Heim-Energiemanagement für Prosumer (PV, Batterie, Wärmepumpe, E-Auto-Laden mit dynamischen Tarifen)

Ein moderner Haushalt mit Dach-PV, Batterie, Wärmepumpe und E-Auto hat mehrere flexible Verbraucher, doch Preise und Solarertrag ändern sich stündlich. Ein Heim-Energiemanagementsystem (HEMS) prognostiziert PV-Erzeugung und Verbrauch und plant dann Batterie, Wärmepumpe, Wallbox und Geräte anhand dynamischer Tarife und Signalen des Netzbetreibers ein. Das Ergebnis sind geringere Kosten, höherer Eigenverbrauch und die Einhaltung netzseitiger Steuerungsregeln – bei geringem täglichem Aufwand für die Bewohner.

Problem & Nutzen

• Heute: Wechselrichter, Batterie, Wallbox und Wärmepumpe stammen von verschiedenen Herstellern, jeweils mit eigener App und einfachen Regeln („Batterie aus Überschuss laden“). Dynamische Tarife bringen Preisrisiko und Chancen, die feste Regeln verpassen.
• KI-Nutzen: PV-/Lastprognosen mit einem Solver (MILP/MPC) oder einer gelernten Strategie kombinieren, um den Verbrauch in günstige oder solarreiche Stunden zu verschieben, thermische Masse vorzuheizen, das E-Auto bis zur Abfahrtszeit zu laden und eine Reserve für Ausfälle zu halten.
• Regulatorischer Treiber (Deutschland): Seit 2025 müssen Lieferanten dynamische Tarife anbieten, und der Smart-Meter-Rollout geht weiter. §14a EnWG gibt Netzbetreibern das Recht, steuerbare Verbraucher (Wärmepumpen, Wallboxen, Speicher) gegen reduzierte Netzentgelte zu drosseln; ein HEMS muss diese Signale einhalten und trotzdem den Rest optimieren [1].
• Die Einsparungen hängen stark von Tarifspreizung, Anlagengröße und Verbrauchsprofil ab; Herstellerangaben sollten anhand Ihrer eigenen Zählerdaten überprüft werden. Eine allgemeingültige Zahl wird hier nicht genannt.

Varianten

• Privater Hauseigentümer (PV + Batterie + E-Auto): der Kernfall, meist Weg A oder das Open-Source-Projekt evcc.
• Wärmepumpen-zentriertes Haus: Vorheizen, Warmwasser-Boost, SG-Ready- / EEBUS-Steuerung, Verbindung zu PRED-048 für die Gebäudequalität.
• Mieter / Balkon-PV: kleine Batterie und smarte Steckdosen, vereinfachte Optimierung.
• Mehrfamilienhaus / Energiegemeinschaft: gemeinsame PV und Mieterstrom, Verteilschlüssel; bezieht sich auf OPT-022.
• Kleiner Gewerbestandort: Läden, landwirtschaftliche Betriebe, Büros mit PV und Ladepunkten; überschneidet sich mit OPT-007 und OPT-021.
• Bündelung von Flexibilität: Batterie/Wallbox des Haushalts schließen sich einem virtuellen Kraftwerk (VPP) an, siehe OPT-039 und OPT-011.
• Selbstbetreiber mit Technikinteresse (evcc, Home Assistant): lokale Steuerung ohne Herstellercloud (Weg C).

So funktioniert es

1. Telemetrie von Zähler + Wechselrichter + Batterie + Wärmepumpe + Wallbox
2. Datenschicht (lokale APIs: Modbus, SunSpec, MQTT, OCPP, EEBUS, Herstellercloud)
3. Prognose (PV aus Wetter/Einstrahlung, Haushaltslast, Verfügbarkeit des E-Autos, Preis)
4. Optimierer (MILP / modellprädiktive Regelung, gleitender Horizont, oder RL-Strategie)
5. Ansteuerung (Sollwerte: Laden/Entladen, Wärmepumpenmodus, Ladeleistung, Gerätestart)
6. Sicherheitsschicht (§14a-Grenzen, Batterie-/Wallbox-Randbedingungen, Übersteuerung durch Nutzer)
7. Rückkopplung (Ist gegen Prognose, Einsparbericht, Neutraining der Modelle)

