Häufige Fragen

Chargalytics ist eine Market-Intelligence-Plattform für die EV-Ladebranche. Wir erfassen und verarbeiten Daten von Ladenetzen in 37 Ländern, mit mehr als 530.000 Ladestationen, mehr als 1.555.000 Ladeplätzen und mehr als 1.648.000 Steckern. Realtime-Status ist in 26 dieser Märkte verfügbar.

Wir machen aus diesen Daten Analytics, Benchmarks, Prognosen und Tools, die Betreibern, Investoren, Beratern und allen, die Ladeinfrastruktur aufbauen, bessere Entscheidungen ermöglichen.

Eigentümer & Investoren nutzen die Plattform, um M&A-Aktivitäten zu verfolgen, die Performance von Betreibern zu bewerten, Renditen neuer Standorte zu modellieren und Marktdynamiken zu verstehen, bevor sie Kapital binden.

Ladepunktbetreiber nutzen sie für Wettbewerbsbenchmarks, die Überwachung der Netzgesundheit, die Planung neuer Standorte und das Management des gesamten Projektlebenszyklus – von der Standortwahl bis zur Inbetriebnahme.

Analysten nutzen sie für Marktanalysen auf Länderebene, Tracking der EV-Adoption, FC-Nutzungstrends und Nachfrageprognosen in 37 Märkten.

Berater nutzen sie, um ihren Kunden datenbasierte Empfehlungen zu liefern – mit exportierbaren Analysen und Finanzmodellen für Pitch Decks.

Regulierungsbehörden nutzen sie, um die Angemessenheit der Infrastruktur zu bewerten, Compliance zu überwachen und zu verstehen, wie sich Politik in tatsächlichem Ausbau und tatsächlicher Nutzung vor Ort niederschlägt.

OEMs nutzen sie, um zu verstehen, wo Ladeinfrastruktur vorhanden ist – und wo nicht –, welche Hardware im großen Maßstab installiert ist und wie Lademuster Fahrzeugentwicklung und Vertriebsstrategie beeinflussen.

Wir integrieren nationale Zugangspunkte (NAPs), staatliche Register, OCPI-Feeds, DATEX-II-Endpunkte und Betreiber-APIs in Europa und darüber hinaus. Zu den wichtigsten Quellen zählen NOBIL (Nordics), Mobilithek (Deutschland), AFIR-Feeds (Finnland, Litauen) und Dutzende länderspezifische Register.

Realtime-Statusdaten werden kontinuierlich aus WebSocket-, MQTT- und Polling-Quellen eingespielt. Wir verarbeiten täglich Hunderttausende Statusereignisse in 26 Ländern mit Live-Monitoring.

Alle Daten werden in einem einheitlichen Schema normalisiert: gleiche Felder, gleiche Steckertypen, gleiche Statuscodes – unabhängig vom Quellland.

Aktuell 37 Länder mit Daten zu Ladestationen: Australia, Austria, Belgium, Bulgaria, Canada, Croatia, Cyprus, Czechia, Denmark, Estonia, Finland, France, Germany, Greece, Hungary, Iceland, Ireland, Italy, Latvia, Liechtenstein, Lithuania, Luxembourg, Mauritius, Mexico, Netherlands, New Zealand, Norway, Poland, Portugal, Romania, Slovakia, Slovenia, Spain, Sweden, Switzerland, United Kingdom and United States.

Realtime-Ladestatusdaten sind in 26 dieser Märkte verfügbar, in denen Betreiber-APIs Live-Informationen zu Steckern liefern. Die Abdeckung wächst jeden Monat.

Unsere Insights-Artikel sind ohne Konto frei zugänglich.

Für alles andere brauchst du ein aktives Abonnement: die interaktive Karte, Länderanalysen, den Ladepunktbetreiber-Benchmark, ChargiPedia, das Nachrichtenarchiv, den Newsletter und das Forum.

Das Tool Projects (Standortplanung, Standortdesign, BOM, Finanzmodellierung) erfordert den Premium-Tarif.

Jedes neue Konto startet mit einer kostenlosen 7-Tage-Testphase der gesamten Plattform — keine Karte erforderlich — damit du alles erkunden kannst, bevor du dich festlegst.

Deine kostenlose 7-Tage-Testphase (keine Karte erforderlich) umfasst die gesamte Plattform. Danach gibt es zwei Tarife:

Für Business-Teams gelten Mengenrabatte: 10% Rabatt für 11–30 Plätze, 15% Rabatt ab 31 Plätzen. Bei jährlicher Abrechnung sparst du bei beiden Tarifen einen vollen Monat.

Diese vier Begriffe werden in der Branche synonym verwendet. Damit lassen sich Netzgrößen kaum vergleichen. Wir verwenden sie präzise – und immer gleich:

• Ladestation — ein physischer Standort mit Lademöglichkeit. Ein Autohof mit zwölf Stellplätzen ist eine Ladestation. Wir erfassen mehr als 530.000.
• Ladegerät — eine physische Hardware-Einheit. Ein einzelnes Gerät kann oft mehr als ein Fahrzeug bedienen.
• Stecker — ein physischer Anschluss, also ein Stecker am Kabel. Wir erfassen mehr als 1.648.000.
• Ladeplatz — die Kapazität, jeweils ein Fahrzeug zu laden. Ein Ladegerät mit CCS- und CHAdeMO-Stecker, das nur ein Fahrzeug gleichzeitig bedienen kann, ist ein Ladeplatz mit zwei Steckern. Wir erfassen mehr als 1.555.000.

Ladeplätze sind die relevante Zahl für die Auslastung — sie messen, wie viele Fahrzeuge tatsächlich gleichzeitig laden können. Deshalb werden alle Nutzungsmetriken auf der Plattform (Minuten pro Ladeplatz und Tag, Ladevorgänge pro Ladeplatz und Tag, kWh pro Ladeplatz und Tag) pro Ladeplatz angegeben. Steckerzahlen sind höher und sehen besser aus; wir berichten sie, aber wir benchmarken nicht darauf.

In der Branche begegnet dir auch EVSE. Das bedeutet dasselbe wie unser Ladeplatz. Wir vermeiden den Begriff, weil er regelmäßig auch für „Ladegerät“ verwendet wird – genau das sorgt überhaupt erst für die Verwirrung.

Die Karte zeigt jede Ladestation in unserer Datenbank – bei niedrigen Zoomstufen geclustert, beim Hineinzoomen als einzelne Stationen. Auf einen Blick siehst du die Dichte der Ladeinfrastruktur in einem Land oder einer Region.

Klick auf eine beliebige Station, um ein Detail-Panel mit Betreiber, Steckertypen, Leistungsstufen, Adresse und – sofern verfügbar – historischen Nutzungsdaten zu öffnen.

Mit Ebenen kannst du verschiedene Daten-Overlays auf der Karte ein- und ausblenden. Öffne im oberen Toolbar das Panel Ebenen, um zwischen der Ladestations-Ebene, POI-Heatmaps und anderen Datenvisualisierungen zu wechseln.

Die Legende zur Ladedichte unten links zeigt dir die Farbskala von geringer bis hoher Abdeckung.

Ja. Klick in der Toolbar auf Kartentyp, um zwischen Straßenkarte, Gelände, Satellit und Hybrid zu wechseln. Mit Mein Standort zentrierst du die Karte auf deine aktuelle Position.

Ein Klick auf eine Station öffnet ein Detail-Panel mit Live-Daten. Der Tab Daten zeigt:

• Performance-Snapshot — einen kombinierten Health Score (0–100), die durchschnittliche FC-Last und Sessions pro Ladeplatz und Tag
• Echtzeit-Übersicht — den aktuellen Status jedes Steckers (verfügbar, lädt, unbekannt), laufend aktualisiert
• Nahegelegene Stationen — ein Vergleichsdiagramm mit Schnelllade-Minuten pro Tag an dieser Station vs. nahegelegenen Wettbewerbern über die letzten 7 Tage
• Nutzungshistorie — wöchentliches und monatliches Schnellladevolumen sowie Sessions über das gesamte Beobachtungsfenster

Stationen mit Echtzeitdaten zeigen Live-Balken pro Stecker; Stationen ohne Echtzeitdaten zeigen die zuletzt bekannten statischen Metadaten.

Der Tab Forecast zeigt, wie unser Modell die Station bewertet:

• Standortscore — wie der inhärente Wert des Standorts im Vergleich zum Marktmedian liegt (eine Anzeige, die über oder unter dem Durchschnitt zeigt)
• CPO-Execution-Score — wie gut der Betreiber im Verhältnis zu dem performt, was der Standort liefern sollte, inklusive Konfidenzindikator
• Backtest-Chart — Modellprognosen (orange) vs. tatsächlich beobachtete Nutzung (türkis) über das Trainingsfenster, damit du genau siehst, wie gut das Modell zu dieser Station passt
• 12-Monats-Prognose — zukunftsgerichtete Nachfrageprognosen unter Berücksichtigung saisonaler Muster, Temperatur und EV-Adoptionstrends

Country Analytics gibt dir einen tiefen Einblick in EV-Ladeinfrastruktur und Adoption auf nationaler Ebene. Wähle ein beliebiges Land im Dropdown aus (oder klick es auf der Karte an) und du bekommst KPIs, Trendcharts, Betreiber-Breakdowns, Preisdaten, Nutzungsmetriken und Marktausblick — alles auf einer einzigen scrollbaren Seite.

Die Seite ist in Abschnitte gegliedert: EV Adoption, Charging Infrastructure, Ad-Hoc Pricing, Fast-Charging Usage, FC Market Outlook, Regulation und Country News. Jeder Abschnitt wird unten im Detail erklärt.

Nutze das Länder-Dropdown oben rechts auf der Seite. Es zeigt den Ländernamen und die Anzahl der Ladestationen. Nach der Auswahl klickst du auf Refresh, um die neuen Daten zu laden. Du kannst Länder auch direkt auf der Adoptionskarte anklicken.

Der Bereich EV Adoption zeigt, wie stark batterieelektrische Fahrzeuge in den einzelnen Märkten vordringen. Er umfasst:

• BEV market share KPI — den aktuellen Anteil batterieelektrischer Fahrzeuge an den Neuwagenverkäufen, prominent platziert
• S-curve forecast — ein logistisches Wachstumsmodell, das den BEV-Marktanteil Jahre in die Zukunft projiziert. Jedes Land wird je nach Position auf der Adoptionskurve einer Stufe zugeordnet: Early (unter ~5%), Growth (5–25%), Mainstream (25–60%) und Saturation (über 60%). Die Stufe bestimmt Form und Tempo der Prognose
• BEV fleet stock chart — kumulierte BEVs auf der Straße im Zeitverlauf, mit historischen Ist-Werten und projiziertem Wachstum
• Data table — eine Jahresübersicht mit BEV-Neuzulassungen, Bestandsflotte, Marktanteil und Wachstumsrate je Land

Eine Momentaufnahme des physischen Ladenetzes eines Landes. Sechs KPI-Karten zeigen:

• Ladestationen — alle öffentlichen Ladestandorte
• Ladeplätze — wie viele Fahrzeuge gleichzeitig laden können
• DC-Schnellladen — CCS-, CHAdeMO- und NACS-Ladeplätze
• AC — Typ-2- und Typ-1-Ladeplätze
• Betreiber — Anzahl der im Land aktiven Ladepunktbetreiber
• Ø FC-Leistung — durchschnittliche Nennleistung der DC-Schnellladeplätze in kW

Unter den KPIs ordnet eine Tabelle der Top-Betreiber die größten Ladepunktbetreiber nach Netzgröße. Jede Zeile zeigt Anzahl der Ladestationen und Ladeplätze, DC-Anteil, Standortscore (medianer Standortqualität aus Pulse) und Execution Score (wie gut sie im Verhältnis zum Potenzial ihrer Standorte abschneiden).

Pricing Analytics für öffentliches Laden im ausgewählten Land. Schalte zwischen DC (Schnellladen) und AC (Destination Charging) um, um Tarife zu vergleichen.

Für jede Ansicht siehst du den nationalen Durchschnitt, den Minimalwert und den Maximalwert beim Preis pro kWh sowie, wie viele CPOs Preisdaten gemeldet haben. Balkendiagramme brechen die Preise nach Steckertyp auf (CCS, CHAdeMO, Type 2 usw.) und zeigen jeweils Durchschnitt und Spanne.

Alle Preise sind in EUR pro kWh, ohne MwSt., und basieren auf Ad-hoc-Tarifen (Pay-as-you-go) — Rabatte durch Abos oder Mitgliedschaften sind nicht enthalten.

Das Herzstück der Analytics-Seite für Länder mit Realtime-Daten. Dieser Bereich zeigt, wie intensiv das Schnellladenetz tatsächlich genutzt wird. Verfügbar nur für die 26 Länder, in denen wir Live-Status überwachen.

Die KPI-Karten auf oberster Ebene umfassen:

• FC-Ladeplätze und FC-Standorte — überwachte Schnellladeinfrastruktur
• Minuten pro Ladeplatz und Tag — durchschnittliche tägliche Nutzungsintensität
• Ladevorgänge pro Ladeplatz und Tag — durchschnittliche tägliche Anzahl an Ladevorgängen pro Ladeplatz
• Ø Dauer pro Ladevorgang — mittlere Dauer eines Ladevorgangs
• Ausbaurate — netto neu hinzugefügte DC-Ladeplätze pro Monat

Die Charts unter den KPIs umfassen:

• Realtime-Status — aktueller aggregierter Status (lädt, verfügbar, offline) aller überwachten Ladeplätze
• Monatlicher Trend — FC-Minuten pro Ladeplatz und Tag im Zeitverlauf; zeigt Saisonalität und Wachstum
• Monatsvergleich — dieser Monat vs. letzter Monat, mit Fokus auf die Differenz
• Volumen nach CPO — gestapeltes Diagramm, das zeigt, welche Betreiber die meisten FC-Minuten ausmachen
• Marktanteilstrend — wie sich der Anteil jedes CPO am gesamten FC-Volumen im Zeitverlauf entwickelt
• Ausbaurate nach CPO — welche Betreiber die meisten neuen Ladeplätze hinzufügen

Eine eingebettete Version unseres vollständigen FC Market Outlook-Modells (zur Methodik siehe den eigenen Abschnitt FC Market Outlook unten). Auf der Länderseite siehst du:

• Utilization gauge — die aktuelle nationale FC-Auslastung als Tacho, der zeigt, wo der Markt zwischen unterversorgt und überbaut liegt
• Demand metrics — Sessions per BEV per year, FC hours per BEV per year, bays per 1K BEVs und ob diese Werte gemessen oder geschätzt sind
• Model parameters — die ökonomischen Annahmen hinter der Projektion (CAPEX/Ladeplatz, operative Marge, Ziel-IRR, FC-Preis/kWh)
• Four charts — projizierte FC-Ladeplätze vs. Gleichgewicht, Wachstum der BEV-Flotte, kWh-Durchsatz pro Ladeplatz und Tag sowie Auslastung in Prozent über den Projektionshorizont

Der Bereich Regulation wird dynamisch aus ChargiPedia geladen. Er zeigt alle Gesetze, EU-Richtlinien, nationalen Förderprogramme und Standards, die für EV-Laden im ausgewählten Land relevant sind. Jeder Eintrag erklärt, was die Regulierung verlangt, wen sie betrifft und wann sie in Kraft tritt.

Das ist direkt mit der vollständigen ChargiPedia-Regulierungsdatenbank verknüpft, gefiltert auf das Land, das du gerade ansiehst.

Am Ende jeder Länderseite zeigt ein News-Feed aktuelle Artikel aus unserem News-Archiv, gefiltert auf das ausgewählte Land. Die Artikel werden per AI nach Themen und genannten Unternehmen getaggt, sodass du genau siehst, was in diesem Markt passiert — ohne manuelle Suche.

Demand Pressure misst, wie intensiv die Schnellladeinfrastruktur eines Landes im Verhältnis zu seiner BEV-Flotte genutzt wird. Dafür kombinieren wir Realtime-Ladedaten mit EV-Adoptionsstatistiken zu einer einzigen Auslastungskennzahl.

Wir überwachen fortlaufend den Status jedes Schnelllade-Steckers (CCS, CHAdeMO, NACS / Tesla) in allen Ländern, in denen wir Realtime-Daten haben. Jeder Statuswechsel (Available → Charging → Available) wird erfasst, stündlich verdichtet und anschließend monatlich aggregiert. Aus diesen Rollups leiten wir ab:

• Sessions per BEV per year — wie oft ein BEV im Land im Schnitt pro Jahr einen öffentlichen Schnelllader nutzt
• FC hours per BEV per year — gesamte Schnellladezeit geteilt durch die BEV-Flotte
• Utilization % — welcher Anteil aller verfügbaren Ladeplatz-Stunden tatsächlich mit Laden belegt ist, berechnet nur aus Ladeplätzen mit Realtime-Monitoring
• Bays per 1K BEV — Verhältnis von Infrastruktur zu Fahrzeugbestand

Länder, in denen wir mindestens 2 Monate Realtime-Daten zum Steckerstatus haben, werden als measured gekennzeichnet. Die Auslastung wird nur aus dem Teil der FC-Ladeplätze berechnet, den wir aktiv überwachen — der RT-Coverage-Wert zeigt dir, wie repräsentativ die Stichprobe ist.

Für Länder ohne RT-Daten weisen wir einen Nachfrage-Archetyp auf Basis von Geografie und Fahrmustern zu (z. B. großes Autobahnland, kompaktes dichtes Land, Insel). Die Parameter des Archetyps kalibrieren wir anhand unserer gemessenen Baselines.

• Unter 5% — Niedrige Nutzung. Das Netz hat deutlich freie Kapazität.
• 5–10% — Komfortabel. Gesundes Gleichgewicht zwischen Angebot und Nachfrage.
• 10–20% — Moderater Druck. Zu Spitzenzeiten kann es an beliebten Standorten zu Warteschlangen kommen.
• Über 20% — Hoher Druck. Systematische Kapazitätsengpässe sind wahrscheinlich. Neue Infrastruktur wird dringend gebraucht.

Diese Schwellenwerte basieren auf einer durchschnittlichen 24/7-Auslastung. Ein nationaler Durchschnitt von 10% bedeutet an stark frequentierten Ladestationen zu Spitzenzeiten typischerweise 25–35%.

Der CPO-Benchmark rankt Ladepunktbetreiber nach Performance innerhalb eines Landes. Er beantwortet die Frage, die sich jeder Betreiber stellt: Wie schneide ich im Vergleich ab?

Die KPI-Karten auf oberster Ebene zeigen die Anzahl aktiver CPOs im Markt, aktive FC-Ladeplätze gesamt, durchschnittliche Minuten pro Ladeplatz pro Tag (die nationale Nutzungsintensität) und Fleet Availability (welcher Anteil der Ladeplätze gerade verfügbar ist). Damit hast du erst den Marktkontext, bevor du in einzelne Betreiber eintauchst.

Das Leaderboard ist eine Rangliste aller CPOs, die im ausgewählten Land aktiv sind. Jede Betreiberkarte zeigt auf einen Blick:

• Sites / Bays — Netzgröße
• Sess/bay/day — durchschnittliche Ladevorgänge pro Ladeplatz und Tag (Proxy für Auslastung)
• Available % — Anteil der Ladeplätze im verfügbaren Status (Uptime)
• Bays (3M) — Netto-Zuwachs an Ladeplätzen in den letzten 3 Monaten (Wachstum)
• Bays/site — durchschnittliche Ladeplätze pro Standort (Dichte)
• Score — zusammengesetzter Score aus Auslastung, Verfügbarkeit, Wachstum und Größe
• Min/bay/day — durchschnittliche Lademinuten pro Ladeplatz und Tag

Mit den Pill-Buttons über dem Leaderboard kannst du Betreiber nach acht verschiedenen Kriterien neu sortieren:

• Sessions per Bay — wer die meisten Sessions pro Ladeplatz und Tag bekommt (reines Nachfragesignal)
• Volume — gesamte FC-Minuten über das komplette Netz (absoluter Marktanteil)
• Network Size — aktive Ladeplätze gesamt (Größe)
• Growth — Netto-Zuwachs an Ladeplätzen in den letzten 3 Monaten (Ausbaudynamik)
• Availability — Anteil verfügbarer Ladeplätze (operative Qualität)
• Location Score — medianer Pulse-Standortscore über alle Standorte des Betreibers (Portfolioqualität)
• Exec Score — medianer CPO-Execution-Score (operative Outperformance gegenüber dem Standortpotenzial)
• Price — Ad-hoc-Tarif pro kWh (für Betreiber mit veröffentlichten Preisen)

Jeder Sortiermodus mischt das Leaderboard neu, sodass der Top-Betreiber für diese Kennzahl ganz oben steht.

Der Toggle schaltet den gesamten Benchmark zwischen Fast Charging (DC-Netze: CCS, CHAdeMO, NACS) und Type 2 (AC-Destination-Charging) um. Die beiden Segmente haben komplett unterschiedliche Ökonomien, Betreiber und Nutzungsmuster — deshalb werden sie getrennt benchmarked.

Die meisten Nutzer werden sich auf FC konzentrieren, aber die Type-2-Ansicht ist nützlich, um die Abdeckung beim Destination Charging zu verstehen — besonders in Märkten, in denen AC die öffentliche Infrastruktur noch dominiert.

Klick im Leaderboard auf einen Betreiber (oder auf den Button Deep Dive), um detaillierte Vergleichscharts zu öffnen:

• Sessions per Bay ranking — Balkendiagramm zum Vergleich aller Betreiber nach Auslastungsintensität
• Market Share + Fleet Availability — Diagramm mit zwei Achsen, das den Anteil jedes Betreibers am gesamten FC-Volumen zusammen mit seiner Uptime zeigt
• Volume Trend — monatliche FC-Minuten des ausgewählten Betreibers im Zeitverlauf, inklusive sichtbarer Saisonalität
• kWh Pricing — wie der Ad-hoc-Tarif des Betreibers im Vergleich zum Landesdurchschnitt und zu Wettbewerbern liegt
• Growth Leaders — welche Betreiber die meisten Ladeplätze hinzufügen, mit Netto-Zuwächsen über 3 und 12 Monate

Zeig auf einen beliebigen Punkt auf der Karte, und Pulse sagt dir, wie viel Schnellladebedarf dort zu erwarten ist. Kein vages “gut” oder “schlecht” — sondern eine konkrete Zahl: geschätzte Lademinuten pro Ladeplatz und Tag, nach Monaten aufgeschlüsselt und bis zu den einzelnen Eingangsmerkmalen nachvollziehbar, die das Ergebnis treiben.

