Zum Inhalt

Invert/EE-Lab

Name

Invert/EE-Lab

Version des Modells

  • I/2024

Betreibende Organisation

  • IREES GmbH – Institut für Ressourceneffizienz und Energiestrategien

Zweck des Modells

  • Methodisch stellt Invert/EE-Lab ein dem Bottom-up-Ansatz folgendes, technoökonomisches Simulationsmodell dar, mit dem der Energiebedarf und dessen Deckung für Wärme (Raumwärme und Warmwasser) sowie Klimatisierung von Wohn- und Nichtwohngebäuden ermittelt und die Auswirkungen verschiedener Förderinstrumente in Jahresschritten abgebildet werden können.
  • Grundlage des Modells ist eine detaillierte Darstellung des Gebäudebestands nach Gebäudetypen, Baualtersklassen und Sanierungszuständen mit relevanten bauphysikalischen und ökonomischen Parametern einschließlich der Technologien zur Bereitstellung von Raumwärme, Warmwasser und Klimatisierung. Darauf aufbauend wird der Heiz- und Kühlenergiebedarf unter Einbeziehung des Verhaltens der Nutzenden und Klimadaten ermittelt.
  • Die Investitionsentscheidungen in Technologien und Effizienzmaßnahmen werden unter Berücksichtigung von investorenspezifischen Entscheidungskalkülen und Hemmnissen sowie Energieträgerpotentialen in einer agentenbasierten Modellierung (INVERT-Agents) ermittelt.
  • Mit INVERT/EE-Lab ist es möglich, die Auswirkungen unterschiedlicher Politikinstrumente und deren Ausgestaltungsvarianten auf die Diffusion von Wärmeversorgungssystemen und Effizienzmaßnahmen im Gebäudebereich in Szenarien zu analysieren.
  • Das Modell ermöglicht eine detaillierte und integrierte Abbildung auf den folgenden, für die Diffusion von Energieeffizienzmaßnahmen und EE-Wärme- Technologien relevanten Ebenen (Steinbach, 2016, S.172):
    • „Abbildung und Simulation der Investorinnen und Investoren im Gebäudebereich: Es werden heterogene Investorinnen und Investoren abgebildet, die unter unterschiedlichen administrativen, ökonomischen und informatorischen Voraussetzungen agieren.
    • Abbildung und Simulation des Energiesystems Gebäude und der relevanten Technologien: Der Gebäudebereich wird disaggregiert über eine detaillierte thermische Simulation von Referenzgebäuden unter Berücksichtigung der jeweiligen bauphysikalischen und technologischen Parameter abgebildet.
    • Abbildung der energiepolitischen Maßnahmen und deren Auswirkung auf die individuelle Investitionsentscheidung: Es werden Politikinstrumente in unterschiedlichen Ausgestaltungsvarianten modelliert, welche die Bedingungen der Investitionsentscheidung in Abhängigkeit der agentenspezifischen Wahrnehmung individuell beeinflussen.“
  • Primäre Ergebnisse des Modells (Modelloutput)
    • Endenergie- und Nutzenergiebedarf nach Energieträgern und Gebäudetyp
    • Endenergie- und Nutzenergieverbrauch unter Berücksichtigung von Reboundeffekten nach Energieträgern und Gebäudetyp
    • Installierte Wärmeversorgungssysteme und Effizienzmaßnahmenpakete
    • Investitionen in Wärmeversorgungstechnologien nach Technologie
    • Investitionen in Effizienzmaßnahmen nach Technologie
    • Energie- und Betriebskosten nach Energieträger

Akteure

  • Das Modell differenziert die Gebäudeeigentümer und -eigentümerinnen entsprechend ihrer Entscheidungskalküle, Informationsstände und Wahrnehmungen.
  • Es können beliebig viele unterschiedliche Typen an Eigentümerinnen und Eigentümern definiert werden, die dann den Modellklassen „selbstnutzender Eigentümer, privater Vermieter, Wohnungsgesellschaft oder Nichtwohngebäude-Eigentümer" zugeordnet werden (Steinbach, 2016).

Dokumentation

Räumliche Abdeckung

  • Deutschland, Europa
  • Kleinräumigere Darstellung bis auf Stadtebene möglich

Zeithorizont

Der Zeithorizont ist abhängig vom modellierten Szenario und grundsätzlich beliebig. Der Gebäudebestand kann auf bestimmtes Basisjahr kalibriert werden.

