18014 et 1906 Schierenbeck Bruck

Neue Anforderungen im Energiemanagement zur Verbesserung der energiebezogenen Leistungeffizient umsetzen Anne Schierenbeck und Philipp Bruck

Zahlreiche neue Normen zum Energiemanagement ergänzen die ISO 50001 und spezifizieren die bestehenden Anforde-rungen, auch die ISO 50001 selbst hat Ende 2018 eine Neuauflage erfahren. Insbesondere der verpflichtende Nachweis einer tatsächlichen Verbesserung der energiebezogenen Leistung in der ISO 50003 und die ISO 50006 als Leitfaden für Energieleistungskennzahlen stellen viele Unternehmen vor die Herausforderung, ihre Energieverbräuche und Ein-flussfaktoren zu untersuchen. Konzentrieren sich diese auf die Umsetzung von Maßnahmen für den Nachweis („bottom-up“), können die weiteren Normen als willkommene Hilfestellungen für ein verbessertes Managementsystem verstanden werden.

besserung der energiebezogenen Leistung beschrieben:

■ durch Veränderungen im Gesamtener-gieverbrauch der Organisation oder ihrer Teile („top-down“) oder

Problemstellung: die Verbesserung der energie-bezogenen Leistung

In den vergangenen drei Jahren sind neue Normen für das Energiemanagement veröf-fentlicht worden (siehe Abb. 1). Während es sich bei der ISO 50004 [1], ISO 50006 [2] und ISO 50015 [3] um Leitfäden han-delt, regelt die ISO 50003 [4] seit dem 14.10.2017 verbindlich Anforderungen an die Auditierung. Insbesondere die For-derung nach dem Nachweis einer tatsäch-lichen Verbesserung der energiebezogenen Leistung als Voraussetzung für die Zertifi-zierung stellt eine Verschärfung der Anfor-derungen dar. Diese spiegelt sich auch in der ISO 50001:2018 [5] wider, der Neuauf-lage der Basisnorm.

In der ISO 50047 [6] werden zwei unter-schiedliche Ansätze zum Nachweis der Ver-

Abb. 1 Übersicht über die neuen Normen im Rahmen des Energiemanagements nach ISO 50001

ZEITSCHRIFT FÜR ENERGIEWIRTSCHAFT · RECHT · TECHNIK UND UMWELT Artikel-Pdf (18013) · Heft 5|19 · S.58-59

ENERGIEWIRTSCHAFTLICHETAGESFRAGEN

ENERGIEWIRTSCHAFTLICHETAGESFRAGEN

ENERGIEMARKT – ENERGIEMANAGEMENT

2 ENERGIEWIRTSCHAFTLICHE TAGESFRAGEN 69. Jg. (2019) Heft 6

■ durch aggregierte Energieeinsparun-gen aus der Umsetzung von Maßnahmen („bottom-up“).

In beiden Fällen sind aussagekräftige Energieleistungskennzahlen (energy per-formance indicators, EnPI) notwendig, um den Nachweis zu erbringen. Was als Ver-besserung der energiebezogenen Leistung zählt, wird auch in der ISO 50001:2018 ein-geschränkt: Dort wird explizit darauf hin-gewiesen, dass die Installation von „erneu-erbaren Energiearten“, also beispielsweise einer Photovoltaikanlage, keine Verbesse-rung in diesem Sinne darstellt (Abschnitt A.6.3 der Norm).

Verbesserungen nach-weisen: Energieleistungs-kennzahlen nach der ISO 50006

In der ISO 50006 ist detailliert beschrieben, wie durch eine statistische Auswertung von Energieverbrauch und Einflussfaktoren herausgearbeitet werden kann, welches die aussagekräftigsten Energieleistungs-kennzahlen für ein Unternehmen sind. Allerdings müssen dazu diese Einfluss-faktoren nicht nur bekannt, sondern auch

messtechnisch erfasst werden. Die ISO 50015 beschreibt umfangreich den Um-gang mit Messungen im Rahmen des Ener-giemanagements.

Die Einflussfaktoren werden in relevante Variablen und statische Faktoren unter-schieden:

■ Für relevante Variablen (Beispiele: Wetter, Produktionsmenge) mit Einfluss auf die energiebezogene Leistung sollten EnPI und Energetische Ausgangsbasen (energy baseline, EnB) normalisiert werden, um die Leistung unter gleichwertigen Bedingungen zu vergleichen (siehe Kapitel 4.1.7 der ISO 50006, alle nachfolgenden Verweise bezie-hen sich auf diese Norm).

