ENERGIE DER ZUKUNFT - EEG - Technische Universität Wien
ENERGIE DER ZUKUNFT - EEG - Technische Universität Wien
ENERGIE DER ZUKUNFT - EEG - Technische Universität Wien
Sie wollen auch ein ePaper? Erhöhen Sie die Reichweite Ihrer Titel.
YUMPU macht aus Druck-PDFs automatisch weboptimierte ePaper, die Google liebt.
Programmsteuerung:<br />
Klima- und Energiefonds<br />
Programmabwicklung:<br />
Österreichische Forschungsförderungsgesellschaft mbH (FFG)<br />
<strong>ENERGIE</strong> <strong>DER</strong> <strong>ZUKUNFT</strong><br />
Endbericht<br />
Strategien für eine nachhaltige<br />
Aktivierung landwirtschaftlicher<br />
Bioenergie-Potenziale<br />
(ALPot)
Projektleitung:<br />
<strong>Technische</strong> <strong>Universität</strong> <strong>Wien</strong>,<br />
Institut für elektrische Anlagen und Energiewirtschaft, Energy Economics Group<br />
Gerald Kalt<br />
Lukas Kranzl<br />
Partner:<br />
Austrian Energy Agency<br />
Heidelinde Adensam<br />
Im-plan-tat Reinberg und Partner<br />
Matthias Zawichowski<br />
<strong>Universität</strong> für Bodenkultur <strong>Wien</strong>,<br />
Institut für nachhaltige Wirtschaftsentwicklung<br />
Bernhard Stürmer<br />
Erwin Schmid<br />
<strong>Wien</strong> 2010
Inhaltsverzeichnis<br />
I Kurzfassung ....................................................................................................................... I<br />
II Zusammenfassung ............................................................................................................ II<br />
III Abstract ........................................................................................................................... XI<br />
IV Summary ........................................................................................................................ XII<br />
1 Einleitung .......................................................................................................................... 1<br />
1.1 Aufgabenstellung ....................................................................................................... 1<br />
1.2 Schwerpunkte des Projektes ..................................................................................... 1<br />
1.3 Einordnung in das Programm .................................................................................... 2<br />
1.4 Verwendete Methoden ............................................................................................... 2<br />
1.4.1 Methodische Ansätze ......................................................................................... 2<br />
1.4.2 Modelle und Schnittstellen .................................................................................. 3<br />
1.5 Aufbau der Arbeit ....................................................................................................... 5<br />
2 Der österreichische Bioenergie-Sektor ............................................................................. 6<br />
2.1 Bioenergie in Österreich – Historische Entwicklung und derzeitige Bedeutung......... 6<br />
2.1.1 Wärme ................................................................................................................ 8<br />
2.1.2 Elektrische Energie ........................................................................................... 10<br />
2.1.3 Verkehr ............................................................................................................. 12<br />
2.2 Energiebedarf der Landwirtschaft ............................................................................ 12<br />
2.3 Derzeitige Bedeutung landwirtschaftlicher Biomasse .............................................. 14<br />
2.3.1 Produktion von Energiepflanzen und NAWAROS ............................................ 14<br />
2.3.2 Biogas ............................................................................................................... 15<br />
2.3.3 Flüssige Biomasse ............................................................................................ 17<br />
2.3.4 Stroh ................................................................................................................. 21<br />
2.3.5 Zusammenfassung ........................................................................................... 22<br />
3 Wirtschaftliche und politische Rahmenbedingungen: Status quo und Szenarien ........... 23<br />
3.1 Energie- und klimapolitische Zielsetzungen ............................................................. 23<br />
3.1.1 Das Kyoto-Protokoll .......................................................................................... 23<br />
3.1.2 Das Klima- und Energiepaket der Europäischen Union ................................... 24<br />
3.1.3 Die EnergieStrategie Österreich ....................................................................... 25<br />
3.2 Szenarien und Potenziale in der Literatur ................................................................ 27<br />
3.2.1 Szenarien von Energiebedarf und -erzeugung ................................................. 27<br />
3.2.2 Biomasse-Potenziale in der Literatur ................................................................ 29<br />
3.2.3 Energiepreisszenarien ...................................................................................... 31<br />
3.3 Agrarwirtschaftliche und -politische Rahmenbedingungen ...................................... 33<br />
3.3.1 Szenario der Landbedeckung ........................................................................... 33
3.3.2 Agrarpolitische Entwicklungen .......................................................................... 34<br />
3.4 Schnittstellen zwischen agrar- und energiewirtschaftlichen Aspekten ..................... 35<br />
3.4.1 Der Einfluss von Energiepreisen auf Produktionskosten landwirtschaftlicher<br />
Erzeugnisse .................................................................................................................... 35<br />
3.4.2 Flächenkonkurrenz aus betriebswirtschaftlicher Sicht ...................................... 36<br />
4 Biomasse-Nutzungspfade ............................................................................................... 39<br />
4.1 Landwirtschaftliche Biomasse- und Bioenergieproduktion ...................................... 40<br />
4.2 Wirtschaftlichkeit verschiedener Bioenergie-Nutzungspfade ................................... 41<br />
4.2.1 Kleinfeuerungsanlagen ..................................................................................... 42<br />
4.2.2 Heizwerke und Prozessdampfanlagen ............................................................. 46<br />
4.2.3 Kraft-Wärme-Kopplungsanlagen ...................................................................... 48<br />
4.2.4 Konversionsanlagen ......................................................................................... 51<br />
5 Agentenbasierte Modellierung – realisierbares Potenzial ............................................... 54<br />
5.1 Entscheidungsverhalten – Interviews ...................................................................... 54<br />
5.1.1 Interviewpartner ................................................................................................ 55<br />
5.1.2 Fragebogen ...................................................................................................... 55<br />
5.1.3 Interviewergebnisse .......................................................................................... 56<br />
5.2 Agentenbasiertes Modell AGRIEN ........................................................................... 60<br />
5.2.1 Modellierung der Agenten ................................................................................. 62<br />
5.2.2 Weitere Modellaspekte ..................................................................................... 65<br />
5.3 Szenarioanalyse ...................................................................................................... 67<br />
5.3.1 Szenarien der Zukunftsentwicklungen im Bereich Landwirtschaft .................... 68<br />
5.3.2 Ergebnisse der Szenarioanalyse ...................................................................... 70<br />
5.3.3 Sensitivitätsanalyse .......................................................................................... 73<br />
6 GIS-basierte Potenzialanalyse ........................................................................................ 74<br />
6.1 Grundlegende Idee – Beschreibung der Herangehensweise .................................. 74<br />
6.1.1 Begriffsdefinitionen, Systemgrenzen und Methodik .......................................... 74<br />
6.1.2 Aufbau des Modells .......................................................................................... 75<br />
6.1.3 Angestrebte Aussagekraft des Modells – Zielsetzungen .................................. 76<br />
6.2 <strong>Technische</strong> Beschreibung des Modells ................................................................... 76<br />
6.3 Anwendung des Modells – Berechnung von Varianten ........................................... 81<br />
6.3.1 Das Grundmodell .............................................................................................. 81<br />
6.3.2 Variante 1 – Intensive Landwirtschat ................................................................ 82<br />
6.3.3 Variante 2 – Extensive Landwirtschaft .............................................................. 84<br />
6.3.4 Variante 3 – Intensivierung der Fruchtfolge ...................................................... 85<br />
6.3.5 Variante 4 – Intensivierung der Fruchtfolge II ................................................... 86<br />
6.3.6 Variante 5 – Intensivierung der Fruchtfolge III .................................................. 87<br />
6.3.7 Variante 6 – Forcierung von Energiepflanzen .................................................. 88
6.4 Kritische Betrachtung der Ergebnisse ...................................................................... 89<br />
6.4.1 Kritische Betrachtung der Gesamterntemengen ............................................... 89<br />
6.4.2 Schwächen des Modells ................................................................................... 90<br />
6.5 Modellaussagen – Schlussfolgerungen ................................................................... 90<br />
7 Ökonomisches Potenzial der landwirtschaftlichen Biomasseproduktion ........................ 94<br />
7.1 Daten und Methoden ............................................................................................... 94<br />
7.2 Ergebnisse und Interpretation .................................................................................. 95<br />
7.3 Angebotskurven landwirtschaftlicher Biomasse ....................................................... 99<br />
8 Modellierung des Bioenergiesektors – Szenarien der Biomassenutzung bis 2030 ...... 102<br />
8.1 Modellbeschreibung ............................................................................................... 102<br />
8.2 Eingangsdaten und exogene Szenarioparameter .................................................. 103<br />
8.2.1 Referenzsysteme ............................................................................................ 103<br />
8.2.2 Energiebedarf ................................................................................................. 104<br />
8.2.3 Treibhausgasemissionen und kumulierter Energieaufwand ........................... 106<br />
8.2.4 Weitere Parameter und Modellannahmen ...................................................... 108<br />
8.3 Simulationsergebnisse ........................................................................................... 109<br />
8.3.1 No Policy Szenarien ....................................................................................... 110<br />
8.3.2 Current Policy Szenarien ................................................................................ 114<br />
8.3.3 Spezifische Förderszenarien .......................................................................... 118<br />
8.3.4 Varianten ........................................................................................................ 123<br />
8.3.5 Diskussion ...................................................................................................... 126<br />
9 Zusammenfassung, Schlussfolgerungen, Empfehlungen ............................................. 127<br />
9.1 Zusammenfassung der Ergebnisse ....................................................................... 127<br />
9.2 Argumentarium ...................................................................................................... 136<br />
9.3 Empfehlungen ........................................................................................................ 138<br />
10 Literatur ......................................................................................................................... 141<br />
11 Verzeichnisse ................................................................................................................ 149<br />
11.1 Abbildungsverzeichnis ........................................................................................... 149<br />
11.2 Tabellenverzeichnis ............................................................................................... 154<br />
11.3 Abkürzungen .......................................................................................................... 154<br />
12 Anhang .......................................................................................................................... 156<br />
12.1 Technologiedaten .................................................................................................. 156<br />
12.2 Sensitivitätsanalysen zu den Wirtschaftlichkeitsberechnungen ............................. 158<br />
12.3 Modelle .................................................................................................................. 161<br />
12.3.1 Modell AGRIEN .............................................................................................. 161<br />
12.3.2 GIS-Modell ...................................................................................................... 162<br />
12.3.3 Agrarischer Modellcluster ............................................................................... 169<br />
12.3.4 Modell SimBioSe ............................................................................................ 171
Danksagung<br />
Folgenden Personen danken wir für die ausführlichen Diskussionsbeiträge und die<br />
Teilnahme an den Sitzungen des Projektbeirats:<br />
Alexander Bachler<br />
Franz Handler<br />
Franz Kirchmeyr<br />
Karin Mairitsch<br />
Hans Mayrhofer<br />
Kasimir Nemestothy<br />
Jakob Schaumberger<br />
Ernst Schriefl<br />
Emmerich Seidelberger<br />
Nikolaus Arnold<br />
Klaus Wagner<br />
Manfred Wörgetter
I Kurzfassung<br />
I<br />
ALPot<br />
Die Nutzung landwirtschaftlicher Biomasse besitzt das Potenzial, einen signifikanten Beitrag<br />
zu einem zukünftigen nachhaltigen Energiesystem in Österreich zu leisten. Neben<br />
treibenden Faktoren bestehen zahlreiche Barrieren, und eine Forcierung der Produktion und<br />
Nutzung von Energiepflanzen kann unter verschiedenen Gesichtspunkten sehr<br />
unterschiedlich bewertet werden. Im vorliegenden Projekt werden folgende Aspekte der<br />
landwirtschaftlichen Biomasse- und Bioenergieerzeugung analysiert:<br />
(1) Eine zunehmende landwirtschaftliche Energieerzeugung erfordert die Bereitschaft der<br />
Landwirte. Auf Basis von Interviews mit Landwirten und Interessensvertretern werden die<br />
relevanten Entscheidungsstrukturen, Motivationen und Hemmnisse analysiert und in einem<br />
agentenbasierten Simulationsmodell abgebildet. (2) Die naturräumlichen Gegebenheiten der<br />
landwirtschaftlichen Flächen Österreichs stellen zusammen mit den Standortanforderungen<br />
der verschiedenen Kulturarten eine zentrale Rahmenbedingung für eine verstärkte<br />
Energiepflanzenproduktion dar. Auf Basis eines räumlich expliziten Modellierungsansatzes<br />
(GIS-Modell) werden diese analysiert und Szenarien der Ackerflächennutzung erstellt.<br />
(3) Agrarökonomische Aspekte einer verstärkten Produktion von Energiepflanzen sowie die<br />
Auswirkungen auf die Nahrungs- und Futtermittelproduktion werden unter Anwendung<br />
agrarischer Simulations- und Optimierungsmodelle untersucht. (4) Die Wirtschaftlichkeit<br />
energetischer Nutzungspfade landwirtschaftlicher Biomasse wird für unterschiedliche<br />
Szenarien und anhand eines energiewirtschaftlichen Simulationsmodells analysiert.<br />
Die Ergebnisse der Befragungen lassen eine große Bandbreite sowohl an hemmenden, als<br />
auch begünstigenden Faktoren für landwirtschaftliche Energieerzeugung erkennen. Jene des<br />
agentenbasierten Modells zeigen, dass insbesondere ungünstige agrarische<br />
Rahmenbedingungen gekoppelt mit günstigen Rahmenbedingungen für eine Biomasse- bzw.<br />
Bioenergieerzeugung einen starken Trend in Richtung Energieerzeugung bewirken können.<br />
Unter Berücksichtigung der unterschiedlichen Betriebs- und Entscheidungstypen ergibt sich,<br />
dass im Jahr 2030 je nach agrar- und energiewirtschaftlichen Rahmenbedingungen<br />
zwischen 4 und 30% der gesamten landwirtschaftlichen Fläche (Acker und Grünland) für<br />
Bioenergieproduktion genutzt werden. Die Ergebnisse des GIS-Modells zeigen, dass eine<br />
Ausweitung der Energiepflanzenproduktion im Allgemeinen gut mit den naturräumlichen<br />
Gegebenheiten in Einklang zu bringen ist, da diese zum Teil besser den Standortbedingungen<br />
entsprechen als traditionelle Kulturarten. Allerdings verdeutlichen die<br />
agrarökonomischen Analysen die zunehmende Flächenkonkurrenz, die mit einer erhöhten<br />
Wirtschaftlichkeit des Energiepflanzenanbaus einhergeht. Dadurch kommt es zu einer Reduktion<br />
der Nahrungs- und Futtermittelproduktion, insbesondere bei Weizen und Körnermais.<br />
Die Simulationen des Bioenergiesektors zeigen, dass die zukünftige Bedeutung von<br />
Biomasse für die österreichische Energieversorgung stark von den energiepolitischen<br />
Rahmenbedingungen und insbesondere die Ausschöpfung der landwirtschaftlichen<br />
Rohstoffpotenziale von den Preisentwicklungen bei fossilen Energieträgern abhängt.<br />
Außerdem zeigt sich hinsichtlich des Förderbedarfs, der Effizienz (Treibhausgasreduktion,<br />
Einsparung fossiler Energieträger) sowie des möglichen Beitrags zur Energieversorgung<br />
eine starke Abhängigkeit von der Schwerpunktsetzung beim Energiepflanzenanbau. Mit<br />
Ligno-Zellulose (Kurzumtriebsholz) werden aufgrund der guten Wirtschaftlichkeit der Wärmeerzeugung<br />
aus Holz die besten Kosten-Nutzen-Relationen erzielt. Die Chancen der Biogastechnologie<br />
sind vor allem in der Erzeugung von Biomethan aus Reststoffen, überschüssigen<br />
Grünlanderträgen und (bei ausreichender Förderung) aus Zwischenfrüchten zu sehen. Die<br />
mit Kurzumtriebsholz erzielbaren Treibhausgaseinsparungen belaufen sich in einer Simulation<br />
unter Annahme derzeitiger Förderbedingungen auf bis zu 3 Mt CO2-Äqu. im Jahr 2020<br />
und 5,7 Mt im Jahr 2030. Landwirtschaftliche Biomasse macht in diesem Szenario 3 (2020)<br />
bzw. 6% (2030) des inländischen Primärenergieverbrauchs aus. Allerdings werden dafür<br />
auch ein Viertel (2020) bzw. die Hälfte (2030) der verfügbaren Ackerfläche (kein Grünland)<br />
benötigt. Bei einem Fokus auf konventionelle Ackerfrüchte bzw. Biogas sind die unter der<br />
Annahme derzeitiger Förderbedingungen erzielbaren Einsparungen deutlich geringer.
Strategien für eine nachhaltige Aktivierung landwirtschaftlicher Bioenergie-Potenziale<br />
II Zusammenfassung<br />
Fragestellung<br />
Die Nutzung von Biomasse stellt mit einem Anteil von ca. 15% am Bruttoinlandsverbrauch<br />
(2008) die wichtigste Form der erneuerbaren Energiegewinnung in Österreich dar. In den<br />
letzten Jahren kam es zu einem deutlichen Anstieg der energetischen Biomassenutzung, die<br />
nicht zuletzt auch auf eine zunehmende Nutzung landwirtschaftlicher Ressourcen (z.B. Raps<br />
zur Biodiesel- und Weizen zur Bioethanolerzeugung) zurückgeht. Hinsichtlich der<br />
energiepolitischen Zielsetzungen in den Bereichen Treibhausgasemissionen und<br />
Erneuerbare Energieträger (Kyoto-Protokoll, EnergieStrategie Österreich, „2020-Ziele“ etc.)<br />
kann davon ausgegangen werden, dass die Bedeutung erneuerbarer Energieträger in den<br />
nächsten Jahren bzw. Jahrzehnten weiter zunehmen wird. Hinsichtlich der zukünftigen Rolle<br />
landwirtschaftlicher Bioenergieerzeugung sind jedoch zahlreiche Fragen offen. Im<br />
vorliegenden Projekt werden folgende zentrale Fragestellungen untersucht:<br />
• Welche Potenziale landwirtschaftlicher Biomasse können in Österreich unter Berücksichtigung<br />
naturräumlicher und ökonomischer Rahmenbedingungen für eine<br />
energetische Nutzung bereitgestellt werden?<br />
• Welche Rolle spielen dabei die Entscheidungsstrukturen der Landwirte, Betriebstypen<br />
sowie diverse treibende und hemmende Faktoren?<br />
• Welchen Beitrag kann die Landwirtschaft für das österreichische Energiesystem<br />
längerfristig (bis 2030) leisten, und welche Nutzungspfade landwirtschaftlicher<br />
Biomasse sind zur Erreichung energie- und klimapolitischer Zielsetzungen zu<br />
empfehlen?<br />
Methodik<br />
Der methodische Ansatz beinhaltet neben agrar- und energiewirtschaftlichen Analysen die<br />
Durchführung von Interviews mit Landwirten und Interessensvertretern, die Simulation des<br />
daraus abgeleiteten Entscheidungsverhaltens in einem agentenbasierten Modell, sowie<br />
einem räumlich expliziten, auf Geoinformationssystemen (GIS) basierenden Modellansatz.<br />
In einem ersten Schritt werden Daten zur derzeitigen Bedeutung und Struktur der<br />
landwirtschaftlichen Bioenergieerzeugung, den dabei zum Einsatz kommenden Rohstoffen<br />
und Technologien sowie deren Bedeutung für die österreichische Energieversorgung<br />
analysiert. Des Weiteren werden konsistente Szenarien für die zukünftigen energie- und<br />
agrarwirtschaftlichen Rahmenbedingungen erstellt, die eine gemeinsame Datenbasis für die<br />
Modellierungsansätze darstellen.<br />
Da das Entscheidungsverhalten bzw. die Bereitschaft der Landwirte eine Grundvoraussetzung<br />
für eine Ausweitung der landwirtschaftlichen Energieerzeugung darstellt, wird dieser<br />
Aspekt mit Hilfe von Interviews und einer agentenbasierten Modellierung analysiert.<br />
Agentenbasierte Modelle erlauben es, das Verhalten von individuellen und kollektiven<br />
Akteuren abzubilden, wobei die Handlungen der „Agenten“ (in diesem Fall der Landwirte)<br />
über bestimmte Entscheidungsregeln oder -strukturen definiert sind. Für das Modell AGRIEN<br />
wird eine Abbildung der landwirtschaftlichen Betriebe erstellt, wobei zwischen<br />
Hauptproduktionsgebieten, Betriebstypen und -größen, deren Flächenverteilung etc.<br />
unterschieden wird. Auf Basis der Ergebnisse der leitfadenbasierten Interviews werden<br />
jedem Betrieb bestimmte Entscheidungsmuster hinsichtlich der Bereitschaft zur Nutzung der<br />
verfügbaren Acker- und Grünlandflächen für die Energieträgerproduktion unterstellt. Durch<br />
Variation der exogenen agrar- und energiewirtschaftlichen Rahmenbedingungen werden<br />
unterschiedliche Szenarien erstellt, die zeigen, wie sich die individuellen<br />
Entscheidungsmuster auf der Makroebene auswirken. Die Gesamtflächen (Grünland und<br />
Acker), die für die Produktion von landwirtschaftlichen Energieträgern je Haupt-<br />
II
III<br />
ALPot<br />
produktionsgebiet bzw. in ganz Österreich eingesetzt werden, sowie die Anzahl der an der<br />
Energieträgerproduktion beteiligten Betriebe stellen den zentralen Modelloutput dar.<br />
Die naturräumlichen Gegebenheiten der landwirtschaftlichen Flächen Österreichs sind<br />
zusammen mit den Standortanforderungen der verschiedenen Energiepflanzen eine zentrale<br />
Rahmenbedingung, die im Falle einer verstärkten Energiepflanzenproduktion in Betracht<br />
gezogen werden muss. Mithilfe eines auf Geoinformationsdaten basierenden<br />
Modellierungsansatzes (GIS-Modell) werden dynamische Szenarien der Ackerflächennutzung<br />
erstellt. Die Modellergebnisse zeigen, welche Produktionsmengen und regionalen<br />
Verteilungen der Ackerfrüchte sich unter der Annahme einer auf Basis der<br />
Standortbedingungen optimalen (d.h. den naturräumlichen Gegebenheiten am besten<br />
angepassten) Wahl der Pflanzenarten ergeben. Durch Variation von<br />
Fruchtfolgebeschränkungen und anderen Parametern werden Varianten mit<br />
unterschiedlichen Flächenverteilungen und Produktionsschwerpunkten generiert.<br />
Im Gegensatz dazu dient der agrarische Modellcluster (bestehend aus den Modellen<br />
CropRota, EPIC und BiomAT) der Analyse des wirtschaftlich realisierbaren Potenzials<br />
landwirtschaftlicher Energieträger. Dabei werden ebenfalls regional unterschiedliche<br />
Standortbedingungen wie Bodentyp, Topographie und Klima sowie typische Fruchtfolgen<br />
berücksichtigt, für die Wahl der jeweiligen Ackerkulturarten sind jedoch die unter den<br />
szenariospezifischen wirtschaftlichen Rahmenbedingungen (Erzeugerpreise, variable<br />
Kosten, Förderungen) erzielbaren Deckungsbeiträge entscheidend. Durch Variation der mit<br />
Energiepflanzen erzielbaren Erzeugerpreise werden mit dem Modellcluster Angebotskurven<br />
erstellt, die zeigen, welche Mengen landwirtschaftlicher Energieträger bei einem bestimmten<br />
Preisgefüge bereitgestellt werden.<br />
Die energiewirtschaftlichen Analysen beinhalten Wirtschaftlichkeitsberechnungen für<br />
Nutzungspfade landwirtschaftlicher Biomasse zur Erzeugung von Wärme, Strom und<br />
Kraftstoffen sowie die modellbasierte Erstellung von Szenarien des österreichischen<br />
Bioenergie-Sektors. Die mithilfe des agrarischen Modellclusters erstellten Angebotskurven<br />
stellen einen Input für das zu diesem Zweck entwickelte energiewirtschaftliche Modell<br />
SimBioSe dar. Das Modell simuliert auf Basis von Wirtschaftlichkeitsanalysen den Ausbau<br />
von Bioenergieanlagen von 2010 bis 2030, wobei wirtschaftliche Rahmenbedingungen und<br />
energiepolitische Förderungen variiert werden. Damit können die Auswirkungen<br />
verschiedener Rahmenbedingungen auf den energetischen Biomasseeinsatz, d.h. die<br />
Ausschöpfung des primärenergetischen Biomassepotenzials und die End- bzw.<br />
Nutzenergieerzeugung aus Biomasse analysiert, und die Szenarien hinsichtlich<br />
verschiedener Parameter wie Treibhausgaseinsparung oder Förderkosten ausgewertet<br />
werden. Insbesondere wird untersucht, mit welchen Kosten und Nutzen eine forcierte<br />
Energieerzeugung aus landwirtschaftlicher Biomasse verbunden ist, wobei unterschiedliche<br />
Förderschwerpunkte bezüglich der Nutzungspfade (Wärmeerzeugung, Verstromung,<br />
Mobilität) und der Art von Energiepflanzen (konventionelle Ackerfrüchte, Biogaspflanzen,<br />
Kurzumtriebsplantagen) untersucht werden.<br />
Entscheidungsstrukturen der Landwirte und agentenbasiertes Modell<br />
Aus den Interviewergebnissen geht hervor, dass im Wesentlichen zwischen drei<br />
Entscheidungstypen zu unterscheiden ist: Innovative, traditionelle und utilitaristische<br />
Betriebe. Innovative Betriebe stellen nach Einschätzung der Befragten die kleinste Gruppe<br />
dar (5 bis 10% aller Betriebe in Österreich). Sie zeichnen sich durch eine hohe Bereitschaft,<br />
Neues auszuprobieren aus, selbst wenn dies mit einem gewissen Risiko verbunden ist.<br />
Sofern innovative Betriebsführer von der Sinnhaftigkeit überzeugt sind, sind diese Betriebe<br />
am leichtesten (d.h. ohne bzw. mit geringen finanziellen Anreizen) zur landwirtschaftlichen<br />
Energieerzeugung zu bewegen.
Strategien für eine nachhaltige Aktivierung landwirtschaftlicher Bioenergie-Potenziale<br />
Das Entscheidungsverhalten traditioneller Betriebe, die etwa 75 bis 80% aller Betriebe<br />
ausmachen, hängt im Wesentlichen vom Produktions- und Erwerbstyp sowie von der<br />
Einkommenssituation ab. Betriebe mit Tierhaltung haben oft nicht die Möglichkeit<br />
landwirtschaftliche Flächen für die Energieträgerproduktion bereitzustellen, da diese Flächen<br />
für die Viehzucht benötigt werden. Sollte aus wirtschaftlichen oder sonstigen Gründen die<br />
Tierhaltung aufgegeben werden, stellt die Energieträgerproduktion jedoch eine attraktive<br />
Alternative dar. Traditionelle Marktfruchtbetriebe hingegen sind weitaus flexibler und können<br />
auch kurzfristig auf Energieträgerproduktion umsteigen, sofern dies mit einem höheren<br />
Deckungsbeitrag verbunden ist. Gemischte Betriebe, die häufig auch über Waldflächen<br />
verfügen, zeichnen sich nach Einschätzung der Interviewpartner durch die höchste<br />
Bereitschaft zur Bewirtschaftung von Kurzumtriebsflächen aus.<br />
Für utilitaristisch entscheidende Betriebe stehen Preis- und Markterwartung im Vordergrund.<br />
Im Gegensatz zu traditionellen Betrieben haben bei utilitaristischen Betrieben Förderungen<br />
für die Energieträgerproduktion keinen so bedeutenden Einfluss auf das Entscheidungsverhalten,<br />
da für sie längerfristige Marktentwicklungen entscheidend sind.<br />
In den Interviews wurden zahlreiche hemmende und begünstigende Faktoren für eine<br />
landwirtschaftliche Energieträgerproduktion bzw. Energieerzeugung genannt. Diese werden<br />
in persönliche, betriebsinterne, externe und naturräumliche Faktoren eingeteilt. Zu den<br />
persönlichen Faktoren zählen beispielsweise die Risikobereitschaft, persönliche Präferenzen<br />
und Wertehaltungen oder persönliche Erfahrungen. Betriebsinterne Faktoren spiegeln die<br />
Lage des Betriebes wider, beispielsweise die Verfügbarkeit freier Flächen, Liquidität oder<br />
kürzlich getätigte oder bevorstehende Investitionen. Unter externe Faktoren fallen<br />
Förderungen, Abnahmeverträge, Zahlungskonditionen und Marktpreise. Die naturräumlichen<br />
Gegebenheiten bzw. die Eignung verschiedener Energiepflanzen für die zur Verfügung<br />
stehenden Flächen können unter „naturräumliche Faktoren“ zusammengefasst werden.<br />
Hauptergebnis des agentenbasierten Modells AGRIEN sind die bei verschiedenen<br />
wirtschaftlichen Rahmenbedingungen resultierenden Flächenanteile (Acker- und Grünland),<br />
die zur Energieträgerproduktion eingesetzt werden. Insgesamt wurden neun unterschiedliche<br />
Szenario-Kombinationen simuliert, wobei die Rahmenbedingungen für Landwirtschaft und<br />
Bioenergieproduktion mittels Indikatoren für agrar- und energiewirtschaftliche<br />
Rahmenbedingungen von „ungünstig“ („Pro“) bis „vorteilhaft“ („Contra") variiert wurden. Die<br />
Simulationsergebnisse zeigen, dass in den betrachteten Szenarien zwischen 4 % und 30 %<br />
der landwirtschaftlich genutzten Fläche für die Produktion von landwirtschaftlichen<br />
Energieträgern aufgewendet wird (siehe Tabelle II-1). Der höchste Anteil wird<br />
erwartungsgemäß bei unvorteilhaften Rahmenbedingungen für die Landwirtschaft<br />
(„Landwirtschaft Contra“), aber sehr günstigen Rahmenbedingungen für die<br />
Bioenergieproduktion („Bioenergie Pro“) erzielt.<br />
In nahezu allen Szenarien kommt es im nordöstlichen Flach- und Hügelland zum stärksten<br />
Ausbau der Energieträgerproduktion, was auf die Struktur der landwirtschaftlichen Betriebe<br />
(Betriebsart und -größen) zurückzuführen ist. In Hauptproduktionsgebieten mit großer<br />
Bedeutung der Tierhaltung (Alpenvorland und Voralpen) gewinnt die Energieträgerproduktion<br />
selbst unter günstigen Rahmenbedingungen nur geringfügig an Bedeutung.<br />
IV
Tabelle II-1: Zusammenfassung der Simulationsergebnisse des Modells AGRIEN: Flächen<br />
zur Energieträgerproduktion in Österreich im Jahr 2030 unter Annahme verschiedener<br />
landwirtschaftlicher und energiewirtschaftlicher Rahmenbedingungen 1<br />
Fläche mit<br />
Energieträgerpro‐<br />
duktion in % der<br />
Gesamtfläche 2030<br />
Bioenergie<br />
V<br />
ALPot<br />
Landwirtschaft<br />
Landwirtschaftl.<br />
Energieträger‐ Landwirtschaft<br />
Pro Trend Contra<br />
produktion in ha<br />
2030<br />
Pro Trend Contra<br />
Pro 21 % 28 % 30 %<br />
Bioenergie<br />
Pro 444.211 582.596 630.242<br />
Trend 8 % 10 % 12 % Trend 175.058 214.713 238.963<br />
Contra 4 % 5 % 6 % Contra 81.402 107.133 128.401<br />
GIS-Modell<br />
Mithilfe des GIS-Modells werden dynamische Szenarien der Ackerflächennutzung erstellt.<br />
Dabei ist als zentrale Annahme unterstellt ist, dass auf jedem der ca. 46.000 im Modell<br />
abgebildeten Flächenpolygone jene Ackerfrüchte angebaut werden, die hinsichtlich der<br />
naturräumlichen Gegebenheiten, der Standortanforderungen der Pflanzenarten sowie<br />
hinsichtlich Fruchtfolgebeschränkungen am besten geeignet sind. Das Modell baut auf der<br />
Annahme auf, dass keine künstlichen Veränderungen der naturräumlichen Standortbedingungen<br />
(z.B. Pflanzenschutzmittel) bei der Produktion der Kulturarten vorgenommen<br />
werden. Die Modellergebnisse zeigen, welche Produktionsmengen und regionalen<br />
Verteilungen der Ackerfrüchte sich unter diesen Rahmenbedingungen ergeben, und geben<br />
somit Aufschluss, inwiefern die naturräumlichen Gegebenheiten eine Einschränkung für den<br />
verstärken Anbau verschiedener Energiepflanzen darstellen. Durch Variation von<br />
Fruchtfolgebeschränkungen und anderen Parametern werden Varianten mit<br />
unterschiedlichen Flächenverteilungen und Produktionsschwerpunkten generiert.<br />
Abbildung II-1 zeigt eine Zusammenfassung der Simulationsergebnisse in den<br />
verschiedenen Varianten.<br />
Dieser Ansatz führt gegenüber der derzeitigen, realen Flächennutzung zu einer starken<br />
Extensivierung mit hohen Flächenanteilen von Ackerwiese und anderen extensiven<br />
Kulturarten. Durch diverse Einschränkungen bei Begrünung kann dieser starke<br />
Extensivierungstrend exogen abgeschwächt werden, und Kulturarten wie Weizen oder Mais<br />
setzen sich stärker durch (Varianten „intensive Landwirtschaft“, „Fruchtfolge intensiv I bis<br />
III“). Unabhängig davon zeigt sich hinsichtlich der Flächenanteile von „neuen“ Kulturarten<br />
(insbesondere Kurzumtriebsholz), dass diese den Standortbedingungen teilweise besser<br />
entsprechen als traditionelle Kulturarten. Die Ergebnisse deuten also darauf hin, dass es<br />
durch den verstärkten Energiepflanzenanbau nicht per se zu einer Intensivierung der<br />
Flächennutzung kommt. Die Anforderungen von Energiepflanzen entsprechen zum Teil<br />
besser den Standortbedingungen auf österreichischen Ackerflächen, als derzeit weit<br />
verbreitete konventionelle Ackerfrüchte.<br />
1<br />
Die hier berücksichtigten Flächen beinhalten Acker- und Grünland exklusive dem<br />
Hauptproduktionsgebiet „Hochalpengebiet“.
Strategien für eine nachhaltige Aktivierung landwirtschaftlicher Bioenergie-Potenziale<br />
t/a<br />
20.000.000<br />
15.000.000<br />
10.000.000<br />
5.000.000<br />
0<br />
Statistik Austria 2008 **<br />
107%<br />
Grundmodell<br />
132%<br />
extensive Landwirtschaft<br />
98% 96%<br />
intensive Landwirtschaft<br />
VI<br />
Mengen‐Outputs der Varianten (Mittelwerte)<br />
im Vergleich zur Erntemenge 2008<br />
"Ackerwiese" sonstige Kulturarten<br />
%‐Angaben zeigen Abweichungen zur<br />
Erntemenge 2008<br />
Abbildung II-1: Zusammenfassung der Simulationsergebnisse des GIS-Modells: Vergleich<br />
der durchschnittlichen jährlichen Gesamterntemengen in den verschiedenen Varianten<br />
** In den Daten der Statistik Austria 2008 sind die Mengen aller erhobenen Kulturarten erfasst.<br />
Agrarischer Modellcluster – Agrarwirtschaftliche Aspekte<br />
Die Abschätzung des heimischen, ökonomischen, agrarischen Biomassepotenzials<br />
berücksichtigt (1) das agronomische Potential in Form von standortspezifischen<br />
Pflanzenerträgen, welche mit dem bio-physikalischen Prozessmodell EPIC simuliert wurden,<br />
(2) regional typische Fruchtfolgen, welche mit dem Modell CropRota bestimmt wurden, und<br />
(3) standortspezifische Opportunitätskosten alternativer Verwertungsmöglichkeiten, welche<br />
mit BiomAT abgeschätzt werden. Mit dem räumlich expliziten<br />
Landnutzungsoptimierungsmodell BiomAT werden auf Gemeindeebene Fruchtfolgen<br />
ausgewählt, die den höchsten Gesamtdeckungsbeitrag unter Berücksichtigung der<br />
regionalen Standortqualitäten (Boden, Wetter und Topographie) und<br />
Ackerflächenausstattungen aufweisen. Um Angebotsmengenreaktionen in BiomAT<br />
abzuschätzen, sind in den Modellsimulationen Biomasseoutputprämien in unterschiedlicher<br />
Höhe vorgegeben worden. sodass sich die Deckungsbeitragsunterschiede zugunsten des<br />
Energiepflanzenbaus verschieben. Modellergebnisse zeigen, dass sowohl das<br />
Flächenausmaß als auch die Produktionsintensität steigen. Jedoch wirkt das österreichische<br />
Agrarumweltprogramm (ÖPUL) dem entgegen, sodass relativ hohe Biomasseprämien nötig<br />
wären, um die heimische, agrarische Biomasseproduktion zu fördern.<br />
Die Simulationsergebnisse zeigen auch, dass durch die heimische, agrarische<br />
Biomasseproduktion und aufgrund der begrenzten Flächenverfügbarkeit die Fläche für die<br />
Nahrungs- und Futtermittelproduktion sinkt, vor allem von Weizen und Körnermais (siehe<br />
Abbildung II-2). Zudem ändert sich die Verwertung. So wird z. B. Futterweizen vermehrt in<br />
der Ethanolproduktion oder GPS-Weizen in der Biogasproduktion eingesetzt. Zu stärkeren<br />
Änderungen im Kulturartenverhältnis kommt es vorwiegend durch den Anbau von<br />
Kurzumtriebsgehölzen.<br />
Fruchtfolge intensiv I<br />
81%<br />
Fruchtfolge intensiv II<br />
87%<br />
Fruchtfolge intensiv III<br />
98%<br />
Energiepflanzen
Körnermais<br />
Weizen<br />
Durum<br />
Roggen<br />
Triticale<br />
S‐Gerste<br />
W‐Gerste<br />
Hafer<br />
Erbse<br />
Ackerbohne<br />
Sojabohne<br />
Raps<br />
Sonnenblume<br />
Silomais<br />
Zuckerrübe<br />
Kartoffel<br />
Gemüse<br />
Luzerne<br />
Rotklee<br />
Kleegras<br />
Ackerwiese<br />
Brache<br />
Energie_Weizen<br />
Energie_Triticale<br />
Energie_Roggen<br />
Energie_Körnermais<br />
Energie_Zuckerrübe<br />
Energie_Raps<br />
Energie_Sonnenblume<br />
Pappel 3J<br />
Pappel 10J<br />
Energie_KleegrasHeu<br />
Energie_AckerwieseHeu<br />
Biogas_Weizen<br />
Biogas_Roggen<br />
Biogas_Triticale<br />
Biogas_Silomais<br />
Biogas_Körnermais<br />
Biogas_Sonnenblume<br />
Biogas_Kleegras<br />
Biogas_Ackerwiese<br />
‐140 ‐120 ‐100 ‐80 ‐60 ‐40 ‐20 0 20 40 60 80 100 120<br />
Veränderung der Fläche in '000 ha<br />
VII<br />
Biomasseprämie:<br />
100 €/t atro<br />
60 €/t atro<br />
20 €/t atro<br />
Abbildung II-2: Veränderung der Ackerlandnutzungen in Abhängigkeit der Biomasseprämie<br />
Simulationen des Bioenergie-Sektors – Energiewirtschaftliche Aspekte<br />
ALPot<br />
Mit dem Modell SimBioSe werden Szenarien des Biomassesektors erstellt, wobei<br />
wirtschaftliche und energiepolitische Rahmenbedingungen wie Preise fossiler Energieträger<br />
oder Förderungen für Biomasseanlagen berücksichtigt werden. Konkret wird der Ausbau von<br />
Biomasseanlagen (Kleinfeuerungsanlagen, Heizwerke, KWK-Anlagen und Kraftstoff-<br />
Produktionsanlagen) unter der Annahme rein wirtschaftlich entscheidender (potenzieller)<br />
Anlagenbetreiber simuliert. Voraussetzung für die energetische Nutzung der verfügbaren
Strategien für eine nachhaltige Aktivierung landwirtschaftlicher Bioenergie-Potenziale<br />
primärenergetischen Potenziale ist daher, dass eine Nutzung unter den jeweiligen<br />
Rahmenbedingungen (Energiepreise, Förderungen etc.) im Vergleich zum entsprechenden,<br />
auf fossilen Energieträgern basierenden Referenzsystem wirtschaftlich ist. Damit können die<br />
Auswirkungen verschiedener Rahmenbedingungen auf den energetischen Biomasseeinsatz,<br />
d.h. die Ausschöpfung des primärenergetischen Biomassepotenzials und die Energieerzeugung<br />
aus Biomasse simuliert und ausgewertet werden.<br />
Die Simulationen des Bioenergie-Sektors beinhalten folgenden Szenariengruppen: No<br />
Policy-Szenarien (keine Förderung für Bioenergie, auch nicht in Form von steuerlichen<br />
Begünstigungen), Current Policy-Szenarien (derzeitige Förderungen und Steueranreize) und<br />
Spezifische Förderszenarien (sukzessive Steigerung des Förderniveaus für bestimmte<br />
Anwendungen). Die Ergebnisse der No Policy- und der Current Policy-Szenarien werden in<br />
erster Linie in Hinblick auf die Bedeutung, die landwirtschaftliche Biomasse für die<br />
Energieversorgung einnimmt, analysiert. Bei den spezifischen Förderszenarien steht die<br />
Gegenüberstellung von Förderkosten und Nutzen (hinsichtlich THG-Einsparung und<br />
Einsparung fossiler Energieträger) im Vordergrund, sowie die Frage, welche Nutzungspfade<br />
(landwirtschaftlicher) Biomasse aus einer energiewirtschaftlich-systemischen Sichtweise zu<br />
bevorzugen sind. Hinsichtlich der Preisentwicklung bei fossilen Energieträgern wird zwischen<br />
dem Szenario Niveau 2006 (auf dem Niveau des Jahres 2006 konstante Realpreise) und<br />
dem Szenario FAO/Primes (mit einem bis 2020 auf knapp über 100 $2007/bbl steigenden<br />
Rohölpreis) unterschieden.<br />
Im No-Policy-Szenario können unter Annahme des Preisszenarios Niveau 2006<br />
Energiepflanzen praktisch nicht genutzt werden. Bis 2030 kommt der einzige nennenswerte<br />
Beitrag landwirtschaftlicher Biomasse von der Nutzung von Stroh in größeren KWK-Anlagen<br />
und in sehr geringem Umfang von der Verstromung von Pflanzenöl. Im Übrigen kommt es in<br />
dem Szenario zu einer Konzentration des Bioenergiesektors auf die wenigen Bereiche, in<br />
denen die Biomassenutzung bei einem niedrigen Preisniveau und ohne Förderungen<br />
wirtschaftlich ist: Kleinfeuerungsanlagen im 50 kW-Bereich und die Erzeugung von<br />
Prozesswärme auf Basis forstlicher Biomasse. Im Preisszenario FAO/Primes werden auch<br />
größere Biogas-BHKWs (ab 500 kW) auf Basis von Mais wirtschaftlich, der<br />
Hauptunterschied zum Niveau 2006-Szenario liegt jedoch im deutlich höheren Einsatz<br />
forstlicher Biomasse in Kleinfeuerungsanlagen und Heizwerken. Landwirtschaftliche<br />
Biomasse spielt also im No-Policy-Szenario auch im Fall eines Preisanstieges bei fossilen<br />
Energieträgern entsprechend dem Szenario FAO/Primes eine relativ geringe Rolle.<br />
Die Current Policy Szenarien geben Aufschluss darüber, welche energetischen<br />
Nutzungspfade landwirtschaftlicher und sonstiger Biomasseressourcen unter den derzeitigen<br />
energiepolitischen Rahmenbedingungen wirtschaftlich sind bzw. in Zukunft wirtschaftlich<br />
werden könnten, und in welchen Bereichen auf Basis wirtschaftlicher, bedarfs- und<br />
angebotsseitiger Potenziale ein Ausbau der Biomassenutzung möglich ist. Im Gegensatz zu<br />
den No Policy Szenarien kommt es hier im Preisszenario FAO/Primes zu einem starken<br />
Ausbau im landwirtschaftlichen Bioenergiesektor, und die Frage, welche Art von<br />
Energiepflanzen von der Landwirtschaft bereitgestellt werden, gewinnt an Bedeutung. Es<br />
werden daher Szenarien mit drei verschiedenen Rohstoffschwerpunkten simuliert<br />
(Konventionelle Ackerfrüchte, Biogaspflanzen und Ligno-Zellulose). Die Ergebnisse zeigen,<br />
dass der Schwerpunkt Ligno-Zellulose längerfristig zum höchsten Ausbau<br />
landwirtschaftlicher Biomassenutzung, und damit auch zu den höchsten<br />
Treibhausgasreduktionen (3 Mt CO2-Äqu. im Jahr 2020 und 5,7 Mt im Jahr 2030) und den<br />
höchsten Einsparungen fossiler Energieträger (15 bzw. 27 TWh in den Jahren 2020 und<br />
2030) führt. Diese Einsparungen sind allerdings nur mit einer signifikanten Ausweitung des<br />
Energiepflanzenanbaus erzielbar (ca. 300.000 bzw. 600.000 ha Ackerflächen in den Jahren<br />
2020 und 2030, was nahezu einem Viertel bzw. der Hälfte der gesamten Ackerfläche in<br />
Österreich entspricht), d.h. einer Verdrängung der konventionellen Ackerflächennutzung. Mit<br />
den Rohstoffschwerpunkten Konventionelle Ackerfrüchte und Biogaspflanzen werden<br />
deutlich niedrigere Einsparungen erzielt (um 2020 typisch die Hälfte und ab 2025 typisch ein<br />
Drittel der Treibhausgaseinsparungen im Ligno-Zellulose-Szenario). Abbildung II-3 zeigt eine<br />
VIII
IX<br />
ALPot<br />
Zusammenfassung der primärenergetischen Nutzung landwirtschaftlicher und sonstiger<br />
Biomasse inländischer Herkunft in den No Policy und den Current Policy-Szenarien in den<br />
Jahren 2020 und 2030.<br />
No Policy Current Policy No Policy Current Policy<br />
FAO/Primes - Ligno-Zellulose<br />
FAO/Primes - Biogaspflanzen<br />
FAO/Primes - Konv. Energiepflanzen<br />
Niveau 2006 - Ligno-Zellulose<br />
Niveau 2006 - Biogaspflanzen<br />
Niveau 2006 - Konv. Energiepflanzen<br />
FAO/Primes<br />
Niveau 2006<br />
FAO/Primes - Ligno-Zellulose<br />
FAO/Primes - Biogaspflanzen<br />
FAO/Primes - Konv. Energiepflanzen<br />
Niveau 2006 - Ligno-Zellulose<br />
Niveau 2006 - Biogaspflanzen<br />
Niveau 2006 - Konv. Energiepflanzen<br />
FAO/Primes<br />
Niveau 2006<br />
Prognose 2010<br />
Historische Nutzung 2000<br />
PJ/a<br />
0 50 100 150 200 250<br />
0 10.000 20.000 30.000 40.000 50.000 60.000 70.000<br />
GWh/a<br />
2030<br />
2020<br />
sonstige Biomasse<br />
Landwirtschaftliche<br />
Biomasse<br />
Abbildung II-3: Zusammenfassung der Simulationsergebnisse: Primärenergetische<br />
Nutzung 2 landwirtschaftlicher und sonstiger Biomasse inländischer Herkunft in den No<br />
Policy- und den Current Policy-Szenarien<br />
„FAO/Primes“ und „Niveau 2006“ sind die Bezeichnungen der Preisszenarien (siehe Text). Bei den<br />
Current Policy-Szenarien wird zwischen den Rohstoffschwerpunkte „Konventionelle Energiepflanzen“,<br />
„Biogaspflanzen“ und „Ligno-Zellulose“ unterschieden (Zwischenfrüchte und Grünlandpotenziale hier<br />
nicht berücksichtigt).<br />
In den spezifischen Förderszenarien wird durch Variation des Förderniveaus für<br />
verschiedene Schwerpunktsetzungen analysiert, welcher Zusammenhang zwischen<br />
Förderkosten und Treibhausgasreduktion bzw. Einsparung fossiler Energieträger besteht,<br />
und welchen Ackerflächenbedarf für Energiepflanzen unterschiedliche Förderniveaus zur<br />
Folge haben. Die Simulationen zeigen, dass Förderschwerpunkte auf Basis von Ligno-<br />
Zellulose in einer systemischen Betrachtung hinsichtlich dieser energiewirtschaftlicher<br />
Kriterien die besten Kosten-Nutzen-Relationen aufweisen, insbesondere im Bereich der<br />
Wärmeerzeugung.<br />
2 Im Gegensatz zu offiziellen Statistiken nach Eurostat bzw. Statistik Austria repräsentieren die hier<br />
dargestellten Primärenergiemengen die tatsächlich eingesetzte Biomasse inklusive der bei<br />
Konversionsprozessen (z.B. Holzvergasung, Fischer-Tropsch-Synthese) auftretenden Verluste. Im<br />
Fall von Biogas stellt der Energieinhalt des genutzten Rohgases die für den Primärenergieeinsatz<br />
relevante Größe dar.
Strategien für eine nachhaltige Aktivierung landwirtschaftlicher Bioenergie-Potenziale<br />
Interpretation und Schlussfolgerungen<br />
Die zukünftige Stellung landwirtschaftlicher Biomasseerzeugung hängt von zahlreichen<br />
agrarischen und energiewirtschaftlichen Faktoren ab, aber auch persönliche Präferenzen<br />
und Einstellungen der Landwirte spielen eine Rolle. Der Ausbau der Biomasseproduktion ist<br />
mit verschiedenen Trade-Offs verbunden, deren Implikationen und Konsequenzen<br />
untersucht werden müssen. Beispielsweise können Energiepflanzen andere Kulturen für die<br />
Futtermittel- oder Lebensmittelproduktion verdrängen, in Jahren mit hohen Erntemengen<br />
kann die energetische Nutzung jedoch auch marktentlastend wirken. Bei entsprechender<br />
Förderung der Biomasseproduktion bzw. -nutzung ist mit einer Zunahme der<br />
Bewirtschaftungsintensität zu rechnen, die den Zielen des ÖPULs entgegenwirken kann. Um<br />
dies zu vermeiden, sind Rahmenbedingungen zu schaffen, die etwa die Verwertung von<br />
Reststoffen, ungenutztem Pflanzenmaterial oder auch Zwischenfrüchten favorisieren.<br />
Die landwirtschaftliche Biomasse- und Bioenergieerzeugung kann durch Verschaffung von<br />
zusätzlichen Einkommensquellen den Erhalt der landwirtschaftlichen Nutzung gegenüber der<br />
Verwaldung unterstützen, und zur Entwicklung des ländlichen Raumes beitragen. Zudem<br />
kann eine (teilweise) Abfederung der Schwankungen von Weltmarktpreisen, sowohl bei<br />
Agrarprodukten, als auch Energieträgern erzielt werden. Zu den potenziellen negativen<br />
Aspekten zählen neben einer verstärkten Flächenkonkurrenz etwa die (insbesondere im<br />
globalen Kontext brisanten) Risiken einer verstärkten Kopplung von Agrar- und<br />
Energiepreisen und zum Teil hoher Förderbedarf der landwirtschaftlichen Energieerzeugung.<br />
Die standörtlichen und regionalen Gegebenheiten sind dabei von zentraler Bedeutung, die<br />
es im Zuge der Frage, welchen Energiepflanzen bzw. welchen Nutzungspfaden der Vorzug<br />
gegeben werden soll, zu beantworten gilt. Die Frage, inwiefern die verstärkte<br />
Flächenkonkurrenz zu einem erhöhten Import von Nahrungs- und Futtermitteln führt, wird<br />
nicht zuletzt auch von Ernährungsgewohnheiten und der Effizienz im Nahrungsmittelsektor<br />
(Stickwort Fleischkonsum, Verschwendung und Lebensmittelabfälle).<br />
Der mögliche Beitrag landwirtschaftlicher Biomasse zur österreichischen Energieversorgung<br />
hängt in hohem Maße von energiepolitischen Schwerpunktsetzungen und Förderbudgets ab;<br />
unter Berücksichtigung von Opportunitätskosten und ökonomischen Rahmenbedingungen<br />
zeigt sich jedoch in jedem Fall ein deutlich geringeres Potenzial, als auf Basis rein<br />
naturwissenschaftlich-technischer Analysen. Die Projektergebnisse unterstreichen damit die<br />
Bedeutung eines effizienten Ressourcenumgangs, sowohl im Bereich der fossilen und<br />
erneuerbaren Energieerzeugung und -nutzung, als auch im Bereich der Nahrungsmittelversorgung.<br />
X
III Abstract<br />
XI<br />
ALPot<br />
The use of agricultural biomass has the potential to make a significant contribution to a future<br />
sustainable energy system in Austria. Besides driving factors, there are also barriers and<br />
controversial aspects of an enhanced production of energy crops, which need to be<br />
assessed. In this project the following aspects of agricultural biomass and bioenergy<br />
production are analyzed:<br />
(1) The willingness and initiative of farmers is a precondition for increasing energy production<br />
from agricultural biomass. Based on interviews with farmers and stakeholders, the relevant<br />
decision-making structures, motivations and barriers are analyzed and incorporated in an<br />
agent-based simulation model. (2) The natural conditions (soil, radiation, precipitation etc.) of<br />
agricultural land in Austria, together with the requirements of the different crop species are a<br />
major determining factor for an enhanced energy crop production. A spatially explicit<br />
modelling approach (GIS-model) is used to analyze the constraints which arise from the<br />
natural conditions and to derive scenarios for the arable land use in Austria. (3) Agroeconomic<br />
aspects of agricultural bioenergy, as well as implications for the food and feed<br />
production are investigated, using simulation and optimization models. (4) The economics of<br />
various options of energy generation from agricultural biomass are analyzed for different<br />
scenarios and based on an economic simulation model for the Austrian bioenergy sector.<br />
The results of the interviews reveal a wide range of inhibitory as well as supporting factors for<br />
agricultural energy production. The results of the agent-based model show that particularly<br />
unfavourable agricultural conditions together with advantageous conditions for bioenergy can<br />
result in a strong trend towards agricultural energy production. Taking into account the<br />
different decision-making structures, farm types and sizes etc., the model results indicate<br />
that in the year 2030, depending on the agricultural and energy economic conditions, 4 to<br />
30% of the total agricultural land (arable land and grassland) are used for bioenergy<br />
production. The results of the GIS-model show that an enhanced production of energy crops<br />
can basically be brought in line with environmental aspects, since the requirements of energy<br />
crops are often better suited for the natural conditions than those of conventional crops.<br />
However, the agro-economic analyses illustrate the increasing competition for land that is<br />
associated with an enhanced cultivation of energy crops. This is likely to result in a reduction<br />
of food and feed production, especially of wheat and grain maize.<br />
The simulations of the bioenergy sector show that the future role of biomass for the Austrian<br />
energy supply depends heavily on both energy policy framework conditions and (particularly<br />
with regard to agricultural biomass) on fossil fuel price developments. Apart from that, the<br />
efficiency of agricultural bioenergy production (with regard to the amount and costs of<br />
greenhouse gas mitigation and substitution of fossil fuels) is highly influenced by the choice<br />
of plant species. The best cost-benefit-ratios are achieved with ligno-cellulosic plants (short<br />
rotation coppice), primarily due to the good economic performance of the heat generation<br />
with woody biomass. For the production of biogas (and biomethane, respectively) the<br />
utilization of waste material, surplus material from grassland and (under the precondition of<br />
adequate support schemes) of catch crops should be favoured.<br />
In a Current Policy-simulation with a focus on short rotation coppice, greenhouse gas<br />
savings from agricultural bioenergy production amount to 3 Mt CO2-eq. in 2020 and 5.7 Mt in<br />
2030. Agricultural biomass accounts for 3% of the total primary energy consumption in 2020<br />
and 6% in 2030. However, the arable land required for energy crop cultivation in this<br />
scenario accounts for about 25% of the total arable land (no grassland) in 2020 and close to<br />
50% in 2030. Both greenhouse gas savings and the achievable contribution to the energy<br />
supply are clearly lower in the case of a focus on conventional energy crops (e.g. oilseeds,<br />
cereals) or biogas plants.
Strategien für eine nachhaltige Aktivierung landwirtschaftlicher Bioenergie-Potenziale<br />
IV Summary<br />
Objective<br />
With a share of about 15% of the total primary energy consumption (2008), biomass is the<br />
most important source of renewable energy in Austria. In recent years, there has been a<br />
significant increase in biomass use for energy, partly due to the growing use agricultural<br />
resources (such as rapeseed for biodiesel and wheat for bioethanol production). With regard<br />
to energy policy objectives in the field of greenhouse gas mitigation and renewable energy<br />
sources (Kyoto Protocol, Renewable Energy Action Plan, "2020 targets" etc.), it is expected<br />
that the importance of renewable energy will continue to rise in the coming years and<br />
decades. Regarding the future role of agricultural bioenergy production, however, several<br />
aspects demand close examination. In this project the following key questions are examined:<br />
• What are the potentials of agricultural biomass in Austria, taking into account biophysical<br />
and economic framework conditions?<br />
• To what extent do decision-making structures of agricultural enterprises or<br />
farmers, farm types and various driving and restraining factors have an impact on<br />
the feasibility of potentials for agricultural biomass production?<br />
• What is the achievable contribution of agricultural biomass to the Austrian energy<br />
system up to 2030 and to the fulfilment of energy and climate policy objectives?<br />
Methodology<br />
The methodological approaches include economic analyses as well as simulations of<br />
decision-making structures with an agent-based model (the input data are based on<br />
interviews with farmers and agricultural stakeholders) and a spatially explicit modelling<br />
approach, based on geographical information systems.<br />
In a first step, data on the current state and structure of agricultural biomass use as well as<br />
the utilization paths and technologies applied are analyzed. The current importance for the<br />
Austrian energy supply is discussed. Consecutively, consistent scenarios for the future of<br />
agro- and energy-economic framework conditions are derived. These scenarios are a<br />
common database for the following modelling approaches.<br />
The willingness and initiative of farmers is a precondition for increasing energy production<br />
from agricultural biomass. Therefore, decision-making structures which are derived from<br />
interviews with farmers and stakeholders are analyzed with the use of the agent-based<br />
model AGRIEN. Basically, agent-based models simulate the operations and interactions of<br />
agents (farmers, in this case), in an attempt to assess the effects of individual actions, which<br />
are based on specific rules for decision-making, on an aggregated level. The decisionmaking<br />
structures of the farmers in AGRIEN depend on the farm type and size, their<br />
available agricultural land, regional characteristics etc. These parameters determine, to what<br />
extent and under which conditions each agent is willing to use agricultural land for biomass<br />
production. Exogenous scenario assumptions (primarily agro- and energy economic<br />
framework conditions) are varied in order to derive different scenarios and gain insight into<br />
the effect of different scenario settings. The core results of the model are the share of<br />
agricultural land (including arable land and grassland) which is used for biomass production<br />
on a regional and national level as well as the number of agricultural enterprises involved.<br />
The natural conditions (soil, radiation, precipitation etc.) of agricultural land in Austria,<br />
together with the requirements of the different crop species are a major determining factor for<br />
an enhanced energy crop production. A spatially explicit modelling approach, based on<br />
geographic information data (GIS-model) is used to analyze the constraints which arise<br />
from the natural conditions and to derive scenarios for the arable land use in Austria. The<br />
core model assumption is that each area element is occupied with the crop species which is<br />
XII
XIII<br />
ALPot<br />
suited best according to the natural conditions of the area and the requirements of crops.<br />
Crop rotation is also taken into account. The model results are dynamic, spatially explicit<br />
scenarios of arable land use, as well as according production volumes. Different scenarios<br />
are derived by applying variations in crop rotation rules and other setting.<br />
In contrast, the agro-economic model cluster (consisting of the models CropRota, EPIC<br />
and BiomAT) is used to analyze the economic potentials of energy crops. Again, natural<br />
conditions like soil, precipitation etc. are taken into account as well as crop rotation.<br />
However, in this modelling approach, economic framework conditions (market prices,<br />
variable costs, subsidies etc.) determine the choice of crops and the resulting production<br />
volumes. Supply curves for energy crops are derived from different simulation runs with<br />
varying producer prices.<br />
Consecutively, the economics of various utilization paths for generating heat and/or<br />
electricity as well as transport fuels from agricultural biomass are analyzed. Scenarios for the<br />
development of bioenergy use in Austria with a focus on the utilization of agricultural biomass<br />
resources are derived with a simulation tool for the bioenergy sector (SimBioSe). The<br />
basic modelling approach is to simulate the future deployment of bioenergy plants (up to<br />
2030), based on profitability analyses. The implications of different economic framework<br />
conditions (primarily fossil fuel price scenarios) as well as subsidies for bioenergy on the<br />
development of the bioenergy sector, greenhouse gas mitigation and other parameters are<br />
assessed. Furthermore, cost-benefit analyses for different focuses concerning energy crop<br />
species (conventional crops, biogas plants, lingo-cellulosic plants) and applications (heat<br />
and/or electricity generation or mobility) are carried out.<br />
Decision-making structures and agent-based model<br />
With regard to the decision-making structures of agricultural enterprises, three different<br />
decision types are identified: innovative, traditional and utilitarian enterprises / farmers.<br />
According to the results of the survey, innovative famers are the smallest group (5 to 10% of<br />
agricultural enterprises in Austria). They are characterized by a high willingness to “try<br />
something new”, even if it is risky. They are motivated by personal attitudes rather than<br />
economic incentives.<br />
Traditional enterprises are the biggest group (75 to 80%). Their decision-making structures<br />
depend on parameters like income situation or production characteristics. For example,<br />
enterprises with livestock often do not have the opportunity to change their production at<br />
short notice or such who have forest land are most likely to establish short rotation<br />
plantations. The decisions of utilitarian farmers or enterprises are highly based on prices and<br />
market expectations. In contrast to traditional farmers, their decisions are not easily<br />
influenced by subsidies.<br />
The interviews reveal a multitude of inhibitory as well as supporting factors for agricultural<br />
energy production. These influencing factors are subdivided into the following categories:<br />
personal, internal, external and natural factors. Examples for personal factors are personal<br />
preferences, attitudes or the readiness to take risks. Internal factors include the<br />
characteristics of the agricultural enterprise, such as income situation or recent investments<br />
and forthcoming investment needs. External factors comprise subsidies, market prices or<br />
contract conditions. Natural conditions and the requirements of energy crops are<br />
summarized in the category “natural factors”.<br />
The main result of the agent-based mode AGRIEN are the shares of agricultural land<br />
(including arable land and grassland) which are used for biomass production in different<br />
scenarios. These scenarios differ with regard to the agro- and energy economic framework<br />
conditions, which are characterized by indicators (“favourable”/”pro”, “trend” or “adverse”/<br />
”contra”). The simulation results show that the agricultural land which is used for biomass<br />
production in 2030 varies from 4 to 30%, depending on the framework conditions (Table II-2).
Strategien für eine nachhaltige Aktivierung landwirtschaftlicher Bioenergie-Potenziale<br />
The highest share is reached in a scenario with adverse agro-economic conditions and<br />
favourable conditions for bioenergy.<br />
Due to the geographical conditions as well as the distribution of farm types and sizes, areas<br />
in the North-East of Austria make the most significant contribution. In regions with a high<br />
importance of livestock breeding (primarily around the Alps), the share of land used for<br />
biomass production is low, even under favourable conditions for bioenergy.<br />
Table II-2: Summary of the simulation results from the model AGRIEN: agricultural land used<br />
for biomass production in 2030 3<br />
Area used for bio‐<br />
energy production<br />
as share of total<br />
agricultural land<br />
Bioenergy<br />
Agriculture<br />
Area used for<br />
bioenergy<br />
Agriculture<br />
Pro Trend Contra<br />
production in ha<br />
Pro Trend Contra<br />
Pro 21 % 28 % 30 %<br />
XIV<br />
Bioenergie<br />
Pro 444,211 582,596 630,242<br />
Trend 8 % 10 % 12 % Trend 175,058 214,713 238,963<br />
Contra 4 % 5 % 6 % Contra 81,402 107,133 128,401<br />
GIS-Model<br />
The GIS-model is used to derive scenarios for arable land use. The core assumption for this<br />
modelling approach is that each of the approximately 46.000 area elements representing the<br />
total arable land in Austria is occupied with the plant species which is most suitable<br />
according to the natural conditions of the area element and the specific requirements of each<br />
plant species. Furthermore, it is assumed that the natural conditions are not modified, for<br />
example with the use of chemical fertilizers. The core results are the production volumes and<br />
regional distributions of crops. Therefore, conclusions about the suitability of energy crops on<br />
arable land in Austria can be derived. Variations in the restrictions for crop rotation and other<br />
parameters result in different outcomes and provide closer insight. The following figure<br />
shows the aggregated results under default settings and in the different variants.<br />
Compared to the statistical data on arable land use in Austria, this approach basically leads<br />
to a pronounced extensification with high shares of grasses. By applying restrictions for the<br />
cultivation of grasses on arable land, higher outputs of conventional crops like wheat or<br />
maize are achieved (scenarios “enhanced intensification” and “enhanced crop rotation” I to<br />
III). Apart from that, the simulation results reveal that the requirements of “new” energy crops<br />
(especially short rotation coppice) are often better suited for the natural conditions than those<br />
of conventional crops. Hence, the results indicate that an enhanced production of energy<br />
crops can basically be brought in line with environmental aspects and does not necessarily<br />
result in an intensification of land use.<br />
3<br />
The agricultural land considered here includes the total arable land and grassland, except for the<br />
region “Hochalpengebiet” (Alps region).
t/a<br />
20,000,000<br />
15,000,000<br />
10,000,000<br />
5,000,000<br />
0<br />
Statistical data 2008<br />
107%<br />
Default settings<br />
132%<br />
Enhanced extensivication<br />
98% 96%<br />
Enhanced intensification<br />
XV<br />
Enhanced crop rotation I<br />
ALPot<br />
Production volumes (annual averages)<br />
Comparison with statistical data 2008<br />
Other crops Temporary grass<br />
Percentages represent the deviations from<br />
the production volumes in 2008<br />
Figure II-4: Aggregated simulation results of the GIS-model: Comparison of the production<br />
volumes (annual averages) in the different variants with statistical data 2008<br />
Agro-economic modelling<br />
For the assessment of the economic potential of energy crops in Austria, the following<br />
aspects are taken into account: (1) the influence of regional conditions on crop yields,<br />
simulated with the bio-physical process model EPIC, (2) regionally specific crop rotation<br />
schemes, determined with the model CropRota and (3) specific opportunity costs and<br />
alternatives which are assessed with the model BiomAT. More precisely, BiomAT is a landuse<br />
optimization model which identifies the most profitable option for each municipality,<br />
taking into account natural conditions (soil, precipitation and topography). In order to<br />
determine relations between prices and production volumes, prices for energy crops are<br />
varied and the reactions in production volumes observed. Increasing prices generally result<br />
in an intensification of land use. However, to some extent this is counterbalanced by the<br />
Austrian program for environmental agriculture (ÖPUL). Hence, financial incentives (price<br />
signals) required to enhance energy crop production are relatively high.<br />
The simulation results also illustrate that due to the increasing competition for arable land, an<br />
increasing production of energy crops results in a decline of food and feed production<br />
(primarily wheat and grain maize; see Figure II-5). Apart from that, changes in utilization<br />
patterns can be observed, for example wheat is increasingly used as a feedstock for ethanol<br />
production or corn silage for biogas plants instead of feed. The most significant changes in<br />
arable land use are caused by an increasing cultivation of short rotation coppice.<br />
81%<br />
Enhanced crop rotation II<br />
87%<br />
Enhanced crop rotation III<br />
98%<br />
Focus on energy crops
Strategien für eine nachhaltige Aktivierung landwirtschaftlicher Bioenergie-Potenziale<br />
Corn<br />
Wheat<br />
Durum Wheat<br />
Rye<br />
Triticale<br />
Soummer‐Barley<br />
Winter‐Barley<br />
Oat<br />
Pea<br />
Horse bean<br />
Soybean<br />
Rapeseed<br />
Sunflower<br />
Cornsilage<br />
Sugarbeet<br />
Potato<br />
Vegetable<br />
Alfa alfa<br />
Clover<br />
Grassclover<br />
Grass<br />
Fallow<br />
Energy_Wheat<br />
Energy_Triticale<br />
Energy_Rye<br />
Energy_Corn<br />
Energy_Sugarbeet<br />
Energy_Rapeseed<br />
Energy_Sunflower<br />
Poplar_3y<br />
Poplar_10y<br />
Energy_Grassclover<br />
Energy_Grass<br />
Biogas_Wheat<br />
Biogas_Rye<br />
Biogas_Triticale<br />
Biogas_Cornsilage<br />
Biogas_Corn<br />
Biogas_Sunflower<br />
Biogas_Grassclover<br />
Biogas_Grass<br />
‐140 ‐120 ‐100 ‐80 ‐60 ‐40 ‐20 0 20 40 60 80 100 120<br />
Changes at land use in '000 ha<br />
XVI<br />
Incentives:<br />
100 €/t DM<br />
60 €/t DM<br />
20 €/t DM<br />
Figure II-5: Changes in arable land use resulting from incentives for the production of energy<br />
crops (20 €/tDM, 60 €/tDM and 100 €/tDM)<br />
Simulation of the bioenergy sector<br />
With the simulation model SimBioSe, scenarios for the Austrian bioenergy sector are<br />
developed. The simulation algorithm is based on profitability analyses of the different<br />
biomass utilization paths. Economic framework conditions like subsidies or prices for fossil<br />
fuels as well as supply curves for biomass (which are derived from the results of the agroeconomic<br />
modelling approach) are the main influencing parameters. In each simulation<br />
period (each year throughout the period 2010 to 2030), bioenergy plants (heat generation<br />
and combined heat and power plants as well as biofuel production plants) are deployed if<br />
they are competitive under the framework conditions of the current simulation period and if
XVII<br />
ALPot<br />
there are free demand-side and resource potentials available. Hence, biomass resources are<br />
only used if their utilization is economic compared to the respective fossil-fuelled reference<br />
system. Hence, with the model it is possible to analyze the effects of different support<br />
schemes and price developments on the utilization of (agricultural) biomass resources, and<br />
assess the achievable contribution of biomass for the Austrian energy sector.<br />
The following groups of scenarios are analyzed: No Policy Scenarios (no subsidies or tax<br />
incentives for bioenergy), Current Policy Scenarios (current subsidies and tax incentives) und<br />
Specific Support Scenarios (increasing levels of financial incentives for certain utilization<br />
paths). The results of the No Policy and Current Policy Scenarios are evaluated primarily<br />
with regard to the importance of agricultural biomass to the energy supply. The main purpose<br />
of the Specific Support Scenarios is to illustrate the support costs vs. benefits (greenhouse<br />
gas mitigation, substitution of fossil fuels) of different utilization paths and to derive<br />
conclusions regarding favourable focal points for funding. With regard to the fossil fuel price<br />
developments, two scenarios are distinguished: Level 2006 (real prices remain constant at<br />
the level of the year 2006) and FAO/Primes (increasing real prices for fossil fuel with a crude<br />
oil price of more than 100 $2007/bbl in 2020).<br />
Under the support scenario No Policy and the price scenario Level 2006 practically no<br />
utilization paths of energy crops are competitive. Until 2030, the only notable contribution of<br />
agricultural biomass to the energy supply originates from the use of straw and (to a very<br />
moderate extent) plant oil in CHP plants. However, in this scenario the bioenergy sector is<br />
dominated by the use of forest biomass and wood processing residues for residential and<br />
district heating as well as steam generation. The main difference in the price scenario<br />
FAO/Primes is the clearly higher exploitation of forest biomass potentials for heat generation.<br />
Apart from that, electricity generation in large biogas plant (with a power of 500 kWel and<br />
more) using maize silage is to some extent competitive. Still, agricultural biomass plays a<br />
rather insignificant role.<br />
The Current Policy Scenarios illustrate to what extent agricultural biomass could be utilized in<br />
a profitable way if the current support schemes and tax incentives are maintained. In contrast<br />
to the No Policy Scenarios, these scenarios show a substantial increase in the demand for<br />
energy crops, and the question of what type of energy crops are preferred, gains in<br />
importance. Therefore, three scenarios with different focuses of energy crop production are<br />
assessed: Conventional crops, biogas plants and ligno-cellulosic feedstocks. The best costbenefit<br />
ratio as well as the highest expansion of agricultural bioenergy is achieved with a<br />
focus on ligno-cellulosic biomass (short rotation coppice). The greenhouse gas reduction<br />
from agricultural bioenergy in this scenario accounts for 3 Mt CO2-Equ. in the year 2020 und<br />
5.7 Mt in 2030. The savings of fossil fuel consumptions amount to 15 TWh in 2020 and<br />
27 TWh in 2030. However, the arable land used for energy crop production accounts for<br />
about 300,000 ha in 2020 and 600,000 ha in 2030 (close to one fourth/half of the total arable<br />
land in Austria). The savings achievable with a focus on conventional crops and biogas<br />
plants are clearly lower. Figure II-6 shows a summary of the simulation results: the primary<br />
energy consumption of biomass in the No Policy and the Current Policy Scenarios in 2020<br />
and 2030, subdivided into agricultural and other biomass.
Strategien für eine nachhaltige Aktivierung landwirtschaftlicher Bioenergie-Potenziale<br />
No Policy Current Policy No Policy Current Policy<br />
FAO/Primes - Ligno-Cellulose<br />
FAO/Primes - Biogas plants<br />
FAO/Primes - Conventional Crops<br />
Level 2006 - Ligno-Cellulose<br />
Level 2006 - Biogas plants<br />
Level 2006 - Conventional Crops<br />
FAO/Primes<br />
Level 2006<br />
FAO/Primes - Ligno-Cellulose<br />
FAO/Primes - Biogas plants<br />
FAO/Primes - Conventional Crops<br />
Level 2006 - Ligno-Cellulose<br />
Level 2006 - Biogas plants<br />
Level 2006 - Conventional Crops<br />
FAO/Primes<br />
Level 2006<br />
Outlook 2010<br />
Statistical data 2000<br />
0 10,000 20,000 30,000 40,000 50,000 60,000 70,000<br />
XVIII<br />
GWh/a<br />
2030 2020<br />
Other biomass<br />
Agricultural biomass<br />
Figure II-6: Summary of simulation results of the model SimBioSe: primary energy<br />
consumption of domestic biomass in the No Policy and the Current Policy Scenarios in 2020<br />
and 2030;<br />
“FAO/Primes“ and “Level 2006“ indicate the price scenario assumed, “Conventional crops”, “Biogas<br />
plants” and “Ligno-cellulose” the focus of energy crop production. Catch crops and biomass from<br />
grassland are not considered here.<br />
Interpretation and conclusions<br />
The future importance of agricultural bioenergy does not only depend on agro- and energy<br />
economic influencing parameters, but also personal preferences and attitudes of farmers. An<br />
increase in energy crop cultivation is associated with different trade-offs, which need to be<br />
analyzed and taken into consideration within (bio-)energy strategies. Especially the risks of<br />
an increasing competition for agricultural land and likely impacts on food and feed production<br />
as well as environmental aspects need to be addressed.<br />
However, there are also clearly positive aspects of agricultural biomass for energy, such as<br />
the potential to reduce greenhouse gas emissions and to enhance the competitiveness of the<br />
agricultural sector. By creating opportunities for additional income, agricultural bioenergy<br />
production can contribute to rural development and landscape conservation. Furthermore,<br />
with a diversification of energy sources a (partial) mitigation of fuel price fluctuations may be<br />
achieved. Potential risks are that an increasing demand for energy crops may result in a<br />
stronger coupling between agricultural and energy markets and put food security in<br />
developing countries at risk. With regard to the diverse biomass fractions and utilization<br />
paths, regional characteristics should be taken into account in the design of strategies for an<br />
efficient use of agricultural biomass potentials.<br />
The achievable contribution of agricultural bioenergy to a future energy supply in Austria<br />
highly depends on strategic decisions and energy policy instruments applied. However, the<br />
project results indicate that in any case, the economic potentials of agricultural bioenergy are<br />
clearly lower than technical potentials stated in literature. (Of course, the economic<br />
attractiveness heavily depends on assumed energy price scenarios.) Hence, the results
XIX<br />
ALPot<br />
stress the importance of an efficient management and utilization of resources; not only in the<br />
field of fossil fuels but also with regard to agricultural land, biogenous resources and food<br />
supply.
Strategien für eine nachhaltige Aktivierung landwirtschaftlicher Bioenergie-Potenziale<br />
XX
1 Einleitung<br />
1.1 Aufgabenstellung<br />
1<br />
ALPot<br />
Der energetischen Nutzung von Biomasse kommt in Österreich sowohl hinsichtlich des<br />
derzeitigen Beitrags zur Energieversorgung, als auch hinsichtlich energie- und<br />
klimapolitischer Zielsetzungen eine zentrale Bedeutung zu. Während in der Vergangenheit in<br />
erster Linie forstliche Ressourcen genutzt wurden, gibt es verschiedene Anzeichen, die –<br />
zumindest kurz- bis mittelfristig – auf einen Trend in Richtung landwirtschaftliche<br />
Bioenergieerzeugung hindeuten:<br />
• Die energiepolitischen Zielsetzungen der Europäischen Union im Verkehrssektor werden<br />
nur durch einen zunehmenden Einsatz von biogenen Kraftstoffen (in erster Linie Biodiesel<br />
aus Ölsaaten und Ethanol aus stärke- und zuckerhaltigen Ackerfrüchten) erreicht werden<br />
können.<br />
• Die verstärkte energetische Holznutzung hat bereits in den letzten Jahren zu einer<br />
zunehmenden Verknappung forstlicher Biomasse geführt. Neben einer forcierten<br />
Mobilisierung forstlicher Potenziale könnten in Zukunft alternative biogene Brennstoffe wie<br />
Stroh, Kurzumtriebsholz oder Miscanthus zur Entschärfung von Rohstoffkonkurrenzen<br />
beitragen.<br />
• Gleichzeitig wirken sich steigende Preise fossiler Brennstoffe positiv auf die Wirtschaftlichkeit<br />
der Nutzung alternativer biogener Energieträgern aus.<br />
• Landwirtschaftlichen Biogas-Blockheizkraftwerken und der Einspeisung von gereinigtem<br />
und aufbereitetem Biogas in Erdgasnetze wird von vielen Experten großes Potenzial<br />
zugeschrieben.<br />
• Die Ergebnisse zahlreicher Studien zeigen, dass die Gesamtheit landwirtschaftlicher<br />
Biomasse, bestehend aus Energiepflanzen, Grünlanderträgen und verschiedenen Rest-<br />
und Abfallstoffen den Großteil des derzeit ungenutzten Biomasse-Ressourcenpotenzials<br />
darstellt.<br />
• Die Erzeugung von Bioenergie wird von vielen Akteuren als große Chance für eine<br />
Neuorientierung und Einkommenssteigerung in der Landwirtschaft gesehen.<br />
Die Aufgabenstellung des vorliegenden Projektes ist es, die Optionen landwirtschaftlicher<br />
Biomasse- und Bioenergieerzeugung aus agrar- und energiewirtschaftlicher Sicht zu<br />
analysieren und den erzielbaren Beitrag landwirtschaftlicher Biomasse zu einem<br />
nachhaltigen Energiesystem in Österreich zu ermitteln. Des Weiteren wird untersucht,<br />
inwiefern eine verstärkte Integration von Energiepflanzenanbau in die landwirtschaftliche<br />
Produktion hinsichtlich naturräumlicher Gegebenheiten sowie hinsichtlich der Entscheidungsstrukturen<br />
der Landwirte möglich ist. Darauf aufbauend werden modellbasierte Szenarien<br />
des österreichischen Biomassesektors erstellt und hinsichtlich agrar- und energiewirtschaftlicher<br />
Aspekte ausgewertet.<br />
1.2 Schwerpunkte des Projektes<br />
Die Schwerpunkte des Projektes umfassen folgende Fragestellungen:<br />
• Welches Potenzial zur Brennstoff- und Energiebereitstellung besitzt die österreichische<br />
Landwirtschaft unter Berücksichtigung von Fruchtfolgebeschränkungen und regionalen<br />
Standortbedingungen wie Bodenqualität, Durchschnittstemperatur und Niederschlag?<br />
• Unter welchen Rahmenbedingungen entscheiden sich Landwirte für den Umstieg auf<br />
Brennstoff-, Rohstoff- oder Energieerzeugung? Welche treibenden und hemmenden<br />
Faktoren sind entscheidend?
Einleitung<br />
• Welche Mengen landwirtschaftlicher Energieträger können unter verschiedenen<br />
Rahmenbedingungen wirtschaftlich bereitgestellt und genutzt werden?<br />
• Welchen Beitrag kann die Landwirtschaft für das österreichische Energiesystem<br />
längerfristig (bis 2030) leisten? Welche Rolle kommt landwirtschaftlicher Biomasse zur<br />
Erreichung energie- und klimapolitischer Zielsetzungen zu?<br />
• Welche energetischen Nutzungspfade landwirtschaftlicher Biomasse sind unter<br />
verschiedenen Preisszenarien und energiewirtschaftlichen Rahmenbedingungen<br />
wirtschaftlich? Mit welchen Kosten und Nutzen ist eine Forcierung der landwirtschaftlichen<br />
Biomassenutzung verbunden?<br />
Des Weiteren werden aus den Projektergebnisse Schlussfolgerungen zu Themen wie<br />
Flächenkonkurrenzen, Effekte der Förderung von Bioenergie auf die landwirtschaftliche<br />
Produktion, Maßnahmen zur Mobilisierung landwirtschaftlicher Biomasseressourcen etc.<br />
abgeleitet.<br />
1.3 Einordnung in das Programm<br />
Primär adressiert das Projekt im Rahmen der Ausschreibung „Energie der Zukunft“<br />
Themenfeld 7, Unterpunkt 2.4.7.3.2 „Allokation erneuerbarer Potenziale und Ressourcen“.<br />
Das Projekt behandelt, wie in der Ausschreibung dargestellt, die Potenziale und<br />
Nutzungskonkurrenzen mit Schwerpunkt landwirtschaftlicher Bioenergie. Wie gefordert,<br />
werden vorhandene Ressourcen unter Berücksichtigung von Restriktionen und<br />
Wechselwirkungen analysiert und bei der Frage der Allokation Nutzungskonkurrenzen<br />
einbezogen.<br />
Darüber hinaus hat das Projekt auch einen Fokus auf energiepolitische Instrumente und<br />
insbesondere der Wechselwirkungen zwischen Energie- und Agrarpolitik. Daher wird auch<br />
der Punkt 2.4.7.4.2 „Möglichkeiten und Grenzen energiepolitischer Instrumente“ adressiert.<br />
Aufgrund der Konzentration auf biogene Rohstoffe berühren die Inhalte des Projekts<br />
unmittelbar Themenfeld 2 und bilden die Grundlagen für Folgeprojekte zur Umsetzung der<br />
Ergebnisse und Tools in Modellregionen im Sinne von Ausschreibungspunkt 2.4.2.5<br />
„Regionale Systeme zur Implementierung integrierter Rohstoffnutzung“.<br />
1.4 Verwendete Methoden<br />
1.4.1 Methodische Ansätze<br />
Im Rahmen des Projektes wurden folgende Methoden eingesetzt:<br />
• Datenrecherche und –aufbereitung, z.B.:<br />
o Statistische Daten zur derzeitigen Bedeutung von Biomasse im<br />
österreichischen Energiesystem und landwirtschaftlicher Biomasse im<br />
Speziellen<br />
o Statistische Daten zur landwirtschaftlichen Produktion, Flächennutzung etc.<br />
o Geoinformationsdaten (GIS): Niederschlag, Temperatur, Bodennutzung und<br />
Bodenklassen<br />
o Standortanforderungen und standortspezifische Ertragsdaten für 27<br />
Kulturarten und entsprechende Fruchtfolgen<br />
o Technologiedaten: Investitions- und Betriebskosten von Bioenergie-<br />
Technologien sowie technische Daten<br />
2
3<br />
ALPot<br />
• Literaturrecherche, z.B. hinsichtlich folgender Themen:<br />
o Erwartete zukünftige Entwicklungen bei Bioenergie-Technologien<br />
o Food vs. Fuel<br />
o Szenarien der Energiepreisentwicklung, des Energiesystems etc.<br />
• Wirtschaftlichkeitsrechnung (Annuitätenmethode):<br />
o Beurteilung der Wirtschaftlichkeit verschiedener Technologien bzw. Biomasse-<br />
Nutzungspfade<br />
o Sensitivitätsanalysen<br />
• Simulationsmodell SimBioSe<br />
o Simulation des Bioenergiesektors auf Basis von Wirtschaftlichkeitsbetrachtungen<br />
o Erstellung eines Szenarienfächers, Auswertung hinsichtlich Kosten,<br />
Treibhausgasemissionen, etc. und Interpretation<br />
• GIS-basierte Modellierung:<br />
o Aufbereitung der GIS-Daten<br />
o Entwicklung einer Methodik zur GIS-basierten Simulation verschiedener<br />
Szenarien der Ackerflächennutzung auf Basis von Standortbedingungen und<br />
Anforderungen von Ackerfrüchten<br />
o Visualisierung der Ergebnisse<br />
• Analyse der Entscheidungsstrukturen von Landwirten und deren Abbildung in dem<br />
agentenbasierten Modell AGRIEN<br />
o Erstellung eines Fragebogens; Durchführung von qualitativen Interviews mit<br />
Landwirten und landwirtschaftlichen Interessensvertretern<br />
o Agentenbasierte Modellierung (Ansatz der sozialen Simulation)<br />
• Einsatz bestehender Modelle (BioMat, CropRota, EPIC) unter Einbeziehung<br />
projektspezifischer Parameter<br />
• Qualitätssicherung, Kommunikation, Weiterentwicklung:<br />
o Kontinuierliche Kommunikation und Qualitätssicherung innerhalb des<br />
Projektteams sowie mit dem Projektbeirat<br />
o Durchführung von Expertenworkshops im Rahmen des Projektbeirats;<br />
kontinuierliche Diskussion von Zwischenergebnissen sowie<br />
o Einbeziehung anderer laufender Projekte (z.B. SOS, OPAL)<br />
o Mitwirkung am Entwurf eines Folgeantrags: Das Projekt BioSpaceOpt wurde<br />
genehmigt und stellt eine Fallstudie für die Region Sauwald im Sinne von<br />
AP 5 dar.<br />
1.4.2 Modelle und Schnittstellen<br />
Im Rahmen des Projektes kommen mehrere Simulations- und Optimierungsmodelle zum<br />
Einsatz, die durch sehr unterschiedliche Ansätze und Schwerpunktsetzungen<br />
gekennzeichnet sind:<br />
Das agentenbasierte Modell AGRIEN wurde im Rahmen des Projektes entwickelt. Der<br />
Schwerpunkt dieses Modells liegt in der Abbildung der Entscheidungsstrukturen der
Einleitung<br />
Landwirte. Diese wurden aus qualitativen Interviews mit Landwirten und landwirtschaftlichen<br />
Interessensvertretern abgeleitet. Mit diesem Modellierungsansatz wird der Tatsache<br />
Rechnung getragen, dass für das effektiv mobilisierbare Potenzial landwirtschaftlicher<br />
Biomasse neben agrar- und energiewirtschaftlichen Aspekten die Initiative bzw. Bereitschaft<br />
der Landwirte erforderlich ist. Die Inputdaten des Modells beinhalten neben modellhaften<br />
Entscheidungsstrukturen und Daten über die Zusammensetzung und Strukturen der<br />
österreichischen Landwirtschaft Parameter für energie- und agrarwirtschaftliche Rahmenbedingungen.<br />
Als Ergebnis liefert das Modell das Ausmaß, in welchem landwirtschaftliche<br />
Flächen unter den jeweiligen Rahmenbedingungen für die Produktion von Energieträgern<br />
genutzt werden.<br />
Mithilfe eines ebenfalls im Rahmen des Projektes entwickelten geografisch expliziten<br />
Modells (GIS-Modell) wird analysiert, welche Kulturarten sich hinsichtlich ihrer<br />
Standortanforderungen am besten für die naturräumlichen Gegebenheiten der<br />
österreichischen Ackerflächen eignen. Aus zahlreichen Modellläufen, deren Ergebnisse<br />
dynamische Flächennutzungsszenarien mit räumlicher Verortung und Produktionsmengen<br />
von Ackerfrüchten sind, werden Aussagen hinsichtlich der Eignung „neuer“, speziell für die<br />
Energieerzeugung angebauter Kulturarten abgeleitet.<br />
Dem gegenüber steht die stark ökonomisch geprägte Modellierung, welche mit dem<br />
agrarwirtschaftlichen Modellcluster, bestehend aus den Modellen EPIC, BioMat und<br />
CropRota, realisiert wurde. Die Ergebnisse dieses Ansatzes sind Produktionsmengen<br />
landwirtschaftlicher Erzeugnisse. Insbesondere kann über szenariospezifische Annahmen<br />
und Förderschwerpunkte analysiert werden, welche Mengen an Energiepflanzen unter<br />
verschiedenen Rahmenbedingungen wirtschaftlich produziert werden können. Die regional<br />
unterschiedlichen landwirtschaftlichen Strukturen in Österreich, Fruchtfolgebeschränkungen<br />
etc. werden in diesem Ansatz berücksichtigt, persönliche oder nicht-ökonomische Entscheidungskriterien<br />
spielen bei diesem Ansatz jedoch keine Rolle.<br />
Ausgehend von den Ergebnissen des agrarwirtschaftlichen Modellclusters werden mit dem<br />
Simulationsmodell SimBioSe 4 Szenarien des österreichischen Biomassesektors erstellt.<br />
Neben den aus dem agrarwirtschaftlichen Modellcluster abgeleiteten Angebotskurven<br />
landwirtschaftlicher Biomasse stellen Bioenergie-Technologiedaten, Preisszenarien fossiler<br />
Energieträger, Szenarien des Energiebedarfs und anderer energiewirtschaftlicher<br />
Rahmenbedingungen die wichtigsten Eingangsdaten des Modells dar. Zentrales Element<br />
des Modells sind Nutzungspfade, über die primärenergetische Biomassepotenziale in Endbzw.<br />
Nutzenergie übergeführt werden. Die Modellergebnisse geben Aufschluss darüber, in<br />
welchem Ausmaß die primärenergetischen Biomassepotenziale in Abhängigkeit von<br />
verschiedenen Einflussparametern wirtschaftlich genutzt werden können, welcher Beitrag zur<br />
Energieversorgung bzw. in den Sektoren Wärme, Strom und Mobilität möglich ist, und<br />
welche Vor- und Nachteile eine Forcierung der energetischen Nutzung der inländischen<br />
Biomasseressourcen bringt. Dazu werden beispielsweise die Einsparungen an<br />
Treibhausgasemissionen und an der Nutzung fossiler Energieträger sowie Förderkosten<br />
analysiert. Dem Bezug zu energie- und klimapolitischen Zielsetzungen wird dabei<br />
besonderes Augenmerk geschenkt.<br />
Abbildung 2–1 zeigt eine schematische Darstellung der eingesetzten Modelle und deren<br />
Schnittstellen. Die (als strichlierte Linien dargestellten) Schnittstellen zwischen dem<br />
agrarwirtschaftlichen Modellcluster und dem GIS-Modell bzw. AGRIEN deuten an, dass<br />
zwischen diesen Modellen, abgesehen von gemeinsamen Datengrundlagen, keine direkte<br />
Datenschnittstelle besteht. Aufgrund der vollkommen unterschiedlichen Schwerpunkte<br />
wurden voneinander unabhängige Simulationen bzw. Szenarien erstellt, die in Bezug auf die<br />
4 Das Modell SimBioSe wurde ebenfalls im Rahmen des Projektes entwickelt. Der prinzipielle<br />
Modellierungsansatz ähnelt dem des Modells Green-X bzw. Green-XEnvironment (siehe z.B. Haas et al.,<br />
2004 oder Uslu, 2008).<br />
4
5<br />
ALPot<br />
jeweiligen Fragestellungen interpretiert und in den Schlussfolgerungen und Empfehlungen<br />
zusammengeführt werden.<br />
Abbildung 1-1: Überblick über die im Projekt eingesetzten Modelle und deren Schnittstellen<br />
1.5 Aufbau der Arbeit<br />
Kapitel 2 gibt einen Überblick über die historische Entwicklung der österreichischen<br />
Energieversorgung, die Entwicklung, Struktur und derzeitigen Bedeutung von Biomasse<br />
sowie landwirtschaftlicher Bioenergieerzeugung. In Kapitel 3 werden neben energie- und<br />
klimapolitische Zielsetzungen agrar- und energiewirtschaftliche Einflussgrößen, Rahmenbedingungen<br />
sowie deren Schnittstellen analysiert. Kapitel 4 beinhaltet eine Darstellung der<br />
Optionen landwirtschaftlicher Bioenergieerzeugung und Wirtschaftlichkeitsanalysen von<br />
Biomasse-Nutzungspfaden.<br />
Die Kapitel 5 bis 7 befassen sich mit dem primärenergetischen bzw. Flächen-Potenzial<br />
landwirtschaftlicher Biomasse. Es werden Methodik und Ergebnisse des GIS-basierten<br />
Ansatzes, der agentenbasierten Modellierung sowie des agrarwirtschaftlichen Modellclusters<br />
dargestellt. Kapitel 8 hat das Modell des Biomassesektors und die Darstellung und<br />
Auswertung der damit erstellten Szenarien zum Thema.<br />
In Kapitel 9 erfolge eine Zusammenfassung und Synthese der Modellergebnisse;<br />
Schlussfolgerungen werden gezogen und Empfehlungen hinsichtlich eines Maßnahmenplans<br />
abgeleitet.
Der österreichische Bioenergie-Sektor<br />
2 Der österreichische Bioenergie-Sektor<br />
Inhalt dieses Kapitels ist eine Darstellung des österreichischen Bioenergie-Sektors mit einem<br />
speziellen Fokus auf landwirtschaftliche Biomasse. In Abschnitt 2.1 werden die historische<br />
Entwicklung der energetischen Biomassenutzung sowie die derzeitige Bedeutung von<br />
Bioenergie für die österreichische Energieversorgung dargestellt. In den Unterkapiteln wird<br />
auf die Bedeutung von Biomasse in den Sektoren Wärme, Strom und Verkehr eingegangen.<br />
In Abschnitt 2.2 erfolgt eine Darstellung des Energiebedarfs des Landwirtschaftssektors und<br />
Abschnitt 2.3 hat die Bedeutung landwirtschaftlicher Biomasse zum Thema.<br />
2.1 Bioenergie in Österreich – Historische Entwicklung und<br />
derzeitige Bedeutung<br />
Abbildung 2-1 zeigt die Entwicklung des primärenergetischen Energieverbauchs („Bruttoinlandsverbrauch“)<br />
in Österreich von 1970 bis 2008 sowie des Anteils biogener und aller<br />
erneuerbarer Energieträger. Die Nutzung von Biomasse und Abfällen stieg in diesem<br />
Zeitraum von unter 50 auf ca. 227 PJ.<br />
PJ/a<br />
1.600<br />
1.400<br />
1.200<br />
1.000<br />
800<br />
600<br />
400<br />
200<br />
Anteil erneuerbarer<br />
Energieträger [%]<br />
Anteil biogener<br />
Energieträger [%]<br />
0<br />
1970 1975 1980 1985 1990 1995 2000 2005<br />
6<br />
30%<br />
25%<br />
20%<br />
15%<br />
10%<br />
5%<br />
0%<br />
Sonstige erneuerbare Energie<br />
Brennbare Abfälle<br />
Biomasse<br />
Kohle<br />
Gas<br />
Öl<br />
Nettoimporte Strom<br />
Anteil erneuerbarer Energieträger [%]<br />
Anteil biogener Energieträger [%]<br />
Abbildung 2-1: Entwicklung des Bruttoinlandsverbrauchs (Primärenergie) von 1970 bis 2008<br />
(biogener Anteil von Abfällen für die Berechnung des Anteils erneuerbarer/biogener Energieträger mit<br />
50% angenommen)<br />
Quelle: Statistik Austria (2010a), eigene Berechnungen und Darstellung (Energy Economics Group,<br />
TU <strong>Wien</strong>)<br />
Abbildung 2-2 zeigt die Zusammensetzung des Biomasseaufkommen nach Rohstofffraktionen.<br />
Neben Scheitholz und Waldhackgut gehen auch Nebenprodukte der<br />
Sägeindustrie, Schwarzlauge (Ablauge der Papierindustrie), Holzpellets etc. auf forstliche<br />
Ressourcen zurück. Diese machen in Summe etwa 80% der derzeit energetisch genutzten<br />
Biomasse aus (wobei in der Kategorie „Brennbare Abfälle“ enthaltenes Altholz nicht<br />
berücksichtigt ist). Scheitholz ist nach wie vor die bedeutendste Biomassefraktion. Der<br />
Beitrag landwirtschaftlicher Ressourcen (aus Energiepflanzen erzeugte biogene Kraftstoffe,<br />
Stroh, Biogas und Biomasse aus „Energiekulturen“) beträgt 2008 weniger als 5%.
Sägenebenprodukte<br />
& Rinde<br />
27%<br />
Waldhackgut<br />
6%<br />
Pellets<br />
4%<br />
Stroh<br />
1%<br />
Schwarzlauge<br />
12%<br />
Scheitholz<br />
30%<br />
Brennbare Abfälle<br />
14%<br />
7<br />
Biogene Kraftstoffe<br />
3%<br />
Sonstiges<br />
(Klärschlamm,<br />
Tiermehl etc.)<br />
1%<br />
Energiekulturen<br />
(Miscanthus etc.)<br />
0,1%<br />
Biogas, Deponie- &<br />
Klärgas<br />
2%<br />
Abbildung 2-2: Zusammensetzung des Biomasseaufkommens (Bezugsjahr: 2007)<br />
Quelle: Biomasseverband (2009) nach Statistik Austria, eigene Darstellung (Energy Economics<br />
Group, TU <strong>Wien</strong>)<br />
ALPot<br />
In Abbildung 2-3 ist die Entwicklung der erneuerbaren Energieträger im Detail dargestellt.<br />
Der Anteil biogener Energieträger am Endenergiebedarf beträgt derzeit knapp 16% (2008)<br />
und beläuft sich damit mehr als die Hälfte des Gesamtbeitrags erneuerbarer Energieträger.<br />
Die Hauptgründe für die im internationalen Vergleich große Bedeutung von Biomasse liegen<br />
im traditionell hohen Anteil im Bereich der Raumwärmeerzeugung, dem Waldreichtum sowie<br />
dem Stellenwert der Holz verarbeitenden Industrie. Aufgrund energie- und klimapolitischer<br />
Zielsetzungen bzw. der Einführung energiepolitischer Instrumente kam es im letzten<br />
Jahrzehnt in der Nutzung biogener Kraftstoffe und Verstromung bzw. Kraft-Wärme-Kopplung<br />
(KWK) zu signifikanten Zuwächsen. Steigende Preise für fossile Brennstoffe sowie<br />
Investitionsanreize begünstigten zudem die Entwicklung im Bereich moderner Biomasse-<br />
Heizanlagen. Im internationalen Vergleich waren die Zuwächse in der reinen<br />
Wärmeerzeugung jedoch eher moderat.<br />
PJ/a<br />
400<br />
350<br />
300<br />
250<br />
200<br />
150<br />
100<br />
50<br />
0<br />
Anteil v. Biomasse<br />
am ges. Energieverbrauch<br />
[%]<br />
Anteil erneuerbarer Energieträger<br />
(inkl. Strom und Fernwärme aus<br />
Erneuerbaren) [%]<br />
1970 1975 1980 1985 1990 1995 2000 2005<br />
30%<br />
25%<br />
20%<br />
15%<br />
10%<br />
5%<br />
0%<br />
Fernwärme aus sonstigen Erneuerbaren<br />
Fernwärme aus Abfällen<br />
Strom aus biogenen Abfällen<br />
Strom aus sonstigen Erneuerbaren<br />
Strom aus Wasserkraft<br />
Sonstige Erneuerbare<br />
Fernwärme aus biogenen Energieträgern<br />
Strom aus biogenen Energieträgern<br />
Biogene Abfälle<br />
Biogene Energieträger<br />
Brennholz<br />
Anteil v. Biomasse [%]<br />
Anteil erneuerbarer Energieträger [%]<br />
Abbildung 2-3: Entwicklung Erneuerbarer Energien (Endenergie) und ihres Anteils am<br />
gesamten Endenergieverbrauch von 1970 bis 2008<br />
Quelle: Statistik Austria (2010a), eigene Berechnungen und Darstellung (Energy Economics Group,<br />
TU <strong>Wien</strong>)
Der österreichische Bioenergie-Sektor<br />
Neben Biomasse spielt Strom aus Wasserkraft eine zentrale Rolle für die österreichische<br />
Energieversorgung. Strom und Wärme aus sonstigen Erneuerbaren (Photovoltaik,<br />
Solarthermie, Umgebungswärme, Windenergie etc.) spielen derzeit noch eine relativ geringe<br />
Rolle. In Summe liegt der Anteil erneuerbarer Energieträger am Endenergieverbrauch bei gut<br />
29% (2008).<br />
Abbildung 2-4 zeigt die Struktur des Endenergieverbrauchs nach Sektoren und Energieträgern.<br />
Die Darstellung gibt Aufschluss darüber, in welchen Sektoren biogene Energieträger<br />
vorwiegend eingesetzt werden und welche Energieträger in diesen Anwendungsbereichen<br />
substituiert werden bzw. werden können. Der Sektor „Raumheizung und Klimaanlagen“<br />
umfasst die Niedertemperaturanwendungen in Gebäuden, mit Ausnahme von<br />
Warmwasserbereitung. Hier haben neben der traditionell hohen Nutzung von Brennholz<br />
andere biogene Energieträger, in erster Linie Pellets und Hackgut, im letzten Jahrzehnt<br />
deutlich an Bedeutung gewonnen. Auch im Sektor Dampferzeugung, welcher industrielle und<br />
gewerbliche Wärme beinhaltet, spielt Biomasse eine wesentliche Rolle, was hauptsächlich<br />
auf die Holz verarbeitenden Industrien (insbesondere Ablauge aus der Papierindustrie)<br />
zurückzuführen ist.<br />
Die Kategorie „Industrieöfen“ umfasst neben industriellen und gewerblichen Anlagen<br />
verschiedenster Sektoren (vom Bäckereiofen bis zum Hochofen) auch Warmwasserbereitstellung<br />
und Kochen, was den (relativ geringen) Beitrag von Brennholz und biogenen<br />
Brennstoffen erklärt. Der Sektor Standmotoren enthält alle nicht im den Sektor Mobilität<br />
inkludierten Motoren sämtlicher Größenordnungen, von Kleinmotoren im Haushaltsbereich<br />
bis zu Großmotoren in industriellen Fertigungsprozessen. Wie auch in der Kategorie<br />
„Beleuchtung und EDV“ kommt hier fast ausschließlich elektrische Energie zum Einsatz.<br />
„Traktion“ beinhaltet sowohl den Straßen- als auch den Schienen-, den Flug- und<br />
Schiffsverkehr. Der geringe Beitrag von biogenen Energieträgern in diesem Sektor geht auf<br />
die vorgeschriebene Quote für biogene Kraftstoffe (in der Höhe von 5,75%) zurück.<br />
PJ/a<br />
450<br />
400<br />
350<br />
300<br />
250<br />
200<br />
150<br />
100<br />
50<br />
0<br />
Raumheizung<br />
und<br />
Klimaanlagen<br />
Endenergieverbrauch 2008: 1088,5 PJ<br />
Dampferzeugung Industrieöfen Standmotoren Traktion Beleuchtung und<br />
EDV<br />
8<br />
Brennbare Abfälle & sonstige ET<br />
Biogene Brenn- & Treibstoffe<br />
Brennholz<br />
Fernwärme<br />
Elektrische Energie<br />
Gas & Flüssiggas<br />
Diesel & Benzin<br />
Abbildung 2-4: Endenergieverbrauch in Österreich nach Energieträgern und<br />
Nutzungskategorien im Jahr 2008<br />
Quelle: Statistik Austria (2010b), eigene Berechnungen und Darstellung (Energy Economics Group,<br />
TU <strong>Wien</strong>)<br />
2.1.1 Wärme<br />
Die Wärmeerzeugung stellt trotz relativ hoher Zuwächse bei der Verstromung und der<br />
Produktion biogener Kraftstoffe nach wie vor die dominierende energetische Nutzungsform<br />
von Biomasse dar. Wie bereits dargestellt, kann der Sektor Wärme in Niedertemperatur-<br />
(Raumwärme und Warmwasser) und Hochtemperaturanwendungen (Dampferzeugung und<br />
Heizöl<br />
Kohle
9<br />
ALPot<br />
Industrieöfen) unterteilt werden. Biomasse nimmt sowohl im Bereich der Niedertemperatur-,<br />
als auch bei Dampferzeugung eine bedeutende Stellung ein.<br />
Im Sektor Raumwärme und Warmwasser stellte Biomasse ursprünglich vor allem im<br />
ländlichen Raum einen relativ hohen Anteil. Dieser war traditionell durch Einzelöfen geprägt,<br />
deren Bedeutung seit den 70er Jahren stetig abnahm. Die historische Entwicklung zeigt,<br />
dass dies in den 70er Jahren zu einer Reduktion des Biomasse-Anteils am Sektor<br />
Raumwärme und Warmwasser führte. Die Ölkrise führte in den frühen 80er Jahren zu einer<br />
raschen Substitution von Öl durch Biomasse und gleichzeitig zur beginnenden verstärkten<br />
Marktdurchdringung von Biomasse-Zentralheizungskesseln. Damit stieg der Marktanteil<br />
innerhalb von nur vier Jahren von 1980 bis 1984 von 16% auf 25%. Mit dem Sinken des<br />
Ölpreises erhöhte sich von ca. 1985 bis 2000 der Verbrauch von Erdöl, vor allem aber von<br />
Erdgas und – bedingt durch politische Entscheidungen und Komfortansprüche – auch jener<br />
der Fernwärme. Gleichzeitig kam es auch zu einem kontinuierlichen Wachstum bei den<br />
Biomasse-Fernwärmeanlagen. Vor allem zeigt sich aber, dass der Anstieg des gesamten<br />
Energieverbrauchs im Sektor (von 1970-2000 um ca. 65%) zu einer Stagnation des<br />
Biomasse-Anteils bei ca. 23% führte, obwohl der absolute Verbrauch von Biomasse zur<br />
Raumwärmebereitstellung stetig anstieg. Seit dem Beginn dieses Jahrhunderts zeigt sich,<br />
dass der Endenergieverbrauch für Raumwärme und Warmwasser stagniert bzw. leicht<br />
rückläufig ist. Dies deutet darauf hin, dass die thermischen Sanierungsmaßnahmen im<br />
Gebäudebestand sowie strengere energetische Standards für den Neubau tatsächlich<br />
greifen und zu einer Reduktion des Energieverbrauchs führen. Zusammen mit dem starken<br />
Anstieg der Pellets-, aber auch der Hackgutkessel sowie des thermischen Outputs von KWK-<br />
Anlagen stieg der Anteil der Biomasse innerhalb von nur vier Jahren von 2004 bis 2008 von<br />
22% auf 30%.<br />
Endenergieverbrauch Heizen und Warmwasser,<br />
HGT‐bereinigt (PJ)<br />
400<br />
350<br />
300<br />
250<br />
200<br />
150<br />
100<br />
50<br />
0<br />
1970 1975 1980 1985 1990 1995 2000 2005<br />
35%<br />
30%<br />
25%<br />
20%<br />
15%<br />
10%<br />
5%<br />
0%<br />
Anteil Biomasse am gesamten Endenergieverbrauch für<br />
Raumwärme und Warmwasser<br />
Umgebungswärme<br />
Solar<br />
Hackgut, Pellets<br />
Scheitholz<br />
Fernwärme Biomasse<br />
Fernwärme (ohne Biomasse)<br />
Strom<br />
Kohle<br />
Heizöl<br />
Erdgas<br />
Anteil Biomasse<br />
Abbildung 2-5: Endenergieverbrauch für Raumwärme und Warmwasser in Österreich nach<br />
Energieträgern von 1970-2008<br />
Quelle: Statistik Austria (2010a), eigene Berechnungen und Darstellung (Energy Economics Group,<br />
TU <strong>Wien</strong>)<br />
Was aus der in Abbildung 2-4 dargestellten Einteilung des Energieverbrauchs nicht<br />
hervorgeht, ist die Struktur der Fernwärmeerzeugung. Abbildung 2-6 zeigt deren<br />
Entwicklung, aufgeschlüsselt nach Energieträgern und Anlagentypen (Heizwerke/KWK-<br />
Anlagen). Während der Großteil bei KWK auf fossile Energieträger – in erster Linie Erdgas –
Der österreichische Bioenergie-Sektor<br />
zurückgeht, beträgt der Anteil von Biomasse bei Fernwärme aus Heizwerken derzeit über<br />
50%. Im Gegensatz zum Sektor Raumwärme, wo es insbesondere in den 80er Jahren zu<br />
einer raschen Diffusion von Biomassesystemen kam, war bei Nah-/Fernwärmesystemen ein<br />
deutlicher Trend zu Biomasse erst gegen Ende der 80er Jahre zu verzeichnen. In Summe ist<br />
der Anteil biogener Energieträger und Abfälle an der Fernwärmeversorgung von ca. 10% im<br />
Jahr 1990 auf über 40% (2008) gestiegen. Diese Entwicklung geht nicht zuletzt auf<br />
Investitionszuschüsse, die zum einen von den Bundesländern und zum anderen vom<br />
Landwirtschaftsministerium vergeben wurden, zurück. Seit dem Jahr 2000 sind im Bereich<br />
der Biomasse-Heizwerke deutlich geringere Wachstumsraten zu verzeichnen. Durch die<br />
Einführung von Qualitätsmanagement wurde jedoch eine deutliche Verbesserung gegenüber<br />
den in den 90er Jahren installierten Anlagen erreicht, die zum Teil Mängel hinsichtlich<br />
Dimensionierung, Netzbelegung etc. aufweisen.<br />
PJ/a<br />
80<br />
70<br />
60<br />
50<br />
40<br />
30<br />
20<br />
10<br />
0<br />
HW sonstige Erneuerbare<br />
HW Biogene Energieträger<br />
HW Brennbare Abfälle<br />
HW Gas<br />
HW Öl<br />
HW Kohle<br />
KWK Biogene Energieträger<br />
KWK Brennbare Abfälle<br />
KWK Gas<br />
KWK Öl<br />
KWK Kohle<br />
Endenerget. Nutzung abzügl. Verluste<br />
Anteil erneuerbarer Energieträger und<br />
biogener Abfälle [%]<br />
Endenergetische<br />
Nutzung abzüglich<br />
Transportverluste [PJ/a]<br />
1980 1985 1990 1995 2000 2005<br />
10<br />
Anteil erneuerbarer<br />
Energieträger und<br />
biogener Abfälle [%]<br />
45%<br />
40%<br />
35%<br />
30%<br />
25%<br />
20%<br />
15%<br />
10%<br />
5%<br />
0%<br />
Fernwärme aus<br />
Heizwerken 2008:<br />
21 PJ<br />
Fernwärme<br />
aus KWK 2008:<br />
46 PJ<br />
Abbildung 2-6: Entwicklung der österreichischen Fernwärmeversorgung (Endenergie) von<br />
1980 bis 2008<br />
Quelle: Statistik Austria (2010a), eigene Berechnungen und Darstellung (Energy Economics Group,<br />
TU <strong>Wien</strong>)<br />
2.1.2 Elektrische Energie<br />
Bei der elektrischen Energieversorgung ist Wasserkraft der dominierende erneuerbare<br />
Energieträger. Wie in Abbildung 2-7 dargestellt, beläuft sich der Anteil erneuerbarer<br />
Energieträger am Brutto-Stromverbrauch (inländische Stromerzeugung plus Importe<br />
abzüglich Exporte) derzeit (2008) auf knapp über 60%, wobei der Beitrag von Wasserkraft<br />
witterungsbedingt großen jährlichen Schwankungen unterworfen ist. Unter den fossilen<br />
Energieträgern hat seit den 70er Jahren insbesondere Erdgas stark an Bedeutung<br />
gewonnen.
PJ/a<br />
350<br />
300<br />
250<br />
200<br />
150<br />
100<br />
50<br />
0<br />
-50<br />
Anteil Erneuerbarer<br />
Energieträger am Brutto-<br />
Stromverbrauch [%]<br />
Inländischer Brutto-<br />
Stromverbrauch [PJ/a]<br />
-100<br />
1970 1975 1980 1985 1990 1995 2000 2005<br />
11<br />
100%<br />
90%<br />
80%<br />
70%<br />
60%<br />
50%<br />
40%<br />
30%<br />
20%<br />
10%<br />
0%<br />
Sonstige Erneuerbare<br />
Brennbare Abfälle<br />
Biogene Energieträger<br />
Wasserkraft<br />
Gas<br />
Öl<br />
Kohle<br />
Importe<br />
Verbrauch des Sektors Energie<br />
Transportverluste<br />
Exporte<br />
ALPot<br />
Inländ. Brutto-Stromverbrauch [PJ/a]<br />
Anteil erneuerbarer Energieträger [%]<br />
Abbildung 2-7: Entwicklung der österreichischen Stromversorgung von 1970 bis 2007<br />
Quelle: Statistik Austria (2010a), eigene Berechnungen und Darstellung (Energy Economics Group,<br />
TU <strong>Wien</strong>)<br />
Die Stromerzeugung aus biogenen Energieträgern betrug im Jahr 2008 ca. 6,5% des Brutto-<br />
Stromverbrauchs. Gut die Hälfte davon geht auf Ökostomanlagen im Sinne des<br />
Ökostromgesetzes zurück, wobei Hackgut-Dampfturbinenanlagen den Hauptanteil<br />
ausmachen. Der Rest setzt sich im Wesentlichen aus Eigenstromerzeugung in der Industrie<br />
und – zu einem deutlich geringeren Anteil – dem biogenen Anteil von Abfallverwertungsanlagen<br />
zusammen. Die Verstromung von Ablauge aus der Papier- und<br />
Zellstofferzeugung liefert mit ca. 1.300 GWh/a (Barreto et Tretter, 2009) knapp ein Drittel der<br />
gesamten Stromerzeugung aus biogenen Energieträgern.<br />
Die bereits vorliegenden Daten zur Ökostromerzeugung aus Biomasse im Jahr 2009 zeigen<br />
gegenüber dem Vorjahr einen minimalen Anstieg von ca. 3% (77 GWh).<br />
GWh/a<br />
5.000<br />
4.000<br />
3.000<br />
2.000<br />
1.000<br />
Anteil von Strom aus<br />
biogenen Energieträgern am<br />
Brutto-Stromverbauch [%]<br />
0<br />
1970 1975 1980 1985 1990 1995 2000 2005<br />
7%<br />
6%<br />
5%<br />
4%<br />
3%<br />
2%<br />
1%<br />
0%<br />
Deponie- und Klärgas (Ökostrom)<br />
Flüssige Biomasse (Ökostrom)<br />
Biogas (Ökostrom)<br />
Feste Biomasse (Ökostrom)<br />
Biogene Energieträger<br />
Biogene Abfälle<br />
Anteil von Strom aus biogenen<br />
Energieträgern am Brutto-<br />
Energieverbrauch<br />
Abbildung 2-8: Entwicklung der Stromerzeugung aus biogenen Energieträgern inklusive<br />
Ablauge der Papierindustrie von 1970 bis 2008<br />
Quelle: Statistik Austria (2010a), E-Control (2009), eigene Berechnungen und Darstellung (Energy<br />
Economics Group, TU <strong>Wien</strong>)
Der österreichische Bioenergie-Sektor<br />
2.1.3 Verkehr<br />
Im Sektor Verkehr kam es seit Anfang der 90er Jahre zu einem drastischen Anstieg des<br />
Energieverbrauchs. Wie aus Abbildung 2-9 ersichtlich, wurde der Mehrverbrauch fast<br />
ausschließlich mit fossilem Dieselkraftstoff gedeckt. 2009 betrug der Anteil von Diesel etwa<br />
zwei Drittel des gesamten Endenergieverbrauchs im Verkehr. Die Bedeutung von<br />
elektrischer Energie, Flüssiggas und Erdgas am Landverkehr ist äußerst gering, wobei der<br />
Energiebedarf von Eisenbahnen hier nicht berücksichtigt ist. (In der Kategorie „Traktion“ in<br />
Abbildung 2-4 ist dieser ebenso enthalten wie landwirtschaftliche Traktion).<br />
Durch die verpflichtende Beimischung von biogenen zu fossilen Kraftstoffen konnte der<br />
Anteil biogener Energieträger im Verkehrssektor innerhalb von vier Jahren auf ca. 5%<br />
gesteigert werden. Inkonsistenzen mit den Daten lt. Winter (2006/07/08/09) deuten darauf<br />
hin, dass die Datenerhebung in diesem Bereich Schwächen aufweist (siehe Abschnitt 2.3.3).<br />
PJ/a<br />
400<br />
350<br />
300<br />
250<br />
200<br />
150<br />
100<br />
50<br />
0<br />
1970 1975 1980 1985 1990 1995 2000 2005<br />
12<br />
6%<br />
5%<br />
4%<br />
3%<br />
2%<br />
1%<br />
0%<br />
Flüssiggas<br />
Naturgas<br />
Elektrische Energie<br />
Biogene Kraftstoffe<br />
Diesel<br />
Benzin<br />
Anteil biogener Energieträger<br />
Abbildung 2-9: Endenergieverbrauch des Landverkehrs (exkl. Eisenbahnen): Entwicklung<br />
von 1970 bis 2008<br />
Quelle: Statistik Austria 2010, eigene Berechnungen und Darstellung (Energy Economics Group, TU<br />
<strong>Wien</strong>)<br />
2.2 Energiebedarf der Landwirtschaft<br />
Die folgenden Abbildungen geben einen Überblick über den Energieverbrauch der<br />
Landwirtschaft. Abbildung 2-10 zeigt die Entwicklung des Endenergieverbrauchs nach<br />
Energieträgern von 1970 bis 2008 und Abbildung 2-11 den Endenergieverbrauch nach<br />
Energieträgern und Nutzungskategorien im Jahr 2008. Es zeigt sich, dass nur 2,3% des<br />
Endenergieverbrauchs (ca. 25 PJ/a) auf die Landwirtschaft zurückgehen. Seit 1970 ist der<br />
Verbrauch um ca. 20% gesunken. Der Anteil biogener Energieträger ist im gleichen Zeitraum<br />
von unter 10% auf 35% gestiegen. Bemerkenswert ist außerdem die starke Reduktion des<br />
Heizölverbrauchs.<br />
Vergleicht man die Nutzung elektrischer Energie mit der Stromerzeugung aus<br />
landwirtschaftlichen Biogasanlagen, so zeigt sich, dass sich die Erzeugung im Jahr 2008 auf<br />
etwa ein Drittel des Strombedarfs in der Landwirtschaft belief.<br />
Was bei dieser Betrachtung jedoch gänzlich vernachlässigt wird, ist die „graue Energie“ von<br />
nicht-energetischen Produktionsfaktoren (d.h. der Energiebedarf bei der Erzeugung von<br />
Produktionsfaktoren), die beispielsweise bei Düngemitteln signifikant ist. So können durch<br />
den Einsatz von Düngemitteln höhere Flächenerträge erzielt, und mitunter der direkte
13<br />
ALPot<br />
spezifische Energieaufwand reduziert werden. De facto kommt es jedoch in erster Linie zu<br />
einer Verlagerung des Energieverbrauchs in den Bereich der Düngemittelproduktion.<br />
PJ/a<br />
40<br />
35<br />
30<br />
25<br />
20<br />
15<br />
10<br />
5<br />
0<br />
1970 1975 1980 1985 1990 1995 2000 2005<br />
Abbildung 2-10: Entwicklung des Endenergieverbrauchs der Landwirtschaft von 1970 bis<br />
2008 (Der Sprung von 1987 auf 1988 geht auf eine Neuerhebung der Verbrauchsstruktur<br />
zurück.)<br />
Quelle: Statistik Austria (2010a), eigene Berechnungen und Darstellung (Energy Economics Group,<br />
TU <strong>Wien</strong>)<br />
PJ/a<br />
12<br />
10<br />
8<br />
6<br />
4<br />
2<br />
0<br />
Raumheizung<br />
und<br />
Klimaanlagen<br />
Anteil der Landwirtschaft<br />
am gesamten Endenergieverbrauch<br />
[%]<br />
Anteil biogener Energieträger<br />
(exkl. Strom aus<br />
Erneuerbaren) [%]<br />
Endenergieverbrauch 2008: 25,1 PJ<br />
40%<br />
35%<br />
30%<br />
25%<br />
20%<br />
15%<br />
10%<br />
Dampferzeugung Industrieöfen Standmotoren Traktion Beleuchtung und<br />
EDV<br />
5%<br />
0%<br />
Elektrische Energie<br />
Fernwärme<br />
Sonstige Erneuerbare<br />
Gas<br />
Diesel<br />
Kohle<br />
Heizöl<br />
Biogene Energieträger<br />
Brennholz<br />
Anteil d. Landwirtschaft am<br />
ges. Endenergieverbrauch<br />
Anteil biogener Energieträger<br />
Brennbare Abfälle & sonstige ET<br />
Biogene Brenn- & Treibstoffe<br />
Brennholz<br />
Fernwärme<br />
Elektrische Energie<br />
Gas & Flüssiggas<br />
Diesel & Benzin<br />
Abbildung 2-11: Endenergieverbrauch der Landwirtschaft nach Energieträgern und<br />
Nutzungskategorien im Jahr 2007<br />
Quelle: Statistik Austria (2010b), eigene Darstellung (Energy Economics Group, TU <strong>Wien</strong>)<br />
Die in Abbildung 2-11 dargestellte Struktur des Energieverbrauchs verdeutlicht, dass fossile<br />
Energieträger in der Landwirtschaft nur im Bereich der Traktion eine wirklich signifikante<br />
Rolle spielen. Zur Schaffung einer zu 100% auf erneuerbaren Energieträgern basierenden,<br />
unter Umständen energieautarken Landwirtschaft wäre also in erster Linie eine Forcierung<br />
der Nutzung biogener Kraftstoffe erforderlich. Dabei kommen im Wesentlichen zwei<br />
Konzepte in Frage: Die Umstellung der landwirtschaftlichen Maschinen auf Pflanzenölbetrieb<br />
und Versorgung aus dezentralen Pflanzenölpressen oder die Umstellung auf Biomethan. In<br />
Heizöl<br />
Kohle
Der österreichische Bioenergie-Sektor<br />
diesem Zusammenhang soll nicht unerwähnt bleiben, dass die Mineralölsteuerrückvergütung<br />
für Agrardiesel (in der Landwirtschaft eingesetzter Dieselkraftstoff) wesentlichen Einfluss auf<br />
die Wirtschaftlichkeit einer Eigenversorgung mit biogenen Kraftstoffen hat (siehe Abschnitt 4-<br />
2-4 zum Thema „Wirtschaftlichkeit biogener Kraftstoffe“).<br />
2.3 Derzeitige Bedeutung landwirtschaftlicher Biomasse<br />
Im Folgenden wird analysiert, in welchem Ausmaß landwirtschaftliche Biomasse derzeit<br />
energetisch genutzt wird. Zunächst erfolgt eine Darstellung der Entwicklung der geförderten<br />
Produktion von Energiepflanzen und nachwachsenden Rohstoffen („NAWAROS“) im Sinne<br />
der Energiepflanzenprämie bzw. der Flächenstilllegung. Da damit nur ein Teil der Produktion<br />
von Energieträgern am Acker abgedeckt ist, werden anschließend die Entwicklungen im<br />
Bereich der Biogaserzeugung, der Produktion und Nutzung flüssiger biogener Energieträger<br />
sowie der energetischen Nutzung von Stroh dargestellt, und der gesamte landwirtschaftliche<br />
Flächenbedarf abgeschätzt.<br />
2.3.1 Produktion von Energiepflanzen und NAWAROS<br />
Stillgelegte Flächen konnten bis zum Jahr 2008 für den Anbau von NAWAROS genutzt<br />
werden. Darunter fallen Erzeugnisse, die nicht zur Herstellung von Produkten für den<br />
Verzehr oder zur Verfütterung eingesetzt werden, d.h. energetisch oder stofflich verwertet<br />
werden. In Folge der Aufhebung der Verpflichtung zur Flächenstilllegung durch die<br />
Europäische Kommission können ab 2008 keine NAWARO-Flächen mehr ausgewiesen<br />
werden. (Mit Ausnahme von den Kulturen „Miscanthus“ und „Energieholz“, welche laut AMA<br />
(2009) im Jahr 2008 letztmalig beantragt werden konnten).<br />
Abbildung 2-12 zeigt die Entwicklung von NAWARO-Flächen von 1997 bis 2008. Die<br />
dominierenden Kulturarten waren Ölsaaten (Raps und Sonnenblumen). In relativ geringem<br />
Ausmaß wurde auch Biogasmais auf Stilllegungsflächen angebaut und in den Jahren 2006<br />
und 2007 zeigte sich ein deutlicher Anstieg bei Weichweizen. Es ist davon auszugehen, dass<br />
dieser Anstieg auf die Nachfrage der Ethanolanlage in Pischelsdorf zurückzuführen ist (siehe<br />
Abschnitt 2.3.3.3). Die Anbaufläche von holzartiger Biomasse (Kurzumtriebsholz und<br />
Miscanthus) belief sich in Summe in den Jahren 2007 und 2008 auf knapp über 1.000 ha.<br />
Bis zum Jahr 2009 wurde in der EU für den Anbau von Energiepflanzen eine Prämie von<br />
45 € pro Hektar an den Erzeuger (den Landwirt) ausgezahlt. (Bei einem Überschreiten der<br />
förderfähigen Gesamtfläche kam es zu einer Kürzung der Prämie.) Als Energiepflanzen<br />
galten alle Pflanzen, die zur Produktion von biogenen Kraftstoffen eingesetzt oder einer<br />
anderen energetischen Verwertung zugeführt wurden. Der Anbau von Energiepflanzen auf<br />
stillgelegten Flächen war nicht möglich. Ab dem Jahr 2010 wird die Energiepflanzenprämie<br />
nicht mehr ausbezahlt, was mit den „Entwicklungen im Bioenergiesektor und insbesondere<br />
der starken Nachfrage nach solchen Erzeugnissen auf den internationalen Märkten sowie<br />
der Festsetzung bindender Zielvorgaben für den Anteil der Bioenergie am gesamten<br />
Kraftstoff“ begründet wird (AMA, 2009).<br />
14
ha<br />
25.000<br />
20.000<br />
15.000<br />
10.000<br />
5.000<br />
0<br />
1997 1998 1999 2000 2001 2002 2003 2004 2005 2006 2007 2008<br />
15<br />
Sonstige<br />
Energieholz<br />
Miscanthus<br />
Weichweizen<br />
Raps<br />
Sonnenblumen<br />
Silomais & CCM<br />
(Körner-)mais<br />
Abbildung 2-12: NAWARO-Flächen 1997-2008<br />
(2008 konnten nur Miscanthus und Energieholz beantragt werden, CCM: „Corn Cob Mix“)<br />
Quelle: AMA (2009), eigene Darstellung (Energy Economics Group, TU <strong>Wien</strong>)<br />
ALPot<br />
Die Entwicklung des subventionierten Energiepflanzenanbaus, dargestellt in Abbildung 2-13<br />
zeigt einen stetigen Anstieg von knapp 5.000 ha im Jahr 2004 auf 25.000 ha in 2009. Die<br />
bedeutendsten Kulturen sind hier Biogasmais, Ölsaaten und seit 2006 wie bei NAWAROS<br />
auch Weichweizen. Die geförderte Anbaufläche von Miscanthus und Energieholz stieg von<br />
4 ha im Jahr 2005 auf knapp 300 ha in 2009.<br />
In Summe belief sich die über die Energiepflanzen- oder NAWARO-Prämie geförderte<br />
Anbaufläche der mehrjährigen Energiepflanzen im Jahr 2008 laut AMA (2009) auf 750<br />
(Miscanthus) bzw. 670 ha (Kurzumtriebsholz). In Statistik Austria (2010c) ist die gesamte<br />
Energieholzfläche exklusive Miscanthus in den Jahren 2008 und 2009 mit 1.335 ha<br />
ausgewiesen.<br />
ha<br />
30.000<br />
25.000<br />
20.000<br />
15.000<br />
10.000<br />
5.000<br />
0<br />
2003 2004 2005 2006 2007 2008 2009<br />
Sonstige<br />
Energieholz<br />
Miscanthus<br />
Weichweizen<br />
Raps<br />
Sonnenblumen<br />
Silomais & CCM<br />
Körnermais<br />
Abbildung 2-13: Energiepflanzenflächen 2003-2009<br />
Quelle: AMA (2009), eigene Darstellung (Energy Economics Group, TU <strong>Wien</strong>)<br />
2.3.2 Biogas<br />
Der Anbau von Ackerfrüchten für die Biogaserzeugung macht einen wesentlichen Anteil der<br />
landwirtschaftlichen Biomasseproduktion aus. Da die Energiepflanzen- und NAWARO-<br />
Flächen nur einen Teil davon abdecken (nämlich jenen, der entweder über die Energiepflanzenprämie<br />
subventioniert wurde oder auf Stilllegungsflächen zurückgeht), wurde auf<br />
Basis der bestehenden Biogasanlagen eine Abschätzung des gesamten Flächenbedarfs für<br />
Biogaserzeugung durchgeführt.
Der österreichische Bioenergie-Sektor<br />
Abbildung 2-14 zeigt die Ergebnisse. Die unterstellte Verteilung nach Substraten basiert auf<br />
E-Control (2008), für die Methanerträge wurde auf Daten KTBL (2010) zurückgegriffen. Der<br />
elektrische Wirkungsgrad wurde unter Berücksichtigung des Eigenstrombedarfs einheitlich<br />
mit 34% angenommen. Es zeigt sich, dass der Flächenbedarf für die Produktion von<br />
Biogassubstraten ca. 6.600 ha im Jahr 2004 auf 34.000 ha in 2009 angestiegen ist. Der<br />
weitaus größte Anteil (energiebezogen ca. 65% bzw. 22.000 ha) geht auf Maissilage zurück,<br />
gefolgt von Grassilage (ca. 10% bzw. 6.450 ha) und Roggen-Ganzpflanzensilage (7% oder<br />
3.450 ha). Biogenen Rest- und Abfallstoffe (Gülle, Mist, Bioabfall und Pflanzenreste) machen<br />
in Summe immerhin mehr als 10% des gesamten Substrataufkommens aus<br />
(energiebezogen).<br />
Auf Basis dieser Bedarfsabschätzung kann davon ausgegangen werden, dass maximal ein<br />
Drittel des Rohstoffbedarfs der Biogasanlagen im Rahmen der Energiepflanzenförderung<br />
subventioniert wurde und der Anbau auf Stilllegungsflächen nur einen sehr geringen Beitrag<br />
zur Rohstoffversorgung leistete.<br />
Die Angaben in Kopetz et al. (2010) weichen recht deutlich von der hier dargestellten<br />
Abschätzung ab. Sie belaufen sich auf 21.700 ha Ackerfläche und 500 ha Grünland<br />
(Bezugsjahr: 2007) 5 . Ein sehr geringer Anteil der Biogaserzeugung geht laut Kopetz et al.<br />
(2010) auf Zwischenfrüchte zurück (Anbaufläche: 300 ha).<br />
Flächenbedarf [ha]<br />
40.000<br />
35.000<br />
30.000<br />
25.000<br />
20.000<br />
15.000<br />
10.000<br />
5.000<br />
0<br />
Grassilage<br />
Futterrübe<br />
Massenrübe<br />
Sonnenblume<br />
Sudangras<br />
Roggen-GPS<br />
Maissilage<br />
2004 2005 2006 2007 2008 2009<br />
Abbildung 2-14: Schätzung des Flächenbedarfs für Energiepflanzen zur Biogaserzeugung<br />
und energiebezogene Zusammensetzung des eingesetzten Substrate (Bezugsjahr 2007)<br />
(basierend auf dem Rohstoffeinsatz von 198 Anlagen, das sind 60% aller Ende 2007 anerkannten<br />
Anlagen. Der in der Quelle als „Rest“ bezeichnete Anteil in der Höhe von 14% wurde für die<br />
Abschätzung des Flächenbedarfs und im Sinne der Konsistenz auch für die Substratzusammensetzung<br />
anteilsmäßig auf die ausgewiesenen Substrate aufgeteilt; daher die Abweichungen<br />
zu den Originaldaten in der Quelle.)<br />
Quellen: E-Control (2009), KTBL (2010), eigene Berechnungen und Darstellung (Energy Economics<br />
Group, TU <strong>Wien</strong>)<br />
In den letzten Jahren wurde auch eine Reihe von Anlagen zur Biogasaufbereitung und -einspeisung<br />
sowie eine netzferne Biogastankstelle (Margarethen am Moos) errichtet. In der<br />
Karte in Abbildung 2-15 sind die Standorte der Anlagen eingezeichnet. Derzeit liegen Daten<br />
zu acht Standorten vor. Bei den vier Anlagen, für die Angaben zum Aufbereitungsverfahren<br />
5<br />
Da keine Angaben über die Datenquellen verfügbar sind, konnten die Ursachen für die Abweichung<br />
nicht eruiert werden.<br />
16
17<br />
ALPot<br />
vorliegen, kommen drei verschiedene Technologien nämlich Druckwechseladsorption,<br />
Aminwäsche und eine Membrantechnik zum Einsatz.<br />
Die gesamte Produktionskapazität der acht Anlagen beläuft sich auf ca. 860 m 3 /h bzw.<br />
8,5 MW Biomethan (aufbereitetes Biogas). Unter der Annahme von 8.000 Jahres-<br />
Volllaststunden ergibt sich eine jährliche Biomethanerzeugung von ca. 68 GWh. Zum<br />
Vergleich: Basierend auf dem im Jahr 2009 aus Biogasanlagen eingespeistem Ökostrom<br />
kann von einer Rohgaserzeugung in der Höhe von ca. 1.600 GWh ausgegangen werden.<br />
Pucking<br />
Betriebsaufnahme: 2005<br />
Gasaufbereitung: Druckwechseladsorption (PSA)<br />
Einspeisung Biomethan: 6 m 3 /h<br />
Schwaighofen bei Eugendorf<br />
Betriebsaufnahme: 2008<br />
Einspeisung Biomethan: 18 m 3 /h<br />
Asten<br />
Betriebsaufnahme: 2010<br />
Gasaufbereitung: Druckwasserwäsche<br />
Einspeisung Biomethan: 380 m 3 /h<br />
Engerwitzdorf<br />
Betriebsaufnahme: 2010<br />
Gasaufbereitung: Aminwäsche<br />
Einspeisung Biomethan: 125 m 3 /h<br />
Leoben<br />
Betriebsaufnahme: 2009<br />
Einspeisung Biomethan: 80 m 3 /h<br />
Margarethen am Moos<br />
Betriebsaufnahme: 2008<br />
Gasaufbereitung: Membranverfahren<br />
Produktion Biomethan: 35 m 3 /h<br />
Bruck an der Leitha<br />
Betriebsaufnahme: 2007<br />
Gasaufbereitung: Membranverfahren<br />
Einspeisung Biomethan: 100 m 3 /h<br />
<strong>Wien</strong>er Neustadt<br />
Betriebsaufnahme: 2010<br />
Einspeisung Biomethan: 120 m 3 /h<br />
Abbildung 2-15: Anlagen zur Biogaserzeugung zur Einspeisung bzw. Verwendung als<br />
Kraftstoff in Österreich<br />
Quellen: Basierend auf Biogaspartner (2010), Biogas-Netzeinspeisung (2010), Machan (2009), eigene<br />
Darstellung (Energy Economics Group, TU <strong>Wien</strong>)<br />
2.3.3 Flüssige Biomasse<br />
Flüssige biogene Energieträger werden in erster Linie als Kraftstoff und in weitaus geringerm<br />
Maße zur Stromerzeugung eingesetzt. Die Nutzung von Biodiesel aus Pflanzenöl als<br />
Kraftstoff stellt die weitaus bedeutendste energetische Nutzungsform flüssiger Biomasse und<br />
den wichtigsten biogenen Kraftstoff in Österreich und Europa dar. In Österreich konnte durch<br />
die Vorgabe von verpflichtenden Mindestanteilen von biogenen Kraftstoffen am gesamten<br />
Kraftstoffabsatz deren Anteil innerhalb von 3 Jahren von ca. 1% (2005) auf 4,66% (2008)<br />
erhöht werden. Seit Oktober 2008 gilt in Österreich die von der EU für 2010 vorgeschlagene<br />
Quote von 5,75%).<br />
Über die zur Stromerzeugung eingesetzten Mengen flüssiger Biomasse liegen keine Daten<br />
vor. Auf Basis der Einspeisung in der Höhe von 39 GWh (2009) und unter der Annahme,<br />
dass ausschließlich Pflanzenöl eingesetzt wird, wurde die erforderliche Rohstoffmenge mit<br />
etwa 10.000 t Pflanzenöl abgeschätzt. Es ist allerdings anzunehmen, dass ein geringer<br />
Anteil auf biogenes Altöl zurückgeht.<br />
Im Folgenden wird im Detail auf die für Mobilität eingesetzten biogenen Energieträger<br />
Biodiesel, Pflanzenöl und Bioethanol eingegangen. Neben der Entwicklung des Verbrauchs<br />
werden Produktion, inländische Produktionskapazitäten sowie die zur Produktion<br />
erforderlichen Rohstoffmengen und Anbauflächen analysiert.
Der österreichische Bioenergie-Sektor<br />
2.3.3.1 Biodiesel<br />
Wie aus Abbildung 2-16 ersichtlich, kam es infolge der energiepolitischen Rahmenbedingungen<br />
seit 2006 zu einem raschen Ausbau der Biodiesel-Produktionskapazitäten. Bei<br />
der Produktion war 2008 ein deutlicher Rückgang gegenüber dem Vorjahr zu verzeichnen,<br />
was auf die außergewöhnlich hohen Preise für Ölsaaten (und die meisten anderen<br />
landwirtschaftlichen Erzeugnisse) im Zeitraum vom vierten Quartal 2007 bis Mitte 2008<br />
zurückzuführen ist. Auf den Ausbau der Produktionskapazitäten hatte dies jedoch<br />
offensichtlich keinen Einfluss, und im Jahr 2009 stieg die Produktion auf den bisher höchsten<br />
Wert von 310.000 t.<br />
1.000 t/a<br />
700<br />
600<br />
500<br />
400<br />
300<br />
200<br />
100<br />
0<br />
25<br />
32<br />
50<br />
100<br />
57<br />
125 134<br />
85 123<br />
267<br />
18<br />
213<br />
485<br />
310<br />
2002 2003 2004 2005 2006 2007 2008 2009<br />
707<br />
25<br />
20<br />
15<br />
10<br />
5<br />
0<br />
PJ/a<br />
Produktion<br />
Kapazitäten<br />
Abbildung 2-16: Entwicklung der Biodiesel-Produktionskapazitäten und der tatsächlichen<br />
Produktion in Österreich (keine Daten zu den Kapazitäten im Jahr 2002 verfügbar)<br />
Quelle: EBB (2010), eigene Darstellung (Energy Economics Group, TU <strong>Wien</strong>)<br />
Im Folgenden werden die Außenhandelsströme, die mit der steigenden Produktion bzw.<br />
Nutzung von Biodiesel in Zusammenhang stehen, dargestellt. Neben den Ein- und<br />
Ausfuhren in Form von Biodiesel („direkte“ Im-/Exporte) sind auch Außenhandelsströme von<br />
Rohstoffen zur Biodieselproduktion, d.h. Ölsaaten und Pflanzenöl zu berücksichtigen<br />
(„indirekte“ Im-/Exporte). Handelsströme von Biodiesel sind in Außenhandelsstatistiken nicht<br />
vollständig erfasst, da diese zum Teil in Form von Mischungen mit fossilem Dieselkraftstoff<br />
gehandelt wird. Bei den Rohstoffen stellt sich wiederum das Problem, dass in<br />
Handelsstatistiken keine Unterscheidung zwischen für die stoffliche bzw. energetische<br />
Verwertung und für die Nahrungs-/Futtermittelproduktion bestimmten Rohstoffen getroffen<br />
wird. Aus diesem Grund werden lediglich die Entwicklungen der relevanten Import- und<br />
Exportmengen dargestellt und qualitativ analysiert.<br />
In Abbildung 2-17 sind die Entwicklungen von Produktion, direktem Außenhandel und<br />
inländischem Verbrauch von Biodiesel dargestellt. Bei den Daten zur Produktion zeigt sich<br />
eine Inkonsistenz zu den Daten nach EBB (2010), insbesondere was den<br />
Produktionsrückgang im Jahr 2008 angeht. Unabhängig davon ist klar ersichtlich, dass sich<br />
die Höhe der Nettoimporte in den Jahren 2007 und 2008 bei etwa einem Drittel des<br />
Gesamtverbrauchs liegt. Darüber hinaus wurde jedoch auch der Großteil der Rohstoffe<br />
importiert (Pflanzenöl bzw. Ölsaaten).
1.000 t/a<br />
450<br />
400<br />
350<br />
300<br />
250<br />
200<br />
150<br />
100<br />
50<br />
0<br />
2001 2002 2003 2004 2005 2006 2007 2008<br />
19<br />
Produktion in Ö. [1.000 t/a]<br />
Exporte [1.000 t/a]<br />
Importe [1.000 t/a]<br />
Verbrauch in Ö. [1.000 t/a]<br />
ALPot<br />
Abbildung 2-17: Entwicklung der österreichischen Biodieselversorgung<br />
Quellen: Winter (2006/07/08/09) nach ARGE Biokraft, eigene Berechnungen und Darstellung (Energy<br />
Economics Group, TU <strong>Wien</strong>)<br />
In Abbildung 2-18 sind die Entwicklung des Rohstoffbedarfs sowie der Erntemengen und<br />
Nettoimporte von Raps und Sonnenblume sowie die Nettoimporte von pflanzlichen Ölen<br />
dargestellt 6 . Es zeigt sich, dass die zur Biodieselproduktion im Jahr 2008 erforderliche<br />
Menge an Ölsaaten die gesamte österreichische Erntemenge ca. um einen Faktor 3<br />
übersteigt. Letztere ist im dargestellten Zeitraum nur geringfügig gestiegen. Der rasch<br />
steigende Rohstoffbedarf zur Biodieselproduktion wurde in erster Linie durch zusätzliche<br />
Pflanzenölimporte und in deutlich geringerem Umfang durch Importe von Raps- und<br />
Sonnenblumensaat gedeckt.<br />
Die Versorgungsbilanz für pflanzliche Öle (Statistik Austria, 2010d) weist folgende Zahlen<br />
aus: Der Verbrauch pflanzlicher Öle für Nahrungs- und Futtermittel (einschließlich von der<br />
Nahrungsmittelindustrie verwendeter/verarbeiteter Mengen) ist von 152.000 t im<br />
Wirtschaftsjahr 2003/04 um 17% auf 178.000 t in 2008/09 gestiegen. Bei der industriellen<br />
Verwendung hingegen kam es zu einem Anstieg um fast 700% (von ca. 35.000 t auf<br />
240.000 t). Der auf Basis der Ölsaatenproduktion berechnete Selbstversorgungsgrad lag im<br />
Wirtschaftsjahr 2008/09 bei nur 27% (2003/04: 38%).<br />
Zusammenfassend kann gesagt werden, dass der steigende Verbrauch von Biodiesel zu<br />
einem Mehrbedarf geführt hat, der nahezu ausschließlich durch Importe gedeckt wurde.<br />
Importiert wurde in erster Line aus den östlichen Nachbarländern bzw. Osteuropa, aber auch<br />
bei den Palmölimporten war in den letzten Jahren ein deutlich steigender Trend zu<br />
verzeichnen (UN Comtrade, 2009): Die Nettoimporte stiegen von ca. 13.000 t im Jahr 2000<br />
auf knapp 47.000 t in 2008.<br />
6 Zwecks direkter Vergleichbarkeit wurden die Nettoimporte pflanzlicher Öle auf „Ölsaat-Äquivalente“,<br />
d.h. die zur Produktion erforderliche Menge an Ölsaaten umgerechnet. Dabei wurde von einer<br />
Ölausbeute von 0,4 t pro Tonne Ölsaat ausgegangen.
Der österreichische Bioenergie-Sektor<br />
t/a<br />
1.200.000<br />
1.000.000<br />
800.000<br />
600.000<br />
400.000<br />
200.000<br />
0<br />
2002 2003 2004 2005 2006 2007 2008<br />
20<br />
Erntemenge Raps &<br />
Sonnenblume<br />
Nettoimporte Raps &<br />
Sonnenblume<br />
Nettoimporte pflanzl. Öle*<br />
Bedarf f. Produktion lt. EBB<br />
Bedarf f. Verbrauch lt. UBA<br />
*) "Ölsaat-Äquivalente"<br />
Abbildung 2-18: Brutto-Rohstoffbedarf der österreichischen Biodieselversorgung,<br />
Entwicklung der Erntemengen und Nettoimporte von Raps und Sonnenblumen sowie<br />
pflanzlichen Ölen 7<br />
(Die Erntemengen beziehen sich auf das jeweilige Wirtschaftsjahr.)<br />
Quelle: Winter (2006/07/08/09) nach ARGE Biokraft, EBB (2010), Eurostat (2010a), Statistik Austria<br />
(2010d), UN Comtrade (2009), eigene Berechnungen und Darstellung (Energy Economics Group, TU<br />
<strong>Wien</strong>)<br />
2.3.3.2 Pflanzenöl<br />
Die Qualität der Daten über die Nutzung von Pflanzenöl für Mobilität ist relativ schlecht, da<br />
hinsichtlich der Produktionsmengen nicht nach dem Verwendungszweck unterschieden wird,<br />
und aufgrund der Distributionskanäle keine fundierten statistischen Daten verfügbar sind.<br />
Die offiziellen Daten in Winter (2006/07/08/09) (Reporte gemäß Direktive 2003/30/EC)<br />
basieren einerseits auf Angaben des Bundesverbandes für Pflanzenöl Austria (erfasst ist nur<br />
der Verbrauch in landwirtschaftlichen Betrieben, die Mitglied des Verbandes sind) und<br />
andererseits auf den eingebrachten Förderanträgen zum Umrüsten von Fahrzeugen auf<br />
Pflanzenölbetrieb. Die als gesichert betrachtete Menge des für landwirtschaftliche Traktion<br />
eingesetzten Pflanzenöls beläuft sich auf ca. 3.400 t, die Abschätzung für den<br />
Straßenverkehr auf knapp 16.000 t (2008).<br />
2.3.3.3 Bioethanol<br />
Bioethanol wird seit Oktober 2007 zu rund 4,7% fossilem Ottokraftstoff beigemischt.<br />
(BMLFUW, 2009). Inklusive dem Kraftstoff „E85“ (85-prozentiges Ethanolgemisch) wurden<br />
2007 rund 20.000 t Bioethanol, 2008 knapp 85.000 t Ethanol abgesetzt (Winter, 2008/09).<br />
Das Bioethanolwerk der AGRANA im niederösterreichischen Pischelsdorf verfügt über eine<br />
Produktionskapazität von 240.000 m³/a (ca. 190.000 t/a bzw. 5.1 PJ/a). Die Anlage nahm im<br />
Juni 2008 den regulären Betrieb auf, nachdem aufgrund der Preissituation bei Ackerfrüchten<br />
7 Bei der Berechnung des Rohstoffbedarfs wurde hier angenommen, dass Biodiesel ausschließlich<br />
aus Ölsaaten produziert wird, d.h. eine etwaige Produktion aus Altöl, tierischen Fetten etc. wurde<br />
vernachlässigt. Die Nettoimporte pflanzlicher Öle wurden zwecks besserer Vergleichbarkeit in<br />
„Rapssaat-Äquivalente“ umgerechnet, d.h. jene Menge Rapssaat die zur Produktion der<br />
entsprechenden Menge an Pflanzenöl erforderlich ist.
21<br />
ALPot<br />
nach dem Testlauf im Jahr 2007 die Aufnahme des Vollbetriebs verschoben wurde. Der<br />
jährliche Rohstoffbedarf beläuft sich bei voller Auslastung auf 620.000 t und wird zu ca. 75%<br />
mit Weizen und Triticale, 15% mit Mais und 10% mit Zuckerrübendicksaft gedeckt.<br />
Abschätzungen der zur Rohstoffversorgung erforderlichen Ackerfläche variieren von ca.<br />
70.000 bis 90.000 ha (BMLFUW, 2010; Schultes, 2007), wobei einerseits Ertragsschwankungen<br />
und andererseits die Zusammensetzung der verwendeten Ackerfrüchte eine<br />
genaue Abschätzung erschweren. Bei voller Auslastung können mit der jährlichen<br />
Produktionsmenge mehr als 6% des Benzinverbrauchs in Österreich ersetzt werden.<br />
Laut Kopetz et al. (2010) belief sich im Jahr 2007 die für den Anbau von „Ethanolpflanzen“<br />
genutzte Fläche auf 6.749 ha. Für die Jahre 2008 und 2009 sind keine Daten über die<br />
genaue Zusammensetzung des Rohstoffaufkommens bekannt, laut Jahresbericht der<br />
AGRANA (2010) kamen die Rohstoffe im Geschäftsjahr 2009/10 jedoch zum Großteil aus<br />
österreichischem Anbau.<br />
2.3.3.4 Nebenprodukte<br />
Bei der Produktion von Pflanzenöl, Biodiesel und Ethanol fallen signifikante Mengen an<br />
Nebenprodukten an. Das Nebenprodukt bei der Kaltpressung in meist dezentralen Ölmühlen<br />
ist Presskuchen. Bei der Produktion von Rapsöl mittels Extraktion in industriellen<br />
Großanlagen fällt Extraktionsschrot an, der im Gegensatz zu Presskuchen fettarm ist.<br />
Sowohl Presskuchen als auch -schrot wird als Eiweißfuttermittel genutzt. Das<br />
Massenverhältnis von Rapsöl zu Rapsschrot beträgt ca. 40:60, das Verhältnis der Heizwerte<br />
etwa 60:40. Bei Kaltpressung ist die Ölausbeute etwas geringer. Bei der Umesterung von<br />
Pflanzenöl entsteht außerdem das Nebenprodukt Rohglycerin, wobei pro Tonne Biodiesel<br />
von ca. 100 kg Glycerin ausgegangen werden kann.<br />
In der Ethanolanlage der AGRANA wird aus der Schlempe ein Eiweißfuttermittel („DDGS“,<br />
„Dried Distillers Grains with Solubles“) produziert, welches unter dem Markennamen<br />
„Actiprot“ vertrieben wird. Alternativ ist es möglich, die Reststoffe der Ethanolproduktion in<br />
Biogasanlagen energetisch zu verwerten, wodurch ein wesentlicher Anteil des<br />
Energiebedarfs der Anlage gedeckt werden kann. (Friedl et al., 2005 geben einen Überblick<br />
über Eigenschaften und Energiebilanzen verschiedener Anlagengrößen und –konzepte.)<br />
Abgesehen davon, dass die Nebenprodukte eine nicht zu vernachlässigende Rolle für die<br />
Wirtschaftlichkeit der Produktion von biogenen Kraftstoffen spielen, sind diese auch bei<br />
Betrachtungen wie dem Rohstoff- oder Flächenbedarf bzw. Analysen der Treibhausgasbilanzen<br />
von biogenen Kraftstoffen zu berücksichtigen. Dabei können verschiedene<br />
methodische Ansätze zum Einsatz kommen (Substitutions- oder Allokationsmethode), wobei<br />
die Wahl der Methode mitunter einen nicht unwesentlichen Einfluss auf die<br />
Gesamtergebnisse haben kann.<br />
Es sei deshalb nochmals darauf hingewiesen, dass bei Abschätzungen des Brutto-Flächenbzw.<br />
Brutto-Rohstoffbedarfs Nebenprodukte vernachlässigt werden. Derartige Betrachtungen<br />
sind für Abschätzungen des Flächenbedarfs bzw. -potenzials sinnvoll. Für eine<br />
gesamtheitliche Bewertung von biogenen Kraftstoffen (insbesondere einen Vergleich<br />
zwischen Kraftstoffen der ersten und zweiten Generation) sind jedoch Nebenprodukte<br />
unbedingt zu berücksichtigen.<br />
2.3.4 Stroh<br />
Der jährliche Getreidestrohanfall wird von Statistik Austria mit knapp 1.9 Mio t (Durchschnitt<br />
2005 bis 2008) beziffert. Der überwiegende Teil wird dabei für die Nutztierhaltung benötigt<br />
(rund 1.3 Mio t). In Niederösterreich und im Burgenland werden rund 12.000 t Stroh in<br />
Fernwärmeheizwerken verbraucht (Patzl, 2008; Steinberger, 2008). Das restliche Getreide-
Der österreichische Bioenergie-Sektor<br />
stroh und vor allem Raps- und Maisstroh wird für den Aufbau von Humus in den Boden<br />
eingearbeitet (vgl. Kolbe, 2007).<br />
2.3.5 Zusammenfassung<br />
Landwirtschaftliche Biomasse wird in Österreich zur Strom-, Wärme- und Kraftstofferzeugung<br />
genutzt. In Relation zur gesamten Biomassenutzung machen landwirtschaftliche<br />
Energieträger einen relativ geringen Anteil aus.<br />
Der für die Erzeugung der derzeit (2008 bzw. 2009) energetisch genutzten Ackerfrüchte<br />
benötigte Brutto-Flächenbedarf wird auf ca. 500.000 ha geschätzt (inklusive importierte<br />
Rohstoffe und ohne Berücksichtigung der Nebenprodukte). Davon entfallen ca. 34.000 ha<br />
auf Biogassubstrate, ca. 80.000 ha auf Ethanol, 2.000 ha auf die mehrjährigen<br />
Energiepflanzen Miscanthus und Kurzumtriebsholz und etwa 380.000 ha auf Pflanzenöl<br />
(wobei über 90% für die Biodieselproduktion und der Rest für die Verwertung in<br />
Ökostromanlagen bzw. die Nutzung in pflanzenöltauglichen Fahrzeugen genutzt wird). 8<br />
Allein bei Betrachtung des Selbstversorgungsgrades bei Pflanzenöl wird klar, dass ein<br />
Großteil der in Österreich genutzten landwirtschaftlichen Biomasse nicht aus inländischer<br />
Produktion stammt. Laut Schultes (2007) bzw. BMLFUW (2009) wurden 2005 etwa 50.000<br />
und 2007 etwa 65.000 ha der österreichischen landwirtschaftlichen Fläche für die<br />
Bioenergieproduktion genutzt.<br />
In Kopetz et al. (2010) wird die im Jahr 2007 zur Energiepflanzenproduktion genutzte Fläche<br />
mit 54.949 ha (exklusive 300 ha Zwischenfrüchte für die Biogasproduktion) beziffert. Die<br />
Fläche für Ölsaaten zur Biodieselproduktion wird mit 25.000 ha, jene für Ethanol mit ca.<br />
6.700 ha beziffert. Hinsichtlich der mit nur ca. 22.000 ha ausgewiesenen Fläche für<br />
Biogaspflanzen wird die Gesamtfläche bei dieser Abschätzung jedoch als zu niedrig<br />
erachtet.<br />
Selbst wenn es aufgrund der Produktion für die im Sommer 2008 in Vollbetrieb gegangene<br />
Ethanolanlage zu einem deutlichen Anstieg der Produktion von Energiegetreide gekommen<br />
ist (der Anstieg bei den Energiepflanzen- und NAWARO-Flächen deutet darauf hin), kann<br />
davon ausgegangen werden, dass ein Großteil der in Österreich genutzten, landwirtschaftlich<br />
erzeugten Energieträger nicht aus österreichischen Anbau stammt.<br />
8 Aufgrund der zum Teil unsicheren Datenbasis, den jährlichen Ertragsschwankungen sowie der<br />
Vernachlässigung der Altölverwertung sind diese Zahlen als grobe Richtwerte zu verstehen.<br />
22
3 Wirtschaftliche und politische Rahmenbedingungen:<br />
Status quo und Szenarien<br />
23<br />
ALPot<br />
Inhalt dieses Kapitels sind die für einen Ausbau der landwirtschaftlichen Bioenergieerzeugung<br />
relevanten wirtschaftlichen und politischen Rahmenbedingungen. Es werden<br />
energie- und klimapolitische Zielsetzungen (Abschnitt 3.1), Szenarien und Potenziale in der<br />
Literatur (3.2), Agrarwirtschaftliche und -politische Rahmenbedingungen (3.3) sowie<br />
Schnittstellen zwischen agrar- und energiewirtschaftlichen Aspekten (3.4) dargestellt.<br />
3.1 Energie- und klimapolitische Zielsetzungen<br />
In diesem Abschnitt werden die folgenden energie- und klimapolitischen Zielsetzungen<br />
erläutert: das Kyoto-Protokoll, das Klima und Energiepaket der Europäischen Union, die<br />
„Energiestrategie Österreich“ und der „Aktionsplan Erneuerbare Energie“. Bei letzteren<br />
beiden wird insbesondere jene Aspekte, die landwirtschaftliche Biomassenutzung betreffen,<br />
eingegangen.<br />
3.1.1 Das Kyoto-Protokoll<br />
Am 16. Februar 2005 trat das Kyoto-Protokoll, welches eine Reduktion der Treibhausgasemissionen<br />
der Europäischen Union um 8% vorsieht, in Kraft. Für Österreich gilt aufgrund<br />
der Burden-sharing-(Lastenteilungs-)Vereinbarung der EU für den Zeitraum 2008 bis 2012<br />
ein Reduktionsziel von 13% gegenüber dem Basisjahr 1990. In Abbildung 3-1 ist die<br />
Entwicklung der österreichischen Treibhausgasemissionen von 1990 bis 2007 mit dem<br />
Kyoto-Ziel in der Höhe von 68,8 Mio. Tonnen CO2-Äquivalente (Mt CO2-Äqu.) gegenüber<br />
gestellt. Es ist klar ersichtlich, dass sich Österreich nicht auf „Kyoto-Zielkurs“ befindet.<br />
Im Jahr 2007 wurden in Österreich insgesamt 88 Mt CO2-Äqu. emittiert, was einem Anstieg<br />
von 11,3% gegenüber 1990 entspricht. Der weitaus größte Teil des Anstiegs seit 1990 geht<br />
auf den Sektor „Verkehr“ zurück (10,2 Mt CO2-Äqu. bzw. 72,6%; siehe auch Abb. 2-9),<br />
gefolgt von „Industrie und produzierendes Gewerbe“ (4,4 Mt CO2-Äqu. bzw. 20,5%).<br />
Mio. t CO2-Äquivalent<br />
100<br />
90<br />
80<br />
70<br />
60<br />
50<br />
40<br />
30<br />
20<br />
10<br />
0<br />
1990<br />
1991<br />
1992<br />
1993<br />
1994<br />
1995<br />
1996<br />
1997<br />
1998<br />
1999<br />
2000<br />
2001<br />
2002<br />
2003<br />
2004<br />
2005<br />
2006<br />
2007<br />
2008<br />
2009<br />
2010<br />
2011<br />
2012<br />
Sonstige<br />
Landwirtschaft<br />
Verkehr<br />
Industrie<br />
Kleinverbraucher<br />
Energieaufbringung<br />
Kyoto-Ziel 2008-2012<br />
Abbildung 3-1: Treibhausgasemissionen in Österreich: Entwicklung von 1990 bis 2007 und<br />
Kyoto-Ziel<br />
Quelle: UBA (2009), eigene Darstellung (Energy Economics Group, TU <strong>Wien</strong>)
Wirtschaftliche und politische Rahmenbedingungen<br />
3.1.2 Das Klima- und Energiepaket der Europäischen Union<br />
Im Rahmen des im Dezember 2008 verabschiedeten Klima- und Energiepakets (siehe<br />
Direktive 2009/28/EC; EC, 2009) hat sich die EU zum Ziel gesetzt, bis zum Jahr 2020 den<br />
Ausstoß von Treibhausgasen der Union um 20 % im Vergleich zu 1990 zu reduzieren.<br />
Darüber hinaus soll der Anteil der erneuerbarer Energiequellen am Bruttoendenergieverbrauch<br />
bis 2020 auf 20 % gesteigert werden und die Energieeffizienz bis dahin um 20 %<br />
im Vergleich zu einem Business-as usual-Szenario gesteigert werden.<br />
Das Paket umfasst unter anderem folgende Punkte (basierend auf UBA, 2009):<br />
1. Reduktion der THG-Emissionen bis 2020 (Effort-Sharing hinsichtlich der<br />
Verpflichtungen der Gemeinschaft).<br />
2. Änderung des Europäischen Emissionshandelssystems nach 2012<br />
3. Zielsetzungen für Erneuerbare Energien<br />
Ad 1. Österreich muss gemäß der Effort-Sharing-Vereinbarung die THG-Emissionen der<br />
nicht vom Emissionshandel erfassten Quellen von 2005 bis 2020 um 16 % reduzieren und<br />
dabei einen geradlinigen „Zielpfad“ zwischen 2013 und 2020 einhalten. Im Jahr 2005 wurden<br />
92,8 Mt CO2-Äqu. emittiert. Ein Drittel (ca. 33,4 Mt CO2-Äqu.) davon entfiel auf Anlagen<br />
innerhalb des Emissionshandelssystems. Die restlichen zwei Drittel (ca. 59,5 Mt CO2-Äqu.)<br />
gehen auf andere Quellen zurück. Für die im Rahmen des Effort-Sharings festgelegte<br />
Reduktion sind nur letztere relevant. Eine Reduktion ihrer Emissionen um 16 % ergibt einen<br />
zulässigen Höchstwert von rund 50 Mt CO2-Äqu. (Abschätzung lt. UBA 2009 ohne<br />
Berücksichtigung derzeit noch offener Faktoren).<br />
Ad 2. Die im Klima- und Energiepaket für 2020 geplante Emissionsreduktion durch<br />
Emissionshandel liegt bei minus 21% gegenüber dem Referenzjahr 2005. Die Änderungen<br />
des Emissionshandelssystems beinhalten im Wesentlichen folgende Punkte: eine<br />
Verlängerung der Handelsperiode von bisher 5 auf 8 Jahre, die Einbeziehung des<br />
Flugverkehrs und anderer Sektoren sowie zusätzlicher Treibhausgase und eine einheitliche<br />
Festlegung bzw. Zuteilung der Emissionszertifikate (Zuteilung auf Basis von Benchmarks<br />
und verstärkte Versteigerung anstelle einer kostenfreier Zuteilung).<br />
Ad 3. Ausgehend von dem Gesamtziel von plus 20% Erneuerbare Energie am EU-weiten<br />
Brutto-Endenergieverbrauch 9 im Jahr 2020 wurden länderspezifische Zielwerte definiert. Für<br />
Österreich beträgt der Zielwert 34%. Für Energie aus Wind und Wasserkraft wurde eine<br />
Berechnungsmethodik definiert, die auf einen Ausgleich von wetterbedingten jährlichen<br />
Schwankungen abzielt. Für 2007 wurde der Anteil Erneuerbarer am<br />
Bruttoendenergieverbrauch gemäß der Richtlinie mit 28,5% berechnet, wobei 14,5% auf<br />
biogene Energieträger zurückgehen (UBA, 2009).<br />
Zusätzlich zu den länderspezifischen Zielsetzungen für den gesamten Endenergieverbrauch<br />
wurde im Klima- und Energiepaket ein einheitliches Ziel für den Anteil Erneuerbarer Energie<br />
im Verkehrssektor in der Höhe von 10% definiert. Neben biogenen Kraftstoffen (in erster<br />
Linie Biodiesel und Bioethanol) kann der Einsatz von elektrischer Energie aus erneuerbaren<br />
Quellen zur Zielerreichung beitragen. Um der höheren Effizienz elektrischer Antriebe<br />
Rechnung zu tragen wird die in elektrischen Straßenfahrzeugen eingesetzte Energie mit dem<br />
Faktor 2,5 gewichtet.<br />
9 Der Brutto-Endenergieverbrauch setzt sich aus dem gesamten energetischen Endverbrauch sowie<br />
Transportverlusten und dem Verbrauch des Sektors Energie bei Strom und Fernwärme zusammen.<br />
24
3.1.3 Die EnergieStrategie Österreich<br />
25<br />
ALPot<br />
Die im ersten Quartal des Jahres 2010 von Lebens- und Wirtschaftsministerium<br />
veröffentlichte „Energiestrategie Österreich“ (BMLFUW et BMWFJ, 2010) gibt einen<br />
Überblick über die strategischen Schwerpunkte, die die Erreichung der Energie- und<br />
Klimaziele Österreichs ermöglichen sollen. Die Strategie beruht auf drei Säulen:<br />
• Steigerung der Energieeffizienz<br />
• Ausbau erneuerbarer Energien<br />
• Sicherstellung der Energieversorgung<br />
Der Steigerung der Energieeffizienz wird eine Schlüsselrolle zur Erreichung der klima- und<br />
energiepolitischen Zielsetzungen zuerkannt. Konkret wird für das Jahr 2020 eine<br />
Stabilisierung des Endenergieverbrauchs auf 1.100 PJ (entspricht etwa dem Verbrauch im<br />
Jahr 2005) angepeilt. Die Reduktionsziele nach Sektoren stellen sich folgendermaßen dar:<br />
Gegenüber dem Basisjahr 2005 wird im Sektor „Gebäude“ eine Reduktion des<br />
Endenergieverbauchs von 337 auf 303 PJ/a (-10%) und bei Mobilität eine Reduktion von 385<br />
auf 366 PJ/a (-5%) angepeilt. Für die Sektoren „Haushalte, Gewerbe, Dienstleistung,<br />
Landwirtschaft, Kleinverbrauch“ und „Energieintensive Unternehmen“ wird eine Erhöhung<br />
des Verbrauchs um 10% bzw. 15% als zulässig erachtet. Der angestrebte Beitrag von<br />
erneuerbarer Energie zum Endenergieverbrauch beläuft sich (basierend auf dem 34%-Ziel)<br />
auf über 390 PJ. Abbildung 3-2 zeigt eine Veranschaulichung dieser Zielsetzungen.<br />
Abbildung 3-2: 2020-Zielerreichungspfad laut Energiestrategie Österreich<br />
Quelle: BMLFUW et BMWFJ (2010)<br />
Hinsichtlich der Zusammensetzung des Beitrags erneuerbarer Energie am<br />
Endenergieverbrauch wurde in der EnergieStrategie eine Aufteilung nach den Sektoren<br />
Strom, Wärme, Fernwärme und Biotreibstoffe getroffen (Tabelle 3-1). Demnach wird bei<br />
elektrischer Energie ein Anstieg des Beitrags erneuerbarer Energieträger um 16,9 PJ, bei<br />
Wärme um 21,8 PJ, bei Fernwärme um 14,7 PJ und bei biogenen Kraftstoffen um 16,1 PJ<br />
gegenüber dem Jahr 2008 angestrebt. Die zusätzliche Stromerzeugung aus Erneuerbaren<br />
soll in erster Linie auf Wasserkraft und Windenergie basieren. Der übrige Zuwachs soll durch<br />
die Verstromung von Ablauge, Abfall, Biomasse und in geringem Ausmaß Photovoltaik<br />
erreicht werden. Der laut Ökostromgesetz für Biomasse-KWK-Anlagen bis 2015 angestrebte
Wirtschaftliche und politische Rahmenbedingungen<br />
Ausbau in der Höhe von 100 MW elektrischer Leistung wurde in die EnergieStrategie<br />
übernommen.<br />
Tabelle 3-1: Details des Zielerreichungspfades laut EnergieStrategie Österreich<br />
Quelle: BMLFUW et BMWFJ (2010) nach Österreichische Energieagentur<br />
Des Weiteren wird Energieerzeugung aus Biomasse in der EnergieStrategie in folgenden<br />
Aspekten erwähnt:<br />
• Der Ausbau der Stromerzeugung aus biogenen Energieträgern soll mit dem Einsatz<br />
im Bereich Wärme „abgestimmt“ werden. Eine konkrete Zielsetzung für Strom aus<br />
Biomasse-KWK wird nicht genannt.<br />
• Bis 2011 soll eine Strategie für Biogas und Biomethan erarbeitet werden, die „die<br />
gesamte Kette von der Aufbringung bis zur Vermarktung beinhaltet“. Biomethan soll<br />
„in allen Anwendungssegmenten“ (Stromproduktion, Kraftstoff, Wärmeproduktion)<br />
forciert werden“. Konkrete Maßnahmen zur Forcierung von Biomethan (wie<br />
Investitionsförderungen oder Einspeisevergütungen) werden nicht genannt.<br />
• Das 10%-Ziel für erneuerbare Energie im Verkehrssektor soll einerseits durch<br />
schrittweise Erhöhung des Anteils biogener Kraftstoffe erhöht werden, andererseits<br />
durch den Einsatz von Biomethan, biogenen Kraftstoffen der 2. Generation und<br />
Elektromobilität auf Basis von Strom aus Erneuerbaren.<br />
• Zur Biomasseaufbringung werden folgende Daten genannt. Für forstliche Biomasse<br />
wird von einem zusätzlichen primärenergetischem Potenzial in der Höhe von 50 PJ<br />
(pro Jahr) gegenüber 2005 (25 PJ/a gegenüber 2009) ausgegangen. Besondere<br />
Bedeutung wird dabei der Erschließung des derzeit ungenutzten Potenzials aus dem<br />
Kleinwald beigemessen. Damit soll gleichzeitig die Versorgungsicherheit für die<br />
stoffliche Holznutzung erhöht werden.<br />
• Das bis 2020 erschließbare Potenzial landwirtschaftlicher Biomasse wird mit 22 bis<br />
37 PJ beziffert. Das bedeutendste Potenzial wird in der Nutzung von Zwischenfrüchten,<br />
Nebenprodukten wie Stroh und Kurzumtriebsholz gesehen.<br />
• Die Errichtung von „Biomassehöfen“ als regionalen Vermarktungszentren für biogene<br />
Energieträger soll forciert werden.<br />
26
27<br />
ALPot<br />
• Zur Stabilisierung der Pelletspreise und Vermeidung von Versorgungsengpässen wird<br />
eine freiwillige Vereinbarung der Branche zur Bevorratung vorgeschlagen. (In der<br />
Maßnahmenliste ist hingegen von einer „Bevorratungspflicht“ die Rede.)<br />
• Um Rohstoffkonkurrenzen zu vermeiden soll die kaskadische Nutzung von biogenen<br />
Rohstoffen forciert werden, insbesondere in Zusammenhang mit Bioraffinerien.<br />
• Landwirtschaftliche Reststoffe (Maisspindel und Stroh werden erwähnt) sollen<br />
mobilisiert werden.<br />
• Als Maßnahme zur Diversifizierung der Biomassesortimente wird eine „Offensive“ bei<br />
der Anlage von Kurzumtriebsflächen auf „freien“ Acker- und Grünlandflächen<br />
angestrebt.<br />
• Die wohl umfassendste in der EnergieStrategie vorgeschlagene Maßnahme ist die<br />
„Erarbeitung eines Konzeptes zur optimalen Nutzung der landwirtschaftlichen<br />
Flächen in Österreich im Sinne der Stützung aller ressourcenabhängigen<br />
Wirtschaftssektoren“. (Hinsichtlich der zahlreichen, zum Teil konkurrierenden<br />
Zielsetzungen stellt sich die Frage, hinsichtlich welcher Aspekte eine Optimierung<br />
erfolgen soll, bzw. welche Aspekte bei der Erstellung des Konzeptes Priorität haben.<br />
Siehe dazu auch Kapitel 9)<br />
Hinsichtlich der Reduktion der Treibhausgasemissionen wird in der Energiestrategie davon<br />
ausgegangen, dass die Umsetzung der genannten Maßnahmen, insbesondere der Erhöhung<br />
der Energieeffizienz, eine Reduktion um 19% im Verkehrs- und um 45% im<br />
Raumwärmesektor mit sich bringt, was für alle nicht im Emissionshandelssystem inkludierte<br />
Sektoren einer Reduktion von 18% entspricht. Es wird also davon ausgegangen, dass mit<br />
dem Maßnahmenpaket das im Klima- und Energiepaket vorgegebene Reduktionsziel in der<br />
Höhe von 16% problemlos erreicht wird.<br />
Zusammenfassend kann gesagt werden, dass in der Energiestrategie eine Reihe von<br />
Maßnahmen im Bereich der landwirtschaftlichen Biomassenutzung vorgeschlagen werden,<br />
an konkreten Zielsetzungen für diesen Sektor fehlt es jedoch weitgehend. Da bei den<br />
Ausbauzielen für Wärme und Strom nicht nach Energieträgern unterschieden wird, ist die<br />
Ableitung eines Biomasse-Primärenergiebedarfs nicht möglich. Aus den genannten Zahlen<br />
zum Ausbau bei Wasserkraft und Windenergie kann geschlossen werden, dass biogene<br />
Energieträger in erster Linie zur Wärmeerzeugung und zur Produktion biogener Kraftstoffe<br />
eingesetzt werden sollen. Bei Kraftstoffen muss davon ausgegangen werden, dass diese<br />
weiterhin zum Großteil aus importierten Rohstoffen produzierte (bzw. direkt über<br />
Kraftstoffimporte) bereitgestellt werden müssen. Die Zielsetzung bei Fernwärme erscheint<br />
mit einer Steigerung in der Höhe von 14,7 PJ bzw. ca. 60% gegenüber 2008 relativ<br />
ambitioniert. Aus Abbildung 2-6 kann geschlossen werden, dass für einen derartigen Anstieg<br />
entweder ein rascher Ausbau von Nah-/Fernwärmenetzen, oder eine starke Substitution von<br />
Fernwärme aus kalorischen Kraftwerken erforderlich ist.<br />
3.2 Szenarien und Potenziale in der Literatur<br />
Im Folgenden werden Szenarien zur Entwicklung des österreichischen Energiesystems<br />
(3.2.1) und Ergebnisse von Biomasse-Potenzialabschätzungen in der Literatur (3.2.2)<br />
exemplarisch dargestellt.<br />
3.2.1 Szenarien von Energiebedarf und -erzeugung<br />
In Abbildung 3-3 sind die historische Entwicklung des Endenergieverbrauchs seit 1970 sowie<br />
die Szenarien nach Capros et al. (2008) dargestellt. Es zeigt sich, dass eine Stabilisierung<br />
des Energieverbrauchs einen deutlichen Bruch des Trends darstellen würde.
