Ein nachrechenbares Modell für ein klimaneutrales, bezahlbares und versorgungssicheres deutsches Stromsystem. Alle Schieberegler rechnen live — mit demselben Modell, das auch die Python-Skripte im Repository verwenden.
Die Kurzfassung als Scroll-Story: „Was kostet ein klimaneutrales Stromsystem?“ →
Fünf Aussagen, mehr gibt dieses Modell nicht her — jede mit Konfidenzstufe, Quelle und einer ehrlichen Angabe, wie sicher sie ist. Wer nur zwei Minuten hat, liest bis hier; die ausführliche Fassung mit allen Gegenrichtungen steht in Kapitel 8.2.
Dieses Papier beantwortet drei Fragen in dieser Reihenfolge: Wo steht das deutsche Stromsystem heute, was kostet Strom aus den einzelnen Technologien, und geht ein gewählter Mix physikalisch überhaupt auf — Stunde für Stunde. Alles darüber hinaus (Kapitel 6 bis 9) dient dazu, die Grenzen dieser Antworten sichtbar zu machen: Unsicherheit, Risiken, Limitationen.
Prämissen — nicht verhandelt, sondern belegt
Zwei Einschränkungen vorweg
Beide betreffen die Belastbarkeit jeder einzelnen Zahl auf dieser Seite. Sie stehen deshalb vor dem ersten Ergebnis und nicht im Anhang. Wie mit Unsicherheit umgegangen wird — Konfidenzstufen, Spannen, Monte Carlo — steht in Kapitel 3.
Bevor man über Zielsysteme streitet, hilft ein nüchterner Blick auf den Ausgangspunkt. Drei Fragen: Was erzeugt Deutschland heute? Wie weit ist der Ausbau gegenüber den eigenen gesetzlichen Zielen? Und wie viel Strom wird künftig gebraucht?
Das EEG 2023 schreibt für 2030 fest: 215 GW Photovoltaik, 115 GW Wind onshore, mindestens 30 GW Wind offshore, mindestens 80 % erneuerbarer Anteil am Bruttostromverbrauch. Gemessen am Stand Anfang 2026 ergibt sich folgendes Bild.
Balken = installierte Leistung heute, Rahmen = gesetzliches Ziel 2030. Der Faktor rechts zeigt, um welches Vielfache der Zubau des Jahres 2025 steigen müsste. Die Stichtage unterscheiden sich je Reihe (PV und Wind onshore: Jahresende 2025; Wind offshore: Jahresmitte 2026) — sie stehen an den jeweiligen Balken.
Die Bedarfsprojektionen streuen stärker als jede Kostenannahme in diesem Papier. Wer eine einzelne Zahl nennt, verschweigt die Streuung. Deshalb hier ausschließlich Spannen.
Balken = Spanne der jeweiligen Quelle. Die Revision der 2030er Annahme ist eigens ausgewiesen, weil sie die Debatte 2025/26 geprägt hat.
Das Modell steht in strommix/docs/02_modellkonzept.md — festgeschrieben
vor Eintreffen der Recherche-Ergebnisse, damit die Methodik nicht nachträglich an
gewünschte Ergebnisse angepasst wurde. Es besteht aus drei aufeinander aufbauenden Ebenen.
| Ebene | Frage | Methode | Kapitel |
|---|---|---|---|
| 1 · LCOE | Was kostet eine MWh aus Technologie X? | Annuitätenmethode, identisch zur GES-Studie und damit direkt vergleichbar | 4 |
| 2 · Mix-Modell | Was kostet ein gewählter Strommix als System? | Jahresbilanz plus Zuschläge für Backup, Speicher, Netz und Abregelung → System-LSCOE | 5 |
| 3 · Dispatch | Geht der Mix physikalisch auf — Stunde für Stunde? | Stündliche Merit-Order auf realen 2024er-Profilen; liefert die Mengen für Ebene 2 | 5 |
Ebene 3 liefert die Backup- und Speicherbedarfe, die in Ebene 2 als Kosten eingehen. Genau das ist der Unterschied zu reinen LCOE-Vergleichen — und genau der Punkt, an dem Systemstudien über ihre Annahmen streiten.
