Effiziente und effektive Förderung Erneuerbarer Energien: Ein europäischer Vergleich

Inhaltsverzeichnis

Abkürzungsverzeichnis

Abbildungs- und Tabellenverzeichnis

1. Einleitung und Problemstellung

2. Rahmenbedingungen zur Bewertung Erneuerbarer Energien
2.1. Entwicklung und Potenziale Erneuerbarer Energien
2.2. Marktversagen als Legitimation zur Förderung Erneuerbarer Energien
2.3. Technologische Diffusion und Lernkurveneffekte
2.3.1. Das Lernkurvenkonzept
2.3.2. Lernkurveneffekte von Windkraft und Photovoltaik
2.4. Analyse der Bewertungskriterien

3. Instrumente zur Förderung Erneuerbarer Energien
3.1. Einspeisevergütungsmodelle
3.1.1. Funktionsweise und Ausgestaltungsmerkmale
3.1.2. Statische Effizienz
3.1.3. Dynamische Effizienz
3.2. Zusätzliche Inputinstrumente
3.2.1. Arten und Funktionsweise
3.2.2. Statische und dynamische Effizienz
3.3. Quotenmodelle
3.3.1. Funktionsweise und Ausgestaltungsmerkmale
3.3.2. Statische Effizienz
3.3.3. Dynamische Effizienz
3.4. Ausschreibungsmodelle
3.4.1. Funktionsweise und Ausgestaltungsmerkmale
3.4.2. Statische Effizienz
3.4.3. Dynamische Effizienz
3.5. Direkter Vergleich der Förderinstrumente
3.5.1. Effektivität, statische Effizienz und Transaktionskosten
3.5.2. Dynamische Effizienz

4. Effiziente Ausgestaltung der Fördersysteme
4.1. Generische Ausgestaltung und Konvergenz der Förderinstrumente
4.2. Ausrichtung am Grad der Marktreife

5. Förderung Erneuerbarer Energien in Deutschland und Großbritannien
5.1. Deutschland
5.2. Großbritannien
5.3. Direkter Vergleich und Bewertung

6. Fazit und Ausblick

Literaturverzeichnis

Abkürzungsverzeichnis

Abbildung in dieser Leseprobe nicht enthalten

Abbildungs- und Tabellenverzeichnis

Abb. 1: Weltweiter Anteil der Energieerzeugungsformen an der Elektrizitätsproduktion

Abb. 2: Installierte Kapazität aus EE 2010 in GW (Welt, Entwicklungsländer, EU27, Top- Five-Länder)

Abb. 3: Durchschnittliche, jährliche Wachstumsraten der erzeugten EE-Kapazität und

Biokraftstoffproduktion (2005-2010)

Abb. 4: Stromerzeugung aus EE-Technologien (ohne Wasserkraft; EU27)

Abb. 5: Preis- und Mengenänderungen unter negativen externen Effekten

Abb. 6: Externe Kosten aktueller und fortgeschrittener Energieerzeugungsarten

Abb. 7: Produktionskosten verschiedener EE-Erzeugungstechnologien in €(2005)/MWh

Abb. 8: Erfahrungskurve - Verhältnis zwischen Stückkosten und kumuliertem Output (log- log Werte)

Abb. 9: Schätzung der Kostenentwicklung von EE-Technologien anhand von Lernkurveneffekten

Abb. 10: Fortschrittsraten von EE-Technologien in der EU von 1980-1995

Abb. 11: Überblick über verschiedene EE-Förderinstrumente

Abb. 12: Statische Effizienz von Einspeisevergütungsmodellen

Abb. 13: Dynamische Effizienz von Einspeisevergütungsmodellen

Abb. 14: Erfüllungsmechanismus des Quotenmodells

Abb. 15: Vereinfachte Darstellung der Funktionsweise eines Zertifikathandelssystems

Abb. 16: Angebot und Nachfrage im Zertifikatmarkt

Abb. 17: Elemente und Ausgestaltung eines Quotensystems

Abb. 18: Statische Effizienz von Quotenhandelsmodellen

Abb. 19: Statische Effizienz von Zertifikathandelsmodellen

Abb. 20: Dynamische Effizienz von Quotenhandelsmodellen mit physikalischer Erfüllungspflicht

Abb. 21: Dynamische Effizienz von Zertifikathandelsmodellen (geringe Innovationstätigkeit).

Abb. 22: Dynamische Effizienz von Zertifikathandelsmodellen (hohe Innovationstätigkeit).

Abb. 23: Statische Effizienz von Ausschreibungsmodellen

Abb. 24: Dynamische Effizienz von Ausschreibungsmodellen

Abb. 25: Generische und spezifische Ausgestaltungsmerkmale effizienter Förderinstrumente.

Abb. 26: Einsatz von Förderinstrumenten in verschiedenen Marktwachstumsphasen 76 Abb. 27: Entwicklung der Stromerzeugung aus EE-Technologien in Deutschland seit 1990. 81 Abb. 28: Entwicklung und Prognose der EEG-Differenzkosten (in Mrd. €) und EEG-Umlage (in Cent/kWh)

Abb. 29: Installierte Kapazität von WKA in Deutschland und Großbritannien (1990-2006 in MWh)

Tabelle 1: Auswirkungen von Parameteränderungen bei Windkraft und Photovoltaik

Tabelle 2: Zusammensetzung der Vergütung im britischen RO -Modell

Tabelle 3: Vergleich von Kosten- und Erzeugungsniveau zwischen aktueller RO und reformierter RO

1. Einleitung und Problemstellung

Die Entwicklung und Förderung von Erneuerbaren Energien (EE) und der dahinter stehenden Erzeugungstechnologien wird heute in gesellschaftlichen, umweltpolitischen und volkswirtschaftlichen Debatten mehr denn je diskutiert. Die letzten Jahrzehnte wurden geprägt durch eine rasant wachsende Bevölkerung und eine zunehmende Industrialisierung wirtschaftlich zuvor weniger entwickelter Länder wie China oder Indien. Die Gründe zum Ausbau und zur Förderung von EE-Technologien (EET) sind eng mit diesen Vorgängen verbunden und hier sollen zunächst drei Hauptgründe für das Wachstum der EE hervorgehoben werden. ¹

Der erste Grund ist die immens angestiegene Nachfrage nach Energie, gerade durch obige Länder, die von der International Energy Agency (IEA) als „emerging giants of the world economy“ bezeichnet werden und durch ihren hohen „Energiehunger“ gemeinsam für die Hälfte der weltweit gestiegenen Energienachfrage verantwortlich sind. ² Ohne Änderung der bisherigen Energiepolitik sieht die IEA einen weiteren Anstieg der Nachfrage um 55% in den Jahren 2005 bis 2030 voraus. Dieses Szenario beinhaltet einen Anteil von 84% an fossilen Energieträgern zur Deckung des Energiebedarfs. ³

Traditionelle Brennstoffe haben also einen extrem hohen Anteil an der weltweiten Energieversorgung und diese dominante Stellung wird sich auch in absehbarer Zeit nicht wesentlich ändern. Diesem Befund stehen jedoch andererseits die Prognosen über die Fördermaxima der wichtigsten Energieträger wie Öl und Gas gegenüber, die ein zweiter Grund für den wachsenden Einfluss der EE darstellen. Demnach werden zunächst die Ölvorräte, dann die Gasvorräte und letztendlich auch die Kohlevorräte, die noch einen längeren Förderungszeitraum erwarten lassen, aufgebraucht werden und eine effizientere Nutzung dieser fossilen Energien würde lediglich zu einer verlängerten Förderungsdauer führen.

Der dritte Grund ist der anthropogen verursachte Klimawandel, der durch die ansteigende globale Erwärmung nicht nur zu weitreichenden Umweltkatastrophen führt, sondern auch zu immensen volkswirtschaftlichen Kosten. Nicht zuletzt haben der vielbeachtete „Stern- Report“, ⁴ der die Bewertung von wirtschaftlichen Auswirkungen und insbesondere die Kosten der globalen Erderwärmung betrachtet und der vierte Sachstandsbericht über die Folgen des Klimawandels des Intergovernmental Panel on Climate Change (IPCC) zu einem Umdenken bei der Nutzung von fossilen und nicht-fossilen Energieträgern geführt. ⁵ Während der IPCC - Bericht wissenschaftlich nachweist, dass die Klimaänderungen durch menschliches Handeln verursacht werden, beschreibt der Stern-Report den Klimawandel als „greatest and widest- ranging market failure“ und geht von durch den Klimawandel verursachten Gesamtkosten, in Höhe von mind. 5% des jährlichen, weltweiten Bruttoinlandsprodukts (BIP) aus, während er die Vermeidungskosten auf etwa 1% des jährlichen, weltweiten BIPs beziffert. ⁶ Bis auf wenige Ausnahmen („Klimaskeptiker“) ⁷ herrscht also Konsens über die Ursachen des Klimawandels. Gleichzeitig existieren verschiedene Prognosen über die Auswirkungen. Da der massive CO2-Ausstoß, der durch fossile Energieträger entsteht, durch eine zunehmende Nachfrage nach Energie weiter vorangetrieben wird, steht die Umweltpolitik vor der Herausforderung, die noch verfügbaren Ressourcen effizient, also mit geringerem CO2- Ausstoß zu nutzen oder alternative Formen der Energieerzeugung einzuführen, die dazu beitragen die Emissionen auf ein Mindestmaß zu reduzieren.

