KI-gestützte Photovoltaik-GIS-Akquise- und Ertragsprognoseplattform.
Vertriebssystem für dezentrale Photovoltaik mit GIS-Kartierung, Dacherkennung und Ertragsprognose.
Dies ist ein umfassendes Open-Source-System für dezentrale Photovoltaikunternehmen. Es kombiniert GIS-Kartenarbeitsbereiche mit KI-Vision- und Prognosemodellen, um alles von der ersten Dachakquise bis zum Betrieb nach der Installation abzudecken.
Die Plattform integriert Leaflet und AMap mit YOLO11 und OpenCV, um Dachflächen und Solarpotenzial automatisch aus Satellitenbildern zu erkennen. Sie verknüpft diese räumlichen Daten mit LightGBM-, XGBoost- und Transformer-Modellen, um kurz- und langfristige Energieerträge sowie finanzielle Renditen zu projizieren.
Es eignet sich für dezentrale Solarunternehmen, Projektentwickler und technische Teams, die eine self-host Plattform zur Automatisierung der Lead-Generierung und Standortbewertung suchen. Es ist nicht geeignet für Teams, die nicht über die Infrastrukturkapazität verfügen, um einen Multi-Service-Stack mit Datenbanken und AI Inference-Engines zu betreiben.
Integriert Satelliten- und Straßenkartenebenen mit POI-Erkennung und manueller Punktverwaltung.
Verwendet YOLO11 und OpenCV bei Fernerkundungsbildern, um infrage kommende Dächer und Solaranlagen zu erkennen.
Berechnet Polygonflächen auf Karten, um Systemkapazität und Komponentenanzahl für Erstangebote zu schätzen.
Wendet LightGBM-, XGBoost- und Transformer-Modelle an, um die Leistung basierend auf Wetter und Kapazität vorherzusagen.
Verwaltet Leads, Termine für Standortbegehungen, Projektbau-Meilensteine und Kundendienst-Tickets.
Der Quellcode ist im Repository verfügbar, aber in den Repository-Metadaten ist keine Softwarelizenz angegeben. Die einzigen Kosten sind der Betrieb und das Hosting der Multi-Service-Infrastruktur in Eigenregie.
879 offene Remote-Stellen im KI-Training, aktualisiert am 16. November 2026; die meisten zahlen $20–$175 pro Stunde. 12 davon suchen Deutschsprachige. Zekai listet sie kostenlos; die Bewerbung läuft über die Plattform des Arbeitgebers.
Diese bewerteten KI-Tools erledigen die Aufgabe sofort — aus unserem bewerteten Verzeichnis.
Sie verwendet YOLO11 zusammen mit OpenCV für Computer-Vision-Aufgaben bei Fernerkundungsbildern.
Sie setzt auf LightGBM und XGBoost für kurzfristige Tabellenmodellierung sowie eine optionale Transformer-Architektur für langfristige Sequenzprognosen.
Die Systemarchitektur erfordert PostgreSQL mit PostGIS, Redis, Elasticsearch, MinIO und RabbitMQ.
Zekai zuerst in Google sehen