Das Wichtigste auf einen Blick
- Strahlungsdaten bestehen aus drei Komponenten: Globalstrahlung (GHI), Direktnormalstrahlung (DNI) und diffuse Strahlung (DHI) — für die Flächenanlage ist GHI am relevantesten, für CSP-Anlagen DNI.
- Typische GHI-Werte in Deutschland: Hamburg ca. 1.020 kWh/m²/Jahr, Frankfurt ca. 1.110 kWh/m²/Jahr, München ca. 1.210 kWh/m²/Jahr, Freiburg ca. 1.270 kWh/m²/Jahr.
- Satellitendaten (Solargis, SARAH-3) haben eine typische Unsicherheit von ±3–5 %; Bodenmessungen mit Pyranometern erreichen ±1–2 % — für bankable Projekte ist der Qualitätsunterschied entscheidend.
- Das typische meteorologische Jahr (TMY) ist ein statistisch konstruiertes Datenjahr, das den langjährigen Mittelwert eines Standorts repräsentiert — Basis für P50-Ertragsprognosen.
- P90-Berechnungen — für Bankfinanzierungen obligatorisch — erfordern eine statistische Auswertung mehrerer Jahresgänge; sie garantieren, dass der Ertrag in 9 von 10 Jahren nicht unterschritten wird.
- Stündliche Datenauflösung ist Standard für Simulation; 15-Minuten-Intervalle verbessern die Genauigkeit bei Spitzenlastberechnungen und Batteriespeicherauslegungen signifikant.
- SurgePVs Solar-Finanzsoftware integriert PVGIS- und Meteonorm-Strahlungsdaten direkt — kein manueller Datenimport erforderlich.
Was sind Strahlungsdaten?
Strahlungsdaten sind meteorologische Messdatensätze, die beschreiben, wie viel Sonnenenergie in einem bestimmten Zeitraum auf eine definierte Fläche auftrifft. Sie sind die wichtigste Eingangsgröße für jede PV-Ertragsimulation — ohne verlässliche Strahlungsdaten ist kein Ertragsgutachten belastbar und keine Amortisationsrechnung fundiert.
Die Solarstrahlung, die auf ein Solarmodul trifft, setzt sich aus mehreren Komponenten zusammen: der direkten Sonnenstrahlung, die ohne Ableitung von der Sonne kommt; der diffusen Himmelsstrahlung, die von Wolken, Aerosolen und dem Atmosphärenstreufeld stammt; und der reflektierten Bodenstrahlung (Albedo). Strahlungsdaten quantifizieren diese Komponenten — getrennt oder kombiniert — üblicherweise in der Einheit Watt pro Quadratmeter (W/m²) als momentaner Wert oder kWh/m² als integrierter Wert über einen Zeitraum.
Strahlungsdaten sind für den PV-Planer das, was das Grundriss-Aufmaß für den Architekten ist. Wer hier mit Pauschalwerten arbeitet, baut auf Sand — egal wie präzise die Restplanung ist.
Die Qualität der Strahlungsdaten beeinflusst direkt die Verlässlichkeit der Ertragsprognose. Ein Fehler von 5 % in den Eingangsdaten überträgt sich nahezu 1:1 auf den prognostizierten Ertrag. Bei einem 100-kWp-Projekt mit 10 ct/kWh Einspeisetarif entspricht das über 20 Jahre einer Abweichung von ca. 10.000 EUR — allein durch ungenaue Eingangsgrößen.
Die drei Strahlungskomponenten
Globalstrahlung (Global Horizontal Irradiance)
Gesamte Strahlung auf einer horizontalen Fläche — Summe aus direkter und diffuser Komponente. Die wichtigste Größe für PV-Flächenanlagen. In Deutschland: 1.000–1.270 kWh/m²/Jahr je nach Standort.
Direktnormalstrahlung (Direct Normal Irradiance)
Direkte Sonnenstrahlung senkrecht zur Strahlungsrichtung. Für Konzentrationssolaranlagen (CSP) und zweiachsige Tracker entscheidend. In Deutschland deutlich geringer als in sonnigen Wüstenregionen.
Diffuse Strahlung (Diffuse Horizontal Irradiance)
Gestreute Himmelsstrahlung ohne direkte Sonnenkomponente. In Deutschland, wo bewölkte Tage häufig sind, trägt DHI substanziell zum Jahresertrag bei — typisch 35–45 % der GHI in Norddeutschland.
