KI-Zählerstandserfassung in Ihrebestehende Abrechnungspipeline einfügen

Eine Einwohnerin von Rocky Mount, North Carolina, postete im Januar 2026 eine Tabelle auf Facebook. Sie hatte sie in einer Stunde erstellt – ein Google Sheet zur Berechnung eines Jahres mit 28–33-tägigen Zählerablesezyklen, unter Auslassung von Wochenenden und Feiertagen, mit Rechnungsdatum 5 Tage nach der Ablesung und Fälligkeit 28 Tage später. Zwei Prüfspalten sollten Formelfehler abfangen. Die Stadt Rocky Mount, so schrieb sie, brauche 45 bis 60 Tage für dieselbe Aufgabe. Was in diesen 45 Tagen passiert, ist keine Berechnung. Es ist Übertragung – der Schritt zwischen Zählerfoto und Abrechnungstabelle, der Stunden frisst und Fehler einschleust, die niemand bemerkt, bis ein Einwohner zum Telefon greift.

Integration der KI-Zählerstandserfassung – KI-Extraktion speist Google-Sheets-Abrechnungspipeline, ohne nachgelagerte Formeln zu beeinträchtigen

Wichtige Erkenntnisse

  1. 180 Abrechnungsfehler pro Jahr bei einem 3.000-Zähler-Versorger – und hinter jedem steckt ein Bewohner, der seine eigene Tabelle erstellt hat, um nachzuverfolgen, was der Versorger eigentlich nachverfolgen sollte.
  2. Keine noch so große Schulung senkt die menschliche Fehlerquote bei der Zifferneingabe unter 0,5 Prozent, denn diese Grenze ist physiologisch bedingt, kein Trainingsdefizit.
  3. ImageToTable.ai füllt die Spalte „Aktueller Stand“ aus Zählerfotos und hört dort auf, sodass alle Gebührentabellen und Kanalgebührenformeln rechts daneben exakt so funktionieren wie zuvor.

Die Zählerablese-Pipeline, die Ihr Versorger bereits betreibt

Beschreiben wir die Pipeline. Nicht die, die Sie vielleicht eines Tages bauen, sondern die, die gerade läuft. Ein Zählerableser – Außendiensttechniker, Vertragsarbeiter oder der Gemeindeschreiber, der mehrere Aufgaben übernimmt – geht oder fährt eine Route. An jeder Station öffnen sie einen Zählerkasten, lesen die Ziffern eines Wasserzählers oder die Skalen eines Gas- oder Stromzählers ab und notieren die Zahl. In den kleinsten Versorgungsbetrieben lebt diese Aufzeichnung auf einem Klemmbrett. In den meisten ist es ein mit dem Smartphone aufgenommenes Foto. Zurück im Büro wandern diese Zahlen vom Foto zur Tastatur – einzeln in eine Tabelle eingegeben, in der die Abrechnungsberechnungen stattfinden.

Die Abrechnungstabelle ist wahrscheinlich das am sorgfältigsten gepflegte Dokument im Büro. Sie hat eine Spalte Vorheriger Stand und eine Spalte Aktueller Stand. Sie subtrahiert einen vom anderen, um den Verbrauch zu ermitteln. Sie wendet die richtige Tarifstufe an – so viele Dollar pro tausend Gallonen für den ersten Verbrauchsblock, ein anderer Satz für den nächsten, plus eine Abwassergebühr. Eine Fälligkeitsformel löst 28 Tage nach dem Rechnungsdatum aus. Diese Formeln haben jemanden Monate und mehrere Abrechnungszyklen gekostet, um sie richtig hinzubekommen. Niemand möchte sie anfassen.

Der Leitfaden für bewährte Verfahren des Washington State Auditor fasst die Wahrheit über diese Pipeline in seinem ersten Satz zusammen: „Das Erfassen genauer, vollständiger Zählerdaten ist nicht nur für die Erhebung der angemessenen Einnahmen zum Betrieb des Versorgungsunternehmens unerlässlich, sondern auch für die Gewährleistung einer positiven Kundenerfahrung und eines positiven öffentlichen Images.“ Die Daten müssen stimmen. Die Pipeline selbst – die Abfolge der Schritte vom Ablesen bis zur Rechnung – ist nicht kaputt. Aber ein Schritt darin ist es.

