Der nächste Wettbewerbsvorteil in der Direktvermarktung entsteht nicht am Strommarkt — sondern im Backoffice

Direktvermarktung 2027: Wachstum ist unvermeidlich. Über die Marge entscheidet die Fähigkeit zu skalieren. Es gibt eine unbequeme Zahl, die in kaum einer Strategiepräsentation der Branche auftaucht: die Anzahl der Marktkommunikationsvorgänge, die eine 25-Kilowatt-Dachanlage im Jahr auslöst. Sie unterscheidet sich nicht nennenswert von der eines 6-Megawatt-Windparks. Anmeldung, Stammdatenpflege, Lieferantenwechsel, Messwertübertragung, Bilanzkreiszuordnung, Gutschriftenlauf, Klärfälle — die Prozesskette ist dieselbe. Der Deckungsbeitrag unterscheidet sich um den Faktor Tausend.

Genau darin liegt die strategische Verwerfung, auf die die Direktvermarktung zusteuert. Der Markt wird in den nächsten Jahren um eine Größenordnung wachsen. Die Erlöse pro Einheit werden das nicht tun. Wer diese Schere mit mehr Personal schließen will, wird feststellen, dass sein Geschäftsmodell nicht mehr skaliert — nicht weil ihm Kunden fehlen, sondern weil ihm die Fähigkeit fehlt, sie wirtschaftlich zu bedienen.

Ein Markt, der seine Struktur wechselt

Die Ausgangslage ist eindeutig. Rund 119 Gigawatt Erzeugungsleistung waren im Frühjahr 2025 in der Direktvermarktung, davon etwa 92 Gigawatt im Marktprämienmodell und rund 27 Gigawatt förderfrei. Der monatliche Zuwachs lag zeitweise über einem Gigawatt. Das ist bereits heute kein Nischengeschäft mehr, sondern der Regelfall der deutschen Stromerzeugung.

Die eigentliche Veränderung steht jedoch noch bevor, und sie ist regulatorisch getrieben. Das Solarspitzengesetz hat im Februar 2025 den Anfang gemacht: Neuanlagen erhalten in Stunden negativer Börsenpreise keine Einspeisevergütung mehr und werden ohne Steuerungstechnik auf 60 Prozent der Einspeiseleistung begrenzt. Der Regierungsentwurf zur EEG-Novelle geht deutlich weiter und sieht vor, die Direktvermarktungspflicht für neue Solaranlagen auf 25 Kilowatt abzusenken. Der BDEW hält diesen Zeitpunkt für verfrüht und plädiert dafür, die Pflicht erst 2030 greifen zu lassen — mit einer bemerkenswerten Begründung.

Die Verbände zweifeln nicht an der Technik. Sie zweifeln an den Prozessen. Der Direktvermarkter Lumenaza formuliert es in der Fachpresse präzise: Die größte Herausforderung liege in der Kommunikation und den Prozessen zwischen Messstellenbetreiber, Netzbetreiber und Direktvermarkter. Nicht im Handel. Nicht in der Prognose. In der Abwicklung.

In Deutschland stehen rund fünf Millionen Photovoltaikanlagen. Selbst wenn nur ein Bruchteil davon in den kommenden Jahren in die Direktvermarktung wandert, verschiebt sich die Betriebslogik der Branche vom Projektgeschäft zum Massengeschäft.

Warum Wachstum hier Margendruck erzeugt

In den meisten Industrien senkt Wachstum die Stückkosten. In der Direktvermarktung droht das Gegenteil, und dafür gibt es drei strukturelle Gründe.

Erstens ist der Erlös pro Anlage bei Kleinanlagen fundamental niedriger, der Betreuungsaufwand aber nahezu identisch. Dienstleistungsentgelte bewegen sich nach Marktpraxis im niedrigen einstelligen Euro-Bereich je Megawattstunde. Eine 30-Kilowatt-Dachanlage erzeugt in Deutschland etwa 28 Megawattstunden im Jahr. Der Jahresdeckungsbeitrag liegt damit in der Größenordnung von rund sechzig Euro. Jeder manuelle Vorgang, der einen Sachbearbeiter länger als eine halbe Stunde bindet, verbrennt diesen Deckungsbeitrag vollständig. Das ist keine Zuspitzung, sondern eine Division.

