Ein Ehepaar in Wolfsburg, Einfamilienhaus, Süddach — ungefähr 120 Quadratmeter nutzbare Fläche. Die Stromrechnung im Winter war der Auslöser. 5.000 kWh Jahresverbrauch, deutlich steigende Kosten. Die Entscheidung ist gefallen: PV-Anlage mit Speicher, dieses Jahr noch.
Sie fragen nicht bei Check24 an. Sie fragen auch nicht bei Google. Sie fragen ihren KI-Assistenten.
„Wir haben ein Einfamilienhaus in Wolfsburg, Süddach, ca. 120 Quadratmeter. Jahresstromverbrauch ungefähr 5.000 kWh. Was würde eine PV-Anlage mit Speicher kosten? Und wer installiert das bei uns in der Region?“
Was dann passiert, entscheidet kein Werbebudget. Der Assistent sucht nach Quellen, die er maschinell befragen kann — nach Unternehmen mit API-Endpunkten, die eine Erstschätzung liefern, Referenzprojekte in der Region zeigen und einen Termin buchbar machen. Wer diese Infrastruktur hat, wird empfohlen. Wer sie nicht hat, taucht schlicht nicht auf.
Das ist kein Szenario für 2030. Es passiert heute — und die meisten Solartechnik-Unternehmen sind nicht darauf vorbereitet.
Das Akquise-Problem der Solarbranche
Der Solarmarkt in Deutschland wächst. Die Nachfrage ist vorhanden. Aber das Akquise-System vieler Installationsbetriebe hat eine strukturelle Schwäche: Es ist teuer, fremdgesteuert und baut keine eigene digitale Basis auf.
Vergleichsportale dominieren die Lead-Generierung — und sie kosten. Lead-Preise von 30–80 Euro pro Anfrage sind marktüblich, ohne Abschlussgarantie. Wer drei Angebote anfordert, nimmt meistens das günstigste. Zwei verlorene Angebotsprozesse pro gewonnenem Auftrag sind keine Ausnahme, sondern das Modell.
Google Ads für „Solaranlage Kosten“ oder „PV-Anlage Installateur Wolfsburg“ kosten je nach Region 5–12 Euro pro Klick. Bei einer Conversion-Rate von 2–3 % ergibt das Akquisekosten von 170–600 Euro pro qualifiziertem Lead — vor dem eigentlichen Angebotsprozess.
Empfehlungen sind das Gegenmodell: günstig, glaubwürdig, hochkonvertierend. Aber nicht skalierbar.
AI-Ready-Infrastruktur ist die vierte Option. Ein eigener digitaler Akquise-Kanal — ohne Provision, ohne Klickpreis, mit dem Potenzial, Vorqualifizierung vollständig abzubilden.
Wie KI-Agenten Kaufentscheidungen vorbereiten
KI-Agenten sind keine Chatbots im klassischen Sinn. Sie rufen externe Tools auf, befragen APIs, vergleichen strukturierte Daten und geben auf dieser Basis Empfehlungen. Kunden, die nach einer PV-Anlage fragen, bekommen keine generische Ergebnisliste mehr — sie bekommen eine strukturierte Antwort: geschätzte Anlagenleistung, ungefähre Kosten, Referenzen in der Region, nächster buchbarer Termin.
Vorausgesetzt, der Installateur hat diese Informationen als maschinenlesbare Schnittstelle verfügbar.
Seien wir präzise: Einstrahlungsdaten sind über PVGIS — die Datenbank der EU-Kommission — öffentlich und per API abrufbar. Regionalverzeichnisse für Handwerksbetriebe werden bereits von mehreren KI-Assistenten indexiert. Was fehlt, ist die Brücke auf der Anbieterseite: die eigene API-Infrastruktur, die dem Agenten etwas zu antworten gibt.
Heute läuft die Mehrzahl der Solaranfragen noch über Portale und Google. Aber das Verhältnis verschiebt sich — und wer die Infrastruktur jetzt aufbaut, muss sie in zwei Jahren nicht unter Zeitdruck nachbauen.