Wo die Pipeline bricht – jeden Abrechnungszyklus

Die American Water Works Association erfasst die Abrechnungsgenauigkeit als formale Benchmark – Fehler pro 10.000 Abrechnungen. In ihrer Benchmarking-Erhebung 2019 verzeichnete der durchschnittliche Wasserversorger 9,8 Abrechnungsfehler pro 10.000 Rechnungen. Das obere Quartil lag bei 1,8. Die Stadt Denton, Texas, stellte in einem Audit von 2021 fest, dass 89 % der kleinen Wasserzähler bei Tests nach AWWA-Standards mindestens einen Genauigkeitstest nicht bestanden – aber das waren mechanische Ausfälle. Die Fehler, um die es in diesem Artikel geht, treten früher auf: der Eingabefehler, der 30 Einheiten Verbrauch Konto 1042 statt Konto 1024 zuweist, oder die vertauschte Ziffer, die aus 138 die 183 macht, bevor eine Formel sie berührt.

Manuelle Dateneingabe ist die fragile Schnittstelle in jeder Zählerablese-Pipeline. Das O*NET-Berufsprofil für Zählerableser beschreibt die Kernaufgabe schlicht: "Zähler ablesen und Verbrauch erfassen." Der Erfassungsteil – ob auf Papier, in ein Handgerät oder direkt in eine Tabelle – ist der Punkt, an dem Kognition auf Tastenanschläge trifft. Diese Schnittstelle produziert Fehler in einer Rate, die mit der Menge steigt. Ein Versorger mit 3.000 monatlich abgelesenen Zählern generiert 36.000 Erfassungsereignisse pro Jahr. Bei einer konservativen menschlichen Fehlerrate von 0,5 % – weit unter den in Datenstudien üblichen 1–3 % – sind das 180 Fehler, die sich in Abrechnungskorrekturen, Kundenanrufe und Vertrauensverlust auswirken.

Und diese Fehler verursachen versteckte Kosten, die auf keiner Rechnung erscheinen. Als die Bewohnerin von Rocky Mount in einer Stunde einen Abrechnungskalender in einer Tabellenkalkulation erstellte, wollte sie nicht das System der Stadt ersetzen – sie prüfte es. Bewohner, die eigene Tracking-Tabellen erstellen, sind Bewohner, die der erhaltenen Rechnung nicht vertrauen. Dieses Vertrauensdefizit ist die Folge eines einzigen Tippfehlers vor drei Abrechnungszyklen.

Das Problem ist nicht die Tabellenkalkulation. Es ist die Übergabe. Keine der Formeln, die den Verbrauch berechnen, gestaffelte Tarife anwenden oder Fälligkeitsdaten generieren, muss geändert werden. Was geändert werden muss, ist die Art und Weise, wie die Zahlen von einem Telefonbildschirm in die Spalte „Aktueller Zählerstand" gelangen.

Das Vier-Schichten-Integrationsmodell: Was sich ändert und was nicht

Der einfachste Weg, die Integration von KI in eine Pipeline von der Zählerablesung bis zur Abrechnung zu betrachten, ist die Aufteilung des Workflows in vier Schichten. Jeder Versorger durchläuft diese vier Schichten, ob er sie benannt hat oder nicht. Die Integration erfolgt in genau einer davon.