Validierung — woran sich das Modell messen lässt
Transparenz — wie belastbar ist eine Zahl?
Jede Zahl trägt eine Konfidenzstufe. Ein Klick auf die hochgestellte Ziffer zeigt Quelle, Datum und Zugriffsdatum.
A mehrfach bestätigt oder institutionelle Primärquelle
B einzelner Treffer, institutionelle Quelle
C Branchen-/Marktquelle oder Modellannahme mit schwacher Belegbasis
M Modellannahme, ausdrücklich nicht quellenbelegt
Auf drei Wegen, bewusst getrennt gehalten:
Diese Seite rechnet nichts, was nicht auch offline nachrechenbar wäre.
LCOE („Levelized Cost of Electricity“, Stromgestehungskosten) sind die über die Lebensdauer gemittelten Vollkosten einer Anlage je erzeugter Megawattstunde. Die Formel ist simpel und in diesem Papier identisch mit der der GES-Studie, damit die Ergebnisse direkt vergleichbar bleiben:
CRF = r·(1+r)n / ((1+r)n − 1)
LCOE = (CAPEX·CRF + Fixbetrieb) / (VLh/1000) + Brennstoff + Entsorgung + CO₂-Preis·Emissionsfaktor
Dabei ist r der WACC (gewichteter Kapitalkostensatz), n die Lebensdauer
und VLh die Volllaststunden — die Zahl der Stunden pro Jahr, die eine Anlage rechnerisch
mit voller Leistung liefert. CRF ist der Kapitalwiedergewinnungsfaktor, der die
Investition in eine jährliche Annuität umrechnet.
strommix/scripts/model.py (crf) und im Dossier
kosten_kernkraft.md 5.3/8.
Zum Vergleich: Die Lebensdauer von 60 auf 80 Jahre zu strecken, ändert die Kosten um rund 3 %.
Das erklärt, warum jedes europäische Kernkraft-Neubauprojekt ein staatliches Finanzierungsinstrument
braucht — und warum kapitalintensive Technologien (Kernkraft, Offshore) auf den WACC-Slider unten
ungleich stärker reagieren als PV.
LCOE-Rechner
kosten_kernkraft.md.Balken = Spanne aus den drei konsistenten Parametersätzen (günstig / mittel / teuer), alle beim gewählten WACC gerechnet. Der Punkt markiert den Zentralwert. Die Spanne ist keine mechanische min/max-Kombination — der teure Satz kombiniert maximalen CAPEX bewusst mit mittleren Volllaststunden, weil hohe Baukosten real überwiegend an guten Standorten auftreten.
LCOE beantworten nur die halbe Frage. Eine Kilowattstunde Solarstrom um 13 Uhr im Juni ist nicht dasselbe wie eine Kilowattstunde um 18 Uhr im Dezember. Der eigentliche Streitpunkt aller Systemstudien sind deshalb die Folgekosten: Backup-Kraftwerke, Speicher, Netzausbau und die Energie, die mangels Abnehmer abgeregelt werden muss.
Der Simulator rechnet dafür Stunde für Stunde mit realen Last- und Erzeugungsprofilen eine einfache Merit-Order durch: Überschuss lädt erst die Batterie, dann den Elektrolyseur, der Rest wird abgeregelt. Ein Defizit deckt erst die Batterie, dann die Wasserstoff-Rückverstromung, dann das Gas-Backup. Was übrig bleibt, ist ungedeckte Last — rot dargestellt und bewusst nicht schöngerechnet.
Mix-Simulator
Alle folgenden Werte stammen aus der stündlichen Simulation
und sind auf ein Jahr hochgerechnet — erkennbar am Marker ,
der aus meta.data_completeness gelesen wird und bei vollständiger Jahresdatenbasis automatisch
verschwindet.
