flotte in Abhängigkeit vom Enddatum des ICEV-Verkaufs [1]. Umso wichtiger ist in Deutschland mit seinem hohen Anteil an Mietern [6] die Bereitstellung ausreichender Ladeinfrastruktur für dieses Nutzersegment aktuell „machen vor allem Wohnungsmieter derzeit noch einen Bogen um Elektroautos“ [7]. Damit drängt sich insbesondere bei mehrgeschossigen Mietwohnungsbauten die Frage auf, ob durch Nutzung von Sonnen- und Windenergie auf den häufig flachen Dächern ein attraktives und wirtschaftliches Angebot an Ladeinfrastruktur geschaffen werden kann. Am konkreten Fall der Immobilienbestände (u. a. 35.000 Wohnungen) der WIRO GmbH 1 in Rostock wurden in dieser Untersuchung verschiedene Facetten der Thematik untersucht. Ziel dieser Studie war es, die Attraktivität der Elektromobilität für Mitarbeiter und private und gewerbliche Mieter sowie weitere Nutzer der Immobilien der Einleitung Die Elektrifizierung des motorisierten Verkehrs ist ein zentraler Bestandteil der Strategien zur Reduzierung der Treibhausgasemissionen, die laut Bundes-Klimaschutzgesetz (§3, [1]) bis 2030 um 65 % im Vergleich zu 1990 vermindert werden müssen. Verkehrsbedingte Emissionen wären dementsprechend von 164 Millionen Tonnen CO2 im Jahr 2019 auf 85 Millionen Tonnen im Jahr 2030 zu reduzieren. Ein angemessener Beitrag zu diesem Ziel wäre der Ersatz eines Drittels der Fahrzeuge mit Verbrennungsmotor (ICEVs) in Deutschland mit batterieelektrischen Fahrzeugen (BEVs) [1]. Im Lichte aktueller politischer Diskussionen scheinen BEV-Anteile von rund 30 % bis 2030 in Deutschland schwerlich erreichbar, selbst unter Berücksichtigung der Zulassungsdaten vergangener Jahre [2], Reinraumgesprächen mit Erstausrüstern [3], der Entwicklung des Pkw-Markts [4; 5] sowie Modellen zur Entwicklung der Fahrzeug- WIRO GmbH zu steigern und planungspraktische Werkzeuge für die Standortentwicklung zu liefern. Das Hauptaugenmerk lag auf der Bestimmung optimaler Standorte für Ladeinfrastruktur innerhalb dieser Liegenschaften. Zusätzlich wurde der Mehrwert einer Integration von Photovoltaikanlagen und Batteriespeichern betrachtet. Nachfolgend werden wesentliche Erkenntnisse aus der Studie [8], anschließende Betrachtungen im Rahmen einer darauf auf bauenden Veröffentlichung [9] und ergänzende Betrachtungen zur Nachfrageprognose vorgestellt. Stand Forschung und Praxis Der Mehrwert einer PV-gekoppelten Ladeinfrastruktur für private Einfamilienhäuser wurde in der Forschung bereits ausführlich diskutiert [10; 11]. Da der Anteil der Bevölkerung in Mietwohnungen in Deutschland mit über 50 % deutlich höher als in anderen Ländern liegt, stand in dieser Studie die Situation in Mehrfamilien- Rentable Wege in die E-Mobilität Sektorenkopplung, Photovoltaik, Ladeinfrastruktur Eine Studie von ARGUS Stadt und Verkehr (Hamburg) in Zusammenarbeit mit dem Fraunhofer Institut für Energiewirtschaft und Energiesystemtechnik IEE (Kassel) zeigt, dass die Einrichtung und der Betrieb von E-Ladeinfrastruktur auf zahlreichen halböffentlichen Parkplätzen absehbar wirtschaftlich ist - und welche das sind, und unter welchen Bedingungen. Die Studie wurde im Auftrag der WIRO Wohnen in Rostock Wohnungsgesellschaft mbH erstellt und vom BMVI gefördert. Timotheus Klein, Elias Dörre, Patrick Stoklosa DOI: 10.24053/ IV-2024-0059 Internationales Verkehrswesen (76) 4 ǀ 2024 32 häusern und Wohnsiedlungen im Mittelpunkt. Die EU-Richtlinie zur Infrastruktur für alternative Kraftstoffe empfiehlt einen Ladepunkt pro 10 BEVs [12]. In Rostock waren Anfang 2023 1139 