1
Feld-Ebene — Keine Änderung. Eine Person besucht den Zähler. Sie fotografiert das Zifferblatt oder Digitaldisplay mit einem Smartphone oder Handgerät. Dieser Schritt funktioniert genauso wie heute. Der einzige Unterschied: Das Foto wird direkt über die Add-On-Seitenleiste in Google Sheets hochgeladen, anstatt später zur visuellen Ablesung geöffnet zu werden. Gleiche Anzahl Fotos, gleiche Route, gleicher Außendienstmitarbeiter.
2
Extraktions-Ebene — Die einzige Änderung. Hier liest die KI den Zählerstand aus jedem Foto aus. Ein Abrechnungssachbearbeiter öffnet die Google Sheets-Seitenleiste, wählt die hochgeladenen Zählerfotos aus und gibt an, welche Spaltennamen extrahiert werden sollen – Kundennummer, Zählerstand, Zähler-ID. Die KI verarbeitet jedes Foto, indem sie das Zifferblatt und die Ziffernfolge versteht – nicht durch Vorlagenabgleich – und trägt die Daten in die Tabellenspalten ein. Dieser Schritt ersetzt das manuelle Abtippen der Zählerstände. Sonst nichts.
3
Berechnungsebene — keine Änderung. Die Abrechnungsformeln — =C2-B2 für den Verbrauch, das =VLOOKUP(), das die richtige Tarifstufe ermittelt, das =EOMONTH(), das das Fälligkeitsdatum setzt — befinden sich alle in den Spalten rechts der extrahierten Daten. Die KI greift diese Spalten nie an. Sie befüllt nur die Spalten, die Sie im Extraktionsschritt explizit benennen, und diese Spalten stehen stets vor den Formelspalten. Die Rechenlogik der Tabelle weiß nicht und interessiert sich nicht dafür, ob die Zahlen in B2 und C2 per Tastatureingabe oder per KI eingetroffen sind — sie führt einfach die Formeln aus. Jede gestaffelte Tarifregel, jede Kanalgebührenberechnung, jede saisonale Anpassung funktioniert weiterhin genau wie zuvor.
4
Ausgabeschicht — keine Änderung. Rechnungen werden versendet. Kontoauszüge werden gedruckt oder per E-Mail versandt. Zahlungseinträge werden aktualisiert. Falls Ihr Versorgungsunternehmen eine spezielle Abrechnungsplattform wie Black Mountain Software, Rural Billing oder gWorks nutzt, ist der Tabellenexport — dieselbe CSV, die Sie schon immer an das Abrechnungssystem gesendet haben — im Format identisch. Die Plattform erhält dieselben Spalten in derselben Reihenfolge mit denselben Datentypen. Sie kann nicht unterscheiden, ob ein Zählerstand manuell eingegeben oder per KI extrahiert wurde.

Die einzige Spalte in Ihrer Tabelle, die sich ändert, ist die mit der Bezeichnung Aktueller Zählerstand – und sie ändert sich von „von Hand eingegeben" zu „per KI aus einem Foto extrahiert". Alles rechts davon bleibt unberührt. Alles links davon – die Kontonummer, die Zähler-ID, die Routennummer – gelangt über denselben Extraktionsschritt. Die Formeln, die den Abrechnungslauf ermöglichen, bleiben unverändert. Der Export, der die Abrechnungsplattform speist, ändert sein Format nicht. Der Kunde, der die Rechnung erhält, merkt nichts und muss es auch nicht.

Die entscheidende Übergabe: Von der KI-Extraktion zu Ihren Tariftabellen

Hier ist das konkrete Spaltenlayout, das diese Integration ermöglicht. Öffnen Sie Ihre Zählerstand-Tabelle. Sie sieht vermutlich in etwa so aus:

Konto-Nr.Zähler-IDVorheriger StandAktueller StandVerbrauchTarif Stufe 1Tarif Stufe 2AbwassergebührGesamtbetrag
A-1042WM-55013.4203.458=D2-C2=E2*$R$1=MAX(0,E2-1000)*$R$2=E2*$S$1=F2+G2+H2

Die grün markierten Spalten – Konto-Nr., Zähler-ID, Aktueller Stand – werden von der KI befüllt. Die Spalten rechts, beginnend mit Verbrauch, enthalten Formeln. Die KI schreibt in die Extraktionsspalten und stoppt dort. Sie wertet die Formelspalten nie aus. Sie überschreibt sie nicht. Wenn eine Spalte =D2-C2 enthält, bleibt diese Formel unverändert, egal was die KI in C2 schreibt.

Diese Trennung ist die architektonische Garantie, die die Integration sicher macht. Die Extraktion erfolgt in einer Art Dateneingabezone – einem Satz von Spalten, die für die Eingabe reserviert sind. Die Berechnungszone, beginnend mit Spalte E, ist unabhängig davon, wie die Daten in die Spalten A bis D gelangt sind. Ob der Zählerableser "3458" eingetippt oder die KI "3458" aus einem Foto extrahiert hat – die Formel in E2 liefert dasselbe Ergebnis.

Bei Versorgungsunternehmen mit komplexen Tarifstrukturen – gestaffelten Blocktarifen mit höheren Kosten für höhere Verbrauchsstufen, saisonalen Zuschlägen in den Sommermonaten oder Abwassergebühren, die als Prozentsatz des Wasserverbrauchs berechnet werden – ist diese Trennung noch wichtiger. Die Erstellung und Überprüfung dieser Tarifformeln anhand von Testabrechnungen dauerte oft Monate und erforderte einen Berater oder einen besonders engagierten Sachbearbeiter. Ein Fehler ist keine Option. Mit diesem Spaltenlayout sind Fehler unmöglich – die Formeln bleiben in Zellen, die der Extraktionsprozess nie berührt.

