Alles, was Sie über Unsicherheiten bei der CO2-Fußabdruck-Messung wissen müssen

Was versteht man unter Unsicherheit bei der Messung von CO2-Emissionen?

Der CO2-Fußabdruck: Eine naturgemäß ungenaue Schätzung

Die verschiedenen bestehenden Methoden zur Berechnung des CO2-Fußabdrucks wurden entwickelt, um es Unternehmen zu ermöglichen, ihre Treibhausgasemissionen auf Basis ihrer Aktivitätsdaten zu schätzen: Energieverbrauch, Mengen an eingekauften Materialien oder Produkten, zurückgelegte Kilometer usw.

Obwohl es Geräte und Verfahren gibt, um Treibhausgasemissionen direkt in der Luft zu messen, ist dieser Ansatz für eine schnelle und effiziente Erfassung der betriebsbedingten Emissionen – selbst bei kleinen Unternehmen – offensichtlich nicht praktikabel. Um Organisationen zur Emissionsminderung zu bewegen, war es daher notwendig, Berechnungsstandards zu etablieren, die ihnen einen „einfachen“ Zugang zu einem Schätzwert ihrer Treibhausgasemissionen ermöglichen. So entstanden die verschiedenen Methoden zur Erstellung von Treibhausgasbilanzen.

Was gemeinhin als „CO2-Fußabdruck eines Unternehmens“ bezeichnet wird, ist somit das Ergebnis verschiedener Datenerhebungen sowie der darauf angewandten Rechenoperationen (Multiplikationen, Summen, Extrapolationen usw.). Aufgrund seiner Beschaffenheit ist die Berechnung eines CO2-Fußabdrucks eine Schätzung, die zwangsläufig mit einer gewissen Unsicherheit behaftet ist.

Es ist wichtig, daran zu erinnern, dass es bei der Erstellung der CO2-Bilanz des eigenen Unternehmensnicht darum geht, das Ergebnis mit anderen Akteuren zu vergleichen – was zu endlosen Debatten über Berechnungsmethoden führen würde –, sondern vielmehr darum, Hebel zur Dekarbonisierung zu identifizieren und den Prozess regelmäßig zu wiederholen, um die Relevanz und Wirksamkeit der im Unternehmen umgesetzten Klimaschutzmaßnahmen zu überprüfen.

‍

Zur Erinnerung: Wie wird ein CO2-Fußabdruck berechnet?

Vereinfacht ausgedrückt bedeutet die Berechnung des CO2-Fußabdrucks eines Unternehmens, die durch seine Aktivitäten verursachten Emissionen zu summieren. Die Emissionen jeder einzelnen Aktivität werden dabei durch die Multiplikation eines gemessenen physischen Aktivitätswerts ermittelt (verbrauchte kWh Energie, ausgegebene Euro, gekaufte Kilo Material, Mengen an gekauften und verkauften Produkten, belegte Quadratmeter an Gebäudefläche oder Land usw.) mit einem Emissionsfaktor zur Umrechnung in eine einheitliche Referenzeinheit, das „CO2-Äquivalent“ (CO2e).

Die Berechnungsmethoden für den CO2-Fußabdruck basieren daher auf Äquivalenzen, die zwischen einer bekannten und vom Unternehmen verbrauchten Ressourcenmenge und einer Menge an CO2-Äquivalent hergestellt werden, die für die Produktion dieser Ressourcen oder Aktivitäten in die Atmosphäre ausgestoßen wird. Wir gehen beispielsweise im Allgemeinen davon aus, dass der Verbrauch von 1 kg Tomaten 0,624 kg CO2e entspricht, (während der landwirtschaftlichen Prozesse, des Transports, des Vertriebs usw.).

Diese Umrechnung erfolgt mithilfe von Emissionsfaktoren. Diese werden durch Laboruntersuchungen, Fallstudien, Durchschnittswerte und Extrapolationen ermittelt.

‍

Welche Unsicherheitsfaktoren gibt es bei der Berechnung eines CO2-Fußabdrucks?

Bei der Erstellung einer Treibhausgasbilanz (THG) liegt die Unsicherheit hauptsächlich in zwei Bereichen: bei den erhobenen Aktivitätsdaten und bei den gewählten Emissionsfaktoren (EF). Daraus ergibt sich eine Unsicherheit beim Endergebnis der berechneten THG-Gesamtemissionen.

