Sonnensimulatoren in der Photovoltaik: Grundlagen und Messtechnik

Eine Solarzelle ist kein universeller Lichtmesser, sondern ein spektral selektiver Wandler: Sie beantwortet nicht die Frage, wie viel Strahlung auf sie trifft, sondern welche. Ein Sonnensimulator muss deshalb nicht nur eine Gesamtbestrahlungsstärke von 1000 W/m² erzeugen, sondern eine spektrale Verteilung, die dem genormten Referenzspektrum AM1.5G ausreichend ähnlich ist. Zentrale Herausforderung ist, dass Abweichungen in drei unabhängigen Dimensionen auftreten – spektrale Übereinstimmung, räumliche Gleichförmigkeit und zeitliche Stabilität –, die sich nicht gegenseitig kompensieren. Erst die genormte Klassifizierung dieser drei Größen nach IEC 60904-9 macht Wirkungsgradmessungen an Solarzellen und Modulen zwischen Laboren, Herstellern und Zertifizierungsstellen vergleichbar.

Die Photovoltaik ist 2025 erstmals zur weltweit größten installierten Stromerzeugungstechnologie aufgestiegen: Der globale Zubau überschritt nach dem Global Energy Review 2026 der Internationalen Energieagentur erstmals 600 Gigawatt, die kumulierte Leistung erreichte rund 2.800 Gigawatt, und Solarstrom stellte mehr als drei Viertel des weltweiten Zubaus an erneuerbarer Erzeugungsleistung (IEA, 2026). Für die Prüf- und Messtechnik ist an dieser Entwicklung weniger das Volumen als die technologische Diversifizierung relevant: Neben kristallinem Silizium etablieren sich Heterojunction-Zellen, Dünnschichtsysteme aus CdTe und CIGS sowie Perowskit-Silizium-Tandemzellen, dazu ein wachsender Anteil bifazialer Module.

Ein belastbarer, eng abgegrenzter Marktwert allein für Sonnensimulatoren lässt sich derzeit nicht seriös beziffern: Kommerzielle Marktstudien zu „Solar Simulators“ weichen um mehr als eine Größenordnung voneinander ab, weil sie unterschiedliche Gerätekategorien, Vertriebskanäle und Weltregionen zusammenfassen. Als angrenzender, klarer definierter Marktindikator eignet sich der Markt für Photovoltaik-Prüfausrüstung insgesamt: Dieser wurde 2025 auf rund 0,96 Milliarden US-Dollar geschätzt und soll bis 2031 auf etwa 1,61 Milliarden US-Dollar wachsen, entsprechend einer jährlichen Wachstumsrate von 8,75 Prozent; automatisierte Prüfsysteme wachsen mit rund 10,2 Prozent pro Jahr überdurchschnittlich schnell (Mordor Intelligence, 2026). Sonnensimulatoren bleiben laut demselben Bericht überwiegend auf zwei Anwendungsfelder konzentriert: die werkseigene Qualitätskontrolle in der Zell- und Modulfertigung und die metrologisch anspruchsvollere Nutzung in Forschungs- und Kalibrierlaboren.

Die technische Konsequenz dieser Marktentwicklung folgt einer klaren Kette: Wachsende Modulvielfalt und höhere Zellwirkungsgrade erhöhen die Empfindlichkeit von Prüfergebnissen gegenüber spektralen Abweichungen der Prüfquelle. Jede zusätzliche Materialklasse – Dünnschicht, bifazial, Tandem – bringt eine eigene spektrale Empfindlichkeitskurve mit, wodurch sich der zulässige Fehlerspielraum eines Sonnensimulators gegenüber der einfacheren monokristallinen Siliziumzelle der 1980er-Jahre, für die die ursprünglichen Normen entworfen wurden, faktisch verengt.

Ein Sonnensimulator erzeugt künstliches Licht, das die spektrale Bestrahlungsstärke des natürlichen Sonnenlichts unter definierten atmosphärischen Bedingungen nachbildet. Referenzgröße ist das AM1.5G-Spektrum (Air Mass 1.5, Global), ein rechnerisch aus einem Atmosphärenmodell abgeleitetes Spektrum, das mittlere mitteleuropäische bis nordamerikanische Breitengrade bei einem Sonnenzenitwinkel von 48,2° repräsentiert und auf eine integrierte Bestrahlungsstärke von 1000,4 W/m² normiert ist (ASTM G173-03). Eine Lichtquelle – meist eine Gasentladungslampe oder eine Kombination vieler Leuchtdioden – wird über Optiken, Filter und eine Steuerelektronik so geformt, dass Intensität, Spektrum und Homogenität in der Probenebene möglichst nah an dieses Referenzspektrum heranreichen.

Physikalisch entscheidend ist, dass eine Solarzelle nicht die Bestrahlungsstärke selbst, sondern das Produkt aus spektraler Bestrahlungsstärke und wellenlängenabhängiger spektraler Empfindlichkeit der Zelle integriert. Zwei Lichtquellen mit identischer Gesamtbestrahlungsstärke, aber unterschiedlichem Spektrum, erzeugen an derselben Zelle unterschiedliche Photoströme. Die Kalibrierung eines Sonnensimulators erfolgt deshalb nicht am Lampenausgang, sondern in der Ebene der Probe, mit einer rückführbar kalibrierten Referenzsolarzelle oder einem Spektroradiometer.

