Anwendungsfall: Energie und Versorgung

Dachflächen für Photovoltaik finden

Ein Dach eignet sich für Solarmodule, wenn Fläche, Neigung, Ausrichtung und Verschattung passen und genug Sonnenstrahlung darauf trifft. Datenbanken wie PVGIS leiten diese Strahlung aus Satellitenbildern ab. Eine KI-gestützte Auswertung von Satellitenbildern kann bestehende Anlagen erkennen, und maschinelles Lernen kann Dachflächen in großem Maßstab abschätzen. In Solarkatastern wie dem der Steiermark stammt die Dachgeometrie aus Laserscanning-Befliegungen.

Referenz
UC-08
Technologien
  • Erdbeobachtung
  • Künstliche Intelligenz
Branche
Herausforderung
Standortwahl und Planung
Aktualisiert
Herausgeber
LETO SPACE

01Technik

So funktioniert eine Solarpotenzialanalyse für Dächer

Ein Dach eignet sich für Solarmodule, wenn es genug nutzbare Fläche, eine günstige Neigung und Ausrichtung und wenig Verschattung durch Nachbargebäude und Bäume hat und wenn über das Jahr genug Sonnenlicht auf den Standort fällt. Eine Analyse prüft diese Punkte Dach für Dach.

Wie das in der Praxis aussieht, zeigt das Solarkataster des Landes Steiermark. Ein hochaufgelöstes Oberflächenmodell aus einer Laserscanning-Befliegung beschreibt die Dächer. GIS-Methoden berechnen daraus die jährliche direkte und diffuse Strahlung auf einem Raster von 1 mal 1 Meter und teilen die Dächer in drei Klassen ein: sehr gut geeignet, gut geeignet und geeignet. Für Photovoltaik enthält das Ergebnis den erwarteten Jahresertrag und die Spitzenleistung in kWp Quelle: Land Steiermark, abgerufen am 6. Oktober 2026Land SteiermarkSolarpotenzial Steiermarkabgerufen am 6. Oktober 2026Quelle öffnen (öffnet technik.steiermark.at).

Satelliten tragen auf zweierlei Weise bei. Ihre Bilder sind die Grundlage von Strahlungsdatenbanken wie PVGIS Quelle: European Commission, Joint Research Centre (JRC), abgerufen am 8. Oktober 2026European Commission, Joint Research Centre (JRC)PVGIS: Data sources and calculation methodsabgerufen am 8. Oktober 2026Quelle öffnen (öffnet joint-research-centre.ec.europa.eu). Zudem kann Deep Learning in Satellitenbildern bestehende Solaranlagen finden und ihre Größe schätzen Quelle: Joule, 19. Dezember 2018JouleDeepSolar: A Machine Learning Framework to Efficiently Construct a Solar Deployment Database in the United States (Yu et al., Joule 2, 2605 to 2617)19. Dezember 2018Quelle öffnen (öffnet doi.org). Mit maschinellem Lernen und Geodatenanalyse wurden außerdem Dachflächen und Solarpotenzial weltweit geschätzt Quelle: Nature Communications, 5. Oktober 2021Nature CommunicationsHigh resolution global spatiotemporal assessment of rooftop solar photovoltaics potential for renewable electricity generation (Joshi et al., Nature Communications 12, 5738)5. Oktober 2021Quelle öffnen (öffnet doi.org).

  • sehr gut geeignet
  • gut geeignet
  • geeignet
  • keine Klasse
  • Bestehende Anlagenper KI erkannt
  • Je DachErtrag und kWp
  • Verschattungsenkt die Klasse
Die Einstrahlung wird auf dem Dachmodell selbst berechnet. Strahlungsdaten aus Satelliten sind mit einer Auflösung von einigen Kilometern für einzelne Dächer zu grob. Die KI-Erkennung bestehender Anlagen ist eine eigene Datenebene. Illustrative Straße, keine echten Daten. Quelle: Land Steiermark

Die Europäische Initiative für Solardächer (European Solar Rooftops Initiative) soll das große, bisher wenig genutzte Solarpotenzial der Dächer in der EU erschließen Quelle: European Commission, EUR-Lex, 18. Mai 2022European Commission, EUR-LexEU Solar Energy Strategy, COM(2022) 221 final18. Mai 2022Quelle öffnen (öffnet eur-lex.europa.eu).

