SFB/TR 391
Daten zur Energie- und Mobilitätswende zu modellieren
Dank der Digitalisierung stehen immer mehr Daten zur Verfügung. Hieraus verlässliche Vorhersagen für den Energie- und Transportsektor abzuleiten, ist Ziel des Verbundes.
Um die Klimaziele zu erreichen, muss der Einsatz fossiler Brennstoffe reduziert werden, sowohl bei der Erzeugung von Strom und Wärme als auch im Verkehrswesen. Damit Maßnahmen zur Reduktion des CO2-Ausstoßes auf breite Akzeptanz in der Bevölkerung treffen, müssen die positiven Aspekte mögliche negative Auswirkungen – etwa auf die Beschäftigung, die Mobilität oder den Wohlstand – aufwiegen. Daher sollten politische Entscheidungen nach Möglichkeit auf der Grundlage solider empirischer Erkenntnisse getroffen werden und deren Auswirkungen auf den Alltag der Menschen und auf die ganze Volkswirtschaft genau abgeschätzt werden.
Hier setzt der Sonderforschungsbereich/Transregio 391 „Spatio-temporal Statistics for the Transition of Energy and Transport“ an: Dank der zunehmenden Digitalisierung stehen immer mehr Daten zur Verfügung, die automatisch an unterschiedlichen Orten und zu verschiedenen Zeiten gesammelt werden. Um hieraus relevante und verlässliche Vorhersagen für den Energie- und Transportsektor abzuleiten, werden die beteiligten Wissenschaftler*innen innovative statistische Methoden für solche räumlich-zeitlichen Daten entwickeln und zu deren Analyse einsetzen. Die entwickelten Methoden sollen später auch auf andere Sektoren übertragbar sein.
Sprecherhochschule ist die TU-Dortmund; Ko-Sprecher an der Ruhr-Universität Bochum ist Prof. Dr. Holger Dette vom Lehrstuhl Stochastik, Fakultät für Mathematik. Weitere Partner sind Universität Duisburg-Essen, Fachhochschule Dortmund, das Karlsruher Institut für Technologie, die Universität Hamburg, die Universität Münster und das RWI-Leibniz-Institut für Wirtschaftsförderung.