Für die Standard-PV-Simulation mit feststehendem Modulfeld ist die GHI die maßgebliche Eingangsgröße. Sie wird im Simulationsmodell zusammen mit dem Neigungswinkel und der Azimutausrichtung in die auf die geneigte Modulfläche auftreffende Strahlung (Plane of Array Irradiance, POA) umgerechnet. Diese Umrechnung nutzt das isotrope oder anisotrope Strahlungsmodell des jeweiligen Simulationstools.
Strahlungsdaten-Typen: Gemessen, Satelliten-basiert, Reanalyse
Bodenmessung (Pyranometer)
Direktmessung am Standort mit einem kalibrierten Pyranometer (ISO 9060). Genauigkeit: ±1–2 % für Erstklasse-Instrumente. Beste Datenqualität, aber nur verfügbar, wenn ein Messgerät vor Ort betrieben wird — typisch bei Großprojekten ab 1 MW als Messkampagne über 1–2 Jahre. In Deutschland betreibt der DWD ca. 400 Klimastationen mit Globalstrahlungsmessung.
Satelliten-abgeleitete Daten (SARAH-3, Solargis)
Ableitung der Globalstrahlung aus Satellitenbildern (Wolkenbedeckung, Aerosolgehalt). Räumliche Auflösung: 4–5 km (PVGIS-SARAH2) bis 90 m (Solargis). Unsicherheit: ±3–5 % im Jahresmittel. Verfügbar für ganz Europa ohne lokale Messkampagne — Standarddatenquelle für die meisten deutschen PV-Projekte. Solargis-Daten gehen zurück bis 1994, SARAH-3 ab 1983.
Reanalysedaten (ERA5, MERRA-2)
Meteorologische Reanalyse kombiniert historische Beobachtungen mit Atmosphärenmodellen. ERA5 des ECMWF liefert stündliche Daten ab 1940 mit ca. 30 km Auflösung — ideal für lange Zeitreihenanalysen und Klimatologiestudien. Für Standortpräzision bei PV-Projekten unter Solargis und PVGIS einzustufen, aber wertvoll für P90-Unsicherheitsanalysen mit sehr langen Datenreihen.
Typisches Meteorologisches Jahr (TMY)
Ein aus einem langen Datensatz statistisch konstruiertes Referenzjahr, das den langjährigen Mittelwert repräsentiert. Kein reales Jahr — sondern eine Zusammenstellung der “typischsten” Monate aus verschiedenen Beobachtungsjahren. Meteonorm-TMY ist der Standard in PVsyst und SurgePV. Grundlage für P50-Prognosen.
Globalstrahlung in Deutschland: Typische Werte nach Standort
| Stadt | Bundesland | GHI (kWh/m²/Jahr) | Anteil Diffusstrahlung | Spez. Ertrag (kWh/kWp, PR 0,82) |
|---|---|---|---|---|
| Freiburg | Baden-Württemberg | ca. 1.270 | ca. 37 % | ca. 1.041 |
| München | Bayern | ca. 1.210 | ca. 38 % | ca. 992 |
| Nürnberg | Bayern | ca. 1.175 | ca. 39 % | ca. 963 |
| Stuttgart | Baden-Württemberg | ca. 1.160 | ca. 39 % | ca. 951 |
| Frankfurt | Hessen | ca. 1.110 | ca. 41 % | ca. 910 |
| Dresden | Sachsen | ca. 1.090 | ca. 42 % | ca. 894 |
| Berlin | Berlin | ca. 1.075 | ca. 43 % | ca. 882 |
| Köln | NRW | ca. 1.050 | ca. 43 % | ca. 861 |
| Hannover | Niedersachsen | ca. 1.040 | ca. 44 % | ca. 853 |
| Hamburg | Hamburg | ca. 1.020 | ca. 45 % | ca. 836 |
| Kiel | Schleswig-Holstein | ca. 1.000 | ca. 46 % | ca. 820 |
Quellen: PVGIS-SARAH2, Meteonorm 8. Werte für horizontale Fläche, Jahresmittel 1991–2020.
