Energietransition ist Technologiewandel
Modellskizze
Die Energietransition ist der grösste Technologiewandel in der Geschichte. Dieser Wandel wird die Wettbewerbsfähigkeit ganzer Ökonomien entscheiden, wenn die Reaktionen auf diesen Wandel nur kurzfristig, aktionistisch orientiert sind. Diesem Wandel wie bisher ohne ausreichende Vorausschau, ohne geeignete Modelle zu begegnen, ist mehr als fahrlässig.
Modellierungen der Energietransition gibt es viele und nahezu alle haben versagt. Aber es gibt verlässliche Modellierungen. Die die Empirie vergangener erfolgreicher Technologietransitionen hat sich als verlässlicher Schätzer für laufende Technologietransitionen erwiesen. Das ist die Grundlage für verlässliche Modelle, für das Management der ökonomischen Herausforderungen, das Bestehen im Wettbewerb.
Empirisch basierend
Computer-Modell
Wir haben Anfang 2018 ein empirisch basiertes Computer-Modell erstellt und es erweist sich als herausragend verlässlich. Darüber hinaus hat unser Modell Bestätigung durch global führende Forschung erfahren, durch die Parallele und unabhängige Entwicklung des gleichen Konzepts. Wir betrachten das als eine ausserordentliche Bestätigung unserer Modellierung. Ebenso besteht das Modell die höchsten Anforderungen der Bankenregulation an die Validierung1 mit Bravour.
Aber reichen die Validierung und die Bestätigung durch global führende Wissenschaft? Warum sollten die Prognosen stimmen können? Was ist mit den vielen Hindernissen wie knappen Ressourcen oder hohen Investitionskosten, die es zu bewältigen gilt? Die Plausibilisierung der Modellprognosen fällt eindrücklich aus; wirkliche Hindernisse gibt es nur auf der politischen Ebene.
Die empirische basierte Modellierung von Technologietransitionen nutzt primär die Charakteristika erfolgreicher Technologietransitionen und die mit diesen Transitionen einhergehende beständige Preisreduktion ebendieser Technologien. Diese Preisreduktion wiederum unterstützt das weitere Wachstum dieser Technologie. Dieser wirkungsvolle Zusammenhang erklärt grundsätzlich2 den Erfolg der Technologietransitionen. Umfassende wissenschaftliche Analysen bestätigen dieses und liefern die Grundlage für die genutzte Modellierung.
Aber ist die Energietransition überhaupt für die Nächsten 20 – 25 Jahre verlässlich modellierbar? Haben nicht vergangene Transitionsmodelle und deren Prognosen wie die der IEA mit Ihrem spektakulär falschen Versagen3 gezeigt, dass die Modellierung nicht verlässlich ist? Können nicht neue Entwicklungen, beispielsweise die Renaissance der Kernenergie, jedwede Modellierung ad absurdum führen? Die vorweggenommene Antwort lautet klar, nein.
Das Bemerkenswerte an vielen bisherigen Modellen ist, dass sie noch nicht einmal annähernd den bisherigen Verlauf der Transition widerspiegeln, das war noch nicht einmal ein Ziel bei der Modellentwicklung. Damit würden diese Modelle den regulatorischen Modellvalidierungsstandards4 von vorneherein nicht standhalten.
Die Problematik der ungeeigneten Transitionsmodelle hat inzwischen prominente Anerkennung gefunden. Unter anderem fordert Bank for International Settlement (BIS) zu erkenntnistheoretisch neuen Ansätzen in der Prognose der Transition5 auf. Sie fordert darüber hinaus auch zu neuen Ansätzen im Risikomanagement auf. Der Grund für letzteres ist, dass die traditionellen Risikomanagementsysteme grundsätzlich «backward looking» sind und aufkommende neue Risiken somit per design nicht erkennen können.
Wir hatten uns bereits vor der Aufforderung der BIS das Ziel gesetzt, einen neuen und verlässlichen Ansatz zu entwickeln. Die Empirie vergangener Technologietransitionen ist ein guter Schätzer für laufende Transitionen. Zu Beginn wächst eine erfolgreiche die Technologie exponentiell, bis zur ~ 50%-igen Abdeckung des Marktes. Gefolgt wird diese Phase von linearem Wachstum, um zum Schluss abzuflachen und gegen den Markt zu konvergieren. Dieser Verlauf ist als S-Kurve bekannt. Die EE zeigen seit langem ein exponentielles Wachstum. Als Beispiel zeigt die nachfolgende Abbildung die Modellierung des Trends (bis 2023 die historische Entwicklung) anhand der bekannten Charakteristika auf.
1 FED SR 11 – 7, April 4, 2011, https://www.federalreserve.gov/supervisionreg/srletters/sr1107.htm
2 Dieser Zusammenhang zwischen Volumenwachstum und Preisdegression wird bei hochgradig skalierbaren Produkten beobachtet.
3 PV Magazine: IEA versus the reality of solar PV, November 20, 2018, https://www.pv-magazine.com/2018/11/20/iea-versus-solar-pv-reality/
4 Federal Reserve System (FED), SR 11-7: Guidance on Model Risk Management, 04.April 2011
Abbildung #: Wright’s Law für Photovoltaik auch bekannt unter Swanson’s Law. Die Grafik nutzt eine doppelt logarithmische Skalierung.
Empirisch belegt ist auch ein nahezu gesetzmässiges Preisverhalten (Wright’s Law), das mit der Ausweitung der Produktion einhergeht. Bei standardisierbaren Produkten (PV-Panels, Flachbildschirmen, Batterien, Smart-Phones, etc.) fallen die Kosten mit jeder Verdoppelung des insgesamt produzierten Volumens um einen technologiespezifischen Prozentsatz, der Lernrate.
In der Photovoltaik zeigt die sich diese Gesetzmässigkeit seit 48 Jahren eindrucksvoll. So wird die global installierte Leistung mit 36% p.a. erhöht und die Kosten sinken mit jeder Verdoppelung um 23% (Lernrate). Seit 1976 sind die Kosten in PV-Modulen von $ 100 Wp6 auf unter $ 0.10 Wp gefallen. Die Graphik zeigt eine gewisse Volatilität um den Trend, was nicht weiter überraschend und auch nicht von grosser relevanz ist.
Diese Entwicklung gilt für alle erfolgreichen7 Technologien und somit auch für EE und Batterien, sie verdrängen zusehends fossile und nukleare Stromerzeugung.
Die Empirie vergangener Technologietransitionen, sowohl deren Volumenwachstum als auch die Preisdegression ist das Fundament unseres Modells.
6 Für das Watt peak (Wp), standardisierte Leistung bei definierten Parametern
7 Wir betrachten Technologien als erfolgreich, wenn sie eine ausreichendes Track-Record von Mengenwachstum und Preisrückgang, ein ausreichendes Gesamtvolumen, gesellschaftliche Akzeptanz und keine bekannten Ressourcenbeschränkungen aufweisen.
Stabilität des Modells
Ziele der Modellentwicklung
Ein wichtiges Ziel der Modellentwicklung war und ist die Stabilität des Modells. Ein reduziertes Parameterset ist dabei mitentscheidend. Umfangreiche Parametersets, Überkomplexität führt grundsätzlich zu geringerer Verlässlichkeit, wie u.a. aus der Forschung zu Risikomodellen im Finanzsektor bekannt ist. Komplexe sozioökonomische Annahmen für die Modellierung von Verhalten haben wir nicht nur aufgrund der großen Anzahl von Parametern und ihrer teilweisen gegenseitigen Abhängigkeiten sowie der Anfälligkeit für temporäre soziale Effekte verworfen, die schlechte Performance dieser Modelle war der wichtigste Aspekt, auf derartige Modelle zu verzichten.
Die Charakteristika der Technologieentwicklung wie der Zusammenhang zwischen total produziertem Volumen in den Energietechnologien (PV, Wind, Akkus, etc.) und dem Preis, Wright’s Law, hingegen sind empirisch belegt und die zentrale Modellkomponente.
