Energiekonzepte unter Paragrafen
Wie regulatorische Rahmenbedingungen dezentrale Stromlösungen prägen – ein Use Case mit berta & rudi
Die Auslegung dezentraler Energiesysteme ist längst keine rein technische Optimierungsaufgabe mehr. Wer heute Photovoltaik, Batteriespeicher oder flexible Verbraucher für Industrieunternehmen plant, muss nicht nur Erzeugungsprofile, Lastgänge und Investitionskosten verstehen. Genauso entscheidend sind Strombeschaffung, Netzentgelte, Förderlogiken und energierechtliche Einschränkungen.
Der folgende Use Case zeigt, warum der Unterschied zwischen einer naiven und einer realitätsnahen Modellierung schnell mehrere hunderttausend Euro pro Jahr ausmachen kann und warum Energierecht direkt über Investitionsentscheidungen entscheidet.
Use-Case: Industrieller Großverbraucher unter Transformationsdruck
Als Best‑Practice‑Beispiel betrachten wir einen klassischen industriellen Großverbraucher:
- Jahresstrombedarf: 23 GWh
- Bisheriger Strompreis: 16,6 ct/kWh
- Jährliche Annuität ohne Optimierung: ~5,1 Mio. €/a
- Zielsetzung: Investition in erneuerbare Stromerzeugung zur Verbesserung der Wirtschaftlichkeit
- Potenziale: Freiflächen‑Photovoltaik und Batteriespeicher
Auf den ersten Blick scheint die Lösung trivial: Eigenerzeugung ersetzt teuren Netzstrom, sprich die Kosten sinken. Doch genau hier beginnt das eigentliche Problem.
Die naive Modellierung: technisch korrekt, wirtschaftlich trügerisch
Physikalische Bedeutung: Warum Wärme nie vollständig nutzbar ist
In der vereinfachten Modellierung wurden typische Marktwerte als Ausgangsbasis verwendet: Der Strombezugspreis von 16,60 ct/kWh basiert auf veröffentlichten Durchschnittswerten für industrielle Stromkosten, wie sie beispielsweise von der Bundesnetzagentur (BNetzA) für Unternehmen ohne individuelle Entlastungen ausgewiesen werden.
Schaut man auf die Seite der Bundesnetzagentur (BNetzA), so lässt sich folgende Tabelle zur Ermittlung des anzulegenden Wertes finden. Da es sich bei der PV-Anlage nicht um eine Anlage an einem Gebäude oder einer Lärmschutzwand handelt, wurde für den anzulegende Wert, der Wert für „Sonstige Anlagen“ gewählt. Für die Einspeisung wurde somit eine pauschale Vergütung von 6,66 ct/kWh angenommen.
Diese Annahmen sind technisch plausibel, greifen jedoch zu kurz, wenn reale Markt- und Fördermechanismen berücksichtigt werden.
In der vereinfachten Modellierung in berta & rudi ergibt sich folgendes Bild:
Das Ergebnis:
- PV + Speicher senken die Annuität von rund 5,1 Mio. € auf 3,9 Mio. € pro Jahr
- Einsparung: ca. 25 %
Auf den ersten Blick ist das ein gutes Ergebnis. Allerdings ignoriert diese Modellierung zentrale reale Einflussfaktoren. Insbesondere regulatorische und marktwirtschaftliche Mechanismen.
Warum Energierecht den Unterschied macht
Das Energierecht in Deutschland umfasst inzwischen über 15.000 Rechtsnormen. Viele davon wirken direkt oder indirekt auf die Wirtschaftlichkeit von Energiesystemen, unabhängig von der Technik.
Im Use Case haben wir drei zentrale Themen identifiziert:
- Strompreiszusammensetzung
- Fördermechanik von PV-Strom
- Geschäftsmodelle für Batteriespeicher
1. Strompreiszusammensetzung
Warum 16,6 ct/kWh keine Modellierungsgrundlage bieten.
Im Alltag wird Strom häufig als fixer Arbeitspreis betrachtet. In der Realität setzt sich der Strompreis jedoch aus mehreren Komponenten zusammen:
- Beschaffungskosten (variabel, z. B. Day‑Ahead‑Preis)
- Netzentgelte, inklusive Leistungspreis (€/kW)
- Steuern, Abgaben und Umlagen (Stromsteuer, KWKG‑Umlage, Offshore‑Netzumlage etc.)