Der Diffusstrahlenanteil steigt von Süd nach Nord — in Hamburg macht Diffusstrahlung fast die Hälfte der Globalstrahlung aus. Das hat praktische Konsequenzen: Bifaziale Module und Module mit höherem Wirkungsgrad bei diffuser Strahlung (z. B. HJT-Technologie) gewinnen in norddeutschen Klimata relativ mehr als im Süden.
Globalstrahlung in kWh/m² ist nicht dasselbe wie Sonnenstunden. Hamburg hat ca. 1.020 kWh/m² GHI bei ca. 1.625 Sonnenstunden — das entspricht einem Mittelwert von ca. 628 W/m² je Sonnenstunde. München kommt auf 1.210 kWh/m² bei 1.860 Stunden, also ca. 650 W/m² pro Sonnenstunde. Die Intensität ist im Süden höher, nicht nur die Stundenzahl.
Datenauflösung: Warum stündliche Daten nicht immer ausreichen
Die zeitliche Auflösung der Strahlungsdaten beeinflusst die Simulationsgenauigkeit — besonders bei der Auslegung von Batteriespeichern und der Berechnung von Eigenverbrauchsquoten.
Genauigkeitsfehler [%] ≈ (Δt [min] / 60) × Variabilitätsindex des Standorts × 5| Datenauflösung | Typische Anwendung | Unsicherheitseffekt |
|---|---|---|
| Monatliche Mittelwerte | Grobschätzung, Vorplanung | ±8–12 % auf Jahresertrag |
| Stündliche Daten (TMY) | Standard-Simulation, P50/P90 | ±3–5 % (abhängig von Datenquelle) |
| 15-Minuten-Daten | Speicherauslegung, Eigenverbrauch | ±1–3 % |
| Minutendaten | Forschung, Hochfrequenzanalyse | ±0,5–1 % |
Für die Mehrzahl der deutschen Wohn- und Gewerbeprojekte bis 100 kWp sind stündliche TMY-Daten ausreichend. Ab Projektgrößen, bei denen die Speicherdimensionierung wirtschaftlich kritisch ist, oder bei Projekten mit Demand-Side-Management, ist eine Simulation mit 15-Minuten-Daten sinnvoll.
Wichtige Strahlungsdaten-Quellen für Deutschland
PVGIS (JRC der EU-Kommission)
Kostenfrei zugängliches Tool mit Strahlungsdaten aus dem SARAH-2-Satellitendatensatz (1998–2015) und SARAH-3 (1983–aktuell). Auflösung 4–5 km für Deutschland. Stündliche und monatliche Ausgabe, TMY-Download möglich. Standard für Vorplanungen, kleine Anlagen und öffentliche Ausschreibungen, die keine kommerzielle Datenbasis vorschreiben. pvg_tools des JRC ist der direkte Zugang.
Meteonorm (Meteotest, Schweiz)
Kommerzielle Datenbank mit TMY-Datensätzen für über 8.000 Standorte weltweit. In PVsyst, SurgePV und vielen anderen Tools als Standardquelle integriert. Kombiniert DWD-Bodenmessungen mit Satelliteninterpolation. Version 8 enthält Klimanormale 1991–2020. Stündliche und 15-Minuten-Auflösung verfügbar. Bevorzugte Datenquelle für bankable Gutachten bis 500 kWp in Deutschland.
Solargis (Solargis s.r.o., Bratislava)
Satelliten-abgeleitete Strahlungsdaten mit einer räumlichen Auflösung von 90 m und Datensätzen ab 1994. Unsicherheit: ca. ±3 % GHI-Jahresmittel für Deutschland. Marktstandard für Freiflächen- und Großprojekte ab ca. 1 MWp, bei denen Banken und Investoren eine unabhängige Datenquelle verlangen. Ausgabe als stündliche Zeitreihe und als TMY. Höhere Kosten als Meteonorm, dafür höhere räumliche Präzision.
DWD (Deutscher Wetterdienst)
Betreiber des deutschen Bodenmessnetzes mit über 400 Klimastationen. Liefert gemessene Globalstrahlung als Zeitreihe — kostenlos über den DWD Climate Data Center (CDC). Entscheidend für die Validierung von Satellitendaten und für Standorte in Messstationsnähe. DWD-Daten werden von Sachverständigen als Referenz akzeptiert und sind die offizielle Grundlage für den DWD Klimaatlas.