Der gewählte Ansatz vermeidet sowohl willkürliche Annahmen zur Transition als auch die erwiesenermassen schwachen Expertenschätzungen8 zur zukünftigen technologischen Entwicklung.
Besonders hervorzuheben ist die steigende Energieeffizienz neuer Technologien, wie die Ablösung der fossilen Stromerzeugung. Im globalen Durchschnitt hat sie einen Wirkungsgrad von lediglich 38%, der Rest ist Verlustleistung in Form von Abwärme. Jede kWh EE-Strom vermeidet somit den Verbrauch von 2.63 kWh fossiler Energie. PKW mit Verbrennungsmotoren benötigen ca. 4 x mehr Energie als ein Elektrofahrzeug, ähnlich hoch ist der Effizienzgewinn beim Einsatz von Wärmepumpen. Die Steigerung der Effizienz trägt entscheidend zur Energietransition bei und sie ist in der Modellierung entsprechend berücksichtigt.
Technologien, die bisher im Prototypenstatus sind oder im kleintechnologischen Umfang eingesetzt werden, haben wir aufgrund der benötigten Grössenordnung im Energiesektor als nicht ausreichend ausgeschlossen. Das betrifft Technologien wie beispielsweise Carbon Capture and Storage (CCS). Realistischerweise können sie in der kurzen Zeit bis 2045 selbst bei exponentiellem Wachstum mit realistischen Raten keinen materiellen Anteil am Energiewandel erzielen.
Ferner wurden weder die CO2 Preise für Emissionsrechte noch die Kosten der Schäden physischer Auswirkungen der globalen Erwärmung berücksichtigt. Die CO2 Emissionsrechte sind global stark heterogen. Es gibt noch zu viele Ausnahmen und gratis Zuteilungen von Zertifikaten, dadurch sind selbst in den einzelnen Ländern wie Deutschland keine einheitlichen sektorübergreifenden Preise feststellbar und es lässt sich bisher keine globale Wirkung auf die Energie-Transition feststellen.
Beschränkungen im Konsumverhalten wie Verzicht wurden nicht berücksichtigt. Wie die Vergangenheit gezeigt hat, bleiben Warnungen vor allgemeinen Risiken fast wirkungslos. Dieses hat sowohl der Club of Rome mit seinen eindrücklichen Warnungen gezeigt wie auch die fortlaufende Warnung vor der fortschreitenden Klimaerwärmung gezeigt, trotz einer sehr hohen Prominenz haben sich die Warnungen nicht in durchgängigen Verhaltensänderungen niedergeschlagen.
Die nachfolgende Grafik zeigt die erwartete Transition, wie sie aus der vorstehend skizzierten empirische Modellierung resultiert.
Gesamtenergieverbrauch – nach Quelle – bis 2050
Gut erkennbar ist der Corona Einschnitt in 2020. Prägnant ist der Rückgang des Gesamtenergieverbrauchs bis ~ 2033. Was zunächst überraschend wirkt erklärt sich massgeblich durch der Effizienzsteigerung in den Energietechnologien. Die Effizienzgewinne werden auch nach 2033 anhalten, aber ab ca. 2033 drück sich das Wachstum des Energieverbrauchs wieder durch. Der Mehrbedarf wird dann durch den Zuwachs der EE gedeckt.
Das Modell weist auch die Möglichkeiten und Grenzen der Wasserstoffproduktion gut aus. Trotz des exponentiellen Wachstums bis ca. 2043 wird Wasserstoff primär nur für die nicht elektrifizierbaren Anwendungen bereitstehen können. Das sind primär die petrochemische Industrie (Kunst- und Schmierstoffherstellung), die Düngemittelindustrie. Treibstoffe für Langstreckenflüge und -Schiffstransporte sind kaum materiell. Im Strassenverkehr gibt es zum einen energetisch deutlich effizientere Alternativen als den Wasserstoffantrieb. Zum anderen würde diese Entwicklung deutlich zu spät erfolgen, die Elektrifizierung wird bis dahin abgeschlossen sein.