Zweitens steigt der Aufwand pro Anlage, während der Erlös sinkt. Viertelstundenbilanzierung, Redispatch-Prozesse, Steuerbarkeitsanforderungen und die laufenden Änderungen der Marktkommunikation erhöhen die Zahl der Vorgänge und ihre Fehleranfälligkeit gleichzeitig. Hinzu kommt die Preisdynamik: 2024 wurden 457 Stunden mit negativen Day-Ahead-Preisen gezählt, ein Wert, der 2025 bereits im August wieder erreicht war. Negative Preise sind für Direktvermarkter nicht nur ein Erlösthema, sondern ein Prozessthema — jede Abregelungsentscheidung, jede Ausfallarbeit, jede Kompensationsberechnung erzeugt Abstimmungsbedarf.

Drittens ist der Wettbewerb um kleine Anlagen strukturell preisintensiver. Wo das Produkt standardisiert und die Wechselhürde niedrig ist, konkurriert man über Konditionen und Service — nicht über Vermarktungsqualität, die der Kunde ohnehin kaum beurteilen kann.

Das Ergebnis ist eine Kostenkurve, die mit dem Portfolio mitwächst statt zu degressieren. Wer heute fünfhundert Großanlagen mit zwölf Personen im Backoffice betreut, benötigt für fünfzigtausend Kleinanlagen bei unverändertem Betriebsmodell keine zwölf, sondern mehrere hundert. Diese Rechnung geht bei einstelligen Euro-Deckungsbeiträgen pro Anlage und Jahr nicht auf — und sie geht angesichts des Fachkräftemangels auch operativ nicht auf.

Der eigentliche Wettbewerb: Kosten pro Anlage

Damit verschiebt sich die Wettbewerbslogik. Zwei Jahrzehnte lang haben sich Direktvermarkter über Vermarktungserlöse differenziert: über Prognosegüte, Intraday-Optimierung, Portfolioeffekte, Handelskompetenz. Diese Fähigkeiten bleiben notwendig — aber sie sind weitgehend ausoptimiert und zunehmend zukaufbar. Der Kapitalzufluss der letzten Jahre bestätigt das: Er floss fast vollständig in Handel, Prognose und Speicheroptimierung.

Die entscheidende Kennzahl der kommenden Jahre ist eine andere: die vollständigen Prozesskosten pro betreuter Anlage und Jahr. Sie umfasst Onboarding, Marktkommunikation, Messwertbeschaffung, Abrechnung, Klärfälle, Kundenservice und Vertragsverwaltung. Wer diese Größe systematisch senkt, kann bei gleichem Marktpreis profitabel in Segmente wachsen, die für Wettbewerber defizitär sind. Wer sie nicht kennt — und viele Häuser kennen sie heute nicht auf Anlagenebene —, wächst blind in eine Verwässerung der eigenen Marge hinein.

Es lohnt der Blick in andere Branchen, die denselben Übergang hinter sich haben. Das Retail Banking und die Telekommunikation haben vor zwanzig Jahren erlebt, wie der Wechsel vom Firmenkunden- zum Massengeschäft die Gewinner neu sortierte. Es waren nicht die Institute mit den besten Produkten, sondern die mit der niedrigsten Cost-to-Serve. Die Direktvermarktung steht exakt an diesem Punkt.

Handlungsfeld eins: die Skalierung der Operations

Der größte Hebel liegt nicht dort, wo die meisten Digitalisierungsprogramme ansetzen. Die Regelprozesse — der Fall, in dem alles funktioniert — sind in den meisten Häusern bereits gut automatisiert. Die Kosten entstehen in den Ausnahmen.

Klärfälle sind der am systematischsten unterschätzte Kostenblock der Branche. Ein Klärfall entsteht, wenn Messwerte zur Frist nicht eintreffen oder Lücken aufweisen, wenn Zeitreihen unplausibel sind, wenn nach einer Messkonzeptänderung eine neue Marktlokation vergeben wird und der Datenfluss stillschweigend endet, wenn Redispatch-Entschädigungen von der eigenen Berechnung abweichen oder wenn ein Anlagenbetreiber seine Gutschrift reklamiert. Statkraft — einer der größten Direktvermarkter Europas — beschreibt die Ursache öffentlich mit bemerkenswerter Offenheit: Die bilaterale Klärung mit den Verteilnetzbetreibern erfolgt manuell, weil keine zentrale Datenbank existiert. Bei rund 850 Verteilnetzbetreibern in Deutschland ist das kein Einzelfallproblem, sondern eine strukturelle Eigenschaft des Marktes.

Diese Kosten sind aus drei Gründen versteckt. Sie erscheinen in keiner Kostenstelle als „Klärfall", sondern verteilen sich über Abrechnung, Kundenservice und Marktkommunikation. Sie werden selten pro Fall gemessen, sodass niemand den Stückpreis kennt. Und sie erzeugen Folgekosten, die noch schwerer zuzuordnen sind: verzögerte Gutschriften, unzufriedene Anlagenbetreiber, Kündigungen, Nachbearbeitung in der Bilanzkreisabrechnung, Bindung erfahrener Mitarbeiter in Routinerecherche.

Hier liegt der eigentliche Anwendungsfall für künstliche Intelligenz — und er sieht anders aus als das, worüber derzeit meist gesprochen wird. Es geht nicht um einen Chatbot im Intranet, sondern um die durchgehende Automatisierung einer Prozesskette: Dokumente und Marktnachrichten werden automatisch ausgewertet, Abweichungen erkannt, bevor der Kunde reklamiert, Fälle klassifiziert und priorisiert, die einschlägige Prozessregel aus dem Regelwerk gezogen, ein fristgerechtes Anschreiben an Netz- oder Messstellenbetreiber erzeugt, die Nachverfolgung terminiert, die Ursache analysiert und ein Korrekturvorschlag zur Freigabe vorgelegt. Der Mensch entscheidet — aber er recherchiert nicht mehr.

Der entscheidende Punkt für die Personalfrage ist ein struktureller, kein rhetorischer. Es ist wenig glaubwürdig zu behaupten, KI koste generell keine Stellen; in der Bitkom-Erhebung 2026 geben immerhin 19 Prozent der KI-nutzenden Unternehmen an, deswegen Stellen abgebaut zu haben. In der Direktvermarktung liegt der Fall aber anders: Hier wächst das Volumen schneller, als Personal überhaupt verfügbar ist. Automatisierung ersetzt hier nicht vorhandene Arbeit, sie absorbiert zusätzliche. Die erfahrene Sachbearbeiterin verschwindet nicht — sie überwacht das Zehnfache an Vorgängen und bearbeitet nur noch die Fälle, die tatsächlich Urteilsvermögen erfordern.

Handlungsfeld zwei: die Skalierung des Vertriebs

Die zweite Verschiebung betrifft die Kundengewinnung. Wenn Millionen kleiner Anlagen in die Vermarktungspflicht rücken, ist Nachfrage kein Engpass mehr. Der Engpass ist die Fähigkeit, diese Nachfrage zu Akquisitionskosten zu bedienen, die zum Deckungsbeitrag passen. Ein Vertriebsprozess, der pro gewonnener Anlage mehrere hundert Euro kostet, amortisiert sich bei sechzig Euro Jahresmarge über ein Jahrzehnt — das ist kein Geschäftsmodell, sondern eine Wette auf Kundenbindung.

Datengetriebener Vertrieb bedeutet in diesem Kontext etwas sehr Konkretes: Marktsegmentierung auf Basis öffentlich verfügbarer Anlagendaten statt Listenkauf, automatisierte Identifikation wechselbereiter Betreiber, personalisierte Ansprache über Kanäle mit belastbarer Konversion, Angebotserstellung ohne manuelle Kalkulation, Assistenzsysteme, die dem Vertrieb Portfoliodaten und Vertragshistorie im Gespräch verfügbar machen. Vor allem aber: Partnervertrieb. Installateure, Energieberater, Stadtwerke und Plattformbetreiber werden zum entscheidenden Kanal ins Kleinanlagensegment, und die Fähigkeit, Partner mit automatisiertem Onboarding und weißgelabelten Prozessen anzubinden, wird zur Vertriebskompetenz eigener Art.

Onboarding und Customer Success gehören dabei zwingend in dieselbe Betrachtung. Ein Kunde, dessen Anlagenanmeldung sechs Wochen dauert und dessen erste Gutschrift fehlerhaft ist, kündigt — und macht die gesamte Akquisitionsinvestition zunichte. Vertriebs- und Betriebsskalierung sind in diesem Markt nicht zwei Projekte, sondern zwei Enden derselben Kostenrechnung.