P50 und P90: Was diese Werte bedeuten
Die P50/P90-Unterscheidung ist das wichtigste Konzept im Umgang mit Strahlungsdaten für Projektfinanzierungen.
Erwartungswert (50 % Wahrscheinlichkeit)
Der Ertrag, der in einem durchschnittlichen Jahr erzielt wird. In 50 % der Jahre liegt der tatsächliche Ertrag darüber, in 50 % darunter. P50 basiert auf dem TMY und ist die Standardausgabe der meisten Simulationstools. Wird für interne Businesspläne und Eigenverbrauchsberechnungen verwendet.
Konservativer Mindestwert (10 % Unterschreitungswahrscheinlichkeit)
Der Ertrag, der in 9 von 10 Jahren erreicht oder übertroffen wird. P90 ist der Mindeststandard für Bankfinanzierungen — Kreditgeber wollen sicherstellen, dass der Schuldendienst auch in schlechten Sonnenjahren gedeckt ist. P90 liegt typischerweise 5–10 % unter P50.
Die Berechnung des P90-Werts erfordert eine statistische Auswertung der Jahresvariabilität über mindestens 10, besser 20–30 Jahre historische Daten. Die Standardabweichung der jährlichen GHI-Summe wird mit einem statistischen Sicherheitsfaktor (z-Score für 90 % Konfidenzintervall: 1,28) multipliziert und vom P50-Wert abgezogen.
P90 [kWh] = P50 × (1 − 1,28 × σ_rel)Für Projekte mit Fremdfinanzierung ist es wichtig zu verstehen: Eine Bank, die auf P90-Basis finanziert, akzeptiert nicht automatisch jeden Gutachtenwert als P90. Sie prüft, ob die verwendete Datenquelle und Methodik den Branchenstandards entsprechen — Solargis oder Meteonorm mit mehr als 20 Jahren Datenhistorie sind dabei die Benchmark.
Datenunsicherheit und ihre praktische Bedeutung
Jede Strahlungsdatenquelle hat eine inhärente Unsicherheit. Diese überträgt sich direkt auf die Ertragsprognose.
| Datenquelle | Räumliche Auflösung | Jährliche GHI-Unsicherheit | Empfohlene Anlagengröße |
|---|---|---|---|
| DWD-Bodenmessung (nahe Station) | Punktmessung | ±1–2 % | Alle Größen |
| PVGIS-SARAH2 | 4–5 km | ±3–5 % | bis 100 kWp |
| Meteonorm TMY | interpoliert | ±3–5 % | bis 500 kWp |
| Solargis (Satellitendaten) | 90 m | ±3 % (D) | ab 100 kWp, bankable |
| ERA5 Reanalyse | ~30 km | ±5–8 % | Langzeitanalysen |
| Pyranometer vor Ort | Punktmessung | ±1–2 % | Großprojekte, Validierung |
Unsicherheitswerte beziehen sich auf das GHI-Jahresmittel für Deutschland. Monatliche Unsicherheiten sind deutlich höher.
Eine typische Ertragsprognose auf Basis von PVGIS-Daten hat eine Gesamtunsicherheit von ca. 7–10 % — zusammengesetzt aus Strahlungsdaten (±4 %), Modellierungsfehlern (±2 %) und Systemparametern (±2 %). Das bedeutet: Bei einem prognostizierten Jahresertrag von 10.000 kWh kann der tatsächliche Wert im Einzeljahr zwischen 9.000 und 11.000 kWh liegen. Das ist normal — keine Fehlfunktion der Anlage.
Wie SurgePV Strahlungsdaten in der Simulation verwendet
Die Solar-Finanzsoftware von SurgePV integriert Strahlungsdaten direkt in den Planungsworkflow — ohne manuellen Datenimport oder externe Datenbankzugriffe.
Beim Anlegen eines Projekts ruft SurgePV automatisch standortgenaue Einstrahlungsdaten aus PVGIS oder Meteonorm ab. Die Software überführt die GHI-Zeitreihe in die auf die geneigte Modulfläche treffende Einstrahlung (POA Irradiance), berücksichtigt dabei Azimut, Neigungswinkel und die Ergebnisse der integrierten Verschattungsanalyse. Das Ergebnis ist ein stündlicher Ertragsverlauf — Grundlage für P50-Prognose, Eigenverbrauchsberechnung und Amortisationsrechnung.
