Automatisierte Planung und Angebotserstellung für PV- und Wärmepumpenanlagen aus Luftbildern

Für die Planung einer PV-Dachanlage oder Wärmepumpe brauchte es bisher einen Vor-Ort-Termin, manuelles Ausmessen des Dachs und eine Stunde oder mehr in einer Planungssoftware, bevor der Kunde einen Preis sah. Computer Vision auf Luftbildern und 3D-Gebäudedaten erkennt heute Dachflächen und Hindernisse, belegt Module, simuliert den Ertrag und dimensioniert Speicher und Wärmepumpe automatisch. Installationsbetriebe und Vertriebsteams können so wenige Minuten nach Eingang einer Adresse ein erstes, nahezu verbindlich wirkendes Angebot versenden und Vor-Ort-Termine für qualifizierte Anfragen aufsparen.

Problem & Nutzen

• Heute: Installationsbetriebe (Handwerk) und Energievertriebe erstellen Angebote auf Basis von Telefonaten, Fotos und manuellem Zeichnen in Werkzeugen. Ein Vor-Ort-Termin für jede Anfrage ist teuer, und die meisten Anfragen führen nie zu einem Auftrag. Für Wärmepumpenangebote braucht es zudem Schätzungen der Heizlast und der Systemtemperaturen, die oft grob ausfallen.
• KI-Nutzen: schnellere erste Antwort (ein wichtiger Treiber der Abschlussquote), weniger Vor-Ort-Termine vor dem Verkauf, einheitliche Belegungen, besser qualifizierte Anfragen und skalierbare Angebotserstellung in einem Markt mit Fachkräftemangel. Die Übergabe von Vertrieb an Technik wird zu einer strukturierten Planung statt eines PDFs und eines Telefonats.
• Belege: Anbieter wie Reonic, Aurora Solar, OpenSolar und die Solar API von Google veröffentlichen Produktaussagen zu Planung und Angebot im Minutenbereich [1][2][3][4]; unabhängige, begutachtete Belege für höhere Abschlussquoten gibt es kaum – messen Sie daher im eigenen Vertriebstrichter.
• Nachfragetreiber (EU/DE): Die überarbeitete Gebäuderichtlinie (Energy Performance of Buildings Directive) verpflichtet die Mitgliedstaaten, Solaranlagen auf Gebäuden schrittweise einzuführen [6]; in Deutschland prägen die BEG-Förderungen für Wärmepumpen über das KfW-Programm 458 (Grundförderung plus Boni; die Bedingungen wurden Berichten zufolge im Juli 2026 verschärft, prüfen Sie daher die aktuellen Regeln) das Angebot und müssen stichtagsbezogen geprüft werden [5].

Varianten

• Werkzeugkette für Installationsbetriebe (KMU): Angebot zuerst über das Dach, innerhalb einer CRM-/Planungssuite, danach Prüfung beim Vor-Ort-Termin.
• Lead-Generierung/Web-Konfigurator: Hausbesitzer geben ihre Adresse ein und sehen Dach-Overlay, Ertrag und Preisspanne (Funnel für Privatkunden; auch nützlich zur Selbsteinschätzung durch Hausbesitzer und Wohnungsbaugenossenschaften).
• Energieversorger/Stadtwerke: Dachscreening der Kundenadressen im Kampagnenmaßstab und kommunale Solarkataster (Solarpotenzialkataster).
• Wärmepumpen-Erweiterung: Schätzung von Gebäudealter und Gebäudehülle aus Bildern und öffentlichen Daten, Heizlastschätzung, Prüfung von Heizkörpern und Systemtemperatur, Förderberechnung.
• Gewerbe- und Mehrfamiliendächer: Ost-West-Belegungen auf Flachdächern, Ballastgrenzen, Mieterstrom-Modelle.
• Drohnen-/3D-Variante: Drohnen- oder Smartphone-/LiDAR-Scans für komplexe Dächer; Überschneidungen mit VIS-040 (Scan-to-BIM) und VIS-003 (Drohneninspektion).