Wirtschaftliche und politische Rahmenbedingungen<br />
Ebenfalls in Abbildung 3-3 dargestellt sind der historische und der zur Erreichung des 34%-<br />
Ziels erforderliche Anteil erneuerbarer Energieträger. Die Abbildung verdeutlicht, dass<br />
Energieeffizienz zu Recht als „Schlüssel“ zur Erreichung der Zielsetzungen gesehen wird:<br />
Gegenüber dem „Baseline“-Szenario sinkt der für 2020 erforderliche Beitrag erneuerbarer<br />
Energie im „Effizienz“-Szenario um 72 PJ (mehr als 22% des derzeitigen Gesamtbeitrags<br />
Erneuerbarer Energie).<br />
PJ/a<br />
1.400<br />
1.200<br />
1.000<br />
800<br />
600<br />
400<br />
200<br />
0<br />
Anteil erneuerbarer<br />
Energieträger [%]<br />
Nicht-erneuerbare<br />
Energieträger<br />
Erneuerbare ET<br />
historisch<br />
28<br />
Szenarien<br />
1970 1975 1980 1985 1990 1995 2000 2005 2010 2015 2020<br />
35%<br />
30%<br />
25%<br />
20%<br />
15%<br />
10%<br />
Erneuerbare ET Nicht-erneuerbare ET "Baseline" "Effizienz"<br />
5%<br />
0%<br />
212 PJ<br />
Abbildung 3-3: Historische Entwicklung des Endenergieverbrauchs aus erneuerbaren und<br />
nicht-erneuerbaren Energieträgern von 1970 bis 2007 und Pfade zur Erreichung des „34%-<br />
Ziels“ gemäß den PRIMES-Energieverbrauchsszenarien „Target case“, „Baseline“ und<br />
„Effizienz“<br />
Quellen: Statistik Austria (2010a), Eurostat (2010a): historische Entwicklung, Capros et al. (2008):<br />
Szenarien des Endenergieverbrauchs bis 2020, eigene Darstellung (Energy Economics Group, TU<br />
<strong>Wien</strong>)<br />
Abbildung 3-4 zeigt ein Szenario der Zielerreichung nach Resch et al. (2009). Das Szenario<br />
basiert auf den Energieverbrauchsszenario „PRIMES Target Case“ und wurde mit dem<br />
Simulationsmodell Green-X erstellt. Die in diesem Szenario unterstellten Förderinstrumente<br />
führen im Jahr 2020 zu einem Anteil erneuerbarer Energieträger von knapp 37%, d.h. zu<br />
einer „Übererfüllung“ der Zielsetzung um knapp 3%.<br />
Nichtsdestotrotz gibt das Szenario eine Vorstellung vom möglichen bzw. erforderlichen<br />
Beitrag von Biomasse zur Zielerreichung. Der Anteil biogener Energieträger beläuft sich im<br />
Jahr 2020 auf 20%, d.h. Biomasse macht mehr als 50% des Gesamtbeitrags erneuerbarer<br />
Energieträger aus. Bei Biomasse ergibt sich der Anstieg gegenüber 2008 aus einer<br />
Steigerung in allen drei Sektoren: der Wärme- bzw. Fernwärmeerzeugung, der<br />
Stromerzeugung und im Verkehr (wobei die zur Erfüllung der 10%-Quote erforderlichen<br />
biogenen Kraftstoffe in diesem Szenario zum Großteil importiert werden müssen, wovon<br />
tatsächlich auszugehen ist.).<br />
Im Vergleich zu dem in der Energiestrategie Österreich dargestellten Szenario zeigen sich im<br />
Wesentlichen die folgenden Unterschiede:<br />
• Der Endenergieverbrauch wird bei etwa 1.200 PJ/a stabilisiert, liegt also ca. 8%<br />
über der Zielsetzung gemäß EnergieStrategie.<br />
72 PJ
PJ/a<br />
1.400<br />
1.200<br />
1.000<br />
29<br />
ALPot<br />
• Die Stromerzeugung aus erneuerbaren Quellen (inkl. Großwasserkraft) ist im<br />
Szenario lt. Resch et al. (2009) ca. 20% höher als im „Energiestrategie-Szenario“.<br />
Die Abweichung ergibt sich in erster Linie daraus, dass der Ausbau bei Biomasse-<br />
KWK deutlich höher ist. Im „Energiestrategie-Szenario“ geht der Ausbau zu fast<br />
90% auf Wasserkraft und Windenergie zurück.<br />
• Aus dem stärkeren Ausbau bei Biomasse-KWK ergibt sich bei Resch et al. (2009)<br />
im Jahr 2020 auch ein eine um etwa 25% höhere Erzeugung von Fernwärme.<br />
• Die Nutzung von Erneuerbaren zur Wärmeerzeugung sowie von biogenen<br />
Kraftstoffen ist um ca. 20% höher.<br />
• In Summe wird in diesem Szenario ein um 1,5% höherer Anteil erneuerbarer<br />
Energieträger am Endenergieverbrauch erreicht, als im EnergieStrategie-Szenario.<br />
800<br />
600<br />
400<br />
200<br />
Anteil erneuerbarer Energieträger<br />
(inkl. Strom und Fernwärme<br />
aus Erneuerbaren) [%]<br />
Anteil biogener<br />
Energieträger [%]<br />
historisch<br />
Szenario<br />
0<br />
0%<br />
1970 1975 1980 1985 1990 1995 2000 2005 2010 2015 2020<br />
40%<br />
35%<br />
30%<br />
25%<br />
20%<br />
15%<br />
10%<br />
5%<br />
Nicht-erneuerbare Energieträger<br />
Strom aus Wasserkraft & sonst.<br />
Erneuerbaren<br />
Sonstige Erneuerbare<br />
Fernwärme aus Erneuerbaren<br />
Strom aus biogenen<br />
Energieträgern<br />
Biogene Energieträger (inkl.<br />
Brennholz & biogene Abfälle)<br />
Anteil biogener Energieträger [%]<br />
Anteil erneuerbarer ET [%]<br />
Abbildung 3-4: Historische Entwicklung des Endenergieverbrauchs aus erneuerbaren und<br />
nicht-erneuerbaren Energieträgern von 1970 bis 2007 und Szenario nach Resch et al. (2009)<br />
Quellen: Statistik Austria (2010a), Eurostat (2010a): historische Entwicklung, Capros et al. (2008):<br />
Energiebedarfsszenario („PRIMES Target case“), Resch et al. (2009): Szenario der<br />
Energiebereitstellung, eigene Darstellung (Energy Economics Group, TU <strong>Wien</strong>)<br />
3.2.2 Biomasse-Potenziale in der Literatur<br />
In der Literatur gibt es zahlreiche Abschätzungen der Biomassepotenziale in Österreich.<br />
Nicht nur die Ergebnisse, sondern auch Methodik und Detaillierungsgrad variieren zum Teil<br />
beträchtlich.<br />
Bei einem Vergleich der Literaturdaten muss zunächst zwischen den verschiedenen Arten<br />
von Potenzialen, wie „theoretischen“, „technischen“, „wirtschaftlichen“ oder „realisierbaren“<br />
Potenzialen unterschieden werden (siehe z.B. Rettenmaier et al., 2008). Diese Unterscheidung<br />
allein ist in der Regel jedoch nicht ausreichend, da die Definitionen im<br />
Allgemeinen großen Spielraum hinsichtlich der methodischen Vorgehensweisen, der zu<br />
berücksichtigenden Einflussfaktoren und (oft erforderlicher) exogener Szenarioannahmen<br />
lassen. So kann beispielsweise bei einem zur Abschätzung des zukünftigen technischen<br />
Potenzials an Sägenebenprodukten erforderlichen Szenario für die Holz verarbeitende<br />
Industrie von verschiedensten Entwicklungen ausgegangen werden, oder bei wirtschaftlichen<br />
Potenzialen spielen die unterstellten Preisszenarien eine entscheidende Rolle.<br />
In den wenigsten Fällen beinhalten die methodischen Ansätze modellhafte Abbildungen von<br />
Nutzungskonkurrenzen. Diese spielen jedoch bei praktisch allen Biomassefraktionen außer<br />
Reststoffen und Abfällen, für die es neben der energetischen keine andere Art der Nutzung
Wirtschaftliche und politische Rahmenbedingungen<br />
gibt, eine ganz wesentliche Rolle. Grund dafür ist, dass für eine Berücksichtigung von<br />
Nutzungskonkurrenzen in der Regel aufwändige Modellierungsansätze und zahlreiche Daten<br />
erforderlich sind.<br />
Im Fall von Ackerfrüchten bzw. Energiepflanzen ist die Problematik der Nutzungskonkurrenz<br />
besonders brisant, da es hier um die Nahrungsmittelversorgung bzw. (insbesondere im<br />
globalen Kontext) um das Menschenrecht auf Nahrung geht. Die Berücksichtigung der<br />
Nutzungskonkurrenz kann beispielsweise so umgangen werden, dass z.B. ausgehend von<br />
der zur Ernährung eines Menschen theoretisch erforderlichen Ackerfläche auf die zur<br />
Erreichung eines bestimmten Selbstversorgungsgrades benötigte Gesamtfläche geschlossen<br />
wird. Die übrige Fläche wird als Flächenpotenzial zur Energieerzeugung ausgewiesen.<br />
Das Problem bei einer derartigen Betrachtung ist, dass einerseits Marktmechanismen,<br />
andererseits Probleme der ungleichen Verteilung und Ineffizienzen bei der Nahrungsmittelversorgung<br />
vollkommen außer Acht gelassen werden. Wenn nun durch Förderungen<br />
der Anteil der „Energieflächen“ steigt, kann es noch bevor das ermittelte Flächenpotenzial<br />
ausgeschöpft ist, zu unerwarteten Effekten, wie einem Preisanstieg bei<br />
Nahrungsmittelgetreide kommen, wobei insbesondere in Zeiten eines raschen Ausbaus der<br />
energetischen Biomassenutzung auch kurzfristige Effekte wie z.B. Missernten gravierende<br />
Auswirkungen haben können.<br />
Abbildung 3-6 zeigt die Ergebnisse von Potenzialabschätzungen, bei denen ähnliche<br />
Ansätze mit (zumindest teilweiser) Vernachlässigung von Nutzungskonkurrenzen angewendet<br />
wurden. Hinsichtlich des Gesamtpotenzials sind die Abweichungen zwischen den<br />
Ergebnisse mit Ausnahme von de Wit et Faaij (2010) relativ gering. 10 In der zeitlichen<br />
Entwicklung zeigen alle Studien einen Anstieg beim Energiepflanzenpotenzial. Dieser geht in<br />
erster Linie auf unterstellte Ertragssteigerungen bei Nahrungsmittel-, Futter- und Energiepflanzen<br />
zurück. Einen signifikanten Einfluss hat auch der unterstellte Energiepflanzenmix,<br />
wie sich beispielsweise bei Kranzl et al. (2008) zeigt.<br />
PJ/a<br />
450<br />
400<br />
350<br />
300<br />
250<br />
200<br />
150<br />
100<br />
50<br />
0<br />
2000 2010 2020 2010 2020 2030 2030 2010 2020 2030<br />
Thrän et al. (2005) EEA (2006) deWit, Faaij (2010) Kranzl et al. (2008)<br />
Biogene Abfälle und Reststoffe Forstliche Biomasse Energiepflanzen<br />
Abbildung 3-5: Biomassepotenziale in Österreich: Gegenüberstellung von Literaturangaben<br />
Quellen: Thrän et al. (2005), EEA (2006), de Wit et Faaij (2010), Kranzl et al. (2008), eigene<br />
Darstellung (Energy Economics Group, TU <strong>Wien</strong>)<br />
10 Bei de Wit et Faaij (2010) enthält die Kategorie „Biogene Abfälle und Reststoffe“ nur<br />
landwirtschaftliche Ressourcen, während bei den anderen Studien auch diverse andere Fraktionen<br />
wie Sägenebenprodukte, Biomüll oder Ablauge der Papierindustrie.<br />
30<br />
120<br />
100<br />
80<br />
60<br />
40<br />
20<br />
0<br />
TWh/a
31<br />
ALPot<br />
Das Potenzial landwirtschaftlicher Abfälle und Reststoffe wird in EEA (2006) auf 31,5 PJ/a<br />
geschätzt (Bezugsjahr: 2030), wobei gut die Hälfte auf Wirtschaftsdünger tierischer Herkunft<br />
zurückgeht. In Thrän et al. (2005) wird das Potenzial von „Exkrementen und Einstreu“ mit<br />
knapp 18 PJ/a und jenes von Stroh und anderen Ernterückständen mit 13 PJ/a beziffert<br />
(Bezugsjahr: 2020). Das Potenzial von Zwischenfrüchten von Nahrungsmittel- oder<br />
Futterflächen ist in keiner der dargestellten Potenzialanalysen berücksichtigt (siehe dazu<br />
Abschnitt 8.3.4.4).<br />
Bei den im Rahmen des vorliegenden Projektes gewählten Ansätzen ergeben sich die<br />
energetisch nutzbaren Rohstoff- bzw. Flächenpotenziale auf Basis eines rein ökonomischen<br />
Ansatzes (agrarischer Modellcluster, Kapitel 7) bzw. auf Basis der modellierten<br />
Entscheidungsstrukturen der Landwirte (Modell AGRIEN, Kapitel 5). Damit unterscheiden<br />
sich die Ansätze wesentlich von den hier dargestellten Herangehensweisen.<br />
3.2.3 Energiepreisszenarien<br />
In den folgenden Abbildungen sind die Preisszenarien für fossile Energieträger dargestellt,<br />
die für sämtliche Analysen bzw. Simulationen herangezogen werden. In einem Szenario wird<br />
von einem deutlichen Anstieg der Realpreise ausgegangen (Szenario „FAO/Primes“), im<br />
anderen werden konstante Realpreise auf dem Niveau des Jahres 2006 unterstellt (Szenario<br />
„Niveau 2006“). Ersteres basiert auf den im Ölpreisszenario lt OECD/FAO (2008)<br />
unterstellten Steigerungsraten, die dem „Hochpreisszenario“ in Capros et al. (2008) (Modell<br />
Primes) entsprechen. OECD/FAO (2008) wurde in erster Linie aus dem Grund<br />
herangezogen, da die Publikation mit dem Ölpreisszenario konsistente Agrarpreisszenarien<br />
beinhaltet, die für die Simulation des Agrarsektors (Kapitel 7) herangezogen werden. Das<br />
Szenario „Niveau 2006“ dient in erster Linie als Referenzszenario, bzw. um bei den<br />
Simulationen des Bioenergiesektors (Kapitel 8) durch einen Vergleich der<br />
Simulationsergebnisse direkte Effekte des Ölpreisesanstiegs quantifizieren zu können.<br />
Hinsichtlich der starken Preisschwankungen der letzten Jahre bei Energieträgern und landwirtschaftlichen<br />
Erzeugnissen wird 2006 als sinnvolles Referenzjahr erachtet.<br />
Abbildung 3-6 zeigt die Preisentwicklungen bei Rohöl, Diesel- und Ottokraftstoff in den<br />
beiden Szenarien sowie die historische Entwicklung der Jahresdurchschnittspreise seit dem<br />
Jahr 2000. Der inflationsbereinigte Rohölpreis steigt im Szenario „FAO/Primes“ bis 2020 auf<br />
knapp über 100 $ pro Barrel (bbl). In Szenario „Niveau 2006“ stagniert er auf etwa 67 $/bbl,<br />
also deutlich über dem durchschnittlichen Preisniveau der Jahre 1990 bis 2008<br />
(ca. 35 $/bbl).<br />
Die Abbildungen 3-7 und 3-8 zeigen die Preisszenarien für die Energieträger Erdgas und<br />
Heizöl bzw. für elektrische Energie (Großhandelspreis). Im Strompreisszenario wird eine<br />
moderne Erdgas-GuD-Anlage als preissetzendes Kraftwerk angenommen. Der<br />
Referenzpreis entspricht also den Stromerzeugungskosten eines GuD-Kraftwerks, wobei<br />
neben dem Erdgaspreis auch erwartete Kostenreduktionen bei den Anlagenkosten eine<br />
Rolle spielen. Für den Zeitraum 2000 bis 2008 sind sowohl die historischen Strom-<br />
Spotmarktpreise (EEX, 2010), als auch die berechneten Stromerzeugungskosten des<br />
Referenzkraftwerks dargestellt.
Wirtschaftliche und politische Rahmenbedingungen<br />
€/MWh bzw. $/bbl (chemische Energie)<br />
120<br />
100<br />
80<br />
60<br />
40<br />
20<br />
0<br />
historisch Szenarien<br />
Szenario "FAO/Primes"<br />
Szenario "Niveau 2006"<br />
2000 2005 2010 2015 2020 2025 2030<br />
32<br />
120<br />
100<br />
80<br />
60<br />
40<br />
20<br />
0<br />
Rohölpreis ($/bbl)<br />
Dieselkraftstoff (€/MWh)<br />
Ottokraftstoff (€/MWh)<br />
Abbildung 3-6: Entwicklung der Großhandelspreise fossiler Kraftstoffe sowie von Rohöl<br />
historisch seit 2000 und Szenarien bis 2030<br />
(inflationsbereinigte Preise mit der Basis 2007)<br />
Quellen: Mineralölwirtschaftsverband e.V.(2010) nach OPEC Bulletin, Petroleum Intelligence Weekly<br />
(PIW) sowie Angaben von Mitgliedsfirmen, Statistik Austria (2010e), Eurostat (2010b): historische<br />
Entwicklung, Capros et al. (2008): Steigerungsrate im Hochpreisszenario, eigene Berechnungen und<br />
Darstellung (Energy Economics Group, TU <strong>Wien</strong>)<br />
€/MWh (chem. Energie)<br />
90<br />
80<br />
70<br />
60<br />
50<br />
40<br />
30<br />
20<br />
10<br />
0<br />
historisch<br />
Szenarien<br />
Szenario "FAO/Primes"<br />
Szenario "Niveau 2006"<br />
2000 2005 2010 2015 2020 2025 2030<br />
Erdgas - Kleinverbraucher<br />
Heizöl - Kleinverbraucher<br />
Erdgas - industrielle Verbraucher<br />
Abbildung 3-7: Preisentwicklung fossiler Energieträger historisch seit 2000 und Szenarien<br />
bis 2030<br />
(inflationsbereinigte Preise mit der Basis 2007)<br />
Quellen: Statistik Austria (2010e), Eurostat (2010b): historische Entwicklung, Capros et al. (2008):<br />
Steigerungsrate im Hochpreisszenario, eigene Berechnungen und Darstellung (Energy Economics<br />
Group, TU <strong>Wien</strong>)
€/MWh (elektrische Energie)<br />
90<br />
80<br />
70<br />
60<br />
50<br />
40<br />
30<br />
20<br />
10<br />
0<br />
historisch Szenarien<br />
33<br />
Szenario 'FAO/Primes'<br />
Szenario 'Niveau 2006'<br />
EEX Phelix Base<br />
Stromerzeugungskosten GuD-KW<br />
ALPot<br />
2000 2005 2010 2015 2020 2025 2030<br />
Abbildung 3-8: Historische Entwicklung des Großhandelsstrompreises an der EEX<br />
(Spotmarktpreis „Phelix base“) und Stromerzeugungskosten eines modernen GuD-<br />
Kraftwerks auf Basis von historischen Erdgaspreisen bzw. Preisszenarien<br />
(inflationsbereinigte Preise mit der Basis 2007)<br />
Quellen: EEX (2010), Cosijns et al. (2007): Technologiedaten GuD-Kraftwerk, Capros et al. (2008):<br />
Steigerungsrate des Erdgaspreises im Hochpreisszenario, eigene Berechnungen und Darstellung<br />
(Energy Economics Group, TU <strong>Wien</strong>)<br />
3.3 Agrarwirtschaftliche und -politische Rahmenbedingungen<br />
Die folgenden Teilkapitel beinhalten eine Beschreibung der Szenarien bzgl. der Veränderung<br />
der Kulturartenverteilung und zukünftiger agrarpolitischer und- wirtschaftlicher<br />
Rahmenbedingungen sowie ausgewählter Schnittstellen zwischen agrar- und<br />
energiewirtschaftlichen Aspekten.<br />
3.3.1 Szenario der Landbedeckung<br />
Die Veränderung der Kulturartenverteilung stellt eine wesentliche Rahmenbedingung für die<br />
land- und forstwirtschaftliche Produktivität dar. In Anlehnung an die Szenarien der<br />
Raumentwicklung Österreichs der Österreichischen Raumordnungskonferenz (ÖROK, 2010)<br />
wird bis 2030 von einem Rückgang der Ackerflächen um ca. 1,5% gegenüber 2005, auf<br />
einen Anteil von 16,5% an der Gesamtfläche Österreichs ausgegangen. Für Grünland wird<br />
ein Rückgang um 13,3% unterstellt, der jedoch zur Gänze auf extensives Grünland<br />
zurückgeht (die Fläche von Wirtschaftsgrünland wird als also konstant angenommen). Die<br />
angenommene Veränderung der Kulturartenverteilung ist in Abbildung 3-9 dargestellt. (Der<br />
Vollständigkeit halber sind auch konsistente Szenarien der Entwicklung forstwirtschaftlich<br />
genutzter Flächen und sonstiger Kulturen dargestellt, deren Entwicklung hier jedoch nicht<br />
weiter relevant ist.)
Wirtschaftliche und politische Rahmenbedingungen<br />
Fläche (1.000 ha)<br />
4.000<br />
3.500<br />
3.000<br />
2.500<br />
2.000<br />
1.500<br />
1.000<br />
500<br />
historisch Szenario<br />
0<br />
1960 1980 2000 2020<br />
34<br />
40%<br />
30%<br />
20%<br />
10%<br />
0%<br />
Anteil an Gesamtfläche Österreichs<br />
Forstwirtschaftlich<br />
genutzte Flächen<br />
Grünland (gesamt)<br />
Ackerflächen<br />
Wirtschaftsgrünland<br />
Extensives Grünland<br />
Sonstige Kulturen<br />
Abbildung 3-9: Entwicklung der Landbedeckung von 1960 bis 2030<br />
Quellen: historische Daten: BMLFUW (2008), Szenarien: eigene Annahmen auf Basis von ÖROK<br />
(2010)<br />
3.3.2 Agrarpolitische Entwicklungen<br />
Im Rahmen des „Health Checks“ der Gemeinsame Agrarpolitik (GAP) sind im November<br />
2008 verschiedene Anpassungen beschlossen worden, die in den Mitgliedstaaten bis 2013<br />
umzusetzen sind. Zu den Politikanpassungen zählen im Wesentlichen (i) die Abschaffung<br />
der gekoppelten Direktzahlungen (bis auf wenige Ausnahmen), (ii) eine verstärkte<br />
Modulation (Kürzung der Betriebsprämien), (iii) die Ausdehnung der Milchquote als<br />
Vorbereitung für deren Abschaffung im Jahr 2015, (iv) die Abschaffung der<br />
Flächenstilllegungsverpflichtung und (v) die Einführung von gezielten Maßnahmen im<br />
Bereich Umwelt und Tierhaltung, Risikomanagement und Pflanzen-/Tiergesundheit. Derzeit<br />
laufen auch die Diskussionen für den neuen Finanzrahmen der EU nach 2013. Für die<br />
nächste Finanzperiode werden Budgetkürzungen bei den Marktordnungen (1. Säule der<br />
GAP) von bis zu 50% als durchaus realistische Option angesehen. Auch die Ablöse des in<br />
Österreich angewandten historischen Betriebsprämienmodells in Richtung eines regionalen<br />
Flächenprämienmodells kann erwartet werden.<br />
Die budgetmäßig wichtigsten Förderbereiche im Programm der ländlichen Entwicklung (2.<br />
Säule der GAP) sind das österreichische Agrarumweltprogramm ÖPUL und die<br />
Ausgleichszulagen für benachteiligte Gebiete. Im ÖPUL werden verschiedene Maßnahmen<br />
für eine umweltgerechte Bewirtschaftung angeboten. Zu den Maßnahmen, die eine<br />
Biomasseproduktion beeinflussen zählen (i) die umweltgerechte Bewirtschaftung, (ii) der<br />
Verzicht von ertragssteigernden Betriebsmitteln, (iii) die biologische Bewirtschaftungsweise,<br />
(iv) die Begrünung von Ackerflächen, (v) die Mahd von Steilflächen, (vi) die Bewirtschaftung<br />
von Bergmähdern und (vii) die verlustarme Ausbringung von flüssigen Wirtschaftsdüngern<br />
und Biogasgülle. Diese Maßnahmen zielen vor allem auf die Reduzierung des Einsatzes von<br />
Düngemittel und Pflanzenschutzmittel ab, wodurch die Ertragsleistung und somit die<br />
Biomasseproduktionsleistung eingeschränkt wird. Auf der anderen Seite werden Prämien für<br />
die Nutzung von unwirtschaftlichen Flächen und den Anbau von Zwischenfrüchten gewährt.<br />
Die Ausgleichszahlungen (AZ) für benachteiligte Gebiete sollen die Produktionskosten<br />
bedingten Nachteile in Berggebieten ausgleichen. Für die Berechnung der Höhe der AZ sind<br />
vor allem die Berghöfekatasterpunkte (BHKP) und der Anteil der rauhfutterverzehrenden<br />
Großvieheinheiten (RGVE) je Bewirtschaftungsfläche relevant. Über die BHKP wird der Grad<br />
der Benachteiligung ermittelt und durch den mindest-RGVE-Besatz wird die Haltung von<br />
rauhfutterverzehrenden Tieren (z.B. Pferden, Rindern, Schafen) gefördert.
3.4 Schnittstellen zwischen agrar- und energiewirtschaftlichen<br />
Aspekten<br />
35<br />
ALPot<br />
Im Folgenden werden der Einfluss von Energiepreisen auf Produktionskosten landwirtschaftlicher<br />
Erzeugnisse und der Aspekt der Flächenkonkurrenz aus ökonomischer Sicht<br />
erläutert.<br />
3.4.1 Der Einfluss von Energiepreisen auf Produktionskosten landwirtschaftlicher<br />
Erzeugnisse<br />
Die Produktionskosten von landwirtschaftlichen Erzeugnissen werden maßgeblich von<br />
Energiepreisen beeinflusst. Neben den Kraftstoffpreisen, welche die variablen<br />
Maschinenkosten und die Kosten für ausgelagerte Arbeiten beeinflussen, werden die<br />
Trocknungskosten und bei konventionell wirtschaftenden Betrieben die Stickstoffkosten<br />
(Handelsdünger) wesentlich vom Energiepreis bestimmt. Aber auch die Kosten für Saatgut<br />
und Pflanzenschutzmittel sind hiervon betroffen. Aufgrund der detaillierten Aufschlüsselung<br />
der variablen Kosten in die einzelnen Kostenkomponenten und der historischen<br />
Preisentwicklungen kann der Einfluss von Energiepreisen auf die variablen Kosten geschätzt<br />
werden.<br />
Bei einer z.B. Verdopplung der Rohölpreises von 65 US$/bbl (im Jahr 2006) auf 130 US$/bbl<br />
würden die variablen Kosten um durchschnittlich 29% steigen (siehe Abbildung 3-10). Die<br />
Ackerkulturen werden jedoch, je nach Energieinput, unterschiedlich beeinflusst. So steigen<br />
die variablen Kosten bei Körnermais um rund 50%, während die Steigerung bei<br />
Speisekartoffeln, von einem hohem Kostenniveau ausgehend, mit 16% relativ gering ausfällt.<br />
Variable Produktionskosten [€/ha]<br />
3500<br />
3000<br />
2500<br />
2000<br />
1500<br />
1000<br />
500<br />
0<br />
30 40 50 60 70 80 90 100 110 120 130<br />
Rohölpreis [US$/bbl]<br />
Qualitätsweizen (60 dt/ha) Mahlroggen (60 dt/ha)<br />
Wintergerste (60 dt/ha) Körnermais (120 dt/ha, 67%TM)<br />
Winterraps (35 dt/ha) Zuckerrübe (550 dt(ha)<br />
Speisekartoffel (300 dt/ha) Silomais (510 dt/ha, 30%TM)<br />
Anwelksilage (320 dt/ha, 3-jährig)<br />
Abbildung 3-10: Einfluss des Rohölpreises auf die variablen Produktionskosten ausgewählter<br />
Ackerkulturen<br />
Quelle: eigene Berechnungen (BOKU, INWE) nach BMLFUW (2008b)
Wirtschaftliche und politische Rahmenbedingungen<br />
Die Entwicklung der Erzeugerpreise für Agrarprodukte in Österreich ist maßgeblich von der<br />
Entwicklung der Weltmarktpreise abhängig. Sie unterscheiden sich in der Regel von<br />
Agrarpreisen auf dem Weltmarkt, folgen jedoch gleichen Bewegungen auf den<br />
internationalen Agrarmärkten. OECD und FAO prognostizieren regelmäßig die Entwicklung<br />
der Preise für Agrarprodukte auf den Weltmärkten und der EU (siehe Abb. 3-11 am Beispiel<br />
Weizen). Einen wesentlichen Einfluss auf diese Prognosen hat der Rohölpreis (von Lampe,<br />
2007). Auf Basis dieser Prognosen wird die Entwicklung der Erzeugerpreise für<br />
landwirtschaftliche Produkte in Österreich abgeleitet (siehe Tabelle 12-11 im Anhang).<br />
€/t<br />
250<br />
200<br />
150<br />
100<br />
50<br />
0<br />
1990<br />
1991<br />
1992<br />
1993<br />
Entwicklung Weizenpreis (1991 bis 2008) Prognose Weizenpreis (2009 bis 2017)<br />
1994<br />
1995<br />
1996<br />
1997<br />
1998<br />
1999<br />
2000<br />
2001<br />
2002<br />
2003<br />
2004<br />
Abbildung 3-11: Entwicklung des Weizenpreises in der EU27 und Preisprognosen aus dem<br />
Jahr 2008<br />
Quelle: OECD/FAO (2008)<br />
3.4.2 Flächenkonkurrenz aus betriebswirtschaftlicher Sicht<br />
Die Produktion von Biomasse für energetische Zwecke kann in Flächenkonkurrenz zur<br />
Produktion von Nahrungs- und Futtermitteln stehen, aber auch neue Produktions- und<br />
Einkommensmöglichkeiten auf landwirtschaftlichen Grenzflächen ermöglichen. Zudem<br />
können Nebenprodukte der Nahrungs- und Futtermittelproduktion für energetische Zwecke<br />
und Koppelprodukte aus der Energieproduktion als Futtermitteln verwendet werden. Das<br />
Produktionsniveau von Energiepflanzen ist vor allem von der verfügbaren Fläche, den<br />
Ertragspotentialen, den Marktbedingungen und den spezifischen Förderungen abhängig.<br />
Deim und Stürmer (2009) zeigen z.B. den jährlichen betriebswirtschaftlichen Vorteil einer<br />
Getreidefruchtfolge gegenüber einer Kurzumtriebsplantage (Abb. 3-11). In ihren Ergebnissen<br />
ist nur ein Umtriebsintervall von 4 Jahren, bei einem Preisniveau für Hackschnitzel von<br />
75 €/tatro exkl. USt. (ca. 15 €/MWh), betriebswirtschaftlich einer typischen Fruchtfolge überlegen.<br />
Sie merken jedoch an, dass die Ernte, mit den in Österreich üblichen im Einsatz<br />
befindlichen Feldhäckslern, im 4-jährigen Umtriebsintervall aus technischen Gründen nicht<br />
mehr möglich ist. Selbst eine Energiepflanzenprämie von 45 €/ha, die bis 2009 (CR 73/2009)<br />
beansprucht werden konnte, kann den Deckungsbeitragsnachteil nicht kompensieren.<br />
36<br />
2005<br />
2006<br />
2007<br />
2008<br />
2009<br />
2010<br />
2011<br />
2012<br />
2013<br />
2014<br />
2015<br />
2016<br />
2017<br />
2018
Deckungsbeitrag<br />
[€/ha/a]<br />
50<br />
0<br />
‐50<br />
‐100<br />
‐150<br />
‐200<br />
‐250<br />
‐300<br />
‐350<br />
U2 U3 U4 U5 U6 U7 U8 U9 U10<br />
Feldfruchtfolge Gehölzmähhäcksler Feldhäcksler Motormanuell Harvester<br />
37<br />
ALPot<br />
Abbildung 3-12: Durchschnittlicher jährlicher Deckungsbeiträge je ha von Pappel mit mittlerer<br />
Ertragserwartung, unterschiedlichen Umtriebsintervallen (U2 bis U10) und unterschiedlichen<br />
Erntetechniken im Vergleich zu einem Deckungsbeitrag einer Feldfruchtfolge<br />
Quelle: Deim und Stürmer (2009)<br />
Ein ähnliches Bild zeigt sich bei einem Vergleich der Erlöse bei der Verwertung von einem<br />
ha Silomais über die Milcherzeugung und über eine Biogasanlage. Ein ha Silomais kann den<br />
Erhaltungsbedarf von 2 Kühen decken und Energie für rund 18.000 l Milch bzw. nutzbares<br />
Rohprotein für rund 17.400 l Milch bereitstellen (nach DLG, 1997). Bei einem durchschnittlichen<br />
Brutto-Milchpreis von 33,60 ct/l werden durch den Milchverkauf ca. 6.000 €<br />
(Energie) bzw. ca. 5.800 € (nutzbares Rohprotein) erlöst. Wird der Silomais in einer 500 kWel<br />
Biogasanlage vergoren, entstehen rund 5.200 Nm³ CH4 wodurch bei einem Wirkungsgrad<br />
des BHKW’s von 38% und einem Ökostromtarif von 14.5 ct/kWhel rund 2.700 € erlöst werden<br />
können 11 . Werden weitere 22% (Gesamtnutzungsgrad 60%) thermisch zu einem<br />
Verkaufspreis von 4 ct/kWhth genutzt, können zusätzliche 450 € erlöst werden. Die variablen<br />
Kosten des Silomaisanbaus sind bei beiden Nutzungsvarianten gleich. Unterschiede<br />
ergeben sich vor allem im Investitionsbedarf und damit in weiterer Folge bei den<br />
durchschnittlichen jährlichen Kapitalkosten.<br />
Eine Ausdehnung der Energiepflanzenproduktion kann mit verschiedenen Maßnahmen und<br />
Instrumenten erreicht werden. Dies kann z.B. durch gesetzlich vorgeschriebene<br />
Untergrenzen, wie bei der Beimischungsverpflichtung von Biokraftstoffen zu mineralischen<br />
Kraftstoffen (BGBl. II Nr.147/2004), erfolgen. Durch die Beimischungsverpflichtung steigt die<br />
Nachfrage nach Biodiesel, die wiederum die Nachfrage nach z.B. Raps steigert. Die<br />
zusätzliche Nachfrage am Markt kann kurzfristig höhere Erzeugerpreise bewirken, wodurch<br />
sich der Deckungsbeitragsunterschied zugunsten von Raps verändern kann. Raps gehörte in<br />
den Jahren 2007 und 2008 zu jenen Ackerkulturen mit den höchsten Erzeugerpreis-<br />
11 Nach Schätzung von Franz Kirchmeyr (ARGE Kompost & Biogas) liegt der durchschnittlichen<br />
elektrischen Wirkungsgrad der in Österreich in Betrieb befindlichen Anlagen (inklusive Klein- und<br />
Altanlagen) unter Berücksichtigung eines Eigenstrombedarfs von 2% bei etwa 34%.
Wirtschaftliche und politische Rahmenbedingungen<br />
zuwächsen. Die Anbaufläche stieg in weiterer Folge von rund 42.000 ha 2006 auf rund<br />
56.000 ha im Jahr 2008 (Statistik Austria, 2010c).<br />
Ein weiteres Förderinstrument ist eine Gewährung von flächen- oder produktionsbezogenen<br />
Prämien. So wurden bis 2009 Energiepflanzenprämien von 45 €/ha ausbezahlt. Für die<br />
Gewährung der Energiepflanzenprämie kamen jene Kulturen in Frage, die für die Herstellung<br />
von Biokraftstoffen oder der Erzeugung von elektrischer und thermischer Energie aus<br />
Biomasse dienen (CR, 1973/2004; AMA, 2009).<br />
38
4 Biomasse-Nutzungspfade<br />
39<br />
ALPot<br />
Die technischen Möglichkeiten der energetischen Biomassenutzung sind aufgrund der<br />
verschiedenen Rohstofffraktionen und der zahlreichen Konversions- und<br />
Nutzungstechnologien äußerst vielfältig. Abbildung 4-1 veranschaulicht die Vielfalt der<br />
energetischen Nutzungspfade von Biomasse. Ausgehend von den verschiedenen<br />
Rohstofffraktionen (Primärenergie), welche nach ihrer Herkunft bzw. Beschaffenheit (holz-,<br />
halmgutartig, ölhaltig etc.) eingeteilt werden können, stehen neben der direkten Verbrennung<br />
fester Biomasse zahlreiche Konversionsverfahren zur Verfügung: thermochemische,<br />
physikalisch-chemische und biochemische Umwandlungsverfahren. Die energetische<br />
Nutzung von Biomasse erfolgt letztendlich stets durch Verbrennung, wobei bei der<br />
Umwandlung in mechanische Energie in Wärmekraftmaschinen zwischen interner (z.B. in<br />
Gasturbinen oder Dieselmotoren) und externer Verbrennung (z.B. bei Dampfturbinen- oder<br />
ORC-Anlagen) unterschieden werden kann. Die Brennstoffoxidationsreaktion in<br />
Brennstoffzellen wird auch als „kalte Verbrennung“ bezeichnet. Am Ende der in Abbildung 4-<br />
1 dargestellten Nutzungspfade stehen die Endenergieträger Wärme und/oder Strom bzw. die<br />
Energiedienstleistung Mobilität.<br />
Abbildung 4-1: Systematik der energietischen Nutzungspfade von Biomasse<br />
Quelle: in Anlehnung an Kaltschmitt et al. (2009); eigene, modifizierte Darstellung (Energy Economics<br />
Group, TU <strong>Wien</strong>)
Biomasse-Nutzungspfade<br />
4.1 Landwirtschaftliche Biomasse- und Bioenergieproduktion<br />
Hinsichtlich der landwirtschaftlichen Nutzungspfade kann zwischen Biomasse- und<br />
Bioenergieerzeugung unterschieden werden. Erstere beinhaltet lediglich die Erzeugung und<br />
anschließende Vermarktung von biogenen Energieträgern wie Strohpellets oder Pflanzenöl,<br />
während letztere neben Aufbereitungs- bzw. Umwandlungsverfahren auch die energetische<br />
Verwertung der produzierten Biomasse inkludiert. D.h. in diesem Fall nimmt der Landwirt<br />
(bzw. die landwirtschaftliche Genossenschaft) die Rolle des Energieerzeugers bzw.<br />
Energieversorgers ein. Typische Beispiele dafür sind landwirtschaftliche Biogasanlage oder<br />
das Betreiben eines Heizwerks oder Heizkraftwerks.<br />
Konventionelle Ackerfrüchte wie Getreide, Ölsaaten oder Zuckerrübe können über<br />
verschiedene Konversions- und Nutzungstechnologien einer energetischen Verwertung<br />
zugeführt werden. Die energetische Nutzung der anfallenden Nebenprodukte (z.B. Stroh,<br />
Rübenblätter etc.) ist ebenfalls möglich, kann jedoch negative ökologische Auswirkungen mit<br />
sich bringen, da es zu einem Eingriff in den Nährstoffkreislauf kommt. Abbildung 4-2 zeigt<br />
eine schematische Darstellung der energetischen Nutzungspfade von Ackerfrüchten.<br />
Hackfrüchte<br />
Zuckerrübe<br />
Futterrübe<br />
Kartoffel<br />
Blätter<br />
Rübe/<br />
Knolle<br />
Ethanolerzeugung<br />
Korn Stroh<br />
Ackerfrüchte<br />
Getreide Ölsaaten<br />
Weizen<br />
Roggen<br />
Triticale<br />
Mais<br />
Ganzpflanze<br />
(Pelletierung)<br />
Thermische Nutzung<br />
Ganzpflanzensilage<br />
Stroh<br />
(Pelletierung)<br />
Anaerobe Fermentation<br />
40<br />
Raps<br />
Sonnenblume<br />
Korn<br />
Pressung<br />
(& Extraktion)<br />
Presskuchen<br />
Pflanzenöl<br />
Ackergräser<br />
Weidelgras<br />
Klee<br />
Leguminosen<br />
etc.<br />
Biodieselproduktion<br />
(Pelletierung)<br />
Mehrjährige<br />
Energiepflanzen<br />
Miscanthus<br />
Weide<br />
Pappel<br />
Kraftstoff Wärme / Strom & Wärme Wärme / Strom & Wärme / Kraftstoff Kraftstoff Kraftstoff<br />
Abbildung 4-2: Energetische Nutzungspfade von Ackerfrüchten<br />
Quelle: Energy Economics Group (TU <strong>Wien</strong>)<br />
Produktion von Biokraftstoffen<br />
der 2. Generation<br />
Kraftstoff<br />
Neben der Produktion konventioneller Ackerfrüchte für die Energieerzeugung kommen aus<br />
derzeitiger Sicht in erster Linie folgende Optionen in Frage:<br />
1. Produktion von holzartiger Biomasse (Kurzumtriebshackgut), Miscanthus und<br />
andere Energiegräser<br />
2. dezentrale Erzeugung von Pflanzenöl als Kraft- oder Brennstoff (siehe z.B.<br />
Remmele, 2007)<br />
3. dezentrale Erzeugung von Strohpellets bzw. „Agropellets“<br />
4. Mikro-KWK-Anlagen (zur Deckung des eigenen Wärmebedarfs)<br />
5. Biogasanlagen (BHKW oder Biogasaufbereitung und -einspeisung)<br />
6. Betrieb von Heiz- und Heizkraftwerke (mit Vermarktung der Wärme)<br />
Hinsichtlich der Technologien steht eine große Bandbreite zur Auswahl (siehe nächster<br />
Abschnitt). Für die landwirtschaftliche Bioenergie-Erzeugung (d.h. der Landwirt nimmt die<br />
Rolle des Energieversorgers ein) kommen in der Regel nur eher kleine, dezentrale
41<br />
ALPot<br />
Technologien in Frage. Im Folgenden werden aber auch Großanlagen berücksichtigt, deren<br />
Rohstoffversorgung über landwirtschaftliche Bereitstellungsketten erfolgen kann.<br />
4.2 Wirtschaftlichkeit verschiedener Bioenergie-Nutzungspfade<br />
Im Folgenden werden die in Tabelle 4-1 dargestellten Technologien bzw.<br />
Technologiegruppen berücksichtigt. Prinzipiell können alle dargestellten Technologien auf<br />
Basis landwirtschaftlicher Biomasse betrieben werden, wenn auch beispielsweise bei<br />
größeren KWK-Anlagen auf Basis von Hackgut eine rein auf Kurzumtriebsholz basierende<br />
Rohstoffversorgung eher unwahrscheinlich ist. Bei der Auswahl der technologischen<br />
Optionen stand die derzeitige bzw. mögliche zukünftige Relevanz für das österreichische<br />
Energiesystem im Vordergrund, wobei eine Berücksichtigung aller derzeit und<br />
möglicherweise in Zukunft verfügbarer technologischer Optionen nicht möglich ist.<br />
Abgesehen davon werden nur Technologien berücksichtig, für die ausreichend fundierte<br />
Daten verfügbar sind.<br />
Tabelle 4-1: Im Rahmen des Projektes berücksichtigte Technologien und deren<br />
Referenztechnologien<br />
(Die angegebenen Leistungsbereiche sind als Richtwerte zu verstehen.)<br />
Reine Wärmeerzeugung<br />
Kleinfeuerungsanlagen<br />
(ca.5 bis über 100 kW therm.)<br />
Hackgutkessel<br />
Pelletkessel<br />
Pflanzenölkessel<br />
Kombikessel<br />
Scheitholzkessel<br />
Gaskessel<br />
Scheitholzofen<br />
Pelletofen<br />
Referenztechnologien:<br />
Heizölkessel<br />
Gaskessel<br />
Heizölofen<br />
Heizwerke<br />
(ca. 0,5 bis über 5 MW<br />
therm.)<br />
Hackgut-Heizwerk<br />
Stroh-Heizwerk<br />
Pellet-Heizwerk<br />
Referenztechnologien:<br />
Gasheizwerk<br />
Ölheizwerk<br />
Biomasse-Prozessdampfanlagen<br />
(ca. 10 MW)<br />
Hackgutanlage<br />
Referenztechnologie:<br />
Gas-Prozessdampfanlage<br />
Kraft-Wärmekopplungsanlagen<br />
Biogas-BHKW (50 kW bis 2 MW<br />
elektrisch)<br />
Pflanzenöl-BHKW (15 kW bis 1<br />
MW elektrisch)<br />
Heizanlagen mit Stirlingmotor (30<br />
bis 100 kW elektrisch)<br />
Heizanlagen mit ORC-Anlage (0,5<br />
bis 3 MW elektrisch)<br />
Dampfturbinenanlagen (1 MW bis<br />
15 MW elektrisch)<br />
Integrierte Vergasung und<br />
Verstromung (500 kW bis 50<br />
MW elektrisch)<br />
Referenztechnologien bzw. -<br />
preise:<br />
GuD-Kraftwerk/<br />
Großhandelsstrompreis<br />
Konversionsanlagen<br />
Erzeugung flüssiger biogener<br />
Energieträger:<br />
Pflanzenöl (dezentral:<br />
Kaltpressung, zentral:<br />
Pressung und Extraktion)<br />
Biodiesel aus Pflanzenöl<br />
Ethanol aus zucker-<br />
/stärkehaltigen Rohstoffen<br />
Fischer-Tropsch-Diesel<br />
Ethanol aus zellulosehaltigen<br />
Rohstoffen<br />
Erzeugung gasförmiger biogener<br />
Energieträger:<br />
Biomethan aus anaerober<br />
Fermentation<br />
Biomethan aus<br />
Vergasungsprozessen<br />
Erzeugung sonstiger biogener<br />
Energieträger:<br />
Pelletierung<br />
Referenzpreise:<br />
Großhandels- /<br />
Kleinverbraucherpreise<br />
fossiler Kraftstoffe und<br />
sonstiger Energieträger<br />
Weitere Biomasse-Konversionstechnologien, die sich derzeit im Forschungs- und<br />
Entwicklungsstadium befinden, und mittel- bis langfristig für die landwirtschaftliche
Biomasse-Nutzungspfade<br />
Bioenergieerzeugung relevant werden könnten umfassen beispielsweise die Erzeugung von<br />
Pyrolyseöl mittels Flash-Pyrolyse oder die Produktion von festen Brennstoffen hoher<br />
Energiedichte mittels Torrefizierung. Da zu diesen Technologien jedoch kaum belastbare<br />
Daten verfügbar sind, werden sie im Rahmen dieser Studie nicht berücksichtigt. Ebenso<br />
werden Nutzungspfade, welche in erster Linie auf Produkte zur nicht-energetischen Nutzung<br />
ausgerichtet sind vernachlässigt, wie beispielsweise die „Grüne Bioraffinerie“ (siehe z.B.<br />
Mandl et al., 2006).<br />
Die in diesem Kapitel, sowie für die Simulation des Bioenergiesektors (Kapitel 8)<br />
unterstellten Technologiedaten sind im Anhang zusammengefasst. Sie beinhalten neben<br />
technischen Daten und Kosten auch Abschätzungen zu technologischen Entwicklungen, die<br />
aus der Literatur übernommen wurden (in erster Linie Öko-Institut, 2010 und Hamelinck et<br />
al., 2006).<br />
Für technische Beschreibungen der Technologien wird auf Kranzl et al. (2008) verwiesen.<br />
Weitere detaillierte Informationen zu Kleinfeuerungsanlagen, KWK-Technologien und<br />
biogenen Kraftstoffen sind beispielsweise bei Hartmann et al. (2007), TTM (2002) bzw.<br />
Refuel (2010) verfügbar.<br />
4.2.1 Kleinfeuerungsanlagen<br />
Unter „Kleinfeuerungsanlagen“ werden hier Anlagen zur Wärmeerzeugung mit einer<br />
thermischen Leistung von bis zu etwa 100 kW verstanden. Es kann zwischen Einzel- oder<br />
Kaminöfen und Heizkesseln einer Zentralheizung unterschieden werden. Erstere dienen der<br />
direkten Beheizung der Umgebung, letztere versorgen über Wasser als Wärmeträger<br />
mehrere Räume oder Gebäude mit thermischer Energie zur Raumwärme- und Warmwasserbereitung.<br />
Einzelöfen haben in der Regel eine thermische Leistung von einigen kW. Scheitholz und<br />
Holzpellets sind die derzeit üblichen Brennstoffe. Die Leistung von typischen Heizkesseln in<br />
Zentralheizungssystemen reichen von einigen kW bis über 100 kW. Neben Scheitholz und<br />
Holzpellets kommen in erster Linie die biogenen Brennstoffe Hackschnitzel, Pflanzenöl,<br />
Getreidekorn, Pellets aus Stroh und anderen Rohstoffen in Frage. Hackgutanlagen werden<br />
üblicherweise erst ab einer Leistung von etwa 30 kW eingesetzt.<br />
Bei Stückholz-, Pellets-, Hackgut- und Pflanzenölkesseln handelt es sich um ausgereifte<br />
Technologien. Die Beschickung von Stückholzkessel erfolgt in der Regel manuell, die<br />
moderneren Anlagen sind als Holzvergaserkessel ausgeführt. Bei Hackgut-, und<br />
Pelletkesseln erfolgt die Beschickung automatisch mit einer Schneckenaustragung, einer<br />
Saugaustragung oder über einen Vorratsbehälter. Die Nutzung von Pflanzenöl ist mit<br />
normalen bzw. geringfügig adaptierten Ölkesseln mit pflanzenöltauglichen Brennern möglich.<br />
Beim Einsatz von landwirtschaftlichen Rohstoffen wie Getreide oder Strohpellets in<br />
Kleinfeuerungsanlagen können Probleme wie Korrosion und Verschlackung auftreten.<br />
Außerdem können sich rechtliche Probleme hinsichtlich der Einhaltung von<br />
Emissionsgrenzwerten ergeben. Sowohl die rechtlichen Hemmnisse als die technischen<br />
Herausforderungen sollten jedoch in Anbetracht der seit einiger Zeit laufenden Forschungsund<br />
Entwicklungsarbeit in absehbarer Zeit gelöst werden.<br />
Die folgende Abbildung zeigt einen exemplarischen Wirtschaftlichkeitsvergleich von<br />
Biomasseanlagen mit öl- und gasbetriebenen Kleinfeuerungsanlagen unterschiedlicher<br />
Leistung. Der angenommene Brennstoffpreis bei Erdgas entspricht dem durchschnittlichen<br />
Preisniveau des Jahres 2006, jener von Heizöl dem Durchschnitt der Jahre 2005 bis 2007.<br />
Da für biogene Brennstoffe mit Ausnahme von Pellets keine Jahresdurchschnittspreise<br />
verfügbar sind, wurden sie auf unterschiedliche Weise ermittelt, mit dem Ziel möglichst<br />
repräsentative Werte heranzuziehen. Die Preise für Kurzumtriebsholz (Hackgutkessel) und<br />
Getreide (Kombikessel) wurden auf Basis typischer Bereitstellungskosten abgeschätzt.<br />
Letztere liegen 10 bis 20% über jenen von Waldhackgut. Da es für Pellets aus Stroh oder<br />
42
43<br />
ALPot<br />
anderen landwirtschaftlichen Reststoffen noch keinen Markt gibt, wurde der Jahresdurchschnittspreis<br />
von Holzpellets aus dem Jahr 2006 herangezogen (proPellets, 2010).<br />
Scheitholznutzung stellt keinen landwirtschaftlichen Nutzungspfad dar, wurde jedoch<br />
aufgrund der nach wie vor hohen Relevanz zum Vergleich berücksichtigt.<br />
Die zugrundeliegenden Kosten (Investition, Betrieb etc.) können als repräsentative Werte<br />
gesehen werden, bei einer Datenrecherche zeigt sich jedoch, dass die Bandbreiten zum Teil<br />
sehr groß sind, und daher keine „allgemeingültigen“ Aussagen möglich sind. Des Weiteren<br />
sind für einen Wirtschaftlichkeitsvergleich einige Annahmen (insbesondere hinsichtlich der<br />
jährlichen Volllaststunden und der Abschreibdauer) erforderlich, die nicht verallgemeinert<br />
werden können und das Ergebnis wesentlich beeinflussen.<br />
Es lassen sich jedoch einige grundlegende Aussagen ableiten: Die beste Wirtschaftlichkeit<br />
zeigen Biomasse-Kleinfeuerungsanlagen im höheren Leistungsbereich, was darauf<br />
zurückzuführen ist, dass Biomasseanlagen generell höhere Investitionskosten als Öl- und<br />
Gas-Heizsysteme aufweisen und deutliche economies of scale-Effekte auftreten (d.h. dass<br />
größere Anlagen geringere spezifische Kosten aufweisen). Bei den 50 kW-Anlagen fallen die<br />
höheren Annuitäten jedoch deutlich weniger ins Gewicht und werden durch zum Teil<br />
geringere Brennstoffkosten und Abgaben kompensiert. (Eine Ausnahme stellen<br />
Pflanzenölkessel dar, auf die hier aufgrund der geringen Relevanz nicht näher eingegangen<br />
wird)<br />
Aus der unterschiedlichen Kostenstruktur ergibt sich auch, dass Biomasseanlagen<br />
insbesondere bei einer hohen Auslastung (d.h. einer hohen Volllaststundenzahl) im Vorteil<br />
sind. Aufgrund des im Vergleich zu konventionellen Heizanlagen höheren Anteils der<br />
Investitionskosten an den gesamten Wärmeerzeugungskosten verbessert sich die<br />
Wirtschaftlichkeit bei höherer Auslastung (siehe Sensitivitätsanalyse im Anhang, Kapitel<br />
12.1.) Der optimale Einsatzbereich von Biomasse-Kleinfeuerungsanlagen sind daher<br />
Standorte mit möglichst hoher Auslastung im Jahresverlauf. Hinsichtlich der zunehmenden<br />
Qualität von Gebäudehüllen und sinkenden Heizlasten von Wohngebäuden ist festzustellen,<br />
dass typische Volllaststunden und Leistungen von Raumheizungsanlagen tendenziell sinken,<br />
was Anlagen mit geringen Investitionskosten begünstigt und sich negativ auf die<br />
nachfrageseitigen Potenziale von Biomasse-Kleinfeuerungsanlagen auswirkt.<br />
Der bei Biomasseanlagen geringere Anteil der Brennstoffkosten an den Wärmeerzeugungskosten<br />
resultiert auch in einer geringeren Sensitivität gegenüber Schwankungen<br />
der Brennstoffpreise. Hinsichtlich der großen Unsicherheiten bezüglich der<br />
Preisentwicklungen von Energieträgern stellt diese Tatsache einen wesentlichen Vorteil<br />
gegenüber Öl- und Gaskesseln dar (siehe Sensitivitätsanalyse im Anhang, Kapitel 12.1)<br />
Darüber hinaus waren die Preise biogener Energieträger in der Vergangenheit in der Regel<br />
deutlich geringeren Schwankungen unterworfen als jene von Erdöl und Erdgas. 12<br />
Insbesondere die Preise regional gehandelter Brennstoffe waren in den letzten Jahren trotz<br />
stark volatiler Ölpreise relativ stabil.<br />
Abbildung 4-3 verdeutlicht, dass die „doppelte“ steuerliche Begünstigung (reduzierter<br />
Umsatzsteuersatz und Wegfall der Energieabgabe bzw. Mineralölsteuer) einen nicht<br />
unwesentlichen Einfluss auf die Wirtschaftlichkeit hat. Wenn auch diese Steuerbegünstigung<br />
aus mehreren Gründen gerechtfertigt ist, so ist sie doch als politisches Instrument zu werten<br />
und zu berücksichtigen.<br />
12 Die Preisspitzen bei Holzpellets im Jahr 2006 haben gezeigt, dass auch bei biogenen<br />
Energieträgern starke Preisschwankungen möglich sind. In diesem konkreten Fall hat sich auch<br />
gezeigt, das die Ursache für Preisspitzen bei Biomasse nicht notwendigerweise eine Korrelation mit<br />
der Preisentwicklung fossiler Energieträger sein muss.
Biomasse-Nutzungspfade<br />
Einzelöfen<br />
8 kW Kessel 12 kW Kessel 25 kW Kessel 50 KW<br />
Hackgutkessel<br />
Kombikessel<br />
Pflanzenölkessel<br />
Pelletkessel<br />
Scheitholzkessel<br />
Gaskessel<br />
Heizölkessel<br />
Hackgutkessel<br />
Kombikessel<br />
Pflanzenölkessel<br />
Pelletkessel<br />
Scheitholzkessel<br />
Gaskessel<br />
Heizölkessel<br />
Kombikessel<br />
Pflanzenölkessel<br />
Pelletkessel<br />
Scheitholzkessel<br />
Gaskessel<br />
Heizölkessel<br />
Pellet-Einzelofen<br />
Scheitholz-Einzelofen<br />
Heizöl-Einzelofen<br />
Preisniveau 2006<br />
0 50 100 150 200 250<br />
€/MWh (therm.)<br />
44<br />
Kessel/Ofen<br />
Wärmespeicher<br />
Peripherie<br />
Brennstoffspeicher<br />
Lieferung, Montage, Inbetriebnahme<br />
Betriebskosten<br />
Brennstoff<br />
Energieabgabe<br />
Netznutzungsentgelt<br />
Umsatzsteuer<br />
Abbildung 4-3: Wirtschaftlichkeit von Kleinfeuerungsanlagen beim Preisniveau des Jahres<br />
2006 und einer angenommenen Abschreibdauer von zehn Jahren<br />
Quellen: eigene Berechnungen (Energy Economics Group, TU <strong>Wien</strong>) auf Basis von Hartmann et al.<br />
2007 (Datenbasis für Investitionskosten für Biomasseanlagen, Betriebskosten etc.), Konsument 2008<br />
(Investitionskosten Ölkessel), Erdgas OÖ, 2009 (Investitionskosten Gaskessel), ProPellets 2010<br />
(Pelletspreise), Statistik Austria 2010e (Preise fossiler Energieträger), E-Control 2010<br />
(Netznutzungsentgelte), Technologiedaten: siehe Tabelle 12-1 und 12-2<br />
Weitere Annahmen: Kalkulatorischer Zinssatz: 4%, jährliche Volllaststunden mit 500 (Einzelöfen),<br />
1500 (12 und 25 kW) bzw. 1800 (50 kW) angenommen, derzeitige Besteuerung von Energieträgern<br />
(Stand: März 2010) unterstellt, Netznutzungsentgelt bei Erdgas (bezogen auf Primärenergie) mit<br />
13/15/18 €/MWh (50/25/12 kW) angesetzt;<br />
Kosten für Wärmespeicher beinhalten nur Pufferspeicher (Kosten für Brauchwasserspeicher nicht<br />
berücksichtigt, da diese unabhängig vom Kesseltyp sind);<br />
Kombikessel: für Getreide/Stroh/Miscanthus geeigneter Hackgutkessel; Investitionskosten aufgrund<br />
teurerer Komponenten 40% höher als jene des Hackgutkessels angesetzt;<br />
Pflanzenölkessel: zusätzliche Kosten für pflanzenöltauglichen Brenner mit 1000 € angesetzt;<br />
Öl- & Gaskessel: moderne Brennwertkessel;<br />
Zusätzlicher Bedarf an Lagerraum (insbes. für Hackgut und Scheitholz) und zusätzlicher Arbeitsbedarf<br />
bei Scheitholzkessel nicht berücksichtig;<br />
Unterstellte Netto-Brennstoffpreise in €/MWh (exkl. USt, exkl. Energieabgabe/MÖSt): Heizöl: 42,50;<br />
Erdgas (Kleinverbraucher): 39,40; Scheitholz: 27,63; Pellets in Säcken (Einzelofen): 45,90; Pellets<br />
lose (Kessel): 37,00; Pflanzenöl: 57,60; Getreidekorn: 30,00; Kurzumtriebsholz: 27,00 (typischer<br />
Waldhackgutpreis 2006 ca. 10-20% niedriger);<br />
Betriebskosten beinhalten Instandhaltung und Versicherung (generell mit 1,5% bzw. 0,5% der<br />
Investitionskosten angenommen); Förderungen sind nicht berücksichtigt<br />
Wie bereits erwähnt, sind bei der Interpretation von Abb. 4-3 die zu Grunde gelegten<br />
Annahmen zu berücksichtigen. Ein wesentlicher Einflussfaktor ist die Wahl der Abschreib-
45<br />
ALPot<br />
dauer. Hier wurde (in Anlehnung an die im Modell SimBioSe unterstellten Abschreibdauern;<br />
siehe Kapitel 8) 13 ein Zeitraum von zehn Jahren unterstellt, was deutlich unter der<br />
Lebensdauer von Kleinfeuerungsanlagen liegt. Das heißt, über die gesamte Lebensdauer<br />
gerechnet amortisieren sich zum Teil auch Biomasseanlagen, die auf Basis des hier<br />
dargestellten Vergleichs Öl- und Gaskesseln wirtschaftlich unterlegen sind.<br />
Ausgehend vom Preisszenario „FAO/Primes“ ist in Abbildung 4.4 eine hypothetische Wirtschaftlichkeitsberechnung<br />
für das Jahr 2030 dargestellt. Neben Steigerungen der<br />
Brennstoffpreise sind auf Basis von Abschätzungen in der Literatur und eigenen Annahmen<br />
auch einige Veränderungen bei den Anlagenkosten und den technischen Daten unterstellt<br />
(siehe Abbildungsbeschriftung).<br />
Einzelöfen<br />
8 kW Kessel 12 kW Kessel 25 kW Kessel 50 KW<br />
Hackgutkessel<br />
Kombikessel<br />
Pflanzenölkessel<br />
Pelletkessel<br />
Scheitholzkessel<br />
Gaskessel<br />
Heizölkessel<br />
Hackgutkessel<br />
Kombikessel<br />
Pflanzenölkessel<br />
Pelletkessel<br />
Scheitholzkessel<br />
Gaskessel<br />
Heizölkessel<br />
Kombikessel<br />
Pflanzenölkessel<br />
Pelletkessel<br />
Scheitholzkessel<br />
Gaskessel<br />
Heizölkessel<br />
Pellet-Einzelofen<br />
Scheitholz-Einzelofen<br />
Heizöl-Einzelofen<br />
2030 - Szenario "FAO/Primes"<br />
0 50 100 150 200 250<br />
€/MWh (therm.)<br />
Kessel/Ofen<br />
Wärmespeicher<br />
Peripherie<br />
Brennstoffspeicher<br />
Lieferung, Montage, Inbetriebnahme<br />
Betriebskosten<br />
Brennstoff<br />
Energieabgabe<br />
Netznutzungsentgelt<br />
Umsatzsteuer<br />
Abbildung 4-4: Wärmeerzeugungskosten von Kleinfeuerungsanlagen (Bezugsjahr 2030 –<br />
Szenario FAO/Primes)<br />
Quellen: eigene Berechnungen (Energy Economics Group, TU <strong>Wien</strong>), siehe Abb. 4-3, Capros et al.<br />
2008 (Hochpreisszenario – Preissteigerungsraten bis 2030)<br />
Technologische Lerneffekte: siehe Abbildung 12-1 und 12-2<br />
Weitere Annahmen: siehe Abb. 4.3<br />
Preise für biogene Energieträger: Niveau 2006 (Balken) bzw. unter der Annahme, dass eine relative<br />
Preiskopplung zw. Rohölpreis und Biomasse von 100% besteht, d.h. relative Preissteigerungen 1:1<br />
auf Biomassepreise weitergegeben werden (dargestellt mit Fehlerindikatoren);<br />
unterstellte Kostenreduktion bei Biomasse-Kleinfeuerungsanlagen ggü. 2006: 10%; Kombikessel 25%;<br />
Effizienzsteigerung ggü. 2006: 5% (Brennwerttechnik)<br />
13 Im Modell erfolgt die Simulation des Anlagenausbaus auf Basis von Wirtschaftlichkeitsbetrachtungen,<br />
die rein wirtschaftliche Investitionsentscheidungen abbilden sollen. Eine<br />
kalkulatorische Abschreibdauer von zehn Jahren wird dafür als sinnvoller Wert erachtet.
Biomasse-Nutzungspfade<br />
Da die Preisszenarien keine Entwicklungen für biogene Energieträger beinhalten bzw. keine<br />
Kopplung an Preise fossiler Energieträger unterstellt wird (im Modell SimBioSe ergeben sich<br />
diese endogen auf Basis der Angebotskurven), sind in Abbildung 4.4 Bandbreiten dargestellt.<br />
Diese reichen von unveränderten Preisen (Niveau 2006; dargestellt durch Balken) bis zu<br />
einer 100%igen Kopplung an die Preise fossiler Energieträger (dargestellt durch<br />
Fehlerindikatoren).<br />
Ungeachtet der Unsicherheiten bei der Biomasse-Preisentwicklung, die sich letztendlich aus<br />
Angebot und Nachfrage einstellt, kann aus Abbildung 4.4 abgeleitet werden, dass es im Fall<br />
dem hier unterstellten deutlichen Preisanstieg bei fossilen Energieträgern zu einer<br />
signifikanten Verbesserung der Wirtschaftlichkeit von Biomasse-Kleinfeuerungsanlagen<br />
kommt. Insbesondere bei 25 und 50kW-Anlagen wären Biomasse-Systeme selbst ohne<br />
steuerliche Begünstigungen Öl- und Gaskesseln wirtschaftlich überlegen.<br />
4.2.2 Heizwerke und Prozessdampfanlagen<br />
Der typische Leistungsbereich von Biomasse-Heizwerken reicht von wenigen 100 kW bis zu<br />
einigen MW. Der Hauptkessel ist an ein Nah- oder Fernwärmenetz angeschlossen 14 , zur<br />
Abdeckung von Schwach- und Spitzenlast und zur Erhöhung der Ausfallsicherheit können<br />
zusätzlich Heizöl- oder Erdgaskessel vorhanden sein. Anlagen mit Wasser als<br />
Wärmeübertragungsmedium können als Warmwassersystem (atmosphärischer Druck) oder<br />
Heißwassersystemen (unter Druck) ausgeführt sein. Wird Dampf als Wärmeübertragungsmedium<br />
verwendet, werden Dampfkessel eingesetzt. Letztere kommen auch zur Erzeugung<br />
von Prozessdampf in der Industrie zum Einsatz.<br />
Abbildung 4.5 zeigt einen Wirtschaftlichkeitsvergleich von mit landwirtschaftlicher Biomasse<br />
befeuerten Heizwerken und Prozessdampfanlagen für das Preisniveau des Jahres 2006 (bei<br />
Pellets wurde wie im vorigen Abschnitt der Preis für Holzpellets herangezogen). Wie schon<br />
bei Kleinfeuerungsanlagen zeigt sich auch hier, dass die Anlagenkosten deutlich höher sind<br />
als bei Öl- und Gas-Anlagen (die Kosten für einen Spitzenlastkessel sind hier auch<br />
berücksichtigt). Die daraus resultierenden, bereits im vorigen Abschnitt beschriebenen<br />
Konsequenzen sind auch hier zutreffend. So verbessert sich insbesondere die<br />
Wirtschaftlichkeit von Stroh-Heizwerken aufgrund der geringen Brennstoffkosten bei einer<br />
hohen Auslastung sehr deutlich (siehe Sensitivitätsanalyse im Anhang, Kapitel 12.1).<br />
Zusätzlich sind bei Biomasse-Heizwerken auch Kosten für den Brennstoff des Spitzenlastkessels<br />
zu berücksichtigen. Dessen Auslastung wurde hier mit 300 Stunden pro Jahr<br />
angenommen. In der Realität ist diese stark von der Jahresganglinie des Wärmebedarfs<br />
sowie von der Dimensionierung der Wärmespeicher abhängig. Durch eine hinsichtlich der<br />
spezifischen Gegebenheiten optimale Auslegung aller Komponenten kann daher eine<br />
Kostenreduktion erzielt werden.<br />
Die Darstellung zeigt auch den Einfluss zusätzlicher Biomasse-Transportkosten. Hier wurde<br />
unterstellt, dass bei größeren Anlagen aufgrund des höheren Brennstoffbedarfs und bei<br />
Stroh-Heizwerken aufgrund der geringeren Aufkommensdichte höhere durchschnittliche<br />
Transportentfernungen anfallen (siehe Abbildungsbeschriftung für die konkreten Annahmen).<br />
Hinsichtlich der Tatsache, dass Biomasse-Heizwerke in dieser Darstellung deutlich teurer<br />
sind als Öl- und Gas-Anlagen, sind zwei Punkte zu beachten: Erstens wurde auch hier mit<br />
einer kalkulatorischen Abschreibdauer von 10 Jahren gerechnet. Bei einer Berechnung der<br />
Wärmeerzeugungskosten auf Basis der gesamten Lebensdauer der Anlagen ergibt sich ein<br />
14 Der Begriff „Nahwärme“ wird üblicherweise im Fall kleinerer Anlagen bzw. Wärmenetze verwendet.<br />
„Fernwärme“ hingegen bezeichnet Systeme zur Versorgung von ganzen Städten oder Stadtteilen. Der<br />
Begriff „Wärmenetz“ beinhaltet beide Kategorien.<br />
46
47<br />
ALPot<br />
für Biomasse-Systeme deutlich günstigeres Bild, da sich der Einfluss der Investitionskosten<br />
stark reduziert.<br />
Zweitens ist bei Hackgut-Heizwerken (wie bereits bei Hackgut-Kleinanlagen) unterstellt, dass<br />
deren Brennstoffversorgung zu 100% auf Kurzumtriebsholz basiert. Die derzeit in Österreich<br />
in Betrieb befindlichen Heizwerke werden praktisch ausschließlich mit Waldhackgut oder<br />
Sägenebenprodukten befeuert, deren Bereitstellungskosten bzw. Preise deutlich niedriger<br />
sind, als die Bereitstellungskosten von Kurzumtriebsholz.<br />
0,5 MW 2 MW 5 MW 5 MW<br />
Prozessdampfanlage BM<br />
Prozessdampfanlage Gas<br />
Stroh-Heizwerk<br />
Hackgut-Heizwerk<br />
Pellets-Heizwerk<br />
Gas-Heizwerk<br />
Öl-Heizwerk<br />
Stroh-Heizwerk<br />
Hackgut-Heizwerk<br />
Pellets-Heizwerk<br />
Gas-Heizwerk<br />
Öl-Heizwerk<br />
Stroh-Heizwerk<br />
Hackgut-Heizwerk<br />
Pellets-Heizwerk<br />
Gas-Heizwerk<br />
Öl-Heizwerk<br />
Preisniveau 2006<br />
0 10 20 30 40 50 60 70 80 90<br />
€/MWh (therm.)<br />
Anlage<br />
Betriebskosten<br />
Spitzenlastbrennstoff<br />
Brennstoff<br />
Energieabgabe<br />
zusätzliche Transportkosten<br />
Abbildung 4-5: Wärmeerzeugungskosten von Heizwerken und industriellen<br />
Prozessdampferzeugungsanlagen (Preisniveau 2006)<br />
Quellen: eigene Berechnungen (Energy Economics Group, TU <strong>Wien</strong>) auf Basis von Hartmann et al.<br />
2007 und Karl 2006 (Datenbasis für Investitions-, Betriebs-, und Transportkosten), Statistik Austria<br />
2010e (Preise fossiler Energieträger), Technologiedaten: siehe Abbildung 12-1<br />
Weitere Annahmen:<br />
Kosten der Anlagen inkl. Spitzenlastkessel und Pufferspeicher, exkl. Wärmenetz<br />
Kalkulatorischer Zinssatz: 7%, jährliche Volllaststunden mit 3000 (Heizwerke) bzw. 6000<br />
(Prozessdampfanlagen) angenommen;<br />
Brennstoffkosten in €/MWh: Erdgas: 30,70; Heizöl: 34,00; Kurzumtriebsholz: 27,00, Pellets: 29,60;<br />
Stroh: 16,40<br />
Jährliche Volllaststunden des Spitzenlastkessels (Brennstoff: Erdgas) von Biomasseanlagen: 300 h/a<br />
Investitionskosten von Stroh-Heizwerken basierende auf Öko-Institut (2010) bzw. Leuchtweis (2008)<br />
50% höher als jene von Hackgutanlagen angenommen;<br />
Unterstellte „zusätzliche“ Transportentfernungen für Hackgut- und Pelletsanlagen mit 10 bzw 20 km (2<br />
bzw. 5 MW) und für Strohheizwerk mit 15 bzw. 30 km angenommen (Unterstellung einer i.A.<br />
geringeren Aufkommensdichte von Stroh); Förderungen sind nicht berücksichtigt<br />
Obwohl beim Preisniveau fossiler Energieträger gegenüber 2006 tendenziell eine Steigerung<br />
zu erwarten ist, lässt sich ableiten, dass bei Biomasse-Heizwerken auf Basis<br />
landwirtschaftlicher Biomasse in der Regel Förderungen erforderlich sind. Selbst bei den
Biomasse-Nutzungspfade<br />
Steigerungsraten im Preisszenario „FAO/Primes“ zeigt sich bei der in Abbildung 4-6<br />
dargestellten Wirtschaftlichkeitsbetrachtung für das Jahr 2030 keine eindeutige<br />
Überlegenheit von Biomasseanlagen. Was hier allerdings vollkommen außer Acht gelassen<br />
wurde, bei Investitionsentscheidungen (z.B. auf Gemeindeebene) jedoch eine wesentliche<br />
Rolle spielen kann, sind die lokalen Wertschöpfungseffekte, die durch ein Biomasseheizwerk<br />
mit regionaler Brennstoffversorgung generiert werden können.<br />
Zusammenfassend kann gesagt werden, dass Wärmeerzeugung im Allgemeinen die<br />
gegenüber auf fossilen Energieträgern basierenden Referenzsystemen wirtschaftlichste<br />
Form der energetischen Biomassenutzung ist. Im Detail hängt die Wirtschaftlichkeit jedoch<br />
stark von den jeweiligen Gegebenheiten bzw. dem jeweiligen Bedarf (d.h. der thermischen<br />
Leistung und der jährlichen Auslastung) ab. Aufgrund der relativ hohen Investitionskosten<br />
spielt auch die unterstellte Abschreibdauer eine wesentliche Rolle. So amortisieren sich<br />
Biomasse-Heizanlagen zum Teil erst nach über zehn Jahren – eine Barriere, die beispielsweise<br />
mit Investitionsförderungen entschärft werden kann.<br />
0,5 MW 2 MW 5 MW 5 MW<br />
Prozessdampfanlage BM<br />
Prozessdampfanlage Gas<br />
Stroh-Heizwerk<br />
Hackgut-Heizwerk<br />
Pellets-Heizwerk<br />
Gas-Heizwerk<br />
Öl-Heizwerk<br />
Stroh-Heizwerk<br />
Hackgut-Heizwerk<br />
Pellets-Heizwerk<br />
Gas-Heizwerk<br />
Öl-Heizwerk<br />
Stroh-Heizwerk<br />
Hackgut-Heizwerk<br />
Pellets-Heizwerk<br />
Gas-Heizwerk<br />
Öl-Heizwerk<br />
2030 - Szenario "FAO/Primes"<br />
0 20 40 60 80 100 120<br />
€/MWh (therm.)<br />
48<br />
Anlage<br />
Betriebskosten<br />
Spitzenlastbrennstoff<br />
Brennstoff<br />
zusätzliche Transportkosten<br />
Energieabgabe<br />
Abbildung 4-6: Wärmeerzeugungskosten von Heizwerken und industriellen<br />
Prozessdampferzeugungsanlagen (Bezugsjahr 2030 – Szenario FAO/Primes)<br />
Quellen: eigene Berechnungen (Energy Economics Group, TU <strong>Wien</strong>), siehe Abb. 4-5, Capros et al.<br />
2008 (Hochpreisszenario – Preissteigerungsraten bis 2030)<br />
Technologische Lerneffekte: siehe Abbildung 12-1 und 12-2<br />
Weitere Annahmen: siehe Abb.4-5,<br />
Preise für biogene Energieträger: Niveau 2006 (Balken) bzw. unter der Annahme, dass eine relative<br />
Preiskopplung zw. Rohölpreis und Biomasse von 100% besteht, d.h. relative Preissteigerungen 1:1<br />
auf Biomassepreise weitergegeben werden (dargestellt mit Fehlerindikatoren)<br />
4.2.3 Kraft-Wärme-Kopplungsanlagen<br />
Abbildung 4-7 zeigt die Stromgestehungskosten typischer Biomasse-KWK-Anlagen im<br />
elektrischen Leistungsbereich von unter 15 kW (Pflanzenöl-BHKW) bis ca. 50 MW<br />
(Integrierte Biomassevergasung und –verstromung).
Erdgas-<br />
CCGT<br />
Integrierte<br />
Vergasung &<br />
Verstromung<br />
Stroh-<br />
Dampfturbinenanlagen<br />
Strohkessel<br />
mit<br />
ORC-Anlage<br />
Hackgut-<br />
Dampfturbinenanlagen<br />
Hackgutkessel<br />
mit<br />
ORC-Anlage<br />
Hackgutkessel<br />
mit<br />
Stirlingmotor<br />
Biogasanlagen Pflanzenöl-BHKW<br />
500 MW<br />
50 MW<br />
5 MW<br />
600 kW<br />
5 MW<br />
1 MW<br />
1,6 MW<br />
650 kW<br />
10 MW<br />
5 MW<br />
1 MW<br />
1,6 MW<br />
650 kW<br />
70 kW<br />
35 kW<br />
1 MW<br />
200 kW<br />
15 kW<br />
1,5 MW<br />
500 kW<br />
200 kW<br />
50 kW<br />
-300 -200 -100 0 100 200 300 400 500 600<br />
€/MWh (elektrisch)<br />
49<br />
30,00<br />
25,00<br />
Anlage<br />
Betriebskosten<br />
20,00<br />
Brennstoff<br />
15,00<br />
10,00<br />
5,00<br />
0,00<br />
ALPot<br />
Spitzenlastkessel & -brennstoff<br />
(nur bei "direkter" Wärmenutzung)<br />
Wärmeerlös ("direkte"<br />
Wärmenutzung) *<br />
Stromerzeugungskosten<br />
(Wärmenetzeinspeisung)<br />
Stromerzeugungskosten ("direkte"<br />
Wärmenutzung)<br />
*) Fehlerindikator: Wärmeerlös<br />
bei Wärmenetzeinspeisung<br />
Abbildung 4-7: Stromgestehungskosten von Biomasse-KWK-Anlagen sowie eines<br />
modernen Erdgas-GuD-Kraftwerks („Erdgas-CCGT“) (Bezugsjahr 2006)<br />
Quellen: eigene Berechnungen (Energy Economics Group, TU <strong>Wien</strong>), Technologiedaten: siehe<br />
Tabelle 12-1 und 12-2<br />
Weitere Annahmen: Kalkulatorischer Zinssatz: 7%, Abschreibdauer: 10 Jahre, jährliche<br />
Volllaststunden: 7000 bzw. 8000 h/a (Biogasanlagen)<br />
Unterscheidung von 2 Fällen hinsichtlich Abwärmenutzung:<br />
1.„Direkte“ Wärmenutzung: Wärmeabnahme mit 3000 Volllaststunden pro Jahr angenommen, Höhe<br />
des Wärmeerlöses entspricht Wärmeerzeugungskosten eines (bezogen auf die Wärmeleistung)<br />
äquivalenten Referenz-Heizkessels (Regression der Wärmeerzeugungskosten fossil befeuerter<br />
Anlagen); Spitzenlastdeckung mittels Gaskessel (Auslastung des Spitzenlastkessels mit 450<br />
Volllaststunden pro Jahr angenommen); 2.Wärmenetzeinspeisung: Annahme eines bestehenden<br />
Wärmenetzes mit „ganzjähriger“ Wärmeabnahme unterstellt, Wärmepreis mit 20 €/MWh angenommen<br />
(resultierender Wärmeerlös in der Abbildung durch Fehlerindikatoren dargestellt)<br />
Kosten von Wärmenetz und anderen Komponenten der Abwärmenutzung nicht berücksichtigt;<br />
Betriebs- und Investitionskosten als unabhängig vom Abwärmenutzungskonzept angenommen;<br />
Brennstoffkosten in €/MWh: Erdgas: 30,70; Biogassubstrat: 28,00; Pflanzenöl: 57,60; Mix aus<br />
Kurzumtriebsholz und Waldhackgut: 23,50 €/MWh; Stroh: 16,40<br />
Keine Förderungen / CO2-Preise berücksichtigt
Biomasse-Nutzungspfade<br />
Die Stromgestehungskosten einer modernen, mit Erdgas befeuerten GuD-Anlage (CCGT:<br />
combined cycle gas turbine) sind als konventionelle Referenz dargestellt. In der Berechnung<br />
wurden die gesamten Anlagenkosten der Stromerzeugung zugerechnet und die Abwärme<br />
über Gutschriften („Wärmeerlöse“) berücksichtigt. Da der Fall einer zu 100% auf<br />
Kurzumtriebsholz basierenden Brennstoffversorgung insbesondere bei größeren KWK-<br />
Anlagen als unrealistisch erachtet wird, wurde hier unterstellt, dass alle mit Hackgut<br />
befeuerten Anlagen einen Brennstoffmix aus Waldhackgut und Kurzumtriebsholz einsetzen<br />
(bei reinen Wärmeanlagen wurde eine rein auf Kurzumtriebsholz basierende<br />
Brennstoffversorgung unterstellt). Die Kosten wurden mit 23,5 €/MWh angesetzt.<br />
Insbesondere bei Anlagen mit geringem elektrischen und hohem thermischen Wirkungsgrad<br />
ist der Wärmebedarf des Standortes bzw. das Abwärmenutzungskonzept von<br />
entscheidender Bedeutung für die Wirtschaftlichkeit. Für die Darstellung in Abbildung 4.7<br />
wurden zwei Fälle unterschieden: Im ersten Fall wurde davon ausgegangen, dass die<br />
Abwärme „direkt“ genutzt wird, d.h. eine leistungsmäßig äquivalente Referenz-Heizanlage<br />
ersetzt wird. Die Höhe der Wärmeerlöse entspricht in diesem Fall den Wärmeerzeugungskosten<br />
der Referenzanlage, die Wärme-Volllaststunden wurden in diesem Fall<br />
mit 3000 angenommen. Des Weiteren wird davon ausgegangen, dass für die<br />
Wärmebedarfsdeckung zu Spitzenlastzeiten ein zusätzlicher Gaskessel erforderlich ist. Die<br />
Kosten des Spitzenlastkessels und –brennstoffs sind in dem als „Stromerzeugungskosten<br />
mit direkter Wärmenutzung“ bezeichneten Fall ebenfalls berücksichtigt.<br />
Im zweiten Fall wurde angenommen, dass die Abwärme der KWK-Anlage ganzjährig in ein<br />
bestehendes Wärmenetz zur Grundlastdeckung einspeist wird („Wärmenetzeinspeisung“).<br />
Die Wärmeerlöse wurden in diesem Fall generell mit 20 €/MWh angenommen (vgl. Hagauer<br />
et al., 2007) und sind damit deutlich niedriger als in Fall „direkte Wärmenutzung“.<br />
Abbildung 4-8 zeigt, dass Biomass-KWK-Anlagen ausgeprägte economies of scale<br />
aufweisen. Die Stromgestehungskosten von Biogas-BHKWs liegen unter den hier zugrunde<br />
gelegten Annahmen in der Größenordnung von ca. 120 bis 200 €/MWh. Die Art der<br />
Wärmenutzung spielt aufgrund der im Vergleich zu anderen KWK-Anlagen relativ geringen<br />
Wärmeauskopplung eine untergeordnete Rolle. (Nichtsdestotrotz ist auch bei Biogasanlagen<br />
ein sinnvolles Wärmenutzungskonzept anzustreben.)<br />
Es zeigt sich, dass der Fall der direkten Wärmenutzung aufgrund der mit 3000 h/a<br />
unterstellten, relativ niedrigen Wärme-Volllaststunden nur bei sehr kleinen Anlagen<br />
(Pflanzenöl-BHKWs und Anlagen mit Stirlingmotor) der Netzeinspeisung vorzuziehen ist. An<br />
günstigen Standorten und bei günstiger Auslegung können KWK-Anlagen jedoch weitgehend<br />
zur Deckung der „Wärmegrundlast“ eingesetzt werden, also deutlich höhere Jahres-<br />
Volllaststunden erzielt werden (siehe z.B. Obernberger, 2004). Unter diesem Gesichtspunkt<br />
sind auch die mit über 200 €/MWh zum Teil sehr hohen Kosten bei ORC- und kleinen<br />
Dampfturbinenanlagen zu relativieren: Durch die Wahl geeigneter Standorte und in Hinblick<br />
auf das Wärmenutzungskonzept optimaler Auslegung können weitaus günstigere<br />
Bedingungen als die hier unterstellten geschaffen werden, und die Stromgestehungskosten<br />
deutlich reduziert werden (siehe Sensitivitätsanalyse im Anhang, Kapitel 12.1).<br />
Nichtsdestotrotz zeigt sich, dass die Stromerzeugungskosten von Biomasse-KWK-Anlagen<br />
in der Regel deutlich über denen von modernen GuD-Kraftwerken liegen. Durch<br />
Preissteigerungen bei fossilen Energieträgern und die Einpreisung externer Kosten<br />
(beispielsweise über CO2-Zertifikate) kann zwar eine Verbesserung der Wirtschaftlichkeit von<br />
Biomasse-KWK erzielt werden, in der Regel werden trotzdem auch längerfristig starke<br />
Förderinstrumente wie Einspeisetarife erforderlich sein. Wie in Abbildung 4.7dargestellt, ist<br />
unter dem Preisszenario „FAO/Primes“ ein Anstieg der Stromerzeugungskosten von Erdgas-<br />
GuD-Kraftwerken auf ca. 85 €/MWh auszugehen. Dieses Niveau ist für die meisten<br />
Bioenergieanlagen selbst unter der Annahme gleichbleibender Biomassepreise und einer<br />
50
51<br />
ALPot<br />
starken Reduktion der Anlagenkosten durch technologische Lerneffekte nicht realistisch. 15<br />
Lediglich im Fall einer sehr günstigen Rohstoffversorgung, wie dies insbesondere bei<br />
Anlagen der Holzindustrie der Fall ist, sind Biomasse-KWK-Anlagen auch weitgehend ohne<br />
Förderungen wirtschaftlich. 16<br />
4.2.4 Konversionsanlagen<br />
In Abbildung 4.8 sind die Erzeugungskosten der verschiedenen biogenen Kraftstoffe den<br />
Großhandelspreisen fossiler Kraftstoffe gegenübergestellt (Preisniveau 2006). Neben<br />
Anlagen-, Betriebs- und Rohstoffkosten sind hier aus Nebenprodukt- und Stromerlöse<br />
berücksichtigt. Letztere sind bei Produktionsanlagen der 2.Generation relevant, die neben<br />
dem Hauptoutput Kraftstoff einen Stromüberschuss produzieren. Als Referenzpreise fossiler<br />
Kraftstoffe wurden Großhandelspreise herangezogen. Des Weiteren ist bei den<br />
Referenzpreisen der Aufschlag der Mineralölsteuer dargestellt, wobei von den derzeitigen<br />
Steuersätzen ausgegangen wurde.<br />
Die Abbildung zeigt, dass beim Preisniveau 2006 die Erzeugung von biogenen Kraftstoffen<br />
ohne Förderungen, steuerlichen Begünstigungen bzw. ohne Einpreisung externer Effekte<br />
über CO2-Steuern u.ä. in der Regel nicht wirtschaftlich ist. Dass etwa Biodiesel oder der<br />
Kraftstoff E85 (85-prozentiger Ethanolkraftstoff) in Österreich zu konkurrenzfähigen Preisen<br />
angeboten werden können, liegt daran, dass biogene Kraftstoffe von der Mineralölsteuer<br />
befreit sind. (Des Weiteren haben vorgeschriebene Beimischungsquoten für einen<br />
zunehmenden Anteil am Kraftstoffverbrauch gesorgt.)<br />
Auf Basis der hier angesetzten Werte ergeben sich die geringsten Erzeugungskosten bei<br />
Pflanzenöl aus industriellen Ölmühlen. Die Erzeugungskosten von Biodiesel sind deutlich<br />
niedriger als jene von Ethanol, welche trotzdem noch deutlich unter jenen von Kraftstoffen<br />
der 2. Generation liegen. (Wie bei KWK-Anlagen wurde hier ein Mix aus Waldhackgut und<br />
Kurzumtriebsholz unterstellt, dessen Kosten sich auf 23,50 €/MWh belaufen.) Die<br />
Erzeugungskosten von gasförmigen Kraftstoffen liegen mit Ausnahme der 300 kW-<br />
Biomethan-Anlage etwa in der Höhe der Biodiesel-Erzeugungskosten.<br />
Aus den Darstellungen geht hervor, dass die Erzeugungskosten von biogenen Kraftstoffen<br />
aus Ackerfrüchten (Biodiesel, Ethanol, Pflanzenöl) in hohem Maße von den Rohstoffkosten<br />
abhängen. Daher ist die zukünftige Wirtschaftlichkeit dieser Kraftstoffe hauptsächlich davon<br />
abhängig, wie sich Agrarpreise im Verhältnis zum Rohölpreis entwickeln werden.<br />
Abbildung 4.9 zeigt den Wirtschaftlichkeitsvergleich für 2030 im Preisszenario FAO/Primes.<br />
Unter der Annahme einer 100%igen Kopplung zwischen den Preisen von Biomasse und<br />
fossilen Energieträgern (in Abbildung 4.9 dargestellt durch die Fehlerindikatoren bzw. die<br />
grauen Rauten) kommt es nur zu einer moderaten Verbesserung der Wirtschaftlichkeit<br />
(wobei Kostensenkungen durch technologische Lerneffekte berücksichtigt sind).<br />
Ob biogene Kraftstoffe in absehbarer Zeit ohne massive steuerliche oder sonstige<br />
energiepolitische Begünstigung gegenüber fossiler Energieträgern in Österreich<br />
wirtschaftlich produziert werden können, ist fraglich. In Zeiten hoher Ölpreise beobachtete<br />
Preisspitzen bei landwirtschaftlichen Erzeugnissen wie im Jahr 2008 geben jedenfalls Grund<br />
15 Auf eine separate Darstellung für das Jahr 2030 wurde daher verzichtet.<br />
16 Des Weiteren kann bei Mikro-KWK-Anlagen (Kleinanlagen bis ca. 50 kW) argumentiert werden,<br />
dass der eigentliche Referenzpreis für Strom nicht über Großhandels- sondern Kleinverbraucherpreise<br />
definiert wird. Auf diesen Aspekt kann hier nicht im Detail eingegangen werden, erwähnt sei nur, dass<br />
bei dezentralen Erzeugungsstrukturen in der Regel trotzdem Übertragungsnetze zur Gewährleistung<br />
der Versorgungssicherheit erforderlich sind, deren Wartung und Instandhaltung auch finanziert werden<br />
muss. Wenn Betreiber dezentraler Anlagen keinen Beitrag dazu leisten müssen, kommt das einer<br />
Förderung gleich.