Ca. 48% des Ölverbrauchs gehen auf den Strassenverkehr zurück, dieser Anteil wird bis ca. 2042 im Wesentlichen durch Strom (BEVs – Battery Electric Vehicles) ersetzt. Auffällig ist auch, dass grüner Wasserstoff (mit Hilfe der EE produziert) und synth. Kohlenwasserstoffe (gepunktete Fläche im Solaranteil) vor 2034 so gut wie nicht erkennbar ist. Ab ca. 2034 wird er wahrscheinlich den Break Even zu den fossilen Energien erreicht haben, aber der Anteil an der Energiebereitstellung wird bis dahin deutlich weniger als 1% betragen. Preislich und Volumenmässig ist das eine auffällige Analogie zur PV im Jahr 2022.
Der weitere technische Fortschritt und das Wachstum in der Übertragungs- und Speichertechnologie unterstützen die Energietransition. Der Preiseinbruch der Batterien in 2024 auf teilweise unter $ 60/ kWh unterstreicht den Trend. Aus effizienzgründen wird die Kohleverstromung weltweit bis ca. 2033 durch die EE und in geringem Masse die flexibleren Gas-Peaker (Spitzenlastkraftwerke) verdrängt. Aufgrund der geringen Einsatzzeiten der Gas-Peaker werden diese auch nur geringen CO2 Emissionen verursachen. Der Erdgaseinsatz im Wärmesektor (Heizungssektor) wird zunehmend durch strombetriebene Wärmepumpen reduziert werden.
Die Kernenergie haben wir aufgrund des Trends als Konstant angesetzt. In den letzten Jahrzehnten ist kaum nennenswerte Veränderungen der weltweit installierten Kraftwerkskapazität zu verzeichnen. Zum einen stehen extreme Kosten neuer AKWs der Entwicklung entgegen und zum anderen können neue AKWs bei Einhaltung moderner Sicherheitsstandards nicht rechtzeitig bereitstehen.
Die gegenwärtigen Kapazitäten in CCS sind zum einen sehr gering und zum anderen ist die Zuwachsrate ebenfalls unbedeutend. CCU (Cabon Capture and Usage) kann als Kohlenstoffquelle für die synthetischen Treibstoffe eine Zukunft haben, aber dieses lässt sich aufgrund fehlender historischer Daten nicht verlässlich modellieren. Einen materiellen Einfluss auf den CO2 Gehalt der Atmosphäre wird CCU bis 2050 nicht haben.
Die vorstehenden Aussagen betreffen den wahrscheinlichen, den erwarteten Verlauf der Transition. Abweichungen von dem prognostizierten Verlauf sind möglich, deutliche Abweichungen insbesondere über längere Zeiträume sind jedoch unwahrscheinlich, wie die Empirie eindrucksvoll zeigt. Trotzdem verweisen wir auf den drastischen Preiseinbruch in PV-Modulen in 2023/2024 wie auch im Batteriesektor in 2024. Auch wenn eine Marktbereinigung insbesondere in der PV-Modulproduktion zu erwarten ist, so kann der gegenwärtige Preiseinbruch eine Beschleunigung der Transition nach sich ziehen. Zu den möglichen Konsequenzen verweisen wir auf den Abschnitt Risiken und auf Risikomanagement.
8 Jing Meng, Rupert Way, Elena Verdolini, and Laura Diaz Anadon. Comparing expert elicitation and model-based probabilistic technology cost forecasts for the energy transition. Proceedings of the National Academy of Sciences, 118(27), 2021. ISSN 0027- 8424. doi: 10.1073/pnas.1917165118. URL https://www.pnas.org/content/118/27/ e1917165118.