BEV zugelassen, Nicholas et al. [13] erwarten bis 2030 bis zu 24.000 BEVs in Rostock, die bis zu 2200 normale Ladegeräte und mehr als 100 DC-Schnellladegeräte benötigen würden. Der lokale Bedarf an Ladestrom kann aus den beobachteten Auslastungsraten der Ladeinfrastruktur abgeleitet werden [14]. In den Niederlanden liegt die Belegung der Ladeinfrastruktur in großen Gemeinden im Durchschnitt zwischen 20 und 40 % [15]. Alternativ und für die mittelbis langfristige Planung können Bewertungen auf der Grundlage von Landnutzungs- und Bevölkerungsdaten erstellt werden. Entsprechende Modelle nutzen in unterschiedlichem Ausmaß Geoanalyse- und Optimierungsalgorithmen [16; 17; 18; 19]. Einkaufs- oder freizeitbezogene Nutzungen in fußläufiger Entfernung zur Ladeinfrastruktur erhöhen nachweislich die Auslastung [20], und das etablierte Reiseverhalten für Pkw im Allgemeinen scheint auf BEVs übertragbar zu sein [21]. Methode Es wurden zwei Ansätze verfolgt. Der erste Ansatz dient der Vorabschätzung, welche Gebäude für die Kombination von Lade- und PV-Infrastruktur geeignet sein könnten. Der zweite Ansatz betrachtet Zeitreihen und liefert eine genauere Schätzung der wirtschaftlichen Machbarkeit unter Berücksichtigung der Saisonalität des EV- Verbrauchs und der PV-Erzeugung. Untersucht wurden mehr als 300 Parkierungsanlagen auf Flurstücken der WIRO, für die die Nachfrage nach Ladeinfrastruktur und das potenzielle Angebot für lokal erzeugten Solarstrom berechnet wurden. Die Standorte sind über das gesamte Stadtgebiet verteilt und liegen in unterschiedlichen Nachbarschaften. Betrachtet wurde, ob eine unproblematische Verbindung zu Solaranlagen auf umliegenden Dächern hergestellt werden kann, und in welchem Umfang und mit welchen Nutzern ein wirtschaftlicher Betrieb der Ladeinfrastruktur möglich wäre. Damit ergeben sich fundierte Aussagen zur Wirtschaftlichkeit von Standorten mit unterschiedlich vielen Normal- oder Schnellladepunkten, privat und fest vermietet oder halböffentlich, mit Zukauf von Netzstrom und Zwischenspeicherung von Solarstrom, sollte dieser zwischenzeitlich im Überschuss anfallen. Eine Grundlage dieser Berechnungen ist die Abschätzung des Nachfragepotenzials für E-Ladeinfrastruktur auf Ebene der einzelnen Gebäude und Adressen. Hierfür wurden detaillierte Geobasisdaten, die Mobilitätsbefragung „Verkehr in Städten“ im Auftrag der Stadt Rostock [22] und zahlreiche weitere Datenquellen ausgewertet und zusammengeführt. Die Datenbasis ist vergleichbar mit der kommunaler Verkehrsnachfragemodelle und ermöglicht eine stichhaltige Abschätzung zur Nachfrage nach motorisierter Mobilität für die gesamte Stadt Rostock sowie eine Darstellung der Verteilung der Nachfrage über den Verlauf eines gewöhnlichen Werktages in 1-Stunden-Intervallen, für unterschiedliche Nutzersegmente. Zentrale Kenngröße der Nachfrage sind hierbei die gefahrenen Pkw- Kilometer, die mit Hilfe des Anteils von E- Pkw und deren Verbrauchskennwerten in notwendigen Fahrstrom in Kilowattstunden umgerechnet wurden. Einige Nachfragesegmente (Mieter, Beschäftigte) können mit privater Ladeinfrastruktur, ggf. personalisiert, mit exklusivem Zugang bedient werden. Bei privater Ladeinfrastruktur mit Normalladen mit Wechselstrom (AC), einer Leistung von bis zu 22 kW und individuell zugeordneten Ladepunkten kann das Laden in gewissen Grenzen gesteuert werden, sodass sich eine Nachfragekurve ähnlich der Belegung des Parkplatzes ergeben könnte. An einer halböffentlichen Ladestation erwarten Nutzer die maximale