Wikipedia · einfach zusammengefasst · Stand
Integrated Assessment
Ein anderes Modell, das durch Kippelemente im Erdsystem und deren Wechselwirkungen gegebene Risiko einbezieht, deutet darauf hin, dass eine Klimapolitik …
Inhalt6 Abschnitte
Kernidee und Zweck
Integrated Assessment (IA), auf Deutsch integrierte Bewertung oder integrierte Folgenabschätzung, bezeichnet Vorgehensweisen vor allem in den Umweltwissenschaften. Sie führen Wissen aus verschiedenen Fachgebieten zusammen, untersuchen es gemeinsam und bewerten die Ergebnisse im Hinblick auf mögliche Handlungsalternativen. Ziel ist es, bei komplexen Problemen möglichst vollständige Ursache-Wirkungs-Ketten zu erfassen, statt nur einzelne Ausschnitte aus einer Fachperspektive zu betrachten.
Dafür werden häufig Integrated Assessment Models (IAM), also integrierte Bewertungsmodelle, genutzt. Sie versuchen, Modelle aus verschiedenen Disziplinen in ein konsistentes Gesamtmodell einzubauen. Der Begriff Integrated Assessment ist nicht scharf definiert; auch ältere Forschungsansätze können darunter fallen. Besonders wichtig wurde IA bei der Analyse der Folgen der globalen Erwärmung und der Klimapolitik. Wird IA auf andere Umweltprobleme angewendet, spricht man oft von Integrated Environmental Assessment (IEA), die entsprechenden Modelle heißen Integrated Environmental Assessment Models (IEAM).
Ziele und Methoden
Integrated Assessment wird oft als iterativer Prozess beschrieben: Am Anfang steht eine konkrete politische Fragestellung. Im Verlauf werden Wissen und Modelle aus naturwissenschaftlichen und sozialwissenschaftlichen Disziplinen verständlich gemacht, integriert und für politische Entscheidungen aufbereitet. IA soll Entscheidungsträgern zusätzliche Informationen liefern und gegenüber rein disziplinären Ansätzen einen Mehrwert schaffen. Es geht dagegen nicht vorrangig darum, in einzelnen Disziplinen neues Wissen zu gewinnen oder allgemeingültige Modelle außerhalb der konkreten Fragestellung zu entwickeln.
Typisch ist die Integration kausaler Wirkungsketten mit wichtigen Rückkopplungen. Eine vereinfachte Kette lautet: sozioökonomische Antriebe → ökonomische Aktivitäten → Druck auf die Umwelt, zum Beispiel Emissionen → physikalische Folgen für Ökosysteme und Gesellschaften → sozioökonomische Folgen. Zusätzlich können Stakeholder, also beteiligte Interessengruppen, und unterschiedliche räumliche oder zeitliche Größenordnungen einbezogen werden. Häufig geht es um langfristige und weiträumige Probleme, manchmal auch um regionale und mittelfristige Fragen.
Integrierte Modelle dienen dazu, Folgen politischen Handelns zu untersuchen oder optimales Handeln zu bestimmen. Zugleich können sie die Verständigung zwischen beteiligten Akteuren verbessern. Wegen ihrer Komplexität sind IAM meist Simulationsmodelle. Für Bereiche, die sich schwer modellieren lassen, werden partizipatorische Methoden genutzt, etwa Fokusgruppen oder Expertenpanels. IAM sind oft modular aufgebaut und enthalten vereinfachte Teilmodelle aus verschiedenen Disziplinen.
Ein zentrales Problem ist Unsicherheit. Mehr Details können helfen, führen aber zu längeren Laufzeiten und wegen zusätzlicher Parameter zu aufwendigerer Sensitivitätsanalyse. Manche Ansätze versuchen, systematisch das mögliche Ergebnisspektrum zu bestimmen; das ist aber nur bei nicht zu detaillierten Modellen praktikabel. IAM unterscheiden sich deshalb oft stark darin, welche Aspekte sie formal berücksichtigen und wie genau sie diese abbilden. Ein wichtiges Unterscheidungsmerkmal ist außerdem, wie politische Maßnahmen integriert werden: durch vorgegebene Szenarien wie Emissionsszenarien, durch Technologiepfade und deren Emissionsintensität oder als Folge der Aktivität von Agenten im Modell.
Entwicklung und Anwendungsfelder
Der Begriff entstand in den 1970er Jahren und hängt eng mit neuen technischen Möglichkeiten, besonders der Computersimulation, zusammen. Wahrscheinlich wurde er zuerst bei der Untersuchung des Sauren Regens verwendet. Das IA und das RAINS-Modell (Regional Acidification Information and Simulation) spielten eine wichtige Rolle beim Genfer Luftreinhalteabkommen. Viele Staaten orientierten sich beim Zusatzprotokoll zu Schwefelemissionen an Empfehlungen aus dem Integrated Assessment.
Mitte der 1980er Jahre wurde IA besonders wichtig für die Untersuchung der anthropogenen globalen Erwärmung, also der vom Menschen verursachten Erwärmung. IAM wurden bereits vor der Gründung des Intergovernmental Panel on Climate Change (IPCC) im Jahr 1988 eingesetzt. Bei den Verhandlungen zur Klimarahmenkonvention der Vereinten Nationen, die 1992 verabschiedet wurde, dienten IAM-Ergebnisse unter anderem dazu, „sichere Emissionskorridore“ zu bestimmen. Diese sollten sowohl gefährliche Temperaturanstiege als auch als inakzeptabel betrachtete wirtschaftliche Störungen vermeiden. Auch die Emissionsreduktionsziele des Kyoto-Protokolls wurden auf dieser Grundlage mitgeprägt.
Mitte der 1990er Jahre gab es bereits mehr als 50 IAM. Seitdem wurden verstärkt partizipatorische Ansätze in die Analyse von Klimapolitik einbezogen, zum Beispiel im ULYSSES-Projekt der EU. Gegen Ende der 1990er und in der ersten Hälfte der 2000er Jahre entstanden Initiativen wie das European Forum on Integrated Environmental Assessment (EFIEA), die Integrated Assessment Society (TIAS) und Fachzeitschriften; einige davon wurden später wieder eingestellt. Heute wird IA neben der globalen Erwärmung auch bei anderen Fragen eingesetzt, etwa beim Management von Land- und Wassernutzung oder bei der Umweltwirkung von Chemikalien.
Klimamodelle und Modelltypen
Beim Integrated Assessment der globalen Erwärmung werden drei Hauptziele genannt: mögliche zukünftige Pfade menschlicher und natürlicher Systeme koordiniert untersuchen, Einsichten in zentrale Fragen politischer Gestaltung gewinnen und Forschungsfelder priorisieren, um robustere politische Optionen zu finden. Die Integration hilft, Annahmen verschiedener Disziplinen abzustimmen und Rückkopplungen einzubeziehen, die bei getrennten Untersuchungen fehlen würden.
IAM zur globalen Erwärmung enthalten meist mindestens ein Klimamodell und ein ökonomisches Modell, etwa ein Allgemeines Gleichgewichtsmodell. Sie verbinden den durch menschliche Aktivität verursachten Ausstoß von Treibhausgasen, deren Konzentration in der Atmosphäre, Temperaturänderungen, Folgen für Ökosysteme und Menschen sowie gesellschaftliche und wirtschaftliche Rückwirkungen. Viele IAM sind Optimierungsmodelle: Sie versuchen, den Emissionspfad mit maximalem Gesamtnutzen zu ermitteln.