Korrekte Basis, bessere Ergebnisse
Kosten der Transition
Die vermeintlich hohen Kosten der Transition sind so oft angeführt worden, dass diese allein schon deshalb fast ausser Zweifel stehen. Aber anekdotische Evidenz ist ein sehr schlechter Ratgeber. Stets wurde nur auf Basis der aktuellen Kosten argumentiert und die weitere starke Kostendegression (Wright’s Law) der EE ausgeblendet. Inzwischen sind neue EE-Grossanlagen die günstigste Stromquelle und die weitere Kostendegression wird den Vorteil der EE ausbauen. Bereits die direkten Kosten für fossile Brennstoffe sind durchgängig höher als die Kosten für EE. Die Empirie spricht für eine weitere schnelle Verbilligung der EE. Somit könnte allenfalls der Netzausbau erhebliche Kosten verursachen. Dem stehen das drastische Wachstum und die ebensolchen Kostenreduktionen in Batterien entgegen. Eine smarte Einbindung in die Verteilnetze erübrigt grundsätzlich einen Verteilnetzausbau. Mit Somit kann die Transition wohl kaum teuer sein als die weitere uneingeschränkte Nutzung der fossilen Energien. Es kommt hinzu, dass bei den EE weder die Weiterverarbeitungskosten der fossilen Energien noch die Umweltschäden durch Abgase berücksichtigt werden müssen, um die ökonomische Vorteilhaftigkeit zu verdeutlichen.
Gemäss der Modellierung liegen die Kosten der Transition liegen um ca. 25% unter den direkten Ausgaben für fossile Energien bis 2045. Dabei ist der Zeithorizont mit 2045 noch stark eingeschränkt. In der No-Transition würden die Kosten für fossile Energien auch weiterhin jedes Jahr anfallen. Die für die EE fallen deutlich, da die Investitionen in EE nach der Transition grundsätzlich auf den Ersatz beschränkt sind. Die Ausgaben für fossile Energien beliefen sich 2022 auf ca. $ 5 Billionen. Zu diesen Kosten müssen u.a. noch die vom International Monetary Fund (IMF) quantifizierten Subventionen, allein für 2022 7 Billionen, hinzugerechnet werden. Davon ist mehr als eine Billion explizite direkte Subvention, die zu den Ausgaben für fossile Energien hinzuzurechnen wären. Das unterstreicht die Vorteilhaftigkeit der Transition deutlich. Auf eine Einbeziehung der Verarbeitungskosten fossiler Energien haben wir verzichtet.
Abschliessend verweisen wir darauf, dass die Ausgaben für den Infrastrukturausbau des Übertragungs- und Verteilnetzes nicht in die Modellierung einbezogen haben. Die vorgeblich hohen Kosten des Infrastrukturausbaus werden vielfach repetiert, ohne sie zu hinterfragen. Diese Kostenschätzungen wurden jedoch ohne das hohe Potential dezentraler Energiespeicherung in Batterien erstellt. Der Infrastrukturausbau wird damit grundsätzlich auf wenige Übertragungstrassen beschränkt werden können. In Verteilnetzen und sogar in Übertragungsnetzen wird der Stromtransport durch den Einsatz von Batterien zeitlich verlagert werden. In lastarmen Zeiten (nachts und zwischen den Peaks) stehen umfangreiche Kapazitäten zur Verfügung, die Netze sind im Tagesverlauf (24h) nur zu einem kleinen Teil ausgelastet. Wir haben den Ausbau der Batteriekapazitäten in der Modellierung berücksichtigt. Den Investitionen in den Ausbau der Übertragungsnetze in der Transition stehen primär die Subventionen für fossile Energien, die nicht berücksichtigten Verarbeitungskosten fossiler Energien sowie die Investitionen in den Ausbau der fossilen Energieinfrastruktur im No-Transition Szenario entgegen. Wir haben auf die genaue Gegenüberstellung bisher verzichtet, da sie von geringerer Grössenordnung sind.