02Daten

Daten und Satelliten

Sonneneinstrahlung
Satellitengestützt, METEOSAT, etwa 4 km Auflösung, lange Zeitreihen (PVGIS)
Dachform
Laserscanning-Befliegung, Ergebnisse auf einem 1-m-Raster (Steiermark)
Satellit mit sehr hoher Auflösung
30 cm pro Pixel (Pléiades Neo)
Kostenloser optischer Satellit
10 m pro Pixel (Sentinel-2)

Sonneneinstrahlung. Das Tool PVGIS der Europäischen Kommission schätzt die Sonneneinstrahlung aus Daten der METEOSAT-Satelliten, mit einer Auflösung von etwa 4 km direkt unterhalb des Satelliten, und bietet lange Zeitreihen Quelle: European Commission, Joint Research Centre (JRC), abgerufen am 8. Oktober 2026European Commission, Joint Research Centre (JRC)PVGIS: Data sources and calculation methodsabgerufen am 8. Oktober 2026Quelle öffnen (öffnet joint-research-centre.ec.europa.eu). Der Copernicus Atmosphere Monitoring Service stellt Zeitreihen der Sonneneinstrahlung für einen gewählten Punkt bereit. Das hilft bei der Planung großer Solarparks ebenso wie bei Anlagen auf Dächern Quelle: Copernicus Atmosphere Monitoring Service (CAMS), abgerufen am 6. Oktober 2026Copernicus Atmosphere Monitoring Service (CAMS)Solar energyabgerufen am 6. Oktober 2026Quelle öffnen (öffnet atmosphere.copernicus.eu).

Dächer und bestehende Anlagen. Kommerzielle Satelliten wie Pléiades Neo nehmen Bilder mit 30 cm Auflösung auf Quelle: European Space Agency (ESA), Earth Online, abgerufen am 6. Oktober 2026European Space Agency (ESA), Earth OnlinePléiades Neoabgerufen am 6. Oktober 2026Quelle öffnen (öffnet earth.esa.int). Das Framework DeepSolar hat Satellitenbilder mit Deep Learning ausgewertet, um Solaranlagen in den 48 zusammenhängenden Bundesstaaten der USA zu lokalisieren und ihre Größe zu schätzen Quelle: Joule, 19. Dezember 2018JouleDeepSolar: A Machine Learning Framework to Efficiently Construct a Solar Deployment Database in the United States (Yu et al., Joule 2, 2605 to 2617)19. Dezember 2018Quelle öffnen (öffnet doi.org).

03Ergebnisse

Was Sie erhalten

Energieunternehmen können solche Ergebnisse nutzen, um zu entscheiden, wo sie Anlagen anbieten. Wie das geht, beschreibt der Anwendungsfall Vertrieb erneuerbarer Energiesysteme automatisieren. Gemeinden können damit ihre Bürger:innen informieren und die eigenen Gebäude planen.

04Grenzen

Grenzen

05Nächste Schritte

So unterstützen wir Sie

Regionale Kataster, Satellitenarchive, kommerzielle Bilddaten und KI-Anbieter decken jeweils Teile dieser Analyse ab. Im Leistungsbereich Strategie und Anwendungsfälle klären wir, welche Entscheidung das Ergebnis tragen muss und welche Datenquelle die nötige Genauigkeit zu einem passenden Preis liefert.

Der Marktplatz von Spacegraph, unserer Discovery-Plattform, hat Anwendungsfall-Kategorien wie Objekterkennung und -zählung sowie Standortwahl und Raumplanung.

06Anwendungsfälle

Verwandte Anwendungsfälle

Häufige Fragen

F1Welche Daten braucht eine Solarpotenzialanalyse für Dächer, und wie aktuell sind sie?

Sie braucht ein Modell der Dächer mit Neigung, Ausrichtung und Verschattung sowie Strahlungsdaten für den Standort. In der Steiermark etwa stammt das Modell aus einer Laserscanning-Befliegung, und die Strahlung wird auf einem Raster von 1 mal 1 Meter berechnet Quelle: Land Steiermark, abgerufen am 6. Oktober 2026Land SteiermarkSolarpotenzial Steiermarkabgerufen am 6. Oktober 2026Quelle öffnen (öffnet technik.steiermark.at). Satellitengestützte Strahlungsdaten umfassen lange Zeitreihen von bis zu 30 Jahren oder mehr Quelle: European Commission, Joint Research Centre (JRC), abgerufen am 8. Oktober 2026European Commission, Joint Research Centre (JRC)PVGIS: Data sources and calculation methodsabgerufen am 8. Oktober 2026Quelle öffnen (öffnet joint-research-centre.ec.europa.eu). Das Dachmodell ist nur so aktuell wie die Befliegung oder die Bilder, aus denen es entstanden ist. Prüfen Sie daher sein Datum.