• Prognose: gradientenverstärkte Bäume oder kleine neuronale Zeitreihenmodelle auf Wetterdaten; Lastprofile werden je Haushalt gelernt; NILM (PRED-031) kann einzelne Gerätelasten trennen.
• Optimierung: Ein lineares/gemischt-ganzzahliges Programm mit gleitendem Horizont ist der robuste Industriestandard; RL oder gelernte Strategien dienen dazu, den Solver nachzuahmen oder zu beschleunigen, selten als alleinige Regelung.
• Rolle des LLM: dialogbasierte Einrichtung („Auto um 7:00 zu 80 % geladen“), Erklärung von Entscheidungen, Auswertung von Tarifverträgen. Die Regelschleife selbst bleibt deterministisch und läuft lokal.
• Mensch-in-der-Schleife (Human-in-the-Loop): Bewohner legen Komfortgrenzen, minimalen Ladestand (SoC) und Abfahrtszeiten fest und können jederzeit übersteuern; Signale des Netzbetreibers haben Vorrang vor der Optimierung.

Datenaufbereitung

Dieser Anwendungsfall braucht wenig Aufbereitung. Die Daten sind Smart-Meter- oder Wechselrichterwerte, Telemetrie von Batterie und Wärmepumpe, Wallbox-Ladevorgänge, Tarifpreise und Wetterprognosen. In einem Haushalt oder kleinen Betrieb liegen sie im Wechselrichter-Portal, in der Hersteller-App, im Zählerportal des Netzbetreibers und manchmal in einer Excel-Tabelle zur Energierechnung. Typische Lücken: noch keine 15-Minuten-Zählerdaten (nur Jahressummen), mehrere Herstellerclouds ohne gemeinsame Schnittstelle, falsche oder fehlende Zeitstempel, keine saubere Aufzeichnung des Tarifvertrags und nicht dokumentierte Gerätegrenzen wie die maximale Batterieleistung oder Beschränkungen nach § 14a.

Schritte der Aufbereitung: 1. Geräte auflisten und prüfen, welche lokale Schnittstellen (Modbus, SunSpec, MQTT, OCPP, EEBUS) oder Exporte bereitstellen (PREP-005). 2. Viertelstundenwerte beim Netzbetreiber anfordern oder einen lokalen Zählerleser installieren. 3. Tarif, Einspeisevergütung und Gerätegrenzen in einer Konfigurationsdatei festhalten. 4. Einige Wochen Historie zum Training der Lastprognose sammeln; Lücken und Einheiten korrigieren (PREP-011). 5. Komfortgrenzen wie minimalen Batteriestand und Abfahrtszeiten festlegen.

Der Aufwandsanteil liegt bei etwa 10-20 %; die meiste Zeit fließt in die Geräteintegration, nicht in die Datenbereinigung. Siehe auch GUIDE-003.

Umsetzungswege

Welcher Weg für wen

• smb (Installateure, kleine Betriebe mit PV und Ladepunkten): A, weil ausgereifte Energiemanagement-Produkte aus der EU mit Konformität zu den Vorgaben der Netzbetreiber (§ 14a EnWG) zu fairen Preisen existieren und die Aufgabe Standard ist.
• private (Haushalte): C, weil evcc oder Home Assistant mit EMHASS lokal auf einem Raspberry Pi (HW1) laufen, Verbrauchsdaten im Haus behalten und Herstellerabhängigkeit vermeiden; wählen Sie stattdessen A, wenn Sie ein dominantes Hersteller-Ökosystem haben und nicht basteln möchten.
• developer: B, weil Tarif-, Wetter- und Prognose-APIs plus ein gehosteter Solver den schnellen Bau eines Produkts oder Installateur-Dienstes für viele Haushalte ermöglichen.

