Siemens PSS®E

Kurzfazit

Siemens PSS®E (Power System Simulator for Engineering) ist seit über 50 Jahren der internationale Standard für die Simulation großer Übertragungsnetze. Lastflussberechnung für bis zu 200.000 Knoten, Kurzschluss- und Stabilitätsanalyse, validierte dynamische Modelle, das ist klassisches, numerisches Power-Systems-Engineering auf höchstem Niveau. Ein KI-Tool ist PSS®E ausdrücklich nicht: Siemens bewirbt für PSS®E keine eingebaute KI- oder ML-Funktion, der KI-Bezug entsteht erst über die mehr als 2.000 offenen Python-APIs (PSSPY), mit denen du das Tool als Datengenerator für eigene Machine-Learning-Pipelines nutzen kannst. Im deutschen Markt ist PSS®E zudem nicht der Platzhirsch, diese Rolle hat DIgSILENT PowerFactory (Gomaringen) längst eingenommen. Wer im internationalen TSO-Geschäft arbeitet oder mit Siemens Spectrum Power koppelt, kommt an PSS®E nicht vorbei. Wer ausschließlich deutsche Verteilnetze plant oder ein fertiges KI-Werkzeug sucht, sollte zweimal nachdenken.

Für wen ist Siemens PSS®E?

Übertragungsnetzbetreiber (TSO): Im 380- und 220-kV-Geschäft ist PSS®E weltweit eines der zwei dominierenden Tools (neben PowerFactory). 50Hertz, TenneT, Amprion und TransnetBW arbeiten mit PowerFactory als Hauptwerkzeug, beherrschen PSS®E aber für internationale Kooperationen, ENTSO-E-Studien, grenzüberschreitende Lastflüsse, Netzentwicklungspläne im europäischen Verbund.

Energieberatungen und Planungsbüros: Wer Studien für TSOs, Energieerzeuger oder Investoren in Großkraftwerke (Wind-Offshore, Pumpspeicher, HGÜ-Anbindungen) erstellt, muss in den Datenformaten der Auftraggeber liefern können. PSS®E-Kompetenz ist im internationalen Projektgeschäft eine Pflichtqualifikation.

Energieversorger mit eigenen Übertragungsanlagen: Größere Stadtwerke, Industrie-EVU und Verteilnetzbetreiber mit 110-kV-Bestandsnetz nutzen PSS®E für Netzplanung, Investitionsstudien und regulatorische Nachweise gegenüber der Bundesnetzagentur.

Forschung und Hochschule: Lehrstühle für Elektrische Energietechnik nutzen PSS®E in Forschungsprojekten, vor allem dort, wo Industriepartner aus dem Siemens-Umfeld involviert sind. Educational-Lizenzen sind verfügbar, aber preislich nicht trivial.

Datenwissenschaftler und ML-Teams im Energiesektor: PSS®E ist kein KI-Tool, aber es ist ein hervorragender Datengenerator. Über die Python-API lassen sich tausende physikalisch konsistente Lastflussszenarien erzeugen, deren Ergebnisse als Trainingsdaten für eigene neuronale Netze dienen (z. B. zur Echtzeit-Prädiktion von Spannungseinbrüchen). Wer ML auf Netzdaten machen will, baut die Modelle selbst, PSS®E liefert die belastbare Simulationsgrundlage.

Weniger geeignet für: Verteilnetzplaner (Mittel- und Niederspannung), Energie-Start-ups mit kleinem Budget, Open-Science-Forschungsprojekte, alle die ohne formale Einarbeitung in Power-Systems-Engineering einsteigen wollen, Smart-Grid-Anwender, die primär auf der Sekundärtechnik-Seite (IoT, Datenanalyse) arbeiten, und alle, die ein fertiges KI-Werkzeug mit eingebauter ML-Automatik erwarten.

