0:04 → 0:07
SpeakerForschungsfrage.
0:08 → 0:17
SpeakerIn unserer Studie untersuchen wir, ob der Energieverbrauch in Haushalten sinkt, wenn sie besser informiert werden. Ich möchte Ihnen ein Beispiel geben, warum dies der Fall sein könnte.
0:17 → 0:23
SpeakerVielleicht möchten Sie den Energieverbrauch in Ihrem Haushalt senken, wissen aber nicht, wie.
0:23 → 0:33
SpeakerZum Beispiel, weil Sie die Energieintensität der einzelnen Geräte nicht kennen. Diese fehlenden Informationen können Sie hindern, Entscheidungen zu treffen, die Ihren Energieverbrauch senken würden.
0:33 → 0:39
SpeakerUnsere Forschungsfrage bezieht sich auf zwei wichtige Entwicklungen. Die erste ist der Klimawandel.
0:39 → 0:49
SpeakerDer Klimawandel entsteht durch CO2-Emissionen, die mit dem Energieverbrauch einhergehen. Daher ist es wichtig, Mittel zu finden, die den Energieverbrauch senken.
0:49 → 0:53
SpeakerUnd zweitens, die Entwicklung von Informations- und Kommunikationstechnologien.
0:53 → 1:06
SpeakerInformations- und Kommunikationstechnologien wie das Internet sind heute weit verbreitet und ermöglichen es den Haushalten, sich leicht über die Folgen ihres Verhaltens zu informieren, vor allem über ihren Energieverbrauch.
1:06 → 1:17
SpeakerUnsere Studie geht der Frage nach, wie diese neuen Technologien den Haushalten helfen, ihren Energieverbrauch zu senken. Und diese Frage ist auch aus politischer Sicht wichtig.
1:17 → 1:26
SpeakerDie politischen Entscheidungsträger in der Europäischen Union, aber auch in den USA, haben beschlossen, intelligente Stromzähler in nahezu allen Haushalten einzuführen.
1:26 → 1:36
SpeakerDiese intelligenten Stromzähler sind eine Technologie, die den Haushalten ein Feedback über ihren Stromverbrauch gibt. Dieses Feedback kann in zwei Formen erfolgen.
1:36 → 1:45
SpeakerErstens kann es aggregiert sein, also den gesamten Haushaltsverbrauch umfassen. Zweitens kann es disaggregiert sein, also auf die einzelnen Geräte bezogen sein.
1:45 → 1:55
SpeakerFrühere Studien haben gezeigt, dass aggregiertes Feedback eher ineffektiv ist. Für disaggregiertes Feedback, also Feedback auf Geräteebene, gibt es bisher noch keine Erkenntnisse.
1:55 → 1:59
SpeakerUnsere Studie soll diese Erkenntnisse liefern.
2:00 → 2:02
SpeakerMethode.
2:03 → 2:10
SpeakerIn unserer Studie sind wir also an zwei Dingen interessiert. Erstens an der kausalen Wirkung von Informationen auf Geräteebene.
2:10 → 2:21
SpeakerUnd zweitens an der Entwicklung einer Methode zur Kosten-Nutzen-Analyse, die auch die Fehleinschätzungen der Verbraucher berücksichtigt.
2:21 → 2:29
SpeakerUm den kausalen Effekt von Feedback auf Geräteebene zu ermitteln, führten wir eine randomisierte Kontrollstudie mit 700 Teilnehmern durch.
2:29 → 2:37
SpeakerIn dieser randomisierten Kontrollstudie erhielten die Teilnehmer der Kontrollgruppe aggregiertes Feedback über eine Smartphone-App.
2:37 → 2:44
SpeakerSie konnten also einfach auf die Smartphone-App zugreifen und sehen, wie viel Strom sie gerade insgesamt verbrauchen.