Validierungsschritt: Überprüfen Sie nach der Extraktion drei Ablesungen stichprobenartig mit den zugehörigen Quellfotos. Wenn die Spalte „Vorheriger Zählerstand“ ebenfalls in Ihrer Tabelle vorhanden ist, fügen Sie eine Validierungsspalte hinzu: =IF(AND(D2>C2,D2>0,C2>=0),"OK","PRÜFEN"). Dies erfasst Nullablesungen, negativen Verbrauch und die seltenen Fälle, in denen die KI ein Zifferblatt falsch abliest – und das alles vor dem Start des Abrechnungslaufs. Der AWWA-Benchmark für Abrechnungsgenauigkeit (1,8 Fehler pro 10.000 Rechnungen bei Spitzenleistung) wird erreichbar – nicht weil KI niemals Fehler macht, sondern weil die Fehler, die KI macht, in einer Validierungsspalte sichtbar sind, statt unsichtbar in einer manuell eingegebenen Zelle zu verschwinden.

Was das Google Sheets-Add-on ändert – und was es unberührt lässt

Wenn Ihre Abrechnungstabelle bereits in Google Sheets lebt, fügt sich das Add-on ohne Dateikonvertierung in den Workflow ein. Öffnen Sie das Blatt, das Sie bereits für die Abrechnung nutzen. Öffnen Sie die Seitenleiste. Laden Sie die Zählerfotos hoch – sortiert nach Route, Charge oder Konto. Die Seitenleiste sendet jedes Bild an die Extraktions-Engine, die strukturierte Daten in die von Ihnen festgelegten Spalten zurückgibt. Die Extraktions-Engine verwendet ein visuelles Sprachmodell – keine vorlagenbasierte OCR – das heißt, sie liest Zifferblätter, indem sie versteht, wie ein Messgerät aussieht, nicht durch Abgleich mit einem Referenzbild eines bestimmten Zählermodells. Ein analoges Zifferblatt eines Neptune-Zählers aus den 1990ern und ein digitales Register eines Badger-Meters von 2023 werden durch denselben Mechanismus verarbeitet.

Eine Schritt-für-Schritt-Anleitung zur Extraktion – wie Sie Ihre Spalten speziell für Zählerstände benennen, wie Sie Fotos von Rollenzählwerken im Vergleich zu analogen Zifferblättern handhaben, wie Sie Batch-Uploads nach Route organisieren – finden Sie im begleitenden How-to-Artikel zur Zählerstandsextraktion mit dem Sheets-Add-on. Dieser Artikel führt durch die Einrichtung. Dieser hier beantwortet die Frage, die Sie davon abhält, es überhaupt einzurichten: Wird es meine Abrechnung zerstören?

Die Antwort ist architektonisch, nicht wunschdenkerisch. Das Add-on schreibt in die von Ihnen bestimmten Spalten. Ihre Formeln leben in anderen Spalten. Solange Sie dem Add-on nicht explizit sagen, in eine Formelspalte zu schreiben – was erfordert, sie als Extraktionsziel zu benennen – bleiben diese Formeln unberührt. Das ist kein Versprechen zur Genauigkeit. Es ist eine Aussage darüber, wie das Tool konzipiert ist: Dateneingabebereich und Berechnungsbereich sind standardmäßig getrennt.

JPG/PNG/PDF KI-Extraktion

Dateien werden sicher verarbeitet und nicht gespeichert.

Wenn der Zählerableser nie die Tabelle sieht

In vielen kleinen Versorgungsunternehmen sind die Person, die den Zähler fotografiert, und die Person, die die Abrechnungstabelle führt, zwei verschiedene Personen – manchmal in zwei verschiedenen Städten. Der Zählerableser geht die Route ab, macht Fotos und sendet sie ins Büro. Der Abrechnungssachbearbeiter erhält sie, gibt die Zählerstände ein und führt den Abrechnungszyklus durch. Die Verbindung zwischen diesen beiden Personen – E-Mail-Anhänge, gemeinsame Laufwerke, Messaging-Apps – ist der Ort, an dem Fotos verloren gehen, falsch benannt oder dem falschen Konto zugeordnet werden.

