Computergestützte „Zeitmaschine“ zeigt: Solar- und Windenergie sind auf Kurs für das 2°C-Ziel

Wind- und Solarenergie sind schneller gewachsen, als fast jeder vorhergesagt hatte, doch die Prognose ihres künftigen Ausbaus bleibt überraschend schwierig.

Forscher an der Chalmers University of Technology haben eine sogenannte computergestützte „Zeitmaschine“ entwickelt – ein Modell, das bestehende Prognosemethoden übertrifft, indem es mithilfe von KI-Techniken historische Wachstumsmuster verschiedener Länder analysiert. Ihre zentrale Prognose zeigt, dass Onshore-Windenergie bis 2050 voraussichtlich rund 25 Prozent des weltweiten Stroms liefern wird, Solarenergie etwa 20 Prozent. Dies steht im Einklang mit dem 2°C-Ziel, verfehlt jedoch die Anforderungen für 1,5°C.

Die Vorhersage der Zukunft ist besonders schwierig für Technologien wie Wind- und Solarenergie, bei denen rasche Kostensenkungen durch wachsende Hindernisse wie öffentlichen Widerstand, infrastrukturelle Einschränkungen und politische Kurswechsel ausgeglichen werden.

„Bestehende Modelle sind sehr gut darin, zu ermitteln, was geschehen muss, um Klimaziele zu erreichen, aber sie können uns nicht sagen, welche Entwicklungen am wahrscheinlichsten sind. Diese Lücke wollten wir schließen“, sagt Jessica Jewell, Professorin an der Chalmers University of Technology.

In mehr als 200 Ländern identifizierten die Forscher ein wiederkehrendes Muster beim Wachstum von Wind- und Solarenergie: lange Phasen relativ stetiger Expansion, unterbrochen von plötzlichen Wachstumsschüben, die oft durch politische Kurswechsel ausgelöst werden.

„Die meisten Modelle gehen von einer glatten S-förmigen Wachstumskurve aus, aber so sieht es in der Realität nicht aus. Wachstum erfolgt oft in Schüben, und wenn man das ignoriert, kann man falsch einschätzen, wie schnell sich Technologien ausbreiten werden“, sagt Avi Jakhmola, Doktorand an der Chalmers University of Technology und Erstautor der inNature Energy veröffentlichten Studie.

13.000 virtuelle Welten für die Zukunft

Mit dem Ziel, die Vorhersagen zu verbessern, entwickelte Jakhmola daher ein Modell, das auf 13.000 virtuellen Welten basiert. In jeder dieser Welten entwickeln sich Solar- und Windenergie auf unterschiedliche Weise – von der schnellstmöglichen bis zur langsamsten Expansion und allem dazwischen. Ein Algorithmus für maschinelles Lernen wurde dann auf all diese Welten trainiert, um zu lernen, globale Ergebnisse anhand früher nationaler Trends vorherzusagen.

„Wenn wir das Modell auf reale Daten anwenden, kann es uns sagen, was das wahrscheinlichste Ergebnis für die Zukunft ist – angesichts dessen, was wir bisher gesehen haben, und angesichts all der virtuellen Welten, die es gesehen hat“, sagt Jakhmola.

Bis 2050 prognostiziert das Modell, dass Onshore-Windenergie rund 26 Prozent der weltweiten Stromerzeugung ausmacht (mittlerer Bereich: 20–34 Prozent) und Solarenergie rund 21 Prozent (15–29 Prozent). Dies entspricht im Großen und Ganzen den 2 °C-kompatiblen Pfaden, bleibt jedoch hinter dem zurück, was für 1,5 °C erforderlich ist.

Die Prognosen relativieren zudem das COP28-Versprechen, die Kapazität erneuerbarer Energien bis 2030 zu verdreifachen. Das Versprechen liegt nahe am 95. Perzentil, was bedeutet, dass dafür Wachstumsraten erforderlich wären, die nur selten zu beobachten sind.

„Das Versprechen, die erneuerbaren Energien zu verdreifachen, ist nicht unmöglich, aber es würde erfordern, dass in allen Ländern alles extrem gut läuft“, sagt Jewell.

Die Forscher untersuchten auch, was tatsächlich erforderlich wäre, um das 1,5-Grad-Ziel zu erreichen.

„Wenn wir jetzt anfangen, sind die erforderlichen Wachstumsraten anspruchsvoll, aber nicht beispiellos – vergleichbar mit den EU-Zielen für Windenergie im Rahmen von REPowerEU und den Plänen Indiens für Solarenergie“, sagt Jakhmola. „Wenn wir jedoch bis 2030 warten, wird die erforderliche Beschleunigung viel steiler und abrupt. Das Zeitfenster für den Ausbau schließt sich schnell.“

Rückblick in die Vergangenheit, um die Zuverlässigkeit des Modells sicherzustellen

Die Forscher nutzten das Modell auch, um die Zuverlässigkeit seiner Prognosen zu testen – indem sie in der Zeit zurückgingen.

„Wir wollten wissen, ob unsere Prognosen auch in zehn oder zwanzig Jahren noch Bestand haben werden. Als wir dem Modell nur Daten aus dem Jahr 2015 zuführten, stellten wir fest, dass es korrekt vorhersagt, was seitdem geschehen ist. Das ist es, was wir unter einer ‚computergestützten Zeitmaschine‘ verstehen, und es gibt uns echtes Vertrauen in die Prognosen für die Zukunft“, sagt Jakhmola.

Die Studie weist auf ein umfassenderes Ziel hin: die Entwicklung wissenschaftlich fundierter Methoden zur Prognose der wahrscheinlichsten Wachstumspfade für andere kohlenstoffarme Technologien, nicht nur für Wind- und Solarenergie.

Jessica Jewell sagt: „Es ist seit langem ein Running Gag, wie schlecht Technologieprognosen sind. Aber wenn man als Entscheidungsträger herausfinden will, wie stark man auf Veränderungen drängen soll, braucht man eine realistische Grundlage. Unsere Studie ist der erste Schritt zur Entwicklung einer solchen realistischen Zukunftsvision. ”

Mehr über die Forschung

• Der Artikel „Probabilistic projections of global wind and solar power growth based on historical national experience“ wurde in Nature Energy veröffentlicht.
• Die Forscher haben zudem ein Online-Visualisierungstool für die Ergebnisse erstellt, das auf der Website von Energy Technology and Policy verfügbar ist.

Mehr zu den Zielen und dem Pariser Klimaabkommen

Das Pariser Klimaabkommen ist ein rechtsverbindlicher internationaler Vertrag zum Klimawandel. Es wurde am 12. Dezember 2015 von 196 Vertragsparteien auf der UN-Klimakonferenz (COP21) in Paris, Frankreich, verabschiedet und trat am 4. November 2016 in Kraft. Sein übergeordnetes Ziel ist es, „den Anstieg der globalen Durchschnittstemperatur auf deutlich unter 2 °C über dem vorindustriellen Niveau zu halten“ und Anstrengungen zu unternehmen, „den Temperaturanstieg auf 1,5 °C über dem vorindustriellen Niveau zu begrenzen“.

Quelle

Chalmers University of Technology 2026 | Christian Löwhagen |  Translated with www.DeepL.com/Translator