Methodik v0 — EEG-Differenzkosten tagesgenau (Daten-PoC)

Stand: 11.07.2026 · Status: Proof of Concept, Zahlen validiert gegen amtliches EEG-Konto

Fragestellung

Was kostet die Förderung erneuerbarer Energien (EEG) das EEG-Konto — und damit seit Juli 2022 den Bundeshaushalt, also die Steuerzahler — pro Tag? Anlass: YouTube-Video „Irrsinn: 132 Mio € Kosten für sauteuren Solarstrom am Sonntag!" (Outdoor Chiemgau, 29.04.2026) über den 26.04.2026.

Datenquellen

Modell (Zwei-Bucket, je Viertelstunde und Technologie)

Netzeinspeisung E wird nach der ÜNB-Mengenprognose aufgeteilt in:

1. Festvergütung (FV) — kleine/alte Anlagen. Die ÜNB vermarkten diesen Strom an der Börse und zahlen die feste Vergütung: Kosten_FV = E_FV × (Ø-Festvergütung − Spotpreis). Negative Preise erhöhen hier die Kosten direkt (das „Draufzahlen").
2. Marktprämie (MP) — große/neuere Anlagen in Direktvermarktung: Kosten_MP = E_MP × max(0, Ø-anzulegender-Wert − Monatsmarktwert(Tech)) × (1 − z). Der Monatsmarktwert ist der mengengewichtete Spotpreis der Technologie im Monat (aus denselben Daten berechnet). z = Anteil der MP-Menge, deren Prämie nach § 51 EEG bei Negativpreisen entfällt — abhängig von der Baujahr-Kohorte (6h/4h/3h/2h-Regel bis „sofort" nach Solarspitzengesetz 02/2025), implementiert über die Länge zusammenhängender Negativpreis-Läufe (neg_run_lengths).
3. Kein EEG-Geld bekommen: sonstige Direktvermarktung (§ 21a), ausgeförderte Anlagen, Eigenverbrauch. Diese Mengen kosten im Modell 0 €.

Zum Vergleich rechnet das Modell die naive Methode des Videos mit: gesamte Erzeugung × „Ø EEG-Vergütung alle" − Spot-Erlös. Das Video nutzt nachweislich die ÜNB-Durchschnittssätze (Solar 140,73; Wind onshore 77,71; Wind offshore 160,79 €/MWh — exakt Folie 7 des Finanzierungsbedarf-Dokuments).

Kalibrierung gegen das amtliche EEG-Konto (Kern-Mechanik)

Amtliche Monatswerte: pipeline/extract_calibration.py parst die netztransparenz-PDFs (Positionen „Zahlungen nach § 19/§ 50 EEG" und „Erlöse aus der Vermarktung nach § 2 EEV", Konsistenz-Check gegen die Jahressumme) → data/calibration.json, aktuell 2025-01 bis 2026-06.

Cash-Lag-Befund: Die EEG-Konto-Zahlungen für Erzeugungsmonat M fließen überwiegend erst in M+1 (Abschlags-/Marktprämien-Abrechnung). Ohne Lag streuen die Kalibrierfaktoren wild (0,65–2,57), mit Lag = 1 Monat werden sie stabil: 1,05–1,38 für 2026, 1,18–1,70 für 2025 (dort gelten die 2026er-Durchschnittssätze nur näherungsweise). Der laufende Monat nutzt den Median der letzten 3 Faktoren (aktuell 1,268).

Der verbleibende Faktor > 1 zeigt systematisch unmodellierte Auszahlungskomponenten (höhere Alt-AWs im Bestand, Flexibilitätsprämie, Mieterstromzuschlag, Nachzahlungen). Die Kalibrierung verteilt sie multiplikativ auf die Tage — ausgewiesen wird immer Modellwert UND kalibrierter Wert.

Unabhängige Validierung: Das Modell zählt für 2025 574,8 Negativpreis-Stunden; die amtliche netztransparenz-Statistik weist 576 aus (Endpunkt /data/NegativePreise, abgerufen 26.07.2026) — eine Abweichung von 0,2 %. Die früher hier genannte Zahl 573 war ohne Quellenangabe und wird nicht weiterverwendet.

