Hallo!
Wenn Du an der Installation von Solar Forecast ML oder einer seiner Komponenten interessiert bist, bitte ich Dich folgendes aufmerksam zu lesen, um zu entscheiden, ob es überhaupt für Dich sinnvoll oder nützlich ist – vor allem, ob Deine Anlage und Hardware geeignet sind.
Welche Grundvoraussetzungen brauchst Du?
Grundsätzlich ist das stark abhängig von Deiner vorhandenen Hardware sowie von den Kenntnissen und der Zeit, die Du in das Verständnis komplexer Auswertungen und Solartechnik im Allgemeinen investieren möchtest.
Wichtiger Hinweis zur Reihenfolge:
SFML ist das Fundament. STATS und EAI bauen darauf auf. Grid Price Monitor und Weather Fusion AI können eigenständig laufen, entfalten ihren Nutzen aber oft erst im Zusammenspiel mit SFML.
Weitere Sensor-Details:
Installationsübersicht:
Für wen ist Solar Forecast ML geeignet?
Für eine einfache Solarprognose, mit der sich Automationen steuern lassen, reicht Solar Forecast ML. Hierfür wird nur ein DC-Powersensor benötigt (aktuelle Leistung der Solarzellen, die am Wechselrichter ankommt – nicht der Wechselrichter-Ausgang(!)).
Solar Forecast ML folgt dann den standardisierten Home-Assistant-Sensor-Mechanismen.
Hast Du einen Akku an Deiner Anlage, benötigst Du zusätzlich einen PV-zu-Akku-Sensor.
Kannst Du diese Sensoren nicht bereitstellen, ist an dieser Stelle leider Schluss und SFML wird bei Dir nicht laufen.
Weitere Informationen:
Benötigte Kenntnisse:
- sicherer Umgang mit Home Assistant auf erweitertem Anfänger-Niveau
- Verständnis grundlegender Funktionsweisen von Solaranlagen
- Verständnis des Unterschieds zwischen DC und AC
- Verständnis der eigenen PV-Anlage und Grundbegriffe der Solartechnik (kWp, Ausrichtung/Azimut, Tilt, …)
Nicht geeignet für:
- Anlagen, die keinen DC-Input-Sensor / Wert bereitstellen (wechselrichterseitig)
- Anlagen mit AC-angebundenen Akku-Systemen (z. B. Hoymiles)
- wenn Du nicht weißt, wie man ggf. einen Template-Sensor baut
Schwierigkeitsgrad Installation und Nutzung: 2/10
Für wen ist Solar Forecast STATS geeignet?
Solar Forecast STATS ist eine sehr komplexe Auswertung Deiner Solaranlage und ebenso der KIs, die lokal im Hintergrund arbeiten. Sie ist für Nutzer gedacht, die sicher mit Home Assistant umgehen können und ein Verständnis von Solartechnik und ihrer eigenen Anlage haben. Um alle angebotenen Auswertungen, CSV-Exporte und Anzeigen zu verstehen, bedarf es Einarbeitungszeit und Verständnis.
