Motivation

In Österreich und Deutschland haben bereits 10-15% der Haushalte eine PV-Anlage und/oder eine Wärmepumpe, Tendenz stark steigend [1-3]. Das führt zu einer fundamentalen Veränderung der Last- und Erzeugungsstruktur. Durch den Smart-Meter-Rollout wird diese Veränderung auch im Stromvertrieb sichtbar.
Wer seine Kunden weiterhin pauschal mit einem klassischen SLP plant, erstellt ungenaue Vertriebsprognosen, hat keine Transparenz über Beschaffungskosten & Vertriebsmargen und ist nicht in der Lage, seine Kunden gezielt anzusprechen.

Clustering-Ansatz von embee

Ein Clustering der Smart-Meter-Daten adressiert diese Probleme. Der Clustering-Ansatz von embee wird im Folgenden an einem fiktiven Datensatz von 200 Smart-Meter-Kunden vorgestellt. Die Haushaltsprofile basieren auf echten Daten [4], die PV- und Wärmepumpen-Profile wurden mit den Modellen von embee synthetisch generiert. Eine Übersicht der Cluster ist in der folgenden Tabelle dargestellt:

Übersicht Vertriebs-Portfolio

Die Cluster unterscheiden sich stark im Netzbezug (=durch den Vertrieb zu beschaffende Menge) und den Beschaffungskosten, zwei wesentliche Kennzahlen für den Stromvertrieb. PV-Anlagen reduzieren über den Eigenverbrauch den Netzbezug und erhöhen durch ihre Korrelation mit günstigen Strompreisen die relativen Beschaffungskosten, Wärmepumpen erhöhen sowohl Netzbezug als auch relative Beschaffungskosten, da sie mit hohen Strompreisen korrelieren.
Die folgende Abbildung zeigt die strukturelle Abweichung zwischen dem hier diskutierten Vertriebsportfolio und dem klassischen H0-Standardlastprofil (H0-SLP). Es zeigt sich eine strukturelle Abweichung durch PV-Anlagen, insbesondere tagsüber im Sommer und durch Wärmepumpen im Winter.

Tagesprofile Portfolio vs. H0-SLP (kW)

Um den strukturellen Abweichungen entgegen zu wirken, werden die Kunden nach ihren vorhandenen Anlagen geclustert, welche mit Hilfe der embee KI automatisiert aus den Smart-Meter-Daten bestimmt werden. Durch das Clustering entstehen spezifische Profile je Kundengruppe bzw. Cluster, die im Folgenden exemplarisch für einen Sommer- und Wintertag gezeigt werden. Die klassischen Haushalte passen weiterhin relativ gut zum H0-SLP, die weiteren Cluster berücksichtigen die Eigenschaften von PV und Wärmepumpen.

Tagesprofile Portfolio vs. Cluster (kW)

Sind die Profile der jeweiligen Cluster bekannt, kann die Vertriebsprognose verbessert werden, mehr Details folgen in einem weiteren Blog-Artikel. Darüber hinaus kann eine Transparenz über die tatsächlichen Beschaffungskosten der jeweiligen Kundengruppen erreicht werden.
Das folgende Punktdiagramm zeigt Netzbezug (y-Achse) und Beschaffungskosten (x-Achse) des Portfolios, ein Punkt entspricht dabei einem Kunden. Die verschiedenen Cluster sind visuell hervorgehoben.

Netzbezug und Beschaffungskosten je Kunde

Mit dem Clustering ist die Grundlage geschaffen, um die drei wichtigsten Herausforderungen im Stromvertrieb gezielt anzugehen: Vertriebsprognose, Beschaffungskosten und Kundenansprache. In den folgenden Artikeln gehen wir auf jeden dieser Punkte im Detail ein und stellen auch den Einfluss von Wallboxen und Heimspeichern vor.

Wer nicht warten möchte: Wir starten direkt mit euren Smart-Meter-Daten. Auch ein erster Eindruck auf Basis weniger Datenpunkte ist möglich. Meldet euch.

Quellen

[1] KfW Energiewendebarometer 2025 (Link: KfW-Energiewendebarometer 2025, Abgerufen: 29.04.26)
[2] PV Austria Dashboard (Link: Dashboard PHOTOVOLTAIC AUSTRIA – PV Austria BUNDESVERBAND PHOTOVOLTAIC AUSTRIA, Abgerufen: 29.04.26)
[3] Wärmepumpe Austria – Ihre Wärmepumpe (Link: 2025-07_Waermepumpe-InfoBroschuere-WebPDF.pdf, Abgerufen: 29.04.26)
[4] Beyertt, A., Verwiebe, P., Seim, S., Milojkovic, F., Müller-Kirchenbauer, J. (2020): Felduntersuchung zu Behavioral Energy Efficiency Potentialen privater Haushalte. Working Paper Energie und Ressourcen im Rahmen des BAFA-Förderprogramms Einsparzähler sowie des BMWi-geförderten Forschungsprojekts DemandRegio, Berlin, DOI: http://doi.org/10.5281/zenodo.3855575