Künstliche Intelligenz
Über den Chat hinaus: Mit LLMs echte Nutzerprobleme lösen
Seit dem Erscheinen von ChatGPT ist das Chat-Fenster das zentrale User-Interface für die Interaktion mit künstlicher Intelligenz. Doch ist ein Chat tatsächlich die optimale Möglichkeit zur Interaktion – oder gibt es möglicherweise besser geeignete Wege, KI in Anwendungen zu integrieren?
Sascha Lehmann war mit seinem ersten PC schon klar, in welche Richtung die Reise geht. Durch Desktop- und Backend-Entwicklung im .NET-Umfeld fand er über die Jahre hinweg zu seiner wahren Leidenschaft, der Webentwicklung. Als Experte im Angular- und im UI/UX-Umfeld hilft er bei der Thinktecture AG in Karlsruhe tagtäglich Kunden bei ihren Herausforderungen und Vorhaben.
In den vergangenen Jahren haben KI-Werkzeuge die Welt im Sturm erobert. KI-Funktionen hielten Einzug in alltäglich genutzte Software – sei es in Entwicklungsumgebungen (IDEs), Office-Programmen oder sogar bei der Erstellung der Steuererklärung. Und fast überall kann man mit der Software chatten. Doch warum eigentlich?
Warum Chat als Interface so gut funktioniert
Die Stärken großer Sprachmodelle liegen insbesondere darin, unterschiedlichste Arten von Informationen zu verarbeiten und in natürlicher Sprache mit Nutzerinnen und Nutzern zu kommunizieren. Dafür benötigen sie Eingaben – ebenfalls in natürlicher Sprache. Was läge also näher, als per Texteingabe mit ihnen zu interagieren?
Auch aus Sicht der User-Experience (UX) bietet sich der Chat als Interface zunächst an. Nahezu jede und jeder kennt dieses mentale Modell – also die grundsätzliche Funktionsweise und das Erscheinungsbild eines Chatfensters – und kann es intuitiv nutzen, ohne vorherige Schulung. Gerade diese Niedrigschwelligkeit war einer der entscheidenden Faktoren für den durchschlagenden Erfolg von ChatGPT und vergleichbaren Anwendungen.
Mehrwert statt Selbstzweck: Was gute KI-Features ausmacht
Bei genauerer Betrachtung kann das Interaktionsmodell „Chat“ jedoch nicht ohne Weiteres ebenso erfolgreich auf andere Einsatzbereiche übertragen werden. So hilfreich es sein kann, beliebige Fragestellungen in einem offenen Chat mit einer KI zu diskutieren, umso schneller verliert dieses Modell seinen Reiz, sobald es in einem klar definierten Anwendungskontext zum Einsatz kommt. Der Rahmen ist dort meist deutlich enger gesteckt, was neue Herausforderungen aufwirft – beispielsweise:
- Wie kann ein Chat sinnvoll in den Anwendungskontext integriert werden?
- Welchen konkreten Mehrwert bietet die KI-Funktion gegenüber etablierten Arbeitsabläufen?
- Wie können fachspezifische Informationen kontextbezogen eingebunden werden?
Ohne gezielte Unterstützung – etwa Hinweise zu möglichen Interaktionen oder zum verfügbaren Domänenwissen und dessen Nutzung im Chat – fühlen sich viele Nutzerinnen und Nutzer schnell überfordert. Bleiben erste Interaktionen zudem erfolglos, führt das häufig zu Frustration – und das beworbene KI-Feature wird nur noch zögerlich oder gar nicht mehr verwendet. Es entsteht der Eindruck, die neue Technologie sei lediglich um ihrer selbst willen integriert worden.
Ein solches Nutzungserlebnis gilt es unbedingt zu vermeiden. KI-Funktionen – wie auch alle anderen Features – müssen einen klaren Mehrwert bieten. Sei es durch eine Erweiterung des Funktionsumfangs oder durch die Vereinfachung zuvor mühsamer Aufgaben.
UX-Patterns gegen kognitive Überforderung
Ein blanker Chat erzeugt – ähnlich wie die berüchtigte leere Seite beim Schreiben einer Hausarbeit – eine zu hohe kognitive Last, also eine Art Überforderungs- oder Lähmungszustand. Um dem entgegenzuwirken, können Vorschläge (Suggestions), hilfreich sein: kleine Container mit konkreten Prompt-Hinweisen.
„Vorschlagskarten“ (hier für Chat-GPT) helfen, die anfängliche Überforderung zu reduzieren und Interaktionshinweise zu geben.
(Bild: Shape of AI)
Diese Suggestions sind Teil einer Sammlung von UX-Patterns (Shape of AI) rund um den Einsatz von KI- und Chat-Integrationen. Da künstliche Intelligenz nach wie vor ein junges Themenfeld ist, werden in den kommenden Jahren zunehmend weitere dieser Gestaltungsmuster entstehen, auf die Entwicklerinnen und Entwickler bei der Konzeption und Entwicklung zurückgreifen können. Dennoch empfiehlt es sich, bereits heute solche Patterns zu nutzen, um Usern einen einfachen und intuitiven Einstieg zu ermöglichen.
Tu, was ich will – nicht, was ich sage
Die kognitive Last ist nicht die einzige Schwachstelle von Chat-basierten Interfaces. Bei längeren Konversationen kann es dazu kommen, dass das Kontextfenster – sozusagen das Kurzzeitgedächtnis des LLM, um Informationen der Konversation zu halten – des aktuell verwendeten Sprachmodells ausgeschöpft ist. In solchen Fällen müssen User auf einen neuen Chat ausweichen. Da LLMs jedoch über kein dauerhaftes Gedächtnis verfügen, ist es notwendig, bei diesem Wechsel eine Zusammenfassung des bisher Gesagten mitzugeben – nur so kann an vorherige Ergebnisse angeknüpft werden.
Zudem neigen LLMs in Konversationen gelegentlich zu Halluzinationen oder verlieren sich bei unpräzisen Eingaben in einem ineffizienten Hin und Her. Besonders problematisch wird das, wenn die Nutzerin oder der Nutzer bereits eine klare Vorstellung vom gewünschten Ergebnis hat. Die Herausforderung liegt darin, die eigene Intention so klar zu formulieren, dass das Modell sie korrekt interpretiert – ganz nach dem Motto: „Tu, was ich will – nicht, was ich sage.“
Formulare automatisch verstehen und ausfüllen
Gibt es also jenseits des klassischen Chat-Interfaces klügere Wege, Nutzerinnen und Nutzern KI-Funktionen zugänglich zu machen – möglichst in kleinen, leicht verdaulichen Einheiten, sodass Überforderung gar nicht erst entsteht?