LSCOE = Levelized System Cost of Electricity: die Kosten des modellierten Erzeugungs-, Speicher- und Netzausbaus, geteilt durch die tatsächlich gedeckte Last. Anders als LCOE enthält es Backup, Speicher, Netz und die Verluste durch Abregelung.
Bis hierher zeigt jedes Szenario einen Punktwert.
Diese Zahlen entstehen, indem jeder Parameter auf seinen Zentralwert gesetzt wird. Das ist
eine legitime Rechnung — aber sie sagt nichts darüber, wie sicher das Ergebnis ist. Denn kein
einziger dieser Parameter ist ein Punktwert: In model_params.json steht zu jedem eine
Spanne aus den Dossiers.
Die Monte-Carlo-Simulation zieht diese Spannen gleichzeitig. Statt eines Balkens je Szenario entsteht eine Verteilung. Wie die daraus folgende Rangfolge zu lesen ist, hat sich mit Modellversion 0.2 geändert — und das ist die wichtigste methodische Korrektur dieses Papiers.
Monte-Carlo-Rechner
Die Rechnung läuft live im Browser — dieselben Ziehungen, die auch
strommix/scripts/monte_carlo.py erzeugt, mit demselben Zufallszahlengenerator und
demselben Startwert. Beide Ergebnisse müssen übereinstimmen; geprüft wird das automatisch beim
Laden dieser Seite (Badge im Fußbereich).
Eine einzelne gepaarte Ziehung ansehen
Gezogen in dieser einen Zukunft — dieselben Werte gelten für alle Szenarien gleichzeitig.
Was diese eine Zukunft kostet — System-LSCOE je Szenario, mit genau diesen Werten gerechnet.
← Tabelle waagerecht scrollbar →
← Tabelle waagerecht scrollbar →
← Tabelle waagerecht scrollbar →
Punktwert = Ergebnis mit allen Parametern auf dem Zentralwert (das, was in Kapitel 5 angezeigt wird). P50 = Median der 1.000 Ziehungen. Die Klammer P5–P95 enthält 90 % der Ziehungen. Die Spalte „Mt CO₂/a“ macht sichtbar, dass die Zeilen nicht emissionsäquivalent sind — die CCS-Varianten sind der Versuch, das zu heilen.
Warum kann die eine Seite sagen „Dunkelflauten sind selten“ und die andere „Dunkelflauten sind der Normalzustand“ — und beide haben korrekte Zahlen? Weil es keine einheitliche Definition gibt. Die Schwelle (wie wenig Erzeugung?) und die Mindestdauer (wie lange?) unterscheiden sich um Größenordnungen.
Je länger das Ereignis, desto seltener — aber desto weniger hilft ein Kurzzeitspeicher. Batterien überbrücken zuverlässig bis etwa 10 Stunden.
Zwei unabhängige Datensätze mit unterschiedlicher Methodik kommen zum selben Ranking. Die erklärende Hypothese beider Autorengruppen ist Modularität: PV- und Windprojekte bestehen aus tausenden identischen, seriengefertigten Einheiten mit steiler Lernkurve; ein Kernkraftwerk ist ein weitgehend einzigartiges Bauwerk.
Jedes Szenario dieses Papiers stellt einen thermischen Backup-Park bereit, der nur wenige hundert bis knapp zweitausend Stunden im Jahr läuft. Im reinen Energy-Only-Markt entsteht ein solcher Park nicht: Wer nur über wenige Stunden Deckungsbeiträge verdient, refinanziert seine Investition nicht — das ist das Missing-Money-Problem. Die LSCOE-Zahlen oben unterstellen die Anlagen also als vorhanden, ohne das Instrument mitzurechnen, das sie hervorbringen müsste.