Preise im Detail

Angebot	Preis	Was du bekommst
PSS®E Lizenz	nur auf Anfrage (Vertrieb)	Kommerzielle Lizenzierung über Siemens Grid Software, Funktionsumfang je nach Modulen
Monatsabo	nur auf Anfrage	Siemens nennt auf der Produktseite ein Monatsabo als Bezugsoption
Gridscale X PSS®E SaaS	nur auf Anfrage	Cloud-/SaaS-Variante innerhalb der Gridscale-X-Plattform
Add-On-Module	nur auf Anfrage	Zusatzmodule, die den Standardumfang erweitern
PSS®E Xplore (akademisch)	Trial-Version für Hochschulen	Akademisches Test- und Lernangebot, eingeschränkte kommerzielle Nutzung

Einordnung: Siemens veröffentlicht keine Preisliste, der einzige verlässliche Weg zu einer Zahl führt über den Vertrieb (Siemens Grid Software). Die Produktseite nennt lediglich, dass eine kommerzielle Lizenz sowie ein Monatsabo verfügbar sind, konkrete Beträge nennt Siemens nicht. Wir verzichten hier bewusst auf gegriffene Euro- oder Dollar-Zahlen: Belastbare Listenpreise gibt es nicht, und kolportierte Größenordnungen wären Spekulation. Plane in jedem Fall die Gesamtkosten ein, also Lizenz plus Wartung, Schulung und Support, nicht nur die reine Lizenzgebühr. Für Hochschulen ist die akademische Trial-Version PSS®E Xplore der naheliegende Einstieg. Wer ein knappes Budget hat und reproduzierbare Forschung betreibt, fährt mit Open-Source-Alternativen (PandaPower, Matpower) oft pragmatischer.

Stärken im Detail

Internationaler De-facto-Standard. PSS®E existiert seit 1976 und wird weltweit von Hunderten Übertragungsnetzbetreibern eingesetzt, vor allem in Nordamerika, Asien und Lateinamerika. Wer im internationalen Projektgeschäft arbeitet, muss die Datenformate .raw (Lastfluss) und .dyr (Dynamik) lesen und schreiben können. Das macht PSS®E-Kompetenz zur transportablen Berufsqualifikation über Ländergrenzen hinweg.

Skaliert auf größte Verbundnetze. Siemens gibt für PSS®E Lastflussberechnungen für bis zu 200.000 Knoten an. Das deckt die größten realen Übertragungsnetze ab, einschließlich europäischer Verbundstudien und kontinentaler Modelle. Für die N-1-Sicherheitsanalyse, die jeden möglichen Einzelausfall prüft, ist diese Skalierungsfähigkeit eine harte Voraussetzung, bei großen Netzen entstehen tausende Ausfallszenarien.

Über 2.000 offene Python-APIs (PSSPY). PSSPY erlaubt es, jede UI-Aktion auch programmatisch auszuführen, Szenario-Generierung, Massenberechnung, Auswertung, Export. Das ist der eigentliche Hebel für KI-affine Teams: Es gibt keine eingebaute KI in PSS®E, aber über die API generierst du tausende physikalisch konsistente Lastflussszenarien, deren Ergebnisse als Trainingsdaten für eigene neuronale Netze (z. B. zur Echtzeit-Prädiktion von Spannungseinbrüchen) dienen. Siemens bewirbt die API explizit damit, manuellen Engineering-Aufwand zu reduzieren und Workflows zu automatisieren.

Validierte dynamische Modelle. PSS®E enthält eine umfangreiche Modellbibliothek mit herstellerspezifischen und anpassbaren dynamischen Modellen, sowie Werkzeuge für Contingency- und Fehleranalyse, PV/QV-Studien und Node-Breaker-Modellierung auf Umspannwerksebene. Das ist die Substanz, die das Tool seit Jahrzehnten trägt.

Integration mit Siemens Spectrum Power. Wer ohnehin im Siemens-Ökosystem arbeitet, Spectrum Power als Netzleitsystem, Sicam als Schutzleittechnik, bekommt eine durchgängige Datenkette von der Planung (PSS®E) bis zum Echtzeitbetrieb. Das ist für Großkunden ein erheblicher operativer Vorteil.

Modellbibliothek und Validierung. PSS®E enthält praktisch alle gängigen Generatormodelle, FACTS-Geräte (SVC, STATCOM), HGÜ-Topologien und Schutzkonzepte als validierte Bausteine. Die Modelle wurden über Jahrzehnte gegen reale Netzereignisse geprüft, das ist ein Vertrauensvorsprung, den neuere Tools erst aufbauen müssen.

Schwächen ehrlich betrachtet

Steile Lernkurve und veraltete UI. PSS®E sieht aus wie ein 2010er-Windows-Programm, und das ist es im Kern auch. Wer aus modernen Web-Tools kommt, braucht Wochen, um sich in der Bedienlogik zurechtzufinden. Die Kombination aus Fachkomplexität (Power Systems) und veralteter Bedienoberfläche macht den Einstieg deutlich härter, als er sein müsste. PowerFactory hat hier einen spürbaren UX-Vorsprung.