Ein genauer Blick auf die Stärken großer Sprachmodelle zeigt Fähigkeiten, die im Alltag besonders hilfreich sein können:
- Verständnis und Verarbeitung natürlicher Sprache
- umfangreiches Weltwissen
- vielfältige Einsatzgebiete und enorme Anpassbarkeit
- Multimodalität – Verarbeitung von Text-, Audio- und Bilddaten (ohne Modellwechsel)
- Echtzeitsprachverarbeitung
- Erkennung und Analyse von Patterns
Immer wieder gibt es Anwendungsszenarien, in denen Daten aus Dokumenten, Bildern oder Videos zu extrahieren und in strukturierter Form weiterzuverarbeiten sind – etwa bei Formularen. Das Ausfüllen langer Formulare zählt in der Regel nicht zu den beliebtesten Aufgaben im Alltag.
Gerade hier besteht deutliches Potenzial zur Verbesserung der User-Experience. Doch wie könnte ein optimierter „Befüllungs-Workflow“ konkret aussehen?
Von Text zu JSON: Daten intelligent befüllen
Für die Arbeit mit Formularen stehen im Web und in etablierten Frameworks umfangreiche Schnittstellen (Application Programming Interfaces, APIs) zur Verfügung. Die zugrunde liegende Struktur eines Formulars wird dabei häufig in Form eines JSON-Objekts (JavaScript Object Notation) definiert.
Das Listing zeigt eine exemplarische Deklaration einer FormGroup
(inklusive Validatoren) innerhalb einer Angular-Anwendung.
personalData: this.fb.group({
firstName: ['', Validators.required],
lastName: ['', Validators.required],
street: ['', Validators.required],
zipCode: ['', Validators.required],
location: ['', Validators.required],
insuranceId: ['', Validators.required],
dateOfBirth: [null as Date | null, Validators.required],
telephone: ['', Validators.required],
email: ['', [Validators.required, Validators.email]],
licensePlate: ['', Validators.required],
}),
Dieses JSON-Objekt stellt den ersten Baustein des Workflows dar und definiert zugleich die Zielstruktur, in die das System die extrahierten Informationen überführt. Den zweiten Baustein bilden die Quelldaten in Form von Text, Bildern oder Audio. Zur vereinfachten Darstellung liegen sie im folgenden Szenario in Textform vor und sollen über die Zwischenablage in das System übertragen werden.
Bleibt noch ein dritter Aspekt: Entwicklerinnen und Entwickler müssen das Sprachmodell instruieren – sie müssen ihm eine präzise Aufgabenbeschreibung geben, um den gewünschten Verarbeitungsschritt korrekt durchzuführen. Diese Instruktion erfolgt im Hintergrund, vor dem User versteckt.
Versteckte Prompts: KI steuern ohne Chatfenster
Auch wenn Entwicklerinnen und Entwickler bewusst auf ein Chat-Interface verzichten, arbeiten Sprachmodelle weiterhin auf Basis von Instruktionen in natürlicher Sprache. Um Usern die Formulierungs- und Eingrenzungsarbeit abzunehmen, können diese Anweisungen vorab als sogenannte System-Messages oder System-Prompts im Programmcode hinterlegt werden.
Der Vorteil dieses Ansatzes liegt darin, dass die Befehle standardisiert und in konsistenter Qualität an das LLM übermittelt werden können. Zudem ist es möglich, diese Prompts mit Guards zu versehen – ergänzenden Anweisungen, die Halluzinationen vorbeugen oder potenziellem Missbrauch entgegenwirken sollen.
Nachfolgend eine exemplarische Darstellung eines System Prompt mit einer gezielten Aufgabe für das LLM:
Each response line must follow this format:
FIELD identifier^^^value
Provide a response consisting only of the following lines and values derived from USER_DATA:
${fieldString}END_RESPONSE
Do not explain how the values are determined.
For fields without corresponding information in USER_DATA, use the value NO_DATA.
For fields of type number, use only digits and an optional decimal separator.
In modernen Frontend-Applikationen ist es üblich, dass Schnittstellen ihre Antworten im JSON-Format liefern, da diese Datenstruktur leicht weiterverarbeitet werden kann.
Für möglichst präzise und verlässliche Ergebnisse kann die erwartete Zielstruktur mithilfe des JSON Mode definiert werden – in Form eines JSON-Schemas. Es beschreibt die Felder nicht nur strukturell, sondern auch mit genauen Typinformationen. Das erspart ausführliche textuelle Erläuterungen und erleichtert die Verarbeitung der Ergebnisse im Frontend.
Um Typsicherheit in der Anwendung sicherzustellen, kommt häufig Zod zum Einsatz – eine auf TypeScript ausgerichtete Validierungsbibliothek, mit der Datenstrukturen, von einfachen Strings bis hin zu komplexen geschachtelten Objekten, deklarativ definiert und zuverlässig geprüft werden können.
Das folgende Listing von OpenAI zeigt einen exemplarischen Aufruf der OpenAI-API, um Daten in einem bestimmten JSON Format zu extrahieren.
import OpenAI from "openai";
import { zodTextFormat } from "openai/helpers/zod";
import { z } from "zod";
const openai = new OpenAI();
// JSON-Schema-Definition mithilfe von Zod
const CalendarEvent = z.object({
name: z.string(),
date: z.string(),
participants: z.array(z.string()),
});
const response = await openai.responses.parse({
model: "gpt-4o-2024-08-06",
input: [
{ role: "system", content: "Extract the event information." },
{
role: "user",
content: "Alice and Bob are going to a science fair on Friday.",
},
],
text: {
format: zodTextFormat(CalendarEvent, "event"),
},
});
const event = response.output_parsed;
So kommunizieren Anwendungen mit dem LLM
Um System-Prompts und Quelldaten an ein LLM zu übermitteln, stehen je nach Anbieter verschiedene SDKs (Software Development Kits) zur Verfügung. Das obige Listing zeigt beispielsweise die Verwendung des OpenAI-SDK. Weitere Beispiele führender Anbieter sind Anthropic und Google. Sie bieten jeweils umfangreiche Funktionen, hohe Performance und eine benutzerfreundliche Developer-Experience, die den Einsatz der SDKs erleichtert.
Selbstverständlich ist die Nutzung von KI-Modellen nicht auf webbasierte Angebote großer Anbieter beschränkt. Wer mit kleineren Modellen für seine Aufgaben auskommt, kann ebenso lokal laufende Modelle verwenden oder auf im Browser integrierte Modelle wie WebLLM zurückgreifen.
Nach der erfolgreichen Implementierung und Abstraktion der SDK-Aufrufe genügt bereits ein Dreizeiler für das vollständige Parsing.