Das Modell arbeitet in drei miteinander multiplizierten Stufen sowie mit zwei Anpassungen für bereits bestehende Ladestationen.

Stufe 1 — Nachfragebasis

Die Nachfragebasis ist eine Tabelle: Für jeden trainierten Markt und jeden Kalendermonat enthält sie die Nutzung der typischen Ladestation — der medianen Trainingsstation dieses Markts — in Lademinuten pro Ladeplatz und Tag. Sie wird innerhalb der Ladestationen geschätzt. Stationen, die im Jahresverlauf eröffnen oder schließen, können sie daher nicht verschieben; nur echte Veränderungen darin, wie stark dieselben Stationen genutzt werden. Zwei Faktoren werden direkt aus der Tabelle abgelesen:

• Marktniveau — Fahrkultur, Autobahndichte und Ladegewohnheiten unterscheiden sich strukturell zwischen Ländern. Über ein Jahr hinweg erreicht die typische norwegische Ladestation rund 108 Minuten pro Ladeplatz und Tag, die typische deutsche 95, die schwedische 67 und die slowakische 37. Die Tabelle bildet diese Unterschiede als Messwerte ab, nicht als Annahmen.
• Saison — Schnellladen hat in unseren Märkten zwei jährliche Spitzen, nicht nur eine: einen Winterpeak, wenn Kälte die Reichweite senkt, und einen Sommerpeak, wenn Menschen in den Urlaub fahren. In Norwegen reicht die Tabelle von rund 134 Minuten pro Ladeplatz und Tag im Januar über etwa 96 im Mai wieder hoch auf rund 130 im Juli und sinkt im Herbst erneut.

Für Monate außerhalb der beobachteten Tabelle (also alle Prognosemonate) behält jeder Markt sein eigenes Niveau und seinen eigenen Kalenderverlauf. Märkte, für die uns noch nicht genügend saubere Beobachtungen vorliegen, erhalten das aggregierte Niveau und Profil der trainierten Märkte; jede Prognose dafür wird als nicht kalibriert markiert. Lieber sagen wir dir das, als so zu tun, als wären die Niederlande Dänemark.

Die derzeit trainierten Märkte sind Norwegen, Schweden, Dänemark, Finnland, Deutschland, Frankreich, die Schweiz und die Slowakei. “Sauber” ist eine Regel, keine Ermessensfrage: Ein Stationsmonat fließt nur ins Training ein, wenn wir die Station in mindestens 90% dieses Monats beobachtet haben und mindestens die Hälfte ihrer Ladeplätze Daten gemeldet hat. Teilweise beobachtete Monate wurden früher als geringe Nutzung gelesen und haben das Modell unbemerkt nach unten gezogen. Ladestationen, die verstummt sind oder keine Daten mehr melden, werden ebenfalls vom Training ausgeschlossen — das Modell beschreibt eine funktionierende Station.

Die Nachfragebasis beantwortet: Wie sieht “normal” in diesem Land, in diesem Monat aus? Das Ergebnis liegt je nach Markt und Saison typischerweise zwischen 35 und 145 Minuten pro Ladeplatz und Tag.

Stufe 2 — Standortscore

Die Nachfragebasis beschreibt den Markt. Der Standortscore beschreibt diesen konkreten Standort. Er basiert auf einem Machine-Learning-Modell (Gradient-Boosted Trees), das 61 Merkmale in fünf Gruppen bewertet:

• Verkehr — zusammengesetzter Verkehrsscore aus staatlichen AADT-Daten (jährlicher durchschnittlicher Tagesverkehr), gewichtet nach Straßennähe und Straßentyp, ergänzt um den Autobahnverkehrsanteil und den maximalen Straßen-AADT.
• Wettbewerb — bestehende DC-Schnellladeplätze im Umkreis von 5 km, 10 km und 25 km sowie die Entfernung zum nächsten Wettbewerber. Mehr Wettbewerb bedeutet, dass jede Ladestation einen kleineren Anteil der vorbeifahrenden Nachfrage gewinnt.
• Points of Interest — Tankstellen, Gastronomie, Parkmöglichkeiten und weitere Angebote im Umkreis von 1 km und 5 km, darunter Einkaufszentren, Marken-Schnellrestaurants, Filialisten und die Handelsdichte: Indikatoren für Besucherfrequenz und Aufenthaltsdauer.
• Standortumfeld — was sich innerhalb von 150 Metern um die Ladeplätze befindet: ein Supermarkt, Einkaufszentrum, Schnellrestaurant, Hotel, eine Tankstelle, ein Fachmarkt, eine Raststätte; Markennamen im Stationsnamen und in den Namen benachbarter Standorte; ob der Standort 24 Stunden geöffnet ist, Parkgebühren verlangt, überdacht ist oder Lkw-Ladeplätze (MCS) hat. Das ist der Unterschied zwischen “nahe einer Einkaufsstraße” und “auf dem Supermarktparkplatz”.
• Die Ladestation und ihre Nachbarn — Anzahl der Schnellladeplätze und maximale Ladeleistung sowie die tatsächliche Performance der nächstgelegenen Stationen, die wir beobachten: die Nutzung der zehn nächstgelegenen Trainingsstationen, distanzgewichtet, sowie der Durchschnitt im Umkreis von 10 und 30 km. Reale Nachbarstationen sind das stärkste Einzelsignal im Modell.

Im aktuellen Modell sind die stärksten Signale, in dieser Reihenfolge: die Nutzung der nächstgelegenen beobachteten Stationen, maximale Ladeleistung, Entfernung zur nächsten Gastronomie, Gastronomie im Umkreis von 1 km, Nachbarnutzung im Umkreis von 30 km und der Verkehrsscore.

Das Modell wurde mit 97.366 sauberen Stationsmonaten beobachteter Ladevorgänge an 21.322 aktiven Ladestationen in den acht trainierten Märkten von August 2025 bis August 2026 trainiert. Es lernt, welche Merkmalskombination eine hohe oder niedrige Auslastung im Verhältnis zur typischen Ladestation desselben Markts vorhersagt — und wendet das dann auf jeden Punkt an. Der Score wird je Markt zentriert: Die mediane Trainingsstation jedes Landes erhält den Wert 1,0; ein Wert von 2,0 erreicht das Doppelte der typischen Station dieses Markts, ein Wert von 0,5 die Hälfte. Diese Ebene enthält keinen geografischen Term; wir haben einen getestet, aber er fügte über Rauschen hinaus nichts hinzu.

Das Ergebnis ist eine einzige Zahl: der Standortscore. Er wirkt als Multiplikator auf die Nachfragebasis.

Stufe 3 — CPO-Anpassung

Der Standortscore ist bewusst betreiberblind — er misst das Grundstück, nicht wer darauf steht. Wenn eine Nachfrageprognose für ein konkretes Projekt erstellt wird, kommt ein dritter Faktor hinzu: der CPO-Ausführungsfaktor, geschätzt je Betreiber und Land aus denselben Stationsmonaten. Er berücksichtigt, wie gut ein bestimmter CPO Standortpotenzial in tatsächliche Ladevorgänge umsetzt (siehe “Was ist der CPO-Ausführungsscore?” unten). Standard ist 1,0, also Ausführung gemäß Planfall.

Zwei Anpassungen für bestehende Ladestationen

Standortsaisonalität. In Norwegen und Dänemark, wo unsere saubere Historie am längsten ist, erhält jeder Standort zusätzlich ein eigenes saisonales Profil, das aus denselben Merkmalen vorhergesagt wird: Ein Hotel- oder Freizeitstandort ist sommerlastig, ein Pendlerstandort winterlastig. Der Effekt ist ein monatlicher Multiplikator, typischerweise zwischen 0,8 und 1,2; in allen anderen Märkten bleibt er bei 1,0, bis diese Märkte ein volles Jahr sauberer Daten haben.

Die eigene Historie der Ladestation. Bei einer Station, die wir beobachtet haben, kombiniert die Prognose das Modell mit der tatsächlichen Historie der Station: Je länger die Historie, desto stärker zählt sie. Der Backtest auf einer Stationsseite zeigt immer das reine Modell, damit du es beurteilen kannst; die Prognose ist das Modell, korrigiert um die tatsächliche Performance der Station.

Die Multiplikationskette

Die endgültige Nachfrageschätzung lautet einfach:

Ein Rechenbeispiel: ein Standort in Oslo im Januar 2027 mit einem Standortscore von 1,5, Ausführung gemäß Planfall und neutralem Saisonprofil:

Im Mai liegt die Nachfragebasis am selben Standort bei rund 96 und ergibt 144 Min./Ladeplatz/Tag — das Frühjahrstief. Im Juli hebt der Urlaubsppeak die Basis wieder auf rund 130, was 195 ergibt. Die alte Annahme, dass der Sommer einfach die ruhige Saison sei, wird von den Daten widerlegt.

Warum sich Scores zwischen Märkten unterscheiden

Meistens tun sie das nicht, und genau das ist der Punkt. Da der Score auf die typische Station jedes Markts zentriert ist, liegt der Median in jedem trainierten Markt nahe 1,0; die mittleren 80% der Stationen liegen dort grob zwischen 0,55 und 1,6. Der Unterschied zwischen Märkten steckt in der Nachfragebasis, wo er messbar ist: Ein Wert von 1,5 in Norwegen und ein Wert von 1,5 in Deutschland bedeuten beide “50% über der typischen Station hier”. Die deutsche Station erreicht nur deshalb weniger Minuten, weil die typische deutsche Station weniger erreicht.

Über die rund 119.000 Schnellladestationen hinweg, die wir in 37 Märkten bewerten, liegt der Median in den trainierten Märkten etwas unter 1,0 (0,87–0,99), weil die bewertete Population viele Stationen enthält, die wir noch nicht beobachten können und die im Schnitt niedriger scoren als die beobachteten Stationen, auf denen die Skala zentriert ist. In Märkten, auf denen das Modell nicht trainiert wurde, gibt es keine lokale typische Station zur Zentrierung. Dort wird der Score stattdessen gegenüber der typischen Station der trainierten Märkte gemessen. Er ist dort nicht auf den lokalen Markt zentriert: Der Median liegt in Italien bei rund 1,4 und in Australien bei rund 0,4.

Erklärbarkeit

Jeder Score enthält eine vollständige SHAP-Aufschlüsselung (SHapley Additive exPlanations), die exakt zeigt, welche Merkmale den Score nach oben oder unten verschoben haben und um wie viel. Du siehst, dass ein bestimmter Standort hoch bewertet wird, weil seine nächstgelegenen beobachteten Stationen stark ausgelastet sind und sich ein Supermarkt innerhalb von 150 Metern befindet — nicht nur, dass er hoch bewertet wird. Das zählt bei Investitionsentscheidungen: Du willst wissen, warum, nicht nur was.