Voraussetzungen:
- funktionierende SFML-Installation
- aktueller Hausverbrauchssensor und weitere passende Energiefluss-/Verbrauchssensoren
- erweitertes Verständnis und sicherer Umgang mit Home Assistant
Benötigte Kenntnisse:
- Verständnis der Funktionsweise von Solaranlagen
- Verständnis von Energieflüssen und Aufteilungen in einer Solaranlage
- Verständnis der eigenen PV-Anlage und der Bedeutung der Messgrößen
- Unterscheidung Leistung (W/kW) vs. Energie (Wh/kWh) sowie Tageszähler vs. Lebenszeit-Zähler
- sicherer Umgang mit Leistungseinheiten
- Grundverständnis von Wirkleistung, Umwandlungsverlusten und Wirkungsgrad
- Grundverständnis, wie Batteriespeicher arbeiten (inkl. SoC)
- Grundkenntnisse über die richtige Zuordnung von Energieflüssen
- Graphen und Auswertungen richtig lesen und einordnen können
- Kontext und Abhängigkeiten zwischen Werten und Komponenten verstehen
- Grundkenntnisse oder Bereitschaft, KI-Kennzahlen und Lernsignale zu verstehen
- Interesse, tiefer in bisher unbekannte Themengebiete einzusteigen
- Grundverständnis von Begriffen wie Amortisation und Ladesteuerung
- logisches Verständnis der Zusammenhänge
Nicht geeignet für:
- Anlagen, die nicht die Grundvoraussetzungen für Solar Forecast ML erfüllen
- Nutzer, die keine Zeit oder Lust haben, sich mit der Fülle der bereitgestellten Werte und Sensoren zu befassen, sondern nur eine Prognose benötigen
- wenn Du nicht weißt, wie man ggf. einen Template-Sensor baut
- Erwartung „alles erklärt sich von allein ohne Einarbeitung“
Schwierigkeitsgrad Installation und Nutzung: 6/10
Für wen ist Solar Forecast EAI geeignet?
Solar Forecast EAI (Energy AI / Kepler) ist die anspruchsvollste Komponente der Suite. Sie richtet sich an Nutzer mit Wärmepumpe, Speicher und/oder Wallbox, die lokale, erklärbare Energiesignale wollen – keine fertige Black-Box-Steuerung.
EAI liefert Empfehlungen, Freigaben und Erklärungen. Geschaltet wird ausschließlich durch Deine eigenen Home-Assistant-Automationen.
Voraussetzungen:
- SFML und STATS müssen eingerichtet und stabil laufen
- gültige EAI-Lizenz
- für Wärmepumpe mindestens: aktuelle elektrische Leistung (W/kW), Wärmepumpenenergie heute (Tageszähler seit Mitternacht), Außentemperatur
- optional stark empfohlen: Innenraumtemperatur, Betriebsmodus, Verdichter, Vorlauf/Rücklauf, Warmwasser – sonst bleibt vieles unvollständig oder weniger belastbar
Benötigte Kenntnisse:
- sicherer, fortgeschrittener Umgang mit Home Assistant (inkl. Automationen)
- sicheres Verständnis von STATS-Energieflüssen und Verbrauchern
- Verständnis Wärmepumpe / hydraulischer Messkreis (elektrisch vs. thermisch)
- korrekte Tagesenergie (Utility Meter mit Tages-Reset – kein Lebenszeit-Zähler als „heute“)
- Bereitschaft, Beta-Funktionen (z. B. EMS) als Beratung zu verstehen, nicht als fertiges EMS-Produkt „aus der Dose“
- Verständnis, dass falsche Sensorzuordnung falsche Empfehlungen erzeugt
Nicht geeignet für:
- Nutzer ohne SFML + STATS
- Nutzer ohne Lizenz / ohne passende Sensorbasis
- Erwartung „EAI schaltet meine Wärmepumpe / Wallbox von allein“
- Anlagen mit unklaren oder doppelt gezählten Verbrauchern
- wenn Du keine Zeit hast, Signale zu prüfen und erst danach Automationen zu bauen
Schwierigkeitsgrad Installation und Nutzung: 8/10
Für wen ist Solar Forecast ML Grid Price Monitor geeignet?
Grid Price Monitor (GPM) ist die vergleichsweise zugängliche Komponente rund um dynamische Strompreise. Sie kann eigenständig eingerichtet werden und braucht für die reine Preisfunktion keine SFML-Sensorzuordnung.
Nutzen: realer Gesamtpreis (Spot + Aufschläge/MwSt.), Stundenprofile heute/morgen, günstige Zeitfenster und Binärsignale für Automationen.