Der zweite Sachstandsbericht des IPCC unterscheidet optimierende und evaluierende IAM. Zu den optimierenden Modelltypen gehören Kosten-Nutzen-Modelle, zielbasierte Modelle und unsicherheitsbasierte Modelle. Kosten-Nutzen-Modelle gleichen Grenzkosten von Vermeidungsmaßnahmen mit Kosten von Anpassungsmaßnahmen ab und suchen so eine optimale Kombination aus Emissionsreduktion und Anpassung. Zielbasierte Modelle gehen von vorgegebenen Emissionszielen oder Folgen aus, etwa dem 2-Grad-Ziel, und suchen passende Emissionspfade oder Handlungsmöglichkeiten. Unsicherheitsbasierte Modelle behandeln Entscheidungen unter Unsicherheit, zum Beispiel durch ein Spektrum möglicher Parameterwerte oder durch die Möglichkeit, Politik im Simulationsverlauf anzupassen.
Evaluierende Modelle enthalten oft mehr oder detailliertere naturwissenschaftliche Komponenten, während sozioökonomische Bestandteile weniger ausgeprägt sind. Deterministische Projektionsmodelle geben Parametern einen eindeutigen Wert und berechnen eindeutige langfristige Entwicklungen. Stochastische Projektionsmodelle behandeln Eingabe- oder Ausgabewerte mit Methoden der Stochastik, also der mathematischen Beschreibung von Zufall und Unsicherheit.
Beispiele für IAM sind IMAGE-1 (Integrated Model to Assess the Greenhouse Effect) des Niederländischen Staatlichen Instituts für öffentliches Gesundheitswesen und Umwelt (RIVM), RICE und DICE von William D. Nordhaus sowie WIAGEM von Claudia Kemfert. Neuere Entwicklungen versuchen, Unsicherheiten und Risiken stärker einzubauen. Nordhaus aktualisierte 2017 DICE und berücksichtigte Unsicherheit in einigen Parametern. Gegenüber 2013 stieg darin die Steuer, die bei ökonomisch optimaler Klimapolitik auf die Emission einer Tonne CO₂ erhoben werden müsste, um 50 %; Unsicherheit erhöhte sie um etwa 15 %. Ein anderes Modell, das Risiken durch Kippelemente im Erdsystem und ihre Wechselwirkungen einbezieht, deutet darauf hin, dass eine Klimapolitik optimal wäre, die das 1,5-Grad-Ziel einhält. IAM werden auch zur Herleitung verallgemeinerter Verhältnisse von CO₂-Emissionen und Folgen für Menschen genutzt, etwa der Mortality Cost of Carbon (MCC).
Kritik und Grenzen
IAM sind politisch relevant, besonders durch ihre Verwendung in der Working Group III (Mitigation) des IPCC. Deshalb werden sie auch von kritischen Wissenschaftsansätzen wie Science and Technology Studies und Politischer Ökologie untersucht. Diese Kritik sieht in den Modellen einen Beitrag zum Agenda Setting der Politik, besonders deutlich beim Thema negative Emissionen.
Die Kritik richtet sich weniger auf technische Einzelheiten als auf gesellschaftliche Auswirkungen scheinbar neutraler Annahmen und auf wissenschaftliche Praxis. Der Forschungsprozess gilt dabei als geprägt von sozialen, politischen und ökonomischen Rahmenbedingungen, etwa epistemischen Kulturen, institutionellen Machtverhältnissen und politischen Erwartungen an „nützliche“ Wissenschaft. Besonders stark kritisiert werden ökonomische Annahmen. IAM könnten dadurch bestehende gesellschaftliche Verhältnisse unbeabsichtigt legitimieren. Als Gegenmittel werden Kombinationen mit anderen Methoden oder auch künstlerischen Ansätzen vorgeschlagen. Radikalere Kritik fordert partizipative Forschung mit visionärem Anspruch, etwa über das Konzept der Kategorialen Utopie, um alternative Transformationspfade oder Zukünfte, auch jenseits einer kapitalistischen Wirtschaftsordnung, stärker sichtbar zu machen.