Ladeleistung für die gesamte Aufenthaltsdauer, insbesondere wenn sie an einem Gleichstrom-Ladegerät (DC) mit einer angenommenen Leistung von bis zu 150 kW laden. Dadurch ergibt sich eine Lastkurve, die eher dem Zielverkehr ähnelt. Das potenzielle Angebot an Strom aus Photovoltaik wurde anhand der bereits installierten Solaranlagen und der zur Verfügung stehenden Dachflächen für neue Anlagen ermittelt. Für einen durchschnittlichen Werktag mit durchschnittlichem PV-Stromertrag und durchschnittlicher Verkehrsnachfrage konnten für die Vorabschätzung Szenarien für verschiedene Kombinationen von Nachfragesegmenten, Ladestationen und lokalen Batteriespeichern bewertet werden. In der Zeitreihenbetrachtung wurden 4 Standorte einer genaueren Analyse und Modellierung durch das Fraunhofer Institut für Energiewirtschaft und Energiesystemtechnik unterzogen. Dabei wurden für jeden der vier Standorte zeitschrittbasierte Simulationen durchgeführt, die auf der Ebene von 15-Minuten-Intervallen den Stromertrag von Solaranlagen und konkrete Ladevorgänge darstellen und dabei den Einfluss des Wochentags, der Jahreszeiten, der Feiertage und der Schulferien berücksichtigen. Auch die Möglichkeit, dass potenzielle Nutzer eine besetzte Ladestation vorfinden und bei einem anderen Anbieter laden, wurde berücksichtigt. Die detaillierte Simulation gestattet es, u.a. den Einfluss der Ladeleistungen und Nutzungsmuster auf den PV- Eigenverbrauch und die Auslastung der Ladepunkte zu bestimmen. Beide Faktoren sind für die Wirtschaftlichkeitsbewertung von hoher Relevanz. Ergebnisse Räumliche Zuordnung der Nachfrage zu den Standorten Die Erreichbarkeit von Ladeinfrastruktur ist sowohl für Autos als auch für Fußgänger zu betrachten. Die gängige Zuordnung der Nachfrage zu einem Standort mit Hilfe eines „Einzugsgebietsradius“ oder „Buffer“ wird diesem Umstand oft nicht gerecht. Weiterhin bildet die Grenze des Einzugsgebietsradius eine harte Grenze zwischen Bild 1: Zuordnung der Nachfrage zu einem Standort E-Ladeinfrastruktur  INFRASTRUKTUR DOI: 10.24053/ IV-2024-0059 Internationales Verkehrswesen (76) 4 ǀ 2024 33 zes in Bezug zur angepeilten Nutzung in den Grenzen der betreffenden Raumeinheit egal ist. Das ist für ortsfremden Verkehr realistisch, wenn dieser per Navigationssystem eine Ladestation in der Nähe seines Zielorts sucht. Die Belastbarkeit dieses Ansatzes steht und fällt allerdings mit der Qualität der gewählten Raumeinheit, städtebaulich und fußläufig zusammenhängende Einheiten abzubilden. Einfache Raster dürften hier regelmäßig versagen; die statistischen Blöcke wie in Bild 1 scheinen hingegen geeignet. Optimierte Dimensionierung von PV-Anlage, Batteriespeicher und Ladeinfrastruktur Mit der mehr oder weniger steuerbaren Nachfrage nach Fahrstrom, dem Angebot an lokal erzeugtem PV-Strom, lokalem Batteriespeicher und unterschiedlichen Ladekapazitäten gibt es zahlreiche Stellschrauben, die das wirtschaftliche Ergebnis einer Kombination von Ladeinfrastruktur und PV- Strom beeinflussen. Beispielhaft wurden mit dem flächendeckenden Bewertungsmodell für Bild 2 vier verschiedene Szenarien formuliert, die die Wirkungen der einzelnen Stellschrauben veranschaulichen. Alle vier Szenarien unterstellen die gleiche tägliche Nachfrage nach Fahrstrom, die an einem durchschnittlichen Tag des Jahres durch eine entsprechend bemessene PV-Anlage erzeugt werden kann. Alle Szenarien Nachfragepotenzialen, die außerhalb oder innerhalb des Radius liegen. Alternativ kann die Nachfrage zunächst auf einer