Es folgt eine exemplarische Darstellung des Ablaufs eines Extraktionsvorgangs anhand einer in Angular definierten FormGroup:
/* User Message – Datenquelle, aus der Daten zum Befüllen des Formulars extrahiert werden sollen. Diese werden in die Zwischenablage kopiert
Max Mustermann
77777 Musterstadt
Kfz-Kennzeichen: KA-SL-1234
Versicherungsnummer: VL-123456
*/
// Angular FormGroup zum Erfassen persönlicher Daten
personalData: this.fb.group({
firstName: ['', Validators.required],
lastName: ['', Validators.required],
street: ['', Validators.required],
zipCode: ['', Validators.required],
location: ['', Validators.required],
insuranceId: ['', Validators.required],
dateOfBirth: [null as Date | null, Validators.required],
telephone: ['', Validators.required],
email: ['', [Validators.required, Validators.email]],
licensePlate: ['', Validators.required],
}),
// JSON-Schema, das mit Zod anhand der FormGroup erstellt wurde
{
"firstName": {
"type": "string"
},
"lastName": {
"type": "string"
},
"street": {
"type": "string"
},
"zipCode": {
"type": "string"
},
"location": {
"type": "string"
},
"insuranceId": {
"type": "string"
},
"dateOfBirth": {
"type": "object"
},
"telephone": {
"type": "string"
},
"email": {
"type": "string"
},
"licensePlate": {
"type": "string"
}
}
// Antwort des LLM
[
{
"key": "firstName",
"value": "Max"
},
{
"key": "lastName",
"value": "Mustermann"
},
{
"key": "location",
"value": "Musterstadt"
},
{
"key": "zipCode",
"value": "77777"
},
{
"key": "licensePlate",
"value": "KA-SL-1234"
},
{
"key": "insuranceId",
"value": "VL-123456"
}
]
// Befüllen des Formulars mit den Ergebnissen (hier eine Angular FormGroup --> personalData)
try {
const text = await navigator.clipboard.readText();
const completions = await this.openAiBackend.getCompletions(fields, text);
completions.forEach(({ key, value }) => this.personalData.get(key)?.setValue(value));
} catch (err) {
console.error(err);
}
Aufwendige Ausfüllarbeiten gehören von nun an der Vergangenheit an und können dank geschickt eingesetzter KI-Unterstützung mühelos erledigt werden.
Dieses Beispiel zeigt einen ausgeführten Extraktionsvorgang: Zunächst wird der Text mit Informationen in die Zwischenablage kopiert, dann der Extraktionsvorgang gestartet, und schließlich stehen automatisch befüllte Formularfelder anhand der Textinformation bereit.
Darstellung des Ablaufs eines Extraktionsvorgangs aus Sicht der User (in drei Schritten, von oben nach unten).
Mehr Transparenz bei KI-generierten Inhalten
Diese Integration allein verbessert die UX enorm. Bei genauerer Betrachtung fallen aus UX-Designer-Sicht allerdings noch weitere Möglichkeiten auf:
Wie steht es etwa um die Nachvollziehbarkeit? Aktuell werden anhand des übermittelten Textes oder Bildes die Felder des Formulars automatisch befüllt. Zudem kann der Nutzer oder die Nutzerin das Formular nach Belieben selbst anpassen und editieren. Das mag in den meisten Fällen ausreichend und unproblematisch sein. Doch in bestimmten Kontexten reicht das allein nicht aus – beispielsweise bei rechtlich verbindlichen Themen wie Versicherungen oder Banking. Hier muss unter Umständen ersichtlich sein, welche Felder von einem Menschen und welche mithilfe von KI-Unterstützung befüllt wurden. Aus UX-Gründen ist es außerdem sinnvoll, Nutzern transparent zu vermitteln, wie einzelne Feldwerte zustande gekommen sind.
Nachvollziehbarkeit sichtbar machen
Ein Blick auf die großen Player zeigt: Wenn es um die Visualisierung von KI-generierten Inhalten geht, kommen oftmals Farbverläufe, Leucht- und Glitzereffekte zum Einsatz. Die folgenden Beispiele zeigen die visuelle Gestaltung von KI-Inhalten anhand der Designsprache von Apple und Google.
Beispiele für die Designsprachen von Apple (oben) und Google (unten) in Bezug auf deren AI-Produkte.
Warum also nicht dieses Pattern aufgreifen und für eigene Integrationen nutzen? Die großen Anbieter verfügen über UI/UX-Research-Budgets, von denen kleinere Unternehmen nur träumen können. Es liegt nahe, sich hier inspirieren zu lassen, zumal die hohe Reichweite bereits neue visuelle Standards prägt – Nutzer sind mit derartigen Darstellungen zunehmend vertraut.
Eine exemplarische Umsetzung im gezeigten Formularszenario könnte darin bestehen, automatisch befüllte Felder mit einem leuchtenden Rahmen (Glow-Effekt) zu versehen. Diese einfache Maßnahme schafft eine klare visuelle Unterscheidbarkeit – und verbessert gleichzeitig die User-Experience.
Automatisch befüllte Felder sind durch einen leuchtenden Rahmen (Glow-Effekt) hervorgehoben.
Um die Nachvollziehbarkeit weiter zu verbessern, können Entwickler eine History-Funktion einbauen: Sie zeigt, welche automatischen Extraktionen wann passiert sind – inklusive der genutzten Quellen (Texte, Sprache oder Bilder). So haben User jederzeit den Überblick und können bei Bedarf einfach per Undo/Redo zu einem früheren Zustand zurückspringen.
Künstliche Intelligenz
Deutschland schafft Junior-Stellen ab – wegen KI?
Bereits seit Längerem wird debattiert, wie sich generative KI auf den Arbeitsmarkt auswirkt. Inzwischen rücken dabei die IT-Jobs in den Fokus, vor allem in der Software-Entwicklung. Glaubt man den CEOs der großen Techfirmen, wird immer mehr Code mittels KI generiert. Forscher der Universität Stanford kamen ferner in einer umfassenden Studie zum Ergebnis, dass es im US-Arbeitsmarkt primär die Jobeinsteiger trifft. So sei die Beschäftigung von 22- bis 25-jährigen Software-Entwicklern seit Ende 2022 um ein Fünftel gefallen.
Die iX-Redaktion sprach mit der Arbeitsmarktökonomin Virginia Sondergeld vom Jobportal Indeed über die Lage am IT-Arbeitsmarkt. Das Interview fand per E-Mail statt.
(Bild: Indeed )
Virginia Sondergeld ist Ökonomin im Indeed Hiring Lab und forscht dort zu globalen sowie für den deutschen Markt spezifischen Arbeitsmarkttrends. Zuvor promovierte Virginia in Volkswirtschaftslehre am Deutschen Institut für Wirtschaftsforschung und der Freien Universität Berlin.
Laut einer aktuellen Stanford-Studie zum US-Arbeitsmarkt trifft die Verdrängung durch KI vor allem Einsteigerjobs, insbesondere in der Software-Entwicklung. Sollten junge Leute sich das besser noch mal besser überlegen, eine Karriere als Developer zu starten?
