Strompreisvorhersage mit KI — was sie kann und was nicht
Strompreisvorhersage mit KI heißt: Ein Modell schätzt aus Wetter-, Last- und Marktdaten die Börsenpreise der nächsten Stunden bis Tage. Für den Day-Ahead-Bereich funktioniert das brauchbar, für Wochen im Voraus nicht — und genau diese Grenze entscheidet, wofür du die Prognose einsetzen kannst.
Das Modell bekommt Eingangsgrößen, die den Preis physikalisch treiben: Wind- und PV-Einspeiseprognose, Lastprognose, Kraftwerksverfügbarkeit, Gas- und CO2-Preise, Kalendereffekte (Wochentag, Feiertag, Jahreszeit) und den Import/Export der Nachbarländer. Daraus schätzt es für jede der 96 Viertelstunden bzw. 24 Stunden des Folgetages einen Preis. Technisch stecken dahinter meist Gradient-Boosting-Verfahren oder neuronale Zeitreihenmodelle — der Unterschied zur klassischen Statistik ist nicht Magie, sondern dass diese Modelle nichtlineare Zusammenhänge abbilden, etwa dass ein zusätzliches Gigawatt Wind bei ohnehin schwacher Last viel stärker auf den Preis drückt als bei hoher Last.
Faustregel aus der Praxis: Bis zum Day-Ahead-Horizont (heute für morgen) ist eine KI-Prognose brauchbar, weil die Wetterprognose dort noch stabil ist. Für Intraday (Stunden im Voraus) wird sie gut, weil aktuelle Ist-Daten einfließen. Ab etwa 3 bis 5 Tagen wird die Wetterunsicherheit dominant — dann prognostizierst du im Kern nicht mehr den Strompreis, sondern das Wetter, und die Fehlerspanne wächst schnell. Für Wochen oder Monate liefern Modelle nur noch Bandbreiten und Szenarien, keine belastbaren Einzelpreise. Wenn dir jemand eine punktgenaue Preisprognose für einen Tag in vier Wochen verkauft: Frag nach dem Backtest.
Verlange drei Dinge, bevor du einem Modell traust. Erstens einen Out-of-Sample-Backtest: getestet auf Zeiträumen, die das Modell beim Training nicht gesehen hat. Zweitens eine Fehlerkennzahl in €/MWh (MAE oder RMSE) statt einer Prozentzahl — Prozentangaben sind bei Preisen nahe null oder negativ mathematisch wertlos. Drittens einen Vergleich gegen eine naive Baseline, etwa 'Preis wie gestern zur gleichen Stunde'. Ein Modell, das die Baseline nicht deutlich schlägt, ist teure Dekoration. Und lass dir zeigen, wie das Modell in den schwierigen Stunden abschneidet, nicht nur im Mittel — der Durchschnitt versteckt genau die Stunden, in denen Geld zu holen ist.
Preisspitzen nach unten sind der eigentliche Prüfstein. In unserer eigenen ENTSO-E-Auswertung zählen wir für Deutschland 2026 bislang 445 Stunden mit negativen Börsenpreisen, der Tiefstwert lag bei −500 €/MWh. Das sind seltene Ereignisse — und genau deshalb tun sich Modelle schwer damit: Sie optimieren auf den mittleren Fehler und glätten die Extreme weg. Ein Modell, das im Jahresmittel gut aussieht, aber die Negativstunden systematisch verpasst, ist für Betreiber von PV, Biogas oder Speicher unbrauchbar, denn genau in diesen Stunden entscheidet sich, ob du einspeist, abregelst oder lädst.
Eine Preisprognose ist kein Selbstzweck, sie ist der Input für eine Entscheidung. Bei einem Batteriespeicher steuert sie den Fahrplan: laden, wenn günstig, entladen, wenn teuer. Bei einem BHKW steuert sie, ob du in einer Stunde überhaupt läufst. Bei einer PV-Anlage geht es darum, ob du in Negativpreisstunden abregelst. Bei flexiblen Verbrauchern verschiebst du Prozesse in die günstigen Stunden. Wichtig: Für all diese Entscheidungen brauchst du nicht den exakten Preis, sondern die richtige Reihenfolge der Stunden. Ein Modell, das die zehn teuersten und die zehn billigsten Stunden des Tages zuverlässig identifiziert, ist im Betrieb wertvoller als eines mit dem niedrigsten Durchschnittsfehler.
Bevor du eine Prognoselösung kaufst, schau dir deine eigenen Daten an. Erstens: Hast du überhaupt einen Preisbezug, der von Stunde zu Stunde variiert? Bei einem Festpreisvertrag bringt dir die beste Prognose nichts — dann ist der erste Schritt der Tarif, nicht die KI. Zweitens: Hast du eine Flexibilität, die du tatsächlich verschieben kannst, und wie groß ist sie in kW und kWh? Drittens: Lass zwei bis vier Wochen mitlaufen, ohne zu steuern, und rechne im Nachhinein aus, was die Prognose dir gebracht hätte. Diese Rückrechnung kostet nichts außer Datenzugriff und ist der ehrlichste Business-Case, den du bekommen kannst.