Für Projekte, bei denen Kunden eine P90-Analyse benötigen, exportiert SurgePV die Simulationsergebnisse mit den Quellenangaben und Unsicherheitsparametern — formatgerecht für Bankingdossiers und Förderanträge.
Praktische Hinweise
- Datenquelle dokumentieren. Im Planungsreport immer angeben, welche Strahlungsdatenquelle (PVGIS-SARAH2, Meteonorm 8, Solargis) mit welchem Klimanormal (z. B. 1991–2020) verwendet wurde. Das ist Voraussetzung für reproduzierbare Gutachten und spätere Ertragsnachweise.
- Zwei Datenquellen für bankable Projekte kreuztesten. Wenn PVGIS und Meteonorm an einem Standort mehr als 4 % voneinander abweichen, ist eine dritte Quelle (Solargis) hinzuzuziehen. Abweichungen über 5 % sind ein Signal für kleinräumige Klimabesonderheiten.
- Horizontale GHI in geneigte POA korrekt umrechnen. Bei 30° Neigung Süd gewinnt eine Anlage in München rund 8–10 % mehr Einstrahlung gegenüber der horizontalen GHI. Dieser Schritt darf nicht fehlen — viele Kurzberechnungen versäumen die Neigungskorrektur.
- Für Speicherprojekte 15-Minuten-Daten nutzen. Bei Batteriespeicher-Dimensionierungen über 10 kWh Kapazität verbessert die 15-Minuten-Auflösung die Eigenverbrauchsberechnungen signifikant gegenüber stündlichen Daten — besonders in bewölkungsreichem norddeutschem Klima.
- Ertragsmessung mit Strahlungsdaten abgleichen. Ein nachgeschalteter Vergleich von gemessener Anlageproduktion mit der simulierten — unter Berücksichtigung des tatsächlichen Einstrahlungsjahres (DWD-Jahreswert für den Standort) — ermöglicht eine saubere Diagnose von Minderleistung. Ohne diesen Abgleich ist unklar, ob eine Anlage unterproduziert oder ob das Jahr meteorologisch schwach war.
- Pyranometer für Großanlagen empfehlen. Ab ca. 50 kWp lohnt sich ein fest installierter Einstrahlungssensor (ca. 300–800 EUR), der die tatsächliche Globalstrahlung am Modulfeld misst. Damit wird der Performance-Ratio-Nachweis für Garantien und Wartungsverträge möglich.
- Keine Smartphone-App-Daten für offizielle Berichte. Strahlungswerte aus Wetter-Apps sind für private Neugier geeignet, nicht für Planungsberichte. Datenquellen in Berichten müssen anerkannte meteorologische Quellen sein.
- Jahresmeteorologie nach Abschluss des Betriebsjahrs auswerten. Der DWD veröffentlicht jährliche Klimarückblicke mit regionalen Sonnenscheinsummen. Wer diese Daten in Kundenberichte einbaut, demonstriert professionelle Qualitätskontrolle.
- Datenbasis als Vertrauensargument nutzen. “Wir arbeiten mit PVGIS-Daten der EU-Kommission und Meteonorm — dieselben Quellen, die PVsyst und führende europäische Gutachter verwenden.” Das unterscheidet seriöse Angebote von Anbietern mit Pauschalwerten.
- P90 als Argument für konservative Kunden. Kunden, die “sichergehen” wollen: “Unser P90-Wert bedeutet, dass Ihre Anlage in 9 von 10 Jahren mindestens diesen Ertrag erzielt — das ist der Standard, den Banken für die Projektfinanzierung verlangen.”
- Jahrliche Variabilität offen kommunizieren. Kunden, die nach einem “schlechten Jahr” enttäuscht sind: “Wir haben das gegen den DWD-Jahreswert verglichen — 2023 war in Deutschland meteorologisch unterdurchschnittlich. Die Anlage performt korrekt.”
- Bankfinanzierungsfähigkeit als Merkmal betonen. Für Gewerbeprojekte: “Unsere Ertragsberechnungen sind auf Basis von Solargis-Daten erstellt und P90-validiert — damit ist Ihr Projekt von Tag eins bankfinanzierungsfähig.”
