ENERGIE DER ZUKUNFT - EEG - Technische Universität Wien

Programmsteuerung:
Klima- und Energiefonds
Programmabwicklung:
Österreichische Forschungsförderungsgesellschaft mbH (FFG)
ENERGIE DER ZUKUNFT
Endbericht
Strategien für eine nachhaltige
Aktivierung landwirtschaftlicher
Bioenergie-Potenziale
(ALPot)

Projektleitung:
Technische Universität Wien,
Institut für elektrische Anlagen und Energiewirtschaft, Energy Economics Group
Gerald Kalt
Lukas Kranzl
Partner:
Austrian Energy Agency
Heidelinde Adensam
Im-plan-tat Reinberg und Partner
Matthias Zawichowski
Universität für Bodenkultur Wien,
Institut für nachhaltige Wirtschaftsentwicklung
Bernhard Stürmer
Erwin Schmid
Wien 2010

Inhaltsverzeichnis
I Kurzfassung ....................................................................................................................... I
II Zusammenfassung ............................................................................................................ II
III Abstract ........................................................................................................................... XI
IV Summary ........................................................................................................................ XII
1 Einleitung .......................................................................................................................... 1
1.1 Aufgabenstellung ....................................................................................................... 1
1.2 Schwerpunkte des Projektes ..................................................................................... 1
1.3 Einordnung in das Programm .................................................................................... 2
1.4 Verwendete Methoden ............................................................................................... 2
1.4.1 Methodische Ansätze ......................................................................................... 2
1.4.2 Modelle und Schnittstellen .................................................................................. 3
1.5 Aufbau der Arbeit ....................................................................................................... 5
2 Der österreichische Bioenergie-Sektor ............................................................................. 6
2.1 Bioenergie in Österreich – Historische Entwicklung und derzeitige Bedeutung......... 6
2.1.1 Wärme ................................................................................................................ 8
2.1.2 Elektrische Energie ........................................................................................... 10
2.1.3 Verkehr ............................................................................................................. 12
2.2 Energiebedarf der Landwirtschaft ............................................................................ 12
2.3 Derzeitige Bedeutung landwirtschaftlicher Biomasse .............................................. 14
2.3.1 Produktion von Energiepflanzen und NAWAROS ............................................ 14
2.3.2 Biogas ............................................................................................................... 15
2.3.3 Flüssige Biomasse ............................................................................................ 17
2.3.4 Stroh ................................................................................................................. 21
2.3.5 Zusammenfassung ........................................................................................... 22
3 Wirtschaftliche und politische Rahmenbedingungen: Status quo und Szenarien ........... 23
3.1 Energie- und klimapolitische Zielsetzungen ............................................................. 23
3.1.1 Das Kyoto-Protokoll .......................................................................................... 23
3.1.2 Das Klima- und Energiepaket der Europäischen Union ................................... 24
3.1.3 Die EnergieStrategie Österreich ....................................................................... 25
3.2 Szenarien und Potenziale in der Literatur ................................................................ 27
3.2.1 Szenarien von Energiebedarf und -erzeugung ................................................. 27
3.2.2 Biomasse-Potenziale in der Literatur ................................................................ 29
3.2.3 Energiepreisszenarien ...................................................................................... 31
3.3 Agrarwirtschaftliche und -politische Rahmenbedingungen ...................................... 33
3.3.1 Szenario der Landbedeckung ........................................................................... 33

3.3.2 Agrarpolitische Entwicklungen .......................................................................... 34
3.4 Schnittstellen zwischen agrar- und energiewirtschaftlichen Aspekten ..................... 35
3.4.1 Der Einfluss von Energiepreisen auf Produktionskosten landwirtschaftlicher
Erzeugnisse .................................................................................................................... 35
3.4.2 Flächenkonkurrenz aus betriebswirtschaftlicher Sicht ...................................... 36
4 Biomasse-Nutzungspfade ............................................................................................... 39
4.1 Landwirtschaftliche Biomasse- und Bioenergieproduktion ...................................... 40
4.2 Wirtschaftlichkeit verschiedener Bioenergie-Nutzungspfade ................................... 41
4.2.1 Kleinfeuerungsanlagen ..................................................................................... 42
4.2.2 Heizwerke und Prozessdampfanlagen ............................................................. 46
4.2.3 Kraft-Wärme-Kopplungsanlagen ...................................................................... 48
4.2.4 Konversionsanlagen ......................................................................................... 51
5 Agentenbasierte Modellierung – realisierbares Potenzial ............................................... 54
5.1 Entscheidungsverhalten – Interviews ...................................................................... 54
5.1.1 Interviewpartner ................................................................................................ 55
5.1.2 Fragebogen ...................................................................................................... 55
5.1.3 Interviewergebnisse .......................................................................................... 56
5.2 Agentenbasiertes Modell AGRIEN ........................................................................... 60
5.2.1 Modellierung der Agenten ................................................................................. 62
5.2.2 Weitere Modellaspekte ..................................................................................... 65
5.3 Szenarioanalyse ...................................................................................................... 67
5.3.1 Szenarien der Zukunftsentwicklungen im Bereich Landwirtschaft .................... 68
5.3.2 Ergebnisse der Szenarioanalyse ...................................................................... 70
5.3.3 Sensitivitätsanalyse .......................................................................................... 73
6 GIS-basierte Potenzialanalyse ........................................................................................ 74
6.1 Grundlegende Idee – Beschreibung der Herangehensweise .................................. 74
6.1.1 Begriffsdefinitionen, Systemgrenzen und Methodik .......................................... 74
6.1.2 Aufbau des Modells .......................................................................................... 75
6.1.3 Angestrebte Aussagekraft des Modells – Zielsetzungen .................................. 76
6.2 Technische Beschreibung des Modells ................................................................... 76
6.3 Anwendung des Modells – Berechnung von Varianten ........................................... 81
6.3.1 Das Grundmodell .............................................................................................. 81
6.3.2 Variante 1 – Intensive Landwirtschat ................................................................ 82
6.3.3 Variante 2 – Extensive Landwirtschaft .............................................................. 84
6.3.4 Variante 3 – Intensivierung der Fruchtfolge ...................................................... 85
6.3.5 Variante 4 – Intensivierung der Fruchtfolge II ................................................... 86
6.3.6 Variante 5 – Intensivierung der Fruchtfolge III .................................................. 87
6.3.7 Variante 6 – Forcierung von Energiepflanzen .................................................. 88

6.4 Kritische Betrachtung der Ergebnisse ...................................................................... 89
6.4.1 Kritische Betrachtung der Gesamterntemengen ............................................... 89
6.4.2 Schwächen des Modells ................................................................................... 90
6.5 Modellaussagen – Schlussfolgerungen ................................................................... 90
7 Ökonomisches Potenzial der landwirtschaftlichen Biomasseproduktion ........................ 94
7.1 Daten und Methoden ............................................................................................... 94
7.2 Ergebnisse und Interpretation .................................................................................. 95
7.3 Angebotskurven landwirtschaftlicher Biomasse ....................................................... 99
8 Modellierung des Bioenergiesektors – Szenarien der Biomassenutzung bis 2030 ...... 102
8.1 Modellbeschreibung ............................................................................................... 102
8.2 Eingangsdaten und exogene Szenarioparameter .................................................. 103
8.2.1 Referenzsysteme ............................................................................................ 103
8.2.2 Energiebedarf ................................................................................................. 104
8.2.3 Treibhausgasemissionen und kumulierter Energieaufwand ........................... 106
8.2.4 Weitere Parameter und Modellannahmen ...................................................... 108
8.3 Simulationsergebnisse ........................................................................................... 109
8.3.1 No Policy Szenarien ....................................................................................... 110
8.3.2 Current Policy Szenarien ................................................................................ 114
8.3.3 Spezifische Förderszenarien .......................................................................... 118
8.3.4 Varianten ........................................................................................................ 123
8.3.5 Diskussion ...................................................................................................... 126
9 Zusammenfassung, Schlussfolgerungen, Empfehlungen ............................................. 127
9.1 Zusammenfassung der Ergebnisse ....................................................................... 127
9.2 Argumentarium ...................................................................................................... 136
9.3 Empfehlungen ........................................................................................................ 138
10 Literatur ......................................................................................................................... 141
11 Verzeichnisse ................................................................................................................ 149
11.1 Abbildungsverzeichnis ........................................................................................... 149
11.2 Tabellenverzeichnis ............................................................................................... 154
11.3 Abkürzungen .......................................................................................................... 154
12 Anhang .......................................................................................................................... 156
12.1 Technologiedaten .................................................................................................. 156
12.2 Sensitivitätsanalysen zu den Wirtschaftlichkeitsberechnungen ............................. 158
12.3 Modelle .................................................................................................................. 161
12.3.1 Modell AGRIEN .............................................................................................. 161
12.3.2 GIS-Modell ...................................................................................................... 162
12.3.3 Agrarischer Modellcluster ............................................................................... 169
12.3.4 Modell SimBioSe ............................................................................................ 171

Danksagung
Folgenden Personen danken wir für die ausführlichen Diskussionsbeiträge und die
Teilnahme an den Sitzungen des Projektbeirats:
Alexander Bachler
Franz Handler
Franz Kirchmeyr
Karin Mairitsch
Hans Mayrhofer
Kasimir Nemestothy
Jakob Schaumberger
Ernst Schriefl
Emmerich Seidelberger
Nikolaus Arnold
Klaus Wagner
Manfred Wörgetter

I Kurzfassung
I
ALPot
Die Nutzung landwirtschaftlicher Biomasse besitzt das Potenzial, einen signifikanten Beitrag
zu einem zukünftigen nachhaltigen Energiesystem in Österreich zu leisten. Neben
treibenden Faktoren bestehen zahlreiche Barrieren, und eine Forcierung der Produktion und
Nutzung von Energiepflanzen kann unter verschiedenen Gesichtspunkten sehr
unterschiedlich bewertet werden. Im vorliegenden Projekt werden folgende Aspekte der
landwirtschaftlichen Biomasse- und Bioenergieerzeugung analysiert:
(1) Eine zunehmende landwirtschaftliche Energieerzeugung erfordert die Bereitschaft der
Landwirte. Auf Basis von Interviews mit Landwirten und Interessensvertretern werden die
relevanten Entscheidungsstrukturen, Motivationen und Hemmnisse analysiert und in einem
agentenbasierten Simulationsmodell abgebildet. (2) Die naturräumlichen Gegebenheiten der
landwirtschaftlichen Flächen Österreichs stellen zusammen mit den Standortanforderungen
der verschiedenen Kulturarten eine zentrale Rahmenbedingung für eine verstärkte
Energiepflanzenproduktion dar. Auf Basis eines räumlich expliziten Modellierungsansatzes
(GIS-Modell) werden diese analysiert und Szenarien der Ackerflächennutzung erstellt.
(3) Agrarökonomische Aspekte einer verstärkten Produktion von Energiepflanzen sowie die
Auswirkungen auf die Nahrungs- und Futtermittelproduktion werden unter Anwendung
agrarischer Simulations- und Optimierungsmodelle untersucht. (4) Die Wirtschaftlichkeit
energetischer Nutzungspfade landwirtschaftlicher Biomasse wird für unterschiedliche
Szenarien und anhand eines energiewirtschaftlichen Simulationsmodells analysiert.
Die Ergebnisse der Befragungen lassen eine große Bandbreite sowohl an hemmenden, als
auch begünstigenden Faktoren für landwirtschaftliche Energieerzeugung erkennen. Jene des
agentenbasierten Modells zeigen, dass insbesondere ungünstige agrarische
Rahmenbedingungen gekoppelt mit günstigen Rahmenbedingungen für eine Biomasse- bzw.
Bioenergieerzeugung einen starken Trend in Richtung Energieerzeugung bewirken können.
Unter Berücksichtigung der unterschiedlichen Betriebs- und Entscheidungstypen ergibt sich,
dass im Jahr 2030 je nach agrar- und energiewirtschaftlichen Rahmenbedingungen
zwischen 4 und 30% der gesamten landwirtschaftlichen Fläche (Acker und Grünland) für
Bioenergieproduktion genutzt werden. Die Ergebnisse des GIS-Modells zeigen, dass eine
Ausweitung der Energiepflanzenproduktion im Allgemeinen gut mit den naturräumlichen
Gegebenheiten in Einklang zu bringen ist, da diese zum Teil besser den Standortbedingungen
entsprechen als traditionelle Kulturarten. Allerdings verdeutlichen die
agrarökonomischen Analysen die zunehmende Flächenkonkurrenz, die mit einer erhöhten
Wirtschaftlichkeit des Energiepflanzenanbaus einhergeht. Dadurch kommt es zu einer Reduktion
der Nahrungs- und Futtermittelproduktion, insbesondere bei Weizen und Körnermais.
Die Simulationen des Bioenergiesektors zeigen, dass die zukünftige Bedeutung von
Biomasse für die österreichische Energieversorgung stark von den energiepolitischen
Rahmenbedingungen und insbesondere die Ausschöpfung der landwirtschaftlichen
Rohstoffpotenziale von den Preisentwicklungen bei fossilen Energieträgern abhängt.
Außerdem zeigt sich hinsichtlich des Förderbedarfs, der Effizienz (Treibhausgasreduktion,
Einsparung fossiler Energieträger) sowie des möglichen Beitrags zur Energieversorgung
eine starke Abhängigkeit von der Schwerpunktsetzung beim Energiepflanzenanbau. Mit
Ligno-Zellulose (Kurzumtriebsholz) werden aufgrund der guten Wirtschaftlichkeit der Wärmeerzeugung
aus Holz die besten Kosten-Nutzen-Relationen erzielt. Die Chancen der Biogastechnologie
sind vor allem in der Erzeugung von Biomethan aus Reststoffen, überschüssigen
Grünlanderträgen und (bei ausreichender Förderung) aus Zwischenfrüchten zu sehen. Die
mit Kurzumtriebsholz erzielbaren Treibhausgaseinsparungen belaufen sich in einer Simulation
unter Annahme derzeitiger Förderbedingungen auf bis zu 3 Mt CO2-Äqu. im Jahr 2020
und 5,7 Mt im Jahr 2030. Landwirtschaftliche Biomasse macht in diesem Szenario 3 (2020)
bzw. 6% (2030) des inländischen Primärenergieverbrauchs aus. Allerdings werden dafür
auch ein Viertel (2020) bzw. die Hälfte (2030) der verfügbaren Ackerfläche (kein Grünland)
benötigt. Bei einem Fokus auf konventionelle Ackerfrüchte bzw. Biogas sind die unter der
Annahme derzeitiger Förderbedingungen erzielbaren Einsparungen deutlich geringer.

Strategien für eine nachhaltige Aktivierung landwirtschaftlicher Bioenergie-Potenziale
II Zusammenfassung
Fragestellung
Die Nutzung von Biomasse stellt mit einem Anteil von ca. 15% am Bruttoinlandsverbrauch
(2008) die wichtigste Form der erneuerbaren Energiegewinnung in Österreich dar. In den
letzten Jahren kam es zu einem deutlichen Anstieg der energetischen Biomassenutzung, die
nicht zuletzt auch auf eine zunehmende Nutzung landwirtschaftlicher Ressourcen (z.B. Raps
zur Biodiesel- und Weizen zur Bioethanolerzeugung) zurückgeht. Hinsichtlich der
energiepolitischen Zielsetzungen in den Bereichen Treibhausgasemissionen und
Erneuerbare Energieträger (Kyoto-Protokoll, EnergieStrategie Österreich, „2020-Ziele“ etc.)
kann davon ausgegangen werden, dass die Bedeutung erneuerbarer Energieträger in den
nächsten Jahren bzw. Jahrzehnten weiter zunehmen wird. Hinsichtlich der zukünftigen Rolle
landwirtschaftlicher Bioenergieerzeugung sind jedoch zahlreiche Fragen offen. Im
vorliegenden Projekt werden folgende zentrale Fragestellungen untersucht:
• Welche Potenziale landwirtschaftlicher Biomasse können in Österreich unter Berücksichtigung
naturräumlicher und ökonomischer Rahmenbedingungen für eine
energetische Nutzung bereitgestellt werden?
• Welche Rolle spielen dabei die Entscheidungsstrukturen der Landwirte, Betriebstypen
sowie diverse treibende und hemmende Faktoren?
• Welchen Beitrag kann die Landwirtschaft für das österreichische Energiesystem
längerfristig (bis 2030) leisten, und welche Nutzungspfade landwirtschaftlicher
Biomasse sind zur Erreichung energie- und klimapolitischer Zielsetzungen zu
empfehlen?
Methodik
Der methodische Ansatz beinhaltet neben agrar- und energiewirtschaftlichen Analysen die
Durchführung von Interviews mit Landwirten und Interessensvertretern, die Simulation des
daraus abgeleiteten Entscheidungsverhaltens in einem agentenbasierten Modell, sowie
einem räumlich expliziten, auf Geoinformationssystemen (GIS) basierenden Modellansatz.
In einem ersten Schritt werden Daten zur derzeitigen Bedeutung und Struktur der
landwirtschaftlichen Bioenergieerzeugung, den dabei zum Einsatz kommenden Rohstoffen
und Technologien sowie deren Bedeutung für die österreichische Energieversorgung
analysiert. Des Weiteren werden konsistente Szenarien für die zukünftigen energie- und
agrarwirtschaftlichen Rahmenbedingungen erstellt, die eine gemeinsame Datenbasis für die
Modellierungsansätze darstellen.
Da das Entscheidungsverhalten bzw. die Bereitschaft der Landwirte eine Grundvoraussetzung
für eine Ausweitung der landwirtschaftlichen Energieerzeugung darstellt, wird dieser
Aspekt mit Hilfe von Interviews und einer agentenbasierten Modellierung analysiert.
Agentenbasierte Modelle erlauben es, das Verhalten von individuellen und kollektiven
Akteuren abzubilden, wobei die Handlungen der „Agenten“ (in diesem Fall der Landwirte)
über bestimmte Entscheidungsregeln oder -strukturen definiert sind. Für das Modell AGRIEN
wird eine Abbildung der landwirtschaftlichen Betriebe erstellt, wobei zwischen
Hauptproduktionsgebieten, Betriebstypen und -größen, deren Flächenverteilung etc.
unterschieden wird. Auf Basis der Ergebnisse der leitfadenbasierten Interviews werden
jedem Betrieb bestimmte Entscheidungsmuster hinsichtlich der Bereitschaft zur Nutzung der
verfügbaren Acker- und Grünlandflächen für die Energieträgerproduktion unterstellt. Durch
Variation der exogenen agrar- und energiewirtschaftlichen Rahmenbedingungen werden
unterschiedliche Szenarien erstellt, die zeigen, wie sich die individuellen
Entscheidungsmuster auf der Makroebene auswirken. Die Gesamtflächen (Grünland und
Acker), die für die Produktion von landwirtschaftlichen Energieträgern je Haupt-
II

III
ALPot
produktionsgebiet bzw. in ganz Österreich eingesetzt werden, sowie die Anzahl der an der
Energieträgerproduktion beteiligten Betriebe stellen den zentralen Modelloutput dar.
Die naturräumlichen Gegebenheiten der landwirtschaftlichen Flächen Österreichs sind
zusammen mit den Standortanforderungen der verschiedenen Energiepflanzen eine zentrale
Rahmenbedingung, die im Falle einer verstärkten Energiepflanzenproduktion in Betracht
gezogen werden muss. Mithilfe eines auf Geoinformationsdaten basierenden
Modellierungsansatzes (GIS-Modell) werden dynamische Szenarien der Ackerflächennutzung
erstellt. Die Modellergebnisse zeigen, welche Produktionsmengen und regionalen
Verteilungen der Ackerfrüchte sich unter der Annahme einer auf Basis der
Standortbedingungen optimalen (d.h. den naturräumlichen Gegebenheiten am besten
angepassten) Wahl der Pflanzenarten ergeben. Durch Variation von
Fruchtfolgebeschränkungen und anderen Parametern werden Varianten mit
unterschiedlichen Flächenverteilungen und Produktionsschwerpunkten generiert.
Im Gegensatz dazu dient der agrarische Modellcluster (bestehend aus den Modellen
CropRota, EPIC und BiomAT) der Analyse des wirtschaftlich realisierbaren Potenzials
landwirtschaftlicher Energieträger. Dabei werden ebenfalls regional unterschiedliche
Standortbedingungen wie Bodentyp, Topographie und Klima sowie typische Fruchtfolgen
berücksichtigt, für die Wahl der jeweiligen Ackerkulturarten sind jedoch die unter den
szenariospezifischen wirtschaftlichen Rahmenbedingungen (Erzeugerpreise, variable
Kosten, Förderungen) erzielbaren Deckungsbeiträge entscheidend. Durch Variation der mit
Energiepflanzen erzielbaren Erzeugerpreise werden mit dem Modellcluster Angebotskurven
erstellt, die zeigen, welche Mengen landwirtschaftlicher Energieträger bei einem bestimmten
Preisgefüge bereitgestellt werden.
Die energiewirtschaftlichen Analysen beinhalten Wirtschaftlichkeitsberechnungen für
Nutzungspfade landwirtschaftlicher Biomasse zur Erzeugung von Wärme, Strom und
Kraftstoffen sowie die modellbasierte Erstellung von Szenarien des österreichischen
Bioenergie-Sektors. Die mithilfe des agrarischen Modellclusters erstellten Angebotskurven
stellen einen Input für das zu diesem Zweck entwickelte energiewirtschaftliche Modell
SimBioSe dar. Das Modell simuliert auf Basis von Wirtschaftlichkeitsanalysen den Ausbau
von Bioenergieanlagen von 2010 bis 2030, wobei wirtschaftliche Rahmenbedingungen und
energiepolitische Förderungen variiert werden. Damit können die Auswirkungen
verschiedener Rahmenbedingungen auf den energetischen Biomasseeinsatz, d.h. die
Ausschöpfung des primärenergetischen Biomassepotenzials und die End- bzw.
Nutzenergieerzeugung aus Biomasse analysiert, und die Szenarien hinsichtlich
verschiedener Parameter wie Treibhausgaseinsparung oder Förderkosten ausgewertet
werden. Insbesondere wird untersucht, mit welchen Kosten und Nutzen eine forcierte
Energieerzeugung aus landwirtschaftlicher Biomasse verbunden ist, wobei unterschiedliche
Förderschwerpunkte bezüglich der Nutzungspfade (Wärmeerzeugung, Verstromung,
Mobilität) und der Art von Energiepflanzen (konventionelle Ackerfrüchte, Biogaspflanzen,
Kurzumtriebsplantagen) untersucht werden.
Entscheidungsstrukturen der Landwirte und agentenbasiertes Modell
Aus den Interviewergebnissen geht hervor, dass im Wesentlichen zwischen drei
Entscheidungstypen zu unterscheiden ist: Innovative, traditionelle und utilitaristische
Betriebe. Innovative Betriebe stellen nach Einschätzung der Befragten die kleinste Gruppe
dar (5 bis 10% aller Betriebe in Österreich). Sie zeichnen sich durch eine hohe Bereitschaft,
Neues auszuprobieren aus, selbst wenn dies mit einem gewissen Risiko verbunden ist.
Sofern innovative Betriebsführer von der Sinnhaftigkeit überzeugt sind, sind diese Betriebe
am leichtesten (d.h. ohne bzw. mit geringen finanziellen Anreizen) zur landwirtschaftlichen
Energieerzeugung zu bewegen.

Strategien für eine nachhaltige Aktivierung landwirtschaftlicher Bioenergie-Potenziale
Das Entscheidungsverhalten traditioneller Betriebe, die etwa 75 bis 80% aller Betriebe
ausmachen, hängt im Wesentlichen vom Produktions- und Erwerbstyp sowie von der
Einkommenssituation ab. Betriebe mit Tierhaltung haben oft nicht die Möglichkeit
landwirtschaftliche Flächen für die Energieträgerproduktion bereitzustellen, da diese Flächen
für die Viehzucht benötigt werden. Sollte aus wirtschaftlichen oder sonstigen Gründen die
Tierhaltung aufgegeben werden, stellt die Energieträgerproduktion jedoch eine attraktive
Alternative dar. Traditionelle Marktfruchtbetriebe hingegen sind weitaus flexibler und können
auch kurzfristig auf Energieträgerproduktion umsteigen, sofern dies mit einem höheren
Deckungsbeitrag verbunden ist. Gemischte Betriebe, die häufig auch über Waldflächen
verfügen, zeichnen sich nach Einschätzung der Interviewpartner durch die höchste
Bereitschaft zur Bewirtschaftung von Kurzumtriebsflächen aus.
Für utilitaristisch entscheidende Betriebe stehen Preis- und Markterwartung im Vordergrund.
Im Gegensatz zu traditionellen Betrieben haben bei utilitaristischen Betrieben Förderungen
für die Energieträgerproduktion keinen so bedeutenden Einfluss auf das Entscheidungsverhalten,
da für sie längerfristige Marktentwicklungen entscheidend sind.
In den Interviews wurden zahlreiche hemmende und begünstigende Faktoren für eine
landwirtschaftliche Energieträgerproduktion bzw. Energieerzeugung genannt. Diese werden
in persönliche, betriebsinterne, externe und naturräumliche Faktoren eingeteilt. Zu den
persönlichen Faktoren zählen beispielsweise die Risikobereitschaft, persönliche Präferenzen
und Wertehaltungen oder persönliche Erfahrungen. Betriebsinterne Faktoren spiegeln die
Lage des Betriebes wider, beispielsweise die Verfügbarkeit freier Flächen, Liquidität oder
kürzlich getätigte oder bevorstehende Investitionen. Unter externe Faktoren fallen
Förderungen, Abnahmeverträge, Zahlungskonditionen und Marktpreise. Die naturräumlichen
Gegebenheiten bzw. die Eignung verschiedener Energiepflanzen für die zur Verfügung
stehenden Flächen können unter „naturräumliche Faktoren“ zusammengefasst werden.
Hauptergebnis des agentenbasierten Modells AGRIEN sind die bei verschiedenen
wirtschaftlichen Rahmenbedingungen resultierenden Flächenanteile (Acker- und Grünland),
die zur Energieträgerproduktion eingesetzt werden. Insgesamt wurden neun unterschiedliche
Szenario-Kombinationen simuliert, wobei die Rahmenbedingungen für Landwirtschaft und
Bioenergieproduktion mittels Indikatoren für agrar- und energiewirtschaftliche
Rahmenbedingungen von „ungünstig“ („Pro“) bis „vorteilhaft“ („Contra") variiert wurden. Die
Simulationsergebnisse zeigen, dass in den betrachteten Szenarien zwischen 4 % und 30 %
der landwirtschaftlich genutzten Fläche für die Produktion von landwirtschaftlichen
Energieträgern aufgewendet wird (siehe Tabelle II-1). Der höchste Anteil wird
erwartungsgemäß bei unvorteilhaften Rahmenbedingungen für die Landwirtschaft
(„Landwirtschaft Contra“), aber sehr günstigen Rahmenbedingungen für die
Bioenergieproduktion („Bioenergie Pro“) erzielt.
In nahezu allen Szenarien kommt es im nordöstlichen Flach- und Hügelland zum stärksten
Ausbau der Energieträgerproduktion, was auf die Struktur der landwirtschaftlichen Betriebe
(Betriebsart und -größen) zurückzuführen ist. In Hauptproduktionsgebieten mit großer
Bedeutung der Tierhaltung (Alpenvorland und Voralpen) gewinnt die Energieträgerproduktion
selbst unter günstigen Rahmenbedingungen nur geringfügig an Bedeutung.
IV

Tabelle II-1: Zusammenfassung der Simulationsergebnisse des Modells AGRIEN: Flächen
zur Energieträgerproduktion in Österreich im Jahr 2030 unter Annahme verschiedener
landwirtschaftlicher und energiewirtschaftlicher Rahmenbedingungen 1
Fläche mit
Energieträgerpro‐
duktion in % der
Gesamtfläche 2030
Bioenergie
V
ALPot
Landwirtschaft
Landwirtschaftl.
Energieträger‐ Landwirtschaft
Pro Trend Contra
produktion in ha
2030
Pro Trend Contra
Pro 21 % 28 % 30 %
Bioenergie
Pro 444.211 582.596 630.242
Trend 8 % 10 % 12 % Trend 175.058 214.713 238.963
Contra 4 % 5 % 6 % Contra 81.402 107.133 128.401
GIS-Modell
Mithilfe des GIS-Modells werden dynamische Szenarien der Ackerflächennutzung erstellt.
Dabei ist als zentrale Annahme unterstellt ist, dass auf jedem der ca. 46.000 im Modell
abgebildeten Flächenpolygone jene Ackerfrüchte angebaut werden, die hinsichtlich der
naturräumlichen Gegebenheiten, der Standortanforderungen der Pflanzenarten sowie
hinsichtlich Fruchtfolgebeschränkungen am besten geeignet sind. Das Modell baut auf der
Annahme auf, dass keine künstlichen Veränderungen der naturräumlichen Standortbedingungen
(z.B. Pflanzenschutzmittel) bei der Produktion der Kulturarten vorgenommen
werden. Die Modellergebnisse zeigen, welche Produktionsmengen und regionalen
Verteilungen der Ackerfrüchte sich unter diesen Rahmenbedingungen ergeben, und geben
somit Aufschluss, inwiefern die naturräumlichen Gegebenheiten eine Einschränkung für den
verstärken Anbau verschiedener Energiepflanzen darstellen. Durch Variation von
Fruchtfolgebeschränkungen und anderen Parametern werden Varianten mit
unterschiedlichen Flächenverteilungen und Produktionsschwerpunkten generiert.
Abbildung II-1 zeigt eine Zusammenfassung der Simulationsergebnisse in den
verschiedenen Varianten.
Dieser Ansatz führt gegenüber der derzeitigen, realen Flächennutzung zu einer starken
Extensivierung mit hohen Flächenanteilen von Ackerwiese und anderen extensiven
Kulturarten. Durch diverse Einschränkungen bei Begrünung kann dieser starke
Extensivierungstrend exogen abgeschwächt werden, und Kulturarten wie Weizen oder Mais
setzen sich stärker durch (Varianten „intensive Landwirtschaft“, „Fruchtfolge intensiv I bis
III“). Unabhängig davon zeigt sich hinsichtlich der Flächenanteile von „neuen“ Kulturarten
(insbesondere Kurzumtriebsholz), dass diese den Standortbedingungen teilweise besser
entsprechen als traditionelle Kulturarten. Die Ergebnisse deuten also darauf hin, dass es
durch den verstärkten Energiepflanzenanbau nicht per se zu einer Intensivierung der
Flächennutzung kommt. Die Anforderungen von Energiepflanzen entsprechen zum Teil
besser den Standortbedingungen auf österreichischen Ackerflächen, als derzeit weit
verbreitete konventionelle Ackerfrüchte.
1
Die hier berücksichtigten Flächen beinhalten Acker- und Grünland exklusive dem
Hauptproduktionsgebiet „Hochalpengebiet“.

Strategien für eine nachhaltige Aktivierung landwirtschaftlicher Bioenergie-Potenziale
t/a
20.000.000
15.000.000
10.000.000
5.000.000
0
Statistik Austria 2008 **
107%
Grundmodell
132%
extensive Landwirtschaft
98% 96%
intensive Landwirtschaft
VI
Mengen‐Outputs der Varianten (Mittelwerte)
im Vergleich zur Erntemenge 2008
"Ackerwiese" sonstige Kulturarten
%‐Angaben zeigen Abweichungen zur
Erntemenge 2008
Abbildung II-1: Zusammenfassung der Simulationsergebnisse des GIS-Modells: Vergleich
der durchschnittlichen jährlichen Gesamterntemengen in den verschiedenen Varianten
** In den Daten der Statistik Austria 2008 sind die Mengen aller erhobenen Kulturarten erfasst.
Agrarischer Modellcluster – Agrarwirtschaftliche Aspekte
Die Abschätzung des heimischen, ökonomischen, agrarischen Biomassepotenzials
berücksichtigt (1) das agronomische Potential in Form von standortspezifischen
Pflanzenerträgen, welche mit dem bio-physikalischen Prozessmodell EPIC simuliert wurden,
(2) regional typische Fruchtfolgen, welche mit dem Modell CropRota bestimmt wurden, und
(3) standortspezifische Opportunitätskosten alternativer Verwertungsmöglichkeiten, welche
mit BiomAT abgeschätzt werden. Mit dem räumlich expliziten
Landnutzungsoptimierungsmodell BiomAT werden auf Gemeindeebene Fruchtfolgen
ausgewählt, die den höchsten Gesamtdeckungsbeitrag unter Berücksichtigung der
regionalen Standortqualitäten (Boden, Wetter und Topographie) und
Ackerflächenausstattungen aufweisen. Um Angebotsmengenreaktionen in BiomAT
abzuschätzen, sind in den Modellsimulationen Biomasseoutputprämien in unterschiedlicher
Höhe vorgegeben worden. sodass sich die Deckungsbeitragsunterschiede zugunsten des
Energiepflanzenbaus verschieben. Modellergebnisse zeigen, dass sowohl das
Flächenausmaß als auch die Produktionsintensität steigen. Jedoch wirkt das österreichische
Agrarumweltprogramm (ÖPUL) dem entgegen, sodass relativ hohe Biomasseprämien nötig
wären, um die heimische, agrarische Biomasseproduktion zu fördern.
Die Simulationsergebnisse zeigen auch, dass durch die heimische, agrarische
Biomasseproduktion und aufgrund der begrenzten Flächenverfügbarkeit die Fläche für die
Nahrungs- und Futtermittelproduktion sinkt, vor allem von Weizen und Körnermais (siehe
Abbildung II-2). Zudem ändert sich die Verwertung. So wird z. B. Futterweizen vermehrt in
der Ethanolproduktion oder GPS-Weizen in der Biogasproduktion eingesetzt. Zu stärkeren
Änderungen im Kulturartenverhältnis kommt es vorwiegend durch den Anbau von
Kurzumtriebsgehölzen.
Fruchtfolge intensiv I
81%
Fruchtfolge intensiv II
87%
Fruchtfolge intensiv III
98%
Energiepflanzen

Körnermais
Weizen
Durum
Roggen
Triticale
S‐Gerste
W‐Gerste
Hafer
Erbse
Ackerbohne
Sojabohne
Raps
Sonnenblume
Silomais
Zuckerrübe
Kartoffel
Gemüse
Luzerne
Rotklee
Kleegras
Ackerwiese
Brache
Energie_Weizen
Energie_Triticale
Energie_Roggen
Energie_Körnermais
Energie_Zuckerrübe
Energie_Raps
Energie_Sonnenblume
Pappel 3J
Pappel 10J
Energie_KleegrasHeu
Energie_AckerwieseHeu
Biogas_Weizen
Biogas_Roggen
Biogas_Triticale
Biogas_Silomais
Biogas_Körnermais
Biogas_Sonnenblume
Biogas_Kleegras
Biogas_Ackerwiese
‐140 ‐120 ‐100 ‐80 ‐60 ‐40 ‐20 0 20 40 60 80 100 120
Veränderung der Fläche in '000 ha
VII
Biomasseprämie:
100 €/t atro
60 €/t atro
20 €/t atro
Abbildung II-2: Veränderung der Ackerlandnutzungen in Abhängigkeit der Biomasseprämie
Simulationen des Bioenergie-Sektors – Energiewirtschaftliche Aspekte
ALPot
Mit dem Modell SimBioSe werden Szenarien des Biomassesektors erstellt, wobei
wirtschaftliche und energiepolitische Rahmenbedingungen wie Preise fossiler Energieträger
oder Förderungen für Biomasseanlagen berücksichtigt werden. Konkret wird der Ausbau von
Biomasseanlagen (Kleinfeuerungsanlagen, Heizwerke, KWK-Anlagen und Kraftstoff-
Produktionsanlagen) unter der Annahme rein wirtschaftlich entscheidender (potenzieller)
Anlagenbetreiber simuliert. Voraussetzung für die energetische Nutzung der verfügbaren

Strategien für eine nachhaltige Aktivierung landwirtschaftlicher Bioenergie-Potenziale
primärenergetischen Potenziale ist daher, dass eine Nutzung unter den jeweiligen
Rahmenbedingungen (Energiepreise, Förderungen etc.) im Vergleich zum entsprechenden,
auf fossilen Energieträgern basierenden Referenzsystem wirtschaftlich ist. Damit können die
Auswirkungen verschiedener Rahmenbedingungen auf den energetischen Biomasseeinsatz,
d.h. die Ausschöpfung des primärenergetischen Biomassepotenzials und die Energieerzeugung
aus Biomasse simuliert und ausgewertet werden.
Die Simulationen des Bioenergie-Sektors beinhalten folgenden Szenariengruppen: No
Policy-Szenarien (keine Förderung für Bioenergie, auch nicht in Form von steuerlichen
Begünstigungen), Current Policy-Szenarien (derzeitige Förderungen und Steueranreize) und
Spezifische Förderszenarien (sukzessive Steigerung des Förderniveaus für bestimmte
Anwendungen). Die Ergebnisse der No Policy- und der Current Policy-Szenarien werden in
erster Linie in Hinblick auf die Bedeutung, die landwirtschaftliche Biomasse für die
Energieversorgung einnimmt, analysiert. Bei den spezifischen Förderszenarien steht die
Gegenüberstellung von Förderkosten und Nutzen (hinsichtlich THG-Einsparung und
Einsparung fossiler Energieträger) im Vordergrund, sowie die Frage, welche Nutzungspfade
(landwirtschaftlicher) Biomasse aus einer energiewirtschaftlich-systemischen Sichtweise zu
bevorzugen sind. Hinsichtlich der Preisentwicklung bei fossilen Energieträgern wird zwischen
dem Szenario Niveau 2006 (auf dem Niveau des Jahres 2006 konstante Realpreise) und
dem Szenario FAO/Primes (mit einem bis 2020 auf knapp über 100 $2007/bbl steigenden
Rohölpreis) unterschieden.
Im No-Policy-Szenario können unter Annahme des Preisszenarios Niveau 2006
Energiepflanzen praktisch nicht genutzt werden. Bis 2030 kommt der einzige nennenswerte
Beitrag landwirtschaftlicher Biomasse von der Nutzung von Stroh in größeren KWK-Anlagen
und in sehr geringem Umfang von der Verstromung von Pflanzenöl. Im Übrigen kommt es in
dem Szenario zu einer Konzentration des Bioenergiesektors auf die wenigen Bereiche, in
denen die Biomassenutzung bei einem niedrigen Preisniveau und ohne Förderungen
wirtschaftlich ist: Kleinfeuerungsanlagen im 50 kW-Bereich und die Erzeugung von
Prozesswärme auf Basis forstlicher Biomasse. Im Preisszenario FAO/Primes werden auch
größere Biogas-BHKWs (ab 500 kW) auf Basis von Mais wirtschaftlich, der
Hauptunterschied zum Niveau 2006-Szenario liegt jedoch im deutlich höheren Einsatz
forstlicher Biomasse in Kleinfeuerungsanlagen und Heizwerken. Landwirtschaftliche
Biomasse spielt also im No-Policy-Szenario auch im Fall eines Preisanstieges bei fossilen
Energieträgern entsprechend dem Szenario FAO/Primes eine relativ geringe Rolle.
Die Current Policy Szenarien geben Aufschluss darüber, welche energetischen
Nutzungspfade landwirtschaftlicher und sonstiger Biomasseressourcen unter den derzeitigen
energiepolitischen Rahmenbedingungen wirtschaftlich sind bzw. in Zukunft wirtschaftlich
werden könnten, und in welchen Bereichen auf Basis wirtschaftlicher, bedarfs- und
angebotsseitiger Potenziale ein Ausbau der Biomassenutzung möglich ist. Im Gegensatz zu
den No Policy Szenarien kommt es hier im Preisszenario FAO/Primes zu einem starken
Ausbau im landwirtschaftlichen Bioenergiesektor, und die Frage, welche Art von
Energiepflanzen von der Landwirtschaft bereitgestellt werden, gewinnt an Bedeutung. Es
werden daher Szenarien mit drei verschiedenen Rohstoffschwerpunkten simuliert
(Konventionelle Ackerfrüchte, Biogaspflanzen und Ligno-Zellulose). Die Ergebnisse zeigen,
dass der Schwerpunkt Ligno-Zellulose längerfristig zum höchsten Ausbau
landwirtschaftlicher Biomassenutzung, und damit auch zu den höchsten
Treibhausgasreduktionen (3 Mt CO2-Äqu. im Jahr 2020 und 5,7 Mt im Jahr 2030) und den
höchsten Einsparungen fossiler Energieträger (15 bzw. 27 TWh in den Jahren 2020 und
2030) führt. Diese Einsparungen sind allerdings nur mit einer signifikanten Ausweitung des
Energiepflanzenanbaus erzielbar (ca. 300.000 bzw. 600.000 ha Ackerflächen in den Jahren
2020 und 2030, was nahezu einem Viertel bzw. der Hälfte der gesamten Ackerfläche in
Österreich entspricht), d.h. einer Verdrängung der konventionellen Ackerflächennutzung. Mit
den Rohstoffschwerpunkten Konventionelle Ackerfrüchte und Biogaspflanzen werden
deutlich niedrigere Einsparungen erzielt (um 2020 typisch die Hälfte und ab 2025 typisch ein
Drittel der Treibhausgaseinsparungen im Ligno-Zellulose-Szenario). Abbildung II-3 zeigt eine
VIII

IX
ALPot
Zusammenfassung der primärenergetischen Nutzung landwirtschaftlicher und sonstiger
Biomasse inländischer Herkunft in den No Policy und den Current Policy-Szenarien in den
Jahren 2020 und 2030.
No Policy Current Policy No Policy Current Policy
FAO/Primes - Ligno-Zellulose
FAO/Primes - Biogaspflanzen
FAO/Primes - Konv. Energiepflanzen
Niveau 2006 - Ligno-Zellulose
Niveau 2006 - Biogaspflanzen
Niveau 2006 - Konv. Energiepflanzen
FAO/Primes
Niveau 2006
FAO/Primes - Ligno-Zellulose
FAO/Primes - Biogaspflanzen
FAO/Primes - Konv. Energiepflanzen
Niveau 2006 - Ligno-Zellulose
Niveau 2006 - Biogaspflanzen
Niveau 2006 - Konv. Energiepflanzen
FAO/Primes
Niveau 2006
Prognose 2010
Historische Nutzung 2000
PJ/a
0 50 100 150 200 250
0 10.000 20.000 30.000 40.000 50.000 60.000 70.000
GWh/a
2030
2020
sonstige Biomasse
Landwirtschaftliche
Biomasse
Abbildung II-3: Zusammenfassung der Simulationsergebnisse: Primärenergetische
Nutzung 2 landwirtschaftlicher und sonstiger Biomasse inländischer Herkunft in den No
Policy- und den Current Policy-Szenarien
„FAO/Primes“ und „Niveau 2006“ sind die Bezeichnungen der Preisszenarien (siehe Text). Bei den
Current Policy-Szenarien wird zwischen den Rohstoffschwerpunkte „Konventionelle Energiepflanzen“,
„Biogaspflanzen“ und „Ligno-Zellulose“ unterschieden (Zwischenfrüchte und Grünlandpotenziale hier
nicht berücksichtigt).
In den spezifischen Förderszenarien wird durch Variation des Förderniveaus für
verschiedene Schwerpunktsetzungen analysiert, welcher Zusammenhang zwischen
Förderkosten und Treibhausgasreduktion bzw. Einsparung fossiler Energieträger besteht,
und welchen Ackerflächenbedarf für Energiepflanzen unterschiedliche Förderniveaus zur
Folge haben. Die Simulationen zeigen, dass Förderschwerpunkte auf Basis von Ligno-
Zellulose in einer systemischen Betrachtung hinsichtlich dieser energiewirtschaftlicher
Kriterien die besten Kosten-Nutzen-Relationen aufweisen, insbesondere im Bereich der
Wärmeerzeugung.
2 Im Gegensatz zu offiziellen Statistiken nach Eurostat bzw. Statistik Austria repräsentieren die hier
dargestellten Primärenergiemengen die tatsächlich eingesetzte Biomasse inklusive der bei
Konversionsprozessen (z.B. Holzvergasung, Fischer-Tropsch-Synthese) auftretenden Verluste. Im
Fall von Biogas stellt der Energieinhalt des genutzten Rohgases die für den Primärenergieeinsatz
relevante Größe dar.

Strategien für eine nachhaltige Aktivierung landwirtschaftlicher Bioenergie-Potenziale
Interpretation und Schlussfolgerungen
Die zukünftige Stellung landwirtschaftlicher Biomasseerzeugung hängt von zahlreichen
agrarischen und energiewirtschaftlichen Faktoren ab, aber auch persönliche Präferenzen
und Einstellungen der Landwirte spielen eine Rolle. Der Ausbau der Biomasseproduktion ist
mit verschiedenen Trade-Offs verbunden, deren Implikationen und Konsequenzen
untersucht werden müssen. Beispielsweise können Energiepflanzen andere Kulturen für die
Futtermittel- oder Lebensmittelproduktion verdrängen, in Jahren mit hohen Erntemengen
kann die energetische Nutzung jedoch auch marktentlastend wirken. Bei entsprechender
Förderung der Biomasseproduktion bzw. -nutzung ist mit einer Zunahme der
Bewirtschaftungsintensität zu rechnen, die den Zielen des ÖPULs entgegenwirken kann. Um
dies zu vermeiden, sind Rahmenbedingungen zu schaffen, die etwa die Verwertung von
Reststoffen, ungenutztem Pflanzenmaterial oder auch Zwischenfrüchten favorisieren.
Die landwirtschaftliche Biomasse- und Bioenergieerzeugung kann durch Verschaffung von
zusätzlichen Einkommensquellen den Erhalt der landwirtschaftlichen Nutzung gegenüber der
Verwaldung unterstützen, und zur Entwicklung des ländlichen Raumes beitragen. Zudem
kann eine (teilweise) Abfederung der Schwankungen von Weltmarktpreisen, sowohl bei
Agrarprodukten, als auch Energieträgern erzielt werden. Zu den potenziellen negativen
Aspekten zählen neben einer verstärkten Flächenkonkurrenz etwa die (insbesondere im
globalen Kontext brisanten) Risiken einer verstärkten Kopplung von Agrar- und
Energiepreisen und zum Teil hoher Förderbedarf der landwirtschaftlichen Energieerzeugung.
Die standörtlichen und regionalen Gegebenheiten sind dabei von zentraler Bedeutung, die
es im Zuge der Frage, welchen Energiepflanzen bzw. welchen Nutzungspfaden der Vorzug
gegeben werden soll, zu beantworten gilt. Die Frage, inwiefern die verstärkte
Flächenkonkurrenz zu einem erhöhten Import von Nahrungs- und Futtermitteln führt, wird
nicht zuletzt auch von Ernährungsgewohnheiten und der Effizienz im Nahrungsmittelsektor
(Stickwort Fleischkonsum, Verschwendung und Lebensmittelabfälle).
Der mögliche Beitrag landwirtschaftlicher Biomasse zur österreichischen Energieversorgung
hängt in hohem Maße von energiepolitischen Schwerpunktsetzungen und Förderbudgets ab;
unter Berücksichtigung von Opportunitätskosten und ökonomischen Rahmenbedingungen
zeigt sich jedoch in jedem Fall ein deutlich geringeres Potenzial, als auf Basis rein
naturwissenschaftlich-technischer Analysen. Die Projektergebnisse unterstreichen damit die
Bedeutung eines effizienten Ressourcenumgangs, sowohl im Bereich der fossilen und
erneuerbaren Energieerzeugung und -nutzung, als auch im Bereich der Nahrungsmittelversorgung.
X

III Abstract
XI
ALPot
The use of agricultural biomass has the potential to make a significant contribution to a future
sustainable energy system in Austria. Besides driving factors, there are also barriers and
controversial aspects of an enhanced production of energy crops, which need to be
assessed. In this project the following aspects of agricultural biomass and bioenergy
production are analyzed:
(1) The willingness and initiative of farmers is a precondition for increasing energy production
from agricultural biomass. Based on interviews with farmers and stakeholders, the relevant
decision-making structures, motivations and barriers are analyzed and incorporated in an
agent-based simulation model. (2) The natural conditions (soil, radiation, precipitation etc.) of
agricultural land in Austria, together with the requirements of the different crop species are a
major determining factor for an enhanced energy crop production. A spatially explicit
modelling approach (GIS-model) is used to analyze the constraints which arise from the
natural conditions and to derive scenarios for the arable land use in Austria. (3) Agroeconomic
aspects of agricultural bioenergy, as well as implications for the food and feed
production are investigated, using simulation and optimization models. (4) The economics of
various options of energy generation from agricultural biomass are analyzed for different
scenarios and based on an economic simulation model for the Austrian bioenergy sector.
The results of the interviews reveal a wide range of inhibitory as well as supporting factors for
agricultural energy production. The results of the agent-based model show that particularly
unfavourable agricultural conditions together with advantageous conditions for bioenergy can
result in a strong trend towards agricultural energy production. Taking into account the
different decision-making structures, farm types and sizes etc., the model results indicate
that in the year 2030, depending on the agricultural and energy economic conditions, 4 to
30% of the total agricultural land (arable land and grassland) are used for bioenergy
production. The results of the GIS-model show that an enhanced production of energy crops
can basically be brought in line with environmental aspects, since the requirements of energy
crops are often better suited for the natural conditions than those of conventional crops.
However, the agro-economic analyses illustrate the increasing competition for land that is
associated with an enhanced cultivation of energy crops. This is likely to result in a reduction
of food and feed production, especially of wheat and grain maize.
The simulations of the bioenergy sector show that the future role of biomass for the Austrian
energy supply depends heavily on both energy policy framework conditions and (particularly
with regard to agricultural biomass) on fossil fuel price developments. Apart from that, the
efficiency of agricultural bioenergy production (with regard to the amount and costs of
greenhouse gas mitigation and substitution of fossil fuels) is highly influenced by the choice
of plant species. The best cost-benefit-ratios are achieved with ligno-cellulosic plants (short
rotation coppice), primarily due to the good economic performance of the heat generation
with woody biomass. For the production of biogas (and biomethane, respectively) the
utilization of waste material, surplus material from grassland and (under the precondition of
adequate support schemes) of catch crops should be favoured.
In a Current Policy-simulation with a focus on short rotation coppice, greenhouse gas
savings from agricultural bioenergy production amount to 3 Mt CO2-eq. in 2020 and 5.7 Mt in
2030. Agricultural biomass accounts for 3% of the total primary energy consumption in 2020
and 6% in 2030. However, the arable land required for energy crop cultivation in this
scenario accounts for about 25% of the total arable land (no grassland) in 2020 and close to
50% in 2030. Both greenhouse gas savings and the achievable contribution to the energy
supply are clearly lower in the case of a focus on conventional energy crops (e.g. oilseeds,
cereals) or biogas plants.

Strategien für eine nachhaltige Aktivierung landwirtschaftlicher Bioenergie-Potenziale
IV Summary
Objective
With a share of about 15% of the total primary energy consumption (2008), biomass is the
most important source of renewable energy in Austria. In recent years, there has been a
significant increase in biomass use for energy, partly due to the growing use agricultural
resources (such as rapeseed for biodiesel and wheat for bioethanol production). With regard
to energy policy objectives in the field of greenhouse gas mitigation and renewable energy
sources (Kyoto Protocol, Renewable Energy Action Plan, "2020 targets" etc.), it is expected
that the importance of renewable energy will continue to rise in the coming years and
decades. Regarding the future role of agricultural bioenergy production, however, several
aspects demand close examination. In this project the following key questions are examined:
• What are the potentials of agricultural biomass in Austria, taking into account biophysical
and economic framework conditions?
• To what extent do decision-making structures of agricultural enterprises or
farmers, farm types and various driving and restraining factors have an impact on
the feasibility of potentials for agricultural biomass production?
• What is the achievable contribution of agricultural biomass to the Austrian energy
system up to 2030 and to the fulfilment of energy and climate policy objectives?
Methodology
The methodological approaches include economic analyses as well as simulations of
decision-making structures with an agent-based model (the input data are based on
interviews with farmers and agricultural stakeholders) and a spatially explicit modelling
approach, based on geographical information systems.
In a first step, data on the current state and structure of agricultural biomass use as well as
the utilization paths and technologies applied are analyzed. The current importance for the
Austrian energy supply is discussed. Consecutively, consistent scenarios for the future of
agro- and energy-economic framework conditions are derived. These scenarios are a
common database for the following modelling approaches.
The willingness and initiative of farmers is a precondition for increasing energy production
from agricultural biomass. Therefore, decision-making structures which are derived from
interviews with farmers and stakeholders are analyzed with the use of the agent-based
model AGRIEN. Basically, agent-based models simulate the operations and interactions of
agents (farmers, in this case), in an attempt to assess the effects of individual actions, which
are based on specific rules for decision-making, on an aggregated level. The decisionmaking
structures of the farmers in AGRIEN depend on the farm type and size, their
available agricultural land, regional characteristics etc. These parameters determine, to what
extent and under which conditions each agent is willing to use agricultural land for biomass
production. Exogenous scenario assumptions (primarily agro- and energy economic
framework conditions) are varied in order to derive different scenarios and gain insight into
the effect of different scenario settings. The core results of the model are the share of
agricultural land (including arable land and grassland) which is used for biomass production
on a regional and national level as well as the number of agricultural enterprises involved.
The natural conditions (soil, radiation, precipitation etc.) of agricultural land in Austria,
together with the requirements of the different crop species are a major determining factor for
an enhanced energy crop production. A spatially explicit modelling approach, based on
geographic information data (GIS-model) is used to analyze the constraints which arise
from the natural conditions and to derive scenarios for the arable land use in Austria. The
core model assumption is that each area element is occupied with the crop species which is
XII

XIII
ALPot
suited best according to the natural conditions of the area and the requirements of crops.
Crop rotation is also taken into account. The model results are dynamic, spatially explicit
scenarios of arable land use, as well as according production volumes. Different scenarios
are derived by applying variations in crop rotation rules and other setting.
In contrast, the agro-economic model cluster (consisting of the models CropRota, EPIC
and BiomAT) is used to analyze the economic potentials of energy crops. Again, natural
conditions like soil, precipitation etc. are taken into account as well as crop rotation.
However, in this modelling approach, economic framework conditions (market prices,
variable costs, subsidies etc.) determine the choice of crops and the resulting production
volumes. Supply curves for energy crops are derived from different simulation runs with
varying producer prices.
Consecutively, the economics of various utilization paths for generating heat and/or
electricity as well as transport fuels from agricultural biomass are analyzed. Scenarios for the
development of bioenergy use in Austria with a focus on the utilization of agricultural biomass
resources are derived with a simulation tool for the bioenergy sector (SimBioSe). The
basic modelling approach is to simulate the future deployment of bioenergy plants (up to
2030), based on profitability analyses. The implications of different economic framework
conditions (primarily fossil fuel price scenarios) as well as subsidies for bioenergy on the
development of the bioenergy sector, greenhouse gas mitigation and other parameters are
assessed. Furthermore, cost-benefit analyses for different focuses concerning energy crop
species (conventional crops, biogas plants, lingo-cellulosic plants) and applications (heat
and/or electricity generation or mobility) are carried out.
Decision-making structures and agent-based model
With regard to the decision-making structures of agricultural enterprises, three different
decision types are identified: innovative, traditional and utilitarian enterprises / farmers.
According to the results of the survey, innovative famers are the smallest group (5 to 10% of
agricultural enterprises in Austria). They are characterized by a high willingness to “try
something new”, even if it is risky. They are motivated by personal attitudes rather than
economic incentives.
Traditional enterprises are the biggest group (75 to 80%). Their decision-making structures
depend on parameters like income situation or production characteristics. For example,
enterprises with livestock often do not have the opportunity to change their production at
short notice or such who have forest land are most likely to establish short rotation
plantations. The decisions of utilitarian farmers or enterprises are highly based on prices and
market expectations. In contrast to traditional farmers, their decisions are not easily
influenced by subsidies.
The interviews reveal a multitude of inhibitory as well as supporting factors for agricultural
energy production. These influencing factors are subdivided into the following categories:
personal, internal, external and natural factors. Examples for personal factors are personal
preferences, attitudes or the readiness to take risks. Internal factors include the
characteristics of the agricultural enterprise, such as income situation or recent investments
and forthcoming investment needs. External factors comprise subsidies, market prices or
contract conditions. Natural conditions and the requirements of energy crops are
summarized in the category “natural factors”.
The main result of the agent-based mode AGRIEN are the shares of agricultural land
(including arable land and grassland) which are used for biomass production in different
scenarios. These scenarios differ with regard to the agro- and energy economic framework
conditions, which are characterized by indicators (“favourable”/”pro”, “trend” or “adverse”/
”contra”). The simulation results show that the agricultural land which is used for biomass
production in 2030 varies from 4 to 30%, depending on the framework conditions (Table II-2).

Strategien für eine nachhaltige Aktivierung landwirtschaftlicher Bioenergie-Potenziale
The highest share is reached in a scenario with adverse agro-economic conditions and
favourable conditions for bioenergy.
Due to the geographical conditions as well as the distribution of farm types and sizes, areas
in the North-East of Austria make the most significant contribution. In regions with a high
importance of livestock breeding (primarily around the Alps), the share of land used for
biomass production is low, even under favourable conditions for bioenergy.
Table II-2: Summary of the simulation results from the model AGRIEN: agricultural land used
for biomass production in 2030 3
Area used for bio‐
energy production
as share of total
agricultural land
Bioenergy
Agriculture
Area used for
bioenergy
Agriculture
Pro Trend Contra
production in ha
Pro Trend Contra
Pro 21 % 28 % 30 %
XIV
Bioenergie
Pro 444,211 582,596 630,242
Trend 8 % 10 % 12 % Trend 175,058 214,713 238,963
Contra 4 % 5 % 6 % Contra 81,402 107,133 128,401
GIS-Model
The GIS-model is used to derive scenarios for arable land use. The core assumption for this
modelling approach is that each of the approximately 46.000 area elements representing the
total arable land in Austria is occupied with the plant species which is most suitable
according to the natural conditions of the area element and the specific requirements of each
plant species. Furthermore, it is assumed that the natural conditions are not modified, for
example with the use of chemical fertilizers. The core results are the production volumes and
regional distributions of crops. Therefore, conclusions about the suitability of energy crops on
arable land in Austria can be derived. Variations in the restrictions for crop rotation and other
parameters result in different outcomes and provide closer insight. The following figure
shows the aggregated results under default settings and in the different variants.
Compared to the statistical data on arable land use in Austria, this approach basically leads
to a pronounced extensification with high shares of grasses. By applying restrictions for the
cultivation of grasses on arable land, higher outputs of conventional crops like wheat or
maize are achieved (scenarios “enhanced intensification” and “enhanced crop rotation” I to
III). Apart from that, the simulation results reveal that the requirements of “new” energy crops
(especially short rotation coppice) are often better suited for the natural conditions than those
of conventional crops. Hence, the results indicate that an enhanced production of energy
crops can basically be brought in line with environmental aspects and does not necessarily
result in an intensification of land use.
3
The agricultural land considered here includes the total arable land and grassland, except for the
region “Hochalpengebiet” (Alps region).

t/a
20,000,000
15,000,000
10,000,000
5,000,000
0
Statistical data 2008
107%
Default settings
132%
Enhanced extensivication
98% 96%
Enhanced intensification
XV
Enhanced crop rotation I
ALPot
Production volumes (annual averages)
Comparison with statistical data 2008
Other crops Temporary grass
Percentages represent the deviations from
the production volumes in 2008
Figure II-4: Aggregated simulation results of the GIS-model: Comparison of the production
volumes (annual averages) in the different variants with statistical data 2008
Agro-economic modelling
For the assessment of the economic potential of energy crops in Austria, the following
aspects are taken into account: (1) the influence of regional conditions on crop yields,
simulated with the bio-physical process model EPIC, (2) regionally specific crop rotation
schemes, determined with the model CropRota and (3) specific opportunity costs and
alternatives which are assessed with the model BiomAT. More precisely, BiomAT is a landuse
optimization model which identifies the most profitable option for each municipality,
taking into account natural conditions (soil, precipitation and topography). In order to
determine relations between prices and production volumes, prices for energy crops are
varied and the reactions in production volumes observed. Increasing prices generally result
in an intensification of land use. However, to some extent this is counterbalanced by the
Austrian program for environmental agriculture (ÖPUL). Hence, financial incentives (price
signals) required to enhance energy crop production are relatively high.
The simulation results also illustrate that due to the increasing competition for arable land, an
increasing production of energy crops results in a decline of food and feed production
(primarily wheat and grain maize; see Figure II-5). Apart from that, changes in utilization
patterns can be observed, for example wheat is increasingly used as a feedstock for ethanol
production or corn silage for biogas plants instead of feed. The most significant changes in
arable land use are caused by an increasing cultivation of short rotation coppice.
81%
Enhanced crop rotation II
87%
Enhanced crop rotation III
98%
Focus on energy crops

Strategien für eine nachhaltige Aktivierung landwirtschaftlicher Bioenergie-Potenziale
Corn
Wheat
Durum Wheat
Rye
Triticale
Soummer‐Barley
Winter‐Barley
Oat
Pea
Horse bean
Soybean
Rapeseed
Sunflower
Cornsilage
Sugarbeet
Potato
Vegetable
Alfa alfa
Clover
Grassclover
Grass
Fallow
Energy_Wheat
Energy_Triticale
Energy_Rye
Energy_Corn
Energy_Sugarbeet
Energy_Rapeseed
Energy_Sunflower
Poplar_3y
Poplar_10y
Energy_Grassclover
Energy_Grass
Biogas_Wheat
Biogas_Rye
Biogas_Triticale
Biogas_Cornsilage
Biogas_Corn
Biogas_Sunflower
Biogas_Grassclover
Biogas_Grass
‐140 ‐120 ‐100 ‐80 ‐60 ‐40 ‐20 0 20 40 60 80 100 120
Changes at land use in '000 ha
XVI
Incentives:
100 €/t DM
60 €/t DM
20 €/t DM
Figure II-5: Changes in arable land use resulting from incentives for the production of energy
crops (20 €/tDM, 60 €/tDM and 100 €/tDM)
Simulation of the bioenergy sector
With the simulation model SimBioSe, scenarios for the Austrian bioenergy sector are
developed. The simulation algorithm is based on profitability analyses of the different
biomass utilization paths. Economic framework conditions like subsidies or prices for fossil
fuels as well as supply curves for biomass (which are derived from the results of the agroeconomic
modelling approach) are the main influencing parameters. In each simulation
period (each year throughout the period 2010 to 2030), bioenergy plants (heat generation
and combined heat and power plants as well as biofuel production plants) are deployed if
they are competitive under the framework conditions of the current simulation period and if

XVII
ALPot
there are free demand-side and resource potentials available. Hence, biomass resources are
only used if their utilization is economic compared to the respective fossil-fuelled reference
system. Hence, with the model it is possible to analyze the effects of different support
schemes and price developments on the utilization of (agricultural) biomass resources, and
assess the achievable contribution of biomass for the Austrian energy sector.
The following groups of scenarios are analyzed: No Policy Scenarios (no subsidies or tax
incentives for bioenergy), Current Policy Scenarios (current subsidies and tax incentives) und
Specific Support Scenarios (increasing levels of financial incentives for certain utilization
paths). The results of the No Policy and Current Policy Scenarios are evaluated primarily
with regard to the importance of agricultural biomass to the energy supply. The main purpose
of the Specific Support Scenarios is to illustrate the support costs vs. benefits (greenhouse
gas mitigation, substitution of fossil fuels) of different utilization paths and to derive
conclusions regarding favourable focal points for funding. With regard to the fossil fuel price
developments, two scenarios are distinguished: Level 2006 (real prices remain constant at
the level of the year 2006) and FAO/Primes (increasing real prices for fossil fuel with a crude
oil price of more than 100 $2007/bbl in 2020).
Under the support scenario No Policy and the price scenario Level 2006 practically no
utilization paths of energy crops are competitive. Until 2030, the only notable contribution of
agricultural biomass to the energy supply originates from the use of straw and (to a very
moderate extent) plant oil in CHP plants. However, in this scenario the bioenergy sector is
dominated by the use of forest biomass and wood processing residues for residential and
district heating as well as steam generation. The main difference in the price scenario
FAO/Primes is the clearly higher exploitation of forest biomass potentials for heat generation.
Apart from that, electricity generation in large biogas plant (with a power of 500 kWel and
more) using maize silage is to some extent competitive. Still, agricultural biomass plays a
rather insignificant role.
The Current Policy Scenarios illustrate to what extent agricultural biomass could be utilized in
a profitable way if the current support schemes and tax incentives are maintained. In contrast
to the No Policy Scenarios, these scenarios show a substantial increase in the demand for
energy crops, and the question of what type of energy crops are preferred, gains in
importance. Therefore, three scenarios with different focuses of energy crop production are
assessed: Conventional crops, biogas plants and ligno-cellulosic feedstocks. The best costbenefit
ratio as well as the highest expansion of agricultural bioenergy is achieved with a
focus on ligno-cellulosic biomass (short rotation coppice). The greenhouse gas reduction
from agricultural bioenergy in this scenario accounts for 3 Mt CO2-Equ. in the year 2020 und
5.7 Mt in 2030. The savings of fossil fuel consumptions amount to 15 TWh in 2020 and
27 TWh in 2030. However, the arable land used for energy crop production accounts for
about 300,000 ha in 2020 and 600,000 ha in 2030 (close to one fourth/half of the total arable
land in Austria). The savings achievable with a focus on conventional crops and biogas
plants are clearly lower. Figure II-6 shows a summary of the simulation results: the primary
energy consumption of biomass in the No Policy and the Current Policy Scenarios in 2020
and 2030, subdivided into agricultural and other biomass.

Strategien für eine nachhaltige Aktivierung landwirtschaftlicher Bioenergie-Potenziale
No Policy Current Policy No Policy Current Policy
FAO/Primes - Ligno-Cellulose
FAO/Primes - Biogas plants
FAO/Primes - Conventional Crops
Level 2006 - Ligno-Cellulose
Level 2006 - Biogas plants
Level 2006 - Conventional Crops
FAO/Primes
Level 2006
FAO/Primes - Ligno-Cellulose
FAO/Primes - Biogas plants
FAO/Primes - Conventional Crops
Level 2006 - Ligno-Cellulose
Level 2006 - Biogas plants
Level 2006 - Conventional Crops
FAO/Primes
Level 2006
Outlook 2010
Statistical data 2000
0 10,000 20,000 30,000 40,000 50,000 60,000 70,000
XVIII
GWh/a
2030 2020
Other biomass
Agricultural biomass
Figure II-6: Summary of simulation results of the model SimBioSe: primary energy
consumption of domestic biomass in the No Policy and the Current Policy Scenarios in 2020
and 2030;
“FAO/Primes“ and “Level 2006“ indicate the price scenario assumed, “Conventional crops”, “Biogas
plants” and “Ligno-cellulose” the focus of energy crop production. Catch crops and biomass from
grassland are not considered here.
Interpretation and conclusions
The future importance of agricultural bioenergy does not only depend on agro- and energy
economic influencing parameters, but also personal preferences and attitudes of farmers. An
increase in energy crop cultivation is associated with different trade-offs, which need to be
analyzed and taken into consideration within (bio-)energy strategies. Especially the risks of
an increasing competition for agricultural land and likely impacts on food and feed production
as well as environmental aspects need to be addressed.
However, there are also clearly positive aspects of agricultural biomass for energy, such as
the potential to reduce greenhouse gas emissions and to enhance the competitiveness of the
agricultural sector. By creating opportunities for additional income, agricultural bioenergy
production can contribute to rural development and landscape conservation. Furthermore,
with a diversification of energy sources a (partial) mitigation of fuel price fluctuations may be
achieved. Potential risks are that an increasing demand for energy crops may result in a
stronger coupling between agricultural and energy markets and put food security in
developing countries at risk. With regard to the diverse biomass fractions and utilization
paths, regional characteristics should be taken into account in the design of strategies for an
efficient use of agricultural biomass potentials.
The achievable contribution of agricultural bioenergy to a future energy supply in Austria
highly depends on strategic decisions and energy policy instruments applied. However, the
project results indicate that in any case, the economic potentials of agricultural bioenergy are
clearly lower than technical potentials stated in literature. (Of course, the economic
attractiveness heavily depends on assumed energy price scenarios.) Hence, the results

XIX
ALPot
stress the importance of an efficient management and utilization of resources; not only in the
field of fossil fuels but also with regard to agricultural land, biogenous resources and food
supply.

Strategien für eine nachhaltige Aktivierung landwirtschaftlicher Bioenergie-Potenziale
XX

1 Einleitung
1.1 Aufgabenstellung
1
ALPot
Der energetischen Nutzung von Biomasse kommt in Österreich sowohl hinsichtlich des
derzeitigen Beitrags zur Energieversorgung, als auch hinsichtlich energie- und
klimapolitischer Zielsetzungen eine zentrale Bedeutung zu. Während in der Vergangenheit in
erster Linie forstliche Ressourcen genutzt wurden, gibt es verschiedene Anzeichen, die –
zumindest kurz- bis mittelfristig – auf einen Trend in Richtung landwirtschaftliche
Bioenergieerzeugung hindeuten:
• Die energiepolitischen Zielsetzungen der Europäischen Union im Verkehrssektor werden
nur durch einen zunehmenden Einsatz von biogenen Kraftstoffen (in erster Linie Biodiesel
aus Ölsaaten und Ethanol aus stärke- und zuckerhaltigen Ackerfrüchten) erreicht werden
können.
• Die verstärkte energetische Holznutzung hat bereits in den letzten Jahren zu einer
zunehmenden Verknappung forstlicher Biomasse geführt. Neben einer forcierten
Mobilisierung forstlicher Potenziale könnten in Zukunft alternative biogene Brennstoffe wie
Stroh, Kurzumtriebsholz oder Miscanthus zur Entschärfung von Rohstoffkonkurrenzen
beitragen.
• Gleichzeitig wirken sich steigende Preise fossiler Brennstoffe positiv auf die Wirtschaftlichkeit
der Nutzung alternativer biogener Energieträgern aus.
• Landwirtschaftlichen Biogas-Blockheizkraftwerken und der Einspeisung von gereinigtem
und aufbereitetem Biogas in Erdgasnetze wird von vielen Experten großes Potenzial
zugeschrieben.
• Die Ergebnisse zahlreicher Studien zeigen, dass die Gesamtheit landwirtschaftlicher
Biomasse, bestehend aus Energiepflanzen, Grünlanderträgen und verschiedenen Rest-
und Abfallstoffen den Großteil des derzeit ungenutzten Biomasse-Ressourcenpotenzials
darstellt.
• Die Erzeugung von Bioenergie wird von vielen Akteuren als große Chance für eine
Neuorientierung und Einkommenssteigerung in der Landwirtschaft gesehen.
Die Aufgabenstellung des vorliegenden Projektes ist es, die Optionen landwirtschaftlicher
Biomasse- und Bioenergieerzeugung aus agrar- und energiewirtschaftlicher Sicht zu
analysieren und den erzielbaren Beitrag landwirtschaftlicher Biomasse zu einem
nachhaltigen Energiesystem in Österreich zu ermitteln. Des Weiteren wird untersucht,
inwiefern eine verstärkte Integration von Energiepflanzenanbau in die landwirtschaftliche
Produktion hinsichtlich naturräumlicher Gegebenheiten sowie hinsichtlich der Entscheidungsstrukturen
der Landwirte möglich ist. Darauf aufbauend werden modellbasierte Szenarien
des österreichischen Biomassesektors erstellt und hinsichtlich agrar- und energiewirtschaftlicher
Aspekte ausgewertet.
1.2 Schwerpunkte des Projektes
Die Schwerpunkte des Projektes umfassen folgende Fragestellungen:
• Welches Potenzial zur Brennstoff- und Energiebereitstellung besitzt die österreichische
Landwirtschaft unter Berücksichtigung von Fruchtfolgebeschränkungen und regionalen
Standortbedingungen wie Bodenqualität, Durchschnittstemperatur und Niederschlag?
• Unter welchen Rahmenbedingungen entscheiden sich Landwirte für den Umstieg auf
Brennstoff-, Rohstoff- oder Energieerzeugung? Welche treibenden und hemmenden
Faktoren sind entscheidend?

Einleitung
• Welche Mengen landwirtschaftlicher Energieträger können unter verschiedenen
Rahmenbedingungen wirtschaftlich bereitgestellt und genutzt werden?
• Welchen Beitrag kann die Landwirtschaft für das österreichische Energiesystem
längerfristig (bis 2030) leisten? Welche Rolle kommt landwirtschaftlicher Biomasse zur
Erreichung energie- und klimapolitischer Zielsetzungen zu?
• Welche energetischen Nutzungspfade landwirtschaftlicher Biomasse sind unter
verschiedenen Preisszenarien und energiewirtschaftlichen Rahmenbedingungen
wirtschaftlich? Mit welchen Kosten und Nutzen ist eine Forcierung der landwirtschaftlichen
Biomassenutzung verbunden?
Des Weiteren werden aus den Projektergebnisse Schlussfolgerungen zu Themen wie
Flächenkonkurrenzen, Effekte der Förderung von Bioenergie auf die landwirtschaftliche
Produktion, Maßnahmen zur Mobilisierung landwirtschaftlicher Biomasseressourcen etc.
abgeleitet.
1.3 Einordnung in das Programm
Primär adressiert das Projekt im Rahmen der Ausschreibung „Energie der Zukunft“
Themenfeld 7, Unterpunkt 2.4.7.3.2 „Allokation erneuerbarer Potenziale und Ressourcen“.
Das Projekt behandelt, wie in der Ausschreibung dargestellt, die Potenziale und
Nutzungskonkurrenzen mit Schwerpunkt landwirtschaftlicher Bioenergie. Wie gefordert,
werden vorhandene Ressourcen unter Berücksichtigung von Restriktionen und
Wechselwirkungen analysiert und bei der Frage der Allokation Nutzungskonkurrenzen
einbezogen.
Darüber hinaus hat das Projekt auch einen Fokus auf energiepolitische Instrumente und
insbesondere der Wechselwirkungen zwischen Energie- und Agrarpolitik. Daher wird auch
der Punkt 2.4.7.4.2 „Möglichkeiten und Grenzen energiepolitischer Instrumente“ adressiert.
Aufgrund der Konzentration auf biogene Rohstoffe berühren die Inhalte des Projekts
unmittelbar Themenfeld 2 und bilden die Grundlagen für Folgeprojekte zur Umsetzung der
Ergebnisse und Tools in Modellregionen im Sinne von Ausschreibungspunkt 2.4.2.5
„Regionale Systeme zur Implementierung integrierter Rohstoffnutzung“.
1.4 Verwendete Methoden
1.4.1 Methodische Ansätze
Im Rahmen des Projektes wurden folgende Methoden eingesetzt:
• Datenrecherche und –aufbereitung, z.B.:
o Statistische Daten zur derzeitigen Bedeutung von Biomasse im
österreichischen Energiesystem und landwirtschaftlicher Biomasse im
Speziellen
o Statistische Daten zur landwirtschaftlichen Produktion, Flächennutzung etc.
o Geoinformationsdaten (GIS): Niederschlag, Temperatur, Bodennutzung und
Bodenklassen
o Standortanforderungen und standortspezifische Ertragsdaten für 27
Kulturarten und entsprechende Fruchtfolgen
o Technologiedaten: Investitions- und Betriebskosten von Bioenergie-
Technologien sowie technische Daten
2

3
ALPot
• Literaturrecherche, z.B. hinsichtlich folgender Themen:
o Erwartete zukünftige Entwicklungen bei Bioenergie-Technologien
o Food vs. Fuel
o Szenarien der Energiepreisentwicklung, des Energiesystems etc.
• Wirtschaftlichkeitsrechnung (Annuitätenmethode):
o Beurteilung der Wirtschaftlichkeit verschiedener Technologien bzw. Biomasse-
Nutzungspfade
o Sensitivitätsanalysen
• Simulationsmodell SimBioSe
o Simulation des Bioenergiesektors auf Basis von Wirtschaftlichkeitsbetrachtungen
o Erstellung eines Szenarienfächers, Auswertung hinsichtlich Kosten,
Treibhausgasemissionen, etc. und Interpretation
• GIS-basierte Modellierung:
o Aufbereitung der GIS-Daten
o Entwicklung einer Methodik zur GIS-basierten Simulation verschiedener
Szenarien der Ackerflächennutzung auf Basis von Standortbedingungen und
Anforderungen von Ackerfrüchten
o Visualisierung der Ergebnisse
• Analyse der Entscheidungsstrukturen von Landwirten und deren Abbildung in dem
agentenbasierten Modell AGRIEN
o Erstellung eines Fragebogens; Durchführung von qualitativen Interviews mit
Landwirten und landwirtschaftlichen Interessensvertretern
o Agentenbasierte Modellierung (Ansatz der sozialen Simulation)
• Einsatz bestehender Modelle (BioMat, CropRota, EPIC) unter Einbeziehung
projektspezifischer Parameter
• Qualitätssicherung, Kommunikation, Weiterentwicklung:
o Kontinuierliche Kommunikation und Qualitätssicherung innerhalb des
Projektteams sowie mit dem Projektbeirat
o Durchführung von Expertenworkshops im Rahmen des Projektbeirats;
kontinuierliche Diskussion von Zwischenergebnissen sowie
o Einbeziehung anderer laufender Projekte (z.B. SOS, OPAL)
o Mitwirkung am Entwurf eines Folgeantrags: Das Projekt BioSpaceOpt wurde
genehmigt und stellt eine Fallstudie für die Region Sauwald im Sinne von
AP 5 dar.
1.4.2 Modelle und Schnittstellen
Im Rahmen des Projektes kommen mehrere Simulations- und Optimierungsmodelle zum
Einsatz, die durch sehr unterschiedliche Ansätze und Schwerpunktsetzungen
gekennzeichnet sind:
Das agentenbasierte Modell AGRIEN wurde im Rahmen des Projektes entwickelt. Der
Schwerpunkt dieses Modells liegt in der Abbildung der Entscheidungsstrukturen der

Einleitung
Landwirte. Diese wurden aus qualitativen Interviews mit Landwirten und landwirtschaftlichen
Interessensvertretern abgeleitet. Mit diesem Modellierungsansatz wird der Tatsache
Rechnung getragen, dass für das effektiv mobilisierbare Potenzial landwirtschaftlicher
Biomasse neben agrar- und energiewirtschaftlichen Aspekten die Initiative bzw. Bereitschaft
der Landwirte erforderlich ist. Die Inputdaten des Modells beinhalten neben modellhaften
Entscheidungsstrukturen und Daten über die Zusammensetzung und Strukturen der
österreichischen Landwirtschaft Parameter für energie- und agrarwirtschaftliche Rahmenbedingungen.
Als Ergebnis liefert das Modell das Ausmaß, in welchem landwirtschaftliche
Flächen unter den jeweiligen Rahmenbedingungen für die Produktion von Energieträgern
genutzt werden.
Mithilfe eines ebenfalls im Rahmen des Projektes entwickelten geografisch expliziten
Modells (GIS-Modell) wird analysiert, welche Kulturarten sich hinsichtlich ihrer
Standortanforderungen am besten für die naturräumlichen Gegebenheiten der
österreichischen Ackerflächen eignen. Aus zahlreichen Modellläufen, deren Ergebnisse
dynamische Flächennutzungsszenarien mit räumlicher Verortung und Produktionsmengen
von Ackerfrüchten sind, werden Aussagen hinsichtlich der Eignung „neuer“, speziell für die
Energieerzeugung angebauter Kulturarten abgeleitet.
Dem gegenüber steht die stark ökonomisch geprägte Modellierung, welche mit dem
agrarwirtschaftlichen Modellcluster, bestehend aus den Modellen EPIC, BioMat und
CropRota, realisiert wurde. Die Ergebnisse dieses Ansatzes sind Produktionsmengen
landwirtschaftlicher Erzeugnisse. Insbesondere kann über szenariospezifische Annahmen
und Förderschwerpunkte analysiert werden, welche Mengen an Energiepflanzen unter
verschiedenen Rahmenbedingungen wirtschaftlich produziert werden können. Die regional
unterschiedlichen landwirtschaftlichen Strukturen in Österreich, Fruchtfolgebeschränkungen
etc. werden in diesem Ansatz berücksichtigt, persönliche oder nicht-ökonomische Entscheidungskriterien
spielen bei diesem Ansatz jedoch keine Rolle.
Ausgehend von den Ergebnissen des agrarwirtschaftlichen Modellclusters werden mit dem
Simulationsmodell SimBioSe 4 Szenarien des österreichischen Biomassesektors erstellt.
Neben den aus dem agrarwirtschaftlichen Modellcluster abgeleiteten Angebotskurven
landwirtschaftlicher Biomasse stellen Bioenergie-Technologiedaten, Preisszenarien fossiler
Energieträger, Szenarien des Energiebedarfs und anderer energiewirtschaftlicher
Rahmenbedingungen die wichtigsten Eingangsdaten des Modells dar. Zentrales Element
des Modells sind Nutzungspfade, über die primärenergetische Biomassepotenziale in Endbzw.
Nutzenergie übergeführt werden. Die Modellergebnisse geben Aufschluss darüber, in
welchem Ausmaß die primärenergetischen Biomassepotenziale in Abhängigkeit von
verschiedenen Einflussparametern wirtschaftlich genutzt werden können, welcher Beitrag zur
Energieversorgung bzw. in den Sektoren Wärme, Strom und Mobilität möglich ist, und
welche Vor- und Nachteile eine Forcierung der energetischen Nutzung der inländischen
Biomasseressourcen bringt. Dazu werden beispielsweise die Einsparungen an
Treibhausgasemissionen und an der Nutzung fossiler Energieträger sowie Förderkosten
analysiert. Dem Bezug zu energie- und klimapolitischen Zielsetzungen wird dabei
besonderes Augenmerk geschenkt.
Abbildung 2–1 zeigt eine schematische Darstellung der eingesetzten Modelle und deren
Schnittstellen. Die (als strichlierte Linien dargestellten) Schnittstellen zwischen dem
agrarwirtschaftlichen Modellcluster und dem GIS-Modell bzw. AGRIEN deuten an, dass
zwischen diesen Modellen, abgesehen von gemeinsamen Datengrundlagen, keine direkte
Datenschnittstelle besteht. Aufgrund der vollkommen unterschiedlichen Schwerpunkte
wurden voneinander unabhängige Simulationen bzw. Szenarien erstellt, die in Bezug auf die
4 Das Modell SimBioSe wurde ebenfalls im Rahmen des Projektes entwickelt. Der prinzipielle
Modellierungsansatz ähnelt dem des Modells Green-X bzw. Green-XEnvironment (siehe z.B. Haas et al.,
2004 oder Uslu, 2008).
4

5
ALPot
jeweiligen Fragestellungen interpretiert und in den Schlussfolgerungen und Empfehlungen
zusammengeführt werden.
Abbildung 1-1: Überblick über die im Projekt eingesetzten Modelle und deren Schnittstellen
1.5 Aufbau der Arbeit
Kapitel 2 gibt einen Überblick über die historische Entwicklung der österreichischen
Energieversorgung, die Entwicklung, Struktur und derzeitigen Bedeutung von Biomasse
sowie landwirtschaftlicher Bioenergieerzeugung. In Kapitel 3 werden neben energie- und
klimapolitische Zielsetzungen agrar- und energiewirtschaftliche Einflussgrößen, Rahmenbedingungen
sowie deren Schnittstellen analysiert. Kapitel 4 beinhaltet eine Darstellung der
Optionen landwirtschaftlicher Bioenergieerzeugung und Wirtschaftlichkeitsanalysen von
Biomasse-Nutzungspfaden.
Die Kapitel 5 bis 7 befassen sich mit dem primärenergetischen bzw. Flächen-Potenzial
landwirtschaftlicher Biomasse. Es werden Methodik und Ergebnisse des GIS-basierten
Ansatzes, der agentenbasierten Modellierung sowie des agrarwirtschaftlichen Modellclusters
dargestellt. Kapitel 8 hat das Modell des Biomassesektors und die Darstellung und
Auswertung der damit erstellten Szenarien zum Thema.
In Kapitel 9 erfolge eine Zusammenfassung und Synthese der Modellergebnisse;
Schlussfolgerungen werden gezogen und Empfehlungen hinsichtlich eines Maßnahmenplans
abgeleitet.

Der österreichische Bioenergie-Sektor
2 Der österreichische Bioenergie-Sektor
Inhalt dieses Kapitels ist eine Darstellung des österreichischen Bioenergie-Sektors mit einem
speziellen Fokus auf landwirtschaftliche Biomasse. In Abschnitt 2.1 werden die historische
Entwicklung der energetischen Biomassenutzung sowie die derzeitige Bedeutung von
Bioenergie für die österreichische Energieversorgung dargestellt. In den Unterkapiteln wird
auf die Bedeutung von Biomasse in den Sektoren Wärme, Strom und Verkehr eingegangen.
In Abschnitt 2.2 erfolgt eine Darstellung des Energiebedarfs des Landwirtschaftssektors und
Abschnitt 2.3 hat die Bedeutung landwirtschaftlicher Biomasse zum Thema.
2.1 Bioenergie in Österreich – Historische Entwicklung und
derzeitige Bedeutung
Abbildung 2-1 zeigt die Entwicklung des primärenergetischen Energieverbauchs („Bruttoinlandsverbrauch“)
in Österreich von 1970 bis 2008 sowie des Anteils biogener und aller
erneuerbarer Energieträger. Die Nutzung von Biomasse und Abfällen stieg in diesem
Zeitraum von unter 50 auf ca. 227 PJ.
PJ/a
1.600
1.400
1.200
1.000
800
600
400
200
Anteil erneuerbarer
Energieträger [%]
Anteil biogener
Energieträger [%]
0
1970 1975 1980 1985 1990 1995 2000 2005
6
30%
25%
20%
15%
10%
5%
0%
Sonstige erneuerbare Energie
Brennbare Abfälle
Biomasse
Kohle
Gas
Öl
Nettoimporte Strom
Anteil erneuerbarer Energieträger [%]
Anteil biogener Energieträger [%]
Abbildung 2-1: Entwicklung des Bruttoinlandsverbrauchs (Primärenergie) von 1970 bis 2008
(biogener Anteil von Abfällen für die Berechnung des Anteils erneuerbarer/biogener Energieträger mit
50% angenommen)
Quelle: Statistik Austria (2010a), eigene Berechnungen und Darstellung (Energy Economics Group,
TU Wien)
Abbildung 2-2 zeigt die Zusammensetzung des Biomasseaufkommen nach Rohstofffraktionen.
Neben Scheitholz und Waldhackgut gehen auch Nebenprodukte der
Sägeindustrie, Schwarzlauge (Ablauge der Papierindustrie), Holzpellets etc. auf forstliche
Ressourcen zurück. Diese machen in Summe etwa 80% der derzeit energetisch genutzten
Biomasse aus (wobei in der Kategorie „Brennbare Abfälle“ enthaltenes Altholz nicht
berücksichtigt ist). Scheitholz ist nach wie vor die bedeutendste Biomassefraktion. Der
Beitrag landwirtschaftlicher Ressourcen (aus Energiepflanzen erzeugte biogene Kraftstoffe,
Stroh, Biogas und Biomasse aus „Energiekulturen“) beträgt 2008 weniger als 5%.

Sägenebenprodukte
& Rinde
27%
Waldhackgut
6%
Pellets
4%
Stroh
1%
Schwarzlauge
12%
Scheitholz
30%
Brennbare Abfälle
14%
7
Biogene Kraftstoffe
3%
Sonstiges
(Klärschlamm,
Tiermehl etc.)
1%
Energiekulturen
(Miscanthus etc.)
0,1%
Biogas, Deponie- &
Klärgas
2%
Abbildung 2-2: Zusammensetzung des Biomasseaufkommens (Bezugsjahr: 2007)
Quelle: Biomasseverband (2009) nach Statistik Austria, eigene Darstellung (Energy Economics
Group, TU Wien)
ALPot
In Abbildung 2-3 ist die Entwicklung der erneuerbaren Energieträger im Detail dargestellt.
Der Anteil biogener Energieträger am Endenergiebedarf beträgt derzeit knapp 16% (2008)
und beläuft sich damit mehr als die Hälfte des Gesamtbeitrags erneuerbarer Energieträger.
Die Hauptgründe für die im internationalen Vergleich große Bedeutung von Biomasse liegen
im traditionell hohen Anteil im Bereich der Raumwärmeerzeugung, dem Waldreichtum sowie
dem Stellenwert der Holz verarbeitenden Industrie. Aufgrund energie- und klimapolitischer
Zielsetzungen bzw. der Einführung energiepolitischer Instrumente kam es im letzten
Jahrzehnt in der Nutzung biogener Kraftstoffe und Verstromung bzw. Kraft-Wärme-Kopplung
(KWK) zu signifikanten Zuwächsen. Steigende Preise für fossile Brennstoffe sowie
Investitionsanreize begünstigten zudem die Entwicklung im Bereich moderner Biomasse-
Heizanlagen. Im internationalen Vergleich waren die Zuwächse in der reinen
Wärmeerzeugung jedoch eher moderat.
PJ/a
400
350
300
250
200
150
100
50
0
Anteil v. Biomasse
am ges. Energieverbrauch
[%]
Anteil erneuerbarer Energieträger
(inkl. Strom und Fernwärme aus
Erneuerbaren) [%]
1970 1975 1980 1985 1990 1995 2000 2005
30%
25%
20%
15%
10%
5%
0%
Fernwärme aus sonstigen Erneuerbaren
Fernwärme aus Abfällen
Strom aus biogenen Abfällen
Strom aus sonstigen Erneuerbaren
Strom aus Wasserkraft
Sonstige Erneuerbare
Fernwärme aus biogenen Energieträgern
Strom aus biogenen Energieträgern
Biogene Abfälle
Biogene Energieträger
Brennholz
Anteil v. Biomasse [%]
Anteil erneuerbarer Energieträger [%]
Abbildung 2-3: Entwicklung Erneuerbarer Energien (Endenergie) und ihres Anteils am
gesamten Endenergieverbrauch von 1970 bis 2008
Quelle: Statistik Austria (2010a), eigene Berechnungen und Darstellung (Energy Economics Group,
TU Wien)

Der österreichische Bioenergie-Sektor
Neben Biomasse spielt Strom aus Wasserkraft eine zentrale Rolle für die österreichische
Energieversorgung. Strom und Wärme aus sonstigen Erneuerbaren (Photovoltaik,
Solarthermie, Umgebungswärme, Windenergie etc.) spielen derzeit noch eine relativ geringe
Rolle. In Summe liegt der Anteil erneuerbarer Energieträger am Endenergieverbrauch bei gut
29% (2008).
Abbildung 2-4 zeigt die Struktur des Endenergieverbrauchs nach Sektoren und Energieträgern.
Die Darstellung gibt Aufschluss darüber, in welchen Sektoren biogene Energieträger
vorwiegend eingesetzt werden und welche Energieträger in diesen Anwendungsbereichen
substituiert werden bzw. werden können. Der Sektor „Raumheizung und Klimaanlagen“
umfasst die Niedertemperaturanwendungen in Gebäuden, mit Ausnahme von
Warmwasserbereitung. Hier haben neben der traditionell hohen Nutzung von Brennholz
andere biogene Energieträger, in erster Linie Pellets und Hackgut, im letzten Jahrzehnt
deutlich an Bedeutung gewonnen. Auch im Sektor Dampferzeugung, welcher industrielle und
gewerbliche Wärme beinhaltet, spielt Biomasse eine wesentliche Rolle, was hauptsächlich
auf die Holz verarbeitenden Industrien (insbesondere Ablauge aus der Papierindustrie)
zurückzuführen ist.
Die Kategorie „Industrieöfen“ umfasst neben industriellen und gewerblichen Anlagen
verschiedenster Sektoren (vom Bäckereiofen bis zum Hochofen) auch Warmwasserbereitstellung
und Kochen, was den (relativ geringen) Beitrag von Brennholz und biogenen
Brennstoffen erklärt. Der Sektor Standmotoren enthält alle nicht im den Sektor Mobilität
inkludierten Motoren sämtlicher Größenordnungen, von Kleinmotoren im Haushaltsbereich
bis zu Großmotoren in industriellen Fertigungsprozessen. Wie auch in der Kategorie
„Beleuchtung und EDV“ kommt hier fast ausschließlich elektrische Energie zum Einsatz.
„Traktion“ beinhaltet sowohl den Straßen- als auch den Schienen-, den Flug- und
Schiffsverkehr. Der geringe Beitrag von biogenen Energieträgern in diesem Sektor geht auf
die vorgeschriebene Quote für biogene Kraftstoffe (in der Höhe von 5,75%) zurück.
PJ/a
450
400
350
300
250
200
150
100
50
0
Raumheizung
und
Klimaanlagen
Endenergieverbrauch 2008: 1088,5 PJ
Dampferzeugung Industrieöfen Standmotoren Traktion Beleuchtung und
EDV
8
Brennbare Abfälle & sonstige ET
Biogene Brenn- & Treibstoffe
Brennholz
Fernwärme
Elektrische Energie
Gas & Flüssiggas
Diesel & Benzin
Abbildung 2-4: Endenergieverbrauch in Österreich nach Energieträgern und
Nutzungskategorien im Jahr 2008
Quelle: Statistik Austria (2010b), eigene Berechnungen und Darstellung (Energy Economics Group,
TU Wien)
2.1.1 Wärme
Die Wärmeerzeugung stellt trotz relativ hoher Zuwächse bei der Verstromung und der
Produktion biogener Kraftstoffe nach wie vor die dominierende energetische Nutzungsform
von Biomasse dar. Wie bereits dargestellt, kann der Sektor Wärme in Niedertemperatur-
(Raumwärme und Warmwasser) und Hochtemperaturanwendungen (Dampferzeugung und
Heizöl
Kohle

9
ALPot
Industrieöfen) unterteilt werden. Biomasse nimmt sowohl im Bereich der Niedertemperatur-,
als auch bei Dampferzeugung eine bedeutende Stellung ein.
Im Sektor Raumwärme und Warmwasser stellte Biomasse ursprünglich vor allem im
ländlichen Raum einen relativ hohen Anteil. Dieser war traditionell durch Einzelöfen geprägt,
deren Bedeutung seit den 70er Jahren stetig abnahm. Die historische Entwicklung zeigt,
dass dies in den 70er Jahren zu einer Reduktion des Biomasse-Anteils am Sektor
Raumwärme und Warmwasser führte. Die Ölkrise führte in den frühen 80er Jahren zu einer
raschen Substitution von Öl durch Biomasse und gleichzeitig zur beginnenden verstärkten
Marktdurchdringung von Biomasse-Zentralheizungskesseln. Damit stieg der Marktanteil
innerhalb von nur vier Jahren von 1980 bis 1984 von 16% auf 25%. Mit dem Sinken des
Ölpreises erhöhte sich von ca. 1985 bis 2000 der Verbrauch von Erdöl, vor allem aber von
Erdgas und – bedingt durch politische Entscheidungen und Komfortansprüche – auch jener
der Fernwärme. Gleichzeitig kam es auch zu einem kontinuierlichen Wachstum bei den
Biomasse-Fernwärmeanlagen. Vor allem zeigt sich aber, dass der Anstieg des gesamten
Energieverbrauchs im Sektor (von 1970-2000 um ca. 65%) zu einer Stagnation des
Biomasse-Anteils bei ca. 23% führte, obwohl der absolute Verbrauch von Biomasse zur
Raumwärmebereitstellung stetig anstieg. Seit dem Beginn dieses Jahrhunderts zeigt sich,
dass der Endenergieverbrauch für Raumwärme und Warmwasser stagniert bzw. leicht
rückläufig ist. Dies deutet darauf hin, dass die thermischen Sanierungsmaßnahmen im
Gebäudebestand sowie strengere energetische Standards für den Neubau tatsächlich
greifen und zu einer Reduktion des Energieverbrauchs führen. Zusammen mit dem starken
Anstieg der Pellets-, aber auch der Hackgutkessel sowie des thermischen Outputs von KWK-
Anlagen stieg der Anteil der Biomasse innerhalb von nur vier Jahren von 2004 bis 2008 von
22% auf 30%.
Endenergieverbrauch Heizen und Warmwasser,
HGT‐bereinigt (PJ)
400
350
300
250
200
150
100
50
0
1970 1975 1980 1985 1990 1995 2000 2005
35%
30%
25%
20%
15%
10%
5%
0%
Anteil Biomasse am gesamten Endenergieverbrauch für
Raumwärme und Warmwasser
Umgebungswärme
Solar
Hackgut, Pellets
Scheitholz
Fernwärme Biomasse
Fernwärme (ohne Biomasse)
Strom
Kohle
Heizöl
Erdgas
Anteil Biomasse
Abbildung 2-5: Endenergieverbrauch für Raumwärme und Warmwasser in Österreich nach
Energieträgern von 1970-2008
Quelle: Statistik Austria (2010a), eigene Berechnungen und Darstellung (Energy Economics Group,
TU Wien)
Was aus der in Abbildung 2-4 dargestellten Einteilung des Energieverbrauchs nicht
hervorgeht, ist die Struktur der Fernwärmeerzeugung. Abbildung 2-6 zeigt deren
Entwicklung, aufgeschlüsselt nach Energieträgern und Anlagentypen (Heizwerke/KWK-
Anlagen). Während der Großteil bei KWK auf fossile Energieträger – in erster Linie Erdgas –

Der österreichische Bioenergie-Sektor
zurückgeht, beträgt der Anteil von Biomasse bei Fernwärme aus Heizwerken derzeit über
50%. Im Gegensatz zum Sektor Raumwärme, wo es insbesondere in den 80er Jahren zu
einer raschen Diffusion von Biomassesystemen kam, war bei Nah-/Fernwärmesystemen ein
deutlicher Trend zu Biomasse erst gegen Ende der 80er Jahre zu verzeichnen. In Summe ist
der Anteil biogener Energieträger und Abfälle an der Fernwärmeversorgung von ca. 10% im
Jahr 1990 auf über 40% (2008) gestiegen. Diese Entwicklung geht nicht zuletzt auf
Investitionszuschüsse, die zum einen von den Bundesländern und zum anderen vom
Landwirtschaftsministerium vergeben wurden, zurück. Seit dem Jahr 2000 sind im Bereich
der Biomasse-Heizwerke deutlich geringere Wachstumsraten zu verzeichnen. Durch die
Einführung von Qualitätsmanagement wurde jedoch eine deutliche Verbesserung gegenüber
den in den 90er Jahren installierten Anlagen erreicht, die zum Teil Mängel hinsichtlich
Dimensionierung, Netzbelegung etc. aufweisen.
PJ/a
80
70
60
50
40
30
20
10
0
HW sonstige Erneuerbare
HW Biogene Energieträger
HW Brennbare Abfälle
HW Gas
HW Öl
HW Kohle
KWK Biogene Energieträger
KWK Brennbare Abfälle
KWK Gas
KWK Öl
KWK Kohle
Endenerget. Nutzung abzügl. Verluste
Anteil erneuerbarer Energieträger und
biogener Abfälle [%]
Endenergetische
Nutzung abzüglich
Transportverluste [PJ/a]
1980 1985 1990 1995 2000 2005
10
Anteil erneuerbarer
Energieträger und
biogener Abfälle [%]
45%
40%
35%
30%
25%
20%
15%
10%
5%
0%
Fernwärme aus
Heizwerken 2008:
21 PJ
Fernwärme
aus KWK 2008:
46 PJ
Abbildung 2-6: Entwicklung der österreichischen Fernwärmeversorgung (Endenergie) von
1980 bis 2008
Quelle: Statistik Austria (2010a), eigene Berechnungen und Darstellung (Energy Economics Group,
TU Wien)
2.1.2 Elektrische Energie
Bei der elektrischen Energieversorgung ist Wasserkraft der dominierende erneuerbare
Energieträger. Wie in Abbildung 2-7 dargestellt, beläuft sich der Anteil erneuerbarer
Energieträger am Brutto-Stromverbrauch (inländische Stromerzeugung plus Importe
abzüglich Exporte) derzeit (2008) auf knapp über 60%, wobei der Beitrag von Wasserkraft
witterungsbedingt großen jährlichen Schwankungen unterworfen ist. Unter den fossilen
Energieträgern hat seit den 70er Jahren insbesondere Erdgas stark an Bedeutung
gewonnen.

PJ/a
350
300
250
200
150
100
50
0
-50
Anteil Erneuerbarer
Energieträger am Brutto-
Stromverbrauch [%]
Inländischer Brutto-
Stromverbrauch [PJ/a]
-100
1970 1975 1980 1985 1990 1995 2000 2005
11
100%
90%
80%
70%
60%
50%
40%
30%
20%
10%
0%
Sonstige Erneuerbare
Brennbare Abfälle
Biogene Energieträger
Wasserkraft
Gas
Öl
Kohle
Importe
Verbrauch des Sektors Energie
Transportverluste
Exporte
ALPot
Inländ. Brutto-Stromverbrauch [PJ/a]
Anteil erneuerbarer Energieträger [%]
Abbildung 2-7: Entwicklung der österreichischen Stromversorgung von 1970 bis 2007
Quelle: Statistik Austria (2010a), eigene Berechnungen und Darstellung (Energy Economics Group,
TU Wien)
Die Stromerzeugung aus biogenen Energieträgern betrug im Jahr 2008 ca. 6,5% des Brutto-
Stromverbrauchs. Gut die Hälfte davon geht auf Ökostomanlagen im Sinne des
Ökostromgesetzes zurück, wobei Hackgut-Dampfturbinenanlagen den Hauptanteil
ausmachen. Der Rest setzt sich im Wesentlichen aus Eigenstromerzeugung in der Industrie
und – zu einem deutlich geringeren Anteil – dem biogenen Anteil von Abfallverwertungsanlagen
zusammen. Die Verstromung von Ablauge aus der Papier- und
Zellstofferzeugung liefert mit ca. 1.300 GWh/a (Barreto et Tretter, 2009) knapp ein Drittel der
gesamten Stromerzeugung aus biogenen Energieträgern.
Die bereits vorliegenden Daten zur Ökostromerzeugung aus Biomasse im Jahr 2009 zeigen
gegenüber dem Vorjahr einen minimalen Anstieg von ca. 3% (77 GWh).
GWh/a
5.000
4.000
3.000
2.000
1.000
Anteil von Strom aus
biogenen Energieträgern am
Brutto-Stromverbauch [%]
0
1970 1975 1980 1985 1990 1995 2000 2005
7%
6%
5%
4%
3%
2%
1%
0%
Deponie- und Klärgas (Ökostrom)
Flüssige Biomasse (Ökostrom)
Biogas (Ökostrom)
Feste Biomasse (Ökostrom)
Biogene Energieträger
Biogene Abfälle
Anteil von Strom aus biogenen
Energieträgern am Brutto-
Energieverbrauch
Abbildung 2-8: Entwicklung der Stromerzeugung aus biogenen Energieträgern inklusive
Ablauge der Papierindustrie von 1970 bis 2008
Quelle: Statistik Austria (2010a), E-Control (2009), eigene Berechnungen und Darstellung (Energy
Economics Group, TU Wien)

Der österreichische Bioenergie-Sektor
2.1.3 Verkehr
Im Sektor Verkehr kam es seit Anfang der 90er Jahre zu einem drastischen Anstieg des
Energieverbrauchs. Wie aus Abbildung 2-9 ersichtlich, wurde der Mehrverbrauch fast
ausschließlich mit fossilem Dieselkraftstoff gedeckt. 2009 betrug der Anteil von Diesel etwa
zwei Drittel des gesamten Endenergieverbrauchs im Verkehr. Die Bedeutung von
elektrischer Energie, Flüssiggas und Erdgas am Landverkehr ist äußerst gering, wobei der
Energiebedarf von Eisenbahnen hier nicht berücksichtigt ist. (In der Kategorie „Traktion“ in
Abbildung 2-4 ist dieser ebenso enthalten wie landwirtschaftliche Traktion).
Durch die verpflichtende Beimischung von biogenen zu fossilen Kraftstoffen konnte der
Anteil biogener Energieträger im Verkehrssektor innerhalb von vier Jahren auf ca. 5%
gesteigert werden. Inkonsistenzen mit den Daten lt. Winter (2006/07/08/09) deuten darauf
hin, dass die Datenerhebung in diesem Bereich Schwächen aufweist (siehe Abschnitt 2.3.3).
PJ/a
400
350
300
250
200
150
100
50
0
1970 1975 1980 1985 1990 1995 2000 2005
12
6%
5%
4%
3%
2%
1%
0%
Flüssiggas
Naturgas
Elektrische Energie
Biogene Kraftstoffe
Diesel
Benzin
Anteil biogener Energieträger
Abbildung 2-9: Endenergieverbrauch des Landverkehrs (exkl. Eisenbahnen): Entwicklung
von 1970 bis 2008
Quelle: Statistik Austria 2010, eigene Berechnungen und Darstellung (Energy Economics Group, TU
Wien)
2.2 Energiebedarf der Landwirtschaft
Die folgenden Abbildungen geben einen Überblick über den Energieverbrauch der
Landwirtschaft. Abbildung 2-10 zeigt die Entwicklung des Endenergieverbrauchs nach
Energieträgern von 1970 bis 2008 und Abbildung 2-11 den Endenergieverbrauch nach
Energieträgern und Nutzungskategorien im Jahr 2008. Es zeigt sich, dass nur 2,3% des
Endenergieverbrauchs (ca. 25 PJ/a) auf die Landwirtschaft zurückgehen. Seit 1970 ist der
Verbrauch um ca. 20% gesunken. Der Anteil biogener Energieträger ist im gleichen Zeitraum
von unter 10% auf 35% gestiegen. Bemerkenswert ist außerdem die starke Reduktion des
Heizölverbrauchs.
Vergleicht man die Nutzung elektrischer Energie mit der Stromerzeugung aus
landwirtschaftlichen Biogasanlagen, so zeigt sich, dass sich die Erzeugung im Jahr 2008 auf
etwa ein Drittel des Strombedarfs in der Landwirtschaft belief.
Was bei dieser Betrachtung jedoch gänzlich vernachlässigt wird, ist die „graue Energie“ von
nicht-energetischen Produktionsfaktoren (d.h. der Energiebedarf bei der Erzeugung von
Produktionsfaktoren), die beispielsweise bei Düngemitteln signifikant ist. So können durch
den Einsatz von Düngemitteln höhere Flächenerträge erzielt, und mitunter der direkte

13
ALPot
spezifische Energieaufwand reduziert werden. De facto kommt es jedoch in erster Linie zu
einer Verlagerung des Energieverbrauchs in den Bereich der Düngemittelproduktion.
PJ/a
40
35
30
25
20
15
10
5
0
1970 1975 1980 1985 1990 1995 2000 2005
Abbildung 2-10: Entwicklung des Endenergieverbrauchs der Landwirtschaft von 1970 bis
2008 (Der Sprung von 1987 auf 1988 geht auf eine Neuerhebung der Verbrauchsstruktur
zurück.)
Quelle: Statistik Austria (2010a), eigene Berechnungen und Darstellung (Energy Economics Group,
TU Wien)
PJ/a
12
10
8
6
4
2
0
Raumheizung
und
Klimaanlagen
Anteil der Landwirtschaft
am gesamten Endenergieverbrauch
[%]
Anteil biogener Energieträger
(exkl. Strom aus
Erneuerbaren) [%]
Endenergieverbrauch 2008: 25,1 PJ
40%
35%
30%
25%
20%
15%
10%
Dampferzeugung Industrieöfen Standmotoren Traktion Beleuchtung und
EDV
5%
0%
Elektrische Energie
Fernwärme
Sonstige Erneuerbare
Gas
Diesel
Kohle
Heizöl
Biogene Energieträger
Brennholz
Anteil d. Landwirtschaft am
ges. Endenergieverbrauch
Anteil biogener Energieträger
Brennbare Abfälle & sonstige ET
Biogene Brenn- & Treibstoffe
Brennholz
Fernwärme
Elektrische Energie
Gas & Flüssiggas
Diesel & Benzin
Abbildung 2-11: Endenergieverbrauch der Landwirtschaft nach Energieträgern und
Nutzungskategorien im Jahr 2007
Quelle: Statistik Austria (2010b), eigene Darstellung (Energy Economics Group, TU Wien)
Die in Abbildung 2-11 dargestellte Struktur des Energieverbrauchs verdeutlicht, dass fossile
Energieträger in der Landwirtschaft nur im Bereich der Traktion eine wirklich signifikante
Rolle spielen. Zur Schaffung einer zu 100% auf erneuerbaren Energieträgern basierenden,
unter Umständen energieautarken Landwirtschaft wäre also in erster Linie eine Forcierung
der Nutzung biogener Kraftstoffe erforderlich. Dabei kommen im Wesentlichen zwei
Konzepte in Frage: Die Umstellung der landwirtschaftlichen Maschinen auf Pflanzenölbetrieb
und Versorgung aus dezentralen Pflanzenölpressen oder die Umstellung auf Biomethan. In
Heizöl
Kohle

Der österreichische Bioenergie-Sektor
diesem Zusammenhang soll nicht unerwähnt bleiben, dass die Mineralölsteuerrückvergütung
für Agrardiesel (in der Landwirtschaft eingesetzter Dieselkraftstoff) wesentlichen Einfluss auf
die Wirtschaftlichkeit einer Eigenversorgung mit biogenen Kraftstoffen hat (siehe Abschnitt 4-
2-4 zum Thema „Wirtschaftlichkeit biogener Kraftstoffe“).
2.3 Derzeitige Bedeutung landwirtschaftlicher Biomasse
Im Folgenden wird analysiert, in welchem Ausmaß landwirtschaftliche Biomasse derzeit
energetisch genutzt wird. Zunächst erfolgt eine Darstellung der Entwicklung der geförderten
Produktion von Energiepflanzen und nachwachsenden Rohstoffen („NAWAROS“) im Sinne
der Energiepflanzenprämie bzw. der Flächenstilllegung. Da damit nur ein Teil der Produktion
von Energieträgern am Acker abgedeckt ist, werden anschließend die Entwicklungen im
Bereich der Biogaserzeugung, der Produktion und Nutzung flüssiger biogener Energieträger
sowie der energetischen Nutzung von Stroh dargestellt, und der gesamte landwirtschaftliche
Flächenbedarf abgeschätzt.
2.3.1 Produktion von Energiepflanzen und NAWAROS
Stillgelegte Flächen konnten bis zum Jahr 2008 für den Anbau von NAWAROS genutzt
werden. Darunter fallen Erzeugnisse, die nicht zur Herstellung von Produkten für den
Verzehr oder zur Verfütterung eingesetzt werden, d.h. energetisch oder stofflich verwertet
werden. In Folge der Aufhebung der Verpflichtung zur Flächenstilllegung durch die
Europäische Kommission können ab 2008 keine NAWARO-Flächen mehr ausgewiesen
werden. (Mit Ausnahme von den Kulturen „Miscanthus“ und „Energieholz“, welche laut AMA
(2009) im Jahr 2008 letztmalig beantragt werden konnten).
Abbildung 2-12 zeigt die Entwicklung von NAWARO-Flächen von 1997 bis 2008. Die
dominierenden Kulturarten waren Ölsaaten (Raps und Sonnenblumen). In relativ geringem
Ausmaß wurde auch Biogasmais auf Stilllegungsflächen angebaut und in den Jahren 2006
und 2007 zeigte sich ein deutlicher Anstieg bei Weichweizen. Es ist davon auszugehen, dass
dieser Anstieg auf die Nachfrage der Ethanolanlage in Pischelsdorf zurückzuführen ist (siehe
Abschnitt 2.3.3.3). Die Anbaufläche von holzartiger Biomasse (Kurzumtriebsholz und
Miscanthus) belief sich in Summe in den Jahren 2007 und 2008 auf knapp über 1.000 ha.
Bis zum Jahr 2009 wurde in der EU für den Anbau von Energiepflanzen eine Prämie von
45 € pro Hektar an den Erzeuger (den Landwirt) ausgezahlt. (Bei einem Überschreiten der
förderfähigen Gesamtfläche kam es zu einer Kürzung der Prämie.) Als Energiepflanzen
galten alle Pflanzen, die zur Produktion von biogenen Kraftstoffen eingesetzt oder einer
anderen energetischen Verwertung zugeführt wurden. Der Anbau von Energiepflanzen auf
stillgelegten Flächen war nicht möglich. Ab dem Jahr 2010 wird die Energiepflanzenprämie
nicht mehr ausbezahlt, was mit den „Entwicklungen im Bioenergiesektor und insbesondere
der starken Nachfrage nach solchen Erzeugnissen auf den internationalen Märkten sowie
der Festsetzung bindender Zielvorgaben für den Anteil der Bioenergie am gesamten
Kraftstoff“ begründet wird (AMA, 2009).
14

ha
25.000
20.000
15.000
10.000
5.000
0
1997 1998 1999 2000 2001 2002 2003 2004 2005 2006 2007 2008
15
Sonstige
Energieholz
Miscanthus
Weichweizen
Raps
Sonnenblumen
Silomais & CCM
(Körner-)mais
Abbildung 2-12: NAWARO-Flächen 1997-2008
(2008 konnten nur Miscanthus und Energieholz beantragt werden, CCM: „Corn Cob Mix“)
Quelle: AMA (2009), eigene Darstellung (Energy Economics Group, TU Wien)
ALPot
Die Entwicklung des subventionierten Energiepflanzenanbaus, dargestellt in Abbildung 2-13
zeigt einen stetigen Anstieg von knapp 5.000 ha im Jahr 2004 auf 25.000 ha in 2009. Die
bedeutendsten Kulturen sind hier Biogasmais, Ölsaaten und seit 2006 wie bei NAWAROS
auch Weichweizen. Die geförderte Anbaufläche von Miscanthus und Energieholz stieg von
4 ha im Jahr 2005 auf knapp 300 ha in 2009.
In Summe belief sich die über die Energiepflanzen- oder NAWARO-Prämie geförderte
Anbaufläche der mehrjährigen Energiepflanzen im Jahr 2008 laut AMA (2009) auf 750
(Miscanthus) bzw. 670 ha (Kurzumtriebsholz). In Statistik Austria (2010c) ist die gesamte
Energieholzfläche exklusive Miscanthus in den Jahren 2008 und 2009 mit 1.335 ha
ausgewiesen.
ha
30.000
25.000
20.000
15.000
10.000
5.000
0
2003 2004 2005 2006 2007 2008 2009
Sonstige
Energieholz
Miscanthus
Weichweizen
Raps
Sonnenblumen
Silomais & CCM
Körnermais
Abbildung 2-13: Energiepflanzenflächen 2003-2009
Quelle: AMA (2009), eigene Darstellung (Energy Economics Group, TU Wien)
2.3.2 Biogas
Der Anbau von Ackerfrüchten für die Biogaserzeugung macht einen wesentlichen Anteil der
landwirtschaftlichen Biomasseproduktion aus. Da die Energiepflanzen- und NAWARO-
Flächen nur einen Teil davon abdecken (nämlich jenen, der entweder über die Energiepflanzenprämie
subventioniert wurde oder auf Stilllegungsflächen zurückgeht), wurde auf
Basis der bestehenden Biogasanlagen eine Abschätzung des gesamten Flächenbedarfs für
Biogaserzeugung durchgeführt.

Der österreichische Bioenergie-Sektor
Abbildung 2-14 zeigt die Ergebnisse. Die unterstellte Verteilung nach Substraten basiert auf
E-Control (2008), für die Methanerträge wurde auf Daten KTBL (2010) zurückgegriffen. Der
elektrische Wirkungsgrad wurde unter Berücksichtigung des Eigenstrombedarfs einheitlich
mit 34% angenommen. Es zeigt sich, dass der Flächenbedarf für die Produktion von
Biogassubstraten ca. 6.600 ha im Jahr 2004 auf 34.000 ha in 2009 angestiegen ist. Der
weitaus größte Anteil (energiebezogen ca. 65% bzw. 22.000 ha) geht auf Maissilage zurück,
gefolgt von Grassilage (ca. 10% bzw. 6.450 ha) und Roggen-Ganzpflanzensilage (7% oder
3.450 ha). Biogenen Rest- und Abfallstoffe (Gülle, Mist, Bioabfall und Pflanzenreste) machen
in Summe immerhin mehr als 10% des gesamten Substrataufkommens aus
(energiebezogen).
Auf Basis dieser Bedarfsabschätzung kann davon ausgegangen werden, dass maximal ein
Drittel des Rohstoffbedarfs der Biogasanlagen im Rahmen der Energiepflanzenförderung
subventioniert wurde und der Anbau auf Stilllegungsflächen nur einen sehr geringen Beitrag
zur Rohstoffversorgung leistete.
Die Angaben in Kopetz et al. (2010) weichen recht deutlich von der hier dargestellten
Abschätzung ab. Sie belaufen sich auf 21.700 ha Ackerfläche und 500 ha Grünland
(Bezugsjahr: 2007) 5 . Ein sehr geringer Anteil der Biogaserzeugung geht laut Kopetz et al.
(2010) auf Zwischenfrüchte zurück (Anbaufläche: 300 ha).
Flächenbedarf [ha]
40.000
35.000
30.000
25.000
20.000
15.000
10.000
5.000
0
Grassilage
Futterrübe
Massenrübe
Sonnenblume
Sudangras
Roggen-GPS
Maissilage
2004 2005 2006 2007 2008 2009
Abbildung 2-14: Schätzung des Flächenbedarfs für Energiepflanzen zur Biogaserzeugung
und energiebezogene Zusammensetzung des eingesetzten Substrate (Bezugsjahr 2007)
(basierend auf dem Rohstoffeinsatz von 198 Anlagen, das sind 60% aller Ende 2007 anerkannten
Anlagen. Der in der Quelle als „Rest“ bezeichnete Anteil in der Höhe von 14% wurde für die
Abschätzung des Flächenbedarfs und im Sinne der Konsistenz auch für die Substratzusammensetzung
anteilsmäßig auf die ausgewiesenen Substrate aufgeteilt; daher die Abweichungen
zu den Originaldaten in der Quelle.)
Quellen: E-Control (2009), KTBL (2010), eigene Berechnungen und Darstellung (Energy Economics
Group, TU Wien)
In den letzten Jahren wurde auch eine Reihe von Anlagen zur Biogasaufbereitung und -einspeisung
sowie eine netzferne Biogastankstelle (Margarethen am Moos) errichtet. In der
Karte in Abbildung 2-15 sind die Standorte der Anlagen eingezeichnet. Derzeit liegen Daten
zu acht Standorten vor. Bei den vier Anlagen, für die Angaben zum Aufbereitungsverfahren
5
Da keine Angaben über die Datenquellen verfügbar sind, konnten die Ursachen für die Abweichung
nicht eruiert werden.
16

17
ALPot
vorliegen, kommen drei verschiedene Technologien nämlich Druckwechseladsorption,
Aminwäsche und eine Membrantechnik zum Einsatz.
Die gesamte Produktionskapazität der acht Anlagen beläuft sich auf ca. 860 m 3 /h bzw.
8,5 MW Biomethan (aufbereitetes Biogas). Unter der Annahme von 8.000 Jahres-
Volllaststunden ergibt sich eine jährliche Biomethanerzeugung von ca. 68 GWh. Zum
Vergleich: Basierend auf dem im Jahr 2009 aus Biogasanlagen eingespeistem Ökostrom
kann von einer Rohgaserzeugung in der Höhe von ca. 1.600 GWh ausgegangen werden.
Pucking
Betriebsaufnahme: 2005
Gasaufbereitung: Druckwechseladsorption (PSA)
Einspeisung Biomethan: 6 m 3 /h
Schwaighofen bei Eugendorf
Betriebsaufnahme: 2008
Einspeisung Biomethan: 18 m 3 /h
Asten
Betriebsaufnahme: 2010
Gasaufbereitung: Druckwasserwäsche
Einspeisung Biomethan: 380 m 3 /h
Engerwitzdorf
Betriebsaufnahme: 2010
Gasaufbereitung: Aminwäsche
Einspeisung Biomethan: 125 m 3 /h
Leoben
Betriebsaufnahme: 2009
Einspeisung Biomethan: 80 m 3 /h
Margarethen am Moos
Betriebsaufnahme: 2008
Gasaufbereitung: Membranverfahren
Produktion Biomethan: 35 m 3 /h
Bruck an der Leitha
Betriebsaufnahme: 2007
Gasaufbereitung: Membranverfahren
Einspeisung Biomethan: 100 m 3 /h
Wiener Neustadt
Betriebsaufnahme: 2010
Einspeisung Biomethan: 120 m 3 /h
Abbildung 2-15: Anlagen zur Biogaserzeugung zur Einspeisung bzw. Verwendung als
Kraftstoff in Österreich
Quellen: Basierend auf Biogaspartner (2010), Biogas-Netzeinspeisung (2010), Machan (2009), eigene
Darstellung (Energy Economics Group, TU Wien)
2.3.3 Flüssige Biomasse
Flüssige biogene Energieträger werden in erster Linie als Kraftstoff und in weitaus geringerm
Maße zur Stromerzeugung eingesetzt. Die Nutzung von Biodiesel aus Pflanzenöl als
Kraftstoff stellt die weitaus bedeutendste energetische Nutzungsform flüssiger Biomasse und
den wichtigsten biogenen Kraftstoff in Österreich und Europa dar. In Österreich konnte durch
die Vorgabe von verpflichtenden Mindestanteilen von biogenen Kraftstoffen am gesamten
Kraftstoffabsatz deren Anteil innerhalb von 3 Jahren von ca. 1% (2005) auf 4,66% (2008)
erhöht werden. Seit Oktober 2008 gilt in Österreich die von der EU für 2010 vorgeschlagene
Quote von 5,75%).
Über die zur Stromerzeugung eingesetzten Mengen flüssiger Biomasse liegen keine Daten
vor. Auf Basis der Einspeisung in der Höhe von 39 GWh (2009) und unter der Annahme,
dass ausschließlich Pflanzenöl eingesetzt wird, wurde die erforderliche Rohstoffmenge mit
etwa 10.000 t Pflanzenöl abgeschätzt. Es ist allerdings anzunehmen, dass ein geringer
Anteil auf biogenes Altöl zurückgeht.
Im Folgenden wird im Detail auf die für Mobilität eingesetzten biogenen Energieträger
Biodiesel, Pflanzenöl und Bioethanol eingegangen. Neben der Entwicklung des Verbrauchs
werden Produktion, inländische Produktionskapazitäten sowie die zur Produktion
erforderlichen Rohstoffmengen und Anbauflächen analysiert.

Der österreichische Bioenergie-Sektor
2.3.3.1 Biodiesel
Wie aus Abbildung 2-16 ersichtlich, kam es infolge der energiepolitischen Rahmenbedingungen
seit 2006 zu einem raschen Ausbau der Biodiesel-Produktionskapazitäten. Bei
der Produktion war 2008 ein deutlicher Rückgang gegenüber dem Vorjahr zu verzeichnen,
was auf die außergewöhnlich hohen Preise für Ölsaaten (und die meisten anderen
landwirtschaftlichen Erzeugnisse) im Zeitraum vom vierten Quartal 2007 bis Mitte 2008
zurückzuführen ist. Auf den Ausbau der Produktionskapazitäten hatte dies jedoch
offensichtlich keinen Einfluss, und im Jahr 2009 stieg die Produktion auf den bisher höchsten
Wert von 310.000 t.
1.000 t/a
700
600
500
400
300
200
100
0
25
32
50
100
57
125 134
85 123
267
18
213
485
310
2002 2003 2004 2005 2006 2007 2008 2009
707
25
20
15
10
5
0
PJ/a
Produktion
Kapazitäten
Abbildung 2-16: Entwicklung der Biodiesel-Produktionskapazitäten und der tatsächlichen
Produktion in Österreich (keine Daten zu den Kapazitäten im Jahr 2002 verfügbar)
Quelle: EBB (2010), eigene Darstellung (Energy Economics Group, TU Wien)
Im Folgenden werden die Außenhandelsströme, die mit der steigenden Produktion bzw.
Nutzung von Biodiesel in Zusammenhang stehen, dargestellt. Neben den Ein- und
Ausfuhren in Form von Biodiesel („direkte“ Im-/Exporte) sind auch Außenhandelsströme von
Rohstoffen zur Biodieselproduktion, d.h. Ölsaaten und Pflanzenöl zu berücksichtigen
(„indirekte“ Im-/Exporte). Handelsströme von Biodiesel sind in Außenhandelsstatistiken nicht
vollständig erfasst, da diese zum Teil in Form von Mischungen mit fossilem Dieselkraftstoff
gehandelt wird. Bei den Rohstoffen stellt sich wiederum das Problem, dass in
Handelsstatistiken keine Unterscheidung zwischen für die stoffliche bzw. energetische
Verwertung und für die Nahrungs-/Futtermittelproduktion bestimmten Rohstoffen getroffen
wird. Aus diesem Grund werden lediglich die Entwicklungen der relevanten Import- und
Exportmengen dargestellt und qualitativ analysiert.
In Abbildung 2-17 sind die Entwicklungen von Produktion, direktem Außenhandel und
inländischem Verbrauch von Biodiesel dargestellt. Bei den Daten zur Produktion zeigt sich
eine Inkonsistenz zu den Daten nach EBB (2010), insbesondere was den
Produktionsrückgang im Jahr 2008 angeht. Unabhängig davon ist klar ersichtlich, dass sich
die Höhe der Nettoimporte in den Jahren 2007 und 2008 bei etwa einem Drittel des
Gesamtverbrauchs liegt. Darüber hinaus wurde jedoch auch der Großteil der Rohstoffe
importiert (Pflanzenöl bzw. Ölsaaten).

1.000 t/a
450
400
350
300
250
200
150
100
50
0
2001 2002 2003 2004 2005 2006 2007 2008
19
Produktion in Ö. [1.000 t/a]
Exporte [1.000 t/a]
Importe [1.000 t/a]
Verbrauch in Ö. [1.000 t/a]
ALPot
Abbildung 2-17: Entwicklung der österreichischen Biodieselversorgung
Quellen: Winter (2006/07/08/09) nach ARGE Biokraft, eigene Berechnungen und Darstellung (Energy
Economics Group, TU Wien)
In Abbildung 2-18 sind die Entwicklung des Rohstoffbedarfs sowie der Erntemengen und
Nettoimporte von Raps und Sonnenblume sowie die Nettoimporte von pflanzlichen Ölen
dargestellt 6 . Es zeigt sich, dass die zur Biodieselproduktion im Jahr 2008 erforderliche
Menge an Ölsaaten die gesamte österreichische Erntemenge ca. um einen Faktor 3
übersteigt. Letztere ist im dargestellten Zeitraum nur geringfügig gestiegen. Der rasch
steigende Rohstoffbedarf zur Biodieselproduktion wurde in erster Linie durch zusätzliche
Pflanzenölimporte und in deutlich geringerem Umfang durch Importe von Raps- und
Sonnenblumensaat gedeckt.
Die Versorgungsbilanz für pflanzliche Öle (Statistik Austria, 2010d) weist folgende Zahlen
aus: Der Verbrauch pflanzlicher Öle für Nahrungs- und Futtermittel (einschließlich von der
Nahrungsmittelindustrie verwendeter/verarbeiteter Mengen) ist von 152.000 t im
Wirtschaftsjahr 2003/04 um 17% auf 178.000 t in 2008/09 gestiegen. Bei der industriellen
Verwendung hingegen kam es zu einem Anstieg um fast 700% (von ca. 35.000 t auf
240.000 t). Der auf Basis der Ölsaatenproduktion berechnete Selbstversorgungsgrad lag im
Wirtschaftsjahr 2008/09 bei nur 27% (2003/04: 38%).
Zusammenfassend kann gesagt werden, dass der steigende Verbrauch von Biodiesel zu
einem Mehrbedarf geführt hat, der nahezu ausschließlich durch Importe gedeckt wurde.
Importiert wurde in erster Line aus den östlichen Nachbarländern bzw. Osteuropa, aber auch
bei den Palmölimporten war in den letzten Jahren ein deutlich steigender Trend zu
verzeichnen (UN Comtrade, 2009): Die Nettoimporte stiegen von ca. 13.000 t im Jahr 2000
auf knapp 47.000 t in 2008.
6 Zwecks direkter Vergleichbarkeit wurden die Nettoimporte pflanzlicher Öle auf „Ölsaat-Äquivalente“,
d.h. die zur Produktion erforderliche Menge an Ölsaaten umgerechnet. Dabei wurde von einer
Ölausbeute von 0,4 t pro Tonne Ölsaat ausgegangen.

Der österreichische Bioenergie-Sektor
t/a
1.200.000
1.000.000
800.000
600.000
400.000
200.000
0
2002 2003 2004 2005 2006 2007 2008
20
Erntemenge Raps &
Sonnenblume
Nettoimporte Raps &
Sonnenblume
Nettoimporte pflanzl. Öle*
Bedarf f. Produktion lt. EBB
Bedarf f. Verbrauch lt. UBA
*) "Ölsaat-Äquivalente"
Abbildung 2-18: Brutto-Rohstoffbedarf der österreichischen Biodieselversorgung,
Entwicklung der Erntemengen und Nettoimporte von Raps und Sonnenblumen sowie
pflanzlichen Ölen 7
(Die Erntemengen beziehen sich auf das jeweilige Wirtschaftsjahr.)
Quelle: Winter (2006/07/08/09) nach ARGE Biokraft, EBB (2010), Eurostat (2010a), Statistik Austria
(2010d), UN Comtrade (2009), eigene Berechnungen und Darstellung (Energy Economics Group, TU
Wien)
2.3.3.2 Pflanzenöl
Die Qualität der Daten über die Nutzung von Pflanzenöl für Mobilität ist relativ schlecht, da
hinsichtlich der Produktionsmengen nicht nach dem Verwendungszweck unterschieden wird,
und aufgrund der Distributionskanäle keine fundierten statistischen Daten verfügbar sind.
Die offiziellen Daten in Winter (2006/07/08/09) (Reporte gemäß Direktive 2003/30/EC)
basieren einerseits auf Angaben des Bundesverbandes für Pflanzenöl Austria (erfasst ist nur
der Verbrauch in landwirtschaftlichen Betrieben, die Mitglied des Verbandes sind) und
andererseits auf den eingebrachten Förderanträgen zum Umrüsten von Fahrzeugen auf
Pflanzenölbetrieb. Die als gesichert betrachtete Menge des für landwirtschaftliche Traktion
eingesetzten Pflanzenöls beläuft sich auf ca. 3.400 t, die Abschätzung für den
Straßenverkehr auf knapp 16.000 t (2008).
2.3.3.3 Bioethanol
Bioethanol wird seit Oktober 2007 zu rund 4,7% fossilem Ottokraftstoff beigemischt.
(BMLFUW, 2009). Inklusive dem Kraftstoff „E85“ (85-prozentiges Ethanolgemisch) wurden
2007 rund 20.000 t Bioethanol, 2008 knapp 85.000 t Ethanol abgesetzt (Winter, 2008/09).
Das Bioethanolwerk der AGRANA im niederösterreichischen Pischelsdorf verfügt über eine
Produktionskapazität von 240.000 m³/a (ca. 190.000 t/a bzw. 5.1 PJ/a). Die Anlage nahm im
Juni 2008 den regulären Betrieb auf, nachdem aufgrund der Preissituation bei Ackerfrüchten
7 Bei der Berechnung des Rohstoffbedarfs wurde hier angenommen, dass Biodiesel ausschließlich
aus Ölsaaten produziert wird, d.h. eine etwaige Produktion aus Altöl, tierischen Fetten etc. wurde
vernachlässigt. Die Nettoimporte pflanzlicher Öle wurden zwecks besserer Vergleichbarkeit in
„Rapssaat-Äquivalente“ umgerechnet, d.h. jene Menge Rapssaat die zur Produktion der
entsprechenden Menge an Pflanzenöl erforderlich ist.

21
ALPot
nach dem Testlauf im Jahr 2007 die Aufnahme des Vollbetriebs verschoben wurde. Der
jährliche Rohstoffbedarf beläuft sich bei voller Auslastung auf 620.000 t und wird zu ca. 75%
mit Weizen und Triticale, 15% mit Mais und 10% mit Zuckerrübendicksaft gedeckt.
Abschätzungen der zur Rohstoffversorgung erforderlichen Ackerfläche variieren von ca.
70.000 bis 90.000 ha (BMLFUW, 2010; Schultes, 2007), wobei einerseits Ertragsschwankungen
und andererseits die Zusammensetzung der verwendeten Ackerfrüchte eine
genaue Abschätzung erschweren. Bei voller Auslastung können mit der jährlichen
Produktionsmenge mehr als 6% des Benzinverbrauchs in Österreich ersetzt werden.
Laut Kopetz et al. (2010) belief sich im Jahr 2007 die für den Anbau von „Ethanolpflanzen“
genutzte Fläche auf 6.749 ha. Für die Jahre 2008 und 2009 sind keine Daten über die
genaue Zusammensetzung des Rohstoffaufkommens bekannt, laut Jahresbericht der
AGRANA (2010) kamen die Rohstoffe im Geschäftsjahr 2009/10 jedoch zum Großteil aus
österreichischem Anbau.
2.3.3.4 Nebenprodukte
Bei der Produktion von Pflanzenöl, Biodiesel und Ethanol fallen signifikante Mengen an
Nebenprodukten an. Das Nebenprodukt bei der Kaltpressung in meist dezentralen Ölmühlen
ist Presskuchen. Bei der Produktion von Rapsöl mittels Extraktion in industriellen
Großanlagen fällt Extraktionsschrot an, der im Gegensatz zu Presskuchen fettarm ist.
Sowohl Presskuchen als auch -schrot wird als Eiweißfuttermittel genutzt. Das
Massenverhältnis von Rapsöl zu Rapsschrot beträgt ca. 40:60, das Verhältnis der Heizwerte
etwa 60:40. Bei Kaltpressung ist die Ölausbeute etwas geringer. Bei der Umesterung von
Pflanzenöl entsteht außerdem das Nebenprodukt Rohglycerin, wobei pro Tonne Biodiesel
von ca. 100 kg Glycerin ausgegangen werden kann.
In der Ethanolanlage der AGRANA wird aus der Schlempe ein Eiweißfuttermittel („DDGS“,
„Dried Distillers Grains with Solubles“) produziert, welches unter dem Markennamen
„Actiprot“ vertrieben wird. Alternativ ist es möglich, die Reststoffe der Ethanolproduktion in
Biogasanlagen energetisch zu verwerten, wodurch ein wesentlicher Anteil des
Energiebedarfs der Anlage gedeckt werden kann. (Friedl et al., 2005 geben einen Überblick
über Eigenschaften und Energiebilanzen verschiedener Anlagengrößen und –konzepte.)
Abgesehen davon, dass die Nebenprodukte eine nicht zu vernachlässigende Rolle für die
Wirtschaftlichkeit der Produktion von biogenen Kraftstoffen spielen, sind diese auch bei
Betrachtungen wie dem Rohstoff- oder Flächenbedarf bzw. Analysen der Treibhausgasbilanzen
von biogenen Kraftstoffen zu berücksichtigen. Dabei können verschiedene
methodische Ansätze zum Einsatz kommen (Substitutions- oder Allokationsmethode), wobei
die Wahl der Methode mitunter einen nicht unwesentlichen Einfluss auf die
Gesamtergebnisse haben kann.
Es sei deshalb nochmals darauf hingewiesen, dass bei Abschätzungen des Brutto-Flächenbzw.
Brutto-Rohstoffbedarfs Nebenprodukte vernachlässigt werden. Derartige Betrachtungen
sind für Abschätzungen des Flächenbedarfs bzw. -potenzials sinnvoll. Für eine
gesamtheitliche Bewertung von biogenen Kraftstoffen (insbesondere einen Vergleich
zwischen Kraftstoffen der ersten und zweiten Generation) sind jedoch Nebenprodukte
unbedingt zu berücksichtigen.
2.3.4 Stroh
Der jährliche Getreidestrohanfall wird von Statistik Austria mit knapp 1.9 Mio t (Durchschnitt
2005 bis 2008) beziffert. Der überwiegende Teil wird dabei für die Nutztierhaltung benötigt
(rund 1.3 Mio t). In Niederösterreich und im Burgenland werden rund 12.000 t Stroh in
Fernwärmeheizwerken verbraucht (Patzl, 2008; Steinberger, 2008). Das restliche Getreide-

Der österreichische Bioenergie-Sektor
stroh und vor allem Raps- und Maisstroh wird für den Aufbau von Humus in den Boden
eingearbeitet (vgl. Kolbe, 2007).
2.3.5 Zusammenfassung
Landwirtschaftliche Biomasse wird in Österreich zur Strom-, Wärme- und Kraftstofferzeugung
genutzt. In Relation zur gesamten Biomassenutzung machen landwirtschaftliche
Energieträger einen relativ geringen Anteil aus.
Der für die Erzeugung der derzeit (2008 bzw. 2009) energetisch genutzten Ackerfrüchte
benötigte Brutto-Flächenbedarf wird auf ca. 500.000 ha geschätzt (inklusive importierte
Rohstoffe und ohne Berücksichtigung der Nebenprodukte). Davon entfallen ca. 34.000 ha
auf Biogassubstrate, ca. 80.000 ha auf Ethanol, 2.000 ha auf die mehrjährigen
Energiepflanzen Miscanthus und Kurzumtriebsholz und etwa 380.000 ha auf Pflanzenöl
(wobei über 90% für die Biodieselproduktion und der Rest für die Verwertung in
Ökostromanlagen bzw. die Nutzung in pflanzenöltauglichen Fahrzeugen genutzt wird). 8
Allein bei Betrachtung des Selbstversorgungsgrades bei Pflanzenöl wird klar, dass ein
Großteil der in Österreich genutzten landwirtschaftlichen Biomasse nicht aus inländischer
Produktion stammt. Laut Schultes (2007) bzw. BMLFUW (2009) wurden 2005 etwa 50.000
und 2007 etwa 65.000 ha der österreichischen landwirtschaftlichen Fläche für die
Bioenergieproduktion genutzt.
In Kopetz et al. (2010) wird die im Jahr 2007 zur Energiepflanzenproduktion genutzte Fläche
mit 54.949 ha (exklusive 300 ha Zwischenfrüchte für die Biogasproduktion) beziffert. Die
Fläche für Ölsaaten zur Biodieselproduktion wird mit 25.000 ha, jene für Ethanol mit ca.
6.700 ha beziffert. Hinsichtlich der mit nur ca. 22.000 ha ausgewiesenen Fläche für
Biogaspflanzen wird die Gesamtfläche bei dieser Abschätzung jedoch als zu niedrig
erachtet.
Selbst wenn es aufgrund der Produktion für die im Sommer 2008 in Vollbetrieb gegangene
Ethanolanlage zu einem deutlichen Anstieg der Produktion von Energiegetreide gekommen
ist (der Anstieg bei den Energiepflanzen- und NAWARO-Flächen deutet darauf hin), kann
davon ausgegangen werden, dass ein Großteil der in Österreich genutzten, landwirtschaftlich
erzeugten Energieträger nicht aus österreichischen Anbau stammt.
8 Aufgrund der zum Teil unsicheren Datenbasis, den jährlichen Ertragsschwankungen sowie der
Vernachlässigung der Altölverwertung sind diese Zahlen als grobe Richtwerte zu verstehen.
22

3 Wirtschaftliche und politische Rahmenbedingungen:
Status quo und Szenarien
23
ALPot
Inhalt dieses Kapitels sind die für einen Ausbau der landwirtschaftlichen Bioenergieerzeugung
relevanten wirtschaftlichen und politischen Rahmenbedingungen. Es werden
energie- und klimapolitische Zielsetzungen (Abschnitt 3.1), Szenarien und Potenziale in der
Literatur (3.2), Agrarwirtschaftliche und -politische Rahmenbedingungen (3.3) sowie
Schnittstellen zwischen agrar- und energiewirtschaftlichen Aspekten (3.4) dargestellt.
3.1 Energie- und klimapolitische Zielsetzungen
In diesem Abschnitt werden die folgenden energie- und klimapolitischen Zielsetzungen
erläutert: das Kyoto-Protokoll, das Klima und Energiepaket der Europäischen Union, die
„Energiestrategie Österreich“ und der „Aktionsplan Erneuerbare Energie“. Bei letzteren
beiden wird insbesondere jene Aspekte, die landwirtschaftliche Biomassenutzung betreffen,
eingegangen.
3.1.1 Das Kyoto-Protokoll
Am 16. Februar 2005 trat das Kyoto-Protokoll, welches eine Reduktion der Treibhausgasemissionen
der Europäischen Union um 8% vorsieht, in Kraft. Für Österreich gilt aufgrund
der Burden-sharing-(Lastenteilungs-)Vereinbarung der EU für den Zeitraum 2008 bis 2012
ein Reduktionsziel von 13% gegenüber dem Basisjahr 1990. In Abbildung 3-1 ist die
Entwicklung der österreichischen Treibhausgasemissionen von 1990 bis 2007 mit dem
Kyoto-Ziel in der Höhe von 68,8 Mio. Tonnen CO2-Äquivalente (Mt CO2-Äqu.) gegenüber
gestellt. Es ist klar ersichtlich, dass sich Österreich nicht auf „Kyoto-Zielkurs“ befindet.
Im Jahr 2007 wurden in Österreich insgesamt 88 Mt CO2-Äqu. emittiert, was einem Anstieg
von 11,3% gegenüber 1990 entspricht. Der weitaus größte Teil des Anstiegs seit 1990 geht
auf den Sektor „Verkehr“ zurück (10,2 Mt CO2-Äqu. bzw. 72,6%; siehe auch Abb. 2-9),
gefolgt von „Industrie und produzierendes Gewerbe“ (4,4 Mt CO2-Äqu. bzw. 20,5%).
Mio. t CO2-Äquivalent
100
90
80
70
60
50
40
30
20
10
0
1990
1991
1992
1993
1994
1995
1996
1997
1998
1999
2000
2001
2002
2003
2004
2005
2006
2007
2008
2009
2010
2011
2012
Sonstige
Landwirtschaft
Verkehr
Industrie
Kleinverbraucher
Energieaufbringung
Kyoto-Ziel 2008-2012
Abbildung 3-1: Treibhausgasemissionen in Österreich: Entwicklung von 1990 bis 2007 und
Kyoto-Ziel
Quelle: UBA (2009), eigene Darstellung (Energy Economics Group, TU Wien)

Wirtschaftliche und politische Rahmenbedingungen
3.1.2 Das Klima- und Energiepaket der Europäischen Union
Im Rahmen des im Dezember 2008 verabschiedeten Klima- und Energiepakets (siehe
Direktive 2009/28/EC; EC, 2009) hat sich die EU zum Ziel gesetzt, bis zum Jahr 2020 den
Ausstoß von Treibhausgasen der Union um 20 % im Vergleich zu 1990 zu reduzieren.
Darüber hinaus soll der Anteil der erneuerbarer Energiequellen am Bruttoendenergieverbrauch
bis 2020 auf 20 % gesteigert werden und die Energieeffizienz bis dahin um 20 %
im Vergleich zu einem Business-as usual-Szenario gesteigert werden.
Das Paket umfasst unter anderem folgende Punkte (basierend auf UBA, 2009):
1. Reduktion der THG-Emissionen bis 2020 (Effort-Sharing hinsichtlich der
Verpflichtungen der Gemeinschaft).
2. Änderung des Europäischen Emissionshandelssystems nach 2012
3. Zielsetzungen für Erneuerbare Energien
Ad 1. Österreich muss gemäß der Effort-Sharing-Vereinbarung die THG-Emissionen der
nicht vom Emissionshandel erfassten Quellen von 2005 bis 2020 um 16 % reduzieren und
dabei einen geradlinigen „Zielpfad“ zwischen 2013 und 2020 einhalten. Im Jahr 2005 wurden
92,8 Mt CO2-Äqu. emittiert. Ein Drittel (ca. 33,4 Mt CO2-Äqu.) davon entfiel auf Anlagen
innerhalb des Emissionshandelssystems. Die restlichen zwei Drittel (ca. 59,5 Mt CO2-Äqu.)
gehen auf andere Quellen zurück. Für die im Rahmen des Effort-Sharings festgelegte
Reduktion sind nur letztere relevant. Eine Reduktion ihrer Emissionen um 16 % ergibt einen
zulässigen Höchstwert von rund 50 Mt CO2-Äqu. (Abschätzung lt. UBA 2009 ohne
Berücksichtigung derzeit noch offener Faktoren).
Ad 2. Die im Klima- und Energiepaket für 2020 geplante Emissionsreduktion durch
Emissionshandel liegt bei minus 21% gegenüber dem Referenzjahr 2005. Die Änderungen
des Emissionshandelssystems beinhalten im Wesentlichen folgende Punkte: eine
Verlängerung der Handelsperiode von bisher 5 auf 8 Jahre, die Einbeziehung des
Flugverkehrs und anderer Sektoren sowie zusätzlicher Treibhausgase und eine einheitliche
Festlegung bzw. Zuteilung der Emissionszertifikate (Zuteilung auf Basis von Benchmarks
und verstärkte Versteigerung anstelle einer kostenfreier Zuteilung).
Ad 3. Ausgehend von dem Gesamtziel von plus 20% Erneuerbare Energie am EU-weiten
Brutto-Endenergieverbrauch 9 im Jahr 2020 wurden länderspezifische Zielwerte definiert. Für
Österreich beträgt der Zielwert 34%. Für Energie aus Wind und Wasserkraft wurde eine
Berechnungsmethodik definiert, die auf einen Ausgleich von wetterbedingten jährlichen
Schwankungen abzielt. Für 2007 wurde der Anteil Erneuerbarer am
Bruttoendenergieverbrauch gemäß der Richtlinie mit 28,5% berechnet, wobei 14,5% auf
biogene Energieträger zurückgehen (UBA, 2009).
Zusätzlich zu den länderspezifischen Zielsetzungen für den gesamten Endenergieverbrauch
wurde im Klima- und Energiepaket ein einheitliches Ziel für den Anteil Erneuerbarer Energie
im Verkehrssektor in der Höhe von 10% definiert. Neben biogenen Kraftstoffen (in erster
Linie Biodiesel und Bioethanol) kann der Einsatz von elektrischer Energie aus erneuerbaren
Quellen zur Zielerreichung beitragen. Um der höheren Effizienz elektrischer Antriebe
Rechnung zu tragen wird die in elektrischen Straßenfahrzeugen eingesetzte Energie mit dem
Faktor 2,5 gewichtet.
9 Der Brutto-Endenergieverbrauch setzt sich aus dem gesamten energetischen Endverbrauch sowie
Transportverlusten und dem Verbrauch des Sektors Energie bei Strom und Fernwärme zusammen.
24

3.1.3 Die EnergieStrategie Österreich
25
ALPot
Die im ersten Quartal des Jahres 2010 von Lebens- und Wirtschaftsministerium
veröffentlichte „Energiestrategie Österreich“ (BMLFUW et BMWFJ, 2010) gibt einen
Überblick über die strategischen Schwerpunkte, die die Erreichung der Energie- und
Klimaziele Österreichs ermöglichen sollen. Die Strategie beruht auf drei Säulen:
• Steigerung der Energieeffizienz
• Ausbau erneuerbarer Energien
• Sicherstellung der Energieversorgung
Der Steigerung der Energieeffizienz wird eine Schlüsselrolle zur Erreichung der klima- und
energiepolitischen Zielsetzungen zuerkannt. Konkret wird für das Jahr 2020 eine
Stabilisierung des Endenergieverbrauchs auf 1.100 PJ (entspricht etwa dem Verbrauch im
Jahr 2005) angepeilt. Die Reduktionsziele nach Sektoren stellen sich folgendermaßen dar:
Gegenüber dem Basisjahr 2005 wird im Sektor „Gebäude“ eine Reduktion des
Endenergieverbauchs von 337 auf 303 PJ/a (-10%) und bei Mobilität eine Reduktion von 385
auf 366 PJ/a (-5%) angepeilt. Für die Sektoren „Haushalte, Gewerbe, Dienstleistung,
Landwirtschaft, Kleinverbrauch“ und „Energieintensive Unternehmen“ wird eine Erhöhung
des Verbrauchs um 10% bzw. 15% als zulässig erachtet. Der angestrebte Beitrag von
erneuerbarer Energie zum Endenergieverbrauch beläuft sich (basierend auf dem 34%-Ziel)
auf über 390 PJ. Abbildung 3-2 zeigt eine Veranschaulichung dieser Zielsetzungen.
Abbildung 3-2: 2020-Zielerreichungspfad laut Energiestrategie Österreich
Quelle: BMLFUW et BMWFJ (2010)
Hinsichtlich der Zusammensetzung des Beitrags erneuerbarer Energie am
Endenergieverbrauch wurde in der EnergieStrategie eine Aufteilung nach den Sektoren
Strom, Wärme, Fernwärme und Biotreibstoffe getroffen (Tabelle 3-1). Demnach wird bei
elektrischer Energie ein Anstieg des Beitrags erneuerbarer Energieträger um 16,9 PJ, bei
Wärme um 21,8 PJ, bei Fernwärme um 14,7 PJ und bei biogenen Kraftstoffen um 16,1 PJ
gegenüber dem Jahr 2008 angestrebt. Die zusätzliche Stromerzeugung aus Erneuerbaren
soll in erster Linie auf Wasserkraft und Windenergie basieren. Der übrige Zuwachs soll durch
die Verstromung von Ablauge, Abfall, Biomasse und in geringem Ausmaß Photovoltaik
erreicht werden. Der laut Ökostromgesetz für Biomasse-KWK-Anlagen bis 2015 angestrebte

Wirtschaftliche und politische Rahmenbedingungen
Ausbau in der Höhe von 100 MW elektrischer Leistung wurde in die EnergieStrategie
übernommen.
Tabelle 3-1: Details des Zielerreichungspfades laut EnergieStrategie Österreich
Quelle: BMLFUW et BMWFJ (2010) nach Österreichische Energieagentur
Des Weiteren wird Energieerzeugung aus Biomasse in der EnergieStrategie in folgenden
Aspekten erwähnt:
• Der Ausbau der Stromerzeugung aus biogenen Energieträgern soll mit dem Einsatz
im Bereich Wärme „abgestimmt“ werden. Eine konkrete Zielsetzung für Strom aus
Biomasse-KWK wird nicht genannt.
• Bis 2011 soll eine Strategie für Biogas und Biomethan erarbeitet werden, die „die
gesamte Kette von der Aufbringung bis zur Vermarktung beinhaltet“. Biomethan soll
„in allen Anwendungssegmenten“ (Stromproduktion, Kraftstoff, Wärmeproduktion)
forciert werden“. Konkrete Maßnahmen zur Forcierung von Biomethan (wie
Investitionsförderungen oder Einspeisevergütungen) werden nicht genannt.
• Das 10%-Ziel für erneuerbare Energie im Verkehrssektor soll einerseits durch
schrittweise Erhöhung des Anteils biogener Kraftstoffe erhöht werden, andererseits
durch den Einsatz von Biomethan, biogenen Kraftstoffen der 2. Generation und
Elektromobilität auf Basis von Strom aus Erneuerbaren.
• Zur Biomasseaufbringung werden folgende Daten genannt. Für forstliche Biomasse
wird von einem zusätzlichen primärenergetischem Potenzial in der Höhe von 50 PJ
(pro Jahr) gegenüber 2005 (25 PJ/a gegenüber 2009) ausgegangen. Besondere
Bedeutung wird dabei der Erschließung des derzeit ungenutzten Potenzials aus dem
Kleinwald beigemessen. Damit soll gleichzeitig die Versorgungsicherheit für die
stoffliche Holznutzung erhöht werden.
• Das bis 2020 erschließbare Potenzial landwirtschaftlicher Biomasse wird mit 22 bis
37 PJ beziffert. Das bedeutendste Potenzial wird in der Nutzung von Zwischenfrüchten,
Nebenprodukten wie Stroh und Kurzumtriebsholz gesehen.
• Die Errichtung von „Biomassehöfen“ als regionalen Vermarktungszentren für biogene
Energieträger soll forciert werden.
26

27
ALPot
• Zur Stabilisierung der Pelletspreise und Vermeidung von Versorgungsengpässen wird
eine freiwillige Vereinbarung der Branche zur Bevorratung vorgeschlagen. (In der
Maßnahmenliste ist hingegen von einer „Bevorratungspflicht“ die Rede.)
• Um Rohstoffkonkurrenzen zu vermeiden soll die kaskadische Nutzung von biogenen
Rohstoffen forciert werden, insbesondere in Zusammenhang mit Bioraffinerien.
• Landwirtschaftliche Reststoffe (Maisspindel und Stroh werden erwähnt) sollen
mobilisiert werden.
• Als Maßnahme zur Diversifizierung der Biomassesortimente wird eine „Offensive“ bei
der Anlage von Kurzumtriebsflächen auf „freien“ Acker- und Grünlandflächen
angestrebt.
• Die wohl umfassendste in der EnergieStrategie vorgeschlagene Maßnahme ist die
„Erarbeitung eines Konzeptes zur optimalen Nutzung der landwirtschaftlichen
Flächen in Österreich im Sinne der Stützung aller ressourcenabhängigen
Wirtschaftssektoren“. (Hinsichtlich der zahlreichen, zum Teil konkurrierenden
Zielsetzungen stellt sich die Frage, hinsichtlich welcher Aspekte eine Optimierung
erfolgen soll, bzw. welche Aspekte bei der Erstellung des Konzeptes Priorität haben.
Siehe dazu auch Kapitel 9)
Hinsichtlich der Reduktion der Treibhausgasemissionen wird in der Energiestrategie davon
ausgegangen, dass die Umsetzung der genannten Maßnahmen, insbesondere der Erhöhung
der Energieeffizienz, eine Reduktion um 19% im Verkehrs- und um 45% im
Raumwärmesektor mit sich bringt, was für alle nicht im Emissionshandelssystem inkludierte
Sektoren einer Reduktion von 18% entspricht. Es wird also davon ausgegangen, dass mit
dem Maßnahmenpaket das im Klima- und Energiepaket vorgegebene Reduktionsziel in der
Höhe von 16% problemlos erreicht wird.
Zusammenfassend kann gesagt werden, dass in der Energiestrategie eine Reihe von
Maßnahmen im Bereich der landwirtschaftlichen Biomassenutzung vorgeschlagen werden,
an konkreten Zielsetzungen für diesen Sektor fehlt es jedoch weitgehend. Da bei den
Ausbauzielen für Wärme und Strom nicht nach Energieträgern unterschieden wird, ist die
Ableitung eines Biomasse-Primärenergiebedarfs nicht möglich. Aus den genannten Zahlen
zum Ausbau bei Wasserkraft und Windenergie kann geschlossen werden, dass biogene
Energieträger in erster Linie zur Wärmeerzeugung und zur Produktion biogener Kraftstoffe
eingesetzt werden sollen. Bei Kraftstoffen muss davon ausgegangen werden, dass diese
weiterhin zum Großteil aus importierten Rohstoffen produzierte (bzw. direkt über
Kraftstoffimporte) bereitgestellt werden müssen. Die Zielsetzung bei Fernwärme erscheint
mit einer Steigerung in der Höhe von 14,7 PJ bzw. ca. 60% gegenüber 2008 relativ
ambitioniert. Aus Abbildung 2-6 kann geschlossen werden, dass für einen derartigen Anstieg
entweder ein rascher Ausbau von Nah-/Fernwärmenetzen, oder eine starke Substitution von
Fernwärme aus kalorischen Kraftwerken erforderlich ist.
3.2 Szenarien und Potenziale in der Literatur
Im Folgenden werden Szenarien zur Entwicklung des österreichischen Energiesystems
(3.2.1) und Ergebnisse von Biomasse-Potenzialabschätzungen in der Literatur (3.2.2)
exemplarisch dargestellt.
3.2.1 Szenarien von Energiebedarf und -erzeugung
In Abbildung 3-3 sind die historische Entwicklung des Endenergieverbrauchs seit 1970 sowie
die Szenarien nach Capros et al. (2008) dargestellt. Es zeigt sich, dass eine Stabilisierung
des Energieverbrauchs einen deutlichen Bruch des Trends darstellen würde.