Das Google Sheets-Add-on löst dies mit einem Mechanismus namens Collection Link: eine teilbare URL, über die jeder Dokumente direkt in Ihre Verarbeitungswarteschlange hochladen kann – ohne ImageToTable.ai-Konto oder Google-Sheets-Anmeldung. Ein Außendienstmitarbeiter mit einem Collection Link kann direkt nach Abschluss einer Route Zählerfotos von seinem Handy hochladen. Die Fotos landen im Konto des Abrechnungssachbearbeiters, bereit zur Extraktion. Der Link erfordert einen kurzen Verifizierungscode, um Spam-Uploads zu verhindern, und der Techniker sieht nie die Abrechnungstabelle – nur die Upload-Seite. Für Versorgungsunternehmen, die bereits Optionen jenseits des Google Sheets-Add-ons erkunden, funktioniert derselbe Mechanismus über die Haupt-Web-App, die Sie unter der Demo zur Zählerstandserfassung erkunden können.

Diese Trennung – Außendienst lädt hoch, Büropersonal extrahiert und rechnet ab – spiegelt die Arbeitsteilung wider, die die meisten kleinen Versorgungsunternehmen bereits pflegen. Der einzige Unterschied: Statt Fotos in einen gemeinsamen Ordner hochzuladen und dann manuell jedes einzelne zu übertragen, geht der Upload direkt in die Extraktionswarteschlange, und der Abrechnungssachbearbeiter führt den KI-Verarbeitungsschritt aus. Der Außendienst tut genau das, was er bereits tut (Zähler fotografieren). Das Abrechnungspersonal tut genau das, was es bereits tut – minus dem Tippen.

Abrechnungspipelines, die in Ihrem gesamten Betrieb gleich funktionieren

Das hier beschriebene Integrationsmodell – Fotos rein, strukturierte Daten in eine Tabelle, nachgelagerte Formeln unberührt – ist nicht auf die Zählerstandserfassung beschränkt. Es ist dieselbe Architektur, die hinter mehreren anderen Versorgungs- und Geschäftsworkflows steckt:

Allen diesen Pipelines liegt dasselbe Prinzip zugrunde: Die KI übernimmt ausschließlich die Extraktionsebene. Die Geschäftslogik – Tariftabellen, Genehmigungsregeln, Abgleichsformeln, Steuerberechnungen – bleibt in der Tabelle, genau dort, wo diejenigen, die sie erstellt haben, sie platziert haben. Für Versorgungsunternehmen, die verstehen möchten, wie sich KI-Extraktion zu anderen Zählerablesemethoden verhält – AMR-Hardware, Smart-Meter-Rollouts, manuelle Handgeräte – bietet der Vergleichsartikel zum Feldeinsatz einen Entscheidungsrahmen hinsichtlich Genauigkeit, Kosten und Einführungszeitplan.

Häufig gestellte Fragen

Überschreibt die KI meine Abrechnungsformeln?

Nein. Die KI schreibt nur in die von Ihnen als Extraktionsziele festgelegten Spalten. Wenn Ihre Formeln in den Spalten E bis J stehen und Sie die Spalten A bis D für die Extraktion bestimmen, berührt die KI die Spalten E bis J nie. Die Zuordnung der Extraktionsspalten ist explizit – Sie geben die Spaltennamen in der Seitenleiste des Add-ons ein, und die Daten werden nur in diesen Spalten eingetragen. Eine Formel in Spalte E, die auf Daten in Spalte D verweist, funktioniert weiterhin, da der Verweis auf die Zelle und nicht darauf erfolgt, wie die Daten dorthin gelangt sind.

Was passiert, wenn die KI eine Ziffer auf einem Zifferblatt falsch liest?

Dasselbe, was passiert, wenn ein Mensch eine Ziffer falsch liest: Ein Fehler gelangt in die Spalte „Aktueller Stand“. Mit der KI-Extraktion können Sie ihn jedoch vor dem Abrechnungslauf abfangen. Fügen Sie eine Validierungsspalte hinzu, die den extrahierten Stand mit dem vorherigen Stand vergleicht – eine Formel wie =WENN(UND(D2>C2;D2>0;C2>=0);"OK";"PRÜFEN") kennzeichnet sofort anomale Werte (negativer Verbrauch, Nullstände, unmögliche Sprünge). Manuell eingegebene Fehler hingegen bleiben unsichtbar, bis ein Kunde die Rechnung beanstandet. Eine detaillierte Betrachtung der Ursachen von Extraktionsfehlern bei Zählerfotos finden Sie in der Analyse häufiger Fehlerursachen.

Funktioniert das mit analogen Drehspulmessgeräten oder nur mit digitalen Zählwerken?