Zeitliche Auflösung

  • Jahresschritte

Konzeptionelle Gestaltungsprinzipien

  • Der Gebäudebestand wird über Referenzgebäudeklassen abgebildet, die durch bauphysikalische Eigenschaften (U-Werte, Geometrien, Bauteilalter) und Nutzungsprofile charakterisiert sind, ebenso wie durch die installierten Wärmeversorgungstechnologien und Wärmeverteilsysteme.
  • In jedem Zeitschritt (1 Jahr) wird basierend auf einer Weibullverteilung 1 ermittelt wie viele Gebäude pro Jahr in jeder Referenzgebäudeklasse ein Heizsystem tauschen und Effizienzmaßnahmen durchführen. Die Verteilungsfunktion hängt dabei an dem Alter der Heizsysteme bzw. an dem Alter der Bauteile bei Effizienzmaßnahmen. Neben der lebensdauerbedingten Austauschdynamik fließen im Falle von Effizienzmaßnahmen auch Energiepreisentwicklungen als Elastizität ein, so dass die Sanierungsaktivität nicht allein durch das Alter der Gebäude bestimmt wird.
  • Im nächsten Schritt wird für diejenigen Gebäude, bei denen ein Heizungstausch oder Maßnahmen an der Gebäudehülle anstehen, die Investitionsentscheidung simuliert. Bei der Wahl der Wärmeversorgung stehen alle vorgegebenen und nicht durch Politikinstrumente eingeschränkten Technologien zur Verfügung. Für Maßnahmen an der Gebäudehülle kann entweder eine reine Instandhaltung oder eines von mehreren energetischen Maßnahmenpaketen gewählt werden, die je nach Szenario und Förderregime ebenfalls im Input festgelegt sind. Standardmäßig werden diese Maßnahmenpakete für jedes Referenzgebäude individuell berechnet, wobei unterschiedliche Zielstandards (z. B. GEG, EH 70, EH 55, Einzelmaßnahmen) vorgegeben werden.
  • Neben dem Austausch von Heizsystemen und Maßnahmen an der Gebäudehülle werden Abriss und Neubau von Gebäuden in jeder Modellperiode endogen berechnet. Die Gesamtentwicklung des Gebäudebestandes wird dabei exogen als Flächen- bzw. Gebäudenachfrage vorgegeben. Der Abriss von Gebäuden wird in Abhängigkeit von deren Lebensdauer mithilfe einer Weibullfunktion bestimmt. Das nach dem Abriss verbleibende Delta zur exogen vorgegebenen Entwicklung des Gebäudebestandes wird durch modellendogen bestimmte Neubauten ausgeglichen. Durch Sanierungsmaßnahmen kann die Lebensdauer von Gebäuden verlängert werden. Im Modell kann dabei unterschieden werden, ob eine Lebensdauerverlängerung ausschließlich durch energetische Maßnahmen oder auch durch reine Instandsetzungsmaßnahmen berücksichtigt wird.
  • Die Investitionsentscheidung wird in Abhängigkeit des zugewiesenen Eigentümertyps (Investorenagenten) ermittelt (siehe oben). Im Modell können einzelne Investorentypen implementiert werden, welche den Referenzgebäudesegmenten anteilig als Besitzer zugeordnet werden. Diese Anteile sind zeitabhängig und können somit exogen über den Simulationszeitraum verändert werden. Das Modell erlaubt die Definition beliebig vieler Investorenagenten, welche jeweils Instanzen einer von fünf möglichen Agentenklassen darstellen (siehe oben).
  • Als Ergebnis der Simulation resultieren Marktanteile für die Wärmeversorgungssysteme einerseits und für Effizienzmaßnahmenpakete anderseits jeweils innerhalb einer Referenzgebäude-Agentenkombination. Mit den resultierenden Marktanteilen werden die Referenzgebäudeklassen weiteraufgeteilt und die Ergebnisse zurückgeschrieben für den nächsten Zeitschritt.