2:44 → 2:54
SpeakerIn der Behandlungsgruppe gab es eine zusätzliche Funktion. Die Teilnehmer konnten nämlich auch den Verbrauch der größten Haushaltsgeräte abrufen.
2:54 → 3:01
SpeakerDiese Informationen sind viel detaillierter und helfen ihnen, mehr über ihren Stromverbrauch zu erfahren.
3:01 → 3:14
SpeakerDa die Zuteilung zur Behandlungsgruppe zufällig erfolgte, können wir nun einfach die durchschnittlichen Ergebnisse in der Behandlungs- und in der Kontrollgruppe vergleichen, um den kausalen Effekt der Informationen auf Geräteebene auf den Stromverbrauch zu ermitteln.
3:14 → 3:26
SpeakerUnser Ergebnis ist also der Strom, den ein Haushalt verbraucht, und dieses Ergebnis haben wir etwa sechs Monate lang beobachtet. Was die Theorie anbelangt, so entwickeln wir eine neuartige Methode zur Kosten-Nutzen-Analyse.
3:26 → 3:39
SpeakerDie derzeitige Methode der Kosten-Nutzen-Analyse, die zur Begründung des Einsatzes intelligenter Stromzähler verwendet wird, geht davon aus, dass der Nutzen für die Verbraucher nur in Höhe ihrer Kosteneinsparungen liegt.
3:39 → 3:47
SpeakerWir zeigen, dass dies nicht stimmt, wenn die Verbraucher die Stromintensität der einzelnen Geräte falsch einschätzen.
3:47 → 3:55
SpeakerUnd wir passen die Kosten-Nutzen-Methode an diese Fehleinschätzungen an, wodurch wir den Nutzen im Rahmen unseres Modells berechnen können.
3:55 → 3:58
SpeakerErgebnisse.
3:58 → 4:09
SpeakerUnsere Studie ergab, dass Haushalte, die Feedback auf Geräteebene erhalten, ihren Stromverbrauch im Vergleich zu Haushalten, die nur aggregiertes Feedback erhalten, um etwa 5% senken konnten.
4:09 → 4:19
SpeakerDiese Zahl ist sehr hoch im Vergleich zu den Ergebnissen, die bisher für aggregiertes Feedback gewonnen wurden. Studien haben gezeigt, dass diese Senkung bei aggregiertem Feedback nur etwa 1 bis 5% beträgt.
4:19 → 4:26
SpeakerDas zeigt also, dass zusätzliches Feedback auf Geräteebene die Wirkung von intelligenten Zählern mehr als verdoppelt.
4:26 → 4:34
SpeakerWir stellten auch fest, dass die Haushalte in der Kontrollgruppe ihren Stromverbrauch nicht sehr stark reduzieren, was mit früheren Studien übereinstimmt.
4:34 → 4:42
SpeakerMit unserem theoretischen Modell berechnen wir den Nutzen für den Verbraucher, welcher sich auf etwa 14 Euro pro Haushalt und Jahr beläuft.
4:42 → 4:52
SpeakerBei insgesamt rund 43 Millionen Haushalten in Deutschland ergibt sich daraus ein Gesamtnutzen für die Verbraucher von 500 bis 600 Millionen Euro pro Jahr.
4:52 → 5:01
SpeakerDiese große Zahl verdeutlicht den großen Nutzen von Feedback auf Geräteebene, und sie zeigt auch, dass die Politiker das Feedback auf Geräteebene nicht ignorieren sollten.
5:02 → 5:04
SpeakerRelevanz.
5:05 → 5:10
SpeakerUnsere Ergebnisse sind mindestens aus dreierlei Hinsicht relevant. Erstens, die aktuelle Einführung intelligenter Zähler.
5:10 → 5:17
SpeakerDerzeit gibt es keine Vorschriften darüber, welche Art von Feedback Haushalte mit intelligenten Zählern erhalten müssen.
5:17 → 5:23
SpeakerDaher sollte sichergestellt werden, dass Feedback auf Geräteebene möglich ist.
