Kältetechnik: Warum eine Investitionsrechnung auf probabilistischen Modellen beruhen sollte
Wenn Einzelhändler Investitionen in Kältetechnik bewerten, stützt sich die Analyse oft auf ein einfaches und simples Modell. Die Energiepreise werden zu den aktuellen Sätzen festgelegt, die prognostizierten Einsparungen werden als konstant angenommen, und die Amortisationszeit wird als eine einzige Zahl ausgedrückt. Oberflächlich betrachtet sieht dies zuverlässig aus, aber es spiegelt nicht wider, wie sich die Bedingungen in der Praxis ändern. Die Energiekosten schwanken, der Wartungsbedarf nimmt im Laufe der Zeit zu, und die Abläufe in den Geschäften variieren von Tag zu Tag. Wenn man sich auf feste Werte verlässt, werden diese Variablen ausgeblendet und können zu irreführenden oder schlecht informierten Schlussfolgerungen führen.
Die Monte-Carlo-Simulation stellt sich dieser Herausforderung. Anstatt ein einziges Ergebnis zu produzieren, werden Tausende von Szenarien in definierten Wahrscheinlichkeitsbereichen für jede Eingabevariable durchgespielt. Die Ergebnisse werden als Bandbreite von Ergebnissen mit den zugehörigen Wahrscheinlichkeiten und nicht als absolute Werte dargestellt. Dies ermöglicht eine nuanciertere Bewertung von Risiko und Rendite und passt das Investitionsmodell an die Unsicherheit an, mit der Einzelhändler tatsächlich konfrontiert sind.
Dieser Blog befasst sich mit der Frage, warum die probabilistische Modellierung eine bessere Grundlage für Investitionsentscheidungen in der Kältetechnik bietet, wie Monte-Carlo-Methoden in der Praxis funktionieren und welche Vorteile sie gegenüber Ein-Punkt-Ansätzen bieten.
Deterministische vs. probabilistische Modellierung bei Investitionen in die Kältetechnik
Die Risiken des Verlassens auf Ein-Punkt-Schätzungen. Die meisten Investitionsmodelle für Kältetechnik sind deterministisch. Sie gehen von einer Reihe fester Annahmen aus, wie z. B. dem Energiepreis, der Leistung der Kühlmöbel und den Wartungskosten, und berechnen ein einziges Ergebnis. Ein Modell kann aussagen, dass die Amortisationszeit eine bestimmte Anzahl von Jahren beträgt oder dass die Einsparungen über die gesamte Lebensdauer einen bestimmten Wert erreichen. Diese Ergebnisse erwecken den Anschein von Präzision, aber wenn sich die Energiepreise im Laufe der Zeit ändern oder wenn sich die Wartung als anspruchsvoller erweist, verlieren die Ergebnisse schnell jede Glaubwürdigkeit. Schlimmer noch, deterministische Modelle sind anfälliger für Eingabemanipulationen, um ein gewünschtes Ein-Punkt-Ergebnis zu erzielen.
Die probabilistische Modellierung behebt diese Schwäche. Anstatt sich auf feste Inputs zu verlassen, werden jeder Variablen Wahrscheinlichkeitsverteilungen zugewiesen. So können beispielsweise die Energiekosten als eine Spanne dargestellt werden, die regionale oder nachfragebedingte Preisschwankungen widerspiegelt. Inflationsindizes, Einführungszeitpunkte und Prognosen zur Kohlenstoffintensität im Angebot können auf die gleiche Weise modelliert werden. Mit Hilfe der Monte-Carlo-Methode werden Tausende von Simulationen durchgeführt, wobei die Eingabewerte nach dem Zufallsprinzip aus diesen Wahrscheinlichkeitsverteilungen gezogen werden, wodurch ein Spektrum von aggregierten Ergebnissen entsteht.
Das Ergebnis? Es handelt sich nicht um eine einzelne Zahl, sondern um ein Histogramm, das mögliche Ergebnisse mit den dazugehörigen Wahrscheinlichkeiten zeigt. In der nachstehenden Abbildung zeigen wir die Ergebnisbereiche für die Investitionsrendite, das Kosten-Nutzen-Verhältnis und die Kohlenstoffeinsparungen für eine Investition auf Speicherebene, die über einen Zeitraum von 10 Jahren modelliert wurde.
Die Ergebnisse können zum Beispiel eine zentrale Tendenz zu einer Einsparung von 173-183 Tonnen CO₂ zeigen, aber eine breite Spanne von hohen und niedrigen Ergebnissen. Mit diesem Ansatz kann der Investitionsausschuss beurteilen, wie wahrscheinlich es ist, dass eine Investition eine bestimmte Schwellenrate erreicht, oder wie groß die Bandbreite der Ergebnisse innerhalb eines Konfidenzintervalls von 95 % wäre.
