Fast die Hälfte des heutigen Flexibilitätspotenzials in deutschen Haushalten steckt in Geräten ohne Schnittstelle. Am Hausanschluss sind sie trotzdem sichtbar.
Wer heute Flexibilität in Haushalten nutzen will, verbindet Geräte über die Cloud-Schnittstellen der Hersteller. Das funktioniert gut für moderne E-Autos, Wallboxen, Heimspeicher und Wärmepumpen. Plattformen wie Enode haben auf diesem Weg weltweit über eine Million Geräte angebunden.
Doch dieser Weg hat eine Grenze: Er sieht nur, was eine Schnittstelle hat.
Der unsichtbare Teil des Potenzials
Laut Flexibilitäts-Check 2026 von E.ON und FfE stammen 8,3 TWh der 18,3 TWh verschiebbaren Verbrauchs aus Waschmaschinen, Trocknern und Spülmaschinen. Das sind rund 45 % des heutigen Potenzials, verteilt auf rund 96 Mio. Geräte. Die allermeisten davon sind nicht vernetzt und nicht online steuerbar. Die Studie hält selbst fest, dass dieser Verbrauch heute meist manuell geplant und in den optimalen Zeitpunkt verlegt werden müsste.
Dazu kommt der große Bestand an älteren Wärmepumpen, Nachtspeicherheizungen und einfachen Wallboxen. Für API-Plattformen ist all das unsichtbar. Für den Netzbetreiber und den Versorger ist es trotzdem da, im Lastgang jedes Hauses.
Der Hausanschluss sieht alles
Am Hausanschluss laufen alle Energieflüsse eines Hauses zusammen: Verbrauch, PV-Einspeisung, Speicher, E-Auto. Wer dort genau genug misst, sieht das ganze Haus, unabhängig von Hersteller, Baujahr und Schnittstelle.
Genau genug heißt: deutlich feiner als ein Smart Meter. Intelligente Messsysteme liefern Minuten- oder Viertelstundenwerte. Damit lässt sich die Summe beobachten, aber der Verbrauch kann nicht den einzelnen Geräten zugeordnet werden. Ladon Energy tastet Strom und Spannung 20.000-mal pro Sekunde ab. In dieser Auflösung hinterlassen Geräte charakteristische elektrische Signaturen: das Einschaltverhalten eines Kompressors, das Taktmuster einer Heizspirale, die Oberschwingungen eines Ladegeräts.
Warum 20.000 Werte pro Sekunde?
Die Forschung zur Disaggregation (Non-Intrusive Load Monitoring, NILM) zeigt seit Jahren: Je feiner die Abtastung, desto mehr Geräte lassen sich auseinanderhalten. Eine Gruppe der Carnegie Mellon University hat Geräte in 55 Haushalten mit 30 kHz vermessen. Ab etwa 4 kHz erkannte ihr Verfahren den Gerätetyp in über 80 % der Fälle (Gao u. a., PLAID).
Der Grund ist einfach. Mit Minutenwerten sieht man nur, wie viel Leistung ein Gerät aufnimmt, und viele Geräte nehmen ähnlich viel auf. Unterscheiden lassen sie sich erst an der Kurvenform von Strom und Spannung: an den Oberschwingungen, am Verlauf von Strom gegen Spannung innerhalb einer Netzperiode, am Einschaltvorgang. Gerade Oberschwingungen trennen Geräte mit ähnlichem Verbrauch, aber unterschiedlicher Elektronik (Studie zu harmonischen Signaturen, 2025).
Ein Ergebnis der TU Clausthal wollen wir nicht verschweigen (Huchtkoetter & Reinhardt 2019). Die Autoren haben untersucht, ab welcher Abtastrate sich Schaltvorgänge zuverlässig erkennen lassen. Bei etwa 1 kHz werden nach ihren Erkenntnissen die meisten Ereignisse korrekt erkannt.
Das beantwortet aber nur die erste Frage: Hat gerade etwas geschaltet? Uns interessiert die zweite, schwierigere: Welches Gerät war es? Dafür reicht der Zeitpunkt des Schaltens nicht, es braucht die Signatur des Geräts, und die steckt in genau den Details, die erst bei hoher Auflösung sichtbar werden.
Zugegeben: Große Verbraucher lassen sich mit modernen Lernverfahren teilweise auch aus Sekundenwerten herausrechnen (Übersicht in Energies 2021). Und ob 20 kHz für jede Aufgabe das Optimum sind oder ob weniger reicht, prüfen wir aktuell mit unseren eigenen Daten.
Unsere Vision: Disaggregation von einem Messpunkt aus
Aus diesen Signaturen wollen wir den Gesamtverbrauch eines Hauses in einzelne Verbraucher aufschlüsseln, von einem einzigen Messpunkt aus. Das Verfahren dafür ist durch ein erteiltes Patent geschützt (DE 10 2022 106 405 B4): Ein selbstlernendes Modell direkt am Messpunkt erkennt die Geräte, zentral wird das Modell mit den Daten vieler Messpunkte weiter trainiert. Daran arbeiten wir gemeinsam mit dem IMPT der Leibniz Universität Hannover.
Gelingt das, entsteht etwas, das es heute nicht gibt: ein vollständiges Bild jedes Hauses, ohne dass ein einziges Gerät vernetzt sein muss. Für Flexibilitätsanbieter ergänzt das die API-Welt um den Teil, den sie nicht sieht. Für Netzbetreiber liefert es den Kontext hinter dem Zähler, der ihnen heute fehlt.
Langfristig betrachtet:
Der Anteil der Mikro-Flexibilitäten am Gesamtpotenzial sinkt bis 2031 laut E.ON/FfE auf etwa ein Viertel, weil Heimspeicher und E-Autos stark wachsen, und die sind meist vernetzt. Das Argument „unsichtbare Geräte“ ist also heute am stärksten. Dauerhaft wichtig bleibt aber etwas anderes: PV, Speicher, Wärmepumpe und E-Auto werden oftmals mit proprietären Systemen gemanaged und die Nettowirkung des Zusammenspiels zeigt sich nur am Hausanschluss. Darum geht es im nächsten Beitrag. Beitrag 1 findest Du hier.
Heute: Messung am Hausanschluss mit 20 kHz Abtastung; Gerätesignaturen sind in den Rohdaten enthalten. Vision: automatische Aufschlüsselung in einzelne Verbraucher per patentiertem Verfahren, in Entwicklung mit dem IMPT der Leibniz Universität Hannover.
Quellen: E.ON/FfE, Flexibilitäts-Check 2026 · Arthur D. Little / Enode, Scaling Residential Flexibility (2026) · Patent DE 10 2022 106 405 B4 · Gao u. a., Automated plug-load identification from high-frequency measurements (PLAID, CMU) · Huchtkoetter & Reinhardt, Energy Informatics 2019 · Capturing High-Frequency Harmonic Signatures for NILM (2025) · Review on Deep Neural Networks Applied to Low-Frequency NILM, Energies 2021