Standortgenaue Ertragssimulation mit integrierten Strahlungsdaten
SurgePV ruft PVGIS- und Meteonorm-Daten automatisch ab und berechnet P50-Erträge, Eigenverbrauchsquote und Amortisationszeit in einem Arbeitsgang.
Solar-Finanzsoftware testenKeine Kreditkarte erforderlich
Praxisbeispiele
Beispiel 1: Wohngebäude in Frankfurt — PVGIS vs. Meteonorm im Vergleich
Ein Planer erstellt das Angebot für eine 12,6-kWp-Anlage in Frankfurt-Sachsenhausen. Er vergleicht zwei Datenquellen:
- PVGIS-SARAH2: GHI = 1.108 kWh/m²/Jahr, spez. Ertrag = 1.011 kWh/kWp
- Meteonorm 8 (TMY 1991–2020): GHI = 1.115 kWh/m²/Jahr, spez. Ertrag = 1.020 kWh/kWp
Differenz: 0,9 % — deutlich unter der Warnschwelle von 4 %. Beide Quellen sind konsistent. Der Planer verwendet Meteonorm als Primärquelle (integriert in SurgePV) und notiert PVGIS als Validierungsreferenz im Planungsreport.
Jahresertrag: 12,6 kWp × 1.020 kWh/kWp = 12.852 kWh/Jahr (P50). P90 mit σ_rel = 5,5 %: ca. 12.852 × 0,930 ≈ 11.952 kWh/Jahr. Der Kunde erhält beide Werte im Angebot.
Beispiel 2: Freiflächenanlage bei München — Bankfinanzierung mit P90-Nachweis
Ein Projektierer entwickelt eine 850-kWp-Anlage nördlich von München. Die Bank fordert eine bankable Ertragsprognose mit Solargis-Daten und P90-Nachweis.
Solargis-Ergebnis für den Standort: GHI = 1.197 kWh/m²/Jahr (±3 % Unsicherheit). Simulierter P50-Ertrag: 1.960 MWh/Jahr. Auf Basis der 28-jährigen Solargis-Zeitreihe (1994–2022) und einer σ_rel von 4,8 % ergibt sich:
P90 = 1.960 × (1 − 1,28 × 0,048) = 1.960 × 0,939 ≈ 1.840 MWh/Jahr.
Ergebnis: Die Bank akzeptiert P90 = 1.840 MWh als Grundlage für den Schuldendienst. Bei 7,5 ct/kWh Einspeisetarif: 138.000 EUR/Jahr gesicherter Mindesterlös. Kreditvolumen: 1,1 Mio. EUR, Laufzeit 15 Jahre.
Beispiel 3: Ertragsnachberechnung in Hamburg — Meteorologisch schlechtes Jahr erklärt Minderertrag
Eine 9,2-kWp-Anlage in Hamburg-Eimsbüttel produziert 2024 nur 7.640 kWh statt der prognostizierten 8.370 kWh — ein Rückgang von 8,7 %. Der Betreiber fragt nach Garantieleistungen.
Der Installateur zieht den DWD-Jahresbericht 2024 für die Station Hamburg-Fuhlsbüttel: GHI-Jahressumme 2024 war 947 kWh/m² — 7,2 % unter dem langjährigen Mittel von 1.020 kWh/m². Bei einer Performance Ratio der Anlage von 0,83 (unverändert, kein Defekt) erklärt sich der Minderertrag vollständig durch die meteorologische Situation.
Ergebnis: Kein Garantiefall. Der Vergleich Ertrag/GHI-Messung ergibt eine PR von 0,829 — exakt im Normalbereich. Der Betreiber versteht den Zusammenhang, die Reklamation wird zurückgezogen. Ohne Strahlungsdaten wäre die Diagnose nicht möglich gewesen.
Häufig gestellte Fragen
Was ist der Unterschied zwischen GHI, DNI und DHI?
GHI (Global Horizontal Irradiance) ist die Gesamtstrahlung auf einer horizontalen Fläche — Summe aus DHI und dem horizontalen Anteil der DNI. DNI (Direct Normal Irradiance) ist die direkte Sonnenstrahlung senkrecht zur Strahlungsrichtung, relevant für Konzentrationssolartechnik und zweiachsige Tracker. DHI (Diffuse Horizontal Irradiance) ist die gestreute Himmelsstrahlung ohne direkte Sonnenkomponente. Für normale PV-Flächenanlagen in Deutschland ist GHI die wichtigste Eingangsgröße.
