $ für die manuelle Ablesung bei Opt-out-Kunden mit Smart Metern vor. Das sind keine theoretischen Berechnungen – es sind tarifierte Sätze, die darauf ausgelegt sind, die tatsächlichen Kosten für den Einsatz einer Person zur Zählerablesung zu decken.

Für ein kleines Versorgungsunternehmen, das keine Gebühr pro Ablesung erhebt, schlagen die Kosten im Betriebsbudget in Form von Arbeitsstunden zu Buche. Die Branchenumfrage von WaterFM aus dem Jahr 2023 beziffert die Kosten einer manuellen Ablesung auf 18 bis 22 $, wobei die Arbeitskosten zwei Drittel bis drei Viertel der Ausgaben ausmachen. Bei 2.000 monatlich abgelesenen Zählern sind das 36.000 bis 44.000 $ pro Jahr – und das ist nur die Außendienstarbeit. Die Utility Staffing Survey 2024 ergab, dass 8,26 % der 121 befragten Versorgungsunternehmen Zählerstände noch immer von Hand eingeben – das heißt, die Backoffice-Abteilung überträgt Feldbögen Ablesung für Ablesung in das Abrechnungssystem.

Die Backoffice-Ebene ist der Ort, an dem sich die Kosten nichtlinear vervielfachen. Ein Außendiensttechniker, der an einem Tag 300 Zähler abliest, kehrt mit 300 handschriftlichen Zahlen auf einem Routenblatt zurück. Jemand im Büro – oft dieselbe Person, die sich um Abrechnung, Kundenanrufe und Serviceaufträge kümmert – verbringt 90 bis 120 Minuten damit, diese Zahlen in das Abrechnungssystem zu übertragen, unleserliche Handschrift zu entziffern und Ablesungen zu untersuchen, die außerhalb der erwarteten Bereiche liegen. Die American Water Works Association empfiehlt, Zähler in „ausreichend häufigen Abständen" abzulesen, um eine genaue Abrechnung und Wasseraudits zu unterstützen – aber die AWWA legt nicht fest, wie die Ablesungen vom Zähler in die Abrechnungsdatei gelangen. Für einen erheblichen Teil der 148.541 öffentlichen Wassersysteme des Landes lautet die Antwort immer noch: Stift, Papier und zwei Stunden Tipparbeit nach Abschluss der Route.

Die manuelle Übertragung weist eine Fehlerquote von 1 % bis 4 % pro Ablesung auf. Bei 2.000 Ablesungen pro Monat sind das 20 bis 80 Abrechnungsfehler – jeder einzelne wird von einem Kunden gemeldet, jeder erfordert eine erneute Ablesung und Korrektur, jeder verbraucht 15 bis 30 Minuten Personalzeit. Die Arbeitskosten für die Korrektur von Abrechnungsfehlern übersteigen oft die Kosten für deren Vermeidung.

Das Telefon, das der Zählerableser bereits bei sich trägt, ist das Datenerfassungsgerät

Die Smart-Meter-Alternative, die in Verkaufspräsentationen übersehen wird, ist das Gerät, das bereits in der Tasche des Zählerablesers steckt. Jedes Smartphone, das in den letzten fünf Jahren hergestellt wurde, hat eine Kamera mit ausreichender Auflösung, um ein lesbares Zählerdisplay zu erfassen – ob analoges Zifferblatt, digitales LCD-Register oder mechanischer Kilometerzähler-Stil. Die Hardware-Upgrade-Kosten sind null. Die betriebliche Änderung ist eine zusätzliche Aktion: Statt den Zählerstand aufzuschreiben, macht der Zählerableser ein Foto.

Ein Foto erfasst mehr Informationen als eine handgeschriebene Zahl je könnte. Es hält den genauen Stand zum Zeitpunkt der Aufnahme fest – keine Übertragungsmehrdeutigkeit, ob die 3 eine 3 oder eine 8 war. Es liefert visuellen Beweis, falls ein Kunde eine Rechnung anficht. Es stempelt den Ablesezeitpunkt und bestätigt, dass die Route abgeschlossen wurde. Und es bewahrt die Originaldaten, falls der Stand Tage oder Wochen später erneut überprüft werden muss. Das Problem war nie die Erfassung der Daten. Es war die Umwandlung eines Fotos in einen strukturierten Wert im Abrechnungssystem – ein Schritt, der bis vor kurzem noch einen Menschen an einer Tastatur erforderte.