  • Im Modell lassen sich darüber hinaus auch Diffusionsbeschränkungen für Technologien abbilden, so dass Marktanteile in Abhängigkeit von Technologieverfügbarkeiten und Wissen der Fachkräfte nicht sprunghaft ansteigen können, sondern in Abhängigkeit der Marktanteile im jeweiligen Vorjahr und definierter Marktgeschwindigkeiten gedeckelt werden.
  • Des Weiteren lassen sich Energieträgerverfügbarkeiten über Kostenpotenzialkurven 2 in den Inputdaten abbilden, mit denen eine Veränderung der exogen hinterlegten Energiepreise in Abhängigkeit der Gesamtnachfrage nach einem Energieträger hinterlegt werden kann. Dies ist insbesondere für Biomasse relevant. In den Inputdaten im Modell können Kostenpotenzialkurven jedoch grundsätzlich für alle Energieträger differenziert hinterlegt werden.
  • Räumliche Verfügbarkeiten von Energieträgern lassen sich in den Inputdaten zudem über Energieträgerregionen abbilden, denen eine bestimmte Anzahl des Gebäudebestandes zugewiesen werden. Dies ist insbesondere für leitungsgebundene Energieträger (Fernwärme, Gas) relevant.
  • Um die Wirkung der Politikinstrumente auf die Investitionsaktivität in Energieeffizienzmaßnahmen und Wärmeversorgungssysteme zu untersuchen, werden diese explizit im Modell abgebildet. Dies geschieht als integrale Modellierung von Politikinstrumenten und Investoren, die eine akteursspezifsche Untersuchung der Wirkungen der Instrumente ermöglichen sollen. Die Politikinstrumente und deren Ausgestaltung werden zunächst aus Sicht eines Politik-Akteurs für jedes Simulationsjahr exogen definiert. Dabei werden Förder- und Anforderungsbedingungen nach den adressierten Technologien und Maßnahmen sowie den Adressaten – Investorenklassen und Gebäudetypen differenziert. Ordnungsrechtliche und finanzielle Fördermaßnahmen verändern die Wirtschaftlichkeit der Technologiealternativen oder schränken die Wahlmöglichkeiten durch Nutzungspflichten oder Mindestanforderungen ein. In Abhängigkeit des Entscheidungskalküls der definierten Investor-Agenten werden diese Veränderungen oder Einschränkungen bei der Investitionsentscheidung berücksichtigt. Ein Investitionszuschuss beispielsweise verändert die relative Vorteilhaftigkeit einer Technologie hinsichtlich des Attributes Investitionen, wobei dies nicht zwangsläufig der wahrgenommen Attributausprägung eines Investor-Agenten entspricht (z.B. wenn das Förderinstrument nicht bekannt ist). Informatorische Maßnahmen wiederrum wirken indirekt auf die Attribute der Wahlmöglichkeiten, indem die investorenspezifische Wahrnehmung verändert wird. Neben spezifischen Fördersätzen und minimalen oder maximalen Förderungen pro Maßnahmen können bei finanziellen Förderinstrumenten auch das Gesamtförderbudget pro Maßnahme und Jahr vorgegeben werden. Wird das Förderbudget innerhalb eines Jahres in der Simulation überschritten, erfolgt für das Jahr eine neue Simulation für ein Teil des Gebäudebestandes ohne Förderung. Nicht ausgeschöpfte Fördermittel werden in das Folgejahr übertragen.