Wirtschaftliche und politische Rahmenbedingungen
Ebenfalls in Abbildung 3-3 dargestellt sind der historische und der zur Erreichung des 34%-
Ziels erforderliche Anteil erneuerbarer Energieträger. Die Abbildung verdeutlicht, dass
Energieeffizienz zu Recht als „Schlüssel“ zur Erreichung der Zielsetzungen gesehen wird:
Gegenüber dem „Baseline“-Szenario sinkt der für 2020 erforderliche Beitrag erneuerbarer
Energie im „Effizienz“-Szenario um 72 PJ (mehr als 22% des derzeitigen Gesamtbeitrags
Erneuerbarer Energie).
PJ/a
1.400
1.200
1.000
800
600
400
200
0
Anteil erneuerbarer
Energieträger [%]
Nicht-erneuerbare
Energieträger
Erneuerbare ET
historisch
28
Szenarien
1970 1975 1980 1985 1990 1995 2000 2005 2010 2015 2020
35%
30%
25%
20%
15%
10%
Erneuerbare ET Nicht-erneuerbare ET "Baseline" "Effizienz"
5%
0%
212 PJ
Abbildung 3-3: Historische Entwicklung des Endenergieverbrauchs aus erneuerbaren und
nicht-erneuerbaren Energieträgern von 1970 bis 2007 und Pfade zur Erreichung des „34%-
Ziels“ gemäß den PRIMES-Energieverbrauchsszenarien „Target case“, „Baseline“ und
„Effizienz“
Quellen: Statistik Austria (2010a), Eurostat (2010a): historische Entwicklung, Capros et al. (2008):
Szenarien des Endenergieverbrauchs bis 2020, eigene Darstellung (Energy Economics Group, TU
Wien)
Abbildung 3-4 zeigt ein Szenario der Zielerreichung nach Resch et al. (2009). Das Szenario
basiert auf den Energieverbrauchsszenario „PRIMES Target Case“ und wurde mit dem
Simulationsmodell Green-X erstellt. Die in diesem Szenario unterstellten Förderinstrumente
führen im Jahr 2020 zu einem Anteil erneuerbarer Energieträger von knapp 37%, d.h. zu
einer „Übererfüllung“ der Zielsetzung um knapp 3%.
Nichtsdestotrotz gibt das Szenario eine Vorstellung vom möglichen bzw. erforderlichen
Beitrag von Biomasse zur Zielerreichung. Der Anteil biogener Energieträger beläuft sich im
Jahr 2020 auf 20%, d.h. Biomasse macht mehr als 50% des Gesamtbeitrags erneuerbarer
Energieträger aus. Bei Biomasse ergibt sich der Anstieg gegenüber 2008 aus einer
Steigerung in allen drei Sektoren: der Wärme- bzw. Fernwärmeerzeugung, der
Stromerzeugung und im Verkehr (wobei die zur Erfüllung der 10%-Quote erforderlichen
biogenen Kraftstoffe in diesem Szenario zum Großteil importiert werden müssen, wovon
tatsächlich auszugehen ist.).
Im Vergleich zu dem in der Energiestrategie Österreich dargestellten Szenario zeigen sich im
Wesentlichen die folgenden Unterschiede:
• Der Endenergieverbrauch wird bei etwa 1.200 PJ/a stabilisiert, liegt also ca. 8%
über der Zielsetzung gemäß EnergieStrategie.
72 PJ

PJ/a
1.400
1.200
1.000
29
ALPot
• Die Stromerzeugung aus erneuerbaren Quellen (inkl. Großwasserkraft) ist im
Szenario lt. Resch et al. (2009) ca. 20% höher als im „Energiestrategie-Szenario“.
Die Abweichung ergibt sich in erster Linie daraus, dass der Ausbau bei Biomasse-
KWK deutlich höher ist. Im „Energiestrategie-Szenario“ geht der Ausbau zu fast
90% auf Wasserkraft und Windenergie zurück.
• Aus dem stärkeren Ausbau bei Biomasse-KWK ergibt sich bei Resch et al. (2009)
im Jahr 2020 auch ein eine um etwa 25% höhere Erzeugung von Fernwärme.
• Die Nutzung von Erneuerbaren zur Wärmeerzeugung sowie von biogenen
Kraftstoffen ist um ca. 20% höher.
• In Summe wird in diesem Szenario ein um 1,5% höherer Anteil erneuerbarer
Energieträger am Endenergieverbrauch erreicht, als im EnergieStrategie-Szenario.
800
600
400
200
Anteil erneuerbarer Energieträger
(inkl. Strom und Fernwärme
aus Erneuerbaren) [%]
Anteil biogener
Energieträger [%]
historisch
Szenario
0
0%
1970 1975 1980 1985 1990 1995 2000 2005 2010 2015 2020
40%
35%
30%
25%
20%
15%
10%
5%
Nicht-erneuerbare Energieträger
Strom aus Wasserkraft & sonst.
Erneuerbaren
Sonstige Erneuerbare
Fernwärme aus Erneuerbaren
Strom aus biogenen
Energieträgern
Biogene Energieträger (inkl.
Brennholz & biogene Abfälle)
Anteil biogener Energieträger [%]
Anteil erneuerbarer ET [%]
Abbildung 3-4: Historische Entwicklung des Endenergieverbrauchs aus erneuerbaren und
nicht-erneuerbaren Energieträgern von 1970 bis 2007 und Szenario nach Resch et al. (2009)
Quellen: Statistik Austria (2010a), Eurostat (2010a): historische Entwicklung, Capros et al. (2008):
Energiebedarfsszenario („PRIMES Target case“), Resch et al. (2009): Szenario der
Energiebereitstellung, eigene Darstellung (Energy Economics Group, TU Wien)
3.2.2 Biomasse-Potenziale in der Literatur
In der Literatur gibt es zahlreiche Abschätzungen der Biomassepotenziale in Österreich.
Nicht nur die Ergebnisse, sondern auch Methodik und Detaillierungsgrad variieren zum Teil
beträchtlich.
Bei einem Vergleich der Literaturdaten muss zunächst zwischen den verschiedenen Arten
von Potenzialen, wie „theoretischen“, „technischen“, „wirtschaftlichen“ oder „realisierbaren“
Potenzialen unterschieden werden (siehe z.B. Rettenmaier et al., 2008). Diese Unterscheidung
allein ist in der Regel jedoch nicht ausreichend, da die Definitionen im
Allgemeinen großen Spielraum hinsichtlich der methodischen Vorgehensweisen, der zu
berücksichtigenden Einflussfaktoren und (oft erforderlicher) exogener Szenarioannahmen
lassen. So kann beispielsweise bei einem zur Abschätzung des zukünftigen technischen
Potenzials an Sägenebenprodukten erforderlichen Szenario für die Holz verarbeitende
Industrie von verschiedensten Entwicklungen ausgegangen werden, oder bei wirtschaftlichen
Potenzialen spielen die unterstellten Preisszenarien eine entscheidende Rolle.
In den wenigsten Fällen beinhalten die methodischen Ansätze modellhafte Abbildungen von
Nutzungskonkurrenzen. Diese spielen jedoch bei praktisch allen Biomassefraktionen außer
Reststoffen und Abfällen, für die es neben der energetischen keine andere Art der Nutzung

Wirtschaftliche und politische Rahmenbedingungen
gibt, eine ganz wesentliche Rolle. Grund dafür ist, dass für eine Berücksichtigung von
Nutzungskonkurrenzen in der Regel aufwändige Modellierungsansätze und zahlreiche Daten
erforderlich sind.
Im Fall von Ackerfrüchten bzw. Energiepflanzen ist die Problematik der Nutzungskonkurrenz
besonders brisant, da es hier um die Nahrungsmittelversorgung bzw. (insbesondere im
globalen Kontext) um das Menschenrecht auf Nahrung geht. Die Berücksichtigung der
Nutzungskonkurrenz kann beispielsweise so umgangen werden, dass z.B. ausgehend von
der zur Ernährung eines Menschen theoretisch erforderlichen Ackerfläche auf die zur
Erreichung eines bestimmten Selbstversorgungsgrades benötigte Gesamtfläche geschlossen
wird. Die übrige Fläche wird als Flächenpotenzial zur Energieerzeugung ausgewiesen.
Das Problem bei einer derartigen Betrachtung ist, dass einerseits Marktmechanismen,
andererseits Probleme der ungleichen Verteilung und Ineffizienzen bei der Nahrungsmittelversorgung
vollkommen außer Acht gelassen werden. Wenn nun durch Förderungen
der Anteil der „Energieflächen“ steigt, kann es noch bevor das ermittelte Flächenpotenzial
ausgeschöpft ist, zu unerwarteten Effekten, wie einem Preisanstieg bei
Nahrungsmittelgetreide kommen, wobei insbesondere in Zeiten eines raschen Ausbaus der
energetischen Biomassenutzung auch kurzfristige Effekte wie z.B. Missernten gravierende
Auswirkungen haben können.
Abbildung 3-6 zeigt die Ergebnisse von Potenzialabschätzungen, bei denen ähnliche
Ansätze mit (zumindest teilweiser) Vernachlässigung von Nutzungskonkurrenzen angewendet
wurden. Hinsichtlich des Gesamtpotenzials sind die Abweichungen zwischen den
Ergebnisse mit Ausnahme von de Wit et Faaij (2010) relativ gering. 10 In der zeitlichen
Entwicklung zeigen alle Studien einen Anstieg beim Energiepflanzenpotenzial. Dieser geht in
erster Linie auf unterstellte Ertragssteigerungen bei Nahrungsmittel-, Futter- und Energiepflanzen
zurück. Einen signifikanten Einfluss hat auch der unterstellte Energiepflanzenmix,
wie sich beispielsweise bei Kranzl et al. (2008) zeigt.
PJ/a
450
400
350
300
250
200
150
100
50
0
2000 2010 2020 2010 2020 2030 2030 2010 2020 2030
Thrän et al. (2005) EEA (2006) deWit, Faaij (2010) Kranzl et al. (2008)
Biogene Abfälle und Reststoffe Forstliche Biomasse Energiepflanzen
Abbildung 3-5: Biomassepotenziale in Österreich: Gegenüberstellung von Literaturangaben
Quellen: Thrän et al. (2005), EEA (2006), de Wit et Faaij (2010), Kranzl et al. (2008), eigene
Darstellung (Energy Economics Group, TU Wien)
10 Bei de Wit et Faaij (2010) enthält die Kategorie „Biogene Abfälle und Reststoffe“ nur
landwirtschaftliche Ressourcen, während bei den anderen Studien auch diverse andere Fraktionen
wie Sägenebenprodukte, Biomüll oder Ablauge der Papierindustrie.
30
120
100
80
60
40
20
0
TWh/a

31
ALPot
Das Potenzial landwirtschaftlicher Abfälle und Reststoffe wird in EEA (2006) auf 31,5 PJ/a
geschätzt (Bezugsjahr: 2030), wobei gut die Hälfte auf Wirtschaftsdünger tierischer Herkunft
zurückgeht. In Thrän et al. (2005) wird das Potenzial von „Exkrementen und Einstreu“ mit
knapp 18 PJ/a und jenes von Stroh und anderen Ernterückständen mit 13 PJ/a beziffert
(Bezugsjahr: 2020). Das Potenzial von Zwischenfrüchten von Nahrungsmittel- oder
Futterflächen ist in keiner der dargestellten Potenzialanalysen berücksichtigt (siehe dazu
Abschnitt 8.3.4.4).
Bei den im Rahmen des vorliegenden Projektes gewählten Ansätzen ergeben sich die
energetisch nutzbaren Rohstoff- bzw. Flächenpotenziale auf Basis eines rein ökonomischen
Ansatzes (agrarischer Modellcluster, Kapitel 7) bzw. auf Basis der modellierten
Entscheidungsstrukturen der Landwirte (Modell AGRIEN, Kapitel 5). Damit unterscheiden
sich die Ansätze wesentlich von den hier dargestellten Herangehensweisen.
3.2.3 Energiepreisszenarien
In den folgenden Abbildungen sind die Preisszenarien für fossile Energieträger dargestellt,
die für sämtliche Analysen bzw. Simulationen herangezogen werden. In einem Szenario wird
von einem deutlichen Anstieg der Realpreise ausgegangen (Szenario „FAO/Primes“), im
anderen werden konstante Realpreise auf dem Niveau des Jahres 2006 unterstellt (Szenario
„Niveau 2006“). Ersteres basiert auf den im Ölpreisszenario lt OECD/FAO (2008)
unterstellten Steigerungsraten, die dem „Hochpreisszenario“ in Capros et al. (2008) (Modell
Primes) entsprechen. OECD/FAO (2008) wurde in erster Linie aus dem Grund
herangezogen, da die Publikation mit dem Ölpreisszenario konsistente Agrarpreisszenarien
beinhaltet, die für die Simulation des Agrarsektors (Kapitel 7) herangezogen werden. Das
Szenario „Niveau 2006“ dient in erster Linie als Referenzszenario, bzw. um bei den
Simulationen des Bioenergiesektors (Kapitel 8) durch einen Vergleich der
Simulationsergebnisse direkte Effekte des Ölpreisesanstiegs quantifizieren zu können.
Hinsichtlich der starken Preisschwankungen der letzten Jahre bei Energieträgern und landwirtschaftlichen
Erzeugnissen wird 2006 als sinnvolles Referenzjahr erachtet.
Abbildung 3-6 zeigt die Preisentwicklungen bei Rohöl, Diesel- und Ottokraftstoff in den
beiden Szenarien sowie die historische Entwicklung der Jahresdurchschnittspreise seit dem
Jahr 2000. Der inflationsbereinigte Rohölpreis steigt im Szenario „FAO/Primes“ bis 2020 auf
knapp über 100 $ pro Barrel (bbl). In Szenario „Niveau 2006“ stagniert er auf etwa 67 $/bbl,
also deutlich über dem durchschnittlichen Preisniveau der Jahre 1990 bis 2008
(ca. 35 $/bbl).
Die Abbildungen 3-7 und 3-8 zeigen die Preisszenarien für die Energieträger Erdgas und
Heizöl bzw. für elektrische Energie (Großhandelspreis). Im Strompreisszenario wird eine
moderne Erdgas-GuD-Anlage als preissetzendes Kraftwerk angenommen. Der
Referenzpreis entspricht also den Stromerzeugungskosten eines GuD-Kraftwerks, wobei
neben dem Erdgaspreis auch erwartete Kostenreduktionen bei den Anlagenkosten eine
Rolle spielen. Für den Zeitraum 2000 bis 2008 sind sowohl die historischen Strom-
Spotmarktpreise (EEX, 2010), als auch die berechneten Stromerzeugungskosten des
Referenzkraftwerks dargestellt.

Wirtschaftliche und politische Rahmenbedingungen
€/MWh bzw. $/bbl (chemische Energie)
120
100
80
60
40
20
0
historisch Szenarien
Szenario "FAO/Primes"
Szenario "Niveau 2006"
2000 2005 2010 2015 2020 2025 2030
32
120
100
80
60
40
20
0
Rohölpreis ($/bbl)
Dieselkraftstoff (€/MWh)
Ottokraftstoff (€/MWh)
Abbildung 3-6: Entwicklung der Großhandelspreise fossiler Kraftstoffe sowie von Rohöl
historisch seit 2000 und Szenarien bis 2030
(inflationsbereinigte Preise mit der Basis 2007)
Quellen: Mineralölwirtschaftsverband e.V.(2010) nach OPEC Bulletin, Petroleum Intelligence Weekly
(PIW) sowie Angaben von Mitgliedsfirmen, Statistik Austria (2010e), Eurostat (2010b): historische
Entwicklung, Capros et al. (2008): Steigerungsrate im Hochpreisszenario, eigene Berechnungen und
Darstellung (Energy Economics Group, TU Wien)
€/MWh (chem. Energie)
90
80
70
60
50
40
30
20
10
0
historisch
Szenarien
Szenario "FAO/Primes"
Szenario "Niveau 2006"
2000 2005 2010 2015 2020 2025 2030
Erdgas - Kleinverbraucher
Heizöl - Kleinverbraucher
Erdgas - industrielle Verbraucher
Abbildung 3-7: Preisentwicklung fossiler Energieträger historisch seit 2000 und Szenarien
bis 2030
(inflationsbereinigte Preise mit der Basis 2007)
Quellen: Statistik Austria (2010e), Eurostat (2010b): historische Entwicklung, Capros et al. (2008):
Steigerungsrate im Hochpreisszenario, eigene Berechnungen und Darstellung (Energy Economics
Group, TU Wien)

€/MWh (elektrische Energie)
90
80
70
60
50
40
30
20
10
0
historisch Szenarien
33
Szenario 'FAO/Primes'
Szenario 'Niveau 2006'
EEX Phelix Base
Stromerzeugungskosten GuD-KW
ALPot
2000 2005 2010 2015 2020 2025 2030
Abbildung 3-8: Historische Entwicklung des Großhandelsstrompreises an der EEX
(Spotmarktpreis „Phelix base“) und Stromerzeugungskosten eines modernen GuD-
Kraftwerks auf Basis von historischen Erdgaspreisen bzw. Preisszenarien
(inflationsbereinigte Preise mit der Basis 2007)
Quellen: EEX (2010), Cosijns et al. (2007): Technologiedaten GuD-Kraftwerk, Capros et al. (2008):
Steigerungsrate des Erdgaspreises im Hochpreisszenario, eigene Berechnungen und Darstellung
(Energy Economics Group, TU Wien)
3.3 Agrarwirtschaftliche und -politische Rahmenbedingungen
Die folgenden Teilkapitel beinhalten eine Beschreibung der Szenarien bzgl. der Veränderung
der Kulturartenverteilung und zukünftiger agrarpolitischer und- wirtschaftlicher
Rahmenbedingungen sowie ausgewählter Schnittstellen zwischen agrar- und
energiewirtschaftlichen Aspekten.
3.3.1 Szenario der Landbedeckung
Die Veränderung der Kulturartenverteilung stellt eine wesentliche Rahmenbedingung für die
land- und forstwirtschaftliche Produktivität dar. In Anlehnung an die Szenarien der
Raumentwicklung Österreichs der Österreichischen Raumordnungskonferenz (ÖROK, 2010)
wird bis 2030 von einem Rückgang der Ackerflächen um ca. 1,5% gegenüber 2005, auf
einen Anteil von 16,5% an der Gesamtfläche Österreichs ausgegangen. Für Grünland wird
ein Rückgang um 13,3% unterstellt, der jedoch zur Gänze auf extensives Grünland
zurückgeht (die Fläche von Wirtschaftsgrünland wird als also konstant angenommen). Die
angenommene Veränderung der Kulturartenverteilung ist in Abbildung 3-9 dargestellt. (Der
Vollständigkeit halber sind auch konsistente Szenarien der Entwicklung forstwirtschaftlich
genutzter Flächen und sonstiger Kulturen dargestellt, deren Entwicklung hier jedoch nicht
weiter relevant ist.)

Wirtschaftliche und politische Rahmenbedingungen
Fläche (1.000 ha)
4.000
3.500
3.000
2.500
2.000
1.500
1.000
500
historisch Szenario
0
1960 1980 2000 2020
34
40%
30%
20%
10%
0%
Anteil an Gesamtfläche Österreichs
Forstwirtschaftlich
genutzte Flächen
Grünland (gesamt)
Ackerflächen
Wirtschaftsgrünland
Extensives Grünland
Sonstige Kulturen
Abbildung 3-9: Entwicklung der Landbedeckung von 1960 bis 2030
Quellen: historische Daten: BMLFUW (2008), Szenarien: eigene Annahmen auf Basis von ÖROK
(2010)
3.3.2 Agrarpolitische Entwicklungen
Im Rahmen des „Health Checks“ der Gemeinsame Agrarpolitik (GAP) sind im November
2008 verschiedene Anpassungen beschlossen worden, die in den Mitgliedstaaten bis 2013
umzusetzen sind. Zu den Politikanpassungen zählen im Wesentlichen (i) die Abschaffung
der gekoppelten Direktzahlungen (bis auf wenige Ausnahmen), (ii) eine verstärkte
Modulation (Kürzung der Betriebsprämien), (iii) die Ausdehnung der Milchquote als
Vorbereitung für deren Abschaffung im Jahr 2015, (iv) die Abschaffung der
Flächenstilllegungsverpflichtung und (v) die Einführung von gezielten Maßnahmen im
Bereich Umwelt und Tierhaltung, Risikomanagement und Pflanzen-/Tiergesundheit. Derzeit
laufen auch die Diskussionen für den neuen Finanzrahmen der EU nach 2013. Für die
nächste Finanzperiode werden Budgetkürzungen bei den Marktordnungen (1. Säule der
GAP) von bis zu 50% als durchaus realistische Option angesehen. Auch die Ablöse des in
Österreich angewandten historischen Betriebsprämienmodells in Richtung eines regionalen
Flächenprämienmodells kann erwartet werden.
Die budgetmäßig wichtigsten Förderbereiche im Programm der ländlichen Entwicklung (2.
Säule der GAP) sind das österreichische Agrarumweltprogramm ÖPUL und die
Ausgleichszulagen für benachteiligte Gebiete. Im ÖPUL werden verschiedene Maßnahmen
für eine umweltgerechte Bewirtschaftung angeboten. Zu den Maßnahmen, die eine
Biomasseproduktion beeinflussen zählen (i) die umweltgerechte Bewirtschaftung, (ii) der
Verzicht von ertragssteigernden Betriebsmitteln, (iii) die biologische Bewirtschaftungsweise,
(iv) die Begrünung von Ackerflächen, (v) die Mahd von Steilflächen, (vi) die Bewirtschaftung
von Bergmähdern und (vii) die verlustarme Ausbringung von flüssigen Wirtschaftsdüngern
und Biogasgülle. Diese Maßnahmen zielen vor allem auf die Reduzierung des Einsatzes von
Düngemittel und Pflanzenschutzmittel ab, wodurch die Ertragsleistung und somit die
Biomasseproduktionsleistung eingeschränkt wird. Auf der anderen Seite werden Prämien für
die Nutzung von unwirtschaftlichen Flächen und den Anbau von Zwischenfrüchten gewährt.
Die Ausgleichszahlungen (AZ) für benachteiligte Gebiete sollen die Produktionskosten
bedingten Nachteile in Berggebieten ausgleichen. Für die Berechnung der Höhe der AZ sind
vor allem die Berghöfekatasterpunkte (BHKP) und der Anteil der rauhfutterverzehrenden
Großvieheinheiten (RGVE) je Bewirtschaftungsfläche relevant. Über die BHKP wird der Grad
der Benachteiligung ermittelt und durch den mindest-RGVE-Besatz wird die Haltung von
rauhfutterverzehrenden Tieren (z.B. Pferden, Rindern, Schafen) gefördert.

3.4 Schnittstellen zwischen agrar- und energiewirtschaftlichen
Aspekten
35
ALPot
Im Folgenden werden der Einfluss von Energiepreisen auf Produktionskosten landwirtschaftlicher
Erzeugnisse und der Aspekt der Flächenkonkurrenz aus ökonomischer Sicht
erläutert.
3.4.1 Der Einfluss von Energiepreisen auf Produktionskosten landwirtschaftlicher
Erzeugnisse
Die Produktionskosten von landwirtschaftlichen Erzeugnissen werden maßgeblich von
Energiepreisen beeinflusst. Neben den Kraftstoffpreisen, welche die variablen
Maschinenkosten und die Kosten für ausgelagerte Arbeiten beeinflussen, werden die
Trocknungskosten und bei konventionell wirtschaftenden Betrieben die Stickstoffkosten
(Handelsdünger) wesentlich vom Energiepreis bestimmt. Aber auch die Kosten für Saatgut
und Pflanzenschutzmittel sind hiervon betroffen. Aufgrund der detaillierten Aufschlüsselung
der variablen Kosten in die einzelnen Kostenkomponenten und der historischen
Preisentwicklungen kann der Einfluss von Energiepreisen auf die variablen Kosten geschätzt
werden.
Bei einer z.B. Verdopplung der Rohölpreises von 65 US$/bbl (im Jahr 2006) auf 130 US$/bbl
würden die variablen Kosten um durchschnittlich 29% steigen (siehe Abbildung 3-10). Die
Ackerkulturen werden jedoch, je nach Energieinput, unterschiedlich beeinflusst. So steigen
die variablen Kosten bei Körnermais um rund 50%, während die Steigerung bei
Speisekartoffeln, von einem hohem Kostenniveau ausgehend, mit 16% relativ gering ausfällt.
Variable Produktionskosten [€/ha]
3500
3000
2500
2000
1500
1000
500
0
30 40 50 60 70 80 90 100 110 120 130
Rohölpreis [US$/bbl]
Qualitätsweizen (60 dt/ha) Mahlroggen (60 dt/ha)
Wintergerste (60 dt/ha) Körnermais (120 dt/ha, 67%TM)
Winterraps (35 dt/ha) Zuckerrübe (550 dt(ha)
Speisekartoffel (300 dt/ha) Silomais (510 dt/ha, 30%TM)
Anwelksilage (320 dt/ha, 3-jährig)
Abbildung 3-10: Einfluss des Rohölpreises auf die variablen Produktionskosten ausgewählter
Ackerkulturen
Quelle: eigene Berechnungen (BOKU, INWE) nach BMLFUW (2008b)

Wirtschaftliche und politische Rahmenbedingungen
Die Entwicklung der Erzeugerpreise für Agrarprodukte in Österreich ist maßgeblich von der
Entwicklung der Weltmarktpreise abhängig. Sie unterscheiden sich in der Regel von
Agrarpreisen auf dem Weltmarkt, folgen jedoch gleichen Bewegungen auf den
internationalen Agrarmärkten. OECD und FAO prognostizieren regelmäßig die Entwicklung
der Preise für Agrarprodukte auf den Weltmärkten und der EU (siehe Abb. 3-11 am Beispiel
Weizen). Einen wesentlichen Einfluss auf diese Prognosen hat der Rohölpreis (von Lampe,
2007). Auf Basis dieser Prognosen wird die Entwicklung der Erzeugerpreise für
landwirtschaftliche Produkte in Österreich abgeleitet (siehe Tabelle 12-11 im Anhang).
€/t
250
200
150
100
50
0
1990
1991
1992
1993
Entwicklung Weizenpreis (1991 bis 2008) Prognose Weizenpreis (2009 bis 2017)
1994
1995
1996
1997
1998
1999
2000
2001
2002
2003
2004
Abbildung 3-11: Entwicklung des Weizenpreises in der EU27 und Preisprognosen aus dem
Jahr 2008
Quelle: OECD/FAO (2008)
3.4.2 Flächenkonkurrenz aus betriebswirtschaftlicher Sicht
Die Produktion von Biomasse für energetische Zwecke kann in Flächenkonkurrenz zur
Produktion von Nahrungs- und Futtermitteln stehen, aber auch neue Produktions- und
Einkommensmöglichkeiten auf landwirtschaftlichen Grenzflächen ermöglichen. Zudem
können Nebenprodukte der Nahrungs- und Futtermittelproduktion für energetische Zwecke
und Koppelprodukte aus der Energieproduktion als Futtermitteln verwendet werden. Das
Produktionsniveau von Energiepflanzen ist vor allem von der verfügbaren Fläche, den
Ertragspotentialen, den Marktbedingungen und den spezifischen Förderungen abhängig.
Deim und Stürmer (2009) zeigen z.B. den jährlichen betriebswirtschaftlichen Vorteil einer
Getreidefruchtfolge gegenüber einer Kurzumtriebsplantage (Abb. 3-11). In ihren Ergebnissen
ist nur ein Umtriebsintervall von 4 Jahren, bei einem Preisniveau für Hackschnitzel von
75 €/tatro exkl. USt. (ca. 15 €/MWh), betriebswirtschaftlich einer typischen Fruchtfolge überlegen.
Sie merken jedoch an, dass die Ernte, mit den in Österreich üblichen im Einsatz
befindlichen Feldhäckslern, im 4-jährigen Umtriebsintervall aus technischen Gründen nicht
mehr möglich ist. Selbst eine Energiepflanzenprämie von 45 €/ha, die bis 2009 (CR 73/2009)
beansprucht werden konnte, kann den Deckungsbeitragsnachteil nicht kompensieren.
36
2005
2006
2007
2008
2009
2010
2011
2012
2013
2014
2015
2016
2017
2018

Deckungsbeitrag
[€/ha/a]
50
0
‐50
‐100
‐150
‐200
‐250
‐300
‐350
U2 U3 U4 U5 U6 U7 U8 U9 U10
Feldfruchtfolge Gehölzmähhäcksler Feldhäcksler Motormanuell Harvester
37
ALPot
Abbildung 3-12: Durchschnittlicher jährlicher Deckungsbeiträge je ha von Pappel mit mittlerer
Ertragserwartung, unterschiedlichen Umtriebsintervallen (U2 bis U10) und unterschiedlichen
Erntetechniken im Vergleich zu einem Deckungsbeitrag einer Feldfruchtfolge
Quelle: Deim und Stürmer (2009)
Ein ähnliches Bild zeigt sich bei einem Vergleich der Erlöse bei der Verwertung von einem
ha Silomais über die Milcherzeugung und über eine Biogasanlage. Ein ha Silomais kann den
Erhaltungsbedarf von 2 Kühen decken und Energie für rund 18.000 l Milch bzw. nutzbares
Rohprotein für rund 17.400 l Milch bereitstellen (nach DLG, 1997). Bei einem durchschnittlichen
Brutto-Milchpreis von 33,60 ct/l werden durch den Milchverkauf ca. 6.000 €
(Energie) bzw. ca. 5.800 € (nutzbares Rohprotein) erlöst. Wird der Silomais in einer 500 kWel
Biogasanlage vergoren, entstehen rund 5.200 Nm³ CH4 wodurch bei einem Wirkungsgrad
des BHKW’s von 38% und einem Ökostromtarif von 14.5 ct/kWhel rund 2.700 € erlöst werden
können 11 . Werden weitere 22% (Gesamtnutzungsgrad 60%) thermisch zu einem
Verkaufspreis von 4 ct/kWhth genutzt, können zusätzliche 450 € erlöst werden. Die variablen
Kosten des Silomaisanbaus sind bei beiden Nutzungsvarianten gleich. Unterschiede
ergeben sich vor allem im Investitionsbedarf und damit in weiterer Folge bei den
durchschnittlichen jährlichen Kapitalkosten.
Eine Ausdehnung der Energiepflanzenproduktion kann mit verschiedenen Maßnahmen und
Instrumenten erreicht werden. Dies kann z.B. durch gesetzlich vorgeschriebene
Untergrenzen, wie bei der Beimischungsverpflichtung von Biokraftstoffen zu mineralischen
Kraftstoffen (BGBl. II Nr.147/2004), erfolgen. Durch die Beimischungsverpflichtung steigt die
Nachfrage nach Biodiesel, die wiederum die Nachfrage nach z.B. Raps steigert. Die
zusätzliche Nachfrage am Markt kann kurzfristig höhere Erzeugerpreise bewirken, wodurch
sich der Deckungsbeitragsunterschied zugunsten von Raps verändern kann. Raps gehörte in
den Jahren 2007 und 2008 zu jenen Ackerkulturen mit den höchsten Erzeugerpreis-
11 Nach Schätzung von Franz Kirchmeyr (ARGE Kompost & Biogas) liegt der durchschnittlichen
elektrischen Wirkungsgrad der in Österreich in Betrieb befindlichen Anlagen (inklusive Klein- und
Altanlagen) unter Berücksichtigung eines Eigenstrombedarfs von 2% bei etwa 34%.

Wirtschaftliche und politische Rahmenbedingungen
zuwächsen. Die Anbaufläche stieg in weiterer Folge von rund 42.000 ha 2006 auf rund
56.000 ha im Jahr 2008 (Statistik Austria, 2010c).
Ein weiteres Förderinstrument ist eine Gewährung von flächen- oder produktionsbezogenen
Prämien. So wurden bis 2009 Energiepflanzenprämien von 45 €/ha ausbezahlt. Für die
Gewährung der Energiepflanzenprämie kamen jene Kulturen in Frage, die für die Herstellung
von Biokraftstoffen oder der Erzeugung von elektrischer und thermischer Energie aus
Biomasse dienen (CR, 1973/2004; AMA, 2009).
38

4 Biomasse-Nutzungspfade
39
ALPot
Die technischen Möglichkeiten der energetischen Biomassenutzung sind aufgrund der
verschiedenen Rohstofffraktionen und der zahlreichen Konversions- und
Nutzungstechnologien äußerst vielfältig. Abbildung 4-1 veranschaulicht die Vielfalt der
energetischen Nutzungspfade von Biomasse. Ausgehend von den verschiedenen
Rohstofffraktionen (Primärenergie), welche nach ihrer Herkunft bzw. Beschaffenheit (holz-,
halmgutartig, ölhaltig etc.) eingeteilt werden können, stehen neben der direkten Verbrennung
fester Biomasse zahlreiche Konversionsverfahren zur Verfügung: thermochemische,
physikalisch-chemische und biochemische Umwandlungsverfahren. Die energetische
Nutzung von Biomasse erfolgt letztendlich stets durch Verbrennung, wobei bei der
Umwandlung in mechanische Energie in Wärmekraftmaschinen zwischen interner (z.B. in
Gasturbinen oder Dieselmotoren) und externer Verbrennung (z.B. bei Dampfturbinen- oder
ORC-Anlagen) unterschieden werden kann. Die Brennstoffoxidationsreaktion in
Brennstoffzellen wird auch als „kalte Verbrennung“ bezeichnet. Am Ende der in Abbildung 4-
1 dargestellten Nutzungspfade stehen die Endenergieträger Wärme und/oder Strom bzw. die
Energiedienstleistung Mobilität.
Abbildung 4-1: Systematik der energietischen Nutzungspfade von Biomasse
Quelle: in Anlehnung an Kaltschmitt et al. (2009); eigene, modifizierte Darstellung (Energy Economics
Group, TU Wien)

Biomasse-Nutzungspfade
4.1 Landwirtschaftliche Biomasse- und Bioenergieproduktion
Hinsichtlich der landwirtschaftlichen Nutzungspfade kann zwischen Biomasse- und
Bioenergieerzeugung unterschieden werden. Erstere beinhaltet lediglich die Erzeugung und
anschließende Vermarktung von biogenen Energieträgern wie Strohpellets oder Pflanzenöl,
während letztere neben Aufbereitungs- bzw. Umwandlungsverfahren auch die energetische
Verwertung der produzierten Biomasse inkludiert. D.h. in diesem Fall nimmt der Landwirt
(bzw. die landwirtschaftliche Genossenschaft) die Rolle des Energieerzeugers bzw.
Energieversorgers ein. Typische Beispiele dafür sind landwirtschaftliche Biogasanlage oder
das Betreiben eines Heizwerks oder Heizkraftwerks.
Konventionelle Ackerfrüchte wie Getreide, Ölsaaten oder Zuckerrübe können über
verschiedene Konversions- und Nutzungstechnologien einer energetischen Verwertung
zugeführt werden. Die energetische Nutzung der anfallenden Nebenprodukte (z.B. Stroh,
Rübenblätter etc.) ist ebenfalls möglich, kann jedoch negative ökologische Auswirkungen mit
sich bringen, da es zu einem Eingriff in den Nährstoffkreislauf kommt. Abbildung 4-2 zeigt
eine schematische Darstellung der energetischen Nutzungspfade von Ackerfrüchten.
Hackfrüchte
Zuckerrübe
Futterrübe
Kartoffel
Blätter
Rübe/
Knolle
Ethanolerzeugung
Korn Stroh
Ackerfrüchte
Getreide Ölsaaten
Weizen
Roggen
Triticale
Mais
Ganzpflanze
(Pelletierung)
Thermische Nutzung
Ganzpflanzensilage
Stroh
(Pelletierung)
Anaerobe Fermentation
40
Raps
Sonnenblume
Korn
Pressung
(& Extraktion)
Presskuchen
Pflanzenöl
Ackergräser
Weidelgras
Klee
Leguminosen
etc.
Biodieselproduktion
(Pelletierung)
Mehrjährige
Energiepflanzen
Miscanthus
Weide
Pappel
Kraftstoff Wärme / Strom & Wärme Wärme / Strom & Wärme / Kraftstoff Kraftstoff Kraftstoff
Abbildung 4-2: Energetische Nutzungspfade von Ackerfrüchten
Quelle: Energy Economics Group (TU Wien)
Produktion von Biokraftstoffen
der 2. Generation
Kraftstoff
Neben der Produktion konventioneller Ackerfrüchte für die Energieerzeugung kommen aus
derzeitiger Sicht in erster Linie folgende Optionen in Frage:
1. Produktion von holzartiger Biomasse (Kurzumtriebshackgut), Miscanthus und
andere Energiegräser
2. dezentrale Erzeugung von Pflanzenöl als Kraft- oder Brennstoff (siehe z.B.
Remmele, 2007)
3. dezentrale Erzeugung von Strohpellets bzw. „Agropellets“
4. Mikro-KWK-Anlagen (zur Deckung des eigenen Wärmebedarfs)
5. Biogasanlagen (BHKW oder Biogasaufbereitung und -einspeisung)
6. Betrieb von Heiz- und Heizkraftwerke (mit Vermarktung der Wärme)
Hinsichtlich der Technologien steht eine große Bandbreite zur Auswahl (siehe nächster
Abschnitt). Für die landwirtschaftliche Bioenergie-Erzeugung (d.h. der Landwirt nimmt die
Rolle des Energieversorgers ein) kommen in der Regel nur eher kleine, dezentrale

41
ALPot
Technologien in Frage. Im Folgenden werden aber auch Großanlagen berücksichtigt, deren
Rohstoffversorgung über landwirtschaftliche Bereitstellungsketten erfolgen kann.
4.2 Wirtschaftlichkeit verschiedener Bioenergie-Nutzungspfade
Im Folgenden werden die in Tabelle 4-1 dargestellten Technologien bzw.
Technologiegruppen berücksichtigt. Prinzipiell können alle dargestellten Technologien auf
Basis landwirtschaftlicher Biomasse betrieben werden, wenn auch beispielsweise bei
größeren KWK-Anlagen auf Basis von Hackgut eine rein auf Kurzumtriebsholz basierende
Rohstoffversorgung eher unwahrscheinlich ist. Bei der Auswahl der technologischen
Optionen stand die derzeitige bzw. mögliche zukünftige Relevanz für das österreichische
Energiesystem im Vordergrund, wobei eine Berücksichtigung aller derzeit und
möglicherweise in Zukunft verfügbarer technologischer Optionen nicht möglich ist.
Abgesehen davon werden nur Technologien berücksichtig, für die ausreichend fundierte
Daten verfügbar sind.
Tabelle 4-1: Im Rahmen des Projektes berücksichtigte Technologien und deren
Referenztechnologien
(Die angegebenen Leistungsbereiche sind als Richtwerte zu verstehen.)
Reine Wärmeerzeugung
Kleinfeuerungsanlagen
(ca.5 bis über 100 kW therm.)
Hackgutkessel
Pelletkessel
Pflanzenölkessel
Kombikessel
Scheitholzkessel
Gaskessel
Scheitholzofen
Pelletofen
Referenztechnologien:
Heizölkessel
Gaskessel
Heizölofen
Heizwerke
(ca. 0,5 bis über 5 MW
therm.)
Hackgut-Heizwerk
Stroh-Heizwerk
Pellet-Heizwerk
Referenztechnologien:
Gasheizwerk
Ölheizwerk
Biomasse-Prozessdampfanlagen
(ca. 10 MW)
Hackgutanlage
Referenztechnologie:
Gas-Prozessdampfanlage
Kraft-Wärmekopplungsanlagen
Biogas-BHKW (50 kW bis 2 MW
elektrisch)
Pflanzenöl-BHKW (15 kW bis 1
MW elektrisch)
Heizanlagen mit Stirlingmotor (30
bis 100 kW elektrisch)
Heizanlagen mit ORC-Anlage (0,5
bis 3 MW elektrisch)
Dampfturbinenanlagen (1 MW bis
15 MW elektrisch)
Integrierte Vergasung und
Verstromung (500 kW bis 50
MW elektrisch)
Referenztechnologien bzw. -
preise:
GuD-Kraftwerk/
Großhandelsstrompreis
Konversionsanlagen
Erzeugung flüssiger biogener
Energieträger:
Pflanzenöl (dezentral:
Kaltpressung, zentral:
Pressung und Extraktion)
Biodiesel aus Pflanzenöl
Ethanol aus zucker-
/stärkehaltigen Rohstoffen
Fischer-Tropsch-Diesel
Ethanol aus zellulosehaltigen
Rohstoffen
Erzeugung gasförmiger biogener
Energieträger:
Biomethan aus anaerober
Fermentation
Biomethan aus
Vergasungsprozessen
Erzeugung sonstiger biogener
Energieträger:
Pelletierung
Referenzpreise:
Großhandels- /
Kleinverbraucherpreise
fossiler Kraftstoffe und
sonstiger Energieträger
Weitere Biomasse-Konversionstechnologien, die sich derzeit im Forschungs- und
Entwicklungsstadium befinden, und mittel- bis langfristig für die landwirtschaftliche

Biomasse-Nutzungspfade
Bioenergieerzeugung relevant werden könnten umfassen beispielsweise die Erzeugung von
Pyrolyseöl mittels Flash-Pyrolyse oder die Produktion von festen Brennstoffen hoher
Energiedichte mittels Torrefizierung. Da zu diesen Technologien jedoch kaum belastbare
Daten verfügbar sind, werden sie im Rahmen dieser Studie nicht berücksichtigt. Ebenso
werden Nutzungspfade, welche in erster Linie auf Produkte zur nicht-energetischen Nutzung
ausgerichtet sind vernachlässigt, wie beispielsweise die „Grüne Bioraffinerie“ (siehe z.B.
Mandl et al., 2006).
Die in diesem Kapitel, sowie für die Simulation des Bioenergiesektors (Kapitel 8)
unterstellten Technologiedaten sind im Anhang zusammengefasst. Sie beinhalten neben
technischen Daten und Kosten auch Abschätzungen zu technologischen Entwicklungen, die
aus der Literatur übernommen wurden (in erster Linie Öko-Institut, 2010 und Hamelinck et
al., 2006).
Für technische Beschreibungen der Technologien wird auf Kranzl et al. (2008) verwiesen.
Weitere detaillierte Informationen zu Kleinfeuerungsanlagen, KWK-Technologien und
biogenen Kraftstoffen sind beispielsweise bei Hartmann et al. (2007), TTM (2002) bzw.
Refuel (2010) verfügbar.
4.2.1 Kleinfeuerungsanlagen
Unter „Kleinfeuerungsanlagen“ werden hier Anlagen zur Wärmeerzeugung mit einer
thermischen Leistung von bis zu etwa 100 kW verstanden. Es kann zwischen Einzel- oder
Kaminöfen und Heizkesseln einer Zentralheizung unterschieden werden. Erstere dienen der
direkten Beheizung der Umgebung, letztere versorgen über Wasser als Wärmeträger
mehrere Räume oder Gebäude mit thermischer Energie zur Raumwärme- und Warmwasserbereitung.
Einzelöfen haben in der Regel eine thermische Leistung von einigen kW. Scheitholz und
Holzpellets sind die derzeit üblichen Brennstoffe. Die Leistung von typischen Heizkesseln in
Zentralheizungssystemen reichen von einigen kW bis über 100 kW. Neben Scheitholz und
Holzpellets kommen in erster Linie die biogenen Brennstoffe Hackschnitzel, Pflanzenöl,
Getreidekorn, Pellets aus Stroh und anderen Rohstoffen in Frage. Hackgutanlagen werden
üblicherweise erst ab einer Leistung von etwa 30 kW eingesetzt.
Bei Stückholz-, Pellets-, Hackgut- und Pflanzenölkesseln handelt es sich um ausgereifte
Technologien. Die Beschickung von Stückholzkessel erfolgt in der Regel manuell, die
moderneren Anlagen sind als Holzvergaserkessel ausgeführt. Bei Hackgut-, und
Pelletkesseln erfolgt die Beschickung automatisch mit einer Schneckenaustragung, einer
Saugaustragung oder über einen Vorratsbehälter. Die Nutzung von Pflanzenöl ist mit
normalen bzw. geringfügig adaptierten Ölkesseln mit pflanzenöltauglichen Brennern möglich.
Beim Einsatz von landwirtschaftlichen Rohstoffen wie Getreide oder Strohpellets in
Kleinfeuerungsanlagen können Probleme wie Korrosion und Verschlackung auftreten.
Außerdem können sich rechtliche Probleme hinsichtlich der Einhaltung von
Emissionsgrenzwerten ergeben. Sowohl die rechtlichen Hemmnisse als die technischen
Herausforderungen sollten jedoch in Anbetracht der seit einiger Zeit laufenden Forschungsund
Entwicklungsarbeit in absehbarer Zeit gelöst werden.
Die folgende Abbildung zeigt einen exemplarischen Wirtschaftlichkeitsvergleich von
Biomasseanlagen mit öl- und gasbetriebenen Kleinfeuerungsanlagen unterschiedlicher
Leistung. Der angenommene Brennstoffpreis bei Erdgas entspricht dem durchschnittlichen
Preisniveau des Jahres 2006, jener von Heizöl dem Durchschnitt der Jahre 2005 bis 2007.
Da für biogene Brennstoffe mit Ausnahme von Pellets keine Jahresdurchschnittspreise
verfügbar sind, wurden sie auf unterschiedliche Weise ermittelt, mit dem Ziel möglichst
repräsentative Werte heranzuziehen. Die Preise für Kurzumtriebsholz (Hackgutkessel) und
Getreide (Kombikessel) wurden auf Basis typischer Bereitstellungskosten abgeschätzt.
Letztere liegen 10 bis 20% über jenen von Waldhackgut. Da es für Pellets aus Stroh oder
42

43
ALPot
anderen landwirtschaftlichen Reststoffen noch keinen Markt gibt, wurde der Jahresdurchschnittspreis
von Holzpellets aus dem Jahr 2006 herangezogen (proPellets, 2010).
Scheitholznutzung stellt keinen landwirtschaftlichen Nutzungspfad dar, wurde jedoch
aufgrund der nach wie vor hohen Relevanz zum Vergleich berücksichtigt.
Die zugrundeliegenden Kosten (Investition, Betrieb etc.) können als repräsentative Werte
gesehen werden, bei einer Datenrecherche zeigt sich jedoch, dass die Bandbreiten zum Teil
sehr groß sind, und daher keine „allgemeingültigen“ Aussagen möglich sind. Des Weiteren
sind für einen Wirtschaftlichkeitsvergleich einige Annahmen (insbesondere hinsichtlich der
jährlichen Volllaststunden und der Abschreibdauer) erforderlich, die nicht verallgemeinert
werden können und das Ergebnis wesentlich beeinflussen.
Es lassen sich jedoch einige grundlegende Aussagen ableiten: Die beste Wirtschaftlichkeit
zeigen Biomasse-Kleinfeuerungsanlagen im höheren Leistungsbereich, was darauf
zurückzuführen ist, dass Biomasseanlagen generell höhere Investitionskosten als Öl- und
Gas-Heizsysteme aufweisen und deutliche economies of scale-Effekte auftreten (d.h. dass
größere Anlagen geringere spezifische Kosten aufweisen). Bei den 50 kW-Anlagen fallen die
höheren Annuitäten jedoch deutlich weniger ins Gewicht und werden durch zum Teil
geringere Brennstoffkosten und Abgaben kompensiert. (Eine Ausnahme stellen
Pflanzenölkessel dar, auf die hier aufgrund der geringen Relevanz nicht näher eingegangen
wird)
Aus der unterschiedlichen Kostenstruktur ergibt sich auch, dass Biomasseanlagen
insbesondere bei einer hohen Auslastung (d.h. einer hohen Volllaststundenzahl) im Vorteil
sind. Aufgrund des im Vergleich zu konventionellen Heizanlagen höheren Anteils der
Investitionskosten an den gesamten Wärmeerzeugungskosten verbessert sich die
Wirtschaftlichkeit bei höherer Auslastung (siehe Sensitivitätsanalyse im Anhang, Kapitel
12.1.) Der optimale Einsatzbereich von Biomasse-Kleinfeuerungsanlagen sind daher
Standorte mit möglichst hoher Auslastung im Jahresverlauf. Hinsichtlich der zunehmenden
Qualität von Gebäudehüllen und sinkenden Heizlasten von Wohngebäuden ist festzustellen,
dass typische Volllaststunden und Leistungen von Raumheizungsanlagen tendenziell sinken,
was Anlagen mit geringen Investitionskosten begünstigt und sich negativ auf die
nachfrageseitigen Potenziale von Biomasse-Kleinfeuerungsanlagen auswirkt.
Der bei Biomasseanlagen geringere Anteil der Brennstoffkosten an den Wärmeerzeugungskosten
resultiert auch in einer geringeren Sensitivität gegenüber Schwankungen
der Brennstoffpreise. Hinsichtlich der großen Unsicherheiten bezüglich der
Preisentwicklungen von Energieträgern stellt diese Tatsache einen wesentlichen Vorteil
gegenüber Öl- und Gaskesseln dar (siehe Sensitivitätsanalyse im Anhang, Kapitel 12.1)
Darüber hinaus waren die Preise biogener Energieträger in der Vergangenheit in der Regel
deutlich geringeren Schwankungen unterworfen als jene von Erdöl und Erdgas. 12
Insbesondere die Preise regional gehandelter Brennstoffe waren in den letzten Jahren trotz
stark volatiler Ölpreise relativ stabil.
Abbildung 4-3 verdeutlicht, dass die „doppelte“ steuerliche Begünstigung (reduzierter
Umsatzsteuersatz und Wegfall der Energieabgabe bzw. Mineralölsteuer) einen nicht
unwesentlichen Einfluss auf die Wirtschaftlichkeit hat. Wenn auch diese Steuerbegünstigung
aus mehreren Gründen gerechtfertigt ist, so ist sie doch als politisches Instrument zu werten
und zu berücksichtigen.
12 Die Preisspitzen bei Holzpellets im Jahr 2006 haben gezeigt, dass auch bei biogenen
Energieträgern starke Preisschwankungen möglich sind. In diesem konkreten Fall hat sich auch
gezeigt, das die Ursache für Preisspitzen bei Biomasse nicht notwendigerweise eine Korrelation mit
der Preisentwicklung fossiler Energieträger sein muss.

Biomasse-Nutzungspfade
Einzelöfen
8 kW Kessel 12 kW Kessel 25 kW Kessel 50 KW
Hackgutkessel
Kombikessel
Pflanzenölkessel
Pelletkessel
Scheitholzkessel
Gaskessel
Heizölkessel
Hackgutkessel
Kombikessel
Pflanzenölkessel
Pelletkessel
Scheitholzkessel
Gaskessel
Heizölkessel
Kombikessel
Pflanzenölkessel
Pelletkessel
Scheitholzkessel
Gaskessel
Heizölkessel
Pellet-Einzelofen
Scheitholz-Einzelofen
Heizöl-Einzelofen
Preisniveau 2006
0 50 100 150 200 250
€/MWh (therm.)
44
Kessel/Ofen
Wärmespeicher
Peripherie
Brennstoffspeicher
Lieferung, Montage, Inbetriebnahme
Betriebskosten
Brennstoff
Energieabgabe
Netznutzungsentgelt
Umsatzsteuer
Abbildung 4-3: Wirtschaftlichkeit von Kleinfeuerungsanlagen beim Preisniveau des Jahres
2006 und einer angenommenen Abschreibdauer von zehn Jahren
Quellen: eigene Berechnungen (Energy Economics Group, TU Wien) auf Basis von Hartmann et al.
2007 (Datenbasis für Investitionskosten für Biomasseanlagen, Betriebskosten etc.), Konsument 2008
(Investitionskosten Ölkessel), Erdgas OÖ, 2009 (Investitionskosten Gaskessel), ProPellets 2010
(Pelletspreise), Statistik Austria 2010e (Preise fossiler Energieträger), E-Control 2010
(Netznutzungsentgelte), Technologiedaten: siehe Tabelle 12-1 und 12-2
Weitere Annahmen: Kalkulatorischer Zinssatz: 4%, jährliche Volllaststunden mit 500 (Einzelöfen),
1500 (12 und 25 kW) bzw. 1800 (50 kW) angenommen, derzeitige Besteuerung von Energieträgern
(Stand: März 2010) unterstellt, Netznutzungsentgelt bei Erdgas (bezogen auf Primärenergie) mit
13/15/18 €/MWh (50/25/12 kW) angesetzt;
Kosten für Wärmespeicher beinhalten nur Pufferspeicher (Kosten für Brauchwasserspeicher nicht
berücksichtigt, da diese unabhängig vom Kesseltyp sind);
Kombikessel: für Getreide/Stroh/Miscanthus geeigneter Hackgutkessel; Investitionskosten aufgrund
teurerer Komponenten 40% höher als jene des Hackgutkessels angesetzt;
Pflanzenölkessel: zusätzliche Kosten für pflanzenöltauglichen Brenner mit 1000 € angesetzt;
Öl- & Gaskessel: moderne Brennwertkessel;
Zusätzlicher Bedarf an Lagerraum (insbes. für Hackgut und Scheitholz) und zusätzlicher Arbeitsbedarf
bei Scheitholzkessel nicht berücksichtig;
Unterstellte Netto-Brennstoffpreise in €/MWh (exkl. USt, exkl. Energieabgabe/MÖSt): Heizöl: 42,50;
Erdgas (Kleinverbraucher): 39,40; Scheitholz: 27,63; Pellets in Säcken (Einzelofen): 45,90; Pellets
lose (Kessel): 37,00; Pflanzenöl: 57,60; Getreidekorn: 30,00; Kurzumtriebsholz: 27,00 (typischer
Waldhackgutpreis 2006 ca. 10-20% niedriger);
Betriebskosten beinhalten Instandhaltung und Versicherung (generell mit 1,5% bzw. 0,5% der
Investitionskosten angenommen); Förderungen sind nicht berücksichtigt
Wie bereits erwähnt, sind bei der Interpretation von Abb. 4-3 die zu Grunde gelegten
Annahmen zu berücksichtigen. Ein wesentlicher Einflussfaktor ist die Wahl der Abschreib-

45
ALPot
dauer. Hier wurde (in Anlehnung an die im Modell SimBioSe unterstellten Abschreibdauern;
siehe Kapitel 8) 13 ein Zeitraum von zehn Jahren unterstellt, was deutlich unter der
Lebensdauer von Kleinfeuerungsanlagen liegt. Das heißt, über die gesamte Lebensdauer
gerechnet amortisieren sich zum Teil auch Biomasseanlagen, die auf Basis des hier
dargestellten Vergleichs Öl- und Gaskesseln wirtschaftlich unterlegen sind.
Ausgehend vom Preisszenario „FAO/Primes“ ist in Abbildung 4.4 eine hypothetische Wirtschaftlichkeitsberechnung
für das Jahr 2030 dargestellt. Neben Steigerungen der
Brennstoffpreise sind auf Basis von Abschätzungen in der Literatur und eigenen Annahmen
auch einige Veränderungen bei den Anlagenkosten und den technischen Daten unterstellt
(siehe Abbildungsbeschriftung).
Einzelöfen
8 kW Kessel 12 kW Kessel 25 kW Kessel 50 KW
Hackgutkessel
Kombikessel
Pflanzenölkessel
Pelletkessel
Scheitholzkessel
Gaskessel
Heizölkessel
Hackgutkessel
Kombikessel
Pflanzenölkessel
Pelletkessel
Scheitholzkessel
Gaskessel
Heizölkessel
Kombikessel
Pflanzenölkessel
Pelletkessel
Scheitholzkessel
Gaskessel
Heizölkessel
Pellet-Einzelofen
Scheitholz-Einzelofen
Heizöl-Einzelofen
2030 - Szenario "FAO/Primes"
0 50 100 150 200 250
€/MWh (therm.)
Kessel/Ofen
Wärmespeicher
Peripherie
Brennstoffspeicher
Lieferung, Montage, Inbetriebnahme
Betriebskosten
Brennstoff
Energieabgabe
Netznutzungsentgelt
Umsatzsteuer
Abbildung 4-4: Wärmeerzeugungskosten von Kleinfeuerungsanlagen (Bezugsjahr 2030 –
Szenario FAO/Primes)
Quellen: eigene Berechnungen (Energy Economics Group, TU Wien), siehe Abb. 4-3, Capros et al.
2008 (Hochpreisszenario – Preissteigerungsraten bis 2030)
Technologische Lerneffekte: siehe Abbildung 12-1 und 12-2
Weitere Annahmen: siehe Abb. 4.3
Preise für biogene Energieträger: Niveau 2006 (Balken) bzw. unter der Annahme, dass eine relative
Preiskopplung zw. Rohölpreis und Biomasse von 100% besteht, d.h. relative Preissteigerungen 1:1
auf Biomassepreise weitergegeben werden (dargestellt mit Fehlerindikatoren);
unterstellte Kostenreduktion bei Biomasse-Kleinfeuerungsanlagen ggü. 2006: 10%; Kombikessel 25%;
Effizienzsteigerung ggü. 2006: 5% (Brennwerttechnik)
13 Im Modell erfolgt die Simulation des Anlagenausbaus auf Basis von Wirtschaftlichkeitsbetrachtungen,
die rein wirtschaftliche Investitionsentscheidungen abbilden sollen. Eine
kalkulatorische Abschreibdauer von zehn Jahren wird dafür als sinnvoller Wert erachtet.

Biomasse-Nutzungspfade
Da die Preisszenarien keine Entwicklungen für biogene Energieträger beinhalten bzw. keine
Kopplung an Preise fossiler Energieträger unterstellt wird (im Modell SimBioSe ergeben sich
diese endogen auf Basis der Angebotskurven), sind in Abbildung 4.4 Bandbreiten dargestellt.
Diese reichen von unveränderten Preisen (Niveau 2006; dargestellt durch Balken) bis zu
einer 100%igen Kopplung an die Preise fossiler Energieträger (dargestellt durch
Fehlerindikatoren).
Ungeachtet der Unsicherheiten bei der Biomasse-Preisentwicklung, die sich letztendlich aus
Angebot und Nachfrage einstellt, kann aus Abbildung 4.4 abgeleitet werden, dass es im Fall
dem hier unterstellten deutlichen Preisanstieg bei fossilen Energieträgern zu einer
signifikanten Verbesserung der Wirtschaftlichkeit von Biomasse-Kleinfeuerungsanlagen
kommt. Insbesondere bei 25 und 50kW-Anlagen wären Biomasse-Systeme selbst ohne
steuerliche Begünstigungen Öl- und Gaskesseln wirtschaftlich überlegen.
4.2.2 Heizwerke und Prozessdampfanlagen
Der typische Leistungsbereich von Biomasse-Heizwerken reicht von wenigen 100 kW bis zu
einigen MW. Der Hauptkessel ist an ein Nah- oder Fernwärmenetz angeschlossen 14 , zur
Abdeckung von Schwach- und Spitzenlast und zur Erhöhung der Ausfallsicherheit können
zusätzlich Heizöl- oder Erdgaskessel vorhanden sein. Anlagen mit Wasser als
Wärmeübertragungsmedium können als Warmwassersystem (atmosphärischer Druck) oder
Heißwassersystemen (unter Druck) ausgeführt sein. Wird Dampf als Wärmeübertragungsmedium
verwendet, werden Dampfkessel eingesetzt. Letztere kommen auch zur Erzeugung
von Prozessdampf in der Industrie zum Einsatz.
Abbildung 4.5 zeigt einen Wirtschaftlichkeitsvergleich von mit landwirtschaftlicher Biomasse
befeuerten Heizwerken und Prozessdampfanlagen für das Preisniveau des Jahres 2006 (bei
Pellets wurde wie im vorigen Abschnitt der Preis für Holzpellets herangezogen). Wie schon
bei Kleinfeuerungsanlagen zeigt sich auch hier, dass die Anlagenkosten deutlich höher sind
als bei Öl- und Gas-Anlagen (die Kosten für einen Spitzenlastkessel sind hier auch
berücksichtigt). Die daraus resultierenden, bereits im vorigen Abschnitt beschriebenen
Konsequenzen sind auch hier zutreffend. So verbessert sich insbesondere die
Wirtschaftlichkeit von Stroh-Heizwerken aufgrund der geringen Brennstoffkosten bei einer
hohen Auslastung sehr deutlich (siehe Sensitivitätsanalyse im Anhang, Kapitel 12.1).
Zusätzlich sind bei Biomasse-Heizwerken auch Kosten für den Brennstoff des Spitzenlastkessels
zu berücksichtigen. Dessen Auslastung wurde hier mit 300 Stunden pro Jahr
angenommen. In der Realität ist diese stark von der Jahresganglinie des Wärmebedarfs
sowie von der Dimensionierung der Wärmespeicher abhängig. Durch eine hinsichtlich der
spezifischen Gegebenheiten optimale Auslegung aller Komponenten kann daher eine
Kostenreduktion erzielt werden.
Die Darstellung zeigt auch den Einfluss zusätzlicher Biomasse-Transportkosten. Hier wurde
unterstellt, dass bei größeren Anlagen aufgrund des höheren Brennstoffbedarfs und bei
Stroh-Heizwerken aufgrund der geringeren Aufkommensdichte höhere durchschnittliche
Transportentfernungen anfallen (siehe Abbildungsbeschriftung für die konkreten Annahmen).
Hinsichtlich der Tatsache, dass Biomasse-Heizwerke in dieser Darstellung deutlich teurer
sind als Öl- und Gas-Anlagen, sind zwei Punkte zu beachten: Erstens wurde auch hier mit
einer kalkulatorischen Abschreibdauer von 10 Jahren gerechnet. Bei einer Berechnung der
Wärmeerzeugungskosten auf Basis der gesamten Lebensdauer der Anlagen ergibt sich ein
14 Der Begriff „Nahwärme“ wird üblicherweise im Fall kleinerer Anlagen bzw. Wärmenetze verwendet.
„Fernwärme“ hingegen bezeichnet Systeme zur Versorgung von ganzen Städten oder Stadtteilen. Der
Begriff „Wärmenetz“ beinhaltet beide Kategorien.
46

47
ALPot
für Biomasse-Systeme deutlich günstigeres Bild, da sich der Einfluss der Investitionskosten
stark reduziert.
Zweitens ist bei Hackgut-Heizwerken (wie bereits bei Hackgut-Kleinanlagen) unterstellt, dass
deren Brennstoffversorgung zu 100% auf Kurzumtriebsholz basiert. Die derzeit in Österreich
in Betrieb befindlichen Heizwerke werden praktisch ausschließlich mit Waldhackgut oder
Sägenebenprodukten befeuert, deren Bereitstellungskosten bzw. Preise deutlich niedriger
sind, als die Bereitstellungskosten von Kurzumtriebsholz.
0,5 MW 2 MW 5 MW 5 MW
Prozessdampfanlage BM
Prozessdampfanlage Gas
Stroh-Heizwerk
Hackgut-Heizwerk
Pellets-Heizwerk
Gas-Heizwerk
Öl-Heizwerk
Stroh-Heizwerk
Hackgut-Heizwerk
Pellets-Heizwerk
Gas-Heizwerk
Öl-Heizwerk
Stroh-Heizwerk
Hackgut-Heizwerk
Pellets-Heizwerk
Gas-Heizwerk
Öl-Heizwerk
Preisniveau 2006
0 10 20 30 40 50 60 70 80 90
€/MWh (therm.)
Anlage
Betriebskosten
Spitzenlastbrennstoff
Brennstoff
Energieabgabe
zusätzliche Transportkosten
Abbildung 4-5: Wärmeerzeugungskosten von Heizwerken und industriellen
Prozessdampferzeugungsanlagen (Preisniveau 2006)
Quellen: eigene Berechnungen (Energy Economics Group, TU Wien) auf Basis von Hartmann et al.
2007 und Karl 2006 (Datenbasis für Investitions-, Betriebs-, und Transportkosten), Statistik Austria
2010e (Preise fossiler Energieträger), Technologiedaten: siehe Abbildung 12-1
Weitere Annahmen:
Kosten der Anlagen inkl. Spitzenlastkessel und Pufferspeicher, exkl. Wärmenetz
Kalkulatorischer Zinssatz: 7%, jährliche Volllaststunden mit 3000 (Heizwerke) bzw. 6000
(Prozessdampfanlagen) angenommen;
Brennstoffkosten in €/MWh: Erdgas: 30,70; Heizöl: 34,00; Kurzumtriebsholz: 27,00, Pellets: 29,60;
Stroh: 16,40
Jährliche Volllaststunden des Spitzenlastkessels (Brennstoff: Erdgas) von Biomasseanlagen: 300 h/a
Investitionskosten von Stroh-Heizwerken basierende auf Öko-Institut (2010) bzw. Leuchtweis (2008)
50% höher als jene von Hackgutanlagen angenommen;
Unterstellte „zusätzliche“ Transportentfernungen für Hackgut- und Pelletsanlagen mit 10 bzw 20 km (2
bzw. 5 MW) und für Strohheizwerk mit 15 bzw. 30 km angenommen (Unterstellung einer i.A.
geringeren Aufkommensdichte von Stroh); Förderungen sind nicht berücksichtigt
Obwohl beim Preisniveau fossiler Energieträger gegenüber 2006 tendenziell eine Steigerung
zu erwarten ist, lässt sich ableiten, dass bei Biomasse-Heizwerken auf Basis
landwirtschaftlicher Biomasse in der Regel Förderungen erforderlich sind. Selbst bei den

Biomasse-Nutzungspfade
Steigerungsraten im Preisszenario „FAO/Primes“ zeigt sich bei der in Abbildung 4-6
dargestellten Wirtschaftlichkeitsbetrachtung für das Jahr 2030 keine eindeutige
Überlegenheit von Biomasseanlagen. Was hier allerdings vollkommen außer Acht gelassen
wurde, bei Investitionsentscheidungen (z.B. auf Gemeindeebene) jedoch eine wesentliche
Rolle spielen kann, sind die lokalen Wertschöpfungseffekte, die durch ein Biomasseheizwerk
mit regionaler Brennstoffversorgung generiert werden können.
Zusammenfassend kann gesagt werden, dass Wärmeerzeugung im Allgemeinen die
gegenüber auf fossilen Energieträgern basierenden Referenzsystemen wirtschaftlichste
Form der energetischen Biomassenutzung ist. Im Detail hängt die Wirtschaftlichkeit jedoch
stark von den jeweiligen Gegebenheiten bzw. dem jeweiligen Bedarf (d.h. der thermischen
Leistung und der jährlichen Auslastung) ab. Aufgrund der relativ hohen Investitionskosten
spielt auch die unterstellte Abschreibdauer eine wesentliche Rolle. So amortisieren sich
Biomasse-Heizanlagen zum Teil erst nach über zehn Jahren – eine Barriere, die beispielsweise
mit Investitionsförderungen entschärft werden kann.
0,5 MW 2 MW 5 MW 5 MW
Prozessdampfanlage BM
Prozessdampfanlage Gas
Stroh-Heizwerk
Hackgut-Heizwerk
Pellets-Heizwerk
Gas-Heizwerk
Öl-Heizwerk
Stroh-Heizwerk
Hackgut-Heizwerk
Pellets-Heizwerk
Gas-Heizwerk
Öl-Heizwerk
Stroh-Heizwerk
Hackgut-Heizwerk
Pellets-Heizwerk
Gas-Heizwerk
Öl-Heizwerk
2030 - Szenario "FAO/Primes"
0 20 40 60 80 100 120
€/MWh (therm.)
48
Anlage
Betriebskosten
Spitzenlastbrennstoff
Brennstoff
zusätzliche Transportkosten
Energieabgabe
Abbildung 4-6: Wärmeerzeugungskosten von Heizwerken und industriellen
Prozessdampferzeugungsanlagen (Bezugsjahr 2030 – Szenario FAO/Primes)
Quellen: eigene Berechnungen (Energy Economics Group, TU Wien), siehe Abb. 4-5, Capros et al.
2008 (Hochpreisszenario – Preissteigerungsraten bis 2030)
Technologische Lerneffekte: siehe Abbildung 12-1 und 12-2
Weitere Annahmen: siehe Abb.4-5,
Preise für biogene Energieträger: Niveau 2006 (Balken) bzw. unter der Annahme, dass eine relative
Preiskopplung zw. Rohölpreis und Biomasse von 100% besteht, d.h. relative Preissteigerungen 1:1
auf Biomassepreise weitergegeben werden (dargestellt mit Fehlerindikatoren)
4.2.3 Kraft-Wärme-Kopplungsanlagen
Abbildung 4-7 zeigt die Stromgestehungskosten typischer Biomasse-KWK-Anlagen im
elektrischen Leistungsbereich von unter 15 kW (Pflanzenöl-BHKW) bis ca. 50 MW
(Integrierte Biomassevergasung und –verstromung).

Erdgas-
CCGT
Integrierte
Vergasung &
Verstromung
Stroh-
Dampfturbinenanlagen
Strohkessel
mit
ORC-Anlage
Hackgut-
Dampfturbinenanlagen
Hackgutkessel
mit
ORC-Anlage
Hackgutkessel
mit
Stirlingmotor
Biogasanlagen Pflanzenöl-BHKW
500 MW
50 MW
5 MW
600 kW
5 MW
1 MW
1,6 MW
650 kW
10 MW
5 MW
1 MW
1,6 MW
650 kW
70 kW
35 kW
1 MW
200 kW
15 kW
1,5 MW
500 kW
200 kW
50 kW
-300 -200 -100 0 100 200 300 400 500 600
€/MWh (elektrisch)
49
30,00
25,00
Anlage
Betriebskosten
20,00
Brennstoff
15,00
10,00
5,00
0,00
ALPot
Spitzenlastkessel & -brennstoff
(nur bei "direkter" Wärmenutzung)
Wärmeerlös ("direkte"
Wärmenutzung) *
Stromerzeugungskosten
(Wärmenetzeinspeisung)
Stromerzeugungskosten ("direkte"
Wärmenutzung)
*) Fehlerindikator: Wärmeerlös
bei Wärmenetzeinspeisung
Abbildung 4-7: Stromgestehungskosten von Biomasse-KWK-Anlagen sowie eines
modernen Erdgas-GuD-Kraftwerks („Erdgas-CCGT“) (Bezugsjahr 2006)
Quellen: eigene Berechnungen (Energy Economics Group, TU Wien), Technologiedaten: siehe
Tabelle 12-1 und 12-2
Weitere Annahmen: Kalkulatorischer Zinssatz: 7%, Abschreibdauer: 10 Jahre, jährliche
Volllaststunden: 7000 bzw. 8000 h/a (Biogasanlagen)
Unterscheidung von 2 Fällen hinsichtlich Abwärmenutzung:
1.„Direkte“ Wärmenutzung: Wärmeabnahme mit 3000 Volllaststunden pro Jahr angenommen, Höhe
des Wärmeerlöses entspricht Wärmeerzeugungskosten eines (bezogen auf die Wärmeleistung)
äquivalenten Referenz-Heizkessels (Regression der Wärmeerzeugungskosten fossil befeuerter
Anlagen); Spitzenlastdeckung mittels Gaskessel (Auslastung des Spitzenlastkessels mit 450
Volllaststunden pro Jahr angenommen); 2.Wärmenetzeinspeisung: Annahme eines bestehenden
Wärmenetzes mit „ganzjähriger“ Wärmeabnahme unterstellt, Wärmepreis mit 20 €/MWh angenommen
(resultierender Wärmeerlös in der Abbildung durch Fehlerindikatoren dargestellt)
Kosten von Wärmenetz und anderen Komponenten der Abwärmenutzung nicht berücksichtigt;
Betriebs- und Investitionskosten als unabhängig vom Abwärmenutzungskonzept angenommen;
Brennstoffkosten in €/MWh: Erdgas: 30,70; Biogassubstrat: 28,00; Pflanzenöl: 57,60; Mix aus
Kurzumtriebsholz und Waldhackgut: 23,50 €/MWh; Stroh: 16,40
Keine Förderungen / CO2-Preise berücksichtigt

Biomasse-Nutzungspfade
Die Stromgestehungskosten einer modernen, mit Erdgas befeuerten GuD-Anlage (CCGT:
combined cycle gas turbine) sind als konventionelle Referenz dargestellt. In der Berechnung
wurden die gesamten Anlagenkosten der Stromerzeugung zugerechnet und die Abwärme
über Gutschriften („Wärmeerlöse“) berücksichtigt. Da der Fall einer zu 100% auf
Kurzumtriebsholz basierenden Brennstoffversorgung insbesondere bei größeren KWK-
Anlagen als unrealistisch erachtet wird, wurde hier unterstellt, dass alle mit Hackgut
befeuerten Anlagen einen Brennstoffmix aus Waldhackgut und Kurzumtriebsholz einsetzen
(bei reinen Wärmeanlagen wurde eine rein auf Kurzumtriebsholz basierende
Brennstoffversorgung unterstellt). Die Kosten wurden mit 23,5 €/MWh angesetzt.
Insbesondere bei Anlagen mit geringem elektrischen und hohem thermischen Wirkungsgrad
ist der Wärmebedarf des Standortes bzw. das Abwärmenutzungskonzept von
entscheidender Bedeutung für die Wirtschaftlichkeit. Für die Darstellung in Abbildung 4.7
wurden zwei Fälle unterschieden: Im ersten Fall wurde davon ausgegangen, dass die
Abwärme „direkt“ genutzt wird, d.h. eine leistungsmäßig äquivalente Referenz-Heizanlage
ersetzt wird. Die Höhe der Wärmeerlöse entspricht in diesem Fall den Wärmeerzeugungskosten
der Referenzanlage, die Wärme-Volllaststunden wurden in diesem Fall
mit 3000 angenommen. Des Weiteren wird davon ausgegangen, dass für die
Wärmebedarfsdeckung zu Spitzenlastzeiten ein zusätzlicher Gaskessel erforderlich ist. Die
Kosten des Spitzenlastkessels und –brennstoffs sind in dem als „Stromerzeugungskosten
mit direkter Wärmenutzung“ bezeichneten Fall ebenfalls berücksichtigt.
Im zweiten Fall wurde angenommen, dass die Abwärme der KWK-Anlage ganzjährig in ein
bestehendes Wärmenetz zur Grundlastdeckung einspeist wird („Wärmenetzeinspeisung“).
Die Wärmeerlöse wurden in diesem Fall generell mit 20 €/MWh angenommen (vgl. Hagauer
et al., 2007) und sind damit deutlich niedriger als in Fall „direkte Wärmenutzung“.
Abbildung 4-8 zeigt, dass Biomass-KWK-Anlagen ausgeprägte economies of scale
aufweisen. Die Stromgestehungskosten von Biogas-BHKWs liegen unter den hier zugrunde
gelegten Annahmen in der Größenordnung von ca. 120 bis 200 €/MWh. Die Art der
Wärmenutzung spielt aufgrund der im Vergleich zu anderen KWK-Anlagen relativ geringen
Wärmeauskopplung eine untergeordnete Rolle. (Nichtsdestotrotz ist auch bei Biogasanlagen
ein sinnvolles Wärmenutzungskonzept anzustreben.)
Es zeigt sich, dass der Fall der direkten Wärmenutzung aufgrund der mit 3000 h/a
unterstellten, relativ niedrigen Wärme-Volllaststunden nur bei sehr kleinen Anlagen
(Pflanzenöl-BHKWs und Anlagen mit Stirlingmotor) der Netzeinspeisung vorzuziehen ist. An
günstigen Standorten und bei günstiger Auslegung können KWK-Anlagen jedoch weitgehend
zur Deckung der „Wärmegrundlast“ eingesetzt werden, also deutlich höhere Jahres-
Volllaststunden erzielt werden (siehe z.B. Obernberger, 2004). Unter diesem Gesichtspunkt
sind auch die mit über 200 €/MWh zum Teil sehr hohen Kosten bei ORC- und kleinen
Dampfturbinenanlagen zu relativieren: Durch die Wahl geeigneter Standorte und in Hinblick
auf das Wärmenutzungskonzept optimaler Auslegung können weitaus günstigere
Bedingungen als die hier unterstellten geschaffen werden, und die Stromgestehungskosten
deutlich reduziert werden (siehe Sensitivitätsanalyse im Anhang, Kapitel 12.1).
Nichtsdestotrotz zeigt sich, dass die Stromerzeugungskosten von Biomasse-KWK-Anlagen
in der Regel deutlich über denen von modernen GuD-Kraftwerken liegen. Durch
Preissteigerungen bei fossilen Energieträgern und die Einpreisung externer Kosten
(beispielsweise über CO2-Zertifikate) kann zwar eine Verbesserung der Wirtschaftlichkeit von
Biomasse-KWK erzielt werden, in der Regel werden trotzdem auch längerfristig starke
Förderinstrumente wie Einspeisetarife erforderlich sein. Wie in Abbildung 4.7dargestellt, ist
unter dem Preisszenario „FAO/Primes“ ein Anstieg der Stromerzeugungskosten von Erdgas-
GuD-Kraftwerken auf ca. 85 €/MWh auszugehen. Dieses Niveau ist für die meisten
Bioenergieanlagen selbst unter der Annahme gleichbleibender Biomassepreise und einer
50

51
ALPot
starken Reduktion der Anlagenkosten durch technologische Lerneffekte nicht realistisch. 15
Lediglich im Fall einer sehr günstigen Rohstoffversorgung, wie dies insbesondere bei
Anlagen der Holzindustrie der Fall ist, sind Biomasse-KWK-Anlagen auch weitgehend ohne
Förderungen wirtschaftlich. 16
4.2.4 Konversionsanlagen
In Abbildung 4.8 sind die Erzeugungskosten der verschiedenen biogenen Kraftstoffe den
Großhandelspreisen fossiler Kraftstoffe gegenübergestellt (Preisniveau 2006). Neben
Anlagen-, Betriebs- und Rohstoffkosten sind hier aus Nebenprodukt- und Stromerlöse
berücksichtigt. Letztere sind bei Produktionsanlagen der 2.Generation relevant, die neben
dem Hauptoutput Kraftstoff einen Stromüberschuss produzieren. Als Referenzpreise fossiler
Kraftstoffe wurden Großhandelspreise herangezogen. Des Weiteren ist bei den
Referenzpreisen der Aufschlag der Mineralölsteuer dargestellt, wobei von den derzeitigen
Steuersätzen ausgegangen wurde.
Die Abbildung zeigt, dass beim Preisniveau 2006 die Erzeugung von biogenen Kraftstoffen
ohne Förderungen, steuerlichen Begünstigungen bzw. ohne Einpreisung externer Effekte
über CO2-Steuern u.ä. in der Regel nicht wirtschaftlich ist. Dass etwa Biodiesel oder der
Kraftstoff E85 (85-prozentiger Ethanolkraftstoff) in Österreich zu konkurrenzfähigen Preisen
angeboten werden können, liegt daran, dass biogene Kraftstoffe von der Mineralölsteuer
befreit sind. (Des Weiteren haben vorgeschriebene Beimischungsquoten für einen
zunehmenden Anteil am Kraftstoffverbrauch gesorgt.)
Auf Basis der hier angesetzten Werte ergeben sich die geringsten Erzeugungskosten bei
Pflanzenöl aus industriellen Ölmühlen. Die Erzeugungskosten von Biodiesel sind deutlich
niedriger als jene von Ethanol, welche trotzdem noch deutlich unter jenen von Kraftstoffen
der 2. Generation liegen. (Wie bei KWK-Anlagen wurde hier ein Mix aus Waldhackgut und
Kurzumtriebsholz unterstellt, dessen Kosten sich auf 23,50 €/MWh belaufen.) Die
Erzeugungskosten von gasförmigen Kraftstoffen liegen mit Ausnahme der 300 kW-
Biomethan-Anlage etwa in der Höhe der Biodiesel-Erzeugungskosten.
Aus den Darstellungen geht hervor, dass die Erzeugungskosten von biogenen Kraftstoffen
aus Ackerfrüchten (Biodiesel, Ethanol, Pflanzenöl) in hohem Maße von den Rohstoffkosten
abhängen. Daher ist die zukünftige Wirtschaftlichkeit dieser Kraftstoffe hauptsächlich davon
abhängig, wie sich Agrarpreise im Verhältnis zum Rohölpreis entwickeln werden.
Abbildung 4.9 zeigt den Wirtschaftlichkeitsvergleich für 2030 im Preisszenario FAO/Primes.
Unter der Annahme einer 100%igen Kopplung zwischen den Preisen von Biomasse und
fossilen Energieträgern (in Abbildung 4.9 dargestellt durch die Fehlerindikatoren bzw. die
grauen Rauten) kommt es nur zu einer moderaten Verbesserung der Wirtschaftlichkeit
(wobei Kostensenkungen durch technologische Lerneffekte berücksichtigt sind).
Ob biogene Kraftstoffe in absehbarer Zeit ohne massive steuerliche oder sonstige
energiepolitische Begünstigung gegenüber fossiler Energieträgern in Österreich
wirtschaftlich produziert werden können, ist fraglich. In Zeiten hoher Ölpreise beobachtete
Preisspitzen bei landwirtschaftlichen Erzeugnissen wie im Jahr 2008 geben jedenfalls Grund
15 Auf eine separate Darstellung für das Jahr 2030 wurde daher verzichtet.
16 Des Weiteren kann bei Mikro-KWK-Anlagen (Kleinanlagen bis ca. 50 kW) argumentiert werden,
dass der eigentliche Referenzpreis für Strom nicht über Großhandels- sondern Kleinverbraucherpreise
definiert wird. Auf diesen Aspekt kann hier nicht im Detail eingegangen werden, erwähnt sei nur, dass
bei dezentralen Erzeugungsstrukturen in der Regel trotzdem Übertragungsnetze zur Gewährleistung
der Versorgungssicherheit erforderlich sind, deren Wartung und Instandhaltung auch finanziert werden
muss. Wenn Betreiber dezentraler Anlagen keinen Beitrag dazu leisten müssen, kommt das einer
Förderung gleich.

Biomasse-Nutzungspfade
zur Annahme, dass eine tendenziell zunehmende Korrelation zwischen Energie- und
Agrarpreisen besteht (siehe z.B. auch Schmidhuber, 2007), die zur Folge hat, dass biogene
Kraftstoffe in der Produktion zumindest nicht billiger werden.
Bei der Nutzung biogener Rest- und Abfallstoffe (z.B. Biomethan aus landwirtschaftlichen
Reststoffen oder Abfällen oder FT-Diesel aus Stroh) sind die Bereitstellungskosten in der
Regel verhältnismäßig gering. Ob die Erzeugung von Kraftstoffen aus Abfällen wirtschaftlich
ist, hängt von Faktoren wie der Aufkommensdichte, den erforderlichen Reinigungs- und
Aufbereitungsprozessen, der Anlagengröße und natürlich dem Energiepreisniveau ab.
Aufgrund der in der Regel relativ geringen Aufkommensdichten sind die
Erzeugungskapazitäten bei Anlagen, die für Abfälle und Reststoffe ausgelegt sind, meist
relativ klein, was spezifisch höhere Anlagenkosten mit sich bringt.
Erdgas (LPG)
Ottokraftstoff
Dieselkraftstoff
Vergasungsanlage - 110 MW
Vergasungsanlage - 14 MW
Ethanolanlage (Zellulose) - 125 MW
Fischer-Tropsch-Anlage - 150 MW
Biomethananlage - 3 MW
Biomethananlage - 1.5 MW
Biomethananlage - 300 kW
Bioethanolanlage (Zucker) - 60 MW
Bioethanolanlage (Stärke) - 100 MW
Biodieselanlage - 150 MW
Biodieselanlage - 12 MW
Pflanzenölpresse - 250 MW
Pflanzenölpresse - 500 kW
-25 0 25 50 75 100 125 150
€/MWh (chemisch)
52
20
15
10
5
0
Anlage
Betriebskosten
Rohstoff
Nebenprodukterlös
Stromerlös
Großhandelspreis
Mineralölsteuer
Erzeugungskosten
Abbildung 4-8: Erzeugungskosten biogener und Referenzpreise fossiler Kraftstoffe
(Bezugsjahr 2006, alle Angaben exkl. USt.)
Quellen: eigene Berechnungen (Energy Economics Group, TU Wien), Statistik Austria 2010e (Preise
fossiler Energieträger), Technologiedaten: siehe Tabelle 12-1 und 12-2
Kalkulatorischer Zinssatz: 7%, jährliche Volllaststunden mit 8000 h/a angenommen;
Angenommene Preise für Nebenprodukte: Strom: 100 €/MWh (basierend auf dzt. Einspeisetarif),
Glycerin (Biodieselanlagen): 80 €/t, Presskuchen (Pflanzenölpresse – 500 kW): 120 €/t,
Extraktionsschrot (Pflanzenölpresse – 250 MW): 100 €/t
Referenzpreise basieren auf Großhandelspreisen (Quelle!), d.h. Handelsspannen sind nicht
berücksichtigt; für die Mineralölsteuer wurden die aktuellen Steuersätze herangezogen; die
durchschnittlichen Preise für Benzin und Diesel betrugen 2006 lt. Statistik Austria inkl. MöSt, exkl. USt.
90 bzw. 84 €/MWh (1 bzw. 0,84 €/l).
Der Hauptvorteil von Kraftstoffen der zweiten Generation gegenüber konventionellen
Ackerfrüchten wird in der Verbreiterung der Rohstoffbasis gesehen. Da Fischer-Tropsch-
Diesel, Zellulose-Ethanol und sonstige synthetische Kraftstoffe aus forstlichen Ressourcen,
Stroh etc. produziert werden können, ist eine geringere Kopplung der Erzeugungskosten an
Agrarpreisentwicklungen bzw. an die Preise fossiler Energieträger gegeben. Außerdem sind
auf Basis der Kostenstruktur (geringerer Anteil der Rohstoffkosten) durch Kostensenkungen

53
ALPot
bei den Produktionsanlagen (technologisches Lernen) theoretisch stärkere Reduktionen bei
den Erzeugungskosten möglich, als bei Biodiesel und Ethanol.
Derzeitige Kostenabschätzungen für großtechnische Produktionsanlagen von FT-Diesel oder
Zellulose-Ethanol sind mit großen Unsicherheiten behaftet. Außerdem wird bei
Abschätzungen der Erzeugungskosten aufgrund der economies of scale meist von sehr
großen Anlagen ausgegangen, die nur an Standorten mit äußerst günstiger
Rohstoffversorgung realisierbar wären. Ob die Errichtung derartiger Großanlagen in
Österreich bzw. Mitteleuropa, wo in der Regel relativ geringe ungenutzte Rohstoffpotenziale
verfügbar sind, sinnvoll wäre, ist zu hinterfragen.
Häufig wird davon ausgegangen, dass biogene Kraftstoffe der 2. Generation in etwa 20
Jahren wirtschaftlich produziert werden können (siehe z.B. Hamelinck et al., 2006 oder IEA,
2008). Bei den dabei zugrundeliegenden Berechnungen wird von sehr günstigen
Rahmenbedingungen ausgegangen. So ist beispielsweise in Hamelinck et al., 2006
unterstellt, dass bei der Rohstoffbereitstellung massive Kostensenkungen umgesetzt werden
– Eine Annahme, die vor dem Hintergrund der sich verschärfenden Rohstoffkonkurrenz in
Österreich bzw. Europa durchaus fraglich ist.
Erdgas (LPG)
Ottokraftstoff
Dieselkraftstoff
Vergasungsanlage - 110 MW
Vergasungsanlage - 14 MW
Ethanolanlage (Zellulose) - 125 MW
Fischer-Tropsch-Anlage - 150 MW
Biomethananlage - 3 MW
Biomethananlage - 1.5 MW
Biomethananlage - 300 kW
Bioethanolanlage (Zucker) - 60 MW
Bioethanolanlage (Stärke) - 100 MW
Biodieselanlage - 150 MW
Biodieselanlage - 12 MW
Pflanzenölpresse - 250 MW
Pflanzenölpresse - 500 kW
-25 0 25 50 75 100 125 150
€/MWh (chemisch)
20
15
10
5
0
Anlage
Betriebskosten
Rohstoff
Nebenprodukterlös
Stromerlös
Großhandelspreis
Mineralölsteuer
Erzeugungskosten min.
Erzeugungskosten max.
Abbildung 4-9: Erzeugungskosten biogener und Referenzpreise fossiler Kraftstoffe (2030 –
OECD/Primes high Szenario) alle Angaben exkl. USt.)
Quellen: eigene Berechnungen (Energy Economics Group, TU Wien), siehe Abb. 4-5, Capros et al.
2008 (Hochpreisszenario – Preissteigerungsraten bis 2030), Technologische Lerneffekte: siehe
Abbildung 12-1 und 12-2
Preise für biogene Energieträger: Niveau 2006 (Balken) bzw. unter der Annahme, dass eine relative
Preiskopplung zw. Rohölpreis und Biomasse von 100% besteht, d.h. relative Preissteigerungen 1:1
auf Biomassepreise weitergegeben werden (dargestellt mit Fehlerindikatoren);
Weitere Annahmen: siehe Kommentare zu Abb. 4-8

Agentenbasierte Modellierung – realisierbares Potenzial
5 Agentenbasierte Modellierung – realisierbares
Potenzial
Das tatsächlich realisierbare Potential an landwirtschaftlicher Energieträgerbereitstellung
hängt neben dem naturräumlich (theoretisch) machbaren (siehe Kapitel 6) und dem
ökonomisch umsetzbaren (siehe Kapitel 7 bzw. 8) Potential auch von der Mobilisierbarkeit
landwirtschaftlicher Flächen ab: Jeder der insgesamt rund 160.000 landwirtschaftlichen
Betriebe Österreichs entscheidet über die Nutzung seiner Flächen. Ob und wie viel von der
landwirtschaftlichen Fläche eines Betriebes für landwirtschaftliche Energieträgerproduktion
genutzt wird, hängt nicht nur von naturräumlichen Gegebenheiten und ökonomischen
Rahmenbedingungen ab, sondern ganz wesentlich von den Prämissen und Präferenzen der
Landwirte.
Eine wesentliche Komponente für die Abschätzung des nachhaltig realisierbaren Bioenergiepotentials
ist daher das Entscheidungsverhalten der Landwirte. Dieses Entscheidungsverhalten
ist einerseits abhängig von agrarischen und energiewirtschaftlichen Rahmenbedingungen,
anderseits von den Merkmalen des landwirtschaftlichen Betriebes und der
persönlichen Charakteristik des Betriebsführers.
Wie und warum sich Landwirte unter bestimmten Rahmenbedingungen für oder gegen die
Bereitstellung von landwirtschaftlichen Energieträgern entscheiden, wurde im Rahmen von
qualitativen Interviews mit Landwirten und landwirtschaftlichen Interessensvertretern
erfragt. Aufbauend auf diesen Interviews wurde in weiterer Folge das agentenbasierte Modell
AGRIEN (AGRIcultura ENergie) entwickelt, welches die Entscheidungen von Landwirten im
Hinblick auf die Nutzung von landwirtschaftlicher Fläche für Energieträgerproduktion
simuliert.
Im Rahmen einer Szenarienanalyse wurden drei agrarische und drei energiewirtschaftliche
Szenarien betrachtet. Es wurden jeweils ein Trendszenario und zwei Extremszenarien
(äußerst vorteilhafte und äußerst hemmende Rahmenbedingungen für Landwirtschaft bzw.
Bioenergieproduktion) simuliert. Mit AGRIEN wurden die insgesamt neun unterschiedlichen
Szenariokombinationen, beginnend bei äußerst vorteilhaften Rahmenbedingungen für Landwirtschaft
und Bioenergieproduktion über die Trendentwicklung für einzelne oder beide
Bereiche bis hin zu äußerst hemmenden und unvorteilhaften Faktoren für Landwirtschaft und
Bioenergie simuliert. Dabei wurde das Potential an landwirtschaftlichen Flächen, welches zur
landwirtschaftlichen Energieträgerproduktion genutzt werden könnte, ermittelt.
In diesem Kapitel werden die folgenden Arbeitsschritte zur Berechnung des realisierbaren
Potentials beschrieben und die Ergebnisse der Szenarioanalyse dargestellt:
• Interviews mit Landwirten und Interessensvertretungen,
• Agentenbasiertes Modell und
• Szenarioanalyse
5.1 Entscheidungsverhalten – Interviews
Um das Entscheidungsverhalten der landwirtschaftlichen Betriebe möglichst realitätsnahe im
Modell abbilden zu können, wurden persönliche und telefonische Interviews mit Landwirten
und landwirtschaftlichen Interessensvertretungen durchgeführt.
54

5.1.1 Interviewpartner
55
ALPot
Bei der Auswahl der Interviewpartner wurde auf eine möglichst breite Streuung hinsichtlich
folgender Merkmale Wert gelegt:
• Betriebstyp
• Betriebsgröße
• Erwerbsart
• Bewirtschaftungsintensität
• Hauptproduktionsgebiet
Vom Frühjahr bis zum Herbst 2009 wurden leitfadenbasierte Interviews durchgeführt. 12
persönliche und ein telefonisches Interview fanden statt. Die Interviewpartner verteilen sich –
nach Betriebstyp, Erfahrung mit Energiepflanzen, Entscheidungsverhalten – grob wie folgt:
• Marktfruchtbetriebe: 4
• Tierhaltungsbetriebe: 3
• Gemischtbetriebe: 4
• Interessensvertreter: 2
• Landwirte mit Erfahrung bezüglich landwirtschaftlicher Energieträgerproduktion: 5
• Landwirte ohne Erfahrung bezüglich landwirtschaftlicher Energieträgerproduktion: 4
• Landwirte, die bereits als Energielieferanten auftreten: 3
• Eher innovativer Entscheidungstypen: 4
• Eher traditioneller Entscheidungstypen: 7
5.1.2 Fragebogen
Abgefragt wurden grundlegende Informationen zum landwirtschaftlichen Betrieb wie zum
Beispiel die Fläche, die vom Betrieb kultiviert wird, die vorwiegend produzierten Kulturarten
am Acker, Grünlandfläche, Tierbestand, oder auch die Anzahl der am Betrieb lebenden
Personen. Weiters wurden Fragen zur Einkommenssituation wie z. B. Erwerbsart (Haupt-
oder Nebenerwerb), durchschnittlich erwirtschafteter Stundenlohn oder zur Art des Nebenerwerbs
und zur Zeitverwendung (Arbeitseinsatz in Stunden pro Jahr, Freizeit in Stunden pro
Woche, etc.) gestellt. Weiters wurde das Entscheidungsverhalten thematisiert. So wurde
z. B. abgefragt, wer am Betrieb über die produzierten Kulturarten entscheidet und ob sich der
Interviewpartner als „innovativen“ oder eher „traditionellen“ Entscheidungstyp einstuft.
Neben den betrieblichen und persönlichen Merkmalen der interviewten Landwirte wurden
auch Rahmenbedingungen, die eine verstärkte Produktion von landwirtschaftlichen Energieträgern
forcieren bzw. hemmen, ebenso wie Zukunftserwartungen abgefragt. Thematisiert
wurde nicht nur die Eigenwahrnehmung („Was brauche ich, damit ich landwirtschaftliche
Energieträger produzieren kann?“) sondern auch Fremdeinschätzungen („Was brauchen
Betriebe, die landwirtschaftlicher Energieträgerproduktion skeptisch gegenüber stehen, um
zur landwirtschaftlichen Energieträgerproduktion überzeugt zu werden?“). Der gesamte
Fragebogen kann im Anhang nachgelesen werden.

Agentenbasierte Modellierung – realisierbares Potenzial
5.1.3 Interviewergebnisse
Am Beginn der Projektlaufzeit wurde eine Hypothese über das Entscheidungsverhalten von
Landwirten in Bezug auf die landwirtschaftliche Energieträgerproduktion formuliert, die sich
eng an die Diffusionstheorie von Everett Rogers (2003) anlehnt. Es wurde angenommen,
dass sich Landwirte gemäß den von Rogers definierten Entscheidungstypen (Innovators,
Early Adopters, Early Majority, Late Majority, Laggards) bei der Entscheidung für oder gegen
landwirtschaftliche Energieträgerproduktion verhalten.
Die Ergebnisse der Interviews zeigen jedoch, dass diese am Beginn der Projektlaufzeit
formulierte Hypothese nicht bestätigt wird. Es zeigt sich vielmehr, dass drei
Entscheidungstypen zu unterscheiden sind:
• Innovative Betriebe,
• Betriebe mit traditionellem Entscheidungsverhalten und
• utilitaristisch entscheidende Betriebe.
5.1.3.1 Innovative Betriebe
Diese Betriebe sind im Vergleich zu den beiden anderen Entscheidungstypen einfacher zur
landwirtschaftlichen Energieträgerproduktion zu bewegen, weil sie „gerne etwas Neues
ausprobieren“ oder „immer vorne dabei sein wollen“. Die Wirtschaftlichkeit des Vorhabens ist
zwar auch für diese Betriebe wichtig, steht aber nicht im Vordergrund. Wenn der Betrieb
andere als wirtschaftliche Vorteile sieht, wie z. B. eine Reduktion der Arbeitszeit oder Sinnstiftung
durch die Tätigkeit, wird sogar eine Reduktion des Haushaltseinkommens akzeptiert.
Innovative Betriebe entscheiden aus Sicht der Interviewpartner risikobereiter als andere
Betriebe. Förderungen für oder auch politische Bekundungen zur Sinnhaftigkeit von landwirtschaftlicher
Energieträgerproduktion sind für diese Betriebe wichtig, weniger aus
ökonomischen, sondern eher aus ideellen Gründen.
Ob ein Betriebsführer innovativ entscheidet oder nicht, hängt ausschließlich von seiner Persönlichkeit
ab, andere gemeinsame Merkmale wie z. B. die Betriebsgröße oder die Einkommenssituation
bestimmen nicht, ob ein Betrieb innovativ geführt wird oder nicht.
Bezüglich des Alters des Betriebsführers merkten die Interviewpartner an, dass sich eher
jüngere Betriebsführer innovativ im Entscheidungsverhalten zeigen.
Einstimmige Meinung der Interviewpartner ist, dass es nur wenige Betriebe gibt, die innovativ
entscheiden. Die Anzahl wird mit 5 % bis 10 % der Betriebe abgeschätzt. Diese innovativen
Betriebe stellen nach Abschätzung der Interviewpartner rund 15 % ihrer Flächen für eine
landwirtschaftliche Energieträgerproduktion zur Verfügung.
5.1.3.2 Betriebe mit traditionellem Entscheidungsverhalten
Die Entscheidungen von Betrieben mit traditionellem Entscheidungsverhalten hängen
wesentlich vom Produktions- und Erwerbstyp sowie von der Einkommenssituation des
Betriebes ab.
Betriebe mit Tierhaltung
• Sind zwar betriebswirtschaftlich orientiert, halten allerdings an der Viehwirtschaft fest,
solange ein bestimmter Mindestlebensstandard aufrecht erhalten werden kann.
• Es stehen oft keine Flächen für eine Energieträgerproduktion zur Verfügung, da diese
Flächen für die Viehzucht benötigt werden, Fläche kann oft nicht zugepachtet werden,
da auch die anderen Landwirte in der Region ihre Flächen für die Viehzucht bzw.
Futterproduktion benötigen.
56

57
ALPot
• Wird die Tierhaltung einmal aufgegeben, stellt die Energieträgerproduktion eine
attraktive Alternative dar, zumal ethische Bedenken (die Fläche nicht zur
Nahrungsmittelproduktion zu nutzen) wie sie bei Marktfruchtbetrieben von den
Interviewpartnern vielfach geäußert wurden, wegfallen, bzw. die Nutzung der Fläche
zur Energieträgerproduktion im Vergleich zu einer Verwaldung oder Versiegelung der
Fläche sogar positiv gesehen wird.
• Auch wenn durch die Betriebsaufgabe der Nachbarbetriebe zusätzliche Fläche zur
Verfügung steht, stellt die Energieträgerproduktion eine attraktive Alternative zur
Nutzung dieser Fläche dar.
• Kleinere Vollerwerbsbetriebe stehen oft im Überlebenskampf, es gibt weder
finanziellen noch arbeitszeitlichen Spielraum für die Energieträgerproduktion,
aufgrund der mangelnden Liquidität können maximal landwirtschaftliche Energieträger
ohne Investitionsaufwand bereitgestellt werden.
• Größere Vollerwerbsbetriebe sind zumeist gut funktionierende Betriebe, die keinen
Anreiz zum Umstieg auf Energieträgerproduktion haben, insbesondere aufgrund des
Flächenmangels und der ohnehin schon hohen Arbeitsbelastung. Erst wenn der
gewünschte Mindestlebensstandard nicht mehr aufrecht erhalten werden kann, weil
sich die Einkommenssituation verschlechtert (z. B. aufgrund von der Verschlechterung
agrarökonomischer Rahmenbedingungen) oder die Arbeitsbelastung zu hoch ist (z. B.
durch Krankheit eines Familienmitgliedes, Scheidung, etc.) und es zu einer Stilllegung
des Betriebes kommen könnte, wird die Produktion von landwirtschaftlichen
Energieträgern als Option gesehen.
• Nebenerwerbsbetriebe sind durch die Nebentätigkeit und das daraus resultierende
Einkommen finanziell unabhängiger als Vollerwerbsbetriebe und können daher
flexibler reagieren; ist die Arbeitszeitbelastung durch die Viehwirtschaft zu hoch, stellt
die Energieträgerproduktion eine Alternative dar.
• Die Wahrscheinlichkeit, dass ein florierender Betrieb mit Tierhaltung Fläche zur
Energieträgerproduktion nutzt, ist zwar geringer im Vergleich zu Marktfruchtbetrieben,
allerdings gibt es für Betriebe mit Tierhaltung mehrere mögliche „Anlassfälle“ oder
„Trigger“, die einen Umstieg auf Energieträgerproduktion begünstigen. Solche Trigger
sind:
o Hofübernahme durch einen Nachfolger
o Arbeitszeitknappheit z. B. Scheidung, Krankheit, etc.
o Investitionserfordernisse in die betriebliche Infrastruktur (z. B. Stallungen)
o Flächen können zugepachtet werden.
• Der Anteil der Fläche, den diese Betriebe mit Tierhaltung zur Energieträgerbereitstellung
nutzen, wird mit maximal 10 % abgeschätzt.
Marktfruchtbetriebe
• Orientieren sich bei betrieblichen Entscheidungen wesentlich stärker am erzielbaren
Deckungsbeitrag als Betriebe mit Tierhaltung.
• Können wesentlich flexibler reagieren als Betriebe mit Tieren, da die Fixkosten der
landwirtschaftlichen Produktion wesentlich geringer sind (diese Betriebe benötigen
keine Stallungen und keinen Tierbestand).
• Wenn der Deckungsbeitrag (inklusive Förderungen) für Energieträger im Vergleich
zum Deckungsbeitrag für Nahrungsmittelproduktion höher ist und die sonstige
Rahmenbedingungen passen (z. B. Abnahmemöglichkeit der Energieträger, stabile
Markterwartung), ist die Energieträgerproduktion für sie eine attraktive Alternative.

Agentenbasierte Modellierung – realisierbares Potenzial
• Förderungen begünstigen die Entscheidung für die landwirtschaftliche
Energieträgerproduktion bei Marktfruchtbetrieben, einerseits aus ökonomischen
Gründen und anderseits durch den Ausdruck des politischen Willens,
landwirtschaftliche Energieträgerproduktion zu forcieren, und das damit verbundene
positive Image für die landwirtschaftliche Energieträgerproduktion.
• Ethische Gesichtspunkte, die verfügbare Fläche nicht für Nahrungsmittelproduktion zu
nutzen und damit zu einer weltweiten Nahrungsmittelverknappung beizutragen, wirken
sich hemmend aus.
• Der Anteil der Fläche, den Marktfruchtbetriebe zur Energieträgerbereitstellung nutzen,
wird mit bis zu 10 % abgeschätzt.
Gemischte Betriebe
• Reagieren auf ihren Ackerflächen wie Marktfruchtbetriebe.
• Reagieren auf Grünlandflächen wie Betriebe mit Tierhaltung.
• Haben zumeist auch Forstflächen in Bewirtschaftung und sind daher aus der
Erfahrung mit dem Forst eher bereit, Kurzumtriebsflächen oder Miscanthus
auszuprobieren.
• Der Anteil der Fläche, den gemischte Betriebe zur Energieträgerbereitstellung nutzen,
wird mit bis zu 25 % abgeschätzt.
Die Interviewpartner schätzen den Anteil der traditionellen Betriebe mit 75 % bis 80 % ein.
5.1.3.3 Utilitaristisch entscheidende Betriebe
Für utilitaristisch entscheidende Betriebe stehen Preis- und Markterwartung im Vordergrund
bei der Entscheidung für die landwirtschaftliche Energieträgerproduktion. Förderungen für
die Energieträgerproduktion haben keinen so bedeutenden Einfluss auf die
Energieträgerproduktion, wie dies bei traditionellen oder innovativen Betrieben der Fall ist.
Bei einer langfristig abzusehenden positiven Entwicklung der Preise und Märkte für
landwirtschaftliche Energieträger wird ein bedeutender Teil der Fläche (bis zu 40 %) für die
Energieträgerproduktion genutzt. Zeitknappheit stellt hier kein Hindernis dar, da externe
Arbeitskräfte in Anspruch genommen werden. Aufgrund der höheren
Investitionserfordernisse bei Betrieben mit Tierhaltung, kann davon ausgegangen werden,
dass sich die landwirtschaftliche Energieträgerproduktion beim utilitaristisch entscheidenden
Marktfruchtbetrieb eher rentiert als beim utilitaristisch entscheidenden Betrieb mit
Tierhaltung. Utilitaristisch entscheidende Betriebsführer sind aus Sicht der Interviewpartner
eher jünger und eher gut gebildet.
5.1.3.4 Hemmende Faktoren für Energieträgerproduktion
Im Folgenden werden die von den Interviewpartnern genannten hemmenden Faktoren für
die landwirtschaftliche Energieträgerproduktion zusammengefasst:
Persönliche Faktoren
• Risikoaversion/Risikoscheues Verhalten
• Noch nicht ausgereifte Anbau- bzw. Ernteverfahren bei bestimmten Kulturarten
• Mangelnde Kooperationsbereitschaft (gilt in erster Linie für ENERGIEerzeugung z. B.
mittels Biogasanlage und weniger für Produktion landwirtschaftlicher Energieträger, ist
oft genossenschaftlich organisiert und damit Kooperationsfähigkeit erforderlich)
58

59
ALPot
• Persönliches Wertesystem nicht passend zur Energieträgerproduktion:
Energieproduktion wird als ethisch nicht vertretbar gesehen, weil Lebensmittel
produziert werden könnten.
• Zu wenig Erfahrung des Landwirts mit einer Kulturart z. B. mit Ölfrüchten
• Gebundenheit an die Vorstellungen der Elterngeneration
Betriebsinterne Faktoren
• Tierhaltung, die nicht aufgegeben werden soll, und damit zu wenig
Flächenverfügbarkeit
• Zu wenig Arbeitskraft/Arbeitszeit verfügbar
• Zu geringe Liquidität
• Langfristig gebundenes Kapital (z. B. durch kürzliche Investitionen in Stall)
Externe Faktoren
• Preisinstabilität
• Fehlende Förderkontinuität
• Fehlende Rentabilität
• Flächenknappheit
• Einschränkung der zukünftigen Wahlfreiheit (z. B. bei Kurzumtrieb)
• Erhöhter Arbeitsaufwand (z. B. bei Rapspflege)
• Verstärkte Intensivierung (z. B. bei Rapspflege)
• Unzureichende Abnahmemöglichkeit der Energieträger, Entfernung zur nächsten
Veredelung/Energieträgerweiterverarbeitung
• Zu wenig Information (Beratung) für Neueinsteiger
• Nachfrage langfristig nicht gesichert.
• Bürokratische Förderabwicklung
Naturräumliche Faktoren
• Standortbedingungen und/oder Bewirtschaftungsverfahren bestimmter Kulturarten für
den Betrieb nicht passend
• Fruchtfolgenproblematik – Folgekosten der Rekultivierung (bei Kurzumtrieb)
5.1.3.5 Begünstigende Faktoren für Energieträgerproduktion
Im Folgenden werden die von den Interviewpartnern genannten Faktoren, die eine
landwirtschaftliche Energieträgerproduktion begünstigen, zusammengefasst.
Persönliche Faktoren
• Innovative Haltung, Neugier, Aufgeschlossenheit, bessere Ausbildung,
Technikbegeisterung
• Wertehaltung – Wunsch, etwas Positives zu tun
• Jugend

Agentenbasierte Modellierung – realisierbares Potenzial
Betriebsinterne Faktoren
• Hofübernahme (insbesondere bei Tierbetrieben relevant, Entscheidung, ob in Stall
investiert wird oder extensiviert wird, Energieträgerproduktion ist eine Alternative)
• Investitionsentscheidungen stehen an.
• Reduktion der Arbeitskraft (z. B. durch Alter, Abwanderung der nächsten Generation,
außerlandwirtschaftliche Erwerbsarbeit)
• Finanzielle Unabhängigkeit, z. B. bei Nebenerwerb oft gegeben.
• Fläche kann zugepachtet werden.
• Zu geringes Haushaltseinkommen, weitere Einkommensquellen werden gesucht.
• Angeschlagenes
Großbetriebe).
Betriebsimage, das aufgebessert werden soll (betrifft nur
Externe Faktoren
• Image der Energieträgerproduktion
• Funktionierende Kooperation, insbesondere bei Maschinennutzung und Ausgleichen
von Arbeitsspitzen in Form z. B. des Maschinenrings
• Startförderung und laufende Kostendeckung
• Abnahmeverträge
• Angemessene, nicht geregelte freie Preise, Nachfrage muss passen.
• Förderungen
• Geringe Preise für Nahrungsmittel
• Indexgebundene Einspeisetarife
• Zahlungssicherheit/attraktive Zahlungskonditionen
Naturräumliche Faktoren
• Sumpfige Wiesen können insbesondere für Kurzumtrieb verwendet werden.
• Grenzertragsböden können für Energieträgerproduktion genutzt werden.
5.2 Agentenbasiertes Modell AGRIEN
Aufbauend auf den Interviews wurde in weiterer Folge das agentenbasierte Modell AGRIEN
(AGRIcultura ENergie) entwickelt, welches die Entscheidungen von Landwirten im Hinblick
auf die Nutzung von landwirtschaftlicher Fläche für Energieträgerproduktion simuliert.
Agentenbasierte Modelle erlauben es, das Verhalten von individuellen und kollektiven
Akteuren abzubilden. Die Handlungen können dabei von einfachsten Entscheidungsregeln
bestimmt sein, oder es können komplexe kognitive Prozesse der Informationsverarbeitung
und Entscheidungsfindung eine Rolle spielen. Diese Art der Modellierung fußt zum einen auf
dem Ansatz der sozialen Simulation (vgl. Esser und Troitzsch, 1991), zum anderen auf dem
Software-Engineering-Ansatz zur Herstellung von intelligenter Software, der aus dem
Bereich der Künstlichen Intelligenz erwachsen ist (Ferber, 1999; Weiss, 2000).
Im Rahmen des vorliegenden Projektes dient das agentenbasierte Modell AGRIEN zur
Simulation der Auswirkungen unterschiedlicher Rahmenbedingungen auf das Verhalten von
60

61
ALPot
Landwirten hinsichtlich der Biomasse- und Energieerzeugung. Daraus können
Schlussfolgerungen zur Mobilisierbarkeit der Potenziale gezogen werden.
Agentenbasierte Simulationsmodelle bestehen aus Agenten und der Umwelt, in der die
Agenten agieren. Nach der Definition von (Ferber 1999) sind Agenten (sinngemäß)
physische oder virtuelle Einheiten, die
• ihre Umwelt bzw. Teile davon wahrnehmen können.
• innerhalb ihrer Umwelt agieren,
• direkt mit anderen Agenten kommunizieren,
• bestrebt sind, ihre Ziele zu erreichen, und ihr Verhalten danach ausrichten,
• über eigene Ressourcen und Fähigkeiten verfügen,
• Services bereitstellen und
• sich selbst reproduzieren können.
Agenten im hier beschriebenen agentenbasierten Simulationsmodell AGRIEN sind
landwirtschaftliche Betriebe, deren Verhalten auf Basis der beschriebenen Interviews im
Modell abgebildet wurde. Die landwirtschaftlichen Betriebsagenten sind durch deren
Flächencharakteristik, Kosten- und Einkommenscharakteristik sowie durch deren
sozioökonomische Charakteristik beschrieben und treffen Entscheidungen bezüglich deren
Flächennutzung, die gemeinsam mit den Entscheidungen anderer Betriebsagenten den
Modelloutput bestimmt. Modelloutput ist die Fläche, die für landwirtschaftliche
Bioenergieproduktion genutzt wird und die Anzahl der Betriebe, die sich für
landwirtschaftliche Energieträgerproduktion entscheiden.
Die folgende Graphik zeigt die Grundstruktur des im Rahmen dieses Projekts entwickelten
agentenbasierten Modells AGRIEN.
Inputs Outputs
Flächencharakteristik
Kosten- und
Einkommenscharakteristik
Sozioökonomische
Charakteristik
ABM
landwirtschaftlicher
Betrieb
Interviews
Abbildung 5-1: Struktur des Modells AGRIEN
Quelle: Eigene Darstellung (Österreichische Energieagentur)
ha Fläche
Bioenergie
Anzahl der
Betriebe

Agentenbasierte Modellierung – realisierbares Potenzial
5.2.1 Modellierung der Agenten
Interaktion der Agenten in AGRIEN
Landwirtschaftliche Betriebe in AGRIEN, die bereits positive Erfahrung mit der Produktion
landwirtschaftlicher Energieträger sammeln konnten, kommunizieren mit anderen
landwirtschaftlichen Betrieben über die Vorteile der Energieträgerproduktion. Die so
„beratenen“ Betriebe entscheiden sich nun abhängig von ihren persönlichen, betrieblichen
und externen Rahmenbedingungen nach einer Bedenkzeit von ein bis zwei Jahren für oder
gegen eine landwirtschaftliche Energieträgerproduktion. Die Intensität der Kommunikation
wird in AGRIEN mittels einer Kontaktrate definiert und ist für die hier durchgeführten
Berechnungen mit 10 Gesprächen pro Jahr mit anderen Landwirten zum Thema
landwirtschaftliche Bioenergieproduktion angenommen.
Der landwirtschaftliche Betrieb als Agent
Der Agent „landwirtschaftlicher Betrieb“ ist im Modell definiert durch rund 20 verschiedene
Merkmale. Das Entscheidungsverhalten umfasst unterschiedliche Reaktionsmöglichkeiten
des Betriebes auf Veränderungen der Umweltbedingungen und auf Informationen, die von
anderen landwirtschaftlichen Betrieben übermittelt werden. Wesentliche Merkmale sind:
• Entscheidungstyp
• Produktionstyp
• Betriebsgröße
• Flächenverteilung Acker/Grünland
• Erwerbstyp
• Einkommenscharakteristik
Es wurden auf Basis der Interviewergebnisse die ermittelten Entscheidungstypen gemäß
der folgenden Verteilung in AGRIEN implementiert:
• 5 % innovative Betriebe
• 20 % utilitaristisch entscheidende Betriebe
• 75 % traditionell entscheidende Betriebe
Folgende Produktionstypen wurden aus der Agrarstrukturerhebung zusammengefasst 17 :
• Marktfrucht,
• Tierhaltung (Futterbau und Veredelung) sowie
• Gemischtbetriebe (landwirtschaftlicher Gemischtbetrieb und Kombinationsbetrieb).
Die Verteilung der Produktionstypen erfolgt abhängig vom Hauptproduktionsgebiet 18 gemäß
folgenden Daten der Agrarstrukturerhebung 1999.
17
Da Forstbetriebe für die hier bearbeitete Fragestellung von untergeordneter Bedeutung sind,
wurden diese nicht simuliert.
18
Das Hauptproduktionsgebiet Hochalpengebiet wurde hier nicht betrachtet, da die Energieträgerproduktion
in diesem Gebiet eine untergeordnete Rolle spielt.
62

25.000
20.000
15.000
10.000
5.000
‐
Hochalpengebiet (HAG)
Voralpengebiet (VAG)
Marktfrucht Tierhaltung Gemischtbetrieb
Alpenostrand (AOR)
Wald‐ und Mühlviertel (WuMV)
Kärntner Becken (KB)
63
Alpenvorland (AVL)
südöstliches Flach‐ und Hügelland (SÖ FuH)
nordöstliches Flach‐ und Hügelland (NÖ FuH)
Abbildung 5-2: Anzahl der Betriebe nach Produktionstypen und nach Hauptproduktionsgebieten
Quelle: Statistik Austria (2001)
ALPot
Die Verteilung der Erwerbstypen konnte mangels Datengrundlage nicht nach
Hauptproduktionsgebieten differenziert werden, da die Agrarstrukturerhebung dieses
Merkmal auf regionaler Ebene nur nach Bundesländern differenziert ausweist. Laut
Agrarstrukturerhebung 2007 lag der Anteil der Haupterwerbsbetriebe bei rund 40 % und
dementsprechend der Anteil der Nebenerwerbsbetriebe bei rund 60 %. Die folgende Tabelle
zeigt den Anteil der Haupt- und Nebenerwerbsbetriebe differenziert nach Produktionstypen
für das Jahr 1999 und 2007, im Modell wird die Verteilung aus 2007 übernommen.
Tabelle 5-1: Verteilung Erwerbstypen
Quelle: Statistik Austria (2008): Agrarstrukturerhebung 2007 und Statistik Austria (2001):
Agrarstrukturerhebung 1999
2007 1999
Haupterwerb Nebenerwerb Haupterwerb Nebenerwerb
Marktfruchtbetrieb 43 % 57 % 40 % 60 %
Tierhaltungsbetrieb 54 % 46 % 51 % 49 %
Gemischtbetrieb 34 % 66 % 36 % 64 %
Die Betriebsgrößen wurden gemäß der Betriebsgrößenklassenverteilung der
Agrarstrukturerhebung 1999 differenziert nach Hauptproduktionsgebieten und
Produktionstypen ermittelt (siehe dazu im Anhang).
Die Flächenverteilung auf Acker- und Grünlandfläche wurde aus der
Agrarstrukturerhebung 1999 übernommen (Forstflächen werden in diesem Modell nicht

Agentenbasierte Modellierung – realisierbares Potenzial
berücksichtigt.). Auch hier liegen keine Daten je Hauptproduktionsgebiet vor, daher musste
diese Verteilung für alle Hauptproduktionsgebiete unterstellt werden.
Tabelle 5-2: Flächenverteilung Acker- und Grünlandfläche
Quelle: Agrarstrukturerhebung 2007, nicht differenziert auf HPGs
Ackerfläche Grünlandfläche
Marktfruchtbetrieb 95 % 5 %
Tierhaltungsbetrieb 33 % 67 %
Gemischtbetrieb 34 % 66 %
Die folgende Abbildung zeigt den Zusammenhang zwischen Betriebsgröße in Hektar
bewirtschaftete Fläche und dem durchschnittlichen Standarddeckungsbeitrag je Betrieb. Es
zeigt sich eindeutig, dass größere Betriebe höhere Deckungsbeiträge aufweisen.
Anteil in %
100%
90%
80%
70%
60%
50%
40%
30%
20%
10%
0%
0 ha bis unter 30 ha 30 ha und mehr
unter 2.000
2.000 bis unter 4.000
4.000 bis unter 6.000
6.000 bis unter 8.000
8.000 bis unter 12.000
12.000 bis unter 16.000
16.000 bis unter 20.000
20.000 bis unter 25.000
25.000 bis unter 35.000
35.000 bis unter 40.000
40.000 bis unter 65.000
65.000 bis unter 110.000
Standarddeckungsbeitrag in €
Abbildung 5-3: Standarddeckungsbeitrag und Betriebsgröße im Jahr 2007
Quelle: Österreichische Energieagentur 2010
Zur Bestimmung der Einkommenscharakteristik wurde daher jedem Betrieb, abhängig vom
Erwerbstyp und der Betriebsgröße, ein ganzer Wert auf einer Skala von 0 bis 3 zugewiesen,
der folgendermaßen zu interpretieren ist:
• 3: gute Einkommenssituation
• 2: eher gute Einkommenssituation
• 1: eher schlechte Einkommenssituation
• 0: schlechte Einkommenssituation
64

5.2.1.1 Sensorik landwirtschaftlicher Betriebesagenten
65
ALPot
Agenten im agentenbasierten Modell nehmen Teile ihrer Umwelt wahr und verfügen damit
über eine bestimmte Sensorik. Die Agenten in AGRIEN nehmen ihre Umwelt wahr über
• die Relation der Deckungsbeiträge bei Energieträgerproduktion im Vergleich zur
Nahrungsmittelproduktion,
• die agrarischen Rahmenbedingungen (Flächenrückgang, Reduktion
•
landwirtschaftlicher Betriebe, ökonomische Rahmenbedingungen),
die Rahmenbedingungen für Bioenergie wie Risiko- und Markterwartungen, sowie
• Informationen anderer Landwirte zum Thema Bioenergieproduktion,
und entscheiden sich abhängig von persönlichen und betrieblichen Bedingungen für oder
gegen die Produktion landwirtschaftlicher Energieträger.
5.2.2 Weitere Modellaspekte
Dynamik in AGRIEN
Folgende Veränderungen der Rahmenbedingungen werden in AGRIEN dynamisch
modelliert 19 :
• Änderung der Anzahl der Betriebe differenziert nach Produktionstyp und Erwerbstyp
• Änderung der bewirtschafteten landwirtschaftlichen Flächen
Die folgende Tabelle zeigt die Wachstums- bzw. Sterberate von Betrieben pro Jahr,
berechnet aus den Agrarstrukturerhebungen 1999 und 2007.
Tabelle 5-3: Veränderungsrate der Anzahl der Betriebe
Quellen: Statistik Austria (2001/08)
in % des Ausgangswertes Haupterwerb Nebenerwerb
Marktfruchtbetrieb -1,03 % -2,21 %
Tierhaltungsbetrieb -0,61 % -1,38 %
Gemischtbetrieb -1,40 % -1,75 %
Die jährliche Veränderungsrate für Ackerland in Prozent der Ackerfläche 2007 liegt bei -
0,08 % und jene für Grünland bei 0,53 %. Beide Werte wurden auf Basis der im Kapitel 3.3.1
getroffenen Annahmen berechnet.
Räumliche Abgrenzung
AGRIEN wurde für die folgenden Hauptproduktionsgebiete entwickelt:
• Voralpengebiet („VAG“)
• Alpenostrand („AOR“)
19
Veränderungen im Rahmen der Szenarioanalyse werden im Kapitel 5.3 Szenarioanalyse
beschrieben.

Agentenbasierte Modellierung – realisierbares Potenzial
• Wald- und Mühlviertel („WuMV“)
• Kärntner Becken („KB“)
• Alpenvorland („AVL“)
• Südöstliches Flach- und Hügelland („SÖ Fu HL“)
• Nordöstliches Flach- und Hügelland („NÖ Fu HL“)
Die Simulation erfolgt gesondert für jedes Hauptproduktionsgebiet. Das Hauptproduktionsgebiet
Hochalpengebiet wurde hier nicht betrachtet, da die Potenziale zur
Energieträgerproduktion in diesem Gebiet als vernachlässigbar erachtet werden.
Neben der dynamischen Veränderung der Rahmenbedingungen werden auch Auslöser,
welche die Entscheidung, Energieträger zu produzieren, beeinflussen können, in AGRIEN
simuliert. So wird z. B. je Betrieb der Zeitpunkt für die nächste Investition exponentialverteilt
mit einem durchschnittlichen Investitionsintervall von 30 Jahren simuliert.
Zeitliche Abgrenzung
AGRIEN ist für einen Simulationszeitraum von 2001 bis 2030 konzipiert.
Stochastik
Obwohl das Simulationsmodell größtenteils deterministisch angelegt ist, finden sich einige
stochastische Prozesse. So sind z. B. die bewirtschaftete Fläche eines landwirtschaftlichen
Betriebs oder die Häufigkeit, mit der ein Betrieb über landwirtschaftliche
Bioenergieproduktion von einem anderen Betrieb informiert wird, und auch die
Familienstruktur stochastisch simuliert: Ob ein Kind geboren wird, ein älterer Mensch stirbt,
ein Familienmitglied durch Heirat hinzu kommt oder durch Scheidung den Hof verlässt, ist
nicht nur von der Charakteristik des Betriebes bestimmt, sondern auch an
Wahrscheinlichkeitsverteilungen geknüpft. Neben der demografischen Entwicklung der
Haushalte finden sich stochastische Prozesse auch bei den Aktionen der
landwirtschaftlichen Betriebe, wie im folgenden Kapitel beschrieben.
Aktionen der landwirtschaftlichen Betriebsagenten und Entscheidungsverhalten
Welche Aktionen ein landwirtschaftlicher Betrieb setzt, hängt von seiner
Betriebscharakteristik und von den Umweltbedingungen ab.
Grundsätzlich können Betriebe in AGRIEN folgende Aktionen setzen:
• Flächen zur landwirtschaftlichen Energieträgerproduktion nutzen
• Mit anderen Landwirten über landwirtschaftlichen Energieträgerproduktion kommunizieren
(siehe Interaktion der Agenten S. 62)
• Fläche pachten/verpachten
• Den landwirtschaftlichen Betrieb aufgeben
• Flächen aus der landwirtschaftlichen Nutzung nehmen 20
Kleine Betriebe mit schlechter Einkommenssituation kommen für die beobachtbare und im
Rahmen der Modelldynamik simulierte Flächenreduktion und Reduktion der Anzahl der
20 Im Modell wird keine weitere Annahme darüber getroffen, was mit diesen Flächen passiert, in der
Realität werden derartige Flächen aufgeforstet, verwalden langsam oder werden versiegelt.
66

67
ALPot
Betriebe in Betracht. Wird ein Betrieb im Modell aufgegeben, pachtet ein anderer Betrieb
diese Fläche. Es wird angenommen, dass Flächen, die zur Pacht angeboten werden, immer
verpachtet werden können.
Ob und wie viel Fläche zur landwirtschaftlichen Energieträgerproduktion genutzt wird, hängt
von der Betriebscharakteristik, von den agrarischen und energiewirtschaftlichen
Rahmenbedingungen sowie von den oben beschriebenen stochastischen Parametern ab.
Das Entscheidungsverhalten wurde eng in Anlehnung an die im vorigen Kapitel
beschriebenen Interviewergebnisse in AGRIEN implementiert. Je besser die
Rahmenbedingungen für Bioenergie, umso wahrscheinlicher ist es, dass sich ein
landwirtschaftlicher Betrieb für Bioenergie entscheidet.
Utilitaristische Betriebe entscheiden sich bei optimalen Rahmenbedingungen mit Sicherheit
zur Energieträgerproduktion. Im Bioenergie-TREND- und -CONTRA-Szenario spielen die
utilitaristischen Betriebe keine Rolle bei der Energieträgerproduktion, da die Relation der
Deckungsbeiträge Energieträgerproduktion zu Nahrungsmittelproduktion zu gering für ein
Reagieren der utilitaristischen Betriebe ist. Im Bioenergie-PRO-Szenario stellen aber fast alle
utilitaristisch entscheidenden Betriebe landwirtschaftliche Energieträger bereit, da die
Bedingungen für die Bioenergieproduktion sehr vorteilhaft sind.
Innovative Betriebe entscheiden sich nicht direkt auf Basis der ökonomischen
Rahmenbedingungen für die Energieträgerproduktion, allerdings steigt mit der Verbesserung
der ökonomischen Rahmenbedingungen auch die Anzahl der innovativen Betriebe, die sich
zur Bioenergieproduktion entschließen.
Das Entscheidungsverhalten der traditionellen Betriebe wird differenziert nach
Produktionstyp, Erwerbstyp und Betriebsgröße simuliert. Ein traditioneller Tierbetrieb
entscheidet sich nur, wenn ein bestimmter Auslöser (siehe dazu Verhalten Betriebe mit
Tierhaltung S. 56) eintritt, für die Energieträgerproduktion. Je vorteilhafter die
Rahmenbedingungen für Bioenergie sind, umso größer ist die Wahrscheinlichkeit, dass sich
dieser Betrieb für die Energieträgerproduktion entscheidet. Kleine Betriebe mit Tierhaltung
wählen mit höherer Wahrscheinlichkeit die Energieträgerproduktion als große Betriebe.
Marktfruchtbetriebe reagieren wie die utilitaristischen Betriebe sensitiv auf die
Deckungsbeitragsrelation, sind aber auch bei geringeren Relationen zur
Energieträgerproduktion zu bewegen. Allerdings ist die Wahrscheinlichkeit für eine
Energieträgerproduktion bei sehr vorteilhaften Bioenergiebedingungen nicht so hoch wie bei
utilitaristischen Betrieben. Gemischte Betriebe reagieren auf ihren Grünlandflächen wie
Betriebe mit Tierhaltung und auf Ackerflächen wie Marktfruchtbetriebe.
Softwaretechnische Realisierung
AGRIEN wurde mit der Software AnyLogic implementiert. AnyLogic ist ein dynamisches
Simulationswerkzeug der Firma XJ Technologies, welches auf Java Eclipse Framework
basiert.
5.3 Szenarioanalyse
Da die Entscheidungen der Landwirte wesentlich von den agrarischen und
energiewirtschaftlichen Rahmenbedingungen abhängen, diese aber nicht belastbar
prognostiziert werden können, werden hier jeweils drei unterschiedliche Szenarien für
agrarische und energiewirtschaftliche Zukunftsentwicklungen untersucht. Es wurden jeweils
ein Trendszenario und zwei Extremszenarien simuliert. Die Extremszenarien umfassen ein
PRO-Szenario, welches von äußerst vorteilhaften Rahmenbedingungen für Landwirtschaft
bzw. Bioenergieproduktion ausgeht und ein CONTRA-Szenario, welches von äußerst

Agentenbasierte Modellierung – realisierbares Potenzial
hemmenden bzw. ungünstigen Rahmenbedingungen für Landwirtschaft bzw.
Bioenergieproduktion ausgeht.
5.3.1 Szenarien der Zukunftsentwicklungen im Bereich Landwirtschaft
Drei Rahmenbedingungen im Bereich der Landwirtschaft wurden variiert:
• Agrarökonomische Rahmenbedingungen (landwirtschaftliche Förderungen, erzielbare
Deckungsbeiträge für landwirtschaftliche Produkte)
• Rückgang der bewirtschafteten Acker- und Grünlandfläche
• Rückgang der Anzahl der Betriebe
In den beiden folgenden Tabellen sind die Szenarioannahmen im Überblick dargestellt.
Tabelle 5-4: Szenarien Landwirtschaft
Quelle: Eigene Annahmen (Österreichische Energieagentur)
Trend Pro Contra
Agrarökonomische
Rahmenbedingungen
Gleichbleibend Verbesserung Verschlechterung
Wirkung -
68
Einkommenssituation der
Betriebe auf einer Skala
von 0 (sehr schlecht) bis
3 (sehr gut) um eine Stufe
verbessert wird.
Einkommenssituation der
Betriebe auf einer Skala
von 0 (sehr schlecht) bis
3 (sehr gut) um eine Stufe
verschlechtert wird.
Flächenrückgang Bleibt gleich Kann aufgehalten werden Verdoppelt sich
Acker 0,08 % / a 0 % / a 0,16 % / a
Grünland 0,53 % / a 0 % / a 1,06 % / a
Rückgang der Betriebe Bleibt erhalten Reduziert um die Hälfte Erhöht sich um die Hälfte
Voll-Gemischt 1,4 % / a 0,7 % / a 2,1 % / a
Neben-Gemischt 1,75 % / a 0,875 % / a 2,63 % / a
Voll-Marktfrucht 1,03 % / a 0,52 % / a 1,56 % / a
Neben-Marktfrucht 2,21 % / a 1,12 % / a 3,32 % / a
Voll-Veredelung 0,6 % / a 0,3 % / a 0,9 % / a
Neben-Veredelung 1,38 % / a 1,69 % / a 2,07 % / a
Tabelle 5-5: Szenarien Bioenergie
Quelle: Eigene Ergebnisse und Annahmen (Österreichische Energieagentur)
Trend Pro Contra
Rahmenbedingungen für
Bioenergie
Relation Deckungsbeitrag
Bioenergie: Nahrungsmittel
von 1 auf
Risiko und Markterwartung
von 0 auf
Flächenanteil für landwirtschaftliche
Energieträger
Durch die RL
2009/28/EC moderate
Verbesserung
Moderate Anhebung
1,1
Moderate Verbesserung
0,2
Ambitionierte
Unterstützung
Ambitionierte
Anhebung
1,5
Optimale Situation
1
Minimale Anreize
Geringe Anhebung
1,05
Geringe Verbesserung
0,1
Unverändert Unverändert Reduziert
Innovative 15 % 15 % 10 %
Traditionelle 10 % 10 % 5 %
Utilitaristen 40 % 40 % 20 %

5.3.1.1 Agrarökonomische Rahmenbedingungen
69
ALPot
Während im TREND-Szenario von gleich bleibenden agrarökonomischen
Rahmenbedingungen (landwirtschaftliche Förderungen, erzielbare Deckungsbeiträge für
landwirtschaftliche Produkte) ausgegangen wird und es damit zu keiner Veränderung der
Einkommenssituation landwirtschaftlicher Betriebe kommt, werden im PRO-Szenario die
agrarökonomischen Rahmenbedingungen so maßgeblich verbessert, dass sich die
Einkommenssituation landwirtschaftlicher Betriebe um eine Stufe (siehe Seite S. 64)
verbessert. Betriebe, die beispielsweise eine „eher gute Einkommenssituation“ aufweisen,
können sich auf eine „gute Einkommenssituation“ verbessern. Im CONTRA-Szenario werden
die agrarökonomischen Rahmenbedingungen so weit verschlechtert, dass sich die
Einkommenssituation sämtlicher der Betriebe um eine Stufe verschlechtert. Betriebe, die
beispielsweise eine eher gute Einkommenssituation aufweisen, rutschen in eine „eher
schlechte Einkommenssituation“ ab.
5.3.1.2 Rückgang Acker- und Grünlandfläche
Im TREND-Szenario wird der beobachtbare Trend an Flächenrückgang fortgesetzt (siehe
dazu Kapitel 3.3.1). Die bewirtschaftete Ackerfläche sinkt in Österreich durchschnittlich um
rund 0,08 % pro Jahr, die bewirtschaftete Grünlandfläche sinkt um rund 0,53 % pro Jahr. Im
PRO-Szenario kann dieser Flächenrückgang aufgehalten werden, es kommt also zu keiner
Flächenreduktion. Hingegen wird der Trend der Flächenreduktion im CONTRA-Szenario
verstärkt: die Ackerfläche schrumpft jährlich um 0,16 % pro Jahr, die Gründlandfläche sinkt
um 1,06% pro Jahr.
5.3.1.3 Rückgang der Anzahl der landwirtschaftlichen Betriebe
Im TREND-Szenario wird der beobachtbare Trend an Betriebsaufgaben fortgesetzt. Je nach
Produktionstyp und Erwerbstyp reduziert sich die Anzahl landwirtschaftlicher Betriebe
zwischen 0,6 % und 2,2 %. Im PRO-Szenario wird angenommen, dass dieser Rückgang an
Betrieben verlangsamt werden kann, die jährliche „Sterberate“ wird um die Hälfte auf 0,3 %
bis 1,1 % reduziert. Hingegen wird der Trend der Betriebsaufgabe im CONTRA-Szenario
verstärkt: es werden zwischen 0,9 % und 3,3 % der Betriebe aufgegeben.
5.3.1.4 Rahmenbedingungen für Bioenergie
Folgende Rahmenbedingungen für Bioenergie werden betrachtet:
• Wirtschaftlichkeit der Produktion landwirtschaftlicher Energieträger in Form der
Relation Deckungsbeitrag Bioenergieproduktion zu Deckungsbeitrag Nahrungsmittelproduktion
• Markterwartung hinsichtlich Absatz- und Preisentwicklung und das Risiko, das mit der
Produktion von landwirtschaftlichen Energieträgern verbunden ist.
Je größer die Relation Deckungsbeitrag Bioenergieproduktion Nahrungsmittelproduktion ist,
umso vorteilhafter für die Bioenergieproduktion. Als Ausgangswert für diese Relation wird 1
angesetzt (IST-Situation). Während im TREND-Szenario von einer moderaten Steigerung
dieser Relation auf 1,1 aufgrund der Erfordernisse der Richtlinie 2009/28/EC ausgegangen

Agentenbasierte Modellierung – realisierbares Potenzial
wird, wird diese Relation im PRO-Szenario auf 1,5 gesteigert und im CONTRA-Szenario nur
geringfügig auf 1,05 erhöht 21 .
Die Markterwartung und das Risiko werden mit der Bandbreite 0 (unvorteilhaft) bis 1 (sehr
vorteilhaft) dargestellt. Im TREND-Szenario wird von einer moderaten Verbesserung der
Markterwartung und des Risikos von 0 (Ausgangswert) auf 0,2 ausgegangen. Im PRO-
Szenario werden diesbezüglich optimale Bedingungen (z. B. durch Abnahmegarantien
landwirtschaftlicher Energieträger, durch langfristige Förderung des Umstiegs auf
erneuerbare Energieträger und die damit verbundene Absatzsicherung, etc.), im CONTRA-
Szenario geringe Verbesserung in Höhe von 0,1 unterstellt.
5.3.1.5 Flächenanteil für landwirtschaftliche Energieträger
Weiters wird in den Szenarien der Anteil an landwirtschaftlicher Fläche variiert, den ein
Betrieb für die Produktion landwirtschaftlicher Energieträger nutzt. Entsprechend den
Interviewergebnissen wird von einem derzeit und im TREND-Szenario andauernden
Flächenanteil für landwirtschaftliche Energieträgerproduktion in Höhe von 15 % bei
innovativen Betrieben, 10 % bei traditionellen Betrieben und 40 % bei utilitaristischen
Betrieben ausgegangen. Im PRO-Szenario bleibt dieser Flächenanteil unverändert, während
dieser im CONTRA-Szenario reduziert wird auf 10 % bei innovativen Betrieben, 5 % bei
traditionellen Betrieben und 20 % bei utilitaristischen Betrieben.
5.3.2 Ergebnisse der Szenarioanalyse
Um die Auswirkungen unterschiedlicher Rahmenbedingungen untersuchen zu können,
wurden mit AGRIEN insgesamt 9 unterschiedliche Szenariokombinationen, beginnend bei
äußerst vorteilhaften Rahmenbedingungen für Landwirtschaft und Bioenergieproduktion über
die Trendentwicklung für Landwirtschaft oder/und Bioenergieproduktion bis hin zu äußerst
hemmenden und unvorteilhaften Faktoren für Landwirtschaft und Bioenergie, simuliert. Die
Bezeichnung der Szenariokombination zeigt an erster Stelle das Landwirtschaftliche
Szenario und an zweiter Stelle das Bioenergie-Szenario. PRO-CONTRA zeigt beispielsweise
die Kombination aus vorteilhaften Bedingungen für die Landwirtschaft und unvorteilhaften
Bedingungen für die Bioenergieproduktion.
Im Rahmen der Szenarioanalyse wurde für die betrachteten Hauptproduktionsgebiete das
Potential an landwirtschaftlichen Flächen, die von den Betrieben zur landwirtschaftlichen
Energieträgerproduktion genutzt werden, ermittelt.
Die Simulationsergebnisse zeigen, dass in den betrachteten Szenarien zwischen 4 % und
30 % der landwirtschaftlich genutzten Fläche für die Produktion von landwirtschaftlichen
Energieträgern aufgewendet wird. Der höchste Anteil wird in der Szenariokombination
CONTRA-PRO und damit bei unvorteilhaften Rahmenbedingungen für die Landwirtschaft,
aber sehr günstigen Rahmenbedingungen für die Bioenergieproduktion erzielt. Bei dieser
Szenariokombination sind Landwirte aufgrund der ungünstigen Rahmenbedingungen für die
Landwirtschaft motiviert, nach Alternativen zu suchen, und gleichzeitig besteht durch die
günstigen Rahmenbedingungen für Bioenergie ein Anreiz, verstärkt Flächen für
landwirtschaftliche Energieträgerproduktion zu nutzen.
Der geringste Anteil an Flächenbereitstellung in Höhe von 4 % für landwirtschaftliche
Energieträgerproduktion ist in der Szenariokombination PRO-CONTRA zu erwarten. Bei sehr
21 Aufgrund der Erfordernisse der Richtlinie 2009/28/EC wird davon ausgegangen, dass selbst im
ungünstigsten Fall eine leichte Verbesserung der Rahmenbedingungen stattfinden wird.
70

71
ALPot
günstigen Rahmenbedingungen für die Landwirtschaft und unvorteilhaften Bedingungen für
die Bioenergieproduktion besteht weder Grund, noch Anreiz zur landwirtschaftlichen
Energieträgerproduktion. Es bleibt daher beim derzeitigen Flächenanteil in Höhe von rund
4 %.
Die folgenden Tabellen und Abbildung 5-4 zeigen den simulierten Flächenanteil und die
Flächen in ha, die für landwirtschaftliche Energieträgerproduktion genutzt werden, in den
jeweiligen Szenariokombinationen.
Tabelle 5-6: Simulationsergebnisse des Modells AGRIEN: Flächen zur Energieträgerproduktion
in Österreich im Jahr 2030 in ha bzw. %
Fläche mit
Energieträgerpro‐
duktion in % der
Gesamtfläche 2030
Bioenergie
1000 ha
Landwirtschaft
Landwirtschaftl.
Energieträger‐ Landwirtschaft
Pro Trend Contra
produktion in ha
2030
Pro Trend Contra
Pro 21 % 28 % 30 %
Bioenergie
Pro 444.211 582.596 630.242
Trend 8 % 10 % 12 % Trend 175.058 214.713 238.963
Contra 4 % 5 % 6 % Contra 81.402 107.133 128.401
800
600
400
200
‐
Bioenergie
Szenario:
Pro
Trend
Contra
Pro Trend Contra
Landwirtschaftliches Szenario
Abbildung 5-4: Simulationsergebnisse des Modells AGRIEN: Flächen zur Energieträgerproduktion
in Österreich im Jahr 2030 in 1000 ha
Aus obiger Abbildung wird deutlich, dass die simulierten Rahmenbedingungen für die
Bioenergieproduktion größeren Einfluss haben auf die Produktion von landwirtschaftlichen
Energieträgern als die verschiedenen Rahmenbedingungen für die Landwirtschaft. Während
der Unterschied zwischen PRO- und CONTRA-Szenario in Bezug auf Bioenergie mehr als
20 % der genutzten Fläche ausmacht, liegt der Unterschied bei PRO- und CONTRA
Szenario in Bezug auf die Landwirtschaft bei unter 10 %.
Die folgende Abbildung zeigt die Flächenpotentiale in den verschiedenen Szenarien,
differenziert nach Hauptproduktionsgebieten im Überblick.

Agentenbasierte Modellierung – realisierbares Potenzial
100%
90%
80%
70%
60%
50%
40%
30%
20%
10%
0%
100%
90%
80%
70%
60%
50%
40%
30%
20%
10%
0%
100%
90%
80%
70%
60%
50%
40%
30%
20%
10%
0%
100%
90%
80%
70%
60%
50%
40%
30%
20%
10%
0%
100%
90%
80%
70%
60%
50%
40%
30%
20%
10%
0%
Trend-Trend
Anteil Bioenergieproduzenten Anteil Bioenergiefläche
VAG AOR WuMV KB AVL SÖ FuH NÖ FuH
Trend-Contra
Anteil Bioenergieproduzenten Anteil Bioenergiefläche
VAG AOR WuMV KB AVL SÖ FuH NÖ FuH
Pro-Trend
VAG AOR WuMV KB AVL SÖ FuH NÖ FuH
Contra-Contra
Anteil Bioenergieproduzenten Anteil Bioenergiefläche
VAG AOR WuMV KB AVL SÖ FuH NÖ FuH
Contra-Pro
Anteil Bioenergieproduzenten Anteil Bioenergiefläche
Anteil Bioenergieproduzenten Anteil Bioenergiefläche
VAG AOR WuMV KB AVL SÖ FuH NÖ FuH
72
100%
90%
80%
70%
60%
50%
40%
30%
20%
10%
0%
100%
90%
80%
70%
60%
50%
40%
30%
20%
10%
0%
100%
90%
80%
70%
60%
50%
40%
30%
20%
10%
0%
100%
90%
80%
70%
60%
50%
40%
30%
20%
10%
0%
Trend-Pro
Pro-Pro
Anteil Bioenergieproduzenten Anteil Bioenergiefläche
VAG AOR WuMV KB AVL SÖ FuH NÖ FuH
Anteil Bioenergieproduzenten Anteil Bioenergiefläche
VAG AOR WuMV KB AVL SÖ FuH NÖ FuH
Pro-Contra
Anteil Bioenergieproduzenten Anteil Bioenergiefläche
VAG AOR WuMV KB AVL SÖ FuH NÖ FuH
Contra-Trend
Anteil Bioenergieproduzenten Anteil Bioenergiefläche
VAG AOR WuMV KB AVL SÖ FuH NÖ FuH
Abbildung 5-5: Simulationsergebnisse: Anteil der Flächen zur Energieträgerproduktion und
Anteil der Betriebe mit landwirtschaftlicher Energieträgerproduktion in Österreich (2030 )
Quelle: Modell AGRIEN (Österreichische Energieagentur)

73
ALPot
Aus obiger Abbildung wird deutlich, dass der größte Anteil an Fläche mit landwirtschaftlicher
Energieträgerproduktion und auch der größte Anteil an Betrieben, die landwirtschaftliche
Energieträger produzieren, in nahezu allen Szenarien im nordöstlichen Flach- und
Hügelland zu finden ist. Im CONTRA-PRO-Szenario beteiligen sich im nordöstlichen Flach
und Hügelland fast alle Betriebe an der Produktion landwirtschaftlicher Energieträger und es
werden knapp 36 % der landwirtschaftlichen Fläche für Energieträgerproduktion genutzt.
Selbst bei unvorteilhaften Rahmenbedingungen für Bioenergie werden hier mehr als 6 % der
Fläche für die Produktion landwirtschaftlicher Energieträger genutzt. Gründe für diese
Entwicklung sind:
• Der geringe Anteil an Betrieben mit Tierproduktion (8,5 %) und gemischter Produktion
(9,4 %), die schwieriger zur Energieträgerproduktion zu motivieren sind (siehe dazu
auch Abbildung 5-2).
• Die im Vergleich zu anderen Hauptproduktionsgebieten wesentlich größere
durchschnittliche Betriebsgröße, bezogen auf die bewirtschaftete Fläche des
Betriebes, führen zu einer wesentlich stärkeren Mobilisierbarkeit von Flächen: wenn
sich auch nur einige wenige (große) Betriebe für Energieträgerproduktion
entscheiden, kann im Vergleich zu Hauptproduktionsgebieten mit kleinerer
Flächenausstattung der Betriebe wesentlich mehr Fläche mobilisiert werden.
• Die mit einer größeren Betriebsgröße verbundene bessere Einkommenssituation des
Betriebes (siehe dazu Abbildung 5-3) erlaubt einen größeren Spielraum bei der
Entscheidung für oder gegen landwirtschaftliche Energieträgerproduktion, da
Liquiditätsengpässe, aber auch Arbeitsüberlastung durch Zuerwerb wegfallen.
Eher geringe Potentiale werden in den Hauptproduktionsgebieten Alpenvorland und
Voralpen ausgewiesen. Beide Hauptproduktionsgebiete weisen einen vergleichsweise
hohen Anteil an Betrieben mit Tierhaltung im Bereich von 70 % auf, hingegen eine eher
durchschnittliche Betriebsgrößenverteilung und damit eine durchschnittliche
Einkommenssituation, die weder Handlungsdruck (der bei einer schlechten
Einkommenssituation gegeben wäre) verursacht, noch günstige Rahmenbedingungen und
Spielraum bei Investitionen und Innovationen am Betrieb bietet (wie das bei guter
Einkommenssituation möglich ist).
5.3.3 Sensitivitätsanalyse
Um die Robustheit der Ergebnisse im Hinblick auf wesentliche zugrunde liegende Annahmen
beurteilen zu können, wurden Simulationen für das Hauptproduktionsgebiet nordöstliches
Flach- und Hügelland sowie Alpenvorland bei variierten Parametern durchgeführt. Eine
deutliche Sensitivität zeigt das Modell in Bezug auf den angenommenen Anteil an Fläche,
den ein Betrieb bereit ist, für Energieträgerproduktion zu nutzen. Hier besteht ein nahezu
linearer Zusammenhang: eine Verdopplung des Anteils bereitgestellter Flächen verdoppelt
die Simulationsergebnisse hinsichtlich der für landwirtschaftliche Energieträgerproduktion
genutzten Flächen. Effektiv für die Forcierung landwirtschaftlicher Biomasse sind daher
Maßnahmen, die den Anteil bereitgestellter Fläche für Energieträgerproduktion erhöhen.
Auch die Verteilung der Entscheidungstypen (innovativ, traditionell und utilitaristisch) oder
die Kontaktrate (Beeinflussung des Entscheidungsverhaltens durch Kommunikation
zwischen den Betrieben) beeinflusst das Ergebnis in Bezug auf die Flächennutzung,
allerdings nur im Rahmen von unter +/- 15 %.

GIS-basierte Potenzialanalyse
6 GIS-basierte Potenzialanalyse
In diesem Kapitel werden Biomasse-Potenziale unter dem Gesichtspunkt der Eignung
verschiedener Kulturpflanzen unter unterschiedlichen naturräumlichen Gegebenheiten
ermittelt. Im Vordergrund steht dabei der Vergleich der Standortanforderungen bestimmter
Pflanzen mit den entsprechenden regional unterschiedlichen Standortbedingungen. Dafür
wird ein GIS-basierter Ansatz verfolgt.
Aufbauend auf die Beschreibung der grundlegenden Idee und des Modells werden die
Ergebnisse des Grundmodells und weiterer 6 Varianten erläutert. Abschließend erfolgen eine
kritische Betrachtung der Ergebnisse und die Darstellung der Modellaussagen.
6.1 Grundlegende Idee – Beschreibung der Herangehensweise
6.1.1 Begriffsdefinitionen, Systemgrenzen und Methodik
Standortbedingungen
Die Standortbedingungen sind die Abbildungen der meteorologischen Verhältnisse und der
Bodentypen vor Ort. Sie sollen die natürlichen Rahmenbedingungen auf den Standorten für
das Wachstum der Kulturarten darstellen.
Standortanforderungen
Für jede Kulturart wurde ein Profil aufgestellt, das in Abhängigkeit des Wasserbedarfs, der
optimalen Temperatur und des Bodentyps den Ertrag (in Klassen) abbildet. Die
Standortanforderungen stellen somit die Anforderungen je Kulturart an den Standort dar.
Standort / Zelle
Die Grundlagendaten (Boden, Wetter, Bodennutzung) lagen detailliert in einem 500-mal-500
Meter Raster österreichweit vor (Zellen). Diese Daten wurden räumlich aggregiert, indem
benachbarte Zellen mit der gleichen Flächennutzung im Basisjahr zusammengefügt wurden.
Dadurch wurden die Zellen zu Standorten (Polygone) zusammengefasst.
Wetter, Boden, Fruchtfolge und Ertrag
Die Abbildung der meteorologischen Komponenten erfolgt durch die jährliche
Durchschnittstemperatur und der jährlichen Niederschlagsmenge auf dem Standort. Die
Daten wurden von der Zentralanstalt für Metrologie und Geodynamik für dieses Projekt
angekauft (ZAMG, 2008).
Der Boden wird mittels der Bodentypen aus der eBOD (digitale Bodenkarte) abgebildet.
Die Auswahl und Darstellung der Fruchtfolgen erfolgt auf Basis einer Fruchtfolgematrix
automatisch.
Kulturarten
Die im Modell berücksichtigen Kulturarten umfassen im Großen und Ganzen die von Statistik
Austria erfassten Kulturarten (Feldfruchternte). Ergänzt wurden diese Kulturarten mit „Neuen
Kulturarten“.
Zwischenfrüchte
Zwischenfrüchte sind in diesem Modell nicht berücksichtigt. Pro Standort wird eine Kulturart
gebaut.
74

75
ALPot
„Neue Kulturarten“
Als „Neue Kulturarten“ sind ergänzend zu den zuvor genannten Kulturen folgende
Ackerpflanzen, die in Zukunft zusätzliche Optionen zur stofflichen und energetischen
Nutzung darstellen:
• Weide und Pappel
• Miscanthus
• Topinambur (Knolle und Kraut)
• Sudangras
Ackerwiese
Unter Ackerwiese ist eine Begrünung von Ackerland zu verstehen.
6.1.2 Aufbau des Modells
Das Modell simuliert die Nutzung von 46.224 Ackerflächenstandorten (= Polygone, siehe
6.1.1) durch die Selektion jeweils einer Kulturart (von insgesamt 27 im Modell
berücksichtigten) nach den Kriterien einer bestmöglichen Ausnutzung meteorologischer
(Jahresniederschlag, Jahrestemperaturmittel), und bodenbezogener Bedingungen im
Basisjahr (t0). In den Folgejahren der Simulation (t01 bis t20) werden zusätzlich die Kriterien
der Fruchtfolge (Nachfolgeeignung und Anbaupausen) in das Kalkül der Optimierung
gezogen um auf diese Weise dynamische Modellkomponenten zu implementieren (die
Klima- und Bodenbedingungen werden als konstant angenommen).
Grundlegende Idee ist die Gegenüberstellung von Standortbedingungen und
Standortanforderungen, d.h. die natürlichen Rahmenbedingungen am jeweiligen Standort
betreffend Niederschlag, Bodentyp und Temperatur geben den Rahmen für das Wachstum
der Kulturarten vor.
Andererseits werden in den Standortanforderungen mit den Kulturartenprofilen klar die
Mindestbedingungen betreffend Standortbedingungen definiert, unter welchen das
entsprechende Wachstum und somit folglich der erwartete Ertrag der jeweiligen Kulturart
möglich ist.
Abbildung 6-1: Modellskizze – Überblick zum Modellaufbau
Quelle: Eigene Darstellung (im-plan-tat Reinberg und Partner)

GIS-basierte Potenzialanalyse
Das Modell bildet die Potenziale an Mengen von Kulturarten ab, die österreichweit ohne
Veränderung der natürlichen Gegebenheiten (Nährstoffe im Boden, Niederschlagsmengen)
zu erzielen sind. Die Regeneration des Bodens und der Nährstoffe im Boden sollen mittels
einer langfristigen Fruchtfolge-Strategie angestrebt werden.
Aufgrund dieser Rahmenbedingungen ist eine weitere Modellannahme, dass auf Düngemittel
und Pflanzenschutzmittel verzichtet wird. Die Fruchtfolgen sollen eine nachhaltige
Bewirtschaftung gewährleisten und somit die Bodenfruchtbarkeit fördern.
6.1.3 Angestrebte Aussagekraft des Modells – Zielsetzungen
Die Bedeutung der natürlichen Rahmenbedingungen für das Wachstum der Kulturarten soll
in diesem Modell den Kern darstellen. Dadurch sollen die erzielbaren Erntemengen je Jahr
auf Bundesebene abgebildet werden. Insbesondere ist die Mixtur der einzelnen Kulturarten,
die sich entsprechend der Standortbedingungen und -anforderungen auf den Polygonen
festsetzen, quantifizierbar, wie auch verortbar.
Auf Basis der angewendeten geografischen Daten und der Überlagerung der Standortanforderungen
mit den Standortbedingungen wird die regionale Verbreitung der einzelnen
Kulturarten geografisch verortet. Grafisch erfolgt die Abbildung über die Perioden, indem die
jeweils ausgewählte Kulturart je Standort und Zeitpunkt dargestellt wird.
Mit diesen Abbildungen soll die Verbreitung der Kulturarten, die unter Berücksichtigung der
natürräumlichen Gegebenheiten ohne Einsatz von Dünger und Pflanzenschutz in Österreich
optimal wäre, abgebildet werden. Das Modell ist aber nicht dafür vorgesehen, die
tatsächliche Verbreitung nachzubilden bzw. zu analysieren, da in der Realität andere
Kriterien maßgeblich für die Wahl der Kulturarten sind. Ebenso beinhaltet das Modell keine
Zielvorgaben wie z.B. die Produktion bestimmter Mengen von Kulturarten zur Sicherstellung
der Lebensmittelproduktion.
6.2 Technische Beschreibung des Modells
Abbildung 6.2 stellt die Komponenten des Modells und ihre Beziehungen untereinander
schematisch dar: Nach der Ermittlung der optimalen Kulturart auf dem jeweiligen Standort im
Basisjahr kann anhand der Operationalisierung aller potentiell möglichen Fruchtfolgen die
optimale Kulturart für jeden Zeitpunkt t01 bis t20 bestimmt werden. Die jeweiligen Standort-
Erträge lassen sich danach unter Einbeziehung der kulturartspezifischen Ertragsklassen
berechnen.
In methodischer und technischer Hinsicht wurde das Modell in Form einer SPSS Syntax mit
ca. 6.000 Programmzeilen und einer zentralen SPSS Datentabelle umgesetzt (SPSS ist ein
modulares Statistik-Softwarepaket der Firma SPSS/IBM): Dabei stellt ein Daten-record einen
Standort, d.h. eine Ackerfläche dar (46.224 Zeilen). Die 4.464 Spalten dieser Tabelle
enthalten Variablen, die die Kulturart(zwischen)-ergebnisse des Simulationszeitraums
repräsentieren. Aus operativen Gründen wurden Standorteignung, Nachfruchteignung und
Anbaupause im Modell jeweils als 27-elementige Vektoren geführt, entsprechend der
Anforderungen der Kulturarten an einem Standort bzw. zu einem Zeitpunkt in der
Fruchtfolge. Informationen bezüglich kulturartspezifischer Standortanforderungen und
Fruchtfolgen liegen in Form weiterer Datensätze vor, die von der Programmsyntax (SPSS-
Syntax) während des Modelldurchlaufs referenziert und selektiv eingelesen werden.
Ausgehend vom Basisjahr t0 erfolgt die Berechnung der Simulationszeitpunkte t01 bis t20 in
sequentieller Weise unter Einbeziehung der zeitlich vorgelagerten Nutzungen eines
Standorts.
Das Hauptaugenmerk bei der Programmierung lag in einer nachvollziehbaren, transparenten
und offenen Gestaltung des Modells, die es beispielsweise erlaubt, verschiedene Szenarien
76

77
ALPot
(Eliminierung einzelner Kulturarten, Modifikation der Fruchtfolge, etc.) anhand einiger
weniger Änderungen im Programmcode zu simulieren. Kleinere SPSS-Programme dienen
der Summenauswertung und der Ergebnisdokumentation.
Klimafaktoren
Jahresniederschlag
(JNS)
Jahrestemperaturm ittel
(JTM)
Score f01‐f27 Score f01‐f27 Score f01‐f27
Gewichtung Gewichtung Gewichtung
Bodenfaktoren
Bodeneignung (BOD)
Standorteignung (SOE) Nachfolgeeignung (NFE) Anbaupause (MZI)
Gewichtung Gewichtung Gewichtung
Score f01‐f27
Ranking
Selektion fxx (optimale Kulturart)
am Standort i zum Zeitpunkt t
Ertrag fxx (optimale Kulturart) am
Standort i zum Zeitpunkt t
Ertragsklasse fxx
Abbildung 6-2: Modellstruktur zur Optimierung der Ackerflächennutzung
Quelle: eigene Darstellung (im-plan-tat Reinberg und Partner)
Fruchtfolge
Betrachtet man zunächst das Basisjahr, unterscheiden sich die im Modell vertretenen
Kulturarten in ihren Standortanforderungen hinsichtlich Klima und Boden: daraus ergibt sich
für jede Ackerfläche ein Satz kulturartspezifischer Scores hinsichtlich
Jahresniederschlagsmenge, Jahrestemperaturmittel und Bodeneignung; Diese Scores
nehmen Werte zwischen 0 und 3 an: 0 bedeutet eine prinzipielle Nichteignung der Kulturart
an diesem Standort, 1 geringe Eignung, 2 mittlere Eignung, 3 optimale Eignung. In Bezug
auf Jahresniederschlag und Jahrestemperaturmittel werden sowohl zu geringe als auch zu
hohe Werte in Form zweiseitiger Verteilungen der Scores berücksichtigt (siehe Abbildungen).
Die kulturartspezifischen Scores in Bezug auf Bodeneignung stammen aus einer Matrix
(14x27 Zellen) in der die Eignung der jeweiligen Bodenklasse (aus 14 Bodenklassen) für die
einzelnen Kulturarten zusammengefasst ist (im Wertebereich 0-3).
Jahresniederschlagsmenge, Jahrestemperaturmittel und Bodeneignung werden nun
miteinander verknüpft, um die Standorteignung der Kulturarten zu ermitteln. In dieser Phase
des Modells (t0) werden also ausschließlich statische Determinanten der Optimierung
berücksichtigt, da –modelltechnisch gesehen- noch keine Vorfrucht existiert. In diesem
Zusammenhang stellt sich die Frage nach der Art der Verknüpfung der Klima- und

GIS-basierte Potenzialanalyse
Bodenscores, bzw. ihrer mathematischen Entsprechung: eine additive Verknüpfung (a)
impliziert die Substituierbarkeit der einzelnen Standortfaktoren: ist beispielsweise der Boden
für die betrachtet Kulturart ungeeignet, kann bei ausreichenden Scores für
Niederschlagsmenge und Jahrestemperaturmittel dennoch ein relativ hoher Wert für die
Standorteignung der Kulturart erzielt werden. Da ein solcher Zusammenhang aus Sicht der
pflanzenspezifischen Standortanforderungen nicht realistisch ist, werden die
Standortfaktoren multiplikativ (b) verknüpft, d.h. sie werden als nur eingeschränkt
substituierbar interpretiert: ist ein Klimafaktor oder auch der Boden ungeeignet für die
betrachtete Kulturart resultiert ein Standorteignungs-Score von 0, auch wenn die übrigen
Standortfaktoren hoch ausgeprägt sind. Umgekehrt betrachtet, erzeugt das gleichzeitige
Auftreten von optimalen standörtlichen Bedingungen hinsichtlich Klima und Boden einen
überproportionalen Standorteignungs-Score. Die multiplikative Verknüpfung
standortbezogener Faktoren ist daher vergleichsweise selektiver in der Quantifizierung
kulturartspezifischer Anforderungen.
Abbildung 6-3: Operationalisierung Jahresniederschlagsmenge/Score (Beispiel Kulturart f01
Raps)
Quelle: eigene Berechnungen (im-plan-tat Reinberg und Partner), siehe Anhang, Kapitel 12.3.2
Abbildung 6-4: Operationalisierung Jahrestemperaturmittel/Score (Beispiel Kulturart f01
Raps)
Quelle: eigene Berechnungen (im-plan-tat Reinberg und Partner), siehe Anhang, Kapitel 12.3.2
78

79
ALPot
Allgemein lässt sich der Zusammenhang zwischen Standorteignung,
Jahresniederschlagsmenge, Jahrestemperaturmittel und Bodeneignung wie folgt
formalisieren:
SOE =
i, f f ( JNSi,
f , JTMi,
f , BODi,
f
)
i Index Standort
f Index Kulturart
SOE Score Standorteignung
JNS Score Jahresniederschlagsmenge
JTM Score Jahrestemperaturmittel
BOD Score Bodeneignung
Neben der Art der Verknüpfung ist auch die Gewichtung der einzelnen Faktoren gemäß ihrer
Bedeutung für den Anbau relevant: Die Bodeneignung stellt im Modell die wichtigste
standortgebundene Determinante dar, gefolgt von der Jahresniederschlagsmenge und dem
Jahrestemperaturmittel. Im Modell werden die Standortfaktoren mittels folgender Formel
gewichtet und verknüpft, um schließlich den Score der Standorteignung der Kulturart f am
Standort i zu berechnen:
0.
3
0.
2
SOE i, f = ( JNSi,
f × JTMi,
f × BODi,
f
0.
5
)
/ 3
In dieser Phase des Modelldurchlaufs liegt nun für jeden Standort ein Vektor mit 27
Elementen vor, die die Standorteignung der einzelnen Kulturarten abbilden. Um die vom
Modell für den Zeitpunkt t0 am besten geeignete Kulturart zu bestimmen, werden die
Elemente dieses Vektors in eine Reihung gebracht und die auf Rang 1 liegende Kulturart für
den Zeitpunkt t0 als ‚optimal‘ vorgeschlagen. In der Berechnung zeigte sich, dass im
Basisjahr t0 aufgrund ähnlicher Standortanforderungen an vielen Standorten mehrere
Kulturarten ex-aequo auf Rang 1 liegen, was den Bereich optimaler Lösungen auf den
betreffenden Ackerflächen erweitert: betrachtet man also ausschließlich die statische
Komponente aus Klima- und Bodenfaktoren sind mehrere Kulturarten an manchen
Standorten gleich gut geeignet – ein Ergebnis das plausibel ist und auch bei präziser
Definition der Standortanforderungen nicht überrascht (Die jeweilige Anzahl von Standorten
mit mehr als einer optimalen Kulturart kann vom Modell ausgegeben werden: dies ist
insbesondere zur Beurteilung bzw. zum Vergleich der verschiedenen Szenarien von
Interesse). Um die nun folgenden Schritte des Modelldurchlaufs zu ermöglichen, wird an
Standorten mit mehreren optimalen Kulturarten eine zufällige Auswahl getroffen, auf deren
Basis die übrigen Modellkomponenten integriert, und die optimalen Kulturarten der
Folgejahre t01 bis t20 ermittelt werden.
Abbildung 14 zeigt, dass die Fruchtfolge innerhalb des Modells in zwei Komponenten zerlegt
wurde: Als Nachfolgeeignung (NFE) wird im Modell die Eignung einer Kulturart als
Folgefrucht bezeichnet. Aus einer externen Datenmatrix mit 27 x 27 Feldern geht hervor, ob
eine Frucht schlecht (1), mittel (2) oder optimal (3) als Folgefrucht eingesetzt werden kann.
In der Programmsyntax wird nun für den Zeitpunkt t01 ein Vektor gebildet, dessen Elemente
die Nachfolgeeignung aller 27 Kulturarten auf die optimale Kulturart in t0 am jeweiligen
Standort quantifiziert. Nachdem die optimale Kulturart zum Zeitpunkt t0 zuvor bestimmt
wurde, sind – modelltechnisch gesehen – alle 27 Kulturarten potentiell geeignet, auf diese
Kulturart zu folgen. Dieser Ansatz ermöglicht es, die Ermittlung der für t01 als optimal
bewerteten Kulturart unter multikriteriellen Bedingungen durchzuführen, d.h. unter
gleichzeitiger Berücksichtigung von Standorteignung, Nachfolgeeignung und Anbaupause.
So wird es beispielsweise möglich, einer Kulturart bei nur mittlerer Eignung als Folgefrucht
hohe Gesamtscores zuzuweisen wenn sie hohe Werte der Standorteignung aufweist.

GIS-basierte Potenzialanalyse
Als Anbaupausen werden jene Zeitintervalle bezeichnet, die in der Fruchtfolge zweier
Kulturarten im Sinne nachhaltiger Standortnutzung mindestens eingehalten werden sollen,
der entsprechende Vektor wird im Modell daher als MZI (Mindestzeitintervall) geführt. Die
modelltechnische Implementierung der Anbaupausen setzt naturgemäß voraus, dass die
Optimierung der Nutzung zu einem beliebigen Zeitpunkt unter Berücksichtigung der zeitlich
vorgelagerten Nutzungen erfolgen muss. Dazu wird die Modellkomponente MZI in Form
eines statischen und eines dynamischen Vektors operationalisiert. In der Programmsyntax
übernimmt der statische Vektor das Mindestzeitintervall aus der Vorperiode wobei sich
dieser Wert mit jedem Jahr der Simulation um den Wert 1 verringert. Die Elemente des
dynamischen Vektors repräsentieren die Mindestzeitintervalle, die sich aus der aktuellen
Periode (bzw. aus der Kulturart der aktuellen Periode) ergeben. Die kulturartspezifischen
Summen der statischen und dynamischen Vektorelemente ergeben nun die aktualisierten
Anbaupausen die für alle potentiellen Nachfrüchte am Standort i zum Zeitpunkt t einzuhalten
sind: bei Werten >0 ist die entsprechende Kulturart an diesem Standort gesperrt, d.h. sie
wird bei der Suche nach der optimalen Nutzung nicht berücksichtigt. Im Unterschied zu den
Modellkomponenten SOE und NFE stellt die Komponente MZI demnach keine graduelle
Differenzierung der Eignung dar (im Sinne von ‚besser oder schlechter geeignet‘) sondern
eine binäre Unterscheidung im Sinne von ‚möglich‘ oder ‚nicht möglich‘. Bei der Berechnung
des Gesamtscores wird die Anbaupause als Variable mit den Ausprägungen 0 oder 1
geführt.
Ähnlich der weiter oben argumentierten Verknüpfung der standortgebundenen Faktoren
werden die Modellkomponenten Standorteignung, Nachfolgeeignung und Anbaupause nun
multiplikativ verknüpft und gewichtet, um den Gesamtscore der einzelnen Kulturarten am
Standort i zum Zeitpunkt t zu berechnen:
0.
9
( NFEi,
f , t / ) × i,
f t
1.
1
GS i, f , t = SOEi,
f × 3 MZI ,
i Index Standort
f Index Kulturart
t Index Zeit
GS Gesamtscore
SOE Score Standorteignung
NFE Nachfolgeeignung
MZI Anbaupause (0/1)
Aus dieser Formel ist ersichtlich, dass ein positiver Gesamtscore nur dann erzielt werden
kann, wenn keine Anbaupause vorliegt, d.h. solange die entsprechende Kulturart auf dem
Standort nicht gesperrt ist. Die Komponenten Standorteignung und Nachfolgeeignung
werden gegeneinander leicht gewichtet und resultieren im Gesamtscore. Die Scores aller 27
Kulturarten bilden die Elemente eines Vektors die schließlich zur Identifikation der optimalen
Kulturart gereiht werden. Durch die Berücksichtigung der dynamischen Modellkomponenten
NFE und MZI ab dem Simulationsjahr t01 sinkt die Anzahl gleich gereihter Kulturarten, da die
Gesamtscores innerhalb der 27 Kulturarten vergleichsweise heterogener werden. An jenen
Standorten, an welchen mehrere Kulturarten gleich gut bewertet werden, d.h. auf Rang 1
liegen wird eine zufällige Auswahl getroffen.
Die Berechnung der Erträge basiert auf kulturartspezifischen Ertragsklassen: je nach
Standort- und Nachfolgeeignung (im Modell ausgedrückt durch die absolute Höhe des
Gesamtscores) kann ein Hektarertragsbereich unter schlechten, mittleren und optimalen
Nutzungsbedingungen zugeordnet werden. Aus dem Produkt der Standortfläche mit dem
jeweiligen Mittelwert der Ertragsklasse ergibt sich der Ertrag am Standort i zum Zeitpunkt t.
80

6.3 Anwendung des Modells – Berechnung von Varianten
81
ALPot
In den folgenden Abschnitten werden aufgrund der besseren Lesbarkeit der Abbildungen
Kulturarten zu Gruppen (Begrünungen, Neue Kulturarten) zusammengefasst.
Grundsätzlich gelten als Eingangsparameter die im Anhang angeführten Werte der
Kulturartenprofile. Sofern Änderungen in den einzelnen Varianten vorgenommen wurden,
sind diese bei den Modellannahmen erläutert. Es wurden die folgenden Varianten gerechnet:
- Grundmodell
Im Modell werden die naturräumlichen Bedingungen der Standorte sowie die
Standortanforderungen
übernommen.
der einzelnen Kulturarten ohne größere Eingriffe
- Variante 1 - Intensive Landwirtschaft
Die Variante soll die Intensivierung der Landwirtschaft abbilden, weshalb extensive
Kulturarten teilweise ausgeschlossen, hingegen aber traditionelle Kulturarten forciert
werden.
- Variante 2 - Extensive Landwirtschaft
Es sind in dieser Variante alle Kulturarten eingebunden und insbesondere extensive
(„pflegeleichte“) Kulturarten forciert.
- Variante 3 - Intensivierung der Fruchtfolge
Die Variante soll eine verstärkte Fruchtfolge hervorrufen, weshalb speziell bei
extensiven Kulturarten das Fruchtfolgeintervall erhöht wurde.
- Variante 4 - Intensivierung der Fruchtfolge II
Es erfolgt in dieser Variante eine weitere Steigerung der Fruchtfolgeintervalle bei
extensiven Kulturarten.
- Variante 5 - Intensivierung der Fruchtfolge III
Diese Variante greift auf die Modellannahmen der Variante 4 zurück. Zusätzlich
werden die traditionellen Kulturarten in Anlehnung der Variante 1 forciert.
- Variante 6 – Forcierung von Energiepflanzen
Die Variante greift auf die Annahmen der Variante 4 zurück und zusätzlich werden
die Standortanforderungen traditioneller Kulturarten gehoben, um Energiepflanzen zu
forcieren.
Die Ergebnisse jeder dieser Varianten werden in Kapitel 6.4 zusammengeführt und mit
historischen Daten verglichen. Die Darstellung der Szenarien in Form von Karten mit
regionalen Verortungen sind auf der Projekthomepage http://www.alpot.at/ (Ergebnisse –
GIS-Modell) verfügbar.
6.3.1 Das Grundmodell
Modellannahme
Im Grundmodell sind alle 27 Kulturarten eingebunden. Bei der Kulturart Ackerwiese wurde
als Bedingung eine zweijährige Fruchtfolge vorausgesetzt. Mit dieser Bedingung wird das
Modell in Richtung Intensivierung der Landwirtschaft gelenkt, d.h. extensive Kulturarten (wie
die Ackerwiese) können sich nicht jährlich auf allen Standorten aufgrund der Fruchtfolge
ausbreiten.
Aufgrund des geringen Umfangs der Eingriffe in das Modell sollen die natürlichen
Gegebenheiten der Standorte und die Eignung der Kulturarten die Ergebnisse des
Grundmodells prägen.

GIS-basierte Potenzialanalyse
Modellergebnis
Im Grundmodell finden sich zwischen 11 und 14 der 27 möglichen Kulturarten wieder.
Speziell die „Neuen Kulturarten“ setzen sich in diesem Modell weniger durch, Miscanthus
und Topinambur treten bei diesen Ergebnissen nicht auf.
Die Ergebnisse des Grundmodells zeigen eine klare Dominanz der extensiven Kulturarten
(Ackerwiese, Kleegras, Luzerne), die den Standortbedingungen nach den vorgestellten
Modellannahmen entsprechen. Durchschnittlich über 20 Jahre Modelldurchlauf werden 66%
der Gesamtmenge mittels extensiver Kulturarten erzielt. Die traditionellen Kulturarten wie
Mais, Weizen, Roggen, Kartoffel usw. liefern zwischen 17% und 45%.
Abbildung 6-5: Grundmodell - Erntemengen [Tonnen pro Jahr]
Quelle: Eigene Darstellung (im-plan-tat Reinberg und Partner)
Bei einer detaillierteren Analyse auf Ebene der einzelnen Kulturarten ist festzustellen, dass
die Ackerwiese die am stärksten auftretende Kulturart in diesem Modell darstellt. Kleegras,
Luzerne wie auch Weide/Pappel sind weitere Kulturarten, die in dieser Variante wesentliche
Outputmengen erzielen. Besonders bei der Weide/Pappel ist die Entwicklung über die Zeit
interessant zu beobachten. Die Kulturarten auf Kurzumtriebplantagen liefern über die ersten
5 Jahre eine ansteigende Erntemenge. Ab dem 6. Jahr sind 100% der für diese Kulturart am
besten geeigneten Standorte besetzt. Dementsprechend ist eine weitere Verbreitung nicht
mehr möglich und die Erntemenge bleibt über die weiteren 15 Jahre konstant, da diese
beiden Kulturarten über 20 Jahre den Standort besetzen (siehe Fruchtfolge-Matrix im
Anhang, Kapitel 12.3.2).
6.3.2 Variante 1 – Intensive Landwirtschat
Modellannahme:
Bei der Berechnung der Variante „Intensive Landwirtschaft“ werden 26 Kulturarten
berücksichtigt. Um die Intensivierung der Landwirtschaft abzubilden, wird die Kulturart
Ackerwiese ausgeschlossen. Die Standortanforderungen für Mais und Weizen wurden in den
82

83
ALPot
jeweiligen Kulturartenprofilen zusätzlich niedriger angesetzt. Die Minderung der
Standortanforderungen beruht auf der Annahme, dass durch Züchtungsfortschritt die
Anforderungen der jeweiligen Kulturarten an den Standort reduziert werden.
In dieser Variante sollen die Kulturarten für die Lebensmittelproduktion forciert werden.
Modellergebnis
In der Variante „Intensive Landwirtschaft“ sind zwischen 10 und 13 der 27 möglichen
Kulturarten vertreten. Aufgrund der künstlichen Zurückdrängung der Begrünung (in der
Modellannahme) verbreiten sich in dieser Variante besonders die traditionellen Kulturarten,
besonders immer im zweiten Jahr, wenn Kleegras aufgrund des Fruchtfolgewechsels
großteils aus bleibt.
Im Durchschnitt liefern die traditionellen Kulturarten (Mais, Getreide, Kartoffeln) über 50%
der gesamten Erntemenge in den 20 Jahren. Im Jahr 11 wird mit diesen Kulturarten sogar
90% der Gesamtoutputmenge erzielt.
Abbildung 6-6: Variante Intensive Landwirtschaft - Erntemengen [Tonnen pro Jahr]
Quelle: Eigene Darstellung (im-plan-tat Reinberg und Partner)
Die Begrünung ist alle zwei Jahre stark vertreten, klar dominiert vom Kleegras. Jedoch
schwanken die jährlichen Outputmengen der Begrünung in dieser Variante sehr stark
(zwischen 8% im Jahr 11 und 17 bis hin zu 78% im Jahr 12).
Aufgrund der geänderten Standortanforderungen für Mais und Weizen (Standortanforderungen
wurden gesenkt) und den geringen Standortanforderungen von Kleegras
werden großteils die Neuen Kulturarten verdrängt und können sich nicht an den Standorten
festsetzen.
Die zweijährigen Output-Schwankungen stellen ein modelltechnisches Artefakt dar, das aus
der Fruchtfolge erklärbar ist (bzw. die Wirkung derselben illustrieren soll); Tatsächlich würde
ein Mittel über diese Zyklen eintreten, da in der Realität nicht alle Flächen simultan gleich
bewirtschaftet werden (im Modell aber schon!).

GIS-basierte Potenzialanalyse
6.3.3 Variante 2 – Extensive Landwirtschaft
Modellannahme
Die Variante „Extensive Landwirtschaft“ umfasst alle 27 Kulturarten. In diesem
Modelldurchlauf werden die „pflegeleichten“ Kulturarten forciert, indem beispielsweise
Ackerwiese keiner Fruchtfolge unterliegt.
Modellergebnis
In der Variante Extensive Landwirtschaft finden sich nur zwischen 9 und 12 der 27 möglichen
Kulturarten wieder. Die geringe Anzahl an vertretenen Kulturarten in dieser Variante resultiert
aus der nicht erzwungenen Fruchtfolge bei den Begrünungen, insbesondere bei der
Ackerwiese.
Die Ergebnisse der Variante zeigen die Dominanz der Begrünung (Ackerwiese, Kleegras,
Luzerne). Im Durchschnitt liefern die Begrünungen über 20 Jahre 83% der Gesamtmenge.
Der geringste Outputwert der Begrünung in den 20 Jahren in dieser Variante beträgt 77%
der Gesamterntemenge. Die traditionellen Kulturarten und die Neuen Kulturarten liefern im
besten Jahr gerade 24% der gesamten Outputmenge.
Abbildung 6-7: Variante Externe Landwirtschaft - Erntemengen [Tonnen pro Jahr]
Quelle: Eigene Darstellung (im-plan-tat Reinberg und Partner)
Die Variante „Externe Landwirtschaft“ führt (rein massebezogen) zu hohen Gesamtoutputmengen,
die in Summe bei bis zu ca. 19 Mio. Tonnen pro Jahr liegen.
Auf Ebene der einzelnen Kulturarten ist festzustellen, dass neben den Begrünungen
(Ackerwiese, Kleegras und Luzerne) Sudangras, Winterweichweizen, Körnermais und
Silomais relativ große Mengen liefern. Die Getreidemenge wie auch Maismenge in der
Variante Extensive Landwirtschaft stellt jedoch nur einen sehr geringen Teil der
Erntemengen im Jahr 2008 dar.
84

6.3.4 Variante 3 – Intensivierung der Fruchtfolge
85
ALPot
Modellannahme:
In der Variante „Intensivierung der Fruchtfolge“ 22 sind 26 Kulturarten vorgesehen.
Ackerwiese ist bei dieser Variante ausgeschlossen. Zusätzlich unterliegen Kleegras und
Luzerne einer Fruchtfolge von 2 Jahren.
Mit der Intensivierung der Fruchtfolge soll die Anzahl der Kulturarten je Jahr gesteigert
werden.
Modellergebnis
In der Variante „Intensivierung der Fruchtfolge“ finden sich zwischen 10 und 14 der 27
möglichen Kulturarten wieder. Erwähnenswert ist, dass die größte Vielfalt an Kulturarten
bereits im Jahr 2 zu beobachten ist, wo eine relativ geringe Gesamtoutputmenge erzielt wird.
Abbildung 6-8: Variante Intensivierung der Fruchtfolge - Erntemengen [Tonnen pro Jahr]
Quelle: Eigene Darstellung (im-plan-tat Reinberg und Partner)
Aufgrund der für die extensiven Kulturarten degressiven Modellannahme (Ausschluss von
Ackerwiese, Fruchtfolge für Kleegras usw.) findet eine Verschiebung in Richtung Mais und
Weide/Pappel statt. Im Durchschnitt liefern die traditionellen Kulturarten (Mais, Weizen,
Zuckerrübe) 44% der gesamten jährlichen Erntemenge, die Begrünungen 36% und die
Neuen Kulturarten 20%. In dieser Variante fallen bei der Analyse der Daten besonders die
großen Abweichungen der jeweiligen Mittelwerte der jährlichen Erntemengen auf. Bei den
Neuen Kulturarten sind Spannweiten von 3% im Jahr 1 bis 31% im Jahr 2 festzustellen. Die
Outputmenge der traditionellen Kulturarten schwankt zwischen 83% im Jahr 1 bis zu 16%
und Jahr 15. Die Spannweite bei den Begrünungen erstreckt sich zwischen 0% im Jahr 14
und 67% im Jahr 15.
22 Unter „Intensivierung der Fruchtfolge“ ist die Steigerung der Anzahl der einzelnen Kulturarten
aufgrund des Fruchtfolge-Rhythmus zu verstehen und nicht eine Intensivierung der Flächennutzung.

GIS-basierte Potenzialanalyse
Im Jahr 1 besetzen traditionelle Kulturarten eine Vielzahl an Standorten und liefern daher
eine relativ große Outputmengen (Weizen und Mais). Die beiden Kulturarten können aber
(besonders Weizen) die große Anzahl an Standorten nicht wieder besetzen. Hingegen breitet
sich über die Zeit Weide/Pappel stärker aus. Zwischen Weizen und Weide/Pappel ist eine
direkte Standortkonkurrenz zu beobachten.
Im Gegensatz dazu ist besonders bei Zuckerrübe und Roggen festzustellen, dass die
Outputmengen (abgesehen von der Fruchtfolge) sich über die Jahre nicht wesentlich ändern.
Demnach finden diese Kulturarten nicht wesentliche Konkurrenz bei der Besetzung der
Standorte vor.
Bei weiterer detaillierter Analyse auf Ebene der Kulturarten fällt auf, dass Topinambur in
dieser Variante auftritt, jedoch nur im Jahr 2. Starke jährliche Schwankungen sind auch bei
Sudangras festzustellen, wo jährliche Erntemengen zwischen 65.000 Tonnen und 990.000
Tonnen erzielt werden.
6.3.5 Variante 4 – Intensivierung der Fruchtfolge II
Modellannahme:
Die Variante „Intensivierung der Fruchtfolge II“ baut auf ähnlichen Grundlagen wie Variante 3
auf. Jedoch ist bei Kleegras und Luzerne ein Fruchtfolgewechsel von 4 Jahren vorgesehen.
Diese Grundlagen sollen für die Variante 4 zeigen, welche Kulturarten sich bei einer
Zurückdrängung diverser Begrünungen behaupten können.
Modellergebnis
In der Variante 4 „Intensivierung der Fruchtfolge II“ sind jährlich zwischen 11 und 14 der 27
Kulturarten vertreten. Generell fällt auf, dass in dieser Variante eine geringere Outputmenge
erzielt wird. Dies basiert u.a. darauf, dass die jährlichen Erntemengen der Begrünung in
dieser Variante durch die erzwungenen Fruchtfolgewechseln bei Kleegras und Luzerne,
sowie dem Ausschluss von Ackerwiese nur zwischen 0% und 41% liegen (Mittelwert 11%).
Im Gegensatz dazu finden sich die traditionellen wie auch Neuen Kulturarten wieder. Von
den traditionellen Kulturarten sind Mais und speziell Roggen in dieser Variante stark
vertreten.
Bei den Neuen Kulturarten dominiert Weide/Pappel, die bis zu dem Jahr 10 steigende
Erntemengen verzeichnet, dann jedoch stagniert. Sudangras, wie auch Topinambur
ergänzen die jährlichen Outputmengen der Neuen Kulturarten.
Diese Variante zeigt klar, dass sich bei künstlicher Zurückdrängung der Begrünung durch
erzwungenen Fruchtfolgewechsel die Neuen Kulturarten (insbesondere Weide/Pappel,
Topinambur sowie Sudangras) durchsetzen.
86

Abbildung 6-9: Variante Intensivierung der Fruchtfolge II - Erntemengen [Tonnen pro Jahr]
Quelle: Eigene Darstellung (im-plan-tat Reinberg und Partner)
6.3.6 Variante 5 – Intensivierung der Fruchtfolge III
87
ALPot
Modellannahme
Die Variante 5 zeigt eine weitere Intensivierung der Fruchtfolge. Hier ist erneut Ackerwiese
als Kulturart ausgeschlossen, für Luzerne und Kleegras ist ein Fruchtfolgewechsel von 4
Jahren vorgesehen. Die Standortanforderungen für Mais sind in dieser Variante geringer
angesetzt als bei den restlichen Varianten, indem geringere Anforderungen an Boden,
Temperatur und Niederschlag gewählt wurden. Hier wurde erneut die Annahme der
Variante 1 (Intensive Landwirtschaft) angewendet, dass aufgrund von Züchtungsfortschritten
die Standortanforderungen der traditionellen Kulturarten sinken.
Modellergebnis
Die Variante „Intensivierung der Fruchtfolge III“ beinhaltet zwischen 12 und 15 Kulturarten
pro Jahr. In dieser Variante ist die größte jährliche Kulturartenvielfalt abgebildet, was auf der
starken Zurückdrängung der Begrünung fußt.
Die Outputmengen der Begrünungen variieren jährlich zwischen 0% im Jahr 3 und 30% im
Jahr 5 der jährlichen Gesamterntemengen. Die traditionellen Kulturarten liefern über die 20
Jahre im Durchschnitt 36% der jährlichen Erntemengen. Besonders auffällig ist der hohe
Anteil an traditionellen Kulturarten im Jahr 1, wo 64% der gesamten Menge von diesen
Kulturarten geliefert wird. Im Jahr 1 fallen außerdem die großen Mengen an Weizen auf, die
in den folgenden Jahren bei Weitem nicht erzielt werden können.

GIS-basierte Potenzialanalyse
Abbildung 6-10: Variante Intensivierung der Fruchtfolge III - Erntemengen [Tonnen pro Jahr]
Quelle: Eigene Darstellung (im-plan-tat Reinberg und Partner)
Ab dem 2. Jahr werden die größten Outputmengen von den Neuen Kulturarten geliefert, im
Durchschnitt über 20 Jahre sind dies 55% der gesamten Erntemengen. Ab dem 3. Jahr
liefern diese Kulturarten mehr als 50% der jährlichen Outputmengen (bis zu 64%). Die
wesentliche Kulturart stellt auch hier Weide/Pappel dar, Die jährlichen Erntemengen dieser
Kulturarten steigen kontinuierlich an, im Jahr 17 werden 4 Mio. Tonnen an Ernte
eingefahren. Topinambur und Sudangras liefern jährlich zwischen 500.000 Tonnen und
1 Mio. Tonnen.
Außerdem liefert Miscanthus ab dem Jahr 7 knapp 2 Mio. Tonnen pro Jahr.
6.3.7 Variante 6 – Forcierung von Energiepflanzen
Modellannahme
Die Variante „Forcierung von Energiepflanzen“ umfasst 26 Kulturarten, Ackerwiese ist auch
in dieser Variante ausgeschlossen. Die beiden Kulturarten Luzerne und Kleegras unterliegen
einer zweijährigen Fruchtfolge. Zusätzlich werden die Standortanforderungen für Mais
gehoben.
Modellergebnis
In der Variante „Forcierung von Energiepflanzen“ sind jährlich zwischen 11 und 15 der 27
Kulturarten vertreten. Die drei Gruppen traditionelle Kulturarten, Begrünung und Neue
Kulturarten liefern im Schnitt jährlich zu einem Drittel die Gesamtoutputmengen. Bei
Begrünung treten jedoch die größten Spannweiten zwischen Maxima und Minima auf.
88

89
ALPot
Abbildung 6-11: Variante Intensivierung der Fruchtfolge III - Erntemengen [Tonnen pro Jahr]
Quelle: Eigene Darstellung, im-plan-tat Reinberg und Partner 2010.
Geringe Bandbreiten betreffend Outputmengen zeigen sich bei den Neuen Kulturarten, wo
erneut Weide/Pappel die größten jährlichen Erntemengen erzielt. In dieser Variante tritt
neben Sudangras auch Miscanthus auf, der ab dem 3. Jahr 1,3 Mio. Tonnen jährliche
Erntemenge liefert. Miscanthus steht in direkter Standortkonkurrenz mit Mais, der in dieser
Variante aufgrund der erhöhten Standortanforderungen geringere Erntemengen bringt.
6.4 Kritische Betrachtung der Ergebnisse
6.4.1 Kritische Betrachtung der Gesamterntemengen
Im Vergleich zu den Erntemengen des Jahres 2008 liegen die Ergebnisse der Varianten
betreffend Gesamtoutput-Mengen in einer Schwankungsbreite von -20% bis +30%. Die
Ergebnisse der Varianten, wo Ackerwiese berücksichtigt wurde, zeigen die größten Output-
Mengen.
Bei der Interpretation der Abbildung ist jedoch zu berücksichtigen, dass in den Varianten die
Neuen Kulturarten großteils wesentliche Erntemengen erzielen. Damit werden die
klassischen Kulturarten zurückgedrängt und die Mixtur der Kulturarten aus dem Jahr 2008
entspricht trotz ähnlicher Gesamterntemengen bei weitem nicht dem der einzelnen
Varianten.

GIS-basierte Potenzialanalyse
Abbildung 6-12: Vergleich der Gesamterntemengen [Tonnen pro Jahr]
Quelle: Eigene Darstellung (im-plan-tat Reinberg und Partner)
** In den Daten der Statistik Austria 2008 sind die Mengen aller erhobenen Kulturarten erfasst.
6.4.2 Schwächen des Modells
Das Modell beinhaltet keine Zieldefinition. Demnach erfolgt nicht die Modellierung nach
erwünschten Output-Mengen bestimmter Kulturarten. Somit ist es nicht das Ziel des Modells,
Varianten betreffend Lebensmittel-Autarkie oder Optimierung von Biomassen für die
Energiebereitstellung zu rechnen.
Das Modell vergleicht die Standortanforderungen der ausgewählten Kulturarten mit den
Standortbedingungen der Standorte. Bei einer ex-aequo Reihung von Kulturarten betreffend
die Eignung wird die erstgereihte Kulturart ausgewählt (siehe Abschnitt 6.2).
6.5 Modellaussagen – Schlussfolgerungen
Mit der Entwicklung und Anwendung des Modells wurde der Versuch gestartet, die räumliche
Verteilung der Kulturarten entsprechend der Standortbedingungen ohne anthropogene
Einflussnahme beispielsweise mittels Kunstdünger oder Pflanzenschutzmittel darzustellen.
Die Regeneration des Bodens soll durch strikte Berücksichtigung von Fruchtfolgebeschränkungen
und Ruhezeiten gewährleistet sein.
Nach der Entwicklung des Modells können folgende generelle Schlussfolgerungen angeführt
werden:
• Das Modell zeigt in allen Varianten – unter der Bedingung, dass die
Standortbedingungen künstlich nicht verändert werden – eine klare Wende von den
pflegeintensiven Kulturarten hin zu pflegeextensiven Kulturarten.
• Die gesamte kulturartenübergreifende Output-Menge nimmt mit dem Zurückdrängen
von Begrünungen (Ackerwiese, Klee und Kleegras) durch exogenen Ausschluss bei
der Modellannahme bzw. der Erhöhung der Fruchtfolgeintervalle ab.
90
%-Angaben zeigen Abweichungen zur
Erntemenge 2008

91
ALPot
• Aufgrund der teilweise schwach ausgeprägten Abweichungen der Standortbedingungen
untereinander auf den österreichischen Ackerflächen ist unter
Zuhilfenahme von erhöhten Düngemittel- und Pflanzenschutzmitteleinsatz nahezu an
jedem Standort jede Kulturart zu bauen.
• Zumindest einige Energiepflanzen sind äußerst gut an die naturräumlichen
Gegebenheiten angepasst. Dies gilt insbesondere für die Ackerwiese (Grassilage)
sowie Kurzumtriebskulturen (Weide/Pappel).
• Kulturarten, wie Raps und Mais, die ebenfalls zu energetischen Zwecken genutzt
werden können, entsprechen weniger den Standortbedingungen und sind
entsprechend geringer in den Ergebnissen der Varianten vertreten.
Aus den dargestellten Varianten lassen sich folgende Schlüsse betreffend die Verbreitung
der einzelnen Kulturarten ableiten:
1. Die Output-Mengen von Sommerweich- und Winterweichweizen bei dem Modell
„Intensive Landwirtschaft“ erreichen nahezu die Erntemengen von 2008. In den
anderen Varianten werden klar geringere Output-Mengen erzielt, wobei auch immer
der Ausschluss von Ackerwiese eine wesentliche Bedingung darstellt. Bei der
Intensivierung der Fruchtfolge bei Kleegras und Luzerne stellen Sudangras und
Weide/Pappel gegenüber den Weizensorten wesentliche Konkurrenz dar.
2. Den größten Mais-Output liefert das Modell mit der Variante "Intensive
Landwirtschaft". Diese Kulturart bringt nur unter dem Ausschluss von Ackerwiese und
der Einschränkung von Klee mittels Fruchtfolge die erhöhten Erträge. Es ist jedoch
klar zu erwähnen, dass die Output-Mengen in allen Varianten den Ernteerträgen aus
2008 bei weitem nicht entsprechen. Aufgrund der Eingangsparameter der Variante 6
(Energiepflanzen) resultieren geringe Mais-Outputs, da hier Mais in direkter
Konkurrenz zu Kurzumtriebshölzern und Miscanthus steht und optimaler den
Standortbedingungen entsprechen.
3. Die Output-Mengen von Sommer- und Wintergerste steigen bei Ausschluss von
Ackerwiese deutlich an. Bei Intensivierung der Fruchtfolge bei Kleegras und Luzerne
sinken jedoch die Output-Mengen, was auf die deutliche Zunahme von Weide/Pappel
zurückzuführen ist. Demnach besetzen die Kurzumtriebshölzer die Standorte, die für
Sommer- und Wintergerste geeignet werden, wodurch die geringeren Mengen zu
erklären sind.
4. Roggen liefert in den einzelnen Varianten konstante Output-Mengen mit Ausnahme
der Variante „Extensive Bewirtschaftung“ und „Grundmodell“. Hier steht die Kulturart
mit Ackerwiese im Wettbewerb. Bei Ausschluss von Ackerwiese und bei
Einschränkung von Klee und Luzerne mittels Fruchtfolge erzielt Roggen die größten
Output-Mengen, die weit über den statistischen Erntemengen aus 2008 liegen.
5. Triticale und Hafer können sich in keiner der Varianten durchsetzen. Dies beruht
auf der Standortkonkurrenz mit Weizen und Gerste. Triticale und Hafer erzielen auf
den geeigneten Standorten schlechtere Ränge als die konkurrierenden Kulturarten,
weshalb diese beiden Kulturarten nicht ausgewählt werden.
6. Ackerwiese - stärkste Kulturart, sofern die Kulturart nicht exogen ausgeschlossen
wird. Bei zweijähriger Fruchtfolge (d.h. Ackerwiese kann theoretisch nur jedes dritte
Jahr den jeweiligen Standort besetzen) wird der Output von Ackerwiese gedrittelt. Die

GIS-basierte Potenzialanalyse
"Stärke" von Ackerwiese zeigt sich besonders gut bei der Gegenüberstellung mit
Sonnenblume, die in allen Varianten Output liefert; außer in der Variante "Extensive
Landwirtschaft". Stichprobenartig wurde überprüft, dass die Sonnenblume in diesem
Fall von Ackerwiese verdrängt wurde. Sonnenblume weist wesentlich differenziertere
und höhere Standortanforderungen als Ackerwiese auf.
7. Kleegras erzielt in nahezu allen Varianten überdurchschnittlich hohe Output-Mengen,
was auf den geringen Standortanforderungen der Kulturart beruht. Wird Kleegras
exogen ausgeschlossen, kommt es zu einer deutlichen Zunahme von Weide/Pappel.
8. Zuckerrübe, Sojabohnen, Ölkürbis und Kartoffeln bleiben klar unter den realen
Erntemengen des Jahres 2008. Die Kulturarten sind in deren Profilen mit klaren
Standortanforderungen ausgewiesen, was zu ähnlichen Output-Mengen über die
Varianten hinweg führt. Dies beruht darauf, dass sich diese Kulturarten nicht direkt
um die Standorte konkurrenzieren.
9. Miscanthus kann sich nur in den Varianten „Energiepflanzen“ und „Intensivierung der
Fruchtfolge III“ durchsetzen. In der Variante „Energiepflanzen“ setzt sich die Kulturart
gleich in t0/t1 an bestimmten Standorte fest und besetzt diese Flächen über 20 Jahre;
d.h. über die 20 Perioden setzt sich Miscanthus gegenüber anderen Kulturarten nur
in t0/t1 durch und nicht in den folgenden Perioden. Bei der Varianten „Intensivierung
der Fruchtfolge III“ liefert Miscanthus bis zum Jahr 7 steigende Erntemengen, dann
stagnieren diese.
10. Sudangras liefert in allen Varianten konstante Output-Mengen. Die größten Erträge
werden in der Variante „Intensivierung der Fruchtfolge II“ erzielt, wo Sudangras
zulasten von Klees und Luzerne Standorte besetzt.
11. Weide/Pappel zeigen laufende Outputs unterschiedlicher Dimensionen. Detaillierte
Analysen zeigen, dass die schnell wachsenden Hölzer freiwerde Maisflächen
besetzen und bei Intensivierung der Fruchtfolge Klee- und Luzerne-Standorte
besetzen. Im Vergleich zu Miscanthus (beide Kulturarten haben Besetzungsdauer
von 20 Jahren) werden die Standorte nicht nur in t0/t1 besetzt, sondern steigt die
Anzahl der Standorte bis t5 langsam an.
12. Topinambur kann sich nur bei Ausschluss von Grünland und Fruchtfolge von Klee
und Luzerne behaupten und über die Perioden Standorte unterschiedlicher
Standortbedingungen besetzen.
Neben den Aussagen zu den einzelnen Kulturarten sind Schlüsse auch betreffend die
Varianten zu ziehen:
1. Generell zeigen die Varianten und das Grundmodell, dass die „neuen" Kulturarten
den Standortbedingungen teilweise besser entsprechen als traditionelle Kulturarten.
Die Varianten zeigen, dass sich Pappel/Weide, Sudangras, teilweise Miscanthus und
teilweise Topinambur durchsetzen und den Standortbedingungen in Österreich eher
entsprechen.
2. Die Variante „Extensive Landwirtschaft“ zeigt deutlich, dass bei extensiver
Bewirtschaftung in erster Linie Mais- und Weizenflächen zugunsten von Ackerwiese
verloren gehen.
3. Der Variantenvergleich "Intensivierung der Fruchtfolge I" und "Intensive Landwirtschaft"
zeigt, dass Klee/Luzerne weniger standortgebunden sind als Kleegras.
92

93
ALPot
Durch die Forcierung der Fruchtfolge bei "Intensivierung der Fruchtfolge II" nimmt
Kleegras an Output-Menge klar ab, Luzerne aber bleibt gleich.

Ökonomisches Potenzial der landwirtschaftlichen Biomasseproduktion
7 Ökonomisches Potenzial der landwirtschaftlichen
Biomasseproduktion
Gegenstand dieses Kapitels ist das ökonomische Potenzial des Energiepflanzenanbaus auf
Ackerflächen. Dabei werden mithilfe eines agrarischen Modellclusters naturräumliche
Gegebenheiten, Fruchtfolgen etc. ebenso berücksichtigt wie Opportunitätskosten. D.h. im
Gegensatz zu rein naturwissenschaftlich-technischen Potenzialabschätzungen in der
Literatur wird hier davon ausgegangen, dass es nur dann zur Produktion von
Energiepflanzen kommt, wenn damit höhere Deckungsbeiträge erzielbar sind, als bei
anderen Ackerfrüchten.
7.1 Daten und Methoden
Um das ökonomische Biomassepotential in der österreichischen Landwirtschaft
abzuschätzen, werden Daten aus dem CropRota Modell (Schönhart et al., 2009) und dem
bio-physikalischen Prozesssimulationsmodell EPIC (Williams, 1995) in ein räumlichexplizites
Landnutzungsoptimierungsmodell BiomAT (Asamer et al., 2010) integriert.
Mit CropRota sind auf Gemeindeebene typische Fruchtfolgen aus den INVEKOS-Daten
abgeleitet worden. Es wurden bis zu 22 zwei- bis sechsgliedrige Fruchtfolgen sowie ihr
flächenmäßiger Anteil je Gemeinde bestimmt. Die zur Berechnung der Deckungsbeiträge
notwendigen Ertragsniveaus einzelner Ackerkulturarten sowie deren Umweltwirkungen sind
mit dem bio-physikalischem Prozessmodell EPIC simuliert worden. In EPIC sind Daten über
Bodentyp, Topographie und Klima sowie die Fruchtfolgen mit verschiedenen
Bewirtschaftungsintensitäten (Einsatz ertragssteigender Betriebsmittel – Standard,
Reduziert, Verzicht) eingegangen. Die simulierten Pflanzenerträge und Umweltwirkungen
sind zusammen mit den Erzeugerpreisen, den variablen Kosten und Förderungen in das
räumlich explizite Landnutzungsoptimierungsmodell (BiomAT) integriert worden. Bei den
Förderungen werden die Betriebsprämie, die ÖPUL Prämien und die Energiepflanzenprämie
berücksichtigt. Die Viehhaltung in den Gemeinden fließt über die aggregierten
Deckungsbeiträge pro Hektar landwirtschaftlicher Fläche in das Modell ein.
Für das Jahr 2015 sind die Erzeugerpreise für Agrarprodukte nach OECD-FAO (2008) wie in
Kapitel 3.3 beschrieben, ermittelt worden. Für die Simulationsjahre 2020 und 2030 wurde die
Entwicklung der Erzeugerpreise linear fortgeschrieben. Die variablen Produktionskosten
wurden in Abhängigkeit des Rohölpreises der jeweiligen Simulationsjahre (2006, 2015, 2020,
2030) errechnet (siehe Kapitel 3.3). Die Betriebsprämie (1.Säule der GAP - Marktordnungen)
im Jahr 2006 wurde für die Jahre 2015 und danach in eine Flächenprämie umgewandelt und
um 50% gekürzt (vgl. Schmid et al., 2008). Die Energiepflanzenprämie wurde nur im Jahr
2006 verwendet. Die ÖPUL-Prämien (2.Säule der GAP – Ländliche Entwicklung) wurden in
der Höhe und im Wirkungsbereich der Simulationen nicht verändert.
Um die Produktion der heimischen Energiepflanzen zu steigern, sind finanzielle Anreize
erforderlich. Diese können durch Anreize über Marktmechanismen (d.h. eine höhere
Zahlungsbereitschaft für heimische Energieträger) oder über Einflussnahme durch die
öffentliche Hand (z.B. in Form von Prämien) erfolgen. Für einen rein ökonomisch
entscheidenden Landwirt spielt lediglich das Preissignal, nicht dessen Ursachen eine Rolle.
Im Folgenden wird das Preissignal als „(Biomasse-) Prämie“ bzw. „Prämienstufe“ bezeichnet.
Um Angebotsmengenreaktionen bei verschiedenen Arten von Energiepflanzen im Model
abzubilden, wurden verschiedene „Biomasseförderschwerpunkte“ unterstellt: Im
Biomasseförderschwerpunkt 1 (FS1) werden alle Energiepflanzen mit Prämien
subventioniert. Im Biomasseförderschwerpunkt 2 (FS2) werden Energiepflanzen für die
Produktion von Ethanol und Fettsäuremethylester (FAME), im Biomasseförderschwerpunkt 3
(FS3) werden Energiepflanzen für die Erzeugung von Biogas und im
Biomasseförderschwerpunkt 4 (FS4) werden Ligno-Zellulosepflanzen (Weide, Pappel, Heu
94

95
ALPot
und Stroh) gefördert. Die Höhe der Prämie wird in jedem Förderschwerpunkt von 20 €/tatro bis
100 €/tatro variiert.
7.2 Ergebnisse und Interpretation
Die Simulationsergebnisse für das Basisjahr 2006 zeigen die Dominanz von Körnermais,
Silomais und Winterweizen für die Biogasproduktion und Winterraps für die
Biodieselherstellung. Eine Biomasseprämie auf alle Energiepflanzen führt zu einer
entsprechenden Ausdehnung der Energiepflanzenproduktion, die in Abbildung 7-1
dargestellt ist.
Veränderung der Bioenergiefläche
700%
600%
500%
400%
300%
200%
100%
0%
100 €/tatro
80 €/tatro
60 €/tatro
40 €/tatro
20 €/tatro
0 €/tatro
2006 2015 2020 2030
Jahr
Abbildung 7-1: Veränderungen des Flächenausmaßes der gesamten Biomasseproduktion
in den Jahren 2015, 2020 und 2030 ausgehend vom Basisjahr 2006 in Abhängigkeit der
Prämienstufen (0 bis 100 €/tatro)
Es zeigt sich, dass vor allem Energiepflanzen für die Biogasproduktion an der Ausdehnung
der Bioenergiefläche beteiligt sind. Dies ist vor allem auf die höheren Trockenmasseerträge
durch die Ernte von Ganzpflanzen zurückzuführen, die einen höheren Prämienanspruch je
ha auslösen. Wird die Bioenergieproduktion nicht zusätzlich gefördert, sinkt die
Bioenergiefläche um rund 25%. Eine Biomasseprämie von 20 €/tatro würde die
Bioenergiefläche bereits um das 2,4-fache erhöhen. Durch einen Prämiensatz von 100 €/tatro
könnte die Bioenergiefläche auf das 6,3-fache steigen, wobei mit zunehmender
Biomasseprämie die zusätzliche Bioenergiefläche abnimmt. Vor allem in viehstarken
Gemeinden ist der Anteil der Fläche für die Bioenergieproduktion weiterhin gering (vgl.
Abschnitt 5.3.2).
Neben der Ausdehnung der Bioenergiefläche ist auch eine Zunahme der
Bewirtschaftungsintensität zu beobachten. So sinkt der Flächenanteil der ÖPUL-Maßnahmen
„Reduktion und Verzicht von ertragsteigenden Betriebsmitteln“. Der Einsatz
ertragssteigernder Betriebsmittel (Standard) steigt dagegen vor allem auf den
Bioenergieflächen stark an (Abbildung 7-2). Dadurch ist bei der Subventionierung von
Energiepflanzen mit höherem Ertragspotential (Biogas und Ethanol) eine Zunahme der
gesamten Biomasseproduktion zu beobachten. Bei sehr hohen Prämien für Energiepflanzen
nimmt der durchschnittliche Ertrag je Flächeneinheit jedoch wieder ab. Dies ist darauf
zurückzuführen, dass bei sehr hohen Biomasseprämien die schnell steigenden Potentiale
bereits ausgeschöpft sind und nun auch Erzeugnisse mit niedrigeren Biomasseerträgen (z.B.
Heu) wirtschaftlich interessant werden.

Ökonomisches Potenzial der landwirtschaftlichen Biomasseproduktion
Aufgrund des Flächenrückganges bei Ackerkulturen für die Futter- und
Lebensmittelerzeugung und des geringen Rückganges der Bewirtschaftungsintensität
„Verzicht auf Einsatz ertragssteigender Betriebsmittel“ sinken die durchschnittlichen
Erntemengen je Hektar.
Anteil Bewirtschaftungsintensität
100%
90%
80%
70%
60%
50%
40%
30%
20%
10%
0%
0 20 40 60 80 100
Biomasseprämie [€/t TM]
Standard Reduziert Verzicht
Abbildung 7-2: Veränderungen der Bewirtschaftungsintensität in Abhängigkeit der
Biomasseprämie im Jahr 2015 bei Förderung aller Bioenergiekulturen.
Durch die Ausdehnung der Fläche für Energiepflanzen nimmt aufgrund der begrenzt
verfügbaren Ackerfläche der Flächenanteil für Kulturen zur Erzeugung von Futter- und
Lebensmitteln (FM&LM) ab (Abbildung 7-3).
Veränderung der Ackerfläche ['000 ha]
800
600
400
200
0
‐200
‐400
‐600
2006_0€/t TM
Kulturen f. FM&LM
Ethanol
FAME
Biogas
Ligno‐Zellulose
2020_0€/t TM
2020_20€/t TM
2020_40€/t TM
‐800
Abbildung 7-3: Veränderungen des Flächenausmaßes von Kulturen für die Futtermittel- und
Lebensmittelproduktion (Kulturen f. FM&LM) und für die Produktion von Energiepflanzen für
das Jahr 2020 in Abhängigkeit der Biomasseprämie beim Förderschwerpunkt Biogas (FS3)
zum Basisjahr 2006.
96
2020_60€/t TM
2020_80€/t TM
2020_100€/t TM

97
ALPot
Speziell Weizen und Kleegras sind von der Verdrängung betroffen. Je nach
Förderschwerpunkt gehen auch die Anbauflächen von Mais (Körnermais und Silomais),
Ackerwiese, Zuckerrübe und/oder Gerste zurück. Dies ist beispielshaft in Abbildung 7-4 bei
der Subventionierung von Ethanol- und FAME-Kulturen zu sehen.
Triticale
Sonnenblume
Sojabohne
Zuckerrübe
S‐Gerste
Kartoffel
Hafer
Kleegras
Erbse
Brache
Ackerbohne
Durum
Silomais
Gemüse
Körnermais
Rotklee
W‐Gerste
Luzerne
‐180 ‐160 ‐140 ‐120 ‐100 ‐80 ‐60 ‐40 ‐20 0 20
Veränderung der Fläche in '000 ha
Ackerwiese
Weizen
Roggen
Raps
2030_100 €/tatro 2020_100 €/tatro 2015_100 €/tatro
Abbildung 7-4: Flächenveränderungen von Ackerkulturen für die Futtermittel- und
Lebensmittelproduktion bei einer Biomasseprämie von 100 €/tatro in den Jahren 2015, 2020
und 2030 zum Basisjahr 2006 in Tausend ha.
Die Flächen für Energiepflanzen nehmen entsprechend zu (Abbildung 7-5 am Beispiel FS2).
Bei der Förderung von Ethanol- und FAME-Kulturen (FS2) und bei der Förderung von Biogas
(FS4) wird das Anbauverhältnis der Ackerkulturen nur geringfügig verändert. Die Verwertung
wechselt jedoch von der Futtermittel- und Lebensmittelproduktion in die Energieproduktion.
Anders ist es bei der Förderung von Ligno-Zellulose-Pflanzen (FS4). Hier verändert sich das
Kulturartenverhältnis aufgrund der Zunahme von Kurzumtriebsflächen deutlich. Vor allem
Weizen, Zuckerrübe und Gerste nehmen ab. Kleegras und Ackerwiesen werden anstatt in
der Futtermittelproduktion energetisch verwertet.
Ein weiterer Effekt ist die Zunahme von Erbsen-, Ackerbohnen- und Sojabohnenflächen.
Dies ist dadurch zu erklären, dass im BiomAT Fruchtfolgen berücksichtigt werden und nicht
einzelne Ackerkulturen bzw. deren Verwendung. Durch den verstärkten Anbau von
Energiepflanzen wird aufgrund der Fruchtfolgesequenzen der Flächenanteil dieser Kulturen

Ökonomisches Potenzial der landwirtschaftlichen Biomasseproduktion
für die Futter- und Lebensmittelproduktion ebenfalls erhöht. Die Zunahme der Gemüsefläche
ist hauptsächlich auf die Erzeugerpreisprognose von OECD-FAO (2008) zurückzuführen.
Biogas_Ackerwiese
Biogas_Kleegras
Biogas_Sonnenblume
Biogas_Silomais
Biogas_Körnermais
Biogas_Triticale
Biogas_Roggen
Biogas_Weizen
Energie_AckerwieseHeu
Energie_KleegrasHeu
Energie_Zuckerrübe
Energie_Raps
Energie_Sonnenblume
Energie_Körnermais
Energie_Triticale
Energie_Roggen
Energie_Weizen
Pappel10J
Pappel3J
‐100 ‐50 0 50 100 150 200
Veränderung der Fläche in '000 ha
2030_100 €/tatro 2020_100 €/tatro 2015_100 €/tatro
Abbildung 7-5: Flächenveränderungen von Ackerkulturen für die Energieproduktion bei
einer Biomasseprämie von 100 €/tatro in den Jahren 2015, 2020 und 2030 zum Basisjahr
2006 in Tausend ha.
Ein Zwischenfruchtanbau zur Substratlieferung für Biogasanlagen wurde in den
Berechnungen nicht explizit berücksichtigt. Aigner und Sticksel (2010) gehen aufgrund von
Versuchsergebnissen von einem Trockenmasseertrag je nach Aussaattermin (Mitte Juli bis
Mitte August) und bei guter Wasserverfügbarkeit von bis zu 3,5 t/ha aus. Bei Saatgutkosten
von 30 bis 100 €/ha, Anbaukosten von 65 €/ha (BMLFUW, 2008b), Erntekosten von rund
90 €/ha sowie Gülleausbringungskosten von ca. 10 €/ha (vgl. Stürmer et al., 2008) fallen
variable Gesamtkosten von rund 230 €/ha an. Nach Abzug der ÖPUL-Prämie „Begrünung
von Ackerfläche“ bleiben 70 €/ha (Variante A1 bei max. 40% der Ackerfläche) für die
Substratbereitstellung. Ohne ÖPUL-Prämie belaufen sich die rohstoffbezogenen Rohgaserzeugungskosten
(ohne Berücksichtigung der Anlagen- und Betriebskosten) auf ca. 24,5 bis
98

99
ALPot
33 €/MWh. Unter Einbeziehung der ÖPUL-Prämie sinken sie auf ca. 4,5 bis 13 €/MWh. 23
Eine etwaige Auswirkung auf die Vor- bzw. Nachkultur ist hier jedoch nicht berücksichtigt.
Im Jahr 2008 wurden in Österreich auf rund 450.000 ha Ackerfläche Prämien für die
Begrünung von Ackerflächen gewährt (alle Begrünungsvarianten). Nach einer Analyse der
Fruchtfolgen und unter Ausschluss jener Gemeinden, die eine zu geringe
Niederschlagsmenge in den Monaten August und September aufweisen, liegt die potentielle
Fläche für einen Zwischenfruchtanbau zur Substratlieferung bei rund 110.000 ha (mehr dazu
in Kapitel 8).
7.3 Angebotskurven landwirtschaftlicher Biomasse
Wie in den vorigen Abschnitten beschrieben, sind die Hauptergebnisse des agrarischen
Modellclusters Preis-Mengen-Relationen, d.h. die Modellergebnisse geben Aufschluss
darüber, welche Mengen landwirtschaftlicher Energieträger bei einem bestimmten
Preisgefüge bereitgestellt werden. Durch die unterschiedlichen Biomasseprämien wurde das
Preisgefüge zugunsten der Energiepflanzen variiert, wobei hinsichtlich der Pflanzenarten
verschiedene Schwerpunkte unterstellt wurden.
Die Preis-Mengen-Relationen wurden anschließend durch Interpolation, Aggregierung und
Umrechnung in Energieeinheiten in Angebotskurven übergeführt. Die Abbildungen 7-6 bis 7-
8 zeigen diese Angebotskurven für die drei verschiedenen Förderschwerpunkte
„konventionelle Ackerfrüchte“, „Biogas“ und „Ligno-Zellulose“, wobei für jede im
entsprechenden Förderschwerpunkt relevante Rohstofffraktion die Kurven für die Jahre 2006
und 2030 dargestellt sind.
€/MWh
80
70
60
50
40
30
20
10
0
Förderschwerpunkt: Konventionelle
Ackerfrüchte
Zuckerrübe 2006 Zuckerrübe 2030
Körnermais 2006 Körnermais 2030
Ölsaaten 2006 Ölsaaten 2030
Getreidekorn 2006 Getreidekorn 2030
0 2.000 4.000 6.000 8.000
GWh/a
Abbildung 7-6: Angebotskurven für konventionelle Ackerfrüchte im Szenario mit
entsprechenden Förderschwerpunkt
Quelle: eigene Ergebnisse (BOKU, INWE und Energy Economics Group, TU Wien)
Angabe der Kosten exkl. USt.
23 Die Berechnungen basieren auf folgenden Daten: Bereitstellungskosten ohne ÖPUL-Prämie: 195
bis 265 €/ha; Ertrag Feuchtmasse: 11 t/ha mit 28% Trockensubstanz (Ascheanteil 10%; siehe Aigner
und Sticksel, 2010); resultierender Methanertrag: ca. 800 m 3 CH4/ha

Ökonomisches Potenzial der landwirtschaftlichen Biomasseproduktion
€/MWh
100
90
80
70
60
50
40
30
20
10
0
Förderschwerpunkt: Biogas
0 2.000 4.000 6.000 8.000 10.000
GWh/a (Roh-Biogas)
Biogasmais 2006
Biogasmais 2030
Grassilage 2006
Grassilage 2030
Getreide-Ganzpflanzensilage 2006
Getreide-Ganzpflanzensilage 2030
Abbildung 7-7: Angebotskurven für Biogassubstrate im Szenario mit entsprechenden
Förderschwerpunkt
Quelle: eigene Ergebnisse (BOKU, INWE und Energy Economics Group, TU Wien)
Angabe der Kosten exkl. USt.; die Energiemenge bezieht sich auf den Heizwert des Roh-Biogases
nach der Fermentation unter der Annahme von Kofermentation mit einem Gülleanteil von 10%
€/MWh
60
50
40
30
20
10
0
Förderschwerpunkt: Lignozellulose
0 5.000 10.000 15.000 20.000 25.000 30.000
GWh/a
100
Kurzumtriebsholz 2006
Kurzumtriebsholz 2030
Heu 2006
Heu 2030
Abbildung 7-8: Angebotskurven für Lignozellulose im Szenario mit entsprechenden
Förderschwerpunkt
Quelle: eigene Ergebnisse (BOKU, INWE und Energy Economics Group, TU Wien)
Angabe der Kosten exkl. USt.
Mit den Angebotskurven wird ein eindeutiger Zusammenhang zwischen einem Preis (in
€2007/MWh) und einem Angebot (in GWh/a) hergestellt. So beläuft sich beispielsweise im
Förderschwerpunkt „Konventionelle Energiepflanzen“ das energetisch nutzbare Angebot von
Zuckerrübe im Jahr 2006 bei einem Preisniveau von 40 €/MWh auf etwa 2.000 GWh/a. Die
Angaben beziehen sich auf den unteren Heizwert des Rohstoffes, bzw. im Fall von

101
ALPot
Biogassubstraten auf den Heizwert des aus dem Rohstoff produzierbaren Rohgases, wobei
von Co-Fermentation mit 10% Wirtschaftsdünger ausgegangen wird.
Für Stroh wurde in Anlehnung an Thrän et al. (2005) von einem energetisch nutzbaren Anteil
von 30% des Gesamtaufkommens ausgegangen. Zur Ableitung einer Angebotskurve wurde
des Weiteren von Kosten (frei Hof) in der Höhe von 60 bis 70 €/t, und einer Gleichverteilung
des Potenzials über diese Bandbreite ausgegangen.

Modellierung des Bioenergiesektors – Szenarien der Biomassenutzung bis 2030
8 Modellierung des Bioenergiesektors – Szenarien der
Biomassenutzung bis 2030
Während in den Kapiteln 5 bis 7 der Agrarsektor bzw. Aspekte der Bereitstellung
landwirtschaftlicher Biomasse behandelt wurden, steht in diesem Abschnitt die
energetischen Nutzung bzw. systemische Analysen des Bioenergie-Sektors im Vordergrund.
Die zentralen Fragestellungen sind:
• Welche Mengen der verschiedenen landwirtschaftlichen Biomasseressourcen können
unter der Annahme rein betriebswirtschaftlicher Sichtweise einer energetischen
Verwertung zugeführt werden?
• Welche Technologien kommen dabei zum Einsatz?
• Welchen Beitrag kann landwirtschaftliche Biomasse unter verschiedenen
energiewirtschaftlichen und –politischen Rahmenbedingungen zur österreichischen
Energieversorgung (in den Sektoren Wärme, Strom und Kraftstoffe) leisten?
• Welche Kosten und Nutzen ergeben sich daraus (Förderkosten, Bedarf an
landwirtschaftlicher Fläche vs. Einsparung an fossilen Energieträgern und
Treibhausgasemissionen)?
8.1 Modellbeschreibung
Mit dem Modell SimBioSe werden Szenarien des Biomassesektors simuliert, wobei
wirtschaftliche und energiepolitische Rahmenbedingungen wie Preise fossiler Energieträger
oder Förderungen für Biomasseanlagen Berücksichtigung finden. Damit können die
Auswirkungen verschiedener Rahmenbedingungen auf den energetischen Biomasseeinsatz,
d.h. die Ausschöpfung des primärenergetischen Biomassepotenzials und die End-
/Nutzenergieerzeugung aus Biomasse simuliert, und hinsichtlich verschiedener Parameter
wie Treibhausgaseinsparung oder Förderkosten ausgewertet werden.
Abbildung 8-1 zeigt eine schematische Darstellung des Modellierungsansatzes. Die
Eingangsdaten des Modells beinhalten Technologiedaten und Kosten von
Bioenergieanlagen sowie den auf fossilen Energieträgern basierenden Referenzsystemen,
Angebotskurven (d.h. Preise-Mengen-Relationen) der Biomassefraktionen, Szenarien des
Energiebedarfs sowie historische Zeitreihen der installierten Anlagenleistungen.
Die prinzipielle Idee hinter dem Modellierungsansatzes besteht darin, das Investitionsverhalten
potenzieller Biomasse-Anlagenbetreiber zu simulieren. Als Grundlage dafür wird
für jede Simulationsperiode (jedes Jahr) und jeden Biomasse-Nutzungspfad (d.h. jede
technisch mögliche Kombination einer Rohstofffraktion mit einer Nutzungstechnologie) ein
Wirtschaftlichkeitsvergleich mit dem jeweiligen Referenzsystem angestellt. Ist
Wirtschaftlichkeit gegeben, wird unter Beachtung verschiedener Einschränkungen
(Nachfrageseitige Potenziale, Diffusionsgeschwindigkeiten, Angebotskurve der
Biomassefraktion etc.) die installierbare Leistung ermittelt und so die historische Zeitreihe der
installierten Biomasseanlagen fortgeschrieben.
Anschließend erfolgt die Auswertung hinsichtlich zahlreicher Parameter: Solcher, die
unmittelbaren Einfluss auf den Anlagenzubau in der nächsten Simulationsperiode haben (wie
der gesamte Biomassebedarf oder der Energie-Output der in Betrieb befindlichen
Bioenergie-Anlagen) und solcher, die in erster Linie für die anschließende Auswertung des
Szenarios relevant sind (wie die durch die Substitution der Referenztechnologien erzielte
Treibhausgaseinsparung, Förderkosten u.ä.).
102

103
ALPot
Die Simulationen beinhalten den gesamten österreichischen Biomassesektor mit Ausnahme
von Ablauge aus der Papierindustrie und biogenen Abfällen, die in Abfallverwertungsanlagen
einer energetischen Nutzung zugeführt werden (können). Es wird also nicht nur die Nutzung
landwirtschaftlicher Biomasseressourcen betrachtet. Grund dafür ist, dass die Verfügbarkeit
anderer, in erster Linie forstlicher Ressourcen einen Einfluss auf die Ausschöpfung
landwirtschaftlicher Potenziale hat. Außerdem werden Szenarien des gesamten
Biomassesektors als aussagekräftiger erachtet als eine gesonderte Betrachtung für
landwirtschaftliche Bioenergie. 24 Der Schwerpunkt bei der Beschreibung und Interpretation
der Simulationsergebnisse wurde jedoch – entsprechend der Projektziele – auf die
Entwicklung landwirtschaftlicher Bioenergieerzeugung gelegt.
Eine detaillierte Beschreibung des Modellierungsansatzes, der Datenstrukturen und der
Simulationsalgorithmen befindet sich in Abschnitt 12-3 im Anhang.
Abbildung 8-1: Schematische Darstellung der Struktur des Modells SimBioSe
8.2 Eingangsdaten und exogene Szenarioparameter
Die Eingangsdaten des Modells umfassen Biomasse-Angebotskurven (abgeleitet aus den
Ergebnissen des agrarischen Modellclusters; siehe Kapitel 7.3), Bioenergie-Technologien
(siehe Kapitel 4), Preisszenarien für fossile Energieträger (siehe Abschnitt 3.2.3), eine
Abbildung des derzeitigen Bestandes an Bioenergie-Anlagen, Szenarien des Energiebedarfs
und dessen Struktur, Treibhausgasemissionen der fossilen Referenzsysteme und der
Bereitstellungsketten von biogenen Energieträgern, sowie deren kumulierter Energieaufwand
und diverse szenarienspezifische Parameter.
8.2.1 Referenzsysteme
Zur Beurteilung der Wirtschaftlichkeit von Bioenergie-Systemen werden deren
Energieerzeugungskosten mit jenen der entsprechenden konventionellen, auf fossilen
Energieträgern basierenden Systeme verglichen. Der Wahl dieser Referenzsysteme kommt
daher wesentliche Bedeutung für die Modellergebnisse und deren Interpretation zu.
Abbildung 8-2 zeigt schematisch die methodische Vorgehensweise zur Ableitung der
Referenzpreise / -kosten. Die Wirtschaftlichkeit von Konversionsanlagen (in erster Linie
Kraftstoffproduktionsanlagen) wird durch eine Gegenüberstellung der Erzeugungskosten mit
Großhandelspreisen fossiler Energieträger ermittelt. Diese ergeben sich unmittelbar aus den
24 Hinsichtlich der Angebotskurven forstlicher Biomasse wurde auf Ergebnisse des Projektes
KlimAdapt (Kranzl et al., 2010) zurückgegriffen.

Modellierung des Bioenergiesektors – Szenarien der Biomassenutzung bis 2030
Preissteigerungsraten fossiler Energieträger im jeweiligen Preisszenario, wobei als
Referenzsystem für flüssige Kraftstoffe ein 50/50-Mix aus Benzin und Diesel unterstellt ist.
Bei Kleinfeuerungsanlagen und Heizwerken erfolgt der Wirtschaftlichkeitsvergleich auf Basis
der Wärmeerzeugungskosten, bei KWK-Anlagen auf Basis der Stromerzeugungskosten.
Diese werden analog zu den Erzeugungskosten von Bioenergieanlagen auf Basis von
typischen Anlagenkosten berechnet. Im Fall von Heizanlagen erfolgt der Wirtschaftlichkeitsvergleich
stets mit Anlagen der gleichen Leistungskategorie. Für Biomasse-Heizanlagen
stellt ein 50/50-Mix von Heizöl- und Erdgaskesseln das Referenzsystem dar.
Der Referenzpreis für elektrische Energie basiert auf den Gestehungskosten eines
modernen GuD-Kraftwerks. Stofflich nutzbare Nebenprodukte und Wärme von KWK-Anlagen
werden über Erlöse in der Berechnung der Erzeugungskosten berücksichtigt. (Die
Berechnung der THG-Emissionen erfolgt analog.) Die Höhe der Wärmeerlöse entspricht den
Wärmeerzeugungskosten einer Referenzanlage mit derselben thermischen Leistung wie die
KWK-Anlage, da unterstellt werden kann, dass die thermische Energie alternativ mit einer
konventionellen Anlage bereitgestellt werden könnte.
Abbildung 8-2: Schematische Darstellung der Methodik zur Ableitung der Referenzpreise
bzw. –kosten
8.2.2 Energiebedarf
Für die Abschätzung der zukünftigen Entwicklung des Energiebedarfs wurde auf
verschiedene Szenarien bzw. Modellergebnisse in der Literatur zurückgegriffen. Die
Grundannahme ist, dass es zu einer moderaten Reduktion des Gesamtenergieverbrauchs
kommt. 25
Für die sektoralen Entwicklungen wurden folgende Quellen herangezogen: Die
Steigerungsraten des Stromverbrauchs wurden von Capros et al. (2008) übernommen
(Anstieg um 28% von 2008 bis 2030). Das Szenario des Kraftstoffverbrauchs basiert
25
Diese Grundannahme ist im Wesentlichen konsistent mit den Zielsetzungen der Energiestrategie
Österreich.
104

105
ALPot
ebenfalls auf Capros et al. (2008) und zeigt einen nahezu konstanten Verbrauch bis 2030. 26
Der industrielle Wärmebedarf (Prozesswärme, Dampferzeugung und Industrieöfen) wird als
konstant auf dem durchschnittlichen Niveau der Jahre 2005 bis 2008 angenommen.
Hinsichtlich Raumwärme und Warmwasser wurde auf Simulationsergebnisse aus dem
Projekt KlimAdapt (Kranzl et al. 2010) zurückgegriffen. Diese wurden mit dem
Gebäudebestandsmodell ERNSTL unter der Annahme einer „ambitionierten“ Sanierung des
Gebäudebestandes erstellt. In der Simulation kommt es zu einer Steigerung der
Sanierungsrate auf 2,4% im Zeitraum 2020 bis 2025. Die laut EnergieStrategie angepeilte
Steigerung auf 3% bis 2020 wird in dieser Simulation nicht erreicht, da sich zeigt, dass dafür
unwirtschaftliche Sanierungen relativ neuer Gebäude durchgeführt werden müssten.
Abgesehen davon ist nicht nur eine hohe Sanierungsrate, sondern vor allem auch eine hohe
Sanierungsqualität anzustreben.
Ebenfalls bei den Simulationen berücksichtigt ist die Struktur der Wärmenachfrage. Die
prinzipielle Einsetzbarkeit von Bioenergie-Anlagen ist im Modell über „nachfrageseitige
Potenziale“ abgebildet. Dabei sind verschiedene einschränkende Faktoren bzw. Barrieren
wie Temperaturniveaus, Siedlungsdichte bzw. Gebäudestrukturen etc. berücksichtigt.
Hinsichtlich des nachfrageseitigen Potenzials von Biomasse-Heizwerken wurde unterstellt,
dass eine sukzessive Substitution von Nah-/Fernwärme aus fossilen Energieträgern möglich
ist: Ab 2010 beinhaltet das nachfrageseitige Potenzial die derzeit in Öl-/Gas-Heizwerken
produzierte Wärme. Für 2020 ist unterstellt, dass zusätzlich 50% der Fernwärme aus mit
fossilen Energieträgern befeuerte KWK ersetzt werden kann. Das Potenzial bis 2030
beinhaltet schließlich die gesamte Nah-/Fernwärmenachfrage abzüglich Fernwärme aus
Müllverbrennung.
Die Struktur des Raumwärmebedarfs, der mit Biomasse-Kleinfeuerungsanlagen gedeckt
werden kann, basiert auf den bereits erwähnten Simulationsergebnissen aus dem Modell
ERNSTL. Dabei ist der Gesamtbedarf aufgeschlüsselt nach Heizlasten und
Gemeindegrößen. Aufgrund der fortschreitenden Sanierung sinkt nicht nur der
Gesamtbedarf, sondern nimmt der Anteil der Wohneinheiten mit niedrigen Heizlasten
deutlich zu (siehe Abb. 8-3). Für die nachfrageseitigen Potenziale von Kleinfeuerungsanlagen
wurde eine eher konservative Annahme getroffen, nämlich dass nur Wohneinheiten
in „ländlichen“ Regionen für Biomasse-Heizanlagen in Frage kommen. Städtische Regionen
können nur über Wärmenetze mit Wärme aus Biomasse versorgt werden. Zusätzlich ist eine
fortschreitende Diffusion von solarthermischen und Wärmepumpensystemen unterstellt,
sodass der Wärmebedarf, der mit Biomasse gedeckt werden kann, deutlich abnimmt. 27
Nichtsdestotrotz bleibt für Biomasse-Heizsysteme ein im Vergleich zum Status quo relativ
großes Ausbaupotenzial bestehen, wie in Abschnitt 8-3 gezeigt wird.
Die nachfrageseitigen Potenziale bei Kraftstoffen und elektrischer Energie stellt der jeweilige
Gesamtbedarf dar, da die strukturellen Einschränkungen für Energie aus Biomasse in diesen
Sektoren als nachrangig erachtet werden. 28
26
In Hinblick auf die technisch möglichen Effizienzsteigerungspotenziale im Strom- und
Verkehrssektor wirken diese Szenarien wenig ambitioniert. Angesichts der historischen Entwicklung in
diesen Sektoren und den Zielsetzungen der EnergieStrategie Österreich (BMLFUW et BMWFJ, 2010)
werden sie jedoch für das vorliegende Projekt als sinnvolle Annahmen erachtet.
27
Konkret wurde ein Anstieg der mit Solarthermie und Wärmepumpen bereitgestellten Wärme auf
Basis von Simulationsergebnissen des Modells ERNSTL mit 11 TWh/a im Jahr 2030 angenommen.
Diese exogene Annahme wurde getroffen, da in den Simulationen neben Bioenergie kein Ausbau von
anderen Erneuerbaren simuliert wird und damit eine „Konkurrenz“ zwischen Bioenergie und anderen
erneuerbaren Systemen ausgeschlossen werden muss.
28
So wurden beispielsweise keine Einschränkungen, die sich aus dem Fahrzeugbestand oder aus
technischen Aspekten bei dezentraler Stromeinspeisung ergeben, berücksichtigt.

Modellierung des Bioenergiesektors – Szenarien der Biomassenutzung bis 2030
GWh/a
120.000
100.000
80.000
60.000
40.000
20.000
0
Bedarf Raumwärme- und Warmwasser
2000 2005 2010 2015 2020 2025 2030
106
urban > 30 kW
urban 15-30 kW
urban < 15 kW
ländlich > 30 kW
ländlich 15-30 kW
ländlich < 15 kW
Abbildung 8-3: Entwicklung des Bedarfs an Raumwärme und Warmwasser nach Standort
(ländlich/urban) und Heizlast der Wohneinheiten 29
Quelle: Kranzl et al. (2010)
8.2.3 Treibhausgasemissionen und kumulierter Energieaufwand
Im Modell erfolgt eine Auswertung der simulierten Szenarien hinsichtlich der durch den
Einsatz von Bioenergiesystemen vermiedenen Treibhausgasemissionen sowie hinsichtlich
der eingesparten fossilen Energieträger. Dabei werden die bei der Bereitstellung von
biogenen und fossilen Energieträgern anfallenden nicht-erneuerbaren THG-Emissionen bzw.
die zur Bereitstellung benötigten fossilen Energieträger ebenso berücksichtigt wie die direkt
mit der Nutzung in Zusammenhang stehenden THG-Emissionen bzw. Verwendung fossiler
Energieträger. Die im Modell implementierte Methodik zur Berechnung von
Treibhausgasbilanzen bzw. -einsparungen ist ein an EC (2009) angelehnter, stark
vereinfachter Ansatz der Treibhausgasbilanzierung, bei dem lediglich die Emissionen aus
der Rohstoffbereitstellung und die Referenzemissionen berücksichtigt werden. So wird
beispielsweise der Hilfsenergiebedarf von Bioenergie- ebenso wie von konventionellen
Anlagen vernachlässigt. 30 Hinsichtlich der bei der Bereitstellung von biogenen Energieträgern
anfallenden Treibhausgasemissionen wurde auf Daten nach GEMIS 4.5 zurückgegriffen
(siehe Öko-Institut, 2010).
Abbildung 8-4 zeigt die unterstellten Werte für biogene Energieträger, wobei die aus GEMIS
4.5 stammenden Standardwerte (dargestellt als Balken) mit den default-Werten laut
EC (2009) (dargestellt als Fehlerindikatoren) gegenübergestellt sind. Die großen
Abweichungen (insbesondere bei Biogas) verdeutlichen die großen Unsicherheiten, mit
denen diese Daten verbunden sind. Da in EC (2008) für mehrere relevante Energieträger
keine Werte angegeben sind, wurden im Sinne einer einheitlichen Datenquelle für alle
29
Die Kategorie „ländlich“ beinhaltet den Raumwärmebedarf in Gemeinden mit weniger als 5.000 und
50% des Bedarfs in Gemeinden zwischen 5.000 und 15.000 Einwohnern.
30
Dieser Ansatz wurde gewählt, da in der Literatur nicht für alle im Modell berücksichtigten
Nutzungspfade Daten verfügbar sind. Des Weiteren unterscheiden sich die bei Treibhausgasbilanzen
unterstellten Technologiedaten (in erster Linie Wirkungs-/Jahresnutzungsgrade) zum Teil erheblich
von dem im Modell SimBioSe unterstellten Werten, welche zudem aufgrund der unterstellten
technologischen Lerneffekte einer Dynamik unterworfen sind, die bei Heranziehen von Literaturdaten
nicht berücksichtigt werden könnte.

107
ALPot
Energieträger standardmäßig Daten nach GEMIS herangezogen. 31 Aus den in Abbildung 8-4
dargestellten brennstoffbezogenen Werten ergeben sich über die Wirkungs- bzw.
Jahresnutzungsgrade der Technologien die outputbezogenen (d.h. Wärme-, Strom- und
Kraftstoff-bezogenen) Werte. Sonstige, eventuell der Energieerzeugung zurechenbare THG-
Emissionen (insbesondere jene die bei der Errichtung und dem Betrieb der Anlage anfallen)
werden in Anlehnung an EC (2009) vernachlässigt.
Die für die fossilen Energieträger Erdgas, Diesel/Heizöl und Benzin unterstellten
brennwertbezogenen Emissionsfaktoren belaufen sich auf 179, 250 bzw. 247 kg CO2-
Äqu./MWh. Hinzu kommen die bei der Bereitstellung anfallenden THG-Emissionen in der
Höhe von 42,42 (Erdgas), 39,1 (Diesel) und 51,95 kg CO2-Äqu./MWh (Benzin). Für den nicht
erneuerbaren kumulierten Energieaufwand der fossilen Energieträger wurden folgende
Werte unterstellt: 1,178 (Erdgas), 1,134 (Diesel) und 1,19 MWh/MWh (Benzin). Die
outputbezogenen Werte ergeben sich – analog zu den Bioenergieketten – aus den
Wirkungs- bzw. Jahresnutzungsgraden der Referenzanlagen (siehe Tabelle 12-2 im
Anhang). Die für das Strom-Referenzsystem (moderne GuD-Anlage) unterstellten THG-
Emissionen belaufen sich auf 439,1 kg CO2-Äqu./MWh bzw. 2,074 MWh/MWh. Sämtliche
Werte basieren auf GEMIS 4.5 (Öko-Institut, 2010).
Biogas aus 90% GPS, 10% Gülle
Biogas aus 90% Grassilage, 10% Gülle
Biogas aus 90% Mais, 10% Gülle
Biogas aus Gülle
Biogas aus GPS
Grassilage
Biogas aus Maissilage
Stroh
Zuckerrübe
Ölsaaten
Körnermais
Getreidekorn
Kurzumtriebshackgut
Holzpellets (Sägespäne)
Waldbiomasse
Sägenebenprodukte
Nicht-erneuerbarer kumulierter Energieaufwand [MWh/MWh]
Heu
0,00 0,05 0,10 0,15 0,20 0,25 0,30
THG-Emissionen
Kumulierter Energieaufwand
0 25 50 75 100 125 150
THG-Emissionen [kg CO2-Äqu./MWh]
Abbildung 8-4: Im Modell unterstellte THG-Emissionen und kumulierter Energieaufwand
biogener Energieträger
Quellen: Öko-Institut (2010), eigene Auswahl an Bereitstellungspfaden (Energy Economics Group, TU
Wien), EC (2009)
31 Aufgrund der sehr unterschiedlichen Werte bei Biogas wird in Abschnitt 8.3.4 eine Sensitivitätsanalyse
mit den Daten nach EC (2009) durchgeführt.

Modellierung des Bioenergiesektors – Szenarien der Biomassenutzung bis 2030
Abbildung 8-5 zeigt eine Gegenüberstellung der relativen Treibhausgaseinsparungen, die mit
der Nutzung biogener Kraftstoffe erzielt werden. Dargestellt sind Bandbreiten von
Literaturdaten, Werte laut EU-Richtlinie EC(2009)28 sowie die aus den im Modell SimBioSe
unterstellten Treibhausgasemissionen biogener Energieträger resultierende Einsparungen.
Letztere stimmen nicht in jedem Fall mit den Daten laut EC(2009)28 überein, liegen aber
stets innerhalb der Literatur-Bandbreiten, d.h. der gewählte methodische Ansatz liefert
Ergebnisse, die hinsichtlich der zum Teil Bandbreiten in der Literatur eine nach Ansicht der
Autoren ausreichende Qualität aufweisen.
Relative Treibhausgaseinsparung biogener Kraftstoffe
160%
140%
120%
100%
80%
60%
40%
20%
0%
108
> 220%
Datenreihen1
Bandbreite in der Literatur
SimBioSe
'typische' Werte lt. EC(2009)28
Abbildung 8-5: Gegenüberstellung der mit biogenen Kraftstoffen erzielbaren relativen
Treibhausgaseinsparungen: Daten laut EU-Richtlinie EC(2009)28, Bandbreiten in der
Literatur und SimBioSe-Daten (Bezugsjahr: 2010)
Quellen: Zah et al. (2007), Jungbluth et al. (2008), Jungmeier et al. (2003), Edwards et al. (2007), IEA
(2004), Öko-Institut (2010), Kranzl et al. (2008) nach IER/Universität Stuttgart, EC (2009),
Technologiedaten: siehe Tabelle 12-1 und 12-2
8.2.4 Weitere Parameter und Modellannahmen
Für jene Simulationen, in denen der derzeitige Bestand an Bioenergie-Anlagen
berücksichtigt wird, wurde eine Abbildung des Anlagenbestandes erstellt. Diese Abbildung
beinhaltet sämtliche in Österreich installierte Biomasse-Kleinfeuerungsanlagen, -Heizwerke,
Dampferzeugungs- und -KWK-Anlagen, sowie Biogas-, Biodiesel- und Ethanol-Anlagen. Die
wichtigsten Datenquellen waren: Statistik Austria (2010a), E-Control (2009), Haneder et
al. (2010), sowie weitere in Kapitel 2 erwähnte Publikationen. Soweit verfügbar wurde auf
Daten zu den jährlich neu installierten Leistungen zurückgegriffen (z.B. bei Kleinfeuerungsanlagen
oder Ökostromanlagen). In manchen Fällen musste jedoch von Verbrauchs- und Erzeugungsstatistiken
auf die installierten Leistungen rückgeschlossen werden (z.B. bei älteren
KWK-Anlagen in der Industrie). Für die Datenlücke zwischen dem letzten verfügbaren
Datensatz (meist 2008 oder 2009) und dem Simulations-Startjahr 2011 zu schließen, wurden
Schätzungen bzw. Prognosen erstellt, wobei meist von Mittelwerten der letzten Jahre
ausgegangen wurde.

109
ALPot
Diese Abbildung des Anlagenbestandes ermöglicht es, die derzeitige Struktur der
Biomassenutzung in den Ausbauszenarien zu berücksichtigen. Vollkommene Konsistenz mit
historischen Zeitreihen der Energieerzeugung sind in erster Linie aus Folgenden gründen
nicht möglich: Im Modell muss für jede Technologie von einer bestimmten, typischen
Volllaststundenzahl ausgegangen werden. In der Realität kann es natürlich zu recht großen
Abweichungen davon kommen, die sich entsprechend in den Verbrauchs- und Erzeugungsstatistiken
widerspiegeln. Des Weiteren ist die Auslastung der Anlagen zum Teil jährlichen
Schwankungen unterworfen; diese können beispielsweise witterungsbedingt (Einfluss der
Heizgradtage) oder marktbedingt (Einfluss der Rohstoffpreise auf die Biodieselproduktion)
sein.
Weitere Abweichungen mit historischen Zeitreihen ergeben sich insbesondere bei der
Stromerzeugung, da im Modell unterstellt ist, dass Anlagen im Jahr ihrer Inbetriebnahme
bereits das ganze Jahr über in Vollbetrieb sind. In Zeiten starken Ausbaus kommt es
dadurch zu einer deutlichen Überschätzung des Outputs.
Weitere zentrale Modellannahmen sind:
• Jede Anlage bleibt bis zum Ende ihrer (in den Technologiedaten definierten)
Lebensdauer in Betrieb.
• Die in österreichischen Anlagen erzeugte Energie wird auch im Inland genutzt.
Außenhandel mit biogenen Kraftstoffen ist nicht abgebildet.
• Biomasseimporte sind nur insofern abgebildet, als sie zur Deckung von
Versorgungslücken genutzt werden können. Eine Abbildung von „Import-
Angebotskurven“ war im Rahmen des Projektes nicht möglich und ist hinsichtlich
der zu untersuchenden Fragestellungen auch nicht relevant.
• Aus den Angebotskurven inländischer Biomasse und dem Anlagenbestand ergibt
sich, dass nur Biodieselanlagen in nennenswertem Ausmaß auf Importe
angewiesen sind (konkret werden im Modell im Jahr 2010 mehr als 80% des
Bedarfs importiert). Dass in der Realität Außenhandel bereits jetzt bei einigen
Biomassefraktionen eine gewisse Rolle spielt, kann als modellbedingte
Vereinfachung gesehen werden, die jedoch keinen Einfluss auf die Interpretation
der Simulationsergebnisse hat.
• Alle bestehenden Anlagen werden gemäß ihrer Spezifikationen betrieben.
Insbesondere ist auch unterstellt, dass bis 2010 sämtliche im Jahr 2009
verfügbaren Biodieselkapazitäten in Vollbetrieb sind. (Dadurch kommt es zu einem
deutlichen Anstieg der Biodieselproduktion, mit der fast 10% des Kraftstoffbedarfs
gedeckt werden könnte (Berechnung rein auf Basis des Energieinhaltes ohne
Berücksichtigung des Fahrzeugbestandes).
• Die unterstellten Technologiedaten sowie Annahmen zu Zinssätzen, Abschreibdauern
etc. sind konsistent mit den in Kapitel 4 angenommenen Werten (Zinssätze
bei Kleinfeuerungsanlagen 4%, bei allen anderen 7%, kalkulatorische Abschreibdauer
generell 10 Jahre).
8.3 Simulationsergebnisse
Tabelle 8.1 zeigt einen Überblick über die im Folgenden dargestellten Simulationsläufe. In
der Tabelle sind die unterstellten Preisszenarien, die zur Verfügung stehenden
Biomassepotenziale und die unterstellten Förderinstrumente zusammengefasst. Die
Simulationen wurden in drei Gruppen unterteilt: No Policy-Szenarien (keine Förderung für
Bioenergie), Current Policy-Szenarien (derzeitige Förderungen) und Spezifische
Förderszenarien (sukzessive Steigerung des Förderniveaus für bestimmte Anwendungen).
Die Ergebnisse der No Policy- und der Current Policy-Szenarien werden in erster Linie in

Modellierung des Bioenergiesektors – Szenarien der Biomassenutzung bis 2030
Hinblick auf die Bedeutung, die landwirtschaftliche Biomasse für die Energieversorgung
einnimmt, analysiert. Bei den spezifischen Förderszenarien steht die Gegenüberstellung von
Förderkosten und Nutzen (hinsichtlich THG-Einsparung und Einsparung fossiler
Energieträger) im Vordergrund, sowie die Frage, welche Nutzungspfade
(landwirtschaftlicher) Biomasse aus einer energiewirtschaftlich-systemischen Sichtweise zu
bevorzugen sind.
In Abschnitt 8.3.4 werden außerdem Varianten und Detailanalysen bezüglich verschiedener
Detailaspekte dargestellt.
Tabelle 8-1: Überblick der Simulationsläufe und deren exogener Szenarioparameter
Nr. Bezeichnung
Niveau
2006
Preisszenario Biomassepotenziale
FAO/
Primes
Nicht-lw.
Biomasse
Konv.
Ackerfrüchte
Biogaspflanzen
110
Lignozellulose
Besteuerung:
Energieabgabe /
MÖSt.
auf fossile ET
Förderungen und steuerliche Begünstigungen für Bioenergie
Förderung
Kleinfeuerungsanlagen
Förderung
Heizwerke
Förderung
Stromerzeugung
aus BM
Biogene
Kraftstoffe
Einspeisung
von SNG/
Biomethan
1-1
No Policy-Szenarien
No Policy - Niveau 2006 X - X X X X - - - - - - 8.3.1.1
1-2 No Policy - FAO/Primes
Current Policy-Szenarien (CP)
- X X X X X - - - - - - 8.3.1.2
2-1a CP - Niveau 2006 - keine LW Biomasse X - X - - - - 8.3.2.1
2-1b
2-1c
2-1d
2-2a
2-2b
2-2c
CP - Niveau 2006 - konv. Ackerfrüchte
CP - Niveau 2006 - Biogas
CP - Niveau 2006 - Ligno-Zellulose
CP - FAO/Primes - keine LW Biomasse
CP - FAO/Primes - konv. Ackerfrüchte
CP - FAO/Primes - Biogas
X
X
X
-
-
-
-
-
-
X
X
X
X
X
X
X
X
X
X
-
-
-
X
-
-
X
-
-
-
X
-
-
X
-
-
-
-
-
-
-
-
-
8.3.2.1
8.3.2.1
8.3.2.1
8.3.2.2
8.3.2.2
8.3.2.2
2-2d CP - FAO/Primes - Ligno-Zellulose
Spezifische Förderszenarien (SFS)
- X X - - X - 8.3.2.2
3-1a SFS biogene Kraftstoffe - konv. Ackerfrüchte - X - X - - - - - - X 2
- 8.3.3.1
3-1b SFS biogene Kraftstoffe - Biogas (Biomethan) - X - - X - - - - - X 2
- 8.3.3.1
3-1c SFS biogene Kraftstoffe (flüssig) - Ligno-Zellulose - X - - - X - - - - X 2
- 8.3.3.1
3-1d SFS biogene Kraftstoffe (gasförmig) - Ligno-Zellulose - X - - - X - - - - X 2
- 8.3.3.1
3-2a SFS Wärmeerzeugung- konv. Ackerfrüchte - X - X - - - X 2
X 2
- - - 8.3.3.2
3-2b SFS Wärmeerzeugung- Biogas (Biomethan-Einspeisung) - X - - X - - - - - - X 2 8.3.3.2
3-2c SFS Wärmeerzeugung - Ligno-Zellulose (Festbrennstoffe) - X - - - X - X 2
X 2
- - - 8.3.3.2
3-2d SFS Wärmeerzeugung- Ligno-Zellulose (SNG-Einspeisung) - X - - - X - - - - - X 2 dztg.
Besteuerung,
biogene
Kraftstoffe von
MöSt befreit
20 % Investitionsförderung
dztg.
Quote
Einspeisetarife
(siehe E-Control,
2009)
Kommentare:
1) 2010: 5.75%, 2020: 10% (Elektrofahrzeuge vernachlässigt)
8.3.3.2
2) Simulation mehrerer Förderniveaus für die jeweilige Anlagenkategorie (fiktive Prämien unterschiedlicher Höhe auf den Energieoutput)
1
2010: 5.75 %
2020: 10%
8.3.1 No Policy Szenarien
Die im Folgenden dargestellten No Policy Szenarien dienen zweierlei Zweck: Erstens geben
sie einen Einblick, in welchem Ausmaß die energetische Biomassenutzung ohne jegliche
energiepolitische Einflussnahme wirtschaftlich wäre, bzw. wie stark der Ausbau des
Biomassesektors bereits in der Vergangenheit durch direkte oder indirekte Förderungen
beeinflusst wurde. Zweitens dienen sie als Referenz für die übrigen Szenarien, d.h. es
können die Wirkungen von bestimmten Förderinstrumenten und -niveaus anhand eines
Vergleichs mit den No Policy Szenarien analysiert werden.
Die zwei No Policy Szenarien unterscheiden sich hinsichtlich des unterstellten Preisszenarios,
wobei im Preisszenario Niveau 2006 im Sinn konsistenter exogener Annahmen
auch keinerlei Effekte zu erwartender agrarpolitischer und –wirtschaftlicher Veränderungen
auf die Preise landwirtschaftlicher Erzeugnisse abgebildet sind (siehe Abschnitt 3.2 bzw.
3.3). Im Preisszenario FAO/Primes sind diese Effekte sehr wohl berücksichtigt, d.h. die
Bezeichnung No Policy bezieht sich auf die energiepolitischen, nicht jedoch auch die
agrarpolitischen Rahmenbedingungen.
Für die Interpretation der No Policy Szenarien von wesentlicher Bedeutung ist die bereits
erwähnte Modellannahme, dass bestehende Anlagen bis zum Ende ihrer technischen
Lebensdauer in Betrieb bleiben. Dass bestehende Anlagen aufgrund veränderter
Rahmenbedingungen unter Umständen nicht mehr wirtschaftlich betrieben werden können
(z.B. aufgrund des in den No Policy Szenarien unterstellten Wegfalls der Biokraftstoffquote),
wird daher im Modell nicht berücksichtigt. Es lässt sich jedoch aus der längerfristigen
Kapitel

111
ALPot
Entwicklung bzw. daraus, welche Anlagen nach Außerbetriebgehen bestehender Anlagen
ersetzt werden, ableiten, welche Technologien bzw. Nutzungspfade unter der „No Policy-
Annahme“ wirtschaftlich sind.
Diese Vereinfachung ist aus folgenden Gründen gerechtfertigt: Bei Heizanlagen kann davon
ausgegangen werden, dass die Betreiber nicht laufend Wirtschaftlichkeitsberechnungen
anstellen, um den optimalen Zeitpunkt der Anschaffung einer Neuanlage zu ermitteln (was
angesichts der Unsicherheiten bei den Preisentwicklungen der Brennstoffe auch gar nicht
möglich ist). Bei Anlagen die in erster Linie aufgrund von Förderungen errichtet wurden bzw.
werden konnten (hauptsächlich KWK-Anlagen und Kraftstoffproduktionsanlagen) kann
hingegen davon ausgegangen werden, dass die Förderungen (Einspeisetarife, Quoten und
steuerliche Begünstigungen für biogene Kraftstoffe) in der Regel nicht „von heute auf
morgen“ gestrichen werden bzw. werden können. Die No Policy Szenarien haben daher in
erster Linie illustrativen Charakter.
Abbildung 8-6 zeigt die Entwicklung des Biomasse-Anteils am Primärenergiebedarf und in
den Sektoren Wärme, Strom und Kraftstoffe (Straßenverkehr) in den No Policy Szenarien.
Wesentliche Unterschiede zwischen den beiden Preisszenarien ergeben sich lediglich im
Wärmesektor. Im Preisszenario FAO/Primes kommt es durch die steigenden Preise fossiler
Energieträger zu einem Anstieg auf ca. 30% im Jahr 2030, wobei der sinkende Wärmebedarf
hier ebenfalls eine wesentliche Rolle spielt (siehe Abschnitt 8.2.2). Hauptsächlich aufgrund
des Rückgangs bei biogenen Kraftstoffen sinkt der Anteil von Biomasse am
Primärenergiebedarf gegenüber 2010 in beiden Preisszenarien.
Anteil am Gesamtenergiebedarf [%]
40
35
30
25
20
15
10
5
No Policy Szenarien
Simulation
0
2000 2005 2010 2015 2020 2025 2030
Preisniveau 2006 Preisszenario FAO/Primes
Wärme
Primärenergie
Strom
Kraftstoffe
Abbildung 8-6: Simulationsergebnisse der No Policy-Szenarien (Szenarien 1-1 und 1-2):
Anteil von biogenen Energieträgern am Wärme-, Strom und Kraftstoffbedarf sowie am
Primärenergiebedarf 32
Quelle: Modell SimBioSe (Energy Economics Group, TU Wien)
8.3.1.1 No Policy – Preisszenario „Niveau 2006“
In den folgenden Abbildungen sind die Ergebnisse der Simulationen anhand des Biomasse-
Primärenergieverbrauchs und der Energieerzeugung dargestellt. Die Ergebnisse für das
32 Im Gegensatz zu offiziellen Statistiken nach Eurostat bzw. Statistik Austria erfolgt die Berechnung
der Primärenergiemengen im Modell auf Basis der tatsächlich eingesetzten Biomasse inklusive der bei
Konversionsprozessen (z.B. Holzvergasung, Fischer-Tropsch-Synthese) auftretenden Verluste. Im
Fall von Biogas stellt (wie bei offiziellen Statistiken) der Energieinhalt des genutzten Rohgases die für
den Primärenergieeinsatz relevante Größe dar.

Modellierung des Bioenergiesektors – Szenarien der Biomassenutzung bis 2030
Preisszenario Niveau 2006 zeigen deutlich, dass bei „niedrigen“ Energiepreisen die
energetische Biomassenutzung in den meisten Bereichen nicht wirtschaftlich ist.
Energiepflanzen werden in diesem Szenario praktisch nicht genutzt. Im Jahr 2030 kommt der
einzige nennenswerte Beitrag landwirtschaftlicher Biomasse von der Nutzung von Stroh in
größeren KWK-Anlagen (IGCC-Anlagen) und in sehr geringem Umfang von Pflanzenöl in
BHKWs, was auch die trotz des Außerbetriebgehens geförderter KWK-Anlagen relativ
konstante Stromerzeugung in diesem Szenario erklärt. 33
Im Übrigen kommt es in dem Szenario zu einer Konzentration des Bioenergiesektors auf die
wenigen Bereiche, in denen die Biomassenutzung wirtschaftlich ist: Kleinfeuerungsanlagen
im 50 kW-Bereich, Prozesswärme und die bereits erwähnte Verstromung von Stroh.
Biomasse-Primärenergieverbrauch [GWh]
70.000
60.000
50.000
40.000
30.000
20.000
10.000
0
No Policy - Niveau 2006
Simulation
2000 2005 2010 2015 2020 2025 2030
112
250
200
150
100
50
0
[PJ]
Heu
Grassilage
GGP-Silage
Biogas-Mais
Stroh
Zuckerrübe
Ölsaaten
Körnermais
Getreidekorn
Kurzumtriebsholz
Waldbiomasse
Abbildung 8-7: Simulationsergebnis des No Policy-Niveau 2006-Szenarios (1-1): Biomasse-
Primärenergieverbrauch
Quelle: Modell SimBioSe (Energy Economics Group, TU Wien)
Energie-Ouput [GWh therm./el./chem]
50.000
45.000
40.000
35.000
30.000
25.000
20.000
15.000
10.000
5.000
No Policy - Niveau 2006
0
2000 2005 2010 2015 2020 2025 2030
Abbildung 8-8: Simulationsergebnis des No Policy-Niveau 2006-Szenarios (1-1):
Energieoutput der Bioenergie-Anlagen
Quelle: Modell SimBioSe (Energy Economics Group, TU Wien)
SNP
Gasförmige Kraftstoffe
Flüssige Kraftstoffe
Strom > 5 MWel
Strom 1- 5 MWel
Strom < 1 MWel
Prozeßwärme
Nahwärme 5 MW
Nahwärme 2 MW
Nahwärme 0.5 MW
sonst.Heizanlagen 50 kW
sonst.Heizanlagen 25 kW
sonst.Heizanlagen 12 kW
sonst.Kaminöfen 8 kW
Scheitholzkessel 50 kW
Scheitholzkessel 25 kW
Scheitholzkessel 12 kW
Scheitholzöfen 8 kW
33 Inwiefern nicht-ökonomische bzw. sonstige Barrieren, die im Modell nicht berücksichtigt werden
können, der Nutzung von Stroh in Großanlagen entgegenstehen, sei hier dahingestellt.

8.3.1.2 No Policy – Preisszenario „FAO/Primes“
113
ALPot
Im Preisszenario FAO/Primes werden auch zahlreiche andere Technologien bzw.
Nutzungspfade wirtschaftlich. Wie aus Abbildung 8-9 ersichtlich, wird landwirtschaftliche
Biomasse jedoch auch in diesem Szenario nach Wegfall der auf bestehenden Anlagen
basierende Biodiesel- und Ethanolproduktion nur in relativ geringem Ausmaß genutzt. Neben
der Nutzung von Stroh werden außerdem größere Biogas-BHKWs auf Basis von Mais
wirtschaftlich, was eine steigende Stromerzeugung in den Leistungskategorien unter 5 MWel
zur Folge hat. Der Hauptunterschied zum Niveau 2006-Szenario liegt jedoch im deutlich
höheren Einsatz der forstlicher Biomasse in Kleinfeuerungsanlagen und Heizwerken. Auch in
diesem Szenario kommt es bei Biomasse-Kleinfeuerungsanlagen zunächst in der
Leistungsklasse von ca. 50 kW zu einer starken Diffusion. Unter den hier unterstellten
Bedarfsszenarien ist das nachfrageseitige Potenzial kurz nach 2020 erreicht und es kommt
zu einem Rückgang in dieser Bedarfskategorie. Im Gegensatz zum Preisszenario Niveau
2006 sind hier jedoch auch Anlagen kleinerer Leistung zum Teil wirtschaftlich, und die
Biomassenutzung in Kleinfeuerungsanlagen geht nur geringfügig zurück.
Biomasse-Primärenergieverbrauch [GWh]
70.000
60.000
50.000
40.000
30.000
20.000
10.000
0
No Policy - FAO/Primes
Simulation
2000 2005 2010 2015 2020 2025 2030
250
200
150
100
50
0
[PJ]
Heu
Grassilage
GGP-Silage
Biogas-Mais
Stroh
Zuckerrübe
Ölsaaten
Körnermais
Getreidekorn
Kurzumtriebsholz
Waldbiomasse
Abbildung 8-9: Simulationsergebnisse des No Policy-FAO/Primes-Szenarios (1-2):
Biomasse-Primärenergieverbrauch
Quelle: Modell SimBioSe (Energy Economics Group, TU Wien)
Energie-Ouput [GWh therm./el./chem]
50.000
45.000
40.000
35.000
30.000
25.000
20.000
15.000
10.000
5.000
0
No Policy - FAO/Primes
2000 2005 2010 2015 2020 2025 2030
SNP
Gasförmige Kraftstoffe
Flüssige Kraftstoffe
Strom > 5 MWel
Strom 1- 5 MWel
Strom < 1 MWel
Prozeßwärme
Nahwärme 5 MW
Nahwärme 2 MW
Nahwärme 0.5 MW
sonst.Heizanlagen 50 kW
sonst.Heizanlagen 25 kW
sonst.Heizanlagen 12 kW
sonst.Kaminöfen 8 kW
Scheitholzkessel 50 kW
Scheitholzkessel 25 kW
Scheitholzkessel 12 kW
Scheitholzöfen 8 kW
Abbildung 8-10: Simulationsergebnisse des No Policy-FAO/Primes-Szenarios (1-2):
Energieoutput der Bioenergie-Anlagen
Quelle: Modell SimBioSe (Energy Economics Group, TU Wien)

Modellierung des Bioenergiesektors – Szenarien der Biomassenutzung bis 2030
8.3.2 Current Policy Szenarien
Die Current Policy Szenarien geben Aufschluss darüber, welche energetischen
Nutzungspfade landwirtschaftlicher und sonstiger Biomasseressourcen unter den derzeitigen
energiepolitischen Rahmenbedingungen wirtschaftlich sind (bzw. in Zukunft wirtschaftlich
werden könnten), und in welchen Bereichen auf Basis wirtschaftlicher, bedarfs- und
angebotsseitiger Potenziale ein Ausbau der Biomassenutzung möglich ist.
Im Gegensatz zu den No Policy Szenarien kommt es hier im Preisszenario FAO/Primes, zu
einem sehr starken Ausbau im landwirtschaftlichen Bioenergiesektor. Das heißt, die
energetische Nutzung der meisten landwirtschaftlichen Ressourcen wird unter den
gegebenen Rahmenbedingungen wirtschaftlich, und die Frage, welche Rohstoffe bzw.
welche Arten von Ackerfrüchten für eine energetischen Nutzung zur Verfügung stehen, ist
von zentraler Bedeutung. Wie in den vorigen Kapiteln gezeigt wurde, spielen in diesem
Bereich nicht nur wirtschaftliche Überlegungen der Landwirte, agrarische und naturräumliche
Gegebenheiten eine wesentliche Rolle, sondern auch nicht-ökonomische Barrieren,
individuelle Präferenzen der Entscheidungsträger und Ähnliches.
Da die Berücksichtigung derartiger Parameter im Rahmen des hier verwendeten, auf Basis
rein ökonomischer Entscheidungen arbeitenden Modells nicht möglich ist, wurden die bereits
in Kapitel 7 dargestellten Schwerpunkte bei der landwirtschaftlichen Biomasseproduktion
unterstellt: Konventionelle Ackerfrüchte, Biogaspflanzen und Ligno-Zellulose.
In den folgenden Abbildungen sind die Entwicklungen des Biomassesektors in den Current
Policy-Szenarien im Preisszenario Niveau 2006 (Abb. 8-11) und FAO/Primes (Abb. 8-12)
wieder anhand des Anteils von Bioenergie am Energiebedarf veranschaulicht. Ausgehend
von einem Szenario, in dem angenommen wurde, dass keine inländischen Ressourcen
landwirtschaftlicher Biomasse zur Verfügung stehen 34 , zeigen die drei Rohstoffszenarien
Konventionelle Ackerfrüchte, Biogaspflanzen und Ligno-Zellulose, welcher zusätzliche
Beitrag zur Energieversorgung durch landwirtschaftliche Biomasse unter den Current Policy-
Annahmen wirtschaftlich ist.
8.3.2.1 Current Policy – Preisszenario „Niveau 2006“
Im Preisszenario Niveau 2006 kommt es in allen Rohstoffszenarien in erster Linie zu einem
zusätzlichen Beitrag zur Stromversorgung, was daran liegt, dass im Stromsektor in erster
Linie die Höhe der Einspeisetarife entscheidend ist, weniger das (im Szenario Niveau 2006
recht niedrige) Energiepreisniveau 35 . Je nach Szenario kommen unterschiedliche Rohstoffe
und Technologien zum Einsatz, der zusätzliche Beitrag zur Stromversorgung ist in allen
Rohstoffszenarien aber nahezu gleich und beläuft sich im Jahr 2030 auf ca.3,5 TWh oder 4%
des Strombedarfs (im Biogas-Szenario ist er mit knapp 4 TWh geringfügig höher). Der
Wärmeoutput der KWK-Anlagen bringt zudem einen zusätzlichen Beitrag im Wärmesektor.
Der Kraftstoffsektor ist bis ca. 2020 dominiert von den bestehenden Biodieselanlagen,
danach wird die 10%-Quote je nach Rohstoffszenario mit unterschiedlichen Technologien
bzw. Anlagentypen erfüllt. Ein Hauptanteil geht jedoch in allen Szenarien auf SNG aus
Holzvergasung zurück, wobei in erster Linie forstliche Biomasse und Sägenebenprodukte
verwertet werden. Dieses an sich robuste Ergebnis ist hinsichtlich der offenen Fragen, etwa
was die zukünftige Entwicklung des Fahrzeugbestandes oder der Anlagenkosten angeht,
durchaus kritisch zu hinterfragen. Mit wesentlich höherer Gewissheit lässt sich jedoch
ableiten, dass allein die inländischen Potenziale landwirtschaftlicher Biomasse nicht zur
Erfüllung der Quote ausreichen werden. Ob biogene Kraftstoff weiterhin in erster Linie auf
34
Gemäß den Modellannahmen erfolgt in diesem Fall die Rohstoffversorgung bestehender Anlagen,
die auf landwirtschaftliche Ressourcen angewiesen sind zur Gänze durch Importe.
35
Da sich die Wärmeerlöse aus der Höhe der Referenz-Wärmepreise ergeben, ist das
Energiepreisniveau auch für über Einspeisetarife geförderte KWK-Anlagen nicht gänzlich irrelevant.
114

115
ALPot
Basis von Importen oder durch fortgeschrittene Konversionsverfahren aus Ligno-Zellulose
bereitgestellt werden, wird nicht zuletzt auch von den politischen Rahmenbedingungen
abhängen (insbesondere in Bezug auf die Ausgestaltung der Nachhaltigkeitskriterien der EU
bzw. die Zertifizierung biogener Energieträger).
Anteil am Gesamtenergiebedarf [%]
40
35
30
25
20
15
10
5
Current Policy - Preisniveau 2006
Simulation
0
2000 2005 2010 2015 2020 2025 2030
Wärme
Primärenergie
Strom
Kraftstoffe
Konv. Ackerfr. Biogas-Pfl. Ligno-Zellulose-Pfl. keine lw. Biomasse
Abbildung 8-11: Simulationsergebnisse der Current Policy-Niveau 2006-Szenarien (2-1a bis
2-1d): Anteil von biogenen Energieträgern am Wärme-, Strom und Kraftstoffbedarf sowie am
Primärenergiebedarf 36
Quelle: Modell SimBioSe (Energy Economics Group, TU Wien)
Die Entwicklung bei Kleinfeuerungsanlagen ist in allen „Niveau 2006-Szenarien“ ähnlich: Bis
etwa 2020 kommt es zu einem deutlichen Ausbau in der Kategorie 50 kW, danach zu einem
sukzessiven Rückgang, dessen Ursache wie bereits in den No Policy-Szenarien in der
Wärmebedarfsstruktur begründet liegt. Für eine stärkere Durchdringung der niedrigeren
Leistungskategorien reicht die unterstellte Investitionsförderung von 20% also nicht aus, was
zum Teil auf die preissteigernden Effekte der zunehmenden Kraftstofferzeugung aus Ligno-
Zellulose zurückzuführen ist.
8.3.2.2 Current Policy – Preisszenario „FAO/Primes“
In Abbildung 8-13 ist exemplarisch die Energieerzeugung im Szenario Current Policy – FAO-
Primes im Detail dargestellt. Es zeigt sich, dass der Anstieg des Biomasseanteils im
Wärmesektor in erster Linie auf eine starke Diffusion von Biomasse-Kleinfeuerungsanlagen
zurückgeht. Im Bereich der biogenen Kraftstoffe zeigt sich der bereits erwähnte Übergang zu
gasförmigen Energieträgern (in diesem Szenario synthetisches Erdgas), da diese unter den
unterstellten Rahmenbedingungen die kostengünstigere Variante zur Erfüllung der
vorgegebenen Quote darstellen.
36
Das temporäre Überschreiten der 10%-Quoten im Jahr 2021 ist auf die technologiespezifischen
minimalen Anlagengrößen zurückzuführen.

Modellierung des Bioenergiesektors – Szenarien der Biomassenutzung bis 2030
Anteil am Gesamtenergiebedarf [%]
35
30
25
20
15
10
5
Current Policy - Preisszenario FAO/Primes
Simulation
0
2000 2005 2010 2015 2020 2025 2030
116
Wärme
Primärenergie
Strom
Konv. Ackerfr. Biogas-Pfl. Ligno-Zellulose-Pfl. keine lw. Biomasse
Kraftstoffe
Abbildung 8-12: Simulationsergebnisse der Current Policy-FAO/Primes-Szenarien (2-2a bis
2-2d): Anteil von biogenen Energieträgern am Wärme-, Strom und Kraftstoffbedarf sowie am
Primärenergiebedarf
Quelle: Modell SimBioSe (Energy Economics Group, TU Wien)
Energie-Ouput [GWh therm./el./chem]
60.000
50.000
40.000
30.000
20.000
10.000
0
Current Policy - FAO-Primes
Förderschwerpunkt Lignozellulose
2000 2005 2010 2015 2020 2025 2030
Gasförmige Kraftstoffe
Flüssige Kraftstoffe
Strom > 5 MWel
Strom 1- 5 MWel
Strom < 1 MWel
Prozeßwärme
Nahwärme 5 MW
Nahwärme 2 MW
Nahwärme 0.5 MW
Scheitholzkessel 50 kW
Scheitholzkessel 25 kW
Scheitholzkessel 12 kW
Scheitholzöfen 8 kW
sonst.Heizanlagen 50 kW
sonst.Heizanlagen 25 kW
sonst.Heizanlagen 12 kW
sonst.Kaminöfen 8 kW
Abbildung 8-13: Simulationsergebnis des Current Policy-FAO/Primes-Szenarios mit
Förderschwerpunkt Ligno-Zellulose (Szenario 2-2d): Energieoutput der Bioenergie-Anlagen
Quelle: Modell SimBioSe (Energy Economics Group, TU Wien)
Abbildung 8-14 zeigt die Zeitreihen der Einsparung fossiler Energieträger und der
Treibhausgasemissionen, die durch die gesamte energetische Biomassenutzung in den
FAO/Primes-Szenarien erzielt wird. Durch die Nutzung landwirtschaftlicher Biomasse werden
im Szenario Ligno-Zellulose im Jahr 2020 zusätzliche Einsparungen an fossilen
Energieträgern in der Höhe von 15 TWh erzielt. In den Szenarien Biogas und konventionelle
Ackerfrüchte belaufen sie sich auf ca. 10 bzw. 7,3 TWh. Die zusätzlichen THG-Einsparungen
belaufen sich im Jahr 2020 auf 3 (Ligno-Zellulose), 1,43 (Biogas) bzw. 1,72 Mt CO2-Äqu.
(konventionelle Ackerfrüchte). Bis zum Jahr 2030 kommt es nur im Ligno-Zellulose-Szenario
zu einem weiteren signifikanten Anstieg der zusätzlichen Einsparungen (ca. 27 TWh bzw.
5,7 Mt CO2-Äqu. gegenüber dem Szenario ohne Nutzung landwirtschaftlicher Biomasse).
Allerdings kommt es im Ligno-Zellulose-Szenario auch zur mit Abstand höchsten Ausweitung
der Energiepflanzen-Flächen: Diese belaufen sich 2020 auf ca. 300.000 ha und 2030 über

117
ALPot
600.000 ha, während sie in den anderen Szenarien bei den beiden anderen Szenarien im
Zeitraum 2020 bis 2030 relativ konstant bei unter 250.000 ha liegen. Auch die Förderkosten
sind im Ligno-Zellulose-Szenario am höchsten, wenn auch nur geringfügig höher als im
Biogas-Szenario. 37 Ob eine derartige Ausweitung der Energiepflanzenflächen überhaupt
politisch bzw. gesellschaftlich erwünscht ist, sei hier dahingestellt.
Was sich unabhängig davon aus den Simulationsergebnissen ableiten lässt, ist dass im Falle
eines deutlichen Preisanstiegs bei fossilen Energieträgern (Preisszenario FAO/Primes)
sowie unter der Annahme, dass die energiepolitischen Förderinstrumente im Wesentlichen
beibehalten werden, Kurzumtriebsplantagen die aussichtsreichste Option der Energieträgerproduktion
auf Ackerflächen darstellt. Der Hauptgrund dafür liegt in der steigenden
Wirtschaftlichkeit der Wärmeerzeugung aus Biomasse, die im Ligno-Zellulose-Rohstoffszenario
am weitaus stärksten ausgebaut werden kann.
Zum Biogas-Szenario ist zu sagen, dass ein recht vielversprechender Nutzungspfad, nämlich
die der Aufbereitung und Einspeisung im Current Policy-Szenario nicht forciert wird, da auf
energiepolitischer Ebene bis dato keine klaren Rahmen- und Förderbedingungen geschaffen
wurden. (Die Effizienz einer Schwerpunktsetzung auf diesen Nutzungspfad wird im
folgenden Abschnitt analysiert.) Ein wesentlicher Vorteil eines Biogas-Schwerpunktes wäre,
dass eine gute Anlagen-Infrastruktur auch eine umfangreiche Nutzung diverser biogener
Reststoffe (neben landwirtschaftlichen Pflanzenresten auch Biomüll oder Reststoffe der
Nahrungsmittelindustrie) ermöglichen würde, die bei wenigen Anlagen aufgrund der
Transportentfernungen kaum realisierbar ist.
Wesentliche Vorteile einer Fokussierung auf konventionelle Energiepflanzen gingen aus den
bisherigen Betrachtungen nicht hervor: In diesem Fall ist eine weitaus geringere Umstellung
der landwirtschaftlichen Produktion und kaum Initiative von Seiten der Landwirte erforderlich,
und es können die bestehenden Biodieselanlagen in höherem Maße mit inländischer
Biomasse versorgt werden (wobei der Importbedarf an Pflanzenöl auch in diesem Szenario
weit über der inländischen Produktion liegt).
Ein nicht zu vernachlässigende Aspekt, der aus den Abbildungen nicht hervorgeht, ist die
Tatsache, dass im Rohstoffszenario Konventionelle Ackerfrüchte bei der Produktion von
Biodiesel und Ethanol signifikante Mengen an Nebenprodukten anfallen. Im Preisszenario
FAO/Primes belaufen sich diese im Jahr 2020 auf 140.000 t Ölschrot 38 und 350.000 t DDGS.
Damit könnten auf Futterwertbasis mehr als 50% des derzeitigen Importbedarfs an
Eiweißfuttermittel ersetzt werden (BMLFUW, 2010 und Url et al. 2005). Bis 2030 kommt es
bei DDGS zu einem weiteren Anstieg um ca. 20%. Im Preisszenario Niveau 2006 fallen etwa
um 30% weniger Futtermittel an, da aufgrund der geringeren Ausschöpfung der
Holzpotenziale (und dem damit verbundenen niedrigeren Preisniveau) die Erfüllung der
Kraftstoffquote zu einem höheren Anteil mit Kraftstoffen der 2.Generation erfolgt.
37
Da zum einen die bestehenden Förderinstrumente in den Sektoren Strom, Wärme und Kraftstoffe
unterschiedlich effizient sind, und zum anderen die verschiedenen Energiepflanzen in
unterschiedlichen Sektoren eingesetzt werden, würde ein direkter Vergleich der Förderkosten eine
Diskussion der Effizienz der verschiedenen Förderinstrumente erforderlich machen, was hier nicht
möglich ist.
38
Basierend auf der inländischen Produktion an Ölsaaten. Es wird davon ausgegangen, dass auch
weiterhin zur Deckung der Versorgungslücke von Biodieselanlagen in erster Linie Pflanzenöl, und
nicht Ölsaaten importiert werden.

Modellierung des Bioenergiesektors – Szenarien der Biomassenutzung bis 2030
Einsparung fossiler ET [GWh]
90.000
80.000
70.000
60.000
50.000
40.000
30.000
20.000
10.000
Current Policy - Preisszenario FAO/Primes
Simulation
0
0
2000 2005 2010 2015 2020 2025 2030
Einsparung fossiler ET Treibhausgaseinsparung
118
30
25
20
15
10
5
Treibhausgaseinsparung [Mt CO 2-Äqu.]
Ligno-Zellulose
Konv. Ackerfrüchte
Biogas-Pflanzen
keine lw. Biomasse
Abbildung 8-14: Simulationsergebnis der Current Policy-FAO/Primes-Szenarien (2-2a bis
2-2d): Treibhausgaseinsparung und Einsparung fossiler Energieträger bei verschiedenen
Förderschwerpunkten
Nicht energetische Nebenprodukte (Futtermittel) sind hier nicht berücksichtigt.
Quelle: Modell SimBioSe (Energy Economics Group, TU Wien)
8.3.3 Spezifische Förderszenarien
Während in den vorigen Kapiteln Szenarien unter der Annahme keiner energiepolitischen
Einflussnahme (No Policy) bzw. den derzeitigen Förderinstrumenten (Current Policy)
dargestellt wurden, stehen in diesem Abschnitt die Effekte unterschiedlicher (fiktiver)
Förderniveaus im Vordergrund. Konkret wird der Zusammenhang zwischen (Förder-)Kosten
und Nutzen (THG-Einsparung und Einsparung fossiler Energieträger) bei verschiedenen
technologischen, nutzungs- und rohstoffseitigen Schwerpunktsetzungen analysiert. Im
Folgenden werden spezifische Förderszenarien für den Verkehrssektor und Wärme
dargestellt. 39
8.3.3.1 Biogene Kraftstoffe
Dass der Einsatz von Biomasse im Wärme und/oder Stromsektor hinsichtlich der Kosten der
Treibhausgaseinsparung bzw. der Substitution fossiler Energieträger im Allgemeinen deutlich
günstiger ist als im Verkehrssektor wurde bereits in Kranz et al. 2008 bzw. Kalt et al. 2010
gezeigt. Nichtsdestotrotz stellt die Erhöhung des Anteils erneuerbarer Energie im
Verkehrssektor einen Schwerpunkt der europäischen Energiepolitik dar. Derzeit basiert die
Produktion biogener Kraftstoffe in Österreich in erster Linie auf importierten Rohstoffen
(siehe Kapitel 2.3.3). Mit einer Ausweitung der Energiepflanzenproduktion könnte ein
signifikanter Anteil des Kraftstoffbedarfs mit heimischen Rohstoffen gedeckt werden. Es stellt
sich diesbezüglich die Frage, welche Art von Rohstoffen bzw. welche Technologien
längerfristig (bis 2030) zu bevorzugen sind. (Eine alternative Nutzung der biogenen
Energieträger zur Wärme und/oder Stromerzeugung ist hier explizit ausgeklammert.)
39 Die spezifischen Förderszenarien haben in erster Linie illustrativen Charakter, da derart extreme
Schwerpunktsetzungen bei der Förderung von Bioenergie weder realistisch sind, noch sinnvoll wären
(siehe Abschnitt 8.3.5). Auf eine Darstellung der spezifischen Förderszenarien „Stromerzeugung“
wurde verzichtet, da nach Ansicht der Autoren die Datenbasis zu nachfrageseitigen KWK-Potenzialen
für eine Detailanalyse nicht ausreichend fundiert ist.

119
ALPot
Zur Untersuchung dieser Fragestellung wurden ausgehend vom No Policy-Szenario
(Preisszenario FAO/Primes) für jedes Rohstoffszenario mehrere Simulationen durchgeführt,
wobei die Förderhöhe sukzessive erhöht, und die resultierenden Förderkosten, THG-
Einsparung und Einsparung fossiler Energieträger gegenübergestellt. 40 In Abbildung 8-15
und 8-16 sind die Ergebnisse dargestellt: Jeder Kreis repräsentiert dabei das
Simulationsergebnis eines Szenarios zum Zeitpunkt 2030. Die Position gibt Auskunft über
die anfallenden Förderkosten (in Millionen €/a) und die erzielte THG-Einsparung (in Mt CO2-
Äqu./a, Abb. 8-15) bzw. Einsparung an fossilen Energieträgern (in GWh/a, Abb. 8-16). Die
Datenbeschriftungen und die Größe der Markierungen geben Auskunft über den
Ackerflächenbedarf (in 1.000 . Neben den drei Rohstoffszenarien wurde im Fall von Ligno-
Zellulose zwischen einem Szenario mit ausschließlich gasförmigen („SNG-Szenario“), und
einem mit ausschließlich flüssigen Kraftstoffen unterschieden. 41
Neben Energiepflanzen ist auch Getreidestroh als Rohstoff für die Produktion von flüssigen
oder gasförmigen Kraftstoffen der 2.Generation berücksichtigt, wobei wie in Abschnitt 7.3
erwähnt, von einem energetisch nutzbaren Anteil von 30% ausgegangen wurde. Aufgrund
der Verdrängung der Getreideanbauflächen geht das Strohaufkommen in den
Förderschwerpunkten Biogas und Ligno-Zellulose gegenüber dem Förderschwerpunkt
konventionelle Energiepflanzen deutlich zurück; ein Effekt, der sich in den
Simulationsergebnissen (insbesondere hinsichtlich des Ackerflächenbedarfs) deutlich
niederschlägt. Die Produktion von Kraftstoffen aus Stroh (FT-Diesel, SNG, Ethanol) wird
nämlich aufgrund der niedrigen Rohstoffkosten bereits bei geringen Förderniveaus
wirtschaftlich, und ermöglicht im Förderschwerpunkt konventionelle Energiepflanzen
insbesondere bei niedrigen Förderkosten eine verhältnismäßig gute Performance.
Abbildung 8-15 zeigt, dass zwischen den verschiedenen Schwerpunkten zum Teil deutliche
Unterschiede hinsichtlich der Kosten-Nutzen-Relation bestehen. Mit Kraftstoffen der
2.Generation, und insbesondere im SNG-Szenario, werden bei geringeren Förderkosten
deutlich höhere Treibhausgaseinsparungen erzielt. Die Rohstoffszenarien Biogas und
Konventionelle Energiepflanzen zeigen hinsichtlich der Relation Förderkosten/THG-
Einsparung sehr ähnliche Ergebnisse, hinsichtlich des Ackerflächenbedarfs ist Biogas jedoch
aufgrund der höheren Flächenerträge bei höheren Förderniveaus überlegen. Generell
ergeben sich diese Ergebnisse aus den spezifischen THG-Bilanzen (siehe Abschnitt 8.2.3)
und den Strukturen der Erzeugungskosten (siehe Abschnitt 4.2.4) sowie aus den Biomasse-
Angebotskurven (siehe Abschnitt 7.3).
Aus Abbildung 8-15 ist ersichtlich, dass die Kosten der Treibhausgaseinsparung durch
biogene Kraftstoffe in hohem Maß von der Wahl der Rohstoffe bzw. Umwandlungstechnologien,
aber auch von der energiepolitischen Zielsetzung bzw. dem Förderniveau
abhängen. 42 Schließlich werden entsprechend der Angebotskurven zunächst die günstigeren
Rohstoffpotenziale, und mit Erhöhung des Förderniveaus auch zunehmend teurere
Rohstoffe eingesetzt. Im SNG-Szenario belaufen sich die Kosten der THG-Einsparung
beispielsweise bei einem Anteil biogener Kraftstoffe in der Höhe von 3,7% (Prämie:
10 €/MWh) auf etwa 50 €/t CO2-Äqu. und bei einem Anteil von über 20% (Prämie:
40
Konkret wurden Förderungen in Form von Prämien auf die Produktion von biogenen Kraftstoffen
simuliert, wobei die Prämie ausgehend von 0 €/MWh (No Policy) schrittweise solange erhöht wurde,
bis im Jahr 2030 mehr als 400.000 ha für Energiepflanzen zur Kraftstoffproduktion eingesetzt werden,
bzw. eine nachfragebedingte Sättigung im Ausbau erreicht wird.
41
Werden beide Optionen (flüssige und gasförmige Kraftstoffe) zugelassen, kommt es aufgrund der
besseren Wirtschaftlichkeit ausschließlich zur Produktion von gasförmigen Kraftstoffen, sofern keine
nachfrageseitigen Potenziale zum Tragen kommen. Da die Berücksichtigung von Szenarien des
Fahrzeugbestandes zu weit führen würde, werden daher die „Extremszenarien“ mit ausschließlich
flüssigen/gasförmigen Kraftstoffen analysiert.
42
Nachdem zur deren Berechnung die erforderlichen Förderkosten herangezogen werden, sind diese
als Treibhausgaseinsparungskosten aus staatlicher Sicht zu verstehen.

Modellierung des Bioenergiesektors – Szenarien der Biomassenutzung bis 2030
25 €/MWh) auf 120 €/t CO2-Äqu. Im Fall von Biomethan belaufen sie sich hingegen bei
einem Anteil von 3,7% (Prämie: 10 €/MWh) auf 67 €/ t CO2-Äqu. und bei einem Anteil von
gut 10% (Prämie: 30 €/MWh) auf 200 €/ t CO2-Äqu. 43
Da die in EC (2009) angegebenen Daten zur THG-Bilanz von Biogas deutlich günstiger sind,
als die im Modell SimBioSe standardmäßig verwendeten Werte, wurde dazu eine
Sensitivitätsanalyse durchgeführt (siehe Abschnitt 8.3.4).
Hinsichtlich der Einsparung fossiler Energieträger (Abbildung 8-16) zeigen flüssige
Kraftstoffe der 2.Generation nahezu dieselbe Kosten-Nutzen-Relation wie jene der ersten
Generation und Biomethan, der Flächenbedarf zur Erreichung einer bestimmten Einsparung
ist jedoch tendenziell höher. Dies ist einerseits auf die relativ niedrigen
Konversionswirkungsgrade bei der Produktion flüssiger Kraftstoffe der 2.Generation,
andererseits auf das höhere Strohpotenzial zurückzuführen. Bei höheren Förderniveaus bzw.
Zielsetzungen bleibt aber auch in der Betrachtung SNG deutlich überlegen.
Treibhasugaseinsparung [Mt CO2-Äqu.]
4,0
3,5
3,0
2,5
2,0
1,5
1,0
0,5
0,0
74
239
209
77
78 118
407
384
293
246
206
2030
120
591
588
375 440
303
0 100 200 300 400 500 600 700
Förderkosten [M€]
Abbildung 8-15: Simulationsergebnisse der spezifischen Förderszenarien „Biogene Kraftstoffe“
(Szenarien 3-1a bis 3-1d) 44 : Förderkosten vs. Treibhausgaseinsparung im Jahr 2030
Datenbeschriftungen und Größe der Markierungen: Ackerflächenbedarf in 1.000 ha
Quelle: Modell SimBioSe (Energy Economics Group, TU Wien)
427
Ligno-Zellulose (gasförm.Kraftstoffe)
Ligno-Zellulose (flüssige Kraftstoffe)
Konventionelle Energiepflanzen
Biogas
43
Hier allerdings nicht berücksichtigt sind allfällige Kosten, die bei der Verteilung bzw. Vermarktung
des Kraftstoffes anfallen. Es ist davon auszugehen, dass sich diese bei Biomethan (das in
vergleichsweise kleinen, dezentralen Anlagen erzeugt wird) und SNG mitunter deutlich unterscheiden.
44
Nebenprodukte aus der Produktion biogener Kraftstoffe der ersten Generation sind hier nicht
berücksichtigt. In Abschnitt 8.3.4.3 wird gezeigt, wie sich eine Berücksichtigung von Nebenprodukten
in Form von Flächengutschriften auf die Ergebnisse der Szenarien konventionelle Ackerfrüchte
auswirkt.

Einsparung fossiler Energieträger
[GWh/a]
25.000
20.000
15.000
10.000
5.000
0
239
78
209
118
2030
121
591
427
407
588
303
440
293246 206
375
384 Ligno-Zellulose (gasförm.Kraftstoffe)
Ligno-Zellulose (flüssige Kraftstoffe)
Konventionelle Energiepflanzen
Biogas
0 100 200 300 400 500 600 700
Förderkosten [M€]
Abbildung 8-16: Simulationsergebnisse der spezifischen Förderszenarien „Biogene Kraftstoffe“
(Szenarien 3-1a bis 3-1d) 45 : Förderkosten vs. Einsparung fossiler Energieträger im
Jahr 2030
Datenbeschriftungen und Größe der Markierungen: Ackerflächenbedarf in 1.000 ha
Quelle: Modell SimBioSe (Energy Economics Group, TU Wien)
8.3.3.2 Wärmeerzeugung
ALPot
Auch im Wärmesektor kann der Anteil von Biomasse mithilfe verschiedener
landwirtschaftlicher Rohstoff- und Technologiepfade erhöht werden. Neben der Nutzung von
Festbrennstoffen (in erster Linie Hackgut und Pellets aus Kurzumtriebsholz) besteht im
Rohstoffszenario Ligno-Zellulose die Möglichkeit der Vergasung und anschließender
Einspeisung des Synthesegases. Ebenso kann aufbereitetes Biogas in Gasnetze
eingespeist, und damit Erdgas ersetzt werden (Rohstoffszenario Biogas). Bei
konventionellen Energiepflanzen kommen die Verfeuerung von Getreide und Pflanzenöl in
Frage. Außerdem ermöglicht die im Vergleich zu den anderen Rohstoffszenarien höhere
Getreideproduktion eine zusätzliche energetische Nutzung von Stroh.
Wie im spezifischen Förderszenario „Biogene Kraftstoffe“ erfolgt auch hier eine sukzessive
Erhöhung der Förderniveaus über eine fiktive Prämie den Output von Bioenergieanlagen.
Wie bereits aus den Current Policy-Szenarien hervorgegangen ist, spielen im Bereich der
Wärmeerzeugung die nachfrageseitigen Potenziale (d.h. die Struktur des Wärmebedarfs)
eine wesentliche Rolle, da einerseits die möglichen Einsatzbereiche von Biomassekesseln
beschränkt sind, und andererseits deren Wirtschaftlichkeit im Vergleich zu Öl-/Gaskesseln
stark vom Leistungsbereich abhängt. Da ein Großteil der nachfrageseitigen
Wärmepotenziale mit „nicht-landwirtschaftlicher“ Biomasse gedeckt wird, kommt es zu einer
weiteren Reduktion der nachfrageseitigen Potenziale für Wärme aus Biomassekesseln. Für
die hier folgenden Szenarien wurden die nachfrageseitigen Wärmepotenziale um die in den
Current Policy Szenarien durch „nicht-landwirtschaftliche“ Biomasse gedeckte
Wärmenachfrage reduziert.
45 Da bei der hier dargestellten Einsparung fossiler Energieträger die bei der Produktion biogener
Energieträger benötigte fossile Energie berücksichtigt ist, und sich diese je nach Rohstofftyp zum Teil
deutlich voneinander unterscheiden (siehe Abb. 8-4), ist die Einsparung nicht direkt proportional dem
erzielten Anteil biogener Kraftstoffe am gesamten Kraftstoffbedarf.

Modellierung des Bioenergiesektors – Szenarien der Biomassenutzung bis 2030
Mit der Erzeugung von Biomethan bzw. SNG und Einspeisung in Erdgasnetze können
weitaus größere nachfrageseitige Potenziale erschlossen werden, da damit unter Nutzung
bestehender Infrastrukturen und Heizanlagen insbesondere auch der Wärmebedarf in
urbanen Gebieten erschlossen werden kann. 46
Die Abbildungen 8-17 und 8-18 zeigen die Ergebnisse der Förderszenarien
Wärmeerzeugung. Es zeigt sich, dass im Rohstoffszenario Ligno-Zellulose mit Nutzung der
Biomasse als Festbrennstoff die niedrigsten durchschnittlichen Kosten der THG-Einsparung
anfallen. Allerdings zeigt sich auch eine sukzessive Abflachung der (gedachten) Trendlinie
zwischen den verschiedenen Förderniveaus, die daraus resultiert, dass die
nachfrageseitigen Potenziale begrenzt sind, und die Kosten der Treibhausgaseinsparung
stark davon abhängen, in welchem Leistungsbereich der Ausbau erfolgt. Selbst beim
höchsten Förderniveau liegen sie jedoch noch deutlich unter den im vorigen Kapitel im
Bereich der Mobilität ermittelten Förderkosten (vgl. Abb. 8-15).
Bei den SNG-Szenarien kommt es zu keiner derartigen, durch die Struktur der Nachfrage
bedingte Abflachung. Die Abflachung bei der Trendlinie der Biogas-Szenarien resultiert aus
den Rohstoff-Angebotskurven. Bei den Szenarien mit konventionellen Ackerfrüchten kommt
es ab Förderkosten von ca. 250 M€ zu keinem weiteren Ausbau mehr, da die Potenziale der
zur Wärmeerzeugung in Frage kommenden Rohstoffe ausgeschöpft sind.
Treibhasugaseinsparung [Mt CO2-Äqu.]
4,0
3,5
3,0
2,5
196
136
77
227
2,0
1,5
239
131
1,0 110
118
74 78
0,5 43
0,0
291
407
324
141 153 153
246
206
2030
0 100 200 300 400 500 600 700
303
591
Förderkosten [M€]
122
427
Ligno-Zellulose - Festbrennstoffe
Ligno-Zellulose - Vergasung & Einspeisung
Konventionelle Ackerfrüchte
Biogaseinspeisung
Abbildung 8-17: Simulationsergebnisse der spezifischen Förderszenarien „Wärmeerzeugung“
(Szenarien 3-2a bis 3-2d): Förderkosten vs. Treibhausgaseinsparung im Jahr 2030
Datenbeschriftungen und Größe der Markierungen: Ackerflächenbedarf in 1.000 ha
Quelle: Modell SimBioSe (Energy Economics Group, TU Wien)
Hinsichtlich der Einsparung fossiler Energieträger (Abb. 8-18) ergeben sich geringere
Unterschiede zwischen den verschiedenen Rohstoffszenarien, und die beiden Pfade mit
Substitution von Erdgas schneiden tendenziell besser ab als im Vergleich der
Treibhausgaseinsparungen. Auch hier zeigt sich (insbesondere auch bei einem Vergleich mit
46 Die Standortwahl spielt bei diesen Anlagen eine wesentliche Rolle, da einerseits ein günstiger
Anschluss an das Gasnetze, und andererseits eine günstige Rohstoffversorgung gewährleistet
werden muss. Insbesondere bei Biomethananlagen muss davon ausgegangen werden, dass beide
Anforderungen mitunter schwer zu erfüllen sind, da die Energiedichte von Biogassubstraten sehr
gering ist, was hohe spezifische Transportkosten zur Folge hat. Diese Problematik ist hier explizit nicht
berücksichtigt.

123
ALPot
der im vorigen Kapitel dargestellten Abb. 8-16) dass die Wärmeerzeugung mit
Festbrennstoffen der zu favorisierende Nutzungspfad ist.
Einsparung fossiler Energieträger
[GWh/a]
25.000
20.000
15.000
196
136
77
227
239
131
110
78 118
10.000
5.000
0
291
324
407
2030
246
141
153 153
206
0 100 200 300 400 500 600 700
Förderkosten [M€]
303
591
427
Ligno-Zellulose - Festbrennstoffe
Ligno-Zellulose - Vergasung & Einspeisung
Konventionelle Energiepflanzen
Biogaseinspeisung
Abbildung 8-18: Simulationsergebnisse der spezifischen Förderszenarien „Wärmeerzeugung“
(Szenarien 3-2a bis 3-2d): Förderkosten vs. Einsparung fossiler Energieträger im Jahr 2030
Datenbeschriftungen und Größe der Markierungen: Ackerflächenbedarf in 1.000 ha
Quelle: Modell SimBioSe (Energy Economics Group, TU Wien)
8.3.4 Varianten
Im Folgenden werden Varianten der in den vorigen Kapiteln dargestellten Szenarien
beschrieben. Die Intention liegt dabei einerseits auf der Veranschaulichung von
Datenunsicherheiten (zukünftige Entwicklung der Flächenerträge, Treibhausgasbilanz von
Biogas) und Interpretationsspielräumen bzw. dem Einfluss methodischer Ansätze
(Flächengutschriften für Nebenprodukte).
8.3.4.1 Steigerung der Flächenerträge
In den letzten Jahrzehnten ist es bei den meisten Ackerfrüchten durch Züchtungsfortschritte
und dem verstärkten Einsatz von Kunstdünger und Pflanzenschutzmittel zu einer
signifikanten Steigerung der Flächenerträge gekommen. Abschätzungen der zukünftigen
Ertragsentwicklung in der Literatur weisen eine große Bandbreite auf. Im Allgemeinen wird
jedoch davon ausgegangen, dass insbesondere bei Mais und „neuen“ Energiepflanzen, wie
schnellwachsenden Baumarten oder Miscanthus eine deutliche Steigerung der Erträge
möglich ist. Beispielsweise wird in EEA (2006) davon ausgegangen, dass bei diesen
Pflanzen im Zeitraum 2010 bis 2020 eine Ertragssteigerung von 1,5% pro Jahr und im
Zeitraum 2020 bis 2030 um 2% pro Jahr möglich ist. Selbst für traditionelle Ackerfürchte wird
in dieser Studie von weiteren Ertragssteigerungen in der Höhe von 1 bis 1,5% pro Jahr
ausgegangen. In DBFZ (2009) werden auf Basis von KTBL (2006) folgenden
Ertragssteigerungen bis 2020 unterstellt: Silomais 3%/a, Getreide-Ganzpflanzen, Raps und
Zuckerrübe 0,6%/a, Zwischenfrüchte und Miscanthus 2%/a, Kurzumtriebsholz 2,5%/a.
Im agrarischen Modellcluster bzw. den daraus abgeleiteten Angebotskurven wurde
standardmäßig davon ausgegangen, dass es zu keinen Steigerungen bei den
Flächenerträgen kommt. In den im Folgenden dargestellten Varianten der Current Policy-

Modellierung des Bioenergiesektors – Szenarien der Biomassenutzung bis 2030
Szenarien wird der Effekt möglicher Ertragssteigerungen dargestellt. Konkret wurden in
Anlehnung an die oben genannten Studien die Annahme getroffen, dass die Erträge bei
Biogas- und Ligno-Zellulose-Pflanzen im Zeitraum 2010 bis 2030 um 2% und jene von
konventionellen Ackerfrüchten um 1% pro Jahr steigen. Die flächenbezogenen
Bereitstellungskosten wurden als konstant angenommen, was eine Reduktion der
Rohstoffkosten zur Folge hat. 47
Es zeigt sich, dass sich die Effekte der steigenden Erträge zwar bis etwa 2020 kaum in den
Ergebnisse niederschlagen, danach allerdings durchaus relevant werden. In Abbildung 8-19
sind die Ergebnisse dieser Varianten für das Jahr 2030 anhand der Biomasse-Anteile im
Vergleich zu den jeweiligen Current Policy-Szenarien ohne Ertragssteigerungen dargestellt.
Insbesondere im Biogas- und im Ligno-Zellulose-Szenario haben die aufgrund der
steigenden Flächenerträge sinkenden Rohstoffkosten zu Folge, dass die Produktion
biogener Kraftstoffe auch deutlich über die Quote hinaus wirtschaftlich wird.
Aufgrund der Tatsache, dass es im Ligno-Zellulose-Szenario zur höchsten Nutzung
landwirtschaftlicher Biomasse kommt, profitiert dieses Szenario generell am stärksten von
der unterstellten Ertragssteigerung. Der Anteil von Biomasse am Primärenergieverbrauch
steigt hier gegenüber dem Basisszenario um fast 4% (2030).
Anteil am Gesamtenergiebedarf [%]
40
35
30
25
20
15
10
5
0
Primärenergie
Wärme
Strom
Kraftstoffe
Primärenergie
2030
Wärme
Strom
Kraftstoffe
124
Primärenergie
Wärme
Strom
Konventionelle Ackerf. Biogas-Pflanzen Ligno-Zellulose
Kraftstoffe
mit Ertragssteigerung
ohne Ertragssteigerung
Abbildung 8-19: Variante „Steigerung der Flächenerträge“: Gegenüberstellung der
Simulationsergebnisse der Current Policy-FAO/Primes-Szenarien mit und ohne
Ertragssteigerungen im Jahr 2030
Quelle: Modell SimBioSe (Energy Economics Group, TU Wien)
Varianten der Current Policy-Szenarien (Preisszenario FAO-Primes): Annahme von
Ertragssteigerungen in der Höhe von 1% pro Jahr bei konventionellen Ackerfrüchten und 2%
pro Jahr bei Biogas- und Ligno-Zellulose-Pflanzen.
47 Die Auswirkungen der verbesserten Wirtschaftlichkeit von Energiepflanzen auf die Flächenverteilung
wurden dabei nicht berücksichtigt, sondern lediglich die Angebotskurven adaptiert.

8.3.4.2 Treibhausgasbilanz von Biogas
125
ALPot
Wie bereits erwähnt, unterscheiden sich die THG-Bilanzen für Biogas laut EC (2009)
signifikant von den im Modell verwendeten Standardwerten laut Abbildung 8-4. Abbildung 8-
20 zeigt eine Gegenüberstellung der Ergebnisse der im vorigen Abschnitt dargestellten
Biogas-Szenarien unter Zugrundelegen der verschiedenen Datenquellen. Es zeigt sich, dass
die Erhöhung der THG-Einsparung gegenüber dem Basisfall nicht unerheblich ist,
insbesondere weil es damit bei höheren Förderniveaus zu einer deutlich besseren
Performance als im Fall Konventionelle Energiepflanzen kommt.
8.3.4.3 Flächengutschriften für Nebenprodukte
Bei der Erzeugung von Ethanol und Biodiesel fallen Nebenprodukte an, die in erster Linie als
Futtermittel eingesetzt werden (siehe Abschnitt 2.3.3.4). Die zur Produktion von
Energiepflanzen zur Ethanol und Biodieselerzeugung benötigte Fläche darf daher in einer
ganzheitlichen Betrachtung nicht zur Gänze der Kraftstofferzeugung zugerechnet werden.
Unter der Annahme, dass durch die Nebenprodukte Futtermittelimporte substituiert werden,
können die Nebenprodukte über „Flächengutschriften“ berücksichtigt werden. Es wird also
unterstellt, dass durch die Substitution Flächen im ehemaligen Exportland für andere
Nutzungsarten frei werden, und es wird nur der Netto-Mehrbedarf an landwirtschaftlichen
Flächen, der aus der Produktion biogener Kraftstoffe resultiert, ausgewiesen. Zur
Berechnung der Flächengutschriften wird hier davon ausgegangen, dass Sojaschrot-Importe
ersetzt werden, wobei für die Netto-Flächenerträge basierend auf Thomet et al. (2008) ein
Wert von 4,5 t/ha unterstellt wird. Des Weiteren wird der im Vergleich zu Sojaschrot
geringere Futterwert von DDGS berücksichtigt (siehe BMLFUW, 2010).
In Abbildung 8-20 sind die Ergebnisse des spezifischen Förderszenarios Konventionelle
Energiepflanzen mit Berücksichtigung der Flächengutschriften dargestellt. Gegenüber dem
Basisfall ohne deren Berücksichtigung ergibt sich bei den höheren Förderniveaus ein um ca.
35% geringerer „Netto-Flächenbedarf“.
Treibhasugaseinsparung [Mt CO2-Äqu.]
3,0
2,5
2,0
1,5
1,0
0,5
0,0
56
78
118
206
246
186
2030
0 100 200 300 400 500 600 700
303
235
Förderkosten [M€]
275
427
Biogas - THG-Daten lt. GEMIS 4.5
Biogas - THG-Daten lt. EC(2009)28
Konv.Energiepflanzen - ohne Flächengutschriften
Konv.Energiepflanzen - mit Flächengutschriften
Abbildung 8-20: Gegenüberstellung der Varianten „Flächengutschriften für Nebenprodukte“
und „Treibhausgasbilanz von Biogas“ mit dem jeweiligen Ausgangsszenario
Datenbeschriftungen und Größe der Markierungen: Ackerflächenbedarf in 1.000 ha. Die
Datenbeschriftungen zum Szenario „Konventionelle Energiepflanzen“ bezieht sich auf den Fall mit
Flächengutschriften; für jenen ohne Flächengutschriften siehe Abb. 8-15
Quelle: Modell SimBioSe (Energy Economics Group, TU Wien)

Modellierung des Bioenergiesektors – Szenarien der Biomassenutzung bis 2030
Ergebnisse der Detailanalysen „Treibhausgasbilanz von Biogas“ und „Flächengutschriften für
Nebenprodukte“ zum spezifischen Förderszenario „Biogene Kraftstoffe aus
Energiepflanzen“: Gegenüberstellung der Basisfälle mit den Varianten
8.3.4.4 Zwischenfrüchte
Die Nutzung von Zwischenfrüchten wurde in den Simulationen nicht berücksichtigt. Ohne
hier näher auf die ökologischen und agrarischen Aspekte einer energetischen Nutzung von
Zwischenfrüchten einzugehen, wird im Folgenden der potenzielle Beitrag von Zwischenfrüchten
zur österreichischen Energieversorgung dargestellt.
Ausgehen von der in Kapitel 7.2 dargestellten Abschätzung des Flächenpotenzials in der
Höhe von 110.000 ha und durchschnittlichen Methanerträgen in der Höhe von 800 m 3
CH4/ha (siehe Aigner und Sticksel, 2010) ergibt sich ein Rohgaspotenzial von ca. 3,2 PJ/a.
Bei einer vollständigen Nutzung in dezentralen BHKWs mittlerer Leistung könnte damit der
Stromoutput von aus Biogasanlagen in den Current Policy-Biogas-Szenarien um ca. 20%
(Bezugsjahr 2020) gesteigert werden. Der Betrag zur gesamten Stromversorgung beliefe
sich auf unter 0,5%. Bei einer Verwendung als Kraftstoff könnte ca. 1% des Gesamtbedarfs
mit Biomethan aus Zwischenfrüchten gedeckt werden. Zur Wirtschaftlichkeit kann grob
gesagt werden, dass eine Nutzung unter den derzeitigen Bedingungen allenfalls dann
rentabel ist, wenn zusätzlich zu den energiepolitischen Förderungen auch die ÖPUL-Prämie
für Begrünung (160 €/ha für die Varianten A, A1 und C) lukriert werden kann. In diesem Fall
können die Bereitstellungskosten durchaus unter denen von Biogaskulturen als Hauptfrucht
liegen.
Laut Aigner und Sticksel (2010) sind bezüglich der Daten zum Gasertrag aus Zwischenfrüchten
weitere Untersuchungen notwendig, und in der Literatur werden zum Teil erheblich
höhere Trockenmasseerträge angegeben, als die hier unterstellten Werte (siehe z.B.
Klima:Aktiv 2006). Die hier angegebenen Werte zum energetischen Potenzial sind daher
eher als konservative Abschätzungen zu verstehen.
8.3.5 Diskussion
Neben den zum Teil erheblichen Unsicherheiten, die sich insbesondere bei längerfristigen
Betrachtungen ergeben, spielen mitunter auch methodische Ansätze, die Wahl von
Referenzsystemen oder das Berücksichtigen oder Außerachtlassen diverser Aspekte eine
entscheidende Rolle für die sich aus den Ergebnissen ergebenden Schlussfolgerungen. Die
gezeigten Ergebnisse lassen zwar einige robuste Kernaussagen zu (siehe Kapitel 9),
uneingeschränkte gültige Aussagen über bestimmte Nutzungspfade bzw. Förderstrategien
sind jedoch in der Regel nicht möglich.
Die gezeigten Förderszenarien stellen gewissermaßen „Extremszenarien“ dar, anhand derer
die Vor- und Nachteile bestimmter Schwerpunktsetzungen erläutert werden können. Doch
gerade die Vielfalt bzw. die vielseitige Einsetzbarkeit von Bioenergie-Technologien stellt
einen wesentlichen Vorteil gegenüber anderen erneuerbaren Energieträgern dar. Daher
wäre es insbesondere auch hinsichtlich der Unsicherheiten bezüglich des zukünftigen
Energiemixes nicht zu empfehlen, Förderungen bzw. Forschung und Entwicklung auf einen
oder wenige Nutzungspfade zu konzentrieren oder gar zu beschränken. Eine zu
„unspezifische“ Förderpolitik kann insbesondere bei zunehmender Ausschöpfung der
Rohstoffpotenziale jedoch auch kontraproduktiv sein. Daher wird die Festlegung von
spezifischen Förderbedingungen (bezüglich der eingesetzten Rohstoffe, der Anlagenauslegung
oder -effizienz etc.) als zentrales Element einer effizienten Förderpolitik gesehen
(mehr dazu im folgenden Abschnitt).
126

9 Zusammenfassung, Schlussfolgerungen,
Empfehlungen
127
ALPot
Die Nutzung von Biomasse stellt mit einem Anteil von ca. 15% am Bruttoinlandsverbrauch
(2008) die wichtigste Form der erneuerbaren Energiegewinnung in Österreich dar. In den
letzten Jahren kam es zu einem deutlichen Anstieg der energetischen Biomassenutzung, die
nicht zuletzt auch auf eine zunehmende Nutzung landwirtschaftlicher Ressourcen
zurückgeht. Hinsichtlich der energiepolitischen Rahmenbedingungen kann davon
ausgegangen werden, dass die Bedeutung erneuerbarer Energieträger in den nächsten
Jahren bzw. Jahrzehnten weiter zunehmen wird. Hinsichtlich der zukünftigen Rolle
landwirtschaftlicher Biomasse (insbesondere Energiepflanzen inländischer Herkunft) sind
jedoch zahlreiche Fragen offen. Für eine ganzheitliche Bewertung landwirtschaftlicher
Bioenergieerzeugung sind nicht nur ökologische, agrar- und energiewirtschaftliche Aspekte
zu berücksichtigen, sondern auch persönliche Motivationen und Hemmnisse der Landwirte
und ethische geprägte Fragestellungen.
9.1 Zusammenfassung der Ergebnisse
Im Folgenden werden die Ergebnisse zu den Fragestellungen des Projektes sowie weiteren
zentralen Aspekten landwirtschaftlicher Biomasse-/Bioenergieerzeugung zusammengefasst.
Wie ist der derzeitige Beitrag landwirtschaftlicher Biomasse zur österreichischen
Energieversorgung zu bewerten?
Die wichtigsten Beiträge landwirtschaftlicher Biomasse zur österreichischen Energieversorgung
kommen derzeit von biogenen Kraftstoffen im Verkehrssektor und der
Verstromung von Biogas aus Energiepflanzen und landwirtschaftlichen Reststoffen. Deren
Anteile belaufen sich auf 5% des Kraftstoffbedarfs bzw. unter 1% des Strombedarfs (2008),
und sind damit im Vergleich zur gesamten Biomassenutzung, die in erster Linie auf
forstlichen Rohstoffen basiert und in Summe ca. 15% des Primärenergieverbrauchs (2008)
ausmacht, relativ gering. Landwirtschaftliche Festbrennstoffen wie Kurzumtriebsholz,
Miscanthus oder Stroh, sowie die Erzeugung von Biomethan nehmen derzeit eine
vernachlässigbare Stellung im österreichischen Energiesystem ein.
Zum derzeit wichtigsten Beitrag zur Energieversorgung, der Nutzung biogener Kraftstoffe im
Verkehrssektor ist zu sagen, dass diese in erster Linie aus importierten Rohstoffen
hergestellt werden, deren Produktion also kaum inländischen Wertschöpfungseffekte zur
Folge hat. Die Stromerzeugung aus Biogas geht zwar auf inländische Rohstoffe zurück (zum
Importanteil liegen zwar keine Daten vor, er dürfte aber gering sein), die Förderkosten sind
jedoch sehr hoch (siehe E-Control, 2009) und der ökologische Nutzen könnte mit einem
stärkeren Fokus auf Abfälle und Reststoffe deutlich verbessert werden (2007 basierte der
weitaus größte Anteil der Biogaserzeugung auf Mais, und nur etwas mehr als 10% auf
Abfällen und Reststoffen). Änderungen der derzeitigen energiepolitischen Förderungen für
landwirtschaftliche Biomasse/Bioenergie (z.B. höhere Einspeisetarife bei der Nutzung von
Reststoffen) sind daher in Betracht zu ziehen (siehe Abschnitt 9.3).
Inwiefern ist das Entscheidungsverhalten der Landwirte für die Mobilisierbarkeit
landwirtschaftlicher Bioenergie-Potenziale von Bedeutung? Welche Entscheidungstypen
sind zu unterscheiden?
Aus den Interviewergebnissen geht hervor, dass im Wesentlichen zwischen drei
Entscheidungstypen zu unterscheiden ist: Innovative, traditionelle und utilitaristische
Betriebe. Innovative Betriebe stellen nach Einschätzung der Befragten die kleinste Gruppe

Zusammenfassung, Schlussfolgerungen, Empfehlungen
dar (5 bis 10% aller Betriebe in Österreich). Sie zeichnen sich durch eine hohe Bereitschaft,
Neues auszuprobieren aus, selbst wenn dies mit einem gewissen Risiko verbunden ist.
Sofern innovative Betriebsführer von der Sinnhaftigkeit überzeugt sind, sind diese Betriebe
am leichtesten (d.h. ohne bzw. mit geringen finanziellen Anreizen) zur landwirtschaftlichen
Energieerzeugung zu bewegen.
Das Entscheidungsverhalten traditioneller Betriebe, die etwa 75 bis 80% aller Betriebe
ausmachen, hängt im Wesentlichen vom Produktions- und Erwerbstyp sowie von der
Einkommenssituation ab. Betriebe mit Tierhaltung haben oft nicht die Möglichkeit
landwirtschaftliche Flächen für die Energieträgerproduktion bereitzustellen, da diese Flächen
für die Viehzucht benötigt werden. Sollte aus wirtschaftlichen oder sonstigen Gründen die
Tierhaltung aufgegeben werden, stellt die Energieträgerproduktion jedoch eine attraktive
Alternative dar. Traditionelle Marktfruchtbetriebe hingegen sind weitaus flexibler und können
auch kurzfristig auf Energieträgerproduktion umsteigen, sofern dies mit einem höheren
Deckungsbeitrag verbunden ist. Gemischte Betriebe, die häufig auch über Waldflächen
verfügen, zeichnen sich nach Einschätzung der Interviewpartner durch die höchste
Bereitschaft zur Bewirtschaftung von Kurzumtriebsflächen aus.
Für utilitaristisch entscheidende Betriebe stehen Preis- und Markterwartung im Vordergrund.
Im Gegensatz zu traditionellen Betrieben haben bei utilitaristischen Betrieben Förderungen
für die Energieträgerproduktion keinen so bedeutenden Einfluss auf das
Entscheidungsverhalten, da für sie längerfristige Marktentwicklungen entscheidend sind.
Welche Einflussfaktoren spielen für eine Entscheidung für oder gegen die Produktion
von Energie bzw. Energieträgern eine Rolle?
Sowohl bei den hemmenden, als auch bei den begünstigenden Faktoren kann zwischen
persönlichen, betriebsinternen, externen und naturräumlichen Faktoren unterschieden
werden. Zu den persönlichen Faktoren zählen beispielsweise die Risikobereitschaft,
persönliche Präferenzen und Wertehaltungen oder persönliche Erfahrungen. Betriebsinterne
Faktoren spiegeln die Lage des Betriebes wider, beispielsweise die Verfügbarkeit freier
Flächen, Flexibilität hinsichtlich Flächennutzungsoptionen (z.B. Erfordernis einer
längerfristigen Flächennutzungsbindung), Liquidität oder die Höhe kürzlich getätigter oder
bevorstehender Investitionen. Unter externe Faktoren fallen beispielsweise Förderungen,
Abnahmeverträge (Preisgestaltung, Bindungsdauer, etc.), Zahlungskonditionen und
Marktpreise. Die naturräumlichen Gegebenheiten bzw. die Eignung verschiedener
Energiepflanzen für die zur Verfügung stehenden Flächen können unter „naturräumlichen
Faktoren“ zusammengefasst werden.
Welchen Anteil der Flächen würden österreichische Landwirte eventuell für
Energieproduktion bereitstellen?
Die Ergebnisse zeigen die bei verschiedenen wirtschaftlichen Rahmenbedingungen
resultierenden Flächenanteile (Acker- und Grünland), die zur Energieträgerproduktion
eingesetzt werden. Insgesamt wurden neun unterschiedliche Szenariokombinationen
simuliert, wobei die Rahmenbedingungen für Landwirtschaft und Bioenergieproduktion
mittels Indikatoren für agrar- und energiewirtschaftliche Rahmenbedingungen von
„ungünstig“ bis „vorteilhaft“ variiert wurden. Die Simulationsergebnisse zeigen, dass in den
betrachteten Szenarien zwischen 4 % und 30 % der landwirtschaftlich genutzten Fläche für
die Produktion von landwirtschaftlichen Energieträgern aufgewendet wird. Der höchste Anteil
wird erwartungsgemäß bei unvorteilhaften Rahmenbedingungen für die Landwirtschaft, aber
sehr günstigen Rahmenbedingungen für die Bioenergieproduktion erzielt.
In nahezu allen Szenarien kommt es im nordöstlichen Flach- und Hügelland zum stärksten
Ausbau der Energieträgerproduktion, was auf dies Struktur der landwirtschaftlichen Betriebe
(Betriebsart und –größen) zurückzuführen ist. In Hauptproduktionsgebieten mit großer
128