Der Wettbewerb um Einstiegsjobs, gerade im Tech-Bereich, ist in den letzten Jahren deutlich härter geworden. Mehr Konkurrenz sollte junge Menschen nicht grundsätzlich davon abhalten, ihre beruflichen Wünsche oder Leidenschaften zu verfolgen. Sie sollten sich jedoch bewusst sein, dass sich das Berufsbild und Anforderungen an Developer durch die KI-Revolution verändern: weg von einfachen Programmieraufgaben hin zu strategischen Tätigkeiten beim Design einer Softwarearchitektur sowie der Steuerung und Überwachung von KI-Systemen. Wer früh Praxiserfahrungen mit KI-Anwendungen sammelt und sich gezielt weiterbildet, kann sich auch in einem schwierigeren Marktumfeld durchsetzen.
Lässt sich in Deutschland denn eine ähnliche Entwicklung feststellen?
Ja, auch in Deutschland beobachten wir ähnliche Trends. Indeed-Daten zeigen, dass die Zahl der ausgeschriebenen Jobs in der Softwareentwicklung im Vergleich zum Jahr 2020 um rund 37 Prozent gesunken ist. Besonders stark betroffen sind dabei Einstiegsjobs: Junior-Stellen gingen im gleichen Zeitraum um 54 Prozent zurück, während die Zahl der Senior-Positionen nur um 15 Prozent abnahm. Es bedarf jedoch noch weiterer Forschung, um hier konjunkturelle Effekte von denen der KI zu isolieren. So verlief die Entwicklung der Junior- und Senior-Stellen bereits vor der breiten Verfügbarkeit generativer KI unterschiedlich.
In Deutschland klagen die Unternehmen traditionell gerne über den Mangel an IT-Fachkräften. Kann man sich da überhaupt leisten, Nachwuchsjobs zugunsten von KI zu streichen?
Langfristig: nein. Ohne Berufseinsteigerinnen und -einsteiger von heute fehlen die Fach- und Führungskräfte von morgen. Angesichts des demografischen Wandels werden in den nächsten Jahren viele erfahrene Fachkräfte aus dem Arbeitsmarkt ausscheiden. Eine nachhaltige Personalstrategie erfordert, jungen Talenten Einstiegsmöglichkeiten und klare Entwicklungsperspektiven zu bieten. Die zentrale Frage lautet dabei: Wie können Unternehmen Effizienzgewinne durch KI realisieren, ohne dabei den eigenen Nachwuchs aus dem Blick zu verlieren?
Lassen sich am generellen Arbeitsmarkt für ITler seit dem Aufkommen generativer KI Trends erkennen?
Die Zahl der IT-Stellen ist in den vergangenen Jahren insgesamt zurückgegangen, doch gleichzeitig werden KI-Kenntnisse immer stärker nachgefragt: Während am gesamten Arbeitsmarkt aktuell in rund 3 Prozent aller Stellenanzeigen KI-Kompetenzen erwähnt werden, liegt der Anteil in Tech-Berufen deutlich höher: beispielsweise bei 26 Prozent im Bereich Daten und Analytics, 18,2 Prozent in der Softwareentwicklung und 15,7 Prozent im Bereich IT-Anwendungen und -Lösungen. Kompetenzen in der Entwicklung und Anwendung generativer KI sind dabei ein wesentlicher Treiber. Der IT-Arbeitsmarkt ist also geschrumpft, entwickelt sich aber zugleich stark in Richtung KI-Spezialisierung.
Lässt sich bei den verschiedenen IT-Jobs differenzieren, wer stärker und wer weniger von KI betroffen ist?
Für die IT-Branche gilt, was auch in anderen wissensbasierten Berufen zu beobachten ist: Je standardisierter die Tätigkeit, desto eher kann KI sie ersetzen. Je spezialisierter und strategischer ein Job, desto weniger verringert KI derzeit seine Nachfrage am Arbeitsmarkt. Während KI Codezeilen generieren kann, braucht es weiterhin Entwicklerinnen und Entwickler, die die KI anleiten, Ergebnisse überprüfen, Fehler identifizieren und Sicherheitslücken schließen.
Auch Tätigkeiten mit hohem Praxisanteil, etwa die Bereitstellung und Wartung von Hardware, sind weniger automatisierbar. Zudem wächst durch den hohen Rechenbedarf von KI die Bedeutung von IT-System- und Infrastruktur-Spezialisten, die sicherstellen, dass Rechenzentren und Netzwerke zuverlässig und effizient funktionieren. KI übernimmt also nicht nur Jobs, sondern schafft auch neue Chancen am Arbeitsmarkt.
Wie stark macht sich der seit mehreren Jahren laufende Wirtschaftsabschwung am deutschen IT-Arbeitsmarkt bemerkbar? Stärker als KI?
Es ist schwer, die Effekte von Konjunktur und KI klar voneinander zu trennen. Während des Tech-Booms zwischen 2020 und Mitte 2022 wurde massiv in Digitalisierung investiert und viele neue Stellen wurden geschaffen. Seit der Abkühlung im Frühjahr 2022 gehen die Stellenausschreibungen im gesamten Arbeitsmarkt – und besonders im IT-Sektor – deutlich zurück. Dieser Rückgang setzte also bereits vor der breiten Verfügbarkeit generativer KI ein, was darauf hindeutet, dass vor allem der Wirtschaftsabschwung die aktuelle Entwicklung prägt. Mittel- bis langfristig dürfte jedoch die Verbreitung von KI entscheidend dafür sein, ob sich der Arbeitsmarkt für IT-Fachkräfte auch erholt, wenn die Wirtschaft wieder an Fahrt aufnimmt, oder ob bestimmte Tätigkeiten dauerhaft von generativer KI übernommen werden.
Vielen Dank für die Antworten, Frau Sondergeld!
(axk)
Künstliche Intelligenz
Support für Samsung-Smartwatches mit Tizen endet in vier Wochen
Bereits 2021 haben Samsung und Google ihre Betriebssysteme Tizen und Wear OS verschmolzen. Tizen wird seitdem nur noch für andere Geräte wie Smart-TVs weiterentwickelt. Neue Galaxy-Smartwatches von Samsung erscheinen seit vier Jahren nur noch mit Wear OS, der Support für Tizen auf den Uhren wird abgewickelt. Und in vier Wochen ist dann endgültig Schluss: Der Tizen-Store schließt, die Installation von Apps auf der Smartwatch über die entsprechende App auf dem gekoppelten Smartphone ist dann nicht mehr möglich.