5:23 → 5:28
SpeakerDenn ohne dieses Feedback auf Geräteebene geht ein großer wirtschaftlicher Nutzen verloren.
5:28 → 5:32
SpeakerDer zweite Aspekt ist die Kosten-Nutzen-Analyse.
5:32 → 5:40
SpeakerDaher stellen wir eine neue Methode der Kosten-Nutzen-Analyse vor, die auch in anderen Bereichen eingesetzt werden kann, in denen Fehleinschätzungen der Verbraucher eine Rolle spielen.
5:40 → 5:46
SpeakerDrittens belegen wir, wie Informationstechnologien Informationsprobleme überwinden können.
5:46 → 5:51
SpeakerDer Mechanismus dieser Studie ähnelt stark den Mechanismen anderer Bereiche.
5:51 → 6:01
SpeakerStellen Sie sich zum Beispiel vor, Sie machen eine Diät, können aber den Kaloriengehalt der einzelnen Lebensmittel nicht einschätzen. Dann wird es sehr schwierig für Sie sein, Ihre Ziele zu erreichen.
6:01 → 6:10
SpeakerEine Informationstechnologie, die Ihnen mehr Informationen über den Kaloriengehalt dieser Lebensmittel liefert und es Ihnen ermöglicht, fundierte Entscheidungen zu treffen, könnte Ihnen dabei helfen.
6:10 → 6:14
SpeakerPrognose.
6:14 → 6:24
SpeakerZunächst einmal wird es interessant sein zu sehen, ob die politischen Entscheidungsträger sicherstellen, dass bei der derzeitigen Einführung intelligenter Zähler ein Feedback auf Geräteebene erfolgt.
6:24 → 6:29
SpeakerWas unsere Schätzungen betrifft, so sind aus meiner Sicht zwei Dinge interessant.
6:29 → 6:34
SpeakerZum einen die Skalierbarkeit der Ergebnisse und zum anderen die langfristigen Auswirkungen.
6:34 → 6:44
SpeakerSkalierbarkeit bedeutet, dass empirische Ergebnisse oft nicht repliziert werden können, wenn man sie auf die gesamte Bevölkerung überträgt.
6:44 → 6:48
SpeakerIn der Regel verringern sich die Effektgrößen bei einer solchen Skalierung.
6:48 → 6:59
SpeakerDaher wäre es interessant zu sehen, ob die Effektgrößen im Falle von Informationen auf Geräteebene abnehmen oder ob sie konstant bleiben, wenn die gesamte Bevölkerung einbezogen wird.
6:59 → 7:05
SpeakerDie Langzeitergebnisse könnten sich aus zwei Gründen von den Ergebnissen eines Halbjahreszeitraums unterscheiden.
7:05 → 7:12
SpeakerErstens könnten die Haushalte das Interesse an einer Smartphone-App verlieren, was die Effektgrößen auf lange Sicht verringern könnte.
7:12 → 7:25
SpeakerAndererseits könnte es auch Haushalte geben, die erst in Zukunft Geräte kaufen, so dass die Effektgrößen in der Zukunft tatsächlich größer sein sollten als die Effektgrößen in diesem Halbjahreszeitraum.
7:25 → 7:35
SpeakerDarüber hinaus wird es interessant sein zu sehen, ob dieser Mechanismus, nämlich verhaltensspezifisches Feedback, in Zukunft tatsächlich in verschiedenen Anwendungen zum Einsatz kommt.
7:35 → 7:44
SpeakerIn einigen Fällen wird dies bereits heute eingesetzt, zum Beispiel bei Navigationssystemen, die den Verbrauchern helfen, bessere Routen zu wählen.
7:44 → 7:51
SpeakerAber in Zukunft sind weitaus mehr Anwendungen denkbar, und es wird interessant sein, zu sehen, ob sie zustande kommen oder nicht.