  • Die folgende Abbildung zeigt schematisch die Modellierung von Politikinstrumenten im Modell.

  • Die Programmtechnisch Strukturierung des Modells folgt einer objektorientierten Programmierung mit unterschiedlichen Modulen (Klassen), die einander aufrufen und berechnete Werte austauschen (siehe Abbildung zur Modellstruktur).
  • Es werden umfangreiche Daten herausgeschrieben, mit denen die Ergebnisse auf Plausibilität überprüft werden können
  • Im Modell erfolgt eine Plausibilitätsprüfung der Inputdaten, die geb. ein Abbruch des Modelllaufs verursachen, sofern unplausible oder fehlerhafte Inputdaten definiert sind
  • Alle Inputdaten werden im Ergebnisordner mit rausgeschrieben, so dass Szenariensets immer mit Modelloutput und Modellinputdaten dokumentiert sind
  • Die programmierten Funktionen der einzelnen Module sind durch umfangreiche Funktionstests verifiziert worden.

Die Weibull-Verteilung ist eine stetige Wahrscheinlichkeitsverteilung, die häufig zur Beschreibung von Lebensdauern bzw. Ausfallzeitpunkten eingesetzt wird und über Form- und Skalenparameter unterschiedliche Ausfallverläufe abbilden kann. Im Invert/EE-Lab-Modell (Müller, 2015) wird sie genutzt, um die statistische Verteilung von Nutzungsdauern und damit den Zeitpunkt von Ersatz-, Renovierungs- oder Abrissentscheidungen für Gebäude und Komponenten zu modellieren, sodass keine festen Lebensdauern angenommen werden müssen und Investitionszyklen realitätsnah simuliert werden können.

Methodischer/mathematischer Ansatz

  • Agentenbasiertes Simulationsmodell zur Modellierung der Veränderung / Investitionsentscheidung
  • Bauphysikalisches Gebäudemodell zur Modellierung des Energiebedarfs
  • Bottom-up Abbildung des Gebäudebestandes

Open Source

  • Nein
  • Gegen eine Veröffentlichung des Modells spricht die hohe Komplexität des Modells

Parameter

  • Integration empirischer Daten soweit wie möglich.
  • Im Wesentlichen kann unterschieden werden zwischen
  1. Parametern, die als besonders sensitive Parameter aus den Annahmen der Rahmendaten der THG-Projektionen stammen:
    • Endenergieverbrauchspreise
    • CO2-Preise
    • Förderbudgets für die energetische Sanierung von Gebäuden, den Heizungstausch und Neubau von Gebäuden
    • Klimadaten (im Startjahr und Projektion bis 2050)
  2. Daten, die Outputs anderer Modelle sind und an Invert/ee-Lab übergeben werden:
    • Annahmen zur Ausbaugeschwindigkeit der Fernwärme
  3. Parameter, die eher technischer Natur sind:
    • Die zur Verfügung stehenden Heizsysteme
    • Die Preise für die zur Verfügung stehenden Heizsysteme

Programmiersprache

  • Python

Räumliche Auflösung

  • Ergebnisse der Modellierung können für Deutschland auf NUTS 3 Ebene heruntergebrochen werden.

Sektoren

  • Invert/EE-Lab simuliert die Sektoren Haushalte und Gewerbe-Handel-Dienstleistung.
  • Es ist möglich, die Treibhausgas-Emissionen entsprechend der Sektoren nach IPCC Guidelines und Bundes-Klimaschutzgesetz aufzuteilen.

Software

  • Software zur Versionsverwaltung: Git-hub
  • Integrierte Entwicklungsumgebungen: Eclipse und MS Visusal Code

Techniken

  • Wärmeversorgungssysteme, Lüftungsanlagen, Effizienzmaßnahmen an der Gebäudehülle
  • Wärmeversorgungsysteme und Effizienzmaßnahmen werden separat definiert.
  • Bei Wärmeversorgungssystem kann eine Kombination zwischen primären und sekundären Wärmeversorgungssystemen erfolgen. Sekundäre Wärmeversorgungssysteme sind Solarthermieanlagen oder PV-Anlagen. Primäre Wärmeversorgungssysteme sind alle gängigen Technologien. Dabei werden auch verschiedene Technologien einer Kategorie hinterlegt, z.B. verschiedenen Wärmepumpensysteme (Luft/Wasser, Sole/ Wasser, Luft/Luft, Wasser/Wasser) oder auch verschiedene Kessel – Niedertemperatur- und Brennwertkessel sowie unterschiedliche Biomassekessel (Scheitholz, Pellets, Hackschnitzel). Des Weiteren werden neben Zentralheizungskesseln und Etagenheizungen auch Einzelraumheizungen (Elektrische Öfen, Gasöfen, Holzöfen etc.) abgebildet, die jedoch nur in Gebäuden ohne zentrale oder wohnungsweise Verteilsysteme eingesetzt werden können.
  • Effizienzmaßnahmen werden wie oben bereits beschrieben gebäudespezifisch für jedes Referenzgebäude ermittelt, unter Vorgabe von zu erreichenden Standards. Neben den energetischen Sanierungspaketen ist auch die Instandsetzung ohne energetische Sanierung ein Alternative. Bei Effizienzmaßnahmenpaketen bzw. Einzelmaßnahmen können maximal 8 verschiedene Pakete pro Gebäude definiert werden, die zur Auswahl stehen. Die Pakete werden individuell anhand von zu erreichenden U-Werten und zugehöriger Förderung definiert.
  • Die Daten werden laufend basierend auf Literaturdaten und insbesondere Evaluationsberichten (bspw. Heinrich et al., 2025) sowie Datenbanken (Langreder et al., 2024) aktualisiert und sind als Inputdaten verfügbar.