Das ist die Brücke. Wenn das Telefon den Stand erfasst und KI ihn in eine Tabelle extrahiert, läuft die Datenpipeline von Zähler → Foto → Abrechnungsdatei – ohne dass ein Mensch eine einzige Zahl abtippt. Der Arbeitsablauf des Zählerablesers bleibt nahezu identisch: Zählerkasten öffnen, Register fotografieren, weiter zum nächsten. Der Back-Office-Arbeitsablauf ändert sich komplett: Statt 2.000 Zahlen von einem Routenblatt abzutippen, öffnet der Abrechnungssachbearbeiter eine Excel-Datei, die sich selbst befüllt hat.

Vom Zählerfoto zur Tabelle: Wie KI-Extraktion manuelle Eingabe ersetzt

Der Extraktionsschritt funktioniert über die sogenannte Benutzerdefinierte Spaltenextraktion: Sie definieren die gewünschten Datenfelder – Zähler-ID, Stand, Einheit (m³ oder Gallonen), Datum, Ort – und die KI lokalisiert jeden Wert in jedem Foto, indem sie versteht, was er bedeutet, nicht wo er auf der Seite steht. Das ist der Unterschied zwischen template-basierter OCR und Vision-Modell-KI. Ein Template-Tool muss für jeden Zählertyp in der Flotte angewiesen werden: „Der Stand befindet sich im oberen rechten Quadranten dieses spezifischen Badger-Recordall-Modells." Wenn der Versorger eine Mischung aus analogen Neptune-Zifferblättern, digitalen Badger-Odometern und mechanischen Sensus-Registern über 800 Anschlüsse verteilt hat, die über 30 Jahre installiert wurden, wird Template-Verwaltung zu einem weiteren Back-Office-Job.

Eine Vision-Modell-KI liest alle drei Zählertypen ohne Konfiguration, weil sie erkennt, was ein Zählerstand ist – ein numerischer Wert auf einem Registerdisplay – unabhängig davon, ob dieses Display drehende Zifferblätter, einen LCD-Bildschirm oder mechanische Zahlenräder verwendet. Sie geben die Spaltennamen einmal ein. Die KI befüllt die Tabelle aus jedem Foto im Batch. Das Konvertierungstool unter Zählerstand-zu-Excel-Extraktion verarbeitet analoge Zifferblätter, digitale Displays und gemischte Zählerflotten in einem einzigen Verarbeitungslauf – ohne Template-Einrichtung pro Zählertyp.

Batch-Verarbeitung ist der betriebliche Enabler für einen monatlichen Ablesezyklus. Statt ein Foto nach dem anderen hochzuladen, geht die gesamte Route – 200, 500 oder 2.000 Zählerfotos, organisiert nach Zähler-ID – in einen einzigen Upload. Die KI verarbeitet alle Dateien in einem Lauf und gibt eine einzige Tabelle aus, in der jede Zähler-ID ihrem Stand zugeordnet ist. Ein Credit = ein verarbeitetes Bild, sodass eine Route mit 2.000 Zählern 2.000 Credits verbraucht. Was früher zwei Stunden Transkription plus 30 Minuten Fehlerabgleich dauerte, geschieht in der Zeit, die das Hochladen eines Ordners und ein Klick auf „Verarbeiten" benötigt.

Kostenvergleich pro Zähler: Manuelle Erfassung vs. Smart Meter vs. Kamera + KI

Drei Ansätze, um einen Zählerstand ins Abrechnungssystem zu bringen. Drei grundlegend unterschiedliche Kostenstrukturen. Die folgende Tabelle modelliert die monatlichen Kosten für jede Methode bei drei Flottengrößen — 500, 1.000 und 2.000 Zähler — anhand verifizierter Daten aus Tarifplänen der Versorgungsunternehmen, Preislisten von Smart-Meter-Anbietern und der öffentlichen Preisseite von ImageToTable.ai. Für einen Tool-zu-Tool-Vergleich von neun Zählererfassungsplattformen, die mit demselben Bildsatz getestet wurden, siehe unseren Überblick über die besten Tools zur Zählerstandserfassung.

Anmerkungen zu den Zahlen: Die Kosten für die manuelle Erfassung werden mit 18–22 $ pro Stunde Bürozeit berechnet, wobei 500 Zähler bei 150 Ablesungen pro Stunde etwa 3,3 Stunden Übertragungszeit erfordern. Die Korrekturzeit für 1–4 % Fehler ist in der Spanne enthalten. Die monatlichen Kosten für Smart Meter spiegeln Mobilfunkdaten-Abonnements und AMI-Plattformgebühren nach der Anfangsinvestition wider — die Anfangsinvestition selbst amortisiert sich über eine Lebensdauer von 12 Jahren auf etwa 12,50–25 $ pro Zähler und Jahr, was aus Gründen der Lesbarkeit nicht in der monatlichen Spalte enthalten ist. Die Kosten für Kamera + KI entsprechen der öffentlichen Preisseite von ImageToTable.ai — ein Guthaben pro Zählerfoto, unbegrenzte Verarbeitungschargen.

