FORECAST-Industry

Name

Forecasting Energy Consumption Analysis and Simulation Tool - Industry

Die aktuelle Version des Modells ist in Revision 12799 (dokumentiert anhand einer Versionskontrolle). Im Zuge des Projektes werden möglicherweise Anpassungen und kleinere Weiterentwicklungen des Modelcodes erfolgen, durch die diese Versionsnummer inkrementell fortschreitet. Die grundlegenden Funktionen sind identisch mit denen der Modellversion, die im Projektionsbericht 2024 verwendet wurde.

Betreibende Organisation

Fraunhofer Institut für System- und Innovationsforschung ISI (Fraunhofer-Gesellschaft zur Förderung der angewandten Forschung e. V.)

Zweck des Modells

FORECAST Industry war in seiner Ursprungsform auf die Berechnung von Energieeffizienzpotentialen in energieintensiven industriellen Prozessen beschränkt. Ziel war es, diese Potentiale möglichst auf Prozessebene (in Abgrenzung zur sektoralen und Branchenebene) anzugeben, und so eine Bottom up-Einschätzung von erreichbaren Effizienzverbesserung anzubieten. Durch Weiterentwicklungen wurden weitere Bereiche der industriellen Energienachfrage ergänzt und bestehende Methoden vertieft. Dadurch repräsentiert FORECAST Industry heute den größten Teil der energieintensiven Industrie auf Prozessebene und weitere (nicht-energieintensive Branchen) abstrahiert. Technologisch abgrenzbare Bereiche (z.B. Dampferzeugung, Industrieöfen, Bereitstellung mechanischer Energie…) werden dabei mit jeweils an die inhaltlichen Zusammenhänge angepassten Methoden modelliert. Im Zuge dieser Entwicklung wurde FORECAST Industry zu einer "Disaggregation der Energiebilanzen" - also der Ergänzung der zugrundegelegten Statistik zum Energienachfrage (im Allgemeinen Eurostat oder AGEB) mit techno-ökonomischen Dimensionen. Auf dieser Basis werden Projektionen möglicher Zukünfte entwickelt.

FORECAST Industry repräsentiert den Industriesektor (Bergbau, Gew. Steine u. Erden, Verarbeit. Gewerbe, entsprechend AGEB-Definition) der betrachteten Organisationseinheit (hier: Deutschland, sonst auch die EU27, deren Mitgliedstaaten sowie ausgewählte weitere). Grundsätzlich ist dabei jeder Zuschnitt möglich - die verfügbaren Daten beschränken die Modellierung in der Praxis auf staatliche Strukturen. Im Rahmen der THG-Projektionen bestehen die wichtigsten Dynamiken der Modellierung in:

Effizienzfortschritt von energieintensiven Prozessen in Abhängigkeit von ökonomischen Rahmenbedingungen und Investitionsverhalten von Akteuren
Technologie- und Energieträgernutzung zur Deckung der Energienachfrage (darunter Austausch von Bestandsanlagen und Entscheidung unter dem Einfluss unterschiedlicher Preissignale und Verfuegbarkeit/Nutzenbewertung von Optionen)
Attraktivität CO₂-armer Produktionsverfahren und Wirkung darauf gerichteter Politikinstrumente.

FORECAST Industry untersucht vorrangig, welche Technologien und Energieträger unter gegebenen Rahmenbedingungen (darunter z.B. gesamtwirtschaftliche Entwicklung, Energieträgerpreise, CO₂-Preise, Nachfrage nach/Produktionsmenge von Grundstoffen, verfügbare Technologien) im Industriesektor aus Sicht eines überwiegend rational handelnden Akteurs (unter Berücksichtigung beobachteter Einschränkungen der Rationalität ¹) eingesetzt würden. Die Einflüsse von Politikinstrumenten auf diese Rahmenbedingungen oder die Entscheidungsfindung wird dabei in den THG-Projektionen in den Mittelpunkt gestellt. Anwendungen in anderen Projekten umfassen breit angelegte Szenarioanalysen, um Angebots- und Infrastrukturmodellierungen eine Datenbasis zur Energienachfrage zur Verfügung zu stellen. In diesen stehen oft weniger Politikinstrumente als die Eröffnung eines Lösungsraums (z.B. durch Variation der oben genannten Annahmen wie der Produktionsmenge) im Vordergrund. FORECAST Industry kann keine Aussage zur Sinnhaftigkeit oder Eintrittswahrscheinlichkeit der Szenarioannahmen treffen - etwa zur Entwicklung des CO₂-Preises oder der Nachfrage nach Stahl, Beton und anderen Grundstoffen.

