Technology modularity shapes latecomer cost convergence in renewables

Technisches Resümee: Technologische Modularität prägt die Kostenkonvergenz von Nachzüglern bei Erneuerbaren Energien

Problemstellung
Die Transition zu einem Netto-Null-Stromsektor stützt sich maßgeblich auf Photovoltaik (PV) und Onshore-Windkraft. Während die globalen Durchschnittskosten für diese Technologien rapide gesunken sind, wird die Bezahlbarkeit der Energiewende durch die nationalen installierten Kosten bestimmt, insbesondere in Schwellenländern. Bestehende Theorien zur technologischen Diffusion gehen oft von einem „Nachzügervorteil“ (Latecomer Advantage) aus, bei dem Spätadopter nahtlos von der Erfahrung und den Kostensenkungen der Erstadopter profitieren. Die empirische Evidenz darüber, ob dieser Vorteil für erneuerbare Energien gilt, ist jedoch gemischt. Es besteht eine kritische Lücke im Verständnis darüber, wann, wo und unter welchen technologischen Bedingungen Nachzügler globale Kostensenkungen erben. Aktuelle Energiesystemmodelle verlassen sich häufig auf uniforme globale Lernkurven, was die signifikante Heterogenität nationaler Kostent trajectories und die spezifischen Einschränkungen von Entwicklungsländern verschleiern kann.

Methodik
Die Autoren führen das SCALE-Framework (Stage-Cost Assessment of Learning and Experience) ein, um die nationalen installierten Kostent trajectories für großflächige PV-Anlagen und Onshore-Windkraft in über 160 Ländern zu rekonstruieren. Die Methodik umfasst sechs integrierte Schritte:

1. Datenharmonisierung und Imputation: Angesichts spärlicher historischer Kostendaten (nur 241 Länder-Jahr-Beobachtungen für PV und 563 für Wind aus dem Zeitraum 2000–2022) verwenden die Autoren ein Random-Forest-Modell, um fehlende Länder-Jahr-Kosten basierend auf techno-ökonomischen Kovariaten (z. B. BIP, kumulierte Kapazität, globale Komponentenpreise) zu imputieren. Diese rekonstruierten Serien werden mittels LOESS-Kurven (Locally Estimated Scatterplot Smoothing) geglättet.
2. Identifizierung des Startjahres (Take-off Year): Ein dreistufiger Rekonziliationsprozess identifiziert das Jahr, in dem jedes Land mit einer nachhaltigen Implementierung begann, unter Verwendung des Formative Phase Bayesian Change-point Indicators (FOBI) und eines komplementären Cascade-Gated-Modells mit Strukturbruchtests.
3. Cost-coupled Stage-Pathway Diffusion Model (C-SPDM): Dieses Modell klassifiziert nationale Trajektorien in sechs sequentielle Implementierungsstadien (von der Formationsphase bis zur reifen Penetration) basierend auf jährlicher Neuinstallation, installierten Kosten, kumulierter Kapazität und Penetrationsrate. Die Länder werden dann in vier Pfade gruppiert: Front-Runner, Gradualisten, Leapfrogger und Laggards (Nachzügler). Bemerkenswerweise werden beim Onshore-Wind die Pfade der Gradualisten und Leapfrogger aufgrund der schwächeren Übertragbarkeit zu einer einzigen Klasse „Late Mover“ zusammengefasst.
4. Schätzung der Lernrate: Unter Anwendung des Wright’schen Gesetzes berechnen die Autoren die nationalen Lernraten (die fraktionale Kostensenkung pro Verdoppelung der kumulierten Kapazität) für jedes Land und jeden Pfad.
5. Probabilistische Projektion: Zukünftige Kostent trajectories bis 2050 werden mittels Monte-Carlo-Simulationen auf Basis der historischen Lernraten-Verteilungen unter verschiedenen Szenarien projiziert.
6. Politische Szenarioanalyse: Kontrafaktische Szenarien (Business-as-Usual, Beschleunigte Implementierung, Leapfrog-Learning, Technologietransfer und Kombinierte Politiken) werden auf „Laggard“-Ökonomien angewendet, um die Auswirkungen von Interventionen auf die Kostenkonvergenz zu quantifizieren.