Die Kamera- + KI-Spalte zeigt zwei Dinge. Erstens: Beim Max-Tarif (59 $/Monat, 1.500 Credits) übersteigt eine gesamte 2.000-Meter-Route das Monatskontingent – die restlichen 500 Meter kosten 0,06 $ pro Stück im Pay-as-you-go-Modell, also zusätzlich 30 $. Die Gesamtkosten pro Meter bei 2.000 Metern betragen 0,045 $. Zweitens: Der Scale-Team-Tarif für 399 $/Monat mit 10.000 Credits deckt die gesamte Route ab, inklusive Puffer für Nachlesungen, Ausnahmen und Kontrollfotos – das ergibt Kosten von 0,20 $ pro Meter, also etwa ein Zehntel der Kosten manueller Erfassung und vergleichbar mit den laufenden Datenkosten eines Smart-Meter-Systems – ohne die 300.000 $ teure Hardware-Erstinvestition.

Aber es geht nicht nur um die Kosten. Der tiefere Punkt ist, dass alle drei Ansätze dasselbe Ergebnis liefern – einen Zählerstand im Abrechnungssystem –, jedoch über völlig unterschiedliche Kapitalstrukturen. Einer erfordert 300.000 $ und eine Anleihe. Einer erfordert 36.000 $ pro Jahr an wiederkehrenden Arbeitskosten, die mit jedem neuen Anschluss steigen. Einer erfordert 708 $ pro Jahr für ein Software-Abonnement. Das operative Ergebnis ist identisch. Der Kapitalweg dorthin ist die Variable, die ein kleines Versorgungsunternehmen tatsächlich kontrollieren kann.

ImageToTable.ai-Preise für einen monatlichen Zählerablesezyklus

ImageToTable.ai arbeitet mit einem kreditbasierten System, bei dem ein Kredit einem verarbeiteten Bild oder einer PDF-Seite entspricht. Zählerfotos sind in der Regel einseitige Bilder – ein einzelnes Foto des Zählerstands entspricht einem Kredit. Der Tarif, der zu einem Ablesezyklus eines Versorgungsunternehmens passt, hängt von der Zähleranzahl ab:

Ein Wasserversorgungsunternehmen mit 800 Zählern passt bequem in den Pro-Tarif für 19 $/Monat. Das sind 228 $ pro Jahr für die Erfassung von 9.600 Zählerständen – ungefähr das, was zwei Stunden Backoffice-Transkription pro Monat kosten. Ein Unternehmen mit 2.000 Zählern liegt an der Grenze zwischen Max und Scale Team: Max deckt 1.500 Ablesungen für 59 $ ab, die restlichen 500 zu Pay-as-you-go-Sätzen (0,06 $ pro Stück = 30 $), also Gesamtkosten von 89 $/Monat. Scale Team für 399 $/Monat deckt die gesamte Route mit einem 5:1-Puffer ab – nützlich für Versorgungsunternehmen, die mehrere Winkel pro Zähler fotografieren oder strittige Ablesungen erneut prüfen. Zur Einordnung, wie sich Abonnement- und nutzungsbasierte Preise bei verschiedenen Volumenszenarien vergleichen, modelliert die Pay-as-you-go-vs.-Abonnement-Analyse den Wendepunkt, ab dem sich jeweils das eine oder andere finanziell lohnt.

Es gibt keinen Mindestvertrag, keine jährliche Bindung und keine Gebühr pro Benutzer — eine Struktur, die für saisonale Versorgungsunternehmen wichtig ist, deren Zählerablesevolumen in den Sommerbewässerungsmonaten doppelt so hoch ist und im Winter auf nahezu null sinkt. Im Juni upgraden, im Januar downgraden. Die Preisgestaltung passt sich der Route an, nicht umgekehrt. Für einen breiteren Vergleich, welche Preisstufen bei verschiedenen Dokumenttypen freischalten, siehe den 2026-Leitfaden zur Dokumentextraktion-Preisgestaltung.