So funktioniert es

1. Adresse
2. Geokodierung + Abruf von Luftbild-/3D-Daten (Orthofoto, DSM, LoD2, Gebäudegrundriss)
3. Segmentierung der Dachflächen (Neigung, Azimut, Fläche) + Hinderniserkennung (Schornstein, Gaube, Dachfenster, vorhandene PV)
4. Verschattungsmodell (DSM-Horizont, Bäume, Nachbarn)
5. Optimierer für die Modulbelegung (Brandschutzabstände, Modulmaße, String-/Wechselrichter-Randbedingungen)
6. Ertragssimulation (Einstrahlungsdaten + PV-Modell) + Lastprofil
7. Eigenverbrauch
8. Dimensionierung von Speicher & Wärmepumpe (Heizlast, COP, Tarif) + Optimierung des Komponentenmixes
9. Preisbildung aus Katalog + Förderung und Wirtschaftlichkeit
10. Angebotsdokument
11. menschliche Prüfung (Installateur prüft Dach, Statik, Elektrik, Zählerschrank)
12. verbindliches Angebot

• Bildverarbeitung: Instanzsegmentierung von Dachflächen und Hindernissen aus Orthofotos, oft verknüpft mit Höhendaten aus DSM/Punktwolke, um die Neigung zu bestimmen; promptbare Modelle im Stil von Segment Anything beschleunigen die Annotation und dienen als Rückfallebene.
• Simulation/Optimierung: PV-Modelle (pvlib, PVGIS-Einstrahlungsdaten [7][8]) sowie ein Solver/MILP oder eine Heuristik für Belegung, Speichergröße und Wärmepumpenauswahl.
• Rolle von LLM/VLM: Verbrauch aus hochgeladenen Rechnungen auslesen, den Angebotstext entwerfen, Kundenfragen beantworten und die Planung erläutern; die Zahlen stammen immer aus der deterministischen Simulation, nie vom LLM.
• Mensch-in-der-Schleife (Human-in-the-Loop): Der Installationsbetrieb bestätigt vor dem verbindlichen Angebot Dachzustand, Statik, Elektroinstallation und Heizungsanlage vor Ort oder anhand von Kundenfotos; der Planer kann die automatische Belegung per Ziehen korrigieren.

Datenaufbereitung

Die Daten stammen überwiegend von außen und sind sauber: Luftbilder, 3D-Gebäudedaten (DSM, LoD2), Einstrahlungsdaten. Der interne Teil sind der Produktkatalog und die Preislisten (ERP oder Großhändler-Feeds, oft Excel), die Förderregeln und die Verbrauchsdaten des Kunden (Rechnungen als PDF oder Foto, Smart-Meter-Daten, CRM-Datensätze).

Typische Lücken: veraltete Bilder oder fehlende Abdeckung in manchen Regionen, Katalogartikel ohne technische Attribute (Moduldimensionen, Wechselrichtergrenzen), Preislisten, die in mehreren Tabellen liegen, eingescannte Rechnungen sowie unvollständige oder doppelte Adressen im CRM.

Schritte der Aufbereitung: 1. Den Katalog mit technischen Attributen und aktuellen Preisen in einer Tabelle zusammenführen (siehe PREP-011). 2. Den ERP- oder Großhändler-Feed anbinden, statt manuell zu aktualisieren (PREP-005). 3. CRM-Adressen bereinigen und Dubletten entfernen, bevor geocodiert wird. 4. 20–50 abgeschlossene Projekte mit der tatsächlichen Dachbelegung als Testmenge sammeln, um sie mit der automatischen Planung zu vergleichen (PREP-018). 5. Einen Standard für Rechnungs-Uploads (Foto oder PDF) vereinbaren, damit die Extraktion funktioniert.

Aufwandsanteil: etwa 10–15 Prozent des Gesamtaufwands. Bei Weg A ist es vor allem der Katalogimport. Verwandt: DOC-014 für die Rechnungsextraktion.