Der Stichtag ist der 30. September 2025, wie aus einem Support-Dokument von Samsung hervorgeht. Bis dahin kann man den Store noch nutzen, um dort schon einmal bezogene Apps und andere Inhalte wie Zifferblätter auf die Smartwatch zu befördern. Bereits seit dem 25. Juni 2025 vertreibt der Tizen-Store keine Gratis-Inhalte mehr, was unter anderem die vielen von Benutzern erstellten Zifferblätter betreffen dürfte. Ende September können dann aber auch keine gekauften Apps, die vorher von der Uhr gelöscht wurden, erneut auf dieser installiert werden. Die Uhren funktionieren weiter, Updates für Tizen wie auch die Apps gibt es aber nicht mehr.
Betroffene Geräte und Abhilfe
Laut Android Authority wurden die Smartwatches Galaxy Gear, Gear 2, Gear Live, Gear S, Gear S2, Gear S3, Gear Sport, Galaxy Watch, Galaxy Watch Active, Galaxy Watch Active 2, und Galaxy Watch 3 mit Tizen ausgeliefert. Um beispielsweise nach einem Werksreset durch einen Akkutausch noch Apps auf die Uhr zu befördern, gibt es mehrere Möglichkeiten. In diesem Sub-Reddit werden einige Verfahren aufgezeigt, für die teils Root-Zugriff auf dem Smartphone nötig ist. Im Forum von XDA wird eine Methode ohne Root für die Galaxy Watch Active 2 beschrieben. Und ebenda, in einem anderen Thread, gibt es Anleitungen für Gear S2 und S3. In jenem Thread findet sich auch eine Liste mit App-Packages und Zifferblättern, die bereits aus dem Store gesichert wurden, samt der damaligen Beschreibungen im Store.
(nie)
Künstliche Intelligenz
Top 10: Balkonkraftwerk mit Speicher im Test – nachrüsten oder im Set
Testsieger
Zendure Solarflow 800 Pro
Zendure Solarflow 800 Pro kommt mit integriertem Speicher und vier MPP-Trackern. Wie gut das Balkonkraftwerk in der Praxis funktioniert, zeigt der Test.
- effizienter Wechselrichter mit vier MPP-Tracker und 1,92-kWh-Speicher
- Nulleinspeisung über Smart Meter wie Shelly Pro 3EM
- bidirektionales Laden (sinnvoll bei Nutzung dynamischer Stromtarife)
- Lokale API und Home-Assistant-Support
- Standardmäßig von Cloud abhängig
- App teilweise unübersichtlich
Zendure Solarflow 800 Pro im Test
Zendure Solarflow 800 Pro kommt mit integriertem Speicher und vier MPP-Trackern. Wie gut das Balkonkraftwerk in der Praxis funktioniert, zeigt der Test.
Zendure bietet mit Solarflow 800 Pro ein Balkonkraftwerk mit integriertem 1,92-kWh-Speicher. Es zielt vor allem auf Power-User, die sämtliche Vorteile eines BKWs nutzen möchten – inklusive Nulleinspeisung auf Basis von Smart Metern wie Shelly Pro 3EM und der Nutzung dynamischer Stromtarife wie von Tibber oder Rabot Energy.
Wie der Stromspeicher Anker Solix Solarbank 3 (Testbericht) unterstützt Zendure Solarflow 800 Pro den Anschluss von bis zu vier Solarpanel. Im Angebot bei Zendure lässt sich das Steckersolargerät mit bis zu vier 500-Watt-Panels konfigurieren. Damit schöpft die Anlage die gesetzlichen Bestimmungen, die eine maximale Solarleistung von 2000 Watt für BKWs erlauben, voll aus.
Solarflow 800 Pro kommt mit einem integrierten Speicher mit 1,92 kWh vom Typ AB2000X und kostet mit vier 500-Watt-Panels inklusive Halterung 1417 Euro. Der neue Akku bietet gegenüber dem Vorgänger AB2000S eine höhere Ausgangsleistung (1680 Watt statt 1200 Watt, beim Einsatz von zwei Batterien sind es sogar 1920 Watt) und erlaubt eine Erweiterung mit insgesamt sechs Einheiten auf bis zu 11,52 kWh. Mit der AB2000S lag die Obergrenze bei vier Einheiten und 7,68 kWh.
Zendure verkauft Solarflow 800 Pro für 799 Euro auch einzeln ohne Solarpanels, sodass die Lösung auch als Nachrüstoption für ein bestehendes Balkonkraftwerk infrage kommt.
Eine Notstromsteckdose mit 1000 Watt bietet Zendure Solarflow 800 Pro ebenfalls, sodass man bei einem Stromausfall Geräte wie eine Gefrierkombination mit Energie versorgen kann.
Wie die Lösung für den Anschluss von zwei Solarmodulen, Zendure Solarflow 800, bietet die Pro-Variante noch zwei weitere Besonderheiten: Mit einer Eingangsspannung von 14 Volt wandelt sie schon früher Sonnenenergie in Strom um als Modelle, die erst bei 16 Volt oder höher die Energiegewinnung starten. Außerdem unterstützt der Wechselrichter bidirektionales Laden. Man kann also die mit Solarflow 800 Pro verbundenen Batterien auch mit Strom aus der Steckdose betanken. Das ist wegen Umwandlungsverlusten aber nur bei Nutzung von dynamischen Stromtarifen sinnvoll: Wenn etwa zu bestimmten Zeiten der Bezug von Strom günstig ist, lädt man den Akku per Netzstrom und wenn der Strom teuer ist, entlädt man die Batterie und kann dadurch die Stromkosten etwas senken. Das ist vor allem im Winter interessant, wenn sich die Sonne rar macht und man die Akkus meist nicht per Sonnenenergie vollgeladen bekommt.
Bei Zendure fast schon Standard, ist die Möglichkeit, die Einspeiseleistung über einen Smart Meter wie Shelly Pro 3EM oder Eco Tracker an den tatsächlichen Bedarf zu knüpfen. Mit einer sogenannten Nulleinspeisung (Ratgeber) wird der selbst produzierte Strom effizient im eigenen Haushalt genutzt und landet nicht unvergütet im Netz des Lieferanten.
Wie gut Zendure Solarflow 800 Pro mit Speicher und Nulleinspeisung funktioniert, zeigt der Test.
Solarflow 800 Pro: Aufbau und Einrichtung
Der Aufstellort der Solarpanels entscheidet darüber, ob die im Lieferumfang befindlichen Anschlusskabel ausreichend dimensioniert sind. Erfolgt die Montage an einem Balkongeländer und ist die Steckdose nicht weit entfernt, kann man Solarflow 800 Pro mit integriertem Speicher in der Nähe der Solarpanels aufstellen, sodass die relativ kurzen Kabel der Panels und das 3,2 Meter lange Schuko-Kabel zur Inbetriebnahme ausreichen.