Was Kamera + KI nicht ersetzt — und was es ergänzt

Ein Smartphone und KI-Extraktion ersetzen nicht den langfristigen Fall für Smart-Meter-Infrastruktur. AMI liefert Echtzeit-Verbrauchsdaten, die eine Leckerkennung innerhalb von Stunden statt Monaten ermöglichen. Es erfasst Durchflussdaten, die Versorgungsunternehmen helfen, die Kapazität des Verteilungssystems zu modellieren. Es eliminiert den Außeneinsatz vollständig — kein Zählerableser, keine Route, kein Fahrzeugeinsatz. Dies sind echte betriebliche Vorteile, die den Einsatz von Smart Metern für Versorgungsunternehmen rechtfertigen, die es sich leisten können.

Kamera + KI adressiert ein engeres, aber unmittelbareres Problem: die 2.000 Ablesungen dieses Monats genau in die Abrechnungsdatei zu bekommen, zu Kosten, die das Betriebsbudget verkraften kann, ohne auf ein Kapitalprojekt zu warten, das 3 bis 10 Jahre entfernt sein kann. Es ist die Brücke, nicht das Ziel. Und weil es mit den bereits installierten Zählern funktioniert — Neptune, Badger, Sensus oder jedem anderen mechanischen oder digitalen Register — entstehen keine versunkenen Kosten, die mit einer zukünftigen Smart-Meter-Einführung kollidieren. Die beiden Investitionen ergänzen sich: Kamera + KI digitalisiert den Ableseworkflow heute, und wenn das Kapitalbudget schließlich Smart Meter finanziert, wechselt das Versorgungsunternehmen ohne Lücke oder Komplettaustausch von foto-basierten Ablesungen zu automatisierter Datenerfassung.

Dieser gestufte Ansatz — die Datenpipeline jetzt angehen, die Hardware im eigenen Zeitplan upgraden — spiegelt den Weg wider, den viele Versorgungsunternehmen bereits gehen, ob sie es so nennen oder nicht. Die 64 % der Zähler, die noch mechanisch sind, werden nicht in einem einzigen Budgetzyklus smart. Aber der Ableseworkflow für diese 64 % kann in einem einzigen Monat digitalisiert werden. Weitere Informationen darüber, wie sich Unternehmens-Dokumentextraktionstools mit leichten Alternativen ohne Jahresverträge vergleichen, finden Sie unter Dokumentextraktion ohne Unternehmensverträge.

Häufig gestellte Fragen

Kann KI wirklich einen analogen Zählerstand von einem Handyfoto ablesen?

Ja – innerhalb derselben Genauigkeitsgrenzen, die auch für einen Menschen gelten, der denselben Zähler abliest. Das KI-Vision-Modell erkennt Zeigerpositionen, Tachometer-artige Zahlenräder und LCD-Digitalanzeigen auf Fotos. Klare, spiegelfreie Fotos liefern die besten Ergebnisse. Stark verwitterte Zähler, gesprungenes Glas oder Fotos aus extremen Winkeln können die Genauigkeit verringern. Der praktische Ansatz ist, den ersten Monat als Verifizierungslauf zu behandeln – stichprobenartig KI-extrahierte Ablesungen mit manuellen Ablesungen für 5–10 % der Route zu vergleichen –, um die Genauigkeit zu bestätigen, bevor man sich für die Abrechnung auf die Ausgabe verlässt.

Was, wenn unsere Zähler eine Mischung aus verschiedenen Marken und Typen sind?

Ein gemischter Bestand ist die Norm für kleine Versorgungsunternehmen, die über Jahrzehnte hinweg Zähler installiert haben, sobald das Budget es erlaubte. Die Extraktion von ImageToTable.ai erfordert keine Konfiguration pro Zählertyp, da sie Werte semantisch liest – sie identifiziert den numerischen Zählerstand auf jedem Zifferblatt, unabhängig davon, ob die Anzeige analog, digital oder mechanisch ist. Mit Benutzerdefinierte Spaltenextraktion definieren Sie die Ausgabespalten einmal (Zähler-ID, Ablesung, Einheit), und dieselbe Spaltenvorlage funktioniert für jeden Zählertyp im Bestand.

Wie lange dauert die Verarbeitung von 2.000 Zählerfotos?

Upload- und Verarbeitungszeit hängen von Dateigrößen und Warteschlangenvolumen ab, aber ein typischer Stapel von 2.000 Fotos wird in 30 bis 60 Minuten verarbeitet. Die Verarbeitung läuft im Hintergrund – Sie laden hoch, schließen den Browser und laden die fertige Tabelle herunter, wenn sie bereit ist. Die Extraktion selbst dauert 5–10 Sekunden pro Bild, vergleichbar mit einer einseitigen Rechnung oder Quittung.

Integriert sich das in unsere Abrechnungssoftware?

