Version classiqueVersion mobile
OpenEdition Books

Energieszenarien

 | 
Christian Dieckhoff
, 
Wolf Fichtner
, 
Armin Grunwald
, 
et al.

Gesellschaftliche Kontextszenarien als Ausgangspunkt für modellgestützte Energieszenarien

Wolfgang Weimer-Jehle et Hannah Kosow

Résumé

Modellgestützte Energieszenarien sind Wenn-dann-Aussagen, die von zahlreichen expliziten wie impliziten Rahmenannahmen über politische, soziale, wirtschaftliche und technologische Entwicklungen ausgehen. Die Annahmen über den „gesellschaftlichen Kontext“ haben einen erheblichen Einfluss auf die Ergebnisse von modellbasierten Energieszenarien. Der Umgang mit der Kontingenz, der Komplexität und Unsicherheit gesellschaftlicher Kontexte wird aber bei der Erstellung von Energieszenarien selten als eigene Analyseaufgabe verstanden und noch seltener mit einer den Modellrechnungen auch nur annähernd vergleichbaren Systematik und systemanalytischer Tiefe behandelt. Dieses Ungleichgewicht zwischen den oft nur unsystematisch analysierten Rahmenannahmen und der oft hochentwickelten eigentlichen Modellrechnung macht die Rahmenannahmen in vielen Fällen zu einer Achillesferse modellgestützter Energieszenarien.
In diesem Thesenpapier wird dargestellt, wie das Szenariokonzept auf das Problem der Rahmenannahmen selbst angewendet werden kann, und die Konstruktion von gesellschaftlichen Kontextszenarien als Ausgangspunkt für die modellgestützte Entwicklung von Energieszenarien dienen kann. Für die Konstruktion von gesellschaftlichen Kontextszenarien stehen Methoden zur Verfügung, die eine qualitative, aber dennoch systematische Aufarbeitung der kausalen Zusammenhänge zwischen den Bestandteilen des gesellschaftlichen Kontextes ermöglichen.

Texte intégral

1 Szenarien als Element der strategischen Planung

1Das Konzept des „Szenarios“ wurde in den 1950er Jahren maßgeblich von dem amerikanischen Zukunftsforscher Herman Kahn entwickelt, zunächst weitgehend im Zusammenhang mit militärstrategischen Fragestellungen, später fand das Konzept zunehmend auch im Unternehmensbereich Verbreitung [Linneman & Klein 1979, 1983, Malaska et al. 1984, Meristö 1989, Götze 1991]. Szenarien dienen dort der Unterstützung langfristiger Planungen, d. h. von Planungen, deren Umfeldbedingungen sich innerhalb des Planungszeitraums signifikant verändern können. Im Gegensatz zur Prognostik thematisiert die Szenario-Methode genau diesen „Unsicherheitskontext“ gezielt, indem sie von multiplen, alternativen Zukünften ausgeht. Ihr Ziel ist es dementsprechend nicht, die Zukunft vorherzusagen, sondern durch die Konstruktion einer Reihe von denkbaren, in sich konsistenten und mit dem vorhandenen Wissen verträglichen Zukunftsentwicklungen, den Szenarien, den Raum des Möglichen abzustecken. Dadurch werden Planer bei der Entwicklung resilienter Strategien unterstützt. Szenarien sind also, in den Worten von Porter [Porter 1985],

„an internally consistent view of what the future might turn out to be - not a forecast, but one possible future outcome”.

These I: Zu den Kernaufgaben einer klassischen Szenarioanalyse als Unterstützung eines Entscheidungsprozesses gehört die (bestmögliche) Konstruktion des Unsicherheitskontextes, unter dem Entscheidungen getroffen werden müssen.

2Sie sind Zukunftsbilder, die die grundsätzlichen Entwicklungsmöglichkeiten eines mehr oder weniger großen Weltausschnitts in groben Umrissen, aber in sich widerspruchsfrei darstellen und dadurch als Planungsgrundlage dienen können. Sie thematisieren im Gegensatz zu Prognosen nicht „... was passieren wird, sondern was passieren kann“ [Becker & List 1997]. Szenarien sind in erster Linie dort ein fruchtbares Instrument, wo Entwicklungen aufgrund ihrer Komplexität, ihrer Störanfälligkeit oder ihrer Abhängigkeit von menschlichen Entscheidungen nicht berechenbar sind. Ein gut gewähltes und unter sorgfältiger Nutzung des vorhandenen Systemwissens konstruiertes Szenarienbündel kann Entscheidungen unterstützen, indem es

  • die Kontingenz von Zukunft sichtbar macht: der Unsicherheitskontext, in dem Entscheidungen stattfinden, wird abgebildet;

  • beispielhafte, in sich stimmige Zukunftsbilder bereitstellt, die die unterschiedlichen Wege, die zukünftige Entwicklungen nehmen können, begreifbar und in ihren Implikationen diskutierbar machen;

  • die Bedeutung von Trendbrüchen thematisiert.

2 Szenariotechnik und Energieszenarien

These II: Energiemodelle generieren keinen Unsicherheitskontext. Sie transformieren Vorgaben Zukunft auf die Ebene der über die Kontingenz der energietechnischen und - wirtschaftlichen Variablen.

3Im Bereich der Energieforschung hat das Szenariokonzept eine eigenständige Rezeption erfahren, wobei die Schwerpunkte auf einer modellgestützten Systemanalyse zur quantitativen und detaillierten Darstellung möglicher Zukünfte liegen. Die Stützung auf mathematische Modelle ermöglichte der Energiesystemanalyse einen fundierten Zugang zu der Vielgestaltigkeit und Komplexität technisch-wirtschaftlichen Zusammenhänge, die das Energiesystem ausmachen. Auf der anderen Seite ist festzustellen, dass die Reflektion des Unsicherheitskontextes, das ursprünglich ein Hauptantrieb für diese Form der Zukunftsanalyse war, bei Energieszenarien selten im Fokus steht. Zwar spielen unsichere gesellschaftliche Entwicklungen in den Bereichen der Demographie, der Wirtschaft, der globalen Rohstoffmärkte, der Politik und der technologischen Innovationen eine zentrale Rolle als Rahmenannahmen für Energieszenarien. Auf die Unsicherheit dieser Rahmenbedingungen (die den Modellanwendern selbstverständlich bewusst ist) wird auch zunehmend häufiger durch Varianten- und Sensitivitätsrechnungen eingegangen [vgl. z. B. UBA 2009, BMWi 2010]. Die verwendeten Energiemodelle generieren dabei jedoch keinen Unsicherheitskontext, was als Kernaufgabe einer klassischen Szenarioanalyse gelten würde, sondern sie transformieren lediglich den von den Modellanwendern durch Varianten und Sensitivitätsanalysen vorgegebenen Unsicherheitskontext auf die energiewirtschaftliche und energietechnische Dimension.

These III: Die Ergänzung von Modellrechnungen zur Erstellung von Energieszenarien um einen vorbereitenden Arbeitsschritt zur systematischen Konstruktion von unterschiedlichen gesellschaftlichen Kontextszenarien kann daher die Aussagekraft der Gesamtanalyse erhöhen.

4Die Leistung von Energiemodellen im Rahmen der Energieszenarioanalyse liegt also in der Bewältigung der Quantität und Komplexität der in der Energiesystemanalyse relevanten technisch-wirtschaftlichen Zusammenhänge. Hierfür sind sie unverzichtbar und heute durch aufwändige Entwicklungsleistungen zu einer außerordentliche Reife gelangt. Zur Aufarbeitung der Unsicherheit des gesellschaftlichen Rahmens, auf den die modellierten Energiesysteme auf ihrem Weg in die Zu-kunft reagieren, sind jedoch zusätzliche Anstrengungen notwendig. Hierbei könnte die Adaption von Konzepten der klassischen Szenarioanalyse ein möglicher Ansatz sein. Als Ausdrucksform für den gesuchten Unsicherheitskontext kommen dabei gesellschaftliche Kontext-szenarien in Frage, die unterschiedliche gesellschaftliche Entwicklungsrichtungen in einem jeweils intern konsistenten Verbund beschreiben und dadurch komplexe Varianten für die Rahmensetzungen eines Energiemodells bieten. Gegenüber klassischen Sensitivitätsanalysen bietet dieses Vorgehen den Vorteil, dass damit nicht nur die isolierte Wirkung einzelner oder weniger Veränderungen untersucht wird, sondern die Reaktion des Systems auf gänzlich andere Kombinationen von Rahmenbedingungen thematisiert werden kann.

3 Konstruktion von Kontextszenarien mit CIB

5Kontextszenarien können grundsätzlich mit verschiedenen, in der Szenariotechnik gebräuchlichen Methoden konstruiert werden. Für das Zusammenspiel mit Modellrechnungen eignen sich jedoch besonders Verfahren, die in der Lage sind:

  • auch qualitative Einsichten über gesellschaftlichen Zusammenhänge zu verwerten, um nicht dem für Kontextszenarien verhängnisvollen Zwang zu unterliegen, sich auf quantifizierbare Aspekte beschränken zu müssen [zu den Gefahren einer zu starken Konzentration auf quantitative Faktoren bei Zukunftsanalysen siehe z. B. Godet 1983];

  • den Möglichkeitsraum systematisch abzusuchen, um nicht auf „ausgetretene Gedankenpfade“ begrenzt zu bleiben und um die Ausblendung nichtintuitiver Möglichkeiten zu vermeiden;

  • gesellschaftliche Kontexte selbst als Systeme zu konzeptualisieren, d. h. indirekte Wirkungen und Wirkungsrückkopplungen zu berücksichtigen, um auch in diesem Bereich eine höhere analytische Tiefe zu erreichen;

  • die Szenariokonstruktion in Prozess und Ergebnis transparent und nachvollziehbar zu gestalten, so dass alle zugrundeliegenden Annahmen und Hypothesen über gesellschaftliche Zusammenhänge offengelegt sind und ihre Bedeutung für die Ergebnisse rekonstruiert werden können.

6Eine Methode, die diese Anforderungen weitgehend erfüllt ist die Cross-Impact-Bilanzanalyse (CIB, [Weimer-Jehle 2006, 2008]. Sie wurde, neben anderen Gebieten, bereits in zahlreichen Projekten im Themenbereich Energie eingesetzt [Förster 2002, Förster & Weimer-Jehle 2004, Aretz & Weimer-Jehle 2004, Fuchs et al. 2008, Weimer-Jehle et al. 2010]. Das Verfahren beruht auf der Sammlung von hemmend/fördernd-Einschätzungen zu den Interdependenzen eines qualitativen Analyserasters und einer systematischen Durchmusterung aller kombinatorischen Konfigurationen des so definierten qualitativen Wirkungsnetzwerks. Im Folgenden wird der grundsätzliche Ablauf einer CIB-Analyse am Beispiel von Kontextszenarien für Energiemodelle skizziert. Alle dabei verwendeten Größen sind ausschließlich als Beispiel zu verstehen.

4 Kontextszenarien für modellgestützte Energieszenarioanalysen – eine Skizze

7Der erste Schritt bei der Erstellung von Kontextszenarien besteht in der Zusammenstellung wesentlicher Rahmenannahmen des Energiemodells, für die eine wesentliche Unsicherheit in der Zukunftsentwicklung vorliegt. Beispiele dafür sind Bevölkerungsentwicklung, Wohnflächen, Wirtschaftsentwicklung, Importpreise für Energieträger, Politikmaßnahmen, aber auch Annahmen über technologische Verbesserungen wie Wirkungsgradsteigerungen oder Kostensenkungen. Optional kann die Analyse weiter vertieft werden, wenn zusätzlich zu diesen unmittelbar modellrelevanten Faktoren sogenannte „Primärtreiber“ (z. B. die Dynamik gesellschaftlicher Grundwerte) aufgenommen werden, die die gesellschaftliche Entwicklung auf einer tieferen Ebene charakterisieren und einen Erklärungshintergrund für die Entwicklungen der unmittelbaren Faktoren bieten.

8Im zweiten Schritt werden für jeden ausgewählten Faktor auf Basis von Literaturstudien und/oder Expertenbefragungen einige (typischerweise 2-4) repräsentative Entwicklungsalternativen festgelegt, die für jeden Faktor den Raum der zukünftig möglichen Entwicklungen für das jeweilige Thema beschreiben. Im dritten Schritt wird in einem Matrixschema eingeschätzt, ob eine bestimmte Entwicklung in einem Faktor eine bestimmte Entwicklung eines anderen Faktors fördert oder hemmt. Diese Einschätzungen erfolgen in der Regel auf einer 7-teiligen Ordinalskala von „stark hemmend“ (-3) über „kein Einfluss“ (0) bis „stark fördernd“ (+ 3) und können ebenfalls über Literaturstudien, mit größerer Intersubjektivität und Legitimation aber auch über Expertenworkshops, gewonnen werden.

9Abbildung 1 zeigt einen Ausschnitt aus einer beispielhaften Cross-Impact Matrix zur Gewinnung von Kontextszenarien für eine Energiemodellrechnung. Sie enthält alternative Entwicklungen für typische Rahmenbedingungen von Energiemodellen, mit der Technikeinstellung jedoch auch ein Beispiel für einen „weichen“, aber relevanten Faktor, der Einfluss darauf nehmen kann welche Technologiekonzepte sich gesellschaftlich durchsetzen. Der in Abbildung 1 hervorgehobene erste Eintrag-3 im Feld „c3 wirkt auf d1“ würde das Urteil repräsentieren, dass eine schwache BIP-Entwicklung stark hemmend auf die Möglichkeit eines sehr starken Wachstums des Güterverkehrs wirken würde. Ähnlich sind auch für alle anderen Felder Einschätzungen einzutragen, wobei in der Regel auch zahlreiche Felder frei bleiben, bzw. das Urteil „kein Einfluss (0)“ vergeben wird.

10Sobald alle Eintragungen in der Cross-Impact Matrix vorgenommen sind, kann die Auswertung der Matrix erfolgen. Dazu werden alle möglichen Annahmenkombinationen durchgeprüft und diejenigen Kombinationen identifiziert, die ein sich gegenseitig bestätigendes Geflecht von Annahmen bilden. Diese werden als Vorschlag des Verfahrens für in sich konsistente Szenarien interpretiert. Dieses Kriterium der inneren Konsistenz ist in der Regel außerordentlich rigide. Typischerweise habe auch Matrizen mit Tausenden oder Millionen von kombinatorischen Möglichkeiten nur wenige Lösungen dieser Qualität. Die Auswahlvorschrift im Detail ist in [Weimer-Jehle 2006], und auch auf der Methodenhomepage www.cross-impact.de beschrieben.

Abbildung 1: Ausschnitt aus einer Cross-Impact Matrix zur Erstellung von Kontextszenarien.

These IV: Mit CIB konstruierte Kontextszenarien können dazu beitragen, die Unsicherheit von Modellrechnungen angemessener einzuschätzen und die Gründe für bestimmte Ergebnisse bis hinein in den gesellschaftlichen Ursachenbereich explizit und diskutierbar zu machen.

11Als Ergebnis der Auswertung erhält man einen Satz von Szenarien, die typischerweise ein breites Spektrum von möglichen Konstellationen aufzeigen. Jedes der Szenarien kann für sich genommen der Ausgangspunkt einer Modellrechnung sein, mit der die Konsequenzen dieses spezifischen Kontextes für das Energiesystem und seine Kenngrößen ermittelt werden. Diese Übertragung kann sich direkt aus den Formulierungen ergeben (z. B. Ölpreis steigt stark auf x $/b), teilweise erfordert es die Übersetzung in quantifizierbare Größen. Beispielsweise muss das Auftreten des Szenariomerkmals "e2 - Dominierende Technikeinstellungen: bei Großtechnologien risikoorientiert" z. B. als Präferenz von dezentralen Technologien bei F & E (Berücksichtigung im Modell z. B. durch zukünftige Technologiekosten) sowie in Gesetzgebung und Genehmigungspraxis (Berücksichtigung im Modell z. B. durch Maximalkapazitäten) übersetzt werden.

