Start-up des Monats: Invertix unterstützt Photovoltaik- und Energieunternehmen mit autonomen KI-Arbeitern

Wer seid ihr?

Joseph Perrotta (CEO & Mitgründer): Invertix wurde am 16. Februar 2026 in München gegründet — bewusst am Beginn des Zeitalters autonomer KI-Agenten. Aber die Idee begann viel früher. Invertix ist aus der Forschungserfahrung an der Technischen Universität München und der studentischen Forschungsinitiative TUM AI geboren. Dort haben mein Mitgründer Kaan Durmaz und ich hautnah erlebt, wie mächtig Large Language Models und autonome KI-Agenten wirklich sind. Wir haben sie nicht als akademische Spielerei betrachtet, sondern als Systeme, die eigenständig komplexe Arbeitsprozesse übernehmen können. Die Forschung an der Uni hat uns das technische Fundament gegeben; die Frage, die uns nicht mehr losgelassen hat, kam aus der Realität: Wie wird die Welt die explodierenden Energiebedarfe der Zukunft decken? Rechenzentren für KI allein werden bis 2030 so viel Strom verbrauchen wie ganze Länder. Elektromobilität, Wärmepumpen, industrielle Dekarbonisierung — alles schreit nach mehr sauberer Energie. Aber die Unternehmen, die diese Energie erzeugen und betreiben, arbeiten noch mit den Strukturen von vor zehn Jahren. Wir haben das nicht theoretisch analysiert. Wir haben über 500 Discovery-Calls geführt, mit Asset Managern in Mailand, O&M-Leitern in Südspanien, Energiehändlern in Skandinavien, CEOs von IPPs in Deutschland. Wir haben uns in SCADA-Systeme eingearbeitet, Wartungspläne studiert, regulatorische Meldungen durchgelesen, bei Netzbetreibern angerufen. Weil wir verstehen wollten, wo genau die Arbeit passiert, die niemand skalieren kann.

Wer sind eure Kunden?

Von großen Utilities über spezialisierte O&M-Anbieter bis hin zu Asset Managern und Projektentwicklern haben alle dasselbe Problem. Sie wollen expandieren, aber ihre operativen Prozesse bremsen sie aus. Konkret bedienen wir drei Segmente, in denen der Schmerz am akutesten ist: Independent Power Producers (IPPs) und Asset Manager. Das sind Unternehmen, die Hunderte Megawatt bis Gigawatt an Solaranlagen, Windparks und Speichern besitzen oder verwalten.

Welches Problem, welche Herausforderung haben eure Kunden?

Erneuerbare-Energie-Unternehmen sind operativ zu langsam für ihr eigenes Wachstum. Das erleben wir hautnah. Die Branche baut mehr Kapazität auf als je zuvor, aber die Betriebsprozesse dahinter sind immer noch die gleichen wie vor zehn Jahren, sie basieren auf manuellen Abläufen, isolierten Datensilos und fragmentierten Tools. Die Teams sind nicht zu klein, sondern die Prozesse sind zu langsam. Das bremst das Wachstum. Vier Probleme, die wir in jedem einzelnen unserer Discovery-Calls gehört haben:

1. Die Datenflut ohne Verarbeitung: Moderne SCADA-Systeme liefern pro Anlage Tausende von Datenpunkten pro Minute. Bei einem Portfolio von mehreren Hundert Megawatt kommen täglich enorme Datenmengen zusammen. Dazu kommen Wetterdaten, Marktpreise, Netzfrequenzen, Vertragsdaten und regulatorische Vorgaben. Diese Daten existieren in verschiedenen von einander getrennten Schichten: SCADA/Telemetrie, IoT-Sensorik, Netz/Markt, Wetter/Ressource, Finanzen, Regulierung und operative Erfahrung. Die Teams leisten hervorragende Arbeit, aber mit Werkzeugen, die nicht für diese Komplexität gebaut wurden.
2. Manuelle Prozesse als Wachstumsbremse: Wir haben in unseren Gesprächen immer wieder gehört, dass der Großteil der Arbeitszeit für Tätigkeiten drauf geht, die keinen Mehrwert schaffen. SCADA-Exporte in Excel kopieren. Performance-Reports zusammenstellen. Alarme manuell klassifizieren. Regulatorische Formulare ausfüllen. Rechnungen prüfen. PPA-Klauseln nachschlagen. Ein typisches Beispiel aus unseren Gesprächen: Jeden Morgen sichtet ein Mitarbeiter die nächtlichen SCADA-Alarme — oft Hunderte. Er klassifiziert sie manuell: kritisch, mittel, Fehlalarm. Das dauert Stunden. In dieser Zeit hat die Anlage längst Ertrag verloren, weil der kritische Alarm irgendwo in der Liste stand und der Mitarbeiter noch nicht so weit war.
3. Wachstum wird gebremst durch operative Überlastung: Die Ausbauziele für Erneuerbare in Deutschland und Europa sind ambitioniert. Unsere Kunden wollen wachsen und neue Projekte an neuen Standorten ans Netz bringen. Aber sie können nicht, weil ihre bestehenden Teams mit dem operativen Betrieb des aktuellen Portfolios schon ausgelastet sind. Es geht nicht primär darum, mehr Leute zu finden. Es geht darum, dass die bestehende Organisation radikal effizienter werden muss. Jedes zusätzliche Megawatt sollte nicht proportional mehr Aufwand bedeuten. Aber mit manuellen Prozessen tut es genau das. Das Ergebnis: Expansion wird vertagt, Projekte bleiben liegen und Wettbewerber überholen.
4. Die regulatorische Lawine: REMIT II, RED III, EU-Taxonomie, CSRD-Reporting, nationale Meldepflichten — die regulatorische Last wächst jährlich. Ein ESG-Analyst verbringt Wochen mit Datensammlung für einen einzigen Nachhaltigkeitsbericht. Ein Compliance-Officer kämpft mit Meldefristen, die sich gegenseitig überlappen. Und jeder Fehler in einer regulatorischen Meldung kann Bußgelder in sechsstelliger Höhe nach sich ziehen. Das bindet genau die qualifizierten Mitarbeiter, die eigentlich an strategischen Projekten arbeiten sollten.

Welche Lösungen gibt es dafür bisher auf dem Markt?

Es gibt viele Tools, aber aus unserer Sicht keine Lösungen. Bestehende Anbieter verkaufen Software, die Menschen, zum Beispiel Analysten, dabei hilft, ihre Arbeit zu machen. Invertix liefert die Arbeit selbst. Unsere AI Workers sind der Analyst. Konkret sehen wir fünf Kategorien von vermeintlichen Lösungen:

SCADA- und Monitoring-Plattformen: Unverzichtbar für die Datenerfassung — aber genau das: Datenerfassung. Sie zeigen Dashboards, generieren Alarme, erstellen hübsche Grafiken. Aber sie handeln nicht. Ein Dashboard, das 200 Alarme anzeigt, braucht immer noch einen Menschen, der jeden einzelnen sichtet, klassifiziert und bearbeitet. Das Problem ist nicht die Visualisierung, sondern dass die Bearbeitung manuell bleibt.

Asset-Management-Software: Gute Portfoliomanagement-Übersichten und Reporting-Funktionen. Aber der Analyst muss die Daten immer noch manuell zusammenstellen, interpretieren, in Kontext setzen und Entscheidungen ableiten. Keine dieser Plattformen kann eigenständig handeln und — das ist entscheidend — keine Daten aus verschiedenen Abteilungen korrelieren. Wenn das SCADA-Monitoring eine Degradation erkennt, muss trotzdem ein Mensch den Energiehändler anrufen, um die Einspeiseprognose anzupassen. Bei Invertix passiert das automatisch.

Generische KI-Tools: Beeindruckende Technologie im Allgemeinen, aber im Erneuerbaren-Kontext nicht einsetzbar. Ein generisches Sprachmodell versteht keine Modbus-Register, kann keine OPC-UA-Konfigurationen lesen, kennt nicht den Unterschied zwischen einem PPA-Curtailment-Event und einer Netz-Abregelung. Außerdem sind es Werkzeuge, die auf Eingabe warten — unsere AI Workers handeln autonom. Große und spezialisierte Energieberater bieten Optimierungsprojekte für hohe Tagessätze und liefern ein 80-seitiges PDF mit Empfehlungen, das nach 3 Monaten im Schrank liegt.