größeren Raumeinheit aggregiert werden, so dass sich für diese eine flächenbezogene Nachfrage berechnet. Die zugeordnete Nachfrage ergibt sich dann durch die Verschneidung eines Einzugsgebietsradius mit einer flächenbezogenen Nachfrage. Bild 1 illustriert diese alternativen Herangehensweisen. Links ist das Einzugsgebiet eines Parkplatzes mit punktuellen, gebäudescharf lokalisierten Gewerbenutzungen dargestellt. Der Einzugsgebietsradius schließt hier nur wenige kleine Gewerbenutzungen ein. Rechts ist die gemittelte Nachfrage auf Ebene der statistischen Blöcke zusammengefasst. Damit wird dem Standort bzw. seinem Einzugsgebiet auch ein Teil der weiter entfernten Nachfragepotenziale zugestanden. In diesem Beispiel führt das zu einer deutlich höheren Nachfrage als bei der Verschneidung von Punktdaten. Aus verkehrsplanerischer Sicht wie auch im Kontext dieser Studie haben beide Ansätze ihre Berechtigung. Die Verschneidung mit Nachfragepunkten unterstellt eine räumlich sehr unmittelbare Nachbarschaft, wie sie für fest vermietete Stellplätze anzunehmen ist. Die Aggregation der Nachfrage auf Ebene statistischer Blöcke oder ähnlich kleinteiliger Raumeinheiten nimmt hingegen an, dass die relative Lage des Parkplatberücksichtigen eine 30%ige Auslastung der Ladepunkte, um den Ladestand der Autobatterien, ungünstige Ankunftszeiten etc. zu berücksichtigen. In allen Szenarien wurde eine lokale Speicherbatterie berücksichtigt, die bis zu 100 kWh speichern kann und einen Speicherverlust von 10 % hat. In den Diagrammen a)-d) sind folgende Parameter im Verlauf über 24 Stunden dargestellt: ƒ die PV-Erzeugung (ca. 440 kWh/ d) ƒ die Nachfrage nach Fahrstrom (ca. 425 kWh/ d) ƒ der direkt aus der PV-Anlage geladene Fahrstrom ƒ der aus der PV-Anlage ins Netz eingespeiste Strom ƒ der Ladezustand der Batterie (state of charge) ƒ der aus der Batterie geladene Fahrstrom Da die Nutzung als Fahrstrom einträglicher ist als die Einspeisung ins Netz, sind eine möglichst geringe Einspeisung und ein möglichst hoher Eigenverbrauchsanteil vorteilhaft. Der Tagesgang der Nachfrage nach Fahrstrom verläuft in Szenario a) proportional zur Belegung des Parkplatzes, in den übrigen Szenarien wird die Nachfrage in der Stunde der Ankunft eines Kfz berücksichtigt. Szenarien a) und b) gehen von 4 AC- Ladepunkten à 22 kW aus. Bei einer mittleren Auslastung der Ladepunkte von 30 % ist die direkte Versorgung der E-Autobatterien a) b) c) d) Bild 2: Aufteilung PV-Ertrag mit verschieden ausgestatteten Ladestationen bei 1.350 m² PV-Fläche und einer lokalen Speicherbatterie mit 100 kWh INFRASTRUKTUR  E-Ladeinfrastruktur DOI: 10.24053/ IV-2024-0059 Internationales Verkehrswesen (76) 4 ǀ 2024 34 somit auf 26,4 kW beschränkt. Szenario a) ist unter diesen Umständen günstiger für den Eigenverbrauchsanteil. Das liegt an der Nachfrage in der Nacht, die aus der PV- Batterie bedient wird und den Füllstand absenkt. Dadurch kann die PV-Batterie im Verlauf des Vormittags mehr PV-Strom auffangen, der mangels Ladekapazität nicht verladen wird. Die Nachfragespitze, die gegen 17 Uhr in Szenario b) auftritt, kann wegen der eingeschränkten Kapazität nicht bedient werden, unabhängig von der Energiequelle. Dieses Problem kann durch leistungsfähigere Ladeinfrastruktur behoben werden. In Szenario c) steht mit 4 DC-Ladepunkten à 150 kW ausreichende Kapazität zur Verfügung, um den erzeugten PV-Strom unmittelbar zu verladen. Wo dieser nicht ausreicht, kann das Defizit fast vollständig aus der Batterie ausgeglichen werden. In diesem