Historisch dominierten Gasentladungslampen, weil sie beim Entwurf des ersten einschlägigen Standards ASTM E927 (1979) die einzigen verfügbaren Quellen mit hinreichend sonnenähnlichem Breitbandspektrum waren (ASTM E927-19). Seit rund zwei Jahrzehnten etablieren sich zunehmend LED-basierte Systeme, die inzwischen in Fertigungslinien und Laboren die traditionelle Xenontechnik verdrängen.

Xenonlampen bleiben wegen ihrer nativen Breitbandcharakteristik in der großflächigen Modulproduktion verbreitet, verlangen aber eine regelmäßige Nachführung durch spektrale Filterung, da ihre Emissionslinien insbesondere oberhalb von 800 nm die Klassifizierung verschlechtern (IEC 60904-9:2020). LED-Systeme haben in Vergleichsmessungen zur Strom-Spannungs-Kennlinie von PV-Modulen eine mindestens gleichwertige, in Stabilität und spektraler Flexibilität teils überlegene Performance gegenüber Xenonquellen gezeigt (Chojniak et al., 2024).

Ein Sonnensimulator wird nicht über eine einzelne Kennzahl beurteilt, sondern über mehrere, voneinander unabhängige physikalische Größen:

• Spektrale Übereinstimmung beschreibt, wie gut die Bestrahlungsstärke des Simulators in definierten Wellenlängenintervallen mit dem AM1.5G-Referenzspektrum übereinstimmt. Sie ist entscheidend, weil der gemessene Photostrom einer Zelle vom Überlappungsintegral aus Quellenspektrum und Zellempfindlichkeit abhängt – nicht von der Gesamtleistung der Quelle.
• Räumliche Nichtgleichförmigkeit quantifiziert die Schwankung der Bestrahlungsstärke über die Prüffläche. Sie beeinflusst vor allem große Module und in Reihe geschaltete Zellstrings, da die am schwächsten beleuchtete Teilfläche den Gesamtstrom limitieren kann.
• Zeitliche Instabilität erfasst Schwankungen der Bestrahlungsstärke während der Messdauer. Bei gepulsten Simulatoren ist sie besonders kritisch, weil sich Lampenspektrum und -intensität während des Aufheiz- und Abklingvorgangs der Blitzröhre laufend ändern.
• Gesamtbestrahlungsstärke muss auf den Referenzwert von 1000 W/m² eingestellt sein, da die Kennlinie einer Solarzelle nichtlinear von der Bestrahlungsstärke abhängt; eine Abweichung wirkt sich nicht proportional auf alle Kennlinienparameter aus.
• Zelltemperatur ist als dritte Koordinate der Standard-Testbedingungen (STC) neben Spektrum und Intensität festgelegt (25 °C). Der Wirkungsgrad kristalliner Siliziumzellen sinkt typischerweise um 0,3 bis 0,5 Prozentpunkte je Kelvin Temperaturanstieg, wodurch unzureichende Temperaturkontrolle Messergebnisse verfälscht, ohne dass dies am Spektrum erkennbar wäre.
• Spektrale Empfindlichkeit der Referenz- und Testzelle bestimmt gemeinsam mit dem Quellenspektrum den Spektralfehlanpassungsfaktor (siehe Expertenblock). Sie ist keine feste Eigenschaft eines Zelltyps, sondern hängt von Schichtaufbau, Verkapselung und Alterungszustand ab.

Die häufigste Fehlannahme in der Praxis ist, elektrische Lampenleistung mit optischer Bestrahlungsstärke gleichzusetzen. Beide Größen sind nicht linear gekoppelt: Der elektrooptische Wirkungsgrad einer Lampe ändert sich mit Betriebsdauer, Alterung, Filterzustand und Temperatur, sodass eine nominell konstante elektrische Leistung eine driftende optische Bestrahlungsstärke erzeugen kann. Ebenso wenig ist eine Bestrahlungszeit für sich genommen aussagekräftig, solange nicht klar ist, auf welche Bestrahlungsstärke sie sich bezieht – eine „Belichtungsdauer“ ohne begleitende Dosis- oder Intensitätsangabe ist technisch unvollständig.

Ein zweiter verbreiteter Fehler ist die Messung außerhalb der eigentlichen Probenebene. Der Wert am Lampenaustritt oder an einem fest installierten Referenzsensor außerhalb des Prüffelds beschreibt die Quelle, nicht die tatsächliche Bestrahlung des Prüflings; optische Wegunterschiede, Streulicht und Vignettierung können zu Abweichungen von mehreren Prozent führen, die am Sensor nicht sichtbar sind.

Drittens wird die scheinbare formale Erfüllung einer Klassifizierung häufig überschätzt. Die IEC-60904-9-Klassifizierung bewertet die Bestrahlungsstärke in sechs bis zwölf breiten Spektralintervallen (Bins); innerhalb eines Bins ist nicht festgelegt, an welcher Stelle die geforderte Intensität liegt. Ein LED-Simulator kann dadurch formal Klasse A oder A+ erreichen, obwohl sein Spektrum aus schmalen, durch spektrale Lücken getrennten Peaks besteht. Vergleichende Auswertungen zeigen reale kommerzielle Systeme mit einer spektralen Abdeckung von nur 65 bis 79 Prozent bei gleichzeitig hoher formaler Klassenbewertung (IEC 60904-9:2020). Für Zellen mit breiter, kontinuierlicher spektraler Empfindlichkeit – etwa Dünnschicht- oder Mehrfachzellen – ist eine solche Lücke technisch relevanter als für eine schmalbandig empfindliche Referenzzelle.