Entlang der Szenariotypologie von Börjeson [1] ist das Modell grundsätzlich in der Lage, alle dort aufgeführten Szenarienarten zu untersuchen. Allerdings ist im Rahmen der THG-Projektionen nicht von einer Vorhersage ("predictive scenarios") auszugehen, da das Projekt lange Zeiträume unter tiefer Unsicherheit umfasst. Die Projektion der ersten Modellierungsjahre sind womöglich unter "Forecast" einzuordnen, und in der Vergangenheit durchgeführte Übungen zu Annahmen von Produktionsmengenentwicklung (siehe z.B. Produktionsmengensensitivitäten im Projektionsbericht 2024) ähneln "was wenn" ("what-if")-Szenarien.

Die lange Frist der Modellierung im Rahmen der THG-Projektionen weist allerdings vielmehr auf den Szenariotyp explorativ oder strategisch ("explorative", "strategic"), insbesondere aufgrund der zugrundeliegenden Fragestellung "was kann passieren, wenn wir auf bestimmte Art handeln?" - also jener nach der Wirkung der Politikinstrumente. Von externen Annahmen maßgeblich definierte ("external") Szenarien sind wie oben beschrieben Teil der von FORECAST Industry bedienten Palette, vor allem in Forschungsprojekten zum Energiesystem mit Fokus auf Angebot und Infrastruktur. Ähnliches gilt für normative ("normative") Szenarien Bei der Einordnung all dieser Typisierungen ist notwendig zu berücksichtigen, dass Szenariotechnik stets von einer Vielzahl an Szenarien ausgeht. Dies ist die grundlegende Methode, um mit den starken Unsicherheiten der Modellierung umzugehen. Die Verwendung des Modells im Rahmen der THG-Projektionen ist aus verschiedenen Gründen auf ein Szenario (mit ergänzenden Sensitivitäten) ausgerichtet. Dies ist als starke Einschränkung der Anwendbarkeit der Typisierung nach Börjeson et al. [1] anzusehen. Die primären Ergebnisse von FORECAST Industry sind Endenergienachfrage und Treibhausgasemissionen der Industrie auf jährlicher Basis zwischen dem Startjahr (z.B. 2021) und dem Endjahr (z.B. 2050). Dabei differenziert FORECAST Industry Energieträger, Branchen und Technologiebereiche.

[1]: Börjeson, L.; Höjer, M.; Dreborg, K.-H.; Ekvall, T.; Finnveden, G. (2006): Scenario types and techniques: Towards a user’s guide. In: Futures 38 (7), S. 723–739. DOI: 10.1016/j.futures.2005.12.002. [2]: Rehfeldt, M.; Fleiter, T.; Worrell, E. (2018b): Inter-fuel substitution in European industry: A random utility approach on industrial heat demand. In: Journal of Cleaner Production 187, S. 98–110. DOI: 10.1016/j.jclepro.2018.03.179

Akteure

FORECAST Industry bildet industrielle Prozesse und Subsektoren/Branchen ab. Diese haben Eigenschaften, die die Entscheidungsfindung beeinflussen, sie beeinflussen isch aber nicht gegenseitig und sind daher nicht als Agenten oder ähnlich zu bezeichnen. Es sind Nutzendengruppen. Einzelne Personen, Personengruppen oder Organisationen werden darüber hinaus nicht abgebildet. FORECAST Industry bildet Voraussicht von Akteuren optional in der Vorhersage der CO₂-Preise bzw. deren Berücksichtigung (und Erwartungen) in Investitionsentscheidungen ab. Informationsverfügbarkeit wird abstrahiert über einen Parameter der Logit-Formulierung (Nutzenbewertung von Optionen) abgebildet (Markthomogenität¹). Lerneffekte werden nicht abgebildet (bzw. nur stark abstrahiert und exogen über Kostenreduktion innovativer Technologien).

