Strompreise, sechs Tage im Voraus.

Die Day-Ahead-Auktion reicht nur bis morgen. Spot Forecast ergänzt die sechs Tage danach, Stunde für Stunde, für die Zone DE-LU, NL, DK1, DK2 oder NO2, mit einem Band für das Spitzenrisiko, das zeigt, wie hoch ein Preis steigen kann. Alles läuft in Home Assistant, mit offenen Daten.

Über HACS installieren Wie genau ist sie?
  • Kostenlos, MIT-Lizenz
  • Kein Konto, kein API-Schlüssel
  • Leicht genug für einen Raspberry Pi
  • Home Assistant 2024.11+
  1. Heute 
  2. Morgen 
  3. +2 Tage 
  4. +3 Tage 
  5. +4 Tage 
  6. +5 Tage 
  7. +6 Tage 
  8. +7 Tage 
  • Bekannt aus der Auktion
  • Prognose, mit Spitzenrisiko
Das Auktionsergebnis für morgen ist da, also deckt die Prognose die sechs Tage danach ab.
Die Spot-Forecast-Karte in Home Assistant: bekannte Preise vom 1. bis 3. November 2026 als schwarze Stufenlinie, danach sechs Prognosetage bis zum 9. November als blaue Linie mit schraffiertem rotem Spitzenrisiko darüber und schraffierter grüner Tiefpreis-Chance darunter. Über jedem Tag steht das Maximum und an jedem Prognosetag das Spitzenrisiko wie „⚠ 69“.
Die Prognose-Karte einer laufenden Installation am 2. November 2026, einen Monat nach dem Trainingsstichtag des Modells, also außerhalb der Trainingsdaten. Die Linie in Textfarbe ist bekannt, blau die Prognose, rot schraffiert reicht bis zum Spitzenrisiko (P90), grün schraffiert bis zum Tiefpreis (P10). ▲ und ▼ markieren die vier teuersten und günstigsten Stunden jedes Tages.

Wie gut ist sie?

Jede Zahl hier ist außerhalb der Trainingsdaten gemessen. Die Modelle wurden Monat für Monat nur mit vergangenen Daten neu trainiert und haben dann Tage vorhergesagt, die sie nie gesehen hatten, mit Wetterprognosen, die nie frischer und bis zu einen Tag älter sind als bei einer echten Installation. Wähle einen Vorlauf und sieh die Prognose von so vielen Tagen vorher gegen den Preis, der dann kam.

Prognose gegen den echten PreisStündlich, ct/kWh, die sechs Monate vor dem Trainingsstichtag des Modells

Diagramm wird geladen …

Preise: Bundesnetzagentur | SMARD.de über Energy-Charts (CC BY 4.0). Prognosen: der Backfill des mitgelieferten Modells, dieselben Daten, die eine neue Installation importiert.

Mittlere absolute Abweichung in ct/kWh je Vorlauf, mitgeliefertes Modell de_lu-2026-10

Vorlauf Apr. 2025 – Sep. 2026 Juli 2026 – Sep. 2026 Über Spitzenrisiko
AbweichungNaivBesser als naiv AbweichungNaivBesser als naiv
D+1 1 Tag vorher1,703,3950 %1,994,2954 %12 %
D+2 2 Tage vorher1,783,3948 %2,144,2950 %12 %
D+3 3 Tage vorher1,893,3944 %2,294,2947 %12 %
D+4 4 Tage vorher2,043,3940 %2,504,2942 %12 %
D+5 5 Tage vorher2,313,3932 %2,924,2932 %12 %
D+6 6 Tage vorher2,433,3928 %3,034,2929 %12 %

Naiv heißt: der Preis derselben Stunde eine Woche vorher. „Besser als naiv“ ist 1 − Abweichung ÷ naive Abweichung und hängt viel weniger davon ab, wie wild der Markt war. Der ganze Zeitraum und die Abweichung der letzten drei Monate stammen aus dem Bericht des Modells. Der Bericht hat die naive Abweichung nur für den ganzen Zeitraum, für die letzten drei Monate ist sie aus dem mitgelieferten Backfill und den Preisen von Energy-Charts berechnet, über dieselben Stunden wie die Abweichung im Bericht. „Über Spitzenrisiko“ gilt für den ganzen Zeitraum; das Spitzenrisiko (P90) soll in etwa 1 von 10 Stunden überschritten werden.