Viertens gilt die Referenzzellenmethode, bei der die Simulatorintensität auf den kalibrierten Kurzschlussstrom einer Referenzzelle abgeglichen wird, nur unter einschränkenden Voraussetzungen: Sie liefert nur dann eine korrekte Übertragung auf die Testzelle, wenn entweder Referenz- und Testzelle identische spektrale Empfindlichkeit besitzen oder das Simulatorspektrum dem Referenzspektrum exakt entspricht. Beides ist in der Praxis nie vollständig erfüllt; der resultierende systematische Fehler wird als Spektralfehlanpassung bezeichnet und muss rechnerisch korrigiert, nicht wegkalibriert werden (ASTM E948).

Fünftens sind viele Kennwerte nur unter der Annahme gültig, dass sich Prüfling und Umgebung im thermischen und elektrischen Gleichgewicht befinden. Bei gepulsten Xenon-Simulatoren mit Blitzdauern im Millisekundenbereich reicht die Zeit oft nicht aus, um kapazitive Effekte großflächiger Module oder das transiente, lichtinduzierte Verhalten instabiler Materialien wie Perowskit vollständig abklingen zu lassen – die gemessene Kennlinie beschreibt dann einen Übergangszustand, keinen stationären Arbeitspunkt.

Die spektrale Empfindlichkeit einer Solarzelle ist keine universelle Größe, sondern wird durch Bandlücke, Schichtdicke und optische Verluste des jeweiligen Absorbermaterials bestimmt. Kristallines Silizium absorbiert im Bereich von etwa 400 bis 1100 Nanometern; die ursprünglichen Spektralintervalle von ASTM E927 und der frühen IEC-60904-9-Fassungen wurden exakt für diesen Bereich definiert. Dünnschichttechnologien wie CdTe und CIGS liegen mit ihrer Absorptionskante noch innerhalb dieses Fensters, profitieren aber von der 2020 eingeführten Erweiterung des Bewertungsbereichs auf 300 bis 1200 Nanometer, da ihre kurzwellige Empfindlichkeit dort besser erfasst wird (IEC 60904-9:2020).

Für Perowskit-Silizium-Tandemzellen und Mehrfachsolarzellen aus III-V-Halbleitern reicht selbst der erweiterte Bereich nicht aus: III-V-Mehrfachzellen besitzen Absorptionsbandbreiten von bis zu 1800 Nanometern. Bei Tandemzellen kommt eine strukturelle Besonderheit hinzu: Die Teilzellen sind in Reihe geschaltet, sodass die Teilzelle mit dem geringsten Photostrom den Gesamtstrom der Zelle begrenzt (Stromanpassungsbedingung). Eine spektrale Abweichung der Prüfquelle wirkt hier nicht als gleichmäßiger Fehler auf die gesamte Kennlinie, sondern verschiebt, welche Teilzelle limitierend wird – das Ergebnis ist eine Kennlinie, die einer unter natürlichem Sonnenlicht nicht auftretenden Bestrahlungssituation entspricht. Aus diesem Grund erfordert die Charakterisierung von Tandemzellen eine spektrale Anpassung des Simulatorspektrums, bei der jede Teilzelle gezielt auf den Photostrom eingestellt wird, den sie unter Referenzbedingungen erzeugen würde (Chojniak et al., 2024).

Der Spektralfehlanpassungsfaktor M (spectral mismatch factor) korrigiert den systematischen Fehler, der entsteht, wenn Simulatorspektrum, Referenzspektrum sowie die spektralen Empfindlichkeiten von Referenz- und Testzelle voneinander abweichen. Er ist in ASTM E948 und IEC 60904-7 normativ definiert:

M = [ ∫ E_ref(λ)·S_ref(λ) dλ / ∫ E_sim(λ)·S_ref(λ) dλ ] × [ ∫ E_sim(λ)·S_t(λ) dλ / ∫ E_ref(λ)·S_t(λ) dλ ]

Dabei bezeichnet E_ref(λ) das spektrale Referenzspektrum (üblicherweise AM1.5G), E_sim(λ) das tatsächliche Spektrum des Sonnensimulators in der Probenebene, S_ref(λ) die relative spektrale Empfindlichkeit der Referenzzelle und S_t(λ) die relative spektrale Empfindlichkeit der Testzelle. Da nur relative Spektralverläufe eingehen, kürzen sich absolute Kalibrierfaktoren heraus; maßgeblich ist ausschließlich die Kurvenform. Der mit M korrigierte Kurzschlussstrom der Testzelle unter Standard-Testbedingungen ergibt sich aus dem unter dem Simulator gemessenen Strom, dividiert durch M (ASTM E948).

Voraussetzung für die Anwendbarkeit ist, dass sowohl das Simulatorspektrum als auch beide Zellempfindlichkeiten im relevanten Wellenlängenbereich mit hinreichender spektraler Auflösung bekannt sind; Messunsicherheiten der Spektralresponsivität gehen direkt in die Unsicherheit von M ein. Grenzen des Modells: Für zwei Zellen mit stark unterschiedlicher, insbesondere strukturierter spektraler Empfindlichkeit – etwa eine Dünnschichtzelle gegen eine kristalline Referenzzelle – kann M spürbar von 1 abweichen und ist zugleich empfindlicher gegenüber kleinen spektralen Änderungen der Quelle. In einer systematischen Unsicherheitsanalyse wurde gezeigt, dass sich die kombinierte Unsicherheit des Mismatch-Faktors mittels Monte-Carlo-Simulation aus den Unsicherheiten der Eingangsspektren ableiten lässt und stark davon abhängt, wie stark einzelne Unsicherheitsbeiträge spektral korreliert sind: Die erweiterte Unsicherheit von M lag je nach angenommenem Korrelationsgrad zwischen 0,06 und 1,26 Prozent (Maham, Kärhä & Ikonen, 2023). Die praktische Konsequenz: M ist keine feste Gerätekonstante, sondern muss für jede Kombination aus Simulator, Referenzzelle und Testzelle neu bestimmt werden, und seine Unsicherheit muss im Kalibrierergebnis ausgewiesen werden.