Kernergebnisse
Die Studie zeigt eine tiefgreifende Asymmetrie in der Kostenkonvergenz auf, die durch die Technologiearchitektur getrieben wird:

• Solar PV (Modulare Architektur): Die Vorteile für Nachzügler sind stark ausgeprägt. Die „Laggards“ in Schwellenländern weisen eine mediane nationale Lernrate von 27,5 % auf, was signifikant höher ist als die 18,0 %, die bei den Laggards in Industrieländern beobachtet wurden. Diese Umkehrung wird auf die modulare, global gehandelte Natur von PV-Modulen zurückgeführt, die es ermöglicht, dass Lernen über Grenzen hinweg via Lieferketten übertragen wird. Nachzügler steigen zu niedrigeren Kosten ein und diffundieren etwa doppelt so schnell wie die Erstadopter.
• Onshore-Wind (Standortspezifische Architektur): Die Vorteile für Nachzügler sind schwach oder nicht existent. Die „Laggards“ in Schwellenländern haben eine mediane Lernrate von nur 9,7 %, verglichen mit 21,6 % bei ihren entwickelten Gegenstücken. Die Windkraft-Implementierung hängt stark von standortspezifischer Technik, Tiefbauarbeiten und Netzanschlüssen ab, was die Übertragbarkeit des globalen Turbinen-Lernens begrenzt. Infolgedessen stehen Windkosten vor einem „anhaltenden geografischen Boden“, und spätere Teilnehmer stehen oft vor Kosten, die denen der Erstadopter ähneln oder sogar höher liegen.
• Entkopplung von Wachstum und Kosten: Schnelles Kapazitätswachstum führt nicht automatisch zu inländischem Kostenlernen. Bei Wind erreicht das Kapazitätswachstum oft seinen Höhepunkt, bevor die Kostengleichheit (Cost Parity) erreicht ist, und viele Schwellenländer verbleiben in Zwischenstadien, in denen die Implementierung expandiert, ohne dass eine signifikante Kostenkonvergenz stattfindet.
• Zukunftsprojektionen: Unter Business-as-Usual-Szenarien bleiben die Kostengaps bis 2050 bestehen. „Kombinierte Politiken“ (die Kombination aus Implementierungsskalierung und technologischer Aufwertung) können jedoch die PV-Kostendifferenz für Schwellenmärkte effektiv schließen. Im Gegensatz dazu bleiben Windkosten durch länderspezifische institutionelle und geografische Rahmenbedingungen gebunden; eine Varianzdekomposition zeigt, dass der „Ländereffekt“ über 56 % der Kostenvarianz bei Wind erklärt, verglichen mit 48 % bei PV.

Bedeutung und Ansprüche
Die Arbeit behauptet, empirische Belege dafür zu liefern, dass die Technologiearchitektur bestimmt, wie globales Lernen in lokale Erschwinglichkeit übersetzt wird. Die Autoren argumentieren, dass die Annahme einer universellen globalen Lernkurve für die Modellierung von Energiesystemen unzureichend ist. Stattdessen müssen Modelle zwischen Folgendem unterscheiden:

1. Global übertragbares Komponentenlernen (charakteristisch für modulare Technologien wie PV), bei dem Nachzügler globale Lieferketten nutzen können, um eine schnelle Kostenkonvergenz zu erreichen.
2. Lokal bedingtes installiertes Kostenlernen (charakteristisch für standortspezifische Technologien wie Wind), bei dem die Kostensenkung von nationalen Fähigkeiten in Projektabwicklung, Infrastruktur und Regulierung abhängt.

Die Bedeutung dieser Ergebnisse liegt in ihren Implikationen für Klimafinanzierung und Politik. Die Autoren betonen, dass die Behandlung erneuerbarer Energien als homogene Anlageklasse ein strategischer Fehler ist. Für Solar PV sollten politische Maßnahmen darauf abzielen, den Zugang zu globalem Lernen mit der Ausweitung des inländischen Marktes zu kombinieren. Für Onshore-Wind ist Technologietransfer allein nicht ausreichend; eine erfolgreiche Konvergenz erfordert kontinuierliche Investitionen in die inländische Kapazität zur Projektabwicklung, Netzplanung und industrielles Lernen. Die Studie kommt zu dem Schluss, dass die Anerkennung dieser Heterogenität essenziell ist, um die Durchführbarkeit der Transition und Finanzierungsstrategien korrekt zu modellieren.