Projektkontext

Berechnungsergebnisse quantitativer Energiemodelle werden durch Daten und Annahmen ermöglicht. Sind Annahmen unsicher, so sind es auch die Modellergebnisse. Das Dissertationsprojekt untersucht, inwiefern es wünschenswert, möglich und sinnvoll wäre, diese Unsicherheiten zu quantifizieren, und in Folge, ob und welche legitimen Aussagen oder Empfehlungen auf unsicheren Modellergebnissen basieren können oder sollten. Die Untersuchung wird somit auf erkenntnistheoretische und entscheidungstheoretische Fragen ausgedehnt: wie kann eine Überzeugung gewonnen und gerechtfertigt werden, welche als Annahme in ein Energiemodell eingeht? Welche Art von „Wissen“ generiert ein annahmenbasiertes Energiemodell? Sollte ein rationaler Agent (politische) Entscheidungen auf unsichere Energieszenarien stützen? Insbesondere im Hinblick auf die Nutzung von Modellergebnissen zur Politikberatung und Entscheidungsfindung scheint eine Analyse der Unsicherheiten relevant.

Unsicherheit

In der Ökonomie wird zwischen Unsicherheit und Risiko unterschieden. Knightian Uncertainty beschreibt unmessbare Unsicherheit, welche als distinkt von Risiko, das unbekannt, aber vom Prinzip her messbar ist, betrachtet werden kann. Klassische Uncertainty Quantification (UQ) Ansätze, die in den Naturwissenschaften und Ingenieurswissenschaften Anwendung finden, unterscheiden zwischen epistemischer und aleatorischer Unsicherheit. Ziel ist vor allem die Quantifizierung der aleatorischen Unsicherheit (Variabilität), welche näherungsweise berechnet werden kann. Im Rahmen der Dissertation stützt sich die quantitative Analyse auf statistische Berechnungen. Erste Ergebnisse legen nahe, dass manche Annahmen in Energiemodellen sehr unsicher sind. Überzeugungen und somit die Formulierung von Annahmen beruhend auf wirtschaftlichen, sozialen, technischen und energiepolitischen Überlegungen waren in der Vergangenheit mäßig erfolgreich und statistische Berechnungen deuten auf Relationen hin, die mathematisch schwer zu beschreiben oder wenig stabil sind. Qualitative Ansätze verwenden Skalen oder Klassen zur Beschreibung der Unsicherheit. Diese Klassen können binär, unsicher oder nicht, oder graduell sein: z. B. sehr, mittel, wenig und es gibt auch hybride Formen.

Überzeugung

In der Dissertation wird erforscht, welche erkenntnistheoretischen Ansätze den Vorgang der Überzeugungsbildung oder -änderung durch unsichere Modellergebnisse beschreiben könnten. Konzepte zur Darstellung, wie etwa die Stability Theory Of Belief, Probabilistic Dynamic Belief Revision oder Revision By Comparison werden für den konkreten Anwendungsfall betrachtet. Erste Überlegungen lassen darauf schließen, dass sowohl qualitative Konzepte (Entrenchment relations, Plausibilitätsmodelle) als auch quantitative Konzepte (Probabilitätsmodelle) den Vorgang beschreiben können – in Abhängigkeit der Unsicherheitsanalyse der Modellergebnisse. Eine Explikation von Unsicherheit, welche auf Wahrscheinlichkeit beruht, ist Teil dieses Abschnittes der Dissertation. Es soll untersucht werden, ob und unter welchen Voraussetzungen ein Modellergebnis einen rationalen Agenten zu einer neuen Überzeugung führen könnte oder sollte.

Entscheidung

Im Rahmen der Dissertation werden normative Ansätze (z.B. Utility Theory, Vorsorgeprinzip) für den Fall einer Entscheidung basierend auf Überzeugungen aus unsicheren Energiemodellergebnissen untersucht. Ziel dieses Abschnittes ist es, die Überlegungen der vorangehenden Kapitel „anzuwenden“. Eine Entscheidung wird als Ergebnis, als Ausdruck interpretiert welcher (1) die gegebene (und eventuell quantifizierte) Unsicherheit anerkennt und (2) bewusst reflektiert inwiefern diese Unsicherheit Überzeugungen ermöglicht oder limitiert.

Das Dissertationsprojekt wird im Rahmen der Helmholtz Research School on Energy Scenarios finanziert.

Tel.: 0721 608-22501 (ITAS-Sekretariat)
E-Mail