Was ist ein typisches meteorologisches Jahr (TMY)?
Ein TMY (Typical Meteorological Year) ist ein statistisch konstruiertes Referenzjahr, das den langjährigen klimatologischen Mittelwert eines Standorts repräsentiert. Es besteht aus den jeweils “typischsten” Monaten aus einem langen Beobachtungszeitraum — kein reales Kalenderjahr. TMY-Daten werden in PVsyst, SurgePV und PVGIS als Standarddatenbasis verwendet. Sie ermöglichen P50-Prognosen — also den Ertrag, der im durchschnittlichen Jahr erwartet wird.
Welche Strahlungsdatenquelle sollte ich für eine Bankfinanzierung nutzen?
Für bankable Ertragsgutachten ab ca. 100 kWp ist Solargis mit ihrer 90-m-Auflösung und dem langen Datensatz ab 1994 der Industriestandard in Deutschland. Bei kleineren Projekten bis 500 kWp ist Meteonorm (integriert in PVsyst, SurgePV) von Banken akzeptiert. PVGIS reicht für Vorplanungen und kleinere Wohngebäudeprojekte, ist aber bei größeren Finanzierungsvolumen oft nicht ausreichend. Entscheidend ist auch die Dokumentation der P90-Berechnung mit Quellenangabe und Unsicherheitsparametern.
Was bedeutet P90 und warum verlangen Banken diesen Wert?
P90 ist der Ertrag, der in 9 von 10 Jahren mindestens erreicht wird — also der Wert, der nur in einem von zehn Jahren unterschritten wird. Banken und Kreditgeber verwenden P90 als Grundlage für Schuldendienst-Berechnungen, weil sie sicherstellen wollen, dass die Kredite auch in schlechten Sonnenjahren bedient werden können. P90 liegt typischerweise 5–10 % unter dem P50-Erwartungswert. Die Berechnung erfordert eine statistische Auswertung der Jahresvariabilität über mindestens 10–20 Jahre historische Strahlungsdaten.
Wie genau sind Satelliten-basierte Strahlungsdaten für Deutschland?
Für Deutschland gelten Satellitendaten (Solargis, PVGIS-SARAH2) als verlässlich mit einer typischen GHI-Jahresmittelabweichung von ±3–5 % gegenüber DWD-Bodenmessungen. Solargis erreicht für Europa besonders gute Genauigkeiten, weil das dichte europäische Messnetz zur Kalibrierung verwendet wird. Bodenmessungen mit Pyranometern der Klasse 1 (ISO 9060) erreichen ±1–2 % Genauigkeit und sind die Referenz, jedoch ortsgebunden. Für Punkte zwischen DWD-Stationen sind Satellitendaten oft die zuverlässigste verfügbare Option.
Muss ich für eine 10-kWp-Hausanlage Strahlungsdaten kaufen?
Nein. Für Wohngebäudeanlagen bis ca. 30 kWp sind die kostenlosen PVGIS-Daten der EU-Kommission ausreichend. PVGIS gibt stündliche Einstrahlungsdaten, TMY-Datensätze und direkte Ertragsprognosen für jede Adresse in Deutschland kostenlos aus. SurgePV integriert PVGIS direkt — kein gesonderter Datenimport nötig. Kommerzielle Datenquellen wie Meteonorm oder Solargis werden erst ab mittleren Projektgrößen oder bei Bankanforderungen relevant.
Verwandte Glossarbegriffe
About the Contributors
Co-Founder · SurgePV
Akash Hirpara is Co-Founder of SurgePV and at Heaven Green Energy Limited, managing finances for a company with 1+ GW in delivered solar projects. With 12+ years in renewable energy finance and strategic planning, he has structured $100M+ in solar project financing and improved EBITDA margins from 12% to 18%.
Content Head · SurgePV
Rainer Neumann is Content Head at SurgePV and a solar PV engineer with 10+ years of experience designing commercial and utility-scale systems across Europe and MENA. He has delivered 500+ installations, tested 15+ solar design software platforms firsthand, and specialises in shading analysis, string sizing, and international electrical code compliance.
