Von Verbrauchsdaten zur Rechnung: automatische Fakturierung für eine internationale Maschinenflotte
In einem internationalen Plattformprojekt mussten Verbrauchsdaten aus mehreren Data Centern, unterschiedlichen APIs und kundenspezifischen Maschinenzuordnungen zu einem belastbaren Billing-Prozess zusammengeführt werden. Das Ergebnis war ein automatisierter Ablauf von der nächtlichen Datenerfassung bis zur Rechnungserstellung in Xero.
Albacore Technologies betrieb eine international verteilte Maschinenflotte: Standorte in Norwegen, Finnland, Äthiopien und Indonesien, jedes Data Center mit eigener Infrastruktur, eigenen Schnittstellen und eigenen Besonderheiten beim Datenzugriff. Die Herausforderung war nicht nur, Betriebsdaten abzurufen. Die eigentliche Herausforderung war, diese heterogenen Datenquellen so zu strukturieren, dass daraus ein verlässlicher, wiederholbarer und abrechnungsfähiger Prozess entstehen konnte.
Vor der Automatisierung wurden Verbrauchsdaten manuell aus verschiedenen Rechenzentren zusammengetragen, einzelnen Maschinen und Kunden zugeordnet und monatlich aggregiert. Bei einer überschaubaren Anzahl von Maschinen ist das noch handhabbar. Bei einer wachsenden Flotte mit mehreren Kunden und internationalen Standorten wird daraus schnell ein fehleranfälliger und zeitintensiver Prozess. Besonders kritisch: Billing muss nicht nur korrekt sein, sondern auch nachvollziehbar, regelmässig und skalierbar.
Der erste technische Schritt war ein gemeinsames API-Design. Da die Data Center unterschiedliche Softwarelösungen und Schnittstellen hatten, brauchte es eine Adapter-Schicht, die diese Unterschiede kapselt. Ziel war, unterschiedliche Data-Center-APIs anzubinden, Maschineninformationen standardisiert abzurufen, Verbrauchsdaten vergleichbar zu machen und eine einheitliche Datenbasis für Operations und Billing zu schaffen. Der zentrale Gedanke dabei: Nicht jedes Data Center musste gleich funktionieren. Aber die Plattform musste mit allen Data Centern auf eine einheitliche Weise arbeiten können.
Über geplante Services wurden die Energieverbrauchsdaten der Maschinen regelmässig abgerufen und in der Plattformdatenbank gespeichert. Entscheidend war dabei die Zuordnung: Welche Maschine gehört zu welchem Kunden? In welchem Data Center steht sie? Welcher Verbrauch wurde in welchem Zeitraum gemessen? Welche Daten sind für die monatliche Abrechnung relevant? Dadurch entstanden aus rohen Infrastrukturwerten nutzbare, kundenbezogene Abrechnungsgrundlagen.
Im monatlichen Billing-Lauf wurden die Verbrauchsdaten pro Kunde aggregiert und automatisch Rechnungen in Xero erstellt. Der automatisierte Prozess umfasste die Aggregation der Verbrauchsdaten, die Erstellung der Rechnungen, die Generierung von Payment Links, die Zuordnung zum jeweiligen Kunden sowie den Start definierter Mahn- und Eskalationsprozesse. Was vorher ein manueller, koordinationsintensiver Ablauf zwischen Operations und Finance war, lief nun regelbasiert und nachvollziehbar dokumentiert ab.
Ein wichtiger Bestandteil war die Eskalationslogik bei offenen Rechnungen. Wenn Zahlungen ausblieben, griffen definierte Mahnstufen mit klaren Zeitfenstern und Verantwortlichkeiten. Am Ende der definierten Eskalationslogik konnte der Betrieb betroffener Maschinen automatisiert pausiert werden. Das war kein manueller Einzelfallentscheid mehr, sondern Teil eines klar dokumentierten operativen Ablaufs.
Das Ergebnis war ein deutlich vereinfachter und weitgehend automatisierter Fakturierungsprozess: weniger manueller Aufwand im monatlichen Billing, bessere Nachvollziehbarkeit von Verbrauchsdaten, klare Zuordnung von Maschinen, Kunden und Standorten, automatisierte Rechnungserstellung mit integrierten Zahlungs- und Mahnprozessen sowie eine bessere Skalierbarkeit bei wachsender Kunden- und Maschinenanzahl. Was als technisches Projekt begann, schuf letztlich eine belastbare operative Grundlage für den kaufmännischen Betrieb der Plattform.
Die wichtigste Erkenntnis aus diesem Projekt: Billing Automation beginnt nicht in der Buchhaltungssoftware. Sie beginnt bei einem sauberen Datenmodell, klarer Ownership, stabilen Schnittstellen und einem gemeinsamen Prozessverständnis zwischen Technik, Operations und Finance. Die eigentliche Leistung lag nicht darin, Rechnungen automatisch zu erstellen. Die eigentliche Leistung lag darin, technische Betriebsdaten so zu strukturieren, dass daraus ein verlässlicher kaufmännischer Prozess entstehen konnte.