F2Lassen sich geeignete Dächer mit kostenlosen Sentinel-2-Bildern finden?

Kaum. Sentinel-2 erfasst seine feinsten Kanäle mit 10 m pro Pixel Quelle: European Space Agency (ESA), abgerufen am 6. Oktober 2026European Space Agency (ESA)Sentinel-2: Facts and figuresabgerufen am 6. Oktober 2026Quelle öffnen (öffnet esa.int). Das ist zu grob, um die Form eines einzelnen Dachs zu erkennen. Kommerzielle Satelliten wie Pléiades Neo erreichen 30 cm Quelle: European Space Agency (ESA), Earth Online, abgerufen am 6. Oktober 2026European Space Agency (ESA), Earth OnlinePléiades Neoabgerufen am 6. Oktober 2026Quelle öffnen (öffnet earth.esa.int), die Luftbilder des Copernicus Emergency Management Service 10 bis 20 cm Quelle: Copernicus EMS, Copernicus Emergency Management Service, abgerufen am 6. Oktober 2026Copernicus Emergency Management ServiceUsing Earth Observation Dataabgerufen am 6. Oktober 2026Quelle öffnen (öffnet mapping.emergency.copernicus.eu).

F3Wie fangen wir an?

Prüfen Sie zuerst, ob Ihre Region bereits ein Solarkataster veröffentlicht, wie es die Steiermark tut Quelle: Land Steiermark, abgerufen am 6. Oktober 2026Land SteiermarkSolarpotenzial Steiermarkabgerufen am 6. Oktober 2026Quelle öffnen (öffnet technik.steiermark.at). Ist das der Fall, besteht die Aufgabe oft darin, es mit Ihren eigenen Daten zu verknüpfen, statt eine neue Karte zu erstellen. Gibt es keines, zeigt ein Pilotprojekt für einen Stadtteil, welche Datenquelle die nötige Genauigkeit zu einem passenden Preis liefert. Unsere Beratungsübersicht zeigt den Weg vom Problem bis zum Regelbetrieb.

Quellen (9)

  1. Land Steiermark, abgerufen am 6. Oktober 2026Solarpotenzial Steiermark (öffnet technik.steiermark.at)
  2. European Commission, Joint Research Centre (JRC), abgerufen am 8. Oktober 2026PVGIS: Data sources and calculation methods (öffnet joint-research-centre.ec.europa.eu)
  3. Copernicus Atmosphere Monitoring Service (CAMS), abgerufen am 6. Oktober 2026Solar energy (öffnet atmosphere.copernicus.eu)
  4. European Space Agency (ESA), abgerufen am 6. Oktober 2026Sentinel-2: Facts and figures (öffnet esa.int)
  5. European Space Agency (ESA), Earth Online, abgerufen am 6. Oktober 2026Pléiades Neo (öffnet earth.esa.int)
  6. Copernicus Emergency Management Service, abgerufen am 6. Oktober 2026Using Earth Observation Data (öffnet mapping.emergency.copernicus.eu)
  7. Nature Communications, 5. Oktober 2021High resolution global spatiotemporal assessment of rooftop solar photovoltaics potential for renewable electricity generation (Joshi et al., Nature Communications 12, 5738) (öffnet doi.org)
  8. Joule, 19. Dezember 2018DeepSolar: A Machine Learning Framework to Efficiently Construct a Solar Deployment Database in the United States (Yu et al., Joule 2, 2605 to 2617) (öffnet doi.org)
  9. European Commission, EUR-Lex, 18. Mai 2022EU Solar Energy Strategy, COM(2022) 221 final (öffnet eur-lex.europa.eu)

Kontakt

Welche Dächer möchten Sie bewerten, und welche Entscheidung soll das Ergebnis stützen?

Lieber persönlich sprechen?

Erzählen Sie unseren Expert:innen von Ihrem Vorhaben. Gemeinsam klären wir, wo Sie stehen, ob Satellitendaten und KI weiterhelfen können und was ein sinnvoller nächster Schritt wäre.

Beide Gespräche sind kostenlos und finden online statt. Den Termin wählen Sie in unserem Buchungskalender.