Dieser Artikel zeigt die positiven Wirkeffekte des gezielten Einsatzes von Data Analytics im Umfeld von Energiedaten auf, um ein nutzerzentriertes Energy Information System (EIS) für Privatkunden zu designen. Auf Basis der Methode des Design Science Research wurden aus realen Nutzerproblemen literaturbasiert 30 Meta-Requirements abgeleitet, die als Ausgangslage für 5 Design Principles (DP) zur Lösung dieser praxisrelevanten Problemstellung dienen. Diese führen anschließend zur Erstellung von 17 Design Features (DF) als konkrete Anweisungen für die Implementierung eines EIS. Zur Evaluation wurden die DPs und DFs mit der Methode des Analytic Hierarchy Process (AHP) bewertet und in eine Rangfolge gebracht. Die Ergebnisse zeigen, dass die Implementierung von Standardfunktionen zur Deckung des Informationsbedarfs von Privatkunden (DP 1) die höchste Priorität haben sollte, gefolgt von der Zerlegung des Energieverbrauchs eines Haushaltes bis hin zu einzelnen Geräten (DP 4). Auch die Priorisierung der DFs liefern unmittelbare Hinweise für die praktische Umsetzung eines EIS, in Form einer Neuimplementierung oder Erweiterung von bestehenden Systemen, und geben ebenfalls eine Indikation welche DFs nicht mit höchster Priorität umgesetzt werden müssen bzw. obsolet sind. Die erzeugten Erkenntnisse sind dabei generalisierungsfähig und auch auf andere Domänen anwendbar.