Dokumentation

Prüfung eines Teilmodells

Rehfeldt, M.; Fleiter, T.; Worrell, E. (2018): Inter-fuel substitution in European industry: A random utility approach on industrial heat demand. In: Journal of Cleaner Production Volume 187, 20 June 2018, Pages 98-110. https://doi.org/10.1016/j.jclepro.2018.03.179

Methodikbeschreibung

Fleiter, T.; Reheldt, M.; Herbst, A.; Elsland, R.; Klinler, A.L.; Manz, P.; Eidelloth; S. (2018): A methodology for bottom-up modelling of energy transitions in the industry sector: The FORECAST model. In: Energy Strategy Reviews Volume 22, November 2018, Pages 237-254. https://doi.org/10.1016/j.esr.2018.09.005

Eine umfassende Validierung des Modells ist nicht verfügbar. Dafür fehlten bislang im Rahmen der Auftragsforschung die notwendigen Ressourcen.

Weitere Literaturverweise

Börjeson, L.; Höjer, M.; Dreborg, K.-H.; Ekvall, T.; Finnveden, G. (2006): Scenario types and techniques: Towards a user’s guide. In: Futures 38 (7), S. 723–739. DOI: 10.1016/j.futures.2005.12.002.
Kuramochi, T.; Ramírez, A.; Turkenburg, W.; Faaij, A. (2012) Comparative assessment of CO2 capture technologies for carbon-intensive industrial processes, Progress in Energy and Combustion Science, Volume 38, Issue 1, Pages 87-112, ISSN 0360-1285, https://doi.org/10.1016/j.pecs.2011.05.001.
Fleiter, T.; Rehfeldt, M.; Herbst, A.; Elsland, R.; Klingler, A.-L.; Manz, P.; Eidelloth, S. (2018): A methodology for bottom-up modelling of energy transitions in the industry sector: The FORECAST model. In: Energy Strategy Reviews 22, S. 237–254. DOI: 10.1016/j.esr.2018.09.005.
Rehfeldt, M.; Fleiter, T.; Toro, F. (2018a): A bottom-up estimation of the heating and cooling demand in European industry. In: Energy Efficiency 11 (5), S. 1057–1082. DOI: 10.1007/s12053-017-9571-y.
Rehfeldt, M.; Fleiter, T.; Worrell, E. (2018b): Inter-fuel substitution in European industry: A random utility approach on industrial heat demand. In: Journal of Cleaner Production 187, S. 98–110. DOI: 10.1016/j.jclepro.2018.03.179
Vogl, V.; Åhman, M.; Nilsson, l. (2018) Assessment of hydrogen direct reduction for fossil-free steelmaking, Journal of Cleaner Production, Volume 203, Pages 736-745, https://doi.org/10.1016/j.jclepro.2018.08.279.
Walker, W. E., Harremoës, P., Rotmans, J., van der Sluijs, J. P., van Asselt, M. B. A., Janssen, P., & Krayer von Krauss, M. P. (2003). Defining Uncertainty: A Conceptual Basis for Uncertainty Management in Model-Based Decision Support. Integrated Assessment, 4(1), 5–17. https://doi.org/10.1076/iaij.4.1.5.16466

Räumliche Abdeckung

EU27 auf Mitgliedsstaatebene, außerdem ausgewählte weitere Länder (Norwegen, Schweiz, UK).