Erneuerbare Energien sollen daher vor dem Hintergrund immer knapper werdender nichterneuerbarer Energien einen Beitrag zur Energieversorgung leisten. Ausmaß und Form divergieren dabei je nach nationaler Zielsetzung und meist soll ein ganzes Bündel an Zielen verfolgt werden. Neben der bereits angemerkten Reduktion von CO2 und einem verbesserten Umweltschutz, sind ebenfalls Energiesicherheit bzw. die Verminderung der Importabhängigkeit von als unsicher empfundenen, energiereichen Exportländern wie bspw. Russland oder Saudi-Arabien zu nennen und nicht zuletzt eine sich aus dem Ausbau ergebende ökonomische Entwicklung, die etwa eine Schaffung von Arbeitsplätzen oder eine (international) verbesserte Wettbewerbssituation schaffen soll. ⁸

Das Ziel der vorliegenden Arbeit ist zu klären welches Instrument zur bestmöglichen Förderung eingesetzt werden kann. Die Evaluation erfolgt dabei hinsichtlich einer wettbewerblichen und einer technologisch-innovativen Komponente. Unter Zuhilfenahme aktueller Literatur und empirischen Daten wird dabei der Versuch unternommen einen fundierten Überblick über die Vor- und Nachteile der einzelnen Förderregime zu geben.

Der erste Teil von Kapitel 2 beinhaltet eine kurze Analyse der Entwicklung und Potenziale von EE und geht näher auf zwei zentrale Argumente zur Förderung erneuerbarer Energien ein. Das erste Argument beschreibt die fehlende Internalisierung externer Effekte von konventionellen Energieträgern und damit auch die fehlenden Anreize zur Förderung und Nutzung von EET. Das zweite Argument bezieht sich auf einen weit weniger häufig genannten Grund zur Förderung von EE, nämlich die Schaffung von Anreizen zu technologischer Innovation und die damit verbundene weitreichende Diffusion von EET. Um die technologische Entwicklung quantifizieren zu können, soll hierbei auf das Konzept der Lern- bzw. Erfahrungskurven eingegangen werden. Am Ende der Analyse der Rahmenbedingungen der EE soll in Kapitel 2.4 auf einzelne Bewertungskriterien eingegangen werden, die in Kapitel 3 Eingang in die Analyse finden.

Das dritte Kapitel benennt dann die zur Förderung von EE eingesetzten Instrumente und analysiert sie hinsichtlich ihrer statischen und dynamischen Effizienz. Der erste Teil dieses Kapitels beschäftigt sich mit der Gruppe der Preisinstrumente. Einspeisevergütungsmodelle oder Feed-In-Tariffs (FITs) mit fixierten Vergütungen für die Einspeisung von Elektrizität in vorhandene Netze und zusätzliche Inputinstrumente bilden hier den Kern der Analyse. Diese Form der Förderung wird weltweit von der überwiegenden Anzahl von Ländern praktiziert. Zentrales Element ist die Festsetzung des Preises, wobei die Menge als Resultat der Förderung das eigentliche Ziel darstellt. Die zweite Gruppe der Instrumente stellen Mengeninstrumente dar, die im zweiten Abschnitt des dritten Kapitels näher untersucht werden. Diese Instrumente werden in Quoten- und Ausschreibungsmodelle eingeteilt. Quotenmodelle beinhalten eine (politisch) fixierte Menge oder Anteil an EE, die im Energiemix angestrebt wird. Dies impliziert ein Festhalten der Menge und es resultiert ein durch den Markt ermittelter Preis. Diese Quoten können sowohl durch Zertifikathandel der Erzeuger erfüllt, als auch über Auktionen ausgeschrieben werden. Hier werden in mehreren Bieterrunden die gewünschten Zielmengen durch Bieterwettbewerbe erreicht.

Kapitel 4 greift die Frage auf, ob es gemeinsame Merkmale der Förderinstrumente gibt und wie die einzelnen Instrumente ausgestaltet werden sollten, um einen effizienten Einsatz zu erreichen. Dabei wird auch kurz auf die Konvergenz der Systeme und in Kapitel 4.2 auf den Einsatz der Förderinstrumente in verschiedenen Marktwachstumsphasen eingegangen werden.

Das fünfte Kapitel besteht aus einem empirischen Vergleich zwischen Deutschland und Großbritannien, der die Auswirkungen des Einsatzes verschiedener Instrumente zur Förderung von EET aufzeigen soll. Beide Länder haben bereits sehr früh unterschiedliche Förderinstrumente eingesetzt und es soll unter Rückgriff auf die obige Theorie erörtert werden, ob der Einsatz statischen und/oder dynamischen Effizienzkriterien entspricht. Das Kapitel schließt mit einem Vergleich und einer Bewertung der Eingriffe in den Markt für EE in beiden Ländern ab. Abschließend werden in Kapitel 6 ein Fazit über die evaluierten Ergebnisse und ein Ausblick über weitere Forschungsfelder gegeben.

2. Rahmenbedingungen zur Bewertung Erneuerbarer Energien

2.1. Entwicklung und Potenziale Erneuerbarer Energien

Der Anteil von EE an der weltweiten Stromproduktion hat sich seit 2000 kaum verändert und lag 2008 bei 19%. ⁹ Die Erzeugung von Energie aus Wasserkraft leistet dabei mit einem Anteil von 85% den größten Beitrag. Gemessen daran ist der Anteil der „new renewables“ ¹⁰ an der gesamten Stromerzeugung mit 2,7% (2000: 2%) als sehr gering einzustufen. Betrachtet man die nachfolgende Abbildung 1, so kann man erkennen, dass die traditionelle Nutzung von Festbrennstoffen (Biomasse) einen sehr hohen Anteil hat, und dass die reine Energieproduktion aus Wind, Solar und Biomasse mit 0,7% einen verschwindend geringen Beitrag zur weltweiten Stromerzeugung leistet.

Abbildung in dieser Leseprobe nicht enthalten

Abb. 1: Weltweiter Anteil der Energieerzeugun gsformen an der Elektrizitätsproduktion. Quelle: REN21 (2010), S. 15.

Während sich der Ausbau der EET in den letzten Jahren also kaum verändert hat, prognostiziert die IEA dennoch eine massive Vergrößerung des Anteils von 5% auf 24% im Jahr 2020 und um weitere 13% auf 32% bis 2035. ¹¹ Die Diskussion um den Zubau von EET erfährt zu Beginn des 21. Jahrhunderts eine neue Dynamik und soll entscheidend zur Erreichung des oben genannten Zielbündels, besonders aber im Hinblick auf die CO2- Minderungen beitragen. Ein genauerer Blick auf die in 2010 installierte Leistung in Gigawatt (GW) ausgewählter EET in Abbildung 2 zeigt, dass die EU27 Länder mit einem Anteil von 41% weltweit führend in der Installation neuer EE-Anlagen sind. Mit Großbritannien, Deutschland und Spanien gehören drei Länder der EU zu den fünf führenden EE-Erzeugern weltweit. Dabei nimmt die EU mit einem EE-Anteil von nahezu 20% am gesamten Energiemix eine Vorreiterrolle bei der Förderung ein. ¹²

Abbildung in dieser Leseprobe nicht enthalten

Abb. 2: Installierte Kapazität aus EE 2010 in GW (Welt, Entwicklungsländer, EU27, Top-Five-Länder). Quelle: REN21 (2011), S. 19.

Betrachtet man die Zubaudynamik der EET in einem Fünf-Jahreszeitraum (2005-2010), ergibt sich ein sehr unterschiedliches Bild über die einzelnen EET. Abbildung 3 zeigt, dass der Anteil installierter Windkraftleistung allein 2010 um 25% gestiegen ist. Dieser Wert entspricht damit nahezu dem Durchschnittswachstum von 2005-2010. Photovoltaik (PV)Anlagen zur Stromerzeugung sind hingegen 2010 deutlich stärker gewachsen als im vergleichbaren 5-Jahreszeitraum. Der größte Teil der erzeugten Energie aus Solarzellen wird dabei direkt in die nationalen Versorgungsnetze eingespeist. ¹³

Abbildung in dieser Leseprobe nicht enthalten

Abb. 3: Durchschnittliche, jährliche Wachstumsraten der erzeugten EE - Kapazität und Biokraftstoffproduktion (2005 -2010). Quelle: REN21 (2011), S. 18.

Anhand dieser Abbildungen wird deutlich, dass die Erzeugung von Elektrizität aus erneuerbaren Energieträgern hauptsächlich auf Windkraft, moderner Biomasse und PV beruht. In dieser Arbeit erfolgt daher eine Fokussierung auf diese Energieformen, wobei je nach regionaler Beschaffenheit in manchen Ländern deutlich höhere Anteile anderer EET zum Einsatz kommen. ¹⁴ Der gesamte Ausbau der Leistung zur Stromerzeugung aus EET hat besonders stark in den EU27 Ländern zugenommen und sich ausgehend vom Jahr 1990 bis 2009 um mehr als das Zehnfache von 19 Terrawattstunden (TWh) auf 250 TWh ausgedehnt. ¹⁵ Sowohl supranationale als auch nationale Richtlinien, Gesetze und Fördermaßnahmen wurden eingeführt, um einen möglichst hohen Ausbaugrad und eine weitreichende Verbreitung zu erreichen. Ein Blick auf die nachfolgende Abbildung 4 zeigt jedoch, dass die Länder der EU aktuell sehr unterschiedliche Ausbaugrade aufweisen.

Abbildung in dieser Leseprobe nicht enthalten

Abb. 4: Stromerzeugung aus EE-Technologien (ohne Wasserkraft; EU27). Quelle: Ragwitz et al. (2011), S. 7.