Szenario wird die Nachfrage fast vollständig aus der PV-Erzeugung bedient. In Szenario d) mit 6 AC-Ladepunkten à 22 kW wird ein ähnlich hoher Eigenverbrauchsanteil realisiert. Aufgrund der insgesamt noch etwas niedrigeren Ladekapazität wird die Batterie früher gefüllt, so dass mehr überschüssiger PV-Strom ins Netz eingespeist wird. Die Eigenverbrauchsanteile in diesen Szenarien liegen zwischen 76 % in Szenario b) und 96 % in Szenario c). Validierung mit Zeitreihenbetrachtung Da die Vorabschätzung mit zahlreichen Mittelwerten arbeitet, werden die täglichen und saisonalen Schwankungen von Nachfrage und Angebot nicht abgebildet, obwohl die Auswirkungen auf den Ausgleich von Angebot und Nachfrage offensichtlich sind: jede gemessene PV-Erzeugungsganglinie eines einzelnen Tages würde deutlich abweichende Kurven für den Ladezustand der Batterie und die direkt verladene Strommenge haben. Dies zeigt sich auch in der Zeitreihenbetrachtung, die für 4 Standorte sowohl die Fahrstromnachfrage als auch die PV-Erzeugung für ein gesamtes Jahr in 15-Minuten-Intervallen berücksichtigt. Bild 3 stellt Eigenverbrauchsfaktoren für einen Standort dar, die mit der Zeitreihenbetrachtung berechnet wurden. Die Gegenüberstellung zeigt die simulierten Eigenverbrauchsanteile mit langsamen und hohen Ladeleistungen sowie für die Speicherintegration. Während bei einer langsamen Ladeleistung bis zu 40 % Eigenverbrauch realisiert werden können, beträgt der Eigenverbrauchsanteil bei einer hohen Ladeleistung nur etwa 11 %. Die Kopplung von Photovoltaikanlagen mit Schnellladeinfrastruktur scheint nur bei gleichzeitiger Nutzung eines Batteriespeichers sinnvoll. Dadurch können Eigenverbrauchsanteile von bis zu 90 % erreicht werden. Die Größe des Batteriespeichers wurde mit 40 kWh angenommen, da dies die wirtschaftlichste Größe für den Beispielstandort war. Höhere Eigenverbrauchsanteile wären mit größeren Batteriespeichern möglich. Faktor Netzstrompreis und Dimensionierung mit der Mikrosimulation In der zeitreihenbasierten Analyse können PV- und Speicherkomponenten in Abhängigkeit von Strompreis, Ladeleistung und Ladeverhalten bemessen werden. Bild 4 zeigt den Mehrwert der PV-Integration für unterschiedliche PV-Anlagengrößen an einem Standort. Die erste Gruppe von Balken im Diagramm zeigt, dass die Kombination einer Schnellladeinfrastruktur mit PV-Batteriespeichern zu Verlusten bei niedrigen Strompreisen führt. Es wird deutlich, dass ein PV-Speicher nicht immer einen Mehrwert für eine Schnellladeinfrastruktur darstellt. Ausblick Im Allgemeinen haben die Berechnungen zur Kombination von E-Ladeinfrastruktur mit Solaranlagen gezeigt, unter welchen Umständen dies vorteilhaft ist: bei moderater, ausgeglichener Nachfrage und/ oder wenn eine potenziell erhöhte Nachfrage zur Mittagszeit durch eine halböffentliche Nutzung der Ladeinfrastruktur besteht; vor allem aber bei steigenden Strompreisen. PV-Anlagen können einen hohen ökonomischen Mehrwert bieten, was sich je nach Bild 3: Gegenüberstellung der Eigenverbrauchsfaktoren in unterschiedlichen Konfigurationen Bild 4: Erträge bei unterschiedlichen Stromkosten und PV-Anlagengrößen an Beispielstandort E-Ladeinfrastruktur  INFRASTRUKTUR DOI: 10.24053/ IV-2024-0059 Internationales Verkehrswesen (76) 4 ǀ 2024 35 infrastructure. International Journal of Sustainable Transportation. 4. October 2019, 13: 6, S. 433-449. doi: 10.1080/ 15568318.2018.1481243. [19] Klein, Timotheus und Scheler, Christian. Evaluation eines Standortpotenzialmodells für E-Ladeinfrastruktur. Internationales Verkehrswesen. 