Jeder Teil der Engine hat seinen eigenen Deep Dive: das Nachfragemodell, der Standortscore und der CPO-Ausführungsscore.

Der Standort-Score ist ein Nachfrage-Multiplikator, der auf den jeweiligen Markt zentriert ist. Ein Score von 1,0 entspricht der typischen Ladestation dieses Markts — dem Median der Stationen, die wir dort erfassen. Ein Score von 2,0 bedeutet die doppelte Nachfrage einer typischen Station; 0,5 bedeutet die halbe. Die Skala ist kontinuierlich und hat keine feste Obergrenze.

Der Score ist bewusst innerhalb eines Markts vergleichbar, nicht zwischen Märkten. Eine 1,5 in Norwegen und eine 1,5 in Deutschland bedeuten beide: „50 % über der typischen Station hier“. Wie viele Minuten eine typische Station wert ist, unterscheidet sich zwischen Ländern. Diese Differenz steckt in der Nachfragebasis, wo sie messbar ist (bei der typischen norwegischen Station rund 108 Minuten pro Ladeplatz und Tag über ein Jahr, bei der deutschen 95, bei der schwedischen 67) — nicht versteckt im Score.

Ein Hinweis zu Marktunterschieden. Da der Score pro Markt zentriert ist, liegen die Mediane in jedem trainierten Markt nahe bei 1,0 (0,87–0,99 über alle dort bewerteten Stationen; etwas unter 1,0, weil Stationen, die wir noch nicht erfassen können, im Schnitt niedrigere Scores haben als die erfassten Stationen, auf denen die Skala zentriert ist). Die Median-Station in Norwegen ist nicht „schlechter“ als die in Deutschland oder Frankreich; die typische Nachfrage jedes Markts ist eine separate, gemessene Zahl in der Nachfragebasis. Genau das brauchst du für ein Finanzmodell. In Märkten, auf denen das Modell nicht trainiert wurde, gibt es keine lokale typische Station, auf die der Score zentriert werden kann. Stattdessen wird er an der typischen Station der trainierten Märkte gemessen. Dort ist er nicht auf den lokalen Markt zentriert: Der Median liegt in Italien bei etwa 1,4 und in Australien bei etwa 0,4.

Die Perzentilspalte oben wird über die rund 119.000 Schnellladestationen gemessen, die wir in 37 Märkten bewerten, und nach jedem Neutraining aktualisiert. Die Bandgrenzen wurden für v12 am 28. September 2026 neu gezogen. Nutze sie als grobe Orientierung, aber denk daran: In den trainierten Märkten ist der Score ein Nachfragesignal relativ zum lokalen Markt, kein Länderranking.

Mehr dazu, wie der Standort-Score entsteht und warum er den Erfolg von Ladepunktbetreibern vorhersagt, findest du in Standort-Score: die Zahl, die den Erfolg von Ladepunktbetreibern vorhersagt.

Das Modell verarbeitet eine breite Palette offen verfügbarer Daten. Keine proprietären Datensätze, keine zugekauften Feeds — alles stammt aus staatlichen Registern, öffentlichen APIs und Open-Data-Portalen. Zu den wichtigsten Input-Kategorien gehören:

• Echtzeit-Ladedaten — Millionen von Statusereignissen pro Tag aus nationalen Zugangspunkten und Betreiber-Feeds, die uns genau zeigen, wann und wo Ladesessions stattfinden
• Straßenverkehrsvolumen — AADT-Zählungen aus staatlichen Verkehrsbehörden in mehreren Ländern
• Wetter und Klima — historische Temperatur- und Niederschlagsdaten, weil kaltes Wetter EV-Lademuster stärker verändert, als die meisten denken
• EV-Adoptionsraten — Marktanteil batterieelektrischer Fahrzeuge nach Land, um zu verfolgen, wie sich der Flottenmix über die Zeit entwickelt
• Points of Interest — nahegelegene Annehmlichkeiten, Tankstellen, Parkplätze, Retail-POIs (Einkaufszentren, Fast-Food-Ketten, Filialisten) und andere relevante Infrastruktur aus offenen Kartendatenbanken
• Bestehende Ladeinfrastruktur — die Wettbewerbssituation der bereits vorhandenen Schnelllader in der Umgebung

Alle Input-Daten sind offen, öffentlich verfügbar und rechtmäßig bezogen. Wir scrapen nicht, wir kaufen keine geheimen Datensätze, und wir hängen nicht an den Daten eines einzelnen Vendors.

Jeder kann eine Liste von Ladestationsstandorten herunterladen. Der schwierige Teil sind Monate — irgendwann Jahre — kontinuierlicher Beobachtung im Sekundentakt, was an diesen Stationen tatsächlich passiert.

Wir zeichnen seit langer Zeit kontinuierlich Echtzeit-Ladeereignisse auf — jeden Session-Start, jede Statusänderung, jede Leerstunde. Das ist eine Zeitreihe, die sich nicht rückwirkend rekonstruieren lässt. Du kannst nicht nachträglich beobachten, was an einer Station letzten Januar passiert ist, wenn du damals nicht schon zugehört hast.

Diese historische Tiefe ist der Unterschied zwischen einem Modell, das sagt: "Sieht nach einem guten Standort aus", und einem Modell, das sagt: "So viel Energie würde eine Station an diesem Standort voraussichtlich im Februar vs. August liefern – und hier ist das Konfidenzintervall." Je länger wir sammeln, desto besser wird es. Abkürzungen gibt es nicht.

Stell dir einen Ladestandort als zwei übereinanderliegende Geschäftsmodelle vor. Da ist das Asset — der physische Standort mit Verkehr, Sichtbarkeit und Einzugsgebiet. Und da ist der Retail-Betrieb — Marke, Preise, Verfügbarkeit, Kundenerlebnis und alles andere, was der Betreiber einbringt. Wir messen beides bewusst getrennt.

Der Standort-Score ist ein Asset-Benchmark. Er misst den inhärenten Wert eines Standorts allein anhand seiner Lage: Verkehrsfluss, nahegelegene Angebote, Wettbewerbsdichte, EV-Durchdringung in der Region. Die Identität des Betreibers bleibt bewusst außen vor. Ein erstklassiges Grundstück erzielt einen hohen Score, unabhängig davon, wer es heute betreibt.

Der Umsetzungs-Score des Ladepunktbetreibers ist ein Retail-Benchmark. Er misst, wie gut ein Betreiber im Verhältnis zu dem abschneidet, was seine Standorte liefern sollten. Wir vergleichen die Modellprognosen für jede Ladestation im Netz eines Betreibers mit der tatsächlichen Performance. Die Differenz sagt etwas Reales aus. Ein Betreiber, der seine Standort-Scores konstant übertrifft — mit besserer Verfügbarkeit, mehr Ladevorgängen und höherer Auslastung — hat starke Markenwirkung, intelligente Preise oder ein gutes Kundenerlebnis. Bei Unterperformance gilt das Gegenteil.

Genau diese Trennung ist der Punkt. Würden wir die Betreiberqualität in den Standort-Score einmischen, sähe ein Premium-Autobahnstandort mit schwachem Betreiber mittelmäßig aus, während ein Hinterhofstandort von Tesla brillant wirken würde. Beides hilft nicht bei der Standortauswahl. Du willst wissen, was das Grundstück wert ist, unabhängig davon, wer dort steht — und getrennt davon, ob der Betreiber diesen Wert ausschöpft oder liegen lässt.

Seit v9 schätzen wir Standort-Score und Umsetzungs-Score des Ladepunktbetreibers gemeinsam über eine Expectation-Maximisation-Schleife. Das Modell iteriert: Standortqualität prognostizieren, Betreiberresiduen berechnen, CPO-Faktoren aktualisieren, das Standortmodell mit den aktualisierten Faktoren neu trainieren und bis zur Konvergenz wiederholen. Damit entfällt die zirkuläre Abhängigkeit früherer Versionen, bei denen die Markenstärke eines Betreibers in seine Standort-Scores einfließen konnte und umgekehrt. Das Ergebnis ist eine sauberere Trennung: Ein Autobahnstandort erzielt wirklich wegen der Autobahn einen höheren Score, nicht weil Ionity zufällig dort ist.

Wir bewerten jeden Betreiber einmal pro Monat. Die Kennzahl, die du überall siehst — im CPO-Benchmark, auf Länderseiten, in ChargiPedia, bei Stationsprognosen und in den Business-Case-Voreinstellungen — ist der Durchschnitt der letzten drei bewerteten Monate in diesem Land. So verzerrt ein einzelner ungewöhnlicher Monat nicht das Ergebnis.

Mehr dazu, wie wir die Performance von Betreibern messen: Execution Score: Die Kennzahl, die zeigt, welche CPOs wirklich liefern.

Das Produktionsmodell ist v12, trainiert am 28. September 2026 auf 97.366 sauberen Ladestationsmonaten über 21.322 aktive Ladestationen in acht Märkten (Norwegen, Schweden, Dänemark, Finnland, Deutschland, Frankreich, Schweiz und Slowakei), von August 2025 bis August 2026. Deutschland, Frankreich, die Schweiz und die Slowakei tragen ab April 2026 bei, als ihre Echtzeitdaten verfügbar wurden.

Was R² hier bedeutet. Das Ziel ist die Auslastung einer Ladestation in einem Monat. Das ist eine individuelle, querschnittliche Größe: Zwei Ladestationen mit identischem Umfeld unterscheiden sich regelmäßig um den Faktor zwei — durch Preise, Verfügbarkeit, App-Reibung, Beschilderung und schlichtes Glück. Nichts davon ist in offenen Geodaten sichtbar. Für solche Ziele ist ein ehrliches Out-of-Sample-R² von 0,2–0,5 der Normalbereich; ein Wert nahe 0,7 ist eher ein Warnsignal für Auswendiglernen als ein Beleg für Modellgüte. Dasselbe gilt für individuelle Einkommen oder den Energieverbrauch einzelner Häuser: Aggregiert man auf Regionen oder Monate, steigt der Fit in die 0,8er; auf einzelne Einheiten heruntergebrochen nicht.

Drei Zahlen, drei Fragen.

• Nachfragebasis (Land × Monat). Wie gut das Modell Niveau und Saisonalität des Schnellladens in einem Markt abbildet. v12 liest beides aus einer innerhalb der Ladestationen geschätzten Tabelle. In beobachteten Monaten reproduziert es damit konstruktionsbedingt die typische Ladestation jedes Marktes; das Kalendermuster für Prognosemonate bildet die beobachteten Monate mit etwa 1 % Abweichung nach.
• Standortebene — gehaltenes R² 0,45 (Log-Skala, auf aktiven Ladestationen, auf denen das Modell nie trainiert wurde, gemittelt über drei zufällige Splits). Wie viel der Streuung zwischen Ladestationen innerhalb eines Marktes die 61 Merkmale erklären. Je Markt: Dänemark 0,52, Norwegen 0,51, Finnland 0,50, Schweden 0,48, Frankreich 0,44, Deutschland 0,39, Schweiz 0,37, Slowakei 0,20 (135 Ladestationen). Die Rangkorrelation zwischen prognostizierter und tatsächlicher Stationsnutzung beträgt 0,67. Das ist die harte Frage auf Einzelebene, und diese Ebene wird ausschließlich an Ladestationen beurteilt, die sie nicht gesehen hat.
• Kalibrierung — Median tatsächlich/Modell 0,98–1,00 in jedem Markt, gemessen auf jedem sauberen Monat jeder aktiven Ladestation mit Echtzeitdaten, über denselben Codepfad, der das Produkt bewertet. Das Niveau ist in allen acht Märkten unverzerrt und bleibt monatlich über das Jahr innerhalb von ±8 % um 1,0.

Was die Zahlen für eine Prognose bedeuten. Bei einer funktionierenden Ladestation trifft die typische Vorhersage ihre tatsächliche Nutzung. Die Hälfte aller Ladestationsmonate liegt zwischen etwa 0,65× und 1,4× des tatsächlichen Werts; je Markt liegen zwischen 54 % (Schweiz, Schweden) und 69 % (Dänemark) der Ladestationen über ihre gesamte Historie innerhalb eines Faktors von 1,5 zum Modell, und 2,5–7 % der Ladestationen leisten mehr als das Doppelte dessen, was das Modell sagt. Das sind die Kennzahlen für dein Finanzmodell: Das Niveau ist unverzerrt, und bei zwei Dritteln der Standorte liegt die Prognose ungefähr innerhalb von ±40 %.

Zwei ehrliche Einschränkungen. Eine Ladestation, die verstummt ist, oder eine in ihren ersten Monaten liegt deutlich unter dem Modell — das Modell beschreibt eine funktionierende Ladestation, und das Produkt korrigiert die Prognose bestehender Ladestationen mit ihrer eigenen Historie. Außerdem gibt es noch keinen Wachstumsterm: Ein Prognosemonat entspricht dem gleichen Monat des Vorjahres beim heutigen Fahrzeugbestand. In Märkten, in denen Schnellladen noch um 15–20 % pro Jahr wächst (Finnland, Schweden), ist das eine konservative Untergrenze; ein Flottenwachstumsterm ist die nächste geplante Ergänzung.

Warum frühere Versionen besser aussahen. v2–v10 nannten nur den In-Sample-Fit, und mit 0,72–0,74 schmeichelte ihnen das: Die Bäume von v10 hatten sich ihre 3.911 Trainingsstationen eingeprägt und erklärten, erneut auf gehaltenen Ladestationen gemessen, 0,22 der Varianz der gesamten Kette. v11 hat die Daten korrigiert (nur saubere Monate), aber Bäume und marktweise Konstanten die realen Unterschiede zwischen Märkten zusammendrücken lassen und den Norden um etwa die Hälfte unterschätzt; nach zwei Tagen wurde die Version zurückgezogen. v12 behält die Datendisziplin bei und korrigiert die Struktur: Das Marktniveau wird aus einer Tabelle gelesen statt gelernt, und der Standortscore wird innerhalb jedes Marktes auf tatsächlich funktionierenden Ladestationen gemessen. Eine ehrliche Out-of-Sample-Zahl allein aus offenen Daten ist das nützliche Signal; eine besser aussehende In-Sample-Zahl ist es nicht.

Wir veröffentlichen regelmäßig Modellupdates. Jede Version erweitert die Trainingsdaten, verfeinert die Architektur oder integriert neue Datenquellen. Hier ist die vollständige Historie:

v12 ist das aktuelle Produktionsmodell (28. September 2026). Die R²-Spalte zeigt nicht eine einheitliche Kennzahl: v2–v10 nennen den In-Sample-Fit (die Bäume von v10 prägten sich Ladestationen ein — 0.73 In-Sample gegenüber 0.22 auf gehaltenen Ladestationen); v11 und v12 nennen Fits auf Ladestationen, die das Modell nie gesehen hat — siehe “Wie genau ist es?”. v11 wurde nach zwei Tagen zurückgezogen: Seine regularisierten Bäume und gelernten marktweisen Konstanten komprimierten die Unterschiede zwischen Märkten. v12 behält die Datendisziplin von v11 bei (nur vollständig beobachtete Ladestationsmonate, nur Märkte, die wir tatsächlich beobachten) und korrigiert die Struktur: Das Marktniveau wird aus einer Tabelle gelesen statt gelernt, und der Standortscore wird innerhalb jedes Marktes gemessen.

v3 und v4 waren interne Experimente — nie in Produktion, aber ihre Erkenntnisse (das Wettbewerbssignal zählt, Confidence Blending ist essenziell) prägten v5 und v6 direkt. v7 wurde bei einer internen Umnummerierung übersprungen.

Wir trainieren neu, sobald es einen substanziellen Grund gibt: eine neue Datenquelle wird integriert, ein signifikanter Block neuer Trainingsmonate kommt dazu oder wir haben eine Architekturverbesserung validiert. In der Praxis war das seit dem Launch ungefähr alle 2–4 Wochen.

Jede neue Version wird vor dem Go-live gegen die vorherige validiert. Frühere Modelle halten wir für einen sofortigen Rollback in Bereitschaft, falls etwas nicht sauber aussieht. Kein Modell geht live, ohne gegen echte Performancedaten von Ladestationen getestet worden zu sein.

Mehr Daten, mehr Länder, mehr Zeit. Das Modell wird jeden Monat besser, weil die zugrunde liegende Zeitreihe wächst. Ein Jahr kontinuierlicher Beobachtung ist mehr wert als jeder clevere Algorithmus — und genau diese Uhr bauen wir jeden Tag weiter.

Auf der Roadmap: Tarif- und Pricing-Daten einbeziehen (wir tracken inzwischen Preise pro kWh aus mehreren Märkten), Nähe zu Netzkapazität und ein größerer Trainingssatz, sobald Realtime-Daten in neuen Ländern live gehen. Die Architektur ist so gebaut, dass Daten aus einem neuen Land die Vorhersagen überall verbessern — nicht nur dort.

Der FC Market Outlook prognostiziert, wie sich Schnellladeinfrastruktur in den nächsten 8 Jahren in jedem Land entwickelt. Anders als bei einer simplen Trendfortschreibung basiert das Modell auf einem ökonomischen Gleichgewichtsmodell, das eine einfache Frage stellt: Wie viele Schnelllade-Ladeplätze kann ein Markt profitabel tragen, gemessen an der Zahl der BEVs auf der Straße?

Die Kernidee: Die langfristige FC-Ausbaurate nähert sich einem Verhältnis von BEVs pro FC-Ladeplatz an, bei dem Ladepunktbetreiber (CPOs) eine solide Kapitalrendite erzielen können. Kurzfristig führen Land-Grab-Dynamiken dazu, dass viele CPOs dem Bedarf voraus bauen — und Verluste akzeptieren, um Standorte und Marktanteile zu sichern. Langfristig setzt sich aber die Ökonomie durch.

Das Modell liefert pro Land drei Szenarien: ein Basisszenario, ein optimistisches Szenario (aggressiver Ausbau, langsamere Nachfrage) und ein pessimistisches Szenario (vorsichtiger Ausbau, stärkere Nachfrage). Jedes Szenario erzeugt Jahresprojektionen für FC-Ladeplätze, BEV-Bestand, Auslastung und das implizite Verhältnis BEVs pro Ladeplatz.

Das Gleichgewicht ist die Anzahl an FC-Ladeplätzen, bei der eine generische Investition in einen Ladeplatz eine akzeptable Rendite erzielt. Wir modellieren einen einzelnen FC-Ladeplatz als Discounted-Cashflow-Problem:

Aus diesen Annahmen ergibt sich bei 11% über 10 Jahre ein Barwert-Annuitätenfaktor von 5.89. Das heißt: Jeder Ladeplatz muss erzeugen:

€50,000 ÷ 5.89 = €8,490/Jahr Cashflow.

Bei 60% Betriebsmarge braucht es dafür:

€8,490 ÷ 0.60 = €14,150/Jahr Umsatz.

Der Umsatz hängt an einer einzigen Kennzahl: kWh pro Ladeplatz pro Tag. Beim jeweiligen FC-Preis eines Landes pro kWh (exkl. MwSt.) ergibt sich der nötige Tagesdurchsatz aus:

erforderliche kWh/Ladeplatz/Tag = €14,150 ÷ (Preis pro kWh × 365)

Für Norwegen bei €0.51/kWh (nationaler Median) sind das 76.0 kWh/Ladeplatz/Tag. Das ist der ökonomische Anker — der Durchsatz, bei dem ein Ladeplatz auf IRR-Basis break-even läuft. Die Gleichgewichtsanzahl an Ladeplätzen in einem Jahr ist dann einfach: gesamte nationale FC-kWh-Nachfrage geteilt durch diesen Wert.

Alle vier Parameter in der Tabelle oben sind voll anpassbar. Wenn du glaubst, dass CAPEX mit fallenden Hardwarepreisen auf 40.000 € sinkt oder dass eine IRR von 15 % deine Kapitalkosten besser abbildet, zieh den Slider — und die gesamte Projektion wird sofort neu berechnet. Die vollständige Liste der anpassbaren Inputs findest du unten unter „Kann ich die Forecast-Parameter anpassen?“.

Die Nachfrage basiert auf zwei Komponenten:

1. BEV-Bestandsprognosen — wie viele batterieelektrische Fahrzeuge jedes Jahr auf der Straße sind, basierend auf nationalen EV-Adoptionsdaten mit zentralen/niedrigen/hohen Szenarien
2. FC-Sessions pro BEV und Jahr — wie oft ein typisches BEV öffentliches Schnellladen nutzt. In Ländern mit Realtime-Daten messen wir das direkt aus unserer Ladevorgangsdatenbank. In Ländern ohne solche Daten schätzen wir es über ein Archetypenmodell, kalibriert anhand von Ländern mit ähnlichen Merkmalen

Gesamte kWh-Nachfrage = BEV-Bestand × Sessions pro BEV × kWh pro Session. Die kWh pro Session bleiben auf dem im Basisjahr beobachteten Niveau fix (ungefähr 43 kWh für eine 40-minütige Session bei 65 kW durchschnittlicher Abgabeleistung im Jahr 2026). Das ist Absicht: Wenn Batterietechnologie besser wird und Autos höhere Leistung annehmen, ändert sich der gesamte Energiebedarf des Fahrers nicht — der Energieverbrauch wird vom Fahrverhalten bestimmt, nicht von der Ladegeschwindigkeit.

Für Norwegen zeigen gemessene Daten 16 FC-Sessions pro BEV und Jahr bei durchschnittlich 40 Minuten pro Session — das ergibt rund 555 kWh pro BEV und Jahr an öffentlichen Schnellladern.

Wir unterstellen nicht, dass das Angebot sofort ins Gleichgewicht springt. Stattdessen konvergiert die prognostizierte Zahl der FC-Ladeplätze mit einer Rate zum Gleichgewicht, die von zwei Parametern gesteuert wird:

• Konvergenzgeschwindigkeit (α) — der Anteil der Lücke zwischen aktuellen Ladeplätzen und Gleichgewichts-Ladeplätzen, der pro Jahr geschlossen wird. Im Basisszenario gilt α = 0.30 (30 % der Lücke pro Jahr). Das bildet die reale Trägheit ab: Genehmigungen, Netzanschlüsse, Bauzeiten und Investitionszyklen bremsen die Anpassung.
• Minimaler Wachstumssockel — selbst in überversorgten Märkten stoppt der FC-Ausbau nicht. CPOs mit erteilten Genehmigungen, gesicherten Netzanschlüssen und einer umzusetzenden Markenstrategie bauen weiter. Im Basisszenario liegt dieser Sockel bei 2 % pro Jahr.

Das Ergebnis ist eine exponentielle Glättungskurve: Ist der Markt unterversorgt (aktuelle Ladeplätze < Gleichgewicht), beschleunigen sich die Ausbauraten. Ist er überversorgt, verlangsamen sie sich — aber nie auf null, weil Land-Grab-Dynamik und strategische Überlegungen die Branche weiter antreiben.

Beide Parameter sind anpassbar. Wenn du glaubst, dass ein regulatorischer Schub nach AFIR die Konvergenz beschleunigt, erhöhe α. Wenn du erwartest, dass sich die Kapitalmärkte verschärfen und die Ausbaurate bremsen, senke den Wachstumssockel. Die Prognose aktualisiert sich in Echtzeit.

Die durchschnittliche reale FC-Ladeleistung wird vom Auto begrenzt, nicht vom Ladegerät — ein 350-kW-Lader liefert trotzdem nur das, was das Batteriemanagementsystem des Fahrzeugs zulässt. Der heutige Flottendurchschnitt liegt bei ungefähr 65 kW. Wenn neuere Fahrzeuge mit schneller ladenden Batterien in die Flotte kommen, modellieren wir einen linearen Anstieg auf 80 kW bis 2030 und danach weiter in Richtung 100 kW (gedeckelt).

Wichtig: Das beeinflusst die Auslastung (belegte Stunden), aber nicht den Umsatz. Ein Ladeplatz, der 76 kWh bei 65 kW abgibt, ist 1.2 Stunden belegt. Dieselben 76 kWh bei 80 kW dauern nur 57 Minuten. Der CPO verdient in beiden Fällen gleich viel — der Ladeplatz ist nur früher wieder frei.

Das heißt: Die Auslastungsquote wird mit der Zeit ganz natürlich sinken, selbst wenn der Markt im perfekten Gleichgewicht ist. Eine fallende Auslastung ist also nicht automatisch ein Warnsignal — sie kann schlicht schnellere Fahrzeuge widerspiegeln. Der kWh-Durchsatz pro Ladeplatz ist der bessere ökonomische Indikator.

Die Szenarien sind aus Sicht des Angebots benannt: „hoher Ausbau“ bedeutet aggressiveren Infrastrukturausbau — gut für Fahrer, aber mit Druck auf die CPO-Margen. „Niedriger Ausbau“ bedeutet knappere Infrastruktur, also höhere Auslastung und bessere Unit Economics für bestehende CPOs.

Wir validieren den ökonomischen Anker mit unseren eigenen Realtime-Daten. Für Norwegen sagt das Modell, dass ein Ladeplatz ungefähr 76 kWh/Tag braucht (1.2 belegte Stunden bei 65 kW), um bei 11% IRR break-even zu laufen. Unsere tatsächlichen Daten aus rund 12,500 RT-überwachten FC-Ladeplätzen zeigen einen gewichteten Jahresdurchschnitt von 91 kWh/Ladeplatz/Tag — also etwa 120% der Break-even-Schwelle.

Die Saisonalität ist massiv: Im Januar liegt der Peak bei 138 kWh/Tag (kaltes Wetter, längere Fahrten), im April das Tief bei 54 kWh/Tag — eine Schwankung um den Faktor 2.6. Die Wintermonate liegen klar über Break-even, die Sommermonate nicht. Das heißt: Ein norwegischer FC-Ladeplatz ist auf Gesamtjahresbasis nur dann profitabel, wenn er groß genug ist, um Winterüberschüsse gegen Sommerdefizite aufzubauen.

Dass der nationale Durchschnitt 20% über Break-even liegt, klingt gesund — aber die Verteilung zählt: stark frequentierte Korridor-Standorte kommen auf 200+ kWh/Tag, während ländliche Ladeplätze deutlich unter der 76-kWh-Schwelle liegen. Das Gleichgewichtsmodell prognostiziert, dass sich diese Lücke mit wachsendem BEV-Bestand und mehr Sessions pro Ladeplatz im Zeitverlauf schließt.

Das Modell ist bewusst einfach gehalten — und genau das ist ein Vorteil. Ein paar Grenzen solltest du trotzdem kennen:

• FC-Preise sind statisch — wir verwenden aktuelle Tarife pro kWh und modellieren keine künftigen Preisänderungen. In der Praxis können Preise unter Wettbewerbsdruck sinken oder bei steigenden Energiekosten steigen.
• Einheitliche Ökonomie — das Modell nutzt eine einzige Annahme für CAPEX/Marge/IRR pro Ladeplatz. In der Realität ist die Streuung enorm: Ein Autobahnstandort kostet mehr, verdient aber auch mehr; ein ländlicher Standort kostet weniger, hat aber weniger Verkehr. Das Gleichgewicht steht für den nationalen Durchschnitt.
• Kein Policy-Modelling — Förderungen, AFIR-Vorgaben und Regulierung von Netzentgelten beeinflussen die FC-Ausbaurate. Das spiegelt sich indirekt in historischen Ausbauraten, wird aber nicht explizit in die Zukunft modelliert.
• Session-kWh sind fix — wir unterstellen konstante kWh pro BEV und Jahr an öffentlichen FC-Standorten. Wenn sich das Verhalten verschiebt (z. B. mehr Laden zu Hause oder andere Roadtrip-Muster), kann sich die Nachfrage pro BEV ändern.
• Nur auf Länderebene — das Modell projiziert nationale Summen. Innerhalb eines Landes variiert die Auslastung massiv: Ein Autobahnknoten in Sørlandet und ein Innenstadtlader in Tromsø leben in völlig unterschiedlichen ökonomischen Realitäten.

Ja. Jede Annahme im Modell ist als anpassbarer Parameter verfügbar. Wenn du mit unseren Standardwerten nicht einverstanden bist, ändere sie — der Forecast wird sofort neu berechnet und bildet deine Marktsicht ab, nicht unsere.

Anpassbare Eingaben sind unter anderem:

• CAPEX pro Ladeplatz — erhöhe den Wert, wenn du Premium-Standorte an Autobahnen mit höheren Netzkosten modellierst, senke ihn, wenn du mit fallenden Hardwarepreisen rechnest
• Betriebsmarge — passe sie an deine Kostenstruktur an: Energieeinkauf, Standortmiete, Wartungsverträge
• Ziel-IRR — definiere die Hurdle Rate, die zu deinen Kapitalkosten oder den Vorgaben deines Investment Committees passt
• Investitionshorizont — kürzer für konservatives Underwriting, länger, wenn du über einen vollständigen Technologiezyklus hinweg betreiben willst
• Konvergenzgeschwindigkeit (α) — wie schnell der Markt aus deiner Sicht die Lücke zwischen aktuellem Angebot und wirtschaftlichem Gleichgewicht schließt
• Minimale Wachstumsrate — die Ausbaurate, die du selbst in einem überversorgten Markt erwartest
• BEV-Wachstumsmultiplikator — skaliere die EV-Adoptionsprognose nach oben oder unten, basierend auf deinem eigenen Nachfrageausblick

Das ist wichtig, weil der Forecast direkt in das Modul Projects einfließt. Wenn du einen neuen Ladestandort planst, nutzt das Finanzmodell — NPV, IRR, Amortisationszeit — den FC Market Outlook, um die künftige Nachfrage an diesem Standort zu prognostizieren. Wenn du die Outlook-Parameter an deine Investment-These angepasst hast, fließen diese individuellen Projektionen automatisch in den Business Case jedes Standorts ein.

Anders gesagt: Wenn du glaubst, dass der Markt enger wird, als unser Base Case nahelegt, erhöhe den BEV-Wachstumsmultiplikator und senke die Konvergenzgeschwindigkeit. Dann spiegeln deine Projektfinanzen eine höhere Auslastung und schnellere Amortisation wider — im Einklang mit deiner Sicht, nicht mit unseren Standardwerten.

ChargiPedia ist unsere Branchenenzyklopädie. Eine strukturierte, durchsuchbare Datenbank mit allen Unternehmen, Produkten, Fahrzeugen, Transaktionen, Regulierungen und Personen im EV-Lademarkt. Im Grunde Wikipedia für EV Charging — nur dass die Daten tatsächlich aktuell sind.

Der Zugriff ist für alle kostenlos — ganz ohne Account.

Im CPO-Verzeichnis findest du alle Ladepunktbetreiber, die wir tracken. Jede Karte zeigt Name, Logo, Land und Netzgröße des Betreibers. Suche und Filter helfen dir, gezielt Betreiber zu finden — oder du stöberst nach Land und Größe.

Klick auf einen Betreiber, um das vollständige Profil zu öffnen. Ein CPO-Profil enthält:

• Netzgröße — Ladestationen, Ladeplätze und DC-Anteil über alle Länder hinweg, in denen der Betreiber aktiv ist
• Eingesetzte Hardware — welche Lademodelle ausgerollt sind, inklusive Installationsbasis
• CPMS-Plattform — welche Charging-Point-Management-Software genutzt wird
• Wichtige Personen — Führungskräfte und ihre Rollen, verlinkt mit dem Personenverzeichnis
• Ausbaurate — ein Zeitreihenchart, das zeigt, wie schnell das Netzwerk wächst
• Execution Scores — wie gut der Betreiber im Verhältnis zur Qualität seines Standortportfolios performt
• Preise — Ad-hoc-Tarife pro kWh, sofern verfügbar
• Aktienkurs — bei börsennotierten Betreibern die Kursentwicklung
• Infrastruktur nach Land — Aufschlüsselung des Netzwerks über alle Märkte, in denen der Betreiber aktiv ist

eMSPs (eMobility Service Providers) sind Unternehmen, die EV-Fahrern Zugang zu Ladenetzen geben — typischerweise per App, RFID-Karte oder Roaming-Vereinbarung. Sie besitzen keine Ladegeräte, sondern stellen die Zahlungs- und Zugangsebene bereit.

Das Verzeichnis listet eMSPs mit Name, Land und Kurzbeschreibung. Viele Unternehmen sind gleichzeitig CPO und eMSP — entsprechende Querverweise siehst du im Profil.

Das Hardware-OEM-Verzeichnis erfasst Hersteller von EV-Ladehardware — von DC-Schnellladern bis zu AC-Wallboxen. Jedes Herstellerprofil zeigt Produktportfolio, Land und eine Einordnung der Marktposition.

Auf Ebene einzelner Lademodelle findest du detaillierte Spezifikationen: Nennleistung, Steckertypen, Abmessungen, Gewicht, Architektur (Split/integrated), IP-Schutzklasse und Betriebstemperaturbereich. Jede Modellseite zeigt außerdem die Installationsbasis — also welche CPOs das Modell wo ausgerollt haben — damit du echte Marktdurchdringung siehst und nicht nur Datenblattversprechen.

CPMS steht für Charge Point Management System — die Softwareplattform, mit der CPOs ihre Ladeinfrastruktur steuern, überwachen und monetarisieren. Im Grunde das Betriebssystem eines Ladenetzes: Es kümmert sich um OCPP-Kommunikation, Session-Management, Abrechnung und meist auch um die fahrerseitige App.

Das Verzeichnis listet Plattformen wie has.to.be (jetzt be.ENERGISED), Driivz, Current, Ampeco, GreenFlux und viele weitere. Jedes Profil zeigt, welche CPOs die Plattform nutzen — so erkennst du Marktanteile und Beziehungen im Ökosystem.

Das Services-Verzeichnis listet Unternehmen, die Installation, Wartung, Beratung und andere Dienstleistungen für die EV-Ladebranche anbieten. Dazu gehören Elektroinstallateure, Turnkey-Installer, Engineering-Beratungen und spezialisierte EV-Charging-Dienstleister.

Das Personenverzeichnis erfasst wichtige Köpfe der EV-Ladebranche — Führungskräfte, Gründer und andere relevante Persönlichkeiten. Jedes Profil zeigt die aktuelle Rolle, das Unternehmen und einen Karriereverlauf, der sichtbar macht, wie sich jemand durch die Branche bewegt hat. Nützlich, wenn du verstehen willst, wer was steuert — und wohin sich Talent in der Branche bewegt.

Der Bereich EV-Modelle katalogisiert Elektrofahrzeuge mit Batteriekapazität, maximaler Ladegeschwindigkeit (AC und DC), Reichweite, Steckertypen und Architektur (400V/800V). Nützlich, um zu verstehen, welche Fahrzeuge welche Ladegeräte nutzen können und wie schnell sie laden — relevanter Kontext für die Planung von Ladestationen und die Auswahl von Hardware.

Eine Datenbank mit Branchentransaktionen: Übernahmen, Finanzierungsrunden, IPOs, Joint Ventures und Eigentümerwechsel. Jeder Eintrag enthält die beteiligten Parteien, den Deal-Wert (falls offengelegt), das Datum und eine Zusammenfassung dessen, was passiert ist.

Der Bereich enthält außerdem Aktivitätscharts, die Deal-Volumen und -Wert im Zeitverlauf zeigen, filterbar nach Transaktionstyp, Land und Unternehmen. Nützlich, um Konsolidierungsmuster und Kapitalflüsse in der Branche zu verfolgen.

Länderspezifische Regulierung, EU-Richtlinien (AFIR, RED), nationale Förderprogramme und Standards, die den Ausbau von EV-Ladeinfrastruktur prägen. Jeder Eintrag erklärt, was die Regulierung verlangt, wen sie betrifft und wann sie in Kraft tritt.

Das Energy Directory erfasst Energieunternehmen, die in den EV-Charging-Markt eingestiegen sind — Versorger, Ölkonzerne, Entwickler erneuerbarer Energien und Netzbetreiber. Viele der größten CPOs sind Tochtergesellschaften oder Geschäftsbereiche von Energieunternehmen, und dieses Verzeichnis hilft dir, diese Beziehungen zu verstehen.

Ja. Klick auf der ChargiPedia-Startseite auf den Button Suggest New Entry oder nutze die Edit-Buttons auf einzelnen Profilen, um Änderungen vorzuschlagen. Einsendungen landen in einer Review-Queue und werden vor der Veröffentlichung geprüft. Korrekturen, Updates und neue Einträge sind ausdrücklich willkommen — je mehr Leute beitragen, desto vollständiger wird die Datenbank.

Ein kuratierter, durchsuchbarer Feed mit News aus der EV-Ladebranche aus Quellen weltweit. Artikel werden per AI nach Thema (Policy, CPO-Expansion, Hardware, Finance, Endkundenpreise usw.), Land und erwähnten Unternehmen getaggt. Das Archiv wächst täglich.

Nutze die Suchleiste für konkrete Themen, das Sortier-Dropdown für Reihenfolge nach Datum oder Relevanz und den Button Filter, um nach Thema, Land, Quelle oder Unternehmen einzugrenzen.

Dein Morning Briefing, auf deine Art. Der Newsletter liefert kuratierte EV-Lade-Intelligence in dein Postfach, übersetzt in deine bevorzugte Sprache und im Rhythmus, den du festlegst.

Starte mit einem Preset — Nordic Intelligence, DACH Briefing, European Overview, Benelux & France, CPO Competitive Intelligence, Policy & Regulatory Watch und mehr — oder baue dir einen komplett eigenen Newsletter aus Themen, Ländern und Unternehmen.

Lege Versandfrequenz (täglich oder wöchentlich), bevorzugte Sprache und Uhrzeit fest. Der Newsletter wird automatisch aus unserem News-Archiv generiert, inklusive AI-Zusammenfassungen.

Längere Analysen und Meinungsstücke zum EV-Lademarkt — zu Ökonomie, Konsolidierung, Profitabilität und dem, was als Nächstes kommt. Geschrieben von unserem Team, gestützt auf Daten aus der Plattform.

Das sind keine umgeschriebenen Pressemitteilungen. Das ist originäre Analyse mit Haltung. Eher First-Party-Research, das wirklich etwas sagt — nicht Content-Marketing, das nichts sagt. Kostenlos lesbar, kein Account nötig.

Deine Kommandozentrale für alle Ladeinfrastrukturprojekte. Das Dashboard zeigt KPI-Karten (Projekte gesamt, Standorte, bewertete Standorte, geschätzter CAPEX), eine filterbare Projektliste und Schnellaktionen.

Klicke auf Neues Projekt, um ein Projekt anzulegen, oder auf Standorte planen, um direkt zur Planungskarte zu springen. Projekte lassen sich nach Phase suchen und filtern (planen, freigeben, umsetzen, live).

Jedes Projekt durchläuft vier Phasen:

1. Planen — Bewerte potenzielle Standorte auf der Planungskarte und füge die besten zum Projekt hinzu. Bearbeite für jeden Standort die einzelnen Schritte: Bewertung prüfen, Standort designen, Stückliste (BOM) erstellen und Business Case berechnen (CAPEX, Umsatz, NPV, IRR, Amortisation). Wenn alle drei erledigt sind, markiere den Standort als geplant.
2. Freigeben — Sobald jeder Standort geplant ist, reichst du das Projekt zur Freigabe ein. Während der Prüfung ist der Plan gesperrt; danach geht er entweder in die Umsetzung oder zur Überarbeitung zurück.
3. Umsetzen — Verwalte Aufgaben, hole Angebote von Auftragnehmern ein, verfolge das Budget gegenüber der BOM und begleite die Beschaffung bis zur Bauphase.
4. Live — Jeder Standort ist in Betrieb genommen. Erstelle einen Abschlussbericht mit der Projektzusammenfassung.

Innerhalb eines Projekts hat jeder Standort einen eigenen Status: in Planung → geplant → freigegeben → live. Die Schrittleiste oben am Standort zeigt, welche Planungsschritte erledigt sind.

In der Planungs-Karte bewertest du potenzielle Lade-Standorte. Sie legt zwei zentrale Datensätze übereinander:

• FC-Standortdichte (blaue Heatmap) — zeigt, wo bestehende Schnelllade-Standorte konzentriert sind, damit du Versorgungslücken erkennst
• AADT-Verkehrsvolumen (farbige Straßenabschnitte) — zeigt den durchschnittlichen täglichen Jahresverkehr aus staatlichen Verkehrszählungen und damit Nachfragepotenzial

Nutze die AI-Suche, um Standorte natürlich zu finden — gib zum Beispiel „Burger King bei Bergen“ ein, und das System findet passende Orte und bewertet ihr Ladepotenzial.

Du kannst auch irgendwo auf die Karte klicken, um diesen Standort zu scoren. Jeder bewertete Standort erhält einen zusammengesetzten Score auf Basis von Verkehr, Nähe zu bestehenden Ladestationen, nahegelegenen Amenities und weiteren Faktoren.

Bewertete Standorte erscheinen in einer Liste im linken Panel. Mit Batch-Operationen kannst du mehrere Standorte auswählen und sie mit einem Klick zu einem Projekt hinzufügen.

Auf der Projektdetailseite steuerst du ein konkretes Projekt. Sie enthält:

• Projektkarte — alle Standorte des Projekts auf einer Karte, farbcodiert nach Status
• Standortkarten — jeder Standort zeigt Name, Adresse, Score, aktuellen Status und zentrale Kennzahlen. Klicke auf eine Karte, um in die Standortdetails zu gehen
• Phasenfortschritt — visueller Indikator für die Gesamtphase des Projekts und wie viele Standorte sich in welchem Status befinden
• Projekt-KPIs — aggregierte Kennzahlen: Gesamtzahl der Standorte, Durchschnittsscore, geschätztes CAPEX, projizierter Jahresumsatz
• Einstellungen — Konfiguration auf Projektebene (Name, Beschreibung, Teamzugriff, Finanz-Defaults)

Jedes Projekt hat ein integriertes E-Mail-System. Sende und empfange E-Mails direkt im Projektkontext — Korrespondenz mit Vermietern, Dienstleistern, Netzbetreibern oder Teammitgliedern bleibt am Projekt hängen statt über persönliche Postfächer verstreut zu sein.

Dazu gehören Anhänge, Standort-Tagging (eine E-Mail mit einem konkreten Standort im Projekt verknüpfen) und ein Signatur-Editor. Alle Projektmails sind für Teammitglieder mit Zugriff auf das Projekt sichtbar.

Der Score-Tab ist der analytische Kern jedes Standorts. Er zeigt:

• Score-Anzeige — den Pulse-Standort-Score als visuelles Dial mit klarer Bewertung (von Schwach bis Exzellent)
• SHAP-Aufschlüsselung — ein Waterfall-Chart, das genau zeigt, welche Features den Score nach oben oder unten treiben — und wie stark. Das ist die Explainability-Ebene — du siehst warum ein Standort so scored, wie er scored
• Verkehrsanalyse — nahegelegene Straßen-AADT-Werte, Straßentypen und der zusammengesetzte Verkehrsscore
• Wettbewerbsanalyse — bestehende DC-Schnelllader im Umkreis von 5, 10 und 25 km, inklusive Betreibernamen und Anzahl der Ladeplätze
• POI-Analyse — nahegelegene Points of Interest: Tankstellen, Gastronomie, Retail, Parken innerhalb von 1 und 5 km
• Nachfrageprognose — monatliche kWh/Ladeplatz/Tag-Projektionen aus dem Pulse-Modell unter Berücksichtigung von Saisonalität und wachsender EV-Adoption

Der Site Designer ist eine versionierte Arbeitsfläche, auf der du das physische Layout einer Ladestation planst. Platziere Lader aus dem Equipment-Katalog, definiere Positionen der Park- und Ladeplätze und ordne unterstützende Infrastruktur an.

Designs sind versioniert — du kannst mehrere Iterationen anlegen, vergleichen und die bevorzugte Version hochstufen. Das Design fließt in die BOM und das Finanzmodell ein, daher aktualisiert eine Layoutänderung automatisch die Kostenschätzung.

Mit dem BOM-Builder spezifizierst du, was an einen Standort kommt. Du fügst Positionen aus zwei Quellen hinzu:

• ChargiPedia-Equipment-Katalog — Lader-Modelle realer Hardware-OEMs mit Spezifikationen, Marktpreisen und FX-Umrechnung. Modell auswählen, Menge setzen, Preis wird automatisch übernommen
• Eigene Positionen — alles, was nicht im Katalog ist: Transformatoren, Kabel, Tiefbau, Beschilderung, Netzanschlussgebühren. Beschreibung, Menge und Stückkosten eingeben

Nutze BOM-Templates, um gängige Stationskonfigurationen schnell aufzusetzen (z. B. „4-Ladeplatz-Autobahnstation“ oder „2-Ladeplatz-City-Hub“). Templates können gespeichert und projektübergreifend wiederverwendet werden.

Die BOM-Gesamtsumme fließt direkt als CAPEX ins Finanzmodell. Verfolge den Beschaffungsstatus pro Position: bestellt, geliefert, installiert.

Das Finanzmodell berechnet den vollständigen Investment Case für jeden Standort:

• CAPEX — direkt aus der BOM-Gesamtsumme gezogen, aufgeschlüsselt nach Equipment-Kategorie
• Umsatzprojektionen — basierend auf der Pulse-Nachfrageprognose für diesen Standort, multipliziert mit deinen Pricing-Annahmen (Preis pro kWh, Energiekosten pro kWh)
• NPV (Net Present Value) — diskontierter Cashflow über den Investitionshorizont mit deinem gewählten Diskontsatz
• IRR (Internal Rate of Return) — der Zinssatz, bei dem der NPV null ist
• Amortisationszeit — Monate bis der kumulierte Netto-Cashflow positiv wird

Das Modell enthält eine Sensitivitätsanalyse, die 5 Parameter in jeweils 3 Szenarien testet (Basis, optimistisch, pessimistisch): Nachfragevolumen, Pricing, Energiekosten, CAPEX und Betriebskosten. So bekommst du eine Bandbreite an Ergebnissen statt einer Einpunkt-Schätzung.

Charts zeigen den monatlichen Cashflow (Umsatz minus Kosten) und die kumulierte Rendite (laufende Summe des Netto-Cashflows gegenüber der Anfangsinvestition) über den Projektionshorizont.

Im unteren Bereich jedes Standorts werden dealbezogene Informationen gespeichert:

• Mietkonditionen des Standorts — Laufzeit des Mietvertrags, Miethöhe, Indexierungs- oder Anpassungsklauseln und weitere Vertragsdetails
• Umsatzbeteiligung — wenn der Standortbesitzer einen Anteil am Ladeumsatz erhält, konfigurierst du das hier. Es fließt automatisch ins Finanzmodell ein
• Kommentare und Notizen — eine Thread-Diskussion, in der Teammitglieder Notizen, Updates und Kontext zum Standort hinterlassen können. Mit Zeitstempel und Autorenzuordnung

Sobald ein Standort freigegeben ist, wechselt er in die Umsetzungsphase. Hier wird aus dem Plan Realität:

• Aufgaben — Aufgaben erstellen und zuweisen (z. B. „Netzanschluss beantragen“, „Lader bestellen“, „Tiefbau terminieren“). Fortschritt über Status-Updates und Fälligkeiten verfolgen
• Angebote — Angebote von Dienstleistern sammeln und vergleichen. Dokumente anhängen, Konditionen festhalten und das Gewinnerangebot auswählen
• Budget-Tracking — Ist-Ausgaben mit der BOM-Schätzung vergleichen. Abweichungen und Restbudget in Echtzeit sehen
• Beschaffung — Equipment-Bestellungen verfolgen: was bestellt, geliefert und installiert wurde

Wenn ein Standort live geht, erstellt das System einen Inbetriebnahmebericht, der die gesamte Reise zusammenfasst:

• Abschluss-Checkliste — alle erforderlichen Punkte verifiziert: Equipment installiert, Netz angeschlossen, Software konfiguriert, Beschilderung vorhanden
• Kostenzusammenfassung — finales CAPEX vs. ursprüngliche BOM-Schätzung, inklusive Abweichungsanalyse
• Zeitplan — tatsächliche Meilensteine vs. geplante Termine, inklusive sichtbarer Verzögerungen
• Freigabe — digitale Bestätigung, dass der Standort für den öffentlichen Betrieb bereit ist

Der Bericht kann exportiert und mit Stakeholdern, Investoren oder dem Vorstand geteilt werden.

Die Projekteinstellungen haben vier Tabs:

Equipment-Katalog — Der Equipment-Katalog deiner Organisation, integriert mit der Hardware-Datenbank von ChargiPedia. Füge Lader-Modelle aus dem globalen Katalog hinzu oder erstelle eigene Einträge. Hinterlege deine verhandelten Preise (die von Marktpreisen abweichen können), verwalte FX-Kurse und organisiere Equipment in Kategorien.

Finanz-Defaults — Lege die Standardannahmen fest, die in das Finanzmodell jedes neuen Standorts übernommen werden. Dazu gehören Cost of Goods Sold (Energiekosten pro kWh), Umsatzannahmen (Preis pro kWh, Auslastungs-Ramp-up), weitere Kosten (Wartung, Standortmiete, Versicherung, Backoffice) und der Diskontsatz. Einzelne Standorte können diese Defaults überschreiben.

Dienstleister — Ein Verzeichnis der Dienstleister, mit denen deine Organisation arbeitet. Kategorisiere sie (Elektro, Tiefbau, Generalunternehmer, Spezialisten), erfasse Kontaktdaten und verfolge ihre Projekthistorie. Beim Einholen von Angeboten in der Umsetzungsphase können Dienstleister aus diesem Verzeichnis direkt verknüpft werden.

Freigaben — Konfiguriere den Admin-Workflow für Phasenwechsel von Standorten. Definiere, welche Teamrollen einen Standort von einem Status in den nächsten überführen dürfen (z. B. dürfen nur Admins den Wechsel von „costed“ zu „approved“ freigeben). Das sorgt für saubere Governance bei Kapitalallokationsentscheidungen.

Ein Community-Bereich für Diskussionen rund um EV-Ladeinfrastruktur. Kategorien sind unter anderem:

• Feedback — Bug-Reports und Feature-Wünsche für die Plattform
• Open Discussion — allgemeine Diskussionen zur EV-Ladebranche
• Changelog — Plattform-Updates und Release Notes vom Chargalytics-Team

Der Zugriff erfordert ein aktives Abo. Du kannst Threads erstellen, auf Diskussionen antworten und Anhänge hochladen.

Die Registrierung erfolgt in 3 Schritten:

1. Zugangsdaten — Klicke oben in der Navigation auf Registrieren. Gib deinen Namen, deine E-Mail-Adresse und dein Passwort ein.
2. Telefonverifizierung — Gib deine Telefonnummer ein. Wir senden dir eine SMS mit einem Bestätigungscode.
3. SMS-Code — Gib den 6-stelligen Code aus der SMS ein, um deine Telefonnummer zu bestätigen. Dein Konto ist jetzt erstellt.

Dein Konto wird erstellt und deine kostenlose 7-Tage-Testphase beginnt sofort — voller Zugriff, keine Zahlungskarte erforderlich.

Wir verifizieren deine Telefonnummer, um Missbrauch zu verhindern und sicherzustellen, dass jede Person nur eine Testphase bekommt. Ohne diesen Schritt könnte jemand unbegrenzt Konten anlegen und kostenlose Testphasen endlos aneinanderreihen.

Deine Telefonnummer wird ausschließlich zur Kontoverifizierung verwendet. Sie wird nicht an Dritte weitergegeben und nicht für Marketing genutzt. Eine Telefonnummer = eine Testphase.

Ja. Jedes neue Konto startet mit einer kostenlosen 7-Tage-Testphase der gesamten Plattform — keine Zahlungskarte erforderlich. Du bekommst alles: die Live-Karte, Länderanalysen, den Ladepunktbetreiber-Benchmark, ChargiPedia und das Tool Projects.

Nach Ablauf der Testphase wählst du einen Plan, um weiterzumachen. Wenn du nichts tust, endet dein Zugang einfach und dir wird nie etwas berechnet.

Aus Sicherheitsgründen erfordert jeder Login eine E-Mail-basierte Multi-Faktor-Authentifizierung. Nachdem du deine E-Mail-Adresse und dein Passwort eingegeben hast, schicken wir einen 6-stelligen Code an deine E-Mail-Adresse. Gib ihn innerhalb von 10 Minuten auf dem Bestätigungsbildschirm ein. Wenn der Code abläuft, kannst du einen neuen anfordern.

Aktiviere Remember me, damit du auf diesem Gerät 30 Tage eingeloggt bleibst.

Auf deiner Profilseite kannst du deinen Anzeigenamen, deine Bio, deine LinkedIn-URL und deinen Avatar aktualisieren. Du kannst außerdem deine E-Mail-Adresse ändern (dafür brauchst du dein aktuelles Passwort) und dein Passwort ändern.

In der rechten Seitenleiste siehst du deine Organisationszugehörigkeit und kannst ein Unternehmen anlegen, falls du noch keinem beigetreten bist.

Erstelle eine Organisation, um den Teamzugang zu verwalten. Als Owner oder Admin kannst du Teammitglieder per E-Mail einladen, Rollen zuweisen (Owner, Admin, Billing, Member) und Seats verwalten. Unternehmensabos ermöglichen geteilten Zugriff im Team mit Abrechnung pro Seat.

Wähle deinen Plan auf der Abonnementseite. Zwei Tarife stehen zur Auswahl: Analytics (€24,99/Monat) und Analytics + Projects (€99/Monat). Wechsle zwischen monatlicher und jährlicher Abrechnung — jährlich sparst du einen vollen Monat. Alle Preise verstehen sich zzgl. MwSt. — die anfallende Steuer wird beim Checkout anhand deines Rechnungslands berechnet.

Im Abrechnungs-Dashboard siehst du deinen aktuellen Abonnementstatus, Tarifdetails, das nächste Abrechnungsdatum und deine Zahlungshistorie. Alle Zahlungen werden sicher über Stripe abgewickelt. Du kannst deine Zahlungsmethode verwalten, deinen Tarif hoch- oder herunterstufen und Promo-Codes einlösen.

Im Bereich Freunde werben kannst du einen persönlichen Empfehlungslink teilen — du und die Person, die sich darüber registriert, profitieren beide.

Du kannst jederzeit auf der Billing-Seite kündigen. Klick auf Cancel Subscription und bestätige. Dein Zugriff läuft bis zum Ende des aktuellen Abrechnungszeitraums weiter — wir kappen nichts mitten im Zyklus. Wenn du es dir vor Ablauf anders überlegst, kannst du dein Abo ohne Verlust wieder aktivieren.

Keine Mindestlaufzeit, keine Strafgebühr, kein Anruf vom "Retention Specialist". Button klicken, fertig.

Persönliche Konten sind auf eine aktive Sitzung gleichzeitig begrenzt. Wenn du dich auf einem neuen Gerät einloggst, endet die Sitzung auf dem vorherigen. Wenn du mehrere gleichzeitige Nutzer brauchst, richte ein Unternehmen mit Team-Abo ein und weise einzelne Seats zu.

Klick auf Log In und dann auf Forgot password? auf der Login-Seite. Gib deine E-Mail-Adresse ein, dann schicken wir dir einen Link zum Zurücksetzen. Der Link läuft nach einer gewissen Zeit ab — also am besten direkt nutzen.