Annahmen. Eine kristalline Silizium-Referenzzelle mit bekannter spektraler Empfindlichkeit wird zur Intensitätseinstellung eines Xenon-Sonnensimulators der Klasse A verwendet. Geprüft werden soll eine CIGS-Dünnschichtzelle, deren spektrale Empfindlichkeit gegenüber Silizium im kurzwelligen Bereich (400–600 nm) höher und im Bereich oberhalb von 900 nm niedriger ausfällt – ein für Dünnschichttechnologien typisches, in der Literatur wiederholt dokumentiertes Muster.

Modell. M wird nach obiger Definition aus den vier Spektralintegralen gebildet.

Rechnung (qualitativ, auf Basis publizierter Größenordnungen). Weicht das Xenonspektrum im Bereich oberhalb 800 nm durch native Emissionslinien um mehrere Prozent vom AM1.5G-Referenzspektrum ab, wirkt sich dies auf die CIGS-Testzelle stärker aus als auf die Si-Referenzzelle, da deren relative Gewichtung in diesem Spektralbereich unterschiedlich ist. In systematischen Unsicherheitsuntersuchungen zu Referenzzellenkalibrierungen wurden für spektral unterschiedliche Zellpaare Korrekturfaktoren im Bereich einiger Prozent mit spektral empfindlichen Unsicherheitsbeiträgen im Bereich von unter einem bis wenige Prozent dokumentiert (Hohl-Ebinger & Warta, 2011).

Interpretation. Ein unkorrigierter Wirkungsgradwert kann dadurch scheinbar plausibel, aber systematisch zu hoch oder zu niedrig ausfallen, ohne dass dies an der Kennlinienform erkennbar wäre. Für belastbare Wirkungsgradangaben ist die Kombination aus spektral aufgelöster Simulatormessung und bekannter Zellresponsivität daher keine optionale Zusatzmessung, sondern Teil der eigentlichen Kennlinienmessung.

Die international harmonisierte Klassifizierung von Sonnensimulatoren nach IEC 60904-9 (in Deutschland als DIN EN IEC 60904-9 VDE 0126-4-9 übernommen) bewertet drei Kenngrößen unabhängig voneinander und bezeichnet sie in der Reihenfolge spektrale Übereinstimmung – räumliche Nichtgleichförmigkeit – zeitliche Instabilität, beispielsweise als „Klasse AAA“ oder „Klasse A+A+A+“:

Quelle: IEC 60904-9:2020.

Die Fassung von 2020 führte zusätzlich die optionalen, noch nicht klassifizierungsrelevanten Kennwerte spektrale Abdeckung (Spectral Coverage, SPC) und spektrale Abweichung (Spectral Deviation, SPD) ein. SPC gibt den Anteil des Spektrums zwischen 300 und 1200 nm an, in dem die Bestrahlungsstärke des Simulators mindestens 10 Prozent des AM1.5G-Referenzwerts erreicht; SPD summiert die absoluten spektralen Fehler über das gesamte Intervall. Beide Kennwerte wurden eingeführt, weil die reine Bin-Klassifizierung – wie im vorherigen Abschnitt beschrieben – LED-Simulatoren mit lückenhaftem, aber „passend platziertem“ Spektrum nicht zuverlässig von solchen mit tatsächlich kontinuierlicher Spektralreproduktion unterscheidet.

Zell- und Modulfertigung. In der industriellen Fertigung sortieren Flash-Tester Module anhand ihrer unter simulierter Bestrahlung gemessenen Leistung in Leistungsklassen. Kritische Prozessgröße ist hier vor allem die zeitliche Stabilität während der kurzen Blitzdauer, da Durchsatz und Reproduzierbarkeit unmittelbar von der Wiederholgenauigkeit des Blitzes abhängen.

Forschung und Entwicklung. Universitäre und institutionelle Labore – etwa im Rahmen der Entwicklung neuer Absorbermaterialien – benötigen spektral flexible, oft kontinuierlich betriebene Simulatoren, weil neue Zellkonzepte wie Perowskit-Silizium-Tandems unter definiertem Dauerlicht charakterisiert werden müssen, um metastabile Effekte zu erfassen. Kritische Prozessgröße ist die spektrale Abstimmbarkeit auf die jeweilige Teilzelle.

Akkreditierte Kalibrier- und Zertifizierungslabore. Hersteller-unabhängige Wirkungsgradbestätigungen erfordern rückführbare Referenzzellen und eine dokumentierte, spektral aufgelöste Charakterisierung der Simulatorquelle. Kritische Prozessgröße ist die Messunsicherheit des Spektralfehlanpassungsfaktors, die im Kalibrierschein ausgewiesen werden muss.