Treibhausgasemissionen

  • Aus den Energieverbräuchen nach Energieträger werden im Modell auf Basis der hinterlegten spezifischen Emissionsfaktoren die THG-Emissionen in CO2-Äquivalenten berechnet. Die spezifischen Emissionsfaktoren der Energieträger werden in den Inputdaten definiert.

Unsicherheit

  • Unsicherheiten werden nicht explizit abgebildet, Vertrauensintervalle werden nicht standardmäßig erzeugt. In der Regel werden Unsicherheiten im Rahmen von Sensitivitäten aufgezeigt.

Visualisierung des Modells und dessen Funktionsweisen

Literaturverzeichnis

  • TU Wien, e-think. (o. J.). Invert/EE-Lab. https://invert.at/index.php. [Letzter Abruf am 04.03.2026]
  • Steinbach, J. (2016). Modellbasierte Untersuchung von Politikinstrumenten zur Förderung erneuerbarer Energien und Energieeffizienz im Gebäudebereich

Modellierungsprozess

Datenflüsse im Kontext des Modellierungsprozesses von Invert/EE-Lab

Dieser Graph zeigt woher (und wieviele) Datensätze direkt oder indirekt in Invert/EE-Lab fließen. Er zeigt auch, welche Datensätze durch Invert/EE-Lab augegeben werden.