Welche Lösung bietet ihr euren Kunden an und gibt es bei euch ein Alleinstellungsmerkmal?

Invertix baut etwas, was es in der Erneuerbaren-Branche noch nie gegeben hat: Ein komplettes Team aus KI-Arbeitskräften, das den operativen Betrieb eines Energieunternehmens eigenständig führt. Wir haben 22 spezialisierte AI Workers entwickelt, verteilt auf die 7 Kernabteilungen jedes Erneuerbaren-Unternehmens. Ein Portfolio Manager soll dadurch ein Vielfaches der bisherigen Kapazität betreuen können. Wir haben zum Beispiel 3 AI Workers im Bereich Technical Asset Management: SCADA Monitor, Alarm & Event Analyst, Grid Analyst — das Herzstück für Solaranlagenbetreiber. Unser SCADA Monitor verarbeitet Tausende von Datenpunkten pro Minute in Echtzeit, ohne müde zu werden und ohne Kaffeepause. Der Alarm & Event Analyst klassifiziert jeden Alarm sofort nach Priorität und Ursache — nicht morgens um 8, sondern in Sekunden. Der Grid Analyst erkennt Netzprobleme, bevor sie zu Ausfällen werden, und korreliert Netzfrequenzdaten mit der Anlagenperformance. Jede Minute, die unsere AI Workers beim Kunden arbeiten, generieren sie außerdem Daten. Diese Daten verbessern unsere Modelle kontinuierlich. Ein AI-Worker kostet dabei nur 2.000 bis 4.000 Euro pro Monat plus eine Abteilungsgebühr von 2.500 bis 4.000 Euro. Ein menschlicher Spezialist kostet ein Vielfaches und arbeitet 8 Stunden am Tag, unsere AI Workers arbeiten 24/7.

Die AI Worker bereiten also nicht nur Ergebnisse auf, sondern handeln selbstständig, so ähnlcih wie man es bezüglich Open Claw in der Zeitung lesen kann?

Der Vergleich ist naheliegend, aber es gibt einen wichtigen Unterschied. Systeme wie Open Claw sind generelle KI-Agenten. Sie können theoretisch alles, aber nichts wirklich tief. Unsere AI Workers sind das Gegenteil. Sie sind hochspezialisiert auf die Erneuerbaren-Branche. Ein SCADA-Monitoring AI Worker kennt Fehlermuster von Wechselrichtern, versteht Modbus-Register und handelt autonom innerhalb klarer Grenzen. Er klassifiziert Alarme, erstellt Wartungstickets und passt Einspeiseprognosen an. Bei Entscheidungen oberhalb einer bestimmten Schwelle eskaliert er an den zuständigen Mitarbeiter. Ähnlich wie ein erfahrener Techniker, der eigenständig arbeitet, aber bei kritischen Situationen Rücksprache hält.

Ihr benutzt dazu Large Language Models. Es ist ja bekannt, dass diese auch halluzinieren können. Wie bekommt Ihr das Problem in den Griff?

Berechtigte Frage. Drei Mechanismen: Erstens, unsere AI Workers formulieren nicht frei wie ein Chatbot. Sie operieren auf strukturierten Daten: SCADA-Zeitreihen, Alarmlisten, Vertragsdatenbanken. Jede Aussage ist durch reale Messwerte gestützt. Zweitens haben wir eine mehrschichtige Validierung: Eine regelbasierte Logikschicht prüft physikalische Plausibilität, ein zweites Modell verifiziert kritische Entscheidungen, und bei Handlungen mit hoher Tragweite wird immer ein Mensch einbezogen. Drittens gibt es volle Transparenz: Jede Entscheidung ist nachvollziehbar, der Kunde sieht immer die Quellendaten. Es gibt kein Black-Box-Problem.

Wenn der Agent einen Fehler macht, wer haftet dafür, Ihr oder das Unternehmen, das den Agenten einsetzt? Wie groß ist das Risiko und wie begrenzt man es?

Vertraglich ist das klar geregelt. Invertix haftet für die korrekte Funktion der Software. Der Kunde behält die finale Entscheidungshoheit. In der Praxis arbeiten wir mit drei Stufen: Informieren, Empfehlen, Handeln. Die meisten Aktionen sind „Informieren“ oder „Empfehlen“ — die Entscheidung liegt beim Menschen. „Handeln“ geschieht nur innerhalb vom Kunden freigegebener Parameter. Ab einer bestimmten Risikostufe greift immer ein Human-in-the-Loop. Es gibt keine automatische Aktion ohne vorheriges Einverständnis über den Handlungsrahmen.

Wir haben in der Vergangenheit oft darüber berichtet, dass Monitoringsysteme nicht nur daran gemessen werden, wie oft sie bei einer real kritischen Situation Alarm schlagen, sondern auch daran, wie oft sie falschen Alarm schlagen. Die Kunst ist ja, beides auf einmal besser zu bekommen. Habt ihr im Bereich Monitoring solche Daten bestimmt und könnt ihr ein Beispiel geben?

Herkömmliche Systeme arbeiten mit starren Schwellenwerten. Das führt zu genau dem Problem, das Du beschreibst. Unser Ansatz ist fundamental anders: Weil unsere AI Workers mit allen relevanten Datenpunkten gleichzeitig verbunden sind — SCADA-Telemetrie, historische Muster, Wetterdaten, Netzfrequenzen, Zustand benachbarter Anlagen — können sie jeden Alarm im vollen Kontext bewerten. Beispiel: Ein Spannungsabfall bei Sonnenuntergang ist Standardverhalten. Derselbe Spannungsabfall um 14 Uhr bei voller Einstrahlung erhält sofort höchste Priorität. Der Mensch kann bei uns jederzeit tief in die Entscheidungsgrundlage eintauchen, bevor er handelt. Unser AI Worker liefert nicht nur eine Priorität, sondern die vollständige Analyse dahinter. Der Mitarbeiter kann die Daten selbst prüfen und zur echten Wahrheit kommen — nur deutlich schneller, weil die Vorarbeit erledigt ist. Belastbare Benchmarks können wir nach 22 Tagen noch nicht liefern. Die liefern wir, sobald wir ausreichend Betriebsdaten haben.

Wir diskutieren hier Automatisierung, daher mal eine Frage anders herum: Kannst du uns ein oder zwei Beispiele geben für Arbeiten aus den angesprochenen Bereichen, die ein AI Worker auch in fünf oder zehn Jahren nicht wird erledigen können?

Erstens: Physische Arbeit vor Ort. Ein AI Worker kann den defekten Wechselrichter identifizieren, das Ticket erstellen, das Ersatzteil bestellen. Aber er kann nicht auf das Dach steigen und ihn austauschen. Inspektionen, Reparaturen, Inbetriebnahmen — das bleibt menschliche Arbeit.

Zweitens: Strategische Verhandlungen und Beziehungen. Ein AI Worker kann eine PPA-Analyse erstellen. Aber die Verhandlung selbst — das Gespräch mit dem Netzbetreiber, die Beziehung zum Investor — erfordert Erfahrung, Empathie und Urteilsvermögen. Unser Ziel war nie, Menschen zu ersetzen, sondern sie von repetitiver Arbeit zu befreien, damit sie genau diese menschlichen Aufgaben übernehmen können.

Gibt es bereits Nachweise, dass die Lösung funktioniert, und Referenzen? Wenn ja, welche?

Invertix wurde offiziell am 16. Februar 2026 gegründet. Drei Wochen später betreuen wir bereits produktive Kunden mit realen Anlagen. Wir haben einen Piloten mit dem größten O&M-Dienstleister Italiens. Unsere AI Workers übernehmen das SCADA-Monitoring und die Alarm-Klassifizierung für 1,5 Gigawatt an Solaranlagen. Wir haben ein Engagement mit einem der größten italienischen IPPs über 350 Megawatt in Asset Management. Unsere AI Workers analysieren die Portfolio-Performance, erstellen automatisierte Reports und identifizieren Optimierungspotenziale, die bei manueller Analyse systematisch übersehen wurden. Die Größenordnung dieses Kunden zeigt, dass unser Ansatz auch in den komplexesten Unternehmensumgebungen funktioniert.

Aber mal ehrlich, ihr habt ja nicht erst am 16. Februar mit den Discovery-Calls begonnen und die AI workers entwickelt. Wie lange arbeitet ihr schon dran?