Biomasse-Nutzungspfade<br />
zur Annahme, dass eine tendenziell zunehmende Korrelation zwischen Energie- und<br />
Agrarpreisen besteht (siehe z.B. auch Schmidhuber, 2007), die zur Folge hat, dass biogene<br />
Kraftstoffe in der Produktion zumindest nicht billiger werden.<br />
Bei der Nutzung biogener Rest- und Abfallstoffe (z.B. Biomethan aus landwirtschaftlichen<br />
Reststoffen oder Abfällen oder FT-Diesel aus Stroh) sind die Bereitstellungskosten in der<br />
Regel verhältnismäßig gering. Ob die Erzeugung von Kraftstoffen aus Abfällen wirtschaftlich<br />
ist, hängt von Faktoren wie der Aufkommensdichte, den erforderlichen Reinigungs- und<br />
Aufbereitungsprozessen, der Anlagengröße und natürlich dem Energiepreisniveau ab.<br />
Aufgrund der in der Regel relativ geringen Aufkommensdichten sind die<br />
Erzeugungskapazitäten bei Anlagen, die für Abfälle und Reststoffe ausgelegt sind, meist<br />
relativ klein, was spezifisch höhere Anlagenkosten mit sich bringt.<br />
Erdgas (LPG)<br />
Ottokraftstoff<br />
Dieselkraftstoff<br />
Vergasungsanlage - 110 MW<br />
Vergasungsanlage - 14 MW<br />
Ethanolanlage (Zellulose) - 125 MW<br />
Fischer-Tropsch-Anlage - 150 MW<br />
Biomethananlage - 3 MW<br />
Biomethananlage - 1.5 MW<br />
Biomethananlage - 300 kW<br />
Bioethanolanlage (Zucker) - 60 MW<br />
Bioethanolanlage (Stärke) - 100 MW<br />
Biodieselanlage - 150 MW<br />
Biodieselanlage - 12 MW<br />
Pflanzenölpresse - 250 MW<br />
Pflanzenölpresse - 500 kW<br />
-25 0 25 50 75 100 125 150<br />
€/MWh (chemisch)<br />
52<br />
20<br />
15<br />
10<br />
5<br />
0<br />
Anlage<br />
Betriebskosten<br />
Rohstoff<br />
Nebenprodukterlös<br />
Stromerlös<br />
Großhandelspreis<br />
Mineralölsteuer<br />
Erzeugungskosten<br />
Abbildung 4-8: Erzeugungskosten biogener und Referenzpreise fossiler Kraftstoffe<br />
(Bezugsjahr 2006, alle Angaben exkl. USt.)<br />
Quellen: eigene Berechnungen (Energy Economics Group, TU <strong>Wien</strong>), Statistik Austria 2010e (Preise<br />
fossiler Energieträger), Technologiedaten: siehe Tabelle 12-1 und 12-2<br />
Kalkulatorischer Zinssatz: 7%, jährliche Volllaststunden mit 8000 h/a angenommen;<br />
Angenommene Preise für Nebenprodukte: Strom: 100 €/MWh (basierend auf dzt. Einspeisetarif),<br />
Glycerin (Biodieselanlagen): 80 €/t, Presskuchen (Pflanzenölpresse – 500 kW): 120 €/t,<br />
Extraktionsschrot (Pflanzenölpresse – 250 MW): 100 €/t<br />
Referenzpreise basieren auf Großhandelspreisen (Quelle!), d.h. Handelsspannen sind nicht<br />
berücksichtigt; für die Mineralölsteuer wurden die aktuellen Steuersätze herangezogen; die<br />
durchschnittlichen Preise für Benzin und Diesel betrugen 2006 lt. Statistik Austria inkl. MöSt, exkl. USt.<br />
90 bzw. 84 €/MWh (1 bzw. 0,84 €/l).<br />
Der Hauptvorteil von Kraftstoffen der zweiten Generation gegenüber konventionellen<br />
Ackerfrüchten wird in der Verbreiterung der Rohstoffbasis gesehen. Da Fischer-Tropsch-<br />
Diesel, Zellulose-Ethanol und sonstige synthetische Kraftstoffe aus forstlichen Ressourcen,<br />
Stroh etc. produziert werden können, ist eine geringere Kopplung der Erzeugungskosten an<br />
Agrarpreisentwicklungen bzw. an die Preise fossiler Energieträger gegeben. Außerdem sind<br />
auf Basis der Kostenstruktur (geringerer Anteil der Rohstoffkosten) durch Kostensenkungen
53<br />
ALPot<br />
bei den Produktionsanlagen (technologisches Lernen) theoretisch stärkere Reduktionen bei<br />
den Erzeugungskosten möglich, als bei Biodiesel und Ethanol.<br />
Derzeitige Kostenabschätzungen für großtechnische Produktionsanlagen von FT-Diesel oder<br />
Zellulose-Ethanol sind mit großen Unsicherheiten behaftet. Außerdem wird bei<br />
Abschätzungen der Erzeugungskosten aufgrund der economies of scale meist von sehr<br />
großen Anlagen ausgegangen, die nur an Standorten mit äußerst günstiger<br />
Rohstoffversorgung realisierbar wären. Ob die Errichtung derartiger Großanlagen in<br />
Österreich bzw. Mitteleuropa, wo in der Regel relativ geringe ungenutzte Rohstoffpotenziale<br />
verfügbar sind, sinnvoll wäre, ist zu hinterfragen.<br />
Häufig wird davon ausgegangen, dass biogene Kraftstoffe der 2. Generation in etwa 20<br />
Jahren wirtschaftlich produziert werden können (siehe z.B. Hamelinck et al., 2006 oder IEA,<br />
2008). Bei den dabei zugrundeliegenden Berechnungen wird von sehr günstigen<br />
Rahmenbedingungen ausgegangen. So ist beispielsweise in Hamelinck et al., 2006<br />
unterstellt, dass bei der Rohstoffbereitstellung massive Kostensenkungen umgesetzt werden<br />
– Eine Annahme, die vor dem Hintergrund der sich verschärfenden Rohstoffkonkurrenz in<br />
Österreich bzw. Europa durchaus fraglich ist.<br />
Erdgas (LPG)<br />
Ottokraftstoff<br />
Dieselkraftstoff<br />
Vergasungsanlage - 110 MW<br />
Vergasungsanlage - 14 MW<br />
Ethanolanlage (Zellulose) - 125 MW<br />
Fischer-Tropsch-Anlage - 150 MW<br />
Biomethananlage - 3 MW<br />
Biomethananlage - 1.5 MW<br />
Biomethananlage - 300 kW<br />
Bioethanolanlage (Zucker) - 60 MW<br />
Bioethanolanlage (Stärke) - 100 MW<br />
Biodieselanlage - 150 MW<br />
Biodieselanlage - 12 MW<br />
Pflanzenölpresse - 250 MW<br />
Pflanzenölpresse - 500 kW<br />
-25 0 25 50 75 100 125 150<br />
€/MWh (chemisch)<br />
20<br />
15<br />
10<br />
5<br />
0<br />
Anlage<br />
Betriebskosten<br />
Rohstoff<br />
Nebenprodukterlös<br />
Stromerlös<br />
Großhandelspreis<br />
Mineralölsteuer<br />
Erzeugungskosten min.<br />
Erzeugungskosten max.<br />
Abbildung 4-9: Erzeugungskosten biogener und Referenzpreise fossiler Kraftstoffe (2030 –<br />
OECD/Primes high Szenario) alle Angaben exkl. USt.)<br />
Quellen: eigene Berechnungen (Energy Economics Group, TU <strong>Wien</strong>), siehe Abb. 4-5, Capros et al.<br />
2008 (Hochpreisszenario – Preissteigerungsraten bis 2030), Technologische Lerneffekte: siehe<br />
Abbildung 12-1 und 12-2<br />
Preise für biogene Energieträger: Niveau 2006 (Balken) bzw. unter der Annahme, dass eine relative<br />
Preiskopplung zw. Rohölpreis und Biomasse von 100% besteht, d.h. relative Preissteigerungen 1:1<br />
auf Biomassepreise weitergegeben werden (dargestellt mit Fehlerindikatoren);<br />
Weitere Annahmen: siehe Kommentare zu Abb. 4-8
Agentenbasierte Modellierung – realisierbares Potenzial<br />
5 Agentenbasierte Modellierung – realisierbares<br />
Potenzial<br />
Das tatsächlich realisierbare Potential an landwirtschaftlicher Energieträgerbereitstellung<br />
hängt neben dem naturräumlich (theoretisch) machbaren (siehe Kapitel 6) und dem<br />
ökonomisch umsetzbaren (siehe Kapitel 7 bzw. 8) Potential auch von der Mobilisierbarkeit<br />
landwirtschaftlicher Flächen ab: Jeder der insgesamt rund 160.000 landwirtschaftlichen<br />
Betriebe Österreichs entscheidet über die Nutzung seiner Flächen. Ob und wie viel von der<br />
landwirtschaftlichen Fläche eines Betriebes für landwirtschaftliche Energieträgerproduktion<br />
genutzt wird, hängt nicht nur von naturräumlichen Gegebenheiten und ökonomischen<br />
Rahmenbedingungen ab, sondern ganz wesentlich von den Prämissen und Präferenzen der<br />
Landwirte.<br />
Eine wesentliche Komponente für die Abschätzung des nachhaltig realisierbaren Bioenergiepotentials<br />
ist daher das Entscheidungsverhalten der Landwirte. Dieses Entscheidungsverhalten<br />
ist einerseits abhängig von agrarischen und energiewirtschaftlichen Rahmenbedingungen,<br />
anderseits von den Merkmalen des landwirtschaftlichen Betriebes und der<br />
persönlichen Charakteristik des Betriebsführers.<br />
Wie und warum sich Landwirte unter bestimmten Rahmenbedingungen für oder gegen die<br />
Bereitstellung von landwirtschaftlichen Energieträgern entscheiden, wurde im Rahmen von<br />
qualitativen Interviews mit Landwirten und landwirtschaftlichen Interessensvertretern<br />
erfragt. Aufbauend auf diesen Interviews wurde in weiterer Folge das agentenbasierte Modell<br />
AGRIEN (AGRIcultura ENergie) entwickelt, welches die Entscheidungen von Landwirten im<br />
Hinblick auf die Nutzung von landwirtschaftlicher Fläche für Energieträgerproduktion<br />
simuliert.<br />
Im Rahmen einer Szenarienanalyse wurden drei agrarische und drei energiewirtschaftliche<br />
Szenarien betrachtet. Es wurden jeweils ein Trendszenario und zwei Extremszenarien<br />
(äußerst vorteilhafte und äußerst hemmende Rahmenbedingungen für Landwirtschaft bzw.<br />
Bioenergieproduktion) simuliert. Mit AGRIEN wurden die insgesamt neun unterschiedlichen<br />
Szenariokombinationen, beginnend bei äußerst vorteilhaften Rahmenbedingungen für Landwirtschaft<br />
und Bioenergieproduktion über die Trendentwicklung für einzelne oder beide<br />
Bereiche bis hin zu äußerst hemmenden und unvorteilhaften Faktoren für Landwirtschaft und<br />
Bioenergie simuliert. Dabei wurde das Potential an landwirtschaftlichen Flächen, welches zur<br />
landwirtschaftlichen Energieträgerproduktion genutzt werden könnte, ermittelt.<br />
In diesem Kapitel werden die folgenden Arbeitsschritte zur Berechnung des realisierbaren<br />
Potentials beschrieben und die Ergebnisse der Szenarioanalyse dargestellt:<br />
• Interviews mit Landwirten und Interessensvertretungen,<br />
• Agentenbasiertes Modell und<br />
• Szenarioanalyse<br />
5.1 Entscheidungsverhalten – Interviews<br />
Um das Entscheidungsverhalten der landwirtschaftlichen Betriebe möglichst realitätsnahe im<br />
Modell abbilden zu können, wurden persönliche und telefonische Interviews mit Landwirten<br />
und landwirtschaftlichen Interessensvertretungen durchgeführt.<br />
54
5.1.1 Interviewpartner<br />
55<br />
ALPot<br />
Bei der Auswahl der Interviewpartner wurde auf eine möglichst breite Streuung hinsichtlich<br />
folgender Merkmale Wert gelegt:<br />
• Betriebstyp<br />
• Betriebsgröße<br />
• Erwerbsart<br />
• Bewirtschaftungsintensität<br />
• Hauptproduktionsgebiet<br />
Vom Frühjahr bis zum Herbst 2009 wurden leitfadenbasierte Interviews durchgeführt. 12<br />
persönliche und ein telefonisches Interview fanden statt. Die Interviewpartner verteilen sich –<br />
nach Betriebstyp, Erfahrung mit Energiepflanzen, Entscheidungsverhalten – grob wie folgt:<br />
• Marktfruchtbetriebe: 4<br />
• Tierhaltungsbetriebe: 3<br />
• Gemischtbetriebe: 4<br />
• Interessensvertreter: 2<br />
• Landwirte mit Erfahrung bezüglich landwirtschaftlicher Energieträgerproduktion: 5<br />
• Landwirte ohne Erfahrung bezüglich landwirtschaftlicher Energieträgerproduktion: 4<br />
• Landwirte, die bereits als Energielieferanten auftreten: 3<br />
• Eher innovativer Entscheidungstypen: 4<br />
• Eher traditioneller Entscheidungstypen: 7<br />
5.1.2 Fragebogen<br />
Abgefragt wurden grundlegende Informationen zum landwirtschaftlichen Betrieb wie zum<br />
Beispiel die Fläche, die vom Betrieb kultiviert wird, die vorwiegend produzierten Kulturarten<br />
am Acker, Grünlandfläche, Tierbestand, oder auch die Anzahl der am Betrieb lebenden<br />
Personen. Weiters wurden Fragen zur Einkommenssituation wie z. B. Erwerbsart (Haupt-<br />
oder Nebenerwerb), durchschnittlich erwirtschafteter Stundenlohn oder zur Art des Nebenerwerbs<br />
und zur Zeitverwendung (Arbeitseinsatz in Stunden pro Jahr, Freizeit in Stunden pro<br />
Woche, etc.) gestellt. Weiters wurde das Entscheidungsverhalten thematisiert. So wurde<br />
z. B. abgefragt, wer am Betrieb über die produzierten Kulturarten entscheidet und ob sich der<br />
Interviewpartner als „innovativen“ oder eher „traditionellen“ Entscheidungstyp einstuft.<br />
Neben den betrieblichen und persönlichen Merkmalen der interviewten Landwirte wurden<br />
auch Rahmenbedingungen, die eine verstärkte Produktion von landwirtschaftlichen Energieträgern<br />
forcieren bzw. hemmen, ebenso wie Zukunftserwartungen abgefragt. Thematisiert<br />
wurde nicht nur die Eigenwahrnehmung („Was brauche ich, damit ich landwirtschaftliche<br />
Energieträger produzieren kann?“) sondern auch Fremdeinschätzungen („Was brauchen<br />
Betriebe, die landwirtschaftlicher Energieträgerproduktion skeptisch gegenüber stehen, um<br />
zur landwirtschaftlichen Energieträgerproduktion überzeugt zu werden?“). Der gesamte<br />
Fragebogen kann im Anhang nachgelesen werden.
Agentenbasierte Modellierung – realisierbares Potenzial<br />
5.1.3 Interviewergebnisse<br />
Am Beginn der Projektlaufzeit wurde eine Hypothese über das Entscheidungsverhalten von<br />
Landwirten in Bezug auf die landwirtschaftliche Energieträgerproduktion formuliert, die sich<br />
eng an die Diffusionstheorie von Everett Rogers (2003) anlehnt. Es wurde angenommen,<br />
dass sich Landwirte gemäß den von Rogers definierten Entscheidungstypen (Innovators,<br />
Early Adopters, Early Majority, Late Majority, Laggards) bei der Entscheidung für oder gegen<br />
landwirtschaftliche Energieträgerproduktion verhalten.<br />
Die Ergebnisse der Interviews zeigen jedoch, dass diese am Beginn der Projektlaufzeit<br />
formulierte Hypothese nicht bestätigt wird. Es zeigt sich vielmehr, dass drei<br />
Entscheidungstypen zu unterscheiden sind:<br />
• Innovative Betriebe,<br />
• Betriebe mit traditionellem Entscheidungsverhalten und<br />
• utilitaristisch entscheidende Betriebe.<br />
5.1.3.1 Innovative Betriebe<br />
Diese Betriebe sind im Vergleich zu den beiden anderen Entscheidungstypen einfacher zur<br />
landwirtschaftlichen Energieträgerproduktion zu bewegen, weil sie „gerne etwas Neues<br />
ausprobieren“ oder „immer vorne dabei sein wollen“. Die Wirtschaftlichkeit des Vorhabens ist<br />
zwar auch für diese Betriebe wichtig, steht aber nicht im Vordergrund. Wenn der Betrieb<br />
andere als wirtschaftliche Vorteile sieht, wie z. B. eine Reduktion der Arbeitszeit oder Sinnstiftung<br />
durch die Tätigkeit, wird sogar eine Reduktion des Haushaltseinkommens akzeptiert.<br />
Innovative Betriebe entscheiden aus Sicht der Interviewpartner risikobereiter als andere<br />
Betriebe. Förderungen für oder auch politische Bekundungen zur Sinnhaftigkeit von landwirtschaftlicher<br />
Energieträgerproduktion sind für diese Betriebe wichtig, weniger aus<br />
ökonomischen, sondern eher aus ideellen Gründen.<br />
Ob ein Betriebsführer innovativ entscheidet oder nicht, hängt ausschließlich von seiner Persönlichkeit<br />
ab, andere gemeinsame Merkmale wie z. B. die Betriebsgröße oder die Einkommenssituation<br />
bestimmen nicht, ob ein Betrieb innovativ geführt wird oder nicht.<br />
Bezüglich des Alters des Betriebsführers merkten die Interviewpartner an, dass sich eher<br />
jüngere Betriebsführer innovativ im Entscheidungsverhalten zeigen.<br />
Einstimmige Meinung der Interviewpartner ist, dass es nur wenige Betriebe gibt, die innovativ<br />
entscheiden. Die Anzahl wird mit 5 % bis 10 % der Betriebe abgeschätzt. Diese innovativen<br />
Betriebe stellen nach Abschätzung der Interviewpartner rund 15 % ihrer Flächen für eine<br />
landwirtschaftliche Energieträgerproduktion zur Verfügung.<br />
5.1.3.2 Betriebe mit traditionellem Entscheidungsverhalten<br />
Die Entscheidungen von Betrieben mit traditionellem Entscheidungsverhalten hängen<br />
wesentlich vom Produktions- und Erwerbstyp sowie von der Einkommenssituation des<br />
Betriebes ab.<br />
Betriebe mit Tierhaltung<br />
• Sind zwar betriebswirtschaftlich orientiert, halten allerdings an der Viehwirtschaft fest,<br />
solange ein bestimmter Mindestlebensstandard aufrecht erhalten werden kann.<br />
• Es stehen oft keine Flächen für eine Energieträgerproduktion zur Verfügung, da diese<br />
Flächen für die Viehzucht benötigt werden, Fläche kann oft nicht zugepachtet werden,<br />
da auch die anderen Landwirte in der Region ihre Flächen für die Viehzucht bzw.<br />
Futterproduktion benötigen.<br />
56
57<br />
ALPot<br />
• Wird die Tierhaltung einmal aufgegeben, stellt die Energieträgerproduktion eine<br />
attraktive Alternative dar, zumal ethische Bedenken (die Fläche nicht zur<br />
Nahrungsmittelproduktion zu nutzen) wie sie bei Marktfruchtbetrieben von den<br />
Interviewpartnern vielfach geäußert wurden, wegfallen, bzw. die Nutzung der Fläche<br />
zur Energieträgerproduktion im Vergleich zu einer Verwaldung oder Versiegelung der<br />
Fläche sogar positiv gesehen wird.<br />
• Auch wenn durch die Betriebsaufgabe der Nachbarbetriebe zusätzliche Fläche zur<br />
Verfügung steht, stellt die Energieträgerproduktion eine attraktive Alternative zur<br />
Nutzung dieser Fläche dar.<br />
• Kleinere Vollerwerbsbetriebe stehen oft im Überlebenskampf, es gibt weder<br />
finanziellen noch arbeitszeitlichen Spielraum für die Energieträgerproduktion,<br />
aufgrund der mangelnden Liquidität können maximal landwirtschaftliche Energieträger<br />
ohne Investitionsaufwand bereitgestellt werden.<br />
• Größere Vollerwerbsbetriebe sind zumeist gut funktionierende Betriebe, die keinen<br />
Anreiz zum Umstieg auf Energieträgerproduktion haben, insbesondere aufgrund des<br />
Flächenmangels und der ohnehin schon hohen Arbeitsbelastung. Erst wenn der<br />
gewünschte Mindestlebensstandard nicht mehr aufrecht erhalten werden kann, weil<br />
sich die Einkommenssituation verschlechtert (z. B. aufgrund von der Verschlechterung<br />
agrarökonomischer Rahmenbedingungen) oder die Arbeitsbelastung zu hoch ist (z. B.<br />
durch Krankheit eines Familienmitgliedes, Scheidung, etc.) und es zu einer Stilllegung<br />
des Betriebes kommen könnte, wird die Produktion von landwirtschaftlichen<br />
Energieträgern als Option gesehen.<br />
• Nebenerwerbsbetriebe sind durch die Nebentätigkeit und das daraus resultierende<br />
Einkommen finanziell unabhängiger als Vollerwerbsbetriebe und können daher<br />
flexibler reagieren; ist die Arbeitszeitbelastung durch die Viehwirtschaft zu hoch, stellt<br />
die Energieträgerproduktion eine Alternative dar.<br />
• Die Wahrscheinlichkeit, dass ein florierender Betrieb mit Tierhaltung Fläche zur<br />
Energieträgerproduktion nutzt, ist zwar geringer im Vergleich zu Marktfruchtbetrieben,<br />
allerdings gibt es für Betriebe mit Tierhaltung mehrere mögliche „Anlassfälle“ oder<br />
„Trigger“, die einen Umstieg auf Energieträgerproduktion begünstigen. Solche Trigger<br />
sind:<br />
o Hofübernahme durch einen Nachfolger<br />
o Arbeitszeitknappheit z. B. Scheidung, Krankheit, etc.<br />
o Investitionserfordernisse in die betriebliche Infrastruktur (z. B. Stallungen)<br />
o Flächen können zugepachtet werden.<br />
• Der Anteil der Fläche, den diese Betriebe mit Tierhaltung zur Energieträgerbereitstellung<br />
nutzen, wird mit maximal 10 % abgeschätzt.<br />
Marktfruchtbetriebe<br />
• Orientieren sich bei betrieblichen Entscheidungen wesentlich stärker am erzielbaren<br />
Deckungsbeitrag als Betriebe mit Tierhaltung.<br />
• Können wesentlich flexibler reagieren als Betriebe mit Tieren, da die Fixkosten der<br />
landwirtschaftlichen Produktion wesentlich geringer sind (diese Betriebe benötigen<br />
keine Stallungen und keinen Tierbestand).<br />
• Wenn der Deckungsbeitrag (inklusive Förderungen) für Energieträger im Vergleich<br />
zum Deckungsbeitrag für Nahrungsmittelproduktion höher ist und die sonstige<br />
Rahmenbedingungen passen (z. B. Abnahmemöglichkeit der Energieträger, stabile<br />
Markterwartung), ist die Energieträgerproduktion für sie eine attraktive Alternative.
Agentenbasierte Modellierung – realisierbares Potenzial<br />
• Förderungen begünstigen die Entscheidung für die landwirtschaftliche<br />
Energieträgerproduktion bei Marktfruchtbetrieben, einerseits aus ökonomischen<br />
Gründen und anderseits durch den Ausdruck des politischen Willens,<br />
landwirtschaftliche Energieträgerproduktion zu forcieren, und das damit verbundene<br />
positive Image für die landwirtschaftliche Energieträgerproduktion.<br />
• Ethische Gesichtspunkte, die verfügbare Fläche nicht für Nahrungsmittelproduktion zu<br />
nutzen und damit zu einer weltweiten Nahrungsmittelverknappung beizutragen, wirken<br />
sich hemmend aus.<br />
• Der Anteil der Fläche, den Marktfruchtbetriebe zur Energieträgerbereitstellung nutzen,<br />
wird mit bis zu 10 % abgeschätzt.<br />
Gemischte Betriebe<br />
• Reagieren auf ihren Ackerflächen wie Marktfruchtbetriebe.<br />
• Reagieren auf Grünlandflächen wie Betriebe mit Tierhaltung.<br />
• Haben zumeist auch Forstflächen in Bewirtschaftung und sind daher aus der<br />
Erfahrung mit dem Forst eher bereit, Kurzumtriebsflächen oder Miscanthus<br />
auszuprobieren.<br />
• Der Anteil der Fläche, den gemischte Betriebe zur Energieträgerbereitstellung nutzen,<br />
wird mit bis zu 25 % abgeschätzt.<br />
Die Interviewpartner schätzen den Anteil der traditionellen Betriebe mit 75 % bis 80 % ein.<br />
5.1.3.3 Utilitaristisch entscheidende Betriebe<br />
Für utilitaristisch entscheidende Betriebe stehen Preis- und Markterwartung im Vordergrund<br />
bei der Entscheidung für die landwirtschaftliche Energieträgerproduktion. Förderungen für<br />
die Energieträgerproduktion haben keinen so bedeutenden Einfluss auf die<br />
Energieträgerproduktion, wie dies bei traditionellen oder innovativen Betrieben der Fall ist.<br />
Bei einer langfristig abzusehenden positiven Entwicklung der Preise und Märkte für<br />
landwirtschaftliche Energieträger wird ein bedeutender Teil der Fläche (bis zu 40 %) für die<br />
Energieträgerproduktion genutzt. Zeitknappheit stellt hier kein Hindernis dar, da externe<br />
Arbeitskräfte in Anspruch genommen werden. Aufgrund der höheren<br />
Investitionserfordernisse bei Betrieben mit Tierhaltung, kann davon ausgegangen werden,<br />
dass sich die landwirtschaftliche Energieträgerproduktion beim utilitaristisch entscheidenden<br />
Marktfruchtbetrieb eher rentiert als beim utilitaristisch entscheidenden Betrieb mit<br />
Tierhaltung. Utilitaristisch entscheidende Betriebsführer sind aus Sicht der Interviewpartner<br />
eher jünger und eher gut gebildet.<br />
5.1.3.4 Hemmende Faktoren für Energieträgerproduktion<br />
Im Folgenden werden die von den Interviewpartnern genannten hemmenden Faktoren für<br />
die landwirtschaftliche Energieträgerproduktion zusammengefasst:<br />
Persönliche Faktoren<br />
• Risikoaversion/Risikoscheues Verhalten<br />
• Noch nicht ausgereifte Anbau- bzw. Ernteverfahren bei bestimmten Kulturarten<br />
• Mangelnde Kooperationsbereitschaft (gilt in erster Linie für <strong>ENERGIE</strong>erzeugung z. B.<br />
mittels Biogasanlage und weniger für Produktion landwirtschaftlicher Energieträger, ist<br />
oft genossenschaftlich organisiert und damit Kooperationsfähigkeit erforderlich)<br />
58
59<br />
ALPot<br />
• Persönliches Wertesystem nicht passend zur Energieträgerproduktion:<br />
Energieproduktion wird als ethisch nicht vertretbar gesehen, weil Lebensmittel<br />
produziert werden könnten.<br />
• Zu wenig Erfahrung des Landwirts mit einer Kulturart z. B. mit Ölfrüchten<br />
• Gebundenheit an die Vorstellungen der Elterngeneration<br />
Betriebsinterne Faktoren<br />
• Tierhaltung, die nicht aufgegeben werden soll, und damit zu wenig<br />
Flächenverfügbarkeit<br />
• Zu wenig Arbeitskraft/Arbeitszeit verfügbar<br />
• Zu geringe Liquidität<br />
• Langfristig gebundenes Kapital (z. B. durch kürzliche Investitionen in Stall)<br />
Externe Faktoren<br />
• Preisinstabilität<br />
• Fehlende Förderkontinuität<br />
• Fehlende Rentabilität<br />
• Flächenknappheit<br />
• Einschränkung der zukünftigen Wahlfreiheit (z. B. bei Kurzumtrieb)<br />
• Erhöhter Arbeitsaufwand (z. B. bei Rapspflege)<br />
• Verstärkte Intensivierung (z. B. bei Rapspflege)<br />
• Unzureichende Abnahmemöglichkeit der Energieträger, Entfernung zur nächsten<br />
Veredelung/Energieträgerweiterverarbeitung<br />
• Zu wenig Information (Beratung) für Neueinsteiger<br />
• Nachfrage langfristig nicht gesichert.<br />
• Bürokratische Förderabwicklung<br />
Naturräumliche Faktoren<br />
• Standortbedingungen und/oder Bewirtschaftungsverfahren bestimmter Kulturarten für<br />
den Betrieb nicht passend<br />
• Fruchtfolgenproblematik – Folgekosten der Rekultivierung (bei Kurzumtrieb)<br />
5.1.3.5 Begünstigende Faktoren für Energieträgerproduktion<br />
Im Folgenden werden die von den Interviewpartnern genannten Faktoren, die eine<br />
landwirtschaftliche Energieträgerproduktion begünstigen, zusammengefasst.<br />
Persönliche Faktoren<br />
• Innovative Haltung, Neugier, Aufgeschlossenheit, bessere Ausbildung,<br />
Technikbegeisterung<br />
• Wertehaltung – Wunsch, etwas Positives zu tun<br />
• Jugend
Agentenbasierte Modellierung – realisierbares Potenzial<br />
Betriebsinterne Faktoren<br />
• Hofübernahme (insbesondere bei Tierbetrieben relevant, Entscheidung, ob in Stall<br />
investiert wird oder extensiviert wird, Energieträgerproduktion ist eine Alternative)<br />
• Investitionsentscheidungen stehen an.<br />
• Reduktion der Arbeitskraft (z. B. durch Alter, Abwanderung der nächsten Generation,<br />
außerlandwirtschaftliche Erwerbsarbeit)<br />
• Finanzielle Unabhängigkeit, z. B. bei Nebenerwerb oft gegeben.<br />
• Fläche kann zugepachtet werden.<br />
• Zu geringes Haushaltseinkommen, weitere Einkommensquellen werden gesucht.<br />
• Angeschlagenes<br />
Großbetriebe).<br />
Betriebsimage, das aufgebessert werden soll (betrifft nur<br />
Externe Faktoren<br />
• Image der Energieträgerproduktion<br />
• Funktionierende Kooperation, insbesondere bei Maschinennutzung und Ausgleichen<br />
von Arbeitsspitzen in Form z. B. des Maschinenrings<br />
• Startförderung und laufende Kostendeckung<br />
• Abnahmeverträge<br />
• Angemessene, nicht geregelte freie Preise, Nachfrage muss passen.<br />
• Förderungen<br />
• Geringe Preise für Nahrungsmittel<br />
• Indexgebundene Einspeisetarife<br />
• Zahlungssicherheit/attraktive Zahlungskonditionen<br />
Naturräumliche Faktoren<br />
• Sumpfige Wiesen können insbesondere für Kurzumtrieb verwendet werden.<br />
• Grenzertragsböden können für Energieträgerproduktion genutzt werden.<br />
5.2 Agentenbasiertes Modell AGRIEN<br />
Aufbauend auf den Interviews wurde in weiterer Folge das agentenbasierte Modell AGRIEN<br />
(AGRIcultura ENergie) entwickelt, welches die Entscheidungen von Landwirten im Hinblick<br />
auf die Nutzung von landwirtschaftlicher Fläche für Energieträgerproduktion simuliert.<br />
Agentenbasierte Modelle erlauben es, das Verhalten von individuellen und kollektiven<br />
Akteuren abzubilden. Die Handlungen können dabei von einfachsten Entscheidungsregeln<br />
bestimmt sein, oder es können komplexe kognitive Prozesse der Informationsverarbeitung<br />
und Entscheidungsfindung eine Rolle spielen. Diese Art der Modellierung fußt zum einen auf<br />
dem Ansatz der sozialen Simulation (vgl. Esser und Troitzsch, 1991), zum anderen auf dem<br />
Software-Engineering-Ansatz zur Herstellung von intelligenter Software, der aus dem<br />
Bereich der Künstlichen Intelligenz erwachsen ist (Ferber, 1999; Weiss, 2000).<br />
Im Rahmen des vorliegenden Projektes dient das agentenbasierte Modell AGRIEN zur<br />
Simulation der Auswirkungen unterschiedlicher Rahmenbedingungen auf das Verhalten von<br />
60
61<br />
ALPot<br />
Landwirten hinsichtlich der Biomasse- und Energieerzeugung. Daraus können<br />
Schlussfolgerungen zur Mobilisierbarkeit der Potenziale gezogen werden.<br />
Agentenbasierte Simulationsmodelle bestehen aus Agenten und der Umwelt, in der die<br />
Agenten agieren. Nach der Definition von (Ferber 1999) sind Agenten (sinngemäß)<br />
physische oder virtuelle Einheiten, die<br />
• ihre Umwelt bzw. Teile davon wahrnehmen können.<br />
• innerhalb ihrer Umwelt agieren,<br />
• direkt mit anderen Agenten kommunizieren,<br />
• bestrebt sind, ihre Ziele zu erreichen, und ihr Verhalten danach ausrichten,<br />
• über eigene Ressourcen und Fähigkeiten verfügen,<br />
• Services bereitstellen und<br />
• sich selbst reproduzieren können.<br />
Agenten im hier beschriebenen agentenbasierten Simulationsmodell AGRIEN sind<br />
landwirtschaftliche Betriebe, deren Verhalten auf Basis der beschriebenen Interviews im<br />
Modell abgebildet wurde. Die landwirtschaftlichen Betriebsagenten sind durch deren<br />
Flächencharakteristik, Kosten- und Einkommenscharakteristik sowie durch deren<br />
sozioökonomische Charakteristik beschrieben und treffen Entscheidungen bezüglich deren<br />
Flächennutzung, die gemeinsam mit den Entscheidungen anderer Betriebsagenten den<br />
Modelloutput bestimmt. Modelloutput ist die Fläche, die für landwirtschaftliche<br />
Bioenergieproduktion genutzt wird und die Anzahl der Betriebe, die sich für<br />
landwirtschaftliche Energieträgerproduktion entscheiden.<br />
Die folgende Graphik zeigt die Grundstruktur des im Rahmen dieses Projekts entwickelten<br />
agentenbasierten Modells AGRIEN.<br />
Inputs Outputs<br />
Flächencharakteristik<br />
Kosten- und<br />
Einkommenscharakteristik<br />
Sozioökonomische<br />
Charakteristik<br />
ABM<br />
landwirtschaftlicher<br />
Betrieb<br />
Interviews<br />
Abbildung 5-1: Struktur des Modells AGRIEN<br />
Quelle: Eigene Darstellung (Österreichische Energieagentur)<br />
ha Fläche<br />
Bioenergie<br />
Anzahl der<br />
Betriebe
Agentenbasierte Modellierung – realisierbares Potenzial<br />
5.2.1 Modellierung der Agenten<br />
Interaktion der Agenten in AGRIEN<br />
Landwirtschaftliche Betriebe in AGRIEN, die bereits positive Erfahrung mit der Produktion<br />
landwirtschaftlicher Energieträger sammeln konnten, kommunizieren mit anderen<br />
landwirtschaftlichen Betrieben über die Vorteile der Energieträgerproduktion. Die so<br />
„beratenen“ Betriebe entscheiden sich nun abhängig von ihren persönlichen, betrieblichen<br />
und externen Rahmenbedingungen nach einer Bedenkzeit von ein bis zwei Jahren für oder<br />
gegen eine landwirtschaftliche Energieträgerproduktion. Die Intensität der Kommunikation<br />
wird in AGRIEN mittels einer Kontaktrate definiert und ist für die hier durchgeführten<br />
Berechnungen mit 10 Gesprächen pro Jahr mit anderen Landwirten zum Thema<br />
landwirtschaftliche Bioenergieproduktion angenommen.<br />
Der landwirtschaftliche Betrieb als Agent<br />
Der Agent „landwirtschaftlicher Betrieb“ ist im Modell definiert durch rund 20 verschiedene<br />
Merkmale. Das Entscheidungsverhalten umfasst unterschiedliche Reaktionsmöglichkeiten<br />
des Betriebes auf Veränderungen der Umweltbedingungen und auf Informationen, die von<br />
anderen landwirtschaftlichen Betrieben übermittelt werden. Wesentliche Merkmale sind:<br />
• Entscheidungstyp<br />
• Produktionstyp<br />
• Betriebsgröße<br />
• Flächenverteilung Acker/Grünland<br />
• Erwerbstyp<br />
• Einkommenscharakteristik<br />
Es wurden auf Basis der Interviewergebnisse die ermittelten Entscheidungstypen gemäß<br />
der folgenden Verteilung in AGRIEN implementiert:<br />
• 5 % innovative Betriebe<br />
• 20 % utilitaristisch entscheidende Betriebe<br />
• 75 % traditionell entscheidende Betriebe<br />
Folgende Produktionstypen wurden aus der Agrarstrukturerhebung zusammengefasst 17 :<br />
• Marktfrucht,<br />
• Tierhaltung (Futterbau und Veredelung) sowie<br />
• Gemischtbetriebe (landwirtschaftlicher Gemischtbetrieb und Kombinationsbetrieb).<br />
Die Verteilung der Produktionstypen erfolgt abhängig vom Hauptproduktionsgebiet 18 gemäß<br />
folgenden Daten der Agrarstrukturerhebung 1999.<br />
17<br />
Da Forstbetriebe für die hier bearbeitete Fragestellung von untergeordneter Bedeutung sind,<br />
wurden diese nicht simuliert.<br />
18<br />
Das Hauptproduktionsgebiet Hochalpengebiet wurde hier nicht betrachtet, da die Energieträgerproduktion<br />
in diesem Gebiet eine untergeordnete Rolle spielt.<br />
62
25.000<br />
20.000<br />
15.000<br />
10.000<br />
5.000<br />
‐<br />
Hochalpengebiet (HAG)<br />
Voralpengebiet (VAG)<br />
Marktfrucht Tierhaltung Gemischtbetrieb<br />
Alpenostrand (AOR)<br />
Wald‐ und Mühlviertel (WuMV)<br />
Kärntner Becken (KB)<br />
63<br />
Alpenvorland (AVL)<br />
südöstliches Flach‐ und Hügelland (SÖ FuH)<br />
nordöstliches Flach‐ und Hügelland (NÖ FuH)<br />
Abbildung 5-2: Anzahl der Betriebe nach Produktionstypen und nach Hauptproduktionsgebieten<br />
Quelle: Statistik Austria (2001)<br />
ALPot<br />
Die Verteilung der Erwerbstypen konnte mangels Datengrundlage nicht nach<br />
Hauptproduktionsgebieten differenziert werden, da die Agrarstrukturerhebung dieses<br />
Merkmal auf regionaler Ebene nur nach Bundesländern differenziert ausweist. Laut<br />
Agrarstrukturerhebung 2007 lag der Anteil der Haupterwerbsbetriebe bei rund 40 % und<br />
dementsprechend der Anteil der Nebenerwerbsbetriebe bei rund 60 %. Die folgende Tabelle<br />
zeigt den Anteil der Haupt- und Nebenerwerbsbetriebe differenziert nach Produktionstypen<br />
für das Jahr 1999 und 2007, im Modell wird die Verteilung aus 2007 übernommen.<br />
Tabelle 5-1: Verteilung Erwerbstypen<br />
Quelle: Statistik Austria (2008): Agrarstrukturerhebung 2007 und Statistik Austria (2001):<br />
Agrarstrukturerhebung 1999<br />
2007 1999<br />
Haupterwerb Nebenerwerb Haupterwerb Nebenerwerb<br />
Marktfruchtbetrieb 43 % 57 % 40 % 60 %<br />
Tierhaltungsbetrieb 54 % 46 % 51 % 49 %<br />
Gemischtbetrieb 34 % 66 % 36 % 64 %<br />
Die Betriebsgrößen wurden gemäß der Betriebsgrößenklassenverteilung der<br />
Agrarstrukturerhebung 1999 differenziert nach Hauptproduktionsgebieten und<br />
Produktionstypen ermittelt (siehe dazu im Anhang).<br />
Die Flächenverteilung auf Acker- und Grünlandfläche wurde aus der<br />
Agrarstrukturerhebung 1999 übernommen (Forstflächen werden in diesem Modell nicht
Agentenbasierte Modellierung – realisierbares Potenzial<br />
berücksichtigt.). Auch hier liegen keine Daten je Hauptproduktionsgebiet vor, daher musste<br />
diese Verteilung für alle Hauptproduktionsgebiete unterstellt werden.<br />
Tabelle 5-2: Flächenverteilung Acker- und Grünlandfläche<br />
Quelle: Agrarstrukturerhebung 2007, nicht differenziert auf HPGs<br />
Ackerfläche Grünlandfläche<br />
Marktfruchtbetrieb 95 % 5 %<br />
Tierhaltungsbetrieb 33 % 67 %<br />
Gemischtbetrieb 34 % 66 %<br />
Die folgende Abbildung zeigt den Zusammenhang zwischen Betriebsgröße in Hektar<br />
bewirtschaftete Fläche und dem durchschnittlichen Standarddeckungsbeitrag je Betrieb. Es<br />
zeigt sich eindeutig, dass größere Betriebe höhere Deckungsbeiträge aufweisen.<br />
Anteil in %<br />
100%<br />
90%<br />
80%<br />
70%<br />
60%<br />
50%<br />
40%<br />
30%<br />
20%<br />
10%<br />
0%<br />
0 ha bis unter 30 ha 30 ha und mehr<br />
unter 2.000<br />
2.000 bis unter 4.000<br />
4.000 bis unter 6.000<br />
6.000 bis unter 8.000<br />
8.000 bis unter 12.000<br />
12.000 bis unter 16.000<br />
16.000 bis unter 20.000<br />
20.000 bis unter 25.000<br />
25.000 bis unter 35.000<br />
35.000 bis unter 40.000<br />
40.000 bis unter 65.000<br />
65.000 bis unter 110.000<br />
Standarddeckungsbeitrag in €<br />
Abbildung 5-3: Standarddeckungsbeitrag und Betriebsgröße im Jahr 2007<br />
Quelle: Österreichische Energieagentur 2010<br />
Zur Bestimmung der Einkommenscharakteristik wurde daher jedem Betrieb, abhängig vom<br />
Erwerbstyp und der Betriebsgröße, ein ganzer Wert auf einer Skala von 0 bis 3 zugewiesen,<br />
der folgendermaßen zu interpretieren ist:<br />
• 3: gute Einkommenssituation<br />
• 2: eher gute Einkommenssituation<br />
• 1: eher schlechte Einkommenssituation<br />
• 0: schlechte Einkommenssituation<br />
64
5.2.1.1 Sensorik landwirtschaftlicher Betriebesagenten<br />
65<br />
ALPot<br />
Agenten im agentenbasierten Modell nehmen Teile ihrer Umwelt wahr und verfügen damit<br />
über eine bestimmte Sensorik. Die Agenten in AGRIEN nehmen ihre Umwelt wahr über<br />
• die Relation der Deckungsbeiträge bei Energieträgerproduktion im Vergleich zur<br />
Nahrungsmittelproduktion,<br />
• die agrarischen Rahmenbedingungen (Flächenrückgang, Reduktion<br />
•<br />
landwirtschaftlicher Betriebe, ökonomische Rahmenbedingungen),<br />
die Rahmenbedingungen für Bioenergie wie Risiko- und Markterwartungen, sowie<br />
• Informationen anderer Landwirte zum Thema Bioenergieproduktion,<br />
und entscheiden sich abhängig von persönlichen und betrieblichen Bedingungen für oder<br />
gegen die Produktion landwirtschaftlicher Energieträger.<br />
5.2.2 Weitere Modellaspekte<br />
Dynamik in AGRIEN<br />
Folgende Veränderungen der Rahmenbedingungen werden in AGRIEN dynamisch<br />
modelliert 19 :<br />
• Änderung der Anzahl der Betriebe differenziert nach Produktionstyp und Erwerbstyp<br />
• Änderung der bewirtschafteten landwirtschaftlichen Flächen<br />
Die folgende Tabelle zeigt die Wachstums- bzw. Sterberate von Betrieben pro Jahr,<br />
berechnet aus den Agrarstrukturerhebungen 1999 und 2007.<br />
Tabelle 5-3: Veränderungsrate der Anzahl der Betriebe<br />
Quellen: Statistik Austria (2001/08)<br />
in % des Ausgangswertes Haupterwerb Nebenerwerb<br />
Marktfruchtbetrieb -1,03 % -2,21 %<br />
Tierhaltungsbetrieb -0,61 % -1,38 %<br />
Gemischtbetrieb -1,40 % -1,75 %<br />
Die jährliche Veränderungsrate für Ackerland in Prozent der Ackerfläche 2007 liegt bei -<br />
0,08 % und jene für Grünland bei 0,53 %. Beide Werte wurden auf Basis der im Kapitel 3.3.1<br />
getroffenen Annahmen berechnet.<br />
Räumliche Abgrenzung<br />
AGRIEN wurde für die folgenden Hauptproduktionsgebiete entwickelt:<br />
• Voralpengebiet („VAG“)<br />
• Alpenostrand („AOR“)<br />
19<br />
Veränderungen im Rahmen der Szenarioanalyse werden im Kapitel 5.3 Szenarioanalyse<br />
beschrieben.
Agentenbasierte Modellierung – realisierbares Potenzial<br />
• Wald- und Mühlviertel („WuMV“)<br />
• Kärntner Becken („KB“)<br />
• Alpenvorland („AVL“)<br />
• Südöstliches Flach- und Hügelland („SÖ Fu HL“)<br />
• Nordöstliches Flach- und Hügelland („NÖ Fu HL“)<br />
Die Simulation erfolgt gesondert für jedes Hauptproduktionsgebiet. Das Hauptproduktionsgebiet<br />
Hochalpengebiet wurde hier nicht betrachtet, da die Potenziale zur<br />
Energieträgerproduktion in diesem Gebiet als vernachlässigbar erachtet werden.<br />
Neben der dynamischen Veränderung der Rahmenbedingungen werden auch Auslöser,<br />
welche die Entscheidung, Energieträger zu produzieren, beeinflussen können, in AGRIEN<br />
simuliert. So wird z. B. je Betrieb der Zeitpunkt für die nächste Investition exponentialverteilt<br />
mit einem durchschnittlichen Investitionsintervall von 30 Jahren simuliert.<br />
Zeitliche Abgrenzung<br />
AGRIEN ist für einen Simulationszeitraum von 2001 bis 2030 konzipiert.<br />
Stochastik<br />
Obwohl das Simulationsmodell größtenteils deterministisch angelegt ist, finden sich einige<br />
stochastische Prozesse. So sind z. B. die bewirtschaftete Fläche eines landwirtschaftlichen<br />
Betriebs oder die Häufigkeit, mit der ein Betrieb über landwirtschaftliche<br />
Bioenergieproduktion von einem anderen Betrieb informiert wird, und auch die<br />
Familienstruktur stochastisch simuliert: Ob ein Kind geboren wird, ein älterer Mensch stirbt,<br />
ein Familienmitglied durch Heirat hinzu kommt oder durch Scheidung den Hof verlässt, ist<br />
nicht nur von der Charakteristik des Betriebes bestimmt, sondern auch an<br />
Wahrscheinlichkeitsverteilungen geknüpft. Neben der demografischen Entwicklung der<br />
Haushalte finden sich stochastische Prozesse auch bei den Aktionen der<br />
landwirtschaftlichen Betriebe, wie im folgenden Kapitel beschrieben.<br />
Aktionen der landwirtschaftlichen Betriebsagenten und Entscheidungsverhalten<br />
Welche Aktionen ein landwirtschaftlicher Betrieb setzt, hängt von seiner<br />
Betriebscharakteristik und von den Umweltbedingungen ab.<br />
Grundsätzlich können Betriebe in AGRIEN folgende Aktionen setzen:<br />
• Flächen zur landwirtschaftlichen Energieträgerproduktion nutzen<br />
• Mit anderen Landwirten über landwirtschaftlichen Energieträgerproduktion kommunizieren<br />
(siehe Interaktion der Agenten S. 62)<br />
• Fläche pachten/verpachten<br />
• Den landwirtschaftlichen Betrieb aufgeben<br />
• Flächen aus der landwirtschaftlichen Nutzung nehmen 20<br />
Kleine Betriebe mit schlechter Einkommenssituation kommen für die beobachtbare und im<br />
Rahmen der Modelldynamik simulierte Flächenreduktion und Reduktion der Anzahl der<br />
20 Im Modell wird keine weitere Annahme darüber getroffen, was mit diesen Flächen passiert, in der<br />
Realität werden derartige Flächen aufgeforstet, verwalden langsam oder werden versiegelt.<br />
66
67<br />
ALPot<br />
Betriebe in Betracht. Wird ein Betrieb im Modell aufgegeben, pachtet ein anderer Betrieb<br />
diese Fläche. Es wird angenommen, dass Flächen, die zur Pacht angeboten werden, immer<br />
verpachtet werden können.<br />
Ob und wie viel Fläche zur landwirtschaftlichen Energieträgerproduktion genutzt wird, hängt<br />
von der Betriebscharakteristik, von den agrarischen und energiewirtschaftlichen<br />
Rahmenbedingungen sowie von den oben beschriebenen stochastischen Parametern ab.<br />
Das Entscheidungsverhalten wurde eng in Anlehnung an die im vorigen Kapitel<br />
beschriebenen Interviewergebnisse in AGRIEN implementiert. Je besser die<br />
Rahmenbedingungen für Bioenergie, umso wahrscheinlicher ist es, dass sich ein<br />
landwirtschaftlicher Betrieb für Bioenergie entscheidet.<br />
Utilitaristische Betriebe entscheiden sich bei optimalen Rahmenbedingungen mit Sicherheit<br />
zur Energieträgerproduktion. Im Bioenergie-TREND- und -CONTRA-Szenario spielen die<br />
utilitaristischen Betriebe keine Rolle bei der Energieträgerproduktion, da die Relation der<br />
Deckungsbeiträge Energieträgerproduktion zu Nahrungsmittelproduktion zu gering für ein<br />
Reagieren der utilitaristischen Betriebe ist. Im Bioenergie-PRO-Szenario stellen aber fast alle<br />
utilitaristisch entscheidenden Betriebe landwirtschaftliche Energieträger bereit, da die<br />
Bedingungen für die Bioenergieproduktion sehr vorteilhaft sind.<br />
Innovative Betriebe entscheiden sich nicht direkt auf Basis der ökonomischen<br />
Rahmenbedingungen für die Energieträgerproduktion, allerdings steigt mit der Verbesserung<br />
der ökonomischen Rahmenbedingungen auch die Anzahl der innovativen Betriebe, die sich<br />
zur Bioenergieproduktion entschließen.<br />
Das Entscheidungsverhalten der traditionellen Betriebe wird differenziert nach<br />
Produktionstyp, Erwerbstyp und Betriebsgröße simuliert. Ein traditioneller Tierbetrieb<br />
entscheidet sich nur, wenn ein bestimmter Auslöser (siehe dazu Verhalten Betriebe mit<br />
Tierhaltung S. 56) eintritt, für die Energieträgerproduktion. Je vorteilhafter die<br />
Rahmenbedingungen für Bioenergie sind, umso größer ist die Wahrscheinlichkeit, dass sich<br />
dieser Betrieb für die Energieträgerproduktion entscheidet. Kleine Betriebe mit Tierhaltung<br />
wählen mit höherer Wahrscheinlichkeit die Energieträgerproduktion als große Betriebe.<br />
Marktfruchtbetriebe reagieren wie die utilitaristischen Betriebe sensitiv auf die<br />
Deckungsbeitragsrelation, sind aber auch bei geringeren Relationen zur<br />
Energieträgerproduktion zu bewegen. Allerdings ist die Wahrscheinlichkeit für eine<br />
Energieträgerproduktion bei sehr vorteilhaften Bioenergiebedingungen nicht so hoch wie bei<br />
utilitaristischen Betrieben. Gemischte Betriebe reagieren auf ihren Grünlandflächen wie<br />
Betriebe mit Tierhaltung und auf Ackerflächen wie Marktfruchtbetriebe.<br />
Softwaretechnische Realisierung<br />
AGRIEN wurde mit der Software AnyLogic implementiert. AnyLogic ist ein dynamisches<br />
Simulationswerkzeug der Firma XJ Technologies, welches auf Java Eclipse Framework<br />
basiert.<br />
5.3 Szenarioanalyse<br />
Da die Entscheidungen der Landwirte wesentlich von den agrarischen und<br />
energiewirtschaftlichen Rahmenbedingungen abhängen, diese aber nicht belastbar<br />
prognostiziert werden können, werden hier jeweils drei unterschiedliche Szenarien für<br />
agrarische und energiewirtschaftliche Zukunftsentwicklungen untersucht. Es wurden jeweils<br />
ein Trendszenario und zwei Extremszenarien simuliert. Die Extremszenarien umfassen ein<br />
PRO-Szenario, welches von äußerst vorteilhaften Rahmenbedingungen für Landwirtschaft<br />
bzw. Bioenergieproduktion ausgeht und ein CONTRA-Szenario, welches von äußerst
Agentenbasierte Modellierung – realisierbares Potenzial<br />
hemmenden bzw. ungünstigen Rahmenbedingungen für Landwirtschaft bzw.<br />
Bioenergieproduktion ausgeht.<br />
5.3.1 Szenarien der Zukunftsentwicklungen im Bereich Landwirtschaft<br />
Drei Rahmenbedingungen im Bereich der Landwirtschaft wurden variiert:<br />
• Agrarökonomische Rahmenbedingungen (landwirtschaftliche Förderungen, erzielbare<br />
Deckungsbeiträge für landwirtschaftliche Produkte)<br />
• Rückgang der bewirtschafteten Acker- und Grünlandfläche<br />
• Rückgang der Anzahl der Betriebe<br />
In den beiden folgenden Tabellen sind die Szenarioannahmen im Überblick dargestellt.<br />
Tabelle 5-4: Szenarien Landwirtschaft<br />
Quelle: Eigene Annahmen (Österreichische Energieagentur)<br />
Trend Pro Contra<br />
Agrarökonomische<br />
Rahmenbedingungen<br />
Gleichbleibend Verbesserung Verschlechterung<br />
Wirkung -<br />
68<br />
Einkommenssituation der<br />
Betriebe auf einer Skala<br />
von 0 (sehr schlecht) bis<br />
3 (sehr gut) um eine Stufe<br />
verbessert wird.<br />
Einkommenssituation der<br />
Betriebe auf einer Skala<br />
von 0 (sehr schlecht) bis<br />
3 (sehr gut) um eine Stufe<br />
verschlechtert wird.<br />
Flächenrückgang Bleibt gleich Kann aufgehalten werden Verdoppelt sich<br />
Acker 0,08 % / a 0 % / a 0,16 % / a<br />
Grünland 0,53 % / a 0 % / a 1,06 % / a<br />
Rückgang der Betriebe Bleibt erhalten Reduziert um die Hälfte Erhöht sich um die Hälfte<br />
Voll-Gemischt 1,4 % / a 0,7 % / a 2,1 % / a<br />
Neben-Gemischt 1,75 % / a 0,875 % / a 2,63 % / a<br />
Voll-Marktfrucht 1,03 % / a 0,52 % / a 1,56 % / a<br />
Neben-Marktfrucht 2,21 % / a 1,12 % / a 3,32 % / a<br />
Voll-Veredelung 0,6 % / a 0,3 % / a 0,9 % / a<br />
Neben-Veredelung 1,38 % / a 1,69 % / a 2,07 % / a<br />
Tabelle 5-5: Szenarien Bioenergie<br />
Quelle: Eigene Ergebnisse und Annahmen (Österreichische Energieagentur)<br />
Trend Pro Contra<br />
Rahmenbedingungen für<br />
Bioenergie<br />
Relation Deckungsbeitrag<br />
Bioenergie: Nahrungsmittel<br />
von 1 auf<br />
Risiko und Markterwartung<br />
von 0 auf<br />
Flächenanteil für landwirtschaftliche<br />
Energieträger<br />
Durch die RL<br />
2009/28/EC moderate<br />
Verbesserung<br />
Moderate Anhebung<br />
1,1<br />
Moderate Verbesserung<br />
0,2<br />
Ambitionierte<br />
Unterstützung<br />
Ambitionierte<br />
Anhebung<br />
1,5<br />
Optimale Situation<br />
1<br />
Minimale Anreize<br />
Geringe Anhebung<br />
1,05<br />
Geringe Verbesserung<br />
0,1<br />
Unverändert Unverändert Reduziert<br />
Innovative 15 % 15 % 10 %<br />
Traditionelle 10 % 10 % 5 %<br />
Utilitaristen 40 % 40 % 20 %
5.3.1.1 Agrarökonomische Rahmenbedingungen<br />
69<br />
ALPot<br />
Während im TREND-Szenario von gleich bleibenden agrarökonomischen<br />
Rahmenbedingungen (landwirtschaftliche Förderungen, erzielbare Deckungsbeiträge für<br />
landwirtschaftliche Produkte) ausgegangen wird und es damit zu keiner Veränderung der<br />
Einkommenssituation landwirtschaftlicher Betriebe kommt, werden im PRO-Szenario die<br />
agrarökonomischen Rahmenbedingungen so maßgeblich verbessert, dass sich die<br />
Einkommenssituation landwirtschaftlicher Betriebe um eine Stufe (siehe Seite S. 64)<br />
verbessert. Betriebe, die beispielsweise eine „eher gute Einkommenssituation“ aufweisen,<br />
können sich auf eine „gute Einkommenssituation“ verbessern. Im CONTRA-Szenario werden<br />
die agrarökonomischen Rahmenbedingungen so weit verschlechtert, dass sich die<br />
Einkommenssituation sämtlicher der Betriebe um eine Stufe verschlechtert. Betriebe, die<br />
beispielsweise eine eher gute Einkommenssituation aufweisen, rutschen in eine „eher<br />
schlechte Einkommenssituation“ ab.<br />
5.3.1.2 Rückgang Acker- und Grünlandfläche<br />
Im TREND-Szenario wird der beobachtbare Trend an Flächenrückgang fortgesetzt (siehe<br />
dazu Kapitel 3.3.1). Die bewirtschaftete Ackerfläche sinkt in Österreich durchschnittlich um<br />
rund 0,08 % pro Jahr, die bewirtschaftete Grünlandfläche sinkt um rund 0,53 % pro Jahr. Im<br />
PRO-Szenario kann dieser Flächenrückgang aufgehalten werden, es kommt also zu keiner<br />
Flächenreduktion. Hingegen wird der Trend der Flächenreduktion im CONTRA-Szenario<br />
verstärkt: die Ackerfläche schrumpft jährlich um 0,16 % pro Jahr, die Gründlandfläche sinkt<br />
um 1,06% pro Jahr.<br />
5.3.1.3 Rückgang der Anzahl der landwirtschaftlichen Betriebe<br />
Im TREND-Szenario wird der beobachtbare Trend an Betriebsaufgaben fortgesetzt. Je nach<br />
Produktionstyp und Erwerbstyp reduziert sich die Anzahl landwirtschaftlicher Betriebe<br />
zwischen 0,6 % und 2,2 %. Im PRO-Szenario wird angenommen, dass dieser Rückgang an<br />
Betrieben verlangsamt werden kann, die jährliche „Sterberate“ wird um die Hälfte auf 0,3 %<br />
bis 1,1 % reduziert. Hingegen wird der Trend der Betriebsaufgabe im CONTRA-Szenario<br />
verstärkt: es werden zwischen 0,9 % und 3,3 % der Betriebe aufgegeben.<br />
5.3.1.4 Rahmenbedingungen für Bioenergie<br />
Folgende Rahmenbedingungen für Bioenergie werden betrachtet:<br />
• Wirtschaftlichkeit der Produktion landwirtschaftlicher Energieträger in Form der<br />
Relation Deckungsbeitrag Bioenergieproduktion zu Deckungsbeitrag Nahrungsmittelproduktion<br />
• Markterwartung hinsichtlich Absatz- und Preisentwicklung und das Risiko, das mit der<br />
Produktion von landwirtschaftlichen Energieträgern verbunden ist.<br />
Je größer die Relation Deckungsbeitrag Bioenergieproduktion Nahrungsmittelproduktion ist,<br />
umso vorteilhafter für die Bioenergieproduktion. Als Ausgangswert für diese Relation wird 1<br />
angesetzt (IST-Situation). Während im TREND-Szenario von einer moderaten Steigerung<br />
dieser Relation auf 1,1 aufgrund der Erfordernisse der Richtlinie 2009/28/EC ausgegangen
Agentenbasierte Modellierung – realisierbares Potenzial<br />
wird, wird diese Relation im PRO-Szenario auf 1,5 gesteigert und im CONTRA-Szenario nur<br />
geringfügig auf 1,05 erhöht 21 .<br />
Die Markterwartung und das Risiko werden mit der Bandbreite 0 (unvorteilhaft) bis 1 (sehr<br />
vorteilhaft) dargestellt. Im TREND-Szenario wird von einer moderaten Verbesserung der<br />
Markterwartung und des Risikos von 0 (Ausgangswert) auf 0,2 ausgegangen. Im PRO-<br />
Szenario werden diesbezüglich optimale Bedingungen (z. B. durch Abnahmegarantien<br />
landwirtschaftlicher Energieträger, durch langfristige Förderung des Umstiegs auf<br />
erneuerbare Energieträger und die damit verbundene Absatzsicherung, etc.), im CONTRA-<br />
Szenario geringe Verbesserung in Höhe von 0,1 unterstellt.<br />
5.3.1.5 Flächenanteil für landwirtschaftliche Energieträger<br />
Weiters wird in den Szenarien der Anteil an landwirtschaftlicher Fläche variiert, den ein<br />
Betrieb für die Produktion landwirtschaftlicher Energieträger nutzt. Entsprechend den<br />
Interviewergebnissen wird von einem derzeit und im TREND-Szenario andauernden<br />
Flächenanteil für landwirtschaftliche Energieträgerproduktion in Höhe von 15 % bei<br />
innovativen Betrieben, 10 % bei traditionellen Betrieben und 40 % bei utilitaristischen<br />
Betrieben ausgegangen. Im PRO-Szenario bleibt dieser Flächenanteil unverändert, während<br />
dieser im CONTRA-Szenario reduziert wird auf 10 % bei innovativen Betrieben, 5 % bei<br />
traditionellen Betrieben und 20 % bei utilitaristischen Betrieben.<br />
5.3.2 Ergebnisse der Szenarioanalyse<br />
Um die Auswirkungen unterschiedlicher Rahmenbedingungen untersuchen zu können,<br />
wurden mit AGRIEN insgesamt 9 unterschiedliche Szenariokombinationen, beginnend bei<br />
äußerst vorteilhaften Rahmenbedingungen für Landwirtschaft und Bioenergieproduktion über<br />
die Trendentwicklung für Landwirtschaft oder/und Bioenergieproduktion bis hin zu äußerst<br />
hemmenden und unvorteilhaften Faktoren für Landwirtschaft und Bioenergie, simuliert. Die<br />
Bezeichnung der Szenariokombination zeigt an erster Stelle das Landwirtschaftliche<br />
Szenario und an zweiter Stelle das Bioenergie-Szenario. PRO-CONTRA zeigt beispielsweise<br />
die Kombination aus vorteilhaften Bedingungen für die Landwirtschaft und unvorteilhaften<br />
Bedingungen für die Bioenergieproduktion.<br />
Im Rahmen der Szenarioanalyse wurde für die betrachteten Hauptproduktionsgebiete das<br />
Potential an landwirtschaftlichen Flächen, die von den Betrieben zur landwirtschaftlichen<br />
Energieträgerproduktion genutzt werden, ermittelt.<br />
Die Simulationsergebnisse zeigen, dass in den betrachteten Szenarien zwischen 4 % und<br />
30 % der landwirtschaftlich genutzten Fläche für die Produktion von landwirtschaftlichen<br />
Energieträgern aufgewendet wird. Der höchste Anteil wird in der Szenariokombination<br />
CONTRA-PRO und damit bei unvorteilhaften Rahmenbedingungen für die Landwirtschaft,<br />
aber sehr günstigen Rahmenbedingungen für die Bioenergieproduktion erzielt. Bei dieser<br />
Szenariokombination sind Landwirte aufgrund der ungünstigen Rahmenbedingungen für die<br />
Landwirtschaft motiviert, nach Alternativen zu suchen, und gleichzeitig besteht durch die<br />
günstigen Rahmenbedingungen für Bioenergie ein Anreiz, verstärkt Flächen für<br />
landwirtschaftliche Energieträgerproduktion zu nutzen.<br />
Der geringste Anteil an Flächenbereitstellung in Höhe von 4 % für landwirtschaftliche<br />
Energieträgerproduktion ist in der Szenariokombination PRO-CONTRA zu erwarten. Bei sehr<br />
21 Aufgrund der Erfordernisse der Richtlinie 2009/28/EC wird davon ausgegangen, dass selbst im<br />
ungünstigsten Fall eine leichte Verbesserung der Rahmenbedingungen stattfinden wird.<br />
70
71<br />
ALPot<br />
günstigen Rahmenbedingungen für die Landwirtschaft und unvorteilhaften Bedingungen für<br />
die Bioenergieproduktion besteht weder Grund, noch Anreiz zur landwirtschaftlichen<br />
Energieträgerproduktion. Es bleibt daher beim derzeitigen Flächenanteil in Höhe von rund<br />
4 %.<br />
Die folgenden Tabellen und Abbildung 5-4 zeigen den simulierten Flächenanteil und die<br />
Flächen in ha, die für landwirtschaftliche Energieträgerproduktion genutzt werden, in den<br />
jeweiligen Szenariokombinationen.<br />
Tabelle 5-6: Simulationsergebnisse des Modells AGRIEN: Flächen zur Energieträgerproduktion<br />
in Österreich im Jahr 2030 in ha bzw. %<br />
Fläche mit<br />
Energieträgerpro‐<br />
duktion in % der<br />
Gesamtfläche 2030<br />
Bioenergie<br />
1000 ha<br />
Landwirtschaft<br />
Landwirtschaftl.<br />
Energieträger‐ Landwirtschaft<br />
Pro Trend Contra<br />
produktion in ha<br />
2030<br />
Pro Trend Contra<br />
Pro 21 % 28 % 30 %<br />
Bioenergie<br />
Pro 444.211 582.596 630.242<br />
Trend 8 % 10 % 12 % Trend 175.058 214.713 238.963<br />
Contra 4 % 5 % 6 % Contra 81.402 107.133 128.401<br />
800<br />
600<br />
400<br />
200<br />
‐<br />
Bioenergie<br />
Szenario:<br />
Pro<br />
Trend<br />
Contra<br />
Pro Trend Contra<br />
Landwirtschaftliches Szenario<br />
Abbildung 5-4: Simulationsergebnisse des Modells AGRIEN: Flächen zur Energieträgerproduktion<br />
in Österreich im Jahr 2030 in 1000 ha<br />
Aus obiger Abbildung wird deutlich, dass die simulierten Rahmenbedingungen für die<br />
Bioenergieproduktion größeren Einfluss haben auf die Produktion von landwirtschaftlichen<br />
Energieträgern als die verschiedenen Rahmenbedingungen für die Landwirtschaft. Während<br />
der Unterschied zwischen PRO- und CONTRA-Szenario in Bezug auf Bioenergie mehr als<br />
20 % der genutzten Fläche ausmacht, liegt der Unterschied bei PRO- und CONTRA<br />
Szenario in Bezug auf die Landwirtschaft bei unter 10 %.<br />
Die folgende Abbildung zeigt die Flächenpotentiale in den verschiedenen Szenarien,<br />
differenziert nach Hauptproduktionsgebieten im Überblick.
Agentenbasierte Modellierung – realisierbares Potenzial<br />
100%<br />
90%<br />
80%<br />
70%<br />
60%<br />
50%<br />
40%<br />
30%<br />
20%<br />
10%<br />
0%<br />
100%<br />
90%<br />
80%<br />
70%<br />
60%<br />
50%<br />
40%<br />
30%<br />
20%<br />
10%<br />
0%<br />
100%<br />
90%<br />
80%<br />
70%<br />
60%<br />
50%<br />
40%<br />
30%<br />
20%<br />
10%<br />
0%<br />
100%<br />
90%<br />
80%<br />
70%<br />
60%<br />
50%<br />
40%<br />
30%<br />
20%<br />
10%<br />
0%<br />
100%<br />
90%<br />
80%<br />
70%<br />
60%<br />
50%<br />
40%<br />
30%<br />
20%<br />
10%<br />
0%<br />
Trend-Trend<br />
Anteil Bioenergieproduzenten Anteil Bioenergiefläche<br />
VAG AOR WuMV KB AVL SÖ FuH NÖ FuH<br />
Trend-Contra<br />
Anteil Bioenergieproduzenten Anteil Bioenergiefläche<br />
VAG AOR WuMV KB AVL SÖ FuH NÖ FuH<br />
Pro-Trend<br />
VAG AOR WuMV KB AVL SÖ FuH NÖ FuH<br />
Contra-Contra<br />
Anteil Bioenergieproduzenten Anteil Bioenergiefläche<br />
VAG AOR WuMV KB AVL SÖ FuH NÖ FuH<br />
Contra-Pro<br />
Anteil Bioenergieproduzenten Anteil Bioenergiefläche<br />
Anteil Bioenergieproduzenten Anteil Bioenergiefläche<br />
VAG AOR WuMV KB AVL SÖ FuH NÖ FuH<br />
72<br />
100%<br />
90%<br />
80%<br />
70%<br />
60%<br />
50%<br />
40%<br />
30%<br />
20%<br />
10%<br />
0%<br />
100%<br />
90%<br />
80%<br />
70%<br />
60%<br />
50%<br />
40%<br />
30%<br />
20%<br />
10%<br />
0%<br />
100%<br />
90%<br />
80%<br />
70%<br />
60%<br />
50%<br />
40%<br />
30%<br />
20%<br />
10%<br />
0%<br />
100%<br />
90%<br />
80%<br />
70%<br />
60%<br />
50%<br />
40%<br />
30%<br />
20%<br />
10%<br />
0%<br />
Trend-Pro<br />
Pro-Pro<br />
Anteil Bioenergieproduzenten Anteil Bioenergiefläche<br />
VAG AOR WuMV KB AVL SÖ FuH NÖ FuH<br />
Anteil Bioenergieproduzenten Anteil Bioenergiefläche<br />
VAG AOR WuMV KB AVL SÖ FuH NÖ FuH<br />
Pro-Contra<br />
Anteil Bioenergieproduzenten Anteil Bioenergiefläche<br />
VAG AOR WuMV KB AVL SÖ FuH NÖ FuH<br />
Contra-Trend<br />
Anteil Bioenergieproduzenten Anteil Bioenergiefläche<br />
VAG AOR WuMV KB AVL SÖ FuH NÖ FuH<br />
Abbildung 5-5: Simulationsergebnisse: Anteil der Flächen zur Energieträgerproduktion und<br />
Anteil der Betriebe mit landwirtschaftlicher Energieträgerproduktion in Österreich (2030 )<br />
Quelle: Modell AGRIEN (Österreichische Energieagentur)
73<br />
ALPot<br />
Aus obiger Abbildung wird deutlich, dass der größte Anteil an Fläche mit landwirtschaftlicher<br />
Energieträgerproduktion und auch der größte Anteil an Betrieben, die landwirtschaftliche<br />
Energieträger produzieren, in nahezu allen Szenarien im nordöstlichen Flach- und<br />
Hügelland zu finden ist. Im CONTRA-PRO-Szenario beteiligen sich im nordöstlichen Flach<br />
und Hügelland fast alle Betriebe an der Produktion landwirtschaftlicher Energieträger und es<br />
werden knapp 36 % der landwirtschaftlichen Fläche für Energieträgerproduktion genutzt.<br />
Selbst bei unvorteilhaften Rahmenbedingungen für Bioenergie werden hier mehr als 6 % der<br />
Fläche für die Produktion landwirtschaftlicher Energieträger genutzt. Gründe für diese<br />
Entwicklung sind:<br />
• Der geringe Anteil an Betrieben mit Tierproduktion (8,5 %) und gemischter Produktion<br />
(9,4 %), die schwieriger zur Energieträgerproduktion zu motivieren sind (siehe dazu<br />
auch Abbildung 5-2).<br />
• Die im Vergleich zu anderen Hauptproduktionsgebieten wesentlich größere<br />
durchschnittliche Betriebsgröße, bezogen auf die bewirtschaftete Fläche des<br />
Betriebes, führen zu einer wesentlich stärkeren Mobilisierbarkeit von Flächen: wenn<br />
sich auch nur einige wenige (große) Betriebe für Energieträgerproduktion<br />
entscheiden, kann im Vergleich zu Hauptproduktionsgebieten mit kleinerer<br />
Flächenausstattung der Betriebe wesentlich mehr Fläche mobilisiert werden.<br />
• Die mit einer größeren Betriebsgröße verbundene bessere Einkommenssituation des<br />
Betriebes (siehe dazu Abbildung 5-3) erlaubt einen größeren Spielraum bei der<br />
Entscheidung für oder gegen landwirtschaftliche Energieträgerproduktion, da<br />
Liquiditätsengpässe, aber auch Arbeitsüberlastung durch Zuerwerb wegfallen.<br />
Eher geringe Potentiale werden in den Hauptproduktionsgebieten Alpenvorland und<br />
Voralpen ausgewiesen. Beide Hauptproduktionsgebiete weisen einen vergleichsweise<br />
hohen Anteil an Betrieben mit Tierhaltung im Bereich von 70 % auf, hingegen eine eher<br />
durchschnittliche Betriebsgrößenverteilung und damit eine durchschnittliche<br />
Einkommenssituation, die weder Handlungsdruck (der bei einer schlechten<br />
Einkommenssituation gegeben wäre) verursacht, noch günstige Rahmenbedingungen und<br />
Spielraum bei Investitionen und Innovationen am Betrieb bietet (wie das bei guter<br />
Einkommenssituation möglich ist).<br />
5.3.3 Sensitivitätsanalyse<br />
Um die Robustheit der Ergebnisse im Hinblick auf wesentliche zugrunde liegende Annahmen<br />
beurteilen zu können, wurden Simulationen für das Hauptproduktionsgebiet nordöstliches<br />
Flach- und Hügelland sowie Alpenvorland bei variierten Parametern durchgeführt. Eine<br />
deutliche Sensitivität zeigt das Modell in Bezug auf den angenommenen Anteil an Fläche,<br />
den ein Betrieb bereit ist, für Energieträgerproduktion zu nutzen. Hier besteht ein nahezu<br />
linearer Zusammenhang: eine Verdopplung des Anteils bereitgestellter Flächen verdoppelt<br />
die Simulationsergebnisse hinsichtlich der für landwirtschaftliche Energieträgerproduktion<br />
genutzten Flächen. Effektiv für die Forcierung landwirtschaftlicher Biomasse sind daher<br />
Maßnahmen, die den Anteil bereitgestellter Fläche für Energieträgerproduktion erhöhen.<br />
Auch die Verteilung der Entscheidungstypen (innovativ, traditionell und utilitaristisch) oder<br />
die Kontaktrate (Beeinflussung des Entscheidungsverhaltens durch Kommunikation<br />
zwischen den Betrieben) beeinflusst das Ergebnis in Bezug auf die Flächennutzung,<br />
allerdings nur im Rahmen von unter +/- 15 %.
GIS-basierte Potenzialanalyse<br />
6 GIS-basierte Potenzialanalyse<br />
In diesem Kapitel werden Biomasse-Potenziale unter dem Gesichtspunkt der Eignung<br />
verschiedener Kulturpflanzen unter unterschiedlichen naturräumlichen Gegebenheiten<br />
ermittelt. Im Vordergrund steht dabei der Vergleich der Standortanforderungen bestimmter<br />
Pflanzen mit den entsprechenden regional unterschiedlichen Standortbedingungen. Dafür<br />
wird ein GIS-basierter Ansatz verfolgt.<br />
Aufbauend auf die Beschreibung der grundlegenden Idee und des Modells werden die<br />
Ergebnisse des Grundmodells und weiterer 6 Varianten erläutert. Abschließend erfolgen eine<br />
kritische Betrachtung der Ergebnisse und die Darstellung der Modellaussagen.<br />
6.1 Grundlegende Idee – Beschreibung der Herangehensweise<br />
6.1.1 Begriffsdefinitionen, Systemgrenzen und Methodik<br />
Standortbedingungen<br />
Die Standortbedingungen sind die Abbildungen der meteorologischen Verhältnisse und der<br />
Bodentypen vor Ort. Sie sollen die natürlichen Rahmenbedingungen auf den Standorten für<br />
das Wachstum der Kulturarten darstellen.<br />
Standortanforderungen<br />
Für jede Kulturart wurde ein Profil aufgestellt, das in Abhängigkeit des Wasserbedarfs, der<br />
optimalen Temperatur und des Bodentyps den Ertrag (in Klassen) abbildet. Die<br />
Standortanforderungen stellen somit die Anforderungen je Kulturart an den Standort dar.<br />
Standort / Zelle<br />
Die Grundlagendaten (Boden, Wetter, Bodennutzung) lagen detailliert in einem 500-mal-500<br />
Meter Raster österreichweit vor (Zellen). Diese Daten wurden räumlich aggregiert, indem<br />
benachbarte Zellen mit der gleichen Flächennutzung im Basisjahr zusammengefügt wurden.<br />
Dadurch wurden die Zellen zu Standorten (Polygone) zusammengefasst.<br />
Wetter, Boden, Fruchtfolge und Ertrag<br />
Die Abbildung der meteorologischen Komponenten erfolgt durch die jährliche<br />
Durchschnittstemperatur und der jährlichen Niederschlagsmenge auf dem Standort. Die<br />
Daten wurden von der Zentralanstalt für Metrologie und Geodynamik für dieses Projekt<br />
angekauft (ZAMG, 2008).<br />
Der Boden wird mittels der Bodentypen aus der eBOD (digitale Bodenkarte) abgebildet.<br />
Die Auswahl und Darstellung der Fruchtfolgen erfolgt auf Basis einer Fruchtfolgematrix<br />
automatisch.<br />
Kulturarten<br />
Die im Modell berücksichtigen Kulturarten umfassen im Großen und Ganzen die von Statistik<br />
Austria erfassten Kulturarten (Feldfruchternte). Ergänzt wurden diese Kulturarten mit „Neuen<br />
Kulturarten“.<br />
Zwischenfrüchte<br />
Zwischenfrüchte sind in diesem Modell nicht berücksichtigt. Pro Standort wird eine Kulturart<br />
gebaut.<br />
74
75<br />
ALPot<br />
„Neue Kulturarten“<br />
Als „Neue Kulturarten“ sind ergänzend zu den zuvor genannten Kulturen folgende<br />
Ackerpflanzen, die in Zukunft zusätzliche Optionen zur stofflichen und energetischen<br />
Nutzung darstellen:<br />
• Weide und Pappel<br />
• Miscanthus<br />
• Topinambur (Knolle und Kraut)<br />
• Sudangras<br />
Ackerwiese<br />
Unter Ackerwiese ist eine Begrünung von Ackerland zu verstehen.<br />
6.1.2 Aufbau des Modells<br />
Das Modell simuliert die Nutzung von 46.224 Ackerflächenstandorten (= Polygone, siehe<br />
6.1.1) durch die Selektion jeweils einer Kulturart (von insgesamt 27 im Modell<br />
berücksichtigten) nach den Kriterien einer bestmöglichen Ausnutzung meteorologischer<br />
(Jahresniederschlag, Jahrestemperaturmittel), und bodenbezogener Bedingungen im<br />
Basisjahr (t0). In den Folgejahren der Simulation (t01 bis t20) werden zusätzlich die Kriterien<br />
der Fruchtfolge (Nachfolgeeignung und Anbaupausen) in das Kalkül der Optimierung<br />
gezogen um auf diese Weise dynamische Modellkomponenten zu implementieren (die<br />
Klima- und Bodenbedingungen werden als konstant angenommen).<br />
Grundlegende Idee ist die Gegenüberstellung von Standortbedingungen und<br />
Standortanforderungen, d.h. die natürlichen Rahmenbedingungen am jeweiligen Standort<br />
betreffend Niederschlag, Bodentyp und Temperatur geben den Rahmen für das Wachstum<br />
der Kulturarten vor.<br />
Andererseits werden in den Standortanforderungen mit den Kulturartenprofilen klar die<br />
Mindestbedingungen betreffend Standortbedingungen definiert, unter welchen das<br />
entsprechende Wachstum und somit folglich der erwartete Ertrag der jeweiligen Kulturart<br />
möglich ist.<br />
Abbildung 6-1: Modellskizze – Überblick zum Modellaufbau<br />
Quelle: Eigene Darstellung (im-plan-tat Reinberg und Partner)
GIS-basierte Potenzialanalyse<br />
Das Modell bildet die Potenziale an Mengen von Kulturarten ab, die österreichweit ohne<br />
Veränderung der natürlichen Gegebenheiten (Nährstoffe im Boden, Niederschlagsmengen)<br />
zu erzielen sind. Die Regeneration des Bodens und der Nährstoffe im Boden sollen mittels<br />
einer langfristigen Fruchtfolge-Strategie angestrebt werden.<br />
Aufgrund dieser Rahmenbedingungen ist eine weitere Modellannahme, dass auf Düngemittel<br />
und Pflanzenschutzmittel verzichtet wird. Die Fruchtfolgen sollen eine nachhaltige<br />
Bewirtschaftung gewährleisten und somit die Bodenfruchtbarkeit fördern.<br />
6.1.3 Angestrebte Aussagekraft des Modells – Zielsetzungen<br />
Die Bedeutung der natürlichen Rahmenbedingungen für das Wachstum der Kulturarten soll<br />
in diesem Modell den Kern darstellen. Dadurch sollen die erzielbaren Erntemengen je Jahr<br />
auf Bundesebene abgebildet werden. Insbesondere ist die Mixtur der einzelnen Kulturarten,<br />
die sich entsprechend der Standortbedingungen und -anforderungen auf den Polygonen<br />
festsetzen, quantifizierbar, wie auch verortbar.<br />
Auf Basis der angewendeten geografischen Daten und der Überlagerung der Standortanforderungen<br />
mit den Standortbedingungen wird die regionale Verbreitung der einzelnen<br />
Kulturarten geografisch verortet. Grafisch erfolgt die Abbildung über die Perioden, indem die<br />
jeweils ausgewählte Kulturart je Standort und Zeitpunkt dargestellt wird.<br />
Mit diesen Abbildungen soll die Verbreitung der Kulturarten, die unter Berücksichtigung der<br />
natürräumlichen Gegebenheiten ohne Einsatz von Dünger und Pflanzenschutz in Österreich<br />
optimal wäre, abgebildet werden. Das Modell ist aber nicht dafür vorgesehen, die<br />
tatsächliche Verbreitung nachzubilden bzw. zu analysieren, da in der Realität andere<br />
Kriterien maßgeblich für die Wahl der Kulturarten sind. Ebenso beinhaltet das Modell keine<br />
Zielvorgaben wie z.B. die Produktion bestimmter Mengen von Kulturarten zur Sicherstellung<br />
der Lebensmittelproduktion.<br />
6.2 <strong>Technische</strong> Beschreibung des Modells<br />
Abbildung 6.2 stellt die Komponenten des Modells und ihre Beziehungen untereinander<br />
schematisch dar: Nach der Ermittlung der optimalen Kulturart auf dem jeweiligen Standort im<br />
Basisjahr kann anhand der Operationalisierung aller potentiell möglichen Fruchtfolgen die<br />
optimale Kulturart für jeden Zeitpunkt t01 bis t20 bestimmt werden. Die jeweiligen Standort-<br />
Erträge lassen sich danach unter Einbeziehung der kulturartspezifischen Ertragsklassen<br />
berechnen.<br />
In methodischer und technischer Hinsicht wurde das Modell in Form einer SPSS Syntax mit<br />
ca. 6.000 Programmzeilen und einer zentralen SPSS Datentabelle umgesetzt (SPSS ist ein<br />
modulares Statistik-Softwarepaket der Firma SPSS/IBM): Dabei stellt ein Daten-record einen<br />
Standort, d.h. eine Ackerfläche dar (46.224 Zeilen). Die 4.464 Spalten dieser Tabelle<br />
enthalten Variablen, die die Kulturart(zwischen)-ergebnisse des Simulationszeitraums<br />
repräsentieren. Aus operativen Gründen wurden Standorteignung, Nachfruchteignung und<br />
Anbaupause im Modell jeweils als 27-elementige Vektoren geführt, entsprechend der<br />
Anforderungen der Kulturarten an einem Standort bzw. zu einem Zeitpunkt in der<br />
Fruchtfolge. Informationen bezüglich kulturartspezifischer Standortanforderungen und<br />
Fruchtfolgen liegen in Form weiterer Datensätze vor, die von der Programmsyntax (SPSS-<br />
Syntax) während des Modelldurchlaufs referenziert und selektiv eingelesen werden.<br />
Ausgehend vom Basisjahr t0 erfolgt die Berechnung der Simulationszeitpunkte t01 bis t20 in<br />
sequentieller Weise unter Einbeziehung der zeitlich vorgelagerten Nutzungen eines<br />
Standorts.<br />
Das Hauptaugenmerk bei der Programmierung lag in einer nachvollziehbaren, transparenten<br />
und offenen Gestaltung des Modells, die es beispielsweise erlaubt, verschiedene Szenarien<br />
76
77<br />
ALPot<br />
(Eliminierung einzelner Kulturarten, Modifikation der Fruchtfolge, etc.) anhand einiger<br />
weniger Änderungen im Programmcode zu simulieren. Kleinere SPSS-Programme dienen<br />
der Summenauswertung und der Ergebnisdokumentation.<br />
Klimafaktoren<br />
Jahresniederschlag<br />
(JNS)<br />
Jahrestemperaturm ittel<br />
(JTM)<br />
Score f01‐f27 Score f01‐f27 Score f01‐f27<br />
Gewichtung Gewichtung Gewichtung<br />
Bodenfaktoren<br />
Bodeneignung (BOD)<br />
Standorteignung (SOE) Nachfolgeeignung (NFE) Anbaupause (MZI)<br />
Gewichtung Gewichtung Gewichtung<br />
Score f01‐f27<br />
Ranking<br />
Selektion fxx (optimale Kulturart)<br />
am Standort i zum Zeitpunkt t<br />
Ertrag fxx (optimale Kulturart) am<br />
Standort i zum Zeitpunkt t<br />
Ertragsklasse fxx<br />
Abbildung 6-2: Modellstruktur zur Optimierung der Ackerflächennutzung<br />
Quelle: eigene Darstellung (im-plan-tat Reinberg und Partner)<br />
Fruchtfolge<br />
Betrachtet man zunächst das Basisjahr, unterscheiden sich die im Modell vertretenen<br />
Kulturarten in ihren Standortanforderungen hinsichtlich Klima und Boden: daraus ergibt sich<br />
für jede Ackerfläche ein Satz kulturartspezifischer Scores hinsichtlich<br />
Jahresniederschlagsmenge, Jahrestemperaturmittel und Bodeneignung; Diese Scores<br />
nehmen Werte zwischen 0 und 3 an: 0 bedeutet eine prinzipielle Nichteignung der Kulturart<br />
an diesem Standort, 1 geringe Eignung, 2 mittlere Eignung, 3 optimale Eignung. In Bezug<br />
auf Jahresniederschlag und Jahrestemperaturmittel werden sowohl zu geringe als auch zu<br />
hohe Werte in Form zweiseitiger Verteilungen der Scores berücksichtigt (siehe Abbildungen).<br />
Die kulturartspezifischen Scores in Bezug auf Bodeneignung stammen aus einer Matrix<br />
(14x27 Zellen) in der die Eignung der jeweiligen Bodenklasse (aus 14 Bodenklassen) für die<br />
einzelnen Kulturarten zusammengefasst ist (im Wertebereich 0-3).<br />
Jahresniederschlagsmenge, Jahrestemperaturmittel und Bodeneignung werden nun<br />
miteinander verknüpft, um die Standorteignung der Kulturarten zu ermitteln. In dieser Phase<br />
des Modells (t0) werden also ausschließlich statische Determinanten der Optimierung<br />
berücksichtigt, da –modelltechnisch gesehen- noch keine Vorfrucht existiert. In diesem<br />
Zusammenhang stellt sich die Frage nach der Art der Verknüpfung der Klima- und
GIS-basierte Potenzialanalyse<br />
Bodenscores, bzw. ihrer mathematischen Entsprechung: eine additive Verknüpfung (a)<br />
impliziert die Substituierbarkeit der einzelnen Standortfaktoren: ist beispielsweise der Boden<br />
für die betrachtet Kulturart ungeeignet, kann bei ausreichenden Scores für<br />
Niederschlagsmenge und Jahrestemperaturmittel dennoch ein relativ hoher Wert für die<br />
Standorteignung der Kulturart erzielt werden. Da ein solcher Zusammenhang aus Sicht der<br />
pflanzenspezifischen Standortanforderungen nicht realistisch ist, werden die<br />
Standortfaktoren multiplikativ (b) verknüpft, d.h. sie werden als nur eingeschränkt<br />
substituierbar interpretiert: ist ein Klimafaktor oder auch der Boden ungeeignet für die<br />
betrachtete Kulturart resultiert ein Standorteignungs-Score von 0, auch wenn die übrigen<br />
Standortfaktoren hoch ausgeprägt sind. Umgekehrt betrachtet, erzeugt das gleichzeitige<br />
Auftreten von optimalen standörtlichen Bedingungen hinsichtlich Klima und Boden einen<br />
überproportionalen Standorteignungs-Score. Die multiplikative Verknüpfung<br />
standortbezogener Faktoren ist daher vergleichsweise selektiver in der Quantifizierung<br />
kulturartspezifischer Anforderungen.<br />
Abbildung 6-3: Operationalisierung Jahresniederschlagsmenge/Score (Beispiel Kulturart f01<br />
Raps)<br />
Quelle: eigene Berechnungen (im-plan-tat Reinberg und Partner), siehe Anhang, Kapitel 12.3.2<br />
Abbildung 6-4: Operationalisierung Jahrestemperaturmittel/Score (Beispiel Kulturart f01<br />
Raps)<br />
Quelle: eigene Berechnungen (im-plan-tat Reinberg und Partner), siehe Anhang, Kapitel 12.3.2<br />
78
79<br />
ALPot<br />
Allgemein lässt sich der Zusammenhang zwischen Standorteignung,<br />
Jahresniederschlagsmenge, Jahrestemperaturmittel und Bodeneignung wie folgt<br />
formalisieren:<br />
SOE =<br />
i, f f ( JNSi,<br />
f , JTMi,<br />
f , BODi,<br />
f<br />
)<br />
i Index Standort<br />
f Index Kulturart<br />
SOE Score Standorteignung<br />
JNS Score Jahresniederschlagsmenge<br />
JTM Score Jahrestemperaturmittel<br />
BOD Score Bodeneignung<br />
Neben der Art der Verknüpfung ist auch die Gewichtung der einzelnen Faktoren gemäß ihrer<br />
Bedeutung für den Anbau relevant: Die Bodeneignung stellt im Modell die wichtigste<br />
standortgebundene Determinante dar, gefolgt von der Jahresniederschlagsmenge und dem<br />
Jahrestemperaturmittel. Im Modell werden die Standortfaktoren mittels folgender Formel<br />
gewichtet und verknüpft, um schließlich den Score der Standorteignung der Kulturart f am<br />
Standort i zu berechnen:<br />
0.<br />
3<br />
0.<br />
2<br />
SOE i, f = ( JNSi,<br />
f × JTMi,<br />
f × BODi,<br />
f<br />
0.<br />
5<br />
)<br />
/ 3<br />
In dieser Phase des Modelldurchlaufs liegt nun für jeden Standort ein Vektor mit 27<br />
Elementen vor, die die Standorteignung der einzelnen Kulturarten abbilden. Um die vom<br />
Modell für den Zeitpunkt t0 am besten geeignete Kulturart zu bestimmen, werden die<br />
Elemente dieses Vektors in eine Reihung gebracht und die auf Rang 1 liegende Kulturart für<br />
den Zeitpunkt t0 als ‚optimal‘ vorgeschlagen. In der Berechnung zeigte sich, dass im<br />
Basisjahr t0 aufgrund ähnlicher Standortanforderungen an vielen Standorten mehrere<br />
Kulturarten ex-aequo auf Rang 1 liegen, was den Bereich optimaler Lösungen auf den<br />
betreffenden Ackerflächen erweitert: betrachtet man also ausschließlich die statische<br />
Komponente aus Klima- und Bodenfaktoren sind mehrere Kulturarten an manchen<br />
Standorten gleich gut geeignet – ein Ergebnis das plausibel ist und auch bei präziser<br />
Definition der Standortanforderungen nicht überrascht (Die jeweilige Anzahl von Standorten<br />
mit mehr als einer optimalen Kulturart kann vom Modell ausgegeben werden: dies ist<br />
insbesondere zur Beurteilung bzw. zum Vergleich der verschiedenen Szenarien von<br />
Interesse). Um die nun folgenden Schritte des Modelldurchlaufs zu ermöglichen, wird an<br />
Standorten mit mehreren optimalen Kulturarten eine zufällige Auswahl getroffen, auf deren<br />
Basis die übrigen Modellkomponenten integriert, und die optimalen Kulturarten der<br />
Folgejahre t01 bis t20 ermittelt werden.<br />
Abbildung 14 zeigt, dass die Fruchtfolge innerhalb des Modells in zwei Komponenten zerlegt<br />
wurde: Als Nachfolgeeignung (NFE) wird im Modell die Eignung einer Kulturart als<br />
Folgefrucht bezeichnet. Aus einer externen Datenmatrix mit 27 x 27 Feldern geht hervor, ob<br />
eine Frucht schlecht (1), mittel (2) oder optimal (3) als Folgefrucht eingesetzt werden kann.<br />
In der Programmsyntax wird nun für den Zeitpunkt t01 ein Vektor gebildet, dessen Elemente<br />
die Nachfolgeeignung aller 27 Kulturarten auf die optimale Kulturart in t0 am jeweiligen<br />
Standort quantifiziert. Nachdem die optimale Kulturart zum Zeitpunkt t0 zuvor bestimmt<br />
wurde, sind – modelltechnisch gesehen – alle 27 Kulturarten potentiell geeignet, auf diese<br />
Kulturart zu folgen. Dieser Ansatz ermöglicht es, die Ermittlung der für t01 als optimal<br />
bewerteten Kulturart unter multikriteriellen Bedingungen durchzuführen, d.h. unter<br />
gleichzeitiger Berücksichtigung von Standorteignung, Nachfolgeeignung und Anbaupause.<br />
So wird es beispielsweise möglich, einer Kulturart bei nur mittlerer Eignung als Folgefrucht<br />
hohe Gesamtscores zuzuweisen wenn sie hohe Werte der Standorteignung aufweist.
GIS-basierte Potenzialanalyse<br />
Als Anbaupausen werden jene Zeitintervalle bezeichnet, die in der Fruchtfolge zweier<br />
Kulturarten im Sinne nachhaltiger Standortnutzung mindestens eingehalten werden sollen,<br />
der entsprechende Vektor wird im Modell daher als MZI (Mindestzeitintervall) geführt. Die<br />
modelltechnische Implementierung der Anbaupausen setzt naturgemäß voraus, dass die<br />
Optimierung der Nutzung zu einem beliebigen Zeitpunkt unter Berücksichtigung der zeitlich<br />
vorgelagerten Nutzungen erfolgen muss. Dazu wird die Modellkomponente MZI in Form<br />
eines statischen und eines dynamischen Vektors operationalisiert. In der Programmsyntax<br />
übernimmt der statische Vektor das Mindestzeitintervall aus der Vorperiode wobei sich<br />
dieser Wert mit jedem Jahr der Simulation um den Wert 1 verringert. Die Elemente des<br />
dynamischen Vektors repräsentieren die Mindestzeitintervalle, die sich aus der aktuellen<br />
Periode (bzw. aus der Kulturart der aktuellen Periode) ergeben. Die kulturartspezifischen<br />
Summen der statischen und dynamischen Vektorelemente ergeben nun die aktualisierten<br />
Anbaupausen die für alle potentiellen Nachfrüchte am Standort i zum Zeitpunkt t einzuhalten<br />
sind: bei Werten >0 ist die entsprechende Kulturart an diesem Standort gesperrt, d.h. sie<br />
wird bei der Suche nach der optimalen Nutzung nicht berücksichtigt. Im Unterschied zu den<br />
Modellkomponenten SOE und NFE stellt die Komponente MZI demnach keine graduelle<br />
Differenzierung der Eignung dar (im Sinne von ‚besser oder schlechter geeignet‘) sondern<br />
eine binäre Unterscheidung im Sinne von ‚möglich‘ oder ‚nicht möglich‘. Bei der Berechnung<br />
des Gesamtscores wird die Anbaupause als Variable mit den Ausprägungen 0 oder 1<br />
geführt.<br />
Ähnlich der weiter oben argumentierten Verknüpfung der standortgebundenen Faktoren<br />
werden die Modellkomponenten Standorteignung, Nachfolgeeignung und Anbaupause nun<br />
multiplikativ verknüpft und gewichtet, um den Gesamtscore der einzelnen Kulturarten am<br />
Standort i zum Zeitpunkt t zu berechnen:<br />
0.<br />
9<br />
( NFEi,<br />
f , t / ) × i,<br />
f t<br />
1.<br />
1<br />
GS i, f , t = SOEi,<br />
f × 3 MZI ,<br />
i Index Standort<br />
f Index Kulturart<br />
t Index Zeit<br />
GS Gesamtscore<br />
SOE Score Standorteignung<br />
NFE Nachfolgeeignung<br />
MZI Anbaupause (0/1)<br />
Aus dieser Formel ist ersichtlich, dass ein positiver Gesamtscore nur dann erzielt werden<br />
kann, wenn keine Anbaupause vorliegt, d.h. solange die entsprechende Kulturart auf dem<br />
Standort nicht gesperrt ist. Die Komponenten Standorteignung und Nachfolgeeignung<br />
werden gegeneinander leicht gewichtet und resultieren im Gesamtscore. Die Scores aller 27<br />
Kulturarten bilden die Elemente eines Vektors die schließlich zur Identifikation der optimalen<br />
Kulturart gereiht werden. Durch die Berücksichtigung der dynamischen Modellkomponenten<br />
NFE und MZI ab dem Simulationsjahr t01 sinkt die Anzahl gleich gereihter Kulturarten, da die<br />
Gesamtscores innerhalb der 27 Kulturarten vergleichsweise heterogener werden. An jenen<br />
Standorten, an welchen mehrere Kulturarten gleich gut bewertet werden, d.h. auf Rang 1<br />
liegen wird eine zufällige Auswahl getroffen.<br />
Die Berechnung der Erträge basiert auf kulturartspezifischen Ertragsklassen: je nach<br />
Standort- und Nachfolgeeignung (im Modell ausgedrückt durch die absolute Höhe des<br />
Gesamtscores) kann ein Hektarertragsbereich unter schlechten, mittleren und optimalen<br />
Nutzungsbedingungen zugeordnet werden. Aus dem Produkt der Standortfläche mit dem<br />
jeweiligen Mittelwert der Ertragsklasse ergibt sich der Ertrag am Standort i zum Zeitpunkt t.<br />
80
6.3 Anwendung des Modells – Berechnung von Varianten<br />
81<br />
ALPot<br />
In den folgenden Abschnitten werden aufgrund der besseren Lesbarkeit der Abbildungen<br />
Kulturarten zu Gruppen (Begrünungen, Neue Kulturarten) zusammengefasst.<br />
Grundsätzlich gelten als Eingangsparameter die im Anhang angeführten Werte der<br />
Kulturartenprofile. Sofern Änderungen in den einzelnen Varianten vorgenommen wurden,<br />
sind diese bei den Modellannahmen erläutert. Es wurden die folgenden Varianten gerechnet:<br />
- Grundmodell<br />
Im Modell werden die naturräumlichen Bedingungen der Standorte sowie die<br />
Standortanforderungen<br />
übernommen.<br />
der einzelnen Kulturarten ohne größere Eingriffe<br />
- Variante 1 - Intensive Landwirtschaft<br />
Die Variante soll die Intensivierung der Landwirtschaft abbilden, weshalb extensive<br />
Kulturarten teilweise ausgeschlossen, hingegen aber traditionelle Kulturarten forciert<br />
werden.<br />
- Variante 2 - Extensive Landwirtschaft<br />
Es sind in dieser Variante alle Kulturarten eingebunden und insbesondere extensive<br />
(„pflegeleichte“) Kulturarten forciert.<br />
- Variante 3 - Intensivierung der Fruchtfolge<br />
Die Variante soll eine verstärkte Fruchtfolge hervorrufen, weshalb speziell bei<br />
extensiven Kulturarten das Fruchtfolgeintervall erhöht wurde.<br />
- Variante 4 - Intensivierung der Fruchtfolge II<br />
Es erfolgt in dieser Variante eine weitere Steigerung der Fruchtfolgeintervalle bei<br />
extensiven Kulturarten.<br />
- Variante 5 - Intensivierung der Fruchtfolge III<br />
Diese Variante greift auf die Modellannahmen der Variante 4 zurück. Zusätzlich<br />
werden die traditionellen Kulturarten in Anlehnung der Variante 1 forciert.<br />
- Variante 6 – Forcierung von Energiepflanzen<br />
Die Variante greift auf die Annahmen der Variante 4 zurück und zusätzlich werden<br />
die Standortanforderungen traditioneller Kulturarten gehoben, um Energiepflanzen zu<br />
forcieren.<br />
Die Ergebnisse jeder dieser Varianten werden in Kapitel 6.4 zusammengeführt und mit<br />
historischen Daten verglichen. Die Darstellung der Szenarien in Form von Karten mit<br />
regionalen Verortungen sind auf der Projekthomepage http://www.alpot.at/ (Ergebnisse –<br />
GIS-Modell) verfügbar.<br />
6.3.1 Das Grundmodell<br />
Modellannahme<br />
Im Grundmodell sind alle 27 Kulturarten eingebunden. Bei der Kulturart Ackerwiese wurde<br />
als Bedingung eine zweijährige Fruchtfolge vorausgesetzt. Mit dieser Bedingung wird das<br />
Modell in Richtung Intensivierung der Landwirtschaft gelenkt, d.h. extensive Kulturarten (wie<br />
die Ackerwiese) können sich nicht jährlich auf allen Standorten aufgrund der Fruchtfolge<br />
ausbreiten.<br />
Aufgrund des geringen Umfangs der Eingriffe in das Modell sollen die natürlichen<br />
Gegebenheiten der Standorte und die Eignung der Kulturarten die Ergebnisse des<br />
Grundmodells prägen.
GIS-basierte Potenzialanalyse<br />
Modellergebnis<br />
Im Grundmodell finden sich zwischen 11 und 14 der 27 möglichen Kulturarten wieder.<br />
Speziell die „Neuen Kulturarten“ setzen sich in diesem Modell weniger durch, Miscanthus<br />
und Topinambur treten bei diesen Ergebnissen nicht auf.<br />
Die Ergebnisse des Grundmodells zeigen eine klare Dominanz der extensiven Kulturarten<br />
(Ackerwiese, Kleegras, Luzerne), die den Standortbedingungen nach den vorgestellten<br />
Modellannahmen entsprechen. Durchschnittlich über 20 Jahre Modelldurchlauf werden 66%<br />
der Gesamtmenge mittels extensiver Kulturarten erzielt. Die traditionellen Kulturarten wie<br />
Mais, Weizen, Roggen, Kartoffel usw. liefern zwischen 17% und 45%.<br />
Abbildung 6-5: Grundmodell - Erntemengen [Tonnen pro Jahr]<br />
Quelle: Eigene Darstellung (im-plan-tat Reinberg und Partner)<br />
Bei einer detaillierteren Analyse auf Ebene der einzelnen Kulturarten ist festzustellen, dass<br />
die Ackerwiese die am stärksten auftretende Kulturart in diesem Modell darstellt. Kleegras,<br />
Luzerne wie auch Weide/Pappel sind weitere Kulturarten, die in dieser Variante wesentliche<br />
Outputmengen erzielen. Besonders bei der Weide/Pappel ist die Entwicklung über die Zeit<br />
interessant zu beobachten. Die Kulturarten auf Kurzumtriebplantagen liefern über die ersten<br />
5 Jahre eine ansteigende Erntemenge. Ab dem 6. Jahr sind 100% der für diese Kulturart am<br />
besten geeigneten Standorte besetzt. Dementsprechend ist eine weitere Verbreitung nicht<br />
mehr möglich und die Erntemenge bleibt über die weiteren 15 Jahre konstant, da diese<br />
beiden Kulturarten über 20 Jahre den Standort besetzen (siehe Fruchtfolge-Matrix im<br />
Anhang, Kapitel 12.3.2).<br />
6.3.2 Variante 1 – Intensive Landwirtschat<br />
Modellannahme:<br />
Bei der Berechnung der Variante „Intensive Landwirtschaft“ werden 26 Kulturarten<br />
berücksichtigt. Um die Intensivierung der Landwirtschaft abzubilden, wird die Kulturart<br />
Ackerwiese ausgeschlossen. Die Standortanforderungen für Mais und Weizen wurden in den<br />
82
83<br />
ALPot<br />
jeweiligen Kulturartenprofilen zusätzlich niedriger angesetzt. Die Minderung der<br />
Standortanforderungen beruht auf der Annahme, dass durch Züchtungsfortschritt die<br />
Anforderungen der jeweiligen Kulturarten an den Standort reduziert werden.<br />
In dieser Variante sollen die Kulturarten für die Lebensmittelproduktion forciert werden.<br />
Modellergebnis<br />
In der Variante „Intensive Landwirtschaft“ sind zwischen 10 und 13 der 27 möglichen<br />
Kulturarten vertreten. Aufgrund der künstlichen Zurückdrängung der Begrünung (in der<br />
Modellannahme) verbreiten sich in dieser Variante besonders die traditionellen Kulturarten,<br />
besonders immer im zweiten Jahr, wenn Kleegras aufgrund des Fruchtfolgewechsels<br />
großteils aus bleibt.<br />
Im Durchschnitt liefern die traditionellen Kulturarten (Mais, Getreide, Kartoffeln) über 50%<br />
der gesamten Erntemenge in den 20 Jahren. Im Jahr 11 wird mit diesen Kulturarten sogar<br />
90% der Gesamtoutputmenge erzielt.<br />
Abbildung 6-6: Variante Intensive Landwirtschaft - Erntemengen [Tonnen pro Jahr]<br />
Quelle: Eigene Darstellung (im-plan-tat Reinberg und Partner)<br />
Die Begrünung ist alle zwei Jahre stark vertreten, klar dominiert vom Kleegras. Jedoch<br />
schwanken die jährlichen Outputmengen der Begrünung in dieser Variante sehr stark<br />
(zwischen 8% im Jahr 11 und 17 bis hin zu 78% im Jahr 12).<br />
Aufgrund der geänderten Standortanforderungen für Mais und Weizen (Standortanforderungen<br />
wurden gesenkt) und den geringen Standortanforderungen von Kleegras<br />
werden großteils die Neuen Kulturarten verdrängt und können sich nicht an den Standorten<br />
festsetzen.<br />
Die zweijährigen Output-Schwankungen stellen ein modelltechnisches Artefakt dar, das aus<br />
der Fruchtfolge erklärbar ist (bzw. die Wirkung derselben illustrieren soll); Tatsächlich würde<br />
ein Mittel über diese Zyklen eintreten, da in der Realität nicht alle Flächen simultan gleich<br />
bewirtschaftet werden (im Modell aber schon!).
GIS-basierte Potenzialanalyse<br />
6.3.3 Variante 2 – Extensive Landwirtschaft<br />
Modellannahme<br />
Die Variante „Extensive Landwirtschaft“ umfasst alle 27 Kulturarten. In diesem<br />
Modelldurchlauf werden die „pflegeleichten“ Kulturarten forciert, indem beispielsweise<br />
Ackerwiese keiner Fruchtfolge unterliegt.<br />
Modellergebnis<br />
In der Variante Extensive Landwirtschaft finden sich nur zwischen 9 und 12 der 27 möglichen<br />
Kulturarten wieder. Die geringe Anzahl an vertretenen Kulturarten in dieser Variante resultiert<br />
aus der nicht erzwungenen Fruchtfolge bei den Begrünungen, insbesondere bei der<br />
Ackerwiese.<br />
Die Ergebnisse der Variante zeigen die Dominanz der Begrünung (Ackerwiese, Kleegras,<br />
Luzerne). Im Durchschnitt liefern die Begrünungen über 20 Jahre 83% der Gesamtmenge.<br />
Der geringste Outputwert der Begrünung in den 20 Jahren in dieser Variante beträgt 77%<br />
der Gesamterntemenge. Die traditionellen Kulturarten und die Neuen Kulturarten liefern im<br />
besten Jahr gerade 24% der gesamten Outputmenge.<br />
Abbildung 6-7: Variante Externe Landwirtschaft - Erntemengen [Tonnen pro Jahr]<br />
Quelle: Eigene Darstellung (im-plan-tat Reinberg und Partner)<br />
Die Variante „Externe Landwirtschaft“ führt (rein massebezogen) zu hohen Gesamtoutputmengen,<br />
die in Summe bei bis zu ca. 19 Mio. Tonnen pro Jahr liegen.<br />
Auf Ebene der einzelnen Kulturarten ist festzustellen, dass neben den Begrünungen<br />
(Ackerwiese, Kleegras und Luzerne) Sudangras, Winterweichweizen, Körnermais und<br />
Silomais relativ große Mengen liefern. Die Getreidemenge wie auch Maismenge in der<br />
Variante Extensive Landwirtschaft stellt jedoch nur einen sehr geringen Teil der<br />
Erntemengen im Jahr 2008 dar.<br />
84
6.3.4 Variante 3 – Intensivierung der Fruchtfolge<br />
85<br />
ALPot<br />
Modellannahme:<br />
In der Variante „Intensivierung der Fruchtfolge“ 22 sind 26 Kulturarten vorgesehen.<br />
Ackerwiese ist bei dieser Variante ausgeschlossen. Zusätzlich unterliegen Kleegras und<br />
Luzerne einer Fruchtfolge von 2 Jahren.<br />
Mit der Intensivierung der Fruchtfolge soll die Anzahl der Kulturarten je Jahr gesteigert<br />
werden.<br />
Modellergebnis<br />
In der Variante „Intensivierung der Fruchtfolge“ finden sich zwischen 10 und 14 der 27<br />
möglichen Kulturarten wieder. Erwähnenswert ist, dass die größte Vielfalt an Kulturarten<br />
bereits im Jahr 2 zu beobachten ist, wo eine relativ geringe Gesamtoutputmenge erzielt wird.<br />
Abbildung 6-8: Variante Intensivierung der Fruchtfolge - Erntemengen [Tonnen pro Jahr]<br />
Quelle: Eigene Darstellung (im-plan-tat Reinberg und Partner)<br />
Aufgrund der für die extensiven Kulturarten degressiven Modellannahme (Ausschluss von<br />
Ackerwiese, Fruchtfolge für Kleegras usw.) findet eine Verschiebung in Richtung Mais und<br />
Weide/Pappel statt. Im Durchschnitt liefern die traditionellen Kulturarten (Mais, Weizen,<br />
Zuckerrübe) 44% der gesamten jährlichen Erntemenge, die Begrünungen 36% und die<br />
Neuen Kulturarten 20%. In dieser Variante fallen bei der Analyse der Daten besonders die<br />
großen Abweichungen der jeweiligen Mittelwerte der jährlichen Erntemengen auf. Bei den<br />
Neuen Kulturarten sind Spannweiten von 3% im Jahr 1 bis 31% im Jahr 2 festzustellen. Die<br />
Outputmenge der traditionellen Kulturarten schwankt zwischen 83% im Jahr 1 bis zu 16%<br />
und Jahr 15. Die Spannweite bei den Begrünungen erstreckt sich zwischen 0% im Jahr 14<br />
und 67% im Jahr 15.<br />
22 Unter „Intensivierung der Fruchtfolge“ ist die Steigerung der Anzahl der einzelnen Kulturarten<br />
aufgrund des Fruchtfolge-Rhythmus zu verstehen und nicht eine Intensivierung der Flächennutzung.
GIS-basierte Potenzialanalyse<br />
Im Jahr 1 besetzen traditionelle Kulturarten eine Vielzahl an Standorten und liefern daher<br />
eine relativ große Outputmengen (Weizen und Mais). Die beiden Kulturarten können aber<br />
(besonders Weizen) die große Anzahl an Standorten nicht wieder besetzen. Hingegen breitet<br />
sich über die Zeit Weide/Pappel stärker aus. Zwischen Weizen und Weide/Pappel ist eine<br />
direkte Standortkonkurrenz zu beobachten.<br />
Im Gegensatz dazu ist besonders bei Zuckerrübe und Roggen festzustellen, dass die<br />
Outputmengen (abgesehen von der Fruchtfolge) sich über die Jahre nicht wesentlich ändern.<br />
Demnach finden diese Kulturarten nicht wesentliche Konkurrenz bei der Besetzung der<br />
Standorte vor.<br />
Bei weiterer detaillierter Analyse auf Ebene der Kulturarten fällt auf, dass Topinambur in<br />
dieser Variante auftritt, jedoch nur im Jahr 2. Starke jährliche Schwankungen sind auch bei<br />
Sudangras festzustellen, wo jährliche Erntemengen zwischen 65.000 Tonnen und 990.000<br />
Tonnen erzielt werden.<br />
6.3.5 Variante 4 – Intensivierung der Fruchtfolge II<br />
Modellannahme:<br />
Die Variante „Intensivierung der Fruchtfolge II“ baut auf ähnlichen Grundlagen wie Variante 3<br />
auf. Jedoch ist bei Kleegras und Luzerne ein Fruchtfolgewechsel von 4 Jahren vorgesehen.<br />
Diese Grundlagen sollen für die Variante 4 zeigen, welche Kulturarten sich bei einer<br />
Zurückdrängung diverser Begrünungen behaupten können.<br />
Modellergebnis<br />
In der Variante 4 „Intensivierung der Fruchtfolge II“ sind jährlich zwischen 11 und 14 der 27<br />
Kulturarten vertreten. Generell fällt auf, dass in dieser Variante eine geringere Outputmenge<br />
erzielt wird. Dies basiert u.a. darauf, dass die jährlichen Erntemengen der Begrünung in<br />
dieser Variante durch die erzwungenen Fruchtfolgewechseln bei Kleegras und Luzerne,<br />
sowie dem Ausschluss von Ackerwiese nur zwischen 0% und 41% liegen (Mittelwert 11%).<br />
Im Gegensatz dazu finden sich die traditionellen wie auch Neuen Kulturarten wieder. Von<br />
den traditionellen Kulturarten sind Mais und speziell Roggen in dieser Variante stark<br />
vertreten.<br />
Bei den Neuen Kulturarten dominiert Weide/Pappel, die bis zu dem Jahr 10 steigende<br />
Erntemengen verzeichnet, dann jedoch stagniert. Sudangras, wie auch Topinambur<br />
ergänzen die jährlichen Outputmengen der Neuen Kulturarten.<br />
Diese Variante zeigt klar, dass sich bei künstlicher Zurückdrängung der Begrünung durch<br />
erzwungenen Fruchtfolgewechsel die Neuen Kulturarten (insbesondere Weide/Pappel,<br />
Topinambur sowie Sudangras) durchsetzen.<br />
86
Abbildung 6-9: Variante Intensivierung der Fruchtfolge II - Erntemengen [Tonnen pro Jahr]<br />
Quelle: Eigene Darstellung (im-plan-tat Reinberg und Partner)<br />
6.3.6 Variante 5 – Intensivierung der Fruchtfolge III<br />
87<br />
ALPot<br />
Modellannahme<br />
Die Variante 5 zeigt eine weitere Intensivierung der Fruchtfolge. Hier ist erneut Ackerwiese<br />
als Kulturart ausgeschlossen, für Luzerne und Kleegras ist ein Fruchtfolgewechsel von 4<br />
Jahren vorgesehen. Die Standortanforderungen für Mais sind in dieser Variante geringer<br />
angesetzt als bei den restlichen Varianten, indem geringere Anforderungen an Boden,<br />
Temperatur und Niederschlag gewählt wurden. Hier wurde erneut die Annahme der<br />
Variante 1 (Intensive Landwirtschaft) angewendet, dass aufgrund von Züchtungsfortschritten<br />
die Standortanforderungen der traditionellen Kulturarten sinken.<br />
Modellergebnis<br />
Die Variante „Intensivierung der Fruchtfolge III“ beinhaltet zwischen 12 und 15 Kulturarten<br />
pro Jahr. In dieser Variante ist die größte jährliche Kulturartenvielfalt abgebildet, was auf der<br />
starken Zurückdrängung der Begrünung fußt.<br />
Die Outputmengen der Begrünungen variieren jährlich zwischen 0% im Jahr 3 und 30% im<br />
Jahr 5 der jährlichen Gesamterntemengen. Die traditionellen Kulturarten liefern über die 20<br />
Jahre im Durchschnitt 36% der jährlichen Erntemengen. Besonders auffällig ist der hohe<br />
Anteil an traditionellen Kulturarten im Jahr 1, wo 64% der gesamten Menge von diesen<br />
Kulturarten geliefert wird. Im Jahr 1 fallen außerdem die großen Mengen an Weizen auf, die<br />
in den folgenden Jahren bei Weitem nicht erzielt werden können.
GIS-basierte Potenzialanalyse<br />
Abbildung 6-10: Variante Intensivierung der Fruchtfolge III - Erntemengen [Tonnen pro Jahr]<br />
Quelle: Eigene Darstellung (im-plan-tat Reinberg und Partner)<br />
Ab dem 2. Jahr werden die größten Outputmengen von den Neuen Kulturarten geliefert, im<br />
Durchschnitt über 20 Jahre sind dies 55% der gesamten Erntemengen. Ab dem 3. Jahr<br />
liefern diese Kulturarten mehr als 50% der jährlichen Outputmengen (bis zu 64%). Die<br />
wesentliche Kulturart stellt auch hier Weide/Pappel dar, Die jährlichen Erntemengen dieser<br />
Kulturarten steigen kontinuierlich an, im Jahr 17 werden 4 Mio. Tonnen an Ernte<br />
eingefahren. Topinambur und Sudangras liefern jährlich zwischen 500.000 Tonnen und<br />
1 Mio. Tonnen.<br />
Außerdem liefert Miscanthus ab dem Jahr 7 knapp 2 Mio. Tonnen pro Jahr.<br />
6.3.7 Variante 6 – Forcierung von Energiepflanzen<br />
Modellannahme<br />
Die Variante „Forcierung von Energiepflanzen“ umfasst 26 Kulturarten, Ackerwiese ist auch<br />
in dieser Variante ausgeschlossen. Die beiden Kulturarten Luzerne und Kleegras unterliegen<br />
einer zweijährigen Fruchtfolge. Zusätzlich werden die Standortanforderungen für Mais<br />
gehoben.<br />
Modellergebnis<br />
In der Variante „Forcierung von Energiepflanzen“ sind jährlich zwischen 11 und 15 der 27<br />
Kulturarten vertreten. Die drei Gruppen traditionelle Kulturarten, Begrünung und Neue<br />
Kulturarten liefern im Schnitt jährlich zu einem Drittel die Gesamtoutputmengen. Bei<br />
Begrünung treten jedoch die größten Spannweiten zwischen Maxima und Minima auf.<br />
88
89<br />
ALPot<br />
Abbildung 6-11: Variante Intensivierung der Fruchtfolge III - Erntemengen [Tonnen pro Jahr]<br />
Quelle: Eigene Darstellung, im-plan-tat Reinberg und Partner 2010.<br />
Geringe Bandbreiten betreffend Outputmengen zeigen sich bei den Neuen Kulturarten, wo<br />
erneut Weide/Pappel die größten jährlichen Erntemengen erzielt. In dieser Variante tritt<br />
neben Sudangras auch Miscanthus auf, der ab dem 3. Jahr 1,3 Mio. Tonnen jährliche<br />
Erntemenge liefert. Miscanthus steht in direkter Standortkonkurrenz mit Mais, der in dieser<br />
Variante aufgrund der erhöhten Standortanforderungen geringere Erntemengen bringt.<br />
6.4 Kritische Betrachtung der Ergebnisse<br />
6.4.1 Kritische Betrachtung der Gesamterntemengen<br />
Im Vergleich zu den Erntemengen des Jahres 2008 liegen die Ergebnisse der Varianten<br />
betreffend Gesamtoutput-Mengen in einer Schwankungsbreite von -20% bis +30%. Die<br />
Ergebnisse der Varianten, wo Ackerwiese berücksichtigt wurde, zeigen die größten Output-<br />
Mengen.<br />
Bei der Interpretation der Abbildung ist jedoch zu berücksichtigen, dass in den Varianten die<br />
Neuen Kulturarten großteils wesentliche Erntemengen erzielen. Damit werden die<br />
klassischen Kulturarten zurückgedrängt und die Mixtur der Kulturarten aus dem Jahr 2008<br />
entspricht trotz ähnlicher Gesamterntemengen bei weitem nicht dem der einzelnen<br />
Varianten.
GIS-basierte Potenzialanalyse<br />
Abbildung 6-12: Vergleich der Gesamterntemengen [Tonnen pro Jahr]<br />
Quelle: Eigene Darstellung (im-plan-tat Reinberg und Partner)<br />
** In den Daten der Statistik Austria 2008 sind die Mengen aller erhobenen Kulturarten erfasst.<br />
6.4.2 Schwächen des Modells<br />
Das Modell beinhaltet keine Zieldefinition. Demnach erfolgt nicht die Modellierung nach<br />
erwünschten Output-Mengen bestimmter Kulturarten. Somit ist es nicht das Ziel des Modells,<br />
Varianten betreffend Lebensmittel-Autarkie oder Optimierung von Biomassen für die<br />
Energiebereitstellung zu rechnen.<br />
Das Modell vergleicht die Standortanforderungen der ausgewählten Kulturarten mit den<br />
Standortbedingungen der Standorte. Bei einer ex-aequo Reihung von Kulturarten betreffend<br />
die Eignung wird die erstgereihte Kulturart ausgewählt (siehe Abschnitt 6.2).<br />
6.5 Modellaussagen – Schlussfolgerungen<br />
Mit der Entwicklung und Anwendung des Modells wurde der Versuch gestartet, die räumliche<br />
Verteilung der Kulturarten entsprechend der Standortbedingungen ohne anthropogene<br />
Einflussnahme beispielsweise mittels Kunstdünger oder Pflanzenschutzmittel darzustellen.<br />
Die Regeneration des Bodens soll durch strikte Berücksichtigung von Fruchtfolgebeschränkungen<br />
und Ruhezeiten gewährleistet sein.<br />
Nach der Entwicklung des Modells können folgende generelle Schlussfolgerungen angeführt<br />
werden:<br />
• Das Modell zeigt in allen Varianten – unter der Bedingung, dass die<br />
Standortbedingungen künstlich nicht verändert werden – eine klare Wende von den<br />
pflegeintensiven Kulturarten hin zu pflegeextensiven Kulturarten.<br />
• Die gesamte kulturartenübergreifende Output-Menge nimmt mit dem Zurückdrängen<br />
von Begrünungen (Ackerwiese, Klee und Kleegras) durch exogenen Ausschluss bei<br />
der Modellannahme bzw. der Erhöhung der Fruchtfolgeintervalle ab.<br />
90<br />
%-Angaben zeigen Abweichungen zur<br />
Erntemenge 2008
91<br />
ALPot<br />
• Aufgrund der teilweise schwach ausgeprägten Abweichungen der Standortbedingungen<br />
untereinander auf den österreichischen Ackerflächen ist unter<br />
Zuhilfenahme von erhöhten Düngemittel- und Pflanzenschutzmitteleinsatz nahezu an<br />
jedem Standort jede Kulturart zu bauen.<br />
• Zumindest einige Energiepflanzen sind äußerst gut an die naturräumlichen<br />
Gegebenheiten angepasst. Dies gilt insbesondere für die Ackerwiese (Grassilage)<br />
sowie Kurzumtriebskulturen (Weide/Pappel).<br />
• Kulturarten, wie Raps und Mais, die ebenfalls zu energetischen Zwecken genutzt<br />
werden können, entsprechen weniger den Standortbedingungen und sind<br />
entsprechend geringer in den Ergebnissen der Varianten vertreten.<br />
Aus den dargestellten Varianten lassen sich folgende Schlüsse betreffend die Verbreitung<br />
der einzelnen Kulturarten ableiten:<br />
1. Die Output-Mengen von Sommerweich- und Winterweichweizen bei dem Modell<br />
„Intensive Landwirtschaft“ erreichen nahezu die Erntemengen von 2008. In den<br />
anderen Varianten werden klar geringere Output-Mengen erzielt, wobei auch immer<br />
der Ausschluss von Ackerwiese eine wesentliche Bedingung darstellt. Bei der<br />
Intensivierung der Fruchtfolge bei Kleegras und Luzerne stellen Sudangras und<br />
Weide/Pappel gegenüber den Weizensorten wesentliche Konkurrenz dar.<br />
2. Den größten Mais-Output liefert das Modell mit der Variante "Intensive<br />
Landwirtschaft". Diese Kulturart bringt nur unter dem Ausschluss von Ackerwiese und<br />
der Einschränkung von Klee mittels Fruchtfolge die erhöhten Erträge. Es ist jedoch<br />
klar zu erwähnen, dass die Output-Mengen in allen Varianten den Ernteerträgen aus<br />
2008 bei weitem nicht entsprechen. Aufgrund der Eingangsparameter der Variante 6<br />
(Energiepflanzen) resultieren geringe Mais-Outputs, da hier Mais in direkter<br />
Konkurrenz zu Kurzumtriebshölzern und Miscanthus steht und optimaler den<br />
Standortbedingungen entsprechen.<br />
3. Die Output-Mengen von Sommer- und Wintergerste steigen bei Ausschluss von<br />
Ackerwiese deutlich an. Bei Intensivierung der Fruchtfolge bei Kleegras und Luzerne<br />
sinken jedoch die Output-Mengen, was auf die deutliche Zunahme von Weide/Pappel<br />
zurückzuführen ist. Demnach besetzen die Kurzumtriebshölzer die Standorte, die für<br />
Sommer- und Wintergerste geeignet werden, wodurch die geringeren Mengen zu<br />
erklären sind.<br />
4. Roggen liefert in den einzelnen Varianten konstante Output-Mengen mit Ausnahme<br />
der Variante „Extensive Bewirtschaftung“ und „Grundmodell“. Hier steht die Kulturart<br />
mit Ackerwiese im Wettbewerb. Bei Ausschluss von Ackerwiese und bei<br />
Einschränkung von Klee und Luzerne mittels Fruchtfolge erzielt Roggen die größten<br />
Output-Mengen, die weit über den statistischen Erntemengen aus 2008 liegen.<br />
5. Triticale und Hafer können sich in keiner der Varianten durchsetzen. Dies beruht<br />
auf der Standortkonkurrenz mit Weizen und Gerste. Triticale und Hafer erzielen auf<br />
den geeigneten Standorten schlechtere Ränge als die konkurrierenden Kulturarten,<br />
weshalb diese beiden Kulturarten nicht ausgewählt werden.<br />
6. Ackerwiese - stärkste Kulturart, sofern die Kulturart nicht exogen ausgeschlossen<br />
wird. Bei zweijähriger Fruchtfolge (d.h. Ackerwiese kann theoretisch nur jedes dritte<br />
Jahr den jeweiligen Standort besetzen) wird der Output von Ackerwiese gedrittelt. Die
GIS-basierte Potenzialanalyse<br />
"Stärke" von Ackerwiese zeigt sich besonders gut bei der Gegenüberstellung mit<br />
Sonnenblume, die in allen Varianten Output liefert; außer in der Variante "Extensive<br />
Landwirtschaft". Stichprobenartig wurde überprüft, dass die Sonnenblume in diesem<br />
Fall von Ackerwiese verdrängt wurde. Sonnenblume weist wesentlich differenziertere<br />
und höhere Standortanforderungen als Ackerwiese auf.<br />
7. Kleegras erzielt in nahezu allen Varianten überdurchschnittlich hohe Output-Mengen,<br />
was auf den geringen Standortanforderungen der Kulturart beruht. Wird Kleegras<br />
exogen ausgeschlossen, kommt es zu einer deutlichen Zunahme von Weide/Pappel.<br />
8. Zuckerrübe, Sojabohnen, Ölkürbis und Kartoffeln bleiben klar unter den realen<br />
Erntemengen des Jahres 2008. Die Kulturarten sind in deren Profilen mit klaren<br />
Standortanforderungen ausgewiesen, was zu ähnlichen Output-Mengen über die<br />
Varianten hinweg führt. Dies beruht darauf, dass sich diese Kulturarten nicht direkt<br />
um die Standorte konkurrenzieren.<br />
9. Miscanthus kann sich nur in den Varianten „Energiepflanzen“ und „Intensivierung der<br />
Fruchtfolge III“ durchsetzen. In der Variante „Energiepflanzen“ setzt sich die Kulturart<br />
gleich in t0/t1 an bestimmten Standorte fest und besetzt diese Flächen über 20 Jahre;<br />
d.h. über die 20 Perioden setzt sich Miscanthus gegenüber anderen Kulturarten nur<br />
in t0/t1 durch und nicht in den folgenden Perioden. Bei der Varianten „Intensivierung<br />
der Fruchtfolge III“ liefert Miscanthus bis zum Jahr 7 steigende Erntemengen, dann<br />
stagnieren diese.<br />
10. Sudangras liefert in allen Varianten konstante Output-Mengen. Die größten Erträge<br />
werden in der Variante „Intensivierung der Fruchtfolge II“ erzielt, wo Sudangras<br />
zulasten von Klees und Luzerne Standorte besetzt.<br />
11. Weide/Pappel zeigen laufende Outputs unterschiedlicher Dimensionen. Detaillierte<br />
Analysen zeigen, dass die schnell wachsenden Hölzer freiwerde Maisflächen<br />
besetzen und bei Intensivierung der Fruchtfolge Klee- und Luzerne-Standorte<br />
besetzen. Im Vergleich zu Miscanthus (beide Kulturarten haben Besetzungsdauer<br />
von 20 Jahren) werden die Standorte nicht nur in t0/t1 besetzt, sondern steigt die<br />
Anzahl der Standorte bis t5 langsam an.<br />
12. Topinambur kann sich nur bei Ausschluss von Grünland und Fruchtfolge von Klee<br />
und Luzerne behaupten und über die Perioden Standorte unterschiedlicher<br />
Standortbedingungen besetzen.<br />
Neben den Aussagen zu den einzelnen Kulturarten sind Schlüsse auch betreffend die<br />
Varianten zu ziehen:<br />
1. Generell zeigen die Varianten und das Grundmodell, dass die „neuen" Kulturarten<br />
den Standortbedingungen teilweise besser entsprechen als traditionelle Kulturarten.<br />
Die Varianten zeigen, dass sich Pappel/Weide, Sudangras, teilweise Miscanthus und<br />
teilweise Topinambur durchsetzen und den Standortbedingungen in Österreich eher<br />
entsprechen.<br />
2. Die Variante „Extensive Landwirtschaft“ zeigt deutlich, dass bei extensiver<br />
Bewirtschaftung in erster Linie Mais- und Weizenflächen zugunsten von Ackerwiese<br />
verloren gehen.<br />
3. Der Variantenvergleich "Intensivierung der Fruchtfolge I" und "Intensive Landwirtschaft"<br />
zeigt, dass Klee/Luzerne weniger standortgebunden sind als Kleegras.<br />
92
93<br />
ALPot<br />
Durch die Forcierung der Fruchtfolge bei "Intensivierung der Fruchtfolge II" nimmt<br />
Kleegras an Output-Menge klar ab, Luzerne aber bleibt gleich.
Ökonomisches Potenzial der landwirtschaftlichen Biomasseproduktion<br />
7 Ökonomisches Potenzial der landwirtschaftlichen<br />
Biomasseproduktion<br />
Gegenstand dieses Kapitels ist das ökonomische Potenzial des Energiepflanzenanbaus auf<br />
Ackerflächen. Dabei werden mithilfe eines agrarischen Modellclusters naturräumliche<br />
Gegebenheiten, Fruchtfolgen etc. ebenso berücksichtigt wie Opportunitätskosten. D.h. im<br />
Gegensatz zu rein naturwissenschaftlich-technischen Potenzialabschätzungen in der<br />
Literatur wird hier davon ausgegangen, dass es nur dann zur Produktion von<br />
Energiepflanzen kommt, wenn damit höhere Deckungsbeiträge erzielbar sind, als bei<br />
anderen Ackerfrüchten.<br />
7.1 Daten und Methoden<br />
Um das ökonomische Biomassepotential in der österreichischen Landwirtschaft<br />
abzuschätzen, werden Daten aus dem CropRota Modell (Schönhart et al., 2009) und dem<br />
bio-physikalischen Prozesssimulationsmodell EPIC (Williams, 1995) in ein räumlichexplizites<br />
Landnutzungsoptimierungsmodell BiomAT (Asamer et al., 2010) integriert.<br />
Mit CropRota sind auf Gemeindeebene typische Fruchtfolgen aus den INVEKOS-Daten<br />
abgeleitet worden. Es wurden bis zu 22 zwei- bis sechsgliedrige Fruchtfolgen sowie ihr<br />
flächenmäßiger Anteil je Gemeinde bestimmt. Die zur Berechnung der Deckungsbeiträge<br />
notwendigen Ertragsniveaus einzelner Ackerkulturarten sowie deren Umweltwirkungen sind<br />
mit dem bio-physikalischem Prozessmodell EPIC simuliert worden. In EPIC sind Daten über<br />
Bodentyp, Topographie und Klima sowie die Fruchtfolgen mit verschiedenen<br />
Bewirtschaftungsintensitäten (Einsatz ertragssteigender Betriebsmittel – Standard,<br />
Reduziert, Verzicht) eingegangen. Die simulierten Pflanzenerträge und Umweltwirkungen<br />
sind zusammen mit den Erzeugerpreisen, den variablen Kosten und Förderungen in das<br />
räumlich explizite Landnutzungsoptimierungsmodell (BiomAT) integriert worden. Bei den<br />
Förderungen werden die Betriebsprämie, die ÖPUL Prämien und die Energiepflanzenprämie<br />
berücksichtigt. Die Viehhaltung in den Gemeinden fließt über die aggregierten<br />
Deckungsbeiträge pro Hektar landwirtschaftlicher Fläche in das Modell ein.<br />
Für das Jahr 2015 sind die Erzeugerpreise für Agrarprodukte nach OECD-FAO (2008) wie in<br />
Kapitel 3.3 beschrieben, ermittelt worden. Für die Simulationsjahre 2020 und 2030 wurde die<br />
Entwicklung der Erzeugerpreise linear fortgeschrieben. Die variablen Produktionskosten<br />
wurden in Abhängigkeit des Rohölpreises der jeweiligen Simulationsjahre (2006, 2015, 2020,<br />
2030) errechnet (siehe Kapitel 3.3). Die Betriebsprämie (1.Säule der GAP - Marktordnungen)<br />
im Jahr 2006 wurde für die Jahre 2015 und danach in eine Flächenprämie umgewandelt und<br />
um 50% gekürzt (vgl. Schmid et al., 2008). Die Energiepflanzenprämie wurde nur im Jahr<br />
2006 verwendet. Die ÖPUL-Prämien (2.Säule der GAP – Ländliche Entwicklung) wurden in<br />
der Höhe und im Wirkungsbereich der Simulationen nicht verändert.<br />
Um die Produktion der heimischen Energiepflanzen zu steigern, sind finanzielle Anreize<br />
erforderlich. Diese können durch Anreize über Marktmechanismen (d.h. eine höhere<br />
Zahlungsbereitschaft für heimische Energieträger) oder über Einflussnahme durch die<br />
öffentliche Hand (z.B. in Form von Prämien) erfolgen. Für einen rein ökonomisch<br />
entscheidenden Landwirt spielt lediglich das Preissignal, nicht dessen Ursachen eine Rolle.<br />
Im Folgenden wird das Preissignal als „(Biomasse-) Prämie“ bzw. „Prämienstufe“ bezeichnet.<br />
Um Angebotsmengenreaktionen bei verschiedenen Arten von Energiepflanzen im Model<br />
abzubilden, wurden verschiedene „Biomasseförderschwerpunkte“ unterstellt: Im<br />
Biomasseförderschwerpunkt 1 (FS1) werden alle Energiepflanzen mit Prämien<br />
subventioniert. Im Biomasseförderschwerpunkt 2 (FS2) werden Energiepflanzen für die<br />
Produktion von Ethanol und Fettsäuremethylester (FAME), im Biomasseförderschwerpunkt 3<br />
(FS3) werden Energiepflanzen für die Erzeugung von Biogas und im<br />
Biomasseförderschwerpunkt 4 (FS4) werden Ligno-Zellulosepflanzen (Weide, Pappel, Heu<br />
94
95<br />
ALPot<br />
und Stroh) gefördert. Die Höhe der Prämie wird in jedem Förderschwerpunkt von 20 €/tatro bis<br />
100 €/tatro variiert.<br />
7.2 Ergebnisse und Interpretation<br />
Die Simulationsergebnisse für das Basisjahr 2006 zeigen die Dominanz von Körnermais,<br />
Silomais und Winterweizen für die Biogasproduktion und Winterraps für die<br />
Biodieselherstellung. Eine Biomasseprämie auf alle Energiepflanzen führt zu einer<br />
entsprechenden Ausdehnung der Energiepflanzenproduktion, die in Abbildung 7-1<br />
dargestellt ist.<br />
Veränderung der Bioenergiefläche<br />
700%<br />
600%<br />
500%<br />
400%<br />
300%<br />
200%<br />
100%<br />
0%<br />
100 €/tatro<br />
80 €/tatro<br />
60 €/tatro<br />
40 €/tatro<br />
20 €/tatro<br />
0 €/tatro<br />
2006 2015 2020 2030<br />
Jahr<br />
Abbildung 7-1: Veränderungen des Flächenausmaßes der gesamten Biomasseproduktion<br />
in den Jahren 2015, 2020 und 2030 ausgehend vom Basisjahr 2006 in Abhängigkeit der<br />
Prämienstufen (0 bis 100 €/tatro)<br />
Es zeigt sich, dass vor allem Energiepflanzen für die Biogasproduktion an der Ausdehnung<br />
der Bioenergiefläche beteiligt sind. Dies ist vor allem auf die höheren Trockenmasseerträge<br />
durch die Ernte von Ganzpflanzen zurückzuführen, die einen höheren Prämienanspruch je<br />
ha auslösen. Wird die Bioenergieproduktion nicht zusätzlich gefördert, sinkt die<br />
Bioenergiefläche um rund 25%. Eine Biomasseprämie von 20 €/tatro würde die<br />
Bioenergiefläche bereits um das 2,4-fache erhöhen. Durch einen Prämiensatz von 100 €/tatro<br />
könnte die Bioenergiefläche auf das 6,3-fache steigen, wobei mit zunehmender<br />
Biomasseprämie die zusätzliche Bioenergiefläche abnimmt. Vor allem in viehstarken<br />
Gemeinden ist der Anteil der Fläche für die Bioenergieproduktion weiterhin gering (vgl.<br />
Abschnitt 5.3.2).<br />
Neben der Ausdehnung der Bioenergiefläche ist auch eine Zunahme der<br />
Bewirtschaftungsintensität zu beobachten. So sinkt der Flächenanteil der ÖPUL-Maßnahmen<br />
„Reduktion und Verzicht von ertragsteigenden Betriebsmitteln“. Der Einsatz<br />
ertragssteigernder Betriebsmittel (Standard) steigt dagegen vor allem auf den<br />
Bioenergieflächen stark an (Abbildung 7-2). Dadurch ist bei der Subventionierung von<br />
Energiepflanzen mit höherem Ertragspotential (Biogas und Ethanol) eine Zunahme der<br />
gesamten Biomasseproduktion zu beobachten. Bei sehr hohen Prämien für Energiepflanzen<br />
nimmt der durchschnittliche Ertrag je Flächeneinheit jedoch wieder ab. Dies ist darauf<br />
zurückzuführen, dass bei sehr hohen Biomasseprämien die schnell steigenden Potentiale<br />
bereits ausgeschöpft sind und nun auch Erzeugnisse mit niedrigeren Biomasseerträgen (z.B.<br />
Heu) wirtschaftlich interessant werden.
Ökonomisches Potenzial der landwirtschaftlichen Biomasseproduktion<br />
Aufgrund des Flächenrückganges bei Ackerkulturen für die Futter- und<br />
Lebensmittelerzeugung und des geringen Rückganges der Bewirtschaftungsintensität<br />
„Verzicht auf Einsatz ertragssteigender Betriebsmittel“ sinken die durchschnittlichen<br />
Erntemengen je Hektar.<br />
Anteil Bewirtschaftungsintensität<br />
100%<br />
90%<br />
80%<br />
70%<br />
60%<br />
50%<br />
40%<br />
30%<br />
20%<br />
10%<br />
0%<br />
0 20 40 60 80 100<br />
Biomasseprämie [€/t TM]<br />
Standard Reduziert Verzicht<br />
Abbildung 7-2: Veränderungen der Bewirtschaftungsintensität in Abhängigkeit der<br />
Biomasseprämie im Jahr 2015 bei Förderung aller Bioenergiekulturen.<br />
Durch die Ausdehnung der Fläche für Energiepflanzen nimmt aufgrund der begrenzt<br />
verfügbaren Ackerfläche der Flächenanteil für Kulturen zur Erzeugung von Futter- und<br />
Lebensmitteln (FM&LM) ab (Abbildung 7-3).<br />
Veränderung der Ackerfläche ['000 ha]<br />
800<br />
600<br />
400<br />
200<br />
0<br />
‐200<br />
‐400<br />
‐600<br />
2006_0€/t TM<br />
Kulturen f. FM&LM<br />
Ethanol<br />
FAME<br />
Biogas<br />
Ligno‐Zellulose<br />
2020_0€/t TM<br />
2020_20€/t TM<br />
2020_40€/t TM<br />
‐800<br />
Abbildung 7-3: Veränderungen des Flächenausmaßes von Kulturen für die Futtermittel- und<br />
Lebensmittelproduktion (Kulturen f. FM&LM) und für die Produktion von Energiepflanzen für<br />
das Jahr 2020 in Abhängigkeit der Biomasseprämie beim Förderschwerpunkt Biogas (FS3)<br />
zum Basisjahr 2006.<br />
96<br />
2020_60€/t TM<br />
2020_80€/t TM<br />
2020_100€/t TM
97<br />
ALPot<br />
Speziell Weizen und Kleegras sind von der Verdrängung betroffen. Je nach<br />
Förderschwerpunkt gehen auch die Anbauflächen von Mais (Körnermais und Silomais),<br />
Ackerwiese, Zuckerrübe und/oder Gerste zurück. Dies ist beispielshaft in Abbildung 7-4 bei<br />
der Subventionierung von Ethanol- und FAME-Kulturen zu sehen.<br />
Triticale<br />
Sonnenblume<br />
Sojabohne<br />
Zuckerrübe<br />
S‐Gerste<br />
Kartoffel<br />
Hafer<br />
Kleegras<br />
Erbse<br />
Brache<br />
Ackerbohne<br />
Durum<br />
Silomais<br />
Gemüse<br />
Körnermais<br />
Rotklee<br />
W‐Gerste<br />
Luzerne<br />
‐180 ‐160 ‐140 ‐120 ‐100 ‐80 ‐60 ‐40 ‐20 0 20<br />
Veränderung der Fläche in '000 ha<br />
Ackerwiese<br />
Weizen<br />
Roggen<br />
Raps<br />
2030_100 €/tatro 2020_100 €/tatro 2015_100 €/tatro<br />
Abbildung 7-4: Flächenveränderungen von Ackerkulturen für die Futtermittel- und<br />
Lebensmittelproduktion bei einer Biomasseprämie von 100 €/tatro in den Jahren 2015, 2020<br />
und 2030 zum Basisjahr 2006 in Tausend ha.<br />
Die Flächen für Energiepflanzen nehmen entsprechend zu (Abbildung 7-5 am Beispiel FS2).<br />
Bei der Förderung von Ethanol- und FAME-Kulturen (FS2) und bei der Förderung von Biogas<br />
(FS4) wird das Anbauverhältnis der Ackerkulturen nur geringfügig verändert. Die Verwertung<br />
wechselt jedoch von der Futtermittel- und Lebensmittelproduktion in die Energieproduktion.<br />
Anders ist es bei der Förderung von Ligno-Zellulose-Pflanzen (FS4). Hier verändert sich das<br />
Kulturartenverhältnis aufgrund der Zunahme von Kurzumtriebsflächen deutlich. Vor allem<br />
Weizen, Zuckerrübe und Gerste nehmen ab. Kleegras und Ackerwiesen werden anstatt in<br />
der Futtermittelproduktion energetisch verwertet.<br />
Ein weiterer Effekt ist die Zunahme von Erbsen-, Ackerbohnen- und Sojabohnenflächen.<br />
Dies ist dadurch zu erklären, dass im BiomAT Fruchtfolgen berücksichtigt werden und nicht<br />
einzelne Ackerkulturen bzw. deren Verwendung. Durch den verstärkten Anbau von<br />
Energiepflanzen wird aufgrund der Fruchtfolgesequenzen der Flächenanteil dieser Kulturen
Ökonomisches Potenzial der landwirtschaftlichen Biomasseproduktion<br />
für die Futter- und Lebensmittelproduktion ebenfalls erhöht. Die Zunahme der Gemüsefläche<br />
ist hauptsächlich auf die Erzeugerpreisprognose von OECD-FAO (2008) zurückzuführen.<br />
Biogas_Ackerwiese<br />
Biogas_Kleegras<br />
Biogas_Sonnenblume<br />
Biogas_Silomais<br />
Biogas_Körnermais<br />
Biogas_Triticale<br />
Biogas_Roggen<br />
Biogas_Weizen<br />
Energie_AckerwieseHeu<br />
Energie_KleegrasHeu<br />
Energie_Zuckerrübe<br />
Energie_Raps<br />
Energie_Sonnenblume<br />
Energie_Körnermais<br />
Energie_Triticale<br />
Energie_Roggen<br />
Energie_Weizen<br />
Pappel10J<br />
Pappel3J<br />
‐100 ‐50 0 50 100 150 200<br />
Veränderung der Fläche in '000 ha<br />
2030_100 €/tatro 2020_100 €/tatro 2015_100 €/tatro<br />
Abbildung 7-5: Flächenveränderungen von Ackerkulturen für die Energieproduktion bei<br />
einer Biomasseprämie von 100 €/tatro in den Jahren 2015, 2020 und 2030 zum Basisjahr<br />
2006 in Tausend ha.<br />
Ein Zwischenfruchtanbau zur Substratlieferung für Biogasanlagen wurde in den<br />
Berechnungen nicht explizit berücksichtigt. Aigner und Sticksel (2010) gehen aufgrund von<br />
Versuchsergebnissen von einem Trockenmasseertrag je nach Aussaattermin (Mitte Juli bis<br />
Mitte August) und bei guter Wasserverfügbarkeit von bis zu 3,5 t/ha aus. Bei Saatgutkosten<br />
von 30 bis 100 €/ha, Anbaukosten von 65 €/ha (BMLFUW, 2008b), Erntekosten von rund<br />
90 €/ha sowie Gülleausbringungskosten von ca. 10 €/ha (vgl. Stürmer et al., 2008) fallen<br />
variable Gesamtkosten von rund 230 €/ha an. Nach Abzug der ÖPUL-Prämie „Begrünung<br />
von Ackerfläche“ bleiben 70 €/ha (Variante A1 bei max. 40% der Ackerfläche) für die<br />
Substratbereitstellung. Ohne ÖPUL-Prämie belaufen sich die rohstoffbezogenen Rohgaserzeugungskosten<br />
(ohne Berücksichtigung der Anlagen- und Betriebskosten) auf ca. 24,5 bis<br />
98
99<br />
ALPot<br />
33 €/MWh. Unter Einbeziehung der ÖPUL-Prämie sinken sie auf ca. 4,5 bis 13 €/MWh. 23<br />
Eine etwaige Auswirkung auf die Vor- bzw. Nachkultur ist hier jedoch nicht berücksichtigt.<br />
Im Jahr 2008 wurden in Österreich auf rund 450.000 ha Ackerfläche Prämien für die<br />
Begrünung von Ackerflächen gewährt (alle Begrünungsvarianten). Nach einer Analyse der<br />
Fruchtfolgen und unter Ausschluss jener Gemeinden, die eine zu geringe<br />
Niederschlagsmenge in den Monaten August und September aufweisen, liegt die potentielle<br />
Fläche für einen Zwischenfruchtanbau zur Substratlieferung bei rund 110.000 ha (mehr dazu<br />
in Kapitel 8).<br />
7.3 Angebotskurven landwirtschaftlicher Biomasse<br />
Wie in den vorigen Abschnitten beschrieben, sind die Hauptergebnisse des agrarischen<br />
Modellclusters Preis-Mengen-Relationen, d.h. die Modellergebnisse geben Aufschluss<br />
darüber, welche Mengen landwirtschaftlicher Energieträger bei einem bestimmten<br />
Preisgefüge bereitgestellt werden. Durch die unterschiedlichen Biomasseprämien wurde das<br />
Preisgefüge zugunsten der Energiepflanzen variiert, wobei hinsichtlich der Pflanzenarten<br />
verschiedene Schwerpunkte unterstellt wurden.<br />
Die Preis-Mengen-Relationen wurden anschließend durch Interpolation, Aggregierung und<br />
Umrechnung in Energieeinheiten in Angebotskurven übergeführt. Die Abbildungen 7-6 bis 7-<br />
8 zeigen diese Angebotskurven für die drei verschiedenen Förderschwerpunkte<br />
„konventionelle Ackerfrüchte“, „Biogas“ und „Ligno-Zellulose“, wobei für jede im<br />
entsprechenden Förderschwerpunkt relevante Rohstofffraktion die Kurven für die Jahre 2006<br />
und 2030 dargestellt sind.<br />
€/MWh<br />
80<br />
70<br />
60<br />
50<br />
40<br />
30<br />
20<br />
10<br />
0<br />
Förderschwerpunkt: Konventionelle<br />
Ackerfrüchte<br />
Zuckerrübe 2006 Zuckerrübe 2030<br />
Körnermais 2006 Körnermais 2030<br />
Ölsaaten 2006 Ölsaaten 2030<br />
Getreidekorn 2006 Getreidekorn 2030<br />
0 2.000 4.000 6.000 8.000<br />
GWh/a<br />
Abbildung 7-6: Angebotskurven für konventionelle Ackerfrüchte im Szenario mit<br />
entsprechenden Förderschwerpunkt<br />
Quelle: eigene Ergebnisse (BOKU, INWE und Energy Economics Group, TU <strong>Wien</strong>)<br />
Angabe der Kosten exkl. USt.<br />
23 Die Berechnungen basieren auf folgenden Daten: Bereitstellungskosten ohne ÖPUL-Prämie: 195<br />
bis 265 €/ha; Ertrag Feuchtmasse: 11 t/ha mit 28% Trockensubstanz (Ascheanteil 10%; siehe Aigner<br />
und Sticksel, 2010); resultierender Methanertrag: ca. 800 m 3 CH4/ha
Ökonomisches Potenzial der landwirtschaftlichen Biomasseproduktion<br />
€/MWh<br />
100<br />
90<br />
80<br />
70<br />
60<br />
50<br />
40<br />
30<br />
20<br />
10<br />
0<br />
Förderschwerpunkt: Biogas<br />
0 2.000 4.000 6.000 8.000 10.000<br />
GWh/a (Roh-Biogas)<br />
Biogasmais 2006<br />
Biogasmais 2030<br />
Grassilage 2006<br />
Grassilage 2030<br />
Getreide-Ganzpflanzensilage 2006<br />
Getreide-Ganzpflanzensilage 2030<br />
Abbildung 7-7: Angebotskurven für Biogassubstrate im Szenario mit entsprechenden<br />
Förderschwerpunkt<br />
Quelle: eigene Ergebnisse (BOKU, INWE und Energy Economics Group, TU <strong>Wien</strong>)<br />
Angabe der Kosten exkl. USt.; die Energiemenge bezieht sich auf den Heizwert des Roh-Biogases<br />
nach der Fermentation unter der Annahme von Kofermentation mit einem Gülleanteil von 10%<br />
€/MWh<br />
60<br />
50<br />
40<br />
30<br />
20<br />
10<br />
0<br />
Förderschwerpunkt: Lignozellulose<br />
0 5.000 10.000 15.000 20.000 25.000 30.000<br />
GWh/a<br />
100<br />
Kurzumtriebsholz 2006<br />
Kurzumtriebsholz 2030<br />
Heu 2006<br />
Heu 2030<br />
Abbildung 7-8: Angebotskurven für Lignozellulose im Szenario mit entsprechenden<br />
Förderschwerpunkt<br />
Quelle: eigene Ergebnisse (BOKU, INWE und Energy Economics Group, TU <strong>Wien</strong>)<br />
Angabe der Kosten exkl. USt.<br />
Mit den Angebotskurven wird ein eindeutiger Zusammenhang zwischen einem Preis (in<br />
€2007/MWh) und einem Angebot (in GWh/a) hergestellt. So beläuft sich beispielsweise im<br />
Förderschwerpunkt „Konventionelle Energiepflanzen“ das energetisch nutzbare Angebot von<br />
Zuckerrübe im Jahr 2006 bei einem Preisniveau von 40 €/MWh auf etwa 2.000 GWh/a. Die<br />
Angaben beziehen sich auf den unteren Heizwert des Rohstoffes, bzw. im Fall von
101<br />
ALPot<br />
Biogassubstraten auf den Heizwert des aus dem Rohstoff produzierbaren Rohgases, wobei<br />
von Co-Fermentation mit 10% Wirtschaftsdünger ausgegangen wird.<br />
Für Stroh wurde in Anlehnung an Thrän et al. (2005) von einem energetisch nutzbaren Anteil<br />
von 30% des Gesamtaufkommens ausgegangen. Zur Ableitung einer Angebotskurve wurde<br />
des Weiteren von Kosten (frei Hof) in der Höhe von 60 bis 70 €/t, und einer Gleichverteilung<br />
des Potenzials über diese Bandbreite ausgegangen.
Modellierung des Bioenergiesektors – Szenarien der Biomassenutzung bis 2030<br />
8 Modellierung des Bioenergiesektors – Szenarien der<br />
Biomassenutzung bis 2030<br />
Während in den Kapiteln 5 bis 7 der Agrarsektor bzw. Aspekte der Bereitstellung<br />
landwirtschaftlicher Biomasse behandelt wurden, steht in diesem Abschnitt die<br />
energetischen Nutzung bzw. systemische Analysen des Bioenergie-Sektors im Vordergrund.<br />
Die zentralen Fragestellungen sind:<br />
• Welche Mengen der verschiedenen landwirtschaftlichen Biomasseressourcen können<br />
unter der Annahme rein betriebswirtschaftlicher Sichtweise einer energetischen<br />
Verwertung zugeführt werden?<br />
• Welche Technologien kommen dabei zum Einsatz?<br />
• Welchen Beitrag kann landwirtschaftliche Biomasse unter verschiedenen<br />
energiewirtschaftlichen und –politischen Rahmenbedingungen zur österreichischen<br />
Energieversorgung (in den Sektoren Wärme, Strom und Kraftstoffe) leisten?<br />
• Welche Kosten und Nutzen ergeben sich daraus (Förderkosten, Bedarf an<br />
landwirtschaftlicher Fläche vs. Einsparung an fossilen Energieträgern und<br />
Treibhausgasemissionen)?<br />
8.1 Modellbeschreibung<br />
Mit dem Modell SimBioSe werden Szenarien des Biomassesektors simuliert, wobei<br />
wirtschaftliche und energiepolitische Rahmenbedingungen wie Preise fossiler Energieträger<br />
oder Förderungen für Biomasseanlagen Berücksichtigung finden. Damit können die<br />
Auswirkungen verschiedener Rahmenbedingungen auf den energetischen Biomasseeinsatz,<br />
d.h. die Ausschöpfung des primärenergetischen Biomassepotenzials und die End-<br />
/Nutzenergieerzeugung aus Biomasse simuliert, und hinsichtlich verschiedener Parameter<br />
wie Treibhausgaseinsparung oder Förderkosten ausgewertet werden.<br />
Abbildung 8-1 zeigt eine schematische Darstellung des Modellierungsansatzes. Die<br />
Eingangsdaten des Modells beinhalten Technologiedaten und Kosten von<br />
Bioenergieanlagen sowie den auf fossilen Energieträgern basierenden Referenzsystemen,<br />
Angebotskurven (d.h. Preise-Mengen-Relationen) der Biomassefraktionen, Szenarien des<br />
Energiebedarfs sowie historische Zeitreihen der installierten Anlagenleistungen.<br />
Die prinzipielle Idee hinter dem Modellierungsansatzes besteht darin, das Investitionsverhalten<br />
potenzieller Biomasse-Anlagenbetreiber zu simulieren. Als Grundlage dafür wird<br />
für jede Simulationsperiode (jedes Jahr) und jeden Biomasse-Nutzungspfad (d.h. jede<br />
technisch mögliche Kombination einer Rohstofffraktion mit einer Nutzungstechnologie) ein<br />
Wirtschaftlichkeitsvergleich mit dem jeweiligen Referenzsystem angestellt. Ist<br />
Wirtschaftlichkeit gegeben, wird unter Beachtung verschiedener Einschränkungen<br />
(Nachfrageseitige Potenziale, Diffusionsgeschwindigkeiten, Angebotskurve der<br />
Biomassefraktion etc.) die installierbare Leistung ermittelt und so die historische Zeitreihe der<br />
installierten Biomasseanlagen fortgeschrieben.<br />
Anschließend erfolgt die Auswertung hinsichtlich zahlreicher Parameter: Solcher, die<br />
unmittelbaren Einfluss auf den Anlagenzubau in der nächsten Simulationsperiode haben (wie<br />
der gesamte Biomassebedarf oder der Energie-Output der in Betrieb befindlichen<br />
Bioenergie-Anlagen) und solcher, die in erster Linie für die anschließende Auswertung des<br />
Szenarios relevant sind (wie die durch die Substitution der Referenztechnologien erzielte<br />
Treibhausgaseinsparung, Förderkosten u.ä.).<br />
102
103<br />
ALPot<br />
Die Simulationen beinhalten den gesamten österreichischen Biomassesektor mit Ausnahme<br />
von Ablauge aus der Papierindustrie und biogenen Abfällen, die in Abfallverwertungsanlagen<br />
einer energetischen Nutzung zugeführt werden (können). Es wird also nicht nur die Nutzung<br />
landwirtschaftlicher Biomasseressourcen betrachtet. Grund dafür ist, dass die Verfügbarkeit<br />
anderer, in erster Linie forstlicher Ressourcen einen Einfluss auf die Ausschöpfung<br />
landwirtschaftlicher Potenziale hat. Außerdem werden Szenarien des gesamten<br />
Biomassesektors als aussagekräftiger erachtet als eine gesonderte Betrachtung für<br />
landwirtschaftliche Bioenergie. 24 Der Schwerpunkt bei der Beschreibung und Interpretation<br />
der Simulationsergebnisse wurde jedoch – entsprechend der Projektziele – auf die<br />
Entwicklung landwirtschaftlicher Bioenergieerzeugung gelegt.<br />
Eine detaillierte Beschreibung des Modellierungsansatzes, der Datenstrukturen und der<br />
Simulationsalgorithmen befindet sich in Abschnitt 12-3 im Anhang.<br />
Abbildung 8-1: Schematische Darstellung der Struktur des Modells SimBioSe<br />
8.2 Eingangsdaten und exogene Szenarioparameter<br />
Die Eingangsdaten des Modells umfassen Biomasse-Angebotskurven (abgeleitet aus den<br />
Ergebnissen des agrarischen Modellclusters; siehe Kapitel 7.3), Bioenergie-Technologien<br />
(siehe Kapitel 4), Preisszenarien für fossile Energieträger (siehe Abschnitt 3.2.3), eine<br />
Abbildung des derzeitigen Bestandes an Bioenergie-Anlagen, Szenarien des Energiebedarfs<br />
und dessen Struktur, Treibhausgasemissionen der fossilen Referenzsysteme und der<br />
Bereitstellungsketten von biogenen Energieträgern, sowie deren kumulierter Energieaufwand<br />
und diverse szenarienspezifische Parameter.<br />
8.2.1 Referenzsysteme<br />
Zur Beurteilung der Wirtschaftlichkeit von Bioenergie-Systemen werden deren<br />
Energieerzeugungskosten mit jenen der entsprechenden konventionellen, auf fossilen<br />
Energieträgern basierenden Systeme verglichen. Der Wahl dieser Referenzsysteme kommt<br />
daher wesentliche Bedeutung für die Modellergebnisse und deren Interpretation zu.<br />
Abbildung 8-2 zeigt schematisch die methodische Vorgehensweise zur Ableitung der<br />
Referenzpreise / -kosten. Die Wirtschaftlichkeit von Konversionsanlagen (in erster Linie<br />
Kraftstoffproduktionsanlagen) wird durch eine Gegenüberstellung der Erzeugungskosten mit<br />
Großhandelspreisen fossiler Energieträger ermittelt. Diese ergeben sich unmittelbar aus den<br />
24 Hinsichtlich der Angebotskurven forstlicher Biomasse wurde auf Ergebnisse des Projektes<br />
KlimAdapt (Kranzl et al., 2010) zurückgegriffen.
Modellierung des Bioenergiesektors – Szenarien der Biomassenutzung bis 2030<br />
Preissteigerungsraten fossiler Energieträger im jeweiligen Preisszenario, wobei als<br />
Referenzsystem für flüssige Kraftstoffe ein 50/50-Mix aus Benzin und Diesel unterstellt ist.<br />
Bei Kleinfeuerungsanlagen und Heizwerken erfolgt der Wirtschaftlichkeitsvergleich auf Basis<br />
der Wärmeerzeugungskosten, bei KWK-Anlagen auf Basis der Stromerzeugungskosten.<br />
Diese werden analog zu den Erzeugungskosten von Bioenergieanlagen auf Basis von<br />
typischen Anlagenkosten berechnet. Im Fall von Heizanlagen erfolgt der Wirtschaftlichkeitsvergleich<br />
stets mit Anlagen der gleichen Leistungskategorie. Für Biomasse-Heizanlagen<br />
stellt ein 50/50-Mix von Heizöl- und Erdgaskesseln das Referenzsystem dar.<br />
Der Referenzpreis für elektrische Energie basiert auf den Gestehungskosten eines<br />
modernen GuD-Kraftwerks. Stofflich nutzbare Nebenprodukte und Wärme von KWK-Anlagen<br />
werden über Erlöse in der Berechnung der Erzeugungskosten berücksichtigt. (Die<br />
Berechnung der THG-Emissionen erfolgt analog.) Die Höhe der Wärmeerlöse entspricht den<br />
Wärmeerzeugungskosten einer Referenzanlage mit derselben thermischen Leistung wie die<br />
KWK-Anlage, da unterstellt werden kann, dass die thermische Energie alternativ mit einer<br />
konventionellen Anlage bereitgestellt werden könnte.<br />
Abbildung 8-2: Schematische Darstellung der Methodik zur Ableitung der Referenzpreise<br />
bzw. –kosten<br />
8.2.2 Energiebedarf<br />
Für die Abschätzung der zukünftigen Entwicklung des Energiebedarfs wurde auf<br />
verschiedene Szenarien bzw. Modellergebnisse in der Literatur zurückgegriffen. Die<br />
Grundannahme ist, dass es zu einer moderaten Reduktion des Gesamtenergieverbrauchs<br />
kommt. 25<br />
Für die sektoralen Entwicklungen wurden folgende Quellen herangezogen: Die<br />
Steigerungsraten des Stromverbrauchs wurden von Capros et al. (2008) übernommen<br />
(Anstieg um 28% von 2008 bis 2030). Das Szenario des Kraftstoffverbrauchs basiert<br />
25<br />
Diese Grundannahme ist im Wesentlichen konsistent mit den Zielsetzungen der Energiestrategie<br />
Österreich.<br />
104
105<br />
ALPot<br />
ebenfalls auf Capros et al. (2008) und zeigt einen nahezu konstanten Verbrauch bis 2030. 26<br />
Der industrielle Wärmebedarf (Prozesswärme, Dampferzeugung und Industrieöfen) wird als<br />
konstant auf dem durchschnittlichen Niveau der Jahre 2005 bis 2008 angenommen.<br />
Hinsichtlich Raumwärme und Warmwasser wurde auf Simulationsergebnisse aus dem<br />
Projekt KlimAdapt (Kranzl et al. 2010) zurückgegriffen. Diese wurden mit dem<br />
Gebäudebestandsmodell ERNSTL unter der Annahme einer „ambitionierten“ Sanierung des<br />
Gebäudebestandes erstellt. In der Simulation kommt es zu einer Steigerung der<br />
Sanierungsrate auf 2,4% im Zeitraum 2020 bis 2025. Die laut EnergieStrategie angepeilte<br />
Steigerung auf 3% bis 2020 wird in dieser Simulation nicht erreicht, da sich zeigt, dass dafür<br />
unwirtschaftliche Sanierungen relativ neuer Gebäude durchgeführt werden müssten.<br />
Abgesehen davon ist nicht nur eine hohe Sanierungsrate, sondern vor allem auch eine hohe<br />
Sanierungsqualität anzustreben.<br />
Ebenfalls bei den Simulationen berücksichtigt ist die Struktur der Wärmenachfrage. Die<br />
prinzipielle Einsetzbarkeit von Bioenergie-Anlagen ist im Modell über „nachfrageseitige<br />
Potenziale“ abgebildet. Dabei sind verschiedene einschränkende Faktoren bzw. Barrieren<br />
wie Temperaturniveaus, Siedlungsdichte bzw. Gebäudestrukturen etc. berücksichtigt.<br />
Hinsichtlich des nachfrageseitigen Potenzials von Biomasse-Heizwerken wurde unterstellt,<br />
dass eine sukzessive Substitution von Nah-/Fernwärme aus fossilen Energieträgern möglich<br />
ist: Ab 2010 beinhaltet das nachfrageseitige Potenzial die derzeit in Öl-/Gas-Heizwerken<br />
produzierte Wärme. Für 2020 ist unterstellt, dass zusätzlich 50% der Fernwärme aus mit<br />
fossilen Energieträgern befeuerte KWK ersetzt werden kann. Das Potenzial bis 2030<br />
beinhaltet schließlich die gesamte Nah-/Fernwärmenachfrage abzüglich Fernwärme aus<br />
Müllverbrennung.<br />
Die Struktur des Raumwärmebedarfs, der mit Biomasse-Kleinfeuerungsanlagen gedeckt<br />
werden kann, basiert auf den bereits erwähnten Simulationsergebnissen aus dem Modell<br />
ERNSTL. Dabei ist der Gesamtbedarf aufgeschlüsselt nach Heizlasten und<br />
Gemeindegrößen. Aufgrund der fortschreitenden Sanierung sinkt nicht nur der<br />
Gesamtbedarf, sondern nimmt der Anteil der Wohneinheiten mit niedrigen Heizlasten<br />
deutlich zu (siehe Abb. 8-3). Für die nachfrageseitigen Potenziale von Kleinfeuerungsanlagen<br />
wurde eine eher konservative Annahme getroffen, nämlich dass nur Wohneinheiten<br />
in „ländlichen“ Regionen für Biomasse-Heizanlagen in Frage kommen. Städtische Regionen<br />
können nur über Wärmenetze mit Wärme aus Biomasse versorgt werden. Zusätzlich ist eine<br />
fortschreitende Diffusion von solarthermischen und Wärmepumpensystemen unterstellt,<br />
sodass der Wärmebedarf, der mit Biomasse gedeckt werden kann, deutlich abnimmt. 27<br />
Nichtsdestotrotz bleibt für Biomasse-Heizsysteme ein im Vergleich zum Status quo relativ<br />
großes Ausbaupotenzial bestehen, wie in Abschnitt 8-3 gezeigt wird.<br />
Die nachfrageseitigen Potenziale bei Kraftstoffen und elektrischer Energie stellt der jeweilige<br />
Gesamtbedarf dar, da die strukturellen Einschränkungen für Energie aus Biomasse in diesen<br />
Sektoren als nachrangig erachtet werden. 28<br />
26<br />
In Hinblick auf die technisch möglichen Effizienzsteigerungspotenziale im Strom- und<br />
Verkehrssektor wirken diese Szenarien wenig ambitioniert. Angesichts der historischen Entwicklung in<br />
diesen Sektoren und den Zielsetzungen der EnergieStrategie Österreich (BMLFUW et BMWFJ, 2010)<br />
werden sie jedoch für das vorliegende Projekt als sinnvolle Annahmen erachtet.<br />
27<br />
Konkret wurde ein Anstieg der mit Solarthermie und Wärmepumpen bereitgestellten Wärme auf<br />
Basis von Simulationsergebnissen des Modells ERNSTL mit 11 TWh/a im Jahr 2030 angenommen.<br />
Diese exogene Annahme wurde getroffen, da in den Simulationen neben Bioenergie kein Ausbau von<br />
anderen Erneuerbaren simuliert wird und damit eine „Konkurrenz“ zwischen Bioenergie und anderen<br />
erneuerbaren Systemen ausgeschlossen werden muss.<br />
28<br />
So wurden beispielsweise keine Einschränkungen, die sich aus dem Fahrzeugbestand oder aus<br />
technischen Aspekten bei dezentraler Stromeinspeisung ergeben, berücksichtigt.
Modellierung des Bioenergiesektors – Szenarien der Biomassenutzung bis 2030<br />
GWh/a<br />
120.000<br />
100.000<br />
80.000<br />
60.000<br />
40.000<br />
20.000<br />
0<br />
Bedarf Raumwärme- und Warmwasser<br />
2000 2005 2010 2015 2020 2025 2030<br />
106<br />
urban > 30 kW<br />
urban 15-30 kW<br />
urban < 15 kW<br />
ländlich > 30 kW<br />
ländlich 15-30 kW<br />
ländlich < 15 kW<br />
Abbildung 8-3: Entwicklung des Bedarfs an Raumwärme und Warmwasser nach Standort<br />
(ländlich/urban) und Heizlast der Wohneinheiten 29<br />
Quelle: Kranzl et al. (2010)<br />
8.2.3 Treibhausgasemissionen und kumulierter Energieaufwand<br />
Im Modell erfolgt eine Auswertung der simulierten Szenarien hinsichtlich der durch den<br />
Einsatz von Bioenergiesystemen vermiedenen Treibhausgasemissionen sowie hinsichtlich<br />
der eingesparten fossilen Energieträger. Dabei werden die bei der Bereitstellung von<br />
biogenen und fossilen Energieträgern anfallenden nicht-erneuerbaren THG-Emissionen bzw.<br />
die zur Bereitstellung benötigten fossilen Energieträger ebenso berücksichtigt wie die direkt<br />
mit der Nutzung in Zusammenhang stehenden THG-Emissionen bzw. Verwendung fossiler<br />
Energieträger. Die im Modell implementierte Methodik zur Berechnung von<br />
Treibhausgasbilanzen bzw. -einsparungen ist ein an EC (2009) angelehnter, stark<br />
vereinfachter Ansatz der Treibhausgasbilanzierung, bei dem lediglich die Emissionen aus<br />
der Rohstoffbereitstellung und die Referenzemissionen berücksichtigt werden. So wird<br />
beispielsweise der Hilfsenergiebedarf von Bioenergie- ebenso wie von konventionellen<br />
Anlagen vernachlässigt. 30 Hinsichtlich der bei der Bereitstellung von biogenen Energieträgern<br />
anfallenden Treibhausgasemissionen wurde auf Daten nach GEMIS 4.5 zurückgegriffen<br />
(siehe Öko-Institut, 2010).<br />
Abbildung 8-4 zeigt die unterstellten Werte für biogene Energieträger, wobei die aus GEMIS<br />
4.5 stammenden Standardwerte (dargestellt als Balken) mit den default-Werten laut<br />
EC (2009) (dargestellt als Fehlerindikatoren) gegenübergestellt sind. Die großen<br />
Abweichungen (insbesondere bei Biogas) verdeutlichen die großen Unsicherheiten, mit<br />
denen diese Daten verbunden sind. Da in EC (2008) für mehrere relevante Energieträger<br />
keine Werte angegeben sind, wurden im Sinne einer einheitlichen Datenquelle für alle<br />
29<br />
Die Kategorie „ländlich“ beinhaltet den Raumwärmebedarf in Gemeinden mit weniger als 5.000 und<br />
50% des Bedarfs in Gemeinden zwischen 5.000 und 15.000 Einwohnern.<br />
30<br />
Dieser Ansatz wurde gewählt, da in der Literatur nicht für alle im Modell berücksichtigten<br />
Nutzungspfade Daten verfügbar sind. Des Weiteren unterscheiden sich die bei Treibhausgasbilanzen<br />
unterstellten Technologiedaten (in erster Linie Wirkungs-/Jahresnutzungsgrade) zum Teil erheblich<br />
von dem im Modell SimBioSe unterstellten Werten, welche zudem aufgrund der unterstellten<br />
technologischen Lerneffekte einer Dynamik unterworfen sind, die bei Heranziehen von Literaturdaten<br />
nicht berücksichtigt werden könnte.
107<br />
ALPot<br />
Energieträger standardmäßig Daten nach GEMIS herangezogen. 31 Aus den in Abbildung 8-4<br />
dargestellten brennstoffbezogenen Werten ergeben sich über die Wirkungs- bzw.<br />
Jahresnutzungsgrade der Technologien die outputbezogenen (d.h. Wärme-, Strom- und<br />
Kraftstoff-bezogenen) Werte. Sonstige, eventuell der Energieerzeugung zurechenbare THG-<br />
Emissionen (insbesondere jene die bei der Errichtung und dem Betrieb der Anlage anfallen)<br />
werden in Anlehnung an EC (2009) vernachlässigt.<br />
Die für die fossilen Energieträger Erdgas, Diesel/Heizöl und Benzin unterstellten<br />
brennwertbezogenen Emissionsfaktoren belaufen sich auf 179, 250 bzw. 247 kg CO2-<br />
Äqu./MWh. Hinzu kommen die bei der Bereitstellung anfallenden THG-Emissionen in der<br />
Höhe von 42,42 (Erdgas), 39,1 (Diesel) und 51,95 kg CO2-Äqu./MWh (Benzin). Für den nicht<br />
erneuerbaren kumulierten Energieaufwand der fossilen Energieträger wurden folgende<br />
Werte unterstellt: 1,178 (Erdgas), 1,134 (Diesel) und 1,19 MWh/MWh (Benzin). Die<br />
outputbezogenen Werte ergeben sich – analog zu den Bioenergieketten – aus den<br />
Wirkungs- bzw. Jahresnutzungsgraden der Referenzanlagen (siehe Tabelle 12-2 im<br />
Anhang). Die für das Strom-Referenzsystem (moderne GuD-Anlage) unterstellten THG-<br />
Emissionen belaufen sich auf 439,1 kg CO2-Äqu./MWh bzw. 2,074 MWh/MWh. Sämtliche<br />
Werte basieren auf GEMIS 4.5 (Öko-Institut, 2010).<br />
Biogas aus 90% GPS, 10% Gülle<br />
Biogas aus 90% Grassilage, 10% Gülle<br />
Biogas aus 90% Mais, 10% Gülle<br />
Biogas aus Gülle<br />
Biogas aus GPS<br />
Grassilage<br />
Biogas aus Maissilage<br />
Stroh<br />
Zuckerrübe<br />
Ölsaaten<br />
Körnermais<br />
Getreidekorn<br />
Kurzumtriebshackgut<br />
Holzpellets (Sägespäne)<br />
Waldbiomasse<br />
Sägenebenprodukte<br />
Nicht-erneuerbarer kumulierter Energieaufwand [MWh/MWh]<br />
Heu<br />
0,00 0,05 0,10 0,15 0,20 0,25 0,30<br />
THG-Emissionen<br />
Kumulierter Energieaufwand<br />
0 25 50 75 100 125 150<br />
THG-Emissionen [kg CO2-Äqu./MWh]<br />
Abbildung 8-4: Im Modell unterstellte THG-Emissionen und kumulierter Energieaufwand<br />
biogener Energieträger<br />
Quellen: Öko-Institut (2010), eigene Auswahl an Bereitstellungspfaden (Energy Economics Group, TU<br />
<strong>Wien</strong>), EC (2009)<br />
31 Aufgrund der sehr unterschiedlichen Werte bei Biogas wird in Abschnitt 8.3.4 eine Sensitivitätsanalyse<br />
mit den Daten nach EC (2009) durchgeführt.
Modellierung des Bioenergiesektors – Szenarien der Biomassenutzung bis 2030<br />
Abbildung 8-5 zeigt eine Gegenüberstellung der relativen Treibhausgaseinsparungen, die mit<br />
der Nutzung biogener Kraftstoffe erzielt werden. Dargestellt sind Bandbreiten von<br />
Literaturdaten, Werte laut EU-Richtlinie EC(2009)28 sowie die aus den im Modell SimBioSe<br />
unterstellten Treibhausgasemissionen biogener Energieträger resultierende Einsparungen.<br />
Letztere stimmen nicht in jedem Fall mit den Daten laut EC(2009)28 überein, liegen aber<br />
stets innerhalb der Literatur-Bandbreiten, d.h. der gewählte methodische Ansatz liefert<br />
Ergebnisse, die hinsichtlich der zum Teil Bandbreiten in der Literatur eine nach Ansicht der<br />
Autoren ausreichende Qualität aufweisen.<br />
Relative Treibhausgaseinsparung biogener Kraftstoffe<br />
160%<br />
140%<br />
120%<br />
100%<br />
80%<br />
60%<br />
40%<br />
20%<br />
0%<br />
108<br />
> 220%<br />
Datenreihen1<br />
Bandbreite in der Literatur<br />
SimBioSe<br />
'typische' Werte lt. EC(2009)28<br />
Abbildung 8-5: Gegenüberstellung der mit biogenen Kraftstoffen erzielbaren relativen<br />
Treibhausgaseinsparungen: Daten laut EU-Richtlinie EC(2009)28, Bandbreiten in der<br />
Literatur und SimBioSe-Daten (Bezugsjahr: 2010)<br />
Quellen: Zah et al. (2007), Jungbluth et al. (2008), Jungmeier et al. (2003), Edwards et al. (2007), IEA<br />
(2004), Öko-Institut (2010), Kranzl et al. (2008) nach IER/<strong>Universität</strong> Stuttgart, EC (2009),<br />
Technologiedaten: siehe Tabelle 12-1 und 12-2<br />
8.2.4 Weitere Parameter und Modellannahmen<br />
Für jene Simulationen, in denen der derzeitige Bestand an Bioenergie-Anlagen<br />
berücksichtigt wird, wurde eine Abbildung des Anlagenbestandes erstellt. Diese Abbildung<br />
beinhaltet sämtliche in Österreich installierte Biomasse-Kleinfeuerungsanlagen, -Heizwerke,<br />
Dampferzeugungs- und -KWK-Anlagen, sowie Biogas-, Biodiesel- und Ethanol-Anlagen. Die<br />
wichtigsten Datenquellen waren: Statistik Austria (2010a), E-Control (2009), Haneder et<br />
al. (2010), sowie weitere in Kapitel 2 erwähnte Publikationen. Soweit verfügbar wurde auf<br />
Daten zu den jährlich neu installierten Leistungen zurückgegriffen (z.B. bei Kleinfeuerungsanlagen<br />
oder Ökostromanlagen). In manchen Fällen musste jedoch von Verbrauchs- und Erzeugungsstatistiken<br />
auf die installierten Leistungen rückgeschlossen werden (z.B. bei älteren<br />
KWK-Anlagen in der Industrie). Für die Datenlücke zwischen dem letzten verfügbaren<br />
Datensatz (meist 2008 oder 2009) und dem Simulations-Startjahr 2011 zu schließen, wurden<br />
Schätzungen bzw. Prognosen erstellt, wobei meist von Mittelwerten der letzten Jahre<br />
ausgegangen wurde.