Warum Public AI allein nicht ausreicht

An dieser Stelle beginnt die Diskussion in vielen Häusern falsch. Sie dreht sich um die Frage, ob man ChatGPT freigibt. Das ist die falsche Frage — nicht weil öffentliche Modelle schlecht wären, sondern weil sie das Problem nicht adressieren.

Direktvermarkter sind Teil der kritischen Infrastruktur. Seit Dezember 2025 gilt in Deutschland das NIS-2-Umsetzungsgesetz; die Zahl der vom BSI beaufsichtigten Einrichtungen steigt von rund 4.500 auf etwa 29.500, verbunden mit Registrierungs-, Melde- und Risikomanagementpflichten. Parallel greifen ab August 2026 zentrale Pflichten der EU-KI-Verordnung, darunter Transparenzanforderungen und die Durchsetzung der Regeln für Allzweck-KI; ein Teil der Hochrisiko-Anforderungen soll über den Digital Omnibus zeitlich gestreckt werden, die Richtung ist damit aber nicht aufgehoben, sondern nur terminlich verschoben.

In diesem Umfeld ist die entscheidende Frage nicht, ob KI eingesetzt wird, sondern wie sie betrieben wird. Die Daten, um die es geht, sind Handelspositionen, Portfoliostrukturen, Vertragskonditionen, Kundenstammdaten und Messwerte — also genau jene Informationen, aus denen sich Marktverhalten rekonstruieren lässt. Dass 77 Prozent der Unternehmen in der Bitkom-Erhebung Datenschutzanforderungen als größte externe Hürde beim KI-Einsatz nennen und 61 Prozent technische Sicherheitsanforderungen, ist kein Ausdruck deutscher Zögerlichkeit. Es ist eine realistische Einschätzung der Lage.

Hinzu kommen betriebswirtschaftliche Argumente, die mit Datenschutz nichts zu tun haben. Öffentliche Modelle ändern sich ohne Vorankündigung; ein Prozess, der gestern korrekt klassifiziert hat, kann nach einem Modellwechsel andere Ergebnisse liefern — für einen revisionspflichtigen Abrechnungsprozess ist das inakzeptabel. Die Bindung an einen einzigen Anbieter erzeugt Preis- und Verfügbarkeitsrisiken in einem Marktsegment, dessen Konditionen sich derzeit im Halbjahresrhythmus verschieben. Und die Kosten pro Vorgang lassen sich ohne Kontrolle über Modellwahl und Inferenzort kaum steuern — was bei Millionen automatisierter Vorgänge pro Jahr direkt auf die Stückkosten durchschlägt.

Private AI als strategische Infrastruktur

Private AI meint deshalb nicht ein abgeschottetes Modell im eigenen Serverraum, sondern eine kontrollierte Betriebsumgebung: Verarbeitung in europäischer Cloud oder On-Premises, nachvollziehbare und auditierbare Verarbeitungsketten, versionierte und reproduzierbare Modellstände, die freie Wahl zwischen mehreren Sprachmodellen je nach Aufgabe und Kostenprofil, sowie eine Integration in die bestehende Systemlandschaft aus Energiedatenmanagement, ERP und Handelssystemen.

Der Multi-Modell-Ansatz ist dabei kein technisches Detail, sondern eine strategische Absicherung. Modelle altern in Monaten, Prozesse in Jahrzehnten. Wer seine Klärfallautomatisierung so baut, dass das Sprachmodell austauschbar ist, kauft sich Unabhängigkeit von der Roadmap eines einzelnen Anbieters und kann teure Modelle dort einsetzen, wo Urteilsqualität zählt, und günstige dort, wo Volumen zählt.

Kein Direktvermarkter würde seine Bilanzkreisabrechnung auf einer Anwendung betreiben, die ohne Ankündigung ihr Verhalten ändert, deren Datenverarbeitung nicht auditierbar ist und die einem einzelnen Anbieter gehört. Private AI ist deshalb keine Einschränkung des Möglichen. Sie ist die Voraussetzung dafür, KI überhaupt unternehmenskritisch einsetzen zu dürfen.