Spitzen fallen zu niedrig aus

Die Prognose trifft den Zeitpunkt von Preisspitzen, nicht ihre Höhe. In Stunden über 21,2 ct liegt sie einen Tag vorher im Schnitt 7,5 ct zu niedrig, sechs Tage vorher 9,7 ct. Für Spitzen gilt das Band des Spitzenrisikos: Es wird in etwa 12 % der Stunden überschritten, und daran schaltet der Spitzenrisiko-Sensor.

Teures Gas, größere Abweichung

Die Abweichung hängt vom Markt ab. Seit Juli 2026 sind Gas- und Strompreise höher und schwankender, und die Abweichung stieg auf 2,0 ct einen Tag vorher und 3,0 ct sechs Tage vorher. Die naive Prognose wurde ebenfalls schlechter, der Vorsprung blieb also: 54 % besser als naiv einen Tag vorher und 29 % sechs Tage vorher, gegenüber 50 % und 28 % im ganzen Zeitraum. Die Modelle werden jeden Monat neu trainiert und kommen ohne Update bei dir an.

Unterstützte Zonen

Jede Gebotszone hat ihr eigenes Modell, trainiert auf ihren eigenen Preisen und auf dem Wetter dort, wo ihr Wind, ihre Sonne und ihr Verbrauch sind. Die Zone wählst du beim Hinzufügen der Integration; mehrere Zonen können nebeneinander laufen.

Karte Nord- und Mitteleuropas, die unterstützten Gebotszonen hervorgehoben DE-LU – Deutschland und Luxemburg: 1,70 ct/kWh einen Tag voraus NL – Niederlande: 1,75 ct/kWh einen Tag voraus DK1 – Dänemark West: 1,67 ct/kWh einen Tag voraus DK2 – Dänemark Ost: 1,82 ct/kWh einen Tag voraus NO2 – Südnorwegen: 1,50 ct/kWh einen Tag voraus
Hervorgehoben: die Zonen mit mitgeliefertem Modell. Karte: Natural Earth. Zonengrenzen, die dem Netz statt Regionen folgen, sind näherungsweise gezeichnet.

Mittlerer absoluter Fehler in ct/kWh je Horizont, mitgeliefertes Modell jeder Zone

ZoneD+1D+2D+3D+4D+5D+6
DE-LU Deutschland und Luxemburg1,701,781,892,042,312,43
NL Niederlande1,751,851,932,052,222,31
DK1 Dänemark West1,671,751,892,082,382,51
DK2 Dänemark Ost1,821,922,022,212,502,62
NO2 Südnorwegen1,501,581,661,731,791,85

Außerhalb der Stichprobe, über den Walk-forward-Zeitraum des jeweiligen Modells. Das Preisniveau unterscheidet sich zwischen den Zonen: Vergleiche die Fehler einer Zone besser mit ihrem naiven Fehler in der Dokumentation als mit einer anderen Zone.

So funktioniert’s

Ein Lauf braucht nur numpy: Auf einem Raspberry Pi 5 dauert er samt Downloads etwa 1,2 Sekunden. Er wiederholt sich nach jedem neuen Lauf des Wettermodells, viermal am Tag, und noch einmal, wenn das Auktionsergebnis für morgen erscheint.

