Warum werden manche Technologien im Laufe der Zeit deutlich günstiger, während andere hartnäckig teuer bleiben? Das Verständnis dieser Frage ist entscheidend für Entscheidungen in der Energie-, Klima- und Innovationspolitik. Das Konzept des technologischen Lernens bietet einen leistungsstarken Rahmen, um langfristige Kostensenkungen zu erklären und die zukünftige Wettbewerbsfähigkeit neuer Technologien vorherzusagen. In diesem Artikel untersuchen wir, was Lernraten sind, warum sie sich je nach Technologie unterscheiden, wie sie Investitionsentscheidungen leiten können und welche der häufigsten Missverständnisse im Zusammenhang mit ihrer Anwendung bestehen.
Was bedeutet ‘Lernen’ im Zusammenhang mit Technologien?
Die Lernrate einer Technologie gibt an, um wie viel sich die Stückkosten einer Technologie bei jeder Verdopplung der kumulierten Produktion verringern. Eine Lernrate von 20% bedeutet, dass jede Verdopplung der kumulierten Produktion mit einer Kostensenkung um 20% einhergeht. Verschiedene Technologien weisen sehr unterschiedliche Lernraten. Die Photovoltaik (PV) hat eine Lernkurve von etwa 231 % verzeichnet, wobei die Preise gesunken sind um mehr als 99%, von $100 pro Watt auf weniger als $0,25 pro Watt zwischen 1976 und 2026. Auch Lithium-Ionen-Batterien weisen eine hohe Lernrate von 201 TP3T auf. Onshore-Windenergie liegt bei etwa 121 TP3T, während die Kosten für Kernkraftwerke seit Beginn der Aufzeichnungen weitgehend unverändert geblieben sind und somit eine Lernrate von nahezu 01 TP3T aufweisen.
Der Begriff “Lernen” in der Lernkurve leitet sich aus dem Phänomen des “Learning-by-doing” ab: Je öfter wir eine Aufgabe ausführen oder etwas herstellen, desto effizienter werden wir, was im Laufe der Zeit zu geringeren Kosten führt. Diese schrittweisen Verbesserungen führen wiederum zu langfristigen Kostensenkungen. Dies steht im Gegensatz zu Kostenverbesserungen, die mit neuen Erfindungen oder technologischen Durchbrüchen einhergehen. Das Phänomen des „Lernens“ wurde am bekanntesten für den Flugzeugbau dokumentiert Im Jahr 1936 wurden erstmals die Produktionskosten von Flugzeugen gegen deren kumulierte Produktionsmenge aufgetragen, wodurch der Begriff ’Wright’s Law‘ geprägt wurde. Solche Kurven, die die Kosten gegen die kumulierte Produktionsmenge darstellen, sind heute als ’Lernkurven‘ für Technologien bekannt. Es ist auch erwähnenswert, dass ’Erfahrungsraten‘ und ’Erfahrungskurven‘ in diesem Bereich häufig als Synonyme verwendet werden.
Was bestimmt die Lernraten?
Die gängigste Methode zur Ermittlung von Lernraten für Kostenprognosen bestand bislang darin, historische Kostendaten an eine Lernkurve für einzelne Technologien anzupassen. Alternativ können Experten gebeten werden, die Technologiekosten zu prognostizieren. Dies hat jedoch sich als weniger zuverlässig erwiesen hat als die Verwendung von Lernraten. Wie lassen sich also Lernraten für Technologien in der Frühphase ermitteln, wenn keine historischen Kostendaten zur Schätzung einer Lernkurve vorliegen?
Die aktuelle Literatur zum Thema Innovation zeigt einen Weg in die Zukunft auf: Malhotra & Schmidt entwickelte eine Technologietypologie, die Technologien anhand ihrer inhärenten Merkmale – Konstruktionskomplexität und Anpassungsbedarf – klassifiziert und aufzeigt, dass komplexere und stärker angepasste Technologien einen langsameren Lernprozess aufweisen (siehe Abb. 1). Weitere Studien haben zudem gezeigt, dass Technologien mit größeren Baugrößen geringere Lernraten aufweisen. Basierend auf diesen Theorien weisen Technologien in der Frühphase, wie beispielsweise direkte Luftabscheidung (DAC)-Technologien und Fusionsenergie, … wurden hinsichtlich ihrer inhärenten Eigenschaften untersucht, um eine wahrscheinliche Lernrate zu ermitteln. Aber warum interessieren uns Lernraten?
Warum es wichtig ist, die Lernraten richtig zu wählen
Stellen Sie sich einen politischen Entscheidungsträger vor, der heute zwischen zwei neuartigen sauberen Technologien wählen muss, in die er investieren möchte. Technologie A ist heute günstiger, doch erste Anzeichen deuten auf eine geringe Lernkurve hin. Technologie B ist heute teuer, wird aber wahrscheinlich eine hohe Lernkurve aufweisen. Wenn der politische Entscheidungsträger sich aufgrund der derzeit höheren Kosten gegen eine Investition in B entscheiden würde, könnte B seine Lernkurve nicht durchlaufen und somit nicht wesentlich billiger als A werden. Eine Unterschätzung der Lernkurve von B hätte dazu geführt, dass langfristige Ineffizienz zugunsten kurzfristiger Effizienz geopfert worden wäre.