Raumfahrt-Photovoltaik. Für Satelliten- und Raumfahrzeugzellen gilt als Referenz nicht AM1.5G, sondern das extraterrestrische AM0-Spektrum mit einer Bestrahlungsstärke von rund 1367 W/m² und einer im Vergleich zu AM1.5G stärkeren kurzwelligen Komponente, da die spektral filternde Wirkung der Erdatmosphäre entfällt. Kritische Prozessgröße ist hier die spektrale Übereinstimmung im UV- und blauen Spektralbereich.

Konzentrator-Photovoltaik (CPV). Bei Systemen, die Sonnenlicht optisch bündeln, sind Simulatoren mit hoher Bestrahlungsstärke von mehreren hundert bis mehreren tausend „Suns“ erforderlich. Kritische Prozessgröße ist die Homogenität des stark fokussierten Lichtflecks, da Inhomogenitäten bei hoher Konzentration überproportional zu lokalen thermischen und elektrischen Effekten führen.

Materialalterung und Verkapselung. Angrenzend an die elektrische Leistungsprüfung steht die beschleunigte Alterungsprüfung von Verkapselungsfolien, Klebstoffen, Rückseitenmaterialien und Antireflexbeschichtungen unter UV-Bestrahlung. Hier ist nicht der elektrische Ertrag, sondern die photochemische Wirkung entscheidend – siehe dazu die vertiefenden Grundlagen zu UV-Alterung, Farbechtheit und Photostabilität.

Tandem- und Mehrfachsolarzellen erfordern Multi-Source-Simulatoren mit typischerweise mehreren Dutzend unabhängig regelbaren Spektralkanälen. Ein am Fraunhofer-Institut für Solare Energiesysteme ISE realisiertes System für Perowskit-Silizium-Tandemmodule kombiniert 28 spektral einstellbare Lichtkanäle auf 40 Lichtquellen mit insgesamt 18.400 LEDs über einen Wellenlängenbereich von 320 bis 1650 Nanometern und erlaubt zusätzlich die Simulation unterschiedlicher Tageszeiten und Standortspektren (Fraunhofer ISE, 2023).

Bifaziale Module benötigen eine kontrollierte Bestrahlung sowohl der Vorder- als auch der Rückseite, da der zusätzliche rückseitige Ertrag im Feld von diffuser und reflektierter Strahlung abhängt. Die technische Spezifikation IEC TS 60904-1-2 beschreibt hierfür Verfahren zur Kennlinienmessung bifazialer Zellen und Module sowohl unter natürlicher als auch unter simulierter Bestrahlung.

Instabile Materialien (Perowskit). Klassische Flash-Simulatoren aus der Silizium-Fertigung lassen sich für Perowskit-basierte Zellen nicht ohne Weiteres verwenden, da die kurze Blitzdauer nicht ausreicht, um das lichtinduzierte, metastabile Verhalten dieser Materialklasse zu erfassen. Erforderlich ist eine Charakterisierung unter kontinuierlicher Beleuchtung mit stabilisierter Leistungsmessung über einen definierten Zeitraum – ein von einem internationalen Forschungskonsortium konsentiertes Vorgehen empfiehlt hierfür unter anderem Lichtintensitäten von 800 bis 1000 W/m² mit dokumentierter Spektralcharakteristik der Quelle (Khenkin et al., 2020).

Konzentrierte Bestrahlung. Für CPV-Systeme kommen kontinuierliche Xenon-Simulatoren mit Homogenisierstab und Kollimationsoptik oder gepulste Hochfluss-Aufbauten zum Einsatz, die kurzzeitig mehrere hundert Suns erzeugen, ohne den Prüfling thermisch zu überlasten.

Ausgangspunkt jeder Sonnensimulator-Charakterisierung ist die Frage, welche Messgröße für die jeweilige Anwendung überhaupt aussagekräftig ist – nicht, welches Messgerät verfügbar ist. Für die reine Intensitätskontrolle im Produktionsalltag reicht häufig eine breitbandige radiometrische Messung mit einem kalibrierten Silizium- oder Thermosäulen-Sensor in der Probenebene aus, sofern das Spektrum der Quelle bekannt und stabil ist. Sobald jedoch ein Sonnensimulator neu in Betrieb genommen, nach einem Lampenwechsel requalifiziert oder für eine Zertifizierung eingesetzt wird, ist eine spektral auflösende Messung notwendig, weil nur sie die Klassifizierung nach IEC 60904-9 sowie die Bestimmung des Spektralfehlanpassungsfaktors ermöglicht.

Räumliche Messungen werden dann erforderlich, wenn die Prüffläche groß ist im Verhältnis zur Homogenitätszone der Quelle – etwa bei ganzen Modulen statt Einzelzellen; die Norm verlangt hierfür eine Rastermessung an einer Mindestanzahl definierter Positionen. Zeitaufgelöste Messungen sind bei gepulsten oder thermisch vorlaufabhängigen Quellen unverzichtbar, da sich Intensität und teilweise auch Spektrum während des Messfensters ändern können.

Bei jeder dieser Messungen ist die Messunsicherheit explizit zu betrachten: Sie setzt sich aus der Kalibrierunsicherheit des Sensors, der spektralen Fehlanpassung des Sensors selbst gegenüber dem Referenzspektrum und – bei abgeleiteten Wirkungsgradwerten – der Unsicherheit des Mismatch-Faktors zusammen. Die Rückführbarkeit der eingesetzten Sensorik auf nationale oder internationale Normale ist dabei keine Formalie, sondern Voraussetzung dafür, dass unterschiedliche Labore überhaupt vergleichbare Werte berichten können.