12Die Vielfalt der Kontextszenarien bietet einen Ansatz, die aus ihr resultierende Varianz der Modellergebnisse nicht nur zu bestimmen, sondern auch zu interpretieren und sie mit bestimmten Ursachen und Zusammenhängen im gesellschaftlichen Raum in Verbindung zu bringen. Die Kontextszenarien ermöglichen auf diese Weise einen verbesserten Ansatz zur Einschätzung derjenigen Unsicherheit von Modellergebnissen, die auf zugrundeliegende Kontextannahmen zurückzuführen ist (vgl. Abbildung 2). Sie führen außerdem ergebnisprägende Vorstellungen über gesellschaftliche Zusammenhänge aus der Zone des Impliziten und Unausgesprochenen heraus und machen sie explizit und diskutierbar.

Abbildung 2: Die Verwendung von Kontextszenarien zur Abschätzung der durch Rahmen annahmen bedingten Unsicherheit von Modellergebnisgrößen (hier für das Beispiel CO2-Emissionen). Schematische Darstellung.

Schlussbemerkungen

13Der Bedeutung des gesellschaftlichen Unsicherheitskontextes wird in neuerer Zeit bei der Erstellung von Energieszenarien und -prognosen zunehmende Beachtung geschenkt. Sensitivitätsanalysen gehören heute bereits zum Standard der guten Praxis [vgl. z. B. UBA 2009, BMWi 2010]. Darauf aufbauend ermöglichen Kontextszenarien einen Schritt weiter hin zu einem umfassenden Verständnis der Unsicherheit von Modellrechnungen und zu einer angemessenen Varianz der berücksichtigten Szenarien innerhalb einer Energieszenarioanalyse.

14Das Konzept der Kontextszenarien speist sich aus zwei Quellen. Zum einen nimmt es die sehr unterschiedliche Auslegung des Konzeptes des Szenariobegriffs in verschiedenen Wissensdisziplinen in den Blick. Während im Bereich der Energieforschung modellgestützte Wenn-dann-Analysen dominieren, steht in anderen Bereichen, wie z. B. in den Managementwissenschaften, eher der Versuch, Planungen durch Erfassen der Kontingenz von Zukunftsentwicklungen resilienter zu gestalten, im Fokus. Das Konzept der Kontextszenarien ist auch der Versuch, diese andere Perspektive für das Feld der Energieszenarien fruchtbar zu machen.

15Zum anderen steht das Konzept der Kontextszenarien in gewisser Weise in der Tradition der „Story and Simulation“ Ansätze [SAS, Alcamo 2008]. In diesen wird dem Umstand Rechnung getragen, dass Szenarien komplexer Umweltveränderungen weder durch reine Simulationsrechnungen noch durch rein qualitative Szenarien, sogenannte ‚Storylines‘, angemessen abgebildet werden können. Die Lösung wird in SAS durch eine Kombination beider Zugänge gesucht. Eine ähnliche Ausgangslage ist bei Energieszenarien festzustellen, weswegen sich Lösungen, die im weitesten Sinn dem SAS-Konzept folgen, naheliegend sind.

16Als methodisches Mittel zur Konstruktion von Kontextszenarien bietet CIB einige günstigen Eigenschaften. Sie ist auf eine qualitative Weise systemanalytisch und verringert dadurch die konzeptuelle Diskrepanz zwischen Modell- und Kontextanalyse. Sie ist transparent in Prozeduren und Ergebnis und bietet damit eine Grundlage für einen offenen Diskussionsprozess über Energieszenarien und ihrer Rahmenannahmen. Ein technisch vorteilhafter Beitrag zur Transparenz ist auch, dass eine Basissoftware zur Auswertung von Cross-Impact Daten nach dem CIB-Verfahren frei zur Verfügung steht [Weimer-Jehle 2010], so dass allen Beteiligten und Nutzern einer Szenarioanalyse leicht die Möglichkeit zur selbstständigen Auseinandersetzung mit dem Szenariomaterial ermöglicht werden kann. Zurzeit werden an ZIRN mehrere Projekte durchgeführt, die sich mit CIB als Instrument der Kontextanalyse für Simulationsrechnungen befassen. Im Projekt LIWA werden Kontextszenarien für die Simulation der zukünftigen Wasserversorgung von Lima (Peru) erarbeitet. Im Projekt ACCESS wird die konzeptionelle Grundlage einer systematischen methodischen Kombination von CIB und Modellrechnung/Simulation untersucht. In einem Projekt des Umweltbundesamtes sollen konsistente Rahmenszenarien für umweltbezogene Modell- und Szenarioanalysen erstellt werden.

17Neben den Fortschritten, die CIB-konstruierte Kontextszenarien für die modellgestützte Energieszenarioanalyse ermöglichen, müssen auch die Grenzen dieses Zugangs diskutiert werden. Zu den wichtigsten Einschränkungen gehört es, dass die in der Cross-Impact Matrix gesammelten Zusammenhänge i. d. R. zu einem großen Teil aus Expertenurteilen bestehen, wodurch zwar intersubjektive, aber nicht ausschließlich objektive Daten in die Auswertung eingehen. Allerdings muss auch bedacht werden, dass solche, letztendlich subjektiven Anteile bei der Auseinandersetzung mit unsicheren Zukünften unabhängig vom Instrumentarium nie vollständig auszuklammern sind [vgl. z. B. Parson 2007] und dass mit Hilfe von CIB solche Einschätzungen zumindest dokumentiert und explizit gemacht werden können, die ansonsten bei der Wahl von Rahmendatensätzen möglicherweise unausgesprochen wirksam werden. Eine zweite Einschränkung besteht darin, dass CIB zwar das Idealziel hat, die Varianz möglicher Entwicklungen qualitativ zu konstruieren, dass aber auch dieses Verfahren den Möglichkeitsraum in der Realität nur unvollständig erfassen kann. Zukunft bleibt unkalkulierbar, und zukünftige Einflussfaktoren, deren Bedeutung heute auch für Experten nicht erkennbar ist, würden auch in einer CIB-Analyse unberücksichtigt bleiben, mit der Folge eines entsprechenden „blinden Flecks“ im Szenario-Set. Eine realistische Erwartung an das Verfahren ist daher nicht die Konstruktion eines vollständigen Unsicherheitskontextes, sondern die einer Verbesserung gegenüber der bisherigen Situation.

Bibliographie

Literaturverzeichnis

Alcamo, J 2008, “The SAS Approach: Combining Qualitative and Quantitative Knowledge in Environmental Scenarios”, In Environmental Futures. The Practice of Environmental Scenario Analysis, ed J Alcamo, Elsevier, S. 123-149.

Aretz, A & Weimer-Jehle, W 2004, Cross Impact Methode, In Der Beitrag der deutschen Stromwirtschaft zum europäischen Klimaschutz, ed Forum für Energiemodelle und energiewirtschaftliche Systemanalyse, LIT-Verlag, Münster.

Becker, A & List, S 1997, Die Zukunft gestalten mit Szenarien, In Unternehmensplanung – Erfahrungsberichte aus der Praxis, eds MP Zerres, & I Zerres, Frankfurter Allgemeine Zeitung GmbH.

BMWi 2010, Die Entwicklung der Energiemärkte bis 2030 - Energieprognose 2009, Bundesministeriums für Wirtschaft und Technologie, Berlin.

Förster, G 2002, Szenarien einer liberalisierten Stromversorgung, Analysen der Akademie für Technikfolgenabschätzung, Stuttgart, aufgerufen am 14. Dezember 2010, <http://elib.uni-stuttgart.de/opus/volltexte/2004/1813/>

Förster, G & Weimer-Jehle, W 2004, Cross-Impact Methode, In Energiemodelle zum Klimaschutz in liberalisierten Energiemärkten – Die Rolle erneuerbarer Energieträger, ed Forum für Energiemodelle und energiewirtschaftliche Systemanalyse, LIT-Verlag, Münster.