Da die THG-Bilanzierung auf der Multiplikation und anschließenden Addition von Daten beruht, die jeweils mit einem Unsicherheitsgrad behaftet sind, weist auch das Endergebnis der gesamten THG-Emissionsmenge ein gewisses Maß an Unsicherheit auf. In diesem Fall spricht man vonAggregation der Unsicherheit. Deshalb ist es auch wichtig, eine CO2-Bilanz immer als Größenordnung und nicht als exakten Wert zu betrachten.

Die Gründe für die Unsicherheit bei Aktivitätsdaten und Emissionsfaktoren sind vielfältig :

• Mangelnde Vollständigkeit : Die Menge der Quelldaten beeinflusst die Genauigkeit.‍
• Mangelnde Zuverlässigkeit: die Qualität der Messung oder der Grad der Schätzung.‍
• Mangelnde zeitliche Repräsentativität: die Aktualität der Daten, deren letzte Aktualisierung schon länger zurückliegen kann.
• Mangelnde geografische Repräsentativität: die Übereinstimmung der verwendeten Daten mit der tatsächlichen Situation vor Ort.
  ‍

Die Unsicherheit bei Aktivitätsdaten

Das Unsicherheitsniveau der Aktivitätsdaten wird empirisch auf Basis ihrer Herkunft und Qualität festgelegt.

• Wenn die Daten gemessen oder „spezifisch“ sind, wird die Unsicherheit auf 0 bis 5 % geschätzt. Dies ist beispielsweise bei Stromverbrauchsdaten der Fall, die direkt an einem Zähler abgelesen wurden.
• Wenn die Messung extrapoliert oder „semi-spezifisch“ ist, wird die Unsicherheit auf 30 % geschätzt. Wenn beispielsweise die Stromzählerablesung nur für 3 der 5 Standorte eines Unternehmens möglich ist, kann eine Datenextrapolation für die verbleibenden 2 Standorte vorgenommen werden, wobei das Ergebnis mit einer höheren Unsicherheit behaftet ist.
• Wenn die Messung statistisch oder „generisch“ ist, wird die Unsicherheit auf 50 % geschätzt. Dies entspricht beispielsweise der Statistik zum durchschnittlichen Arbeitsweg der Franzosen.

Diese Kategorisierung der Unsicherheit wurde in Frankreich von der Association pour la transition Bas Carbone (ABC) festgelegt, die auch die Referenzmethodik Bilan Carbone® verwaltet und verbreitet.
‍

Die Unsicherheit bei Emissionsfaktoren

Bei den Emissionsfaktorenergibt sich die Unsicherheit aus der Art und Weise, wie der Emissionsfaktor bestimmt wurde, sowie aus der Anzahl und Genauigkeit der in seine Berechnung einfließenden Parameter. Die ADEME, die eine der weltweit umfangreichsten Datenbanken für Emissionsfaktoren bereitstellt, bietet für die meisten ihrer Emissionsfaktoren eine Unsicherheitsschätzung sowie eine Dokumentation zur Herkunft des Faktors an, um die Berechnungsmethode jedes Emissionsfaktors transparent zu machen.

Eine „geringe“ Unsicherheit von etwa 5 % entspricht beispielsweise dem Emissionsfaktor für die Kraftstoffverbrennung. Die bei der Verbrennung eines Liters Kraftstoff freigesetzte CO2-Menge konnte recht genau gemessen werden. Je nach Verbrennungsbedingungen wird jedoch nicht der gesamte verbrauchte Kraftstoff in CO2 umgewandelt (unverbrannte Rückstände, VOC usw.), was die verbleibende geringe Unsicherheit erklärt.

Eine hohe Unsicherheit von etwa 50 % entspricht beispielsweise den CO2e-Emissionsfaktoren pro Kilometer für einen Lkw im Straßengüterverkehr. In diesem Fall können die tatsächlichen Emissionen je nach Fahrweise, Wetterbedingungen, Topografie und tatsächlichem Auslastungsgrad des Lkw variieren.

Die Unsicherheit bei monetären Emissionsfaktoren ist deutlich höher als bei physischen Emissionsfaktoren. Tatsächlich Monetäre Emissionsfaktoren sind in der Regel mit einer Unsicherheit von etwa 80 % behaftet. Dies gilt insbesondere für die meisten monetären Emissionsfaktoren in der ADEME-Datenbank.