Was für die Entwarnung spricht
Was offen bleibt
Warum diese Studie hier auftaucht
Im Juli 2026 veröffentlichte der Ulmer Verein Global Energy Solutions e. V. die Studie „Der klimaneutrale Strommix der Zukunft“. Sie vergleicht vier Szenarien für 2045 (950 TWh Jahresbedarf) und kommt zu einem eindeutigen Ergebnis: ein technologieoffenes System mit Kernkraft sei mit 125 €/MWh weniger als halb so teuer wie ein vollständig erneuerbares System (321 €/MWh).
Sie eignet sich als Fallstudie, weil sie ihre Annahmen ungewöhnlich offen dokumentiert — Basisjahr der Profile, Interkonnektor-Deckelung, keine Batteriespeicher, kein Lastmanagement, lineare Netzkostenskalierung, WACC 5 %. Genau diese Transparenz macht einen Annahmen-Check erst möglich. Das ist ausdrücklich positiv zu werten.
Der Punkt ist nicht, ob die Studie „recht hat“, sondern wie stark ein Systemvergleich an seinen Inputs hängt. Das Modell dieses Papiers reproduziert die vier LCOE-Werte der Studie mit deren eigenen Annahmen auf ±0,04 % genau — jede spätere Abweichung ist damit eine Frage der Eingangsdaten, nicht der Rechenmethode.
Nicht alle Befunde sprechen gegen die Studie. Zwei sprechen ausdrücklich für sie.
Was passiert, wenn man nur eine Annahme austauscht
Illustrative Näherung aus dem Grundlagen-Dokument, keine exakte Neurechnung des GES-Modells — die Kostenaufschlüsselung liegt dort nur als Grafik vor. C
Was das eigene Modell mit GES-Annahmen ergibt
Die fünf Punkte des Executive Summary, ausgeschrieben und um zwei fachliche Aussagen ergänzt — mit den Zahlen, die dahinterstehen, und der jeweiligen Gegenrichtung, wo es eine gibt.
Dieser Abschnitt gehört nicht in den Anhang. Wer die Grenzen eines Modells nicht kennt, überinterpretiert seine Ergebnisse — und das gilt für dieses Modell genauso wie für die Studien, die es prüft.
Diese Liste steht nicht in diesem HTML, sondern in
strommix/data/monte_carlo_reference.json unter meta.limitations und wird
hier unverändert wiedergegeben — inklusive Schweregrad und betroffenen Szenarien. Wer das Modell
nachrechnet, bekommt dieselbe Liste als Datei.
Diese Lücken stehen maschinenlesbar in strommix/data/model_params.json unter
gaps und werden hier unverändert wiedergegeben.
Alle Zugriffe am 15.08.2026. Die Konfidenzstufe bezieht sich auf die Belastbarkeit der aus dieser Quelle entnommenen Werte, nicht auf die Seriosität des Herausgebers.
Diese Seite rechnet nichts, was nicht auch offline nachrechenbar wäre. Modell, Parameter, Recherche-Dossiers und Rohdaten liegen vollständig im Repository:
strommix/docs/02_modellkonzept.md — das Modellkonzept, festgeschrieben
vor Eintreffen der Recherche-Ergebnissestrommix/scripts/model.py — die Referenzimplementierung (LCOE, Mix, Dispatch)strommix/scripts/consolidate_params.py → data/model_params.json —
jeder Parameter mit Wert, Spanne, Einheit, Quelle und Konfidenzstufestrommix/scripts/build_page_data.py → data/page_data.json —
die redaktionellen Zahlen dieser Seitestrommix/scripts/export_test_vectors.py → data/test_vectors.json —
die Referenzwerte, gegen die sich diese Seite beim Laden selbst prüftstrommix/scripts/monte_carlo.py → data/monte_carlo_reference.json —
die Monte-Carlo-Referenz aus Kapitel 6 (fester Seed, dokumentierte Ziehungsreihenfolge)strommix/research/validierung_modell.md — der Validierungsbericht→ Ordner
strommix/ auf GitHub · Korrekturen und Gegenrechnungen sind ausdrücklich willkommen.