Umsetzungswege

Welcher Weg für wen

• smb (A): Ausgereifte, in der EU hostbare Suiten für Installationsbetriebe wie Reonic decken Planung, Angebot und CRM-Anbindung zu Preisen pro Arbeitsplatz ab; ein Eigenbau rechnet sich selten.
• enterprise (B): Große Installationsbetriebe und Energievertriebe brauchen eine eigene Preislogik, einen eigenen Katalog und eine CRM-Integration, die eine Solar API plus eigener Konfigurator liefert.
• developer (B): Solar API oder offene LoD2-/DSM-Daten mit PVGIS und pvlib kombinieren, um einen Konfigurator im eigenen Markenauftritt zu bauen.
• private (A): Hausbesitzer nutzen kostenlose oder günstige Online-Dachchecks und Werkzeuge von Installationsbetrieben; ein Eigenbau ist nicht nötig.

Weg A — Kaufen (Standardsoftware) (empfohlen)

• Suiten für Installationsbetriebe: Reonic (DE, EU), Aurora Solar, OpenSolar, SMA Sunny Design und Konfiguratoren der Hersteller; aus der EU: Reonic, Werkzeuge der 1KOMMA5-Plattform, die hauseigenen Werkzeuge von Enpal (grundsätzlich nicht zu kaufen). Wärmepumpenplanung: Partnerwerkzeuge von Viessmann/Vaillant/Stiebel Eltron sowie Module zur Wärmepumpen-Dimensionierung in den genannten Suiten.
• Prüfen: EU-Hosting, Abdeckung und Aktualität der Bilder für Ihre Region, Anbindungen an CRM/ERP und Großhändlerkataloge, Vorlagen für Förderung und Netzanmeldung, White-Label-Web-Widget.
• A wählen, wenn: Sie ein Installationsbetrieb oder Vertrieb sind und jetzt Angebote erstellen wollen; der Aufwand für einen Eigenbau rechnet sich selten.

Weg B — Auf Cloud-KI-Diensten aufbauen

• Dachdaten: Google Maps Platform Solar API (Gebäudeinformationen, Dachsegmente, Einstrahlung; Abdeckung für Ihre Länder prüfen) [4]; kommerzielle Luftbildanbieter (z. B. Vexcel, Bluesky Geospatial) oder nationale/Landes-Open-Data (ALKIS-Grundrisse, LoD2, DOP-Orthofotos, DSM).
• Ertrag: PVGIS-API (EU-JRC, kostenlos) [7] und pvlib-basierte Dienste.
• LLM/VLM: Claude, Gemini, GPT oder Mistral (EU-Anbieter) für Rechnungsextraktion, Angebotstext und Fotoprüfung von Dach und Zählerschrank mit strukturierten Ausgaben.
• Orchestrierung: n8n/Make oder ein eigener Dienst, CRM-Integration (HubSpot, Salesforce, Pipedrive).
• B wählen, wenn: Sie einen Konfigurator im eigenen Markenauftritt oder eine sehr individuelle Preislogik brauchen.

Weg C — Selbst betreiben (Open Source)

• Bildverarbeitung: SAM/SAM 2 oder Segmentierungsmodelle wie Mask2Former/YOLO, auf Dachdatensätzen feingetunt (Feintuning); OpenDroneMap für Drohnen-Photogrammetrie [9].
• Simulation: pvlib-python [8], PVGIS-Daten, NREL SAM; Optimierer über OR-Tools/HiGHS.
• Stack: PostGIS + QGIS/GDAL, offene Geodaten (OpenStreetMap, Geoportale der Länder), selbst betriebenes VLM (Klasse Qwen-VL über vLLM) für die Dokumentenextraktion.
• Hardware: HW1–HW2; die Segmentierung läuft auf einer einzelnen GPU mit 16 GB, Stapelscreening von Tausenden Dächern pro Nacht.