129
ALPot
Bedeutung der Tierhaltung (Alpenvorland und Voralpen) gewinnt die Energieträgerproduktion
selbst unter günstigen Rahmenbedingungen nur geringfügig an Bedeutung.
Stellen die naturräumlichen Gegebenheiten in Österreich eine Einschränkung für die
verstärkte Energiepflanzenproduktion dar? Welche Schlussfolgerungen lassen sich
aus dem GIS-basierten Modellierungsansatz ableiten?
Mithilfe des GIS-basierten Modellierungsansatzes wurden dynamische Szenarien der
Ackerflächennutzung erstellt, wobei die Zuordnung von Ackerfrüchten zu Standorten so
erfolgte, dass die hinsichtlich der jeweiligen naturräumlichen Gegebenheiten
(Standortbedingungen) am besten angepasste Kulturart ausgewählt wurde. In der zeitlichen
Entwicklung werden außerdem Fruchtfolgebeschränkungen berücksichtigt.
Dieser Ansatz führt gegenüber der derzeitigen, realen Flächennutzung zu einer starken
Extensivierung mit hohen Flächenanteilen von Ackerwiese. Durch diverse Einschränkungen
bei Begrünung kann dieser starke Extensivierungstrend exogen abgeschwächt werden, und
Kulturarten wie Weizen oder Mais setzen sich stärker durch. Unabhängig davon zeigt sich
hinsichtlich der Flächenanteile von „neuen“ Kulturarten (insbesondere Kurzumtriebsholz),
dass diese den Standortbedingungen teilweise besser entsprechen als traditionelle
Kulturarten. Die Ergebnisse deuten also darauf hin, dass es durch den verstärkten
Energiepflanzenanbau nicht per se zu einer Intensivierung der Flächennutzung kommt.
Insbesondere für die Biogaserzeugung kommt eine große Bandbreite an Pflanzenarten in
Frage, was hinsichtlich ökologischer Kriterien einen potenziellen Vorteil gegenüber anderen
Nutzungspfaden landwirtschaftlicher Biomasse darstellt (z.B. Produktion von Biodiesel oder
Ethanol).
Eine „Optimierung“ der Ackerflächennutzung (wie sie in der EnergieStrategie gefordert wird)
ist hinsichtlich der zahlreichen konkurrierenden Zielsetzungen nur im Fall einer klaren
Prioritätensetzung realisierbar. So ist beispielsweise zu klären, inwiefern eine Intensivierung
der Ackerflächennutzung zugunsten erhöhter Flächenerträge in Kauf genommen, oder
welche Bedeutung der Landschaftspflege gegenüber wirtschaftlichen Kriterien und
Produktivität beigemessen werden soll. Im Fall einer Intensivierung sind die Auswirkungen
eines verstärkten Einsatzes von Kunstdünger und Pflanzenschutzmitteln auf die
Gesamtenergie- bzw. die Umweltbilanzen zu prüfen.
Welcher Beitrag landwirtschaftlicher Biomasse zum Energiesystem sollte angestrebt
werden?
In der Literatur zu Biomassepotenzialen wird häufig von Flächenpotenzialen ausgegangen,
die „exklusiv“ für die Produktion von Energieträgern zur Verfügung stehen. Die bei diesen
Ansätzen resultierenden Rohstoffmengen sind in der Regel beträchtlich, und verleiten zu der
Schlussfolgerung, dass ein Ausbau der landwirtschaftlichen Biomassenutzung in hohem
Maße zur Schaffung eines nachhaltigen Energiesystems beitragen kann. Bei ökonomischen
Analysen zeigt sich jedoch ein wesentlich geringeres (wirtschaftlich nutzbares) Potenzial als
bei rein naturwissenschaftlich-technische Analysen. Die Fragen, unter welchen agrar- und
energiewirtschaftlichen Rahmenbedingungen die energetischen Nutzung der Potenziale
wirtschaftlich ist, und wie sich eine verstärkte Nachfrage nach Energiepflanzen auf die
Produktion konventioneller Ackerfrüchte auswirkt, werden häufig gänzlich außer Acht
gelassen. Insbesondere stellen die zu berücksichtigenden Opportunitätskosten in der
Landwirtschaft eine wesentliche Rahmenbedingung dar. Unter der Annahme konstanter
Flächenerträge muss eine nennenswerte Ausweitung der Energiepflanzenproduktion (mit

Zusammenfassung, Schlussfolgerungen, Empfehlungen
Ausnahme von Zwischenfrüchten) jedoch notwendigerweise auf Kosten der Futter- und
Nahrungsmittelproduktion gehen. 48
Allerdings kann die derzeitige Struktur der (globalen) landwirtschaftlichen Produktion kaum
als in jeder Hinsicht optimal betrachtet werden. Bei Berücksichtigung der Ineffizienzen in den
globalen Produktionsstrukturen und Handelsströmen, sowie Überproduktion und Überkonsum
in Industrienationen wird klar, dass die Forderung nach einer Beibehaltung der
derzeitigen Produktionsmengen nicht oberstes Gebot sein kann. Vielmehr wäre in einem
normativen Ansatz eine ganzheitliche Optimierung der in engem Zusammenhang stehenden
Aspekte landwirtschaftliche Produktion, Ernährungsgewohnheiten, Nahrungsmittel- und
Energieversorgung anzustreben. Hinsichtlich der zum Teil konkurrierenden Zielsetzungen
einer maximalen Versorgungssicherheit mit Nahrungsmitteln und Energie, Umweltschutz und
Ökonomie sind Kompromisse unvermeidbar, und die Grundvoraussetzung für eine
Optimierung des Systems, nämlich eine klare Prioritätensetzung, ist im politischgesellschaftlichen
Kontext in der Regel nicht gegeben. Folglich ist es auch nicht möglich,
allgemeingültige Empfehlungen oder im Sinne einer Prioritätensetzung optimale
Zielsetzungen hinsichtlich eines anzustrebenden Beitrags landwirtschaftlicher Bioenergie
abzugeben. Vielmehr sind diese Prioritäten in einem gesellschaftlichen, politischen Diskurs
zu setzen.
Welche Bedeutung kann landwirtschaftlicher Biomasse unter Berücksichtigung
wirtschaftlicher Kriterien bis 2020 bzw. 2030 zukommen? Welche Schlussfolgerungen
lassen sich hinsichtlich energiepolitischer Zielsetzungen ableiten?
Förderungen für erneuerbare Energie (bzw. landwirtschaftlicher Biomasse im Speziellen)
werden zweifellos erforderlich sein, um bis 2020 einen zusätzlichen Beitrag
landwirtschaftlicher Energieträger zur Energieversorgung zu erreichen – selbst im Fall
deutlich steigender Ölpreise (Preisszenario FAO/Primes) 49 . Auf Basis der Simulationsergebnisse
wird unter den derzeitigen energiepolitischen Rahmenbedingungen im
Preisszenario FAO/Primes ein Beitrag zur Treibhausgasreduktion in der Höhe von bis zu
3 Mt CO2-Äqu. im Jahr 2020 als mit Kurzumtriebsholz wirtschaftlich realisierbar, und das laut
EnergieStrategie Österreich erschließbare Potenzial landwirtschaftlicher Energieträger (22
bis 37 PJ/a) als durchaus realistisch erachtet. Allerdings nur unter der Voraussetzung, dass
es zu einer signifikanten Ausweitung der zur Energieträgerproduktion genutzten
Ackerflächen kommt. (ca. 300.000 ha für eine Treibhausgasreduktion von 3 Mt CO2-Äqu.,
wobei hier von konstanten Flächenerträgen ausgegangen wurde). Der realisierbare
Gesamtbeitrag von Biomasse zur Energieversorgung wird für das Jahr 2020 mit etwa 20%
abgeschätzt (primärenergetisch, exklusive Ablauge der Papierindustrie und biogenem Anteil
der Müllverbrennung). Landwirtschaftliche Biomasse könnte einen Beitrag von über 3%
liefern. Zur Mobilisierung des landwirtschaftlichen Potenzials muss jedoch auch den in
Abschnitt 5-1 beschriebenen Entscheidungsstrukturen der Landwirte Rechnung getragen,
und diverse Barrieren für einen Ausbau der landwirtschaftlichen Bioenergieerzeugung
berücksichtigt werden.
Die in der EnergieStrategie getroffene Einschätzung, dass Stroh und Kurzumtriebsholz zu
den bedeutendsten Potenzialen landwirtschaftlicher Biomasse zählen, kann geteilt werden.
Hinsichtlich des realisierbaren Potenzials von Zwischenfrüchten (das ebenfalls als
48
Wenn auch zumindest bei manchen konventionellen Ackerfrüchten (z.B. Mais) meist davon
ausgegangen wird, dass weitere Ertragssteigerungen möglich sind, stellt sich dennoch die Frage, ob
der Energiepflanzenanbau forciert werden sollte, solange es zu keinem deutlichen Rückgang des
Flächenbedarfs zur Nahrungsmittelversorgung gekommen ist.
49
Wobei zu sagen ist, dass auch dramatischere Ölpreisentwicklungen als im Preisszenario
FAO/Primes nicht ausgeschlossen werden können. In diesem Fall gewinnt insbesondere die Frage,
inwiefern andere erneuerbare Technologien wirtschaftlich werden, an Bedeutung.
130

131
ALPot
vielversprechend eingeschätzt wird) sind jedoch einerseits der zusätzliche Förderbedarf
(ÖPUL-Prämie für Begrünung) zu berücksichtigen, andererseits Unsicherheiten bei den
erzielbaren Erträgen einer genaueren Betrachtung zu unterziehen. 50
Längerfristig, d.h. bis 2030 ergeben sich einerseits größere Spielräume hinsichtlich der zu
forcierenden Nutzungspfade landwirtschaftlicher Biomasse, andererseits sind die
Unsicherheiten hinsichtlich Energiepreise, technologische Entwicklungen, Energiebedarf und
-bedarfsstruktur erheblich. Des Weiteren stellt die Frage, in welchem Ausmaß
Ertragssteigerungen bei konventionellen Ackerfrüchten und Energiepflanzen (mit oder ohne
zunehmende Intensivierung) realisierbar sind, einen großen Unsicherheitsfaktor dar, der
aufgrund der erheblichen Dauer von Züchtungsfortschritten aller Wahrscheinlichkeit nach
erst nach 2020 wirklich signifikant werden könnte. Welche Bedeutung landwirtschaftlicher
Biomasse 2030 zukommen könnte, ist daher schwer abzuschätzen.
Unabhängig davon zeigt sich jedoch, dass der Förderbedarf einiger Nutzungspfade im
Preisszenario FAO/Primes erheblich sinkt, was hinsichtlich der zu berücksichtigenden
Kopplungen zwischen Agrar- und Energiepreisen kein triviales Ergebnis darstellt. In welchem
Ausmaß bzw. in welchen Bereichen ein breiter Einsatz von landwirtschaftlicher Biomasse
erfolgen kann, hängt letztendlich wesentlich von der Bedarfsentwicklung sowie der
Verfügbarkeit bzw. Diffusion anderer (auf erneuerbaren Energieträgern basierender)
Technologien ab.
Wie ist die Wirtschaftlichkeit der landwirtschaftlichen Energieträgerproduktion zu
bewerten?
Beim derzeitigen Preisniveau fossiler Energieträger (das etwa dem durchschnittlichen
Preisniveau 2006 entspricht), ist die energetische Nutzung landwirtschaftlicher Biomasse
ohne Förderungen oder steuerliche Begünstigungen in der Regel nicht wirtschaftlich.
Lediglich bei Wärmeerzeugung können die Energieerzeugungskosten unter günstigen
Umständen unter jenen von fossil befeuerten Anlagen liegen. Die Stromerzeugungskosten
von landwirtschaftlichen Biomasse-KWK-Anlagen und Biogas-BHKWs liegen selbst unter
günstigen Umständen deutlich über typischen Großhandelsstrompreisen. Die
Produktionskosten biogener Kraftstoffe liegen in Österreich ebenfalls deutlich über typischen
Nettopreisen fossiler Kraftstoffe, und können nur aufgrund der steuerlichen Begünstigung
bzw. Investitionsförderungen für Produktionsanlagen zu kompetitiven Preisen angeboten
werden.
Selbst bei deutlich steigenden Preisen für fossile Energieträger (Ölpreis über 100 $2007/bbl im
Jahr 2020) würde landwirtschaftliche Energieerzeugung ohne Förderungen, CO2-Steuern
oder sonstigen Begünstigungen kaum wirtschaftlich werden. Das liegt unter anderem an der
Preiskopplung, die zwischen energie- und agrarwirtschaftlichen Produkten zu erwarten ist
und den sich daraus ergebenden steigenden Opportunitätskosten der landwirtschaftlichen
Bioenergieproduktion. Unter den derzeitigen Förderbedingungen könnte sie jedoch in diesem
Preisszenario (auf Basis einer rein wirtschaftlichen Betrachtung) signifikant an Bedeutung
gewinnen. Insbesondere die Wirtschaftlichkeit einer thermischen Nutzung von Festbrennstoffen
(Stroh, Kurzumtriebsholz, Getreidekorn) würde sich deutlich verbessern.
50 Grünlanderträge, die in der Energiestrategie ebenfalls als aussichtsreiches Potenzial genannt
werden, wurden in den energiewirtschaftlichen Simulationen nicht berücksichtigt. Ob eine breite
energetische Nutzung derzeit ungenutzter Grünlanderträge bei den momentanen Förderbedingungen
wirtschaftlich ist, wird jedoch bezweifelt, da selbst ohne energetische Nutzung tendenziell mit einer
Intensivierung der Gunstlagen gerechnet wird, und Überschüsse eher auf extensiven Flächen
anfallen.

Zusammenfassung, Schlussfolgerungen, Empfehlungen
Welche Rohstoffpotenziale sollten genutzt werden? Was sind die Stärken und
Schwächen der verschiedenen Arten von Energiepflanzen?
Zunächst muss zwischen der Nutzung von eigens angebauten Energiepflanzen und
Nebenprodukten/Reststoffen unterschieden werden. Die energetische Verwertung von
Reststoffen ist prinzipiell zu bevorzugen, sofern es dadurch zu keinen bzw. vertretbaren
negativen ökologischen Effekten kommt. Im Fall von Abfällen die ohnehin gesammelt werden
bzw. zentral anfallen, ist eine energetische Verwertung in jedem Fall zu befürworten. In
welchem Ausmaß jedoch beispielsweise Stroh energetisch genutzt werden kann, ohne dass
es zu einer Beeinträchtigung der Humusbildung bzw. des Nährstoffkreislaufes kommt, ist
nicht gänzlich geklärt. Die Wirtschaftlichkeit einer Reststoffnutzung hängt von zahlreichen
Faktoren, insbesondere auch der Aufkommensdichte ab. Hinsichtlich der im Allgemeinen
guten Ökobilanzen sind für die energetische Verwertung von Reststoffen prinzipiell höhere
Förderungen gerechtfertigt (wobei diese nichtsdestotrotz so bemessen sein sollten, dass es
zu keiner Überförderung oder erhöhten Transportdistanzen kommt).
Der Anbau und die energetische Verwertung von Zwischenfrüchten ist einerseits mit
ökologischen Nutzen (Vermeidung von Nährstoffverlusten, Stickstoffbindung etc.)
verbunden, andererseits führt der Anbau zu keiner Verschärfung der Flächenkonkurrenz.
Daher wird die Nutzung von Zwischenfrüchten zur Biogaserzeugung häufig als optimale
Methode der landwirtschaftlichen Energieerzeugung gesehen. Aufgrund der im Allgemeinen
eher niedrigen Erträge fallen jedoch verhältnismäßig hohe Bereitstellungskosten an. Die
Stromgestehungskosten liegen also deutlich über den derzeitigen (im Vergleich zu anderen
erneuerbaren Technologien ohnehin schon hohen) Einspeisetarifen für Biogas. Eine
wirtschaftliche Nutzung von Zwischenfrüchten ist allenfalls möglich, wenn zusätzlich zum
Einspeisetarif noch ÖPUL-Förderungen für Begrünung lukriert werden können. Ob die
ökologischen und energiewirtschaftlichen Nutzen dieser Art der Energieerzeugung derart
hohe Förderungen rechtfertigen, ist zu prüfen (zumal sich die ökologischen Effekte der
Begrünung aufgrund der im Falle einer energetischen Nutzung reduzierten Humusbildung im
Wesentlichen auf eine erhöhte Stickstoffbindung beschränken).
Bezüglich der Nutzung von Energiepflanzen zeigen die Analysen in Kapitel 8, dass
hinsichtlich energiewirtschaftlicher Aspekte (Förderbedarf, Beitrag zur Energieversorgung,
THG-Reduktion) Ligno-Zellulose, d.h. Kurzumtriebsplantagen gegenüber konventionellen
Ackerfrüchten und Biogaspflanzen zu bevorzugen sind. Die verschiedenen Arten von
Energiepflanzen weisen jedoch bei der Bereitstellung und den Möglichkeiten der
energetischen Nutzung sehr unterschiedliche Stärken und Schwächen bzw. Chancen und
Barrieren auf, die unter Berücksichtigung ökologischer, agrarischer und energiewirtschaftlicher
Aspekte eine eindeutige und allgemeingültige Empfehlungen unmöglich
machen. Tabelle 9-1 zeigt einen Überblick.
132

133
ALPot
Tabelle 9-1: Stärken und Schwächen der verschiedenen Arten von Energiepflanzen und
deren möglicher Nutzungsarten
Stärken / Chancen
Nicht eindeutig
zuordenbar
Schwächen / Barrieren
Konventionelle Ackerfrüchte Biogas-Pflanzen Ligno-Zellulose
+ Anbaumethoden bekannt, Maschinen
vorhanden
+ geringe Initiative der Landwirte
erforderlich
+ z.T. Anbau von Zwischenfrüchten
möglich
+ z.T. Anfall von Nebenprodukten (Stroh,
Futtermittel,…)
+ z.T. gute Transportfähigkeit und
Lagerbarkeit aufgrund hoher
Energiedichten (Pflanzenöl,
Getreidekorn)
+ Chancen für zusätzliche Wertschöpfung
durch Energieerzeugung im Fall
einer dezentralen Nutzung gegeben
– i.A.Vergleichsweise hoher Einsatz von
Dünger, Pestiziden etc.
– Verleichsweise geringe Flächen-
(Energie-)erträge
– Potenziale zur Steigerung der
Flächenerträge durch Züchtung
vergleichsweise gering
– Chancen für zusätzliche
Wertschöpfung durch Energieerzeugung
eher gering (Ausnahme z.B. Pflanzenöl)
– Verbrennung von Getreide technisch
und rechtlich nicht gänzlich gelöst
– Kopplung an Nahrungsmittel-
Weltmarktpreise
– Verstärkte Kopplung von Nahrungsmittelmärkten
an Energiemärkte
– Bei Kraftstofferzeugung i.d.R.
verhältnismäßig geringe
Treibhausgaseinsparungen
– Bestehende ethische Bedenken gegen
energetische Nutzung von
Nahrungsmitteln
+ Anbaumethoden bekannt, Maschinen
vorhanden
+ Möglichkeit der Verwertung von Abfällen,
Nebenprodukten (Gülle, Pflanzenreste),
Zwischenfrüchten und überschüssigen
Grünlanderträgen
+ Chancen für zusätzliche Wertschöpfung
durch Energieerzeugung gegeben
+ Nährstoffrückführung über Gärrest möglich
+ Über Biomethan vergleichsweise hohe
Flächen-(Energie-) erträge möglich
+ Vielfältige Nutzungsmöglichkeiten bei
Biogaseinspeisung
+ Nutzung bestehender Netz-Infrastruktur
und Anlagen bei Biogaseinspeisung
+ Längerfristig vermutlich signifikante
Ertragssteigerungen möglich
+/– Schaffung dezentraler
Energieversorgungsstrukturen
möglich / erforderlich
– Vergleichsweise hoher Förderbedarf
(insbesondere bei Verstromung)
– Problem der sinnvollen Wärmenutzung bei
Biogas-BHKWs
– Rohstofftransport nur über geringe
Entfernungen wirtschaftlich
– Standortwahl bei Biogaseinspeisung und
hinsichtlich Wärmenutzung bei BHKWs nicht
unproblematisch
– Negative Erfahrungen hinsichtlich
Ökostromverordnung, Unsicherheit beim
Rohstoffzuschlag
+ gute Wirtschaftlichkeit bei thermischer
Nutzung
+ Vergleichsweise hohe Flächen-
(Energie-) erträge möglich
+ Beitrag zur Entschärfung der
„Holzkonkurrenz“
+ Nutzungstechnologien (Wärme und
KWK) ausgereift
+ Versorgung bestehender (mit Hackgut
befeuerter) Anlagen möglich
+ Konversionstechnologien zur
Verbesserung der Lager- und
Transporteigenschaften in Entwicklung
(z.B. Torrefikation, Pyrolyse)
+ Vermutlich signifikante
Ertragssteigerungen durch Züchtung
möglich
+ Kostensenkung durch verbesserte
Anbau- und Erntemethoden möglich
+ Chancen für zusätzliche Wertschöpfung
durch Energieerzeugung gegeben
+/– Auswirkungen auf Biodiversität und
andere ökologische Aspekte
+/– Sichtbeziehungen / Landschaftsbild
– „Neue“ Anbaumethoden und Maschinen
erforderlich
– Langfristige Bindung von Flächen, hohe
Investitionskosten, relativ hohes Risiko für
Landwirte
– Technologien zur Erzeugung von
Kraftstoffen noch nicht ausgereift;
Unsicherheiten hinsichtlich
Wirtschaftlichkeit
– Erzeugung von Kraftstoffen
voraussichtlich nur in Großanlagen
– Verhältnismäßig wenig Erfahrung mit
Anbau vorhanden
– Anbau von Zwischenfrüchten nicht
möglich

Zusammenfassung, Schlussfolgerungen, Empfehlungen
In welchen Sektoren bzw. für welche Energiedienstleistungen sollte (landwirtschaftliche)
Bioenergie genutzt werden? Welche Perspektiven bieten die
verschiedenen Nutzungspfade?
Aufgrund der zahlreichen zur Verfügung stehenden Konversions- und Nutzungspfade sowie
den beschränkten Rohstoff- bzw. Flächenpotenziale stellt sich die Frage, in welchen
Einsatzbereichen die Nutzung von (landwirtschaftlicher) Biomasse die größten Vorteile
bringt. Wie beispielsweise in Kranzl et al. (2007) bzw. Kalt et al. (2010) ausführlich
dargestellt, können im Bereich der Wärmeerzeugung in der Regel mit den geringsten
zusätzlichen Kosten fossile Energieträger substituiert und Treibhausgasemissionen
eingespart werden. Die nachfrageseitigen Potenziale von Biomasse-Heizanlagen bzw. -
Heizwerken werden in den nächsten Jahrzehnten deutlich zurückgehen, es kann jedoch
auch unter der Annahme ambitionierte Sanierungsraten davon ausgegangen werden, dass
ein verstärkte Einsatz von Biomasse im Wärmesektor möglich und sinnvoll ist. Prinzipiell sind
aus Kostengründen für diese Anwendungen holzartige Festbrennstoffe wie
Kurzumtriebshackgut, Pellets etc. zu bevorzugen, da die Anlagentechnik für diese
Brennstoffe ausgereift und die Emissionen gering sind. Neben dem Einsatz in Heizwerken
könnte Stroh in absehbarer Zeit auch in Form von Pellets in Kleinfeuerungsanlagen verstärkt
zum Einsatz kommen.
Die Nachteile von Festbrennstoffen sind neben den im Vergleich zu Öl-/Gaskesseln höhere
Anlagenkosten und die Tatsache, dass eine Nutzung in Kleinfeuerungsanlagen im urbanen
Gebiet aus Platz- und Komfortgründen kaum in Frage kommt. Neben der Option einer auf
Biomasse basierenden Fernwärmeversorgung besteht eine Möglichkeit zur Umgehung
dieser Problematik in der Einspeisung gasförmiger biogener Energieträger (Biomethan oder
SNG) in Erdgasnetze. Ein wesentlicher Vorteil dabei ist, dass bestehende Infrastrukturen
und Heizanlagen genutzt werden können. Im Fall von SNG aus holzigen Rohstoffen führen
die Konversionsschritte gegenüber der Nutzung von Festbrennstoffen jedoch zu (über die
gesamte Nutzungskette betrachtet) niedrigeren Wirkungsgraden und zusätzlichen Kosten.
Insbesondere bei niedrigen Volllaststunden werden diese mitunter durch die niedrigeren
Investitionskosten der Gaskessel kompensiert. Hinsichtlich der Tatsache, dass gasförmige
Energieträger auch als Kraftstoffe oder zur effizienten Stromerzeugung eingesetzt werden
können, wird die Verbrennung zur Wärmeerzeugung häufig als ineffiziente, nicht zu
forcierende Nutzungsform erachtet. Solange aber auch Erdgas eine zentrale Stellung in der
Wärmeversorgung einnimmt, und die Nutzung von SNG/Biomethan im Wärmesektor eine
Substitution von Erdgas zur Folge hat, ist diese Frage aus einer systemischen Betrachtung
kurz- bis mittelfristig hinfällig.
In welchem Ausmaß Biomasse zur Stromerzeugung eingesetzt werden sollte, hängt in
erster Linie von den für Biomasse-KWK-Anlagen geeigneten Standorten ab. Nur wenn die
Abwärme weitgehend genutzt werden kann, ergeben sich (bezogen auf den Biomasseeinsatz)
mitunter höhere Treibhausgaseinsparungen als bei der reinen Wärmeerzeugung. In
diesem Fall ist aus einer systemischen Sicht (rein auf Basis der Kriterien Förderkosten und
Treibhausgasreduktion) die Inkaufnahme höhere Förderkosten gerechtfertigt.
Die häufig vertretene Empfehlung, Biomasse in erster Linie für Kraft-Wärme-Kopplung
einzusetzen (siehe z.B. WBGU, 2008), kann bei einer österreichspezifischen Betrachtung
nicht geteilt werden. Während nämlich insbesondere im Fall von Deutschland üblicherweise
davon ausgegangen wird, dass Biomasse-KWK Kohlekraftwerke substituiert, wäre diese
Annahme im Fall von Österreich nicht gerechtfertigt. Aufgrund der derzeitigen
Erzeugungsstruktur und dem voraussichtlich auch in Zukunft weiterhin steigenden
Stromverbrauchs, wird für Österreich die Stromerzeugung mit modernen GuD-Kraftwerken
als sinnvolles Referenzsystem für Biomasse-KWK erachtet. Die (im Vergleich zu
Kohlekraftwerken relativ niedrigen) Referenz-THG-Emissionen von GuD-Kraftwerken haben
zur Folge, dass insbesondere die THG-Einsparungen von Biogas-BHKWs in Relation zum
Förderbedarf eher niedrig sind, und nur unter der Bedingung, dass in erster Linie Gülle,
biogene Abfälle etc. verwertet werden, sowie die Abwärme am Standort sinnvoll genutzt
134

135
ALPot
werden kann, eine eindeutige Empfehlung für diesen Nutzungspfad ausgesprochen werden
kann.
Bei den Preisniveaus der letzten Jahre ist die Erzeugung von biogenen Kraftstoffen ohne
Förderungen, steuerlichen Begünstigungen u.ä. im Allgemeinen gegenüber fossilen
Kraftstoffen nicht wirtschaftlich. Beim Einsatz von Biodiesel und Ethanol werden
verhältnismäßig geringe THG-Einsparungen erzielt, was zur Folge hat, dass die spezifischen
THG-Reduktionskosten im Vergleich zu anderen Biomasse-Nutzungspfaden relativ hoch
sind. Biodiesel (bzw. Pflanzenöl) aus inländischen Rohstoffen kann allein aufgrund der sehr
beschränkten, für den Anbau von Raps oder Sonnenblume geeigneten Ackerflächen in
Österreich keine bedeutende Stellung im Verkehrssektor einnehmen. Bei Ethanol ist das
technische Potenzial weitaus größer; nicht die naturräumlichen Gegebenheiten, sondern
Verdrängung von Nahrungsmittel- und Futterflächen stellt den begrenzenden Faktor dar
(wobei die bei der Ethanolproduktion als Nebenprodukt anfallenden Futtermittel zu
berücksichtigen sind). Da die flächenbezogenen Kraftstofferträge relativ gering sind, ist ein
signifikanter Beitrag zur Kraftstoffversorgung von mehr als einigen wenigen Prozent auf
Basis von Kraftstoffen der ersten Generation aus inländischen Rohstoffen praktisch
ausgeschlossen. Im Gegensatz dazu können mit Biomethan sehr hohe Flächenerträge
erzielt werden. Hinsichtlich Ökobilanz und Flächenkonkurrenzen ist jedoch eine
Fokussierung auf eine auf Abfällen, Reststoffen etc. basierende Produktion zu bevorzugen,
deren Potenziale nur für Nischenanwendungen ausreichen.
Die Erzeugungskosten von biogenen Kraftstoffen (Biodiesel, Ethanol, Pflanzenöl) aus
Ackerfrüchten hängen in hohem Maße von den Rohstoffkosten ab. Daher wäre mit einer
deutlichen Verbesserung der Wirtschaftlichkeit nur im Fall signifikant steigender Rohöl- und
stagnierender bzw. fallender Agrarpreise zu rechnen. Demgegenüber besteht der
Hauptvorteil von biogenen Kraftstoffen der 2.Generation in der Verbreiterung der
Rohstoffbasis und der damit verbundenen Entkopplung der Produktionskosten von
Agrarpreisen. Derzeitige Kostenabschätzungen für großtechnische Produktionsanlagen sind
jedoch mit großen Unsicherheiten behaftet. In Abschätzungen zukünftiger Produktionskosten
(z.B. Hamelinck et al., 2006) wird meist von sehr großen Anlagen ausgegangen, deren
Rohstoffversorgung allein auf Basis von Stroh und Kurzumtriebsholz in Österreich nicht
realisierbar wäre. Die Produktion von SNG könnte (darauf deuten zumindest die derzeit
verfügbaren Kostenabschätzungen hin) früher und in kleineren Anlagen wirtschaftlich
werden. Ob die Produktion von Ethanol aus Lignozellulose z.B. mit Hilfe von gentechnisch
veränderten Enzymen tatsächlich (wie aus diversen Medienberichten und Firmenmeldungen
aus den USA und der EU immer wieder zu entnehmen ist) rascher wirtschaftlich werden
kann, wird die Zukunft zeigen.
Zusammenfassend kann also gesagt werden, dass der Einsatz von Biomasse inländischer
Herkunft in erster Linie im Wärmesektor und – unter der Voraussetzung eines sinnvollen
Wärmenutzungskonzeptes – in KWK-Anlagen forciert werden sollte. Insbesondere die
verstärkte energetische Nutzung von Stroh stellt eine vielversprechende Option dar und
Kurzumtriebsplantagen sind im Fall steigender Energiepreise als eine wirtschaftlich attraktive
Art der Brennstoffproduktion zu sehen. Im Verkehrssektor stellt aufbereitetes Biogas einen
interessanten Nutzungspfad dar, da dieses aus landwirtschaftlichen Reststoffen,
überschüssigen Grünlanderträgen und Zwischenfrüchten produziert werden kann, wenn
auch die beschränkten Potenziale dafür sprechen, dass Biomethan eher ein Nischenprodukt
bleiben wird. Die Vorteile flüssiger Kraftstoffe aus Ackerfrüchten beschränken sich im
Wesentlichen darauf, dass eine Nutzung unter Beibehaltung der Infrastrukturen und des
Fahrzeugbestandes möglich ist.

Zusammenfassung, Schlussfolgerungen, Empfehlungen
9.2 Argumentarium
Hinsichtlich eines Argumentariums zum Thema landwirtschaftlichen Biomasse-/Bioenergieerzeugung
sind folgende Aspekte zu berücksichtigen:
Pro:
• Durch die Eigenversorgung mit Energie können landwirtschaftliche Betriebe eine
(zumindest teilweise) Unabhängigkeit von Energieversorgern bzw. Energiepreisschwankungen
erzielen. Dies kann auf Betriebsebene einen Wettbewerbsvorteil und
aus gesamtwirtschaftlicher Sicht einen stabilisierenden Faktor darstellen.
• Durch die „Weiterverarbeitung“ landwirtschaftlicher Erzeugnisse in Form einer
energetischen Nutzung können zusätzliche Wertschöpfungseffekte in der
Landwirtschaft generiert werden.
• Die Nutzung landwirtschaftlicher Ressourcen inländischer Herkunft stellt einen
Beitrag zur Erhöhung der Versorgungssicherheit und Reduktion der Importabhängigkeit
dar.
• Die Schaffung dezentraler Stromversorgungssysteme bietet den Vorteil reduzierter
Übertragungsverluste und kann zu Netzentlastungen bzw. zu einer Verringerung der
benötigten Übertragungskapazitäten führen.
• Die Forcierung landwirtschaftlicher Energieerzeugung kann zur Entwicklung bzw.
Wiederbelebung des ländlichen Raumes beitragen und daher als Maßnahme zur
ländlichen Entwicklung gesehen werden.
• Die energetische Nutzung „überschüssiger“ Biomasse kann zumindest in manchen
Regionen als Maßnahme zur Landschaftspflege betrachtet werden. Dies gilt
insbesondere für die Nutzung von Grünland.
• Die landwirtschaftliche Biomasse-/Bioenergieerzeugung kann eine Diversifizierung
der Einkommensquellen im ländlichen Raum, und damit eine Absicherung gegen
Schwankungen von Weltmarktpreisen bei landwirtschaftlichen Erzeugnissen
darstellen.
• Durch die Schaffung von zusätzlichen Einkommensquellen kann die landwirtschaftliche
Biomasseproduktion den Erhalt der landwirtschaftlichen Nutzung
•
gegenüber einer Verwaldung unterstützen (wobei die Wirtschaftlichkeit von forstlicher
Biomasseproduktion mitunter betriebswirtschaftlich sinnvoller sein kann).
Biogene Energieträger aus Ackerfrüchten stellen derzeit (mit Ausnahme von
Kraftstoffen aus Abfällen und Reststoffen, deren Potenziale recht beschränkt ist) die
einzige Möglichkeit zur Erhöhung der Anteils erneuerbarer Energieträger im
motorisierten Individualverkehr unter Beibehaltung der Infrastruktur des
Fahrzeugbestandes dar. Dazu ist jedoch zu sagen, dass zukunftsträchtige
verkehrspolitische Ansätze kaum darin bestehen können, derzeitige Strukturen
aufrechtzuerhalten. Vielmehr sollten in ganzheitlichen Ansätzen auch Aspekte wie
Raumplanung, modal shift und Möglichkeiten alternativer Antriebskonzepte
berücksichtigt werden.
• In Jahren mit hohen Erntemengen kann die energetische Nutzung marktentlastend
wirken, sofern eine entsprechende Flexibilität bei der energetischen Nutzung (z.B.
Überkapazitäten zur Kraftstoffproduktion) gegeben ist.
Contra:
• Die Förderung landwirtschaftlicher Biomasseerzeugung führt zu einer zusätzlichen
Konkurrenz um beschränkte Flächen, sofern nicht ausschließlich die Nutzung von
Nebenprodukten, Reststoffen, Zwischenfrüchten u.ä. gefördert wird (siehe unten).
136

137
ALPot
• Zur Energieerzeugung sind Investitionen erforderlich, die für den Betreiber mit
finanziellen Risiken verbunden sind sein können, vor allem wenn wirtschaftliche und
politische Rahmenbedingungen stark schwanken bzw. wechseln.
• Viele Nutzungspfade landwirtschaftlicher Biomasse (z.B. biogene Kraftstoffe,
Stromerzeugung mit Biogas) weisen derzeit einen im Vergleich zu anderen
erneuerbaren Technologien hohen Förderbedarf auf. Hinsichtlich der starken
Abhängigkeit von Rohstoffpreisen, der Kopplung an Weltmarktpreise und dem
Energie- und Düngerbedarf bei der Produktion stellt sich die Frage, ob insbesondere
längerfristig andere, rohstoffunabhängige Technologien zur Erzeugung erneuerbarer
Energie nicht aussichtsreichere Optionen darstellen.
• Des Weiteren stellt sich die Frage, ob die positiven Effekte die zum Teil hohen
Förderkosten rechtfertigen. Die Kosten der Treibhausgaseinsparung sind
insbesondere bei den meisten biogenen Kraftstoffen im Vergleich zu anderen
erneuerbaren Technologien sehr hoch.
• Bei entsprechender Förderung der Biomasseproduktion ist mit einer Zunahme der
Bewirtschaftungsintensität zu rechnen, die mitunter den Zielen des ÖPUL entgegenwirken
kann.
Wie ist die Problematik der Flächenkonkurrenz zu beurteilen? Ist die „Food vs. Fuel-
Debatte“ gerechtfertigt?
Wenn auch die landwirtschaftliche Produktion in Österreich von vernachlässigbarer
Bedeutung für die globale Nahrungsmittelversorgung ist, stellt sich dennoch die
(insbesondere aus ethischen Gründen ernst zu nehmende) Frage, wie sich eine globale
Ausweitung der Energiepflanzenproduktion auf die weltweite Ernährungssicherheit auswirkt.
Dass eine verstärkte Nachfrage nach landwirtschaftlichen Erzeugnissen mitunter
preissteigernde Effekte bei Lebensmitteln zur Folge haben kann, ist nicht von der Hand zu
weisen. Laut Schmidhuber (2007) kommt es dadurch auch zu einer verstärkten Kopplung
zwischen Agrar- und Energiepreisen, was zur Folge hat, dass in Zeiten steigender
Energiepreise die Preise für Nahrungsmittel mitziehen. Doornbosch et al. (2007)
argumentieren ebenfalls, dass die energetische Nutzung landwirtschaftlicher Erzeugnisse zu
höheren Preisen führen, und eine Verschärfung der „Food vs. Fuel“-Problematik zur Folge
haben kann. Fischer et al. (2009) betonen, dass steigende Preise für Nahrungsmittel
gravierende Auswirkungen auf die Ernährungssicherheit haben, und dieser Aspekt in
energiepolitischen Zielsetzungen zu berücksichtigen ist.
Laut Baffes et Haniotis (2010) gibt es Anzeichen dafür, dass die Preiskopplung zwischen
Energie- und anderen Rohstoffmärkten in den letzten Jahren deutlich zugenommen hat,
wobei der beobachtete Effekt bei Nahrungsmittelpreisen geringer ist als bei anderen
Rohstoffen. Allerdings argumentieren sie auch, dass der drastische Preisanstieg bei
landwirtschaftlichen Erzeugnissen, der zwischen 2006 und 2008 zu beobachten war, nur in
relativ geringem Ausmaß auf die zunehmende Produktion biogener Kraftstoffe, sondern in
erster Linie auf andere Einflussfaktoren zurückzuführen ist.
Für den Agrarsektor stellen steigende Weltmarktpreise bei landwirtschaftlichen Erzeugnissen
zweifellos einen positiven Effekt dar, von dem auch Landwirte in Entwicklungsländern
profitieren könnten. Nichtsdestotrotz sind im globalen Kontext steigende
Nahrungsmittelpreise äußerst kritisch zu sehen, da Haushalte, die bereits jetzt einen Großteil
ihres Einkommens für Nahrung aufwenden, davon am schwersten betroffen wären.
Schmidhuber argumentiert, dass steigende Energie- und Agrarpreise für jedes Land
spezifische Nettoeffekte hervorbringen, je nachdem ob die Nettoimporte bei Energie und
Agrarprodukten positiv oder negativ sind. Laut Schmidhuber wären die „Ärmsten der Armen“
am schwersten betroffen, da sie weder von Energie-, noch von Agrarexporten profitieren
können.

Zusammenfassung, Schlussfolgerungen, Empfehlungen
Es ist jedoch zu erwähnen, dass die Auswirkungen einer zunehmenden Nachfrage nach
Energiepflanzen in den oben genannten Studien im Wesentlichen unter der Annahme
derzeitiger Rahmenbedingungen bzw. von Business-As-Usual-Szenarien analysiert werden.
Manche Aspekte und Einflussfaktoren, die in einem langfristig-entwicklungspolitischen
Kontext nicht notwendigerweise als gegeben hingenommen werden müssen, sind in diesen
Analysen nur beschränkt bzw. nicht berücksichtigt. So beispielsweise die Tatsache, dass
Nahrungsmittelknappheit in manchen Weltregionen eher auf eine Verteilungsproblematik als
unzureichende Produktion bzw. Potenziale zurückzuführen ist. Des Weiteren könnte durch
Änderungen der Ernährungsgewohnheiten in den Industrieländern der zur
Nahrungsmittelproduktion benötigte Flächenbedarf drastisch reduziert werden.
9.3 Empfehlungen
• Forcierung inländischer Biomassebereitstellung
Von der derzeit in Österreich energetisch genutzten landwirtschaftlichen Biomasse
stammt ein Großteil aus ausländischem Anbau. Die Nutzung regional verfügbarer
Rohstoffe ist aus mehreren Gründen einer auf Importen basierenden Biomassenutzung
vorzuziehen: So können inländische Wertschöpfungseffekte maximiert, Transportentfernungen
(und die damit verbundenen Emissionen) reduziert, ein Beitrag zur
Versorgungssicherheit gewährleistet und nicht nachhaltige Erzeugung in Exportländern
ohne entsprechende Auflagen vermieden werden. Daher sollten in erster Linie
Nutzungspfade forciert werden, die auf Basis regionaler Bereitstellungsketten basieren
(z.B. Biogaserzeugung, Nutzung von Stroh).
• Forcierung regionaler Vermarktung
Die Vermarktung regionaler landwirtschaftlicher Energieträger ist zu forcieren. Die in der
EnergieStrategie Österreich vorgeschlagene Maßnahme, regionale Biomassehöfe zu
errichten, kann in diesem Sinne befürwortet werden. Des Weiteren sollte die Einführung
weiterer normierter Brennstoffe wie Strohpellets forciert werden.
• Förderung von Energieholzplantagen
Die Produktion von Festbrennstoffen auf landwirtschaftlichen Flächen (Kurzumtriebsholz,
Miscanthus u.ä.) stellt einen vielversprechenden Bereitstellungspfad biogener Brennstoffe
dar, der forciert werden sollte. Insbesondere sollten Förderungen dazu dienen, die
Barriere der hohen Investitionskosten und langfristigen Bindung von Flächen zu
überwinden.
• Forcierung von Zertifizierung importierter Biomasse / Energieträger
Um die Nachhaltigkeit importierter biogener Ressourcen zu gewährleisten, sind
entsprechende Systeme zum Nachweis und der Zertifizierung von Biomasse nötig. Dies
stellt eine Voraussetzung für die gesellschaftliche Akzeptanz von (globalen)
Biomassehandel und damit der Biomassenutzung insgesamt dar.
• Gezielte Förderung der Reststoffnutzung (insbesondere bei Biogas)
Die Nutzung von Reststoffen und Abfällen sollte aufgrund der im Allgemeinen guten
Umweltbilanzen und im Sinne der Vermeidung von Rohstoff- und Flächenkonkurrenzen
gezielt gefördert werden. Insbesondere bei der Biogaserzeugung bietet sich eine derartige
Maßnahme an, da verschiedenste, kaum anderwärtig verwertbare Reststoffe genutzt, und
die Umweltbilanzen dadurch gegenüber einer Nutzung von Maissilage u.ä. signifikant
verbessert werden können. Diese Maßnahme kann auch zur Vermeidung von geringer
Diversität beim Energiepflanzenanbau und einer Intensivierung der Flächennutzung
beitragen.
• Definition spezifischer Förderbedingungen und Monitoring
Um einen effizienten Betrieb von Biomasseanlagen zu gewährleisten, sind spezifische
138

139
ALPot
Förderbedingungen wie die bei KWK-Anlagen geforderten Gesamtnutzungsgrade, bei
Heizwerken gewährte Zuschläge zum Fördersatz bei Nutzung regionaler Biomassevorkommen
oder Vorgaben bei der Planung und Auslegung von Heizwerken ein probates
Mittel. Ohne hier näher auf technologie- und rohstoffspezifische Aspekte eingehen zu
können, wird empfohlen, Förderungen stets an angemessene Bedingungen zu knüpfen,
und deren Einhaltung zu prüfen.
• Optimale Standortwahl – Erhebung nachfrageseitiger Potenziale
Die ökonomische und ökologische Effizienz vieler Anlagentypen hängt in hohem Maße
von den Gegebenheiten am jeweiligen Standort ab. Die oben genannten
Förderbedingungen sollten dazu führen, dass Anlagen an optimalen Standorten errichtet
werden. Erhebungen der Bedarfsstrukturen, d.h. nachfrageseitiger Potenziale können zur
Identifikation optimaler Standortbedingungen und Ableitung gezielter Fördermaßnahmen
und –bedingungen beitragen.
• Forschung und Entwicklung
Forschung und Entwicklung ist im Bereiche der landwirtschaftlichen Energieträgerproduktion
zu forcieren, insbesondere die Züchtung von Energiepflanzen, die Erprobung
von Energiepflanzen und Fruchtfolgen unter verschiedenen Standortbedingungen und der
Anbau verschiedener Zwischenfrüchte und Mischkulturen, aber auch im Bereich der
Entwicklung und Verbesserung von Technologien (z.B. Biogasaufbereitung, Produktion
von SNG, Biomasse-Kleinfeuerungsanlagen für landwirtschaftliche Brennstoffe und
Kessel kleinster Leistung).
• Verbesserung der statistischen Datenerfassung
In vielen Bereichen weist die statistische Datenerfassung im Bereich der landwirtschaftlichen
Biomassenutzung Mängel auf, die behoben werden sollten. So wäre
beispielsweise die lückenlose Erfassung von Handelsströmen landwirtschaftlicher
Energieträger bzw. Kraftstoffe (auch in Form von Mischungen), z.B. über
Herkunftsnachweise oder der eingesetzten Biogassubstrate wünschenswert, da die
Kenntnis des Status quo für eine strategische Planung von großer Bedeutung ist.
• Definition von Prioritäten in der Landwirtschaft bzw. Agrarpolitik
Die derzeitige Agrarpolitik ist zum Teil von konkurrierenden Zielsetzungen geprägt. So
sind beispielsweise Wirtschaftlichkeit mit Nachhaltigkeit oder Landschaftspflege mit einer
Steigerung der Produktivität nur über Trade-offs zu vereinbaren. Empfehlungen für die
landwirtschaftliche Energieerzeugung bewegen sich stets in diesem Spannungsfeld, und
sind ohne eine klare Prioritätensetzung in der Regel nicht objektivierbar.
Ebenso ist zu klären, welche Stellung der Versorgungssicherheit mit Energie gegenüber
jener mit Nahrungsmitteln eingeräumt werden soll. Beim derzeitigen Konsumniveau ist mit
der Nutzung einer bestimmten Ackerfläche in der Regel eine höherer
Selbstversorgungsgrad bei Nahrungsmitteln als bei Energie zu bewerkstelligen, d.h. dass
die Produktion von Nahrungsmitteln hinsichtlich eines „Gesamt-Selbstversorgungsgrades“
effizienter ist.
• Sorgsamer Umgang mit der Ressource Boden
Biomasseerzeugung beruht auf Fläche. Neben der Konkurrenz zu anderen agrarischen
Nutzungsformen, kommt es auch durch die Versiegelung landwirtschaftlicher Flächen zu
einer Verschärfung der Konkurrenz um die Ressource Boden. Der historische Trend zeigt,
dass in Österreich im Durchschnitt täglich 15 ha an landwirtschaftlicher Fläche (entspricht
der Größe einer kleineren Landwirtschaft) versiegelt und als Bauland bzw. für Infrastruktur
genutzt wird.
Um einer zunehmenden Flächenkonkurrenz entgegenzuwirken, muss mit der verfügbaren
Fläche sorgsam umgegangen werden. Bauland muss entsprechend effizient genutzt
werden (Bebauungsdichten, Bebauungsweisen), und der flächenmäßige Ausbau von
Infrastruktur strikt geprüft werden.

Zusammenfassung, Schlussfolgerungen, Empfehlungen
• Definition von (energie-) wirtschaftlichen und klimapolitischen Prioritäten
Ebenso fehlen aus (energie-) wirtschaftlicher Sicht eindeutige Prioritäten, die die
Ableitung von allgemeingültigen Empfehlungen ermöglichen. So stellen sich
beispielsweise die Fragen, welche Förderkosten zur Reduktion von
Treibhausgasreduktion gerechtfertigt sind oder welche Bedeutung der der
Versorgungssicherheit gegenüber der Einsparung von Treibhausgasemissionen beizumessen
ist.
• Forcierung von Erneuerbaren durch Internalisierung externer Effekte
Die prinzipielle Forderung, energetische Biomassenutzung nur dann zu forcieren, wenn
sie gewissen Nachhaltigkeitskriterien genügt, ist gerechtfertigt und sollte bei der
Ausgestaltung von Förderinstrumenten berücksichtigt werden. Da für konventionelle
Energiesysteme in der Regel jedoch keine derartigen Forderungen gestellt werden,
bergen Nachhaltigkeitskriterien die Gefahr, zur Beibehaltung des Status quo, das heißt
des auf fossilen Energieträgern basierenden Energiesystems beizutragen. Die
Internalisierung externer Effekte (z.B. über CO2-Steuern) stellt ein adäquates Instrument
zur Vermeidung negativer Effekte und Forcierung effizienter Technologien dar.
• Ressourceneffizienz
Ein effizienter und sparsamer Umgang mit biogenen und fossilen Ressourcen ist zu
forcieren; nicht nur im Bereich der Energieerzeugung, sondern auch bei der stofflichen
Nutzung und der Nahrungsmittelversorgung.
140

10 Literatur
141
ALPot
Aigner A., Sticksel E., 2010: Einschätzung von Zwischenfrüchten als Substrat zur
Biogasgewinnung. Bayrische Landesanstalt für Landwirtschaft,
http://www.lfl.bayern.de/ipz/pflanzenbau_biogas/30222/zwischenfrucht_substrat.pdf,
letzter Zugriff im Juni 2010
AGRANA, 2010: Jahresfinanzbericht 2009/10, AGRANA Beteiligungs-AG, Wien
Agrarmarkt Austria (AMA), 2009: Energiepflanzen / Nachwachsende Rohstoffe von
stillgelegten Fläche,
http://www.ama.at/Portal.Node/ama/public?gentics.am=PCP&p.contentid=10007.2150
5, letzter Zugriff im Mai 2010
Austrian Energy Agency, 2004: Marktübersicht Öl-Brennwertkessel,
http://www.energyagency.at/(de)/service/oil_kessel.htm, letzter Zugriff im Februar 2009
Asamer V., Stürmer B., Strauss F., Schmid E., 2010: Integrierte Analyse einer großflächigen
Pappelproduktion auf Ackerflächen in Österreich. Jahrbuch der Österreichischen
Gesellschaft für Agrarökonomie
Baffes J., Haniotis T., 2010: Placing the 2006/08 Commodity Price Boom into Perspective,
The World Bank, Development Prospects Group, Policy Research Working Paper 5371
Barreto, L., Tretter, M., 2009: Szenarien für die öffentliche Strom- und Fernwärmeaufbringung
in Österreich, Österreichische Energieagentur im Auftrag der Umweltbundesamt
GmbH, Wien
Berger P.C., 2004: Best Case Fallbeispiele der Europäischen Biodieselindustrie,
Schriftenreihe Umweltschutz und Ressourcenökonomie, Band 42, o.Univ. Prof. Dr.
Gerhard Vogel (Hrsg.), Wien
Billen N., Angenendt E., Bakara H., Konold A., Stahr K., Zeddies J., 2008: Abschätzung der
Produktionspotenziale für den Anbau von Energiepflanzen zur CO2-Bindung in Baden-
Württemberg und deren ökologische und ökonomische Bewertung, Zwischenbericht
anlässlich des Kolloquiums Umweltforschung und Umwelttechnik, Baden-Württemberg
2008
Bio Austria, 2009: Infoportal der Biobäuerinnen und Biobauern, www.bioaustria.at, Verein zur
Förderung des Biologischen Landbaus, letzter Zugriff im Oktober 2009
Biogas-Netzeinspeisung, 2010: Website Biogas-Netzeinspeisung, Bundesministerium für
Verkehr, Innovation und Technologie, http://www.biogas-netzeinspeisung.at/, letzter
Zugriff im Juni 2010
Biogaspartner, 2010: Einspeiseprojekte in Österreich,
http://www.biogaspartner.de/index.php?id=10275&L=&fs=, letzter Zugriff im Juni 2010
Biomasseverband, 2009: Das österreichische Energiesystem 2000-2005-2020-2025 –
Zahlen, Fakten, Vorgaben, Potenziale, Maßnahmen, Effekte, Österreichischer
Biomasseverband (2009)
BMLF, 1999: Richtlinien für die Sachgerechte Düngung, 5. Auflage, 1999
Bundesministerium für Land- und Forstwirtschaft, Umwelt und Wasserwirtschaft (BMLFUW),
2008: Grüner Bericht 2008 – Bericht über die Situation der österreichischen Land- und
Forstwirtschaft, www.gruenerbericht.at, letzter Zugriff im Juni 2010
Bundesministerium für Land- und Forstwirtschaft, Umwelt und Wasserwirtschaft (BMLFUW),
2009: Biokraftstoffe aktuell - Zahlen und Fakten,
http://umwelt.lebensministerium.at/article/articleview/66083/1/1467, letzter Zugriff im
Juni 2010

Literatur
Bundesministerium für Land- und Forstwirtschaft, Umwelt und Wasserwirtschaft (BMLFUW),
Bundesministerium für Wirtschaft, Familie und Jugend (BMWFJ) 2010:
EnergieStrategie Österreich, Wien
Bundesministerium für Land- und Forstwirtschaft, Umwelt und Wasserwirtschaft (BMLFUW),
2008a: Die Österreichische Saatgutwirtschaft 2007. Wien, Eigenverlag.
Bundesministerium für Land- und Forstwirtschaft, Umwelt und Wasserwirtschaft (BMLFUW),
2008b: Deckungsbeiträge und Daten für die Betriebsplanung 2008. Wien, Eigenverlag
Capros, P., Mantzos, L., Papandreou, V., Tasios, N., 2008: European Energy and Transport
– Trends to 2030 – Update 2007, European Commission, Directorate-General for
Energy and Transport, Institute of Communication and Computer Systems of the
National Technical University of Athens
Cosijns L., D’haeseleer W., 2007: EUSUSTEL – European Sustainable Electricity;
Comprehensive Analysis of Future European Demand and Generation of European
Electricity and its Security of Supply, Final Technical Report,
http://www.eusustel.be/results.php, letzter Zugriff im Juni 2010
CR 1973/2004: Commission Regulation (EC) No 1973/2004 of 29 October 2004 laying down
detailed rules for the application of Council Regulation (EC) No 1782/2003 as regards
the support schemes provided for in Titles IV and IVa of that Regulation and the use of
land set aside for the production of raw materials
CR 73/2009: Council Regulation (EC) No 73/2009 of 19 January 2009 establishing common
rules for direct support schemes for farmers under the common agricultural policy and
establishing certain support schemes for farmers, amending Regulations (EC) No
1290/2005, (EC) No 247/2006, (EC) No 378/2007 and repealing Regulation (EC) No
1782/2003.
Diepenbrock W., Fischbeck F., Heyland, Knauer, 1999: Spezieller Pflanzenbau, 3. Auflage,
UTB 111, Verlag E. Ulmer, Stuttgart
Diepenbrock W., Ellmer F., Leon J., 2005: Ackerbau, Pflanzenbau und Pflanzenzüchtung,
Verlag Eugen Ulmer, Stuttgart. Serie UTB.
De Wit M.P., Faaij A.P.C., 2010. European Biomass Resource Potential and Costs, Biomass
and Bioenergy 34 (2010) 188 – 202
Deim F., Stürmer B., 2009: Am besten alle vier Jahre ernten. Forstzeitung, 12/09, 16-17.
Deutsche Landwirtschafts-Gesellschaft (DLG), 1997: Futterwerttabellen Wiederkäuer, 7.
Aufl., DLG-Verlags-GmbH, Frankfurt/Main
Doornbosch R., Steenblik R., 2008: Biofuels: Is the cure worse than the disease? Round
Table on Sustainable Development, OECD
E-Control, 2008: Ökostrombericht 2008, Bericht der Energie-Control GmbH. gemäß § 25 Abs
1 Ökostromgesetz, Wien
E-Control, 2009: Ökostrombericht 2009, Bericht der Energie-Control GmbH. gemäß § 25 Abs
1 Ökostromgesetz, Wien
E-Control, 2010: Netzentgelte,
http://www.e-control.at/de/marktteilnehmer/strom/netzentgelte, letzter Zugriff im Juni
2010
EBB, 2010. Website des European Biodiesel Board, Statistics, http://www.ebbeu.org/stats.php,
letzter Zugriff im Juli 2010
Edwards R. et al., 2007: Well-to-wheels analysis of future automotive fuels and powertrains
in the european context, CONCAWA, JRC/IES
142

143
ALPot
European Commission (EC), 2009, Richtlinie 2009/28/EG des Europäischen Parlaments und
des Rates zur Förderung der Nutzung von Energie aus erneuerbaren Quellen und zur
Änderung und anschließenden Aufhebung der Richtlinien 2001/77/EG und 2003/30/EG
European Energy Exchange (EEX), 2010: Market Data,
http://www.eex.com/en/Market%20Data, letzter Zugriff im Juni 2010
European Environment Agency (EEA), 2006: T. Wiesenthal, A. Mourelatou, J.-E. Peterson,
P. Taylor, AEA Technology, How much bioenergy can Europe produce without harming
the environment? EEA Report No 7/2006; Kopenhagen
Eurostat, 2010a: Energiestatistik – Mengen,
http://epp.eurostat.ec.europa.eu/portal/page/portal/energy/data/database, letzter Zugriff
im Juni 2010
Eurostat, 2010b: Energiestatistik – Preise,
http://epp.eurostat.ec.europa.eu/portal/page/portal/energy/data/database, letzter Zugriff
im Juni 2010
Erdgas OÖ, 2009: Geräteübersicht Gas-Brennwertkessel,
http://www.erdgasooe.at/imperia/md/content/pdf/erdgasooe_geraeteuebersicht_2006.p
df, lezter Zugriff im Jänner 2009
Ferber J., 1999: Agent and Society. Multi-Agent Systems; An Introduction To Distributed
Artificial Intelligence, Addison Wesley, Harlow, England
Fischbeck G., 1999: Landwirtschaftlicher Pflanzenbau und biologische Vielfalt. In: Biologie in
unserer Zeit Bd. 29, 1999, S. 177–183.
Fischer G., Hizsnyik E., Prieler S., Shah M., van Velthuizen H., 2009: Biofuels and Food
Security – Implications of an accelerated biofuels production, The OPEC Fund for
International Development (OFID), Wien
FNR, 2007. Leitfaden Bioenergie – Planung, Betrieb und Wirtschaftlichkeit von Bioenergieanlagen,
3. Auflage 2007, Fachagentur Nachwachsende Rohstoffe e.V. (FNR), Gülzow
FNR, 2009: Website http://www.energiepflanzen.info/, Fachagentur Nachwachsende Rohstoffe
e.V., letzter Zugriff im Oktober 2009
Friedl A., Pfeiffer M., Wukovits W., Danzinger G., Pober M., Beckmann G., Hannesschläger
M., Prechtl M., 2005: Polygeneration Bruck/Leitha – Produktion alternativer Treibstoffe,
Wärme, Strom & nichtenergetischer Produkte unter Berücksichtigung der Optimierung
der Gesamtenergiebilanz sowie der Materialflüsse, Bundesministerium für Verkehr,
Innovation und Technologie (Hrsg.), Wien
Frühwirth P., 2008: Miscanthus ´Giganteus´ - als nachwachsender Rohstoff,
Mitteleuropäische Biomassekonferenz 2008, 16.-19.1.2008, Graz
Gassner M., Maréchal F., 2009: Thermo-economic process model for thermochemical
production of Synthetic Natural Gas (SNG) from lignocellulosic biomass, Biomass and
Bioenergy (2009) 1-18
Haas R., Huber C., Resch G., Faber T. et al., 2004: Green-X – Deriving optimal promotion
strategies for increasing the share of RES-E in a dynamic European electricity market,
Final report of the project “Green-X”, 5th framework programme of the European
Commission – Energy Economics Group (Vienna University of Technology), IT Power,
KEMA, RISO, CSIC, FhG-ISI, Wienstrom, EGL, EREC; Wien, 2004
Hagauer D., Jamek A., Lechner H., Tretter H., Veigl A., 2007: Ökostromgesetz – Evaluierung
und Empfehlungen, Herausgeber: Österreichische Energieagentur, Auftraggeber:
Bundesministerium für Land- und Forstwirtschaft, Umwelt und Wasserwirtschaft, Wien
2007

Literatur
Hamelinck, C. N., Faaij, A. P. C. 2006: Outlook for advanced biofuels, Energy Policy 34
(2006) 3268–3283
Haneder H., Furtner K. 2010: Biomasse-Heizungserhebung 2009, Landwirtschaftskammer
Niederösterreich; St. Pölten
Hansen H., Raab K., Pilz B., 2007: Marktübersicht Pellet-Zentralheizungen und Pelletöfen, 4.
Auflage, Fachagentur Nachwachsende Rohstoffe e. V., Gülzow
Hartmann H., Reisinger K., Thuneke K., Höldrich A., Roßmann P., 2007: Handbuch
Bioenergie-Kleinanlagen, 2. Auflage 2007, Herausgeber: Fachagentur Nachwachsende
Rohstoff e.V., Gülzow
Hopfner-Sixt K., Amon T., Pötsch E., Walla C., Amon B., Milovanovic D., Mayr H.,
Weichselbaum W., 2007: Analyse und Optimierung neuer Biogasanlagen.
Österreichische Forschungsförderungsgesellschaft (FFG)
International Energy Agency (IEA), 2004: Biofuels for Transport – An International
Perspective, Paris
International Energy Agency (IEA), 2008: Technology Perspectives 2008, Scenarios &
Strategies to 2050, Paris
Jungbluth N., Büsser S., Frischknecht R., Tuchschmid M, 2008: Life Cycle Assessment of
Biomass-to-Liquid Fuels, Bundesamt für Energie; Bern 2008
Jungmeier G., Hausberger S., Canella L., 2003: Treibhausgas-Emissionen und Kosten von
Transportsystemen - Vergleich von biogenen mit fossilen Treibstoffen, Joanneum
Research, TU Graz
Kalt G., Kranzl L., Haas R., Long-term strategies for an efficient use of domestic biomass
resources in Austria, Biomass and Bioenergy 34 (2010) 449 - 466
Kaltschmitt, M., Hartmann, H., Hofbauer, H., 2009: Energie aus Biomasse: Grundlagen,
Techniken und Verfahren, 2. Auflage, Springer
Karl J., 2006: Dezentrale Energiesysteme – Neue Technologien im liberalisierten Energiemarkt,
2. Auflage, Oldenbourg Wissenschaftsverlag GmbH, München
Kirjavainen M., Sipilä K., Savola T., Salomón M., Alakangas E., 2004: Small-scale biomass
CHP technologies, Situation in Finland, Denmark and Sweden, Sweden, VTT
Processes
Klima:Aktiv, 2006: Zwischenfrüchte nach Wintergetreide – Rohstoffpotenzial und Bodenschutz,
http://www.klimaaktiv.at/article/articleview/39228/1/12169, letzter Zugriff im Juni
2010
Klinski S., 2006: Studie Einspeisung von Biogas in das Erdgasnetz, 2. Auflage, Fachagentur
Nachwachsende Rohstoffe e.V., Leipzig
Konsument, 2008: Marktübersicht Öl-Brennwertkessel, Ausgabe 08/2008,
http://www.konsument.at/, letzter Zugriff im Jänner 2009
Kopetz H., Moidl S., Prechtl M., Kirchmeyr F., Kronberger H., Kanduth R., Rakos C., 2010:
Nationaler Aktionsplan für erneuerbare Energie, Technischer Bericht, Wien 2010
Kolbe H., 2007: Einfache Methode zur standortangepassten Humusbilanzierung von
Ackerland unterschiedlicher Anbauintensität. 9. Wissenschaftstagung Ökologischer
Landbau, http://orgprints.org/view/projects/wissenschaftstagung-2007.html, letzter
Zugriff im Juni 2010
Kranzl L., Haas R., Kalt G., Diesenreiter F., Eltrop L., König A., Makkonen P., 2008:
Strategien zur optimalen Erschließung der Biomassepotenziale in Österreich bis zum
Jahr 2050 mit dem Ziel einer maximalen Reduktion an Treibhausgasemissionen,
Bundesministerium für Verkehr, Innovation und Technologie, Wien
144

145
ALPot
Kranzl L., Formayer H., Kalt G., Kromp-Kolb H., Lexer M., Müller A., Nachtnebel H.P., Redl
C., Schörghuber S., Stanzel P., 2010: KlimAdapt – Ableitung von prioritären
Maßnahmen zur Adaption des Energiesystems an den Klimawandel,
Bundesministerium für Verkehr, Innovation und Technologie, Wien
Kuratorium für Technik und Bauwesen in der Landwirtschaft (KTBL), 2006. Energiepflanzen,
Darmstadt.
Kuratorium für Technik und Bauwesen in der Landwirtschaft (KTBL), 2010: Kostenrechner
Energiepflanzen, Kuratorium für Technik und Bauwesen in der Landwirtschaft,
http://daten.ktbl.de/energy/, letzter Zugriff im Juni 2010
Leuchtweis C., 2008: Wirtschaftliche Aspekte der energetischen Nutzung von Stroh,
C.A.R.M.E.N., Fachkongress „Alternative Rohstoffe für Bioenergie“, Rosenheim
Machan N., 2009: Vortrag Gaseinspeisung Leoben, Biogas-ExpertInnen-Stammtisch,
Steirische Gas-Wärme GmbH, 4. Juni 2009,
http://noest.ecoundco.at/news/docs/26929_Biogas_Stammtisch_090604_Netzeinspeis
ung_Leoben_Machan.pdf, letzter Zugriff im Juni 2010
Mandl M., Graf N., Thaller A., Böchzelt H., Schnitzer H., et al., 2006: Grüne Bioraffinerie –
Aufbereitung und Verwertung der Grasfaserfraktion, Berichte aus Energie- und
Umweltforschung 67/2006, Bundesministerium für Verkehr, Innovation und
Technologie
Mineralölwirtschaftsverband e.V.(2010): Rohölpreisentwicklung 1960-2008 (Jahresdurchschnitte),
http://www.mwv.de/cms/front_content.php?idcat=14&idart=63, letzter Zugriff
im Juni 2010
Obernberger I., Thek G., 2004: Techno-economic evaluation of selected decentralized CHP
applications based on biomass combustion in IEA partner countries, BIOS Bioenergy
Systems, Graz 2004
Obernberger I., Thek G., 2008: Cost assessment of selected decentralised CHP applications
based on biomass combustion and biomass gasification, 16 th European Biomass
Conference and Exhibition, ETA-Renewable Energies (Ed.), Valencia
OECD/FAO, 2008: Agricultural Outlook 2008-2017, Paris.
Öko-Institut, 2010: Global Emission Model for Integrated Systems (GEMIS) Version 4.5,
http://www.gemis.de/en/index.htm, letzter Zugriff im Juni 2010
ÖROK, 2008: Raumszenarien Österreichs 2030,
http://www.oerok.gv.at/raum-region/themen-und-forschungsbereiche/szenarien-derraumentwicklung.html,
letzter Zugriff im Juni 2010
Patzl F., 2008: Niederösterreichische Landesregierung - Geschäftsstelle für Energiewirtschaft,
persönliche Mitteilung, 17.9.2008
Prankl H., Krammer K., Janetschek H., Roitmeier T., 2005: Blockheizkraftwerke auf
Pflanzenölbasis, Fancisco Josephinum Biomass Logistics Technology (FJ BLT)
Wieselburg, Forschungsbericht 46, Wieselburg
ProPellets, 2010: Website des Vereins proPellets Austria,
http://www.propellets.at/cms/cms.php, letzter Zugriff im Juni 2010
Proplanta, 2009: Website www.proplanta.de, Das Informationszentrum für die
Landwirtschaft, Proplanta GmbH & Co. KG, letzter Zugriff im September 2009
Remmele E., 2007: Handbuch Herstellung von Rapsölkraftstoff in dezentralen
Ölgewinnungsanlagen, Fachagentur Nachwachsende Rohstoffe (FNR), Gülzow
Refuel, 2010: Website des Projektes „Refuel“, http://www.refuel.eu/, letzter Zugriff im Juni
2010

Literatur
Resch, G., Faber, T., Panzer, C., Haas, R., Ragwitz, M., Held, A., 2008a. Futures-E, 20%
RES by 2020 – A balanced scenario to meet Europe’s renewable energy target,
Intelligent Energy for Europe-Programme, Vienna
Rettenmaier N., Reinhardt G., Schorb A., Köppen S., von Falkenstein E. et al., 2008: Status
of biomass resource assessments – Version 1, Biomass Energy Europe project, IFEU,
Heidelberg
Rogers E., 2003: Diffusion of innovations, 5 th ed., New York
Schmid E., Stürmer B., Sinabell F., 2008: Modellanalysen von Optionen einer künftigen GAP
in Österreich. Forschungsbericht im Auftrag des Bundesministeriums für Land- und
Forstwirtschaft, Umwelt und Wasserwirtschaft
Schmidhuber J., 2007: Biofuels: An emerging threat to Europe’s Food Security? Impact of an
increased biomass use on agricultural markets, prices and food security: A longer-term
perspective, Notre Europe, Policy Paper 27
Schönhart M., Schmid E., Schneider U., 2009: CropRota – A Model to Generate Optimal
Crop Rotations from Observed Land Use. Diskussionspapier Nr. DP-45-2009 des
Instituts für nachhaltige Wirtschaftsentwicklung der Universität für Bodenkultur Wien
Schultes H., 2007: Ethanol – Potenziale und Chancen für die Landwirtschaft, Vortrag im
Rahmen der „Ethanol-Tagung“ am 19.Juni 2007, St. Pölten
Sperr R., 2009: Website www.energiepflanzen.at, letzter Zugriff im Oktober 2009.
Statistik Austria 2001: Agrarstrukturerhebung 1999, Schnellbericht 1.17
Statistik Austria 2008: Agrarstrukturerhebung 2007, Schnellbericht 1.17
Statistik Austria, 2010a: Gesamtenergiebilanz 1970 bis 2008 (Detailinformation),
http://www.statistik.at/web_de/statistiken/energie_und_umwelt/energie/energiebilanzen
/index.html, letzter Zugriff im Mai 2010
Statistik Austria, 2010b: Nutzenergieanalyse,
http://www.statistik.at/web_de/statistiken/energie_und_umwelt/energie/nutzenergieanal
yse/index.html, letzter Zugriff im Mai 2010
Statistik Austria, 2010c: Bodennutzung in Österreich 2006 bis 2009,
http://www.statistik.at/web_de/statistiken/land_und_forstwirtschaft/agrarstruktur_flaech
en_ertraege/bodennutzung/index.html, letzter Zugriff im Juni 2010
Statistik Austria, 2010d: Versorgungsbilanz für pflanzliche Öle 2003/04 - 2008/09,
http://www.statistik.at/web_de/statistiken/land_und_forstwirtschaft/preise_bilanzen/vers
orgungsbilanzen/index.html, letzter Zugriff im Mai 2010
Statistik Austria, 2010e: Jahresdurchschnittspreise und -steuern 2003 – 2008 für die wichtigsten
Energieträger,
http://www.statistik.at/web_de/statistiken/energie_und_umwelt/energie/preise_steuern/i
ndex.html, letzter Zugriff im Mai 2010
Statistik Austria, 2010f: Land- und Forstwirtschaftliche Erzeugerpreise,
http://www.statistik.at/web_de/statistiken/land_und_forstwirtschaft/preise_bilanzen/prei
se_preisindex/index.html, letzter Zugriff im Juni 2010
Steinberger P., 2008: Burgenländische Landesregierung - Agrar- und Veterinärwesen,
persönliche Mitteilung, 23.10.2008
Stürmer, B., Schmid, E., 2007: Wirtschaftlichkeit von Weide und Pappel im Kurzumtrieb unter
österreichischen Verhältnissen. Ländlicher Raum, Dez 07, 9
Stürmer B., Eder M., Hopfner-Sixt K., Bauer A., Handler F., Amon Th., Ritzmann A., 2008:
Optimierung der Beschaffungs- und Distributionslogistik für Biogasanlagen. In:
146

147
ALPot
Österreichischer Biomasseverband, Mitteleuropäische Biomassekonferenz 2008,
Tagungsband, 16. bis 19. Jänner 2008, Graz.
Thomet P., Stettler M., Weiß D., 2008: Methode zur Berechnung der Flächenleistung Milch,
Schweizerische Hochschule für Landwirtschaft SHL
Thrän D., Weber M., Scheuermann A., Fröhlich N., Zeddies J., Henze A., Thoroe C.,
Schweinle J., Fritsche U., Jenseit W., Rausch L., Schmidt K., Nachhaltige Biomassenutzungsstrategien
im europäischen Kontext, Leipzig 2005
Thrän D., Edel M., Seidenberger T., Gesemann S., Rohde M., 2009. Identifizierung
strategischer Hemmnisse und Entwicklung von Lösungsansätzen zur Reduzierung der
Nutzungskonkurrenzen beim weiteren Ausbau der energetischen Biomassenutzung, 1.
Zwischenbericht, Leipzig 2009
Toro P., Rosende D., Reitze F., Ajanovic A., Haas R., Furlan S., 2009: Alter-Motive –
Deriving Effective Least Cost Policy Strategies for Alternative Automotive Concepts
and Alternative Fuels, WP3: Fuels and Technology State of the Art Assessment, State
of the Art database: Alternative Fuels, http://www.alter-motive.org, letzter Zugriff im
Juni 2010
TTM, 2002: TechnologiePortrait Kraft-Wärme-Kopplung, Institut für Thermische Turbomaschinen
und Maschinendynamik, TU Graz, erstellt für energytech.at im Auftrag der
Energieverwertungsagentur – E.V.A. und des Bundesministeriums für Verkehr, Innovation
und Technologie, Wien, 2002
Umweltbundesamt GmbH (UBA), 2001: CORINE Landcover Österreich 2001
Umweltbundesamt GmbH (UBA), 2009: Klimaschutzbericht 2009, ISBN 978-3-99004-024-
9,Wien, 2009
Url B., Pöchtrager S., 2005: Machbarkeitsstudie zur Auslobung „gentechnikfrei“ und Vermeidung
von GVO bei Lebensmittel aus tierischer Erzeugung, Universität für Bodenkultur
Wien, Österreichische Agentur für Gesundheit und Ernährungssicherheit GmbH, Wien
UN Comtrade, 2009: United Nations Commodity Trade Statistics Database (UN Comtrade
database), http://comtrade.un.org/db/, letzter Zugriff im Dezember 2009
Urban W., Girod K., Lohmann H., 2008: Technologien und Kosten der Biogasaufbereitung
und Einspeisung in das Erdgasnetz. Ergebnisse der Markterhebung 2007-2008,
Fraunhofer UMSICHT, Bundesministerium für Bildung und Forschung, Bonn
Uslu A., Pedersen J.-E., Resch G., Fritsche U., 2008: Maximising the environmental benefits
of Europe's bioenergy potential, Technical report No 10/2008, published by European
Environment Agency, Kopenhagen 2008
von Lampe M., 2007: Economics and agricultural market impacts of growing biofuel
production, Agrarwirtschaft 56 (2007), Heft 5/6, 232-237
Wahlund B., Yan J., Westermark M., 2000: Comparative assessment of biofuel-based
combined heat and power generation plants in Sweden, Royal Institute of Technology
Stockholm, 1 st World Conference on Biomass for Energy and Industry, Sevilla
Walla C., 2006: Wirtschaftlichkeit von Biogasanlagen, Dissertation, Universität für Bodenkultur
Wien, Wien
WBGU (Wissenschaftlicher Beirat der Bundesregierung Globale Umweltveränderungen),
2008: Welt im Wandel – Zukunftsfähige Bioenergie und nachhaltige Landnutzung,
Berlin
Weiss G., ed. 2000: Multiagent Systems: A Modern Approach to Distributed Artificial Intelligence,
MIT Press, Cambridge, MA

Literatur
Wetterlund E., Söderström M., Biomass gasification in district heating systems – The effect
of economic energy policies, Applied Energy, Volume 87, Issue 9, September 2010,
Pages 2914-2922
Wikipedia, 2010: Wikipedia – Die Freie Enzyklopädie, http://de.wikipedia.org/, letzter Zugriff
im Juni 2010
Williams J.R., 1995: The EPIC Model. In: Singh, V.P. (Ed.), Computer Models of Watershed
Hydrology. Water Resources Publications, Colorado, pp. 909-1000.
Winter R., 2006/07/08/09: Biokraftstoffe im Verkehrssektor in Österreich 2006/07/08/09,
Herausgeber: Umweltbundesamt bzw. Bundesministeriums für Land- und
Forstwirtschaft, Umwelt und Wasserwirtschaft, Wien
Zah R. , Böni H., Gauch M., Hischier R., Lehmann M., Wäger P., 2007: Ökobilanz von
Energieprodukten: Ökologische Bewertung von Biotreibstoffen, Empa; im Auftrag des
Bundesamtes für Energie, des Bundesamtes für Umwelt und des Bundesamtes für
Landwirtschaft; Bern 2007
Zentralanstalt für Metrologie und Geodynamik (ZAMG), 2008: Daten zu Niederschlag und
Temperatur österreichweit, Datenübermittlung im Juli 2008
148

11 Verzeichnisse
11.1 Abbildungsverzeichnis
149
ALPot
Abbildung 1-1: Überblick über die im Projekt eingesetzten Modelle und deren
Schnittstellen .................................................................................................. 5
Abbildung 2-1: Entwicklung des Bruttoinlandsverbrauchs (Primärenergie) von 1970 bis
2008 ............................................................................................................... 6
Abbildung 2-2: Zusammensetzung des Biomasseaufkommens (Bezugsjahr: 2007) ............. 7
Abbildung 2-3: Entwicklung Erneuerbarer Energien (Endenergie) und ihres Anteils am
gesamten Endenergieverbrauch von 1970 bis 2008 ..................................... 7
Abbildung 2-4: Endenergieverbrauch in Österreich nach Energieträgern und
Nutzungskategorien im Jahr 2008 ................................................................. 8
Abbildung 2-5: Endenergieverbrauch für Raumwärme und Warmwasser in Österreich
nach Energieträgern von 1970-2008 ............................................................. 9
Abbildung 2-6: Entwicklung der österreichischen Fernwärmeversorgung (Endenergie)
von 1980 bis 2008 ........................................................................................ 10
Abbildung 2-7: Entwicklung der österreichischen Stromversorgung von 1970 bis 2007 ..... 11
Abbildung 2-8: Entwicklung der Stromerzeugung aus biogenen Energieträgern inklusive
Ablauge der Papierindustrie von 1970 bis 2008 .......................................... 11
Abbildung 2-9: Endenergieverbrauch des Landverkehrs (exkl. Eisenbahnen):
Entwicklung von 1970 bis 2008 ................................................................... 12
Abbildung 2-10: Entwicklung des Endenergieverbrauchs der Landwirtschaft von 1970 bis
2008 (Der Sprung von 1987 auf 1988 geht auf eine Neuerhebung der
Verbrauchsstruktur zurück.) ......................................................................... 13
Abbildung 2-11: Endenergieverbrauch der Landwirtschaft nach Energieträgern und
Nutzungskategorien im Jahr 2007 ............................................................... 13
Abbildung 2-12: NAWARO-Flächen 1997-2008 ..................................................................... 15
Abbildung 2-13: Energiepflanzenflächen 2003-2009 ............................................................. 15
Abbildung 2-14: Schätzung des Flächenbedarfs für Energiepflanzen zur Biogaserzeugung
und energiebezogene Zusammensetzung des eingesetzten Substrate
(Bezugsjahr 2007) ........................................................................................ 16
Abbildung 2-15: Anlagen zur Biogaserzeugung zur Einspeisung bzw. Verwendung als
Kraftstoff in Österreich ................................................................................. 17
Abbildung 2-16: Entwicklung der Biodiesel-Produktionskapazitäten und der tatsächlichen
Produktion in Österreich (keine Daten zu Produktion bzw. Kapazitäten im
Jahr 2009 bzw. 2002 verfügbar) .................................................................. 18
Abbildung 2-17: Entwicklung der österreichischen Biodieselversorgung ............................... 19
Abbildung 2-18: Brutto-Rohstoffbedarf der österreichischen Biodieselversorgung,
Entwicklung der Erntemengen und Nettoimporte von Raps und
Sonnenblumen sowie pflanzlichen Ölen (Die Erntemengen beziehen sich
auf das jeweilige Wirtschaftsjahr.) ............................................................... 20
Abbildung 3-1: Treibhausgasemissionen in Österreich: Entwicklung von 1990 bis 2007
und Kyoto-Ziel .............................................................................................. 23
Abbildung 3-2: 2020-Zielerreichungspfad laut Energiestrategie Österreich ........................ 25

