Wettermodelle rechnen großflächig. Solarparks verhalten sich aber lokal. Zwar lassen sich Solarstromerträge auf mehrere Tage hinaus mit ansprechender Verlässlichkeit vorhersagen, doch diese Prognosegüte bezieht sich auf ganze Länder. Für eine einzelne Photovoltaikanlage (PV) liegt der Fehler bei plus/minus 30 bis 40 Prozent, wie das Schweizer Fachportal "eTrends" unter Berufung auf die internationale Forschung zur numerischen Wettervorhersage berichtet. Bei wechselhafter Bewölkung kann die Erzeugung innerhalb von Sekunden deutlich steigen oder fallen. Ein Problem, das mit jedem neuen Solarpark im Netz wächst.
Genau hier setzt ein Projekt an, das im Juli mit dem Bayerischen Energiepreis 2026 ausgezeichnet wurde. Prämiert wurde in der Kategorie "Digitalisierung im Energiebereich" die Zusammenarbeit des Start-ups Nuno Labs mit der Lechwerke AG (LEW), dem Energieversorger und Verteilnetzbetreiber aus Augsburg. Der Titel des Projekts: "Kurzfristige Einspeiseprognosen mit der Hardware und KI von Nuno Labs auf den Solarparks der LEW".
Sensoren statt Satellitenbilder
Der Ansatz unterscheidet sich deutlich vom heute geläufigen Standard. Statt großflächiger Wettermodelle nutzt das System lokale Echtzeitdaten. Die von Nuno Labs selbst entwickelte Hardware, sogenannte Sensor Hubs, erfasst den Himmel direkt über der Anlage. Eine künstliche Intelligenz (KI) analysiert Bewegung und Dichte der Wolkenformationen und verknüpft diese Bilddaten mit lokalen Sensormessungen. Das Ergebnis sind laut Unternehmensangaben minutengenaue und ortsscharfe Prognosen der kurzfristigen Einspeisung. Nuno Labs, ein Spin-off der Technischen Universität München mit Sitz in München, gibt den Prognosehorizont mit bis zu 120 Minuten an.
Der Unterschied zu bereits etablierteren Verfahren liegt in der zeitlichen und räumlichen Auflösung. Satellitengestützte Dienste erfassen die Wolkendecke alle fünf bis 15 Minuten, für schnelle Wolkendurchzüge über einem einzelnen Park ist das grob. Eine Kamera vor Ort sieht dagegen, was in den nächsten Minuten tatsächlich über die Modulreihen zieht.
KI-Projekt: Erst Testbetrieb, jetzt Rollout
Getestet wurde die Technologie auf den LEW-Solarparks in Meitingen und Friedberg bei Augsburg, wo sie nun auch dauerhaft im Einsatz ist. Weitere Anlagen sollen folgen, darunter der bislang größte Solarpark der LEW im schwäbischen Daiting mit rund 24 Megawatt Peak, der vor Kurzem in Betrieb ging.
Den wirtschaftlichen Hebel erhofft sich das Unternehmen in der Vermarktung. Die LEW verkauft Strom aus eigenen Solarparks unter anderem über Stromlieferverträge, sogenannte Power Purchase Agreements (PPA), an Unternehmen. Bessere Erzeugungsdaten eröffnen dem Unternehmen zufolge zusätzlich Optionen in der Regelenergievermarktung. Also bei jener Leistung, die Netzbetreiber vorhalten, um kurzfristige Abweichungen zwischen Einspeisung und Verbrauch auszugleichen.
"Digitale Technologie ist der Schlüssel"
"Die Auszeichnung mit dem Bayerischen Energiepreis unterstreicht, worauf es in der nächsten Phase der Energiewende ankommt: erneuerbare Energien effizient und sicher in das Energiesystem integrieren", sagt Dietrich Gemmel von der LEW. "Digitale Technologie und KI-Anwendungen sind hier der Schlüssel." Als Zielbild für den Umbau des Energiesystems in der Region nennt Gemmel drei Attribute: grün, regional und digital.