Neben bereits erwähnten geologischen Bedingungen gilt es daher, weitere Parameter und Förderinstrumente zu analysieren, die zu einem bestimmten Ausbaugrad in den einzelnen Ländern beigetragen haben und dadurch das heterogene Wachstum einzelner Energieträger erklären können.

2.2. Marktversagen als Legitimation zur Förderung Erneuerbarer Energien

Bevor der Frage nachgegangen wird, welche Instrumente eingesetzt werden um den Ausbau der EET zu beschleunigen, soll zunächst geklärt werden ob der Staat eine Legitimationsgrundlage besitzt, um die teilweise sehr hohen Subventionen rechtfertigen zu können. Der Begriff der „new energy“ macht deutlich, dass ein „neuer“ Markt neben dem bereits etablierten Markt für konventionelle Energieträger geschaffen wird. ¹⁶ Daher muss zunächst eine getrennte Bewertung beider Märkte erfolgen. Die Legitimierung für Eingriffe in den Markt für EE steht daher am Anfang dieser Analyse. Hier soll kurz auf die Theorie des Marktversagens eingegangen werden und eine mögliche marktstrukturbedingte Benachteiligung der EET gegenüber konventioneller Energie soll erläutert werden. Für die weitere Betrachtung von EET hinsichtlich dynamischer Innovationsanreize und ihrer Diffusion soll zudem kurz auf die Quantifizierung der Stromgestehungskosten einzelner Technologien eingegangen werden, denn diese entscheiden in den meisten Ländern über die Förderhöhe. Die Vorgehensweise begründet sich durch die Verknüpfung zwischen dem Umweltziel der Förderung und dem Technologieziel. Diese Ziele stehen keineswegs in Konflikt, da letzteres Ziel durch Kostensenkungsanreize zur Lösung des Umweltziels beitragen soll. ¹⁷

Die relevanten Arten von Marktversagen betreffen den unvollständigen Wettbewerb und Unteilbarkeiten, Informationsasymmetrien und das Vorhandsein von Externalitäten. ¹⁸ Zu den ersten beiden Gründen sei kurz angemerkt, dass der Energiemarkt häufig gekennzeichnet ist durch die Existenz von natürlichen Monopolen, die aufgrund von technischen Unteilbarkeiten entstehen können. ¹⁹ Mit der EU Elektrizitätsbinnenmarktrichtlinie sind hier entscheidende Weichen zur Liberalisierung und zum Ausbau von wettbewerblichen Strukturen geschaffen worden, die wiederum nachteilige Barrieren für EE abbauen und diesen Vorrang einräumen sollen. ²⁰ Informationsasymmetrie ist insofern relevant, als dass unzureichende Informationen über den Nutzen von EE dazu führen, dass geringere Transparenz und höhere Investitionsunsicherheit bestehen, die einen Ausbau verhindern oder abbremsen können. ²¹ Der Betrachtungsfokus soll hier jedoch auf der Analyse negativer und positiver externer Effekte liegen. ²²

Die in konventionellen Energieformen nicht internalisierten Preise, also externe Kosten, schaffen für die Nutzung EE einen strategischen Nachteil, denn die externen Kosten dieser Erzeugungsarten sind in den Marktpreisen nur unzureichend berücksichtigt. ²³ Zu den negativen externen Effekten gehören Umweltschäden, bei denen die Kosten nicht durch die Verursacher getragen werden, sondern auf die Gesellschaft oder andere Beteiligte übertragen werden. Der Verursacher ist somit nicht gezwungen, diese in sein ökonomisches Kalkül einzubinden. Abbildung 5 zeigt exemplarisch den Zusammenhang von Menge und Preis unter Nichtberücksichtigung von negativen externen Effekten.

Abbildung in dieser Leseprobe nicht enthalten

Abb. 5: Preis- und Mengenänderungen unter negativen externen Effekten Quelle: Jordan-Korte (2011), S. 24.

Am Beispiel von konventionellem Kraftstoffkonsum zeigt sich, dass sich zu einem Preis von ܲଵ die Menge ܳଵ einstellt, als Schnittpunkt zwischen dem Angebotspreis und der resultierenden Nachfrage. Dieser Preis ist jedoch aus Sicht der Volkswirtschaft zu niedrig und die angebotene Menge zu hoch (Überproduktion), da der Kraftstoffhersteller nicht alle Kosten für die Vermeidung von Umweltschäden in sein Kalkül einbezieht. Durch einen Einbezug, also einer Internalisierung der Kosten, ergäbe sich ein höherer Angebotspreis. Der Schnittpunkt liegt nun beim Preis ܲଶ und bei der Menge ܳଶ.

Im Zusammenhang von EE treten gleich mehrere Formen von negativen externen Effekten auf. Die am häufigsten in der Literatur proklamierte Legitimation des Eingriffs in den Energiemarkt ist das Vorhandensein von Umweltexternalitäten, also den fehlenden Einbezug von Kosten für die Gewinnung, Umwandlung, Transport und Endlagerung von fossilem Energieträgern. ²⁴ Die zweite Art von Externalitäten bezieht sich auf die hohen Sicherheitsrisiken durch vermehrte Abhängigkeit von öl- oder gasreichen Ländern. ²⁵ Im Falle eines unzureichend sichergestellten Angebots an Energie kann es zu weitreichenden Risiken für die wirtschaftliche Entwicklung eines Landes kommen. ²⁶ Eine dritte Form von Externalitäten beschreibt die Möglichkeit, durch Schaffung eines hohen Anteils im Energiemix, eine Absicherung gegen Preisschwankungen im Öl- und Gasmarkt zu erreichen.

Somit liegt der Vorteil zur Nutzung EE wie Wind oder Solar darin, dass diese keine Brennstoffkosten enthalten und damit geringerer Volatilität unterliegen. ²⁷

Diese drei Formen negativer externer Effekte, die in Kombination in der Literatur oft genannt werden, stellen Risiken dar, die nicht vollständig internalisiert sind und damit im Preis konventionell erzeugter Energien (insbesondere im Vergleich zu EET) inadäquat widergespiegelt werden. ²⁸ Um fairen Wettbewerb herzustellen sind somit staatliche Markteingriffe notwendig, die eine Internalisierung negativer externer Effekte ermöglichen. Dabei kann zwischen den hier untersuchten Förderinstrumenten und weiteren Internalisierungsinstrumenten (bspw. Energiesteuern) unterschieden werden. ²⁹ Die noch näher zu beschreibenden Förderinstrumente stellen in diesem Zusammenhang eine „second-best- Lösung“ dar, da sie versuchen die Wettbewerbsnachteile von EE durch Subventionierungen zu reduzieren. ³⁰ Dabei dient die Schätzung der externen Kosten, die nicht internalisiert wurden, als Grundlage für die Bestimmung der Förderhöhe. Die Schwierigkeit besteht in der hinreichenden Quantifizierung dieser Kosten als Bewertungsgrundlage des Nachteils von EET gegenüber konventionellen Technologien. Aus diesem Grund handelt es sich bei dem Ansatz nur um eine „second-best-Lösung“. Das europäische ExternE-Projekt versucht Abhilfe zu schaffen und die Bewertung auf eine gesicherte Grundlage zu stellen indem ein detaillierter Überblick über die externen Kosten der Stromerzeugung gegeben wird. In Abbildung 6 sind die Kosten einzelner Technologiearten zur Elektrizitätserzeugung veranschaulicht. ³¹

Abbildung in dieser Leseprobe nicht enthalten

Abb. 6: Externe Kosten aktueller und fortgeschrittener Energieerzeugungsarten. Quelle: Rabl/Spadaro (2005), S. 35.

Dabei zeigt sich, dass fossile Energieträger deutlich höhere externe Kosten aufweisen als EET aus Wasser-, Wind- und PV-Anlagen. ³² Die externen Kosten dieser Energielieferanten liegen deutlich unter einem Cent. Eine Betrachtung der Stromgestehungskosten von EET zeigt dagegen in Abbildung 7 ein umgekehrtes Bild. ³³

Abbildung in dieser Leseprobe nicht enthalten

Abb. 7: Produktionskosten verschiedener EE-Erzeugungstechnologien in €(2005)/MWh. Quelle: Canton/Lind é n (2010), S. 8.

Im Vergleich zu konventioneller Energie weisen EET sehr hohe Stromgestehungskosten auf. ³⁴ Diese Grafik verdeutlicht ebenfalls ein prognostiziertes Absinken der Stromgestehungskosten (am deutlichsten bei PV-Anlagen), während Gas und Kohle im Zeitablauf geringfügig teurer werden. Um diese Kostensenkungen realisieren zu können, ist die Förderung und die weitreichende Diffusion von EET eine entscheidende Determinante.

In diesem Zusammenhang spielen auch positive externe Effekte als Legitimations- und Bewertungskriterium eine herausragende Rolle. Die von Arrow begründete Theorie besagt, dass in diesem Fall Investitionen eines Produzenten in EET für andere Produzenten zu einem Nutzen führen, den der ursprüngliche Investor nicht durch den Markt vergolten bekommt. ³⁵ Es kommt also zu einem Auseinanderfallen von privaten und sozialen Kosten, und aufgrund fehlender Internalisierung des Wissens ist das Ergebnis eine Unterinvestition in EET. Wissen wird dabei als öffentliches Gut angesehen, d.h. es herrscht keine Nutzungsrivalität und keine Ausschließbarkeit, und es kann zu einem „Spillover“, also einem Wissenstransfer unter den Erzeugern kommen, ohne dass diese Kosten etwa für Forschung und Entwicklung (F&E) zu tragen haben. Dieser Aspekt zielt auf die zweite Säule, die Technologieförderung ab und wird im Rahmen der Analyse von „learning-by-doing“-Effekten und Lern-, bzw. Erfahrungskurveneffekten im nächsten Kapitel genauer betrachtet.

