GPT zur Analyse von IAMMETER Cloud-Energiedaten nutzen

📘 Einleitung

Dieses Tutorial zeigt, wie Sie Ihr IAMMETER Cloud-Konto mit ChatGPT (oder dem IAMMETER Assistant) verbinden, Ihre Smart-Energy-Meter-Daten über die offene API von IAMMETER abrufen und automatisch einen KI-gestützten Energieoptimierungsbericht erstellen können.

Es funktioniert für alle IAMMETER-Produkte, einschließlich:

🏠 WEM3080 — Einphasiger Hausenergie-Monitor
⚙️ WEM3080T / WEM3080TD — Dreiphasige Energiezähler
☀️ Solar-PV-Überwachungssysteme

🧩 Schritt 1 — Vorbereitung

1️⃣ Bei IAMMETER Cloud anmelden

👉 /login

2️⃣ Ihr API-Token abrufen

Klicken Sie nach dem Login auf Ihr Profil-Symbol (oben rechts)
Wählen Sie "Einstellungen → Token"
Kopieren Sie Ihr Token — es sieht wie folgt aus (nur Beispiel):
```
xxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxx
```

3️⃣ Mit GPT verbinden

Geben Sie in ChatGPT (oder IAMMETER Assistant) Folgendes ein:

Mein IAMMETER-API-Token ist xxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxx

GPT stellt eine Verbindung zu Ihrem IAMMETER Cloud-Konto her und listet alle verfügbaren Standorte und Zähler auf.

⚙️ Schritt 2 — Standort- und Zählerinformationen abrufen

GPT gibt eine Übersicht wie diese zurück:

Standortname	Typ	Echtzeitleistung	Monatsenergie	PV aktiviert
Home Energy Monitor	Einphasig	2400 W	272 kWh	Nein
Solar-PV-System	PV	–870 W	211 kWh	✅ Ja

🔎 Schritt 3 — Einen Standort zur Analyse auswählen

Sagen Sie zu GPT:

Ich möchte den Standort Home Energy Monitor analysieren

GPT fragt nach Ihrer Zähler-Seriennummer (SN). Sie finden diese in IAMMETER Cloud → Geräteliste, zum Beispiel:

70B3D5XXXXXX

📊 Schritt 4 — Die Leistungsanalyse durchführen

GPT ruft den offiziellen IAMMETER Cloud-API-Endpunkt auf: 👉 System-API-Dokumentation

Beispiel:

GetPowerAnalysis(sn="70B3D5XXXXXX", startTime="2025-11-21", endTime="2025-11-28")

Beispielergebnis:

Kennzahl	Wert
Durchschnittsleistung	497,2 W
Maximale Leistung	5598 W
Minimale Leistung	64 W
Durchschnitt Tag	480,8 W

🌱 Schritt 5 — Beispiel eines KI-Energieoptimierungsberichts

Nachfolgend sehen Sie einen beispielhaften, von GPT erstellten Energieeffizienzbericht auf Basis von IAMMETER Cloud-Daten.

⚡ Haushalts-Energieeinblicke

Durchschnittliche Last ≈ 500 W
Höhere Nachtslast — wahrscheinlich von Warmwasserbereiter oder Klimaanlage
Spitzenlast bis zu 5,6 kW — kurze hohe Verbrauchsereignisse erkannt

💡 Optimierungsvorschläge

Kategorie	Empfehlung	Potenzielle Einsparung
Standby-Strom	Schalten Sie ungenutzte Steckdosen mit Smart-Sockets aus	~8–10 %
Warmwassersteuerung	Betrieb in Schwachlastzeiten oder Solarstunden planen	~10–15 %
Spitzenlastmanagement	Vermeiden Sie gleichzeitigen Betrieb mehrerer Großgeräte	~5–8 %

Gesamteinsparpotenzial: ≈ 20–25 % (≈ 1.700 kWh/Jahr, ≈ 120–150 USD)

🧠 Schritt 6 — Optionale Smart-Control-Integration

Sie können IAMMETER-Daten + KI-Erkenntnisse für automatisierte Steuerung mit offenen Plattformen kombinieren:

Plattform	Beschreibung
🏠 Home Assistant	Echtzeitsteuerung über MQTT-Integration
🧩 Node-RED	Erstellen intelligenter Logikflüsse (z. B. Abschaltung ab 3 kW)
☁️ ThingsBoard	Dashboards erstellen und Trends prognostizieren
🔌 WPC3700 Wi-Fi Power Controller	PV-Überschussenergie zur Heizungssteuerung nutzen

🏁 Schritt 7 — Zusammenfassung

Schritt	Aktion	GPT-Funktion
1	API-Token abrufen	Benutzer authentifizieren
2	Mit IAMMETER Cloud verbinden	Standorte und Zähler auflisten
3	Zähler-SN angeben	Gerät identifizieren
4	Leistungsanalyse durchführen	Leistungsdaten abrufen
5	Bericht erstellen lassen	KI-basierte Energieeinblicke
6	(Optional) Steuerung integrieren	Automatisierung ermöglichen