Was AI-Ready konkret bedeutet — drei Schnittstellen, eine Konfigurationsdatei
AI-Ready ist kein Website-Relaunch. Es ist eine zusätzliche Schicht über der bestehenden Website: drei API-Endpunkte und eine Konfigurationsdatei.
Schnittstelle 1: Leistungskalkulator als API
Fast jede Solar-Website hat heute einen Kalkulator. Der Nutzer gibt Dachfläche und Verbrauch ein, erhält eine Kostenschätzung und landet im Kontaktformular.
Das Problem: Dieses Widget ist für menschliche Besucher gebaut, nicht für Maschinen. Ein KI-Agent kann ein JavaScript-Widget nicht befragen.
AI-Ready bedeutet: Die Kalkulator-Logik als eigenständiger API-Endpunkt, maschinenlesbar und unabhängig vom Frontend.
Eingabe: Dachfläche (m²), Ausrichtung (Grad), Dachneigung (Grad), PLZ, Jahresstromverbrauch (kWh)
Ausgabe: Geschätzte Anlagenleistung (kWp), Preis-Range (Euro), Jahresertrag (kWh), Amortisationszeit (Jahre)
Wie präzise muss diese Schätzung sein? Nicht sehr. Jedes seriöse Unternehmen weiß: Ein verbindliches Angebot gibt es erst nach dem Vor-Ort-Termin. Was die API leisten soll, ist eine Ersteinschätzung — genug, um dem Interessenten Orientierung zu geben und ihn zum nächsten Schritt zu bewegen.
Lieber konservativ schätzen: „Anlage 12–16 kWp, je nach Dachzustand und Verschattung, Preis-Range 18.000–24.000 Euro“ — als eine Punktschätzung, die Erwartungen weckt, die der Vor-Ort-Termin nicht bestätigen kann. Überzogene Erstschätzungen kosten Vertrauen im Erstgespräch. Konservative stärken es.
Die Datenbasis ist gut erschlossen. PVGIS liefert Einstrahlungswerte nach Standort und Ausrichtung. Modul-Standardwirkungsgrade sind öffentlich dokumentiert. Regionale Durchschnittspreise publiziert das Fraunhofer ISE jährlich. Das ist keine Forschungsarbeit — das ist etablierte Physik und öffentliche Statistik.
Ein Hinweis zur Datenpflege: Ein Kalkulator mit veralteten Preisannahmen ist schlechter als gar kein Kalkulator. Er erzeugt falsche Erwartungen. Wer eine Kalkulator-API betreibt, muss die Eingangsdaten mindestens einmal pro Jahr aktualisieren — Förderregelungen, Modulpreise, Installationskosten.
Schnittstelle 2: Referenz-Datenbank mit Geo-Filterung
„Wir haben in Ihrer Region 40 Anlagen installiert“ — das ist das stärkste Argument, das ein Handwerksbetrieb hat. Stärker als jede Anzeige, stärker als jeder Google-Rank.
Eine maschinenlesbare Referenz-Datenbank macht dieses Argument auch für KI-Agenten verfügbar.
| Feld | Inhalt |
|---|---|
| Region (PLZ-Bereich) | Wo wurde installiert? |
| Anlagenleistung (kWp) | Welche Anlagengröße? |
| Dachtyp | Ziegel, Bitumen, Flachdach, Carport |
| Installationsjahr | Erfahrung mit aktuellen Förderregelungen und Modultypen? |
| Speicher vorhanden | Vollanlage oder Basisinstallation? |
Was nicht in die Datenbank gehört: Kundennamen, Adressen, persönliche Daten. DSGVO und Maschinenlesbarkeit schließen sich nicht aus — PLZ-Bereich statt Straße reicht.
30–50 anonymisierte Einträge sind eine solide Ausgangsbasis. Ein KI-Agent, der „Referenzen für Flachdach-PV-Anlagen im Raum Hannover“ sucht, findet die Daten — wenn sie strukturiert vorliegen. Wenn nicht, findet er sie beim Mitbewerber.