Werden die Solarpanels im Garten aufgestellt oder an einem Zaun montiert, benötigt man entweder ein Verlängerungskabel für die Steckdose oder entsprechend lange MC4-Verlängerungen für die Solarpanels, Solarflow 800 Pro inklusive Speicher und Erweiterungsbatterien weiter entfernt von den Solarpanels aufgestellt werden sollen. Zwar sind die Komponenten wasserdicht, man sollte sie aber dennoch an einem vor Wettereinflüssen geschützten Ort aufstellen. Und das nicht nur wegen der Feuchtigkeit, sondern auch um sie vor direkter Sonneneinstrahlung zu schützen. Auf einen schattigen Aufstellort verweist auch das Handbuch (PDF).
Die Montage ist wie bei allen Balkonkraftwerken sehr einfach. Man kann im Grunde nichts falsch machen: Wir schließen vier Solarpanels an die vier MPP-Tracker und das Schuko-Kabel an den dafür vorgesehenen Ausgang an und verbinden letzteres mit der Steckdose auf unserer Terrasse. Fertig.
Null-Einspeisung mithilfe von Smart Meter
Nicht ganz so einfach ist die Installation des Smart Meters Shelly Pro 3EM. Dieser wird in der Hausverteilung montiert und misst anhand dreier Induktionsspulen den Strombedarf. Die Installation sollte nur von qualifiziertem Personal wie einem Elektriker durchgeführt werden. Das gilt auch für den Zendure-Smart-Meter 3CT, der lediglich einen Aufpreis von 30 Euro verursacht. Wer also noch keinen Shelly hat, der mit 82 Euro deutlich teurer ist, sollte das Zendure-Angebot wahrnehmen, wenn eine Nulleinspeisung erwünscht ist.
Der alternativ unterstützte Smart Meter Everhome Eco Tracker wird hingegen nicht in der Stromverteilung installiert, sondern am Hausanschluss. Da sich dieser meist im Keller befindet, sollte am Installationsort überprüft werden, ob eine Verbindung zum Funknetzwerk vorhanden ist. Diese mag in Eigenheimen noch realisierbar sein, doch in Miet- oder Eigentumswohnungen dürfte eine Funkverbindung in den meisten Fällen nicht bis in den Keller des Gebäudes reichen. Für letzteres Szenario kommen also nur die Shelly-Smart-Meter oder das Zendure-Pendant infrage, wenn eine dynamische Einspeisung gewünscht ist.
Wer keinen Smart Meter von Shelly im Einsatz hat, kann die Einspeiseleistung auch mithilfe von smarten Steckdosen von Shelly oder Zendure optimieren, indem man sie für starke Verbraucher wie Heissluftfriteuse, Wasserkocher, Fernseher, Waschmaschine und Föhn installiert. Infrage kommen auch Herd und Kochfeld, wenn diese mit 230 Volt betrieben werden. Shelly-Plugs gibt es ab etwa 20 Euro. Wer sie im 5er-Set kauft, zahlt aktuell pro Stück knapp 18 Euro (Bestpreis-Link).
Inbetriebnahme mit der Zendure-App
Sind Balkonkraftwerk und Smart Meter oder smarte Steckdosen einsatzbereit, nimmt man die Anlage mit der Zendure-App in Betrieb. Dafür muss man sich allerdings bei Zendure registrieren. Um den Kopplungsmodus zu aktiveren, drücken wir drei Sekunden lang auf die Einschalttaste. Die blinkende IOT-LED am Solarflow 800 Pro signalisiert, dass sich die Lösung im Kopplungsmodus befindet. Über das Plus-Zeichen in der App fügen wir anschließend den Solarflow 800 Pro hinzu. Für die Koppelung muss Bluetooth am Smartphone oder Tablet eingeschaltet sein. Anschließend wird Solarflow 800 Pro mit dem heimischen WLAN über ein 2,4-GHz-Netz verbunden. Kommt eine Verbindung nicht zustande, könnte das daran liegen, dass der WLAN-Router über eine SSID 2,4- und 5-GHz-Netze bereitstellt. Da eine SSID für unterschiedliche Netze häufig die Ursache für Verbindungsprobleme für Smart-Home-Komponenten ist, sollte man die unterschiedlichen Netze mit eigenen SSIDs betreiben oder für die Inbetriebnahme das 5-GHz-Netz des Routers deaktivieren.
Bevor der Smart Meter Shelly Pro 3EM in der Zendure-App hinzugefügt werden kann, muss dieser mit der Shelly-App in Betrieb genommen und die Shelly-Cloud aktiviert werden. Anschließend klickt man in der Zendure-App unter Geräte verwalten – Zähler hinzufügen und anschließend auf Shelly Pro 3EM und authentifiziert sich in der Shelly-Cloud.
Die App informiert auf der Startseite über alle relevanten Betriebsparameter: Dazu zählen die aktuelle Solarleistung der Panels, den Stromverbrauch, den Füllstand der Batterie, wie viel Strom in der Batterie gespeichert wird, die Einspeiseleistung und ob das Stromnetz gerade etwas liefert oder Strom abfließt.
Zendure-App: Energiepläne respektive Betriebsmodi
Die Zendure-App bietet für den Solarflow 800 Pro mehrere Betriebsmodi. An erster Stelle steht Zenki, das neue Energiemanagement auf Basis von künstlicher Intelligenz. Zenki verwaltet die Anlage mithilfe unterschiedlicher Datenquellen, wie dem Stromverbrauch im Haushalt, verfügbaren Stromtarifen, der Wetterlage und dem aktuellen Ladezustand der Batterien. Auf Basis dieser Informationen soll Zenki die Anlage optimal verwalten, um das größtmögliche Sparpotential zu erschließen. Wir nutzen derzeit noch keinen dynamischen Stromtarif. Dieser ist bestellt und soll ab Juni zur Verfügung stehen. Später soll dann dafür noch eine intelligente Messeinrichtung am Stromanschluss im Keller verbaut werden. Erfahrungswerte zu Zenki werden wir in einem späteren Artikel nachliefern. Zenki ist zunächst sechs Monate kostenlos, danach ist eine Abo-Gebühr fällig. Wie hoch diese ausfällt, ist derzeit unbekannt. Wie uns Zendure mitgeteilt hat, soll, anders als in der App dargestellt, Zenki nun doch kostenlos bleiben.
Neben Zenki gibt es zudem einen Automatik-Modus, der einen der folgenden Betriebsmodi auswählt:
- Modus für intelligenten Stromzähler (passt die Einspeiseleistung basierend auf Smart Metern wie dem Shelly Pro 3EM an)
- Modus für smarte Steckdosen (passt die Einspeiseleistung basierend auf verbundenen Steckdosen von Shelly oder Zendure an)
- Grundlastmodus (passt die Einspeiseleistung auf Basis von Zeitplänen an)
- Stromtarifmodus (Für Anwender mit dynamischen Stromtarifen. Informiert über zuvor festgelegte Unter- und Obergrenzen von Strompreisen. Optional ist bei Erreichen der Untergrenze ein automatisches Laden der Batterie mit bis zu 800 Watt möglich.)
