Das Münchner Startup Invertix hat eine Pre-Seed-Finanzierung über 1,7 Millionen Euro abgeschlossen. Das Unternehmen entwickelt autonome KI-Agenten für Betreiber von Solar-, Wind- und Speicheranlagen und verwaltet nach eigenen Angaben bereits mehr als 1,8 Gigawatt Solarkapazität. Diese sollen operative Aufgaben wie Fehlerdiagnosen, Performance-Analysen, Compliance-Reporting oder Wartungskoordination eigenständig übernehmen.
Und damit trifft das Startup, das erst Anfang des Jahres 2026 gegründet wurde, ein wachsendes Problem der europäischen Energiewirtschaft. Der Ausbau erneuerbarer Energien schreitet schneller voran als der Aufbau spezialisierter Fachkräfte für Betrieb und Wartung der Anlagen. Invertix möchte genau dafür eine Lösung schaffen und Energieinfrastruktur und autonome KI miteinander verbinden.
Die Finanzierungsrunde wird von Vireo Ventures angeführt. Ebenfalls beteiligt sind Italian Founders Fund sowie mehrere Angel InvestorInnen aus den Bereichen Energie und künstliche Intelligenz.
1,8 Gigawatt Solarkapazität trotz frühem Unternehmensstadium
Bemerkenswert ist vor allem die Geschwindigkeit mit der Invertix erste operative Größenordnungen erreicht hat. Die Plattform überwacht bereits jetzt mehr als 1,8 Gigawatt Solarkapazität in Europa. Darüber hinaus arbeitet das Unternehmen an kommerziellen Projekten mit einem potenziellen Volumen von über zehn Gigawatt.
Die Software richtet sich insbesondere an Infrastruktur- und Energiefonds, Independent Power Producer (IPP), Asset Manager sowie Betreiber großer Solar- und Speicherportfolios. Auch O&M-Dienstleister (Operation and Maintenance) zählen zur Zielgruppe der Plattform, die operative Prozesse im Betrieb erneuerbarer Energieanlagen automatisieren soll.
Im Fokus stehen automatisierte Betriebsprozesse für große Energieportfolios. Die KI-Agenten analysieren laut Unternehmen kontinuierlich Telemetriedaten, erkennen Leistungsabweichungen und priorisieren Probleme anhand potenzieller Umsatzverluste.
KI-Agenten sollen klassische Scada-Systeme ablösen
Technologisch setzt Invertix auf autonome Multi-Agenten-Systeme. Die Plattform kombiniert Large Language Models mit Zeitreihenanalysen und direkter Integration in Energieanlagen.
Das Startup argumentiert, dass traditionelle Scada-Systeme vor allem Rohdaten liefern, während operative Entscheidungen weiterhin manuell getroffen werden müssen. Invertix will diesen Prozess automatisieren.
Zu den zentralen Funktionen gehören laut Unternehmen Predictive Maintenance für Solar- und Windparks, automatisierte O&M-Workflows sowie die Echtzeit-Erkennung von Mindererträgen. Darüber hinaus soll die Plattform bankfähige Reporting-Prozesse ermöglichen, Finanzkennzahlen wie DSCR oder IRR überwachen und regulatorische Compliance-Prozesse automatisieren.
Besonders relevant dürfte dies für institutionelle Investoren werden, die europaweit große Portfolios erneuerbarer Energieanlagen verwalten.
TUM-Hintergrund und Fokus auf europäische Infrastruktur
Gegründet wurde Invertix von Joseph Perrotta und Kaan Durmaz. Das Unternehmen entstand laut eigenen Angaben aus Forschungsarbeiten an der Technischen Universität München sowie dem studentischen KI-Netzwerk TUM AI.
Das Startup setzt zudem bewusst auf europäische Infrastruktur und DSGVO-konforme Datenhaltung. Laut Unternehmen erfolgt das Hosting ausschließlich innerhalb der EU.
Der Markt für KI-gestützte Energie- und Asset-Management-Software entwickelt sich derzeit dynamisch. Mit dem schnellen Ausbau von Solar- und Speicherkapazitäten steigt zugleich die Komplexität beim Betrieb der Anlagen. Gleichzeitig wächst der Druck auf Betreiber, Renditen und Verfügbarkeiten zu optimieren.
Wettbewerb um autonome Energieplattformen nimmt zu
Der Markt für intelligente Energieplattformen gilt als stark fragmentiert. Neben klassischen Scada-Anbietern entstehen zunehmend spezialisierte KI-Unternehmen für Monitoring, Wartung und Portfoliooptimierung.
Invertix versucht sich dabei insbesondere über den Fokus auf autonome Agenten-Systeme sowie finanzielle KPIs von Wettbewerbern abzugrenzen. Das Unternehmen adressiert damit nicht nur technische Betriebsdaten, sondern auch die wirtschaftliche Steuerung großer Energieportfolios.
Ob sich der Ansatz langfristig im operativen Betrieb kritischer Energieinfrastruktur etabliert, dürfte auch davon abhängen, wie zuverlässig autonome Systeme regulatorische Anforderungen, Sicherheitsstandards und menschliche Kontrollprozesse integrieren können.