Weg A — Kaufen (für KMU empfohlen; auch für Haushalte mit einem Hersteller-Ökosystem)

• Integrierte HEMS / Aggregatoren: 1KOMMA5 Heartbeat (EU), Tibber (EU, Tarif + intelligentes Laden), gridX (EU, White-Label-HEMS- Plattform), SMA Sunny Home Manager (EU), Fronius, SolarEdge, Enphase, Victron (EU, offene Schnittstellen), Sonnen (EU-Batterie mit VPP), Wärmepumpen-Ökosysteme von Viessmann/Vaillant, Octopus Energy (dynamische Tarife, Kraken-Plattform).
• Prüfen: offene APIs, lokale Steuerung, §14a-Konformität (CLS/EEBUS), Anbindung dynamischer Tarife, Datenstandort, Ausstiegsmöglichkeiten.
• A wählen, wenn: ein dominantes Hersteller-Ökosystem vorhanden ist und Sie nicht basteln möchten.

Weg B — Auf Cloud-KI-Diensten aufbauen

• Daten: Tarifpreise von Tibber, aWATTar, Octopus oder der ENTSO-E-Transparenzplattform; PV-/Einstrahlungsprognosen von Forecast.Solar, Solcast oder Open-Meteo; offene Daten des Deutschen Wetterdienstes.
• Optimierung: OR-Tools, HiGHS oder ein gehosteter Solver; Orchestrierung in Home Assistant, n8n oder einem kleinen Dienst.
• LLM-Schicht: eine in der EU gehostete API (z. B. Mistral) oder ein Spitzenmodell für Einrichtungsdialoge und Berichte; die Steuerlogik gehört nicht ins LLM.
• B wählen, wenn: Sie ein Produkt oder einen Installateur-Dienst für viele Haushalte bauen.

Weg C — Selbst betreiben (Open Source)

• evcc: Open-Source-Lösung für E-Auto-Laden und Energiemanagement, unterstützt viele Wallboxen, Wechselrichter, Zähler, dynamische Tarife und Batteriestrategien; starke deutsche Community [2].
• Home Assistant + EMHASS: konvexe Optimierung verschiebbarer Lasten, Batterie und PV mit Prognosen [3]; außerdem openHAB und Predbat (Batterieplanung) für bestimmte Ökosysteme.
• Hardware: HW1 — ein Raspberry Pi 4/5 oder Mini-PC genügt. Ein kleines lokales LLM ist optional.
• Aufwand: ein Wochenende für evcc; Tage bis Wochen für ein fein abgestimmtes EMHASS-Setup.

Weg D — Eigenes Training

Lohnt sich für Hersteller, Versorger oder Aggregatoren, die Tausende Haushalte betreiben: Lastprognose je Haushalt, gelernte thermische Modelle von Wärmepumpen, föderiertes Lernen, um Rohdaten nicht zentral zu sammeln, und RL-Strategien, die zuerst in der Simulation validiert werden. Erfordert Monate an 15-Minuten-Zählerdaten je Haushalt.

Stand der Technik (2026)

• MPC mit guten Prognosen bleibt der praktische Maßstab; die Prognosequalität für PV und Last sowie korrekte Gerätemodelle (Batterieeffizienz, COP-Kurven der Wärmepumpe) sind wichtiger als der Solver.
• 15-Minuten-Day-Ahead-Produkte im europäischen Markt machen Preissignale innerhalb der Stunde für die Heimoptimierung relevanter.
• Standards: EEBUS, OCPP, SunSpec/Modbus, SG-Ready und Modelle im Stil von IEC 61850 verbessern die Interoperabilität; der Matter- Standard ergänzt Gerätetypen für das Energiemanagement. Bidirektionales Laden von E-Autos (V2H/V2G) kommt auf den Markt.
• Foundation-Modelle für Zeitreihen (z. B. Chronos, TimesFM, Moirai) liefern brauchbare Zero-Shot-Lastprognosen, sind aber nicht durchgängig besser als fein abgestimmte lokale Modelle.
• Grenzen und Fehlerbilder: Prognosefehler an bewölkten Tagen, Ausfälle der Herstellercloud, undokumentierte oder sich ändernde APIs, nicht modellierte Batteriealterung, Komfortverletzungen durch zu aggressives Verschieben der Wärmepumpe, Konflikte zwischen mehreren Reglern, die um dasselbe Gerät konkurrieren.