Schnittstelle 3: Buchbarer Vor-Ort-Check
Der Vor-Ort-Termin ist das Nadelöhr des gesamten Vertriebsprozesses. Ohne ihn kein Angebot. Ohne Angebot kein Auftrag.
Die telefonische Terminvereinbarung kostet beide Seiten Zeit. Sie scheitert an Erreichbarkeit, an unterschiedlichen Verfügbarkeitsfenstern und an Rückruf-Schleifen. In der Praxis braucht ein Installateur drei Kontaktversuche, bis ein Termin steht — und der Interessent hat in dieser Zeit möglicherweise schon woanders zugesagt.
AI-Ready bedeutet: Der Termin ist buchbar, ohne Telefonat.
Das minimale Setup ist ein Buchungslink — Calendly, Cal.com oder integriert in die eigene Website — direkt auf dem API-Endpunkt erreichbar. Das erweiterte Setup ist eine Verfügbarkeits-API, die dem Agenten mitteilt, wann der nächste freie Slot im Einzugsgebiet ist.
Sinnvoll ergänzt durch einen strukturierten Vorab-Fragebogen: Dachtyp, Zählerkasten-Standort, Gerüstmöglichkeit, aktueller Jahresstromverbrauch. Wer diese Informationen vor dem Termin hat, führt auf dem Dach ein produktiveres Erstgespräch — und spart 20–30 Minuten Grundlagenklärung.
agents.json — die Visitenkarte für KI-Systeme
Wie findet ein KI-Agent überhaupt, welche APIs ein Unternehmen anbietet?
Über eine agents.json-Datei im Root-Verzeichnis der Website — eine Konfigurationsdatei, die alle verfügbaren Schnittstellen beschreibt und damit für KI-Systeme auffindbar macht.
{
"name": "Mustermann Solartechnik GmbH",
"region": ["30000-30999", "31000-31999"],
"tools": [
{ "name": "calculator", "endpoint": "/api/calculator", "description": "PV-Leistungskalkulation nach Fläche und Standort" },
{ "name": "references", "endpoint": "/api/references", "description": "Referenzprojekte filterbar nach Region, Dachtyp, Anlagenleistung" },
{ "name": "booking", "endpoint": "/api/booking", "description": "Vor-Ort-Termin direkt buchen" }
]
}
Das Prinzip ist simpel: Wer seine Schnittstellen beschreibt, wird gefunden. Wer es nicht tut, hofft darauf, dass der Agent irgendwie auf ihn stößt — was er in aller Regel nicht tut.
Der ehrliche Blick: Was kostet das, was bringt es?
Aufwand und Nutzen sollten klar sein, bevor jemand eine Investitionsentscheidung trifft.
Aufwand: Eine AI-Ready-Erweiterung für eine bestehende Solar-Website ist kein Jahresprojekt. Die drei API-Endpunkte und die agents.json sind in 3–6 Wochen umsetzbar — vorausgesetzt, die Basis-Website ist technisch stabil und die Referenzdaten liegen in strukturierter Form vor. Letzteres ist oft der kritischere Faktor: Viele Installateure haben Referenzprojekte in PDF-Broschüren oder im Kopf des Inhabers, aber nicht in einer befüllbaren Datenstruktur.
Das aufwändigste Element ist der Kalkulator — nicht wegen der Mathematik, sondern wegen der laufenden Datenpflege. Regionale Preisanpassungen, aktualisierte Förderregelungen, neue Modul-Generationen. Das ist kein einmaliger Aufwand, sondern ein kontinuierlicher Pflegebedarf.
Sofortiger Nutzen — noch vor dem ersten KI-Agenten:
- Weniger Erklär-Anfragen im Vertrieb: „Was kostet eine Anlage für ein Norddach?“ beantwortet der Kalkulator auf der Website. Der Vertrieb führt weniger Leerlauf-Telefonate, mehr qualifizierte Gespräche
- Bessere Lead-Qualität: Wer den Kalkulator nutzt und trotzdem Kontakt aufnimmt, hat realistische Preisvorstellungen — das Erstgespräch beginnt nicht bei null
- Stärkere Google-Präsenz: Schema.org-Markup für
LocalBusiness,ServiceundFAQPageverbessert die organische Sichtbarkeit heute, unabhängig von KI
Langfristiger Nutzen — wenn KI-Agenten die Vermittlung übernehmen:
Konservative Schätzung: In drei Jahren vermitteln KI-Agenten 10–20 % aller Solaranfragen in Deutschland. Bei einem mittleren Auftragswert von 22.000 Euro und 200 Installationen pro Jahr bedeuten schon zwei zusätzliche Prozentpunkte mehr Abschlüsse über diesen Kanal rund 88.000 Euro Mehrumsatz — ohne Lead-Provision, ohne Klickpreis.