2018, (70)1, S. 32-37. [20] Minnich, Lukas. Akzeptanz und Perspektiven von Elektromobilität in Südhessen. Darmstadt: Öko-Institut e.V. [Ed.], 2020. https: / / www.oeko. de/ fileadmin/ oekodoc/ Begleitforschung-E-Mobilitaet_Suedhessen.pdf. [21] Stein, Oliver und Hoffmann, Silja. Moblitätskennwerte für Elektro- und Verbrennerfahrzeuge aus Flottendaten. [Hrsg.] Forschungsgesellschaft für Straßen und Verkehrswesen FGSV. Straßenverkehrstechnik. 2021, 12.2021, S. 903-909. [22] Gerike, Regine, et al. Tabellenbericht zum Forschungsprojekt „Mobilität in Städten - SrV 2018“ in der Hansestadt Rostock. Dresden: Technische Universität Dresden, 2020. ENDNOTEN 1 https: / / www.wiro.de/ Eingangsabbildung: Erzeugt seit fünf Jahren Strom: Fassaden-PV-Anlage an einem WIRO-Wohnhaus in der Joliot-Curie-Allee im Rostocker Stadtteil Toitenwinkel. © Fotograf. WIRO/ Jens Scholz Statistik/ Produktkatalog/ produkte/ Fahrzeuge/ fz1_b_uebersicht.html. [3] Windt, Alexander und Arnhold, Oliver. Ladeinfrastruktur nach 2025/ 2030: Szenarien für den Markthochlauf. Berlin: Nationale Leitstelle Ladeinfrastruktur (Hg.), 2020. Studie gefördert durch das BMVI. [4] IEA. Global EV Outlook. s.l.: International Energy Agency, 2023. [5] Wappelhorst, Sandra. The end of the road? An overview of combustion-engine car phase-out annoncements across Europe. Beijing, Berlin, San Francisco, Sao Paulo, Washington: icct, 2020. [6] destatis. EU-Vergleich: Deutschland Mieterland Nummer 1. [Online] [Zitat vom: 10. 2 2024.] https: / / w w w.destatis.de/ Europa/ DE / T hema/ Bevoelkerung-Arbeit-Soziales/ Soziales-Lebensbedingungen/ Mieteranteil.html. [7] ntv.de. Wirtschaft - Ladeinfrastruktur fehlt - Mieter kaufen selten E-Autos. [Online] 29. 9 2024. https: / / www.n-tv.de/ wirtschaft/ Mieter-kaufenselten-E-Autos-article25259195.html. [8] Klein, Timotheus, et al. E-Ladeinfrastrukturkonzept für die WIRO GmbH in Rostock. Hamburg: s.n., 2023. Erläuterungsbericht. [9] Dörre, Elias, Klein, Timotheus und von Bonin, Michael. Finding Attractive Electric-Vehicle- Charging Locations with Photovoltaic System Integration. World Electric Vehicle Journal. 2024, 15, 97. [10] Martin, H., et al. Using rooftop photovoltaic generation to cover individual electric vehicle demand—A detailed case study. Renewable and Sustainable Energy Reviews. 2022, 157/ 111969. [11] von Bonin, M., et al. Impact of Dynamic Electricity Tariff and Home PV System Incentives on Electric Vehicle Charging Behavior: Study on Potential Grid Implications and Economic Effects for Households. Energies. 2022, 15 (3). [12] Council of the European Union; European Parliament. Directive 2014/ 94/ EU of the European Parliament and of the Council of 22 October 2014 on the deployment of alternative fuels infrastructure Text with EEA relevance. [Online] 22. 10. 2014. https: / / op.europa.eu/ en/ publicationdetail/ -/ publication/ d414289b-5e6b-11e4-9cbe- 01aa75ed71a1/ language-en. [13] Nicholas, Michael und Wappelhorst, Sandra. Regional Charging Infrastructure Requirements in Germany through 2030. Beijing, Berlin, San Francisco, Sao Paulo, Washington: icct, 2020. icct white paper. [14] Maase, Simone, et al. Performance of Electric Vehicle Charging Infrastructure: Development of an Assessment Platform Based on Charging Data. World Electric Vehicle Journal. 20. July 2018, 9,25. [15] Wolbertus, Rick. Evaluating Electric Vehicle Charging Infrastructure Policies. Delft: s.n., 2020. ISBN: 978-90-5584-264-3. [16] How Many Public Chargers, and for Whom: A Qualified Site Location Approach for the E-MetropoLIS. Klein, Timotheus und Prill, Thomas. Hamburg: s.n., 2021. 