Keine öffentliche Preistransparenz. Siemens veröffentlicht keine Listenpreise. Wer ein Angebot will, muss den direkten Vertriebsweg gehen, mit allem, was das an Verhandlungsaufwand bedeutet. Für KMU und Forschungsprojekte ist das eine echte Hürde, gerade im Vergleich zu Open-Source-Alternativen wie PandaPower (kostenlos) oder kommerziellen Tools mit veröffentlichten Preisen.

In Deutschland zweite Wahl hinter PowerFactory. Bei deutschen TSOs und großen DSOs ist DIgSILENT PowerFactory (gemacht in Gomaringen) das verbreitetere Werkzeug, schon aus historischen und sprachlichen Gründen. Wer in Deutschland eine Stelle im Netzplanungsbereich sucht, wird häufiger nach PowerFactory-Kenntnissen gefragt als nach PSS®E. International dreht sich das Verhältnis allerdings.

Kein natives KI-/ML-Feature. PSS®E ist ein klassischer, numerischer Power-Systems-Simulator. Siemens bewirbt auf der Produktseite und im PSS-Portfolio keine eingebaute KI- oder ML-Funktion, kein automatisches ML-Contingency-Screening, keine KI-gestützte Optimierung „out of the box”. Wer Machine Learning auf Netzdaten machen will, baut die Pipeline selbst über die Python-API auf und nutzt PSS®E als Datengenerator. Das ist möglich und durchaus üblich, aber es ist Eigenleistung, kein Produktversprechen. Wer ein fertiges KI-Werkzeug erwartet, ist hier falsch.

Schmales Open-Source-Ökosystem. Es gibt Community-Skripte, Foren und einige Bücher zu PSS®E-Automatisierung, aber im Vergleich zur PowerFactory-Community oder gar zum offenen Matpower-/PandaPower-Universum ist das überschaubar. Wer ungewöhnliche Probleme löst, ist häufig auf den offiziellen Siemens-Support angewiesen.

SaaS-Variante vorhanden, aber jung. Lange war PSS®E reine Windows-Desktop-Software. Inzwischen führt Siemens innerhalb der Gridscale-X-Plattform eine Gridscale X PSS®E SaaS als Cloud-Variante. Das ist ein echter Fortschritt gegenüber dem reinen On-Premise-Betrieb, das SaaS-Angebot ist aber noch jung, und ein Großteil der Bestandsinstallationen läuft weiterhin als Desktop-/Citrix-Variante. Wer skalierbare Cloud-Berechnung will, sollte das SaaS-Angebot konkret gegen die eigenen Anforderungen prüfen.

Alternativen im Vergleich

Wenn du…	…nimm stattdessen
Python-basierte ML-Pipelines auf PSS®E-Daten aufbaust und Code generieren willst	Claude für die PSSPY-Skripterstellung
PSS®E-Ergebnisse in Berichten, Präsentationen und Excel aufbereitest	Microsoft 365 Copilot
Recherche zu Normen, Netzcodes oder Förderprogrammen brauchst	ChatGPT mit Websuche

Erwähnenswert ohne eigene Tool-Seite: DIgSILENT PowerFactory (Gomaringen) ist im deutschen Markt der direkte Hauptkonkurrent und in vielen DSO-/TSO-Projekten gesetzt, vor allem bei Verteilnetzen (MS/NS). NEPLAN (Schweiz) deckt ein ähnliches Segment ab und ist in Mitteleuropa verbreitet. OpenDSS (US-Forschung) sowie PandaPower (Fraunhofer/Uni Kassel) und Matpower sind die ernstzunehmenden Open-Source-Optionen, vor allem in Forschungsprojekten und für reproduzierbare Studien wertvoll. PSCAD und EMTP dominieren die EMT-Simulation (elektromagnetische Transienten), für die PSS®E nicht das richtige Werkzeug ist. Diese Tools sind keine KI-Werkzeuge, sondern fachliche Peers von PSS®E, die wir hier zur ehrlichen Einordnung nennen, aber nicht verlinken.