| Szenario | Umsetzungsaufwand | Wirkung |
|---|---|---|
| Keine API-Infrastruktur | 0 | Nicht für KI-Agenten sichtbar |
| Basislösung (Kalkulator + Buchung) | 3–4 Wochen | Sichtbar, Vorqualifizierung aktiv |
| Vollausbau (alle 3 APIs + agents.json) | 5–7 Wochen | Maximale Sichtbarkeit, direkter Abschlussweg |
Das ist keine Garantie. Aber die Grundlage dafür legt man jetzt — oder man legt sie nicht.
Was ich für Sie entwickle
Ich baue AI-Ready-Infrastruktur für Solartechnik-Unternehmen und Energiedienstleister — als Ergänzung zur bestehenden Website, ohne Komplett-Relaunch.
Leistungskalkulator als API — Eingabe: Dachfläche, Ausrichtung, Neigung, PLZ, Jahresstromverbrauch. Ausgabe: geschätzte Anlagenleistung (kWp), Preis-Range, erwarteter Jahresertrag, Amortisationszeitraum.
Referenz-Datenbank — maschinenlesbar, anonymisiert, filterbar nach PLZ-Bereich, Dachtyp und Anlagenleistung. 30–50 Projekte als Ausgangsbasis reichen.
Buchungs-Schnittstelle — Vor-Ort-Termin direkt buchbar, mit strukturiertem Vorab-Fragebogen. Kein Telefonat nötig, bevor der erste Termin steht.
agents.json — Konfigurationsdatei im Root der Website, die alle verfügbaren Tools für KI-Agenten beschreibt und das Unternehmen auffindbar macht.
Schema.org Markup — LocalBusiness, Service, FAQPage — für bessere Google-Sichtbarkeit, relevant unabhängig von KI.
Die API-Schicht setzt auf der bestehenden Website auf. Der Kalkulator braucht im ersten Schritt keine externe Wetterdaten-Anbindung — eine sauber parametrisierte Basiskalkulation mit regionalen Durchschnittswerten reicht, um sofort sichtbar und maschinenlesbar zu sein.
Fazit
Die Solarbranche ist für KI-gestützte Vorqualifizierung besonders gut geeignet. Die Kaufentscheidung ist komplex genug, dass ein Assistent echten Mehrwert liefert — und standardisiert genug, dass ein Kalkulator valide Erstantworten geben kann. Dachfläche, Ausrichtung, Standort, Verbrauch: Das sind Eingaben, die jeder Interessent kennt. Das Ergebnis — Leistung, Kosten, Amortisation — ist die Antwort, die er braucht, bevor er den ersten Experten kontaktiert.
Wer AI-Ready-Infrastruktur aufbaut, schafft einen eigenen Akquise-Kanal: ohne Provision, ohne Klickpreise, mit besserer Lead-Qualität, weil der Interessent bereits informiert kommt. Der sofortige Nutzen ist messbar — weniger Leerlauf im Vertrieb, bessere Google-Sichtbarkeit, höhere Conversion auf der eigenen Website. Der langfristige Nutzen entscheidet sich in den nächsten zwei bis drei Jahren.
Ich unterstütze Solartechnik-Unternehmen und Energiedienstleister beim Aufbau dieser Infrastruktur — von der Konzeption der API-Schicht bis zur Integration in bestehende Systeme. Wenn Sie wissen möchten, wie das für Ihr Unternehmen konkret aussehen könnte, nehmen Sie gerne Kontakt auf.