■ Statische Faktoren (Beispiele: bestimm-ter Produktmix an einer Produktionsanlage, Anzahl der Schichten pro Tag) stellen Faktoren dar, die sich nicht routinemäßig ändern. Sie sind aufzuzeichnen und im Laufe der Zeit zu überprüfen (4.2.5).

Aus der Analyse der Einflussfaktoren und insbesondere der relevanten Variablen ergeben sich vier Arten von EnPI und Ver-fahren zur Normalisierung (4.3.1, 4.3.3, insb. Tabelle 2, 4.5.1):

■ Gemessener Energiewert, z. B. abso-luter Verbrauch, Spitzenleistung: bezieht relevante Variablen nicht mit ein.

■ Verhältnis von Messwerten, z. B. Ener-gieeffizienz: für Systeme mit kleiner oder keiner Grundlast und nur einer relevanten Variable, z. B. für Benchmarks.

■ Statistisches Modell, d. h. lineare oder nichtlineare Regression: für Systeme mit Grundlast und/oder mehreren (!) relevan-ten Variablen, erfordert genaues System-verständnis insb. für nichtlineare Modelle.

■ Ingenieurwissenschaftlichbasiertes Modell, d. h. Beziehung zwischen Energie-verbrauch und relevanten Variablen auf der Basis von Simulationen.

Wenn Modelle verwendet werden, kann deren Validität mit statistischen Tests (P-Wert, F-Test, Bestimmtheitsmaß) bestimmt werden (4.4.3). Diese Verfahren werden auch genutzt, um den tatsächlichen Ein-fluss potenzieller relevanter Variablen auf den Energieverbrauch zu prüfen. Wenn EnPI nicht messbar sind, müssen diese ggf. angepasst oder zusätzliche Zähler oder Messverfahren eingeführt werden (4.2.6.1). Messungen können als Einzel-messungen, temporäre Messungen oder kontinuierlich erfolgen.

Praxis: Wie reagieren Unternehmen auf die neuen Normen?

Vor dem Hintergrund der neuen Normen und Anforderungen nehmen auch Unter-nehmen, die schon langjährige Erfahrung mit dem Energiemanagement haben, eine Überprüfung ihrer Kennzahlen-Systeme vor. Viele Unternehmen mit Energiema-nagement-Systemen haben in der Vergan-genheit mit relativ einfachen EnPIs gear-beitet. Häufig wurde dazu der absolute Energieverbrauch des Unternehmens als Kennzahl verwendet oder auf eine Pro-duktionsmenge, die Zahl der geleisteten Arbeitsstunden oder den Umsatz bezogen. Mit der Sammlung von Einflussfaktoren, deren messtechnischen Erfassung und schließlich der statistischen Auswertung ist daher teilweise ein erheblicher Aufwand verbunden.

Bevor mit der Umsetzung der EnPI-Analyse begonnen wird, sollte die Abgrenzung der

Abb. 2 Beispiel für eine ABC-Analyse auf Basis des Energieverbrauchs für das Ziegeleiunternehmen OLFRY Ziegelwerke GmbH & Co. KG in Vechta. Als SEU werden beispielsweise die Energieein-sätze definiert, die zusammen 90 % des Energieverbrauchs ausmachen: Die Erdgasverbräuche der Öfen und Kammertrockner sowie des Dampfkessels, außerdem die Stromverbräuche der Rauchgasentschwefelung (REA) und der Kammertrockner des Ofens 1. Hinweis: Die realen Unternehmensdaten wurden zur Veröffentlichung verfälscht und anonymisiert


3ENERGIEWIRTSCHAFTLICHE TAGESFRAGEN 69. Jg. (2019) Heft 6

wesentlichen Energieeinsätze (significant energy use, SEU) aktualisiert werden. Als wesentlich gelten solche Energieeinsätze, die einen hohen Energieverbrauch verant-worten oder großes Verbesserungspotenzi-al bieten. Eine typische Herangehensweise zur Abgrenzung der SEU ist eine ABC- Analyse (siehe Paretodiagramm in Abb. 2 für ein Praxisbeispiel). Welche Kriterien zur Abgrenzung letztlich herangezogen werden, überlässt die ISO 50001:2018 ex-plizit der Organisation (siehe Abschnitt A.6.3 der Norm).

Anschließend werden für diese SEU die Ein-flussfaktoren nach der ISO 50006 ermittelt. Potenzielle relevante Variablen und stati-sche Faktoren werden identifiziert, gemes-sen und Zusammenhänge überprüft, um zu ermitteln, ob ein tatsächlicher Einfluss nachweisbar ist [7]. Beispiele für auf diese Weise ermittelte Einflussfaktoren zeigt die Tabelle. Nach Analyse der Einflussfaktoren werden auf Basis der relevanten Variablen die EnPI gebildet. Obwohl „multivariable Modelle“ bereits in der ISO 50001:2011 [8] als mögliche EnPI genannt wurden (siehe Abschnitt A.4.5 der Norm), beschäftigen sich viele Unternehmen erst seit Veröffent-lichung der ISO 50006 mit der Möglichkeit, den Einfluss relevanter Variablen in statis-

tischen Modellen darzustellen. Gegenüber reinen Verhältniskennzahlen (welche als lineares Modell durch den Ursprung be-trachtet werden können) haben aufwen-digere statistische Modelle den Vorteil, dass sie Grundlasten (also nicht von der relevanten Variable abhängige Energiever-bräuche) und nichtlineare Zusammenhän-ge abbilden können. In der Praxis zeigt sich jedoch, dass lineare Modelle häufig keine wesentlich besseren Ergebnisse liefern (siehe Beispiel in Abb. 3) und den Mehrauf-wand deshalb nicht rechtfertigen.

Bewertung der neuen Normen

Die wesentliche Neuerung der ISO 50003, eine tatsächliche Verbesserung der ener-giebezogenen Leistung zur Vorausset-zung für die Zertifizierung zu machen, erscheint sinnvoll: Schließlich ist eben diese Verbesserung nicht nur der Sinn und Kerngedanke eines Energiemanagement-systems. Durch die Verknüpfung der Zerti-fizierung mit Steuererleichterungen ist die Frage auch politisch relevant. Es ist nach-vollziehbar, dass der Staat für das Ertei-len von Subventionen eine Gegenleistung fordert, in diesem Fall durch Energieein- sparungen.

Die ISO 50006 als Leitfaden für Energie-leistungskennzahlen hat bei vielen Unter-nehmen zunächst für Verunsicherung gesorgt, insbesondere durch den teilweise sehr hohen Aufwand für die Datenbeschaf-fung (Installation neuer Messpunkte) und deren Auswertung. Unter Umständen ist für die Analyse neue Software notwendig, außerdem werden Energiemanagement-beauftragte mit neuen Methoden aus dem Bereich der Statistik (statistische Modelle, Testverfahren) konfrontiert.

Wichtig ist aber, dass es sich bei den drei neuen Normen ISO 50004, ISO 50006 und ISO 50015 um Leitfäden handelt. Sie enthalten keinerlei neue verbindliche Vorgaben, sondern basieren auf „sollte“-Anforderungen. Unternehmen können diese Normen daher als Anregungen und nützliche Hilfen verstehen. Unter dem Aspekt der Angemessenheit des Manage-mentsystems sind solche Anregungen umzusetzen, die dem Unternehmen bei vertretbarem Aufwand eine tatsächliche Verbesserung seiner Kennzahlen und sei-nes Energiecontrollings bringen.

Gerade für energieintensive Unternehmen mit komplexen Prozessen kann es eine große Hilfe sein, Energieleistungskennzahlen auf Basis mehrerer relevanter Variablen zu entwickeln und damit ein Benchmar-king verschiedener Anlagen vorzunehmen [9, 10]. Mehrdimensionale Modelle können außerdem der Prozessoptimierung dienen und dazu beitragen, durch Variation von Einflussgrößen energetische Optima zu identifizieren [11].

Die neuen Normen bieten im Sinne des konti-nuierlichen Verbesserungsprozesses eine gute Gelegenheit, Dinge nachzuholen, die bei Systemeinführung vernachlässigt wurden oder einer Überarbeitung bedür-fen. Insbesondere das Abgrenzen der SEU ist ein entscheidender Schritt, um bei der Analyse von Einflussfaktoren und beim Bilden von EnPI einen Mittelweg zwischen Aufwand und Nutzen zu finden.

Die Neuerungen sollten nicht davon ablen-ken, was auch weiterhin Priorität im Ener-giemanagement hat: Die energiebezogene Leistung wird nicht durch bessere Kenn-zahlen verbessert, sondern durch die Um-

Abb. 3 Beispiel für ein statistisches Modell für den Zusammenhang des Erdgasverbrauchs eines Ofens und dessen Produktionsmenge. Wird statt des linearen Modells mit Grundlast (hier: 80 MWh) eine reine Verhältniskennzahl gewählt, verändert sich das Bestimmtheitsmaß auf 0,6644 und damit in diesem Beispiel nur geringfügig. Hinweis: Die realen Unternehmensdaten wurden zur Veröffentlichung verfälscht und anonymisiert