Bei Klima-IAM kommt hinzu, dass viele häufig zitierte Kosten-Nutzen-Modelle, zum Beispiel DICE, zu dem Ergebnis kommen, zunächst relativ wenig Klimaschutz zu betreiben und erst später stärker zu handeln. Manche Ökonomen führen das auf fragwürdige Annahmen zurück: hohe Abzinsung künftiger Schäden, problematische Bewertung nicht-monetärer Schäden wie Menschenleben oder Biodiversität, Vernachlässigung von Unsicherheiten oder Überschätzung von Vermeidungskosten bei gleichzeitiger Unterschätzung von Anpassungskosten. In gängigen IAM, wie sie in den USA bei gesetzlichen Regelungen verwendet würden, seien Schadensfunktionen veraltet und beruhten vor allem auf Fachliteratur aus den 1990er Jahren. Außerdem würden bestimmte Parameter teils „eigenmächtig“ gesetzt, mit „großen Effekten in den resultierenden Ergebnissen“.
Nach Einschätzung vieler Ökonomen können IAM ab einer globalen Erwärmung von mehr als 3 °C keine verlässlichen Extrapolationen mehr liefern. Extremereignisse, sogenannte tail risks, lassen sich schwer berücksichtigen und erfordern oft zusätzliche Experteneinschätzungen. Einige Kritiker halten es daher für sinnvoller, Klimapolitik im IA als Versicherung gegen einen sehr schlimmen, aber wenig wahrscheinlichen Fall einer Klimakatastrophe zu betrachten und ziel- oder unsicherheitsbasierte Modelle zu bevorzugen.
Ökonomische Annahmen im Streit
Ein Reviewartikel fasst mehrere ökonomische Annahmen zusammen, die an IAM kritisiert werden. Beim repräsentativen Agenten wird menschliches Verhalten oft utilitaristisch beschrieben und auf einen idealisierten Lebensstil aus Konsum, Akkumulation und hohem Energieverbrauch bezogen. Vorstellungen vom Menschen, von Weltbildern und vom Sozialen würden dadurch auf den westlich geprägten Homo Economicus reduziert.
Schadensfunktionen ordnen monetäre Verluste der globalen Durchschnittstemperatur zu. Kritisiert wird, dass andere Bewertungsformen ausgeschlossen bleiben und selbst irreversible Schäden als finanziell kompensierbar erscheinen. Negishi-Gewichtungen frieren unter der Annahme, geografische Umverteilung sei unpraktikabel oder unmöglich, bestehende Einkommensverteilungen ein. Das bevorteile wohlhabende Länder mit hohen historischen Emissionen.
Diskontierungsraten bewerten denselben Konsum in der Zukunft geringer, gestützt auf die Annahme von Wirtschaftswachstum und einer gesellschaftlichen Präferenz für kurzfristigen Konsum. Kritiker sehen darin eine Verlagerung der Kosten intergenerationeller Gerechtigkeit auf zukünftige Generationen. Die Annahme perfekter Voraussicht geht davon aus, dass Investitionen immer zum ökonomisch sinnvollsten Zeitpunkt und mit perfektem Wissen erfolgen; dies führe zur scheinbar effizienten Lösung durch CO₂-Bepreisung.
Auch BIP-Wachstum wird kritisiert, weil Wirtschaftswachstum in allen Staaten als normatives Ziel gesetzt werde, unabhängig von Entwicklungsstand oder Reichtum. Die absolute Entkopplung von Emissionen und Wachstum gilt als fraglich; Wachstum bedeute höheren Energiebedarf, was in Modellen zu mehr negativen Emissionen führe. Gleichgewichtstheorien sind innerhalb der Wirtschaftswissenschaft umstritten, weil heterodoxe Ansätze stärker dynamischen Wandel, große Unsicherheiten, Machtverhältnisse sowie soziale und ökonomische Strukturen jenseits aggregierter individueller Entscheidungen betonen. Nachfrageorientierter Wandel, also etwa Energieeinsparung, werde in IAM nur eingeschränkt berücksichtigt oder könne paradoxe Effekte erzeugen, etwa wenn Pfade mit geringerer Nachfrage zu weniger erneuerbaren Energien statt zu geringerer CO₂-Entnahme führen.