Fuchs, G; Fahl, U; Pyka, A; Staber, U; Vögele, S; Weimer-Jehle, W 2008, Generating Innovation Scenarios using the Cross-Impact Methodology, Department of Economics, University of Bremen, Discussion-Papers Series No. 007-2008, aufgerufen am 14. Dezember 2010, <www.wiwi.uni-bremen.de/traub/downloads/WP08-007.pdf>.

Godet, M 1983, Reducing the Blunders in Forecasting, Futures, vol. 15, S. 181-192.

Götze, U 1991, Szenariotechnik in der strategischen Unternehmensplanung, Deutscher Universitäts-Verlag, Wiesbaden.

Linneman, RE; Klein, HE 1979, The Use of Multiple Scenarios by U. S. Industrial Companies, Long Range Planning, vol. 12, S. 83-90.

Linneman, RE; Klein, HE 1983, The Use of Multiple Scenarios by U. S. Industrial Companies: A Comparison Study 1977-1981, Long Range Planning, vol. 16, 94-101.

Malaska, P; Malmivirta, M; Meristö & T; Hansen, SO 1984, Scenarios in Europe - Who Uses Them and Why?, Long Range Planning, vol. 17, S. 45-49.

Meristö, T 1989, Not Forecasts but Multiple Scenarios when Coping with Uncertainties in the Competitive Environment, European Journal of Operational Research, vol. 38, S. 350-357.

Parson, E; Burkett, V; Fisher-Vanden, K; Keith, D; Mearns, L; Pitcher, H; Rosenzweig, C & Webster, M 2007, Global Change Scenarios. Their Development and Use, Sub-report 2.1B of Synthesis and Assessment Product 2.1. by the US Climate Change Science Program and the Subcommittee on Global Change Research, Department of Energy, Office of Biological & Environmental Research, Washington DC., USA.

Porter, M 1985, Competitive Advantage, Free Press, New York.

UBA 2009, Politikszenarien für den Klimaschutz V – auf dem Weg zum Strukturwandel, Treibhausgas-Emissionsszenarien bis zum Jahr 2030, Umweltbundesamt, Dessau-Roßlau.

Weimer-Jehle, W 2006, Cross-Impact Balances: A System-Theoretical Approach to Cross-Impact Analysis, Technological Forecasting and Social Change, vol. 73, no. 4, S. 334-361.

Weimer-Jehle, W; Wassermann, S & Fuchs, G 2010, Erstellung von Energie- und Innovations-Szenarien mit der Cross-Impact-Bilanzanalyse: Internationalisierung von Innovationsstrategien im Bereich der Kohlekraftwerkstechnologie, 11. Symposium Energieinnovation, TU Graz, 10.-12.02.2010.

Weimer-Jehle, W 2010, ScenarioWizard Basic - Programm zur qualitative System- und Szenarioanalyse mit der Cross-Impact Bilanzanalyse, Interdisziplinärer Forschungsschwerpunkt Risiko und Nachhaltige Technikentwicklung (ZIRN) der Universität Stuttgart, aufgerufen am 14. Dezember 2010, <www.cross-impact.de>.

Table des illustrations

Légende Abbildung 1: Ausschnitt aus einer Cross-Impact Matrix zur Erstellung von Kontextszenarien.
URL http://books.openedition.org/ksp/docannexe/image/2958/img-1.jpg
Fichier image/jpeg, 292k
Légende Abbildung 2: Die Verwendung von Kontextszenarien zur Abschätzung der durch Rahmen annahmen bedingten Unsicherheit von Modellergebnisgrößen (hier für das Beispiel CO2-Emissionen). Schematische Darstellung.
URL http://books.openedition.org/ksp/docannexe/image/2958/img-2.jpg
Fichier image/jpeg, 845k

Auteurs

ZIRN- Universität Stuttgart, Seidenstraße 36, 70174 Stuttgart, Deutschland, E-Mail: wolfgang.weimer-jehle@sowi.uni-stuttgart.de, Telefon: +49 (0)711 685-84301

ZIRN- Universität Stuttgart, Seidenstraße 36, 70174 Stuttgart, Deutschland, E-Mail: hannah.kosow@sowi.uni-stuttgart.de, Telefon: +49 (0)711 685-84247

Lire

Open access

Acheter