Beides. Die Extraktions-Engine verwendet ein visuelles Sprachmodell, das Zifferblätter anhand ihrer visuellen Struktur erkennt – Zeigerpositionen auf analogen Skalen, Ziffernfolgen auf Rollenzählwerken – und nicht durch Abgleich mit einer bekannten Vorlage. Ein Foto eines analogen Wasserzählers mit vier Zifferblättern (Neptune, Sensus, Badger – jede Marke) und ein Foto eines LCD-Digitalzählwerks werden mit demselben Mechanismus verarbeitet. Die Genauigkeitsmarke von 99 % für gedruckte Daten gilt für klare, gut ausgeleuchtete Fotos beider Typen. Stark verwitterte Zifferblätter oder Fotos aus extremen Winkeln verringern die Genauigkeit, genau wie für einen menschlichen Betrachter, der dasselbe Bild zusammenkneift.

Kann ein Außendienstmitarbeiter Fotos direkt hochladen, oder muss das der Abrechnungssachbearbeiter tun?

Beide Modelle funktionieren. Arbeitet der Techniker von einem Telefon aus, senden Sie ihm einen Erfassungslink – er öffnet ihn, gibt einen Bestätigungscode ein, lädt die Fotos hoch, und die Dateien erscheinen in der Warteschlange des Abrechnungssachbearbeiters. Wenn der Sachbearbeiter die Uploads übernimmt, kann er Fotos direkt in die Google Sheets-Seitenleiste ziehen. Keine der Optionen erfordert, dass der Außendienstmitarbeiter die Abrechnungstabelle sieht oder darauf zugreift. Für Versorgungsunternehmen, die über eine einzelne Tabelle hinauswachsen, behandelt der Leitfaden für Skalierung die Stapelverarbeitung über Tausende von Zählern.

Unsere Abrechnungstabelle verwendet Excel, nicht Google Sheets. Funktioniert das trotzdem?

Das Google Sheets-Add-on benötigt Google Sheets für den Workflow zur Datenextraktion in der Tabelle. Wenn Ihre Abrechnungstabelle in Excel vorliegt, haben Sie zwei Optionen: (1) Migrieren Sie die Tabelle zu Google Sheets – Abrechnungsformeln werden in den meisten Fällen sauber übertragen, da Kernfunktionen wie SVERWEIS, WENN, SUMME und Datumsarithmetik auf beiden Plattformen identisch funktionieren; oder (2) nutzen Sie die Haupt-Web-App, um Zählerfotos zu verarbeiten und die Ergebnisse als Excel-Datei herunterzuladen. Fügen Sie dann die extrahierten Werte in Ihre bestehende Tabelle ein. Der Extraktionsschritt ist in beiden Fällen identisch – nur die Auslieferungsmethode unterscheidet sich. Weitere Informationen zum Extraktionsworkflow unabhängig vom Sheets-Add-on finden Sie im Leitfaden zur KI-gestützten Zählerablesung ohne Smart Meter.

Wie viele Zählerfotos kann ich auf einmal verarbeiten?

Das Add-on unterstützt den Batch-Upload – wählen Sie mehrere Fotos einer Route aus und verarbeiten Sie sie gemeinsam. Jedes Foto wird unabhängig extrahiert, und die Ergebnisse werden in aufeinanderfolgenden Zeilen Ihrer Tabelle eingefügt. Ihr Tarifkontingent bestimmt, wie viele Seiten Sie pro Monat verarbeiten können. Eine typische Route mit 200–300 Zählern kann in einer einzigen Batch-Sitzung verarbeitet werden. Die Verarbeitungszeit pro Foto beträgt etwa 5–10 Sekunden – eine ganze Route wird in der Zeit verarbeitet, die Sie für einen Kaffee brauchen, nicht für das manuelle Eintippen von 300 Werten.

Die Pipeline funktioniert bereits.

Ihre Tariftabellen sind korrekt. Ihre Abrechnungsformeln wurden über drei Geschäftsjahre getestet. Der Export, der Black Mountain Software, Rural Billing oder eine andere Plattform Ihres Versorgungsunternehmens speist, muss sein Format nicht ändern. Das Einzige, was geändert werden muss, ist, wie die Zahlen von einem Zählerfoto in die Spalte „Aktueller Stand“ gelangen. Diese Änderung passt in einen einzigen Schritt und lässt alles andere unverändert.

📮 contact email: [email protected]