Zeithorizont

Der Zeithorizont ist variabel. Typischerweise arbeitet FORECAST Industry zwischen dem jeweils aktuellsten verfügbaren Jahr mit Datenverfügbarkeit zum Zweck der Kalibrierung (z.B. 2021) und 2050 (Zieljahr untersuchter Politiken).

Zeitliche Auflösung

FORECAST Industry rechnet jährlich.

Konzeptionelle Gestaltungsprinzipien

Es lassen sich unmittelbar drei fundamentale Annahmen der Modellierung in FORECAST Industry identifizieren. Erstens, "Prozess gleicht Prozess". Dieses Konzept besagt, dass industrielle Prozesse die kleinste betrachtete Einheit sind und damit in allen ihren Anwendungen unverändert. Der Prozess "Stahl walzen" ist damit im gesamten untersuchten Gesamtsystem identisch (in Salzgitter und in Völklingen). Auch Veränderungen im Zeitverlauf, z.B. durch Effizienzverbesserungen, sind für alle Anwendungen des Prozesses gleich. Ausdifferenzierungen zwischen geografischen Einheiten (z.B. Frankreich und Deutschland) entstehen durch den unterschiedlichen Grad, in dem diese Prozesse angewendet werden (ihre Aktivität). So sieht der Stahlsektor in Italien anders aus als der in Deutschland - nicht, weil die Prozesse anders wären, sondern weil in Italien mehr Sekundärstahl, in Deutschland mehr Oxygenstahl hergestellt wird. Zweitens, "Simulation, nicht Optimierung". Dieses Konzept postuliert, dass die Entwicklung der industriellen Endenergienachfrage kein Resultat gesamtmarktlicher und intertemporaler Optimierung, sondern das Resultat von Entscheidungen individueller Akteure ist. Entsprechend werden Entscheidungen als Simulation abgebildet, unter limitierten Informationen mit individuellem Entscheidungskalkül. Eine Ausprägung dieses Konzepts ist die Verwendung der Logit-Formulierung von Discrete-Choice Problemen. Durch diese entstehen Wahlwahrscheinlichkeiten (z.B. von Technologien und Energieträgern) - also ein Spektrum an Entscheidungen mit Mehrheitslösungen und Nischen. Drittens, "Szenarien beschreiben den Lösungsraum". Dieses Konzept legt fest, dass die tiefe Unsicherheit, unter denen die Modellierung des Energiesystems (bzw. von Teilen davon) stattfindet, quantitative Aussagen über Eintrittswahrscheinlichkeiten verhindern. Ziel der Modellierung ist es daher, mögliche Zukünfte zu beschreiben und durch deren Vielzahl eine Vorstellung vom Lösungsraum zu entwickeln. Operativ heißt das, dass von Versuchen von probabilistischer Modellierung und Berechnung von Wahrscheinlichkeiten Abstand genommen wird. Unsicherheiten werden über sich ergänzende Szenarien oder, falls dies nicht möglich ist, über Sensitivitäten abgebildet.

FORECAST Industry bildet schwerpunktmäßig Entscheidungen über Technologie- und Energieträgerwechsel ab (vergleiche oben). Dazu dienen Nutzenbewertungen, die auf Basis techno-ökonomischer Bedingungen erfolgen. Politikinstrumente beeinflussen diese Bewertungen auf vielfältige Weise, z.B. durch Veränderung der Preisstruktur durch neue Preiskomponenten oder Subventionen, durch ordnungsrechtliche Vorgaben, die Optionen ausschließen oder mandatieren, sowie durch Beeinflussung von die Dynamik von Entwicklungen beschreibenden Parameter wie der Austauschgeschwindigkeit von Bestandsanlagen oder der Risikobereitschaft von Akteuren. Basierend auf im Projekt durchgeführte Vorarbeiten (Rahmendatendefinition) sind Annahmen zur Produktionsmenge/ wirtschaftlicher Aktivität ein exogener Input.