Wie zuverlässig funktioniert die dynamische Einspeisung?
Für unseren Test verwenden wir den Modus für intelligente Stromzähler auf Basis des Shelly Pro 3EM. Das dürfte für die meisten Anwender der relevanteste Betriebsmodus sein. Damit ist eine Nulleinspeisung möglich, da der Solarflow 800 Pro den vom Shelly ermittelten Strombedarf als Wert für die Einspeiseleistung verwendet.
Die Reaktion von Solarflow 800 Pro auf die vom Smart Meter Shelly Pro 3EM erfassten Stromverbrauchswerte dauert zwischen 3 und 5 Sekunden. Eine exakte Nulleinspeisung ist allerdings nur selten der Fall. Meist zeigt der Shelly einen Verbrauch von etwas über 0 Watt an bis maximal 5 Watt. Auch passiert es, dass der Solarflow Pro minimal zu viel Strom abgibt, sodass der Shelly Minus-Werte von wenigen Watt anzeigt. Dieses Verhalten haben wir allerdings auch bei anderen Lösungen beobachtet.
Wie groß sollte der Speicher sein?
In einem Ein-Personen-Test-Haushalt mit einem niedrigen Strombedarf von täglich 2 bis 3,5 kWh ist die Kapazität von knapp 2 kWh der in Solarflow 800 Pro integrierten Batterie AB2000X ausreichend. Hier würden bereits zwei Solarmodule ausreichen, um diesen an einem sonnigen Tag zu füllen. Für dieses Szenario reicht aber schon der kleine Bruder Solarflow 800 (Testbericht).
Wer jedoch wie wir im Test vier Solarmodule verwendet, um damit einen höheren Strombedarf zu decken, sollte mindestens eine weitere Batterie vom Typ AB2000 verwenden, sodass die Speicherkapazität auf 3,84 kWh steigt.
Und wer dynamische Stromtarife nutzt, kann je nach Strombedarf gerne weitere Akkus bis zur maximalen Ausbaustufe von 11,54 kWh verwenden. Die bekommt man mit vier 500-Watt-Modulen zwar selbst im Sommer nicht geladen, doch bei Nutzung eines dynamischen Stromtarifs kann eine so hohe Kapazität dennoch sinnvoll sein.
Im Tagesgang ist der Preisunterschied zwischen hohem und niedrigem Preis oft größer als die Umwandlungsverluste von etwa 18 Prozent, die durch das AC-Laden entstehen. Rabot Energy meldet etwa heute einen Höchstpreis von 36 Cent pro kWh, während der Tiefstpreis bei 25 Cent pro kWh liegt. Ein Preisunterschied von mehr als 30 Prozent. Somit lohnt sich das Laden der Akkus zu diesem Tarif, sodass man etwas Geld spart. Allerdings sollte man auch die Effizienzwerte (siehe folgenden Abschnitt) im Blick haben. Mehr Informationen zu dynamischen Stromtarifen finde sich weiter unten unter „Sparpotenzial erschließen: günstigere Stromtarife“ weiter unten.
Wie effizient arbeitet Zendure Solarflow 800 Pro?
Von den 1920 Wh des Akkus haben wir im Durchschnitt etwa 1880 Watt entnommen, was einer ausgezeichneten Effizienz von knapp 98 Prozent entspricht. Beim Laden des Speichers über die Steckdose muss der Strom allerdings zweimal umgewandelt werden. Dabei haben wir Ladeverluste von etwa 18 Prozent gemessen. Wer also einen dynamischen Stromtarif nutzt, sollte das Laden der Batterie per Steckdose nur dann nutzen, wenn der Preisunterschied zwischen hohem und niedrigem Tarif größer als 20 Prozent ausfällt.
Zudem sollte man die Effizienzwerte im Auge behalten. Die Effizienz bei der Einspeisung ist wie üblich abhängig von der Höhe der Einspeiseleistung. Wenn Zendure Solarflow Pro mit der maximal möglichen Leistung in Höhe von 800 Watt einspeist, kommen im Stromnetz 779 Watt an. Das entspricht einer Effizienz von über 97 Prozent, was ein ausgezeichneter Wert ist. Zum Vergleich: Der Growatt-Speicher im BKW Solakon On Basic (Testbericht) erreicht bei 800 Watt Leistungsabgabe eine Effizienz von 94 Prozent.
Wird weniger eingespeist, sinkt die Effizienz. Bis zu einer Einspeiseleistung von 500 Watt liegt sie aber noch über 96 Prozent. Mit 200 Watt sind es aber nur noch 91,5 Prozent und mit 150 Watt noch knapp 89 Prozent, während sie bei 100 Watt nur noch knapp 82 Prozent beträgt. Speist man hingegen nur mit 75 Watt ein, sinkt die Effizienz auf 77,6 Prozent und bei 50 Watt Einspeisung kommen im Stromnetz nur noch 33,5 Watt an, was einer Effizienz von nur 67 Prozent entspricht. Beim Growatt-Speicher fällt die Effizienz bei einer Einspeisung mit 50 Watt sogar unter die 50-Prozent-Marke.
Die Effizienzwerte sollte man also bedenken, wenn der Speicher per AC geladen wird, und man durch Nutzung eines dynamischen Stromtarifs davon profitieren möchte. Denn die Verluste bei der Einspeisung addieren sich zu den Umwandlungsverlusten von AC zu DC. Oder anders ausgedrückt. Bei einem Ein-Personen-Haushalt mit einer durchschnittlichen Leistungsabgabe von 100 Watt pro Stunde dürfte sich das Laden per Netzstrom kaum lohnen, da die Umwandlungsverluste insgesamt größer sind als der Unterschied zwischen günstigstem und teuerstem Preis pro kWh.
Preis: Was kostet Zendure Solarflow 800 Pro und welche Alternativen gibt es?
Der Wechselrichter mit integriertem 1,92-kWh-Speicher Solarflow 800 Pro kostet ohne Solarpanels regulär 799 Euro, mit einer Zusatz-Batterie und einer Gesamtkapazität von 3,84 kWh sind es 1398 Euro und mit zwei Batterien und einer Gesamtkapazität von 5,76 kWh sind es 1997 Euro. Diese Angebote sind vor allem für BKW-Nutzer interessant, die über ein Speicher-Upgrade nachdenken.
Wer hingegen noch kein Balkonkraftwerk im Einsatz hat, kann zu den Komplettangeboten von Zendure greifen. Diese umfassen für einen Aufpreis von aktuell nur 30 Euro auch einen Smart Meter von Zendure (3CT) und kosten mit vier 500-Watt-Panels 1398 Euro (1,92 kWh), 1997 Euro (3,84 kWh, 1 AB2000S zusätzlich auswählen) und 2596 Euro (5,76 kWh, 2 AB2000S auswählen).