Gemeinsame Bausteine & Kombinationen

• Gleicher Stack (time-series + optimization-solver): OPT-011 Speichereinsatz, OPT-021 Ladeoptimierung, OPT-007 Gebäude-HLK, OPT-023 Fernwärme; PRED-007 liefert die Prognosemodelle.
• Vorgelagert: PRED-031 Disaggregation von Geräten, PRED-008 Preisprognose.
• Nachgelagert: OPT-039 und OPT-022, wenn Haushalte in VPPs oder im Engpassmanagement gebündelt werden.
• Edge-Laufzeit (edge-runtime) gemeinsam mit anderen Heim-/IoT-Anwendungsfällen; ein Gerät der Pi-Klasse kann den gesamten Stack hosten.

Aufwand, Kosten & Kennzahlen

• Weg A: Stunden bis Tage mit Installateur; die Hardware (Gateway, Controller) ist der Hauptkostenpunkt, manche Hersteller berechnen Abonnements.
• Weg B: 1-3 Monate für einen produktreifen Dienst inklusive Geräteintegrationen.
• Weg C: Tage bis Wochen Hobbyaufwand; minimale laufende Kosten.
• Kennzahlen: Eigenverbrauchs- und Autarkiequote, durchschnittliche Kosten je kWh gegenüber einer Flattarif-Ausgangslage, Anteil der E-Auto-Energie, der in günstigen/solarreichen Stunden geladen wird, Prognosefehler (MAE/MAPE), Komfortverletzungen, Abregelungen durch den Netzbetreiber, Batteriezyklen.

Menschen & Veränderung

Im Haushalt entscheiden Sie gemeinsam mit allen, die das Haus nutzen (end-users), welche Komfortgrenzen gelten (Warmwasser, Abfahrt des Autos). In einem kleinen Betrieb beziehen Sie die Inhaberin oder den Inhaber (management) für das Budget ein, die IT oder den Installateur für die Integration, den Netzbetreiber und die Gerätelieferanten für Schnittstellen sowie Recht oder Compliance für § 14a EnWG und die Einspeiseregeln.

Betriebsrat: nein im Haushalt und normalerweise nein für diesen Anwendungsfall im Betrieb, da die Regelschleife Geräte steuert, nicht das Verhalten von Beschäftigten. Nur wenn ein Unternehmen das Laden mit den Fahrzeugen namentlich genannter Beschäftigter verknüpft und protokolliert, wer wann lädt, würde § 87 Abs. 1 Nr. 6 BetrVG greifen; dann beziehen Sie einen bestehenden Betriebsrat ein (§ 90 Abs. 1 Nr. 3 für frühzeitige Information).

Datenschutz: Lastprofile verraten Lebensgewohnheiten und gelten als personenbezogene Daten (DSGVO). Bevorzugen Sie lokale Steuerung, einen unterzeichneten AVV mit jedem Cloud-Anbieter (Art. 28 DSGVO) und beziehen Sie den/die Datenschutzbeauftragte(n) ein, wo Beschäftigte oder Mieter betroffen sind; eine DSFA ist für ein einzelnes Haus selten nötig. KI-Kompetenz: Unterstützen Sie Nutzer mit einer kurzen Einführung, was der Optimierer tut, wie man ihn übersteuert und wie man den Einsparbericht liest (GUIDE-006). Beginnen Sie mit einer Gerätegruppe, etwa der Wallbox, bevor Sie die Wärmepumpe hinzunehmen (GUIDE-009). Typische Sorge: „Das System lässt das Auto ungeladen oder das Haus kalt.“ Begegnen Sie dem mit minimalem Batteriestand, Abfahrtsregeln und jederzeit möglicher manueller Übersteuerung (GUIDE-008, GUIDE-005).