27th ITS World Congress. [17] Niels, Tanja, et al. Modellbasiertes Vorgehen zur Ermittlung von Standorten öffentlicher Ladeinfrastruktur - Methodik und Anwendung am Fallbeispiel Landkreis München. [Hrsg.] Forschungsgesellschaft für Straßen und Verkehrswesen FGSV. Straßenverkehrstechnik. 2020, 11.2020, S. 739- 746. [18] Pagany, Raphaela, Camargo, Luis Ramirez und Dorner, Wolfgang. A review of spatial localization methodologies for the electric vehicle charging Standort durch eine deutliche Erhöhung der Netto-Kapitalwerte und damit der Gewinne widerspiegelt. Die wichtigsten Faktoren sind die Systemkosten für die PV-Integration, der Netzstrompreis sowie der Eigenverbrauchsanteil. Während auf die ersten beiden Faktoren nur geringfügiger Einfluss besteht, wird der Eigenverbrauch durch den Tagesgang des Fahrstrombedarfs, die Ladeleistung der Ladepunkte und die Größe von PV-Anlage und Batteriespeicher beeinflusst. Dies erfordert eine individuelle Betrachtung der Standorte und eine standortoptimierte Dimensionierung der Systemkomponenten. Dass eine standortscharfe Betrachtung für eine große Anzahl an Liegenschaften möglich ist, konnte in der Studie erfolgreich aufgezeigt werden. Mit dem Ziel, den Kapitalwert zu maximieren, hat sich dabei die Bedarfsermittlung an Fahrstrom und die Zuordnung von Nutzungsgruppen per Geoinformationssystem in Kombination mit einer zeitreihenbasierten Dimensionierung der PV-Anlagen und Batteriespeicher als zweckmäßig erwiesen. Die Vorabschätzung ist besonders bei einer Vielzahl von Standorten hilfreich, um Standorte für die vertiefende Betrachtung zu priorisieren. Eine sinnvolle Ergänzung wäre hier die Berücksichtigung saisonaler Schwankungen in der PV-Erzeugung. Neben einer realistischeren Einschätzung des Eigenverbrauchs ergäbe sich daraus eine Bandbreite des PV-Defizits oder -Überschusses, was für die Eignung und ggf. Bemessung des Netzanschlusses von Bedeutung ist. Im Allgemeinen besteht aktuell noch ein Mangel an Daten zum Ladeverhalten und zu den Auswirkungen der Konkurrenzsituation auf die Auslastung und den Ertrag von Ladeinfrastruktur. Hier sehen die Autoren noch weiteren Forschungsbedarf. Belastbare Daten zum Tagesgang der Nachfrage sind notwendig, um die Kompatibilität verschiedener betrieblicher oder öffentlicher Nutzergruppen untereinander und mit den jeweiligen Energiequellen zu beurteilen. Die Studie wurde von der WIRO GmbH beauftragt und vom Bundesministerium für Verkehr und digitale Infrastruktur mit der Förderrichtlinie Elektromobilität vom 14. Dezember 2020 gefördert. ■ LITERATUR [1] Friedrich, Markus. Maßnahmenbereiche zur Einhaltung der CO2-Minderungsziele und deren Wirkungspotenziale. [Hrsg.] Forschungsgesellschaft für Straßen und Verkehrswesen FGSV. Straßenverkehrstechnik. 2023, 5.2023, S. 311-322. [2] KBA. Bestand nach Zulassungsbezirken (FZ 1). [Online] Kraftfahrt-Bundesamt (KBA), 2023. [Zitat vom: 27. 9. 2023.] https: / / www.kba.de/ DE/ Timotheus Klein, Dipl.-Ing., ARGUS/ TKMG, Pinnasberg 45, 20359 Hamburg t.klein@argus-hh.de Elias Dörre, M.Sc., Fraunhofer Institute for Energy Economics and Energy System Technology IEE, Joseph-Beuys-Str. 8, 34117 Kassel elias.doerre@iee.fraunhofer.de Patrick Stoklosa, M.Sc., ARGUS, Pinnasberg 45, 20359 Hamburg p.stoklosa@argus-hh.de INFRASTRUKTUR  E-Ladeinfrastruktur DOI: 10.24053/ IV-2024-0059 Internationales Verkehrswesen (76) 4 ǀ 2024 36