109<br />
ALPot<br />
Diese Abbildung des Anlagenbestandes ermöglicht es, die derzeitige Struktur der<br />
Biomassenutzung in den Ausbauszenarien zu berücksichtigen. Vollkommene Konsistenz mit<br />
historischen Zeitreihen der Energieerzeugung sind in erster Linie aus Folgenden gründen<br />
nicht möglich: Im Modell muss für jede Technologie von einer bestimmten, typischen<br />
Volllaststundenzahl ausgegangen werden. In der Realität kann es natürlich zu recht großen<br />
Abweichungen davon kommen, die sich entsprechend in den Verbrauchs- und Erzeugungsstatistiken<br />
widerspiegeln. Des Weiteren ist die Auslastung der Anlagen zum Teil jährlichen<br />
Schwankungen unterworfen; diese können beispielsweise witterungsbedingt (Einfluss der<br />
Heizgradtage) oder marktbedingt (Einfluss der Rohstoffpreise auf die Biodieselproduktion)<br />
sein.<br />
Weitere Abweichungen mit historischen Zeitreihen ergeben sich insbesondere bei der<br />
Stromerzeugung, da im Modell unterstellt ist, dass Anlagen im Jahr ihrer Inbetriebnahme<br />
bereits das ganze Jahr über in Vollbetrieb sind. In Zeiten starken Ausbaus kommt es<br />
dadurch zu einer deutlichen Überschätzung des Outputs.<br />
Weitere zentrale Modellannahmen sind:<br />
• Jede Anlage bleibt bis zum Ende ihrer (in den Technologiedaten definierten)<br />
Lebensdauer in Betrieb.<br />
• Die in österreichischen Anlagen erzeugte Energie wird auch im Inland genutzt.<br />
Außenhandel mit biogenen Kraftstoffen ist nicht abgebildet.<br />
• Biomasseimporte sind nur insofern abgebildet, als sie zur Deckung von<br />
Versorgungslücken genutzt werden können. Eine Abbildung von „Import-<br />
Angebotskurven“ war im Rahmen des Projektes nicht möglich und ist hinsichtlich<br />
der zu untersuchenden Fragestellungen auch nicht relevant.<br />
• Aus den Angebotskurven inländischer Biomasse und dem Anlagenbestand ergibt<br />
sich, dass nur Biodieselanlagen in nennenswertem Ausmaß auf Importe<br />
angewiesen sind (konkret werden im Modell im Jahr 2010 mehr als 80% des<br />
Bedarfs importiert). Dass in der Realität Außenhandel bereits jetzt bei einigen<br />
Biomassefraktionen eine gewisse Rolle spielt, kann als modellbedingte<br />
Vereinfachung gesehen werden, die jedoch keinen Einfluss auf die Interpretation<br />
der Simulationsergebnisse hat.<br />
• Alle bestehenden Anlagen werden gemäß ihrer Spezifikationen betrieben.<br />
Insbesondere ist auch unterstellt, dass bis 2010 sämtliche im Jahr 2009<br />
verfügbaren Biodieselkapazitäten in Vollbetrieb sind. (Dadurch kommt es zu einem<br />
deutlichen Anstieg der Biodieselproduktion, mit der fast 10% des Kraftstoffbedarfs<br />
gedeckt werden könnte (Berechnung rein auf Basis des Energieinhaltes ohne<br />
Berücksichtigung des Fahrzeugbestandes).<br />
• Die unterstellten Technologiedaten sowie Annahmen zu Zinssätzen, Abschreibdauern<br />
etc. sind konsistent mit den in Kapitel 4 angenommenen Werten (Zinssätze<br />
bei Kleinfeuerungsanlagen 4%, bei allen anderen 7%, kalkulatorische Abschreibdauer<br />
generell 10 Jahre).<br />
8.3 Simulationsergebnisse<br />
Tabelle 8.1 zeigt einen Überblick über die im Folgenden dargestellten Simulationsläufe. In<br />
der Tabelle sind die unterstellten Preisszenarien, die zur Verfügung stehenden<br />
Biomassepotenziale und die unterstellten Förderinstrumente zusammengefasst. Die<br />
Simulationen wurden in drei Gruppen unterteilt: No Policy-Szenarien (keine Förderung für<br />
Bioenergie), Current Policy-Szenarien (derzeitige Förderungen) und Spezifische<br />
Förderszenarien (sukzessive Steigerung des Förderniveaus für bestimmte Anwendungen).<br />
Die Ergebnisse der No Policy- und der Current Policy-Szenarien werden in erster Linie in
Modellierung des Bioenergiesektors – Szenarien der Biomassenutzung bis 2030<br />
Hinblick auf die Bedeutung, die landwirtschaftliche Biomasse für die Energieversorgung<br />
einnimmt, analysiert. Bei den spezifischen Förderszenarien steht die Gegenüberstellung von<br />
Förderkosten und Nutzen (hinsichtlich THG-Einsparung und Einsparung fossiler<br />
Energieträger) im Vordergrund, sowie die Frage, welche Nutzungspfade<br />
(landwirtschaftlicher) Biomasse aus einer energiewirtschaftlich-systemischen Sichtweise zu<br />
bevorzugen sind.<br />
In Abschnitt 8.3.4 werden außerdem Varianten und Detailanalysen bezüglich verschiedener<br />
Detailaspekte dargestellt.<br />
Tabelle 8-1: Überblick der Simulationsläufe und deren exogener Szenarioparameter<br />
Nr. Bezeichnung<br />
Niveau<br />
2006<br />
Preisszenario Biomassepotenziale<br />
FAO/<br />
Primes<br />
Nicht-lw.<br />
Biomasse<br />
Konv.<br />
Ackerfrüchte<br />
Biogaspflanzen<br />
110<br />
Lignozellulose<br />
Besteuerung:<br />
Energieabgabe /<br />
MÖSt.<br />
auf fossile ET<br />
Förderungen und steuerliche Begünstigungen für Bioenergie<br />
Förderung<br />
Kleinfeuerungsanlagen<br />
Förderung<br />
Heizwerke<br />
Förderung<br />
Stromerzeugung<br />
aus BM<br />
Biogene<br />
Kraftstoffe<br />
Einspeisung<br />
von SNG/<br />
Biomethan<br />
1-1<br />
No Policy-Szenarien<br />
No Policy - Niveau 2006 X - X X X X - - - - - - 8.3.1.1<br />
1-2 No Policy - FAO/Primes<br />
Current Policy-Szenarien (CP)<br />
- X X X X X - - - - - - 8.3.1.2<br />
2-1a CP - Niveau 2006 - keine LW Biomasse X - X - - - - 8.3.2.1<br />
2-1b<br />
2-1c<br />
2-1d<br />
2-2a<br />
2-2b<br />
2-2c<br />
CP - Niveau 2006 - konv. Ackerfrüchte<br />
CP - Niveau 2006 - Biogas<br />
CP - Niveau 2006 - Ligno-Zellulose<br />
CP - FAO/Primes - keine LW Biomasse<br />
CP - FAO/Primes - konv. Ackerfrüchte<br />
CP - FAO/Primes - Biogas<br />
X<br />
X<br />
X<br />
-<br />
-<br />
-<br />
-<br />
-<br />
-<br />
X<br />
X<br />
X<br />
X<br />
X<br />
X<br />
X<br />
X<br />
X<br />
X<br />
-<br />
-<br />
-<br />
X<br />
-<br />
-<br />
X<br />
-<br />
-<br />
-<br />
X<br />
-<br />
-<br />
X<br />
-<br />
-<br />
-<br />
-<br />
-<br />
-<br />
-<br />
-<br />
-<br />
8.3.2.1<br />
8.3.2.1<br />
8.3.2.1<br />
8.3.2.2<br />
8.3.2.2<br />
8.3.2.2<br />
2-2d CP - FAO/Primes - Ligno-Zellulose<br />
Spezifische Förderszenarien (SFS)<br />
- X X - - X - 8.3.2.2<br />
3-1a SFS biogene Kraftstoffe - konv. Ackerfrüchte - X - X - - - - - - X 2<br />
- 8.3.3.1<br />
3-1b SFS biogene Kraftstoffe - Biogas (Biomethan) - X - - X - - - - - X 2<br />
- 8.3.3.1<br />
3-1c SFS biogene Kraftstoffe (flüssig) - Ligno-Zellulose - X - - - X - - - - X 2<br />
- 8.3.3.1<br />
3-1d SFS biogene Kraftstoffe (gasförmig) - Ligno-Zellulose - X - - - X - - - - X 2<br />
- 8.3.3.1<br />
3-2a SFS Wärmeerzeugung- konv. Ackerfrüchte - X - X - - - X 2<br />
X 2<br />
- - - 8.3.3.2<br />
3-2b SFS Wärmeerzeugung- Biogas (Biomethan-Einspeisung) - X - - X - - - - - - X 2 8.3.3.2<br />
3-2c SFS Wärmeerzeugung - Ligno-Zellulose (Festbrennstoffe) - X - - - X - X 2<br />
X 2<br />
- - - 8.3.3.2<br />
3-2d SFS Wärmeerzeugung- Ligno-Zellulose (SNG-Einspeisung) - X - - - X - - - - - X 2 dztg.<br />
Besteuerung,<br />
biogene<br />
Kraftstoffe von<br />
MöSt befreit<br />
20 % Investitionsförderung<br />
dztg.<br />
Quote<br />
Einspeisetarife<br />
(siehe E-Control,<br />
2009)<br />
Kommentare:<br />
1) 2010: 5.75%, 2020: 10% (Elektrofahrzeuge vernachlässigt)<br />
8.3.3.2<br />
2) Simulation mehrerer Förderniveaus für die jeweilige Anlagenkategorie (fiktive Prämien unterschiedlicher Höhe auf den Energieoutput)<br />
1<br />
2010: 5.75 %<br />
2020: 10%<br />
8.3.1 No Policy Szenarien<br />
Die im Folgenden dargestellten No Policy Szenarien dienen zweierlei Zweck: Erstens geben<br />
sie einen Einblick, in welchem Ausmaß die energetische Biomassenutzung ohne jegliche<br />
energiepolitische Einflussnahme wirtschaftlich wäre, bzw. wie stark der Ausbau des<br />
Biomassesektors bereits in der Vergangenheit durch direkte oder indirekte Förderungen<br />
beeinflusst wurde. Zweitens dienen sie als Referenz für die übrigen Szenarien, d.h. es<br />
können die Wirkungen von bestimmten Förderinstrumenten und -niveaus anhand eines<br />
Vergleichs mit den No Policy Szenarien analysiert werden.<br />
Die zwei No Policy Szenarien unterscheiden sich hinsichtlich des unterstellten Preisszenarios,<br />
wobei im Preisszenario Niveau 2006 im Sinn konsistenter exogener Annahmen<br />
auch keinerlei Effekte zu erwartender agrarpolitischer und –wirtschaftlicher Veränderungen<br />
auf die Preise landwirtschaftlicher Erzeugnisse abgebildet sind (siehe Abschnitt 3.2 bzw.<br />
3.3). Im Preisszenario FAO/Primes sind diese Effekte sehr wohl berücksichtigt, d.h. die<br />
Bezeichnung No Policy bezieht sich auf die energiepolitischen, nicht jedoch auch die<br />
agrarpolitischen Rahmenbedingungen.<br />
Für die Interpretation der No Policy Szenarien von wesentlicher Bedeutung ist die bereits<br />
erwähnte Modellannahme, dass bestehende Anlagen bis zum Ende ihrer technischen<br />
Lebensdauer in Betrieb bleiben. Dass bestehende Anlagen aufgrund veränderter<br />
Rahmenbedingungen unter Umständen nicht mehr wirtschaftlich betrieben werden können<br />
(z.B. aufgrund des in den No Policy Szenarien unterstellten Wegfalls der Biokraftstoffquote),<br />
wird daher im Modell nicht berücksichtigt. Es lässt sich jedoch aus der längerfristigen<br />
Kapitel
111<br />
ALPot<br />
Entwicklung bzw. daraus, welche Anlagen nach Außerbetriebgehen bestehender Anlagen<br />
ersetzt werden, ableiten, welche Technologien bzw. Nutzungspfade unter der „No Policy-<br />
Annahme“ wirtschaftlich sind.<br />
Diese Vereinfachung ist aus folgenden Gründen gerechtfertigt: Bei Heizanlagen kann davon<br />
ausgegangen werden, dass die Betreiber nicht laufend Wirtschaftlichkeitsberechnungen<br />
anstellen, um den optimalen Zeitpunkt der Anschaffung einer Neuanlage zu ermitteln (was<br />
angesichts der Unsicherheiten bei den Preisentwicklungen der Brennstoffe auch gar nicht<br />
möglich ist). Bei Anlagen die in erster Linie aufgrund von Förderungen errichtet wurden bzw.<br />
werden konnten (hauptsächlich KWK-Anlagen und Kraftstoffproduktionsanlagen) kann<br />
hingegen davon ausgegangen werden, dass die Förderungen (Einspeisetarife, Quoten und<br />
steuerliche Begünstigungen für biogene Kraftstoffe) in der Regel nicht „von heute auf<br />
morgen“ gestrichen werden bzw. werden können. Die No Policy Szenarien haben daher in<br />
erster Linie illustrativen Charakter.<br />
Abbildung 8-6 zeigt die Entwicklung des Biomasse-Anteils am Primärenergiebedarf und in<br />
den Sektoren Wärme, Strom und Kraftstoffe (Straßenverkehr) in den No Policy Szenarien.<br />
Wesentliche Unterschiede zwischen den beiden Preisszenarien ergeben sich lediglich im<br />
Wärmesektor. Im Preisszenario FAO/Primes kommt es durch die steigenden Preise fossiler<br />
Energieträger zu einem Anstieg auf ca. 30% im Jahr 2030, wobei der sinkende Wärmebedarf<br />
hier ebenfalls eine wesentliche Rolle spielt (siehe Abschnitt 8.2.2). Hauptsächlich aufgrund<br />
des Rückgangs bei biogenen Kraftstoffen sinkt der Anteil von Biomasse am<br />
Primärenergiebedarf gegenüber 2010 in beiden Preisszenarien.<br />
Anteil am Gesamtenergiebedarf [%]<br />
40<br />
35<br />
30<br />
25<br />
20<br />
15<br />
10<br />
5<br />
No Policy Szenarien<br />
Simulation<br />
0<br />
2000 2005 2010 2015 2020 2025 2030<br />
Preisniveau 2006 Preisszenario FAO/Primes<br />
Wärme<br />
Primärenergie<br />
Strom<br />
Kraftstoffe<br />
Abbildung 8-6: Simulationsergebnisse der No Policy-Szenarien (Szenarien 1-1 und 1-2):<br />
Anteil von biogenen Energieträgern am Wärme-, Strom und Kraftstoffbedarf sowie am<br />
Primärenergiebedarf 32<br />
Quelle: Modell SimBioSe (Energy Economics Group, TU <strong>Wien</strong>)<br />
8.3.1.1 No Policy – Preisszenario „Niveau 2006“<br />
In den folgenden Abbildungen sind die Ergebnisse der Simulationen anhand des Biomasse-<br />
Primärenergieverbrauchs und der Energieerzeugung dargestellt. Die Ergebnisse für das<br />
32 Im Gegensatz zu offiziellen Statistiken nach Eurostat bzw. Statistik Austria erfolgt die Berechnung<br />
der Primärenergiemengen im Modell auf Basis der tatsächlich eingesetzten Biomasse inklusive der bei<br />
Konversionsprozessen (z.B. Holzvergasung, Fischer-Tropsch-Synthese) auftretenden Verluste. Im<br />
Fall von Biogas stellt (wie bei offiziellen Statistiken) der Energieinhalt des genutzten Rohgases die für<br />
den Primärenergieeinsatz relevante Größe dar.
Modellierung des Bioenergiesektors – Szenarien der Biomassenutzung bis 2030<br />
Preisszenario Niveau 2006 zeigen deutlich, dass bei „niedrigen“ Energiepreisen die<br />
energetische Biomassenutzung in den meisten Bereichen nicht wirtschaftlich ist.<br />
Energiepflanzen werden in diesem Szenario praktisch nicht genutzt. Im Jahr 2030 kommt der<br />
einzige nennenswerte Beitrag landwirtschaftlicher Biomasse von der Nutzung von Stroh in<br />
größeren KWK-Anlagen (IGCC-Anlagen) und in sehr geringem Umfang von Pflanzenöl in<br />
BHKWs, was auch die trotz des Außerbetriebgehens geförderter KWK-Anlagen relativ<br />
konstante Stromerzeugung in diesem Szenario erklärt. 33<br />
Im Übrigen kommt es in dem Szenario zu einer Konzentration des Bioenergiesektors auf die<br />
wenigen Bereiche, in denen die Biomassenutzung wirtschaftlich ist: Kleinfeuerungsanlagen<br />
im 50 kW-Bereich, Prozesswärme und die bereits erwähnte Verstromung von Stroh.<br />
Biomasse-Primärenergieverbrauch [GWh]<br />
70.000<br />
60.000<br />
50.000<br />
40.000<br />
30.000<br />
20.000<br />
10.000<br />
0<br />
No Policy - Niveau 2006<br />
Simulation<br />
2000 2005 2010 2015 2020 2025 2030<br />
112<br />
250<br />
200<br />
150<br />
100<br />
50<br />
0<br />
[PJ]<br />
Heu<br />
Grassilage<br />
GGP-Silage<br />
Biogas-Mais<br />
Stroh<br />
Zuckerrübe<br />
Ölsaaten<br />
Körnermais<br />
Getreidekorn<br />
Kurzumtriebsholz<br />
Waldbiomasse<br />
Abbildung 8-7: Simulationsergebnis des No Policy-Niveau 2006-Szenarios (1-1): Biomasse-<br />
Primärenergieverbrauch<br />
Quelle: Modell SimBioSe (Energy Economics Group, TU <strong>Wien</strong>)<br />
Energie-Ouput [GWh therm./el./chem]<br />
50.000<br />
45.000<br />
40.000<br />
35.000<br />
30.000<br />
25.000<br />
20.000<br />
15.000<br />
10.000<br />
5.000<br />
No Policy - Niveau 2006<br />
0<br />
2000 2005 2010 2015 2020 2025 2030<br />
Abbildung 8-8: Simulationsergebnis des No Policy-Niveau 2006-Szenarios (1-1):<br />
Energieoutput der Bioenergie-Anlagen<br />
Quelle: Modell SimBioSe (Energy Economics Group, TU <strong>Wien</strong>)<br />
SNP<br />
Gasförmige Kraftstoffe<br />
Flüssige Kraftstoffe<br />
Strom > 5 MWel<br />
Strom 1- 5 MWel<br />
Strom < 1 MWel<br />
Prozeßwärme<br />
Nahwärme 5 MW<br />
Nahwärme 2 MW<br />
Nahwärme 0.5 MW<br />
sonst.Heizanlagen 50 kW<br />
sonst.Heizanlagen 25 kW<br />
sonst.Heizanlagen 12 kW<br />
sonst.Kaminöfen 8 kW<br />
Scheitholzkessel 50 kW<br />
Scheitholzkessel 25 kW<br />
Scheitholzkessel 12 kW<br />
Scheitholzöfen 8 kW<br />
33 Inwiefern nicht-ökonomische bzw. sonstige Barrieren, die im Modell nicht berücksichtigt werden<br />
können, der Nutzung von Stroh in Großanlagen entgegenstehen, sei hier dahingestellt.
8.3.1.2 No Policy – Preisszenario „FAO/Primes“<br />
113<br />
ALPot<br />
Im Preisszenario FAO/Primes werden auch zahlreiche andere Technologien bzw.<br />
Nutzungspfade wirtschaftlich. Wie aus Abbildung 8-9 ersichtlich, wird landwirtschaftliche<br />
Biomasse jedoch auch in diesem Szenario nach Wegfall der auf bestehenden Anlagen<br />
basierende Biodiesel- und Ethanolproduktion nur in relativ geringem Ausmaß genutzt. Neben<br />
der Nutzung von Stroh werden außerdem größere Biogas-BHKWs auf Basis von Mais<br />
wirtschaftlich, was eine steigende Stromerzeugung in den Leistungskategorien unter 5 MWel<br />
zur Folge hat. Der Hauptunterschied zum Niveau 2006-Szenario liegt jedoch im deutlich<br />
höheren Einsatz der forstlicher Biomasse in Kleinfeuerungsanlagen und Heizwerken. Auch in<br />
diesem Szenario kommt es bei Biomasse-Kleinfeuerungsanlagen zunächst in der<br />
Leistungsklasse von ca. 50 kW zu einer starken Diffusion. Unter den hier unterstellten<br />
Bedarfsszenarien ist das nachfrageseitige Potenzial kurz nach 2020 erreicht und es kommt<br />
zu einem Rückgang in dieser Bedarfskategorie. Im Gegensatz zum Preisszenario Niveau<br />
2006 sind hier jedoch auch Anlagen kleinerer Leistung zum Teil wirtschaftlich, und die<br />
Biomassenutzung in Kleinfeuerungsanlagen geht nur geringfügig zurück.<br />
Biomasse-Primärenergieverbrauch [GWh]<br />
70.000<br />
60.000<br />
50.000<br />
40.000<br />
30.000<br />
20.000<br />
10.000<br />
0<br />
No Policy - FAO/Primes<br />
Simulation<br />
2000 2005 2010 2015 2020 2025 2030<br />
250<br />
200<br />
150<br />
100<br />
50<br />
0<br />
[PJ]<br />
Heu<br />
Grassilage<br />
GGP-Silage<br />
Biogas-Mais<br />
Stroh<br />
Zuckerrübe<br />
Ölsaaten<br />
Körnermais<br />
Getreidekorn<br />
Kurzumtriebsholz<br />
Waldbiomasse<br />
Abbildung 8-9: Simulationsergebnisse des No Policy-FAO/Primes-Szenarios (1-2):<br />
Biomasse-Primärenergieverbrauch<br />
Quelle: Modell SimBioSe (Energy Economics Group, TU <strong>Wien</strong>)<br />
Energie-Ouput [GWh therm./el./chem]<br />
50.000<br />
45.000<br />
40.000<br />
35.000<br />
30.000<br />
25.000<br />
20.000<br />
15.000<br />
10.000<br />
5.000<br />
0<br />
No Policy - FAO/Primes<br />
2000 2005 2010 2015 2020 2025 2030<br />
SNP<br />
Gasförmige Kraftstoffe<br />
Flüssige Kraftstoffe<br />
Strom > 5 MWel<br />
Strom 1- 5 MWel<br />
Strom < 1 MWel<br />
Prozeßwärme<br />
Nahwärme 5 MW<br />
Nahwärme 2 MW<br />
Nahwärme 0.5 MW<br />
sonst.Heizanlagen 50 kW<br />
sonst.Heizanlagen 25 kW<br />
sonst.Heizanlagen 12 kW<br />
sonst.Kaminöfen 8 kW<br />
Scheitholzkessel 50 kW<br />
Scheitholzkessel 25 kW<br />
Scheitholzkessel 12 kW<br />
Scheitholzöfen 8 kW<br />
Abbildung 8-10: Simulationsergebnisse des No Policy-FAO/Primes-Szenarios (1-2):<br />
Energieoutput der Bioenergie-Anlagen<br />
Quelle: Modell SimBioSe (Energy Economics Group, TU <strong>Wien</strong>)
Modellierung des Bioenergiesektors – Szenarien der Biomassenutzung bis 2030<br />
8.3.2 Current Policy Szenarien<br />
Die Current Policy Szenarien geben Aufschluss darüber, welche energetischen<br />
Nutzungspfade landwirtschaftlicher und sonstiger Biomasseressourcen unter den derzeitigen<br />
energiepolitischen Rahmenbedingungen wirtschaftlich sind (bzw. in Zukunft wirtschaftlich<br />
werden könnten), und in welchen Bereichen auf Basis wirtschaftlicher, bedarfs- und<br />
angebotsseitiger Potenziale ein Ausbau der Biomassenutzung möglich ist.<br />
Im Gegensatz zu den No Policy Szenarien kommt es hier im Preisszenario FAO/Primes, zu<br />
einem sehr starken Ausbau im landwirtschaftlichen Bioenergiesektor. Das heißt, die<br />
energetische Nutzung der meisten landwirtschaftlichen Ressourcen wird unter den<br />
gegebenen Rahmenbedingungen wirtschaftlich, und die Frage, welche Rohstoffe bzw.<br />
welche Arten von Ackerfrüchten für eine energetischen Nutzung zur Verfügung stehen, ist<br />
von zentraler Bedeutung. Wie in den vorigen Kapiteln gezeigt wurde, spielen in diesem<br />
Bereich nicht nur wirtschaftliche Überlegungen der Landwirte, agrarische und naturräumliche<br />
Gegebenheiten eine wesentliche Rolle, sondern auch nicht-ökonomische Barrieren,<br />
individuelle Präferenzen der Entscheidungsträger und Ähnliches.<br />
Da die Berücksichtigung derartiger Parameter im Rahmen des hier verwendeten, auf Basis<br />
rein ökonomischer Entscheidungen arbeitenden Modells nicht möglich ist, wurden die bereits<br />
in Kapitel 7 dargestellten Schwerpunkte bei der landwirtschaftlichen Biomasseproduktion<br />
unterstellt: Konventionelle Ackerfrüchte, Biogaspflanzen und Ligno-Zellulose.<br />
In den folgenden Abbildungen sind die Entwicklungen des Biomassesektors in den Current<br />
Policy-Szenarien im Preisszenario Niveau 2006 (Abb. 8-11) und FAO/Primes (Abb. 8-12)<br />
wieder anhand des Anteils von Bioenergie am Energiebedarf veranschaulicht. Ausgehend<br />
von einem Szenario, in dem angenommen wurde, dass keine inländischen Ressourcen<br />
landwirtschaftlicher Biomasse zur Verfügung stehen 34 , zeigen die drei Rohstoffszenarien<br />
Konventionelle Ackerfrüchte, Biogaspflanzen und Ligno-Zellulose, welcher zusätzliche<br />
Beitrag zur Energieversorgung durch landwirtschaftliche Biomasse unter den Current Policy-<br />
Annahmen wirtschaftlich ist.<br />
8.3.2.1 Current Policy – Preisszenario „Niveau 2006“<br />
Im Preisszenario Niveau 2006 kommt es in allen Rohstoffszenarien in erster Linie zu einem<br />
zusätzlichen Beitrag zur Stromversorgung, was daran liegt, dass im Stromsektor in erster<br />
Linie die Höhe der Einspeisetarife entscheidend ist, weniger das (im Szenario Niveau 2006<br />
recht niedrige) Energiepreisniveau 35 . Je nach Szenario kommen unterschiedliche Rohstoffe<br />
und Technologien zum Einsatz, der zusätzliche Beitrag zur Stromversorgung ist in allen<br />
Rohstoffszenarien aber nahezu gleich und beläuft sich im Jahr 2030 auf ca.3,5 TWh oder 4%<br />
des Strombedarfs (im Biogas-Szenario ist er mit knapp 4 TWh geringfügig höher). Der<br />
Wärmeoutput der KWK-Anlagen bringt zudem einen zusätzlichen Beitrag im Wärmesektor.<br />
Der Kraftstoffsektor ist bis ca. 2020 dominiert von den bestehenden Biodieselanlagen,<br />
danach wird die 10%-Quote je nach Rohstoffszenario mit unterschiedlichen Technologien<br />
bzw. Anlagentypen erfüllt. Ein Hauptanteil geht jedoch in allen Szenarien auf SNG aus<br />
Holzvergasung zurück, wobei in erster Linie forstliche Biomasse und Sägenebenprodukte<br />
verwertet werden. Dieses an sich robuste Ergebnis ist hinsichtlich der offenen Fragen, etwa<br />
was die zukünftige Entwicklung des Fahrzeugbestandes oder der Anlagenkosten angeht,<br />
durchaus kritisch zu hinterfragen. Mit wesentlich höherer Gewissheit lässt sich jedoch<br />
ableiten, dass allein die inländischen Potenziale landwirtschaftlicher Biomasse nicht zur<br />
Erfüllung der Quote ausreichen werden. Ob biogene Kraftstoff weiterhin in erster Linie auf<br />
34<br />
Gemäß den Modellannahmen erfolgt in diesem Fall die Rohstoffversorgung bestehender Anlagen,<br />
die auf landwirtschaftliche Ressourcen angewiesen sind zur Gänze durch Importe.<br />
35<br />
Da sich die Wärmeerlöse aus der Höhe der Referenz-Wärmepreise ergeben, ist das<br />
Energiepreisniveau auch für über Einspeisetarife geförderte KWK-Anlagen nicht gänzlich irrelevant.<br />
114
115<br />
ALPot<br />
Basis von Importen oder durch fortgeschrittene Konversionsverfahren aus Ligno-Zellulose<br />
bereitgestellt werden, wird nicht zuletzt auch von den politischen Rahmenbedingungen<br />
abhängen (insbesondere in Bezug auf die Ausgestaltung der Nachhaltigkeitskriterien der EU<br />
bzw. die Zertifizierung biogener Energieträger).<br />
Anteil am Gesamtenergiebedarf [%]<br />
40<br />
35<br />
30<br />
25<br />
20<br />
15<br />
10<br />
5<br />
Current Policy - Preisniveau 2006<br />
Simulation<br />
0<br />
2000 2005 2010 2015 2020 2025 2030<br />
Wärme<br />
Primärenergie<br />
Strom<br />
Kraftstoffe<br />
Konv. Ackerfr. Biogas-Pfl. Ligno-Zellulose-Pfl. keine lw. Biomasse<br />
Abbildung 8-11: Simulationsergebnisse der Current Policy-Niveau 2006-Szenarien (2-1a bis<br />
2-1d): Anteil von biogenen Energieträgern am Wärme-, Strom und Kraftstoffbedarf sowie am<br />
Primärenergiebedarf 36<br />
Quelle: Modell SimBioSe (Energy Economics Group, TU <strong>Wien</strong>)<br />
Die Entwicklung bei Kleinfeuerungsanlagen ist in allen „Niveau 2006-Szenarien“ ähnlich: Bis<br />
etwa 2020 kommt es zu einem deutlichen Ausbau in der Kategorie 50 kW, danach zu einem<br />
sukzessiven Rückgang, dessen Ursache wie bereits in den No Policy-Szenarien in der<br />
Wärmebedarfsstruktur begründet liegt. Für eine stärkere Durchdringung der niedrigeren<br />
Leistungskategorien reicht die unterstellte Investitionsförderung von 20% also nicht aus, was<br />
zum Teil auf die preissteigernden Effekte der zunehmenden Kraftstofferzeugung aus Ligno-<br />
Zellulose zurückzuführen ist.<br />
8.3.2.2 Current Policy – Preisszenario „FAO/Primes“<br />
In Abbildung 8-13 ist exemplarisch die Energieerzeugung im Szenario Current Policy – FAO-<br />
Primes im Detail dargestellt. Es zeigt sich, dass der Anstieg des Biomasseanteils im<br />
Wärmesektor in erster Linie auf eine starke Diffusion von Biomasse-Kleinfeuerungsanlagen<br />
zurückgeht. Im Bereich der biogenen Kraftstoffe zeigt sich der bereits erwähnte Übergang zu<br />
gasförmigen Energieträgern (in diesem Szenario synthetisches Erdgas), da diese unter den<br />
unterstellten Rahmenbedingungen die kostengünstigere Variante zur Erfüllung der<br />
vorgegebenen Quote darstellen.<br />
36<br />
Das temporäre Überschreiten der 10%-Quoten im Jahr 2021 ist auf die technologiespezifischen<br />
minimalen Anlagengrößen zurückzuführen.
Modellierung des Bioenergiesektors – Szenarien der Biomassenutzung bis 2030<br />
Anteil am Gesamtenergiebedarf [%]<br />
35<br />
30<br />
25<br />
20<br />
15<br />
10<br />
5<br />
Current Policy - Preisszenario FAO/Primes<br />
Simulation<br />
0<br />
2000 2005 2010 2015 2020 2025 2030<br />
116<br />
Wärme<br />
Primärenergie<br />
Strom<br />
Konv. Ackerfr. Biogas-Pfl. Ligno-Zellulose-Pfl. keine lw. Biomasse<br />
Kraftstoffe<br />
Abbildung 8-12: Simulationsergebnisse der Current Policy-FAO/Primes-Szenarien (2-2a bis<br />
2-2d): Anteil von biogenen Energieträgern am Wärme-, Strom und Kraftstoffbedarf sowie am<br />
Primärenergiebedarf<br />
Quelle: Modell SimBioSe (Energy Economics Group, TU <strong>Wien</strong>)<br />
Energie-Ouput [GWh therm./el./chem]<br />
60.000<br />
50.000<br />
40.000<br />
30.000<br />
20.000<br />
10.000<br />
0<br />
Current Policy - FAO-Primes<br />
Förderschwerpunkt Lignozellulose<br />
2000 2005 2010 2015 2020 2025 2030<br />
Gasförmige Kraftstoffe<br />
Flüssige Kraftstoffe<br />
Strom > 5 MWel<br />
Strom 1- 5 MWel<br />
Strom < 1 MWel<br />
Prozeßwärme<br />
Nahwärme 5 MW<br />
Nahwärme 2 MW<br />
Nahwärme 0.5 MW<br />
Scheitholzkessel 50 kW<br />
Scheitholzkessel 25 kW<br />
Scheitholzkessel 12 kW<br />
Scheitholzöfen 8 kW<br />
sonst.Heizanlagen 50 kW<br />
sonst.Heizanlagen 25 kW<br />
sonst.Heizanlagen 12 kW<br />
sonst.Kaminöfen 8 kW<br />
Abbildung 8-13: Simulationsergebnis des Current Policy-FAO/Primes-Szenarios mit<br />
Förderschwerpunkt Ligno-Zellulose (Szenario 2-2d): Energieoutput der Bioenergie-Anlagen<br />
Quelle: Modell SimBioSe (Energy Economics Group, TU <strong>Wien</strong>)<br />
Abbildung 8-14 zeigt die Zeitreihen der Einsparung fossiler Energieträger und der<br />
Treibhausgasemissionen, die durch die gesamte energetische Biomassenutzung in den<br />
FAO/Primes-Szenarien erzielt wird. Durch die Nutzung landwirtschaftlicher Biomasse werden<br />
im Szenario Ligno-Zellulose im Jahr 2020 zusätzliche Einsparungen an fossilen<br />
Energieträgern in der Höhe von 15 TWh erzielt. In den Szenarien Biogas und konventionelle<br />
Ackerfrüchte belaufen sie sich auf ca. 10 bzw. 7,3 TWh. Die zusätzlichen THG-Einsparungen<br />
belaufen sich im Jahr 2020 auf 3 (Ligno-Zellulose), 1,43 (Biogas) bzw. 1,72 Mt CO2-Äqu.<br />
(konventionelle Ackerfrüchte). Bis zum Jahr 2030 kommt es nur im Ligno-Zellulose-Szenario<br />
zu einem weiteren signifikanten Anstieg der zusätzlichen Einsparungen (ca. 27 TWh bzw.<br />
5,7 Mt CO2-Äqu. gegenüber dem Szenario ohne Nutzung landwirtschaftlicher Biomasse).<br />
Allerdings kommt es im Ligno-Zellulose-Szenario auch zur mit Abstand höchsten Ausweitung<br />
der Energiepflanzen-Flächen: Diese belaufen sich 2020 auf ca. 300.000 ha und 2030 über
117<br />
ALPot<br />
600.000 ha, während sie in den anderen Szenarien bei den beiden anderen Szenarien im<br />
Zeitraum 2020 bis 2030 relativ konstant bei unter 250.000 ha liegen. Auch die Förderkosten<br />
sind im Ligno-Zellulose-Szenario am höchsten, wenn auch nur geringfügig höher als im<br />
Biogas-Szenario. 37 Ob eine derartige Ausweitung der Energiepflanzenflächen überhaupt<br />
politisch bzw. gesellschaftlich erwünscht ist, sei hier dahingestellt.<br />
Was sich unabhängig davon aus den Simulationsergebnissen ableiten lässt, ist dass im Falle<br />
eines deutlichen Preisanstiegs bei fossilen Energieträgern (Preisszenario FAO/Primes)<br />
sowie unter der Annahme, dass die energiepolitischen Förderinstrumente im Wesentlichen<br />
beibehalten werden, Kurzumtriebsplantagen die aussichtsreichste Option der Energieträgerproduktion<br />
auf Ackerflächen darstellt. Der Hauptgrund dafür liegt in der steigenden<br />
Wirtschaftlichkeit der Wärmeerzeugung aus Biomasse, die im Ligno-Zellulose-Rohstoffszenario<br />
am weitaus stärksten ausgebaut werden kann.<br />
Zum Biogas-Szenario ist zu sagen, dass ein recht vielversprechender Nutzungspfad, nämlich<br />
die der Aufbereitung und Einspeisung im Current Policy-Szenario nicht forciert wird, da auf<br />
energiepolitischer Ebene bis dato keine klaren Rahmen- und Förderbedingungen geschaffen<br />
wurden. (Die Effizienz einer Schwerpunktsetzung auf diesen Nutzungspfad wird im<br />
folgenden Abschnitt analysiert.) Ein wesentlicher Vorteil eines Biogas-Schwerpunktes wäre,<br />
dass eine gute Anlagen-Infrastruktur auch eine umfangreiche Nutzung diverser biogener<br />
Reststoffe (neben landwirtschaftlichen Pflanzenresten auch Biomüll oder Reststoffe der<br />
Nahrungsmittelindustrie) ermöglichen würde, die bei wenigen Anlagen aufgrund der<br />
Transportentfernungen kaum realisierbar ist.<br />
Wesentliche Vorteile einer Fokussierung auf konventionelle Energiepflanzen gingen aus den<br />
bisherigen Betrachtungen nicht hervor: In diesem Fall ist eine weitaus geringere Umstellung<br />
der landwirtschaftlichen Produktion und kaum Initiative von Seiten der Landwirte erforderlich,<br />
und es können die bestehenden Biodieselanlagen in höherem Maße mit inländischer<br />
Biomasse versorgt werden (wobei der Importbedarf an Pflanzenöl auch in diesem Szenario<br />
weit über der inländischen Produktion liegt).<br />
Ein nicht zu vernachlässigende Aspekt, der aus den Abbildungen nicht hervorgeht, ist die<br />
Tatsache, dass im Rohstoffszenario Konventionelle Ackerfrüchte bei der Produktion von<br />
Biodiesel und Ethanol signifikante Mengen an Nebenprodukten anfallen. Im Preisszenario<br />
FAO/Primes belaufen sich diese im Jahr 2020 auf 140.000 t Ölschrot 38 und 350.000 t DDGS.<br />
Damit könnten auf Futterwertbasis mehr als 50% des derzeitigen Importbedarfs an<br />
Eiweißfuttermittel ersetzt werden (BMLFUW, 2010 und Url et al. 2005). Bis 2030 kommt es<br />
bei DDGS zu einem weiteren Anstieg um ca. 20%. Im Preisszenario Niveau 2006 fallen etwa<br />
um 30% weniger Futtermittel an, da aufgrund der geringeren Ausschöpfung der<br />
Holzpotenziale (und dem damit verbundenen niedrigeren Preisniveau) die Erfüllung der<br />
Kraftstoffquote zu einem höheren Anteil mit Kraftstoffen der 2.Generation erfolgt.<br />
37<br />
Da zum einen die bestehenden Förderinstrumente in den Sektoren Strom, Wärme und Kraftstoffe<br />
unterschiedlich effizient sind, und zum anderen die verschiedenen Energiepflanzen in<br />
unterschiedlichen Sektoren eingesetzt werden, würde ein direkter Vergleich der Förderkosten eine<br />
Diskussion der Effizienz der verschiedenen Förderinstrumente erforderlich machen, was hier nicht<br />
möglich ist.<br />
38<br />
Basierend auf der inländischen Produktion an Ölsaaten. Es wird davon ausgegangen, dass auch<br />
weiterhin zur Deckung der Versorgungslücke von Biodieselanlagen in erster Linie Pflanzenöl, und<br />
nicht Ölsaaten importiert werden.
Modellierung des Bioenergiesektors – Szenarien der Biomassenutzung bis 2030<br />
Einsparung fossiler ET [GWh]<br />
90.000<br />
80.000<br />
70.000<br />
60.000<br />
50.000<br />
40.000<br />
30.000<br />
20.000<br />
10.000<br />
Current Policy - Preisszenario FAO/Primes<br />
Simulation<br />
0<br />
0<br />
2000 2005 2010 2015 2020 2025 2030<br />
Einsparung fossiler ET Treibhausgaseinsparung<br />
118<br />
30<br />
25<br />
20<br />
15<br />
10<br />
5<br />
Treibhausgaseinsparung [Mt CO 2-Äqu.]<br />
Ligno-Zellulose<br />
Konv. Ackerfrüchte<br />
Biogas-Pflanzen<br />
keine lw. Biomasse<br />
Abbildung 8-14: Simulationsergebnis der Current Policy-FAO/Primes-Szenarien (2-2a bis<br />
2-2d): Treibhausgaseinsparung und Einsparung fossiler Energieträger bei verschiedenen<br />
Förderschwerpunkten<br />
Nicht energetische Nebenprodukte (Futtermittel) sind hier nicht berücksichtigt.<br />
Quelle: Modell SimBioSe (Energy Economics Group, TU <strong>Wien</strong>)<br />
8.3.3 Spezifische Förderszenarien<br />
Während in den vorigen Kapiteln Szenarien unter der Annahme keiner energiepolitischen<br />
Einflussnahme (No Policy) bzw. den derzeitigen Förderinstrumenten (Current Policy)<br />
dargestellt wurden, stehen in diesem Abschnitt die Effekte unterschiedlicher (fiktiver)<br />
Förderniveaus im Vordergrund. Konkret wird der Zusammenhang zwischen (Förder-)Kosten<br />
und Nutzen (THG-Einsparung und Einsparung fossiler Energieträger) bei verschiedenen<br />
technologischen, nutzungs- und rohstoffseitigen Schwerpunktsetzungen analysiert. Im<br />
Folgenden werden spezifische Förderszenarien für den Verkehrssektor und Wärme<br />
dargestellt. 39<br />
8.3.3.1 Biogene Kraftstoffe<br />
Dass der Einsatz von Biomasse im Wärme und/oder Stromsektor hinsichtlich der Kosten der<br />
Treibhausgaseinsparung bzw. der Substitution fossiler Energieträger im Allgemeinen deutlich<br />
günstiger ist als im Verkehrssektor wurde bereits in Kranz et al. 2008 bzw. Kalt et al. 2010<br />
gezeigt. Nichtsdestotrotz stellt die Erhöhung des Anteils erneuerbarer Energie im<br />
Verkehrssektor einen Schwerpunkt der europäischen Energiepolitik dar. Derzeit basiert die<br />
Produktion biogener Kraftstoffe in Österreich in erster Linie auf importierten Rohstoffen<br />
(siehe Kapitel 2.3.3). Mit einer Ausweitung der Energiepflanzenproduktion könnte ein<br />
signifikanter Anteil des Kraftstoffbedarfs mit heimischen Rohstoffen gedeckt werden. Es stellt<br />
sich diesbezüglich die Frage, welche Art von Rohstoffen bzw. welche Technologien<br />
längerfristig (bis 2030) zu bevorzugen sind. (Eine alternative Nutzung der biogenen<br />
Energieträger zur Wärme und/oder Stromerzeugung ist hier explizit ausgeklammert.)<br />
39 Die spezifischen Förderszenarien haben in erster Linie illustrativen Charakter, da derart extreme<br />
Schwerpunktsetzungen bei der Förderung von Bioenergie weder realistisch sind, noch sinnvoll wären<br />
(siehe Abschnitt 8.3.5). Auf eine Darstellung der spezifischen Förderszenarien „Stromerzeugung“<br />
wurde verzichtet, da nach Ansicht der Autoren die Datenbasis zu nachfrageseitigen KWK-Potenzialen<br />
für eine Detailanalyse nicht ausreichend fundiert ist.
119<br />
ALPot<br />
Zur Untersuchung dieser Fragestellung wurden ausgehend vom No Policy-Szenario<br />
(Preisszenario FAO/Primes) für jedes Rohstoffszenario mehrere Simulationen durchgeführt,<br />
wobei die Förderhöhe sukzessive erhöht, und die resultierenden Förderkosten, THG-<br />
Einsparung und Einsparung fossiler Energieträger gegenübergestellt. 40 In Abbildung 8-15<br />
und 8-16 sind die Ergebnisse dargestellt: Jeder Kreis repräsentiert dabei das<br />
Simulationsergebnis eines Szenarios zum Zeitpunkt 2030. Die Position gibt Auskunft über<br />
die anfallenden Förderkosten (in Millionen €/a) und die erzielte THG-Einsparung (in Mt CO2-<br />
Äqu./a, Abb. 8-15) bzw. Einsparung an fossilen Energieträgern (in GWh/a, Abb. 8-16). Die<br />
Datenbeschriftungen und die Größe der Markierungen geben Auskunft über den<br />
Ackerflächenbedarf (in 1.000 . Neben den drei Rohstoffszenarien wurde im Fall von Ligno-<br />
Zellulose zwischen einem Szenario mit ausschließlich gasförmigen („SNG-Szenario“), und<br />
einem mit ausschließlich flüssigen Kraftstoffen unterschieden. 41<br />
Neben Energiepflanzen ist auch Getreidestroh als Rohstoff für die Produktion von flüssigen<br />
oder gasförmigen Kraftstoffen der 2.Generation berücksichtigt, wobei wie in Abschnitt 7.3<br />
erwähnt, von einem energetisch nutzbaren Anteil von 30% ausgegangen wurde. Aufgrund<br />
der Verdrängung der Getreideanbauflächen geht das Strohaufkommen in den<br />
Förderschwerpunkten Biogas und Ligno-Zellulose gegenüber dem Förderschwerpunkt<br />
konventionelle Energiepflanzen deutlich zurück; ein Effekt, der sich in den<br />
Simulationsergebnissen (insbesondere hinsichtlich des Ackerflächenbedarfs) deutlich<br />
niederschlägt. Die Produktion von Kraftstoffen aus Stroh (FT-Diesel, SNG, Ethanol) wird<br />
nämlich aufgrund der niedrigen Rohstoffkosten bereits bei geringen Förderniveaus<br />
wirtschaftlich, und ermöglicht im Förderschwerpunkt konventionelle Energiepflanzen<br />
insbesondere bei niedrigen Förderkosten eine verhältnismäßig gute Performance.<br />
Abbildung 8-15 zeigt, dass zwischen den verschiedenen Schwerpunkten zum Teil deutliche<br />
Unterschiede hinsichtlich der Kosten-Nutzen-Relation bestehen. Mit Kraftstoffen der<br />
2.Generation, und insbesondere im SNG-Szenario, werden bei geringeren Förderkosten<br />
deutlich höhere Treibhausgaseinsparungen erzielt. Die Rohstoffszenarien Biogas und<br />
Konventionelle Energiepflanzen zeigen hinsichtlich der Relation Förderkosten/THG-<br />
Einsparung sehr ähnliche Ergebnisse, hinsichtlich des Ackerflächenbedarfs ist Biogas jedoch<br />
aufgrund der höheren Flächenerträge bei höheren Förderniveaus überlegen. Generell<br />
ergeben sich diese Ergebnisse aus den spezifischen THG-Bilanzen (siehe Abschnitt 8.2.3)<br />
und den Strukturen der Erzeugungskosten (siehe Abschnitt 4.2.4) sowie aus den Biomasse-<br />
Angebotskurven (siehe Abschnitt 7.3).<br />
Aus Abbildung 8-15 ist ersichtlich, dass die Kosten der Treibhausgaseinsparung durch<br />
biogene Kraftstoffe in hohem Maß von der Wahl der Rohstoffe bzw. Umwandlungstechnologien,<br />
aber auch von der energiepolitischen Zielsetzung bzw. dem Förderniveau<br />
abhängen. 42 Schließlich werden entsprechend der Angebotskurven zunächst die günstigeren<br />
Rohstoffpotenziale, und mit Erhöhung des Förderniveaus auch zunehmend teurere<br />
Rohstoffe eingesetzt. Im SNG-Szenario belaufen sich die Kosten der THG-Einsparung<br />
beispielsweise bei einem Anteil biogener Kraftstoffe in der Höhe von 3,7% (Prämie:<br />
10 €/MWh) auf etwa 50 €/t CO2-Äqu. und bei einem Anteil von über 20% (Prämie:<br />
40<br />
Konkret wurden Förderungen in Form von Prämien auf die Produktion von biogenen Kraftstoffen<br />
simuliert, wobei die Prämie ausgehend von 0 €/MWh (No Policy) schrittweise solange erhöht wurde,<br />
bis im Jahr 2030 mehr als 400.000 ha für Energiepflanzen zur Kraftstoffproduktion eingesetzt werden,<br />
bzw. eine nachfragebedingte Sättigung im Ausbau erreicht wird.<br />
41<br />
Werden beide Optionen (flüssige und gasförmige Kraftstoffe) zugelassen, kommt es aufgrund der<br />
besseren Wirtschaftlichkeit ausschließlich zur Produktion von gasförmigen Kraftstoffen, sofern keine<br />
nachfrageseitigen Potenziale zum Tragen kommen. Da die Berücksichtigung von Szenarien des<br />
Fahrzeugbestandes zu weit führen würde, werden daher die „Extremszenarien“ mit ausschließlich<br />
flüssigen/gasförmigen Kraftstoffen analysiert.<br />
42<br />
Nachdem zur deren Berechnung die erforderlichen Förderkosten herangezogen werden, sind diese<br />
als Treibhausgaseinsparungskosten aus staatlicher Sicht zu verstehen.
Modellierung des Bioenergiesektors – Szenarien der Biomassenutzung bis 2030<br />
25 €/MWh) auf 120 €/t CO2-Äqu. Im Fall von Biomethan belaufen sie sich hingegen bei<br />
einem Anteil von 3,7% (Prämie: 10 €/MWh) auf 67 €/ t CO2-Äqu. und bei einem Anteil von<br />
gut 10% (Prämie: 30 €/MWh) auf 200 €/ t CO2-Äqu. 43<br />
Da die in EC (2009) angegebenen Daten zur THG-Bilanz von Biogas deutlich günstiger sind,<br />
als die im Modell SimBioSe standardmäßig verwendeten Werte, wurde dazu eine<br />
Sensitivitätsanalyse durchgeführt (siehe Abschnitt 8.3.4).<br />
Hinsichtlich der Einsparung fossiler Energieträger (Abbildung 8-16) zeigen flüssige<br />
Kraftstoffe der 2.Generation nahezu dieselbe Kosten-Nutzen-Relation wie jene der ersten<br />
Generation und Biomethan, der Flächenbedarf zur Erreichung einer bestimmten Einsparung<br />
ist jedoch tendenziell höher. Dies ist einerseits auf die relativ niedrigen<br />
Konversionswirkungsgrade bei der Produktion flüssiger Kraftstoffe der 2.Generation,<br />
andererseits auf das höhere Strohpotenzial zurückzuführen. Bei höheren Förderniveaus bzw.<br />
Zielsetzungen bleibt aber auch in der Betrachtung SNG deutlich überlegen.<br />
Treibhasugaseinsparung [Mt CO2-Äqu.]<br />
4,0<br />
3,5<br />
3,0<br />
2,5<br />
2,0<br />
1,5<br />
1,0<br />
0,5<br />
0,0<br />
74<br />
239<br />
209<br />
77<br />
78 118<br />
407<br />
384<br />
293<br />
246<br />
206<br />
2030<br />
120<br />
591<br />
588<br />
375 440<br />
303<br />
0 100 200 300 400 500 600 700<br />
Förderkosten [M€]<br />
Abbildung 8-15: Simulationsergebnisse der spezifischen Förderszenarien „Biogene Kraftstoffe“<br />
(Szenarien 3-1a bis 3-1d) 44 : Förderkosten vs. Treibhausgaseinsparung im Jahr 2030<br />
Datenbeschriftungen und Größe der Markierungen: Ackerflächenbedarf in 1.000 ha<br />
Quelle: Modell SimBioSe (Energy Economics Group, TU <strong>Wien</strong>)<br />
427<br />
Ligno-Zellulose (gasförm.Kraftstoffe)<br />
Ligno-Zellulose (flüssige Kraftstoffe)<br />
Konventionelle Energiepflanzen<br />
Biogas<br />
43<br />
Hier allerdings nicht berücksichtigt sind allfällige Kosten, die bei der Verteilung bzw. Vermarktung<br />
des Kraftstoffes anfallen. Es ist davon auszugehen, dass sich diese bei Biomethan (das in<br />
vergleichsweise kleinen, dezentralen Anlagen erzeugt wird) und SNG mitunter deutlich unterscheiden.<br />
44<br />
Nebenprodukte aus der Produktion biogener Kraftstoffe der ersten Generation sind hier nicht<br />
berücksichtigt. In Abschnitt 8.3.4.3 wird gezeigt, wie sich eine Berücksichtigung von Nebenprodukten<br />
in Form von Flächengutschriften auf die Ergebnisse der Szenarien konventionelle Ackerfrüchte<br />
auswirkt.
Einsparung fossiler Energieträger<br />
[GWh/a]<br />
25.000<br />
20.000<br />
15.000<br />
10.000<br />
5.000<br />
0<br />
239<br />
78<br />
209<br />
118<br />
2030<br />
121<br />
591<br />
427<br />
407<br />
588<br />
303<br />
440<br />
293246 206<br />
375<br />
384 Ligno-Zellulose (gasförm.Kraftstoffe)<br />
Ligno-Zellulose (flüssige Kraftstoffe)<br />
Konventionelle Energiepflanzen<br />
Biogas<br />
0 100 200 300 400 500 600 700<br />
Förderkosten [M€]<br />
Abbildung 8-16: Simulationsergebnisse der spezifischen Förderszenarien „Biogene Kraftstoffe“<br />
(Szenarien 3-1a bis 3-1d) 45 : Förderkosten vs. Einsparung fossiler Energieträger im<br />
Jahr 2030<br />
Datenbeschriftungen und Größe der Markierungen: Ackerflächenbedarf in 1.000 ha<br />
Quelle: Modell SimBioSe (Energy Economics Group, TU <strong>Wien</strong>)<br />
8.3.3.2 Wärmeerzeugung<br />
ALPot<br />
Auch im Wärmesektor kann der Anteil von Biomasse mithilfe verschiedener<br />
landwirtschaftlicher Rohstoff- und Technologiepfade erhöht werden. Neben der Nutzung von<br />
Festbrennstoffen (in erster Linie Hackgut und Pellets aus Kurzumtriebsholz) besteht im<br />
Rohstoffszenario Ligno-Zellulose die Möglichkeit der Vergasung und anschließender<br />
Einspeisung des Synthesegases. Ebenso kann aufbereitetes Biogas in Gasnetze<br />
eingespeist, und damit Erdgas ersetzt werden (Rohstoffszenario Biogas). Bei<br />
konventionellen Energiepflanzen kommen die Verfeuerung von Getreide und Pflanzenöl in<br />
Frage. Außerdem ermöglicht die im Vergleich zu den anderen Rohstoffszenarien höhere<br />
Getreideproduktion eine zusätzliche energetische Nutzung von Stroh.<br />
Wie im spezifischen Förderszenario „Biogene Kraftstoffe“ erfolgt auch hier eine sukzessive<br />
Erhöhung der Förderniveaus über eine fiktive Prämie den Output von Bioenergieanlagen.<br />
Wie bereits aus den Current Policy-Szenarien hervorgegangen ist, spielen im Bereich der<br />
Wärmeerzeugung die nachfrageseitigen Potenziale (d.h. die Struktur des Wärmebedarfs)<br />
eine wesentliche Rolle, da einerseits die möglichen Einsatzbereiche von Biomassekesseln<br />
beschränkt sind, und andererseits deren Wirtschaftlichkeit im Vergleich zu Öl-/Gaskesseln<br />
stark vom Leistungsbereich abhängt. Da ein Großteil der nachfrageseitigen<br />
Wärmepotenziale mit „nicht-landwirtschaftlicher“ Biomasse gedeckt wird, kommt es zu einer<br />
weiteren Reduktion der nachfrageseitigen Potenziale für Wärme aus Biomassekesseln. Für<br />
die hier folgenden Szenarien wurden die nachfrageseitigen Wärmepotenziale um die in den<br />
Current Policy Szenarien durch „nicht-landwirtschaftliche“ Biomasse gedeckte<br />
Wärmenachfrage reduziert.<br />
45 Da bei der hier dargestellten Einsparung fossiler Energieträger die bei der Produktion biogener<br />
Energieträger benötigte fossile Energie berücksichtigt ist, und sich diese je nach Rohstofftyp zum Teil<br />
deutlich voneinander unterscheiden (siehe Abb. 8-4), ist die Einsparung nicht direkt proportional dem<br />
erzielten Anteil biogener Kraftstoffe am gesamten Kraftstoffbedarf.
Modellierung des Bioenergiesektors – Szenarien der Biomassenutzung bis 2030<br />
Mit der Erzeugung von Biomethan bzw. SNG und Einspeisung in Erdgasnetze können<br />
weitaus größere nachfrageseitige Potenziale erschlossen werden, da damit unter Nutzung<br />
bestehender Infrastrukturen und Heizanlagen insbesondere auch der Wärmebedarf in<br />
urbanen Gebieten erschlossen werden kann. 46<br />
Die Abbildungen 8-17 und 8-18 zeigen die Ergebnisse der Förderszenarien<br />
Wärmeerzeugung. Es zeigt sich, dass im Rohstoffszenario Ligno-Zellulose mit Nutzung der<br />
Biomasse als Festbrennstoff die niedrigsten durchschnittlichen Kosten der THG-Einsparung<br />
anfallen. Allerdings zeigt sich auch eine sukzessive Abflachung der (gedachten) Trendlinie<br />
zwischen den verschiedenen Förderniveaus, die daraus resultiert, dass die<br />
nachfrageseitigen Potenziale begrenzt sind, und die Kosten der Treibhausgaseinsparung<br />
stark davon abhängen, in welchem Leistungsbereich der Ausbau erfolgt. Selbst beim<br />
höchsten Förderniveau liegen sie jedoch noch deutlich unter den im vorigen Kapitel im<br />
Bereich der Mobilität ermittelten Förderkosten (vgl. Abb. 8-15).<br />
Bei den SNG-Szenarien kommt es zu keiner derartigen, durch die Struktur der Nachfrage<br />
bedingte Abflachung. Die Abflachung bei der Trendlinie der Biogas-Szenarien resultiert aus<br />
den Rohstoff-Angebotskurven. Bei den Szenarien mit konventionellen Ackerfrüchten kommt<br />
es ab Förderkosten von ca. 250 M€ zu keinem weiteren Ausbau mehr, da die Potenziale der<br />
zur Wärmeerzeugung in Frage kommenden Rohstoffe ausgeschöpft sind.<br />
Treibhasugaseinsparung [Mt CO2-Äqu.]<br />
4,0<br />
3,5<br />
3,0<br />
2,5<br />
196<br />
136<br />
77<br />
227<br />
2,0<br />
1,5<br />
239<br />
131<br />
1,0 110<br />
118<br />
74 78<br />
0,5 43<br />
0,0<br />
291<br />
407<br />
324<br />
141 153 153<br />
246<br />
206<br />
2030<br />
0 100 200 300 400 500 600 700<br />
303<br />
591<br />
Förderkosten [M€]<br />
122<br />
427<br />
Ligno-Zellulose - Festbrennstoffe<br />
Ligno-Zellulose - Vergasung & Einspeisung<br />
Konventionelle Ackerfrüchte<br />
Biogaseinspeisung<br />
Abbildung 8-17: Simulationsergebnisse der spezifischen Förderszenarien „Wärmeerzeugung“<br />
(Szenarien 3-2a bis 3-2d): Förderkosten vs. Treibhausgaseinsparung im Jahr 2030<br />
Datenbeschriftungen und Größe der Markierungen: Ackerflächenbedarf in 1.000 ha<br />
Quelle: Modell SimBioSe (Energy Economics Group, TU <strong>Wien</strong>)<br />
Hinsichtlich der Einsparung fossiler Energieträger (Abb. 8-18) ergeben sich geringere<br />
Unterschiede zwischen den verschiedenen Rohstoffszenarien, und die beiden Pfade mit<br />
Substitution von Erdgas schneiden tendenziell besser ab als im Vergleich der<br />
Treibhausgaseinsparungen. Auch hier zeigt sich (insbesondere auch bei einem Vergleich mit<br />
46 Die Standortwahl spielt bei diesen Anlagen eine wesentliche Rolle, da einerseits ein günstiger<br />
Anschluss an das Gasnetze, und andererseits eine günstige Rohstoffversorgung gewährleistet<br />
werden muss. Insbesondere bei Biomethananlagen muss davon ausgegangen werden, dass beide<br />
Anforderungen mitunter schwer zu erfüllen sind, da die Energiedichte von Biogassubstraten sehr<br />
gering ist, was hohe spezifische Transportkosten zur Folge hat. Diese Problematik ist hier explizit nicht<br />
berücksichtigt.
123<br />
ALPot<br />
der im vorigen Kapitel dargestellten Abb. 8-16) dass die Wärmeerzeugung mit<br />
Festbrennstoffen der zu favorisierende Nutzungspfad ist.<br />
Einsparung fossiler Energieträger<br />
[GWh/a]<br />
25.000<br />
20.000<br />
15.000<br />
196<br />
136<br />
77<br />
227<br />
239<br />
131<br />
110<br />
78 118<br />
10.000<br />
5.000<br />
0<br />
291<br />
324<br />
407<br />
2030<br />
246<br />
141<br />
153 153<br />
206<br />
0 100 200 300 400 500 600 700<br />
Förderkosten [M€]<br />
303<br />
591<br />
427<br />
Ligno-Zellulose - Festbrennstoffe<br />
Ligno-Zellulose - Vergasung & Einspeisung<br />
Konventionelle Energiepflanzen<br />
Biogaseinspeisung<br />
Abbildung 8-18: Simulationsergebnisse der spezifischen Förderszenarien „Wärmeerzeugung“<br />
(Szenarien 3-2a bis 3-2d): Förderkosten vs. Einsparung fossiler Energieträger im Jahr 2030<br />
Datenbeschriftungen und Größe der Markierungen: Ackerflächenbedarf in 1.000 ha<br />
Quelle: Modell SimBioSe (Energy Economics Group, TU <strong>Wien</strong>)<br />
8.3.4 Varianten<br />
Im Folgenden werden Varianten der in den vorigen Kapiteln dargestellten Szenarien<br />
beschrieben. Die Intention liegt dabei einerseits auf der Veranschaulichung von<br />
Datenunsicherheiten (zukünftige Entwicklung der Flächenerträge, Treibhausgasbilanz von<br />
Biogas) und Interpretationsspielräumen bzw. dem Einfluss methodischer Ansätze<br />
(Flächengutschriften für Nebenprodukte).<br />
8.3.4.1 Steigerung der Flächenerträge<br />
In den letzten Jahrzehnten ist es bei den meisten Ackerfrüchten durch Züchtungsfortschritte<br />
und dem verstärkten Einsatz von Kunstdünger und Pflanzenschutzmittel zu einer<br />
signifikanten Steigerung der Flächenerträge gekommen. Abschätzungen der zukünftigen<br />
Ertragsentwicklung in der Literatur weisen eine große Bandbreite auf. Im Allgemeinen wird<br />
jedoch davon ausgegangen, dass insbesondere bei Mais und „neuen“ Energiepflanzen, wie<br />
schnellwachsenden Baumarten oder Miscanthus eine deutliche Steigerung der Erträge<br />
möglich ist. Beispielsweise wird in EEA (2006) davon ausgegangen, dass bei diesen<br />
Pflanzen im Zeitraum 2010 bis 2020 eine Ertragssteigerung von 1,5% pro Jahr und im<br />
Zeitraum 2020 bis 2030 um 2% pro Jahr möglich ist. Selbst für traditionelle Ackerfürchte wird<br />
in dieser Studie von weiteren Ertragssteigerungen in der Höhe von 1 bis 1,5% pro Jahr<br />
ausgegangen. In DBFZ (2009) werden auf Basis von KTBL (2006) folgenden<br />
Ertragssteigerungen bis 2020 unterstellt: Silomais 3%/a, Getreide-Ganzpflanzen, Raps und<br />
Zuckerrübe 0,6%/a, Zwischenfrüchte und Miscanthus 2%/a, Kurzumtriebsholz 2,5%/a.<br />
Im agrarischen Modellcluster bzw. den daraus abgeleiteten Angebotskurven wurde<br />
standardmäßig davon ausgegangen, dass es zu keinen Steigerungen bei den<br />
Flächenerträgen kommt. In den im Folgenden dargestellten Varianten der Current Policy-
Modellierung des Bioenergiesektors – Szenarien der Biomassenutzung bis 2030<br />
Szenarien wird der Effekt möglicher Ertragssteigerungen dargestellt. Konkret wurden in<br />
Anlehnung an die oben genannten Studien die Annahme getroffen, dass die Erträge bei<br />
Biogas- und Ligno-Zellulose-Pflanzen im Zeitraum 2010 bis 2030 um 2% und jene von<br />
konventionellen Ackerfrüchten um 1% pro Jahr steigen. Die flächenbezogenen<br />
Bereitstellungskosten wurden als konstant angenommen, was eine Reduktion der<br />
Rohstoffkosten zur Folge hat. 47<br />
Es zeigt sich, dass sich die Effekte der steigenden Erträge zwar bis etwa 2020 kaum in den<br />
Ergebnisse niederschlagen, danach allerdings durchaus relevant werden. In Abbildung 8-19<br />
sind die Ergebnisse dieser Varianten für das Jahr 2030 anhand der Biomasse-Anteile im<br />
Vergleich zu den jeweiligen Current Policy-Szenarien ohne Ertragssteigerungen dargestellt.<br />
Insbesondere im Biogas- und im Ligno-Zellulose-Szenario haben die aufgrund der<br />
steigenden Flächenerträge sinkenden Rohstoffkosten zu Folge, dass die Produktion<br />
biogener Kraftstoffe auch deutlich über die Quote hinaus wirtschaftlich wird.<br />
Aufgrund der Tatsache, dass es im Ligno-Zellulose-Szenario zur höchsten Nutzung<br />
landwirtschaftlicher Biomasse kommt, profitiert dieses Szenario generell am stärksten von<br />
der unterstellten Ertragssteigerung. Der Anteil von Biomasse am Primärenergieverbrauch<br />
steigt hier gegenüber dem Basisszenario um fast 4% (2030).<br />
Anteil am Gesamtenergiebedarf [%]<br />
40<br />
35<br />
30<br />
25<br />
20<br />
15<br />
10<br />
5<br />
0<br />
Primärenergie<br />
Wärme<br />
Strom<br />
Kraftstoffe<br />
Primärenergie<br />
2030<br />
Wärme<br />
Strom<br />
Kraftstoffe<br />
124<br />
Primärenergie<br />
Wärme<br />
Strom<br />
Konventionelle Ackerf. Biogas-Pflanzen Ligno-Zellulose<br />
Kraftstoffe<br />
mit Ertragssteigerung<br />
ohne Ertragssteigerung<br />
Abbildung 8-19: Variante „Steigerung der Flächenerträge“: Gegenüberstellung der<br />
Simulationsergebnisse der Current Policy-FAO/Primes-Szenarien mit und ohne<br />
Ertragssteigerungen im Jahr 2030<br />
Quelle: Modell SimBioSe (Energy Economics Group, TU <strong>Wien</strong>)<br />
Varianten der Current Policy-Szenarien (Preisszenario FAO-Primes): Annahme von<br />
Ertragssteigerungen in der Höhe von 1% pro Jahr bei konventionellen Ackerfrüchten und 2%<br />
pro Jahr bei Biogas- und Ligno-Zellulose-Pflanzen.<br />
47 Die Auswirkungen der verbesserten Wirtschaftlichkeit von Energiepflanzen auf die Flächenverteilung<br />
wurden dabei nicht berücksichtigt, sondern lediglich die Angebotskurven adaptiert.
8.3.4.2 Treibhausgasbilanz von Biogas<br />
125<br />
ALPot<br />
Wie bereits erwähnt, unterscheiden sich die THG-Bilanzen für Biogas laut EC (2009)<br />
signifikant von den im Modell verwendeten Standardwerten laut Abbildung 8-4. Abbildung 8-<br />
20 zeigt eine Gegenüberstellung der Ergebnisse der im vorigen Abschnitt dargestellten<br />
Biogas-Szenarien unter Zugrundelegen der verschiedenen Datenquellen. Es zeigt sich, dass<br />
die Erhöhung der THG-Einsparung gegenüber dem Basisfall nicht unerheblich ist,<br />
insbesondere weil es damit bei höheren Förderniveaus zu einer deutlich besseren<br />
Performance als im Fall Konventionelle Energiepflanzen kommt.<br />
8.3.4.3 Flächengutschriften für Nebenprodukte<br />
Bei der Erzeugung von Ethanol und Biodiesel fallen Nebenprodukte an, die in erster Linie als<br />
Futtermittel eingesetzt werden (siehe Abschnitt 2.3.3.4). Die zur Produktion von<br />
Energiepflanzen zur Ethanol und Biodieselerzeugung benötigte Fläche darf daher in einer<br />
ganzheitlichen Betrachtung nicht zur Gänze der Kraftstofferzeugung zugerechnet werden.<br />
Unter der Annahme, dass durch die Nebenprodukte Futtermittelimporte substituiert werden,<br />
können die Nebenprodukte über „Flächengutschriften“ berücksichtigt werden. Es wird also<br />
unterstellt, dass durch die Substitution Flächen im ehemaligen Exportland für andere<br />
Nutzungsarten frei werden, und es wird nur der Netto-Mehrbedarf an landwirtschaftlichen<br />
Flächen, der aus der Produktion biogener Kraftstoffe resultiert, ausgewiesen. Zur<br />
Berechnung der Flächengutschriften wird hier davon ausgegangen, dass Sojaschrot-Importe<br />
ersetzt werden, wobei für die Netto-Flächenerträge basierend auf Thomet et al. (2008) ein<br />
Wert von 4,5 t/ha unterstellt wird. Des Weiteren wird der im Vergleich zu Sojaschrot<br />
geringere Futterwert von DDGS berücksichtigt (siehe BMLFUW, 2010).<br />
In Abbildung 8-20 sind die Ergebnisse des spezifischen Förderszenarios Konventionelle<br />
Energiepflanzen mit Berücksichtigung der Flächengutschriften dargestellt. Gegenüber dem<br />
Basisfall ohne deren Berücksichtigung ergibt sich bei den höheren Förderniveaus ein um ca.<br />
35% geringerer „Netto-Flächenbedarf“.<br />
Treibhasugaseinsparung [Mt CO2-Äqu.]<br />
3,0<br />
2,5<br />
2,0<br />
1,5<br />
1,0<br />
0,5<br />
0,0<br />
56<br />
78<br />
118<br />
206<br />
246<br />
186<br />
2030<br />
0 100 200 300 400 500 600 700<br />
303<br />
235<br />
Förderkosten [M€]<br />
275<br />
427<br />
Biogas - THG-Daten lt. GEMIS 4.5<br />
Biogas - THG-Daten lt. EC(2009)28<br />
Konv.Energiepflanzen - ohne Flächengutschriften<br />
Konv.Energiepflanzen - mit Flächengutschriften<br />
Abbildung 8-20: Gegenüberstellung der Varianten „Flächengutschriften für Nebenprodukte“<br />
und „Treibhausgasbilanz von Biogas“ mit dem jeweiligen Ausgangsszenario<br />
Datenbeschriftungen und Größe der Markierungen: Ackerflächenbedarf in 1.000 ha. Die<br />
Datenbeschriftungen zum Szenario „Konventionelle Energiepflanzen“ bezieht sich auf den Fall mit<br />
Flächengutschriften; für jenen ohne Flächengutschriften siehe Abb. 8-15<br />
Quelle: Modell SimBioSe (Energy Economics Group, TU <strong>Wien</strong>)
Modellierung des Bioenergiesektors – Szenarien der Biomassenutzung bis 2030<br />
Ergebnisse der Detailanalysen „Treibhausgasbilanz von Biogas“ und „Flächengutschriften für<br />
Nebenprodukte“ zum spezifischen Förderszenario „Biogene Kraftstoffe aus<br />
Energiepflanzen“: Gegenüberstellung der Basisfälle mit den Varianten<br />
8.3.4.4 Zwischenfrüchte<br />
Die Nutzung von Zwischenfrüchten wurde in den Simulationen nicht berücksichtigt. Ohne<br />
hier näher auf die ökologischen und agrarischen Aspekte einer energetischen Nutzung von<br />
Zwischenfrüchten einzugehen, wird im Folgenden der potenzielle Beitrag von Zwischenfrüchten<br />
zur österreichischen Energieversorgung dargestellt.<br />
Ausgehen von der in Kapitel 7.2 dargestellten Abschätzung des Flächenpotenzials in der<br />
Höhe von 110.000 ha und durchschnittlichen Methanerträgen in der Höhe von 800 m 3<br />
CH4/ha (siehe Aigner und Sticksel, 2010) ergibt sich ein Rohgaspotenzial von ca. 3,2 PJ/a.<br />
Bei einer vollständigen Nutzung in dezentralen BHKWs mittlerer Leistung könnte damit der<br />
Stromoutput von aus Biogasanlagen in den Current Policy-Biogas-Szenarien um ca. 20%<br />
(Bezugsjahr 2020) gesteigert werden. Der Betrag zur gesamten Stromversorgung beliefe<br />
sich auf unter 0,5%. Bei einer Verwendung als Kraftstoff könnte ca. 1% des Gesamtbedarfs<br />
mit Biomethan aus Zwischenfrüchten gedeckt werden. Zur Wirtschaftlichkeit kann grob<br />
gesagt werden, dass eine Nutzung unter den derzeitigen Bedingungen allenfalls dann<br />
rentabel ist, wenn zusätzlich zu den energiepolitischen Förderungen auch die ÖPUL-Prämie<br />
für Begrünung (160 €/ha für die Varianten A, A1 und C) lukriert werden kann. In diesem Fall<br />
können die Bereitstellungskosten durchaus unter denen von Biogaskulturen als Hauptfrucht<br />
liegen.<br />
Laut Aigner und Sticksel (2010) sind bezüglich der Daten zum Gasertrag aus Zwischenfrüchten<br />
weitere Untersuchungen notwendig, und in der Literatur werden zum Teil erheblich<br />
höhere Trockenmasseerträge angegeben, als die hier unterstellten Werte (siehe z.B.<br />
Klima:Aktiv 2006). Die hier angegebenen Werte zum energetischen Potenzial sind daher<br />
eher als konservative Abschätzungen zu verstehen.<br />
8.3.5 Diskussion<br />
Neben den zum Teil erheblichen Unsicherheiten, die sich insbesondere bei längerfristigen<br />
Betrachtungen ergeben, spielen mitunter auch methodische Ansätze, die Wahl von<br />
Referenzsystemen oder das Berücksichtigen oder Außerachtlassen diverser Aspekte eine<br />
entscheidende Rolle für die sich aus den Ergebnissen ergebenden Schlussfolgerungen. Die<br />
gezeigten Ergebnisse lassen zwar einige robuste Kernaussagen zu (siehe Kapitel 9),<br />
uneingeschränkte gültige Aussagen über bestimmte Nutzungspfade bzw. Förderstrategien<br />
sind jedoch in der Regel nicht möglich.<br />
Die gezeigten Förderszenarien stellen gewissermaßen „Extremszenarien“ dar, anhand derer<br />
die Vor- und Nachteile bestimmter Schwerpunktsetzungen erläutert werden können. Doch<br />
gerade die Vielfalt bzw. die vielseitige Einsetzbarkeit von Bioenergie-Technologien stellt<br />
einen wesentlichen Vorteil gegenüber anderen erneuerbaren Energieträgern dar. Daher<br />
wäre es insbesondere auch hinsichtlich der Unsicherheiten bezüglich des zukünftigen<br />
Energiemixes nicht zu empfehlen, Förderungen bzw. Forschung und Entwicklung auf einen<br />
oder wenige Nutzungspfade zu konzentrieren oder gar zu beschränken. Eine zu<br />
„unspezifische“ Förderpolitik kann insbesondere bei zunehmender Ausschöpfung der<br />
Rohstoffpotenziale jedoch auch kontraproduktiv sein. Daher wird die Festlegung von<br />
spezifischen Förderbedingungen (bezüglich der eingesetzten Rohstoffe, der Anlagenauslegung<br />
oder -effizienz etc.) als zentrales Element einer effizienten Förderpolitik gesehen<br />
(mehr dazu im folgenden Abschnitt).<br />
126
9 Zusammenfassung, Schlussfolgerungen,<br />
Empfehlungen<br />
127<br />
ALPot<br />
Die Nutzung von Biomasse stellt mit einem Anteil von ca. 15% am Bruttoinlandsverbrauch<br />
(2008) die wichtigste Form der erneuerbaren Energiegewinnung in Österreich dar. In den<br />
letzten Jahren kam es zu einem deutlichen Anstieg der energetischen Biomassenutzung, die<br />
nicht zuletzt auch auf eine zunehmende Nutzung landwirtschaftlicher Ressourcen<br />
zurückgeht. Hinsichtlich der energiepolitischen Rahmenbedingungen kann davon<br />
ausgegangen werden, dass die Bedeutung erneuerbarer Energieträger in den nächsten<br />
Jahren bzw. Jahrzehnten weiter zunehmen wird. Hinsichtlich der zukünftigen Rolle<br />
landwirtschaftlicher Biomasse (insbesondere Energiepflanzen inländischer Herkunft) sind<br />
jedoch zahlreiche Fragen offen. Für eine ganzheitliche Bewertung landwirtschaftlicher<br />
Bioenergieerzeugung sind nicht nur ökologische, agrar- und energiewirtschaftliche Aspekte<br />
zu berücksichtigen, sondern auch persönliche Motivationen und Hemmnisse der Landwirte<br />
und ethische geprägte Fragestellungen.<br />
9.1 Zusammenfassung der Ergebnisse<br />
Im Folgenden werden die Ergebnisse zu den Fragestellungen des Projektes sowie weiteren<br />
zentralen Aspekten landwirtschaftlicher Biomasse-/Bioenergieerzeugung zusammengefasst.<br />
Wie ist der derzeitige Beitrag landwirtschaftlicher Biomasse zur österreichischen<br />
Energieversorgung zu bewerten?<br />
Die wichtigsten Beiträge landwirtschaftlicher Biomasse zur österreichischen Energieversorgung<br />
kommen derzeit von biogenen Kraftstoffen im Verkehrssektor und der<br />
Verstromung von Biogas aus Energiepflanzen und landwirtschaftlichen Reststoffen. Deren<br />
Anteile belaufen sich auf 5% des Kraftstoffbedarfs bzw. unter 1% des Strombedarfs (2008),<br />
und sind damit im Vergleich zur gesamten Biomassenutzung, die in erster Linie auf<br />
forstlichen Rohstoffen basiert und in Summe ca. 15% des Primärenergieverbrauchs (2008)<br />
ausmacht, relativ gering. Landwirtschaftliche Festbrennstoffen wie Kurzumtriebsholz,<br />
Miscanthus oder Stroh, sowie die Erzeugung von Biomethan nehmen derzeit eine<br />
vernachlässigbare Stellung im österreichischen Energiesystem ein.<br />
Zum derzeit wichtigsten Beitrag zur Energieversorgung, der Nutzung biogener Kraftstoffe im<br />
Verkehrssektor ist zu sagen, dass diese in erster Linie aus importierten Rohstoffen<br />
hergestellt werden, deren Produktion also kaum inländischen Wertschöpfungseffekte zur<br />
Folge hat. Die Stromerzeugung aus Biogas geht zwar auf inländische Rohstoffe zurück (zum<br />
Importanteil liegen zwar keine Daten vor, er dürfte aber gering sein), die Förderkosten sind<br />
jedoch sehr hoch (siehe E-Control, 2009) und der ökologische Nutzen könnte mit einem<br />
stärkeren Fokus auf Abfälle und Reststoffe deutlich verbessert werden (2007 basierte der<br />
weitaus größte Anteil der Biogaserzeugung auf Mais, und nur etwas mehr als 10% auf<br />
Abfällen und Reststoffen). Änderungen der derzeitigen energiepolitischen Förderungen für<br />
landwirtschaftliche Biomasse/Bioenergie (z.B. höhere Einspeisetarife bei der Nutzung von<br />
Reststoffen) sind daher in Betracht zu ziehen (siehe Abschnitt 9.3).<br />
Inwiefern ist das Entscheidungsverhalten der Landwirte für die Mobilisierbarkeit<br />
landwirtschaftlicher Bioenergie-Potenziale von Bedeutung? Welche Entscheidungstypen<br />
sind zu unterscheiden?<br />
Aus den Interviewergebnissen geht hervor, dass im Wesentlichen zwischen drei<br />
Entscheidungstypen zu unterscheiden ist: Innovative, traditionelle und utilitaristische<br />
Betriebe. Innovative Betriebe stellen nach Einschätzung der Befragten die kleinste Gruppe
Zusammenfassung, Schlussfolgerungen, Empfehlungen<br />
dar (5 bis 10% aller Betriebe in Österreich). Sie zeichnen sich durch eine hohe Bereitschaft,<br />
Neues auszuprobieren aus, selbst wenn dies mit einem gewissen Risiko verbunden ist.<br />
Sofern innovative Betriebsführer von der Sinnhaftigkeit überzeugt sind, sind diese Betriebe<br />
am leichtesten (d.h. ohne bzw. mit geringen finanziellen Anreizen) zur landwirtschaftlichen<br />
Energieerzeugung zu bewegen.<br />
Das Entscheidungsverhalten traditioneller Betriebe, die etwa 75 bis 80% aller Betriebe<br />
ausmachen, hängt im Wesentlichen vom Produktions- und Erwerbstyp sowie von der<br />
Einkommenssituation ab. Betriebe mit Tierhaltung haben oft nicht die Möglichkeit<br />
landwirtschaftliche Flächen für die Energieträgerproduktion bereitzustellen, da diese Flächen<br />
für die Viehzucht benötigt werden. Sollte aus wirtschaftlichen oder sonstigen Gründen die<br />
Tierhaltung aufgegeben werden, stellt die Energieträgerproduktion jedoch eine attraktive<br />
Alternative dar. Traditionelle Marktfruchtbetriebe hingegen sind weitaus flexibler und können<br />
auch kurzfristig auf Energieträgerproduktion umsteigen, sofern dies mit einem höheren<br />
Deckungsbeitrag verbunden ist. Gemischte Betriebe, die häufig auch über Waldflächen<br />
verfügen, zeichnen sich nach Einschätzung der Interviewpartner durch die höchste<br />
Bereitschaft zur Bewirtschaftung von Kurzumtriebsflächen aus.<br />
Für utilitaristisch entscheidende Betriebe stehen Preis- und Markterwartung im Vordergrund.<br />
Im Gegensatz zu traditionellen Betrieben haben bei utilitaristischen Betrieben Förderungen<br />
für die Energieträgerproduktion keinen so bedeutenden Einfluss auf das<br />
Entscheidungsverhalten, da für sie längerfristige Marktentwicklungen entscheidend sind.<br />
Welche Einflussfaktoren spielen für eine Entscheidung für oder gegen die Produktion<br />
von Energie bzw. Energieträgern eine Rolle?<br />
Sowohl bei den hemmenden, als auch bei den begünstigenden Faktoren kann zwischen<br />
persönlichen, betriebsinternen, externen und naturräumlichen Faktoren unterschieden<br />
werden. Zu den persönlichen Faktoren zählen beispielsweise die Risikobereitschaft,<br />
persönliche Präferenzen und Wertehaltungen oder persönliche Erfahrungen. Betriebsinterne<br />
Faktoren spiegeln die Lage des Betriebes wider, beispielsweise die Verfügbarkeit freier<br />
Flächen, Flexibilität hinsichtlich Flächennutzungsoptionen (z.B. Erfordernis einer<br />
längerfristigen Flächennutzungsbindung), Liquidität oder die Höhe kürzlich getätigter oder<br />
bevorstehender Investitionen. Unter externe Faktoren fallen beispielsweise Förderungen,<br />
Abnahmeverträge (Preisgestaltung, Bindungsdauer, etc.), Zahlungskonditionen und<br />
Marktpreise. Die naturräumlichen Gegebenheiten bzw. die Eignung verschiedener<br />
Energiepflanzen für die zur Verfügung stehenden Flächen können unter „naturräumlichen<br />
Faktoren“ zusammengefasst werden.<br />
Welchen Anteil der Flächen würden österreichische Landwirte eventuell für<br />
Energieproduktion bereitstellen?<br />
Die Ergebnisse zeigen die bei verschiedenen wirtschaftlichen Rahmenbedingungen<br />
resultierenden Flächenanteile (Acker- und Grünland), die zur Energieträgerproduktion<br />
eingesetzt werden. Insgesamt wurden neun unterschiedliche Szenariokombinationen<br />
simuliert, wobei die Rahmenbedingungen für Landwirtschaft und Bioenergieproduktion<br />
mittels Indikatoren für agrar- und energiewirtschaftliche Rahmenbedingungen von<br />
„ungünstig“ bis „vorteilhaft“ variiert wurden. Die Simulationsergebnisse zeigen, dass in den<br />
betrachteten Szenarien zwischen 4 % und 30 % der landwirtschaftlich genutzten Fläche für<br />
die Produktion von landwirtschaftlichen Energieträgern aufgewendet wird. Der höchste Anteil<br />
wird erwartungsgemäß bei unvorteilhaften Rahmenbedingungen für die Landwirtschaft, aber<br />
sehr günstigen Rahmenbedingungen für die Bioenergieproduktion erzielt.<br />
In nahezu allen Szenarien kommt es im nordöstlichen Flach- und Hügelland zum stärksten<br />
Ausbau der Energieträgerproduktion, was auf dies Struktur der landwirtschaftlichen Betriebe<br />
(Betriebsart und –größen) zurückzuführen ist. In Hauptproduktionsgebieten mit großer<br />
128
129<br />
ALPot<br />
Bedeutung der Tierhaltung (Alpenvorland und Voralpen) gewinnt die Energieträgerproduktion<br />
selbst unter günstigen Rahmenbedingungen nur geringfügig an Bedeutung.<br />
Stellen die naturräumlichen Gegebenheiten in Österreich eine Einschränkung für die<br />
verstärkte Energiepflanzenproduktion dar? Welche Schlussfolgerungen lassen sich<br />
aus dem GIS-basierten Modellierungsansatz ableiten?<br />
Mithilfe des GIS-basierten Modellierungsansatzes wurden dynamische Szenarien der<br />
Ackerflächennutzung erstellt, wobei die Zuordnung von Ackerfrüchten zu Standorten so<br />
erfolgte, dass die hinsichtlich der jeweiligen naturräumlichen Gegebenheiten<br />
(Standortbedingungen) am besten angepasste Kulturart ausgewählt wurde. In der zeitlichen<br />
Entwicklung werden außerdem Fruchtfolgebeschränkungen berücksichtigt.<br />
Dieser Ansatz führt gegenüber der derzeitigen, realen Flächennutzung zu einer starken<br />
Extensivierung mit hohen Flächenanteilen von Ackerwiese. Durch diverse Einschränkungen<br />
bei Begrünung kann dieser starke Extensivierungstrend exogen abgeschwächt werden, und<br />
Kulturarten wie Weizen oder Mais setzen sich stärker durch. Unabhängig davon zeigt sich<br />
hinsichtlich der Flächenanteile von „neuen“ Kulturarten (insbesondere Kurzumtriebsholz),<br />
dass diese den Standortbedingungen teilweise besser entsprechen als traditionelle<br />
Kulturarten. Die Ergebnisse deuten also darauf hin, dass es durch den verstärkten<br />
Energiepflanzenanbau nicht per se zu einer Intensivierung der Flächennutzung kommt.<br />
Insbesondere für die Biogaserzeugung kommt eine große Bandbreite an Pflanzenarten in<br />
Frage, was hinsichtlich ökologischer Kriterien einen potenziellen Vorteil gegenüber anderen<br />
Nutzungspfaden landwirtschaftlicher Biomasse darstellt (z.B. Produktion von Biodiesel oder<br />
Ethanol).<br />
Eine „Optimierung“ der Ackerflächennutzung (wie sie in der EnergieStrategie gefordert wird)<br />
ist hinsichtlich der zahlreichen konkurrierenden Zielsetzungen nur im Fall einer klaren<br />
Prioritätensetzung realisierbar. So ist beispielsweise zu klären, inwiefern eine Intensivierung<br />
der Ackerflächennutzung zugunsten erhöhter Flächenerträge in Kauf genommen, oder<br />
welche Bedeutung der Landschaftspflege gegenüber wirtschaftlichen Kriterien und<br />
Produktivität beigemessen werden soll. Im Fall einer Intensivierung sind die Auswirkungen<br />
eines verstärkten Einsatzes von Kunstdünger und Pflanzenschutzmitteln auf die<br />
Gesamtenergie- bzw. die Umweltbilanzen zu prüfen.<br />
Welcher Beitrag landwirtschaftlicher Biomasse zum Energiesystem sollte angestrebt<br />
werden?<br />
In der Literatur zu Biomassepotenzialen wird häufig von Flächenpotenzialen ausgegangen,<br />
die „exklusiv“ für die Produktion von Energieträgern zur Verfügung stehen. Die bei diesen<br />
Ansätzen resultierenden Rohstoffmengen sind in der Regel beträchtlich, und verleiten zu der<br />
Schlussfolgerung, dass ein Ausbau der landwirtschaftlichen Biomassenutzung in hohem<br />
Maße zur Schaffung eines nachhaltigen Energiesystems beitragen kann. Bei ökonomischen<br />
Analysen zeigt sich jedoch ein wesentlich geringeres (wirtschaftlich nutzbares) Potenzial als<br />
bei rein naturwissenschaftlich-technische Analysen. Die Fragen, unter welchen agrar- und<br />
energiewirtschaftlichen Rahmenbedingungen die energetischen Nutzung der Potenziale<br />
wirtschaftlich ist, und wie sich eine verstärkte Nachfrage nach Energiepflanzen auf die<br />
Produktion konventioneller Ackerfrüchte auswirkt, werden häufig gänzlich außer Acht<br />
gelassen. Insbesondere stellen die zu berücksichtigenden Opportunitätskosten in der<br />
Landwirtschaft eine wesentliche Rahmenbedingung dar. Unter der Annahme konstanter<br />
Flächenerträge muss eine nennenswerte Ausweitung der Energiepflanzenproduktion (mit
Zusammenfassung, Schlussfolgerungen, Empfehlungen<br />
Ausnahme von Zwischenfrüchten) jedoch notwendigerweise auf Kosten der Futter- und<br />
Nahrungsmittelproduktion gehen. 48<br />
Allerdings kann die derzeitige Struktur der (globalen) landwirtschaftlichen Produktion kaum<br />
als in jeder Hinsicht optimal betrachtet werden. Bei Berücksichtigung der Ineffizienzen in den<br />
globalen Produktionsstrukturen und Handelsströmen, sowie Überproduktion und Überkonsum<br />
in Industrienationen wird klar, dass die Forderung nach einer Beibehaltung der<br />
derzeitigen Produktionsmengen nicht oberstes Gebot sein kann. Vielmehr wäre in einem<br />
normativen Ansatz eine ganzheitliche Optimierung der in engem Zusammenhang stehenden<br />
Aspekte landwirtschaftliche Produktion, Ernährungsgewohnheiten, Nahrungsmittel- und<br />
Energieversorgung anzustreben. Hinsichtlich der zum Teil konkurrierenden Zielsetzungen<br />
einer maximalen Versorgungssicherheit mit Nahrungsmitteln und Energie, Umweltschutz und<br />
Ökonomie sind Kompromisse unvermeidbar, und die Grundvoraussetzung für eine<br />
Optimierung des Systems, nämlich eine klare Prioritätensetzung, ist im politischgesellschaftlichen<br />
Kontext in der Regel nicht gegeben. Folglich ist es auch nicht möglich,<br />
allgemeingültige Empfehlungen oder im Sinne einer Prioritätensetzung optimale<br />
Zielsetzungen hinsichtlich eines anzustrebenden Beitrags landwirtschaftlicher Bioenergie<br />
abzugeben. Vielmehr sind diese Prioritäten in einem gesellschaftlichen, politischen Diskurs<br />
zu setzen.<br />
Welche Bedeutung kann landwirtschaftlicher Biomasse unter Berücksichtigung<br />
wirtschaftlicher Kriterien bis 2020 bzw. 2030 zukommen? Welche Schlussfolgerungen<br />
lassen sich hinsichtlich energiepolitischer Zielsetzungen ableiten?<br />
Förderungen für erneuerbare Energie (bzw. landwirtschaftlicher Biomasse im Speziellen)<br />
werden zweifellos erforderlich sein, um bis 2020 einen zusätzlichen Beitrag<br />
landwirtschaftlicher Energieträger zur Energieversorgung zu erreichen – selbst im Fall<br />
deutlich steigender Ölpreise (Preisszenario FAO/Primes) 49 . Auf Basis der Simulationsergebnisse<br />
wird unter den derzeitigen energiepolitischen Rahmenbedingungen im<br />
Preisszenario FAO/Primes ein Beitrag zur Treibhausgasreduktion in der Höhe von bis zu<br />
3 Mt CO2-Äqu. im Jahr 2020 als mit Kurzumtriebsholz wirtschaftlich realisierbar, und das laut<br />
EnergieStrategie Österreich erschließbare Potenzial landwirtschaftlicher Energieträger (22<br />
bis 37 PJ/a) als durchaus realistisch erachtet. Allerdings nur unter der Voraussetzung, dass<br />
es zu einer signifikanten Ausweitung der zur Energieträgerproduktion genutzten<br />
Ackerflächen kommt. (ca. 300.000 ha für eine Treibhausgasreduktion von 3 Mt CO2-Äqu.,<br />
wobei hier von konstanten Flächenerträgen ausgegangen wurde). Der realisierbare<br />
Gesamtbeitrag von Biomasse zur Energieversorgung wird für das Jahr 2020 mit etwa 20%<br />
abgeschätzt (primärenergetisch, exklusive Ablauge der Papierindustrie und biogenem Anteil<br />
der Müllverbrennung). Landwirtschaftliche Biomasse könnte einen Beitrag von über 3%<br />
liefern. Zur Mobilisierung des landwirtschaftlichen Potenzials muss jedoch auch den in<br />
Abschnitt 5-1 beschriebenen Entscheidungsstrukturen der Landwirte Rechnung getragen,<br />
und diverse Barrieren für einen Ausbau der landwirtschaftlichen Bioenergieerzeugung<br />
berücksichtigt werden.<br />
Die in der EnergieStrategie getroffene Einschätzung, dass Stroh und Kurzumtriebsholz zu<br />
den bedeutendsten Potenzialen landwirtschaftlicher Biomasse zählen, kann geteilt werden.<br />
Hinsichtlich des realisierbaren Potenzials von Zwischenfrüchten (das ebenfalls als<br />
48<br />
Wenn auch zumindest bei manchen konventionellen Ackerfrüchten (z.B. Mais) meist davon<br />
ausgegangen wird, dass weitere Ertragssteigerungen möglich sind, stellt sich dennoch die Frage, ob<br />
der Energiepflanzenanbau forciert werden sollte, solange es zu keinem deutlichen Rückgang des<br />
Flächenbedarfs zur Nahrungsmittelversorgung gekommen ist.<br />
49<br />
Wobei zu sagen ist, dass auch dramatischere Ölpreisentwicklungen als im Preisszenario<br />
FAO/Primes nicht ausgeschlossen werden können. In diesem Fall gewinnt insbesondere die Frage,<br />
inwiefern andere erneuerbare Technologien wirtschaftlich werden, an Bedeutung.<br />
130
131<br />
ALPot<br />
vielversprechend eingeschätzt wird) sind jedoch einerseits der zusätzliche Förderbedarf<br />
(ÖPUL-Prämie für Begrünung) zu berücksichtigen, andererseits Unsicherheiten bei den<br />
erzielbaren Erträgen einer genaueren Betrachtung zu unterziehen. 50<br />
Längerfristig, d.h. bis 2030 ergeben sich einerseits größere Spielräume hinsichtlich der zu<br />
forcierenden Nutzungspfade landwirtschaftlicher Biomasse, andererseits sind die<br />
Unsicherheiten hinsichtlich Energiepreise, technologische Entwicklungen, Energiebedarf und<br />
-bedarfsstruktur erheblich. Des Weiteren stellt die Frage, in welchem Ausmaß<br />
Ertragssteigerungen bei konventionellen Ackerfrüchten und Energiepflanzen (mit oder ohne<br />
zunehmende Intensivierung) realisierbar sind, einen großen Unsicherheitsfaktor dar, der<br />
aufgrund der erheblichen Dauer von Züchtungsfortschritten aller Wahrscheinlichkeit nach<br />
erst nach 2020 wirklich signifikant werden könnte. Welche Bedeutung landwirtschaftlicher<br />
Biomasse 2030 zukommen könnte, ist daher schwer abzuschätzen.<br />
Unabhängig davon zeigt sich jedoch, dass der Förderbedarf einiger Nutzungspfade im<br />
Preisszenario FAO/Primes erheblich sinkt, was hinsichtlich der zu berücksichtigenden<br />
Kopplungen zwischen Agrar- und Energiepreisen kein triviales Ergebnis darstellt. In welchem<br />
Ausmaß bzw. in welchen Bereichen ein breiter Einsatz von landwirtschaftlicher Biomasse<br />
erfolgen kann, hängt letztendlich wesentlich von der Bedarfsentwicklung sowie der<br />
Verfügbarkeit bzw. Diffusion anderer (auf erneuerbaren Energieträgern basierender)<br />
Technologien ab.<br />
Wie ist die Wirtschaftlichkeit der landwirtschaftlichen Energieträgerproduktion zu<br />
bewerten?<br />
Beim derzeitigen Preisniveau fossiler Energieträger (das etwa dem durchschnittlichen<br />
Preisniveau 2006 entspricht), ist die energetische Nutzung landwirtschaftlicher Biomasse<br />
ohne Förderungen oder steuerliche Begünstigungen in der Regel nicht wirtschaftlich.<br />
Lediglich bei Wärmeerzeugung können die Energieerzeugungskosten unter günstigen<br />
Umständen unter jenen von fossil befeuerten Anlagen liegen. Die Stromerzeugungskosten<br />
von landwirtschaftlichen Biomasse-KWK-Anlagen und Biogas-BHKWs liegen selbst unter<br />
günstigen Umständen deutlich über typischen Großhandelsstrompreisen. Die<br />
Produktionskosten biogener Kraftstoffe liegen in Österreich ebenfalls deutlich über typischen<br />
Nettopreisen fossiler Kraftstoffe, und können nur aufgrund der steuerlichen Begünstigung<br />
bzw. Investitionsförderungen für Produktionsanlagen zu kompetitiven Preisen angeboten<br />
werden.<br />
Selbst bei deutlich steigenden Preisen für fossile Energieträger (Ölpreis über 100 $2007/bbl im<br />
Jahr 2020) würde landwirtschaftliche Energieerzeugung ohne Förderungen, CO2-Steuern<br />
oder sonstigen Begünstigungen kaum wirtschaftlich werden. Das liegt unter anderem an der<br />
Preiskopplung, die zwischen energie- und agrarwirtschaftlichen Produkten zu erwarten ist<br />
und den sich daraus ergebenden steigenden Opportunitätskosten der landwirtschaftlichen<br />
Bioenergieproduktion. Unter den derzeitigen Förderbedingungen könnte sie jedoch in diesem<br />
Preisszenario (auf Basis einer rein wirtschaftlichen Betrachtung) signifikant an Bedeutung<br />
gewinnen. Insbesondere die Wirtschaftlichkeit einer thermischen Nutzung von Festbrennstoffen<br />
(Stroh, Kurzumtriebsholz, Getreidekorn) würde sich deutlich verbessern.<br />
50 Grünlanderträge, die in der Energiestrategie ebenfalls als aussichtsreiches Potenzial genannt<br />
werden, wurden in den energiewirtschaftlichen Simulationen nicht berücksichtigt. Ob eine breite<br />
energetische Nutzung derzeit ungenutzter Grünlanderträge bei den momentanen Förderbedingungen<br />
wirtschaftlich ist, wird jedoch bezweifelt, da selbst ohne energetische Nutzung tendenziell mit einer<br />
Intensivierung der Gunstlagen gerechnet wird, und Überschüsse eher auf extensiven Flächen<br />
anfallen.