Ergebnis für den 26.04.2026 („132-Mio-€-Sonntag")

Einordnung (Stand 11.07.2026, revidiert nach Cash-Lag-Kalibrierung):

• Der 26.04. war der drittteuerste Tag seit Anfang 2025; die Richtung des Videos stimmt. Der 01.05.2026 war mit ~114,5 Mio € sogar teurer.
• Die Video-Zahl liegt ~15 % über unserem kalibrierten Wert (122 vs. ~106 Mio €) — deutlich näher dran als das unkalibrierte Modell nahelegte. ABER: Die naive Methode ist strukturell falsch und landet teils zufällig richtig, weil sich zwei Fehler gegenläufig kompensieren: Sie überzählt (Misch-Satz auf GESAMTE Erzeugung inkl. Mengen ohne EEG-Anspruch; MP-Anlagen als „AW − Spot" statt „AW − Monatsmarktwert"; §51 nur teilweise) und lässt zugleich reale Auszahlungskomponenten weg (Alt-AWs im Bestand, Flexprämie u. a.), die unsere Kalibrierung erfasst.
• Redispatch/Abregelung (~10 Mio €) sind Netzentgelte (Stromkunde), nicht Bundeshaushalt (Steuerzahler) — getrennte Töpfe, im Video vermischt.
• Tagesgenau naiv gerechnet überzeichnet der Video-Ansatz den April 2026 um ~24 % (naiv 1.783 vs. kalibriert-amtlich ~1.784×(30/31)-Basis; Monatssummen: Modell 1.450, amtlich lag-bereinigt 1.784, naiv 1.783 — die Nähe von naiv zum Amtlichen ist Koinzidenz dieses Monats, siehe oben).

Backfill-Ergebnisse (2025-01 – 2026-07)

• 2025 gesamt (kalibriert): 16,24 Mrd € Netto-Differenzkosten — deckt sich mit dem amtlichen Jahresergebnis (~16,3 Mrd, Bundeszuschuss 2025).
• 2026 bis 11.07.: 7,66 Mrd €, bereits 329,5 Negativpreis-Stunden (ganz 2025: 574,8) — Kurs auf die prognostizierten ~800.

Bekannte Grenzen v1 (zusätzlich zu v0)

1. Multiplikative Tages-Kalibrierung: Der Monatsfaktor enthält auch mengenunabhängige Komponenten (z. B. Flexprämie); teure Tage bekommen dadurch proportional mehr Residual zugerechnet. Band Modell↔kalibriert als Unsicherheitsspanne kommunizieren.
2. 2025-Rückrechnung nutzt 2026er-Sätze (einzige verfügbare ÜNB-Prognosetabelle) — daher dort größere Faktoren; für Trends ok, für 2025-Tagesabsolutwerte mit Vorsicht.
3. Cash-Lag = 1 Monat pauschal: empirisch bester Fit, aber Jahresabrechnungseffekte (z. B. Juli-Spitzen) verschmieren.

Bekannte Grenzen v0 (Aufgaben für v1)

1. Kohorten-Mix (COHORT_MIX in model.py): Aufteilung der Direktvermarktungs-Mengen auf §51-Regel-Kohorten ist geschätzt → verfeinern via Marktstammdatenregister. Das ist die wertvollste Stellschraube.
2. Energy-Charts „public power" vs. EEG-vergütete Menge: Abgrenzung Eigenverbrauch/Industriekraftwerke unscharf → Kalibrierung fängt Niveaufehler ab, Struktur bleibt.
3. Zahlungszeitpunkte: amtliche Monatswerte sind Cashflows (Abschläge, Nachberechnungen), nicht Erzeugungsmonat — leichte Verschiebungen.
4. §51a-Nachholung (Verlängerung des Förderzeitraums, Faktor 0,5 bei PV) ist eine ZUKÜNFTIGE Belastung, die hier nicht als Tageskosten erscheint — ehrlich ausweisen.
5. Monatsmarktwert offiziell = Day-Ahead-Referenz der ÜNB; unsere Näherung aus eigenen Daten weicht minimal ab.
6. Wasserkraft nur Run-of-River (Speicher vernachlässigt); „Waste"/DGK nicht modelliert (klein).

Reproduzieren

python3 pipeline/derive_cohorts.py                 # §51-Kohorten (MaStR-Zubau)
python3 pipeline/model.py backfill 2025-01 2026-07 # holt Daten + rechnet Monate
python3 pipeline/model.py summary                  # Kalibrierung + summary.json
python3 tests/test_model.py
# amtliche Kalibrierwerte aktualisieren (pypdf in .venv):
PYTHONPATH=pipeline .venv/bin/python pipeline/fetch_calibration.py 2026

Quellen

• Energy-Charts (Fraunhofer ISE) — 15-min Erzeugung + Day-Ahead-Preise
• netztransparenz.de EEG-Kontenübersicht — amtliche Monats-Kalibrierung
• ÜNB EEG-Finanzierungsbedarf 2026 — Vergütungssätze und Mengenanteile
• MaStR/BNetzA via Energy-Charts installed_power — §51-Kohorten