Wechselwirkungen von Politikinstrumenten entstehen endogen dann, wenn diese die gleichen Technologiebereiche bzw., Entscheidungssphären betreffen. So ergänzt ein CO₂-Preis direkte Subventionierung CO₂-armer Technologien durch zusätzlich verbesserte Wirtschaftlichkeit im Wettbewerb gegen CO₂-intensivere Optionen und Instrumente, die einen schnelleren Austausch bestehender Anlagen fördern (z.B. Information/Netzwerke, Planungssicherheit) verstärken die transformative Wirkung, da so im selben Zeitraum mehr Investitionsentscheidungen getroffen werden (die häufiger zugunsten von Dekarbonisierungstechnologien ausfallen).

Methodischer/mathematischer Ansatz

FORECAST Industry ist ein bottom-up Simulationsmodell. Es verwendet in mehreren Modulen den Ansatz der total cost of ownership und setzt auf dieses Zahlengerüst eine Logit-Formulierung des Discrete Choice Problems.

OpenSource

FORECAST Industry ist nicht OpenSource. Gegen eine Veröffentlichung spricht vor allem der hohe Aufwand, um den Code zugänglich und lesbar für Außenstehende zu machen. Da es sich um eine Eigenentwicklung handelt, sind Kenntnisse der Programmiersprache nicht hinreichend, um die Modellierung zu verstehen. Insofern würde eine Veröffentlichung aktuell keinen Mehrwert für Transparenz bieten.

Parameter

Techno-ökonomische Parameter basieren auf Literaturangaben [1, 2]. Weitere Parameter werden aus Statistiken (AGEB Energiebilanz, Inventarbericht) entnommen, zum Teil selbst erzeugt .

[1]: Vogl, V.; Åhman, M.; Nilsson, l. (2018) Assessment of hydrogen direct reduction for fossil-free steelmaking, Journal of Cleaner Production, Volume 203, Pages 736-745, https://doi.org/10.1016/j.jclepro.2018.08.279.

[2]: Kuramochi, T.; Ramírez, A.; Turkenburg, W.; Faaij, A. (2012) Comparative assessment of CO2 capture technologies for carbon-intensive industrial processes, Progress in Energy and Combustion Science, Volume 38, Issue 1, Pages 87-112, ISSN 0360-1285, https://doi.org/10.1016/j.pecs.2011.05.001.

Programmiersprache

Visual Basic .NET, mit aufgesetzter Modelliersprache in Eigenentwicklung.

Programmtechnische Gestaltungsprinzipien

FORECAST Industry ist in Modulen organisiert. Diese Module umfassen inhaltlich abgrenzbare Bereiche der Modellierung. Kurz zusammengefasst sind dies vor allem (nicht vollständige Liste):

Modification (Vorbereitung und Formatierung von Eingangsdaten)
Industry (Kernberechnung der Bottom-up Energienachfrage und der an industriellen Prozessen orientierten Effizienzpotentiale)
Querschnittstechnologien (Effizienzpotentiale von Motoren, Pumpen, Druckluft usw.)
Prozesswärme Dampf (Bestandsmodell von Dampferzeugung, Technologiewechsel)
Prozesswärme Industrieöfen (Energieträgerwechsel im Hochtemperaturbereich)
Energiebilanzkalibrierung (Erfassung und Fortschreibung der Differenz der Ergebnisse zur statistischen Grundlage)
Rohstoffe (stoffliche Nutzung von Energieträgern in der Chemie)
CCS (Diffusion von CO₂-Abscheidung)
Kosten (Erfassung von CAPEX und OPEX der vorherigen Modellentscheidungen)
Ergebnisse (Formatierung und Zusammenführung der Ergebnisse)