Voraussetzungen:
- Home Assistant und eine unterstützte Preisquelle / Tarifkontext
- Verständnis, was Dein Gesamtpreis in ct/kWh ist (Börsenpreis allein reicht oft nicht)
- optional für Akku-/Smart-Charging-Nutzen: SoC, Kapazität, Min-/Max-SoC und geprüfte Schaltmöglichkeit
Benötigte Kenntnisse:
- sicherer Umgang mit Home Assistant auf Anfänger- bis mittlerem Niveau
- Grundverständnis dynamischer Stromtarife (Spot vs. Endpreis)
- Fähigkeit, Binärsignale in eigenen Automationen zu nutzen
- bei Akku-Funktionen: SoC, Kapazität, Min-/Max-SoC und Preisgrenzen nicht vertauschen
Nicht geeignet für:
- Nutzer ohne dynamischen Tarif / ohne passende Preisquelle
- Erwartung „GPM steuert den Akku von allein ohne geprüfte Schalter-/SoC-Daten“
- Verwechslung von Börsenpreis und tatsächlich gezahltem Gesamtpreis
Schwierigkeitsgrad Installation und Nutzung: 3/10
(mit Smart Charging + Akku eher 5/10)
Für wen ist Solar Forecast ML Weather Fusion AI geeignet?
Weather Fusion AI (WFAI) fusioniert mehrere Wetterrohdaten und verankert die Vorhersage an lokalen Messwerten am Standort. Sie kann eigenständig laufen und liefert eine native Home-Assistant-Wetterentität sowie Lern-/Qualitätsstatus.
Voraussetzungen:
- eine eigene lokale Wetterstation
- Messwerte vom tatsächlichen Standort – keine entfernte Station als „lokale Messung“ abbilden
- Geduld für Lern-/Kalibrierphasen (Qualität entsteht erst mit belastbarer lokaler Historie)
Benötigte Kenntnisse:
- sicherer Umgang mit Home Assistant
- Verständnis, welche Wettersensoren was messen (z. B. Regenrate mm/h vs. Tagessumme)
- Bereitschaft, Quellengewichte / Lernstatus zu lesen, statt nur „eine Zahl“ zu erwarten
- optional: Nutzen im Zusammenspiel mit SFML/EAI (Wetterkontext für Prognose und Energieplanung)
Nicht geeignet für:
- Nutzer ohne lokale Wettermessung / Wetterstation
- reine Cloud-/Stadt-Wetter-Entity als Ersatz für Standortmessung
- Erwartung sofortiger „fertiger Genauigkeit“ ohne Lernbasis
- wer nur eine einfache Wetterkarte will und keine Fusion/Lernlogik braucht
Schwierigkeitsgrad Installation und Nutzung: 3/10
Weitere Hinweise
Wetterstation
Wenn lokale Wetterwerte eingebunden werden sollen, ist eine eigene und korrekt aufgestellte Wetterstation zwingend Pflicht. Entfernte Wetterstationen oder Template-Spielereien werden nicht unterstützt und dürfen auf keinen Fall eingebunden werden.
Empfehlung: Ecowitt mit der entsprechenden Integration.
LOG-Meldungen
LOG-Meldungen sind grundsätzlich für Entwickler und Debugging gedacht. Ohne tieferes Verständnis von Python, dem AI-Stack und der Home-Assistant-Funktionsweise sind sie für Laien kaum greifbar – dafür ist SFML zu komplex.
Es ist zwecklos, LOG-Meldungen von SFML oder seinen Komponenten in eine KI (Claude, Copilot, ChatGPT, …) zu geben und damit zu argumentieren. In 9 von 10 Fällen sind die auslösenden Code-Bestandteile geschützt/verschlüsselt – die KI halluziniert dann. Solche Posts oder KI-Interpretationen beantworte ich nicht länger.
Menschliche Fragen gerne jederzeit.
Home-Assistant-Fehlermeldungen
Ähnlich wie bei den internen LOG-Meldungen lassen sich diese kaum bis gar nicht zuverlässig von einem LLM interpretieren. Ich beantworte gerne jede menschliche Frage dazu – auf AI-Slop reagiere ich nicht.
Anlaufstelle für Fragen und Hilfe
Bitte immer zuerst die Volltext-Suche auf der SFML-Website nutzen: