Energiewende – Erneuerbare Energien

Klimaneutral bis 2045 – geht das überhaupt? Ja – viele Studien zeigen, es ist möglich. Aber damit das kein Wunschtraum bleibt, braucht es klare Ziele und den Blick auf den aktuellen Stand. Genau dafür haben wir eine Methode entwickelt, mit der wir die Energiewende vor Ort messbar machen – auf Ebene von Gemeinden und Regionen. Was wir berechnen:

Was ist schon da? (Anlagenbestand)
Was wäre nötig? (Zielwerte)

Teil 1: Der aktuelle Stand – was steht schon?

Die Daten zur bestehenden Infrastruktur stammen aus dem Marktstammdatenregister (MaStR) der Bundesnetzagentur. Dort sind alle Strom- und Wärmeerzeugungsanlagen in Deutschland registriert – von der Windkraftanlage bis zur privaten Solaranlage auf dem Dach.
Wir werten diese Daten aus und ordnen alle Anlagen mit dem Status “In Betrieb” über den sogenannten Amtlichen Gemeindeschlüssel (AGS) den jeweiligen Städten und Gemeinden zu. Wir planen diese Daten jeweils alle 6 Monate zu aktualisieren.

👉 Herausforderung: Einige Anlagen lassen sich nicht eindeutig einer aktuellen AGS zuordnen – z. B. weil sie in gemeindefreien Gebieten stehen oder es seitdem Gemeindezusammenlegungen gab. Wir versuchen, diese bestmöglich zuzuweisen, können dabei aber Fehler nicht ganz ausschließen. Weiterhin gibt es in den Daten des MaStR bisweilen Fehler, z.B. falsche Leistungswerte, Status “In Planung” oder Anlagen, die als Freiflächen-Anlagen deklariert werden. Die Verantwortung dafür liegt bei den Betreibern und können wir hier bei der Menge an Daten leider nicht korrigieren.

Teil 2: Die Ausbauziele – wohin soll’s gehen?

Klar ist: Ohne Ziel kein Weg. Da der Gesetzgeber sich aber bei klaren Ausbauzielen oft zurückhält, greifen wir auf auf die wissenschaftlich fundierte Fraunhofer-Studie „Wege zu einem klimaneutralen Energiesystem“ aus dem Jahr 2024/2025 zurück. Wir nutzen dabei das „technologieoffene Szenario“, da ja die “Technologie-Offenheit” manchen Parteien besonders wichtig ist. Diese Ziele haben also keine rechtliche Verbindlichkeit, aber sie geben eine Richtung vor, wie viel Ausbau vor Ort nötig wäre, damit wir als Gesamtgesellschaft die Klimaziele einhalten.

Da sich die Studie teils auf größere Regionen (z. B. Berlin + Brandenburg oder RLP + Saarland) bezieht, haben wir aus technischen Gründen die Ziele proportional auf diese Bundesländer heruntergebrochen – und anschließend weiter auf Gemeinden und Regionen verteilt. Im Einzelfall kann daher ein Ziel auch unpassend sein (z. B. Windrad im engen Tal oder in der Großstadt). Die Methode zur Umrechnung:

Bei PV-Dachanlagen nutzen wir die Einwohnerzahl als Maßstab (mehr Menschen = mehr Dächer): Kapazitätsziel pro Einwohner.
Bei Windkraft und PV-Freifläche orientieren wir uns an der Fläche: Kapazitätsziel pro km²
Der Zielpfad für Stromspeicher ist in der Studie nur für ganz Deutschland beschrieben, hier nutzen wir die Fläche der Bundesländer zur Umrechnung.

Was noch wichtig ist:

Um die Daten zusammenzubringen, nutzen wir außerdem Angaben vom Statistischen Bundesamt – zu Fläche, Bevölkerung und aktuellen AGS-Codes der Gemeinden. So lassen sich Ist und Soll sinnvoll vergleichen.

📌 Fazit: Unsere Methode ist kein Gesetz – aber wissenschaftlich fundiert und pragmatisch. Denn nur, wenn wir wissen, wo wir stehen und wohin wir müssen, kann die Energiewende auch auf kommunaler Ebene gelingen.

Mehr zu den Quellen:

MaStR: marktstammdatenregister.de
Studie des Fraunhofer ISE: ise.fraunhofer.de
AGS & Statistikdaten: destatis.de

Verkehrswende

Wir wollen weg von gefühlten Wahrnehmungen (“bei uns gibt es kaum Radwege”) und hin zu einer faktenbasierten Diskussionsgrundlage für unsere Zielgruppen.

Ist der Straßenverkehr sicher? Für welche Teilnehmer?
Wie viele Kilometer an expliziter und sicherer Rad-Infrastruktur gibt es wirklich?
Wie setzt sich diese Infrastruktur zusammen (dedizierte Wege, geteilte Wege, Radstreifen)?

Verkehrsunfall-Daten

Hier werden Daten zu Polizeilich gemeldeten Verkehrsunfällen mit Personenschaden gezeigt, aggregiert nach der Kommune. Quelle ist der Unfall-Atlas. Dies ist die aktuell vollständigste offen zugängliche Quelle, da reine Sachschäden oder sogar Unfälle ohne Personen- /Sachschäden schlicht nicht systematisch erfasst werden. Es dürfte daher eine große Dunkelziffer von nicht erfassten Verkehrsunfällen geben, aber auch diese Daten ermöglichen bereits einen guten Vergleich.

Verwendet wird der Median aus den letzten 5 Jahren, um die Varianz gering zu halten.

Radinfrastruktur und ÖPNV-Haltestellen

Als primäre Datenquelle nutzen wir OpenStreetMap (OSM), da es die weltweit umfassendste und frei zugängliche Sammlung von Geodaten ist. Öffentliche Daten von Bund und Ländern aus einer Quelle haben wir leider nicht gefunden. Man müsste sich diese Daten von diversen Landratsämtern oder Landesämtern für Statistik zusammen suchen.

Das Herzstück unserer Methode ist die intelligente Filterung und Klassifizierung der rohen OSM-Daten. Wir haben einen iterativ entwickelten, regelbasierten Algorithmus geschaffen, der die Daten filtert (z.B. entfernen von privaten Zufahrten, Trampelpfade mit schlechter Oberfläche, zu kurze Weg-Schnipsel) und in für uns relevante Kategorien einteilt (“Dedizierte Radwege”, “Geteilte Wege”, “Radfahrstreifen”).

Die Daten von OSM haben jedoch auch eine Einschränkung: Es ist eine von Menschen gemachte Karte der Welt, keine standardisierte Datenbank für einen bestimmten Zweck. Da tausende Freiwillige nach bestem Wissen, aber mit unterschiedlicher Interpretation mappen, werden identische Gegebenheiten oft unterschiedlich erfasst. Folgende Probleme können auftauchen:

Mangelnde Konsistenz und Vollständigkeit: Der Radweg an einem Kanal war auf der einen Seite korrekt als highway=path getaggt, auf der anderen Seite als highway=residential mit motor_vehicle=no. Für einen Menschen ist beides ein autofreier Radweg, für unser Skript waren es zwei völlig verschiedene Dinge.
Keine Garantie für öffentliche Relevanz: Ein Trampelpfad im Wald ist ein highway=path, den wir über die Oberfläche ausfiltern. Falls diese nicht gepflegt wird, bleibt es in den Daten. Fußwege auf dem Friedhof oder im Freizeitpark sind ebenfalls in OSM erfasst, aber für uns nicht relevant. Fehlen Tags wie access=private, können Daten verfälscht sein.
Ungleichmäßige Abdeckung: Die Detailtiefe der Karte hängt direkt von der Anzahl und dem Engagement der Freiwilligen vor Ort ab. In Berlin werden Wege mutmaßlich besser erfasst sein als in einer ländlichen Gemeinde in Brandenburg.

Die Schwäche von OSM ist gleichzeitig seine Stärke. Die Daten sind extrem detailliert und aktuell, aber eben auch “chaotisch” und nicht standardisiert. Jeder kann mitmachen und jeder kann – wenn er hier Fehler findet – diese bei OSM korrigieren.

Unternehmen

Mehr als 25% aller CO₂eq-Emissionen stammen aus der Industrie. Ein Teil davon passiert durch direkten Energieverbrauch, weitere entstehen beim Transport von Waren, beim Heizen von Industriegebäuden, beim Verbrennen von Abfällen oder auch direkt bei der Herstellung von Chemikalien oder Zement. Viele Unternehmen publizieren viele Informationen, wie Nachhaltig sie sind, aber erst Zahlen zeigen wie ernst diese Versprechungen sind.

Teil 1: Der aktuelle Stand

Viele Unternehmen messen dazu ihre Treibhausgasemissionen entlang dreier „Scopes“ nach dem Greenhouse Gas Protocol, um gezielt Klimaschutzmaßnahmen anzugehen:

Scope 1 – Direkte Emissionen
- Hierzu zählen alle CO₂-Emissionen, die ein Unternehmen direkt selbst verursacht, z. B. durch Verbrennung von Kraftstoff in eigenen Fahrzeugen, Heizkesseln oder Industrieanlagen.
Scope 2 – Indirekte Emissionen aus eingekaufter Energie
- Diese Emissionen entstehen bei der Erzeugung von bezogener Energie (Strom, Dampf, Kälte, Wärme), die das Unternehmen nutzt, selbst wenn die Emissionen nicht direkt auf dem Firmengelände stattfinden.
Scope 3 – Übrige indirekte Emissionen
- Alle weiteren Emissionen in der Wertschöpfungskette, z. B. bei der Herstellung von eingekauften Materialien, Transport, Geschäftsreisen, Mitarbeitenden-Pendeln oder der Nutzung und Entsorgung verkaufter Produkte.