Stimmt. Die intensive Recherche- und Discovery-Phase und die Forschung an KI-Agenten für den Energiesektor haben im November 2025 begonnen. Die kommerzielle Gründung und der Markteintritt sind dann bewusst im Q1 2026 erfolgt, als wir sicher waren, dass Produkt und Markt zusammenpassen.

Wie seid ihr finanziert?

Invertix wird von Angel Investoren und zwei VC Investoren unterstützt: einem führenden Vertical Energy VC mit tiefem Branchenwissen und Kundenzugang in der Erneuerbaren-Branche, sowie einem Founders Fund, der speziell technische Gründer in der Frühphase unterstützt. Beide bringen nicht nur Kapital, sondern auch strategische Substanz. Unsere gesamte bisherige Entwicklung, die Discovery Calls, die Produktentwicklung, die ersten Kundenengagements mit 1,5 GW in O&M und 350 MW in Asset Management haben wir aus eigenen Mitteln aufgebaut.

Wie geht es weiter?

Das neue Kapital fließt in die Produktentwicklung: neue AI Workers, Domänen-Training, Fine-Tuning auf kundenspezifischen Daten. Ein wesentlicher Teil geht in den direkten Kundeneinsatz. Wir stehen beim Kunden im Kontrollraum und sorgen dafür, dass jeder AI Worker vom ersten Tag an funktioniert. Und wir investieren in Go-to-Market für die DACH-Region und Südeuropa. Warum jetzt der richtige Zeitpunkt ist: 2025/2026 ist das Jahr, in dem autonome KI-Agenten erstmals produktionsreif geworden sind. Gleichzeitig spürt die Erneuerbaren-Branche immer stärker, dass ihre Betriebsprozesse nicht mit dem Ausbautempo mithalten.

Wie viel Mitarbeiter seid ihr inzwischen?

Sechs. Zwei Gründer, Kaan und ich, plus zwei ML-Researcher und zwei Software-Engineers. Bewusst klein, bewusst hochqualifiziert: Unser Team kommt von einigen der besten Forschungsinstitute der Welt, darunter Max-Planck, Harvard und MIT.

Habt ihr Fragen an die Leser von pv magazine?

Wir haben ein konkretes Angebot und einige Fragen an die pv magazine Community

• Schicken Sie uns die SCADA-Daten Ihrer am schlechtesten performenden Solaranlage. 30 Tage genügen. Unsere KI analysiert die Daten und liefert Ihnen innerhalb von 48 Stunden einen kostenlosen, detaillierten Diagnostik-Report: Was genau läuft schief? Wo liegen die Ertragsverluste? Welche Anomalien übersieht Ihr bestehendes Monitoring? Und was würden unsere AI Workers konkret anders machen? Sie gehen keine Verpflichtung ein. Kontakt: joseph@invertix.ai — Betreff: „pv magazine Diagnostik“
• An alle Solar-Anlagenbetreiber, Asset Manager und O&M-Teams: Wie viele Stunden pro Woche verbringen Ihre Analysten und Techniker mit manueller Datenaufbereitung — SCADA-Exporte in Excel, Reports zusammenkleben, Alarme sortieren, regulatorische Formulare ausfüllen?
• Was würde es für Ihr Wachstum bedeuten, wenn diese Zeit plötzlich für neue Projekte, neue Standorte und strategische Expansion frei würde?
• An alle, die in der Erneuerbaren-Branche arbeiten: In welcher Abteilung sehen Sie den größten Bedarf für KI-Arbeitskräfte? Wo ist der Schmerz am größten? Welche Aufgabe sollte als Erste automatisiert werden?

Bitte schicken Sie Ihre Fragen und Anmerkungen an joseph@invertix.ai oder an Start-up-des-monats@vireo.vc (pv magazine und Vireo). Wir leiten Sie an unsere Gesprächspartner weiter.

Popular content

Brandbrief an die Photovoltaik-Branche: Ministerin Reiches Pläne zwingen uns zum Umdenken – oder wir verlieren Markt und Akzeptanz

20 März 2026 1) Was Ministerin Reiche plant und warum das für Photovoltaik und Energiewende gefährlich ist Die politischen Rahmenbedingungen für P...