2.3. Technologische Diffusion und Lernkurveneffekte

Neben der Legitimation der Eingriffe zur Beseitigung negativer und positiver externer Effekte soll an dieser Stelle darauf eingegangen werden, inwieweit die Kosten einzelner EET gesenkt und eine höchstmögliche Diffusion der EET erreicht werden kann. Hierzu ist eine genauere Betrachtung der Innovationsanreize als zusätzliche Erklärungsebene erforderlich, denn „eine rein statische Effizienzbetrachtung würde hier [allerdings] zu kurz greifen, weil dabei technologische Entwicklungen und Lerneffekte nicht berücksichtigt werden.“ ³⁶

Zur Aufteilung des Prozesses zum technologischen Wandel bietet sich das Analyseschema von Schumpeter an, der eine Aufteilung nach Invention, Innovation und Diffusion vornimmt. ³⁷ Nachdem die eigentlichen Erfindungen (Inventionen) zur technischen und wissenschaftlichen Ausarbeitung der Produkte und Prozesse weitestgehend abgeschlossen sind, befinden sich gerade neuere EE-Technologiennutzungsarten, wie der Einsatz neuartiger Solarzellen und Offshore -WKA, also Windkrafterzeugung auf hoher See, noch in einem MWh ausgedrückt. Durch implizite Berechnung von kW-Einheiten (=0,001 MW) ergibt sich dennoch eine vergleichbare Bewertun g der Erzeugungskosten in Cent/kWh.

Innovations- bzw. Kommerzialisierungsprozess. ³⁸ Andere Technologien wie Wasserkraft, Onshore -WKA und Biomasse sind, wie die IEA in ihrem aktuellen Bericht anmerkt, bereits nahezu vollständig entwickelt und erfahren eine breite Nutzung zur Energieerzeugung. ³⁹ Die Schaffung von Innovationsanreizen sollte daher die Ausbreitung bereits weit fortgeschrittener Technologien und die Anreizsetzung zur Verbesserung der Nutzung und Effizienz noch nicht marktfähiger Technologien zum Ziel haben. ⁴⁰

Die Diffusion von EET, besonders im Rahmen einer nachhaltigen Vermeidung von CO2- Emissionen, führt dazu, dass die ökonomische Literatur sich immer häufiger auf die Modellierung des technologischen Wandels konzentriert. ⁴¹ Im Gegensatz zum exogenen Wachstumsprozess, der technologischen Fortschritt nicht genau darstellt („manna from heaven“), ⁴² sondern lediglich eine Veränderung über die Zeit annimmt, rückt zunehmend die genauere Betrachtung des Wandels als endogener, induzierter Prozess und die Definition von ökonomischen Faktoren zur Beschleunigung dieses Prozesses in den Vordergrund. ⁴³ Köhler beschreibt drei Einflüsse in der aktuellen Energieökonomik. Den Einfluss von Wissen als Kapitalstock, der entscheidenden Einfluss auf die Produktivität hat. Den Einfluss von „Spillover-Effekten“, Unsicherheit und Pfadabhängigkeiten als Innovationsdeterminanten. Und als letzte Komponente beschreibt er die Modellierung von Erfahrungskurveneffekten, die von steigenden Erträgen der Produzenten ausgehend den technologischen Wandel modellieren sollen. ⁴⁴ Die Theorien zu induziertem Wandel weisen dabei die Vermehrung des Wissenskapitals und die Verbreitung von Wissen als gemeinsame Komponente auf. ⁴⁵ Neben Anreizen zur Kostenreduktion als Innovationsantrieb („induced diffusion“) stellen die Förderinstrumente eine Art „forced diffusion“ dar, um eine erzwungene Technologieausbreitung voranzutreiben. ⁴⁶ Die Modellierung von „Spillovern“ als Prozess wird von mehreren Autoren verfolgt, ist indes jedoch schwierig zu messen, da keine ausreichende Quantifizierung etwa durch Produktverkäufe oder Patente vorgenommen werden kann. ⁴⁷ Die technologische Innovation und Diffusion, wie sie hier näher untersucht werden soll, stützt sich daher auf den Literaturstrang zur Modellierung von Lern- bzw. Erfahrungskurveneffekten. ⁴⁸

2.3.1.Das Lernkurvenkonzept

Die Erzeugung von EE und die Finanzierung von EE-Projekten ist sehr kapitalintensiv, was eine entscheidende Barriere für die Wettbewerbsfähigkeit und Diffusion einzelner EET darstellt. ⁴⁹ Die Entwicklung und Ausbreitung folgt dabei einer typischen S-Kurve, die zunächst eine sehr langsame Verbreitung der Invention, eine steigende Verbreitung während der Kommerzialisierung und Diffusion und eine rückläufige Verbreitung in der Marktsättigungsphase vorsieht. ⁵⁰ Auf jeder dieser Stufen treten bestimmte Lerneffekte auf, welche die EET effizienter machen und die Diffusion etwa durch sinkende Investitions- und Betriebskosten vorantreiben können. Junginger gibt einen Überblick über verschiedene Lernformen in verschiedenen Entwicklungsstadien, hierzu gehören: ⁵¹

- Learning-by-Searching: Besonders häufig in der Entwicklungsphase, um die Produkte zu demonstrieren und diese an den Markt heranzuführen.
- Learning-by-Doing: Durch wiederholtes Handeln kommt es zu Lernerfolgen, etwa durch Spezialisierung und Produktverbesserungen. ⁵²
- Learning-by-Using: Nach Markteinführung der EET sorgt bspw. das Feedback der Nachfrager für eine Verbesserung der Produkte. ⁵³
- Learning-by-Interacting: Bei steigender Diffusion kommt es zu einer hohen Verbreitung von Wissen, etwa durch Netzwerkeffekte. ⁵⁴
- Upsizing: Vergrößerung der Anlagen führt zu geringeren Stückkosten.
- Economies of Scale: Ausnutzung der Massenproduktion und Standardisierung. ⁵⁵

Das Konzept der Lernkurveneffekte, ursprünglich in der strategischen Marktanalyse verwendet, stellt hierbei ein geeignetes Mittel dar, um aus der bisherigen Kostenentwicklung auf die zukünftigen Kosten der EET schließen zu können. ⁵⁶ Somit können Aussagen über die Wettbewerbsfähigkeit und die spezifische Förderung einzelner EET abgeleitet werden. ⁵⁷ Die Vorteile der Betrachtung von Erfahrungskurvenkonzepten liegen dabei in der Veranschaulichung von Kostenreduktionen sowie der verbesserten Möglichkeit zur Inkorporation des technologischen Wandels in die Analyse der Energieerzeugungssysteme. Zusätzlich zeigen sie die Notwendigkeit zur Schaffung eines Marktes auf, in dem Lerneffekte genutzt werden können. ⁵⁸

Lund beschreibt das Konzept zunächst als statisch und stellt die kumulierte, installierte Stromerzeugungskapazität einer gegebenen Lernrate gegenüber, bevor er dynamische Effekte, die durch die zunehmende Diffusion entstehen, beschreibt. ⁵⁹ Die steigende installierte Kapazität von EE führt dabei zu einer höheren Nutzung von Technologien, die wiederum weitere posititve Lerneffekte schaffen, die zu einer mittel- bis langfristigen Kostenreduktion führen. ⁶⁰ Der statische Zusammenhang zwischen fallenden Stückkosten und einer vermehrten installierten Kapazität wird durch Abbildung 8 exemplarisch dargestellt.

Abbildung in dieser Leseprobe nicht enthalten

Abb. 8: Erfahrungskurve - Verhältnis zwischen Stückkosten und kumuliertem Output (log-log Werte). Quelle: Neij (2008), S. 2201.

Die negative Steigung der gestrichelten Geraden stellt die Fortschrittsrate, den Progress Ratio (PR), dar und misst die prozentuale Kosten- bzw. Preissenkung nach Verdoppelung der installierten Leistung. ⁶¹ Eine Fortschrittsrate von bspw. 70% impliziert eine Lernrate (LR) von 30% und beschreibt damit eine Senkung der Kosten nach Verdopplung der installierten Kapazität um 30% des letzten Wertes. Die nachfolgenden Formeln verdeutlichen diesen Zusammenhang: ⁶²

Abbildung in dieser Leseprobe nicht enthalten

In der ersten Formel werden die Kosten der installierten Kapazität (Cost(x)) dargestellt. Dabei ist a der Kostenaufwand des ersten produzierten Gutes, x stellt eine ansteigende Produktion mit einer zunächst konstanten Lernrate m dar. Formel (2) zeigt den log-log Zusammenhang, der die direkte Beziehung zwischen Kosten und installierter Menge aufzeigt. Formel (3) stellt die Fortschrittsrate dar bzw. die Lernrate in Formel (4), die aus der Subtraktion von eins entsteht und somit die Umkehrfunktion bildet. ⁶³

Die dynamische Betrachtung bezieht nun kumulierte Lernprozesse mit ein und nimmt damit an, dass die Preise bzw. Kosten der EET weder konstant fallen, noch die LR linear verläuft. Besonders in Anbetracht einer (politisch) erwünschten installierten Mindestkapazität in Kombination mit Kosten, die EET gegenüber konventionellen Energieformen wettbewerbsfähig machen sollen („cost breakeven point“), ist es unter Förderaspekten notwendig die Lernrate zu beschleunigen um Kostenreduktionen zu erreichen. Lund modelliert dieses Verhältnis und zeigt in Abbildung 9 die Effekte eines „abrupt cost drops“

[Abbildung in dieser Leseprobe nicht enthalten] und einer anschließend konstant fallenden PR oder einer durch erhöhte Lerneffekte steiler verlaufenden PR [Abbildung in dieser Leseprobe nicht enthalten]. ⁶⁴

Abbildung in dieser Leseprobe nicht enthalten

Abb. 9: Schätzung der Kostenentwicklung von EE-Technologien anhand von Lernkurveneffekten. Quelle: Lund (2011), S. 2778.