In automatisierten Fertigungslinien ist der Sonnensimulator in der Regel Teil eines Inline-Flash-Testers, der jedes Modul nach der Laminierung mit einem kurzen Lichtpuls prüft und anhand der gemessenen Kennlinie automatisch in Leistungsklassen sortiert. Technisch bedeutsam ist dabei weniger die reine Netzwerkanbindung als die Notwendigkeit, die spektrale und intensitätsbezogene Stabilität der Quelle über Tausende Prüfzyklen hinweg zu überwachen: Lampenalterung, Verschmutzung optischer Elemente und thermische Drift verändern die effektive Bestrahlungsstärke schleichend, ohne dass dies an der äußeren Erscheinung der Anlage erkennbar wäre.

Produktionsnahe Überwachungskonzepte kombinieren deshalb eine vollständige spektrale Referenzmessung in größeren Zeitabständen mit einer kontinuierlichen, breitbandigen Kontrollmessung an einem festgelegten Wellenlängenbereich zwischen den vollständigen Kalibrierzyklen. So lässt sich eine schleichende spektrale Verschiebung frühzeitig erkennen, ohne bei jedem einzelnen Prüfzyklus eine vollständige, zeitaufwendige Spektralmessung durchführen zu müssen. Die Integration solcher Kontrollmessungen in die Anlagensteuerung erlaubt es, Abweichungen von einem hinterlegten Referenzspektrum automatisiert zu erkennen, bevor sie sich in fehlerhaft klassifizierten Modulen niederschlagen.

• Übergang von Gasentladungslampen zu LED-Technik. LED-Simulatoren ersetzen zunehmend Xenon- und Metallhalogenidsysteme, weil sie längere Lebensdauern, geringeren Wartungsaufwand und eine elektrisch statt optisch einstellbare Spektralformung bieten. Die technische Konsequenz ist eine Verschiebung der Prüfschwerpunkte von der Filteroptik hin zur elektronischen Kanalsteuerung und zur softwareseitigen Spektralkalibrierung einzelner LED-Gruppen.
• Einführung der A+-Klasse und optionaler Spektralkennwerte. Mit IEC 60904-9:2020 wurde die Bewertungsschärfe verdoppelt und mit SPC/SPD ein Instrument eingeführt, das gezielt gegen die formale Erfüllbarkeit der Bin-Klassifizierung durch lückenhafte LED-Spektren wirkt. Die technische Konsequenz ist ein steigender Dokumentationsaufwand für Gerätehersteller, die künftig nicht nur eine Klassenbezeichnung, sondern auch Abdeckungs- und Abweichungswerte transparent ausweisen müssen.
• Multi-Source-Systeme für Tandemtechnologien. Mit dem Markteintritt von Perowskit-Silizium-Tandemmodulen entstehen Simulatoren mit mehreren Dutzend unabhängig regelbaren Spektralkanälen und erweiterten Wellenlängenbereichen bis über 1600 Nanometer. Die technische Konsequenz ist eine engere Kopplung von Simulatorkalibrierung und Zellcharakterisierung, da die spektrale Einstellung für jede Teilzelle individuell bestimmt werden muss.
• Bifaziale Prüfverfahren. Die technische Spezifikation IEC TS 60904-1-2 formalisiert Verfahren zur Messung bifazialer Module unter simulierter und natürlicher Bestrahlung. Die technische Konsequenz ist ein zusätzlicher Sensorbedarf für die Rückseitenbestrahlung und ein wachsender Bedarf an Prüfständen, die beide Modulseiten gleichzeitig kontrolliert beleuchten können.
• Stabilisierte Leistungsprotokolle für instabile Materialien. Für Perowskit- und andere metastabile Zelltechnologien setzen sich konsentierte Testprotokolle mit kontinuierlicher Beleuchtung und zeitaufgelöster Leistungsstabilisierung durch. Die technische Konsequenz ist eine Abkehr von der reinen Momentaufnahme der klassischen Blitzmessung hin zu einer über Minuten bis Stunden dokumentierten Leistungskurve.

Die folgende Publikation entwickelt ein Verfahren zur präzisen spektralen Nachführung von LED-basierten Mehrquellen-Simulatoren speziell für Tandemsolarzellen und ist damit unmittelbar relevant für die Messtechnik von Perowskit-Silizium-Modulen:

„A precise method for the spectral adjustment of LED and multi-light source solar simulators“, Chojniak, D., Schachtner, M., Reichmuth, S. K., Bett, A. J., Rauer, M., Hohl-Ebinger, J., Schmid, A., Siefer, G., Glunz, S. W., Progress in Photovoltaics: Research and Applications, 32(6), 372–389, 2024, DOI: 10.1002/pip.3776.

Diese Arbeit untersucht systematisch, wie sich die Unsicherheit des Spektralfehlanpassungsfaktors aus den Unsicherheiten der beteiligten Spektren mittels Monte-Carlo-Verfahren berechnen lässt, und liefert damit eine quantitative Grundlage für Kalibrierunsicherheitsbudgets:

„Spectral Mismatch Uncertainty Estimation in Solar Cell Calibration Using Monte Carlo Simulation“, Maham, K., Kärhä, P., Ikonen, E., IEEE Journal of Photovoltaics, 13(6), 899–904, 2023, DOI: 10.1109/JPHOTOV.2023.3311890.