Erwarteter Verbrauch fossiler Energie
CO2 Emissionen – das Pariser Klimaziel
Aus der Modellierung lassen sich die erwarteten direkten CO2 Emissionen bis 2050 aus dem Verbrauch fossiler Energien ableiten. Empirisch summieren sie sich ca. 335 Gt, was das Einhalten des Pariser Klimaziels von 1.5° als möglich erscheinen lässt. Dabei ist allerding die aktuelle Entwicklung, die global wärmsten Monate seit Beginn der Aufzeichnungen und die sich damit möglicherweise beschleunigende Erderwärmung nicht berücksichtigt. Zu dieser Beschleunigung tragen u.a. CO2 Emissionen aus Waldbränden oder die Auswirkungen steigender Methanemissionen aus auftauenden Permafrostböden der Arktis oder weiterer Effekte (erhöhte Mikrobentätigkeit aufgrund der Erderwärmung) bei.
Das soll keinesfalls heissen, dass wir das Problem der globalen Erwärmung für gelöst erachten. Aber die Modellierung drückt aus, dass die anthropogenen CO2 Emissionen mit hoher Wahrscheinlichkeit auf das vorindustrielle Niveau gesenkt werden können und dass diese Transition sogar ökonomisch attraktiv ist. Die Resultate der Modellierung sind ein zusätzlicher Anreiz, in den Bemühungen zur Erreichung der Energiewende nicht nachzulassen.
Erwarteter Verbrauch fossiler Energie
Gültigkeit des Modells und Plausibilisierung der Ergebnisse – Modellvalidierung
Viele Modelle haben die Geschwindigkeit der Transition drastisch unterschätzt und nahezu alle Prognosen zur Kostenreduktion der EE insbesondere der PV waren sogar spektakulär falsch 9&10 .
Aber warum sollte unsere Modellierung besser sein? Zumal die Ergebnisse auf den ersten Blick zu optimistisch erscheinen. Exakt das haben wir uns auch gefragt und nachfolgend alle uns bekannten Gegenargumente analysiert. Die bekanntesten zu lösenden Probleme sind die Energiespeicherung, die Verfügbarkeit der benötigten Rohstoffe (Schlagwort: Seltene Erden), Verfügbare Flächen für den Einsatz der EE, die mögliche Gegenwehr des fossile Energien Sektors, andere Energietechnologien (z.B. Atomenergie, fossile Energien mit CCS), sozioökonomische Aspekte, ausreichende Stromverfügbarkeit für E-Mobilität oder Wärmepumpen, der Ausbau der Energieinfrastruktur, die Zeit bis zum Netto-Null und nicht zuletzt die Kosten der Transition.
Die Kosten sind bereits vorstehend behandelt. Zu dem Argument der knappen Rohstoffe sei nur das Beispiel Lithium und der vielfach angeführten Knappheit aufgezeigt: Die weltweit bekannten Lithiumvorräte reichen aus, um die PKW-Flotte 8 x zu elektrifizieren und das Lithium kann aus Altbatterien zurückgewonnen werden. Zusätzlich wird mit jeder neuen Batteriegeneration weniger Lithium benötigt, um die gleiche Batterie-Kapazität zu erreichen. Von Knappheit kann hier keine Rede sein. Das gilt grundsätzlich auch für die anderen Rohstoffe.
Zu den Gegenargumenten der Energietransition sei nur kurz angefügt: Sie sind prinzipiell alle widerlegbar. Bis heute haben wir ausser der Politik keinen einzigen validen Grund gefunden, der die Transition verzögern könnte.
9 Marc Jaxa-Rozen and Evelina Trutnevyte. Sources of uncertainty in long-term global scenarios of solar photovoltaic technology. Nature Climate Change, 11(3):266–273, Mar 2021. ISSN 1758-6798. doi: 10.1038/s41558-021-00998-8. URL https://doi.org/10. 1038/s41558-021-00998-8
10 C. Wilson, A. Grubler, N. Bauer, V. Krey, and K. Riahi. Future capacity growth of energy technologies: are scenarios consistent with historical evidence? Climatic Change, 118(2): 381–395, May 2013. ISSN 1573-1480. doi: 10.1007/s10584-012-0618-y. URL https: //doi.org/10.1007/s10584-012-0618-y.