Weg D — Eigenes Training

Lohnt sich für einen Anbieter mit eigenem Profil oder einen großen Vertrieb: Dachflächen- und Hindernismodelle auf den eigenen korrigierten Belegungen trainieren (jede Korrektur eines Planers ist ein gelabeltes Beispiel), für regionale Dachtypen und die lokale Bildqualität. Typische Startdaten sind Hunderte bis Tausende korrigierte Dächer.

Stand der Technik (2026)

• Die Dachflächenerkennung aus Orthofotos plus DSM ist produktreif; Belegungen und Erträge entstehen in Sekunden. Foundation Models (SAM-Familie) haben den Annotationsaufwand verringert und die Zero-Shot-Behandlung von Hindernissen verbessert.
• Integrierte Angebote für „PV + Speicher + Wärmepumpe + Wallbox“ mit tarifbewusster Optimierung sind die Wettbewerbsgrenze (siehe OPT-032).
• Grenzen und Fehlerbilder: veraltete Bilder (neue Gauben, Dacherneuerungen, Bäume), geringe Neigungsgenauigkeit bei Flachdächern oder komplexen Dächern, unbekannter Dachzustand und unbekannte Tragfähigkeit, durch die DSM-Auflösung unterschätzte Verschattung, Heizlast ohne Gebäudedaten geschätzt, sich ändernde Förderregeln. Automatische Angebote sollten Spannen und einen klaren Hinweis „vorbehaltlich Prüfung vor Ort“ enthalten. Versprechen Sie keine Erträge, die über die Unsicherheit der Simulation hinausgehen.

Gemeinsame Bausteine & Kombinationen

• Gleicher Stack: VIS-021 (Satelliten-/Luftbildanalyse), VIS-040 (Scan-to-BIM) und VIS-003 (Drohneninspektion) teilen Segmentierung, Geodaten und Photogrammetrie-Pipelines.
• Nachgelagert/angrenzend: OPT-032 (Heim-Energiemanagement nach dem Bau), OPT-007 (Gebäude-HLK), PRED-007 (Erzeugungs-/Lastprognose), PRED-031 (Smart-Meter-Disaggregation als Lasteingang), PRED-048 (Sanierungsfahrpläne, EPC/iSFP).
• Gemeinsamer GPU-/VLM-Server und gemeinsame Geodatenschicht für diese Anwendungsfälle.

Aufwand, Kosten & Kennzahlen

• Weg A: Tage bis Wochen, Lizenz pro Arbeitsplatz oder pro Angebot.
• Weg B: 2–4 Monate für einen Konfigurator mit CRM- und Katalogintegration; Bild-/API-Gebühren pro Anfrage sind ein Kostentreiber.
• Weg C/D: 4–9 Monate, Kenntnisse in ML, GIS und Energietechnik.
• Kennzahlen: Zeit bis zum ersten Angebot, Quote von Anfrage zu Angebot und von Angebot zu Auftrag, Vor-Ort-Termine pro Auftrag, Abweichung von simuliertem und gemessenem Ertrag, Anteil der Belegungen, die ohne manuelle Änderung akzeptiert werden, Fehlerrate der Dacherkennung, Korrekturquote der Angebote nach dem Vor-Ort-Termin.

Menschen & Veränderung

Binden Sie die Geschäftsführung (Budget, Angebotsrichtlinie) und die Vertriebsleitung früh ein; sie verantworten den Prozess. Die Installateure und Planer, die die automatische Belegung prüfen, sind die wichtigsten Anwender: Lassen Sie sie in einer Pilotgruppe zwei oder drei echte Projekte testen und sammeln Sie ihre Korrekturen. Die IT bindet CRM und Katalog an; die oder der Datenschutzbeauftragte gibt Adress- und Verbrauchsdaten frei (die DSGVO gilt, mit AVV beim Plattformanbieter; eine DSFA ist für reine Angebotserstellung in der Regel nicht nötig).

Betriebsrat: kommt darauf an. Das Werkzeug ist überwiegend kundenseitig, aber wenn es protokolliert, welche Mitarbeiterin oder welcher Mitarbeiter welches Angebot gestaltet oder geändert hat und wie schnell, kann es Leistung überwachen, und § 87 Abs. 1 Nr. 6 BetrVG greift. Informieren Sie den Betriebsrat rechtzeitig nach § 90 Abs. 1 Nr. 3, wenn sich Arbeitsabläufe ändern.