  1. Bekannte PreiseDie Day-Ahead-Preise DE-LU der letzten 40 Tage von Energy-Charts, in einer Anfrage.
  2. WetterprognoseECMWF über Open-Meteo für 10 Punkte in Deutschland und 12 in den Nachbarländern: Wind in 100 m, Sonne, Temperatur, Bewölkung und Regen.
  3. Drei BaummodelleJeden Monat auf GitHub trainiert, auf deinem Gerät mit numpy gerechnet: der erwartete Preis, ein Spitzenrisiko (P90) und ein Tiefpreis (P10) je Stunde.
  4. Am eigenen Verlauf kalibriertJede Prognose wird aufbewahrt. Die Bänder werden danach verschoben, wie oft sie in den letzten 56 Tagen überschritten wurden, damit das Spitzenrisiko bei etwa einer von zehn Stunden bleibt.
  5. Sensoren und StatistikenEin Preissensor mit bekannten und prognostizierten Stunden, eine Warnung für Spitzen und eine für negative Preise, und Langzeitstatistiken jeder Prognose gegen den echten Preis.

Zwei Karten fürs Dashboard

Beide sind YAML für die Plotly Graph Card, geschrieben für v4.0.2: in eine manuelle Karte einfügen. Die Prognose-Karte steht oben auf dieser Seite.

Die Rückblick-Karte in Home Assistant: der Börsenpreis als dunkle Linie vom 4. Oktober bis 2. November 2026 und die Prognose von zwei Tagen vorher in Orange, die Lücke dazwischen rot gefüllt. Knöpfe darüber wählen D+1 bis D+6 oder alle und 7 Tage bis 6 Monate.
Die Rückblick-Karte: die Prognose von zwei Tagen vorher gegen den Börsenpreis, mit der mittleren Abweichung im gezeigten Zeitraum. Sie liest die Langzeitstatistiken, die die Integration vom ersten Tag an füllt, Backfill eingeschlossen.

Was du in Home Assistant bekommst

  • sensor.spot_forecast_de_lu_priceDer aktuelle Preis; das Attribut prices enthält jeden Zeitschlitz von heute 0 Uhr bis zum Ende der Prognose.
  • binary_sensor.spot_forecast_de_lu_peak_riskAn, wenn ein Preis über deiner Schwelle in den nächsten 48 Stunden bekannt oder wahrscheinlich ist.
  • binary_sensor.spot_forecast_de_lu_negative_priceAn, wenn ein negativer Preis in den nächsten 48 Stunden bekannt oder wahrscheinlich ist.
  • Tagessensoren, Statistiken, DiagnoseMittel, Minimum und Maximum je Tag für Automationen; die Abweichung der letzten 30 Tage; das aktive Modell.

Passt zu Smart Battery Pilot

Wähle sensor.spot_forecast_de_lu_price als Preis-Entität in Smart Battery Pilot. Sein ENTSO-E-Adapter liest das Attribut prices so, wie es ist. Stunden nach der Auktion sind mit source: forecast markiert und tragen p90 und p10.

Installation

Spot Forecast ist im HACS-Standardkatalog. Mit dem mitgelieferten Modell läuft es direkt nach der Einrichtung und braucht kein Konto.

In HACS öffnen Integration hinzufügen

  1. Spot Forecast in HACS finden

    Über den Knopf, oder in HACS nach Spot Forecast suchen.

  2. Spot Forecast herunterladen und Home Assistant neu starten.

  3. Einstellungen → Geräte & Dienste → Integration hinzufügen → Spot Forecast.

    Gebotszone wählen. Die erste Prognose entsteht sofort, der Rückblick beginnt mit 60 Tagen Backfill.

  4. Karten hinzufügen

    Die Plotly Graph Card über HACS installieren und das YAML aus examples/ einfügen.

Offene Daten, mit Quellenangabe

Die Preis- und Wetterquellen sind frei und brauchen keinen Schlüssel. Die Integration nennt sie in der Attribution des Sensors.

Energy-Charts
Day-Ahead-Preise DE-LU, NL, DK1, DK2 und NO2. Energy-Charts des Fraunhofer ISE, Preisdaten von Bundesnetzagentur | SMARD.de, Lizenz CC BY 4.0.
Open-Meteo
Wetterprognosen des ECMWF-Modells IFS mit 0,25°. Open-Meteo, Lizenz CC BY 4.0, frei für nicht-kommerzielle Nutzung.
Natural Earth
Länder- und Regionsgrenzen der Zonenkarte, 1:10m, gemeinfrei.