ImageToTable.ai exportiert nach Excel (XLSX), CSV und JSON – Formate, die jede Abrechnungsplattform für Versorgungsunternehmen für den Import akzeptiert. Es gibt keine direkte API-Integration mit Utility Billing Software (UBS), CUSI oder Tyler Munis, aber der Excel-Exportweg funktioniert mit jedem System, das dateibasierten Zählerstandsimport unterstützt. Die meisten Abrechnungsplattformen akzeptieren eine CSV-Datei mit Zähler-ID- und Ablesungsspalten – genau die Ausgabe, die die Extraktion erzeugt. Für Versorgungsunternehmen, die Tabellenkalkulationen als Abrechnungstracker verwenden, ist die Ausgabe selbst die Abrechnungsdatei.

Wie sieht es mit den Fotoqualitätsanforderungen für Außenzähler aus?

Zählerkästen stellen bekannte Herausforderungen dar: Blendung auf Glasabdeckungen, Kondensation im Zählerkasten, Schmutz auf dem Registerglas und schlechte Lichtverhältnisse in Kellern oder Gewölben. Der Zählerableser kann die meisten davon mit zwei Gewohnheiten beheben: Kondensation oder Schmutz vor dem Fotografieren vom Glas wischen und das Telefon so halten, dass direktes Sonnenlicht nicht auf die Abdeckung reflektiert wird. Die praxiserprobte KI-Fotoextraktion kommt mit mäßiger Blendung und Schatten besser zurecht als ein Mensch, der unter denselben Bedingungen auf ein Zählerfeld schielt – aber ein völlig unlesbares Foto (Glas mit Schlamm undurchsichtig, völlige Dunkelheit ohne Blitz) lässt sich unabhängig von der KI-Fähigkeit nicht extrahieren. Der praktische Standard lautet: Wenn ein Mensch es auf dem Foto lesen kann, kann es die KI auch.

Wie schneidet das im Vergleich zu mobilen Zählerablese-Apps wie RouteOp oder SmartReader ab?

Mobile Zählerablese-Apps optimieren die Feldseite – Routenplanung, GPS-Verifizierung und digitale Erfassung der Ablesewerte. Ein Zählerableser tippt den Wert in die App, statt ihn auf Papier zu schreiben. Was sie nicht tun, ist das Tippen zu eliminieren. Kamera + KI-Extraktion entfernt den manuellen Eingabeschritt vollständig: Der Zählerableser fotografiert den Zähler, die KI liest ihn, und der extrahierte Wert fließt in die Ausgabedatei. Die beiden Ansätze können zusammen verwendet werden – eine App für die Routenverwaltung, KI-Extraktion für die Dateneingabe – oder der eigenständige Extraktionsworkflow kann sowohl die App als auch das Klemmbrett für Versorgungsunternehmen ersetzen, die keine Routenoptimierungsfunktionen benötigen.

Gibt es eine Möglichkeit, das zu testen, bevor man sich für einen Monatsplan entscheidet?

ImageToTable.ai bietet eine kostenlose Demo ohne Anmeldung. Machen Sie ein paar Fotos von Zählern in Ihrem Bestand, laden Sie sie hoch, geben Sie die Spaltennamen ein, die Sie verwenden würden (Zähler-ID, Ablesewert, Einheit), und sehen Sie sich das Extraktionsergebnis an. Die Demo nutzt dieselbe KI-Engine wie die kostenpflichtigen Pläne. Der einzige Unterschied besteht darin, dass kostenpflichtige Pläne Batch-Verarbeitung, höheres Volumen und gespeicherte Spaltenvorlagen für die Wiederholung derselben Extraktion jeden Monat freischalten.

Die Zählerablesebranche hat zwei Jahrzehnte damit verbracht, das Argument für intelligente Infrastruktur aufzubauen – und das Argument ist solide. Aber für die 64 % der Zähler, die in ländlichen Wasserversorgungsbezirken und kleinen kommunalen Versorgungsunternehmen noch mechanisch in Zählerkästen drehen, ist die unmittelbarere Frage nicht „Wann ersetzen wir jeden Zähler?“, sondern „Wie bekommen wir die Ablesewerte dieses Monats in die Abrechnungsdatei, ohne dass jemand 2.000 Zahlen von Hand eintippt?“ Die Antwort liegt bereits in der Tasche des Zählerablesers und in einem 19-Dollar-Monatsabo, das weniger kostet als die Überstundenrechnung für einen Monatsabschluss-Zyklus. Die Hardware-Brücke zur Automatisierung muss gar keine Hardware sein.