Dass dies kein rein deutsches Vorsichtsdenken ist, zeigt die internationale Datenlage. Nach der McKinsey-Erhebung zum Stand der KI nutzen 88 Prozent der Unternehmen KI in mindestens einer Funktion, aber nur 39 Prozent berichten von einem messbaren EBIT-Effekt auf Unternehmensebene; lediglich rund ein Drittel hat begonnen zu skalieren, und nur etwa 23 Prozent skalieren agentische Systeme. Die Lücke zwischen Einsatz und Ergebnis entsteht nicht aus fehlender Technologie, sondern aus fehlender Betriebsfähigkeit — aus Governance, Integration und Prozessverankerung.

Was Geschäftsführer jetzt entscheiden sollten

Aus dieser Analyse folgen fünf Entscheidungen, die auf Geschäftsführungsebene getroffen werden müssen und nicht delegierbar sind.

1. Die Kennzahl einführen. Solange die vollständigen Prozesskosten pro Anlage und Jahr nicht gemessen werden, ist jede Diskussion über Automatisierung eine Glaubensfrage. Diese Zahl gehört ins monatliche Reporting, segmentiert nach Anlagengröße — sie wird unbequeme Wahrheiten über die Rentabilität einzelner Segmente offenlegen.
2. Die Ausnahmen priorisieren, nicht die Regelprozesse. Der Hebel liegt dort, wo heute Menschen recherchieren, nicht dort, wo bereits Software läuft. Eine Klärfalltaxonomie mit Häufigkeit, Bearbeitungszeit und Kosten je Fallklasse ist in wenigen Wochen erstellbar und beantwortet die Priorisierungsfrage empirisch.
3. Eine KI-Strategie formulieren, kein Werkzeug einführen. Sie besteht aus der Priorisierung der größten Geschäftshebel, der Auswahl geeigneter Anwendungsfälle mit belastbarer Wirtschaftlichkeitsrechnung, einer Governance, die Verantwortlichkeiten und Freigabelogik klärt, der Plattformentscheidung, der Integration in bestehende Prozesse, Change Management und Qualifizierung. Nicht jeder Prozess braucht KI — aber jeder strategisch relevante Prozess verdient die Prüfung, ob sich Geschwindigkeit, Qualität oder Kosten wesentlich verbessern lassen.
4. Die Plattformfrage vor der Anwendungsfrage klären. Wer zuerst Pilotprojekte startet und die Governance nachzieht, baut technische Schulden auf, die im regulierten Umfeld teuer werden. Die Reihenfolge lautet: Betriebsmodell, dann Anwendungsfälle.
5. Verantwortung im Vorstand verankern. Die Erfahrung aus vergleichbaren Transformationen ist eindeutig: Programme, die in der IT-Abteilung hängen, erreichen selten die Prozessverankerung, die den Ertrag erzeugt. Der Hebel ist betriebswirtschaftlich, also gehört die Verantwortung dorthin, wo über Geschäftsmodelle entschieden wird.

Fazit

Die Direktvermarktung wächst — daran besteht kein begründeter Zweifel. Die Frage ist nicht, ob die Portfolios größer werden, sondern ob dieses Wachstum Ertrag erzeugt oder aufzehrt.

Der Wettbewerb der kommenden Jahre wird nicht am Strommarkt entschieden. Er wird in den Prozessen entschieden, die zwischen einer angemeldeten Anlage und einer korrekten Gutschrift liegen. Nicht der günstigste Anbieter wird gewinnen und nicht der größte, sondern derjenige mit den niedrigsten Prozesskosten pro Anlage — denn nur er kann in Segmente wachsen, in denen andere Geld verlieren, und behält gleichzeitig die Freiheit, im Preis zu konkurrieren.

Diese Kosten lassen sich dauerhaft nicht durch Effizienzprogramme senken, sondern nur durch Automatisierung, die auch Ausnahmen beherrscht. Damit wird KI von einem Digitalisierungsthema zu einer betriebswirtschaftlichen Voraussetzung — und Private AI von einem IT-Projekt zu einer strategischen Infrastruktur, so grundlegend wie ein ERP-System oder eine Handelsplattform.

Die Häuser, die in drei Jahren führen, werden nicht die sein, die am frühesten mit KI experimentiert haben. Es werden die sein, die daraus zuerst eine belastbare, auditierbare, skalierbare Unternehmensfähigkeit gemacht haben. Der Unterschied zwischen diesen beiden Gruppen entsteht nicht in der Technologie. Er entsteht in der Entscheidung, wann man anfängt, den Betrieb als das zu behandeln, was er in diesem Markt geworden ist: die eigentliche Wettbewerbsdimension.