PV-Projektcontrolling: 281 Projekte in einem Dashboard

Die Ausgangslage: Datenflut ohne Übersicht

Du kennst das Szenario: Ein mittelständiges Energieunternehmen mit 281 aktiven PV-Projekten verteilt über ganz Deutschland. Jeden Monat kommen neue Anlagen hinzu. Doch niemand kann auf Anhieb sagen, wie rentabel einzelne Projekte wirklich sind.

Die Daten liegen überall:

• Projektmasterdaten & Kosten in Dataverse (firmeninternes System)
• Buchungen & Einnahmen in DATEV (Buchhaltung)
• Einspeisemengen (kWh) in den Portalen verschiedener Netzbetreiber
• Wetterdaten & Bestrahlungswerte in externen APIs

Wenn ein Projektleiter eine simple Frage stellen wollte — „Wie viel Gewinn hat Projekt XY letzten Monat gemacht?" — brauchte die Antwort zwei Stunden manuelle Datensammlung. Und die Chancen auf einen Fehler waren hoch.

Noch kritischer: Es gab keine frühen Warnsignale. Wenn ein Projekt seine erwartete Ertragskurve verfehlt, wusste das Unternehmen erst nach Wochen davon. Und der Jahresbericht? Der brauchte drei Wochen Handarbeit — nur um die Zahlen zusammenzutragen.

Die Anforderung: Echtzeit-Dashboards für 281 Projekte

Das Ziel war klar: Ein einziges System der Wahrheit. Power BI sollte die zentrale Reporting-Schicht werden, die alle Datenquellen zusammenführt und dem Management eine transparente Sicht auf die gesamte PV-Portfolio gibt.

Konkret brauchte das Unternehmen:

1. Portfolio-Übersicht: Alle 281 Projekte auf einen Blick, mit klarem Status (grün = gut, gelb = Warnung, rot = Problem)
2. Projekt-Tiefgang: Für jedes einzelne Projekt: Umsatz, Kosten, kWh-Ertrag, Dokumentenstatus
3. Netzbetreiber-Leistung: Welche EVU zahlen pünktlich? Wo liegen Zahlungsrückstände?
4. Ertrag-Analyse: kWh/kWp-Vergleiche über alle Projekte hinweg, normalisiert auf Wetter
5. Finanzielle Zusammenfassung: Ein P&L-Blick für den Jahresbericht — ohne manuelle Kompilation

Die Lösung: Daten-Architektur und DAX-Logik

Wir bauten eine mehrschichtige Power BI-Lösung:

Datenmodell

Faktentabellen:

• Revenue: Alle Einnahmen pro Projekt pro Monat (aus DATEV, nach Projektcode aggregiert)
• Costs: Alle Ausgaben (O&M, Versicherung, Steuern, Finanzierung) pro Projekt
• kWh Production: Einspeisemengen von den Netzbetreiber-APIs, täglich aktualisiert
• Documents: Status der Verträge, Versicherungen, technischen Unterlagen (aus Dataverse)

Dimensionstabellen:

• Projects: Projekt-ID, Typ (Dach/Freifläche), Standort, Installierte Leistung (kWp), Inbetriebnahmedatum
• EVUs: Netzbetreiber-Daten, Abrechnungsrhythmen, Kontaktinformationen
• Regions: Bundesland, geografische Cluster, Wetterdaten-Zuordnung
• Time: Datum, Monat, Quartal, Jahr (für schnelle Zeitvergleiche)

Zentrale Measures (DAX)

Die KPIs waren ebenso simpel wie aussagekräftig:

Revenue per kWp = DIVIDE([Total Revenue], [Installed Capacity])
Cost per kWp = DIVIDE([Total Costs], [Installed Capacity])
Yield Ratio = DIVIDE([Actual kWh], [Expected kWh])
Contribution Margin = [Total Revenue] - [Total Costs]
Days Overdue Payments = TODAY() - [Invoice Date]

Der Yield Ratio war besonders wichtig: Durch Vergleich der tatsächlichen Einspeisung mit den erwarteten Werten (basierend auf historische Daten und Wetterdaten) konnten wir sofort sehen, welche Anlagen unterperformen.

Automatisierung der Datenflüsse

Handarbeit war ausdrücklich nicht erwünscht. Deshalb bauten wir ein automatisiertes Refresh-System:

• Dataverse-Connector: Projektstammdaten und Kosten morgens um 04:00 Uhr
• Power BI Gateway + REST APIs: DATEV-Buchungen um 06:00 Uhr
• EVU-Portal-Connector: kWh-Daten um 08:00 Uhr (die meisten Netzbetreiber aktualisieren nachts)
• Wetter-APIs: Täglich, um Ertrag-Prognosen zu normalisieren

Die Ergebnisse waren jeden Morgen um 08:30 Uhr verfügbar. Frisch. Zuverlässig. Fehlerfrei.

Row-Level Security

Jeder Projektleiter sieht nur die Projekte in seinem Verantwortungsbereich. Das war technisch und datenschutzrechtlich essentiell. Mit Power BI RLS (Reihenebenen-Sicherheit) haben wir das über ein einfaches User-Project-Mapping in Dataverse umgesetzt.

Die Dashboards im Einsatz

Insgesamt wurden fünf Dashboards gebaut. Hier sind die wichtigsten:

1. Portfolio-Übersicht

Ein Geschäftsführer-Blick auf alle 281 Projekte. Karte mit Farbcodierung (Rendite), Gesamtumsatz, Gesamtkosten, durchschnittliche Rendite pro kWp. Ein Ampelsystem zeigt sofort Probleme: Unter 70 % des erwarteten Ertrags = rot.

2. Projekt-Deep-Dive

Projektmanager wählen ein Projekt aus, sehen:

• Umsatz (Monat, YTD)
• Kosten aufgeschlüsselt
• kWh-Ertrag vs. Prognose
• Dokumentenstatus (Versicherung, Netzbetreiber-Verträge, Wartungspläne)

3. Netzbetreiber-Leistung

Welche EVU zahlen zu Recht? Dieses Dashboard zeigt:

• Durchschnittliche Zahlungsdauer pro EVU
• Rechnungen mit Rückständen über 30 Tagen
• Beziehungsqualität auf Basis von Konsistenz und Timing

4. Ertrag-Analyse

Wissenschaftlicher Blick: kWh/kWp im Vergleich. Projekte in derselben Region und mit ähnlicher Ausrichtung müssen ähnliche Erträge haben. Wenn nicht, gibt es ein technisches Problem oder einen Datenfehler.

5. Finanzielle Zusammenfassung

P&L-Blick für den Jahresbericht. Interaktiv: Filtern nach Region, Projekttyp, Zeitraum. Die Zahlen sind vorkonfiguriert — Kommentar schreiben, fertig.

Die Ergebnisse: Vorher und Nachher

| Metrik | Vorher | Nachher | |--------|--------|---------| | "Wie geht es Projekt X?" | 2 Stunden | 10 Sekunden | | Jahresbericht-Erstellung | 3 Wochen | 2 Tage | | Unterperformer erkannt | Erst nach Wochen | Erste Woche (12 Projekte) | | Offene EVU-Posten | Unbekannt | €47.000 identifiziert & beigetrieben |

Die 12 Projekte, die in der ersten Woche identifiziert wurden, hatten Erträge unter 80 % der Erwartung. Grund: Zwei hatten technische Defekte (Wechselrichter), vier waren Datenfehler in den EVU-Portalen, sechs zeigten tatsächliche Verschattungsprobleme, die nicht in den Ursprungsplänen berücksichtigt worden waren.

Der Jahresbericht — vorher ein Excel-Albtraum — wird jetzt interaktiv im Power BI Dashboard zusammengestellt. Die Geschäftsführung kann sogar live mit den Zahlen spielen: „Was wenn wir Projekt XY verkaufen würden?"

Technischer Hintergrund

• Power BI Premium (für Refresh-Frequenz und Gateway)
• Dataverse (Projektmasterdaten, user mapping für RLS)
• Power Query für Datenbereinigung
• DAX für alle Measures und Aggregationen
• Power Automate für Pipelineorchestrierung
• Power BI Gateway für DATEV und EVU-API-Abfragen

Das System ist skalierbar: Bei 350 Projekten (nächstes Quartal) werden keine neuen Dashboards nötig. Nur die Datenmengen wachsen — die Architektur hält.

Fazit

Für ein Energieunternehmen mit hunderten verteilten Projekten ist eine zentrale Reporting-Schicht nicht optional — sie ist notwendig für Steuerung. Power BI hat hier nicht nur Zeit gespart, sondern auch Risiken offengelegt, die vorher invisible waren.

Das System wächst mit dem Unternehmen mit. Neue Projekte werden einfach in Dataverse angelegt — der nächste Morgen, schon sind sie im Dashboard sichtbar.

---

Verwandte Use Cases:

• Erneuerbare Energien: Mini-ERP in Dataverse
• Netzbetreiber-Abrechnungen automatisiert
• Excel-Chaos als Geschäftsrisiko