KI für PV-Installateure: Dachbelegung planen

TL;DR

KI-basierte Planungstools für PV-Installateure berechnen die optimale Dachbelegung in 15 Minuten statt 3 Stunden. Die automatische Verschattungsanalyse per Drohne und Satellitenbild steigert den Jahresertrag um 12 %. Mittelständische Solarbetriebe generieren mit KI-gestützter Angebotserstellung 35 % mehr Aufträge bei 40 % weniger Planungsaufwand.

Warum Dachbelegungsplanung der Engpass für PV-Betriebe ist

Der Solarboom in Deutschland hält an: 2025 wurden laut Bundesnetzagentur 14,2 GW neue PV-Leistung installiert – ein Plus von 21 % gegenüber dem Vorjahr. Für PV-Installateure bedeutet das volle Auftragsbücher, aber auch einen Engpass in der Planung. Die manuelle Dachbelegung eines Einfamilienhauses dauert 2–3 Stunden: Dachmaße abnehmen, Hindernisse (Gauben, Schornsteine, Dachfenster) einzeichnen, Verschattung abschätzen, Module anordnen, Ertrag berechnen.

Bei Gewerbe- und Industriedächern mit komplexen Geometrien steigt der Aufwand auf 6–10 Stunden. Viele Betriebe können daher nur 3–4 Angebote pro Woche erstellen – ein direkter Umsatzbremser. KI-gestützte Planungstools lösen diesen Engpass und liefern gleichzeitig präzisere Ertragsprognosen als manuelle Berechnungen.

So funktioniert KI-gestützte Dachbelegungsplanung

Das System kombiniert mehrere Datenquellen und KI-Verfahren:

1. Dachgeometrie-Erfassung: Satellitenbilder (Auflösung 10 cm/Pixel) oder Drohnenaufnahmen werden per Computer Vision analysiert. Die KI erkennt automatisch Dachform, Neigung, Ausrichtung und Hindernisse. Bei Drohnenaufnahmen erstellt Photogrammetrie ein 3D-Modell mit ±2 cm Genauigkeit.

2. Verschattungssimulation: Basierend auf dem 3D-Modell und einem digitalen Höhenmodell der Umgebung (Bäume, Nachbargebäude) simuliert die KI den Schattenverlauf für jede Stunde des Jahres. Module in dauerhaft verschatteten Bereichen werden automatisch ausgespart.

3. Modulplatzierung: Der Optimierungsalgorithmus berechnet die ertragsstärkste Modulanordnung unter Berücksichtigung von Mindestabständen, Feuerwehrzugangsflächen (gem. VDE AR-N 4105), Schneelastzonen und der optimalen String-Konfiguration für den Wechselrichter.

4. Ertragsprognose: Auf Basis von TMY-Wetterdaten (Typical Meteorological Year) und der tatsächlichen Verschattungssituation berechnet die KI den Jahresertrag in kWh/kWp mit einer Genauigkeit von ±4 % – statt der üblichen ±12 % bei manueller Planung.

Praxisbeispiel: Solartechnik Berger, Freiburg

Der PV-Installationsbetrieb Berger (18 Mitarbeiter, ca. 280 Anlagen/Jahr) setzte im Oktober 2025 ein KI-Planungstool ein. Die Ergebnisse nach 5 Monaten:

Der höhere Ertrag resultiert aus der optimierten Modulanordnung: Die KI vermeidet Verschattungsverluste konsequenter als manuelle Planung und nutzt Restflächen, die Planer häufig übersehen. Grundlagen zur ROI-Berechnung zeigt unsere Excel-Vorlage.

Implementierung: 90-Tage-Plan für Ihren Solarbetrieb

Phase 1: Toolauswahl und Setup (Tag 1–30)

• Anforderungsanalyse: Wie viele Anlagen planen Sie pro Monat? Gewerbe oder nur Wohngebäude?
• Marktvergleich der KI-Planungstools (pvDesign, Solargraf, PV*SOL Premium mit KI-Add-on)
• Testzugang für 2–3 Tools einrichten und jeweils 5 Referenzdächer planen
• Datenschutzanforderungen klären (Drohnenbilder, Kundendaten)

Phase 2: Pilotbetrieb (Tag 31–60)

• Drohnenworkflow etablieren: Befliegung, Bildupload, KI-Auswertung
• 20 Projekte parallel planen: KI vs. manuell
• Ertragsprognosen mit realen Monitoring-Daten bestehender Anlagen validieren
• Angebotsvorlage mit KI-generierten 3D-Visualisierungen anpassen

Phase 3: Vollbetrieb und Skalierung (Tag 61–90)

• Alle Planer auf das KI-Tool umstellen
• Anbindung an CRM und Angebotssoftware
• Feedback-Prozess für Abweichungen zwischen Prognose und realen Erträgen
• Marketing: 3D-Visualisierungen als Verkaufsargument einsetzen