Risiken, Regulierung & Compliance

• KI-Verordnung (AI Act): minimales Risiko für ein typisches Haushalts-HEMS; das Energiemanagement eines einzelnen Hauses ist keine sicherheitsrelevante kritische Infrastruktur. Eine von einem Netzbetreiber betriebene Plattform zur Laststeuerung könnte nur dann Anhang III (kritische Infrastruktur) berühren, wenn Sicherheits- komponenten beteiligt sind; im Einzelfall prüfen [4]. Die KI-Kompetenz (Art. 4) gilt für Anbieter und Installateure.
• DSGVO: 15-Minuten-Verbrauchsdaten und Anwesenheitsmuster sind personenbezogene Daten; Rechtsgrundlage, Datenminimierung, lokale Verarbeitung, wo möglich, AVV mit Cloud-Anbietern, Hosting in der EU. In Deutschland gelten die Zugriffsregeln für Smart-Meter-Daten nach MsbG.
• Energierecht: Steuerbarkeit nach § 14a EnWG, Messstellenbetriebsgesetz (Smart-Meter-Gateways, Sicherheitsanforderungen des BSI), Verbraucherrechte der EU-Elektrizitätsbinnenmarktrichtlinie zu dynamischen Tarifen und Datenzugang [1][5].
• Cybersicherheit: Vernetzte Wechselrichter und Wallboxen sind attraktive Ziele; nutzen Sie Netzwerksegmentierung, signierte Firmware und, wo möglich, Produkte, die dem EU Cyber Resilience Act entsprechen.
• Gegenmaßnahmen: lokaler Rückfallmodus, harte Grenzen für Batterie-SoC und Netzbezug, transparente Übersteuerung, Audit-Protokoll der Entscheidungen.

Erste Schritte

1. Ausgangsdaten sammeln: 15-Minuten-Zählerdaten, Tarif, PV-Größe, Batterie, Wärmepumpe und Ladeverhalten des E-Autos.
2. Prüfen, welche Geräte lokale APIs (Modbus/EEBUS/OCPP) bereitstellen und ob ein Smart-Meter-Gateway installiert ist.
3. evcc oder ein Hersteller-HEMS 4 Wochen lang pilotieren und die Kosten mit dem vorherigen Flattarif vergleichen.
4. Einen dynamischen Tarif und eine PV-Prognose ergänzen, dann Batteriereserve und Abfahrtszeiten feinjustieren.
5. Die Anmeldung nach § 14a mit Ihrem Netzbetreiber prüfen und sicherstellen, dass das HEMS dessen Steuersignale einhält.

Quellen

Hinweis: Die Websuche war in diesem Durchlauf nicht verfügbar; die Quellen-URLs sind stabile Primärseiten aus dem Vorwissen. Abgerufen 2026-10. 1. Bundesnetzagentur — §14a EnWG, steuerbare Verbrauchseinrichtungen — https://www.bundesnetzagentur.de/DE/Vportal/Energie/SteuerbareVBE/start.html 2. evcc — open-source EV charging and energy management — https://evcc.io/ and https://github.com/evcc-io/evcc 3. EMHASS — Energy Management for Home Assistant — https://github.com/davidusb-geek/emhass 4. Regulation (EU) 2024/1689 (AI Act) — https://eur-lex.europa.eu/eli/reg/2024/1689/oj 5. Directive (EU) 2019/944 on common rules for the internal market for electricity — https://eur-lex.europa.eu/eli/dir/2019/944/oj 6. ENTSO-E Transparency Platform — https://transparency.entsoe.eu/ 7. Open-Meteo weather API — https://open-meteo.com/ 8. Google OR-Tools — https://developers.google.com/optimization