Der Autor stellt fest, dass solange die Kosten von EET über denen konventioneller Energie liegen, Förderinstrumente und Investitionen zur Beschleunigung des Lernprozesses nötig sein werden, um Lerneffekte zu beschleunigen und die Ausbaurate zu erhöhen. Diese Investitionen lassen sich durch die schattierte Fläche unterhalb von α darstellen. Die dunkler schattierte Fläche zeigt die geringeren Investitionen bei Änderungen der Kosten und/oder Lernrate. ⁶⁵

2.3.2. Lernkurveneffekte von Windkraft und Photovoltaik

Die Literatur zu Lerneffekten und ihren Auswirkungen ist sehr umfangreich und stellt daher eine breite Datenbasis zur Bewertung der historischen Entwicklung, aber auch zur Prognose zukünftig zu erwartender Lerneffekte dar. ⁶⁶ Betrachtet man die Entwicklung der EET unter dem Aspekt von Lernkurveneffekten in Abbildung 10 für den Zeitraum von 1980-95 in der EU, so fällt auf, dass die Fortschrittsraten - und damit auch die Lernraten - sehr unterschiedlich sind. ⁶⁷

Abbildung in dieser Leseprobe nicht enthalten

Abb. 10: Fortschrittsraten von EE-Technologien in der EU von 1980-1995. Quelle: IEA (2000), S. 21.

Während die Lernrate bei Windenergie bei 18% liegt, ist die Lernrate von Solarenergie im gleichen Zeitraum mit 35% deutlich höher. Aus dieser Grafik erschließt sich auch, dass mit zunehmendem Absinken der Kosten eine höhere installierte Kapazität einhergeht. Zur Betrachtung der Förderungswürdigkeit soll jedoch näher auf die Kosten für die Erzeugung von Energie aus Windkraft und Photovoltaik eingegangen werden. ⁶⁸

(1) Windkraft
Die Erzeugung von Elektrizität durch Windenergie lässt sich aufteilen in Strom aus Onshore- WKA, die Windkraft an Landstandorten nutzen und Offshore- WKA, welche die allgemein höhere Windkraft auf hoher See nutzen. ⁶⁹ Der Hauptunterschied besteht neben dem geringeren technischen Aufwand für Onshore- WKA in den sehr unterschiedlich hohen Investitionskosten. Während die Kosten für Onshore- WKA bei 1100-1400 €/kW liegen, sind die Kosten für Onshore- WKA in etwa doppelt so hoch. ⁷⁰ Die Stromgestehungskosten liegen in windstarken Standorten bei 5-6,5 Cent/kWh und in windschwächeren Gegenden bei 7-10 Cent/kWh. ⁷¹ Die European Wind Energy Association (EWEA) weist in ihrem Bericht für den EU-Energiemarkt einen PR von 0,83 bis 0,91 und damit eine Lernrate von 0,17 bis 0,09 aus. ⁷² Eine Verdopplung der Leistung senkt also die Kosten pro erzeugter kWh um 9 bis 17%. Ein Vergleich mit dem von Junginger/Faaij/Turkenburg erstellten Überblick über die in der Literatur evaluierten Fortschritts- und Lernraten zeigen, dass diese Werte annähernd die historischen Werte widerspiegeln. Es kann von einer Reichweite von 0-17% ausgegangen werden. ⁷³ Die Autoren gehen davon aus, dass die Nutzung von steigenden Skaleneffekten die Kosten weiter senken werden und die Windkraft von der Massenfertigung profitieren wird. ⁷⁴
(2) Photovoltaik
Die Erzeugung von Strom aus PV-Anlagen kann durch Einsatz von Dickschicht-, (kristallines Silikon) oder Dünnschichtmodulen („Thin-Film“-Module) erfolgen. ⁷⁵ Generell lässt sich der Trade-Off zwischen beiden Erzeugungsarten auf Herstellungskosten und effizienter Erzeugung summieren. Dünnschicht-Module sind günstiger, während Dickschicht-Module effizienter Sonnenenergie in elektrischen Strom umwandeln können. ⁷⁶ Die Herausforderung für die Diffusion von PV-Anlagen besteht daher in der Entwicklung neuer Technologien („third generation photovoltaics“), die eine effizientere Nutzung erlauben und der Senkung von Kosten bestehender Anlagen. ⁷⁷
Die historische Betrachtung zeigt, dass die Erzeugungspreise aufgrund zunehmender Erfahrung und steigender Skaleneffekte deutlich zurückgegangen sind. In den letzten 30 Jahren sind die Kosten für PV-Anlagen bei Verdopplung der installierten Kapazität um 22% gefallen, was eine hohe Lernrate impliziert. ⁷⁸ Dieser Wert liegt in dem von Schaefer et al.
ermittelten Bereich von 20-25% für die globale Lernrate in einem Beobachtungszeitraum von 25 Jahren (1976-2001). ⁷⁹ Nemet spricht insgesamt von einer Kostenreduktion um den Faktor 100 seit 1950 und resümiert, dass drei Faktoren (geringere Anlagenkosten, erhöhte Effizienz und günstigere Silikonpreise) dazu beigetragen haben, dass die Kosten bei keiner anderen Technologie so drastisch gefallen sind. ⁸⁰ Für die Zukunft werden weiter fallende Anlagenpreise und eine verbesserte Effizienz der EET prognostiziert. ⁸¹ Mit zunehmendem Ausbau geht die Studie der EPIA für Europa jedoch von fallenden Lernraten von 18% (2020) bis zu 14% (2040) und damit von geringeren Kostenreduktionen aus. ⁸²
(3) Direkter Vergleich
Der Vergleich aktueller und historischer Kosten zeigt, dass beide EET durch vermehrten Ausbau, geringeren Anlagenkosten und der Nutzung von Lerneffekten ihre Erzeugungskosten deutlich senken konnten. Die Photovoltaik weist dabei eine deutlich höhere Lernrate von bis zu 25% auf, während die Windenergie tendenziell Lernraten unter 20% (9%-17%) aufweist. Die Stromgestehungskosten sind mit 14-20 Cent bei PV-Anlagen jedoch mehr als doppelt so hoch als bei Windkraftanlagen (ca. 7 Cent).

Unter Beachtung von Sensibilitätskriterien stellt Lund die Effekte von verschiedenen Parameteränderungen bei Windkraft- und PV-Anlagen in Tabelle 1 gegenüber. ⁸³

Abbildung in dieser Leseprobe nicht enthalten

Tabelle 1: Auswirkungen von Parameteränderungen bei Windkraft und Photovoltaik Quelle: Modifiziert nach Lund (2011), S. 2782.

Zunächst kann festgestellt werden, dass die aufzuwendenen Investitionen unter einer angenommenen Lernrate von 15% und Kosten von 120 €/MWh zum Ausbau bei PV-Anlagen mehr als das vierfache der Aufwendungen für Windkraft betragen. Die Erreichung des „cost breakeven points“ ist bei Windkraft zudem fünf Jahre früher möglich, was der bereits jetzt schon geringere Erzeugungspreis vermuten lässt. Die Tabelle zeigt auch, dass mit einer Abnahme der Lernrate eklatante Kostensteigerungen einhergehen würden und die Marktfähigkeit weiter in die Zukunft verschoben werden würde. Eine Steigerung der Lernrate würde indes zu höheren Kosteneinsparungen bei PV-Anlagen als bei Windkraftinvestitionen führen.

2.4. Analyse der Bewertungskriterien

Um einen möglichst adäquaten Vergleich und eine angemessene Bewertung der Förderinstrumente vornehmen zu können, ist eine vorherige Analyse, Abgrenzung und Evaluierung der einzelnen Kriterien notwendig. ⁸⁴