Technische Konfiguration: Beispiel

ki_pv_planung:
  dacherfassung:
    quelle: "Drohne + Satellit"
    drohne_modell: "DJI Matrice 350 RTK"
    aufloesung_cm_pixel: 2
    photogrammetrie: true
    genauigkeit_cm: 2
  verschattung:
    digitales_hoehenmodell: "LiDAR NRW/BW/BY"
    zeitliche_aufloesung: "stündlich"
    simulationszeitraum: "8760 Stunden (1 Jahr)"
    baumwachstum_prognose_jahre: 10
  modulplanung:
    hersteller_db: ["SunPower", "Meyer Burger", "Jinko", "Trina"]
    mindestabstand_dachrand_cm: 50
    feuerwehr_zugang_cm: 100
    schneelastzone: "auto (PLZ-basiert)"
    string_optimierung: true
  ertragsprognose:
    wetterdaten: "TMY Meteonorm 8"
    degradation_prozent_jahr: 0.4
    genauigkeit_ziel_prozent: 4
  crm_anbindung:
    system: "HubSpot / openHandwerk / Craft"
    angebotsexport: "PDF + Excel"

Kosten und Wirtschaftlichkeit

Ein Betrieb mit 200 Anlagen pro Jahr spart durch schnellere Planung ca. 600 Arbeitsstunden – bei €55/Stunde Planerlohn sind das €33.000. Hinzu kommen höhere Auftragsquoten durch bessere Visualisierungen und präzisere Ertragsprognosen. Die Budgetplanung für KI-Projekte hilft bei der detaillierten Kalkulation.

Häufige Fehler vermeiden

Fehler 1: Nur auf Satellitendaten setzen. Satellitenbilder reichen für die Erstbeurteilung, aber für verbindliche Angebote sollten Sie Drohnenaufnahmen verwenden. Die Genauigkeit der Verschattungsanalyse steigt um den Faktor 3.

Fehler 2: Wechselrichter-Dimensionierung ignorieren. Die optimale Dachbelegung nützt wenig, wenn die String-Konfiguration nicht zum Wechselrichter passt. Achten Sie darauf, dass das KI-Tool die elektrische Planung integriert.

Fehler 3: Prognosen nicht nachkalibrieren. Vergleichen Sie die KI-Ertragsprognosen nach 12 Monaten mit den realen Monitoring-Daten. So verbessern Sie die lokale Genauigkeit kontinuierlich. Unser KI-Implementierungsleitfaden beschreibt den Feedback-Prozess im Detail.

FAQ: Häufig gestellte Fragen

1. Funktioniert die KI auch bei Flachdächern mit Aufständerung? Ja. KI-Planungstools berechnen den optimalen Aufstellwinkel (typisch 10–15°) und den Reihenabstand zur Vermeidung von Eigenverschattung. Bei Flachdächern ist die Ertragssteigerung durch KI sogar höher als bei Schrägdächern, weil mehr Freiheitsgrade in der Anordnung bestehen.

2. Wie genau ist die Verschattungsanalyse per Drohne? Mit RTK-Drohnen und Photogrammetrie erreicht die Verschattungsanalyse eine zeitliche Auflösung von 15 Minuten und eine räumliche Genauigkeit von ±5 cm. Die KI berücksichtigt auch saisonalen Laubfall bei Laubbäumen, indem sie Sommer- und Winteraufnahmen kombiniert.

3. Kann ich bestehende PV*SOL-Projekte in das KI-Tool importieren? Die meisten KI-Planungstools unterstützen den Import von PV*SOL- und PVsyst-Dateien. So können Sie Bestandsprojekte nachoptimieren oder als Referenz für die KI-Kalibrierung nutzen.

4. Welche Drohne eignet sich für die Dachvermessung? Für professionelle Dachvermessung empfehlen sich RTK-fähige Drohnen wie die DJI Matrice 350 oder DJI Mavic 3 Enterprise. Wichtig ist die Zentimetergenauigkeit durch RTK-GPS. Das EU-Fernpiloten-Zeugnis A2 ist für Flüge über Wohngebieten vorgeschrieben.

5. Lohnt sich KI-Planung auch für kleine Betriebe mit 50 Anlagen pro Jahr? Ab ca. 80 Anlagen pro Jahr amortisiert sich die Software-Lizenz. Für kleinere Betriebe gibt es Pay-per-Use-Modelle ab €25 pro Dachplanung. Einen allgemeinen Einstieg bietet unser Komplett-Leitfaden KI für Unternehmen.

Fazit: Schneller planen, mehr Ertrag liefern

KI-gestützte Dachbelegungsplanung ist für PV-Installateure der effektivste Hebel, um mehr Angebote zu erstellen und gleichzeitig die Anlagenqualität zu steigern. Die Kombination aus automatischer Dacherfassung, präziser Verschattungsanalyse und optimierter Modulanordnung spart 80 % der Planungszeit und liefert Anlagen mit 12 % höherem Ertrag. Für den Einstieg in KI empfehlen wir unseren Komplett-Leitfaden KI für Unternehmen.