Die Modellierung erfolgt seriell; die Module werden nacheinander durchlaufen und liefern entlang der Kette jeweils die Inputdaten des nachfolgenden Moduls. Schnittstellen mit anderen Modellen sind grundsätzlich an allen Punkten des Ablaufs möglich (das potentielle Auslesen von Zwischenergebnissen jeder Berechnung ist integriert). In der Praxis werden vor allem Endergebnisse übergeben. Es bestehen mehrere Ebenen der Fehlerprüfung. Neben der Entwicklungsumgebung inhärenten Syntaxprüfung (bei der Kompilierung) wird im Modellauf auf Fehler (Ergebnisse sind formal falsch) und Warnungen (Ergebnisse sind unerwartet, aber grundsätzlich zulässig) geprüft. Zusätzlich sind an wichtigen Stellen inhaltliche Plausibilitätsprüfungen angelegt. So wird zum Beispiel ein Hinweis ausgegeben, wenn Produktionsmenge oder Energienachfrage in einem Prozess in einem Jahr um einen gewissen Betrag sinkt, oder der rohstoffliche Bedarf nicht unmittelbar zur hinterlegten Aktivität chemischer Produkte passt.

Räumliche Auflösung

FORECAST Industry arbeitet auf NUTS0-Ebene (Staat). Eine der Industriemodellierung nachgelieferte Regionalisierung arbeitet bis auf NUTS3 (diese wird für die THG-Projektionen aber nicht genutzt).

Sektoren

FORECAST Industry bzw. die dem Modell nachgelagerte Formatierung basiert auf den Klassifikationen des Inventarberichts/ der CRF-Tabellen (kompatibel mit Bundes-Klimaschutzgesetz). Darüber hinaus wird der Industriesektor aus Energiesicht kompatibel mit den Energiebilanzen von AGEB und Eurostat abgebildet.

Software

FORECAST Industry ist in Microsoft Visual Studio 2017 (Visual Basic .NET Framework) programmiert, setzt auf diese Basis der Programmiersprache aber eine Eigenentwicklung der Modelliersprache, die auf der Manipulation von Tabellen (SQLite) mit vergleichsweise einfachen mathematischen Operationen beruht. Zur Versionskontrolle wird TortoiseSVN eingesetzt.

Techniken

FORECAST Industry bildet mehrere Technologiegruppen ab (siehe Modulliste oben). Technologien umfassen Effizienztechniken für etwa 80 industrielle Prozesse und Querschnittstechnologien (Pumpen, Motoren, Druckluft…). Außerdem Dampferzeugungsanlagen (Kessel, KWK, mit Untergruppen je Energieträger, Wärmepumpen) und eine abstrahierte Darstellung von Industrieöfen über ihre Energieträgernutzung. Hinzu kommen weitere Bereiche wie CCS und stoffliche Nutzung von Energieträgern.

Teile der Daten sind in Rehfeldt et al. [1], [2] und in Fleiter et al. [3] dargestellt. Es existiert keine vollständige, öffentlich zugängliche Datenbank aller Modelldaten.

[1]: Rehfeldt, M.; Fleiter, T.; Toro, F. (2018a): A bottom-up estimation of the heating and cooling demand in European industry. In: Energy Efficiency 11 (5), S. 1057–1082. DOI: 10.1007/s12053-017-9571-y.

[2]: Rehfeldt, M.; Fleiter, T.; Worrell, E. (2018b): Inter-fuel substitution in European industry: A random utility approach on industrial heat demand. In: Journal of Cleaner Production 187, S. 98–110. DOI: 10.1016/j.jclepro.2018.03.179

[3]: Fleiter, T.; Rehfeldt, M.; Herbst, A.; Elsland, R.; Klingler, A.-L.; Manz, P.; Eidelloth, S. (2018): A methodology for bottom-up modelling of energy transitions in the industry sector: The FORECAST model. In: Energy Strategy Reviews 22, S. 237–254. DOI: 10.1016/j.esr.2018.09.005.

Treibhausgasemissionen

Vorrangig CO₂ aus energiebedingten und prozessbedingten Quellen. ergänzend prozessbedingt N₂O, CH₄. F-Gase als nachgelagerte Berechnung im Rahmen der Ergebniskalibrierung auf das Treibhausgasinventar und in Kooperation mit anderen Modellen des Konsortiums (siehe ProFi). Dies beinhaltet insbesondere die Berücksichtigung von Inventarposten der Produktverwendung¹.