Zusammenfassung, Schlussfolgerungen, Empfehlungen<br />
Welche Rohstoffpotenziale sollten genutzt werden? Was sind die Stärken und<br />
Schwächen der verschiedenen Arten von Energiepflanzen?<br />
Zunächst muss zwischen der Nutzung von eigens angebauten Energiepflanzen und<br />
Nebenprodukten/Reststoffen unterschieden werden. Die energetische Verwertung von<br />
Reststoffen ist prinzipiell zu bevorzugen, sofern es dadurch zu keinen bzw. vertretbaren<br />
negativen ökologischen Effekten kommt. Im Fall von Abfällen die ohnehin gesammelt werden<br />
bzw. zentral anfallen, ist eine energetische Verwertung in jedem Fall zu befürworten. In<br />
welchem Ausmaß jedoch beispielsweise Stroh energetisch genutzt werden kann, ohne dass<br />
es zu einer Beeinträchtigung der Humusbildung bzw. des Nährstoffkreislaufes kommt, ist<br />
nicht gänzlich geklärt. Die Wirtschaftlichkeit einer Reststoffnutzung hängt von zahlreichen<br />
Faktoren, insbesondere auch der Aufkommensdichte ab. Hinsichtlich der im Allgemeinen<br />
guten Ökobilanzen sind für die energetische Verwertung von Reststoffen prinzipiell höhere<br />
Förderungen gerechtfertigt (wobei diese nichtsdestotrotz so bemessen sein sollten, dass es<br />
zu keiner Überförderung oder erhöhten Transportdistanzen kommt).<br />
Der Anbau und die energetische Verwertung von Zwischenfrüchten ist einerseits mit<br />
ökologischen Nutzen (Vermeidung von Nährstoffverlusten, Stickstoffbindung etc.)<br />
verbunden, andererseits führt der Anbau zu keiner Verschärfung der Flächenkonkurrenz.<br />
Daher wird die Nutzung von Zwischenfrüchten zur Biogaserzeugung häufig als optimale<br />
Methode der landwirtschaftlichen Energieerzeugung gesehen. Aufgrund der im Allgemeinen<br />
eher niedrigen Erträge fallen jedoch verhältnismäßig hohe Bereitstellungskosten an. Die<br />
Stromgestehungskosten liegen also deutlich über den derzeitigen (im Vergleich zu anderen<br />
erneuerbaren Technologien ohnehin schon hohen) Einspeisetarifen für Biogas. Eine<br />
wirtschaftliche Nutzung von Zwischenfrüchten ist allenfalls möglich, wenn zusätzlich zum<br />
Einspeisetarif noch ÖPUL-Förderungen für Begrünung lukriert werden können. Ob die<br />
ökologischen und energiewirtschaftlichen Nutzen dieser Art der Energieerzeugung derart<br />
hohe Förderungen rechtfertigen, ist zu prüfen (zumal sich die ökologischen Effekte der<br />
Begrünung aufgrund der im Falle einer energetischen Nutzung reduzierten Humusbildung im<br />
Wesentlichen auf eine erhöhte Stickstoffbindung beschränken).<br />
Bezüglich der Nutzung von Energiepflanzen zeigen die Analysen in Kapitel 8, dass<br />
hinsichtlich energiewirtschaftlicher Aspekte (Förderbedarf, Beitrag zur Energieversorgung,<br />
THG-Reduktion) Ligno-Zellulose, d.h. Kurzumtriebsplantagen gegenüber konventionellen<br />
Ackerfrüchten und Biogaspflanzen zu bevorzugen sind. Die verschiedenen Arten von<br />
Energiepflanzen weisen jedoch bei der Bereitstellung und den Möglichkeiten der<br />
energetischen Nutzung sehr unterschiedliche Stärken und Schwächen bzw. Chancen und<br />
Barrieren auf, die unter Berücksichtigung ökologischer, agrarischer und energiewirtschaftlicher<br />
Aspekte eine eindeutige und allgemeingültige Empfehlungen unmöglich<br />
machen. Tabelle 9-1 zeigt einen Überblick.<br />
132
133<br />
ALPot<br />
Tabelle 9-1: Stärken und Schwächen der verschiedenen Arten von Energiepflanzen und<br />
deren möglicher Nutzungsarten<br />
Stärken / Chancen<br />
Nicht eindeutig<br />
zuordenbar<br />
Schwächen / Barrieren<br />
Konventionelle Ackerfrüchte Biogas-Pflanzen Ligno-Zellulose<br />
+ Anbaumethoden bekannt, Maschinen<br />
vorhanden<br />
+ geringe Initiative der Landwirte<br />
erforderlich<br />
+ z.T. Anbau von Zwischenfrüchten<br />
möglich<br />
+ z.T. Anfall von Nebenprodukten (Stroh,<br />
Futtermittel,…)<br />
+ z.T. gute Transportfähigkeit und<br />
Lagerbarkeit aufgrund hoher<br />
Energiedichten (Pflanzenöl,<br />
Getreidekorn)<br />
+ Chancen für zusätzliche Wertschöpfung<br />
durch Energieerzeugung im Fall<br />
einer dezentralen Nutzung gegeben<br />
– i.A.Vergleichsweise hoher Einsatz von<br />
Dünger, Pestiziden etc.<br />
– Verleichsweise geringe Flächen-<br />
(Energie-)erträge<br />
– Potenziale zur Steigerung der<br />
Flächenerträge durch Züchtung<br />
vergleichsweise gering<br />
– Chancen für zusätzliche<br />
Wertschöpfung durch Energieerzeugung<br />
eher gering (Ausnahme z.B. Pflanzenöl)<br />
– Verbrennung von Getreide technisch<br />
und rechtlich nicht gänzlich gelöst<br />
– Kopplung an Nahrungsmittel-<br />
Weltmarktpreise<br />
– Verstärkte Kopplung von Nahrungsmittelmärkten<br />
an Energiemärkte<br />
– Bei Kraftstofferzeugung i.d.R.<br />
verhältnismäßig geringe<br />
Treibhausgaseinsparungen<br />
– Bestehende ethische Bedenken gegen<br />
energetische Nutzung von<br />
Nahrungsmitteln<br />
+ Anbaumethoden bekannt, Maschinen<br />
vorhanden<br />
+ Möglichkeit der Verwertung von Abfällen,<br />
Nebenprodukten (Gülle, Pflanzenreste),<br />
Zwischenfrüchten und überschüssigen<br />
Grünlanderträgen<br />
+ Chancen für zusätzliche Wertschöpfung<br />
durch Energieerzeugung gegeben<br />
+ Nährstoffrückführung über Gärrest möglich<br />
+ Über Biomethan vergleichsweise hohe<br />
Flächen-(Energie-) erträge möglich<br />
+ Vielfältige Nutzungsmöglichkeiten bei<br />
Biogaseinspeisung<br />
+ Nutzung bestehender Netz-Infrastruktur<br />
und Anlagen bei Biogaseinspeisung<br />
+ Längerfristig vermutlich signifikante<br />
Ertragssteigerungen möglich<br />
+/– Schaffung dezentraler<br />
Energieversorgungsstrukturen<br />
möglich / erforderlich<br />
– Vergleichsweise hoher Förderbedarf<br />
(insbesondere bei Verstromung)<br />
– Problem der sinnvollen Wärmenutzung bei<br />
Biogas-BHKWs<br />
– Rohstofftransport nur über geringe<br />
Entfernungen wirtschaftlich<br />
– Standortwahl bei Biogaseinspeisung und<br />
hinsichtlich Wärmenutzung bei BHKWs nicht<br />
unproblematisch<br />
– Negative Erfahrungen hinsichtlich<br />
Ökostromverordnung, Unsicherheit beim<br />
Rohstoffzuschlag<br />
+ gute Wirtschaftlichkeit bei thermischer<br />
Nutzung<br />
+ Vergleichsweise hohe Flächen-<br />
(Energie-) erträge möglich<br />
+ Beitrag zur Entschärfung der<br />
„Holzkonkurrenz“<br />
+ Nutzungstechnologien (Wärme und<br />
KWK) ausgereift<br />
+ Versorgung bestehender (mit Hackgut<br />
befeuerter) Anlagen möglich<br />
+ Konversionstechnologien zur<br />
Verbesserung der Lager- und<br />
Transporteigenschaften in Entwicklung<br />
(z.B. Torrefikation, Pyrolyse)<br />
+ Vermutlich signifikante<br />
Ertragssteigerungen durch Züchtung<br />
möglich<br />
+ Kostensenkung durch verbesserte<br />
Anbau- und Erntemethoden möglich<br />
+ Chancen für zusätzliche Wertschöpfung<br />
durch Energieerzeugung gegeben<br />
+/– Auswirkungen auf Biodiversität und<br />
andere ökologische Aspekte<br />
+/– Sichtbeziehungen / Landschaftsbild<br />
– „Neue“ Anbaumethoden und Maschinen<br />
erforderlich<br />
– Langfristige Bindung von Flächen, hohe<br />
Investitionskosten, relativ hohes Risiko für<br />
Landwirte<br />
– Technologien zur Erzeugung von<br />
Kraftstoffen noch nicht ausgereift;<br />
Unsicherheiten hinsichtlich<br />
Wirtschaftlichkeit<br />
– Erzeugung von Kraftstoffen<br />
voraussichtlich nur in Großanlagen<br />
– Verhältnismäßig wenig Erfahrung mit<br />
Anbau vorhanden<br />
– Anbau von Zwischenfrüchten nicht<br />
möglich
Zusammenfassung, Schlussfolgerungen, Empfehlungen<br />
In welchen Sektoren bzw. für welche Energiedienstleistungen sollte (landwirtschaftliche)<br />
Bioenergie genutzt werden? Welche Perspektiven bieten die<br />
verschiedenen Nutzungspfade?<br />
Aufgrund der zahlreichen zur Verfügung stehenden Konversions- und Nutzungspfade sowie<br />
den beschränkten Rohstoff- bzw. Flächenpotenziale stellt sich die Frage, in welchen<br />
Einsatzbereichen die Nutzung von (landwirtschaftlicher) Biomasse die größten Vorteile<br />
bringt. Wie beispielsweise in Kranzl et al. (2007) bzw. Kalt et al. (2010) ausführlich<br />
dargestellt, können im Bereich der Wärmeerzeugung in der Regel mit den geringsten<br />
zusätzlichen Kosten fossile Energieträger substituiert und Treibhausgasemissionen<br />
eingespart werden. Die nachfrageseitigen Potenziale von Biomasse-Heizanlagen bzw. -<br />
Heizwerken werden in den nächsten Jahrzehnten deutlich zurückgehen, es kann jedoch<br />
auch unter der Annahme ambitionierte Sanierungsraten davon ausgegangen werden, dass<br />
ein verstärkte Einsatz von Biomasse im Wärmesektor möglich und sinnvoll ist. Prinzipiell sind<br />
aus Kostengründen für diese Anwendungen holzartige Festbrennstoffe wie<br />
Kurzumtriebshackgut, Pellets etc. zu bevorzugen, da die Anlagentechnik für diese<br />
Brennstoffe ausgereift und die Emissionen gering sind. Neben dem Einsatz in Heizwerken<br />
könnte Stroh in absehbarer Zeit auch in Form von Pellets in Kleinfeuerungsanlagen verstärkt<br />
zum Einsatz kommen.<br />
Die Nachteile von Festbrennstoffen sind neben den im Vergleich zu Öl-/Gaskesseln höhere<br />
Anlagenkosten und die Tatsache, dass eine Nutzung in Kleinfeuerungsanlagen im urbanen<br />
Gebiet aus Platz- und Komfortgründen kaum in Frage kommt. Neben der Option einer auf<br />
Biomasse basierenden Fernwärmeversorgung besteht eine Möglichkeit zur Umgehung<br />
dieser Problematik in der Einspeisung gasförmiger biogener Energieträger (Biomethan oder<br />
SNG) in Erdgasnetze. Ein wesentlicher Vorteil dabei ist, dass bestehende Infrastrukturen<br />
und Heizanlagen genutzt werden können. Im Fall von SNG aus holzigen Rohstoffen führen<br />
die Konversionsschritte gegenüber der Nutzung von Festbrennstoffen jedoch zu (über die<br />
gesamte Nutzungskette betrachtet) niedrigeren Wirkungsgraden und zusätzlichen Kosten.<br />
Insbesondere bei niedrigen Volllaststunden werden diese mitunter durch die niedrigeren<br />
Investitionskosten der Gaskessel kompensiert. Hinsichtlich der Tatsache, dass gasförmige<br />
Energieträger auch als Kraftstoffe oder zur effizienten Stromerzeugung eingesetzt werden<br />
können, wird die Verbrennung zur Wärmeerzeugung häufig als ineffiziente, nicht zu<br />
forcierende Nutzungsform erachtet. Solange aber auch Erdgas eine zentrale Stellung in der<br />
Wärmeversorgung einnimmt, und die Nutzung von SNG/Biomethan im Wärmesektor eine<br />
Substitution von Erdgas zur Folge hat, ist diese Frage aus einer systemischen Betrachtung<br />
kurz- bis mittelfristig hinfällig.<br />
In welchem Ausmaß Biomasse zur Stromerzeugung eingesetzt werden sollte, hängt in<br />
erster Linie von den für Biomasse-KWK-Anlagen geeigneten Standorten ab. Nur wenn die<br />
Abwärme weitgehend genutzt werden kann, ergeben sich (bezogen auf den Biomasseeinsatz)<br />
mitunter höhere Treibhausgaseinsparungen als bei der reinen Wärmeerzeugung. In<br />
diesem Fall ist aus einer systemischen Sicht (rein auf Basis der Kriterien Förderkosten und<br />
Treibhausgasreduktion) die Inkaufnahme höhere Förderkosten gerechtfertigt.<br />
Die häufig vertretene Empfehlung, Biomasse in erster Linie für Kraft-Wärme-Kopplung<br />
einzusetzen (siehe z.B. WBGU, 2008), kann bei einer österreichspezifischen Betrachtung<br />
nicht geteilt werden. Während nämlich insbesondere im Fall von Deutschland üblicherweise<br />
davon ausgegangen wird, dass Biomasse-KWK Kohlekraftwerke substituiert, wäre diese<br />
Annahme im Fall von Österreich nicht gerechtfertigt. Aufgrund der derzeitigen<br />
Erzeugungsstruktur und dem voraussichtlich auch in Zukunft weiterhin steigenden<br />
Stromverbrauchs, wird für Österreich die Stromerzeugung mit modernen GuD-Kraftwerken<br />
als sinnvolles Referenzsystem für Biomasse-KWK erachtet. Die (im Vergleich zu<br />
Kohlekraftwerken relativ niedrigen) Referenz-THG-Emissionen von GuD-Kraftwerken haben<br />
zur Folge, dass insbesondere die THG-Einsparungen von Biogas-BHKWs in Relation zum<br />
Förderbedarf eher niedrig sind, und nur unter der Bedingung, dass in erster Linie Gülle,<br />
biogene Abfälle etc. verwertet werden, sowie die Abwärme am Standort sinnvoll genutzt<br />
134
135<br />
ALPot<br />
werden kann, eine eindeutige Empfehlung für diesen Nutzungspfad ausgesprochen werden<br />
kann.<br />
Bei den Preisniveaus der letzten Jahre ist die Erzeugung von biogenen Kraftstoffen ohne<br />
Förderungen, steuerlichen Begünstigungen u.ä. im Allgemeinen gegenüber fossilen<br />
Kraftstoffen nicht wirtschaftlich. Beim Einsatz von Biodiesel und Ethanol werden<br />
verhältnismäßig geringe THG-Einsparungen erzielt, was zur Folge hat, dass die spezifischen<br />
THG-Reduktionskosten im Vergleich zu anderen Biomasse-Nutzungspfaden relativ hoch<br />
sind. Biodiesel (bzw. Pflanzenöl) aus inländischen Rohstoffen kann allein aufgrund der sehr<br />
beschränkten, für den Anbau von Raps oder Sonnenblume geeigneten Ackerflächen in<br />
Österreich keine bedeutende Stellung im Verkehrssektor einnehmen. Bei Ethanol ist das<br />
technische Potenzial weitaus größer; nicht die naturräumlichen Gegebenheiten, sondern<br />
Verdrängung von Nahrungsmittel- und Futterflächen stellt den begrenzenden Faktor dar<br />
(wobei die bei der Ethanolproduktion als Nebenprodukt anfallenden Futtermittel zu<br />
berücksichtigen sind). Da die flächenbezogenen Kraftstofferträge relativ gering sind, ist ein<br />
signifikanter Beitrag zur Kraftstoffversorgung von mehr als einigen wenigen Prozent auf<br />
Basis von Kraftstoffen der ersten Generation aus inländischen Rohstoffen praktisch<br />
ausgeschlossen. Im Gegensatz dazu können mit Biomethan sehr hohe Flächenerträge<br />
erzielt werden. Hinsichtlich Ökobilanz und Flächenkonkurrenzen ist jedoch eine<br />
Fokussierung auf eine auf Abfällen, Reststoffen etc. basierende Produktion zu bevorzugen,<br />
deren Potenziale nur für Nischenanwendungen ausreichen.<br />
Die Erzeugungskosten von biogenen Kraftstoffen (Biodiesel, Ethanol, Pflanzenöl) aus<br />
Ackerfrüchten hängen in hohem Maße von den Rohstoffkosten ab. Daher wäre mit einer<br />
deutlichen Verbesserung der Wirtschaftlichkeit nur im Fall signifikant steigender Rohöl- und<br />
stagnierender bzw. fallender Agrarpreise zu rechnen. Demgegenüber besteht der<br />
Hauptvorteil von biogenen Kraftstoffen der 2.Generation in der Verbreiterung der<br />
Rohstoffbasis und der damit verbundenen Entkopplung der Produktionskosten von<br />
Agrarpreisen. Derzeitige Kostenabschätzungen für großtechnische Produktionsanlagen sind<br />
jedoch mit großen Unsicherheiten behaftet. In Abschätzungen zukünftiger Produktionskosten<br />
(z.B. Hamelinck et al., 2006) wird meist von sehr großen Anlagen ausgegangen, deren<br />
Rohstoffversorgung allein auf Basis von Stroh und Kurzumtriebsholz in Österreich nicht<br />
realisierbar wäre. Die Produktion von SNG könnte (darauf deuten zumindest die derzeit<br />
verfügbaren Kostenabschätzungen hin) früher und in kleineren Anlagen wirtschaftlich<br />
werden. Ob die Produktion von Ethanol aus Lignozellulose z.B. mit Hilfe von gentechnisch<br />
veränderten Enzymen tatsächlich (wie aus diversen Medienberichten und Firmenmeldungen<br />
aus den USA und der EU immer wieder zu entnehmen ist) rascher wirtschaftlich werden<br />
kann, wird die Zukunft zeigen.<br />
Zusammenfassend kann also gesagt werden, dass der Einsatz von Biomasse inländischer<br />
Herkunft in erster Linie im Wärmesektor und – unter der Voraussetzung eines sinnvollen<br />
Wärmenutzungskonzeptes – in KWK-Anlagen forciert werden sollte. Insbesondere die<br />
verstärkte energetische Nutzung von Stroh stellt eine vielversprechende Option dar und<br />
Kurzumtriebsplantagen sind im Fall steigender Energiepreise als eine wirtschaftlich attraktive<br />
Art der Brennstoffproduktion zu sehen. Im Verkehrssektor stellt aufbereitetes Biogas einen<br />
interessanten Nutzungspfad dar, da dieses aus landwirtschaftlichen Reststoffen,<br />
überschüssigen Grünlanderträgen und Zwischenfrüchten produziert werden kann, wenn<br />
auch die beschränkten Potenziale dafür sprechen, dass Biomethan eher ein Nischenprodukt<br />
bleiben wird. Die Vorteile flüssiger Kraftstoffe aus Ackerfrüchten beschränken sich im<br />
Wesentlichen darauf, dass eine Nutzung unter Beibehaltung der Infrastrukturen und des<br />
Fahrzeugbestandes möglich ist.
Zusammenfassung, Schlussfolgerungen, Empfehlungen<br />
9.2 Argumentarium<br />
Hinsichtlich eines Argumentariums zum Thema landwirtschaftlichen Biomasse-/Bioenergieerzeugung<br />
sind folgende Aspekte zu berücksichtigen:<br />
Pro:<br />
• Durch die Eigenversorgung mit Energie können landwirtschaftliche Betriebe eine<br />
(zumindest teilweise) Unabhängigkeit von Energieversorgern bzw. Energiepreisschwankungen<br />
erzielen. Dies kann auf Betriebsebene einen Wettbewerbsvorteil und<br />
aus gesamtwirtschaftlicher Sicht einen stabilisierenden Faktor darstellen.<br />
• Durch die „Weiterverarbeitung“ landwirtschaftlicher Erzeugnisse in Form einer<br />
energetischen Nutzung können zusätzliche Wertschöpfungseffekte in der<br />
Landwirtschaft generiert werden.<br />
• Die Nutzung landwirtschaftlicher Ressourcen inländischer Herkunft stellt einen<br />
Beitrag zur Erhöhung der Versorgungssicherheit und Reduktion der Importabhängigkeit<br />
dar.<br />
• Die Schaffung dezentraler Stromversorgungssysteme bietet den Vorteil reduzierter<br />
Übertragungsverluste und kann zu Netzentlastungen bzw. zu einer Verringerung der<br />
benötigten Übertragungskapazitäten führen.<br />
• Die Forcierung landwirtschaftlicher Energieerzeugung kann zur Entwicklung bzw.<br />
Wiederbelebung des ländlichen Raumes beitragen und daher als Maßnahme zur<br />
ländlichen Entwicklung gesehen werden.<br />
• Die energetische Nutzung „überschüssiger“ Biomasse kann zumindest in manchen<br />
Regionen als Maßnahme zur Landschaftspflege betrachtet werden. Dies gilt<br />
insbesondere für die Nutzung von Grünland.<br />
• Die landwirtschaftliche Biomasse-/Bioenergieerzeugung kann eine Diversifizierung<br />
der Einkommensquellen im ländlichen Raum, und damit eine Absicherung gegen<br />
Schwankungen von Weltmarktpreisen bei landwirtschaftlichen Erzeugnissen<br />
darstellen.<br />
• Durch die Schaffung von zusätzlichen Einkommensquellen kann die landwirtschaftliche<br />
Biomasseproduktion den Erhalt der landwirtschaftlichen Nutzung<br />
•<br />
gegenüber einer Verwaldung unterstützen (wobei die Wirtschaftlichkeit von forstlicher<br />
Biomasseproduktion mitunter betriebswirtschaftlich sinnvoller sein kann).<br />
Biogene Energieträger aus Ackerfrüchten stellen derzeit (mit Ausnahme von<br />
Kraftstoffen aus Abfällen und Reststoffen, deren Potenziale recht beschränkt ist) die<br />
einzige Möglichkeit zur Erhöhung der Anteils erneuerbarer Energieträger im<br />
motorisierten Individualverkehr unter Beibehaltung der Infrastruktur des<br />
Fahrzeugbestandes dar. Dazu ist jedoch zu sagen, dass zukunftsträchtige<br />
verkehrspolitische Ansätze kaum darin bestehen können, derzeitige Strukturen<br />
aufrechtzuerhalten. Vielmehr sollten in ganzheitlichen Ansätzen auch Aspekte wie<br />
Raumplanung, modal shift und Möglichkeiten alternativer Antriebskonzepte<br />
berücksichtigt werden.<br />
• In Jahren mit hohen Erntemengen kann die energetische Nutzung marktentlastend<br />
wirken, sofern eine entsprechende Flexibilität bei der energetischen Nutzung (z.B.<br />
Überkapazitäten zur Kraftstoffproduktion) gegeben ist.<br />
Contra:<br />
• Die Förderung landwirtschaftlicher Biomasseerzeugung führt zu einer zusätzlichen<br />
Konkurrenz um beschränkte Flächen, sofern nicht ausschließlich die Nutzung von<br />
Nebenprodukten, Reststoffen, Zwischenfrüchten u.ä. gefördert wird (siehe unten).<br />
136
137<br />
ALPot<br />
• Zur Energieerzeugung sind Investitionen erforderlich, die für den Betreiber mit<br />
finanziellen Risiken verbunden sind sein können, vor allem wenn wirtschaftliche und<br />
politische Rahmenbedingungen stark schwanken bzw. wechseln.<br />
• Viele Nutzungspfade landwirtschaftlicher Biomasse (z.B. biogene Kraftstoffe,<br />
Stromerzeugung mit Biogas) weisen derzeit einen im Vergleich zu anderen<br />
erneuerbaren Technologien hohen Förderbedarf auf. Hinsichtlich der starken<br />
Abhängigkeit von Rohstoffpreisen, der Kopplung an Weltmarktpreise und dem<br />
Energie- und Düngerbedarf bei der Produktion stellt sich die Frage, ob insbesondere<br />
längerfristig andere, rohstoffunabhängige Technologien zur Erzeugung erneuerbarer<br />
Energie nicht aussichtsreichere Optionen darstellen.<br />
• Des Weiteren stellt sich die Frage, ob die positiven Effekte die zum Teil hohen<br />
Förderkosten rechtfertigen. Die Kosten der Treibhausgaseinsparung sind<br />
insbesondere bei den meisten biogenen Kraftstoffen im Vergleich zu anderen<br />
erneuerbaren Technologien sehr hoch.<br />
• Bei entsprechender Förderung der Biomasseproduktion ist mit einer Zunahme der<br />
Bewirtschaftungsintensität zu rechnen, die mitunter den Zielen des ÖPUL entgegenwirken<br />
kann.<br />
Wie ist die Problematik der Flächenkonkurrenz zu beurteilen? Ist die „Food vs. Fuel-<br />
Debatte“ gerechtfertigt?<br />
Wenn auch die landwirtschaftliche Produktion in Österreich von vernachlässigbarer<br />
Bedeutung für die globale Nahrungsmittelversorgung ist, stellt sich dennoch die<br />
(insbesondere aus ethischen Gründen ernst zu nehmende) Frage, wie sich eine globale<br />
Ausweitung der Energiepflanzenproduktion auf die weltweite Ernährungssicherheit auswirkt.<br />
Dass eine verstärkte Nachfrage nach landwirtschaftlichen Erzeugnissen mitunter<br />
preissteigernde Effekte bei Lebensmitteln zur Folge haben kann, ist nicht von der Hand zu<br />
weisen. Laut Schmidhuber (2007) kommt es dadurch auch zu einer verstärkten Kopplung<br />
zwischen Agrar- und Energiepreisen, was zur Folge hat, dass in Zeiten steigender<br />
Energiepreise die Preise für Nahrungsmittel mitziehen. Doornbosch et al. (2007)<br />
argumentieren ebenfalls, dass die energetische Nutzung landwirtschaftlicher Erzeugnisse zu<br />
höheren Preisen führen, und eine Verschärfung der „Food vs. Fuel“-Problematik zur Folge<br />
haben kann. Fischer et al. (2009) betonen, dass steigende Preise für Nahrungsmittel<br />
gravierende Auswirkungen auf die Ernährungssicherheit haben, und dieser Aspekt in<br />
energiepolitischen Zielsetzungen zu berücksichtigen ist.<br />
Laut Baffes et Haniotis (2010) gibt es Anzeichen dafür, dass die Preiskopplung zwischen<br />
Energie- und anderen Rohstoffmärkten in den letzten Jahren deutlich zugenommen hat,<br />
wobei der beobachtete Effekt bei Nahrungsmittelpreisen geringer ist als bei anderen<br />
Rohstoffen. Allerdings argumentieren sie auch, dass der drastische Preisanstieg bei<br />
landwirtschaftlichen Erzeugnissen, der zwischen 2006 und 2008 zu beobachten war, nur in<br />
relativ geringem Ausmaß auf die zunehmende Produktion biogener Kraftstoffe, sondern in<br />
erster Linie auf andere Einflussfaktoren zurückzuführen ist.<br />
Für den Agrarsektor stellen steigende Weltmarktpreise bei landwirtschaftlichen Erzeugnissen<br />
zweifellos einen positiven Effekt dar, von dem auch Landwirte in Entwicklungsländern<br />
profitieren könnten. Nichtsdestotrotz sind im globalen Kontext steigende<br />
Nahrungsmittelpreise äußerst kritisch zu sehen, da Haushalte, die bereits jetzt einen Großteil<br />
ihres Einkommens für Nahrung aufwenden, davon am schwersten betroffen wären.<br />
Schmidhuber argumentiert, dass steigende Energie- und Agrarpreise für jedes Land<br />
spezifische Nettoeffekte hervorbringen, je nachdem ob die Nettoimporte bei Energie und<br />
Agrarprodukten positiv oder negativ sind. Laut Schmidhuber wären die „Ärmsten der Armen“<br />
am schwersten betroffen, da sie weder von Energie-, noch von Agrarexporten profitieren<br />
können.
Zusammenfassung, Schlussfolgerungen, Empfehlungen<br />
Es ist jedoch zu erwähnen, dass die Auswirkungen einer zunehmenden Nachfrage nach<br />
Energiepflanzen in den oben genannten Studien im Wesentlichen unter der Annahme<br />
derzeitiger Rahmenbedingungen bzw. von Business-As-Usual-Szenarien analysiert werden.<br />
Manche Aspekte und Einflussfaktoren, die in einem langfristig-entwicklungspolitischen<br />
Kontext nicht notwendigerweise als gegeben hingenommen werden müssen, sind in diesen<br />
Analysen nur beschränkt bzw. nicht berücksichtigt. So beispielsweise die Tatsache, dass<br />
Nahrungsmittelknappheit in manchen Weltregionen eher auf eine Verteilungsproblematik als<br />
unzureichende Produktion bzw. Potenziale zurückzuführen ist. Des Weiteren könnte durch<br />
Änderungen der Ernährungsgewohnheiten in den Industrieländern der zur<br />
Nahrungsmittelproduktion benötigte Flächenbedarf drastisch reduziert werden.<br />
9.3 Empfehlungen<br />
• Forcierung inländischer Biomassebereitstellung<br />
Von der derzeit in Österreich energetisch genutzten landwirtschaftlichen Biomasse<br />
stammt ein Großteil aus ausländischem Anbau. Die Nutzung regional verfügbarer<br />
Rohstoffe ist aus mehreren Gründen einer auf Importen basierenden Biomassenutzung<br />
vorzuziehen: So können inländische Wertschöpfungseffekte maximiert, Transportentfernungen<br />
(und die damit verbundenen Emissionen) reduziert, ein Beitrag zur<br />
Versorgungssicherheit gewährleistet und nicht nachhaltige Erzeugung in Exportländern<br />
ohne entsprechende Auflagen vermieden werden. Daher sollten in erster Linie<br />
Nutzungspfade forciert werden, die auf Basis regionaler Bereitstellungsketten basieren<br />
(z.B. Biogaserzeugung, Nutzung von Stroh).<br />
• Forcierung regionaler Vermarktung<br />
Die Vermarktung regionaler landwirtschaftlicher Energieträger ist zu forcieren. Die in der<br />
EnergieStrategie Österreich vorgeschlagene Maßnahme, regionale Biomassehöfe zu<br />
errichten, kann in diesem Sinne befürwortet werden. Des Weiteren sollte die Einführung<br />
weiterer normierter Brennstoffe wie Strohpellets forciert werden.<br />
• Förderung von Energieholzplantagen<br />
Die Produktion von Festbrennstoffen auf landwirtschaftlichen Flächen (Kurzumtriebsholz,<br />
Miscanthus u.ä.) stellt einen vielversprechenden Bereitstellungspfad biogener Brennstoffe<br />
dar, der forciert werden sollte. Insbesondere sollten Förderungen dazu dienen, die<br />
Barriere der hohen Investitionskosten und langfristigen Bindung von Flächen zu<br />
überwinden.<br />
• Forcierung von Zertifizierung importierter Biomasse / Energieträger<br />
Um die Nachhaltigkeit importierter biogener Ressourcen zu gewährleisten, sind<br />
entsprechende Systeme zum Nachweis und der Zertifizierung von Biomasse nötig. Dies<br />
stellt eine Voraussetzung für die gesellschaftliche Akzeptanz von (globalen)<br />
Biomassehandel und damit der Biomassenutzung insgesamt dar.<br />
• Gezielte Förderung der Reststoffnutzung (insbesondere bei Biogas)<br />
Die Nutzung von Reststoffen und Abfällen sollte aufgrund der im Allgemeinen guten<br />
Umweltbilanzen und im Sinne der Vermeidung von Rohstoff- und Flächenkonkurrenzen<br />
gezielt gefördert werden. Insbesondere bei der Biogaserzeugung bietet sich eine derartige<br />
Maßnahme an, da verschiedenste, kaum anderwärtig verwertbare Reststoffe genutzt, und<br />
die Umweltbilanzen dadurch gegenüber einer Nutzung von Maissilage u.ä. signifikant<br />
verbessert werden können. Diese Maßnahme kann auch zur Vermeidung von geringer<br />
Diversität beim Energiepflanzenanbau und einer Intensivierung der Flächennutzung<br />
beitragen.<br />
• Definition spezifischer Förderbedingungen und Monitoring<br />
Um einen effizienten Betrieb von Biomasseanlagen zu gewährleisten, sind spezifische<br />
138
139<br />
ALPot<br />
Förderbedingungen wie die bei KWK-Anlagen geforderten Gesamtnutzungsgrade, bei<br />
Heizwerken gewährte Zuschläge zum Fördersatz bei Nutzung regionaler Biomassevorkommen<br />
oder Vorgaben bei der Planung und Auslegung von Heizwerken ein probates<br />
Mittel. Ohne hier näher auf technologie- und rohstoffspezifische Aspekte eingehen zu<br />
können, wird empfohlen, Förderungen stets an angemessene Bedingungen zu knüpfen,<br />
und deren Einhaltung zu prüfen.<br />
• Optimale Standortwahl – Erhebung nachfrageseitiger Potenziale<br />
Die ökonomische und ökologische Effizienz vieler Anlagentypen hängt in hohem Maße<br />
von den Gegebenheiten am jeweiligen Standort ab. Die oben genannten<br />
Förderbedingungen sollten dazu führen, dass Anlagen an optimalen Standorten errichtet<br />
werden. Erhebungen der Bedarfsstrukturen, d.h. nachfrageseitiger Potenziale können zur<br />
Identifikation optimaler Standortbedingungen und Ableitung gezielter Fördermaßnahmen<br />
und –bedingungen beitragen.<br />
• Forschung und Entwicklung<br />
Forschung und Entwicklung ist im Bereiche der landwirtschaftlichen Energieträgerproduktion<br />
zu forcieren, insbesondere die Züchtung von Energiepflanzen, die Erprobung<br />
von Energiepflanzen und Fruchtfolgen unter verschiedenen Standortbedingungen und der<br />
Anbau verschiedener Zwischenfrüchte und Mischkulturen, aber auch im Bereich der<br />
Entwicklung und Verbesserung von Technologien (z.B. Biogasaufbereitung, Produktion<br />
von SNG, Biomasse-Kleinfeuerungsanlagen für landwirtschaftliche Brennstoffe und<br />
Kessel kleinster Leistung).<br />
• Verbesserung der statistischen Datenerfassung<br />
In vielen Bereichen weist die statistische Datenerfassung im Bereich der landwirtschaftlichen<br />
Biomassenutzung Mängel auf, die behoben werden sollten. So wäre<br />
beispielsweise die lückenlose Erfassung von Handelsströmen landwirtschaftlicher<br />
Energieträger bzw. Kraftstoffe (auch in Form von Mischungen), z.B. über<br />
Herkunftsnachweise oder der eingesetzten Biogassubstrate wünschenswert, da die<br />
Kenntnis des Status quo für eine strategische Planung von großer Bedeutung ist.<br />
• Definition von Prioritäten in der Landwirtschaft bzw. Agrarpolitik<br />
Die derzeitige Agrarpolitik ist zum Teil von konkurrierenden Zielsetzungen geprägt. So<br />
sind beispielsweise Wirtschaftlichkeit mit Nachhaltigkeit oder Landschaftspflege mit einer<br />
Steigerung der Produktivität nur über Trade-offs zu vereinbaren. Empfehlungen für die<br />
landwirtschaftliche Energieerzeugung bewegen sich stets in diesem Spannungsfeld, und<br />
sind ohne eine klare Prioritätensetzung in der Regel nicht objektivierbar.<br />
Ebenso ist zu klären, welche Stellung der Versorgungssicherheit mit Energie gegenüber<br />
jener mit Nahrungsmitteln eingeräumt werden soll. Beim derzeitigen Konsumniveau ist mit<br />
der Nutzung einer bestimmten Ackerfläche in der Regel eine höherer<br />
Selbstversorgungsgrad bei Nahrungsmitteln als bei Energie zu bewerkstelligen, d.h. dass<br />
die Produktion von Nahrungsmitteln hinsichtlich eines „Gesamt-Selbstversorgungsgrades“<br />
effizienter ist.<br />
• Sorgsamer Umgang mit der Ressource Boden<br />
Biomasseerzeugung beruht auf Fläche. Neben der Konkurrenz zu anderen agrarischen<br />
Nutzungsformen, kommt es auch durch die Versiegelung landwirtschaftlicher Flächen zu<br />
einer Verschärfung der Konkurrenz um die Ressource Boden. Der historische Trend zeigt,<br />
dass in Österreich im Durchschnitt täglich 15 ha an landwirtschaftlicher Fläche (entspricht<br />
der Größe einer kleineren Landwirtschaft) versiegelt und als Bauland bzw. für Infrastruktur<br />
genutzt wird.<br />
Um einer zunehmenden Flächenkonkurrenz entgegenzuwirken, muss mit der verfügbaren<br />
Fläche sorgsam umgegangen werden. Bauland muss entsprechend effizient genutzt<br />
werden (Bebauungsdichten, Bebauungsweisen), und der flächenmäßige Ausbau von<br />
Infrastruktur strikt geprüft werden.
Zusammenfassung, Schlussfolgerungen, Empfehlungen<br />
• Definition von (energie-) wirtschaftlichen und klimapolitischen Prioritäten<br />
Ebenso fehlen aus (energie-) wirtschaftlicher Sicht eindeutige Prioritäten, die die<br />
Ableitung von allgemeingültigen Empfehlungen ermöglichen. So stellen sich<br />
beispielsweise die Fragen, welche Förderkosten zur Reduktion von<br />
Treibhausgasreduktion gerechtfertigt sind oder welche Bedeutung der der<br />
Versorgungssicherheit gegenüber der Einsparung von Treibhausgasemissionen beizumessen<br />
ist.<br />
• Forcierung von Erneuerbaren durch Internalisierung externer Effekte<br />
Die prinzipielle Forderung, energetische Biomassenutzung nur dann zu forcieren, wenn<br />
sie gewissen Nachhaltigkeitskriterien genügt, ist gerechtfertigt und sollte bei der<br />
Ausgestaltung von Förderinstrumenten berücksichtigt werden. Da für konventionelle<br />
Energiesysteme in der Regel jedoch keine derartigen Forderungen gestellt werden,<br />
bergen Nachhaltigkeitskriterien die Gefahr, zur Beibehaltung des Status quo, das heißt<br />
des auf fossilen Energieträgern basierenden Energiesystems beizutragen. Die<br />
Internalisierung externer Effekte (z.B. über CO2-Steuern) stellt ein adäquates Instrument<br />
zur Vermeidung negativer Effekte und Forcierung effizienter Technologien dar.<br />
• Ressourceneffizienz<br />
Ein effizienter und sparsamer Umgang mit biogenen und fossilen Ressourcen ist zu<br />
forcieren; nicht nur im Bereich der Energieerzeugung, sondern auch bei der stofflichen<br />
Nutzung und der Nahrungsmittelversorgung.<br />
140
10 Literatur<br />
141<br />
ALPot<br />
Aigner A., Sticksel E., 2010: Einschätzung von Zwischenfrüchten als Substrat zur<br />
Biogasgewinnung. Bayrische Landesanstalt für Landwirtschaft,<br />
http://www.lfl.bayern.de/ipz/pflanzenbau_biogas/30222/zwischenfrucht_substrat.pdf,<br />
letzter Zugriff im Juni 2010<br />
AGRANA, 2010: Jahresfinanzbericht 2009/10, AGRANA Beteiligungs-AG, <strong>Wien</strong><br />
Agrarmarkt Austria (AMA), 2009: Energiepflanzen / Nachwachsende Rohstoffe von<br />
stillgelegten Fläche,<br />
http://www.ama.at/Portal.Node/ama/public?gentics.am=PCP&p.contentid=10007.2150<br />
5, letzter Zugriff im Mai 2010<br />
Austrian Energy Agency, 2004: Marktübersicht Öl-Brennwertkessel,<br />
http://www.energyagency.at/(de)/service/oil_kessel.htm, letzter Zugriff im Februar 2009<br />
Asamer V., Stürmer B., Strauss F., Schmid E., 2010: Integrierte Analyse einer großflächigen<br />
Pappelproduktion auf Ackerflächen in Österreich. Jahrbuch der Österreichischen<br />
Gesellschaft für Agrarökonomie<br />
Baffes J., Haniotis T., 2010: Placing the 2006/08 Commodity Price Boom into Perspective,<br />
The World Bank, Development Prospects Group, Policy Research Working Paper 5371<br />
Barreto, L., Tretter, M., 2009: Szenarien für die öffentliche Strom- und Fernwärmeaufbringung<br />
in Österreich, Österreichische Energieagentur im Auftrag der Umweltbundesamt<br />
GmbH, <strong>Wien</strong><br />
Berger P.C., 2004: Best Case Fallbeispiele der Europäischen Biodieselindustrie,<br />
Schriftenreihe Umweltschutz und Ressourcenökonomie, Band 42, o.Univ. Prof. Dr.<br />
Gerhard Vogel (Hrsg.), <strong>Wien</strong><br />
Billen N., Angenendt E., Bakara H., Konold A., Stahr K., Zeddies J., 2008: Abschätzung der<br />
Produktionspotenziale für den Anbau von Energiepflanzen zur CO2-Bindung in Baden-<br />
Württemberg und deren ökologische und ökonomische Bewertung, Zwischenbericht<br />
anlässlich des Kolloquiums Umweltforschung und Umwelttechnik, Baden-Württemberg<br />
2008<br />
Bio Austria, 2009: Infoportal der Biobäuerinnen und Biobauern, www.bioaustria.at, Verein zur<br />
Förderung des Biologischen Landbaus, letzter Zugriff im Oktober 2009<br />
Biogas-Netzeinspeisung, 2010: Website Biogas-Netzeinspeisung, Bundesministerium für<br />
Verkehr, Innovation und Technologie, http://www.biogas-netzeinspeisung.at/, letzter<br />
Zugriff im Juni 2010<br />
Biogaspartner, 2010: Einspeiseprojekte in Österreich,<br />
http://www.biogaspartner.de/index.php?id=10275&L=&fs=, letzter Zugriff im Juni 2010<br />
Biomasseverband, 2009: Das österreichische Energiesystem 2000-2005-2020-2025 –<br />
Zahlen, Fakten, Vorgaben, Potenziale, Maßnahmen, Effekte, Österreichischer<br />
Biomasseverband (2009)<br />
BMLF, 1999: Richtlinien für die Sachgerechte Düngung, 5. Auflage, 1999<br />
Bundesministerium für Land- und Forstwirtschaft, Umwelt und Wasserwirtschaft (BMLFUW),<br />
2008: Grüner Bericht 2008 – Bericht über die Situation der österreichischen Land- und<br />
Forstwirtschaft, www.gruenerbericht.at, letzter Zugriff im Juni 2010<br />
Bundesministerium für Land- und Forstwirtschaft, Umwelt und Wasserwirtschaft (BMLFUW),<br />
2009: Biokraftstoffe aktuell - Zahlen und Fakten,<br />
http://umwelt.lebensministerium.at/article/articleview/66083/1/1467, letzter Zugriff im<br />
Juni 2010
Literatur<br />
Bundesministerium für Land- und Forstwirtschaft, Umwelt und Wasserwirtschaft (BMLFUW),<br />
Bundesministerium für Wirtschaft, Familie und Jugend (BMWFJ) 2010:<br />
EnergieStrategie Österreich, <strong>Wien</strong><br />
Bundesministerium für Land- und Forstwirtschaft, Umwelt und Wasserwirtschaft (BMLFUW),<br />
2008a: Die Österreichische Saatgutwirtschaft 2007. <strong>Wien</strong>, Eigenverlag.<br />
Bundesministerium für Land- und Forstwirtschaft, Umwelt und Wasserwirtschaft (BMLFUW),<br />
2008b: Deckungsbeiträge und Daten für die Betriebsplanung 2008. <strong>Wien</strong>, Eigenverlag<br />
Capros, P., Mantzos, L., Papandreou, V., Tasios, N., 2008: European Energy and Transport<br />
– Trends to 2030 – Update 2007, European Commission, Directorate-General for<br />
Energy and Transport, Institute of Communication and Computer Systems of the<br />
National Technical University of Athens<br />
Cosijns L., D’haeseleer W., 2007: EUSUSTEL – European Sustainable Electricity;<br />
Comprehensive Analysis of Future European Demand and Generation of European<br />
Electricity and its Security of Supply, Final Technical Report,<br />
http://www.eusustel.be/results.php, letzter Zugriff im Juni 2010<br />
CR 1973/2004: Commission Regulation (EC) No 1973/2004 of 29 October 2004 laying down<br />
detailed rules for the application of Council Regulation (EC) No 1782/2003 as regards<br />
the support schemes provided for in Titles IV and IVa of that Regulation and the use of<br />
land set aside for the production of raw materials<br />
CR 73/2009: Council Regulation (EC) No 73/2009 of 19 January 2009 establishing common<br />
rules for direct support schemes for farmers under the common agricultural policy and<br />
establishing certain support schemes for farmers, amending Regulations (EC) No<br />
1290/2005, (EC) No 247/2006, (EC) No 378/2007 and repealing Regulation (EC) No<br />
1782/2003.<br />
Diepenbrock W., Fischbeck F., Heyland, Knauer, 1999: Spezieller Pflanzenbau, 3. Auflage,<br />
UTB 111, Verlag E. Ulmer, Stuttgart<br />
Diepenbrock W., Ellmer F., Leon J., 2005: Ackerbau, Pflanzenbau und Pflanzenzüchtung,<br />
Verlag Eugen Ulmer, Stuttgart. Serie UTB.<br />
De Wit M.P., Faaij A.P.C., 2010. European Biomass Resource Potential and Costs, Biomass<br />
and Bioenergy 34 (2010) 188 – 202<br />
Deim F., Stürmer B., 2009: Am besten alle vier Jahre ernten. Forstzeitung, 12/09, 16-17.<br />
Deutsche Landwirtschafts-Gesellschaft (DLG), 1997: Futterwerttabellen Wiederkäuer, 7.<br />
Aufl., DLG-Verlags-GmbH, Frankfurt/Main<br />
Doornbosch R., Steenblik R., 2008: Biofuels: Is the cure worse than the disease? Round<br />
Table on Sustainable Development, OECD<br />
E-Control, 2008: Ökostrombericht 2008, Bericht der Energie-Control GmbH. gemäß § 25 Abs<br />
1 Ökostromgesetz, <strong>Wien</strong><br />
E-Control, 2009: Ökostrombericht 2009, Bericht der Energie-Control GmbH. gemäß § 25 Abs<br />
1 Ökostromgesetz, <strong>Wien</strong><br />
E-Control, 2010: Netzentgelte,<br />
http://www.e-control.at/de/marktteilnehmer/strom/netzentgelte, letzter Zugriff im Juni<br />
2010<br />
EBB, 2010. Website des European Biodiesel Board, Statistics, http://www.ebbeu.org/stats.php,<br />
letzter Zugriff im Juli 2010<br />
Edwards R. et al., 2007: Well-to-wheels analysis of future automotive fuels and powertrains<br />
in the european context, CONCAWA, JRC/IES<br />
142
143<br />
ALPot<br />
European Commission (EC), 2009, Richtlinie 2009/28/EG des Europäischen Parlaments und<br />
des Rates zur Förderung der Nutzung von Energie aus erneuerbaren Quellen und zur<br />
Änderung und anschließenden Aufhebung der Richtlinien 2001/77/EG und 2003/30/EG<br />
European Energy Exchange (EEX), 2010: Market Data,<br />
http://www.eex.com/en/Market%20Data, letzter Zugriff im Juni 2010<br />
European Environment Agency (EEA), 2006: T. Wiesenthal, A. Mourelatou, J.-E. Peterson,<br />
P. Taylor, AEA Technology, How much bioenergy can Europe produce without harming<br />
the environment? EEA Report No 7/2006; Kopenhagen<br />
Eurostat, 2010a: Energiestatistik – Mengen,<br />
http://epp.eurostat.ec.europa.eu/portal/page/portal/energy/data/database, letzter Zugriff<br />
im Juni 2010<br />
Eurostat, 2010b: Energiestatistik – Preise,<br />
http://epp.eurostat.ec.europa.eu/portal/page/portal/energy/data/database, letzter Zugriff<br />
im Juni 2010<br />
Erdgas OÖ, 2009: Geräteübersicht Gas-Brennwertkessel,<br />
http://www.erdgasooe.at/imperia/md/content/pdf/erdgasooe_geraeteuebersicht_2006.p<br />
df, lezter Zugriff im Jänner 2009<br />
Ferber J., 1999: Agent and Society. Multi-Agent Systems; An Introduction To Distributed<br />
Artificial Intelligence, Addison Wesley, Harlow, England<br />
Fischbeck G., 1999: Landwirtschaftlicher Pflanzenbau und biologische Vielfalt. In: Biologie in<br />
unserer Zeit Bd. 29, 1999, S. 177–183.<br />
Fischer G., Hizsnyik E., Prieler S., Shah M., van Velthuizen H., 2009: Biofuels and Food<br />
Security – Implications of an accelerated biofuels production, The OPEC Fund for<br />
International Development (OFID), <strong>Wien</strong><br />
FNR, 2007. Leitfaden Bioenergie – Planung, Betrieb und Wirtschaftlichkeit von Bioenergieanlagen,<br />
3. Auflage 2007, Fachagentur Nachwachsende Rohstoffe e.V. (FNR), Gülzow<br />
FNR, 2009: Website http://www.energiepflanzen.info/, Fachagentur Nachwachsende Rohstoffe<br />
e.V., letzter Zugriff im Oktober 2009<br />
Friedl A., Pfeiffer M., Wukovits W., Danzinger G., Pober M., Beckmann G., Hannesschläger<br />
M., Prechtl M., 2005: Polygeneration Bruck/Leitha – Produktion alternativer Treibstoffe,<br />
Wärme, Strom & nichtenergetischer Produkte unter Berücksichtigung der Optimierung<br />
der Gesamtenergiebilanz sowie der Materialflüsse, Bundesministerium für Verkehr,<br />
Innovation und Technologie (Hrsg.), <strong>Wien</strong><br />
Frühwirth P., 2008: Miscanthus ´Giganteus´ - als nachwachsender Rohstoff,<br />
Mitteleuropäische Biomassekonferenz 2008, 16.-19.1.2008, Graz<br />
Gassner M., Maréchal F., 2009: Thermo-economic process model for thermochemical<br />
production of Synthetic Natural Gas (SNG) from lignocellulosic biomass, Biomass and<br />
Bioenergy (2009) 1-18<br />
Haas R., Huber C., Resch G., Faber T. et al., 2004: Green-X – Deriving optimal promotion<br />
strategies for increasing the share of RES-E in a dynamic European electricity market,<br />
Final report of the project “Green-X”, 5th framework programme of the European<br />
Commission – Energy Economics Group (Vienna University of Technology), IT Power,<br />
KEMA, RISO, CSIC, FhG-ISI, <strong>Wien</strong>strom, EGL, EREC; <strong>Wien</strong>, 2004<br />
Hagauer D., Jamek A., Lechner H., Tretter H., Veigl A., 2007: Ökostromgesetz – Evaluierung<br />
und Empfehlungen, Herausgeber: Österreichische Energieagentur, Auftraggeber:<br />
Bundesministerium für Land- und Forstwirtschaft, Umwelt und Wasserwirtschaft, <strong>Wien</strong><br />
2007
Literatur<br />
Hamelinck, C. N., Faaij, A. P. C. 2006: Outlook for advanced biofuels, Energy Policy 34<br />
(2006) 3268–3283<br />
Haneder H., Furtner K. 2010: Biomasse-Heizungserhebung 2009, Landwirtschaftskammer<br />
Niederösterreich; St. Pölten<br />
Hansen H., Raab K., Pilz B., 2007: Marktübersicht Pellet-Zentralheizungen und Pelletöfen, 4.<br />
Auflage, Fachagentur Nachwachsende Rohstoffe e. V., Gülzow<br />
Hartmann H., Reisinger K., Thuneke K., Höldrich A., Roßmann P., 2007: Handbuch<br />
Bioenergie-Kleinanlagen, 2. Auflage 2007, Herausgeber: Fachagentur Nachwachsende<br />
Rohstoff e.V., Gülzow<br />
Hopfner-Sixt K., Amon T., Pötsch E., Walla C., Amon B., Milovanovic D., Mayr H.,<br />
Weichselbaum W., 2007: Analyse und Optimierung neuer Biogasanlagen.<br />
Österreichische Forschungsförderungsgesellschaft (FFG)<br />
International Energy Agency (IEA), 2004: Biofuels for Transport – An International<br />
Perspective, Paris<br />
International Energy Agency (IEA), 2008: Technology Perspectives 2008, Scenarios &<br />
Strategies to 2050, Paris<br />
Jungbluth N., Büsser S., Frischknecht R., Tuchschmid M, 2008: Life Cycle Assessment of<br />
Biomass-to-Liquid Fuels, Bundesamt für Energie; Bern 2008<br />
Jungmeier G., Hausberger S., Canella L., 2003: Treibhausgas-Emissionen und Kosten von<br />
Transportsystemen - Vergleich von biogenen mit fossilen Treibstoffen, Joanneum<br />
Research, TU Graz<br />
Kalt G., Kranzl L., Haas R., Long-term strategies for an efficient use of domestic biomass<br />
resources in Austria, Biomass and Bioenergy 34 (2010) 449 - 466<br />
Kaltschmitt, M., Hartmann, H., Hofbauer, H., 2009: Energie aus Biomasse: Grundlagen,<br />
Techniken und Verfahren, 2. Auflage, Springer<br />
Karl J., 2006: Dezentrale Energiesysteme – Neue Technologien im liberalisierten Energiemarkt,<br />
2. Auflage, Oldenbourg Wissenschaftsverlag GmbH, München<br />
Kirjavainen M., Sipilä K., Savola T., Salomón M., Alakangas E., 2004: Small-scale biomass<br />
CHP technologies, Situation in Finland, Denmark and Sweden, Sweden, VTT<br />
Processes<br />
Klima:Aktiv, 2006: Zwischenfrüchte nach Wintergetreide – Rohstoffpotenzial und Bodenschutz,<br />
http://www.klimaaktiv.at/article/articleview/39228/1/12169, letzter Zugriff im Juni<br />
2010<br />
Klinski S., 2006: Studie Einspeisung von Biogas in das Erdgasnetz, 2. Auflage, Fachagentur<br />
Nachwachsende Rohstoffe e.V., Leipzig<br />
Konsument, 2008: Marktübersicht Öl-Brennwertkessel, Ausgabe 08/2008,<br />
http://www.konsument.at/, letzter Zugriff im Jänner 2009<br />
Kopetz H., Moidl S., Prechtl M., Kirchmeyr F., Kronberger H., Kanduth R., Rakos C., 2010:<br />
Nationaler Aktionsplan für erneuerbare Energie, <strong>Technische</strong>r Bericht, <strong>Wien</strong> 2010<br />
Kolbe H., 2007: Einfache Methode zur standortangepassten Humusbilanzierung von<br />
Ackerland unterschiedlicher Anbauintensität. 9. Wissenschaftstagung Ökologischer<br />
Landbau, http://orgprints.org/view/projects/wissenschaftstagung-2007.html, letzter<br />
Zugriff im Juni 2010<br />
Kranzl L., Haas R., Kalt G., Diesenreiter F., Eltrop L., König A., Makkonen P., 2008:<br />
Strategien zur optimalen Erschließung der Biomassepotenziale in Österreich bis zum<br />
Jahr 2050 mit dem Ziel einer maximalen Reduktion an Treibhausgasemissionen,<br />
Bundesministerium für Verkehr, Innovation und Technologie, <strong>Wien</strong><br />
144
145<br />
ALPot<br />
Kranzl L., Formayer H., Kalt G., Kromp-Kolb H., Lexer M., Müller A., Nachtnebel H.P., Redl<br />
C., Schörghuber S., Stanzel P., 2010: KlimAdapt – Ableitung von prioritären<br />
Maßnahmen zur Adaption des Energiesystems an den Klimawandel,<br />
Bundesministerium für Verkehr, Innovation und Technologie, <strong>Wien</strong><br />
Kuratorium für Technik und Bauwesen in der Landwirtschaft (KTBL), 2006. Energiepflanzen,<br />
Darmstadt.<br />
Kuratorium für Technik und Bauwesen in der Landwirtschaft (KTBL), 2010: Kostenrechner<br />
Energiepflanzen, Kuratorium für Technik und Bauwesen in der Landwirtschaft,<br />
http://daten.ktbl.de/energy/, letzter Zugriff im Juni 2010<br />
Leuchtweis C., 2008: Wirtschaftliche Aspekte der energetischen Nutzung von Stroh,<br />
C.A.R.M.E.N., Fachkongress „Alternative Rohstoffe für Bioenergie“, Rosenheim<br />
Machan N., 2009: Vortrag Gaseinspeisung Leoben, Biogas-ExpertInnen-Stammtisch,<br />
Steirische Gas-Wärme GmbH, 4. Juni 2009,<br />
http://noest.ecoundco.at/news/docs/26929_Biogas_Stammtisch_090604_Netzeinspeis<br />
ung_Leoben_Machan.pdf, letzter Zugriff im Juni 2010<br />
Mandl M., Graf N., Thaller A., Böchzelt H., Schnitzer H., et al., 2006: Grüne Bioraffinerie –<br />
Aufbereitung und Verwertung der Grasfaserfraktion, Berichte aus Energie- und<br />
Umweltforschung 67/2006, Bundesministerium für Verkehr, Innovation und<br />
Technologie<br />
Mineralölwirtschaftsverband e.V.(2010): Rohölpreisentwicklung 1960-2008 (Jahresdurchschnitte),<br />
http://www.mwv.de/cms/front_content.php?idcat=14&idart=63, letzter Zugriff<br />
im Juni 2010<br />
Obernberger I., Thek G., 2004: Techno-economic evaluation of selected decentralized CHP<br />
applications based on biomass combustion in IEA partner countries, BIOS Bioenergy<br />
Systems, Graz 2004<br />
Obernberger I., Thek G., 2008: Cost assessment of selected decentralised CHP applications<br />
based on biomass combustion and biomass gasification, 16 th European Biomass<br />
Conference and Exhibition, ETA-Renewable Energies (Ed.), Valencia<br />
OECD/FAO, 2008: Agricultural Outlook 2008-2017, Paris.<br />
Öko-Institut, 2010: Global Emission Model for Integrated Systems (GEMIS) Version 4.5,<br />
http://www.gemis.de/en/index.htm, letzter Zugriff im Juni 2010<br />
ÖROK, 2008: Raumszenarien Österreichs 2030,<br />
http://www.oerok.gv.at/raum-region/themen-und-forschungsbereiche/szenarien-derraumentwicklung.html,<br />
letzter Zugriff im Juni 2010<br />
Patzl F., 2008: Niederösterreichische Landesregierung - Geschäftsstelle für Energiewirtschaft,<br />
persönliche Mitteilung, 17.9.2008<br />
Prankl H., Krammer K., Janetschek H., Roitmeier T., 2005: Blockheizkraftwerke auf<br />
Pflanzenölbasis, Fancisco Josephinum Biomass Logistics Technology (FJ BLT)<br />
Wieselburg, Forschungsbericht 46, Wieselburg<br />
ProPellets, 2010: Website des Vereins proPellets Austria,<br />
http://www.propellets.at/cms/cms.php, letzter Zugriff im Juni 2010<br />
Proplanta, 2009: Website www.proplanta.de, Das Informationszentrum für die<br />
Landwirtschaft, Proplanta GmbH & Co. KG, letzter Zugriff im September 2009<br />
Remmele E., 2007: Handbuch Herstellung von Rapsölkraftstoff in dezentralen<br />
Ölgewinnungsanlagen, Fachagentur Nachwachsende Rohstoffe (FNR), Gülzow<br />
Refuel, 2010: Website des Projektes „Refuel“, http://www.refuel.eu/, letzter Zugriff im Juni<br />
2010
Literatur<br />
Resch, G., Faber, T., Panzer, C., Haas, R., Ragwitz, M., Held, A., 2008a. Futures-E, 20%<br />
RES by 2020 – A balanced scenario to meet Europe’s renewable energy target,<br />
Intelligent Energy for Europe-Programme, Vienna<br />
Rettenmaier N., Reinhardt G., Schorb A., Köppen S., von Falkenstein E. et al., 2008: Status<br />
of biomass resource assessments – Version 1, Biomass Energy Europe project, IFEU,<br />
Heidelberg<br />
Rogers E., 2003: Diffusion of innovations, 5 th ed., New York<br />
Schmid E., Stürmer B., Sinabell F., 2008: Modellanalysen von Optionen einer künftigen GAP<br />
in Österreich. Forschungsbericht im Auftrag des Bundesministeriums für Land- und<br />
Forstwirtschaft, Umwelt und Wasserwirtschaft<br />
Schmidhuber J., 2007: Biofuels: An emerging threat to Europe’s Food Security? Impact of an<br />
increased biomass use on agricultural markets, prices and food security: A longer-term<br />
perspective, Notre Europe, Policy Paper 27<br />
Schönhart M., Schmid E., Schneider U., 2009: CropRota – A Model to Generate Optimal<br />
Crop Rotations from Observed Land Use. Diskussionspapier Nr. DP-45-2009 des<br />
Instituts für nachhaltige Wirtschaftsentwicklung der <strong>Universität</strong> für Bodenkultur <strong>Wien</strong><br />
Schultes H., 2007: Ethanol – Potenziale und Chancen für die Landwirtschaft, Vortrag im<br />
Rahmen der „Ethanol-Tagung“ am 19.Juni 2007, St. Pölten<br />
Sperr R., 2009: Website www.energiepflanzen.at, letzter Zugriff im Oktober 2009.<br />
Statistik Austria 2001: Agrarstrukturerhebung 1999, Schnellbericht 1.17<br />
Statistik Austria 2008: Agrarstrukturerhebung 2007, Schnellbericht 1.17<br />
Statistik Austria, 2010a: Gesamtenergiebilanz 1970 bis 2008 (Detailinformation),<br />
http://www.statistik.at/web_de/statistiken/energie_und_umwelt/energie/energiebilanzen<br />
/index.html, letzter Zugriff im Mai 2010<br />
Statistik Austria, 2010b: Nutzenergieanalyse,<br />
http://www.statistik.at/web_de/statistiken/energie_und_umwelt/energie/nutzenergieanal<br />
yse/index.html, letzter Zugriff im Mai 2010<br />
Statistik Austria, 2010c: Bodennutzung in Österreich 2006 bis 2009,<br />
http://www.statistik.at/web_de/statistiken/land_und_forstwirtschaft/agrarstruktur_flaech<br />
en_ertraege/bodennutzung/index.html, letzter Zugriff im Juni 2010<br />
Statistik Austria, 2010d: Versorgungsbilanz für pflanzliche Öle 2003/04 - 2008/09,<br />
http://www.statistik.at/web_de/statistiken/land_und_forstwirtschaft/preise_bilanzen/vers<br />
orgungsbilanzen/index.html, letzter Zugriff im Mai 2010<br />
Statistik Austria, 2010e: Jahresdurchschnittspreise und -steuern 2003 – 2008 für die wichtigsten<br />
Energieträger,<br />
http://www.statistik.at/web_de/statistiken/energie_und_umwelt/energie/preise_steuern/i<br />
ndex.html, letzter Zugriff im Mai 2010<br />
Statistik Austria, 2010f: Land- und Forstwirtschaftliche Erzeugerpreise,<br />
http://www.statistik.at/web_de/statistiken/land_und_forstwirtschaft/preise_bilanzen/prei<br />
se_preisindex/index.html, letzter Zugriff im Juni 2010<br />
Steinberger P., 2008: Burgenländische Landesregierung - Agrar- und Veterinärwesen,<br />
persönliche Mitteilung, 23.10.2008<br />
Stürmer, B., Schmid, E., 2007: Wirtschaftlichkeit von Weide und Pappel im Kurzumtrieb unter<br />
österreichischen Verhältnissen. Ländlicher Raum, Dez 07, 9<br />
Stürmer B., Eder M., Hopfner-Sixt K., Bauer A., Handler F., Amon Th., Ritzmann A., 2008:<br />
Optimierung der Beschaffungs- und Distributionslogistik für Biogasanlagen. In:<br />
146
147<br />
ALPot<br />
Österreichischer Biomasseverband, Mitteleuropäische Biomassekonferenz 2008,<br />
Tagungsband, 16. bis 19. Jänner 2008, Graz.<br />
Thomet P., Stettler M., Weiß D., 2008: Methode zur Berechnung der Flächenleistung Milch,<br />
Schweizerische Hochschule für Landwirtschaft SHL<br />
Thrän D., Weber M., Scheuermann A., Fröhlich N., Zeddies J., Henze A., Thoroe C.,<br />
Schweinle J., Fritsche U., Jenseit W., Rausch L., Schmidt K., Nachhaltige Biomassenutzungsstrategien<br />
im europäischen Kontext, Leipzig 2005<br />
Thrän D., Edel M., Seidenberger T., Gesemann S., Rohde M., 2009. Identifizierung<br />
strategischer Hemmnisse und Entwicklung von Lösungsansätzen zur Reduzierung der<br />
Nutzungskonkurrenzen beim weiteren Ausbau der energetischen Biomassenutzung, 1.<br />
Zwischenbericht, Leipzig 2009<br />
Toro P., Rosende D., Reitze F., Ajanovic A., Haas R., Furlan S., 2009: Alter-Motive –<br />
Deriving Effective Least Cost Policy Strategies for Alternative Automotive Concepts<br />
and Alternative Fuels, WP3: Fuels and Technology State of the Art Assessment, State<br />
of the Art database: Alternative Fuels, http://www.alter-motive.org, letzter Zugriff im<br />
Juni 2010<br />
TTM, 2002: TechnologiePortrait Kraft-Wärme-Kopplung, Institut für Thermische Turbomaschinen<br />
und Maschinendynamik, TU Graz, erstellt für energytech.at im Auftrag der<br />
Energieverwertungsagentur – E.V.A. und des Bundesministeriums für Verkehr, Innovation<br />
und Technologie, <strong>Wien</strong>, 2002<br />
Umweltbundesamt GmbH (UBA), 2001: CORINE Landcover Österreich 2001<br />
Umweltbundesamt GmbH (UBA), 2009: Klimaschutzbericht 2009, ISBN 978-3-99004-024-<br />
9,<strong>Wien</strong>, 2009<br />
Url B., Pöchtrager S., 2005: Machbarkeitsstudie zur Auslobung „gentechnikfrei“ und Vermeidung<br />
von GVO bei Lebensmittel aus tierischer Erzeugung, <strong>Universität</strong> für Bodenkultur<br />
<strong>Wien</strong>, Österreichische Agentur für Gesundheit und Ernährungssicherheit GmbH, <strong>Wien</strong><br />
UN Comtrade, 2009: United Nations Commodity Trade Statistics Database (UN Comtrade<br />
database), http://comtrade.un.org/db/, letzter Zugriff im Dezember 2009<br />
Urban W., Girod K., Lohmann H., 2008: Technologien und Kosten der Biogasaufbereitung<br />
und Einspeisung in das Erdgasnetz. Ergebnisse der Markterhebung 2007-2008,<br />
Fraunhofer UMSICHT, Bundesministerium für Bildung und Forschung, Bonn<br />
Uslu A., Pedersen J.-E., Resch G., Fritsche U., 2008: Maximising the environmental benefits<br />
of Europe's bioenergy potential, Technical report No 10/2008, published by European<br />
Environment Agency, Kopenhagen 2008<br />
von Lampe M., 2007: Economics and agricultural market impacts of growing biofuel<br />
production, Agrarwirtschaft 56 (2007), Heft 5/6, 232-237<br />
Wahlund B., Yan J., Westermark M., 2000: Comparative assessment of biofuel-based<br />
combined heat and power generation plants in Sweden, Royal Institute of Technology<br />
Stockholm, 1 st World Conference on Biomass for Energy and Industry, Sevilla<br />
Walla C., 2006: Wirtschaftlichkeit von Biogasanlagen, Dissertation, <strong>Universität</strong> für Bodenkultur<br />
<strong>Wien</strong>, <strong>Wien</strong><br />
WBGU (Wissenschaftlicher Beirat der Bundesregierung Globale Umweltveränderungen),<br />
2008: Welt im Wandel – Zukunftsfähige Bioenergie und nachhaltige Landnutzung,<br />
Berlin<br />
Weiss G., ed. 2000: Multiagent Systems: A Modern Approach to Distributed Artificial Intelligence,<br />
MIT Press, Cambridge, MA
Literatur<br />
Wetterlund E., Söderström M., Biomass gasification in district heating systems – The effect<br />
of economic energy policies, Applied Energy, Volume 87, Issue 9, September 2010,<br />
Pages 2914-2922<br />
Wikipedia, 2010: Wikipedia – Die Freie Enzyklopädie, http://de.wikipedia.org/, letzter Zugriff<br />
im Juni 2010<br />
Williams J.R., 1995: The EPIC Model. In: Singh, V.P. (Ed.), Computer Models of Watershed<br />
Hydrology. Water Resources Publications, Colorado, pp. 909-1000.<br />
Winter R., 2006/07/08/09: Biokraftstoffe im Verkehrssektor in Österreich 2006/07/08/09,<br />
Herausgeber: Umweltbundesamt bzw. Bundesministeriums für Land- und<br />
Forstwirtschaft, Umwelt und Wasserwirtschaft, <strong>Wien</strong><br />
Zah R. , Böni H., Gauch M., Hischier R., Lehmann M., Wäger P., 2007: Ökobilanz von<br />
Energieprodukten: Ökologische Bewertung von Biotreibstoffen, Empa; im Auftrag des<br />
Bundesamtes für Energie, des Bundesamtes für Umwelt und des Bundesamtes für<br />
Landwirtschaft; Bern 2007<br />
Zentralanstalt für Metrologie und Geodynamik (ZAMG), 2008: Daten zu Niederschlag und<br />
Temperatur österreichweit, Datenübermittlung im Juli 2008<br />
148
11 Verzeichnisse<br />
11.1 Abbildungsverzeichnis<br />
149<br />
ALPot<br />
Abbildung 1-1: Überblick über die im Projekt eingesetzten Modelle und deren<br />
Schnittstellen .................................................................................................. 5<br />
Abbildung 2-1: Entwicklung des Bruttoinlandsverbrauchs (Primärenergie) von 1970 bis<br />
2008 ............................................................................................................... 6<br />
Abbildung 2-2: Zusammensetzung des Biomasseaufkommens (Bezugsjahr: 2007) ............. 7<br />
Abbildung 2-3: Entwicklung Erneuerbarer Energien (Endenergie) und ihres Anteils am<br />
gesamten Endenergieverbrauch von 1970 bis 2008 ..................................... 7<br />
Abbildung 2-4: Endenergieverbrauch in Österreich nach Energieträgern und<br />
Nutzungskategorien im Jahr 2008 ................................................................. 8<br />
Abbildung 2-5: Endenergieverbrauch für Raumwärme und Warmwasser in Österreich<br />
nach Energieträgern von 1970-2008 ............................................................. 9<br />
Abbildung 2-6: Entwicklung der österreichischen Fernwärmeversorgung (Endenergie)<br />
von 1980 bis 2008 ........................................................................................ 10<br />
Abbildung 2-7: Entwicklung der österreichischen Stromversorgung von 1970 bis 2007 ..... 11<br />
Abbildung 2-8: Entwicklung der Stromerzeugung aus biogenen Energieträgern inklusive<br />
Ablauge der Papierindustrie von 1970 bis 2008 .......................................... 11<br />
Abbildung 2-9: Endenergieverbrauch des Landverkehrs (exkl. Eisenbahnen):<br />
Entwicklung von 1970 bis 2008 ................................................................... 12<br />
Abbildung 2-10: Entwicklung des Endenergieverbrauchs der Landwirtschaft von 1970 bis<br />
2008 (Der Sprung von 1987 auf 1988 geht auf eine Neuerhebung der<br />
Verbrauchsstruktur zurück.) ......................................................................... 13<br />
Abbildung 2-11: Endenergieverbrauch der Landwirtschaft nach Energieträgern und<br />
Nutzungskategorien im Jahr 2007 ............................................................... 13<br />
Abbildung 2-12: NAWARO-Flächen 1997-2008 ..................................................................... 15<br />
Abbildung 2-13: Energiepflanzenflächen 2003-2009 ............................................................. 15<br />
Abbildung 2-14: Schätzung des Flächenbedarfs für Energiepflanzen zur Biogaserzeugung<br />
und energiebezogene Zusammensetzung des eingesetzten Substrate<br />
(Bezugsjahr 2007) ........................................................................................ 16<br />
Abbildung 2-15: Anlagen zur Biogaserzeugung zur Einspeisung bzw. Verwendung als<br />
Kraftstoff in Österreich ................................................................................. 17<br />
Abbildung 2-16: Entwicklung der Biodiesel-Produktionskapazitäten und der tatsächlichen<br />
Produktion in Österreich (keine Daten zu Produktion bzw. Kapazitäten im<br />
Jahr 2009 bzw. 2002 verfügbar) .................................................................. 18<br />
Abbildung 2-17: Entwicklung der österreichischen Biodieselversorgung ............................... 19<br />
Abbildung 2-18: Brutto-Rohstoffbedarf der österreichischen Biodieselversorgung,<br />
Entwicklung der Erntemengen und Nettoimporte von Raps und<br />
Sonnenblumen sowie pflanzlichen Ölen (Die Erntemengen beziehen sich<br />
auf das jeweilige Wirtschaftsjahr.) ............................................................... 20<br />
Abbildung 3-1: Treibhausgasemissionen in Österreich: Entwicklung von 1990 bis 2007<br />
und Kyoto-Ziel .............................................................................................. 23<br />
Abbildung 3-2: 2020-Zielerreichungspfad laut Energiestrategie Österreich ........................ 25
Verzeichnisse<br />
Abbildung 3-3: Historische Entwicklung des Endenergieverbrauchs aus erneuerbaren<br />
und nicht-erneuerbaren Energieträgern von 1970 bis 2007 und Pfade zur<br />
Erreichung des „34%-Ziels“ gemäß den PRIMES-<br />
Energieverbrauchsszenarien „Target case“, „Baseline“ und „Effizienz“ ....... 28<br />
Abbildung 3-4: Historische Entwicklung des Endenergieverbrauchs aus erneuerbaren<br />
und nicht-erneuerbaren Energieträgern von 1970 bis 2007 und Szenario<br />
nach Resch et al. (2009) .............................................................................. 29<br />
Abbildung 3-5: Biomassepotenziale in Österreich: Gegenüberstellung von<br />
Literaturangaben .......................................................................................... 30<br />
Abbildung 3-6: Entwicklung der Großhandelspreise fossiler Kraftstoffe sowie von Rohöl<br />
historisch seit 2000 und Szenarien bis 2030 ............................................... 32<br />
Abbildung 3-7: Preisentwicklung fossiler Energieträger historisch seit 2000 und<br />
Szenarien bis 2030 ...................................................................................... 32<br />
Abbildung 3-8: Historische Entwicklung des Großhandelsstrompreises an der EEX<br />
(Spotmarktpreis „Phelix base“) und Stromerzeugungskosten eines<br />
modernen GuD-Kraftwerks auf Basis von historischen Erdgaspreisen<br />
bzw. Preisszenarien ..................................................................................... 33<br />
Abbildung 3-9: Entwicklung der Landbedeckung von 1960 bis 2030 ..................................... 34<br />
Abbildung 3-10: Einfluss des Rohölpreises auf die variablen Produktionskosten<br />
ausgewählter Ackerkulturen ......................................................................... 35<br />
Abbildung 3-11: Entwicklung des Weizenpreises in der EU27 und Preisprognosen aus<br />
dem Jahr 2008 ............................................................................................. 36<br />
Abbildung 3-12: Durchschnittlicher jährlicher Deckungsbeiträge je ha von Pappel mit<br />
mittlerer Ertragserwartung, unterschiedlichen Umtriebsintervallen (U2 bis<br />
U10) und unterschiedlichen Erntetechniken im Vergleich zu einem<br />
Deckungsbeitrag einer Feldfruchtfolge ........................................................ 37<br />
Abbildung 4-1: Systematik der energietischen Nutzungspfade von Biomasse ................... 39<br />
Abbildung 4-2: Energetische Nutzungspfade von Ackerfrüchten ......................................... 40<br />
Abbildung 4-3: Wirtschaftlichkeit von Kleinfeuerungsanlagen beim Preisniveau des<br />
Jahres 2006 und einer angenommenen Abschreibdauer von zehn Jahren 44<br />
Abbildung 4-4: Wärmeerzeugungskosten von Kleinfeuerungsanlagen (Bezugsjahr 2030<br />
– Szenario FAO/Primes) .............................................................................. 45<br />
Abbildung 4-5: Wärmeerzeugungskosten von Heizwerken und industriellen<br />
Prozessdampferzeugungsanlagen (Preisniveau 2006) ............................... 47<br />
Abbildung 4-6: Wärmeerzeugungskosten von Heizwerken und industriellen<br />
Prozessdampferzeugungsanlagen (Bezugsjahr 2030 – Szenario<br />
FAO/Primes) ................................................................................................ 48<br />
Abbildung 4-7: Stromgestehungskosten von Biomasse-KWK-Anlagen sowie eines<br />
modernen Erdgas-GuD-Kraftwerks („Erdgas-CCGT“) (Bezugsjahr 2006) ... 49<br />
Abbildung 4-8: Erzeugungskosten biogener und Referenzpreise fossiler Kraftstoffe<br />
(Bezugsjahr 2006, alle Angaben exkl. USt.) ................................................ 52<br />
Abbildung 4-9: Erzeugungskosten biogener und Referenzpreise fossiler Kraftstoffe (2030<br />
– OECD/Primes high Szenario) alle Angaben exkl. USt.) ............................ 53<br />
Abbildung 5-1: Struktur des Modells AGRIEN ..................................................................... 61<br />
Abbildung 5-2: Anzahl der Betriebe nach Produktionstypen und nach Hauptproduktionsgebieten<br />
....................................................................................................... 63<br />
150
151<br />
ALPot<br />
Abbildung 5-3: Standarddeckungsbeitrag und Betriebsgröße im Jahr 2007 ........................ 64<br />
Abbildung 5-4: Simulationsergebnisse des Modells AGRIEN: Flächen zur<br />
Energieträgerproduktion in Österreich im Jahr 2030 in 1000 ha ................. 71<br />
Abbildung 5-5: Simulationsergebnisse: Anteil der Flächen zur Energieträgerproduktion<br />
und Anteil der Betriebe mit landwirtschaftlicher Energieträgerproduktion<br />
in Österreich (2030 ) .................................................................................... 72<br />
Abbildung 6-1: Modellskizze – Überblick zum Modellaufbau ............................................... 75<br />
Abbildung 6-2: Modellstruktur zur Optimierung der Ackerflächennutzung ........................... 77<br />
Abbildung 6-3: Operationalisierung Jahresniederschlagsmenge/Score (Beispiel Kulturart<br />
f01 Raps) ..................................................................................................... 78<br />
Abbildung 6-4: Operationalisierung Jahrestemperaturmittel/Score (Beispiel Kulturart f01<br />
Raps) ........................................................................................................... 78<br />
Abbildung 6-5: Grundmodell - Erntemengen [Tonnen pro Jahr] .......................................... 82<br />
Abbildung 6-6: Variante Intensive Landwirtschaft - Erntemengen [Tonnen pro Jahr] .......... 83<br />
Abbildung 6-7: Variante Externe Landwirtschaft - Erntemengen [Tonnen pro Jahr] ............ 84<br />
Abbildung 6-8: Variante Intensivierung der Fruchtfolge - Erntemengen [Tonnen pro Jahr] . 85<br />
Abbildung 6-9: Variante Intensivierung der Fruchtfolge II - Erntemengen [Tonnen pro<br />
Jahr] ............................................................................................................. 87<br />
Abbildung 6-10: Variante Intensivierung der Fruchtfolge III - Erntemengen [Tonnen pro<br />
Jahr] ............................................................................................................. 88<br />
Abbildung 6-11: Variante Intensivierung der Fruchtfolge III - Erntemengen [Tonnen pro<br />
Jahr] ............................................................................................................. 89<br />
Abbildung 6-12: Vergleich der Gesamterntemengen [Tonnen pro Jahr] ................................ 90<br />
Abbildung 7-1: Veränderungen des Flächenausmaßes der gesamten<br />
Biomasseproduktion in den Jahren 2015, 2020 und 2030 ausgehend vom<br />
Basisjahr 2006 in Abhängigkeit der Prämienstufen (0 bis 100 €/tatro) .......... 95<br />
Abbildung 7-2: Veränderungen der Bewirtschaftungsintensität in Abhängigkeit der<br />
Biomasseprämie im Jahr 2015 bei Förderung aller Bioenergiekulturen. ..... 96<br />
Abbildung 7-3: Veränderungen des Flächenausmaßes von Kulturen für die Futtermittelund<br />
Lebensmittelproduktion (Kulturen f. FM&LM) und für die Produktion<br />
von Energiepflanzen für das Jahr 2020 in Abhängigkeit der<br />
Biomasseprämie beim Förderschwerpunkt Biogas (FS3) zum Basisjahr<br />
2006. ............................................................................................................ 96<br />
Abbildung 7-4: Flächenveränderungen von Ackerkulturen für die Futtermittel- und<br />
Lebensmittelproduktion bei einer Biomasseprämie von 100 €/tatro in den<br />
Jahren 2015, 2020 und 2030 zum Basisjahr 2006 in Tausend ha. .............. 97<br />
Abbildung 7-5: Flächenveränderungen von Ackerkulturen für die Energieproduktion bei<br />
einer Biomasseprämie von 100 €/tatro in den Jahren 2015, 2020 und 2030<br />
zum Basisjahr 2006 in Tausend ha. ............................................................. 98<br />
Abbildung 7-6: Angebotskurven für konventionelle Ackerfrüchte im Szenario mit<br />
entsprechenden Förderschwerpunkt ........................................................... 99<br />
Abbildung 7-7: Angebotskurven für Biogassubstrate im Szenario mit entsprechenden<br />
Förderschwerpunkt .................................................................................... 100<br />
Abbildung 7-8: Angebotskurven für Lignozellulose im Szenario mit entsprechenden<br />
Förderschwerpunkt .................................................................................... 100
Verzeichnisse<br />
Abbildung 8-1: Schematische Darstellung der Struktur des Modells SimBioSe ................ 103<br />
Abbildung 8-2: Schematische Darstellung der Methodik zur Ableitung der Referenzpreise<br />
bzw. –kosten .............................................................................................. 104<br />
Abbildung 8-3: Entwicklung des Bedarfs an Raumwärme und Warmwasser nach<br />
Standort (ländlich/urban) und Heizlast der Wohneinheiten ........................ 106<br />
Abbildung 8-4: Im Modell unterstellte THG-Emissionen und kumulierter Energieaufwand<br />
biogener Energieträger .............................................................................. 107<br />
Abbildung 8-5: Gegenüberstellung der mit biogenen Kraftstoffen erzielbaren relativen<br />
Treibhausgaseinsparungen: Daten laut EU-Richtlinie EC(2009)28,<br />
Bandbreiten in der Literatur und SimBioSe-Daten (Bezugsjahr: 2010) ..... 108<br />
Abbildung 8-6: Simulationsergebnisse der No Policy-Szenarien (Szenarien 1-1 und 1-2):<br />
Anteil von biogenen Energieträgern am Wärme-, Strom und<br />
Kraftstoffbedarf sowie am Primärenergiebedarf ........................................ 111<br />