So steigst du ein

Schritt 1: Realistisch prüfen, ob PSS®E das richtige Werkzeug ist. Klär vor allem zwei Fragen: Arbeitest du auf Übertragungsnetzebene (110 kV+), und gibt es einen konkreten Anlass, gerade PSS®E zu wählen (z. B. Auftraggeber-Anforderung, internationale Kooperation, Spectrum-Power-Integration)? Wenn nein, prüfe DIgSILENT PowerFactory oder PandaPower zuerst, das spart möglicherweise viel Geld und Lernzeit.

Schritt 2: Educational-Lizenz oder Vertriebsanfrage. Für Hochschulen und Forschungseinrichtungen geht der Weg über die Siemens-Educational-Programme. Für kommerzielle Nutzung führt der Weg über den direkten Siemens-Vertrieb (Grid Software, München). Plane für die Verhandlung Wochen ein und beziehe Wartung, Schulung und Support in das Gesamtbudget mit ein, die reine Lizenz ist nur ein Teil der Total Cost of Ownership.

Schritt 3: Schulung einplanen, keine Selbsteinarbeitung. Siemens und ein Netzwerk autorisierter Trainingsanbieter bieten Grundkurse (typisch 3–5 Tage) und Vertiefungskurse (Dynamik, OPF, Python-API). Ohne formale Schulung ist die Selbsteinarbeitung extrem zäh, das Investment in 1–2 Wochen Training amortisiert sich innerhalb des ersten produktiven Projekts. Erst wenn du den Standard-Workflow beherrschst, lohnt es sich, über die Python-API eigene Automatisierungen oder ML-Pipelines aufzusetzen.

Ein konkretes Beispiel

Ein deutsches Energieberatungsunternehmen mit Sitz in Mannheim (45 Beschäftigte, Schwerpunkt Netzanschluss-Studien für Wind-Offshore-Projekte) erhält den Auftrag, die Netzanschlussstudie für einen 800-MW-Offshore-Windpark in der Nordsee zu erstellen. Der Auftraggeber, ein internationaler Investor, verlangt die Lieferung im PSS®E-Format, weil sein britischer Konsortialpartner damit weiterarbeitet. Das Studienteam baut das Modell in PSS®E auf und automatisiert die N-1-Sicherheitsanalyse über ein eigenes PSSPY-Skript, das tausende Ausfallszenarien batchweise durchrechnet und die kritischen Fälle herausfiltert. So identifiziert das Team Engpässe an drei Umspannwerken und liefert die Studie inklusive .raw- und .dyr-Dateien innerhalb von acht Wochen statt der ursprünglich geplanten zwölf. Die Skript-Automatisierung hat allein bei der Szenario-Auswertung rund 60 Stunden Engineering-Zeit eingespart, gebaut hat das Skript das Team selbst, eine eingebaute KI gab es dafür nicht. Für das interne deutsche Netzplanungsteam wäre PowerFactory effizienter gewesen, aber die Auftraggeber-Anforderung gab PSS®E vor.

DSGVO & Datenschutz

• Datenhosting: Klassisch On-Premise, die Software läuft lokal auf Windows-Rechnern oder firmeneigenen Citrix-/VDI-Umgebungen. Netzdaten verlassen das Unternehmen nicht.
• Cloud-/SaaS-Option: Siemens bietet innerhalb der Gridscale-X-Plattform eine Gridscale X PSS®E SaaS als Cloud-Variante. Bei deren Nutzung gelten die Datenschutz- und Hosting-Bedingungen von Siemens, die du vor dem Einsatz konkret prüfen solltest (Hosting-Region, AVV, Sub-Prozessoren). Konkrete Zusagen nennt Siemens nur über den Vertrieb.
• Datennutzung: Bei der Desktop-Variante keine Modelldaten-Telemetrie, Lizenzaktivierung läuft typischerweise über Lizenzserver, nicht über Cloud-Telemetrie. Für die SaaS-Variante gelten die jeweiligen Cloud-Bedingungen.
• Auftragsverarbeitung (AVV): Bei On-Premise-Nutzung nicht erforderlich, da keine Datenverarbeitung beim Anbieter stattfindet. Bei der SaaS-Variante ist ein AVV mit Siemens abzuschließen, die Verfügbarkeit und Konditionen klärst du mit dem Vertrieb.
• Empfehlung für Unternehmen: Für Übertragungsnetzbetreiber und kritische Infrastruktur ist die On-Premise-Variante weiterhin der Standard. Die SaaS-Variante nur prüfen, wenn es echte Skalierungsanforderungen gibt, und dann mit klarer DSFA und vertraglicher Klärung der Hosting-Region. Netzdaten sind als Schutzgut nach BSI-Kritis-Verordnung einzustufen.