Unsicherheit

Siehe hierzu auch vorangehende Ausführungen zu Szenarien und Walker et al. [1].

Entlang der Szenariomethode wird Unsicherheit im Modell nicht quantifiziert. Sie wird methodisch über die Szenariodefinition und die Rechnung mehrerer Szenarien adressiert. Dies betrifft im Idealfall nicht nur Bandbreiten von Rahmendaten sondern auch technologischer Annahmen. In den THG-Projektionen werden ausgewählte Unsicherheiten der verwendeten Daten über Sensitivitäten adressiert. Da nur ein Szenario beauftragt ist, werden Unsicherheiten des realen Systems und der Methode nicht adressiert. In anderen Sektoren werden Zweitmodellierungen eingesetzt, um die Hauptmodellergebnisse vergleichbar zu machen. Dieses Vorgehen wäre auch im Industriesektor grundsätzlich möglich und empfehlenswert. Für die Interpretation ergibt sich daraus, dass bei auffälligen oder nicht unmittelbar einsichtigen Ergebnissen die Fähigkeiten des Modells zur Plausibilisierung genutzt werden müssen. Dazu gehört eine vergleichsweise große Detailtiefe, die es ermöglicht, Endergebnisse auf Zwischenergebnisse, und diese auf Inputdaten zurückzuführen. Also in etwa: Fernwärmeanteil sinkt 2035 sehr schnell? Ja, das findet vor allem im Chemiesektor statt, weil dort ab 2035 Subventionen für direkte Elektrifizierung und Wasserstoffkessel angenommen sind. Diese verschieben die wirtschaftliche Bewertung sehr stark.

Dabei geht es vor allem um Plausibilisierung, nicht um Wahrheitsbeweise.

[1]: Walker, W. E., Harremoës, P., Rotmans, J., van der Sluijs, J. P., van Asselt, M. B. A., Janssen, P., & Krayer von Krauss, M. P. (2003). Defining Uncertainty: A Conceptual Basis for Uncertainty Management in Model-Based Decision Support. Integrated Assessment, 4(1), 5–17. https://doi.org/10.1076/iaij.4.1.5.16466

Visualisierung des Modells und dessen Funktionsweisen

Modellierungsprozess

Datenflüsse im Kontext des Modellierungsprozesses von FORECAST-Industry

Dieser Graph zeigt woher (und wieviele) Datensätze direkt oder indirekt in FORECAST-Industry fließen.