Management des Modellrisikos
Modellvalidierung – formale Aspekte
Validierungsstandards würden die Modellqualität und das Vertrauen in die Modellierung erhöhen. Im Bankensektor gibt es exakt diese hohen Anforderungen, die Modelle erfüllen müssen, bevor sie von der Aufsicht anerkannt werden. Unser Modell erfüllt die führenden bankregulatorischen Anforderungen an die Modellvalidierung mit Bravour. Darüber hinaus hat führende Forschung parallel den gleichen Ansatz aufgegriffen und damit den Modellansatz unterstrichen.
Die Verwendung nicht angemessener Modelle birgt erhebliche Risiken, die Nichtverwendung von Modellen birgt grössere Risiken. Eine initiale Plausibilisierung gibt bereits eine erste Indikation zur Modellierung, grobe Fehler in den Annahmen, den Daten oder der Modellierung würden sich nach 6 Jahren der Anwendung bereits zeigen. Die Modellrisiken sind jedoch nicht mit einer einfachen Plausibilisierung angemessen zu erfassen und zu steuern. Aus diesem Grund hat die FED11 mit der SR 11 – 7 einen umfassenden Anforderungskatalog zum Management der Modellrisiken erstellt. Diese führenden Anforderungen haben wir uns als Massstab auferlegt. Unser Modell erfüllt die bankregulatorischen Anforderungen des SR 11 – 7 in herausragender Weise.
Unter anderem wurden die Anfang 2018 erstellten Prognosen zu Wachstumsraten und Kostendegression während der inzwischen sechsjährigen Anwendung durch die tatsächliche Entwicklung eindrucksvoll bestätigt. Selbst der leichte Rückgang während der Corona-Krise wurde nachfolgend wieder aufgeholt. Der Ausbau der EE und die Kostendegression verläuft wie prognostiziert. Dieses betätigt die Entwicklung der EE zur günstigsten Energiequelle.
Neben der formalen Validierung hat das Modellkonzept wissenschaftliche Anerkennung durch die parallele und unabhängige Entwicklung durch eine führende Universität gefunden. Die von der Oxford Uni in diesem Zusammenhang erstellten wissenschaftlichen Publikationen12 haben die Bedeutung und Zuverlässigkeit Empirie durch umfassende Forschung untermauert und bestätigen somit ebenfalls das Modellkonzept.
11 Federal Reserve (FED): https://www.federalreserve.gov/supervisionreg/srletters/sr1107.htm
12 https://www.sciencedirect.com/science/article/pii/S254243512200410X
Wir entwickeln vorausschauende Lösungskonzepte
Bestätigung durch den Markt
Finanzmärkte sind antizipativ, sie nehmen die Entwicklung oftmals vorweg. Inwieweit lässt sich die Modellierung denn an den Aktienmärkten beobachten? Die nachfolgende Graphik zeigt eindrucksvoll die schwache Performance des Ölmarktes im Vergleich zum S&P 500 in den letzten 10 Jahren. Überraschend ist, dass selbst die hohen Energiepreise seit 2021 und ausserordentliche Performance der Öl- und Gasindustrie seitdem nicht zu einer nachhaltigen Verbesserung der Aktienperformance geführt haben.
Management des Modellrisikos
Verlässlichkeit im Vergleich zu anderen Modellen und Expertenschätzungen
Die verbreitetsten Modelle in der Energietransition sind wahrscheinlich die Integrated Assessment Modelle (IAM). IAMs sollen politikrelevante und sozioökonomische Entwicklungen bezüglich der Globalen Erwärmung unter Berücksichtigung der aktuellen ökonomische Lage und deren Entwicklung über einen Zeitrahmen bis über 2050 hinaus berücksichtigen. Ziel dabei ist, globale Umweltveränderungen und Fragen der nachhaltigen Entwicklung zu beantworten, indem sie eine quantitative Beschreibung der wichtigsten Prozesse in den Systemen Mensch und Erde und ihrer Wechselwirkungen liefern.
Die Modelle versuchen die Politik und damit die politische Steuerung der Ökonomie auf einen Zeitraum von mehr als 25 Jahren zu modellieren. Wie aussichtslos dieses Unterfangen ist, hat die US-amerikanische Politik in den letzten Jahren mit dem Ausstieg, dem Wiedereinstig und dem wahrscheinlich erneuten Ausstieg aus dem Pariser Klimaabkommen eindrücklich bewiesen.