Abbildung 8-7: Simulationsergebnis des No Policy-Niveau 2006-Szenarios (1-1):<br />
Biomasse-Primärenergieverbrauch ........................................................... 112<br />
Abbildung 8-8: Simulationsergebnis des No Policy-Niveau 2006-Szenarios (1-1):<br />
Energieoutput der Bioenergie-Anlagen ...................................................... 112<br />
Abbildung 8-9: Simulationsergebnisse des No Policy-FAO/Primes-Szenarios (1-2):<br />
Biomasse-Primärenergieverbrauch ........................................................... 113<br />
Abbildung 8-10: Simulationsergebnisse des No Policy-FAO/Primes-Szenarios (1-2):<br />
Energieoutput der Bioenergie-Anlagen ...................................................... 113<br />
Abbildung 8-11: Simulationsergebnisse der Current Policy-Niveau 2006-Szenarien (2-1a<br />
bis 2-1d): Anteil von biogenen Energieträgern am Wärme-, Strom und<br />
Kraftstoffbedarf sowie am Primärenergiebedarf ........................................ 115<br />
Abbildung 8-12: Simulationsergebnisse der Current Policy-FAO/Primes-Szenarien (2-2a<br />
bis 2-2d): Anteil von biogenen Energieträgern am Wärme-, Strom und<br />
Kraftstoffbedarf sowie am Primärenergiebedarf ........................................ 116<br />
Abbildung 8-13: Simulationsergebnis des Current Policy-FAO/Primes-Szenarios mit<br />
Förderschwerpunkt Ligno-Zellulose (Szenario 2-2d): Energieoutput der<br />
Bioenergie-Anlagen ................................................................................... 116<br />
Abbildung 8-14: Simulationsergebnis der Current Policy-FAO/Primes-Szenarien (2-2a bis<br />
2-2d): Treibhausgaseinsparung und Einsparung fossiler Energieträger bei<br />
verschiedenen Förderschwerpunkten ........................................................ 118<br />
Abbildung 8-15: Simulationsergebnisse der spezifischen Förderszenarien „Biogene<br />
Kraftstoffe“ (Szenarien 3-1a bis 3-1d): Förderkosten vs.<br />
Treibhausgaseinsparung im Jahr 2030 ...................................................... 120<br />
Abbildung 8-16: Simulationsergebnisse der spezifischen Förderszenarien „Biogene<br />
Kraftstoffe“ (Szenarien 3-1a bis 3-1d): Förderkosten vs. Einsparung<br />
fossiler Energieträger im Jahr 2030 ........................................................... 121<br />
Abbildung 8-17: Simulationsergebnisse der spezifischen Förderszenarien<br />
„Wärmeerzeugung“ (Szenarien 3-2a bis 3-2d): Förderkosten vs.<br />
Treibhausgaseinsparung im Jahr 2030 ...................................................... 122<br />
Abbildung 8-18: Simulationsergebnisse der spezifischen Förderszenarien<br />
„Wärmeerzeugung“ (Szenarien 3-2a bis 3-2d): Förderkosten vs.<br />
Einsparung fossiler Energieträger im Jahr 2030 ........................................ 123<br />
152
153<br />
ALPot<br />
Abbildung 8-19: Variante „Steigerung der Flächenerträge“: Gegenüberstellung der<br />
Simulationsergebnisse der Current Policy-FAO/Primes-Szenarien mit und<br />
ohne Ertragssteigerungen im Jahr 2030 .................................................... 124<br />
Abbildung 8-20: Gegenüberstellung der Varianten „Flächengutschriften für<br />
Nebenprodukte“ und „Treibhausgasbilanz von Biogas“ mit dem jeweiligen<br />
Ausgangsszenario ..................................................................................... 125<br />
Abbildung 12-1: Technologische Lerneffekte bei den Kosten: Relative Veränderungen<br />
gegenüber dem Basisjahr 2010 ................................................................. 157<br />
Abbildung 12-2: Technologische Lerneffekte bei Wirkungs-/Jahresnutzungsgraden:<br />
Relative Veränderungen gegenüber dem Basisjahr 2010 ......................... 157<br />
Abbildung 12-3: Sensitivität der Wärmeerzeugungskosten von 25 kW-Heizanlagen<br />
gegenüber den jährlichen Volllaststunden (Referenzjahr: 2006) ............... 158<br />
Abbildung 12-4: Sensitivität der Wärmeerzeugungskosten von 15 kW-Heizanlagen<br />
gegenüber Änderungen der Brennstoffkosten (Referenzjahr: 2006) ......... 158<br />
Abbildung 12-5: Sensitivität der Wärmeerzeugungskosten von 15 kW-Heizanlagen<br />
gegenüber der Abschreibdauer (Referenzjahr: 2006) ............................... 158<br />
Abbildung 12-6: Sensitivität der Wärmeerzeugungskosten von 2 MW-Heizwerken<br />
gegenüber den jährlichen Volllaststunden ................................................. 159<br />
Abbildung 12-7: Sensitivität der Wärmeerzeugungskosten von 500 kW-Heizwerken und<br />
10 MW Prozessdampfanlagen gegenüber Änderungen der<br />
Brennstoffkosten (Referenzjahr: 2006) ...................................................... 159<br />
Abbildung 12-8: Sensitivität der Wärmeerzeugungskosten von 2 MW-Heizwerken<br />
gegenüber der Abschreibdauer (Referenzjahr: 2006) ............................... 159<br />
Abbildung 12-9: Sensitivität der Stromgestehungskosten von Biomasse-KWK-Anlagen mit<br />
einer elektrischen Leistung von ca. 1 MW gegenüber den Wärme-<br />
Volllaststunden (Annahme „direkter“ Wärmenutzung) (Referenzjahr:<br />
2006) .......................................................................................................... 160<br />
Abbildung 12-10: Sensitivität der Stromgestehungskosten von verschiedenen Biomasse-<br />
KWK-Anlagen gegenüber den Änderungen der Brennstoffkosten<br />
(Annahme „direkter“ Wärmenutzung) (Referenzjahr: 2006) ...................... 160<br />
Abbildung 12-11: Abbildung der Bodentypengruppen in Österreich (eBOD) .................... 163<br />
Abbildung 12-12: Darstellung des für die Simulationen des Bioenergiesektor<br />
unterstellten Energiebedarsszenarios ........................................................ 171<br />
Figure 12-13: Main data structures of the model SimBioSys. .......................................... 172<br />
Figure 12-14: Illustration of the deployment algorithm for one fuel and one (a) and two<br />
technologies (b) ......................................................................................... 174<br />
Figure 12-15: Maximum additional generation as a function of the achieved demandside<br />
potential for different parameter settings (a) and the according<br />
diffusion curves (b). .................................................................................... 175<br />
Figure 12-16: Illustration of the quota algorithm (part 1): supply curves of two fuels (a)<br />
and according energy / fuel generation costs of three technologies. ......... 176<br />
Figure 12-17: Illustration of the quota algorithm (part 2): resulting “least-costs supply<br />
curve” for the energy / fuel output in demand. ........................................... 177
Verzeichnisse<br />
11.2 Tabellenverzeichnis<br />
Tabelle 3-1: Details des Zielerreichungspfades laut EnergieStrategie Österreich ........... 26<br />
Tabelle 4-1: Im Rahmen des Projektes berücksichtigte Technologien und deren<br />
Referenztechnologien .................................................................................. 41<br />
Tabelle 5-1: Verteilung Erwerbstypen .............................................................................. 63<br />
Tabelle 5-2: Flächenverteilung Acker- und Grünlandfläche ............................................. 64<br />
Tabelle 5-3: Veränderungsrate der Anzahl der Betriebe ................................................. 65<br />
Tabelle 5-4: Szenarien Landwirtschaft ............................................................................. 68<br />
Tabelle 5-5: Szenarien Bioenergie ................................................................................... 68<br />
Tabelle 5-6: Simulationsergebnisse des Modells AGRIEN: Flächen zur<br />
Energieträgerproduktion in Österreich im Jahr 2030 in ha bzw. % .............. 71<br />
Tabelle 8-1: Überblick der Simulationsläufe und deren exogener Szenarioparameter .. 110<br />
Tabelle 9-1: Stärken und Schwächen der verschiedenen Arten von Energiepflanzen<br />
und deren möglicher Nutzungsarten .......................................................... 133<br />
Tabelle 12-1: Bioenergie-Technologiedaten .................................................................... 156<br />
Tabelle 12-2: Technologiedaten der Referenzanlagen .................................................... 157<br />
Tabelle 12-3: Anteil der Betriebe in den Betriebsgrößenklassen, differenziert nach<br />
Produktionstypen und Hauptproduktionsgebieten ..................................... 161<br />
Tabelle 12-4: Auflistung der im Modell berücksichtige Kulturarten .................................. 162<br />
Tabelle 12-5: Abkürzungen der Bodenklassen ................................................................ 163<br />
Tabelle 12-6: Eignung der Bodentypen ........................................................................... 164<br />
Tabelle 12-7: Fruchtfolgematrix ....................................................................................... 165<br />
Tabelle 12-8: Anbaupausen betreffend Fruchtfolge ......................................................... 167<br />
Tabelle 12-9: Zuteilung der Erträge (kg/ha) je Kulturart in Abhängigkeit der<br />
Feuchtigkeitsgehälter ................................................................................. 168<br />
Tabelle 12-10: Zuteilung der Erträge (kg atro pro ha) je Kulturart ..................................... 169<br />
Tabelle 12-11: Szenarien zur Entwicklung der Agrarpolitik und Agrarpreisen ................... 171<br />
Table 12-12: Support schemes and their properties ....................................................... 173<br />
11.3 Abkürzungen<br />
ABM Agentenbasiertes Modell<br />
AOR Alpenostrand (Hauptproduktionsgebiet)<br />
AVL Alpenvorland (Hauptproduktionsgebiet)<br />
atro bzw. tatro absolute Trockenmasse<br />
BHKW Blockheizkraftwerk<br />
(B)IGCC (Biomass) integrated gasification and combustion<br />
BM Biomasse<br />
CO2-Äqu. CO2-Äquivalent (Treibhauspotenzial)<br />
DDGS Dried Distillers Grains with Solubles (Futtermittel)<br />
154
DM Dry matter (Trockenmasse)<br />
FM&LM Futter- und Lebensmittel<br />
FT-Diesel Fischer Tropsch-Diesel<br />
GAP Gemeinsame Agrarpolitik der EU<br />
GGP Getreide-Ganzpflanze<br />
GIS Geoinformationssystem<br />
GPS Ganzpflanzensilage<br />
GuD(-Kraftwerk) Gas-und-Dampf (-Kraftwerk)<br />
HPG Hauptproduktionsgebiet<br />
KB Kärntner Becken (Hauptproduktionsgebiet)<br />
KWK Kraft-Wärmekopplung<br />
LPG Liquefied petroleum gas (Flüssiggas)<br />
MöSt. Mineralölsteuer<br />
NAWAROS Nachwachsende Rohstoffe<br />
NÖ Fu HL Nordöstliches Flach- und Hügelland (Hauptproduktionsgebiet)<br />
O&M Operation and maintenance (Betrieb und Instandhaltung)<br />
ORC(-Anlage) Organic Rankine Cycle (-Anlage)<br />
SNG Synthetic natural gas (Erdgassubstitut aus Biomasse)<br />
SÖ Fu HL Südöstliches Flach- und Hügelland (Hauptproduktionsgebiet)<br />
THG Treibhausgas<br />
USt. Umsatzsteuer<br />
VAG Voralpengebiet<br />
WuMV Wald- und Mühlviertel (Hauptproduktionsgebiet)<br />
155<br />
ALPot
Anhang<br />
12 Anhang<br />
12.1 Technologiedaten<br />
Tabelle 12-1: Bioenergie-Technologiedaten<br />
Basisjahr: 2010, Kostendaten in €2007<br />
Wirkungs-/Jahresnutzungsgrade* Produktion Volllast- Invest.- O&M-<br />
Bezeichnung<br />
Kleinfeuerungsanlagen<br />
typ. Leistung** Lebensdauer<br />
[MW] [a]<br />
Wärme***<br />
[%]<br />
Strom<br />
[%]<br />
Konversion<br />
[%]<br />
Nebenprodukt<br />
[t/MWh_input]<br />
stunden<br />
[h/a]<br />
Kosten*<br />
[€/kW]<br />
Kosten*<br />
[€/kW.a]<br />
Hauptquelle<br />
Kommentare<br />
Scheitholz-Einzelofen 0.008 20 70.0% - - - 1000 400.0 8.0 Kranzl et al.(2008) 1), Internetrecherche<br />
Pellet-Einzelofen 0.008 20 82.0% - - - 1000 500.0 10.0 Hansen et al. (2007) 1)<br />
Scheitholzkessel 0.012 20 75.0% - - - 1500 1130.4 22.6<br />
Scheitholzkessel 0.025 20 75.0% - - - 1500 727.0 14.5<br />
Scheitholzkessel<br />
Pelletkessel<br />
0.050<br />
0.012<br />
20<br />
20<br />
75.0%<br />
84.0%<br />
-<br />
-<br />
-<br />
-<br />
-<br />
-<br />
1800<br />
1500<br />
449.0<br />
1423.4<br />
9.0<br />
28.5<br />
1)<br />
Pelletkessel 0.025 20 84.0% - - - 1500 961.4 19.2<br />
Pelletkessel 0.050 20 84.0% - - - 1800 447.7 9.0<br />
Pflanzenölkessel<br />
Pflanzenölkessel<br />
0.012<br />
0.025<br />
20<br />
20<br />
91.0%<br />
91.0%<br />
-<br />
-<br />
-<br />
-<br />
-<br />
-<br />
1500<br />
1500<br />
846.5<br />
591.3<br />
16.9<br />
Hartmann et al. (2007)<br />
11.8<br />
1), 2)<br />
Pflanzenölkessel 0.050 20 91.0% - - - 1800 258.8 5.2<br />
Kombikessel 0.050 20 76.5% - - - 1500 1823.4 36.5<br />
Kombikessel 0.025 20 76.5% - - - 1500 1570.0 31.4<br />
Kombikessel 0.050 20 76.5% - - - 1800 637.0 12.7<br />
1)<br />
Hackgutkessel 0.025 20 80.0% - - - 1500 1190.0 23.8<br />
Hackgutkessel<br />
Heizwerke<br />
0.050 20 80.0% - - - 1800 489.0 9.8<br />
Pellets-Heizwerk 0.500 20 85.0% - - - 2800 750.0 22.5<br />
Pellets-Heizwerk 2.000 20 85.0% - - - 3000 510.0 15.3<br />
Pellets-Heizwerk 5.000 20 85.0% - - - 3300 470.0 14.1<br />
Hackgut-Heizwerk<br />
Hackgut-Heizwerk<br />
Hackgut-Heizwerk<br />
0.500<br />
2.000<br />
5.000<br />
20<br />
20<br />
20<br />
85.0%<br />
85.0%<br />
85.0%<br />
-<br />
-<br />
-<br />
-<br />
-<br />
-<br />
-<br />
-<br />
-<br />
2800<br />
3000<br />
3300<br />
750.0<br />
510.0<br />
470.0<br />
22.5<br />
15.3<br />
14.1<br />
Karl (2006),<br />
FNR (2007)<br />
Stroh-Heizwerk 0.500 20 85.0% - - - 2800 1125.0 33.8<br />
Stroh-Heizwerk 2.000 20 85.0% - - - 3000 765.0 23.0<br />
3)<br />
Stroh-Heizwerk<br />
Dampferzeugung<br />
5.000 20 85.0% - - - 3300 705.0 21.2<br />
Hackgut-Dampfkessel 5.000 20 85.0% - - - 6000 688.5 20.7 Karl (2006),<br />
Hackgut-Dampfkessel<br />
KWK-Anlagen<br />
10.000 20 85.0% - - - 6000 634.5 19.0 FNR (2007)<br />
Biogasanlage 0.050 15 45.0% 31.0% - - 7000 6000.0 300.0 4), 7)<br />
Biogasanlage 0.200 15 45.0% 33.9% - - 7000 4515.0 224.0 Walla (2007)<br />
7)<br />
Biogasanlage 0.500 15 45.0% 38.0% - - 7000 3833.3 179.0 7)<br />
Biogasanlage 1.500 15 45.0% 39.0% - - 7000 2700.0 135.0 Hagauer (2007) 4), 7)<br />
Pflanzenöl-BHKW<br />
Pflanzenöl-BHKW<br />
0.015<br />
0.200<br />
15<br />
15<br />
61.0%<br />
61.0%<br />
26.0%<br />
26.0%<br />
-<br />
-<br />
-<br />
-<br />
7000<br />
7000<br />
2567.0<br />
1120.0<br />
77.0<br />
34.0 Prankl et al. (2005)<br />
1), 2)<br />
Pflanzenöl-BHKW 1.000 15 61.0% 26.0% - - 7000 949.0 28.5 5)<br />
Hackgutkessel & Stirlingmotor 0.035 15 75.5% 10.5% - - 6000 14000.6 314.1<br />
Hackgutkessel & Stirlingmotor 0.070 15 75.5% 10.5% - - 6000 11143.1 250.8 Obernberger et al.<br />
Hackgutkessel & ORC-Anlage 0.650 15 72.0% 14.0% - - 6000 8120.4 273.7 (2004/08)<br />
Hackgutkessel & ORC-Anlage 1.570 15 72.0% 14.0% - - 6000 5443.3 229.2<br />
Hackgut-Dampfturbinenanlage 1.000 15 74.0% 11.0% - - 6000 5556.0 277.8 Kirjavainen et al. (2004)<br />
Hackgut-Dampfturbinenanlage 5.000 15 64.8% 18.0% - - 6000 3992.0 190.5 Obernberger et al. (2008)<br />
4)<br />
Hackgut-Dampfturbinenanlage 10.000 15 62.2% 28.0% - - 8000 1487.0 74.4 Wahlund et al. (2000)<br />
Strohkessel & ORC-Anlage 0.650 15 72.0% 14.0% - - 8000 8638.4 431.9<br />
Strohkessel & ORC-Anlage<br />
Stroh-Dampfturbinenanlage<br />
1.570<br />
1.000<br />
15<br />
15<br />
72.0%<br />
74.0%<br />
14.0%<br />
11.0%<br />
-<br />
-<br />
-<br />
-<br />
8000<br />
8000<br />
5939.2<br />
6204.7<br />
297.0 Obernberger<br />
310.2 et al. (2004/08)<br />
3), 4)<br />
Stroh-Dampfturbinenanlage 5.000 15 64.8% 18.0% - - 8000 4300.6 215.0<br />
Festbettvergasung + Gasmotor 0.600 15 36.2% 27.5% - - 8000 6733.5 383.5 Obernberger<br />
Wirbelschichtvergasung+Gasmotor+ORC 4.500 15 37.1% 33.6% - - 8000 5158.9 388.1 et al. (2008)<br />
Biomasse-IGCC<br />
Konversionsanlagen<br />
50.000 15 47.0% 43.0% - - 8000 2300.0 57.5 Wetterlund et al. (2010)<br />
Pflanzenölpresse 0.500 15 - - 66.3% 0.146 5000 329.2 49.7 Remmele (2007) 6)<br />
Biodieselanlage 150.000 15 - - 66.3% 0.146 8000 122.7 16.7 Berger (2004) 4), Nebenprodukt: Rapskuchen<br />
Ethanolanlage - Stärke 100.000 15 - - 46.0% 0.150 8000 645.0 97.8 Friedl et al. (2005),<br />
Nebenprodukt: DDGS<br />
Ethanolanlage - Zucker 60.000 15 - - 56.5% - 8000 474.6 17.6 Toro et al. (2009)<br />
AF-Aufbereitung-Einspeisung<br />
AF-Aufbereitung-Einspeisung<br />
AF-Aufbereitung-Einspeisung<br />
0.325<br />
1.625<br />
3.250<br />
15<br />
15<br />
15<br />
-<br />
-<br />
-<br />
-<br />
-<br />
-<br />
97.0%<br />
97.0%<br />
97.0%<br />
-<br />
-<br />
-<br />
8000<br />
8000<br />
8000<br />
3520.0<br />
1298.6<br />
967.7<br />
332.1<br />
Klinski (2006),<br />
139.8<br />
Urban et al. (2008)<br />
114.7<br />
7), 8)<br />
Fischer-Tropsch-Anlage 150.000 15 - 3.2% 42.1% - 8000 2176.7 95.8 Hamelinck<br />
Ethanolanlage - Zellulose 125.000 15 - 4.1% 34.9% - 8000 2616.7 167.5 et al. (2006)<br />
Vergasungsanlage 14.000 15 - 1.6% 74.0% - 8000 1388.2 76.5 Gassner et al. (2009),<br />
Vergasungsanlage<br />
Kommentare:<br />
110.000 15 - 1.6% 74.0% - 8000 993.7 44.3 Urban et al. (2008)<br />
*) bezogen auf unteren Heizwert des Brenn-/Rohstoffs<br />
**) Leistungsangaben beziehen sich auf den Haupt-Output (KWK: Strom, Konversionsanlagen: Energieträger), Kostendaten bezogen auf angegebene Leistung (Hauptoutput)<br />
***) Angaben bei KWK-Anlagen: maximale thermische Wirkungsgrade<br />
1) O&M: 1,5% Wartung & Instandhaltung, 0.5% Versicherung<br />
2) Jahresnutzungsgrade bezogen auf Input Pflanzenöl<br />
3) Abschätzung der Invest.Kosten des Kessels: 50% über Hackgut-Anlage gleicher Leistung<br />
4) O&M mit 5% der Invest.Kosten angenommen<br />
5) O&M mit 3% der Invest.Kosten angenommen<br />
6) Konversionswirkungsgrad bezogen auf Input Ölsaaten<br />
7) Wirkungsgrade bezogen auf Input Roh-Biogas<br />
8) AF: Anaerobe Fermentation<br />
156
Tabelle 12-2: Technologiedaten der Referenzanlagen<br />
Basisjahr: 2010, Kostendaten in €2007<br />
Wirkungs-/Jahresnutzungsgrade* Volllast-<br />
Bezeichnung typ. Leistung Lebensdauer Wärme Strom stunden<br />
[MW] [a] [%] [%] [h/a] [€/kW] [€/kW.a]<br />
157<br />
ALPot<br />
Kommentare<br />
Kleinfeuerungsanlagen<br />
Standofen - Öl 0.008 20 80.0% - 500 200.0 4.0 Kranzl et al.(2008) 1), Internetrecherche<br />
Gaskessel 0.012 20 85.0% - 1500 488.9 10.9 Erdgas OÖ (2009)<br />
Ölkessel 0.012 20 85.0% - 1500 688.9 14.9 Hartmann et al. (2007), Austrian Energy Agency (2004)<br />
Gaskessel<br />
Ölkessel<br />
0.025<br />
0.025<br />
20<br />
20<br />
85.0%<br />
85.0%<br />
-<br />
-<br />
1500<br />
1500<br />
275.3<br />
505.3<br />
6.2<br />
10.8<br />
Erdgas OÖ (2009)<br />
Hartmann et al. (2007), Austrian Energy Agency (2004)<br />
1)<br />
Gaskessel 0.050 20 85.0% - 1800 140.8 3.2 Erdgas OÖ (2009)<br />
Ölkessel<br />
Heizwerke<br />
0.050 20 85.0% - 1800 224.1 4.8 Hartmann et al. (2007), Austrian Energy Agency (2004)<br />
Erdgas-Heizwerk<br />
Dampferzeugung<br />
2.000 20 85.0% - 3000 150.0 4.5 Karl (2006) 2)<br />
Prozessdampfanlage (Gas)<br />
Stromerzeugung<br />
10.000 20 85.0% - 6000 175.0 5.3 Karl (2006) 2)<br />
GuD-Kraftwerk (CCGT)<br />
Kommentare:<br />
500.000 15 - 57.6% 7000 538.0 8.1 Cosijns et al. (2007)<br />
*) bezogen auf (oberen) Brennwert des Brennstoffes<br />
1) O&M: 1,5% Wartung & Instandhaltung, 0.5% Versicherung<br />
2) O&M mit 3% der Invest.Kosten angenommen (1.5% Instandhaltung, 1% Versicherung, 0.5% Sonstiges)<br />
110%<br />
105%<br />
100%<br />
95%<br />
90%<br />
85%<br />
80%<br />
75%<br />
70%<br />
Investitions- und O&M-Kosten<br />
2010 2020 2030<br />
Invest.-<br />
Kosten*<br />
O&M-<br />
Kosten*<br />
Fossile Kleinfeuerungsanlagen<br />
Fossile Stromerzeugung<br />
Hauptquellen<br />
Biomasse-Kleinfeuerungsanlagen<br />
Biogas-BHKW<br />
Pflanzenöl-BHKW<br />
Heizkessel m. Stirlingmotor<br />
Heizkessel m. ORC<br />
Dampfturbinen-Anlage<br />
Integrierte Vergasung & Verstromung<br />
Biomethananlage<br />
Fischer-Tropsch-Anlage<br />
Ethanolanlage - Zellulose<br />
Vergasungsanlagen<br />
Abbildung 12-1: Technologische Lerneffekte bei den Kosten: Relative Veränderungen<br />
gegenüber dem Basisjahr 2010<br />
Quellen: basierend auf Öko-Institut (2010), eigene Auswahl an Nutzungspfaden (Energy Economics<br />
Group,TU <strong>Wien</strong>), Hamelinck et al. (2006), Cosijns et al. (2007)<br />
Bei hier nicht dargestellten Technologien wird von keinen technologischen Lerneffekten ausgegangen<br />
150%<br />
140%<br />
130%<br />
120%<br />
110%<br />
100%<br />
90%<br />
Wirkungs-/Jahresnutzungsgrade<br />
2010 2020 2030<br />
Fossile Kleinfeuerungsanlagen (therm.)<br />
Fossile Stromerzeugung (elektr.)<br />
Biogas-BHKW (elektr.)<br />
Pflanzenöl-BHKW (elektr.)<br />
Heizkessel m. ORC (elektr.)<br />
Heizkessel m. Stirlingmotor (elektr.)<br />
Integrierte Vergasung & Verstromung (elektr.)<br />
Dampfturbinen-Anlage (elektr.)<br />
Ethanolanlage - Zellulose (Konversion)<br />
Vergasungsanlage (Konversion)<br />
Abbildung 12-2: Technologische Lerneffekte bei Wirkungs-/Jahresnutzungsgraden: Relative<br />
Veränderungen gegenüber dem Basisjahr 2010<br />
Quellen: basierend auf Öko-Institut (2010), eigene Auswahl an Nutzungspfaden (Energy Economics<br />
Group,TU <strong>Wien</strong>), Hamelinck et al. (2006), Cosijns et al. (2007)<br />
Bei hier nicht dargestellten Technologien wird von keinen technologischen Lerneffekten ausgegangen
Anhang<br />
12.2 Sensitivitätsanalysen zu den Wirtschaftlichkeitsberechnungen<br />
Die folgenden Abbildungen zeigen Sensitivitätsanalysen zu den in Kapitel 4 dargestellten<br />
Wirtschaftlichkeitsanalysen. Dargestellt sind die Sensitivitäten der Energieerzeugungskosten<br />
hinsichtlich folgender Parameter: jährliche Auslastung (Volllaststunden), Brennstoffkosten<br />
und Abschreibdauer. Bezüglich der Datenquellen Kapitel 4.2 bzw. Tabelle 12-1 verwiesen.<br />
Wärmeerzeugungskosten [€/MWh]<br />
250<br />
230<br />
210<br />
190<br />
170<br />
150<br />
130<br />
110<br />
90<br />
70<br />
50<br />
500<br />
1000<br />
1500<br />
2000<br />
2500<br />
3000<br />
jährliche Volllaststunden [h/a]<br />
3500<br />
Kombikessel<br />
Pelletkessel<br />
Scheitholzkessel<br />
Heizölkessel<br />
Gaskessel<br />
4000<br />
4500<br />
Änderung der Wärmeerzeugungskosten<br />
158<br />
200%<br />
180%<br />
160%<br />
140%<br />
120%<br />
100%<br />
80%<br />
60%<br />
40%<br />
500<br />
1000<br />
1500<br />
2000<br />
2500<br />
3000<br />
jährliche Volllaststunden [h/a]<br />
Abbildung 12-3: Sensitivität der Wärmeerzeugungskosten von 25 kW-Heizanlagen<br />
gegenüber den jährlichen Volllaststunden (Referenzjahr: 2006)<br />
Quelle: eigene Berechnungen (Energy Economics Group, TU <strong>Wien</strong>)<br />
Wärmeerzeugungskosten [€/MWh]<br />
300<br />
280<br />
260<br />
240<br />
220<br />
200<br />
180<br />
160<br />
140<br />
120<br />
100<br />
-50%<br />
-40%<br />
Scheitholzkessel<br />
Pelletkessel<br />
Pflanzenölkessel<br />
Kombikessel<br />
Heizölkessel<br />
Gaskessel<br />
-30%<br />
-20%<br />
-10%<br />
0%<br />
10%<br />
20%<br />
30%<br />
40%<br />
50%<br />
60%<br />
Variation der Brennstoffkosten<br />
70%<br />
80%<br />
90%<br />
100%<br />
Änderung der Wärmeerzeugungskosten<br />
150%<br />
140%<br />
130%<br />
120%<br />
110%<br />
100%<br />
90%<br />
80%<br />
70%<br />
-50%<br />
-40%<br />
Scheitholzkessel<br />
Pelletkessel<br />
Pflanzenölkessel<br />
Kombikessel<br />
Heizölkessel<br />
Gaskessel<br />
-30%<br />
-20%<br />
-10%<br />
0%<br />
3500<br />
Kombikessel<br />
Pelletkessel<br />
Scheitholzkessel<br />
Heizölkessel<br />
Gaskessel<br />
4000<br />
10%<br />
20%<br />
30%<br />
40%<br />
50%<br />
60%<br />
70%<br />
80%<br />
90%<br />
100%<br />
Variation der Brennstoffkosten<br />
Abbildung 12-4: Sensitivität der Wärmeerzeugungskosten von 15 kW-Heizanlagen<br />
gegenüber Änderungen der Brennstoffkosten (Referenzjahr: 2006)<br />
Quelle: eigene Berechnungen (Energy Economics Group, TU <strong>Wien</strong>)<br />
Wärmeerzeugungskosten [€/MWh]<br />
280<br />
260<br />
240<br />
220<br />
200<br />
180<br />
160<br />
140<br />
120<br />
100<br />
5<br />
6<br />
7<br />
8<br />
9<br />
10<br />
11<br />
12<br />
13<br />
14<br />
15<br />
16<br />
17<br />
18<br />
19<br />
20<br />
Abschreibdauer in Jahren<br />
Pelletkessel<br />
Pflanzenölkessel<br />
Heizölkessel<br />
Gaskessel<br />
Scheitholzkessel<br />
Änderung der Wärmeerzeugungskosten<br />
150%<br />
140%<br />
130%<br />
120%<br />
110%<br />
100%<br />
90%<br />
80%<br />
70%<br />
5<br />
6<br />
7<br />
8<br />
9<br />
10<br />
11<br />
12<br />
13<br />
14<br />
15<br />
Abschreibdauer in Jahren<br />
Abbildung 12-5: Sensitivität der Wärmeerzeugungskosten von 15 kW-Heizanlagen<br />
gegenüber der Abschreibdauer (Referenzjahr: 2006)<br />
Quelle: eigene Berechnungen (Energy Economics Group, TU <strong>Wien</strong>)<br />
Pelletkessel<br />
Pflanzenölkessel<br />
Heizölkessel<br />
Gaskessel<br />
Scheitholzkessel<br />
16<br />
17<br />
18<br />
19<br />
20<br />
4500
Wärmeerzeugungskosten [€/MWh]<br />
80<br />
75<br />
70<br />
65<br />
60<br />
55<br />
50<br />
45<br />
40<br />
2000<br />
2500<br />
3000<br />
3500<br />
4000<br />
4500<br />
jährliche Volllaststunden [h/a]<br />
Öl-Heizwerk<br />
Hackgut-Heizwerk<br />
Gas-Heizwerk<br />
Stroh-Heizwerk<br />
5000<br />
5500<br />
6000<br />
159<br />
Änderung der Wärmeerzeugungskosten<br />
120%<br />
110%<br />
100%<br />
90%<br />
80%<br />
70%<br />
60%<br />
2000<br />
2500<br />
3000<br />
3500<br />
4000<br />
4500<br />
jährliche Volllaststunden [h/a]<br />
Öl-Heizwerk<br />
Hackgut-Heizwerk<br />
Gas-Heizwerk<br />
Stroh-Heizwerk<br />
5000<br />
5500<br />
ALPot<br />
Abbildung 12-6: Sensitivität der Wärmeerzeugungskosten von 2 MW-Heizwerken gegenüber<br />
den jährlichen Volllaststunden<br />
Quelle: eigene Berechnungen (Energy Economics Group, TU <strong>Wien</strong>)<br />
Wärmeerzeugungskosten [€/MWh]<br />
120<br />
110<br />
100<br />
90<br />
80<br />
70<br />
60<br />
50<br />
40<br />
30<br />
20<br />
-50%<br />
-40%<br />
-30%<br />
-20%<br />
-10%<br />
0%<br />
10%<br />
20%<br />
30%<br />
40%<br />
50%<br />
60%<br />
Variation der Brennstoffkosten<br />
Pellets-Heizwerk<br />
Hackgut-Heizwerk<br />
Stroh-Heizwerk<br />
Prozessdampfanlage BM<br />
Öl-Heizwerk<br />
Gas-Heizwerk<br />
Prozessdampfanlage Gas<br />
70%<br />
80%<br />
90%<br />
100%<br />
Änderung der Wärmeerzeugungskosten<br />
180%<br />
160%<br />
140%<br />
120%<br />
100%<br />
80%<br />
60%<br />
-50%<br />
-40%<br />
Pellets-Heizwerk<br />
Hackgut-Heizwerk<br />
Stroh-Heizwerk<br />
Prozessdampfanlage BM<br />
Öl-Heizwerk<br />
Gas-Heizwerk<br />
Prozessdampfanlage Gas<br />
-30%<br />
-20%<br />
-10%<br />
0%<br />
10%<br />
20%<br />
30%<br />
40%<br />
50%<br />
60%<br />
Variation der Brennstoffkosten<br />
Abbildung 12-7: Sensitivität der Wärmeerzeugungskosten von 500 kW-Heizwerken und<br />
10 MW Prozessdampfanlagen gegenüber Änderungen der Brennstoffkosten (Referenzjahr:<br />
2006)<br />
Quelle: eigene Berechnungen (Energy Economics Group, TU <strong>Wien</strong>)<br />
Wärmeerzeugungskosten [€/MWh]<br />
95<br />
90<br />
85<br />
80<br />
75<br />
70<br />
65<br />
60<br />
55<br />
50<br />
45<br />
5<br />
6<br />
7<br />
8<br />
9<br />
10<br />
11<br />
12<br />
13<br />
14<br />
15<br />
16<br />
17<br />
18<br />
19<br />
20<br />
Abschreibdauer in Jahren<br />
Pellets-Heizwerk<br />
Hackgut-Heizwerk<br />
Stroh-Heizwerk<br />
Öl-Heizwerk<br />
Gas-Heizwerk<br />
Änderung der Wärmeerzeugungskosten<br />
140%<br />
130%<br />
120%<br />
110%<br />
100%<br />
90%<br />
80%<br />
5<br />
6<br />
7<br />
8<br />
9<br />
10<br />
11<br />
12<br />
13<br />
14<br />
15<br />
Abschreibdauer in Jahren<br />
70%<br />
80%<br />
Öl-Heizwerk<br />
Gas-Heizwerk<br />
16<br />
17<br />
18<br />
19<br />
90%<br />
Hackgut-Heizwerk<br />
Pellets-Heizwerk<br />
Stroh-Heizwerk<br />
Abbildung 12-8: Sensitivität der Wärmeerzeugungskosten von 2 MW-Heizwerken gegenüber<br />
der Abschreibdauer (Referenzjahr: 2006)<br />
Quelle: eigene Berechnungen (Energy Economics Group, TU <strong>Wien</strong>)<br />
20<br />
100%<br />
6000
Anhang<br />
Stromgestehungskosten [€/MWh]<br />
400<br />
350<br />
300<br />
250<br />
200<br />
150<br />
100<br />
50<br />
2500<br />
3000<br />
3500<br />
4000<br />
4500<br />
5000<br />
5500<br />
Wärme-Volllaststunden[h/a]<br />
Hackgut-Dampfturbinenanlage<br />
Festbettvergasung & Gasmotor<br />
Hackgutkessel & ORC-Anlage<br />
Stroh-Dampfturbinenanlage<br />
Pflanzenöl-BHKW<br />
Biogasanlage<br />
6000<br />
6500<br />
7000<br />
Änderung der Stromgestehungskosten<br />
160<br />
120%<br />
110%<br />
100%<br />
90%<br />
80%<br />
70%<br />
60%<br />
50%<br />
40%<br />
30%<br />
20%<br />
2500<br />
Festbettvergasung & Gasmotor<br />
Biogasanlage<br />
Pflanzenöl-BHKW<br />
Hackgutkessel & ORC-Anlage<br />
Hackgut-Dampfturbinenanlage<br />
Stroh-Dampfturbinenanlage<br />
3000<br />
3500<br />
4000<br />
4500<br />
5000<br />
5500<br />
Wärme-Volllaststunden [h/a]<br />
Abbildung 12-9: Sensitivität der Stromgestehungskosten von Biomasse-KWK-Anlagen mit<br />
einer elektrischen Leistung von ca. 1 MW gegenüber den Wärme-Volllaststunden (Annahme<br />
„direkter“ Wärmenutzung) (Referenzjahr: 2006)<br />
Quelle: eigene Berechnungen (Energy Economics Group, TU <strong>Wien</strong>)<br />
Stromgestehungskosten [€/MWh]<br />
500<br />
450<br />
400<br />
350<br />
300<br />
250<br />
200<br />
150<br />
100<br />
50<br />
0<br />
Hackgutkessel & ORC-Anlage 1.6 MW<br />
Hackgut-Dampfturbinenanlage 5 MW<br />
Pflanzenöl-BHKW 200 kW<br />
Biogasanlage 200 kW<br />
Biomasse-IGCC 50 MW<br />
Erdgas CCGT 500 MW<br />
-50%<br />
-40%<br />
-30%<br />
-20%<br />
-10%<br />
0%<br />
10%<br />
20%<br />
30%<br />
40%<br />
50%<br />
60%<br />
70%<br />
80%<br />
90%<br />
100%<br />
Variation der Brennstoffkosten]<br />
Änderung der Stromgestehungskosten<br />
250%<br />
230%<br />
210%<br />
190%<br />
170%<br />
150%<br />
130%<br />
110%<br />
90%<br />
70%<br />
50%<br />
Pflanzenöl-BHKW 200 kW<br />
Erdgas CCGT 500 MW<br />
Hackgutkessel & ORC-Anlage 1.6 MW<br />
Hackgut-Dampfturbinenanlage 5 MW<br />
Biomasse-IGCC 50 MW<br />
Biogasanlage 200 kW<br />
-50%<br />
-40%<br />
-30%<br />
-20%<br />
-10%<br />
0%<br />
10%<br />
20%<br />
30%<br />
40%<br />
50%<br />
60%<br />
70%<br />
80%<br />
90%<br />
100%<br />
Variation der Brennstoffkosten]<br />
Abbildung 12-10: Sensitivität der Stromgestehungskosten von verschiedenen Biomasse-<br />
KWK-Anlagen gegenüber den Änderungen der Brennstoffkosten (Annahme „direkter“<br />
Wärmenutzung) (Referenzjahr: 2006)<br />
Quelle: eigene Berechnungen (Energy Economics Group, TU <strong>Wien</strong>)<br />
6000<br />
6500<br />
7000
12.3 Modelle<br />
12.3.1 Modell AGRIEN<br />
Tabelle 12-3: Anteil der Betriebe in den Betriebsgrößenklassen, differenziert nach<br />
Produktionstypen und Hauptproduktionsgebieten<br />
Quelle: Österreichische Energieagentur 2010<br />
Verteilung unter 1 ha<br />
1 ha bis<br />
unter 2 ha<br />
2 ha bis<br />
unter 5 ha<br />
Voralpengebiet<br />
5 ha bis<br />
unter 10 ha<br />
161<br />
10 ha bis<br />
unter 20 ha<br />
20 ha bis<br />
unter 30 ha<br />
30 ha bis<br />
unter 50 ha<br />
50 ha bis<br />
unter 100<br />
ha<br />
100 ha bis<br />
unter 200<br />
ha<br />
ALPot<br />
200 ha und<br />
mehr ha<br />
Marktfruchtbetrieb 0,00891 0,03737 0,15358 0,21083 0,33665 0,16044 0,07542 0,01508 0,00171 0,00000<br />
Tierhaltungsbetrieb - 0,05988 0,21557 0,20958 0,22156 0,10778 0,09581 0,08383 0,00599 -<br />
Gemischtbetrieb 0,00058 0,05486 0,16527 0,19898 0,33054 0,16248 0,06962 0,01348 0,00244 0,00174<br />
Verteilung unter 1 ha<br />
1 ha bis<br />
unter 2 ha<br />
2 ha bis<br />
unter 5 ha<br />
Alpenostrand<br />
5 ha bis<br />
unter 10 ha<br />
10 ha bis<br />
unter 20 ha<br />
20 ha bis<br />
unter 30 ha<br />
30 ha bis<br />
unter 50 ha<br />
50 ha bis<br />
unter 100<br />
ha<br />
100 ha bis<br />
unter 200<br />
ha<br />
200 ha und<br />
mehr ha<br />
Marktfruchtbetrieb 0,01825 0,04579 0,18811 0,25364 0,30541 0,10788 0,05670 0,01813 0,00425 0,00184<br />
Tierhaltungsbetrieb 0,00103 0,10309 0,35361 0,27010 0,16598 0,03814 0,04124 0,02062 0,00515 0,00103<br />
Gemischtbetrieb 0,00023 0,07032 0,19458 0,21210 0,31654 0,12207 0,06259 0,01395 0,00461 0,00300<br />
Verteilung unter 1 ha<br />
1 ha bis<br />
unter 2 ha<br />
Wald- und Mühlviertel<br />
2 ha bis<br />
unter 5 ha<br />
5 ha bis<br />
unter 10 ha<br />
10 ha bis<br />
unter 20 ha<br />
20 ha bis<br />
unter 30 ha<br />
30 ha bis<br />
unter 50 ha<br />
50 ha bis<br />
unter 100<br />
ha<br />
100 ha bis<br />
unter 200<br />
ha<br />
200 ha und<br />
mehr ha<br />
Marktfruchtbetrieb 0,01542 0,05715 0,24362 0,23018 0,29603 0,09432 0,05220 0,01068 0,00040 0,00000<br />
Tierhaltungsbetrieb 0,00060 0,03854 0,15805 0,16223 0,28503 0,14550 0,14401 0,06215 0,00388 -<br />
Gemischtbetrieb 0,00040 0,03590 0,15536 0,17566 0,35687 0,19020 0,07550 0,01005 0,00007 0,00000<br />
Verteilung unter 1 ha<br />
1 ha bis<br />
unter 2 ha<br />
2 ha bis<br />
unter 5 ha<br />
Kärntner Becken<br />
5 ha bis<br />
unter 10 ha<br />
10 ha bis<br />
unter 20 ha<br />
20 ha bis<br />
unter 30 ha<br />
30 ha bis<br />
unter 50 ha<br />
50 ha bis<br />
unter 100<br />
ha<br />
100 ha bis<br />
unter 200<br />
ha<br />
200 ha und<br />
mehr ha<br />
Marktfruchtbetrieb 0,02009 0,06308 0,22981 0,29932 0,24227 0,07352 0,04821 0,01928 0,00281 0,00161<br />
Tierhaltungsbetrieb 0,00474 0,11216 0,23539 0,19273 0,21485 0,09163 0,08689 0,03633 0,02054 0,00474<br />
Gemischtbetrieb 0,00189 0,09180 0,18700 0,21987 0,29052 0,11900 0,06422 0,01964 0,00416 0,00189<br />
Verteilung unter 1 ha<br />
1 ha bis<br />
unter 2 ha<br />
2 ha bis<br />
unter 5 ha<br />
Alpenvorland<br />
5 ha bis<br />
unter 10 ha<br />
10 ha bis<br />
unter 20 ha<br />
20 ha bis<br />
unter 30 ha<br />
30 ha bis<br />
unter 50 ha<br />
50 ha bis<br />
unter 100<br />
ha<br />
100 ha bis<br />
unter 200<br />
ha<br />
200 ha und<br />
mehr ha<br />
Marktfruchtbetrieb 0,02044 0,07261 0,19341 0,16229 0,24344 0,15924 0,12416 0,02227 0,00183 0,00031<br />
Tierhaltungsbetrieb 0,00097 0,05889 0,14980 0,16734 0,27160 0,14401 0,15141 0,05117 0,00402 0,00080<br />
Gemischtbetrieb 0,00052 0,04555 0,14420 0,16107 0,33087 0,20141 0,10315 0,01251 0,00043 0,00028<br />
Verteilung unter 1 ha<br />
1 ha bis<br />
unter 2 ha<br />
Südöstliches Flach- und Hügelland<br />
2 ha bis<br />
unter 5 ha<br />
5 ha bis<br />
unter 10 ha<br />
10 ha bis<br />
unter 20 ha<br />
20 ha bis<br />
unter 30 ha<br />
30 ha bis<br />
unter 50 ha<br />
50 ha bis<br />
unter 100<br />
ha<br />
100 ha bis<br />
unter 200<br />
ha<br />
200 ha und<br />
mehr ha<br />
Marktfruchtbetrieb 0,02733 0,17053 0,43452 0,23885 0,10144 0,01771 0,00634 0,00262 0,00055 0,00011<br />
Tierhaltungsbetrieb 0,00254 0,16360 0,38044 0,23299 0,13220 0,03813 0,02482 0,01705 0,00748 0,00075<br />
Gemischtbetrieb 0,00110 0,08307 0,28930 0,28455 0,23550 0,06495 0,03016 0,01049 0,00088 0,00000<br />
Verteilung unter 1 ha<br />
1 ha bis<br />
unter 2 ha<br />
Nordöstliches Flach- und Hügelland<br />
2 ha bis<br />
unter 5 ha<br />
5 ha bis<br />
unter 10 ha<br />
10 ha bis<br />
unter 20 ha<br />
20 ha bis<br />
unter 30 ha<br />
30 ha bis<br />
unter 50 ha<br />
50 ha bis<br />
unter 100<br />
ha<br />
100 ha bis<br />
unter 200<br />
ha<br />
200 ha und<br />
mehr ha<br />
Marktfruchtbetrieb 0,08666 0,08057 0,12187 0,11713 0,17129 0,14218 0,18213 0,07921 0,00339 0,01557<br />
Tierhaltungsbetrieb 0,00125 0,03785 0,08607 0,09370 0,17018 0,15430 0,24792 0,18015 0,02220 0,00639<br />
Gemischtbetrieb 0,01053 0,09173 0,12105 0,09023 0,14662 0,16541 0,26466 0,10376 0,00376 0,00226
Anhang<br />
12.3.2 GIS-Modell<br />
12.3.2.1 Kulturarten<br />
Der erste Schritt im Rahmen der Modellentwicklung war die Definition der Kulturarten. Wobei<br />
einige Pflanzen in Sommer- und Winteranbau möglich sind und für dieses Modell als<br />
eigenständige Kulturart gelten. Jede Frucht wurde mit einer Abkürzung von f01 bis f27<br />
versehen.<br />
Tabelle 12-4: Auflistung der im Modell berücksichtige Kulturarten<br />
Quelle: Eigene Zusammenstellung (im-plan-tat Reinberg und Partner)<br />
Kulturart Bezeichnung Abkürzung<br />
Raps – Winterraps f01<br />
Sonnenblumen f02<br />
Weizen - Sommerweichweizen f03<br />
Weizen - Winterweichweizen f04<br />
Gerste - Sommergerste f05<br />
Gerste - Wintergerste f06<br />
Roggen f07<br />
Triticale f08<br />
Hafer f09<br />
Weizen - Hartweizen f10<br />
Weizen - Dinkel f11<br />
Körnermais f12<br />
Silo-und Grünmais f13<br />
Zuckerrüben f14<br />
Sojabohnen f15<br />
Kartoffel f16<br />
Ölkürbis (Kerne) f17<br />
Körnererbsen f18<br />
Miscanthus f19<br />
Grünland f20<br />
Klee - Luzerne f21<br />
Klee - Kleegras f22<br />
Weide f23<br />
Pappel f24<br />
Sudangras f25<br />
Topinambur Knolle f26<br />
Topinambur Kraut f27<br />
Die Auswahl der Kulturarten erfolgte in Anlehnung der Daten der Statistik Austria<br />
„Ertragsmengen aus dem Jahr 2008“. Die bedeutendsten Kulturarten gehen in das Modell<br />
ein.<br />
162
163<br />
ALPot<br />
Die Daten zu den einzelnen Kulturarten wurden in einer umfangreichen Literaturrecherche<br />
von Experten mit landwirtschaftlichen Hintergrund und Erfahrungen erfasst. Die<br />
Hauptquellen aus der Literatur sind: Diepenbrock et al. (1999), Diepenbrock et al. (2005),<br />
Fischbeck (1999), Proplanta (2009), FNR (2009), Sperr (2009), Bio Austria (2009), Billen et<br />
al. (2008), BMLF (1999), Wikipedia (2010)<br />
12.3.2.2 Bodentypen<br />
Zur Abbildung der Bodentypen wurde eBOD (elektronische Bodenkarte) für das gesamte<br />
Bundesgebiet angeschafft, die relevanten Bodentypen für landwirtschaftliche Nutzung<br />
selektiert und verortet.<br />
Um die Standortanforderungen diversen Bodentypen zuordnen zu können, wurde im<br />
Anschluss an die Erstellung der Kulturartenprofile jede Pflanze jeder Bodentypen zugeordnet<br />
und bewertet.<br />
Abbildung 12-11: Abbildung der Bodentypengruppen in Österreich (eBOD)<br />
Quelle: Eigene Darstellung (im-plan-tat Reinberg und Partner)<br />
Tabelle 12-5: Abkürzungen der Bodenklassen<br />
Quelle: Eigene Zusammenstellung (im-plan-tat Reinberg und Partner)<br />
Bodenklassen Abkürzung Bodenklassen Abkürzung<br />
Anmoore AM Pseudogleye PG<br />
Auböden AB Reliktböden RB<br />
Bodenformkomplex BDK Rendsinen + Ranker RR<br />
Braunerden BE Rohböden RB<br />
Gleye G Salzböden SB<br />
Moore M Schwarzerden SE<br />
Nicht identifizierbare Böden NIB Untypische Böden UB
Anhang<br />
Allgemeinen wachsen alle Pflanzen optimal auf nährstoffreichen, gut durchlüfteten und mit<br />
ausreichend Wasser versorgten Böden. Einige Pflanzen brauchen eine sehr gute<br />
Bodenbonität für ertragreiches Wachstum. Wobei Erträge auf Böden mit mittlerer oder<br />
schlechterer Bonität mit erhöhtem Düngereinsatz und optimaler Sortenwahl gesteigert<br />
werden können.<br />
12.3.2.3 Eignung der Bodentypen<br />
Die folgende Tabelle zeigt die Zuordnungen zu den jeweiligen Bodentypen.<br />
Die Zahl 3 steht für optimale, 2 für mittlere, 1 für schlechte und 0 für unmögliche oder nicht<br />
zuordenbare Standortanforderungen.<br />
Tabelle 12-6: Eignung der Bodentypen<br />
Eigene Zusammenstellung (im-plan-tat Reinberg und Partner)<br />
Abkürzungen AM AB BFK BE G M NIB PG RB RR RB SB SE UB<br />
f01 1 2 2 2 1 0 0 1 2 2 1 0 3 0<br />
f02 1 2 2 2 1 0 0 1 2 2 1 0 3 0<br />
f03 0 1 1 3 1 0 0 1 2 1 2 0 3 0<br />
f04 0 1 1 3 1 0 0 1 2 1 2 0 3 0<br />
f05 0 1 1 3 1 0 0 1 2 1 2 0 3 0<br />
f06 0 1 1 3 1 0 0 1 2 1 2 0 3 0<br />
f07 0 1 1 3 1 0 0 1 2 1 2 0 3 0<br />
f08 0 1 1 3 1 0 0 1 2 1 2 0 3 0<br />
f09 0 1 1 3 1 0 0 1 2 1 2 0 3 0<br />
f10 0 1 1 3 1 0 0 1 2 1 2 0 3 0<br />
f11 0 1 1 3 1 0 0 1 2 1 2 0 3 0<br />
f12 2 3 2 2 2 0 0 2 2 2 1 0 3 0<br />
f13 2 3 2 2 2 0 0 2 2 2 1 0 3 0<br />
f14 1 2 1 2 0 0 0 0 2 1 1 0 3 0<br />
f15 1 2 1 2 1 0 0 1 2 1 1 0 3 0<br />
f16 1 2 1 2 0 0 0 0 2 1 1 0 3 0<br />
f17 1 2 1 2 0 0 0 0 2 1 1 0 3 0<br />
f18 1 2 1 2 1 0 0 1 2 1 1 0 3 0<br />
f19 2 3 2 2 2 0 0 2 2 2 1 0 3 0<br />
f20 2 2 2 3 3 0 0 2 2 2 3 0 3 0<br />
f21 2 2 2 3 3 0 0 2 2 2 3 0 3 0<br />
f22 2 2 2 3 3 0 0 2 2 2 3 0 3 0<br />
f23 2 2 2 3 2 1 0 2 2 2 2 0 3 0<br />
f24 2 2 2 3 2 1 0 2 2 2 2 0 3 0<br />
f25 2 3 2 2 2 0 0 2 2 2 1 0 3 0<br />
f26 1 2 1 2 0 0 0 0 2 1 1 0 3 0<br />
f27 1 2 1 2 0 0 0 0 2 1 1 0 3 0<br />
164
Vorfrucht<br />
12.3.2.4 Fruchtfolgematrix<br />
165<br />
ALPot<br />
Die Fruchtfolge hat einen wesentlichen Einfluss auf den Ertrag von Kulturpflanzen. Vor allem<br />
wenn Dünger und Spritzmittel nicht zum Einsatz kommen sollen.<br />
Tabelle 12-7: Fruchtfolgematrix<br />
Quelle: Eigene Zusammenstellung (im-plan-tat Reinberg und Partner)<br />
Abkürzu<br />
ngen<br />
f0<br />
1<br />
f0<br />
2<br />
f0<br />
3<br />
f0<br />
4<br />
f0<br />
5<br />
f0<br />
6<br />
f0<br />
7<br />
f0<br />
8<br />
f0<br />
9<br />
f1<br />
0<br />
Nachfrucht<br />
f1<br />
1<br />
f1<br />
2<br />
f01 1 1 3 3 2 3 3 3 2 2 2 2 2 1 2 2 2 2 2 2 2 2 2 2 2 2 2<br />
f02 1 1 3 3 2 2 2 2 2 2 2 2 2 2 1 2 2 2 2 2 1 1 2 2 2 2 2<br />
f03 2 2 1 1 2 2 2 2 2 1 1 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2<br />
f04 2 2 1 1 2 2 2 2 2 1 1 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2<br />
f05 2 2 1 1 1 1 2 2 1 1 1 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2<br />
f06 3 2 1 1 1 1 2 2 2 1 1 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2<br />
f07 2 2 2 2 2 2 3 2 1 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2<br />
f08 2 3 1 1 2 1 1 1 2 2 1 3 3 3 3 2 2 3 2 3 3 3 2 2 2 2 2<br />
f09 2 2 3 3 2 2 1 2 1 3 3 1 1 1 2 2 2 2 2 2 2 2 2 2 2 2 2<br />
f10 2 2 1 1 2 2 2 2 2 1 1 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2<br />
f11 2 2 1 1 2 2 2 2 2 1 1 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2<br />
f12 1 2 3 3 2 2 2 2 1 3 3 2 2 1 2 2 2 2 2 2 2 2 2 2 2 2 2<br />
f13 1 2 3 3 2 2 2 2 1 3 3 2 2 1 2 2 2 2 2 2 2 2 2 2 2 2 2<br />
f14 1 2 3 3 2 2 2 2 2 3 3 2 2 1 2 1 2 2 2 2 2 2 2 2 2 2 2<br />
f15 1 2 3 3 2 2 2 2 2 3 3 2 2 2 1 2 2 1 2 2 1 1 2 2 2 2 2<br />
f16 2 2 3 3 2 3 3 2 2 2 2 2 2 1 2 1 2 2 2 2 2 2 2 2 2 2 2<br />
f17 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2<br />
f18 3 2 3 3 2 3 3 2 2 3 3 2 2 2 1 2 2 1 2 2 1 1 2 2 2 2 2<br />
f19 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 3 1 1 1 1 1 1 1 1<br />
f20 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 1 2 2 2 2 2<br />
f21 1 1 3 3 3 3 2 1 3 1 1 3 3 1 1 3 2 1 2 2 1 1 2 2 2 2 2<br />
f22 1 1 3 3 3 3 2 1 3 1 1 3 3 1 1 3 2 1 2 2 1 1 2 2 2 2 2<br />
f23 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 3 1 1 1 1<br />
f24 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 3 1 1 1<br />
f25 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 1 2 2<br />
f26 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2<br />
f27 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 1 1<br />
Ursprünglich war im Projektantrag vorgesehen, dass ca. 20 beispielhafte Fruchtfolgepläne in<br />
das Analyse-Tool eingebaut werden sollen. Im Rahmen der Systementwicklung musste<br />
festgestellt werden, dass durch die beschränkte Anzahl an beispielhaften Fruchtfolgeplänen<br />
die Ergebnisse des Analyse-Tools weitgehend keine realitätsnahe Abbildung bieten. Daher<br />
sollen Vor-/Nachfrucht je Kulturart in die Matrix der Standortanforderungen aufgenommen<br />
werden und die Zuweisung der Vor-/Nachfrucht automatisiert erfolgen.<br />
f1<br />
3<br />
f1<br />
4<br />
f1<br />
5<br />
f1<br />
6<br />
f1<br />
7<br />
f1<br />
8<br />
f1<br />
9<br />
f2<br />
0<br />
f2<br />
1<br />
f2<br />
2<br />
f2<br />
3<br />
f2<br />
4<br />
f2<br />
5<br />
f2<br />
6<br />
f2<br />
7
Anhang<br />
Die Erträge hängen bei Fruchtfolge auch von Standort, Schädlings- und Krankheitsdruck ab.<br />
Das heißt, dass individuell unterschiedliche Erträge auftreten können.<br />
Für das Modell wurden optimale Nachfrüchte bzw. Vorfrüchte in einer Matrix erfasst. 1<br />
bedeutet optimal, 2 mittel und 3 schlecht geeignet. Pflanzen, bei denen in der Literatur weder<br />
optimal noch schlecht zu finden ist, sind mit 2 versorgt.<br />
Manche Kulturarten brauchen bei schlechter Nachfruchteignung eine mehrjährige<br />
Anbaupause. Dies wird in der nächsten Tabelle dargestellt. Die angegeben Zahlen stehen<br />
für die Jahre, die eine Nachfrucht auf der jeweiligen Fläche nicht angebaut werden soll.<br />
166
Vorfrucht<br />
Tabelle 12-8: Anbaupausen betreffend Fruchtfolge<br />
Quelle: Eigene Zusammenstellung (im-plan-tat Reinberg und Partner)<br />
Abkürzungen<br />
f0<br />
1<br />
f0<br />
2<br />
f0<br />
3<br />
f0<br />
4<br />
f0<br />
5<br />
f0<br />
6<br />
f0<br />
7<br />
f0<br />
8<br />
f0<br />
9<br />
f1<br />
0<br />
Nachfrucht<br />
f1<br />
1<br />
f1<br />
2<br />
f1<br />
3<br />
167<br />
f1<br />
4<br />
f1<br />
5<br />
f1<br />
6<br />
f1<br />
7<br />
f1<br />
8<br />
f1<br />
9<br />
f2<br />
0<br />
f2<br />
1<br />
f2<br />
2<br />
f2<br />
3<br />
f2<br />
4<br />
f2<br />
5<br />
ALPot<br />
f01 4 1 0 0 0 0 0 0 0 0 0 0 0 1 0 0 0 0 0 0 0 0 0 0 0 0 0<br />
f02 1 3 0 0 0 0 0 0 0 0 0 0 0 0 1 0 0 0 0 0 3 3 0 0 0 0 0<br />
f03 0 0 1 1 0 0 0 0 0 1 1 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0<br />
f04 0 0 1 1 0 0 0 2 0 1 1 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0<br />
f05 0 0 1 1 1 1 0 0 1 1 1 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0<br />
f06 0 0 1 1 1 1 0 0 0 1 1 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0<br />
f07 0 0 0 0 0 0 0 0 1 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0<br />
f08 0 0 1 1 0 1 1 1 0 0 1 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0<br />
f09 0 0 0 0 0 0 1 0 1 0 0 1 1 1 0 0 0 0 0 0 0 0 0 0 0 0 0<br />
f10 0 0 1 1 0 0 0 0 0 1 1 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0<br />
f11 0 0 1 1 0 0 0 0 0 1 1 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0<br />
f12 1 0 0 0 0 0 0 0 1 0 0 0 0 1 0 0 0 0 0 0 0 0 0 0 0 0 0<br />
f13 1 0 0 0 0 0 0 0 1 0 0 0 0 1 0 0 0 0 0 0 0 0 0 0 0 0 0<br />
f14 2 0 0 0 0 0 0 0 0 0 0 0 0 1 0 1 0 0 0 0 0 0 0 0 0 0 0<br />
f15 1 0 0 0 0 0 0 0 0 0 0 0 0 0 4 0 0 4 0 0 3 3 0 0 0 0 0<br />
f16 0 0 0 0 0 0 0 0 0 0 0 0 0 1 0 1 0 0 0 0 0 0 0 0 0 0 0<br />
f17 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 1 0 0 0 0 0 0 0 0 0 0<br />
f18 0 0 0 0 0 0 0 0 0 0 0 0 0 0 4 0 0 4 0 0 4 4 0 0 0 0 0<br />
f19 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 0 1 1 1 1 1 1 1 1<br />
f20 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 1 0 0 0 0 0<br />
f21 1 1 0 0 0 0 0 1 0 1 1 0 0 1 1 0 0 1 0 0 1 1 0 0 0 0 0<br />
f22 1 1 0 0 0 0 0 1 0 1 1 0 0 1 1 0 0 1 0 0 1 1 0 0 0 0 0<br />
f23 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 0 1 1 1 1<br />
f24 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 0 1 1 1<br />
f25 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 1 0 0<br />
f26 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 1 1<br />
f27 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 1 1<br />
f2<br />
6<br />
f2<br />
7
Anhang<br />
12.3.2.5 Grundlagen zur Berechnung des Ertrags der Kulturarten<br />
Der Ertrag wird von schlecht bis optimal angegeben. Das heißt bei schlechtem Ertrag wird<br />
die Pflanze gerade noch angebaut. Bei optimalem Ertrag sind die durchschnittlichen<br />
Spitzenerträge bei besten Bedingungen angegeben.<br />
In der folgenden Tabelle wird der Ertrag in Kilogramm pro Hektar und Jahr angegeben. Um<br />
die Erträge besser vergleichen zu können wird der durchschnittliche Wassergehalt angeführt.<br />
Tabelle 12-9: Zuteilung der Erträge (kg/ha) je Kulturart in Abhängigkeit der<br />
Feuchtigkeitsgehälter<br />
Quelle: Eigene Zusammenstellung (im-plan-tat Reinberg und Partner)<br />
Kulturart Kulturart schlecht mittel optimal Wassergehalt<br />
f01 Raps – Winterraps 1500 2500 3500 9%<br />
f02 Sonnenblumen 1500 2750 4000 10%<br />
f03 Weizen - Sommerweichweizen 4000 5000 6000 14%<br />
f04 Weizen - Winterweichweizen 5000 6500 8000 14%<br />
f05 Gerste - Sommergerste 3500 4500 5500 14%<br />
f06 Gerste - Wintergerste 4500 5750 7000 14%<br />
f07 Roggen 4000 5250 6500 14%<br />
f08 Triticale 4000 5500 7000 14%<br />
f09 Hafer 4000 4750 5500 14%<br />
f10 Weizen - Hartweizen 3500 4500 5500 14%<br />
f11 Weizen - Dinkel 3500 4500 5500 14%<br />
f12 Körnermais 5000 8000 11000 14%<br />
f13 Silo-und Grünmais 38000 44000 50000 75%<br />
f14 Zuckerrüben 45000 55000 65000 75%<br />
f15 Sojabohnen 1500 2250 3000 14%<br />
f16 Kartoffel 15000 32500 50000 80%<br />
f17 Ölkürbis (Kerne) 30000 50000 70000 14%<br />
f18 Körnererbsen 1500 2500 3500 14%<br />
f19 Miscanthus 10000 14000 18000 0%<br />
f20 Grünland 10000 17500 25000 0%<br />
f21 Klee - Luzerne 10000 20000 30000 0%<br />
f22 Klee - Kleegras 10000 17500 25000 0%<br />
f23 Weide 8000 10000 15000 0%<br />
f24 Pappel 6000 10000 15000 0%<br />
f25 Sudangras 5000 7000 10000 0%<br />
f26 Topinambur Knolle 4000 7000 10000 80%<br />
f27 Topinambur Kraut 3000 5000 7000 75%<br />
168
Tabelle 12-10: Zuteilung der Erträge (kg atro pro ha) je Kulturart<br />
Quelle: Eigene Zusammenstellung (im-plan-tat Reinberg und Partner)<br />
Kulturart c Kulturarten schlecht mittel optimal Einheit<br />
169<br />
ALPot<br />
f01 Raps - Winterraps 1365 2275 3185 kg atro pro ha<br />
f02 Sonnenblumen 1350 2475 3600 kg atro pro ha<br />
f03 Weizen - Sommerweichweizen 3440 4300 5160 kg atro pro ha<br />
f04 Weizen - Winterweichweizen 4300 5590 6880 kg atro pro ha<br />
f05 Gerste - Sommergerste 3010 3870 4730 kg atro pro ha<br />
f06 Gerste - Wintergerste 3870 4945 6020 kg atro pro ha<br />
f07 Roggen 3440 4515 5590 kg atro pro ha<br />
f08 Triticale 3440 4730 6020 kg atro pro ha<br />
f09 Hafer 3440 4085 4730 kg atro pro ha<br />
f10 Weizen - Hartweizen 3010 3870 4730 kg atro pro ha<br />
f11 Weizen - Dinkel 3010 3870 4730 kg atro pro ha<br />
f12 Körnermais 4300 6880 9460 kg atro pro ha<br />
f13 Silo-und Grünmais 9500 11000 12500 kg atro pro ha<br />
f14 Zuckerrüben 11250 13750 16250 kg atro pro ha<br />
f15 Sojabohnen 1290 1935 2580 kg atro pro ha<br />
f16 Kartoffel 3000 6500 10000 kg atro pro ha<br />
f17 Ölkürbis (Kerne) 2580 3870 5160 kg atro pro ha<br />
f18 Körnererbsen 1290 2150 3010 kg atro pro ha<br />
f19 Miscanthus 10000 14000 18000 kg atro pro ha<br />
f20 Grünland 10000 17500 25000 kg atro pro ha<br />
f21 Klee - Luzerne 10000 20000 30000 kg atro pro ha<br />
f22 Klee - Kleegras 10000 17500 25000 kg atro pro ha<br />
f23 Weide 8000 10000 15000 kg atro pro ha<br />
f24 Pappel 6000 10000 15000 kg atro pro ha<br />
f25 Sudangras 5000 7000 10000 kg atro pro ha<br />
f26 Topinambur Knolle 4000 7000 10000 kg atro pro ha<br />
f27 Topinambur Kraut 10000 15000 20000 kg atro pro ha<br />
12.3.3 Agrarischer Modellcluster<br />
Zur Abschätzung des Biomassepotentials in Österreich wurde das räumlich explizites,<br />
lineares Landnutzungsmodell BiomAT (Asamer et al., 2010) entwickelt. Das Modell<br />
maximiert dabei den Gesamtdeckungsbeitrag (TGM) aus der landwirtschaftlichen<br />
Produktion. Die Deckungsbeiträge (c) der einzelnen Produktionsaktivitäten (Index i) werden<br />
dabei für jede homogene Landeinheit (Index h) je Gemeinde in einer Koeffizientenmatrix<br />
(Ah,i) beschrieben. In Form von Leontief Produktionsfunktionen wird die anteilsmäßige<br />
Verteilung der Fruchtfolgen über die Entscheidungsvariable x angepasst.
Anhang<br />
Datengrundlagen liefern das Modell CropRota (Schönhart et al., 2009) und das<br />
biophysikalische Prozessmodell EPIC (Environmental Policy Integrated Climate; Williams,<br />
1995). CropRota liefert dabei Daten zu typischen Fruchtfolgen in den Gemeinden auf Basis<br />
der Ackerlandnutzungen im INVEKOS-Datensatz. Dabei wird über eine Punktematrix (0<br />
Punkte für eine unwünschenswerte Fruchtfolgesequenz bis 10 Punkte für eine sehr<br />
wünschenswerte Fruchtfolgesequenz) die Totalpunkteanzahl (TotValue) maximiert.<br />
Die Entscheidungsvariable wird insofern beschränkt, dass die simulierten Fruchtfolgen<br />
die beobachteten Flächenanteile der 42 möglichen Kulturen wiedergeben.<br />
Erträge bzw. Zuwachsleistungen der verschiedenen Fruchtfolgen werden mit EPIC aufgrund<br />
von Klima-, Boden- und Topographieparametern für jede Gemeinde abgeleitet. Neben den<br />
durchschnittlichen Deckungsbeiträgen (nach BMLFUW, 2008b; Stürmer und Schmid, 2007)<br />
von Fruchtfolgen werden die Prämien der 1. und 2. Säule sowie die der Viehhaltung<br />
mitberücksichtigt. Die Prämiensätze der 2. Säule sind im Modell aufgrund der<br />
Landnutzungsintensität (Standard, reduzierter Einsatz von ertragssteigernden<br />
Betriebsmitteln und Verzicht von ertragssteigenden Betriebsmitteln) abgebildet. Die<br />
durchschnittlichen Deckungsbeiträge je Hektar aus der Viehhaltung leiten sich vom<br />
Tierbestand (INVEKOS-Datensatz) und den tierbezogenen Deckungsbeiträgen (nach<br />
BMLFUW, 2008b) ab.<br />
Die Analysen zur Erzeugerpreisentwicklung, Entwicklung der variablen Kosten in<br />
Abhängigkeit der Rohölpreisentwicklung und die Annahmen zur Entwicklung der Agrarpolitik<br />
liefern die Datengrundlagen für die Modellanalyse mit BiomAT. Die relativen Verschiebungen<br />
von Preisen, Kosten und Prämien (siehe Tabelle 12-4) einzelner Ackerkulturen führen zu<br />
einer Anpassung in der Landnutzung und der Landnutzungsintensität.<br />
170
Tabelle 12-11: Szenarien zur Entwicklung der Agrarpolitik und Agrarpreisen<br />
2006 2015 2020 2030<br />
Erzeugerpreise<br />
Getreide Ref. +45% +44% +42%<br />
Eiweiß und Ölpflanzen Ref. +70% +72% +75%<br />
Milch Ref. +18% +17% +15%<br />
Rindfleisch Ref. +1% +7% +10%<br />
Schweinefleisch Ref. +6% +7% +9%<br />
Variable Kosten<br />
Dünger Ref. +50% +50% +60%<br />
Sonst. VarK Ref. +20% +25% +35%<br />
Dienstleistungen Ref. +30% +35% +45%<br />
Regionale Flächenprämien<br />
Ackerland 176 €/ha 176 €/ha 176 €/ha<br />
Grünland 176 €/ha 176 €/ha 176 €/ha<br />
ext. Grünland 44 €/ha 44 €/ha 44 €/ha<br />
12.3.4 Modell SimBioSe<br />
12.3.4.1 Energiebedarfsszenario<br />
171<br />
ALPot<br />
Abbildung 12-12 zeigt das in den Simulationen des Bioenergiesektors (Kapitel 8) unterstellte<br />
Szenario des Energiebedarfs.<br />
GWh/a<br />
450.000<br />
400.000<br />
350.000<br />
300.000<br />
250.000<br />
200.000<br />
150.000<br />
100.000<br />
50.000<br />
0<br />
Szenario<br />
2000<br />
2002<br />
2004<br />
2006<br />
2008<br />
2010<br />
2012<br />
2014<br />
2016<br />
2018<br />
2020<br />
2022<br />
2024<br />
2026<br />
2028<br />
2030<br />
Bruttoinlandsverbrauch<br />
(Primärenergie)<br />
Wärme gesamt (Nutzenergie)<br />
Kraftstoffe f. Straßenverkehr<br />
(Endenergie)<br />
Raumheitung und<br />
Warmwasser (Nutzenergie)<br />
Elektrische Energie<br />
(Endenergie)<br />
Dampferzeugung und<br />
Industrieöfen (Nutzenergie)<br />
Abbildung 12-12: Darstellung des für die Simulationen des Bioenergiesektor unterstellten<br />
Energiebedarsszenarios<br />
Quelle: eigene Berechnungen und Annahmen (Energy Economics Group, TU <strong>Wien</strong>) auf Basis von<br />
Statistik Austria (2010a), Capros et al. (2008), Kranzl et al. (2010), siehe Abschnitt 8.2.2)
Anhang<br />
12.3.4.2 Modellbeschreibung<br />
Im Folgenden werden die Datenstrukturen, die Funktionsweise von Förderungen und die<br />
Simulationsalgorithmen des Modells beschrieben. Die Modellbeschreibung wurde im Sinne<br />
einer besseren Verwertbarkeit in englischer Sprache verfasst.<br />
Data structures<br />
The main data structures of the model are shown in Figure 2. There are three technology<br />
categories: heat generation plants, electricity / combined heat and power (CHP) plants and<br />
conversion technologies (including primarily biofuel production plants). Each output of<br />
bioenergy technologies is assigned to a certain output cluster, which is characterized by<br />
specific demand-side potentials and reference systems (reference costs / prices, GHG<br />
emissions and fossil fuels consumptions). Demand-side potentials are the upper limits of<br />
energy required of a certain type, for example heat from biomass boilers with about 12 kW<br />
rated power. Energy demand trends, increasing energy efficiency and projected market<br />
diffusion of other renewable energy technologies (like solar thermal collectors) are the main<br />
influencing factors on the demand-side potentials of bioenergy technologies.<br />
The data structure “technology type” contains technology-specific data such as efficiencies,<br />
power range, investment, operation and maintenance costs, technology-specific GHG<br />
emissions (e.g. for auxiliary energy) etc.<br />
Biomass potentials are structured into “fuel types”. The input data for each fuel type include<br />
potentials and costs in the form of a dynamic supply curves, import prices and embedded<br />
use of fossil fuels as well as embedded GHG emissions.<br />
Each technology type is associated with one or more fuel types. The combination of a<br />
technology type with a fuel type is referred to as “utilization path” or “technology path”.<br />
Energy production costs, depending on the fuel price, technology-specific costs and<br />
technology data are calculated for technology paths. The specific GHG emissions per energy<br />
output (based on the embedded emissions of the fuel and the technology-specific emissions)<br />
as well as the specific fossil fuel consumption are also path-specific properties.<br />
Figure 12-13: Main data structures of the model SimBioSys.<br />
Subsidies for bioenergy<br />
The model allows for the simulation of different support schemes for bioenergy. These<br />
support schemes include investment subsidies, premiums for energy from biomass plants,<br />
feed-in tariffs for electricity from bioenergy plants and obligatory quotas. All subsidies are<br />
defined on a yearly basis. Table 12-5 gives an overview of the support schemes and their<br />
properties.<br />
172
Table 12-12: Support schemes and their properties<br />
Type of subsidy Description<br />
173<br />
ALPot<br />
Investment subsidy Defined as share of total investment costs [€/kW], values are defined for<br />
technology types, support costs incur in the year of installation<br />
Premium<br />
Quota<br />
Subsidy on energy production in [€/MWh], values are defined for technology<br />
types, support costs incur during operation (i.e. each year) and are independent<br />
from reference price and fuel price developments<br />
Obligatory generation in [TWh/a], quotas are usually defined for one technology<br />
cluster (e.g. electricity) but can also comprise several clusters (e.g. liquid and<br />
gaseous transport fuels), certificate price is equal to LRMC of most expensive<br />
plant which contributes to fulfilment of quota, support costs incur annually and are<br />
influenced by reference and biomass price developments<br />
Feed-in tariffs (FITs) Guaranteed price for electricity from bioenergy plants [€/MWh], values are defined<br />
on technology type-level and can vary depending on fuel type used, FITs remain<br />
constant for the whole lifetime of plant (usually 15 years) regardless of reference<br />
price, support costs incur annually and are influenced by reference and fuel prices<br />
developments<br />
Simulation algorithm for the deployment of competitive plants<br />
Within the deployment algorithm of the model SimBioSys, investments in bioenergy plants<br />
are simulated based on a myopic least-cost approach. It is assumed that in each simulation<br />
period (each year) the decision-making structure of potential investors in bioenergy is based<br />
on a comparison of the total energy production costs (i.e. the long-run marginal costs –<br />
LRMC) of bioenergy technologies with those of the according conventional reference system.<br />
Energy policy instruments like investment subsidies and tax incentives are taken into account<br />
in the calculation of the energy generation costs.<br />
Simply put, bioenergy plants are deployed if they are competitive under the framework<br />
conditions of the current simulation period and if there are free demand-side and resource<br />
potentials. Apart from these restrictions, diffusion barriers which are modelled with an Sshaped<br />
diffusion curve limit the annual deployment of bioenergy plants on a per-clusterbasis.<br />
The parameters of the cluster-specific diffusion curves are derived from developments<br />
observed in the past (e.g. small-scale heating systems) and exogenous scenarios (e.g.<br />
gaseous transport fuels based on projected stock of gas-fuelled vehicles), respectively.<br />
In Figure 5a the algorithm which is applied for determining the “additional competitive power<br />
capacity” (ACPC) of a bioenergy technology. This figure is to illustrate the basic approach for<br />
one simulation period and one fuel, on the assumption that this fuel is utilized by only one<br />
technology type:<br />
Based on the already installed capacities, the “initial“ demand q* for fuel a and, based on the<br />
supply curve in the current period qBM(p), the according market price p* are determined. In<br />
the situation shown in Fig. 12-13a, the potential of fuel a is not used exhaustively and the<br />
LRMC of technology 1 at the price p* are lower than the according reference price/costs cref,1,<br />
additional capacities are competitive and can be installed. The ACPC (Pecon,1) is calculated<br />
from the potential (q0 – q*) which can be utilized in a competitive way, the annual full load<br />
hours TFL,1 and the main efficiency η1 of the technology, according to Eq. (12.1). (Variable<br />
declarations are summarized in at the end of this section)<br />
=<br />
( q − q )<br />
*<br />
⋅η<br />
0 P econ,<br />
1<br />
1<br />
(12.1)<br />
TFL,<br />
1
Anhang<br />
In general, a certain biomass resource can be utilized by a number of different technologies.<br />
Hence, several utilization paths compete for limited resources. In reality not only the “most<br />
competitive” plants are installed and market players are not able to anticipate the effect of an<br />
increasing demand on the market price of a commodity. The deployment algorithm of the<br />
model SimBioSys was designed in order to reflect these observations.<br />
Figure 12-13b illustrates the deployment algorithm for the case of one fuel which is utilized<br />
by two technologies. In this example both technologies are competitive in the range q* to q’.<br />
In the simulation algorithm the potential (q’ – q*) which is competed for by the two<br />
technologies is distributed proportionally to their “indicators of competitiveness” ak. The<br />
ACPCs for the range q* to q’ are calculated according to Eq. (12.2) to (12.4). In the range (q0<br />
– q’) only technology 1 is competitive and therefore is assigned the whole resource potential.<br />
a) b)<br />
q BM<br />
q max<br />
q 0<br />
q*<br />
c(p BM)<br />
c ref,1<br />
p*<br />
p 0<br />
q a (p BM)<br />
p BM<br />
LRMC 1 (p BM)<br />
p BM<br />
174<br />
q BM<br />
q max<br />
q 0<br />
q´<br />
q*<br />
c(p BM)<br />
c ref,1<br />
c ref,2<br />
p*<br />
A 1<br />
A 2<br />
p 0<br />
q a (p BM)<br />
p BM<br />
LRMC 1 (p BM)<br />
LRMC 2 (p BM)<br />
Figure 12-14: Illustration of the deployment algorithm for one fuel and one (a) and two<br />
technologies (b)<br />
Q<br />
econ,<br />
k<br />
a<br />
A<br />
p BM<br />
k<br />
k = (12.2)<br />
cref<br />
, k<br />
( q´<br />
−q<br />
* )<br />
= n<br />
∑<br />
i=<br />
1<br />
Q<br />
a<br />
⋅ a<br />
econ,<br />
k<br />
Pecon, k = ⋅ηk<br />
TFL,<br />
k<br />
i<br />
k<br />
(12.3)<br />
(12.4)<br />
In the most general case, the deployment of a multitude of technologies, based on numerous<br />
biomass resources is simulated in the way described above. For each resource the fuel<br />
potential which can be utilized in a competitive way is subdivided into a sufficient number of<br />
fractions. For each of these fractions, the indicators of competitiveness are determined for<br />
each technologies and the potential distributed according to Eq. (12.3).
175<br />
ALPot<br />
In the explanations above, the impact of minimum plant capacities and demand-side<br />
potentials as well as diffusion barriers have been neglected. These aspects are considered<br />
as follows:<br />
• If the ACPC determined within the deployment algorithm is less than the minimum<br />
capacity of the according technology, the deployment is set to zero.<br />
• The total generation of each cluster-specific output (both of the main and of<br />
secondary outputs) may not exceed the demand-side potential and the maximum<br />
increase according to the diffusion curve. The additional installation of each<br />
technology is limited accordingly.<br />
The cluster-specific diffusion curves are specified by the parameters αj and Δymax,j. The<br />
maximum additional generation yadd,j is calculated on the basis of these parameters, the<br />
current generation yj and the demand-side potential ymax,j according to Eq. (3.5). Fig. 12-14a<br />
shows the maximum additional generation as a function of the achieved demand-side<br />
potential for different parameter settings. Fig. 12-14b shows the according diffusion curves.<br />
Maximum additional generation as share<br />
of demand-side potential (%)<br />
35<br />
30<br />
25<br />
20<br />
15<br />
10<br />
5<br />
⎛<br />
⎜ −<br />
⎝<br />
j<br />
yadd , j = α j ⋅ y j 1 ⋅ Δy<br />
⎜<br />
max, j<br />
y ⎟<br />
max, j<br />
a) b)<br />
α = 5<br />
Δymax = 25%<br />
α = 2,5<br />
Δy max = 30%<br />
α = 4<br />
Δymax = 10%<br />
α = 4<br />
Δymax = 5%<br />
0<br />
0 20 40 60 80 100<br />
Achieved demand-side potential (%)<br />
y<br />
Achieved demand-side potential (%)<br />
⎞<br />
⎟<br />
⎠<br />
120<br />
100<br />
80<br />
60<br />
40<br />
20<br />
α = 5<br />
Δy max = 25%<br />
α = 2,5<br />
Δy max = 30%<br />
α = 4<br />
Δy max = 10%<br />
0<br />
0 10 20 30<br />
Time<br />
α = 4<br />
Δy max = 5%<br />
Figure 12-15: Maximum additional generation as a function of the achieved demand-side<br />
potential for different parameter settings (a) and the according diffusion curves (b).<br />
(12.5)<br />
Algorithm for the simulation of quotas<br />
Obligatory quotas can be specified for output clusters or groups of output clusters, for<br />
example for liquid transport fuels or separately for 1 st and 2 nd generation biofuels. Sub-quotas<br />
are also possible. The fulfilment of quotas has priority against the deployment of competitive<br />
plants. If more than one quota is specified, quota priorities can be assigned.<br />
Quotas are assumed to be fulfilled in the most cost-effective way. Hence, the modelling<br />
approach is to derive a “least-cost supply curve” (LCSC) for the energy output in demand,<br />
and determine the plant capacities required to reach the quota. The following figures<br />
illustrate the approach of the “quota algorithm”.<br />
In this example it is assumed that there are three technologies which can contribute to the<br />
fulfilment of the quota. Technology 1 and 2 utilize biomass resource “a” and technology 3<br />
biomass resource “b”. Fig. 12-15a shows the supply curves of the biomass resources<br />
pBM,a (qBM,b) and Fig. 12-15b the energy / fuel production costs of the three technologies<br />
(LRMC1 to LRMC3) as functions of the amount of biomass used.
Anhang<br />
From the cost functions of the technologies the LCSC (which shows the energy/fuel<br />
production costs as a function of the fuel/energy supply) is derived. Starting at c0,<br />
technology 1 is the cheapest option for producing the energy output (qa,1 . η1). The next<br />
segment of the LCSC is made up by technology 2 due to a higher efficiency than<br />
technology 1, resulting in a lower slope of the LRMC-curve. From c2 to c3 both technology 2<br />
and technology 3 contribute to the LCSC since they do not compete for the same fuel (as it is<br />
the case for technology 1 and 2). At c3 the maximum supply of fuel a is reached. The last<br />
segment of the LCSC is therefore made up by technology 3 alone.<br />
a)<br />
b)<br />
p BM<br />
pb,max pa,max c(q BM)<br />
c4 c3 c 2<br />
c 1<br />
c o<br />
p BM,a(q BM,a)<br />
q a,max<br />
LRMC 2(q a)<br />
q a,1 q a,2 q b,1<br />
technology 1 (biomass a)<br />
technology 2 (biomass a)<br />
technology 3 (biomass b)<br />
176<br />
LRMC 1(q a)<br />
biomass a<br />
biomass b<br />
q b,max<br />
q BM<br />
LRMC 3(q b)<br />
Figure 12-16: Illustration of the quota algorithm (part 1): supply curves of two fuels (a) and<br />
according energy / fuel generation costs of three technologies.<br />
The demand which results from a given quota is represented by the vertical red line in<br />
Fig. 12-16. The intersection point determines the “certificate price” pC which results from the<br />
quota. At qa,pc and qb,pc (on the biomass supply curves), the LRMC of technology 2 and<br />
technology 3 are equal to pc (Eq. (3.6)). The production capacities required to reach the<br />
quota in a most cost-effective way are determined according to Eq. (3.7).<br />
Minimum capacities of bioenergy plants are also considered within the actual quota<br />
algorithm. Diffusion barriers are not taken into account.<br />
q<br />
LRMC =<br />
q BM<br />
2 ( qa,<br />
pc)<br />
= LRMC3(<br />
qb,<br />
pc ) pc<br />
(12.6)<br />
( q − q )<br />
qb,<br />
pc<br />
P =<br />
⋅η<br />
, P quota,<br />
3 = ⋅η3<br />
(12.7)<br />
T<br />
a,<br />
1<br />
a,<br />
pc a,<br />
1<br />
P quota,<br />
1 = ⋅η1<br />
, quota,<br />
2<br />
2<br />
TFL,<br />
1<br />
TFL,<br />
2<br />
FL,<br />
3
c(q energy/fuel)<br />
c4 c3 pC c 2<br />
c 1<br />
c o<br />
(q a,1 . η1)<br />
tech.2<br />
tech.1<br />
D<br />
tech.2 & 3<br />
(q a,2- q a,1) . η 2 (q a,max -q a,2) . η 2 + q b,1 . η3<br />
177<br />
tech.3<br />
(q b,max- q b,1) . η 3<br />
q energy/fuel<br />
ALPot<br />
Figure 12-17: Illustration of the quota algorithm (part 2): resulting “least-costs supply curve”<br />
for the energy / fuel output in demand.<br />
Nomenclature and further equations<br />
η i<br />
Main efficiency of technology “i“ [1]<br />
η therm, i thermal efficiency of CHP/conversion technology “i”<br />
η ele, i<br />
electrical efficiency of conversion technology “i“ [1]<br />
η byprod , i,<br />
b byproduct “b” output of conversion technology “i“ [t MWhinput -1 ]<br />
cI,i<br />
cO&M,i<br />
TFL,i<br />
pBM,a<br />
pref,y<br />
LRMCi<br />
αi<br />
ii<br />
ni<br />
Investment costs per MW (main output) [€ MW -1 ]<br />
Operation and maintenance costs [€ MW -1 a -1 ]<br />
Annual full load hours of technology “i“ [h a -1 ]<br />
Price of biomass resource “a” [€ MWh -1 ]<br />
Reference price of output cluster “y” [€ MWh -1 ] ([€ Mg -1 ] for byproducts)<br />
Long run marginal costs (total energy generation costs of main output) of<br />
technology “i“ [€ MWh -1 ]<br />
Capital recovery factor<br />
ni<br />
( 1+<br />
ii<br />
) ⋅ii<br />
ni<br />
( 1+<br />
i ) −1<br />
α =<br />
(12.8)<br />
i<br />
i<br />
Interest rate assumed for technology “i“ [1]<br />
Depreciation period assumed for technology “i“ [a -1 ]<br />
Short run marginal costs of heat generation plants:<br />
pBM<br />
, a c<br />
SRMCi<br />
= +<br />
η T<br />
i<br />
O&M<br />
, i<br />
FL,<br />
i<br />
(12.9)
Anhang<br />
Short run marginal costs of electricity/CHP plants (y stands for the according heat cluster):<br />
SRMC<br />
p<br />
c<br />
η<br />
BM , a O&M<br />
, i<br />
therm,<br />
i<br />
i = + − pref<br />
, y ⋅<br />
(12.10)<br />
ηi<br />
TFL,<br />
i ηi<br />
Short run marginal costs of conversion technologies, including biofuel production,<br />
polygeneration and biorefineries (“y1”, “y2” and “b” stand for the according heat, electricity<br />
and by-product cluster):<br />
SRMC<br />
p<br />
c<br />
η<br />
BM , a O&<br />
M , i<br />
therm,<br />
i<br />
ele,<br />
i<br />
byprod , i,<br />
b<br />
i=<br />
+ − pref<br />
, y1<br />
⋅ − pref<br />
, y2<br />
⋅ − pref<br />
, b ⋅<br />
(12.11)<br />
ηi<br />
TFL,<br />
i<br />
ηi<br />
ηi<br />
ηi<br />
Long run marginal costs:<br />
I , i ⋅α<br />
i<br />
c<br />
LRMCi<br />
= SRMCi<br />
+<br />
(12.12)<br />
T<br />
FL,<br />
i<br />
178<br />
η<br />
η