flowchart LR
classDef default text-decoration:none
invert_ee_lab["Invert/EE-Lab"]
click invert_ee_lab href "/Modell/invert_ee_lab/"
style invert_ee_lab fill:#9d579a,stroke:#9d579a;
input(("Eingangsdaten"))
winfra__invert_ee_lab(["1"])
click winfra__invert_ee_lab href "/Modellierungsprozess/winfra__invert_ee_lab/"
temps__invert_ee_lab(["1"])
click temps__invert_ee_lab href "/Modellierungsprozess/temps__invert_ee_lab/"
data_instrumentenwirkung(["Treibhausgasminderungswirkung der Instrumente der Treibhausgas-Projektion 2026 für Deutschland (Datentabelle)"])
click data_instrumentenwirkung href "/Datensatz/data_instrumentenwirkung/"
data_rahmendaten_gesamtbevoelkerung(["Rahmendaten - Gesamtbevölkerung"])
click data_rahmendaten_gesamtbevoelkerung href "/Datensatz/data_rahmendaten_gesamtbevoelkerung/"
lawienmod["LaWiEnMod"]
click lawienmod href "/Modell/lawienmod/"
data_endverbrauchspreistabelle(["Endverbrauchspreise der Energieträger für die Treibhausgas-Projektionen 2026 (Datentabelle)"])
click data_endverbrauchspreistabelle href "/Datensatz/data_endverbrauchspreistabelle/"
data_rahmendaten_preis_im_nationalen_emissionshandel_eu_ets_2(["Rahmendaten - Preis im nationalen Emissionshandel / EU ETS 2"])
click data_rahmendaten_preis_im_nationalen_emissionshandel_eu_ets_2 href "/Datensatz/data_rahmendaten_preis_im_nationalen_emissionshandel_eu_ets_2/"
enusem["ENUSEM"]
click enusem href "/Modell/enusem/"
invert_ee_lab__lawienmod(["2"])
click invert_ee_lab__lawienmod href "/Modellierungsprozess/invert_ee_lab__lawienmod/"
invert_ee_lab__enusem(["4"])
click invert_ee_lab__enusem href "/Modellierungsprozess/invert_ee_lab__enusem/"
winfra["WInfra"]
click winfra href "/Modell/winfra/"
temps["TEMPS"]
click temps href "/Modell/temps/"
data_parametrisierungstabelle(["Instrumentenausgestaltung für die Treibhausgas-Projektionen 2026 (Datentabelle)"])
click data_parametrisierungstabelle href "/Datensatz/data_parametrisierungstabelle/"
invert_ee_lab__powerflex(["10"])
click invert_ee_lab__powerflex href "/Modellierungsprozess/invert_ee_lab__powerflex/"
data_datentabelle(["Datentabelle für die Treibhausgas-Projektionen 2026 für Deutschland"])
click data_datentabelle href "/Datensatz/data_datentabelle/"
output(("Ergebnisdaten"))
data_rahmendaten_heiz_und_kuehlgradtage(["Rahmendaten - Heiz- und Kühlgradtage"])
click data_rahmendaten_heiz_und_kuehlgradtage href "/Datensatz/data_rahmendaten_heiz_und_kuehlgradtage/"
view__invert_ee_lab(["1"])
click view__invert_ee_lab href "/Modellierungsprozess/view__invert_ee_lab/"
powerflex["PowerFlex"]
click powerflex href "/Modell/powerflex/"
invert_ee_lab__output(["15"])
click invert_ee_lab__output href "/Modellierungsprozess/invert_ee_lab__output/"
input__invert_ee_lab(["17"])
click input__invert_ee_lab href "/Modellierungsprozess/input__invert_ee_lab/"
view["VIEW-LEO"]
click view href "/Modell/view/"
invert_ee_lab --> invert_ee_lab__powerflex
input --> input__invert_ee_lab
view__invert_ee_lab --> invert_ee_lab
invert_ee_lab --> invert_ee_lab__lawienmod
invert_ee_lab --> invert_ee_lab__output
data_rahmendaten_gesamtbevoelkerung --> invert_ee_lab
input__invert_ee_lab --> invert_ee_lab
winfra__invert_ee_lab --> invert_ee_lab
view --> view__invert_ee_lab
invert_ee_lab__lawienmod --> lawienmod
invert_ee_lab --> data_datentabelle
invert_ee_lab__output --> output
invert_ee_lab__enusem --> enusem
winfra --> winfra__invert_ee_lab
invert_ee_lab --> data_instrumentenwirkung
invert_ee_lab --> invert_ee_lab__enusem
temps__invert_ee_lab --> invert_ee_lab
data_rahmendaten_preis_im_nationalen_emissionshandel_eu_ets_2 --> invert_ee_lab
data_rahmendaten_heiz_und_kuehlgradtage --> invert_ee_lab
data_parametrisierungstabelle --> invert_ee_lab
invert_ee_lab__powerflex --> powerflex
data_endverbrauchspreistabelle --> invert_ee_lab
temps --> temps__invert_ee_lab

Direkte Datenflüsse zu Invert/EE-Lab

Dieser Graph zeigt an, welche Datensätze direkt in Invert/EE-Lab fließen oder durch Invert/EE-Lab ausgegeben werden.