Deshalb ist es nach Möglichkeit vorzuziehen, spezifische Daten für den eigenen Fall zu verwenden, anstatt auf allgemeine Daten zurückzugreifen. Am Beispiel des Straßengüterverkehrs: Es ist besser, Daten zum eigenen Kraftstoffverbrauch zu nutzen als allgemeine Daten zu den durchschnittlichen Emissionen pro Kilometer.

Um die Unsicherheit einer Bilanz zu verringern, empfehlen Referenzorganisationen die Verwendung von physischen und spezifischen Aktivitätsdaten sowie die Wahl möglichst spezifischer Emissionsfaktoren. Es wird daher dringend empfohlen, monetäre Daten nur als letztes Mittel einzusetzen, um eine langfristig verwertbare Bilan Carbone zu gewährleisten.

Warum ist es wichtig, bei der Erstellung einer CO2-Bilanz die Unsicherheit zu berücksichtigen?

Um ein exzellentes Reportingzu gewährleisten, empfiehlt die Bilan Carbone®-Methodik unter anderem die Einhaltung von Prinzipien wie Genauigkeit und Vollständigkeit bei der Messung der Emissionen. Das bedeutet, dass Verzerrungen und Unsicherheiten so weit wie möglich reduziert werden müssen und gleichzeitig angestrebt werden sollte, bei der Messung ein Maximum an Emissionen zu erfassen.

Die Messung der Unsicherheit bietet zudem die Möglichkeit, die Qualität der eigenen CO2-Bilanz im Laufe der Zeit zu verbessern. Es ist zu beachten, dass die präzise Berechnung der Unsicherheit nicht für alle methodischen Standards obligatorisch ist, wenn auch zumindest qualitativ meist empfohlen. So ist es beispielsweise im Rahmen der Erstellung einer Bilan Carbone® verpflichtend, die Unsicherheiten der Emissionsposten anzugeben, während dies für den BEGES und das GHG Protocol nur optional ist.

Die Überwachung und Reduzierung der Unsicherheit des eigenen CO2-Fußabdrucks ermöglicht es:

• Unsicherheitsquellen zu identifizieren unddie Qualität der eigenen Bilanz der Treibhausgasemissionen von Jahr zu Jahr zu verbessern.
• zu erhalten eine langfristig zuverlässigere CO2-Bilanz und somit besser nutzbar für die Umsetzung der Transformation und die Reduzierung der Umweltauswirkungen.
• um konsistentere Bilanzen und damit einen einfacheren Vergleich zwischen verschiedenen Jahren oder Einheiten zu ermöglichen.
• um bei der Identifizierung der Dekarbonisierungshebel nicht in die Irre geführt zu werden und die Priorisierung des Dekarbonisierungsplans zu erleichtern.
  ‍

Wie werden die Gesamtunsicherheit und die Unsicherheit der einzelnen Emissionsquellen berechnet?

Die Unsicherheit von Aktivitätsdaten und Emissionsfaktoren wird in der Regel mit einem Konfidenzintervall von 95 % angegeben, das heißt, die Wahrscheinlichkeit, dass der tatsächliche Wert innerhalb dieses Intervalls liegt (z. B. +/- 30 %), beträgt 95 %.

Sobald für alle Daten eine Unsicherheit festgelegt wurde, werden zwei Formeln zur Aggregation der Unsicherheiten verwendet. Die erste Formel (A) dient zur Berechnung der Unsicherheit einer Summe, ausgedrückt in Prozent:

Die zweite Formel (B) dient zur Berechnung der Unsicherheit eines Produkts, ebenfalls ausgedrückt in Prozent:

Um die Unsicherheit des CO2-Fußabdrucks eines Unternehmens zu ermitteln, kombinieren wir die Unsicherheiten in den folgenden Schritten:

1. Verwenden Sie die erste Formel (A), um die Unsicherheit zu ermitteln, die mit der Messung eines Aktivitätsdatensatzes einer Emissionsquelle verbunden ist. Die Formel wird dabei auf die Unsicherheiten der verschiedenen Messpunkte desselben Aktivitätsdatensatzes angewendet (z. B. die von allen Standorten eines Unternehmens verbrauchte Strommenge).
   ‍
2. Verwenden Sie die zweite Formel (B), um die Unsicherheit zu ermitteln, die mit dem CO2e-Wert einer Emissionsquelle verbunden ist. In diesem Fall wird die Formel auf die Unsicherheit des im vorherigen Schritt berechneten Aktivitätsdatensatzes sowie auf die Unsicherheit des Emissionsfaktors angewendet, um einen CO2e-Wert zu erhalten.
   ‍
3. Schließlich wird erneut die erste Formel (A) verwendet, um die Unsicherheit zu ermitteln, die mit dem Gesamtemissionswert des Unternehmens verbunden ist. Die Formel wird hierbei auf die Unsicherheiten aller Emissionsquellendaten angewendet, die durch die Wiederholung der beiden vorangegangenen Schritte berechnet wurden.
   ‍

Grenzen der Unsicherheitsberechnung bei der Analyse des CO2-Fußabdrucks

Wie die vorangegangene Formelkette zeigt, gilt: Je mehr Werte vorliegen, desto geringer ist tendenziell die Gesamtunsicherheit. Das ist einerseits interessant, da es natürlich dazu anregt, Daten möglichst vollständig zu erfassen,kann jedoch potenziell auch zu einer Verzerrung der Analyseergebnisse führen, da das Gewicht der Unsicherheit für bestimmte Daten oder Emissionsquellen verringert wird.

Nehmen wir als Beispiel die Berechnung einer Emissionsquelle: Ein Unternehmen, das zahlreiche Ausgabendaten von verschiedenen Lieferanten für dasselbe Produkt sammelt und einen einzigen, sehr unsicheren monetären Emissionsfaktor verwendet, um die entsprechenden Emissionen zu ermitteln, erhielte eine letztlich mittlere bis geringe Unsicherheit für seine Emissionen. Das Problem hierbei ist die daraus resultierende Analyse- und Entscheidungsfähigkeit, da Fragen wie „Mit welchem Lieferanten sollte ich vorrangig zusammenarbeiten, um meine Scope-3-Emissionen zu reduzieren?“ nicht beantwortet werden können.

Die oben vorgestellten Formeln zur Berechnung der aggregierten Unsicherheit basieren auf der Annahme einer geringen Korrelation zwischen den Datenpunkten, was in der Praxis je nach angewandter CO2-Methodik für die Quelldaten nicht immer der Fall ist. In manchen Fällen kann die Verwendung einer großen Anzahl von Quelldaten – wenn die Korrelation zwischen den Daten nicht beachtet wird – dazu führen, dass die aggregierte Unsicherheit künstlich gesenkt wird, was die Analyse der CO2-Bilanz und der zu prüfenden Handlungshebel verfälscht. Bei einer starken Korrelation zwischen Quelldaten, die jeweils eine hohe Unsicherheit aufweisen, ist es daher besser, die oben genannten Formeln nicht zu verwenden, um eine realistische und „nutzbare“ Ergebnisunsicherheit zu erhalten.

• Eine CO2-Bilanz mit 10 Emissionsquellen, die jeweils eine Unsicherheit von 30 % aufweisen, ergäbe eine Gesamtunsicherheit der CO2-Bilanz von 20 %
• Eine CO2-Bilanz mit 1.000 Emissionsquellen, die jeweils eine Unsicherheit von 30 % aufweisen, ergäbe eine Gesamtunsicherheit der CO2-Bilanz von 1 %

Im folgenden Beispiel, das vom ABC im methodischen Leitfaden zur CO2-Bilanzierung bereitgestellt wurde, läge die Gesamtunsicherheit der Unternehmensbilanz bei nur 12 %, obwohl die Unsicherheit der wichtigsten Emissionsquellen (Reisen und Vorleistungen) bei über 20 % liegt.

Es ist daher sehr wichtig, die bei den Analysen berechneten Unsicherheitsdaten stets kritisch zu hinterfragen und immer zu versuchen, eine geringe Unsicherheit durch die Verbesserung der Quelldaten zu erreichen, anstatt sich nur auf das Datenvolumen zu verlassen. Das bedeutet: präzisere Aktivitätsdaten und ebenso präzisere Emissionsfaktoren.

‍

‍
Wie integriert Traace die Unsicherheitsberechnung?