(1) Effektivität
Effektivität beschreibt das Ausmaß oder die Höhe der hinzugefügten oder erzeugten Stromkapazität zur Erreichung eines ex-ante festgelegten Ziels. Mengenverpflichtung eingeführt, so stellt diese die Zielmarke dar. ⁸⁶
Bräuer/Kühn beschreiben die Effektivität als Zielkonformität und ziehen innerhalb dieses Konzepts den „Grad der Zielerreichung (Richtung und Dosierung), die Geschwindigkeit der Zielerreichung und die Invarianz der Zielerreichung gegenüber sich ändernden makroökonomischen Rahmenbedingungen“ zur Bewertung heran. Lienert/Wissen unterscheiden zwischen Stimulierung und Treffsicherheit und weisen darauf hin, dass diese Kriterien in Abhängigkeit stehen, da erst der Stimulationsanreiz zur Zielerreichung beiträgt und ein Anreiz nicht automatisch auch treffsicher ist. ⁸⁸ Espey verwendet ähnliche Kriterien, listet detailliert die Ergebnisse der Förderung von EE auf und definiert die Maßeinheiten für die Bewertung der Förderinstrumente. ⁸⁹
Van Dijk et al. kritisieren, dass die Definition als Grad der Zielerreichung zu breit ist. Zum einen begründen sie dies durch die Heterogenität der Ziele in verschiedenen Ländern, zum anderen weisen sie darauf hin, dass weniger ehrgeizige Ziele einfacher umzusetzen sind und so keine Aussage über die Wirkung des Instruments möglich sei. ⁹⁰ Espey hebt hervor, dass die erreichten Ergebnisse nicht zwingend durch den Instrumenteneinsatz hergeleitet werden können. ⁹¹ Aufgrund vieler, parallel eingesetzter Förderinstrumente ist die Feststellung, dass diese konfliktär sind oder komplementär wirken nicht von der Hand zu weisen. ⁹² Bei der Bewertung von Förderinstrumenten werden hinsichtlich der Effektivität oft auch erwünschte wirtschaftspolitische Ziele mit evaluiert, die aber durch direkte Wirkung von Instrumenten nur sehr schwer oder gar nicht zu quantifizieren sind und daher hier nicht näher betrachtet werden sollen. ⁹³
(2) Statische Effizienz
Die statische Effizienz kann unterschieden werden in allokativer und technischer Effizienz. ⁹⁴ Die allokative bzw. Pareto-Effizienz, entstammt der Wohlfahrtsökonomie und postuliert „dass es nicht möglich ist jemanden besser zu stellen, ohne irgend jemand anderen schlechter zu stellen.“ ⁹⁵ Aufgrund mangelnder Kenntnisse über eine „optimale Erzeugungsmenge“ lassen sich jedoch Rückschlüsse auf die allokative, statische Effizienz nur ungenau oder verzerrt wiedergeben. ⁹⁶ Stattdessen wird zurückgegriffen auf die technische Effizienz, die sich wiederum unterscheiden lässt in eine Betrachtung der Kosteneffizienz (fixierter Output mit minimalem Input) und einer Outputeffizienz (mit fixiertem Input wird ein maximaler Output erreicht). ⁹⁷ Lienert/Wissen weisen daraufhin, dass bereits der Vollzug einer der beiden Arten im Ergebnis bereits Effizienz bedeutet und beide simultan betrachtet werden sollten, da ansonsten die Bewertung inadäquat und verzerrt ist. ⁹⁸ Sie kritisieren an diesem Bewertungsinstrument vor allem die einseitige Bewertung der Vergütungshöhen bzw. der Preiskomponente, da diese von verschiedenen Determinanten (unterschiedliche regionale Strukturen, Technologien, Investitionsrisiken usw.) geprägt wird und somit nicht einheitlich bewertet werden kann.
(3) Dynamische Effizienz
Dynamische Effizienz bezieht sich auf einen langfristigen Zeitraum, in dem das eingesetzte Kapital nicht mehr fixiert ist (wie bei der statischen Effizienz) sondern variabel. Das Ausmaß der dynamischen Effizienz beschreibt, wie ökonomische Anreize geschaffen werden, die zu einer Anregung von möglichst optimalen Investitionen in EET führen. ⁹⁹ Im Bereich der EE bedeutet dies eine möglichst effiziente Förderung und Nutzung der installierten Kapazität, effiziente Entwicklung von Technologien und Erreichung einer bestmöglichen All okation langfristiger Nutzen für die Gesellschaft. ¹⁰⁰ Das dynamische Wachstum der EE steht dabei im Vordergrund und legt den Fokus auf die Ausnutzung von Investitions- und Kostenvorteilen, die sich durch verschiedene Determinanten ergeben. Zur Betrachtung dieser Effekte und Innovationsanreize soll hier zusätzlich das Lernkurvenkonzept in der Analyse betrachtet werden. Günstige Rahmenbedingungen können so zu vermehrten Markteintritten führen und damit zu einer höheren Marktdurchdringung von EE beitragen und auch die Diffusion neuer Technologien beschleunigen. Lienert/Wissen sprechen von Anreizen, auf den bestmöglichen Moment zu warten, in dem die Erzeuger in den Markt eintreten. Als entscheidende Determinanten machen sie die „Investitionsrentabilität und Risikopräferenzen“ aus. ¹⁰¹ Zur Bewertung nach dynamischer Effizienz kritisieren sie v.a. ein mögliches Nichteinbeziehen von dynamischen Berechnungen der Vergütungen. ¹⁰²
(4) Fördermitteleffizienz
Dieser Begriff beschreibt, dass eine möglichst hohe EE-Erzeugung mit einem gegebenen Förderbudget oder eine bestimmte Zielmarke mit möglichst geringen Fördermitteln erreicht werden soll. Dieses Kriterium kann zwar abgegrenzt werden von einer bestimmten Zielerreichung zu minimalen Kosten (Kosteneffizienz), jedoch beinhaltet dessen Erfüllung auch implizit eine Erfüllung der Kosteneffizienz. An diesem Bewertungskriterium wird kritisiert, dass es lediglich die Umverteilung bspw. im Sinne einer minimalen Produzentenrente, betrachtet und damit nicht als Kriterium herangezogen werden sollte. ¹⁰³
(5) Weitere Bewertungskriterien
Weitere Bewertungskriterien, die zur Analyse herangezogen werden, sollen hier zwar nicht ausführlich erläutert werden, spielen aber je nach Instrumentenwahl eine bedeutsame Rolle bei der Bewertung. So trägt eine hohe (Markt-)Transparenz sowohl beim Förderer als auch bei Geförderten dazu bei, die Zahlungsströme besser zu evaluieren und die Komplexität des Fördersystems zu vereinfachen.

Die Bewertung der Transaktionskosten kann hinsichtlich der Implementationskosten, also bei Such- und Informationskosten und der Anpassungskosten nach Errichtung des Systems vorgenommen werden und spielt eine zusätzliche Rolle bei der Schaffung von Kontrollinstanzen. ¹⁰⁴ Da die statische Effizienz eine Zielerreichung zu minimalen Kosten betrachtet, erfolgt in dieser Arbeit ebenfalls eine Bewertung hinsichtlich der Transaktionskosten der Förderinstrumente.

Die Forderung nach Gleichheit („Equity“) meint eine möglichst „faire“ Verteilung langfristiger Kosten und Nutzen von EE auf die relevanten Zielgruppen. Dieses Postulat spielt dann eine Rolle, wenn es zu einer ungleichmäßigen Verteilung der Kosten, etwa zu Lasten der Stromverbraucher, kommt und andererseits hohe Mitnahmeeffekte bei den Produzenten möglich sind. Allerdings soll auch aufgrund mangelnder objektiver Operationalisierbarkeit des „Fairness“-Begriffs dieses Bewertungskriterium nur am Rande erwähnt werden. ¹⁰⁵

Die Förderung und Subventionierung der EE stellt eine Übergangssituation dar, in welcher der Versuch unternommen wird EET an die Marktreife heranzuführen und diese im Markt zu etablieren. Daher ist es für die Bewertung wichtig auch auf die Marktkonformität einzugehen, ¹⁰⁶ da die Förderung des zusätzlichen Markts für EET die Funktionsfähigkeit des vorhandenen Marktes für konventionelle Energie nicht beeinträchtigen sollte. ¹⁰⁷ Förderinstrumente werden hinsichtlich der Marktkonformität höher eingestuft, wenn sie nur minimal in die Entscheidungsspielräume der Akteure eingreifen und/oder eine langfristige und nachhaltige Wettbewerbsstruktur schaffen, die eine möglichst freie Preisbildung in ausreichendem Maße zulässt. ¹⁰⁸ Bei fehlender Anpassung von EET an den Markt, besteht die Gefahr, dass es zu unabsehbaren Folgen für die Bereitstellung von EE-Strom kommt, wenn der Wegfall von Subventionen und Vergütungen zu plötzlich kommt. ¹⁰⁹ Diese Konformität spielt ebenfalls eine Rolle bei der Harmonisierung und Einbindung des EE-Sektors in den EU-Energiebinnenmarkt und in die zunehmenden Liberalisierungsanstrengungen des Stromsektors einzelner Mitgliedsstaaten. ¹¹⁰

Als letzter Punkt ist noch die institutionelle Beherrschbarkeit, also die politische Entscheidung zum Einsatz eines Förderinstruments und die Durchsetzung zu nennen. ¹¹¹ Dieses Bewertungskriterium fragt nach einem möglichen Missbrauch der Förderinstrumente und daraus entstehende Nachteile für bestimmte Akteure bzw. Vorteile für an der Gesetzesbildung beteiligten oder dieser nahestehenden Gruppen (Lobbyisten). ¹¹²

Diese Arbeit wird eine Bewertung der Förderinstrumente hauptsächlich anhand ihrer Effizienzwirkungen vornehmen. Die Fördermitteleffizienz wird in die statische und dynamische Effizienz integriert und die dynamische Effizienz wird durch den Einbezug von Lerneffekten und anderer kostenmindernder Effekte erweitert.

[...]

---

¹ Nach Jordan-Korte (2011), S. 54ff.

² IEA (2007b), S. 3 und 53.

³ Vgl. IEA (2007b), S. 42.

⁴ Vgl. Stern (2006), online.

⁵ Vgl. IPCC (2007).

⁶ Vgl. Stern (2006), S. i, Executive Summary, online.

⁷ Siehe hierzu den Minderheitenreport des „U.S. Senate Environ ment and Public Works Committe“, online.

⁸ In der Literatur werden diese Ziele meist unter einem „Zieldreieck“ zusammengefasst, bestehend aus Preiswürdigkeit, Umweltverträglichkeit und Versorgun gssicherheit. Vgl. Erdmann/Zweifel (2008), S. 10.

⁹ Vgl. IEA (2010a), S. 304.

¹⁰ Diese auch als „modern renewables“ (IEA [2010a], S. 276) bezeichneten Energieträger beinhalten alle erneuerbaren Energieformen außer der Nutzung von klassischer Biomasse (Holz, Kohle etc.). In REN21 (2010), S. 15 werden „new renewables“ definiert, die große Wasserkraftwerke nicht zu den EE zählen.