flowchart LR
classDef default text-decoration:none
view__forecast_industry(["3"])
click view__forecast_industry href "/Modellierungsprozess/view__forecast_industry/"
datentabelle(["Datentabelle für die Treibhausgas-Projektionen 2025 für Deutschland"])
click datentabelle href "/Datensatz/datentabelle/"
profi["ProFi"]
click profi href "/Modell/profi/"
instrumentenwirkung(["Treibhausgasminderungswirkung der Instrumente der Treibhausgas-Projektion 2025 für Deutschland (Datentabelle)"])
click instrumentenwirkung href "/Datensatz/instrumentenwirkung/"
output(("Ergebnisdaten"))
rahmendaten_produktionswert(["Rahmendaten - Produktionswert"])
click rahmendaten_produktionswert href "/Datensatz/rahmendaten_produktionswert/"
parametrisierungstabelle(["Instrumentenausgestaltung für die Treibhausgas-Projektionen 2025 (Datentabelle)"])
click parametrisierungstabelle href "/Datensatz/parametrisierungstabelle/"
input(("Eingangsdaten"))
view["VIEW"]
click view href "/Modell/view/"
forecast_industry["FORECAST-Industry"]
click forecast_industry href "/Modell/forecast_industry/"
style forecast_industry fill:#9d579a,stroke:#9d579a;
rahmendaten_erwerbstaetige(["Rahmendaten - Erwerbstätige"])
click rahmendaten_erwerbstaetige href "/Datensatz/rahmendaten_erwerbstaetige/"
forecast_industry__output(["29"])
click forecast_industry__output href "/Modellierungsprozess/forecast_industry__output/"
powerflex["PowerFlex"]
click powerflex href "/Modell/powerflex/"
endverbrauchspreistabelle(["Endverbrauchspreise der Energieträger für die Treibhausgas-Projektionen 2025 (Datentabelle)"])
click endverbrauchspreistabelle href "/Datensatz/endverbrauchspreistabelle/"
input__forecast_industry(["633"])
click input__forecast_industry href "/Modellierungsprozess/input__forecast_industry/"
rahmendaten_bruttowertschoepfung(["Rahmendaten - Bruttowertschöpfung"])
click rahmendaten_bruttowertschoepfung href "/Datensatz/rahmendaten_bruttowertschoepfung/"
forecast_industry__profi(["1"])
click forecast_industry__profi href "/Modellierungsprozess/forecast_industry__profi/"
rahmendaten_co2_transportkosten(["Rahmendaten - CO2 Transportkosten"])
click rahmendaten_co2_transportkosten href "/Datensatz/rahmendaten_co2_transportkosten/"
rahmendaten_co2_speicherkosten_ccs(["Rahmendaten - CO2 Speicherkosten (CCS)"])
click rahmendaten_co2_speicherkosten_ccs href "/Datensatz/rahmendaten_co2_speicherkosten_ccs/"
rahmendaten_preis_eu_emissionshandel_eu_ets_1(["Rahmendaten - Preis im EU Emissionshandel / EU ETS 1"])
click rahmendaten_preis_eu_emissionshandel_eu_ets_1 href "/Datensatz/rahmendaten_preis_eu_emissionshandel_eu_ets_1/"
forecast_industry__enusem(["10"])
click forecast_industry__enusem href "/Modellierungsprozess/forecast_industry__enusem/"
enusem["ENUSEM"]
click enusem href "/Modell/enusem/"
rahmendaten_preis_im_nationalen_emissionshandel_eu_ets_2(["Rahmendaten - Preis im nationalen Emissionshandel / EU ETS 2"])
click rahmendaten_preis_im_nationalen_emissionshandel_eu_ets_2 href "/Datensatz/rahmendaten_preis_im_nationalen_emissionshandel_eu_ets_2/"
forecast_industry__powerflex(["14"])
click forecast_industry__powerflex href "/Modellierungsprozess/forecast_industry__powerflex/"
rahmendaten_bruttowertschoepfung --> forecast_industry
input__forecast_industry --> forecast_industry
view --> view__forecast_industry
forecast_industry --> forecast_industry__profi
forecast_industry__enusem --> enusem
forecast_industry --> instrumentenwirkung
forecast_industry__profi --> profi
forecast_industry__output --> output
input --> input__forecast_industry
forecast_industry --> forecast_industry__powerflex
rahmendaten_preis_eu_emissionshandel_eu_ets_1 --> forecast_industry
view__forecast_industry --> forecast_industry
forecast_industry__powerflex --> powerflex
rahmendaten_co2_speicherkosten_ccs --> forecast_industry
rahmendaten_erwerbstaetige --> forecast_industry
rahmendaten_co2_transportkosten --> forecast_industry
endverbrauchspreistabelle --> forecast_industry
rahmendaten_produktionswert --> forecast_industry
forecast_industry --> datentabelle
parametrisierungstabelle --> forecast_industry
forecast_industry --> forecast_industry__output
rahmendaten_preis_im_nationalen_emissionshandel_eu_ets_2 --> forecast_industry
forecast_industry --> forecast_industry__enusem

Direkte Datenflüsse zu FORECAST-Industry

Dieser Graph zeigt an, welche Datensätze direkt in FORECAST-Industry fließen oder durch FORECAST-Industry ausgegeben werden.

flowchart LR
classDef default text-decoration:none
n["Die Anzahl der Datenflüsse ist für eine Abbildung zu hoch"]
style n fill:#9d579a,stroke:#9d579a;

Diese entstehen nicht in der Industrie, werden ihr aber zugerechnet. ↩↩↩