Auch die Politik greift das Thema auf. Bayerns Wirtschaftsstaatssekretär Tobias Gotthardt (Freie Wähler) informierte sich im Rahmen der Bayerischen Energietage im Juli auf dem LEW-Gelände in Meitingen über den Lösungsansatz. "Solche präzisen Prognosen für die Einspeisung von Solarstrom sind ein wichtiger Baustein für Versorgungssicherheit, Wirtschaftlichkeit und ein stabiles Netz", sagte Gotthardt laut Mitteilung des Unternehmens. Der Bayerische Energiepreis wird seit 1999 alle zwei Jahre vom Bayerischen Wirtschaftsministerium vergeben; am 8. Juli wurden in München neun Projekte in sechs Kategorien ausgezeichnet.
Ein Markt, kein Einzelfall
Nuno Labs ist nicht der einzige Akteur, der an genaueren Solarprognosen arbeitet. Während das Start-up in seinen Projekten mit LEW und Enerparc auf lokale Sensoren und Himmelskameras setzt, verfolgen andere Anbieter und Forschungseinrichtungen datenbasierte Ansätze mit Satellitenbildern, Wettermodellen oder ebenfalls mit Kameras.
Ende Juni startete die Enerparc AG aus Hamburg gemeinsam mit ihrer Stromhandelstochter Sunnic Lighthouse ein Pilotprojekt mit Nuno Labs. Auch dort geht es um kurzfristige Erzeugungsprognosen für Photovoltaikanlagen. "Mit unseren Sensor Hubs schaffen wir eine neue Datenbasis für präzisere Kurzfristprognosen", sagte Nuno-Labs-Gründer und Geschäftsführer David Dietz in einer Pressemitteilung.
Parallel arbeiten andere an rein datenbasierten Verfahren. So entwickeln die Alitiq GmbH und die Ventus GmbH im Forschungsprojekt "NowcastAI" ein KI-gestütztes Kurzfrist-Wettervorhersagemodell mit Fokus auf solarer Einstrahlung. Gefördert wird das Projekt in dem europäischen Hochleistungsrechen-Programm "EuroHPC". Das Fraunhofer-Institut für Solare Energiesysteme (ISE) in Freiburg meldete im Januar 2026, dass sich der Prognosefehler bei Solarstrom durch die Kombination von Infrarot- und sichtbaren Satellitenbildern mit KI um elf Prozent reduzieren lässt. Und an den Hochschulen Bielefeld und Rosenheim erproben Forschende ebenfalls eine Kombination aus Wolkenkamera und KI für Freiflächenanlagen.
Was ein Prozentpunkt kostet
Aber warum der Aufwand? Weil Prognosefehler direkt Geld kosten. Beim Start-up-Pitch des Bundesverbands Erneuerbare Energie (BEE) Anfang Juli bezifferte Nuno Labs die möglichen Einsparungen für Direktvermarkter auf ein bis zwei Euro je Megawattstunde. Die Einsparungen würden über geringere Ausgleichsenergiekosten, die anfallen, wenn geplante und tatsächlich eingespeiste Leistung auseinanderlaufen, erreicht. Der Wetterdienstleister Meteomatics verweist auf einen europäischen Energieanbieter, der seine Ungleichgewichtskosten mit einem hochauflösenden Wettermodell um bis zu 20 Prozent gesenkt habe. Bei Erzeugungsportfolios im Gigawattbereich, so das Unternehmen, könne bereits ein Prognosefehler von einem Prozent jährliche Verluste in Millionenhöhe verursachen.
Offen bleibt, wie gut sich der Hardware-Ansatz skalieren lässt. Belastbare Vergleichszahlen zur Prognosegüte aus dem Betrieb in Meitingen und Friedberg hat Nuno Labs bislang nicht veröffentlicht. Ebenso wenig ist bekannt, ab welcher Anlagengröße sich Sensor Hubs wirtschaftlich rechnen. Eine Frage, die für kommunale Versorger mit kleineren Solarparks entscheidend sein dürfte.