Die folgende, häufig zitierte Grundlagenarbeit war die erste systematische Behandlung der Unsicherheit des Spektralfehlanpassungsfaktors bei Standard-Testbedingungen und bildet bis heute eine methodische Referenz für Kalibrierlabore:

„Uncertainty of the spectral mismatch correction factor in STC measurements on photovoltaic devices“, Hohl-Ebinger, J., Warta, W., Progress in Photovoltaics: Research and Applications, 19(5), 573–579, 2011, DOI: 10.1002/pip.1059.

Dieses international konsentierte Positionspapier definiert Mess- und Berichtsprotokolle für die Stabilitätsprüfung von Perowskit-Solarzellen und begründet unter anderem die Notwendigkeit kontinuierlicher, spektral dokumentierter Beleuchtung anstelle kurzer Blitzmessungen:

„Consensus statement for stability assessment and reporting for perovskite photovoltaics based on ISOS procedures“, Khenkin, M. V., Katz, E. A., Abate, A. et al., Nature Energy, 5(1), 35–49, 2020, DOI: 10.1038/s41560-019-0529-5.

Auch in den eigenen Kundenveröffentlichungen taucht die Photovoltaik in mehreren Facetten auf – von der UV-Alterung der Modulverkapselung über die UV-Prozessierung von Zellschichten bis zur Prüfung von Solararrays für den Raumfahrteinsatz.

Vergleicht vier Verkapselungsmaterialien für Photovoltaikmodule unter UV-Bestrahlung in der Atacama-Wüste – einem der weltweit UV-intensivsten Testfelder für Modulalterung.
Comparing the effects of ultraviolet radiation on four different encapsulants for photovoltaic applications in the Atacama Desert
Correa-Puerta, Jonathan, et al. "Comparing the effects of ultraviolet radiation on four different encapsulants for photovoltaic applications in the Atacama Desert." Solar Energy 228 (2021): 625-635.

Untersucht, wie UV-bedingte Degradation an passivierten Kontakten von Silizium-Heterojunction-Zellen entsteht – einer der Zelltechnologien, die dieser Seite als spektral eigenständige Klasse ausdrücklich nennt.
Passivating Contacts-Related Ultraviolet-Induced Degradation in Silicon Heterojunction Solar Cells
Xu, Binbin, et al. "Passivating Contacts-Related Ultraviolet-Induced Degradation in Silicon Heterojunction Solar Cells." Small Structures 7.6 (2026).

Setzt UV-LED-Bestrahlung gezielt zum schichtselektiven Tempern von Perowskit-Solarzellen ein und bestimmt die dafür nötige Kristallisationsenergie – ein Beispiel für UV als Fertigungswerkzeug, nicht nur als Prüfmittel.
Rapid Layer-Specific Annealing Enabled by Ultraviolet LED with Estimation of Crystallization Energy for High-Performance Perovskite Solar Cells
Ouyang, Zhongliang, et al. "Rapid Layer-Specific Annealing Enabled by Ultraviolet LED with Estimation of Crystallization Energy for High-Performance Perovskite Solar Cells." Advanced Energy Materials 10.4 (2020): 1902898.

Entwickelt einen eigenen Hochintensitäts-Bestrahlungsaufbau für die kontrolliert beschleunigte Photodegradation organischer Solarzellen – methodisch verwandt mit den in dieser Seite beschriebenen Hochfluss-Sonnensimulatoren für die Konzentrator-Photovoltaik.
Development of a High Irradiance Setup for Precisely Controlled Accelerated Photo-Degradation of Organic Solar Cells
Burlafinger, Klaus. Development of a High Irradiance Setup for Precisely Controlled Accelerated Photo-Degradation of Organic Solar Cells. Diss. Friedrich-Alexander-Universität Erlangen-Nürnberg (FAU), 2020.

Prüft Solararray-Materialien der ESA-Mission BepiColombo unter hoher Intensität und hoher Temperatur – ein Praxisbeispiel für Raumfahrt-Photovoltaik, wie sie im Abschnitt zu den Einsatzorten dieser Seite beschrieben ist.
High-intensity high-temperature testing of materials for the Bepi Colombo MPO and MTM solar arrays
Tighe, Adrian, et al. "High-intensity high-temperature testing of materials for the Bepi Colombo MPO and MTM solar arrays." CEAS Space Journal 13 (2021): 475-492.

Weitere Arbeiten aus verwandten Themenfeldern sind in den Veröffentlichungen von Kunden nach Themen zusammengestellt.

• IEC 60904-9:2020, Photovoltaic devices – Part 9: Solar simulator performance requirements (national: DIN EN IEC 60904-9 VDE 0126-4-9); ergänzend IEC TS 60904-1-2:2024 (bifaziale Module) sowie ASTM E927-19 / ASTM G173-03.
• International Energy Agency (IEA): Global Energy Review 2026 – Technology: Solar PV and wind, 2026. https://www.iea.org/reports/global-energy-review-2026/technology-solar-pv-and-wind
• Khenkin, M. V.; Katz, E. A.; Abate, A. et al.: Consensus statement for stability assessment and reporting for perovskite photovoltaics based on ISOS procedures, Nature Energy 5(1), 35–49, 2020. https://doi.org/10.1038/s41560-019-0529-5
• Chojniak, D.; Schachtner, M.; Reichmuth, S. K. et al.: A precise method for the spectral adjustment of LED and multi-light source solar simulators, Progress in Photovoltaics 32(6), 372–389, 2024. https://doi.org/10.1002/pip.3776
• Hohl-Ebinger, J.; Warta, W.: Uncertainty of the spectral mismatch correction factor in STC measurements on photovoltaic devices, Progress in Photovoltaics 19(5), 573–579, 2011. https://doi.org/10.1002/pip.1059
• Maham, K.; Kärhä, P.; Ikonen, E.: Spectral Mismatch Uncertainty Estimation in Solar Cell Calibration Using Monte Carlo Simulation, IEEE Journal of Photovoltaics 13(6), 899–904, 2023. https://doi.org/10.1109/JPHOTOV.2023.3311890