Verzeichnisse
Abbildung 3-3: Historische Entwicklung des Endenergieverbrauchs aus erneuerbaren
und nicht-erneuerbaren Energieträgern von 1970 bis 2007 und Pfade zur
Erreichung des „34%-Ziels“ gemäß den PRIMES-
Energieverbrauchsszenarien „Target case“, „Baseline“ und „Effizienz“ ....... 28
Abbildung 3-4: Historische Entwicklung des Endenergieverbrauchs aus erneuerbaren
und nicht-erneuerbaren Energieträgern von 1970 bis 2007 und Szenario
nach Resch et al. (2009) .............................................................................. 29
Abbildung 3-5: Biomassepotenziale in Österreich: Gegenüberstellung von
Literaturangaben .......................................................................................... 30
Abbildung 3-6: Entwicklung der Großhandelspreise fossiler Kraftstoffe sowie von Rohöl
historisch seit 2000 und Szenarien bis 2030 ............................................... 32
Abbildung 3-7: Preisentwicklung fossiler Energieträger historisch seit 2000 und
Szenarien bis 2030 ...................................................................................... 32
Abbildung 3-8: Historische Entwicklung des Großhandelsstrompreises an der EEX
(Spotmarktpreis „Phelix base“) und Stromerzeugungskosten eines
modernen GuD-Kraftwerks auf Basis von historischen Erdgaspreisen
bzw. Preisszenarien ..................................................................................... 33
Abbildung 3-9: Entwicklung der Landbedeckung von 1960 bis 2030 ..................................... 34
Abbildung 3-10: Einfluss des Rohölpreises auf die variablen Produktionskosten
ausgewählter Ackerkulturen ......................................................................... 35
Abbildung 3-11: Entwicklung des Weizenpreises in der EU27 und Preisprognosen aus
dem Jahr 2008 ............................................................................................. 36
Abbildung 3-12: Durchschnittlicher jährlicher Deckungsbeiträge je ha von Pappel mit
mittlerer Ertragserwartung, unterschiedlichen Umtriebsintervallen (U2 bis
U10) und unterschiedlichen Erntetechniken im Vergleich zu einem
Deckungsbeitrag einer Feldfruchtfolge ........................................................ 37
Abbildung 4-1: Systematik der energietischen Nutzungspfade von Biomasse ................... 39
Abbildung 4-2: Energetische Nutzungspfade von Ackerfrüchten ......................................... 40
Abbildung 4-3: Wirtschaftlichkeit von Kleinfeuerungsanlagen beim Preisniveau des
Jahres 2006 und einer angenommenen Abschreibdauer von zehn Jahren 44
Abbildung 4-4: Wärmeerzeugungskosten von Kleinfeuerungsanlagen (Bezugsjahr 2030
– Szenario FAO/Primes) .............................................................................. 45
Abbildung 4-5: Wärmeerzeugungskosten von Heizwerken und industriellen
Prozessdampferzeugungsanlagen (Preisniveau 2006) ............................... 47
Abbildung 4-6: Wärmeerzeugungskosten von Heizwerken und industriellen
Prozessdampferzeugungsanlagen (Bezugsjahr 2030 – Szenario
FAO/Primes) ................................................................................................ 48
Abbildung 4-7: Stromgestehungskosten von Biomasse-KWK-Anlagen sowie eines
modernen Erdgas-GuD-Kraftwerks („Erdgas-CCGT“) (Bezugsjahr 2006) ... 49
Abbildung 4-8: Erzeugungskosten biogener und Referenzpreise fossiler Kraftstoffe
(Bezugsjahr 2006, alle Angaben exkl. USt.) ................................................ 52
Abbildung 4-9: Erzeugungskosten biogener und Referenzpreise fossiler Kraftstoffe (2030
– OECD/Primes high Szenario) alle Angaben exkl. USt.) ............................ 53
Abbildung 5-1: Struktur des Modells AGRIEN ..................................................................... 61
Abbildung 5-2: Anzahl der Betriebe nach Produktionstypen und nach Hauptproduktionsgebieten
....................................................................................................... 63
150

151
ALPot
Abbildung 5-3: Standarddeckungsbeitrag und Betriebsgröße im Jahr 2007 ........................ 64
Abbildung 5-4: Simulationsergebnisse des Modells AGRIEN: Flächen zur
Energieträgerproduktion in Österreich im Jahr 2030 in 1000 ha ................. 71
Abbildung 5-5: Simulationsergebnisse: Anteil der Flächen zur Energieträgerproduktion
und Anteil der Betriebe mit landwirtschaftlicher Energieträgerproduktion
in Österreich (2030 ) .................................................................................... 72
Abbildung 6-1: Modellskizze – Überblick zum Modellaufbau ............................................... 75
Abbildung 6-2: Modellstruktur zur Optimierung der Ackerflächennutzung ........................... 77
Abbildung 6-3: Operationalisierung Jahresniederschlagsmenge/Score (Beispiel Kulturart
f01 Raps) ..................................................................................................... 78
Abbildung 6-4: Operationalisierung Jahrestemperaturmittel/Score (Beispiel Kulturart f01
Raps) ........................................................................................................... 78
Abbildung 6-5: Grundmodell - Erntemengen [Tonnen pro Jahr] .......................................... 82
Abbildung 6-6: Variante Intensive Landwirtschaft - Erntemengen [Tonnen pro Jahr] .......... 83
Abbildung 6-7: Variante Externe Landwirtschaft - Erntemengen [Tonnen pro Jahr] ............ 84
Abbildung 6-8: Variante Intensivierung der Fruchtfolge - Erntemengen [Tonnen pro Jahr] . 85
Abbildung 6-9: Variante Intensivierung der Fruchtfolge II - Erntemengen [Tonnen pro
Jahr] ............................................................................................................. 87
Abbildung 6-10: Variante Intensivierung der Fruchtfolge III - Erntemengen [Tonnen pro
Jahr] ............................................................................................................. 88
Abbildung 6-11: Variante Intensivierung der Fruchtfolge III - Erntemengen [Tonnen pro
Jahr] ............................................................................................................. 89
Abbildung 6-12: Vergleich der Gesamterntemengen [Tonnen pro Jahr] ................................ 90
Abbildung 7-1: Veränderungen des Flächenausmaßes der gesamten
Biomasseproduktion in den Jahren 2015, 2020 und 2030 ausgehend vom
Basisjahr 2006 in Abhängigkeit der Prämienstufen (0 bis 100 €/tatro) .......... 95
Abbildung 7-2: Veränderungen der Bewirtschaftungsintensität in Abhängigkeit der
Biomasseprämie im Jahr 2015 bei Förderung aller Bioenergiekulturen. ..... 96
Abbildung 7-3: Veränderungen des Flächenausmaßes von Kulturen für die Futtermittelund
Lebensmittelproduktion (Kulturen f. FM&LM) und für die Produktion
von Energiepflanzen für das Jahr 2020 in Abhängigkeit der
Biomasseprämie beim Förderschwerpunkt Biogas (FS3) zum Basisjahr
2006. ............................................................................................................ 96
Abbildung 7-4: Flächenveränderungen von Ackerkulturen für die Futtermittel- und
Lebensmittelproduktion bei einer Biomasseprämie von 100 €/tatro in den
Jahren 2015, 2020 und 2030 zum Basisjahr 2006 in Tausend ha. .............. 97
Abbildung 7-5: Flächenveränderungen von Ackerkulturen für die Energieproduktion bei
einer Biomasseprämie von 100 €/tatro in den Jahren 2015, 2020 und 2030
zum Basisjahr 2006 in Tausend ha. ............................................................. 98
Abbildung 7-6: Angebotskurven für konventionelle Ackerfrüchte im Szenario mit
entsprechenden Förderschwerpunkt ........................................................... 99
Abbildung 7-7: Angebotskurven für Biogassubstrate im Szenario mit entsprechenden
Förderschwerpunkt .................................................................................... 100
Abbildung 7-8: Angebotskurven für Lignozellulose im Szenario mit entsprechenden
Förderschwerpunkt .................................................................................... 100

Verzeichnisse
Abbildung 8-1: Schematische Darstellung der Struktur des Modells SimBioSe ................ 103
Abbildung 8-2: Schematische Darstellung der Methodik zur Ableitung der Referenzpreise
bzw. –kosten .............................................................................................. 104
Abbildung 8-3: Entwicklung des Bedarfs an Raumwärme und Warmwasser nach
Standort (ländlich/urban) und Heizlast der Wohneinheiten ........................ 106
Abbildung 8-4: Im Modell unterstellte THG-Emissionen und kumulierter Energieaufwand
biogener Energieträger .............................................................................. 107
Abbildung 8-5: Gegenüberstellung der mit biogenen Kraftstoffen erzielbaren relativen
Treibhausgaseinsparungen: Daten laut EU-Richtlinie EC(2009)28,
Bandbreiten in der Literatur und SimBioSe-Daten (Bezugsjahr: 2010) ..... 108
Abbildung 8-6: Simulationsergebnisse der No Policy-Szenarien (Szenarien 1-1 und 1-2):
Anteil von biogenen Energieträgern am Wärme-, Strom und
Kraftstoffbedarf sowie am Primärenergiebedarf ........................................ 111
Abbildung 8-7: Simulationsergebnis des No Policy-Niveau 2006-Szenarios (1-1):
Biomasse-Primärenergieverbrauch ........................................................... 112
Abbildung 8-8: Simulationsergebnis des No Policy-Niveau 2006-Szenarios (1-1):
Energieoutput der Bioenergie-Anlagen ...................................................... 112
Abbildung 8-9: Simulationsergebnisse des No Policy-FAO/Primes-Szenarios (1-2):
Biomasse-Primärenergieverbrauch ........................................................... 113
Abbildung 8-10: Simulationsergebnisse des No Policy-FAO/Primes-Szenarios (1-2):
Energieoutput der Bioenergie-Anlagen ...................................................... 113
Abbildung 8-11: Simulationsergebnisse der Current Policy-Niveau 2006-Szenarien (2-1a
bis 2-1d): Anteil von biogenen Energieträgern am Wärme-, Strom und
Kraftstoffbedarf sowie am Primärenergiebedarf ........................................ 115
Abbildung 8-12: Simulationsergebnisse der Current Policy-FAO/Primes-Szenarien (2-2a
bis 2-2d): Anteil von biogenen Energieträgern am Wärme-, Strom und
Kraftstoffbedarf sowie am Primärenergiebedarf ........................................ 116
Abbildung 8-13: Simulationsergebnis des Current Policy-FAO/Primes-Szenarios mit
Förderschwerpunkt Ligno-Zellulose (Szenario 2-2d): Energieoutput der
Bioenergie-Anlagen ................................................................................... 116
Abbildung 8-14: Simulationsergebnis der Current Policy-FAO/Primes-Szenarien (2-2a bis
2-2d): Treibhausgaseinsparung und Einsparung fossiler Energieträger bei
verschiedenen Förderschwerpunkten ........................................................ 118
Abbildung 8-15: Simulationsergebnisse der spezifischen Förderszenarien „Biogene
Kraftstoffe“ (Szenarien 3-1a bis 3-1d): Förderkosten vs.
Treibhausgaseinsparung im Jahr 2030 ...................................................... 120
Abbildung 8-16: Simulationsergebnisse der spezifischen Förderszenarien „Biogene
Kraftstoffe“ (Szenarien 3-1a bis 3-1d): Förderkosten vs. Einsparung
fossiler Energieträger im Jahr 2030 ........................................................... 121
Abbildung 8-17: Simulationsergebnisse der spezifischen Förderszenarien
„Wärmeerzeugung“ (Szenarien 3-2a bis 3-2d): Förderkosten vs.
Treibhausgaseinsparung im Jahr 2030 ...................................................... 122
Abbildung 8-18: Simulationsergebnisse der spezifischen Förderszenarien
„Wärmeerzeugung“ (Szenarien 3-2a bis 3-2d): Förderkosten vs.
Einsparung fossiler Energieträger im Jahr 2030 ........................................ 123
152

153
ALPot
Abbildung 8-19: Variante „Steigerung der Flächenerträge“: Gegenüberstellung der
Simulationsergebnisse der Current Policy-FAO/Primes-Szenarien mit und
ohne Ertragssteigerungen im Jahr 2030 .................................................... 124
Abbildung 8-20: Gegenüberstellung der Varianten „Flächengutschriften für
Nebenprodukte“ und „Treibhausgasbilanz von Biogas“ mit dem jeweiligen
Ausgangsszenario ..................................................................................... 125
Abbildung 12-1: Technologische Lerneffekte bei den Kosten: Relative Veränderungen
gegenüber dem Basisjahr 2010 ................................................................. 157
Abbildung 12-2: Technologische Lerneffekte bei Wirkungs-/Jahresnutzungsgraden:
Relative Veränderungen gegenüber dem Basisjahr 2010 ......................... 157
Abbildung 12-3: Sensitivität der Wärmeerzeugungskosten von 25 kW-Heizanlagen
gegenüber den jährlichen Volllaststunden (Referenzjahr: 2006) ............... 158
Abbildung 12-4: Sensitivität der Wärmeerzeugungskosten von 15 kW-Heizanlagen
gegenüber Änderungen der Brennstoffkosten (Referenzjahr: 2006) ......... 158
Abbildung 12-5: Sensitivität der Wärmeerzeugungskosten von 15 kW-Heizanlagen
gegenüber der Abschreibdauer (Referenzjahr: 2006) ............................... 158
Abbildung 12-6: Sensitivität der Wärmeerzeugungskosten von 2 MW-Heizwerken
gegenüber den jährlichen Volllaststunden ................................................. 159
Abbildung 12-7: Sensitivität der Wärmeerzeugungskosten von 500 kW-Heizwerken und
10 MW Prozessdampfanlagen gegenüber Änderungen der
Brennstoffkosten (Referenzjahr: 2006) ...................................................... 159
Abbildung 12-8: Sensitivität der Wärmeerzeugungskosten von 2 MW-Heizwerken
gegenüber der Abschreibdauer (Referenzjahr: 2006) ............................... 159
Abbildung 12-9: Sensitivität der Stromgestehungskosten von Biomasse-KWK-Anlagen mit
einer elektrischen Leistung von ca. 1 MW gegenüber den Wärme-
Volllaststunden (Annahme „direkter“ Wärmenutzung) (Referenzjahr:
2006) .......................................................................................................... 160
Abbildung 12-10: Sensitivität der Stromgestehungskosten von verschiedenen Biomasse-
KWK-Anlagen gegenüber den Änderungen der Brennstoffkosten
(Annahme „direkter“ Wärmenutzung) (Referenzjahr: 2006) ...................... 160
Abbildung 12-11: Abbildung der Bodentypengruppen in Österreich (eBOD) .................... 163
Abbildung 12-12: Darstellung des für die Simulationen des Bioenergiesektor
unterstellten Energiebedarsszenarios ........................................................ 171
Figure 12-13: Main data structures of the model SimBioSys. .......................................... 172
Figure 12-14: Illustration of the deployment algorithm for one fuel and one (a) and two
technologies (b) ......................................................................................... 174
Figure 12-15: Maximum additional generation as a function of the achieved demandside
potential for different parameter settings (a) and the according
diffusion curves (b). .................................................................................... 175
Figure 12-16: Illustration of the quota algorithm (part 1): supply curves of two fuels (a)
and according energy / fuel generation costs of three technologies. ......... 176
Figure 12-17: Illustration of the quota algorithm (part 2): resulting “least-costs supply
curve” for the energy / fuel output in demand. ........................................... 177

Verzeichnisse
11.2 Tabellenverzeichnis
Tabelle 3-1: Details des Zielerreichungspfades laut EnergieStrategie Österreich ........... 26
Tabelle 4-1: Im Rahmen des Projektes berücksichtigte Technologien und deren
Referenztechnologien .................................................................................. 41
Tabelle 5-1: Verteilung Erwerbstypen .............................................................................. 63
Tabelle 5-2: Flächenverteilung Acker- und Grünlandfläche ............................................. 64
Tabelle 5-3: Veränderungsrate der Anzahl der Betriebe ................................................. 65
Tabelle 5-4: Szenarien Landwirtschaft ............................................................................. 68
Tabelle 5-5: Szenarien Bioenergie ................................................................................... 68
Tabelle 5-6: Simulationsergebnisse des Modells AGRIEN: Flächen zur
Energieträgerproduktion in Österreich im Jahr 2030 in ha bzw. % .............. 71
Tabelle 8-1: Überblick der Simulationsläufe und deren exogener Szenarioparameter .. 110
Tabelle 9-1: Stärken und Schwächen der verschiedenen Arten von Energiepflanzen
und deren möglicher Nutzungsarten .......................................................... 133
Tabelle 12-1: Bioenergie-Technologiedaten .................................................................... 156
Tabelle 12-2: Technologiedaten der Referenzanlagen .................................................... 157
Tabelle 12-3: Anteil der Betriebe in den Betriebsgrößenklassen, differenziert nach
Produktionstypen und Hauptproduktionsgebieten ..................................... 161
Tabelle 12-4: Auflistung der im Modell berücksichtige Kulturarten .................................. 162
Tabelle 12-5: Abkürzungen der Bodenklassen ................................................................ 163
Tabelle 12-6: Eignung der Bodentypen ........................................................................... 164
Tabelle 12-7: Fruchtfolgematrix ....................................................................................... 165
Tabelle 12-8: Anbaupausen betreffend Fruchtfolge ......................................................... 167
Tabelle 12-9: Zuteilung der Erträge (kg/ha) je Kulturart in Abhängigkeit der
Feuchtigkeitsgehälter ................................................................................. 168
Tabelle 12-10: Zuteilung der Erträge (kg atro pro ha) je Kulturart ..................................... 169
Tabelle 12-11: Szenarien zur Entwicklung der Agrarpolitik und Agrarpreisen ................... 171
Table 12-12: Support schemes and their properties ....................................................... 173
11.3 Abkürzungen
ABM Agentenbasiertes Modell
AOR Alpenostrand (Hauptproduktionsgebiet)
AVL Alpenvorland (Hauptproduktionsgebiet)
atro bzw. tatro absolute Trockenmasse
BHKW Blockheizkraftwerk
(B)IGCC (Biomass) integrated gasification and combustion
BM Biomasse
CO2-Äqu. CO2-Äquivalent (Treibhauspotenzial)
DDGS Dried Distillers Grains with Solubles (Futtermittel)
154

DM Dry matter (Trockenmasse)
FM&LM Futter- und Lebensmittel
FT-Diesel Fischer Tropsch-Diesel
GAP Gemeinsame Agrarpolitik der EU
GGP Getreide-Ganzpflanze
GIS Geoinformationssystem
GPS Ganzpflanzensilage
GuD(-Kraftwerk) Gas-und-Dampf (-Kraftwerk)
HPG Hauptproduktionsgebiet
KB Kärntner Becken (Hauptproduktionsgebiet)
KWK Kraft-Wärmekopplung
LPG Liquefied petroleum gas (Flüssiggas)
MöSt. Mineralölsteuer
NAWAROS Nachwachsende Rohstoffe
NÖ Fu HL Nordöstliches Flach- und Hügelland (Hauptproduktionsgebiet)
O&M Operation and maintenance (Betrieb und Instandhaltung)
ORC(-Anlage) Organic Rankine Cycle (-Anlage)
SNG Synthetic natural gas (Erdgassubstitut aus Biomasse)
SÖ Fu HL Südöstliches Flach- und Hügelland (Hauptproduktionsgebiet)
THG Treibhausgas
USt. Umsatzsteuer
VAG Voralpengebiet
WuMV Wald- und Mühlviertel (Hauptproduktionsgebiet)
155
ALPot

Anhang
12 Anhang
12.1 Technologiedaten
Tabelle 12-1: Bioenergie-Technologiedaten
Basisjahr: 2010, Kostendaten in €2007
Wirkungs-/Jahresnutzungsgrade* Produktion Volllast- Invest.- O&M-
Bezeichnung
Kleinfeuerungsanlagen
typ. Leistung** Lebensdauer
[MW] [a]
Wärme***
[%]
Strom
[%]
Konversion
[%]
Nebenprodukt
[t/MWh_input]
stunden
[h/a]
Kosten*
[€/kW]
Kosten*
[€/kW.a]
Hauptquelle
Kommentare
Scheitholz-Einzelofen 0.008 20 70.0% - - - 1000 400.0 8.0 Kranzl et al.(2008) 1), Internetrecherche
Pellet-Einzelofen 0.008 20 82.0% - - - 1000 500.0 10.0 Hansen et al. (2007) 1)
Scheitholzkessel 0.012 20 75.0% - - - 1500 1130.4 22.6
Scheitholzkessel 0.025 20 75.0% - - - 1500 727.0 14.5
Scheitholzkessel
Pelletkessel
0.050
0.012
20
20
75.0%
84.0%
-
-
-
-
-
-
1800
1500
449.0
1423.4
9.0
28.5
1)
Pelletkessel 0.025 20 84.0% - - - 1500 961.4 19.2
Pelletkessel 0.050 20 84.0% - - - 1800 447.7 9.0
Pflanzenölkessel
Pflanzenölkessel
0.012
0.025
20
20
91.0%
91.0%
-
-
-
-
-
-
1500
1500
846.5
591.3
16.9
Hartmann et al. (2007)
11.8
1), 2)
Pflanzenölkessel 0.050 20 91.0% - - - 1800 258.8 5.2
Kombikessel 0.050 20 76.5% - - - 1500 1823.4 36.5
Kombikessel 0.025 20 76.5% - - - 1500 1570.0 31.4
Kombikessel 0.050 20 76.5% - - - 1800 637.0 12.7
1)
Hackgutkessel 0.025 20 80.0% - - - 1500 1190.0 23.8
Hackgutkessel
Heizwerke
0.050 20 80.0% - - - 1800 489.0 9.8
Pellets-Heizwerk 0.500 20 85.0% - - - 2800 750.0 22.5
Pellets-Heizwerk 2.000 20 85.0% - - - 3000 510.0 15.3
Pellets-Heizwerk 5.000 20 85.0% - - - 3300 470.0 14.1
Hackgut-Heizwerk
Hackgut-Heizwerk
Hackgut-Heizwerk
0.500
2.000
5.000
20
20
20
85.0%
85.0%
85.0%
-
-
-
-
-
-
-
-
-
2800
3000
3300
750.0
510.0
470.0
22.5
15.3
14.1
Karl (2006),
FNR (2007)
Stroh-Heizwerk 0.500 20 85.0% - - - 2800 1125.0 33.8
Stroh-Heizwerk 2.000 20 85.0% - - - 3000 765.0 23.0
3)
Stroh-Heizwerk
Dampferzeugung
5.000 20 85.0% - - - 3300 705.0 21.2
Hackgut-Dampfkessel 5.000 20 85.0% - - - 6000 688.5 20.7 Karl (2006),
Hackgut-Dampfkessel
KWK-Anlagen
10.000 20 85.0% - - - 6000 634.5 19.0 FNR (2007)
Biogasanlage 0.050 15 45.0% 31.0% - - 7000 6000.0 300.0 4), 7)
Biogasanlage 0.200 15 45.0% 33.9% - - 7000 4515.0 224.0 Walla (2007)
7)
Biogasanlage 0.500 15 45.0% 38.0% - - 7000 3833.3 179.0 7)
Biogasanlage 1.500 15 45.0% 39.0% - - 7000 2700.0 135.0 Hagauer (2007) 4), 7)
Pflanzenöl-BHKW
Pflanzenöl-BHKW
0.015
0.200
15
15
61.0%
61.0%
26.0%
26.0%
-
-
-
-
7000
7000
2567.0
1120.0
77.0
34.0 Prankl et al. (2005)
1), 2)
Pflanzenöl-BHKW 1.000 15 61.0% 26.0% - - 7000 949.0 28.5 5)
Hackgutkessel & Stirlingmotor 0.035 15 75.5% 10.5% - - 6000 14000.6 314.1
Hackgutkessel & Stirlingmotor 0.070 15 75.5% 10.5% - - 6000 11143.1 250.8 Obernberger et al.
Hackgutkessel & ORC-Anlage 0.650 15 72.0% 14.0% - - 6000 8120.4 273.7 (2004/08)
Hackgutkessel & ORC-Anlage 1.570 15 72.0% 14.0% - - 6000 5443.3 229.2
Hackgut-Dampfturbinenanlage 1.000 15 74.0% 11.0% - - 6000 5556.0 277.8 Kirjavainen et al. (2004)
Hackgut-Dampfturbinenanlage 5.000 15 64.8% 18.0% - - 6000 3992.0 190.5 Obernberger et al. (2008)
4)
Hackgut-Dampfturbinenanlage 10.000 15 62.2% 28.0% - - 8000 1487.0 74.4 Wahlund et al. (2000)
Strohkessel & ORC-Anlage 0.650 15 72.0% 14.0% - - 8000 8638.4 431.9
Strohkessel & ORC-Anlage
Stroh-Dampfturbinenanlage
1.570
1.000
15
15
72.0%
74.0%
14.0%
11.0%
-
-
-
-
8000
8000
5939.2
6204.7
297.0 Obernberger
310.2 et al. (2004/08)
3), 4)
Stroh-Dampfturbinenanlage 5.000 15 64.8% 18.0% - - 8000 4300.6 215.0
Festbettvergasung + Gasmotor 0.600 15 36.2% 27.5% - - 8000 6733.5 383.5 Obernberger
Wirbelschichtvergasung+Gasmotor+ORC 4.500 15 37.1% 33.6% - - 8000 5158.9 388.1 et al. (2008)
Biomasse-IGCC
Konversionsanlagen
50.000 15 47.0% 43.0% - - 8000 2300.0 57.5 Wetterlund et al. (2010)
Pflanzenölpresse 0.500 15 - - 66.3% 0.146 5000 329.2 49.7 Remmele (2007) 6)
Biodieselanlage 150.000 15 - - 66.3% 0.146 8000 122.7 16.7 Berger (2004) 4), Nebenprodukt: Rapskuchen
Ethanolanlage - Stärke 100.000 15 - - 46.0% 0.150 8000 645.0 97.8 Friedl et al. (2005),
Nebenprodukt: DDGS
Ethanolanlage - Zucker 60.000 15 - - 56.5% - 8000 474.6 17.6 Toro et al. (2009)
AF-Aufbereitung-Einspeisung
AF-Aufbereitung-Einspeisung
AF-Aufbereitung-Einspeisung
0.325
1.625
3.250
15
15
15
-
-
-
-
-
-
97.0%
97.0%
97.0%
-
-
-
8000
8000
8000
3520.0
1298.6
967.7
332.1
Klinski (2006),
139.8
Urban et al. (2008)
114.7
7), 8)
Fischer-Tropsch-Anlage 150.000 15 - 3.2% 42.1% - 8000 2176.7 95.8 Hamelinck
Ethanolanlage - Zellulose 125.000 15 - 4.1% 34.9% - 8000 2616.7 167.5 et al. (2006)
Vergasungsanlage 14.000 15 - 1.6% 74.0% - 8000 1388.2 76.5 Gassner et al. (2009),
Vergasungsanlage
Kommentare:
110.000 15 - 1.6% 74.0% - 8000 993.7 44.3 Urban et al. (2008)
*) bezogen auf unteren Heizwert des Brenn-/Rohstoffs
**) Leistungsangaben beziehen sich auf den Haupt-Output (KWK: Strom, Konversionsanlagen: Energieträger), Kostendaten bezogen auf angegebene Leistung (Hauptoutput)
***) Angaben bei KWK-Anlagen: maximale thermische Wirkungsgrade
1) O&M: 1,5% Wartung & Instandhaltung, 0.5% Versicherung
2) Jahresnutzungsgrade bezogen auf Input Pflanzenöl
3) Abschätzung der Invest.Kosten des Kessels: 50% über Hackgut-Anlage gleicher Leistung
4) O&M mit 5% der Invest.Kosten angenommen
5) O&M mit 3% der Invest.Kosten angenommen
6) Konversionswirkungsgrad bezogen auf Input Ölsaaten
7) Wirkungsgrade bezogen auf Input Roh-Biogas
8) AF: Anaerobe Fermentation
156

Tabelle 12-2: Technologiedaten der Referenzanlagen
Basisjahr: 2010, Kostendaten in €2007
Wirkungs-/Jahresnutzungsgrade* Volllast-
Bezeichnung typ. Leistung Lebensdauer Wärme Strom stunden
[MW] [a] [%] [%] [h/a] [€/kW] [€/kW.a]
157
ALPot
Kommentare
Kleinfeuerungsanlagen
Standofen - Öl 0.008 20 80.0% - 500 200.0 4.0 Kranzl et al.(2008) 1), Internetrecherche
Gaskessel 0.012 20 85.0% - 1500 488.9 10.9 Erdgas OÖ (2009)
Ölkessel 0.012 20 85.0% - 1500 688.9 14.9 Hartmann et al. (2007), Austrian Energy Agency (2004)
Gaskessel
Ölkessel
0.025
0.025
20
20
85.0%
85.0%
-
-
1500
1500
275.3
505.3
6.2
10.8
Erdgas OÖ (2009)
Hartmann et al. (2007), Austrian Energy Agency (2004)
1)
Gaskessel 0.050 20 85.0% - 1800 140.8 3.2 Erdgas OÖ (2009)
Ölkessel
Heizwerke
0.050 20 85.0% - 1800 224.1 4.8 Hartmann et al. (2007), Austrian Energy Agency (2004)
Erdgas-Heizwerk
Dampferzeugung
2.000 20 85.0% - 3000 150.0 4.5 Karl (2006) 2)
Prozessdampfanlage (Gas)
Stromerzeugung
10.000 20 85.0% - 6000 175.0 5.3 Karl (2006) 2)
GuD-Kraftwerk (CCGT)
Kommentare:
500.000 15 - 57.6% 7000 538.0 8.1 Cosijns et al. (2007)
*) bezogen auf (oberen) Brennwert des Brennstoffes
1) O&M: 1,5% Wartung & Instandhaltung, 0.5% Versicherung
2) O&M mit 3% der Invest.Kosten angenommen (1.5% Instandhaltung, 1% Versicherung, 0.5% Sonstiges)
110%
105%
100%
95%
90%
85%
80%
75%
70%
Investitions- und O&M-Kosten
2010 2020 2030
Invest.-
Kosten*
O&M-
Kosten*
Fossile Kleinfeuerungsanlagen
Fossile Stromerzeugung
Hauptquellen
Biomasse-Kleinfeuerungsanlagen
Biogas-BHKW
Pflanzenöl-BHKW
Heizkessel m. Stirlingmotor
Heizkessel m. ORC
Dampfturbinen-Anlage
Integrierte Vergasung & Verstromung
Biomethananlage
Fischer-Tropsch-Anlage
Ethanolanlage - Zellulose
Vergasungsanlagen
Abbildung 12-1: Technologische Lerneffekte bei den Kosten: Relative Veränderungen
gegenüber dem Basisjahr 2010
Quellen: basierend auf Öko-Institut (2010), eigene Auswahl an Nutzungspfaden (Energy Economics
Group,TU Wien), Hamelinck et al. (2006), Cosijns et al. (2007)
Bei hier nicht dargestellten Technologien wird von keinen technologischen Lerneffekten ausgegangen
150%
140%
130%
120%
110%
100%
90%
Wirkungs-/Jahresnutzungsgrade
2010 2020 2030
Fossile Kleinfeuerungsanlagen (therm.)
Fossile Stromerzeugung (elektr.)
Biogas-BHKW (elektr.)
Pflanzenöl-BHKW (elektr.)
Heizkessel m. ORC (elektr.)
Heizkessel m. Stirlingmotor (elektr.)
Integrierte Vergasung & Verstromung (elektr.)
Dampfturbinen-Anlage (elektr.)
Ethanolanlage - Zellulose (Konversion)
Vergasungsanlage (Konversion)
Abbildung 12-2: Technologische Lerneffekte bei Wirkungs-/Jahresnutzungsgraden: Relative
Veränderungen gegenüber dem Basisjahr 2010
Quellen: basierend auf Öko-Institut (2010), eigene Auswahl an Nutzungspfaden (Energy Economics
Group,TU Wien), Hamelinck et al. (2006), Cosijns et al. (2007)
Bei hier nicht dargestellten Technologien wird von keinen technologischen Lerneffekten ausgegangen

Anhang
12.2 Sensitivitätsanalysen zu den Wirtschaftlichkeitsberechnungen
Die folgenden Abbildungen zeigen Sensitivitätsanalysen zu den in Kapitel 4 dargestellten
Wirtschaftlichkeitsanalysen. Dargestellt sind die Sensitivitäten der Energieerzeugungskosten
hinsichtlich folgender Parameter: jährliche Auslastung (Volllaststunden), Brennstoffkosten
und Abschreibdauer. Bezüglich der Datenquellen Kapitel 4.2 bzw. Tabelle 12-1 verwiesen.
Wärmeerzeugungskosten [€/MWh]
250
230
210
190
170
150
130
110
90
70
50
500
1000
1500
2000
2500
3000
jährliche Volllaststunden [h/a]
3500
Kombikessel
Pelletkessel
Scheitholzkessel
Heizölkessel
Gaskessel
4000
4500
Änderung der Wärmeerzeugungskosten
158
200%
180%
160%
140%
120%
100%
80%
60%
40%
500
1000
1500
2000
2500
3000
jährliche Volllaststunden [h/a]
Abbildung 12-3: Sensitivität der Wärmeerzeugungskosten von 25 kW-Heizanlagen
gegenüber den jährlichen Volllaststunden (Referenzjahr: 2006)
Quelle: eigene Berechnungen (Energy Economics Group, TU Wien)
Wärmeerzeugungskosten [€/MWh]
300
280
260
240
220
200
180
160
140
120
100
-50%
-40%
Scheitholzkessel
Pelletkessel
Pflanzenölkessel
Kombikessel
Heizölkessel
Gaskessel
-30%
-20%
-10%
0%
10%
20%
30%
40%
50%
60%
Variation der Brennstoffkosten
70%
80%
90%
100%
Änderung der Wärmeerzeugungskosten
150%
140%
130%
120%
110%
100%
90%
80%
70%
-50%
-40%
Scheitholzkessel
Pelletkessel
Pflanzenölkessel
Kombikessel
Heizölkessel
Gaskessel
-30%
-20%
-10%
0%
3500
Kombikessel
Pelletkessel
Scheitholzkessel
Heizölkessel
Gaskessel
4000
10%
20%
30%
40%
50%
60%
70%
80%
90%
100%
Variation der Brennstoffkosten
Abbildung 12-4: Sensitivität der Wärmeerzeugungskosten von 15 kW-Heizanlagen
gegenüber Änderungen der Brennstoffkosten (Referenzjahr: 2006)
Quelle: eigene Berechnungen (Energy Economics Group, TU Wien)
Wärmeerzeugungskosten [€/MWh]
280
260
240
220
200
180
160
140
120
100
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
Abschreibdauer in Jahren
Pelletkessel
Pflanzenölkessel
Heizölkessel
Gaskessel
Scheitholzkessel
Änderung der Wärmeerzeugungskosten
150%
140%
130%
120%
110%
100%
90%
80%
70%
5
6
7
8
9
10
11
12
13
14
15
Abschreibdauer in Jahren
Abbildung 12-5: Sensitivität der Wärmeerzeugungskosten von 15 kW-Heizanlagen
gegenüber der Abschreibdauer (Referenzjahr: 2006)
Quelle: eigene Berechnungen (Energy Economics Group, TU Wien)
Pelletkessel
Pflanzenölkessel
Heizölkessel
Gaskessel
Scheitholzkessel
16
17
18
19
20
4500

Wärmeerzeugungskosten [€/MWh]
80
75
70
65
60
55
50
45
40
2000
2500
3000
3500
4000
4500
jährliche Volllaststunden [h/a]
Öl-Heizwerk
Hackgut-Heizwerk
Gas-Heizwerk
Stroh-Heizwerk
5000
5500
6000
159
Änderung der Wärmeerzeugungskosten
120%
110%
100%
90%
80%
70%
60%
2000
2500
3000
3500
4000
4500
jährliche Volllaststunden [h/a]
Öl-Heizwerk
Hackgut-Heizwerk
Gas-Heizwerk
Stroh-Heizwerk
5000
5500
ALPot
Abbildung 12-6: Sensitivität der Wärmeerzeugungskosten von 2 MW-Heizwerken gegenüber
den jährlichen Volllaststunden
Quelle: eigene Berechnungen (Energy Economics Group, TU Wien)
Wärmeerzeugungskosten [€/MWh]
120
110
100
90
80
70
60
50
40
30
20
-50%
-40%
-30%
-20%
-10%
0%
10%
20%
30%
40%
50%
60%
Variation der Brennstoffkosten
Pellets-Heizwerk
Hackgut-Heizwerk
Stroh-Heizwerk
Prozessdampfanlage BM
Öl-Heizwerk
Gas-Heizwerk
Prozessdampfanlage Gas
70%
80%
90%
100%
Änderung der Wärmeerzeugungskosten
180%
160%
140%
120%
100%
80%
60%
-50%
-40%
Pellets-Heizwerk
Hackgut-Heizwerk
Stroh-Heizwerk
Prozessdampfanlage BM
Öl-Heizwerk
Gas-Heizwerk
Prozessdampfanlage Gas
-30%
-20%
-10%
0%
10%
20%
30%
40%
50%
60%
Variation der Brennstoffkosten
Abbildung 12-7: Sensitivität der Wärmeerzeugungskosten von 500 kW-Heizwerken und
10 MW Prozessdampfanlagen gegenüber Änderungen der Brennstoffkosten (Referenzjahr:
2006)
Quelle: eigene Berechnungen (Energy Economics Group, TU Wien)
Wärmeerzeugungskosten [€/MWh]
95
90
85
80
75
70
65
60
55
50
45
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
Abschreibdauer in Jahren
Pellets-Heizwerk
Hackgut-Heizwerk
Stroh-Heizwerk
Öl-Heizwerk
Gas-Heizwerk
Änderung der Wärmeerzeugungskosten
140%
130%
120%
110%
100%
90%
80%
5
6
7
8
9
10
11
12
13
14
15
Abschreibdauer in Jahren
70%
80%
Öl-Heizwerk
Gas-Heizwerk
16
17
18
19
90%
Hackgut-Heizwerk
Pellets-Heizwerk
Stroh-Heizwerk
Abbildung 12-8: Sensitivität der Wärmeerzeugungskosten von 2 MW-Heizwerken gegenüber
der Abschreibdauer (Referenzjahr: 2006)
Quelle: eigene Berechnungen (Energy Economics Group, TU Wien)
20
100%
6000

Anhang
Stromgestehungskosten [€/MWh]
400
350
300
250
200
150
100
50
2500
3000
3500
4000
4500
5000
5500
Wärme-Volllaststunden[h/a]
Hackgut-Dampfturbinenanlage
Festbettvergasung & Gasmotor
Hackgutkessel & ORC-Anlage
Stroh-Dampfturbinenanlage
Pflanzenöl-BHKW
Biogasanlage
6000
6500
7000
Änderung der Stromgestehungskosten
160
120%
110%
100%
90%
80%
70%
60%
50%
40%
30%
20%
2500
Festbettvergasung & Gasmotor
Biogasanlage
Pflanzenöl-BHKW
Hackgutkessel & ORC-Anlage
Hackgut-Dampfturbinenanlage
Stroh-Dampfturbinenanlage
3000
3500
4000
4500
5000
5500
Wärme-Volllaststunden [h/a]
Abbildung 12-9: Sensitivität der Stromgestehungskosten von Biomasse-KWK-Anlagen mit
einer elektrischen Leistung von ca. 1 MW gegenüber den Wärme-Volllaststunden (Annahme
„direkter“ Wärmenutzung) (Referenzjahr: 2006)
Quelle: eigene Berechnungen (Energy Economics Group, TU Wien)
Stromgestehungskosten [€/MWh]
500
450
400
350
300
250
200
150
100
50
0
Hackgutkessel & ORC-Anlage 1.6 MW
Hackgut-Dampfturbinenanlage 5 MW
Pflanzenöl-BHKW 200 kW
Biogasanlage 200 kW
Biomasse-IGCC 50 MW
Erdgas CCGT 500 MW
-50%
-40%
-30%
-20%
-10%
0%
10%
20%
30%
40%
50%
60%
70%
80%
90%
100%
Variation der Brennstoffkosten]
Änderung der Stromgestehungskosten
250%
230%
210%
190%
170%
150%
130%
110%
90%
70%
50%
Pflanzenöl-BHKW 200 kW
Erdgas CCGT 500 MW
Hackgutkessel & ORC-Anlage 1.6 MW
Hackgut-Dampfturbinenanlage 5 MW
Biomasse-IGCC 50 MW
Biogasanlage 200 kW
-50%
-40%
-30%
-20%
-10%
0%
10%
20%
30%
40%
50%
60%
70%
80%
90%
100%
Variation der Brennstoffkosten]
Abbildung 12-10: Sensitivität der Stromgestehungskosten von verschiedenen Biomasse-
KWK-Anlagen gegenüber den Änderungen der Brennstoffkosten (Annahme „direkter“
Wärmenutzung) (Referenzjahr: 2006)
Quelle: eigene Berechnungen (Energy Economics Group, TU Wien)
6000
6500
7000

12.3 Modelle
12.3.1 Modell AGRIEN
Tabelle 12-3: Anteil der Betriebe in den Betriebsgrößenklassen, differenziert nach
Produktionstypen und Hauptproduktionsgebieten
Quelle: Österreichische Energieagentur 2010
Verteilung unter 1 ha
1 ha bis
unter 2 ha
2 ha bis
unter 5 ha
Voralpengebiet
5 ha bis
unter 10 ha
161
10 ha bis
unter 20 ha
20 ha bis
unter 30 ha
30 ha bis
unter 50 ha
50 ha bis
unter 100
ha
100 ha bis
unter 200
ha
ALPot
200 ha und
mehr ha
Marktfruchtbetrieb 0,00891 0,03737 0,15358 0,21083 0,33665 0,16044 0,07542 0,01508 0,00171 0,00000
Tierhaltungsbetrieb - 0,05988 0,21557 0,20958 0,22156 0,10778 0,09581 0,08383 0,00599 -
Gemischtbetrieb 0,00058 0,05486 0,16527 0,19898 0,33054 0,16248 0,06962 0,01348 0,00244 0,00174
Verteilung unter 1 ha
1 ha bis
unter 2 ha
2 ha bis
unter 5 ha
Alpenostrand
5 ha bis
unter 10 ha
10 ha bis
unter 20 ha
20 ha bis
unter 30 ha
30 ha bis
unter 50 ha
50 ha bis
unter 100
ha
100 ha bis
unter 200
ha
200 ha und
mehr ha
Marktfruchtbetrieb 0,01825 0,04579 0,18811 0,25364 0,30541 0,10788 0,05670 0,01813 0,00425 0,00184
Tierhaltungsbetrieb 0,00103 0,10309 0,35361 0,27010 0,16598 0,03814 0,04124 0,02062 0,00515 0,00103
Gemischtbetrieb 0,00023 0,07032 0,19458 0,21210 0,31654 0,12207 0,06259 0,01395 0,00461 0,00300
Verteilung unter 1 ha
1 ha bis
unter 2 ha
Wald- und Mühlviertel
2 ha bis
unter 5 ha
5 ha bis
unter 10 ha
10 ha bis
unter 20 ha
20 ha bis
unter 30 ha
30 ha bis
unter 50 ha
50 ha bis
unter 100
ha
100 ha bis
unter 200
ha
200 ha und
mehr ha
Marktfruchtbetrieb 0,01542 0,05715 0,24362 0,23018 0,29603 0,09432 0,05220 0,01068 0,00040 0,00000
Tierhaltungsbetrieb 0,00060 0,03854 0,15805 0,16223 0,28503 0,14550 0,14401 0,06215 0,00388 -
Gemischtbetrieb 0,00040 0,03590 0,15536 0,17566 0,35687 0,19020 0,07550 0,01005 0,00007 0,00000
Verteilung unter 1 ha
1 ha bis
unter 2 ha
2 ha bis
unter 5 ha
Kärntner Becken
5 ha bis
unter 10 ha
10 ha bis
unter 20 ha
20 ha bis
unter 30 ha
30 ha bis
unter 50 ha
50 ha bis
unter 100
ha
100 ha bis
unter 200
ha
200 ha und
mehr ha
Marktfruchtbetrieb 0,02009 0,06308 0,22981 0,29932 0,24227 0,07352 0,04821 0,01928 0,00281 0,00161
Tierhaltungsbetrieb 0,00474 0,11216 0,23539 0,19273 0,21485 0,09163 0,08689 0,03633 0,02054 0,00474
Gemischtbetrieb 0,00189 0,09180 0,18700 0,21987 0,29052 0,11900 0,06422 0,01964 0,00416 0,00189
Verteilung unter 1 ha
1 ha bis
unter 2 ha
2 ha bis
unter 5 ha
Alpenvorland
5 ha bis
unter 10 ha
10 ha bis
unter 20 ha
20 ha bis
unter 30 ha
30 ha bis
unter 50 ha
50 ha bis
unter 100
ha
100 ha bis
unter 200
ha
200 ha und
mehr ha
Marktfruchtbetrieb 0,02044 0,07261 0,19341 0,16229 0,24344 0,15924 0,12416 0,02227 0,00183 0,00031
Tierhaltungsbetrieb 0,00097 0,05889 0,14980 0,16734 0,27160 0,14401 0,15141 0,05117 0,00402 0,00080
Gemischtbetrieb 0,00052 0,04555 0,14420 0,16107 0,33087 0,20141 0,10315 0,01251 0,00043 0,00028
Verteilung unter 1 ha
1 ha bis
unter 2 ha
Südöstliches Flach- und Hügelland
2 ha bis
unter 5 ha
5 ha bis
unter 10 ha
10 ha bis
unter 20 ha
20 ha bis
unter 30 ha
30 ha bis
unter 50 ha
50 ha bis
unter 100
ha
100 ha bis
unter 200
ha
200 ha und
mehr ha
Marktfruchtbetrieb 0,02733 0,17053 0,43452 0,23885 0,10144 0,01771 0,00634 0,00262 0,00055 0,00011
Tierhaltungsbetrieb 0,00254 0,16360 0,38044 0,23299 0,13220 0,03813 0,02482 0,01705 0,00748 0,00075
Gemischtbetrieb 0,00110 0,08307 0,28930 0,28455 0,23550 0,06495 0,03016 0,01049 0,00088 0,00000
Verteilung unter 1 ha
1 ha bis
unter 2 ha
Nordöstliches Flach- und Hügelland
2 ha bis
unter 5 ha
5 ha bis
unter 10 ha
10 ha bis
unter 20 ha
20 ha bis
unter 30 ha
30 ha bis
unter 50 ha
50 ha bis
unter 100
ha
100 ha bis
unter 200
ha
200 ha und
mehr ha
Marktfruchtbetrieb 0,08666 0,08057 0,12187 0,11713 0,17129 0,14218 0,18213 0,07921 0,00339 0,01557
Tierhaltungsbetrieb 0,00125 0,03785 0,08607 0,09370 0,17018 0,15430 0,24792 0,18015 0,02220 0,00639
Gemischtbetrieb 0,01053 0,09173 0,12105 0,09023 0,14662 0,16541 0,26466 0,10376 0,00376 0,00226

Anhang
12.3.2 GIS-Modell
12.3.2.1 Kulturarten
Der erste Schritt im Rahmen der Modellentwicklung war die Definition der Kulturarten. Wobei
einige Pflanzen in Sommer- und Winteranbau möglich sind und für dieses Modell als
eigenständige Kulturart gelten. Jede Frucht wurde mit einer Abkürzung von f01 bis f27
versehen.
Tabelle 12-4: Auflistung der im Modell berücksichtige Kulturarten
Quelle: Eigene Zusammenstellung (im-plan-tat Reinberg und Partner)
Kulturart Bezeichnung Abkürzung
Raps – Winterraps f01
Sonnenblumen f02
Weizen - Sommerweichweizen f03
Weizen - Winterweichweizen f04
Gerste - Sommergerste f05
Gerste - Wintergerste f06
Roggen f07
Triticale f08
Hafer f09
Weizen - Hartweizen f10
Weizen - Dinkel f11
Körnermais f12
Silo-und Grünmais f13
Zuckerrüben f14
Sojabohnen f15
Kartoffel f16
Ölkürbis (Kerne) f17
Körnererbsen f18
Miscanthus f19
Grünland f20
Klee - Luzerne f21
Klee - Kleegras f22
Weide f23
Pappel f24
Sudangras f25
Topinambur Knolle f26
Topinambur Kraut f27
Die Auswahl der Kulturarten erfolgte in Anlehnung der Daten der Statistik Austria
„Ertragsmengen aus dem Jahr 2008“. Die bedeutendsten Kulturarten gehen in das Modell
ein.
162

163
ALPot
Die Daten zu den einzelnen Kulturarten wurden in einer umfangreichen Literaturrecherche
von Experten mit landwirtschaftlichen Hintergrund und Erfahrungen erfasst. Die
Hauptquellen aus der Literatur sind: Diepenbrock et al. (1999), Diepenbrock et al. (2005),
Fischbeck (1999), Proplanta (2009), FNR (2009), Sperr (2009), Bio Austria (2009), Billen et
al. (2008), BMLF (1999), Wikipedia (2010)
12.3.2.2 Bodentypen
Zur Abbildung der Bodentypen wurde eBOD (elektronische Bodenkarte) für das gesamte
Bundesgebiet angeschafft, die relevanten Bodentypen für landwirtschaftliche Nutzung
selektiert und verortet.
Um die Standortanforderungen diversen Bodentypen zuordnen zu können, wurde im
Anschluss an die Erstellung der Kulturartenprofile jede Pflanze jeder Bodentypen zugeordnet
und bewertet.
Abbildung 12-11: Abbildung der Bodentypengruppen in Österreich (eBOD)
Quelle: Eigene Darstellung (im-plan-tat Reinberg und Partner)
Tabelle 12-5: Abkürzungen der Bodenklassen
Quelle: Eigene Zusammenstellung (im-plan-tat Reinberg und Partner)
Bodenklassen Abkürzung Bodenklassen Abkürzung
Anmoore AM Pseudogleye PG
Auböden AB Reliktböden RB
Bodenformkomplex BDK Rendsinen + Ranker RR
Braunerden BE Rohböden RB
Gleye G Salzböden SB
Moore M Schwarzerden SE
Nicht identifizierbare Böden NIB Untypische Böden UB

Anhang
Allgemeinen wachsen alle Pflanzen optimal auf nährstoffreichen, gut durchlüfteten und mit
ausreichend Wasser versorgten Böden. Einige Pflanzen brauchen eine sehr gute
Bodenbonität für ertragreiches Wachstum. Wobei Erträge auf Böden mit mittlerer oder
schlechterer Bonität mit erhöhtem Düngereinsatz und optimaler Sortenwahl gesteigert
werden können.
12.3.2.3 Eignung der Bodentypen
Die folgende Tabelle zeigt die Zuordnungen zu den jeweiligen Bodentypen.
Die Zahl 3 steht für optimale, 2 für mittlere, 1 für schlechte und 0 für unmögliche oder nicht
zuordenbare Standortanforderungen.
Tabelle 12-6: Eignung der Bodentypen
Eigene Zusammenstellung (im-plan-tat Reinberg und Partner)
Abkürzungen AM AB BFK BE G M NIB PG RB RR RB SB SE UB
f01 1 2 2 2 1 0 0 1 2 2 1 0 3 0
f02 1 2 2 2 1 0 0 1 2 2 1 0 3 0
f03 0 1 1 3 1 0 0 1 2 1 2 0 3 0
f04 0 1 1 3 1 0 0 1 2 1 2 0 3 0
f05 0 1 1 3 1 0 0 1 2 1 2 0 3 0
f06 0 1 1 3 1 0 0 1 2 1 2 0 3 0
f07 0 1 1 3 1 0 0 1 2 1 2 0 3 0
f08 0 1 1 3 1 0 0 1 2 1 2 0 3 0
f09 0 1 1 3 1 0 0 1 2 1 2 0 3 0
f10 0 1 1 3 1 0 0 1 2 1 2 0 3 0
f11 0 1 1 3 1 0 0 1 2 1 2 0 3 0
f12 2 3 2 2 2 0 0 2 2 2 1 0 3 0
f13 2 3 2 2 2 0 0 2 2 2 1 0 3 0
f14 1 2 1 2 0 0 0 0 2 1 1 0 3 0
f15 1 2 1 2 1 0 0 1 2 1 1 0 3 0
f16 1 2 1 2 0 0 0 0 2 1 1 0 3 0
f17 1 2 1 2 0 0 0 0 2 1 1 0 3 0
f18 1 2 1 2 1 0 0 1 2 1 1 0 3 0
f19 2 3 2 2 2 0 0 2 2 2 1 0 3 0
f20 2 2 2 3 3 0 0 2 2 2 3 0 3 0
f21 2 2 2 3 3 0 0 2 2 2 3 0 3 0
f22 2 2 2 3 3 0 0 2 2 2 3 0 3 0
f23 2 2 2 3 2 1 0 2 2 2 2 0 3 0
f24 2 2 2 3 2 1 0 2 2 2 2 0 3 0
f25 2 3 2 2 2 0 0 2 2 2 1 0 3 0
f26 1 2 1 2 0 0 0 0 2 1 1 0 3 0
f27 1 2 1 2 0 0 0 0 2 1 1 0 3 0
164

Vorfrucht
12.3.2.4 Fruchtfolgematrix
165
ALPot
Die Fruchtfolge hat einen wesentlichen Einfluss auf den Ertrag von Kulturpflanzen. Vor allem
wenn Dünger und Spritzmittel nicht zum Einsatz kommen sollen.
Tabelle 12-7: Fruchtfolgematrix
Quelle: Eigene Zusammenstellung (im-plan-tat Reinberg und Partner)
Abkürzu
ngen
f0
1
f0
2
f0
3
f0
4
f0
5
f0
6
f0
7
f0
8
f0
9
f1
0
Nachfrucht
f1
1
f1
2
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
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
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
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
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
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
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
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
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
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
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
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
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
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
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
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
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
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
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
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
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
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
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
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
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
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
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
Ursprünglich war im Projektantrag vorgesehen, dass ca. 20 beispielhafte Fruchtfolgepläne in
das Analyse-Tool eingebaut werden sollen. Im Rahmen der Systementwicklung musste
festgestellt werden, dass durch die beschränkte Anzahl an beispielhaften Fruchtfolgeplänen
die Ergebnisse des Analyse-Tools weitgehend keine realitätsnahe Abbildung bieten. Daher
sollen Vor-/Nachfrucht je Kulturart in die Matrix der Standortanforderungen aufgenommen
werden und die Zuweisung der Vor-/Nachfrucht automatisiert erfolgen.
f1
3
f1
4
f1
5
f1
6
f1
7
f1
8
f1
9
f2
0
f2
1
f2
2
f2
3
f2
4
f2
5
f2
6
f2
7

Anhang
Die Erträge hängen bei Fruchtfolge auch von Standort, Schädlings- und Krankheitsdruck ab.
Das heißt, dass individuell unterschiedliche Erträge auftreten können.
Für das Modell wurden optimale Nachfrüchte bzw. Vorfrüchte in einer Matrix erfasst. 1
bedeutet optimal, 2 mittel und 3 schlecht geeignet. Pflanzen, bei denen in der Literatur weder
optimal noch schlecht zu finden ist, sind mit 2 versorgt.
Manche Kulturarten brauchen bei schlechter Nachfruchteignung eine mehrjährige
Anbaupause. Dies wird in der nächsten Tabelle dargestellt. Die angegeben Zahlen stehen
für die Jahre, die eine Nachfrucht auf der jeweiligen Fläche nicht angebaut werden soll.
166

Vorfrucht
Tabelle 12-8: Anbaupausen betreffend Fruchtfolge
Quelle: Eigene Zusammenstellung (im-plan-tat Reinberg und Partner)
Abkürzungen
f0
1
f0
2
f0
3
f0
4
f0
5
f0
6
f0
7
f0
8
f0
9
f1
0
Nachfrucht
f1
1
f1
2
f1
3
167
f1
4
f1
5
f1
6
f1
7
f1
8
f1
9
f2
0
f2
1
f2
2
f2
3
f2
4
f2
5
ALPot
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
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
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
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
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
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
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
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
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
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
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
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
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
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
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
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
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
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
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
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
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
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
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
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
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
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
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
f2
6
f2
7

Anhang
12.3.2.5 Grundlagen zur Berechnung des Ertrags der Kulturarten
Der Ertrag wird von schlecht bis optimal angegeben. Das heißt bei schlechtem Ertrag wird
die Pflanze gerade noch angebaut. Bei optimalem Ertrag sind die durchschnittlichen
Spitzenerträge bei besten Bedingungen angegeben.
In der folgenden Tabelle wird der Ertrag in Kilogramm pro Hektar und Jahr angegeben. Um
die Erträge besser vergleichen zu können wird der durchschnittliche Wassergehalt angeführt.
Tabelle 12-9: Zuteilung der Erträge (kg/ha) je Kulturart in Abhängigkeit der
Feuchtigkeitsgehälter
Quelle: Eigene Zusammenstellung (im-plan-tat Reinberg und Partner)
Kulturart Kulturart schlecht mittel optimal Wassergehalt
f01 Raps – Winterraps 1500 2500 3500 9%
f02 Sonnenblumen 1500 2750 4000 10%
f03 Weizen - Sommerweichweizen 4000 5000 6000 14%
f04 Weizen - Winterweichweizen 5000 6500 8000 14%
f05 Gerste - Sommergerste 3500 4500 5500 14%
f06 Gerste - Wintergerste 4500 5750 7000 14%
f07 Roggen 4000 5250 6500 14%
f08 Triticale 4000 5500 7000 14%
f09 Hafer 4000 4750 5500 14%
f10 Weizen - Hartweizen 3500 4500 5500 14%
f11 Weizen - Dinkel 3500 4500 5500 14%
f12 Körnermais 5000 8000 11000 14%
f13 Silo-und Grünmais 38000 44000 50000 75%
f14 Zuckerrüben 45000 55000 65000 75%
f15 Sojabohnen 1500 2250 3000 14%
f16 Kartoffel 15000 32500 50000 80%
f17 Ölkürbis (Kerne) 30000 50000 70000 14%
f18 Körnererbsen 1500 2500 3500 14%
f19 Miscanthus 10000 14000 18000 0%
f20 Grünland 10000 17500 25000 0%
f21 Klee - Luzerne 10000 20000 30000 0%
f22 Klee - Kleegras 10000 17500 25000 0%
f23 Weide 8000 10000 15000 0%
f24 Pappel 6000 10000 15000 0%
f25 Sudangras 5000 7000 10000 0%
f26 Topinambur Knolle 4000 7000 10000 80%
f27 Topinambur Kraut 3000 5000 7000 75%
168

Tabelle 12-10: Zuteilung der Erträge (kg atro pro ha) je Kulturart
Quelle: Eigene Zusammenstellung (im-plan-tat Reinberg und Partner)
Kulturart c Kulturarten schlecht mittel optimal Einheit
169
ALPot
f01 Raps - Winterraps 1365 2275 3185 kg atro pro ha
f02 Sonnenblumen 1350 2475 3600 kg atro pro ha
f03 Weizen - Sommerweichweizen 3440 4300 5160 kg atro pro ha
f04 Weizen - Winterweichweizen 4300 5590 6880 kg atro pro ha
f05 Gerste - Sommergerste 3010 3870 4730 kg atro pro ha
f06 Gerste - Wintergerste 3870 4945 6020 kg atro pro ha
f07 Roggen 3440 4515 5590 kg atro pro ha
f08 Triticale 3440 4730 6020 kg atro pro ha
f09 Hafer 3440 4085 4730 kg atro pro ha
f10 Weizen - Hartweizen 3010 3870 4730 kg atro pro ha
f11 Weizen - Dinkel 3010 3870 4730 kg atro pro ha
f12 Körnermais 4300 6880 9460 kg atro pro ha
f13 Silo-und Grünmais 9500 11000 12500 kg atro pro ha
f14 Zuckerrüben 11250 13750 16250 kg atro pro ha
f15 Sojabohnen 1290 1935 2580 kg atro pro ha
f16 Kartoffel 3000 6500 10000 kg atro pro ha
f17 Ölkürbis (Kerne) 2580 3870 5160 kg atro pro ha
f18 Körnererbsen 1290 2150 3010 kg atro pro ha
f19 Miscanthus 10000 14000 18000 kg atro pro ha
f20 Grünland 10000 17500 25000 kg atro pro ha
f21 Klee - Luzerne 10000 20000 30000 kg atro pro ha
f22 Klee - Kleegras 10000 17500 25000 kg atro pro ha
f23 Weide 8000 10000 15000 kg atro pro ha
f24 Pappel 6000 10000 15000 kg atro pro ha
f25 Sudangras 5000 7000 10000 kg atro pro ha
f26 Topinambur Knolle 4000 7000 10000 kg atro pro ha
f27 Topinambur Kraut 10000 15000 20000 kg atro pro ha
12.3.3 Agrarischer Modellcluster
Zur Abschätzung des Biomassepotentials in Österreich wurde das räumlich explizites,
lineares Landnutzungsmodell BiomAT (Asamer et al., 2010) entwickelt. Das Modell
maximiert dabei den Gesamtdeckungsbeitrag (TGM) aus der landwirtschaftlichen
Produktion. Die Deckungsbeiträge (c) der einzelnen Produktionsaktivitäten (Index i) werden
dabei für jede homogene Landeinheit (Index h) je Gemeinde in einer Koeffizientenmatrix
(Ah,i) beschrieben. In Form von Leontief Produktionsfunktionen wird die anteilsmäßige
Verteilung der Fruchtfolgen über die Entscheidungsvariable x angepasst.

Anhang
Datengrundlagen liefern das Modell CropRota (Schönhart et al., 2009) und das
biophysikalische Prozessmodell EPIC (Environmental Policy Integrated Climate; Williams,
1995). CropRota liefert dabei Daten zu typischen Fruchtfolgen in den Gemeinden auf Basis
der Ackerlandnutzungen im INVEKOS-Datensatz. Dabei wird über eine Punktematrix (0
Punkte für eine unwünschenswerte Fruchtfolgesequenz bis 10 Punkte für eine sehr
wünschenswerte Fruchtfolgesequenz) die Totalpunkteanzahl (TotValue) maximiert.
Die Entscheidungsvariable wird insofern beschränkt, dass die simulierten Fruchtfolgen
die beobachteten Flächenanteile der 42 möglichen Kulturen wiedergeben.
Erträge bzw. Zuwachsleistungen der verschiedenen Fruchtfolgen werden mit EPIC aufgrund
von Klima-, Boden- und Topographieparametern für jede Gemeinde abgeleitet. Neben den
durchschnittlichen Deckungsbeiträgen (nach BMLFUW, 2008b; Stürmer und Schmid, 2007)
von Fruchtfolgen werden die Prämien der 1. und 2. Säule sowie die der Viehhaltung
mitberücksichtigt. Die Prämiensätze der 2. Säule sind im Modell aufgrund der
Landnutzungsintensität (Standard, reduzierter Einsatz von ertragssteigernden
Betriebsmitteln und Verzicht von ertragssteigenden Betriebsmitteln) abgebildet. Die
durchschnittlichen Deckungsbeiträge je Hektar aus der Viehhaltung leiten sich vom
Tierbestand (INVEKOS-Datensatz) und den tierbezogenen Deckungsbeiträgen (nach
BMLFUW, 2008b) ab.
Die Analysen zur Erzeugerpreisentwicklung, Entwicklung der variablen Kosten in
Abhängigkeit der Rohölpreisentwicklung und die Annahmen zur Entwicklung der Agrarpolitik
liefern die Datengrundlagen für die Modellanalyse mit BiomAT. Die relativen Verschiebungen
von Preisen, Kosten und Prämien (siehe Tabelle 12-4) einzelner Ackerkulturen führen zu
einer Anpassung in der Landnutzung und der Landnutzungsintensität.
170

Tabelle 12-11: Szenarien zur Entwicklung der Agrarpolitik und Agrarpreisen
2006 2015 2020 2030
Erzeugerpreise
Getreide Ref. +45% +44% +42%
Eiweiß und Ölpflanzen Ref. +70% +72% +75%
Milch Ref. +18% +17% +15%
Rindfleisch Ref. +1% +7% +10%
Schweinefleisch Ref. +6% +7% +9%
Variable Kosten
Dünger Ref. +50% +50% +60%
Sonst. VarK Ref. +20% +25% +35%
Dienstleistungen Ref. +30% +35% +45%
Regionale Flächenprämien
Ackerland 176 €/ha 176 €/ha 176 €/ha
Grünland 176 €/ha 176 €/ha 176 €/ha
ext. Grünland 44 €/ha 44 €/ha 44 €/ha
12.3.4 Modell SimBioSe
12.3.4.1 Energiebedarfsszenario
171
ALPot
Abbildung 12-12 zeigt das in den Simulationen des Bioenergiesektors (Kapitel 8) unterstellte
Szenario des Energiebedarfs.
GWh/a
450.000
400.000
350.000
300.000
250.000
200.000
150.000
100.000
50.000
0
Szenario
2000
2002
2004
2006
2008
2010
2012
2014
2016
2018
2020
2022
2024
2026
2028
2030
Bruttoinlandsverbrauch
(Primärenergie)
Wärme gesamt (Nutzenergie)
Kraftstoffe f. Straßenverkehr
(Endenergie)
Raumheitung und
Warmwasser (Nutzenergie)
Elektrische Energie
(Endenergie)
Dampferzeugung und
Industrieöfen (Nutzenergie)
Abbildung 12-12: Darstellung des für die Simulationen des Bioenergiesektor unterstellten
Energiebedarsszenarios
Quelle: eigene Berechnungen und Annahmen (Energy Economics Group, TU Wien) auf Basis von
Statistik Austria (2010a), Capros et al. (2008), Kranzl et al. (2010), siehe Abschnitt 8.2.2)

Anhang
12.3.4.2 Modellbeschreibung
Im Folgenden werden die Datenstrukturen, die Funktionsweise von Förderungen und die
Simulationsalgorithmen des Modells beschrieben. Die Modellbeschreibung wurde im Sinne
einer besseren Verwertbarkeit in englischer Sprache verfasst.
Data structures
The main data structures of the model are shown in Figure 2. There are three technology
categories: heat generation plants, electricity / combined heat and power (CHP) plants and
conversion technologies (including primarily biofuel production plants). Each output of
bioenergy technologies is assigned to a certain output cluster, which is characterized by
specific demand-side potentials and reference systems (reference costs / prices, GHG
emissions and fossil fuels consumptions). Demand-side potentials are the upper limits of
energy required of a certain type, for example heat from biomass boilers with about 12 kW
rated power. Energy demand trends, increasing energy efficiency and projected market
diffusion of other renewable energy technologies (like solar thermal collectors) are the main
influencing factors on the demand-side potentials of bioenergy technologies.
The data structure “technology type” contains technology-specific data such as efficiencies,
power range, investment, operation and maintenance costs, technology-specific GHG
emissions (e.g. for auxiliary energy) etc.
Biomass potentials are structured into “fuel types”. The input data for each fuel type include
potentials and costs in the form of a dynamic supply curves, import prices and embedded
use of fossil fuels as well as embedded GHG emissions.
Each technology type is associated with one or more fuel types. The combination of a
technology type with a fuel type is referred to as “utilization path” or “technology path”.
Energy production costs, depending on the fuel price, technology-specific costs and
technology data are calculated for technology paths. The specific GHG emissions per energy
output (based on the embedded emissions of the fuel and the technology-specific emissions)
as well as the specific fossil fuel consumption are also path-specific properties.
Figure 12-13: Main data structures of the model SimBioSys.
Subsidies for bioenergy
The model allows for the simulation of different support schemes for bioenergy. These
support schemes include investment subsidies, premiums for energy from biomass plants,
feed-in tariffs for electricity from bioenergy plants and obligatory quotas. All subsidies are
defined on a yearly basis. Table 12-5 gives an overview of the support schemes and their
properties.
172

Table 12-12: Support schemes and their properties
Type of subsidy Description
173
ALPot
Investment subsidy Defined as share of total investment costs [€/kW], values are defined for
technology types, support costs incur in the year of installation
Premium
Quota
Subsidy on energy production in [€/MWh], values are defined for technology
types, support costs incur during operation (i.e. each year) and are independent
from reference price and fuel price developments
Obligatory generation in [TWh/a], quotas are usually defined for one technology
cluster (e.g. electricity) but can also comprise several clusters (e.g. liquid and
gaseous transport fuels), certificate price is equal to LRMC of most expensive
plant which contributes to fulfilment of quota, support costs incur annually and are
influenced by reference and biomass price developments
Feed-in tariffs (FITs) Guaranteed price for electricity from bioenergy plants [€/MWh], values are defined
on technology type-level and can vary depending on fuel type used, FITs remain
constant for the whole lifetime of plant (usually 15 years) regardless of reference
price, support costs incur annually and are influenced by reference and fuel prices
developments
Simulation algorithm for the deployment of competitive plants
Within the deployment algorithm of the model SimBioSys, investments in bioenergy plants
are simulated based on a myopic least-cost approach. It is assumed that in each simulation
period (each year) the decision-making structure of potential investors in bioenergy is based
on a comparison of the total energy production costs (i.e. the long-run marginal costs –
LRMC) of bioenergy technologies with those of the according conventional reference system.
Energy policy instruments like investment subsidies and tax incentives are taken into account
in the calculation of the energy generation costs.
Simply put, bioenergy plants are deployed if they are competitive under the framework
conditions of the current simulation period and if there are free demand-side and resource
potentials. Apart from these restrictions, diffusion barriers which are modelled with an Sshaped
diffusion curve limit the annual deployment of bioenergy plants on a per-clusterbasis.
The parameters of the cluster-specific diffusion curves are derived from developments
observed in the past (e.g. small-scale heating systems) and exogenous scenarios (e.g.
gaseous transport fuels based on projected stock of gas-fuelled vehicles), respectively.
In Figure 5a the algorithm which is applied for determining the “additional competitive power
capacity” (ACPC) of a bioenergy technology. This figure is to illustrate the basic approach for
one simulation period and one fuel, on the assumption that this fuel is utilized by only one
technology type:
Based on the already installed capacities, the “initial“ demand q* for fuel a and, based on the
supply curve in the current period qBM(p), the according market price p* are determined. In
the situation shown in Fig. 12-13a, the potential of fuel a is not used exhaustively and the
LRMC of technology 1 at the price p* are lower than the according reference price/costs cref,1,
additional capacities are competitive and can be installed. The ACPC (Pecon,1) is calculated
from the potential (q0 – q*) which can be utilized in a competitive way, the annual full load
hours TFL,1 and the main efficiency η1 of the technology, according to Eq. (12.1). (Variable
declarations are summarized in at the end of this section)
=
( q − q )
*
⋅η
0 P econ,
1
1
(12.1)
TFL,
1

Anhang
In general, a certain biomass resource can be utilized by a number of different technologies.
Hence, several utilization paths compete for limited resources. In reality not only the “most
competitive” plants are installed and market players are not able to anticipate the effect of an
increasing demand on the market price of a commodity. The deployment algorithm of the
model SimBioSys was designed in order to reflect these observations.
Figure 12-13b illustrates the deployment algorithm for the case of one fuel which is utilized
by two technologies. In this example both technologies are competitive in the range q* to q’.
In the simulation algorithm the potential (q’ – q*) which is competed for by the two
technologies is distributed proportionally to their “indicators of competitiveness” ak. The
ACPCs for the range q* to q’ are calculated according to Eq. (12.2) to (12.4). In the range (q0
– q’) only technology 1 is competitive and therefore is assigned the whole resource potential.
a) b)
q BM
q max
q 0
q*
c(p BM)
c ref,1
p*
p 0
q a (p BM)
p BM
LRMC 1 (p BM)
p BM
174
q BM
q max
q 0
q´
q*
c(p BM)
c ref,1
c ref,2
p*
A 1
A 2
p 0
q a (p BM)
p BM
LRMC 1 (p BM)
LRMC 2 (p BM)
Figure 12-14: Illustration of the deployment algorithm for one fuel and one (a) and two
technologies (b)
Q
econ,
k
a
A
p BM
k
k = (12.2)
cref
, k
( q´
−q
* )
= n
∑
i=
1
Q
a
⋅ a
econ,
k
Pecon, k = ⋅ηk
TFL,
k
i
k
(12.3)
(12.4)
In the most general case, the deployment of a multitude of technologies, based on numerous
biomass resources is simulated in the way described above. For each resource the fuel
potential which can be utilized in a competitive way is subdivided into a sufficient number of
fractions. For each of these fractions, the indicators of competitiveness are determined for
each technologies and the potential distributed according to Eq. (12.3).

175
ALPot
In the explanations above, the impact of minimum plant capacities and demand-side
potentials as well as diffusion barriers have been neglected. These aspects are considered
as follows:
• If the ACPC determined within the deployment algorithm is less than the minimum
capacity of the according technology, the deployment is set to zero.
• The total generation of each cluster-specific output (both of the main and of
secondary outputs) may not exceed the demand-side potential and the maximum
increase according to the diffusion curve. The additional installation of each
technology is limited accordingly.
The cluster-specific diffusion curves are specified by the parameters αj and Δymax,j. The
maximum additional generation yadd,j is calculated on the basis of these parameters, the
current generation yj and the demand-side potential ymax,j according to Eq. (3.5). Fig. 12-14a
shows the maximum additional generation as a function of the achieved demand-side
potential for different parameter settings. Fig. 12-14b shows the according diffusion curves.
Maximum additional generation as share
of demand-side potential (%)
35
30
25
20
15
10
5
⎛
⎜ −
⎝
j
yadd , j = α j ⋅ y j 1 ⋅ Δy
⎜
max, j
y ⎟
max, j
a) b)
α = 5
Δymax = 25%
α = 2,5
Δy max = 30%
α = 4
Δymax = 10%
α = 4
Δymax = 5%
0
0 20 40 60 80 100
Achieved demand-side potential (%)
y
Achieved demand-side potential (%)
⎞
⎟
⎠
120
100
80
60
40
20
α = 5
Δy max = 25%
α = 2,5
Δy max = 30%
α = 4
Δy max = 10%
0
0 10 20 30
Time
α = 4
Δy max = 5%
Figure 12-15: Maximum additional generation as a function of the achieved demand-side
potential for different parameter settings (a) and the according diffusion curves (b).
(12.5)
Algorithm for the simulation of quotas
Obligatory quotas can be specified for output clusters or groups of output clusters, for
example for liquid transport fuels or separately for 1 st and 2 nd generation biofuels. Sub-quotas
are also possible. The fulfilment of quotas has priority against the deployment of competitive
plants. If more than one quota is specified, quota priorities can be assigned.
Quotas are assumed to be fulfilled in the most cost-effective way. Hence, the modelling
approach is to derive a “least-cost supply curve” (LCSC) for the energy output in demand,
and determine the plant capacities required to reach the quota. The following figures
illustrate the approach of the “quota algorithm”.
In this example it is assumed that there are three technologies which can contribute to the
fulfilment of the quota. Technology 1 and 2 utilize biomass resource “a” and technology 3
biomass resource “b”. Fig. 12-15a shows the supply curves of the biomass resources
pBM,a (qBM,b) and Fig. 12-15b the energy / fuel production costs of the three technologies
(LRMC1 to LRMC3) as functions of the amount of biomass used.

Anhang
From the cost functions of the technologies the LCSC (which shows the energy/fuel
production costs as a function of the fuel/energy supply) is derived. Starting at c0,
technology 1 is the cheapest option for producing the energy output (qa,1 . η1). The next
segment of the LCSC is made up by technology 2 due to a higher efficiency than
technology 1, resulting in a lower slope of the LRMC-curve. From c2 to c3 both technology 2
and technology 3 contribute to the LCSC since they do not compete for the same fuel (as it is
the case for technology 1 and 2). At c3 the maximum supply of fuel a is reached. The last
segment of the LCSC is therefore made up by technology 3 alone.
a)
b)
p BM
pb,max pa,max c(q BM)
c4 c3 c 2
c 1
c o
p BM,a(q BM,a)
q a,max
LRMC 2(q a)
q a,1 q a,2 q b,1
technology 1 (biomass a)
technology 2 (biomass a)
technology 3 (biomass b)
176
LRMC 1(q a)
biomass a
biomass b
q b,max
q BM
LRMC 3(q b)
Figure 12-16: Illustration of the quota algorithm (part 1): supply curves of two fuels (a) and
according energy / fuel generation costs of three technologies.
The demand which results from a given quota is represented by the vertical red line in
Fig. 12-16. The intersection point determines the “certificate price” pC which results from the
quota. At qa,pc and qb,pc (on the biomass supply curves), the LRMC of technology 2 and
technology 3 are equal to pc (Eq. (3.6)). The production capacities required to reach the
quota in a most cost-effective way are determined according to Eq. (3.7).
Minimum capacities of bioenergy plants are also considered within the actual quota
algorithm. Diffusion barriers are not taken into account.
q
LRMC =
q BM
2 ( qa,
pc)
= LRMC3(
qb,
pc ) pc
(12.6)
( q − q )
qb,
pc
P =
⋅η
, P quota,
3 = ⋅η3
(12.7)
T
a,
1
a,
pc a,
1
P quota,
1 = ⋅η1
, quota,
2
2
TFL,
1
TFL,
2
FL,
3

c(q energy/fuel)
c4 c3 pC c 2
c 1
c o
(q a,1 . η1)
tech.2
tech.1
D
tech.2 & 3
(q a,2- q a,1) . η 2 (q a,max -q a,2) . η 2 + q b,1 . η3
177
tech.3
(q b,max- q b,1) . η 3
q energy/fuel
ALPot
Figure 12-17: Illustration of the quota algorithm (part 2): resulting “least-costs supply curve”
for the energy / fuel output in demand.
Nomenclature and further equations
η i
Main efficiency of technology “i“ [1]
η therm, i thermal efficiency of CHP/conversion technology “i”
η ele, i
electrical efficiency of conversion technology “i“ [1]
η byprod , i,
b byproduct “b” output of conversion technology “i“ [t MWhinput -1 ]
cI,i
cO&M,i
TFL,i
pBM,a
pref,y
LRMCi
αi
ii
ni
Investment costs per MW (main output) [€ MW -1 ]
Operation and maintenance costs [€ MW -1 a -1 ]
Annual full load hours of technology “i“ [h a -1 ]
Price of biomass resource “a” [€ MWh -1 ]
Reference price of output cluster “y” [€ MWh -1 ] ([€ Mg -1 ] for byproducts)
Long run marginal costs (total energy generation costs of main output) of
technology “i“ [€ MWh -1 ]
Capital recovery factor
ni
( 1+
ii
) ⋅ii
ni
( 1+
i ) −1
α =
(12.8)
i
i
Interest rate assumed for technology “i“ [1]
Depreciation period assumed for technology “i“ [a -1 ]
Short run marginal costs of heat generation plants:
pBM
, a c
SRMCi
= +
η T
i
O&M
, i
FL,
i
(12.9)

Anhang
Short run marginal costs of electricity/CHP plants (y stands for the according heat cluster):
SRMC
p
c
η
BM , a O&M
, i
therm,
i
i = + − pref
, y ⋅
(12.10)
ηi
TFL,
i ηi
Short run marginal costs of conversion technologies, including biofuel production,
polygeneration and biorefineries (“y1”, “y2” and “b” stand for the according heat, electricity
and by-product cluster):
SRMC
p
c
η
BM , a O&
M , i
therm,
i
ele,
i
byprod , i,
b
i=
+ − pref
, y1
⋅ − pref
, y2
⋅ − pref
, b ⋅
(12.11)
ηi
TFL,
i
ηi
ηi
ηi
Long run marginal costs:
I , i ⋅α
i
c
LRMCi
= SRMCi
+
(12.12)
T
FL,
i
178
η
η