Gut kombiniert mit

• Python-Ökosystem (NumPy, Pandas, scikit-learn), Über die PSSPY-API lassen sich Massensimulationen direkt in Python-Pipelines einbinden. Wer ML-Modelle für Last- oder Erzeugungsprognosen trainieren will, nutzt PSS®E als Datengenerator und scikit-learn/PyTorch als Trainingsumgebung.
• Claude, Für die Generierung und Wartung von PSSPY-Skripten ist Claude eines der stärkeren Modelle. Wer regelmäßig Automatisierungs-Skripte bauen muss (Szenarienschleifen, Auswertungen, Reports), spart erhebliche Zeit durch Code-Assistenz.
• Microsoft 365 Copilot, Für die Aufbereitung von PSS®E-Ergebnissen in Berichten, Präsentationen und Excel-Auswertungen für Auftraggeber und interne Stakeholder.

Unser Testurteil

PSS®E verdient 4 von 5 Sternen. Für den Job, für den es gebaut ist, Simulation großer Übertragungsnetze auf Engineering-Tiefe, ist es weltweit eines der zwei besten verfügbaren Werkzeuge. Mit über 2.000 offenen Python-APIs, Skalierung auf bis zu 200.000 Knoten und einer validierten Modellbibliothek ist die fachliche Substanz herausragend. Wichtig zur Einordnung: PSS®E ist kein KI-Tool, Siemens bewirbt keine eingebaute KI-Funktion. Sein KI-Bezug ist mittelbar, es ist ein erstklassiger Datengenerator für eigene ML-Pipelines. Wer auf unserer Plattform ein fertiges KI-Werkzeug sucht, ist hier falsch, wer ML auf Netzdaten selbst aufbauen will, findet eine ideale Grundlage. Den fünften Stern verliert PSS®E aus drei Gründen: Erstens ist es im deutschen Markt nicht der Standard, DIgSILENT PowerFactory dominiert hier deutlich. Zweitens ist die Lernkurve auch für ausgebildete Energietechniker steil, und die Desktop-UI wirkt im Vergleich zu modernen Tools veraltet. Drittens ist die Preisintransparenz für KMU und Forschungseinrichtungen ein echtes Hindernis. Wer aber im internationalen TSO-Geschäft unterwegs ist oder mit Spectrum Power koppelt, kommt am Tool nicht vorbei, und sollte die Investition in Lizenz und Schulung als Pflichtausgabe einplanen.

Was wir bemerkt haben

• Juni 2026 (Korrektur), Frühere Fassungen dieser Seite beschrieben „ML-basiertes Contingency Screening” und „KI-gestützte Optimal Power Flow” als native PSS®E-Features. Das ließ sich an den offiziellen Siemens-Quellen nicht belegen: Weder die PSS®E-Produktseite noch das PSS-Portfolio (Gridscale X) bewerben eine eingebaute KI- oder ML-Funktion. PSS®E ist ein klassischer, numerischer Simulator. Der KI-Bezug entsteht ausschließlich über die offene Python-API, mit der Anwender eigene ML-Pipelines bauen. Wir haben die Seite entsprechend korrigiert, lieber eine ehrliche Lücke als eine erfundene Funktion.
• Juni 2026 (Korrektur), Ebenfalls korrigiert: Eine Cloud-/SaaS-Variante existiert sehr wohl. Siemens führt innerhalb der Gridscale-X-Plattform eine Gridscale X PSS®E SaaS. Die ältere Aussage „eine echte SaaS-Variante gibt es weiterhin nicht” war damit überholt.
• 2026, Das PSS-Portfolio (PSS®E, PSS®SINCAL, PSS®ODMS) ist unter der Plattform Gridscale X der Siemens Grid Software gebündelt. Für Hochschulen gibt es mit PSS®E Xplore eine akademische Trial-Version.
• Juni 2026, Im deutschen Übertragungsnetz-Geschäft bleibt DIgSILENT PowerFactory (Gomaringen) der dominierende Standard, diese Position hat sich nicht verschoben. Für deutsche Berufsanfänger im Netzplanungsbereich ist PowerFactory weiterhin die wichtigere Erstkompetenz.