¹¹ Vgl. IEA (2010a), S. 222 zur Veränderung des Anteils bei vermehrten Förderungsmaßnahmen im „New Policies Scenario“. Vgl. hierzu auch IEA (2010a), S. 695 zu den Annahmen des Szenarios.

¹² Vgl. REN21 (2011), S. 18.

¹³ Die Abbildung unterscheidet zwischen „gried-tied“, also direkt ins Stro mnetz eingespeiste, kleiner PVAnlagen und „utility scaled“-Anlagen, die laut REN21 (2010), S. 10 in größerem Maßstab mindestens 200 kW Leistung erzeugen.

¹⁴ So erzeugt Italien einen Großteil seiner EE aus geothermischen Anlagen und Schwedens Energiebedarf wird fast zur Hälfte aus Wasserkraftwerken gedeckt Vgl. RES 2020 (2011), S. 83 und 126.

¹⁵ Vgl. Ragwitz et al. (2011), S. 3.

¹⁶ Wird als Begriff vor allem in Japan verwendet (Jordan-Korte²⁰¹¹, S. 11), aber auch als allgemeine Bezeichnung von EE-Technologien.

¹⁷ Vgl. Schaller (2006), S. 131ff kritisiert die Arbeiten von Bräuer/Kühn (2001) und Vo ß /Dicke/Rath-Nagel (2000) und resümiert, dass Umwelt- und Technologieziel nicht „unabhängig nebeneinander“ bestehen, und „auf gar keinen Fall ein Zielkonflikt“ herrscht. Siehe hierzu auch Jaffe/Newell/Stavins (2005), die sowohl Technologie-, als auch Umweltziel betrachten.

¹⁸ Vgl. Jordan-Korte (2011), S. 22. Vgl. auch Springmann (2005), S. 12 und für einen umfassenderen Überblick über Ursachen, Folgen und Lösungsmechanismen siehe Fritsch/Wein/Ewers (2007).

¹⁹ Vgl. Ragwitz et al. (2006), S. 81 und Jordan-Korte (2011), S. 23.

²⁰ Vgl. Nielsen/Jeppesen (2003), S. 3 und EU (1996), Präambel, Vorrangklausel Nr. 28.

²¹ Vgl. Jordan-Korte (2011), S. 30.

²² Es handelt sich hierbei genauer um technologische externe Effekte. Vgl. Fritsch/Wein/Ewers (2007), S. 91.

²³ Vgl. Jordan-Korte (2011), S. 23; Springmann (2005), S. 52 spricht von einem „Wettbewerbsnachteil“. EE führen ebenso zu Umweltexternalitäten, jedoch in weitaus gerin gerem Maße als fossile Brennstoffe und sind daher anderen Energieformen in dieser Hinsicht vorzuziehen. Zu einer näheren Analyse der externen E ffekte am Beispiel der Windenergie siehe Nitsch et al. (2004), S. 119ff.

²⁴ Vgl. Jordan-Korte (2011), S. 24 und die Arbeiten von Finon (2007); Finon/Menanteau (2003); Lamy/Menanteau/Finon (2002); Popp/Newell/Jaffe (2009).

²⁵ Siehe hierzu auch EC (2002): Green Paper der Kommission zur steigenden Abhängigkeit von Energie der EU.

²⁶ Vgl. EC (2006), S. 6. Zu diesem Argument siehe auch Canton/Lind é n (2010), S. 36; De Joode et al. (2004), S. 17f und umfassender Kruyt et al. (2009).

²⁷ Jedoch unterliegen diese anderen Volatilitäten, die sich bspw. aufgrund von Wetterverhältnissen ergeben.

²⁸ Vgl. Couture/Gagnon (2010), S. 956; IEA (2011), S. 36; Jordan-Korte (2011), S. 25; Sawin (2004), S. 27.

²⁹ Die Einführung von Energiesteuern, die eine direkte Internalisierung der Kosten aus theoretischer Sicht (Pigou-Steuer) als „first-best-Lösung“ vorsieht, wird hier nicht näher behandelt. Auch eine Verhandlungs lösung (Coase-Theorem) soll nicht näher untersucht werden. Vgl. hierzu Fritsch/Wein/Ewers (2007), S. 134ff und Jordan-Korte (2011), S. 27ff.

³⁰ Vgl. Krewitt/Schlomann (2006), S. 6.

³¹ Nähere Informationen zu ExternE (o.J.), online.

³² Vgl. Rabl/Spadaro (2005), S. 31. Dieses Modell betrachtet die gesamten externen Kosten, die während eines Lebenszyklus auf allen Stufen der Wertschöpfungskette anfallen.

³³ Betrachtet werden hierbei die minimalen und maximalen Stromgestehun gskosten.

³⁴ Die Datenbasis von Abbildung 6 ist von 2002-2004 (siehe Rabl/Spadaro²⁰⁰⁵, S. 1), während die Abbildun g

7 auf Daten von 2007 beruhen und die Preise auf 2005 normiert wurden. Zudem ist die zweite Abbildung in

³⁵ Vgl. Arrow (1962), S. 168.

³⁶ Diekmann (2008), S. 12. Auch Canton/Lind é n (2010), S. 1 halten fest, dass “policies that solely aim to address environmental externalities and energy security risks are unlikely to make renewable power technologies competitive.“

³⁷ Vgl. Schumpeter (1942).

³⁸ Zur Geschichte und Entwicklung der Windkraft, siehe Hau (2008), S. 1-64. Zu den historischen Entwicklungen der PV siehe kurz Breyer/Gerlach (2010), S. 1f. Zur Entstehung neuer Märkte durch Nutzung von neueren Solarzellen und Offshore-WKA siehe IEA (2010b), S. 128f und 130f.

³⁹ Vgl. IEA (2010a), S. 296. In diesem Zusammenhang teilen Johnstone/Ha šč i č /Popp (2008), S. I die Innovationen im Bereich EE-Technologien in drei Generationen der Entwicklung auf.

⁴⁰ Vgl. IEA (2008), S. 15.

⁴¹ Vgl. Christiansen (2001); Jaffe/Newell/Stavins (2002); Köhler et al. (2006) und Löschel (2002) für einen Literaturüberblick.

⁴² Vgl. Christiansen (2001), S. 6.

⁴³ Vgl. hierzu die Arbeiten von Köhler et al. (2006) und Popp/Newell/Jaffe (2009).

⁴⁴ Vgl. Köhler et al. (2006), S. 20.

⁴⁵ Vgl. ebd., S. 1.

⁴⁶ Vgl. Christiansen (2001), S. 43. Dieser Begriff wird von Ashford (2000), S. 3 als „Technology forcing“ beschrieben und kann auch einen „Zwang zur Nachahmung“ bereits bestehender Technologien bedeuten.

⁴⁷ Vgl. Köhler et al. (2006), S. 22. Eine Ausnahme stellt hier die Arbeit von Johnstone/Ha šč i č /Popp (2009) dar, die über ein Regressionsmodell die Wirkungen der einzelnen Förderregime auf die Anzahl der eingetragenen Patente betrachten.

⁴⁸ Hier wird der Begriff der Lernkurveneffekte („learnin g curve“) verwendet, der als enger gefasster Begriff die Kostenreduktionen aufgrund von Lernfortschritten der Mitarbeiter beschreibt. Erfahrungskurveneffekte beschreiben allgemein alle Prozesse, die zu niedrigeren Kosten führen. Vgl. Neij (2003), S. 2.

⁴⁹ Vgl. Van der Linden (2005), S. 12; De Jager et al. (2011), S. 121 und bereits Isoard/Soria (2001), S. 620.

⁵⁰ Vgl. Junginger (2005), S. 4 und siehe auch Kapitel 4.2.

⁵¹ Vgl. Junginger (2005), S. 5f. Der Autor gibt einen kurzen Literaturüberblick über weitere Lernkonzepte. Hier soll zusammenfassend auf diese Aufteilun g ein gegangen werden. Vgl. auch Schaeffer et al. (2004), S. 10.

⁵² Siehe auch Arrow (1962). Dieses Konzept ko mmt der originären Definition der Kostenreduzierung durch Lernerfolge der Mitarbeiter am nächsten.

⁵³ Dieses Lernkonzept geht zurück auf die Arbeit von Rosenberg (1982).

⁵⁴ Dieses Konzept erweitern Schaeffer et al. (2004), S. 10 und fügen noch „learning-by-learning“ nach Rotmans/Kemp (2003) und „learning-by-expanding“ hinzu. Junginger (2005), S. 6 zählt auch steigende Erträge durch Adaption dazu. Vgl. hierzu auch Sand é n (2005), S. 139f.

⁵⁵ Vgl. Neij (2003), S. 2, Fußnote 19 weist darauf hin, dass Erfahrun gskonzept und Skaleneffekte schwer zu trennen sind und sich stark überschneiden. Diese Arbeit folgt dem Vorgehen von Neij und betrachtet Skaleneffekte innerhalb des Erfahrungskurvenkonzeptes.

⁵⁶ Vgl. Neij (1997), S. 1099.

⁵⁷ Das Konzept spielt in der Energiepolitik meist eine untergeordnete Rolle. Kritisch hierzu: IEA (2000), S. 23.

⁵⁸ Vgl. Neij (2008), S. 2200. Für die weitere Analyse wird nicht näher auf die Kritik zu Lernkurvenkonzepten eingegangen. Unter der Annahme vorherrschender Unsicherheit bei der Förderung und Entwicklung von EE - Technologien und der Prämisse, dass grundlegende Inno vationen bereits durchgeführt wurden und lediglich Prozessverbesserungen betrachtet werden, bleibt die Aussagefähigkeit dieses Konzepts jedoch bewahrt. Vgl. hierzu ebenfalls Neij (2008), S. 2200f und für einen Überblick über die Kritik siehe Junginger (2005), S. 9ff.