Besonders relevant ist der Unterschied zwischen Arbeits- und Leistungspreis. Der Arbeitspreis hängt vom Energiebezug in Kilowattstunden ab. Der Leistungspreis hingegen richtet sich nach der höchsten jährlichen Lastspitze in Kilowatt.
Damit entsteht ein völlig anderer Optimierungsanreiz: Es geht nicht nur darum, möglichst viele Kilowattstunden durch PV-Strom zu ersetzen. Es geht auch darum, teure Lastspitzen zu vermeiden.
Dynamische Preise verändern die Systemlogik
Kurzer Exkurs zum Day-Ahead: Im Use Case wird die Beschaffung realitätsnäher über Day-Ahead-Preise abgebildet. Diese schwanken im Jahresverlauf erheblich.
Wird dies korrekt in berta & rudi abgebildet, ändern sich die Ergebnisse deutlich:
| Szenario | Ergebnis |
| Naive Modellierung | PV + Speicher: 10 MWh Batterie |
| Korrekte Stromkosten | PV + Speicher: 15 MWh Batterie |
Der Speicher wächst, weil er nun zwei Aufgaben erfüllt:
- Preis-Arbitrage bei variablen Strompreisen
- Lastspitzenkappung zur Reduktion des Leistungspreises
Diese Effekte werden in berta & rudi automatisch optimiert, sobald die Rahmenbedingungen korrekt hinterlegt sind (siehe untenstehenden Screenshot aus berta & rudi).
Weitere Informationen und Vertiefungen zum Day-Ahead-Strompreis finden Sie hier.
Korrekte Modellierung: Stromkosten
Die realistischere Stromkostenmodellierung deckt ein weiteres wichtiges Modellierungsproblem auf: unzulässige Kreisflüsse.
Wenn Strom im Modell zu niedrigen Kosten bezogen und gleichzeitig zu einem fixen höheren Preis eingespeist werden kann, entsteht theoretisch ein Arbitragegeschäft: Strom einkaufen, direkt wieder verkaufen, Marge erzielen.
In der Realität ist das physikalisch und regulatorisch so nicht zulässig. Das Modell muss daher entweder dynamische Preise auch auf der Einspeiseseite berücksichtigen oder die Topologie so aufbauen, dass solche Kreisflüsse ausgeschlossen sind.
Genau solche Details zeigen, warum Energiesystemmodellierung nicht nur aus Komponenten und Kostenparametern besteht. Die Struktur des Modells entscheidet darüber, ob Ergebnisse plausibel oder irreführend sind.
Der Vergleich der Annuitäten zeigt deutlich den Einfluss der Modellierungstiefe: Während die naive Modellierung durch PV und Speicher eine starke Reduktion von 5,11 Mio. € auf 3,89 Mio. € suggeriert, fällt die Einsparung bei realitätsnaher Berücksichtigung der Stromkosten deutlich geringer aus – ohne PV steigt die Annuität zunächst auf 5,14 Mio. €, mit PV reduziert sie sich auf 4,63 Mio. € und erst durch die Kombination aus PV und Speicher wird mit 4,14 Mio. € wieder ein spürbarer wirtschaftlicher Vorteil erreicht.
2. Fördermechaniken von PV-Strom
Der zweite große Korrekturfaktor betrifft die PV-Vergütung.
In der naiven Modellierung wurde angenommen, dass die PV-Anlage jederzeit eine konstante Einspeisevergütung von 6,66 ct/kWh erhält. Für große Anlagen ist diese Annahme jedoch nicht korrekt.
Für Anlagen über 100 kW gilt die Direktvermarktungspflicht. Für Anlagen über 1 MW kommt zusätzlich das Ausschreibungssystem hinzu. Der Betreiber erhält also nicht einfach einen dauerhaft fixen Einspeisetarif, sondern muss die Erlöse aus Marktvermarktung und Marktprämie korrekt abbilden.
Die Förderlogik besteht vereinfacht aus:
- dem anzulegenden Wert aus der Ausschreibung,
- dem Jahresmarktwert,
- der Marktprämie,
- dem realen Markterlös über den Direktvermarkter.
Im Use Case wird angenommen:
- Ausschreibungsergebnis: 5,000 ct/kWh
- Jahresmarktwert: 4,508 ct/kWh
- daraus resultierende Marktprämie: 0,492 ct/kWh
Der Markterlös selbst folgt jedoch dem Day-Ahead-Preis.