Ein weiterer gravierende Schwachpunkt der IAMs ist die fehlende Berücksichtigung der technologischen Entwicklung. Diese Modelle gehen stets von den aktuellen Kosten aus. Die drastische Verbilligung der EE, die mit der Ausweitung der EE einhergehende steigende Effizienz und der damit induzierte, geringere (Primär)Energieverbrauch bleiben unberücksichtigt. Aufgrund der sich beständig beschleunigenden technologischen Entwicklung verschärft sich dieser Modellfehler beständig.
Eine Würdigung der IAMs erübrigt sich bereits aufgrund der langfristigen Zielsetzung dieser Modelle. Zumal sich die Frage nach der Zuverlässigkeit der IAMs stellt, wenn volkswirtschaftliche Prognosen prominenter Einrichtungen (Hochschulen, Zentralbanken, Weltbank) einen Zeitrahmen von drei Jahren kaum überschreiten.
Expertenschätzungen
Expertenschätzungen zur Transition haben sich ebenfalls als ausgesprochen schwacherwiesen. Das soll nicht das Wissen der Experten in ihrem Fachgebiet herabsetzen. Umfassende Analysen13 belegen jedoch die schlechte Fähigkeit, die zukünftige Entwicklung richtig einzuschätzen. In der Regel können Experten die Geschwindigkeit und den Umfang der Transition wie auch die Kostendegression der EE kaum angemessen prognostizieren. Bezüglich der Kostendegression der EE gibt es vielfach die Postulierung von Untergrenzen, die kostenmässig nicht unterschritten werden können. Diese haben sich als grundsätzlich als nicht haltbar erwiesen, sie wurden nahezu immer und nach kurzer Zeit durch die reale Entwicklung unterschritten. Das ist der primäre Punkt, warum wir die Berücksichtigung von Expertenschätzungen in unserem Modell nicht in Betracht gezogen haben.
Fehlprognosen
Die Liste der Fehlprognosen zur Energietransition ist lang und die Prognosen waren teilweise eklatant falsch. Eine Prognose der Internationalen Energieagentur (IEA) aus den 1990er Jahren schätzte, dass der Anteil erneuerbarer Energien am globalen Stromverbrauch bis 2020 bei lediglich 6 % liegen würde. Im Jahr 2022 stammten mehr als 29 % der globalen Stromerzeugung aus erneuerbaren Quellen.
Die Beispiele lassen sich fortführen. Nahezu alle Prognosen zum Wachstum der EE wurden von der Realität überholt. Der Fehler liegt durchgängig in der Unterstellung eines linearen Wachstumstrends. Lediglich in den ersten drei Jahren wird ein schnelleres Wachstum unterstellt, danach wird es typischerweise als linear angenommen.
Schluss
Die BIS hat in ihrem Buch The green swan zu neuen erkenntnistheoretischen Ansätzen aufgerufen. Unsere Modellierung zeigt seit nunmehr 6 Jahren, dass sie den Forderungen der BIS entspricht. Damit bietet die Modellierung auch eine verlässliche Ausgangslage für das Management der mit der Transition einhergehenden Risiken. Das beinhaltet insbesondere auch die Möglichkeit zur Anpassung der traditionell rückwärtsblickenden Finanzrisikomodelle. Der zweiten Forderung der BIS.
13 Jing Meng, Rupert Way, Elena Verdolini, and Laura Diaz Anadon. Comparing expert elicitation and model-based probabilistic technology cost forecasts for the energy transition. Proceedings of the National Academy of Sciences, 118(27), 2021. ISSN 0027- 8424. doi: 10.1073/pnas.1917165118. URL https://www.pnas.org/content/118/27/ e1917165118
Kontakt
Wir helfen Ihnen gern und mit grossem Enthusiasmus die Chancen der Transition zu erkennen und zu ergreifen und die Chancen mit den Risiken auszubalancieren.