4 ENERGIEWIRTSCHAFTLICHE TAGESFRAGEN 69. Jg. (2019) Heft 6

Tab.: Beispiele für Energieeinsätze und deren Einflussfaktoren (relevante Variablen, statische Faktoren) für mehrere Branchen

Branche Energieeinsatz relevante Variablen statische Faktoren

Ziegelei Erdgasverbrauch eines Ofens

Produktionsmenge, Brenn-temperatur, Abgasmenge

Ziegelsorten, Schichtanzahl

Automobilindustrie Heizenergieverbrauch Montagehalle

Klima/Witterung, Hallen-toröffnungsdauer Schichtanzahl

Schiffbau Stromverbrauch beim Brennschneiden Brennmeter Anlagentechnik

Herstellung von Federkernen

Stromverbrauch der Fertigungsmaschinen Stückzahl Federtyp,

Maschinentyp

setzung von Maßnahmen. Wir empfehlen, die Umsetzung von Energieeffizienzmaß-nahmen insbesondere im Bereich der SEU zum Fokus des Engagements im Rahmen des Energiemanagements zu machen. Die damit nachgewiesenen Energieeinsparun-gen liefern zudem einen zuverlässigen Nachweis der Verbesserung der energie-bezogenen Leistung zur Erfüllung der ISO 50003 („bottom-up“-Ansatz).

Anmerkungen [1] ISO 50004:2014-12: Energiemanagementsysteme –

Anleitung zur Einführung, Aufrechterhaltung und Ver-

besserung eines Energiemanagementsystems. (Noch

keine deutschsprachige Fassung veröffentlicht.)

[2] DIN ISO 50006:2017-04: Energiemanagementsys-

teme – Messung der energiebezogenen Leistung un-

ter Nutzung von energetischen Ausgangsbasen (EnB)

und Energieleistungskennzahlen (EnPI) – Allgemeine

Grundsätze und Leitlinien.


teme – Messung und Verifizierung der energiebezoge-

nen Leistung von Organisationen - Allgemeine Grund-

sätze und Leitlinien.


teme – Anforderungen an Stellen, die Energiemanage-

mentsysteme auditieren und zertifizieren.

[5] DIN EN ISO 50001:2018-12: Energiemanagement-

systeme – Anforderungen mit Anleitung zur Anwen-

dung.

[6] ISO 50047:2016-11: Energieeinsparungen – Be-

stimmung von Energieeinsparungen in Organisatio-

nen. (Noch keine deutschsprachige Fassung veröffent-

licht.)

[7] Eine hilfreiche Verfahrensanweisung zum Prüfen

des Einflusses kann gefunden werden in: Grabows-

ki, P.; Kubin, K., Ernst, C., Diehl, S. und Melsheimer,

J.: Entwicklung einer Methodik zur Aufstellung von

Energiekennzahlen zur Steigerung der Energieeffizi-

enz in Unternehmen; Arbeitspaket 1: Methodik; Teil 2:

Methodik zur Aufstellung von Energiekennzahlen; im

Auftrag des Bundesumweltministeriums, Berlin 2015.

[8] DIN EN ISO 50001: 2011-12: Energiemanagement-

systeme – Anforderungen mit Anleitung zur Anwen-

dung.

[9] Boyd, G. A.: Comparing the statistical distributions

of energy efficiency in manufacturing: metaanalysis of

24 Case studies to develop industryspecific energy per-

formance indicators (EPI). Energiy Efficiency (2017)

10:217-238.

[10] Gómez Sarduy, J. R.; Viego Felipe, P. R.; Díaz Tor-

res, Y.; Álvarez-Guerra Plascencia, M. A.; Sousa Santos,

V. und Haeseldonckx, D.: A New Energy Performance

Indi-cator for Energy Management System of a Wheat

Mill Plant. International Journal of Energy Economics

and Policy, 2018, 8(4), 324–330.

[11] Hirzel, S.; Bender, O.; Kloos, H.; Laubach, M.;

Sontag, B. und Wallkötter, R.: Innerbetriebliches Ener-

giebenchmarking. Herausgegeben vom Arbeitskreis

„Innerbetriebliches Energiebenchmarking“ der Effizi-

enzfabrik – Innovationsplattform Ressourceneffizienz

in der Produktion, Karlsruhe 2013.

Prof. Dr.-Ing. A. Schierenbeck, Professo-rin für Energiemanagement, Hochschule Osnabrück, Campus Lingen; P. Bruck, M. Sc., Ingenieur für Klimaschutz und Ener-gieeffizienz, TARA Ingenieurbüro, Bremen [email protected]@tara-ingenieure.de

18014 et 1906 Schierenbeck Bruck

Documents

Transcript of 18014 et 1906 Schierenbeck Bruck