⁵⁹ Vgl. Lund (2011), S. 2778. Isoard/Soria (2000), S. 624f integrieren Lerneffekte in die Cobb-Douglas Produktionsfunktion und führen eine formale Herleitung unter konstanten Skaleneffekten zur Argumentation an, die dem Vorgehen hier entspricht.

⁶⁰ Vgl. Lund (2011), S. 2777.

⁶¹ Statt die Senkung der Kosten als Determinante zu nutzen , werden oft die Preise von EE-Technologien zur Evaluation herangezogen. Der Grund ist die mangelnde Kenntnis genauer Kosten, da diese bspw. aufgrund fehlender Informationsveröffentlichungen der Unternehmen schwer zu ermitteln sind. Hierzu Staffhorst (2006),

S. 6 und Neij (2008), S. 2201.

⁶² Vgl. Staffhorst (2006), S. 5. Schaeffer et al. (2004), S. 9 weisen darauf hin, dass der Begriff der Fortschrittsrate irreführend ist, denn ein höherer Wert impliziert nicht einen höheren Fortschritt, da die Lernrate abnimmt.

⁶³ Vgl. ebd.

⁶⁴ Lund (2011), S. 2778.

⁶⁵ Vgl. ebd.

⁶⁶ Einen Überblick über die Literatur und eine umfassende Betrachtung historischer Lernkurven in verschied enen Regionen und Ländern bieten Köhler et al. (2006), S. 29ff.

⁶⁷ Diese Abbildung wird von Midttun/Gautesen (2007), S 1421 zur Erklärung des Einsatzes der noch folgenden, zu erklärenden Förderinstrumente in verschiedenen Entwicklungsphasen verwendet. Vgl. hierzu Kapitel 4.2.

⁶⁸ Die Analyse beschränkt sich auf diese beiden EE -Technologien als proxi für die Erklärung von Lernraten. Die Erzeugungskosten von Bioenergie lassen sich nur schwer beziffe rn, da die Gewinnung aus verschiedenen Grundmaterialien sehr komplex ist und die Kosten je nach eingesetztem Rohst off, technologischer Umwandlung und Betrieb und Wartung teilweise stark variieren. Vgl. Neij (2008), S. 2208. Vgl. Junginger et al. (2006) für einen Versuch zur Quantifizierun g der Lernraten bei Biomasse.

⁶⁹ Vgl. Hau (2008), S. 679.

⁷⁰ Vgl. Krohn/Morthorst/Awerbuch. (2009), S. 56 und 62.

⁷¹ Vgl. ebd., S. 9.

⁷² Vgl. ebd., S. 11.

⁷³ Vgl. Junginger/Faaij/Turkenburg (2005), S. 141 und Neij (2008), S. 2202.

⁷⁴ Vgl. Junginger/Faaij/Turkenburg (2005), S. 148.

⁷⁵ Für einen genaueren Überblick über Materialen und Technologien siehe EPIA/Greenpeace (2011), S. 20ff.

⁷⁶ Vgl. Wi cht (2009), online. Dickschicht-Module haben 2008 einen Anteil von 86%, während Dünnschicht- Module einen Anteil von 14% aufweisen, der aber laut Pro gnose auf 31% bis zum Jahr 2013 anwachsen soll.

⁷⁷ Vgl. EPIA/Greenpeace (2011), S. 25 und Neij (2008), S. 2203.

⁷⁸ Vgl. EPIA/Greenpeace (2011), S. 30.

⁷⁹ Vgl. Schaeffer et al. (2004), S. 22. Breyer/Gerlach (2010) befinden sich in ihrer aktuelleren Studie ebenfalls in diesem Band und geben eine Lernrate von 22,8% (1976-2003) bzw. 19,8% (1976-2010) an. Für einen Überblick über weitere Lernkurvenwerte für PV-Anlagen in der Literatur siehe Neij (2008), S. 2203.

⁸⁰ Vgl. Nemet (2006), S. 3218.

⁸¹ Vgl. EPIA/Greenpeace (2011), S. 39, Tabelle 10.

⁸² Vgl. EPIA/Greenpeace (2011), S. 70.

⁸³ Zu den Sensitivitätskriterien gehören die Geschwindigkeit des technologischen Prozesses, die wachsende Elektrizitätsnachfrage, ein Referenzpreis für die Elektrizitätserzeugung aus EE, Kapazitätsbeschränkungen und finanzielle Aufwendungen. Hier werden jedoch nur die Änderungen der Lernrate als Auswirkun g auf die Investitionen betrachtet. Vgl. Lund (2011), S. 2782.

⁸⁴ Im Bezug auf den Analyserahmen von Vo ß /Dicke/Rath-Nagel (2000) und Bräuer/Kühn (2001) kritisiert Schaller (2006), S. 137 das „Chaos von Förderzielen und Bewertun gskriterien“, die arbiträre Wahl der Zielhierarchie und die fehlende genaue Abgrenzung.

⁸⁵ Vgl. Van Dijk et al. (2003), S. 16.

⁸⁶ Vgl. Van der Linden et al. (2005), S. 6.

⁸⁷ Bräuer/Kühn (2001), S. 54. Vgl. auch Springmann (2005), S. 112.

⁸⁸ Die Unterscheidung wird auch von Häder (2005), S. 10 vorgenommen. Er weist darauf hin, dass Probleme aus mangelnder Erreichung nicht nur durch eine Zielunterschreitung, sondern auch durch übermäßige Erfüllung resultieren können. Dieses „Überschießen“ wird im Rahmen der statischen Analyse in Kapitel 3 näher betrachtet.

⁸⁹ Vgl. Espey (2001), S. 82, Tabelle 4.1.

⁹⁰ Vgl. Van Dijk et al. (2003), S. 16 und Neij/ Ǻ strand (2006), S. 2663. Diese kritisieren ebenfalls die fehlenden Informationen darüber, wie sich die Instru mente auf den technologischen Prozess auswirken.

⁹¹ Vgl. Espey (2001), S. 82. Auch Van Dijk et al. (2003), S. 17.

⁹² Vgl. Espey (2001), S. 83.

⁹³ Hierzu gehören Einflüsse auf BIP, Arbeitsplätze, Exporte, Strukturen und Regionen. Vgl. Espey (2001), S. 82. Schaller (2006), S. 132 beschreibt diese als „willkommene Nebeneffekte“. Kritisch zu Beschäftigungseffekten statt vieler: Frondel/Ritter/Vance (2009), S. 22f.

⁹⁴ Vgl. Lienert/Wissen (2006), S. 135.

⁹⁵ Wiese (2010), S. 245.

⁹⁶ Vgl. ebd. Informationen sind nötig über externe Effekte, indirekte Effekte und direkte Effekte.

⁹⁷ In der amerikanischen Literatur findet sich häufig der Begriff der „cost-effectiveness“, der die Kosteneffizienz beschreibt. Dieser ist Abzugrenzen vom Begriff der „Efficiency“, der einer detaillierten Kosten-Nutzen-Analyse bedarf, die hier nicht näher behandelt wird. Vgl. hierzu Langni ß et al. (2007), S. 23; Van Dijk et al. (2003), S. 16; Van der Linden et al. (2005), S. 6 und Finon (2007), S. 114.

⁹⁸ Vgl. Lienert/Wissen (2006), S. 135.

⁹⁹ Vgl. ebd., S. 136 und Van Dijk et al. (2003), S. 20.

¹⁰⁰ Vgl. Van Dijk et al. (2003), S. 20.

¹⁰¹ Vgl. Lienert/Wissen (2006), S. 136.

¹⁰² Vgl. ebd.

¹⁰³ Vgl. Lienert/Wissen (2006), S. 136 und auch Springmann (2005), S. 222.

¹⁰⁴ Vgl. Springmann (2005), S. 207ff. Hier wird sich jedoch der Kritik von Schaller (2006), 137 angeschlossen, der auf eine fehlende empirische Datenbasis hinweist, und es wird keine umfangreiche Transaktionskostenanalyse vorgenommen.

¹⁰⁵ Vgl. Van Dijk et al. (2003), S. 22f; Siehe auch die Kritik von Espey (2001), S. 88.

¹⁰⁶ Der Begriff der Systemkonformität, wie er von Bräuer/Kühn (2001), S. 28f; Espey (2001), S. 91 und auch von Springmann (2005), S. 166ff verwendet wird, betrachtet als zweite Komponente noch die „Minimierung unerwünschter Nebenbedingungen“ und verlangt eine Einbindung in das System einer „marktwirtschaftlich verfassten Wirtschaftsordnung“. Schaller (2006), S. 134 kritisiert, dass ein Eingriff des Regulators per se nicht marktkonform sein kann und nennt daher dieses Kriterium „irrelevant“.

¹⁰⁷ Vgl. Lienert/Wissen (2006), S. 137; Bräuer/Kühn (2001), S. 20.

¹⁰⁸ Vgl. Springmann (2005), S. 166; Van Dijk et al. (2003), S. 23.

¹⁰⁹ Vgl. Van Dijk et al. (2003), S. 23.

¹¹⁰ Vgl. Lienert/Wissen (2006), S. 137; Van Dijk et al. (2003), S. 23.

¹¹¹ Vgl. Espey (2001), S. 92.

¹¹² Vgl. die Ausführungen von Springmann (2005), S. 117f.