flowchart LR
classDef default text-decoration:none
invert_ee_lab_kosten_fuer_sanierungsmassnahmen(["Kosten für Sanierungsmaßnahmen"])
click invert_ee_lab_kosten_fuer_sanierungsmassnahmen href "/Datensatz/invert_ee_lab_kosten_fuer_sanierungsmassnahmen/"
data_parametrisierungstabelle(["Instrumentenausgestaltung für die Treibhausgas-Projektionen 2026 (Datentabelle)"])
click data_parametrisierungstabelle href "/Datensatz/data_parametrisierungstabelle/"
winfra_fernwaermenachfragepotenzial(["Fernwärmenachfragepotenzial für die Wohngebäude und GHD"])
click winfra_fernwaermenachfragepotenzial href "/Datensatz/winfra_fernwaermenachfragepotenzial/"
invert_ee_lab["Invert/EE-Lab"]
click invert_ee_lab href "/Modell/invert_ee_lab/"
style invert_ee_lab fill:#9d579a,stroke:#9d579a;
invert_ee_lab_kosten_der_eingesetzten_technologien(["Investitionskosten der Wärmeversorgunssysteme"])
click invert_ee_lab_kosten_der_eingesetzten_technologien href "/Datensatz/invert_ee_lab_kosten_der_eingesetzten_technologien/"
invert_ee_lab_erneuerbare_energie_zeitreihe(["Zeitreihen zur Entwicklung der erneuerbaren Energien in Deutschland"])
click invert_ee_lab_erneuerbare_energie_zeitreihe href "/Datensatz/invert_ee_lab_erneuerbare_energie_zeitreihe/"
invert_ee_lab_data_nwg_forschungsdatenbank_nichtwohngebaeude(["DataNWG: Forschungsdatenbank Nichtwohngebäude"])
click invert_ee_lab_data_nwg_forschungsdatenbank_nichtwohngebaeude href "/Datensatz/invert_ee_lab_data_nwg_forschungsdatenbank_nichtwohngebaeude/"
data_datentabelle(["Datentabelle für die Treibhausgas-Projektionen 2026 für Deutschland"])
click data_datentabelle href "/Datensatz/data_datentabelle/"
invert_ee_lab_marktanteile_der_waermeversorgungssysteme(["Marktanteile der Wärmeversorgungssysteme"])
click invert_ee_lab_marktanteile_der_waermeversorgungssysteme href "/Datensatz/invert_ee_lab_marktanteile_der_waermeversorgungssysteme/"
interface_1a4b_haushalte_nur_historisch(["Interface Haushalte zwischen ENUSEM und FORECAST-Residential: nur historisch"])
click interface_1a4b_haushalte_nur_historisch href "/Datensatz/interface_1a4b_haushalte_nur_historisch/"
invert_ee_lab_projizierte_energieverbraeuche_nach_energietraegern(["Projizierte Energieverbräuche nach Energieträgern"])
click invert_ee_lab_projizierte_energieverbraeuche_nach_energietraegern href "/Datensatz/invert_ee_lab_projizierte_energieverbraeuche_nach_energietraegern/"
data_instrumentenwirkung(["Treibhausgasminderungswirkung der Instrumente der Treibhausgas-Projektion 2026 für Deutschland (Datentabelle)"])
click data_instrumentenwirkung href "/Datensatz/data_instrumentenwirkung/"
data_rahmendaten_gesamtbevoelkerung(["Rahmendaten - Gesamtbevölkerung"])
click data_rahmendaten_gesamtbevoelkerung href "/Datensatz/data_rahmendaten_gesamtbevoelkerung/"
data_rahmendaten_heiz_und_kuehlgradtage(["Rahmendaten - Heiz- und Kühlgradtage"])
click data_rahmendaten_heiz_und_kuehlgradtage href "/Datensatz/data_rahmendaten_heiz_und_kuehlgradtage/"
interface_1a4a_ghd_rw_ww(["Interface GHD-Wärme zwischen ENUSEM und Invert/EE-Lab: historisch und Projektion"])
click interface_1a4a_ghd_rw_ww href "/Datensatz/interface_1a4a_ghd_rw_ww/"
data_endverbrauchspreistabelle(["Endverbrauchspreise der Energieträger für die Treibhausgas-Projektionen 2026 (Datentabelle)"])
click data_endverbrauchspreistabelle href "/Datensatz/data_endverbrauchspreistabelle/"
invert_ee_lab_zensus_energietraeger_der_heizung(["Zensus 2022 - Ausgewählte Ergebnisse zu Energieträger der Heizung nach Baujahr und Gebäudetyp zum Stichtag 15. Mai 2022"])
click invert_ee_lab_zensus_energietraeger_der_heizung href "/Datensatz/invert_ee_lab_zensus_energietraeger_der_heizung/"