Die CO2-Bilanzierungsplattform von Tennaxia berücksichtigt von Haus aus die Unsicherheit bei Emissionsfaktoren, Aktivitätsdaten und natürlich bei den endgültigen CO2-Emissionsergebnissen. Unsere Kunden können die gewünschten Unsicherheitsniveaus für ihre Quelldaten sowie für die von ihnen verwendeten spezifischen Emissionsfaktoren einfach und flexibel hinterlegen. Zudem pflegen wir eine umfangreiche Datenbank mit Emissionsfaktoren, bei denen die Unsicherheit automatisch hinterlegt ist.

Die Ergebnisse der Emissionsanalysen in unseren Dashboards zeigen systematisch die Gesamtunsicherheitsniveaus an, sowohl auf aggregierter Ebene als auch granular nach Kategorien und Emissionsquellen.

Unsere Philosophie der CO2-Bilanzierung zur Begrenzung von Unsicherheiten

Wie wir gesehen haben, tritt die Unsicherheit bei der Berechnung des CO2-Fußabdrucks auf zwei Ebenen auf, auf die man Einfluss nehmen kann: Die erhobenen Aktivitätsdaten und die Wahl der Emissionsfaktoren.

Bei Traace haben wir erkannt, wie wichtig es ist, sich auf klare und präzise Aktivitätsdaten zu stützen, aber auch auf zuverlässige Emissionsfaktoren, die je nach Bedingungen so wenig wie möglich variieren., auch wenn dies bedeutet, die Aktivitätsdaten regelmäßig anzupassen, um sie für die jeweiligen Situationen und Kontexte Ihres Unternehmens immer präziser zu gestalten.

Aus diesem Grund bemühen wir uns bei Traace stets darum, einerseits physische Emissionsfaktoren zu verwenden und andererseits unsere Kunden bei der Erfassung präziser und umfassender Aktivitätsdaten zu unterstützen. Dies ist die Voraussetzung für eine qualitativ hochwertige CO2-Bilanz, die vor allem als Ausgangspunkt für eine Dekarbonisierungsstrategie nutzbar ist. Die Teams von Traace kümmern sich zudem um die Aktualisierung der Emissionsfaktoren in den Datenbanken der Plattform, damit die CO2-Bilanzen unserer Kunden stets auf dem neuesten Stand sind.

Ein Datenerfassungsmodul, das entwickelt wurde, um diesen Schritt zu erleichtern und Unsicherheiten zu minimieren

Die Datenerfassung (das Sammeln von Aktivitätsdaten und den entsprechenden Emissionsfaktoren) ist die zeitaufwendigste Phase bei der Erstellung einer Treibhausgasbilanz. Auch wenn die Methoden empfehlen, den Erfassungsaufwand an die eigenen Ziele anzupassen, weisen sie gleichzeitig darauf hin, dass Daten mit hoher Unsicherheit (z. B. statistische Durchschnittswerte) zwar leichter zu beschaffen sind, ihre Verwendung jedoch nicht empfohlen wird.

Bei Tennaxia haben wir, um unseren Kunden zu ermöglichen, keine Kompromisse zwischen Qualität und Quantität eingehen zu müssen, und um ein Maximum an präzisen Daten zu erfassen, ein leistungsstarkes Datenerfassungsmodul entwickelt, mit dem sich Erfassungsprozesse durch Kampagnen mit zu 100 % konfigurierbaren Fragebögen strukturieren lassen.

Unser Modul ermöglicht es Ihnen daher, relevante Stakeholder einfach einzubinden, präzise Daten zu erheben und Fehlerquellen zu begrenzen, die bei Excel sehr häufig auftreten, sowie den Fortschritt der Datenerfassung kollaborativ zu steuern, um die Ziele bei der Messung und Analyse Ihres CO2-Fußabdrucks einzuhalten.

Um mehr darüber zu erfahren, wie Tennaxia Sie bei der Erfassung Ihrer Klimadaten unterstützen kann, kontaktieren Sie uns!

-------

Quellen:

• IPCC - Good Practice Guidance and Uncertainty Management in National Greenhouse Gas Inventories - https://www.ipcc-nggip.iges.or.jp/public/gp/english/
• GHG - Quantitative Inventory Uncertainty Guidance
• Bilan Carbone® V8 : Guide méthodologique (Annexes) - https://abc-transitionbascarbone.fr/ressource/bilan-carbone-v8-guide-methodologique-annexes

‍

‍