Zendure gewährt auf den Solarflow 800 Pro eine Garantie von 10 Jahren. Auch für die Akkus gibt es 10 Jahre Garantie. Nach 6000 Zyklen sollen diese noch eine Kapazität von über 70 Prozent bieten.
Eine gleichwertige Alternative ist die Solix Solarbank 3. Wie Zendure Solarflow 800 Pro bietet die Anker-Lösung vier MPP-Tracker, einen integrierten Speicher, der allerdings mit 2,68 kWh größer ausfällt, sowie eine Not-Stromsteckdose mit 1200 Watt Leistung. In Kombination mit vier 500-Watt-Solarpanels kostet das BKW bei Kleines Kraftwerk inklusive Smart Meter 1399 Euro.
Inzwischen verkauft Zendure Solarflow 800 Pro auch über Amazon.
- Solarflow 800 Pro mit integriertem 1,92-kWh-Speicher für 735 Euro
- Zusatzakku AB2000X für aktuell 541 Euro (reduzierter Preis wird erst an der Kasse angezeigt) mit einer Gesamtkapazität von 3,84 kWh für 1276 Euro
- Solarflow 800 Pro mit integriertem 1,92-kWh-Speicher und vier 430-Watt-Solarmodule (1720 Watt) für 1103 Euro
- Solarflow 800 Pro mit vier 500-Watt-Modulen, integrierter 1,92-kWh-Speicher plus Zusatz-Akku AB2000X mit 1,92 kWh, mit einer Gesamtkapazität von 3,84 kWh für 1746 Euro
Die angegebenen Preise werden größtenteils erst an der Kasse angezeigt.
Integration in Smart-Home-Systeme
Zendure hat eine API und zusammen mit der Community eine Integration für Home Assistant veröffentlicht. Damit ist es möglich, das Zendure-System lokal ohne die Cloud anzusteuern.
Aktuell werden folgende Lösungen unterstützt:
- Ace 1500
- AIO 2400
- Hyper 2000
- Hub 1200
- Hub 2000
- Solarflow 800
- Solarflow 800 Pro
- Solarflow 2400 AC
- SuperBase V6400
Günstige Stromtarife: Sparpotenzial erschließen
Wer ein Balkonkraftwerk nutzt, möchte Stromkosten sparen. Ein weiteres Einsparpotenzial sollte man außerdem durch die Wahl des günstigsten Stromanbieters erschließen. Spätestens wenn man Post vom Stromlieferanten über eine Preiserhöhung erhält, lohnt sich ein Wechsel. Neutarife sind meist wesentlich günstiger. Gleiches gilt für Gastarife. Auch hierfür bieten wir ein entsprechendes Vergleichsangebot im heise Tarifvergleich.
Wer sich nicht selbst um günstige Preise und Anbieterwechsel kümmern will, kann zu Wechselservices wie Remind.me gehen. Der Anbieter bietet kostenlose Wechsel zwischen Strom- und Gasanbietern an. Dabei erhält der Kunde vorab eine Empfehlung und kann sich dann für oder gegen das jeweilige Angebot entscheiden. Vorteil: Remind.me vergleicht über 12.000 Tarife und meldet sich automatisch, wenn man einen Vertrag wechseln kann.
Wer sich für einen Stromspeicher mit bidirektionaler Lademöglichkeit entscheidet, kann diesen bei Nutzung eines dynamischen Stromtarifs, etwa von Rabot Energy (mit Code RABOT120 erhält man 120 Euro nach einem Jahr ausgezahlt, bei sechs Monaten sind es mit dem Code RABOT60 60 Euro) oder von Tibber, besonders profitabel einsetzen. So ist es möglich, diesen etwa während der Dunkelflaute über die Wintermonate oder bei schlechtem Wetter bei günstigen Konditionen, wenn etwa die Windkraft für billigen Strom sorgt, zu laden und ihn bei teuren Strompreisen zu entladen. Wegen der doppelten Stromumwandlung sollte der Preisunterschied aber deutlich über 20 Prozent liegen, damit sich das lohnt.
Fazit
Zendure Solarflow 800 Pro arbeitet im Test in Verbindung mit dem Smart Meter Shelly Pro 3EM zuverlässig und effizient. Mit dem integrierten Speicher, der auf bis zu 11,54 kWh erweitert werden kann, richtet sich die Lösung vor allem an Power-User, die mit vier Solarpanels, Smart Meter und dynamischen Stromtarifen das Maximum aus einem Balkonkraftwerk herausholen möchten.
Wie sich die integrierte KI Zenki in der Praxis schlägt, können wir aufgrund der kurzen Testdauer bisher nicht beurteilen. Wenn überhaupt, lohnt sich der Dienst nur in Verbindung mit einem dynamischen Stromtarif. Um eine Nulleinspeisung zu realisieren, reicht der Automatik-Modus völlig aus.
Positiv ist, dass Zendure eine API zur lokalen Ansteuerung und eine zusammen mit der Community entwickelte Integration für Home Assistant vorgestellt hat. Das könnte für viele Anwender Grund genug sein, auf die Zendure-Lösung zu setzen. Denn damit ist man im Vergleich zu anderen Lösungen wie Anker Solix Solarbank nicht länger von der Cloud abhängig.
Der Testbericht erschien am 29.5. Hinweis 30.5.: Angaben zur lokalen API und Support für Home Assistant ergänzt. Hinweis 10.6.: Preise bei Amazon mit 8 Prozent Rabatt eingefügt.
-
Datenschutz & Sicherheitvor 3 Monaten
Geschichten aus dem DSC-Beirat: Einreisebeschränkungen und Zugriffsschranken
-
UX/UI & Webdesignvor 2 Wochen
Der ultimative Guide für eine unvergessliche Customer Experience
-
Apps & Mobile Entwicklungvor 3 Monaten
Metal Gear Solid Δ: Snake Eater: Ein Multiplayer-Modus für Fans von Versteckenspielen
-
Online Marketing & SEOvor 3 Monaten
TikTok trackt CO₂ von Ads – und Mitarbeitende intern mit Ratings
-
Social Mediavor 2 Wochen
Relatable, relevant, viral? Wer heute auf Social Media zum Vorbild wird – und warum das für Marken (k)eine gute Nachricht ist
-
Entwicklung & Codevor 1 Woche
Posit stellt Positron vor: Neue IDE für Data Science mit Python und R
-
Digital Business & Startupsvor 2 Monaten
10.000 Euro Tickets? Kann man machen – aber nur mit diesem Trick
-
UX/UI & Webdesignvor 3 Monaten
Philip Bürli › PAGE online