Negative Strompreise und Eigenverbrauch verändern die Erlöslogik
Besonderheiten:
- Die Marktprämie kann nicht negativ werden, es müssen keine Strafzahlungen bei zu guten Markterlösen gezahlt werden (Anlage 1 Nr. 3.1.2 EEG)
- Zu Zeiten negativer Strompreise am Day-Ahead wird keine Marktprämie ausgezahlt (§ 51 Abs. 1 EEG)
- Förderung gibt es nur für ins Netz eingespeisten Strom (§ 20 Abs. 1 EEG i.V.m. § 3 Nr. 16 EEG)
- Förderung wird auch für Strom gezahlt, der vor der Einspeisung zwischengespeichert wurde (§ 19 Abs. 3a EEG).
Damit ergibt sich für die Einspeiseseite im Modell eine Formel:
IF( Day-Ahead > 0 ; 0,492 ct/kWh + Day-Ahead ; Day-Ahead )
Wenn der Day-Ahead-Preis positiv ist: Einspeiseerlös = Day-Ahead + Marktprämie
Wenn der Day-Ahead-Preis negativ ist: Einspeiseerlös = Day-Ahead ohne Marktprämie
Diese Logik ist entscheidend. Denn der Speicher wird dadurch nicht nur ein Instrument zur Eigenverbrauchsoptimierung, sondern auch zur wertorientierten Vermarktung von PV-Strom.
Das Ergebnis: Der Speicher wird noch wichtiger:
Ohne Speicher fällt die optimale PV-Anlage kleiner aus. Mit Speicher wird wieder eine größere PV-Anlage wirtschaftlich, gleichzeitig wächst die Batterie auf 23 MWh.
Der Grund: Der Speicher kann PV-Strom in Stunden mit niedrigen oder negativen Erlösen aufnehmen und später zu besseren Marktbedingungen einspeisen. Dadurch sinkt zwar nicht zwingend die gesamte Annuität unter das naive Ergebnis, aber die Erlösqualität steigt deutlich.
Der Speicher wird nicht größer, weil „mehr Speicher immer besser“ ist. Er wird größer, weil die reale Markt- und Förderlogik neue wirtschaftliche Betriebsstrategien ermöglicht.
3. Geschäftsmodelle für Batteriespeicher
Die Abbildung zeigt exemplarisch den Verlauf von Day-Ahead-Strompreisen über einen Tagesverlauf. Deutlich erkennbar sind die typischen Preisschwankungen: niedrige Preise in den Nachtstunden, ein starker Anstieg am Morgen, ein Zwischenplateau zur Mittagszeit sowie ein erneuter Preishöhepunkt am späten Nachmittag.
Die grün markierten Bereiche verdeutlichen die zentralen wirtschaftlichen Potenziale, die sich aus diesen Preisdifferenzen ergeben.
In den frühen Morgenstunden liegen die Strompreise auf einem niedrigen Niveau. Diese Phasen eignen sich ideal für den gezielten Strombezug, beispielsweise zum Laden von Batteriespeichern. Im weiteren Tagesverlauf steigen die Preise deutlich an. Genau hier entsteht der wirtschaftliche Hebel: Energie, die zuvor günstig bezogen oder erzeugt wurde, kann nun entweder zur Deckung des Eigenbedarfs genutzt oder zu höheren Preisen vermarktet werden.
Besonders relevant sind dabei die ausgeprägten Preisspreizungen zwischen Niedrig- und Hochpreisphasen. Die vertikalen Pfeile im Diagramm verdeutlichen diese Differenzen und damit das Arbitragepotenzial. Je größer diese Spreizung ausfällt, desto attraktiver wird der Einsatz von Flexibilitätsoptionen wie Batteriespeichern.
Gleichzeitig zeigt die Grafik, dass sich diese Potenziale nicht gleichmäßig über den Tag verteilen. Wirtschaftliche Optimierung bedeutet daher nicht nur, Energie zu erzeugen oder zu speichern, sondern den Betrieb gezielt an den zeitlich variierenden Marktpreisen auszurichten.
Für die Modellierung von Energiesystemen hat das direkte Konsequenzen:
Erst durch die Integration solcher dynamischen Preisverläufe lassen sich reale Geschäftsmodelle wie Preis-Arbitrage oder Lastverschiebung korrekt bewerten. Statische Strompreise hingegen würden diese Effekte vollständig ausblenden und damit zentrale wirtschaftliche Potenziale unberücksichtigt lassen.
Grundsätzlich lassen sich zwei Arbitrage-Modelle unterscheiden: Wichtig ist dabei: In der Praxis muss sich in Kombination mit einer PV-Anlage in der geförderten Direktvermarktung für eines der Modelle entschieden werden, da eine gleichzeitige Nutzung aktuell regulatorisch nicht zulässig ist.