Wie funktioniert ein Sonnensimulator in der Photovoltaik?
Ein Sonnensimulator bildet die spektrale Bestrahlungsstärke des Sonnenlichts unter definierten Referenzbedingungen (meist AM1.5G, 1000 W/m², 25 °C Zelltemperatur) nach. Eine Lichtquelle wird über Optiken, Filter oder – bei LED-Systemen – über eine elektronische Kanalsteuerung so eingestellt, dass Spektrum, räumliche Verteilung und zeitlicher Verlauf der Bestrahlungsstärke die Norm-Grenzwerte einhalten.

Welche Wellenlänge beziehungsweise welches Spektrum eignet sich für die Photovoltaik-Prüfung?
Für terrestrische Anwendungen ist AM1.5G der Standard, für Raumfahrtanwendungen AM0. Der relevante Wellenlängenbereich hängt vom Zelltyp ab: 400–1100 nm für klassisches Silizium, 300–1200 nm für Dünnschicht- und moderne Siliziumzellen, bis zu 1800 nm für III-V-Mehrfachzellen.

Welche Bestrahlungsstärke ist für Standard-Testbedingungen erforderlich?
Die Standard-Testbedingungen (STC) legen 1000 W/m² AM1.5G-Bestrahlungsstärke bei 25 °C Zelltemperatur fest. Diese drei Größen – Spektrum, Intensität, Temperatur – müssen gemeinsam eingehalten werden; das Fehlen einer der drei Angaben macht ein Messergebnis nicht mit anderen Messungen vergleichbar.

Was ist der Unterschied zwischen Klasse AAA und Klasse A+A+A+?
Beide bezeichnen die höchste beziehungsweise eine erweiterte Klassifizierung nach IEC 60904-9. Klasse AAA erfüllt in allen drei Kriterien (Spektrum, Homogenität, Stabilität) Klasse A. Klasse A+ wurde 2020 eingeführt, verlangt doppelt so enge Toleranzen wie Klasse A und muss über einen erweiterten Spektralbereich von 300–1200 nm nachgewiesen werden.

Warum liefert ein Sonnensimulator trotz nominell ausreichender Lampenleistung falsche Messwerte?
Elektrische Lampenleistung und optische Bestrahlungsstärke in der Probenebene sind nicht linear gekoppelt; Alterung, Filterzustand und Temperatur verändern den elektrooptischen Wirkungsgrad. Zusätzlich kann ein Spektralfehlanpassungsfehler auftreten, wenn Quellenspektrum und Zellempfindlichkeit vom Referenzfall abweichen – dieser Fehler ist unabhängig von der Intensität und muss rechnerisch korrigiert werden.

Wie wird die spektrale Bestrahlungsstärke eines Sonnensimulators gemessen?
Die spektrale Charakterisierung erfolgt mit einem kalibrierten Spektroradiometer in der Probenebene, ergänzt durch eine Rastermessung über die Prüffläche zur Bestimmung der räumlichen Gleichförmigkeit und – bei gepulsten Quellen – eine zeitaufgelöste Erfassung während der Blitzdauer.

Welche Simulatortechnologie eignet sich für Tandemsolarzellen?
Für Perowskit-Silizium-Tandem- und Mehrfachsolarzellen sind Multi-Source-LED-Simulatoren mit unabhängig regelbaren Spektralkanälen erforderlich, da jede Teilzelle individuell auf ihren Referenzphotostrom eingestellt werden muss. Klassische Ein- oder Zweilampen-Xenonsysteme können diese Anforderung in der Regel nicht erfüllen.

Warum reicht eine Momentaufnahme mit einem Flash-Tester für Perowskit-Zellen nicht aus?
Perowskit-Materialien zeigen ein metastabiles, lichtinduziertes Verhalten, das sich erst nach mehreren Sekunden bis Minuten kontinuierlicher Beleuchtung stabilisiert. Ein Blitz im Millisekundenbereich erfasst nur einen Übergangszustand; konsentierte Prüfprotokolle verlangen deshalb eine zeitaufgelöste Leistungsmessung unter Dauerlicht.

Eine nominelle Klassenbezeichnung sagt wenig darüber aus, wie stabil und spektral homogen ein Sonnensimulator im laufenden Betrieb tatsächlich ist. Wer belastbare Wirkungsgradangaben für Zellen, Module oder neue Materialklassen benötigt, kommt an einer spektral aufgelösten Charakterisierung in der Probenebene nicht vorbei – und an der rückführbaren Kalibrierung der dafür eingesetzten Sensorik. Für die spektrale Charakterisierung von Sonnensimulatoren und Globalstrahlung steht das SR900 zur Verfügung, für die kontinuierliche Überwachung eines festgelegten Wellenlängenbereichs zwischen vollständigen Kalibrierzyklen ein RMD Pro, und für kontrollierte UV-Belastungsversuche an Verkapselungsmaterialien Bestrahlungskammern mit dosisgeführter Steuerung über UV-MAT. Sprechen Sie uns zu Ihrer Prüfaufgabe an.