invert_ee_lab_zensus_anzahl_wohnungen(["Zensus 2022 - Anzahl Wohnungen in Gebäuden mit Wohnraum nach Fläche der Wohnung (10m²-Intevalle), Baujahr des Gebäudes (Jahrzehnte) und Gebäudetyp-Größe zum Stichtag 15. Mai 2022"])
click invert_ee_lab_zensus_anzahl_wohnungen href "/Datensatz/invert_ee_lab_zensus_anzahl_wohnungen/"
data_rahmendaten_preis_im_nationalen_emissionshandel_eu_ets_2(["Rahmendaten - Preis im nationalen Emissionshandel / EU ETS 2"])
click data_rahmendaten_preis_im_nationalen_emissionshandel_eu_ets_2 href "/Datensatz/data_rahmendaten_preis_im_nationalen_emissionshandel_eu_ets_2/"
interface_1a4b_haushalte_rw_ww(["Interface Haushalte-Wärme zwischen ENUSEM und Invert/EE-Lab: historisch und Modellierungsergebnisse"])
click interface_1a4b_haushalte_rw_ww href "/Datensatz/interface_1a4b_haushalte_rw_ww/"
invert_ee_lab_investitionen_energieeffizienz(["Investitionen in Energieffizienzmaßnahmen"])
click invert_ee_lab_investitionen_energieeffizienz href "/Datensatz/invert_ee_lab_investitionen_energieeffizienz/"
invert_ee_lab_anwendungsbilanz(["AGEB Anwendungsbilanz"])
click invert_ee_lab_anwendungsbilanz href "/Datensatz/invert_ee_lab_anwendungsbilanz/"
invert_ee_lab_zensus_anzahl_beheizte_gebaeude(["Zensus 2022 - Anzahl (und Anteil) beheizter Gebäude nach Baujahr (Jahrzehnte), Gebäudetyp-Größe und Art der Heizung zum Stichtag 15. Mai 2022"])
click invert_ee_lab_zensus_anzahl_beheizte_gebaeude href "/Datensatz/invert_ee_lab_zensus_anzahl_beheizte_gebaeude/"
invert_ee_lab_budget_beg(["Budget BEG"])
click invert_ee_lab_budget_beg href "/Datensatz/invert_ee_lab_budget_beg/"
invert_ee_lab_zensus_bewohnte_wohnungen(["Zensus 2022 - Ausgewählte Ergebnisse zu Energieträger der Heizung nach Baujahr und Gebäudetyp zum Stichtag 15. Mai 2022"])
click invert_ee_lab_zensus_bewohnte_wohnungen href "/Datensatz/invert_ee_lab_zensus_bewohnte_wohnungen/"
data_parametrisierungstabelle --> invert_ee_lab
winfra_fernwaermenachfragepotenzial --> invert_ee_lab
data_rahmendaten_heiz_und_kuehlgradtage --> invert_ee_lab
invert_ee_lab_kosten_der_eingesetzten_technologien --> invert_ee_lab
data_rahmendaten_preis_im_nationalen_emissionshandel_eu_ets_2 --> invert_ee_lab
interface_1a4b_haushalte_nur_historisch --> invert_ee_lab
interface_1a4b_haushalte_nur_historisch --> interface_1a4b_haushalte_rw_ww
invert_ee_lab_anwendungsbilanz --> invert_ee_lab
invert_ee_lab --> invert_ee_lab_marktanteile_der_waermeversorgungssysteme
invert_ee_lab --> interface_1a4a_ghd_rw_ww
invert_ee_lab --> invert_ee_lab_projizierte_energieverbraeuche_nach_energietraegern
invert_ee_lab --> interface_1a4b_haushalte_rw_ww
invert_ee_lab --> data_datentabelle
invert_ee_lab --> invert_ee_lab_investitionen_energieeffizienz
invert_ee_lab --> data_instrumentenwirkung
invert_ee_lab_erneuerbare_energie_zeitreihe --> invert_ee_lab
invert_ee_lab_kosten_fuer_sanierungsmassnahmen --> invert_ee_lab
invert_ee_lab_zensus_bewohnte_wohnungen --> invert_ee_lab
invert_ee_lab_zensus_anzahl_wohnungen --> invert_ee_lab
invert_ee_lab_zensus_energietraeger_der_heizung --> invert_ee_lab
data_rahmendaten_gesamtbevoelkerung --> invert_ee_lab
invert_ee_lab_data_nwg_forschungsdatenbank_nichtwohngebaeude --> invert_ee_lab
invert_ee_lab_zensus_anzahl_beheizte_gebaeude --> invert_ee_lab
data_endverbrauchspreistabelle --> invert_ee_lab
invert_ee_lab_budget_beg --> invert_ee_lab

  2. Grafische Darstellung, die zeigt, wie sich das verbleibende Einspar- bzw. Optimierungspotenzial von Kosten über den Verlauf eines Projekts oder Lebenszyklus hinweg verringert, während die bereits festgelegten bzw. gebundenen Kosten zunehmen. ↩