- Einspeisearbitrage: Der nicht lokal genutzte PV-Strom wird zu billigen Stunden in der Batterie gespeichert und zu teuren Stunden ins Netz eingespeist.
- Bezugsarbitrage: Netzstrom wird zu billigen Stunden in der Batterie gespeichert und zu teuren Stunden für den lokalen Bedarf genutzt.
Beide Modelle sind energiewirtschaftlich plausibel. Das Problem liegt in der regulatorischen Abgrenzung.
Wenn PV-Strom und Netzstrom im selben Speicher vermischt werden, lässt sich nicht mehr eindeutig bestimmen, welcher Strom später eingespeist wird. Für die EEG-Förderung ist diese Herkunft aber entscheidend. Deshalb muss in der Modellierung sauber zwischen Einspeise-Arbitrage und Bezugs-Arbitrage unterschieden werden.
Im betrachteten Use Case ergeben sich folgende Ergebnisse:
In diesem konkreten Fall ist die Einspeise-Arbitrage wirtschaftlich vorteilhafter.
Wichtig ist jedoch: Dieses Ergebnis ist projektspezifisch. Je nach Lastgang, PV-Erzeugung, Strombeschaffung, Netzentgelten, Förderstatus und Flexibilität im Betrieb kann sich die Entscheidung anders darstellen.
Genau deshalb ist eine pauschale Aussage wie „Batteriespeicher lohnen sich immer für Arbitrage“ fachlich zu kurz gegriffen. Entscheidend ist, welches Geschäftsmodell regulatorisch zulässig und wirtschaftlich optimal ist.
Gesamtergebnis: Realistische Modelle führen zu besseren Entscheidungen
Der Vergleich zwischen naiver und realitätsnaher Modellierung zeigt den eigentlichen Mehrwert des Use Cases:
Die realitätsnahe Modellierung führt also nicht zu einer schöneren Wirtschaftlichkeit. Im Gegenteil: Sie zeigt, dass die ursprüngliche Rechnung zu optimistisch war. Und genau darin liegt der Wert.
Denn Investitionsentscheidungen brauchen keine maximal attraktiven Modellwerte. Sie brauchen belastbare Ergebnisse, die technische, wirtschaftliche und rechtliche Realität abbilden.
Fazit: Digitale Zwillinge müssen Energierecht mitdenken
Der Use Case zeigt deutlich: Ein digitales Energiemodell ist nur dann entscheidungsfähig, wenn es mehr kann als technische Komponenten zu dimensionieren. Es muss gleichzeitig folgende Dinge abbilden:
- physikalische Energieflüsse,
- volatile Strombeschaffung,
- Netzentgelte und Leistungspreise,
- EEG-Fördermechaniken,
- Direktvermarktung,
- Speicherrestriktionen,
- zulässige Geschäftsmodelle,
- projektspezifische Optimierungslogiken.
Mit berta & rudi lassen sich solche Systeme realitätsnah modellieren. Lupix Energy ergänzt diese technische Modellierungsfähigkeit durch energiewirtschaftliches und energierechtliches Know-how.
So entstehen digitale Zwillinge, die nicht nur zeigen, was technisch möglich ist, sondern auch, was regulatorisch zulässig, wirtschaftlich sinnvoll und investitionsfähig ist.
Jetzt beraten lassen!
Kontaktieren Sie uns für ein unverbindliches Erstgespräch, in dem wir über Ihre Projekte sprechen und wie wir Sie unterstützen können.
Erstgespräch mit Lupix Energy
Lernen Sie uns kennen und gehen Sie mit uns in den Austausch!
Den Use Case im Video ansehen
Sie möchten tiefer in den gezeigten Use Case eintauchen und nachvollziehen, wie sich die einzelnen Modellierungsentscheidungen konkret auf die Ergebnisse auswirken?
Im folgenden Vortrag zeigt Dr.-Ing. Lucas Schmeling, wie sich regulatorische Rahmenbedingungen, Strompreislogiken und Speicherstrategien auf die Auslegung und Wirtschaftlichkeit eines Energiesystems auswirken.
Erfahren Sie, wie sich naive und realitätsnahe Modellierung unterscheiden, welche Rolle dynamische Strompreise spielen und warum Energierecht entscheidend für Investitionsentscheidungen ist.
Sehen Sie sich hier den vollständigen Vortrag im Video an.