Diese Zahlen in Tonnen CO2 werden oft im jährlichen Geschäftsbericht veröffentlicht, manchmal auch als Addendum zu diesem oder in einem separaten Nachhaltigkeitsbericht. Mittels KI-Tools und menschlicher Kuratierung werden diese Daten gesammelt.

Scope 1 und 2 erfasst oft weniger als 25% der gesamten Emissionen großer Unternehmen- dafür sind diese unmittelbar unter der Kontrolle des Unternehmens selber. Bei Scope 2-Emissionen unterscheidet man zwei Berechnungsmethoden gemäß dem GHG-Protocol: Location-based („ortsbezogen“) oder Market-based („marktbezogen“). „Ortsbezogen“ verwendet Durchschnittswerte des nationalen Strommixes (z. B. die durchschnittlichen CO₂-Emissionen je kWh in Deutschland), „marktbezogen“ berücksichtigt dagegen die tatsächlichen Emissionsfaktoren der Stromlieferanten, die das Unternehmen vertraglich wählt (z. B. 100% Ökostrom, PPAs, Garantien-der-Herkunft). Hier verwenden wir für die Auswertung „marktbezogene“ Emissionen des spezifischen Energiemixes, den das Unternehmen einkauft, und belohnen so den Zukauf sauberer Energie.

Scope 3 deckt oft 70–90% ab und umfasst bis zu 15 verschiedene Kategorien, von der Rohstoffgewinnung bis zur Nutzung und Entsorgung der Produkte. Die Nachhaltigkeit der Lieferanten einer Firma bildet sich also hier ab, die nur indirekt durch die Auswahl der Lieferanten beeinflusst werden kann. Andere Posten in Scope 3 sind Dienstreisen oder wie die eigenen Mitarbeiter zur Arbeit kommen. Diese Verhaltensweisen kann ein Unternehmen wiederum beeinflussen.

👉 Herausforderung: Manche Unternehmen veröffentlichen nur Teile ihrer Daten. Insbesondere Scope 3 wird bisweilen nicht mit allen Kategorien transparent gemacht, was daran liegt das auch die Lieferanten keine verlässlichen Emissionsdaten liefern. Gleichzeitig veröffentlichen manche Unternehmen, die in verschiedenen Branchen tätig sind, nur kumulierte Daten. Das macht vergleiche schwierig.

Teil 2: Vergleichbarkeit und Ziele

Nur einen absoluten Wert in Tonnen CO2 zu haben ist erstmals nichtssagend: ist das gut oder schlecht. Erst im relativen Vergleich kann man diese Aussage treffen. Es macht auch wenig Sinn, einen Hersteller von Autos mit einer Bank zu vergleichen – daher macht hier nur der Vergleich pro Branche Sinn. Daher ordnen wir Firmen ihrer Branche zu.

Weiterhin kann man nur schwer große mit kleinen Firmen vergleichen. Interessant wäre ein CO2-Abdruck pro Produkt. Leider ist das je nach Produktpalette zu divers und viele Firmen veröffentlichen auch keine Zahlen dazu. Daher nutzen wir zwei Zahlen um den CO2-Fußabdruck zu normieren: pro Umsatz und pro Mitarbeiter. Insofern wir im Geschäftsbericht doch noch Zahlen zu Produkten finden, erfassen wir diese auch per KI (beispielsweise “verkaufte Fahrzeuge”).

Für jede Firma kalkulieren wir also CO2 pro Umsatz und pro Mitarbeiter und erstellen daraus einen Mittelwert der jeweiligen Branche als Referenz.

Weiterhin erfassen wir auch die genannten langfristigen Nachhaltigkeitsziele: bis wann möchte das Unternehmen CO2 Net-Zero sein. Insbesondere SBTi-Zeile erfassen wir dabei gesondert: Die Science Based Targets initiative (SBTi) ist eine Partnerschaft zwischen Umweltorganisationen (CDP, UN Global Compact, World Resources Institute und WWF). Sie hilft Unternehmen dabei, wissenschaftlich fundierte Klimaziele zu setzen, die mit dem 1,5 °C-Pfad des Pariser Abkommens in Einklang stehen.

Unternehmen mit SBTi-Zielen verpflichten sich, ihre Emissionen nach klar definierten wissenschaftlichen Methoden in Scope 1,2 und 3 zu reduzieren und so zum Klimaschutz beizutragen. Dadurch werden diese Mittelfristig auch von ihren Lieferanten die Reduktion ihrer Emissionen verlangen.