KI-Kompetenz: Unterstützen Sie die Beschäftigten mit einer kurzen Schulung dazu, was die Simulation leistet, was sie nicht sehen kann (Dachzustand, Statik) und warum die Zahlen aus dem deterministischen Modell stammen und nicht vom LLM (GUIDE-006).

Bedenken: „Das Werkzeug ersetzt die Planer“ – stellen Sie es als Wegfall des manuellen Zeichnens dar; „falsche Angebote“ – der Installationsbetrieb bestätigt vor einem verbindlichen Angebot immer vor Ort. Kommunizieren Sie offen, benennen Sie einen Fürsprecher und messen Sie Angebotszeit und Fehlerrate (GUIDE-008, GUIDE-009, GUIDE-005).

Risiken, Regulierung & Compliance

• KI-Verordnung (AI Act): minimales Risiko; keine Verwendung nach Anhang III. KI-Kompetenz (Art. 4) gilt. Chatbots/Angebotsassistenten müssen die KI-Interaktion offenlegen (Art. 50) [10].
• DSGVO: Adresse, Dachbilder und Verbrauchsdaten sind personenbezogene Daten des Hausbesitzers; nötig sind Rechtsgrundlage, Datenschutzhinweis, AVV mit den API-/Bildanbietern, EU-Hosting und Aufbewahrungsfristen. Ziehen Sie aus Bildern keine Schlüsse über Personen; kein Scoring von Bewohnern.
• Verbraucher- und Branchenregeln: Angebote müssen ihre Annahmen klar benennen (UWG/Verbraucherrecht), die Verantwortung für Sicherheit und Statik bleibt beim Installationsbetrieb, Netzanmeldung (VDE-AR-N 4105, Regeln des Netzbetreibers) und Registrierung im Marktstammdatenregister sind zu beachten; Förderregeln (BEG/KfW 458, GEG) ändern sich, daher in der Preislogik versionieren [5].
• Haftung: Zu optimistische Erträge und falsche Förderaussagen sind das Hauptrisiko; protokollieren Sie pro Angebot Eingaben, Bilddatum und Simulationsversion.

Erste Schritte

1. 50 frühere Projekte nehmen und automatisch erzeugte Dächer/Belegungen mit den ausgeführten Planungen vergleichen.
2. 2–3 Werkzeuge von Weg A mit der Bildqualität Ihrer Region und der Katalogintegration testen.
3. Den Lasteingang (Rechnungs-Upload) anbinden und eine feste, versionierte Förder- und Preistabelle führen.
4. Die menschliche Prüfung vor einem verbindlichen Angebot festlegen (Fotocheckliste oder Vor-Ort-Termin).
5. Quote von Angebot zu Auftrag und Korrekturquote monatlich verfolgen; Korrekturen der Planer zurückspielen.

Quellen

1. Reonic - AI-based planning and offers for PV, storage and heat pumps - https://www.reonic.com
2. Aurora Solar - solar design and sales software - https://aurorasolar.com
3. OpenSolar - design and proposal platform - https://www.opensolar.com
4. Google Maps Platform - Solar API documentation - https://developers.google.com/maps/documentation/solar
5. KfW - Heizungsfoerderung fuer Privatpersonen (458) - https://www.kfw.de/458
6. Directive (EU) 2024/1275 (EPBD recast) - https://eur-lex.europa.eu/eli/dir/2024/1275/oj
7. European Commission JRC - PVGIS - https://re.jrc.ec.europa.eu/pvg_tools/en/
8. pvlib-python - https://github.com/pvlib/pvlib-python
9. OpenDroneMap - https://github.com/OpenDroneMap/ODM
10. Regulation (EU) 2024/1689 (AI Act) - https://eur-lex.europa.eu/eli/reg/2024/1689/oj