Dieses Szenario ist nicht nur hypothetisch. Jahrzehntelang galt die Photovoltaik aufgrund ihrer hohen Kosten als Nischenenergiequelle. Dennoch förderte Deutschland den frühzeitigen Ausbau durch Einspeisevergütungen, vor allem aus Gründen der Energiesicherheit und zur Erreichung klimapolitischer Ziele. China hat die Branche dann massiv ausgebaut. Infolgedessen ist Solar-PV heute eine der weltweit günstigsten Stromquellen. Dies unterstreicht, wie wichtig es ist, Lernraten genau zu verstehen: Bei Solar-PV wurden sie anfangs weitgehend unterschätzt. Mit genauen Schätzungen der Lernkurven könnten wir die nächste ‘Solar-PV’ mit hohen Lernkurven identifizieren, um den Einsatz durch politische Maßnahmen voranzutreiben und langfristige Kosteneinsparungen zu erzielen. Ebenso könnten wir jede Technologie identifizieren, auf die wir uns heute festlegen, die aber nur als ‘Technologie A’ mit niedrigen Lernkurven bestehen bleiben wird.
Missverständnisse und Unklarheiten bezüglich der Lernraten
Als Forscher auf dem Gebiet des technologischen Lernens sind wir auf einige weit verbreitete Missverständnisse bezüglich der Lernrate gestoßen, die wir in diesem Blogbeitrag ausräumen möchten.
Ein weit verbreitetes Missverständnis ist zunächst einmal, dass Kostensenkungen durch Lernprozesse einfach mit der Zeit eintreten. Kostensenkungen ergeben sich jedoch eher im Laufe der Produktion als im Laufe der Zeit. Ohne politische Maßnahmen oder eine Marktnachfrage, die die Produktion ankurbeln, stagnieren die Kosten. Als beispielsweise prognostiziert wurde, dass die Kosten für DAC-Technologien auf etwa $350/CO2t, Einige Leser kamen zu dem Schluss, dass dies zu gegebener Zeit einfach die Kosten sein würden. Es ist jedoch wichtig zu bedenken, dass diese prognostizierten Kosten von einer 2.000-fachen Steigerung der kumulierten Produktion abhängen und dass auch dafür jemand investieren muss.
Zweitens sind Lernraten ein langfristiges Instrument und eignen sich nicht gut für kurzfristige Prognosen. So stiegen beispielsweise im Jahr 2021 die Preise für Lithium-Ionen-Batterien aufgrund einer Lithiumknappheit und eines sprunghaften Anstiegs der Lithiumpreise kurzzeitig an. Einige behaupteten, dass die Die Lernmechanismen waren gestört, dass die Preise nun ihren Tiefpunkt erreicht hätten und Elektrofahrzeuge daher niemals in direkter Konkurrenz zu Verbrennungsmotoren treten würden. Diese Pessimisten wurden jedoch schnell Lügen gestraft, und in den letzten Jahren hat sich der Lernprozess unvermindert fortgesetzt, ohne dass ein Ende abzusehen ist. Manchen erscheint es unvorstellbar, dass bei neuen Technologien noch Kostensenkungen möglich sind, wenn die Kosten bereits so niedrig geworden sind. Dieses Muster ist jedoch im Konzept der Lernrate verankert: Solange die Produktion exponentiell wächst, wie es bei Solarmodulen und Batterien zu erwarten ist, werden die Kosten kontinuierlich sinken. Daher gehen wir davon aus, dass ihre Kosten weiter sinken werden.
Auch wenn wir zuversichtlich sind, diese verbreiteten Missverständnisse ausräumen zu können, bleiben viele zentrale Fragen zum technologischen Lernen unbeantwortet. Gibt es beispielsweise Technologien, bei denen Kostensenkungen nur in einem lokalen Kontext (innerhalb eines Landes, einer Region usw.) stattfinden? Wenn ja, warum und wie können wir diesen spezifischen Umfang bestimmen? Wie lassen sich die technologischen Merkmale der Designkomplexität und des Anpassungsbedarfs am besten messen? Diese Themen werden möglicherweise (oder auch nicht) in zukünftigen Blogbeiträgen behandelt, also bleiben Sie dran!
Hoffentlich werden nachhaltige Technologien immer kostengünstiger, während sozial oder ökologisch schädliche Technologien unwirtschaftlich bleiben. – Im Fall von Photovoltaik versus Kernkraft scheint dieser Mechanismus zu funktionieren. In anderen Fällen wäre es die Aufgabe der Ökonomen, dafür zu sorgen, dass er funktioniert! Die Preisgestaltung sollte nicht nur eine Frage wirtschaftlicher Prinzipien sein, sondern muss auch soziale und ökologische Aspekte widerspiegeln.
In der Tat muss die Bewertung von Technologien ganzheitlich erfolgen! Ob die Preisbildung auf dem freien Markt eine solche ganzheitliche Bewertung leisten kann, ist eine andere Frage. Ich kann jedoch Folgendes sagen: Lernkurven wurden bisher nicht nur für Preise herangezogen; in einigen Studien wurden sie auch auf andere Kennzahlen wie Effizienz, Emissionen usw. angewendet. Leider gibt es nach wie vor nur wenige Studien zu solch einem ‘nicht preisbezogenen Lernen’.