Dieser Wechsel von deterministischen zu probabilistischen Methoden spiegelt wider, wie fortschrittliche Modellierung zunehmend von Aerofoil Energy und seinen Kunden bei technologischen Investitionsprogrammen eingesetzt werden.
Monte-Carlo-Simulation: Wie sie bei Investitionen in die Kältetechnik funktioniert
Monte-Carlo-Methoden verwenden probabilistische Techniken, um Ergebnisse auf der Grundlage wiederholter Zufallsstichproben zu erzeugen. Bei der Modellierung von Investitionen in die Kältetechnik wird sie eingesetzt, um ein Bild der langfristigen finanziellen und kohlenstoffbezogenen Auswirkungen des Technologieeinsatzes in Einzelhandelsunternehmen zu zeichnen.
Anstatt jede Eingabe als feste Annahme zu behandeln, stellt das Modell sie als Wahrscheinlichkeitsverteilungen dar, wobei in jedem Fall die Bandbreite der Werte erfasst wird, die jede Annahme während der Lebensdauer der Investition aufweisen könnte. Zu den Inputs gehören in der Regel:
Größe des Einzelhändlerbestands und Kühlmöbelmix: Anzahl der für die Aufrüstung vorgesehenen Geschäfte und Anteil der für den Einsatz geeigneten Kühlmöbel.
Zeitplan für die Einführung: schrittweise Nachrüstung bestehender Schränke und Einführung in neue oder renovierte Schränke im Laufe der Zeit, modelliert über die Nutzungsdauer der Geräte.
Basis-Energieverbrauch der Schränke: abgeleitet aus Daten der Ex-ante-Energieüberwachung.
Wahrscheinlichkeitsverteilung des Energieverbrauchs des Basisschranks, abgeleitet aus der Überwachung im Labor und in den Geschäften.
Energieeinsparungen: abgeleitet aus unabhängigen Labor- und In-Store-Messungen nach Einführung der Technologie.
Kohlenstoffintensität des Angebots: auf der Grundlage von Regierungs-, NRO- und akademischen Daten, wobei die Veränderungen im Laufe der Zeit mit Hilfe eines "Constrained Random Walk" modelliert werden.
Strompreise: geltende Branchentarife oder offengelegte Einzelhandelsverträge, die regionale oder bedarfsabhängige Unterschiede widerspiegeln.
Inflationsfaktoren: Energie-, Kapital- und Arbeitskosten, die so modelliert sind, dass sie die Konjunkturabhängigkeit und die gegenseitigen Abhängigkeiten widerspiegeln (z. B. Kapitalkosten und Energiekosten).
Eine mögliche Variation der Inflation im Laufe der Zeit, die auf einem "Random Walk" innerhalb periodischer Wirtschaftszyklen beruht.
Schematische Darstellung des probabilistischen Monte-Carlo-Modells. Zu den Eingaben gehörten die Größe der Einzelhandelsimmobilie, die Schranktypologie, die Verteilung der Energieeinsparungen, der Zeitpunkt der Einführung, die Kohlenstoffintensität des Angebots, die Einführungsraten, die Technologiekosten, die Strompreise und die Inflation.
Bei jeder Monte-Carlo-Simulation werden nach dem Zufallsprinzip Werte aus jeder dieser Eingangsverteilungen ausgewählt. In der Regel werden zwischen 8.000 und 10.000 Simulationen durchgeführt, um Ergebnisse zu generieren, die dann statistisch in Form eines Histogramms zusammengefasst oder zur Angabe einer Bandbreite von Ergebnissen innerhalb eines definierten Konfidenzintervalls verwendet werden können.
Für die Investitionsmodelle von Aerofoil Energy werden die aggregierten Ergebnisse als Wahrscheinlichkeitsverteilungen für ausgedrückt:
Vermeidete Kohlenstoffemissionen: auf Einzelhandels-, nationaler und regionaler Ebene.
Finanzielle Tragfähigkeit: der Investitionsfall, ausgedrückt in Geldwert, Rendite, Nutzen/Kosten-Verhältnis und Amortisationszeit.
Im nächsten Abschnitt zeigen wir ein reales Beispiel für die Anwendung von Monte-Carlo-Simulationsmethoden zur Bewertung der finanziellen und klimaschädlichen Auswirkungen von Kältetechnik bei großen internationalen Einzelhandelsunternehmen.
Fallstudie: Bewerbung für das Eliteprojekt
Aerofoil Energy wandte probabilistische Modelle für sein Elite-Projekt an, ein Forschungs- und Entwicklungsprogramm, das einen neuen Maßstab für die Kühleffizienz setzen soll. Ziel war es, die Auswirkungen der in der Entwicklung befindlichen Technologie auf den Kohlenstoffgehalt abzuschätzen.
Wie es gemacht wurde
Variablen wie der Energieverbrauch des Schaltschranks mit und ohne Technologie und die Kohlenstoffintensität des Netzes wurden modelliert, um inhärente Unsicherheiten und zeitliche Schwankungen zu berücksichtigen.
Der Technologieeinsatz wurde so modelliert, dass er sowohl schrittweise Nachrüstungen als auch die werkseitige Montage in neuen Schränken im Laufe der Zeit widerspiegelt.
Tausende von Iterationen wurden durchgeführt, um die wahrscheinliche Bandbreite von Kohlenstoffergebnissen zu berechnen.
Was sie zeigte
Die Ergebnisse wurden präsentiert, um zu zeigen, wie sich die vermiedenen Kohlendioxidemissionen im Laufe der Zeit verändern würden, wobei die schrittweise Einführung der Elite-Technologie gegen die allmähliche Entfernung von Kohlendioxid aus dem Stromerzeugungsmix eines Landes abgewogen wurde.
Im Vereinigten Königreich würde die Einführung der Elite-Technologie bei einer ausgewählten Gruppe von Lebensmittelhändlern über einen Zeitraum von 20 Jahren schätzungsweise 0,45 Millionen Tonnen CO₂ einsparen.
Zeitreihenausgabe, die die jährlichen vermiedenen Kohlenstoffemissionen durch die Einführung der Elite-Technologie im Vereinigten Königreich zeigt.
In Nordamerika betrug die potenzielle Wirkung 3,6 Millionen Tonnen vermiedenes CO₂, in Japan/Australien 1,75 Millionen Tonnen und in Europa 1,72 Millionen Tonnen.
Die Zeitreihenausgabe zeigt die jährlichen vermiedenen Kohlenstoffemissionen durch die Einführung der Elite-Technologie in den USA und Kanada. Es ist zu beachten, dass der weiterhin hohe Anteil fossiler Brennstoffe am Energiemix in der Region langfristig zu höheren CO2-Einsparungen durch die Elite-Technologie führt als im Vereinigten Königreich und in Europa.
Insgesamt wurden dadurch zwischen 6,8 und 8,1 Millionen Tonnen CO₂ vermieden.
Das Ergebnis
Seit dem Elite-Projekt hat Aerofoil Energy die probabilistische Modellierung in seine Standard-Business-Case-Bewertungen für Kunden eingebettet, so dass Einzelhändler einen vollständigen Überblick über die finanziellen und kohlenstoffbezogenen Auswirkungen erhalten. Durch die Kombination von technischem Fachwissen mit fortschrittlichen Finanzmodellen stärkt Aerofoil Energy die Glaubwürdigkeit von Geschäftsszenarien, die auf Vorstandsebene vorgelegt werden, und unterstützt so eine sichere und fundierte Entscheidungsfindung.
Erstellung von Investitionsszenarien, die der Realität entsprechen
Investitionen in die Kältetechnik können nicht auf der Grundlage fester Annahmen beurteilt werden. Die Energiekosten schwanken, das Betriebsverhalten ist unregelmäßig, und der Wartungsbedarf steigt mit dem Alter der Kühlmöbel. Deterministische Modelle komprimieren diese Variablen in einer einzigen Zahl, was den Anschein von Sicherheit erweckt, aber die Risiken verbirgt, die die langfristige Leistung beeinträchtigen.
Die probabilistische Modellierung bietet eine differenziertere Sichtweise. Durch die Anwendung von Monte-Carlo-Methoden zur Simulation Tausender möglicher Ergebnisszenarien wird sichergestellt, dass die Anlagestrategien auf Erkenntnissen beruhen, die sowohl die Variabilität als auch das Risiko erfassen. Dies gibt den Kunden die Gewissheit, dass ihre Entscheidungen auf den heutigen und zukünftigen Bedingungen beruhen.
Wenn Sie Ihre Kältestrategie überprüfen, kann unser Team Ihnen die Ergebnisse der probabilistischen Modellierung und Fallbeispiele vorstellen, die führende Einzelhändler bereits als Entscheidungsgrundlage verwenden. Nehmen Sie Kontakt auf.
Lesen Sie weiter: