Pratfall-Effekt als Methodik-Prinzip
Wer ehrlich seine Grenzen nennt, gewinnt mehr Vertrauen als wer perfekte Versprechen macht. Das ist das Pratfall-Prinzip, formuliert vom Sozialpsychologen Elliot Aronson in den 1960er Jahren.
In unserer Methodik ist Pratfall eine bewusste Design-Entscheidung. Statt unseren Rechner als perfektes Werkzeug zu vermarkten, dokumentieren wir explizit, was er nicht kann. Sechs konkrete Limitierungen, jede mit eigener Erklärung. Wir glauben, dass diese Transparenz den Trust-Wert für Journalisten, Verbraucherschützer und kritische Nutzer höher ist als jede Marketing-Aussage.
Konkret bedeutet das: Wo wir nicht wissen, sagen wir nicht wissen. Wo unser Modell vereinfacht, dokumentieren wir die Vereinfachung. Wo eine Aussage Range-behaftet ist, zeigen wir die Range explizit als ±20%. Diese Methodik ist nicht nur ehrlicher, sie ist auch wissenschaftlich solider. Studien zur Wahrnehmung von Datentools (Stanford, MIT, IDEO) zeigen konsistent, dass Tools mit transparenten Grenzen mehr Adoption und Trust generieren als Tools mit perfekten Behauptungen.
In den folgenden sechs Sektionen erklären wir jede Limitation einzeln: was sie bedeutet, warum sie existiert, und welche Konsequenzen sie für die Interpretation unserer Berechnungen hat. Wer alle sechs gelesen hat, kann unsere Zahlen seriös einordnen und seine eigenen Schlüsse ziehen.
Wo das Modell trotzdem rechnet, beschreibt der Pass-Through-Effekt.
Limitation 1: Keine Prognose für einzelne Haushalte
Wir berechnen Mehrkosten für einen typischen Haushalt deiner Größe und deines Landes. Was wir nicht wissen: dein konkretes Auto, dein Heizungsmodell, dein Stromanbieter, deine Vertragsart, deine Pendel-Strecke an einem bestimmten Tag. Alle diese Faktoren beeinflussen den realen Pass-Through für deinen Haushalt.
Konkretes Beispiel: Ein Vier-Personen-Haushalt in Hamburg mit einer modernen Wärmepumpe, Solar-Anlage und einem Elektroauto erlebt einen viel niedrigeren Pass-Through als ein gleich großer Haushalt im Münsterland mit Ölheizung, altem Diesel-Auto und Standard-Stromtarif. Unser Modell gibt für beide ähnliche Werte zurück, weil es nur die Haushaltsgröße und das Land kennt.
Die Range ±20% reflektiert genau diese Streuung: 30% der Haushalte deiner Konfiguration erleben deutlich mehr, 30% deutlich weniger, 40% liegen in der Mitte. Das ist keine Schwäche unseres Modells, sondern eine ehrliche Repräsentation dessen, was ein statistisches Modell leisten kann. Wer eine individuelle Prognose will, sollte die eigenen Verbrauchsdaten in einen detaillierten Energie-Audit-Tool einspeisen, das pro Gerät rechnet.
Limitation 2: Keine Wechselkurs-Vorhersage
Brent wird in USD gehandelt, deine Energierechnung kommt in EUR oder CHF. Eine Erhöhung des Brent-Preises wirkt sich also doppelt aus: durch den USD-Anstieg selbst, und durch eine eventuelle Wechselkurs-Bewegung. Wir nutzen den Spot-Wechselkurs zum Berechnungszeitpunkt, modellieren aber keine Wechselkurs-Prognose.
In stabilen Marktphasen ist das harmlos, weil USD-Bewegungen kurzfristig klein sind. In Krisen-Phasen kann der Wechselkurs aber signifikant ausschlagen. Beispiel: Wenn Brent um 10 USD steigt und gleichzeitig USD gegen EUR um 5% aufwertet, ist der effektive Pass-Through für EUR-Haushalte um etwa ein Drittel höher als unser Modell zeigt.
Wer ein Krisen-Szenario mit Wechselkurs-Komponente modellieren will, kann manuell einen höheren Brent-Preis im Wizard eingeben, um die Wechselkurs-Bewegung zu kompensieren. Beispiel: bei erwarteter USD-Aufwertung um 5% gegen EUR multipliziere den Brent-Schock-Wert mit 1,05. Das ist eine pragmatische Approximation, kein Wechselkurs-Modell.
Limitation 3: Keine Spekulations-Premium
In Krisen-Szenarien addieren Trader eine Risk-Premium auf den Brent-Spot-Preis. Diese Premium reflektiert geopolitisches Risiko, Unsicherheit über zukünftige Lieferungen, und spekulative Erwartungen. Sie kann zwischen 5 und 25 USD pro Barrel betragen und ist nicht in unseren Pass-Through-Coefficients enthalten.
Beispiel: Bei einer Eskalation der Hormuz-Region zeigt der Brent-Spot-Preis vielleicht 95 USD, der Markt-Konsens für die nächsten 3 Monate liegt aber bei 110 USD wegen Risk-Premium. Unser Modell rechnet mit dem aktuellen Spot, nicht mit dem Forward-Preis. Wer den Forward-Effekt sehen will, sollte im Wizard einen entsprechend höheren Brent-Wert manuell eingeben, um den erwarteten Premium-Effekt zu modellieren.
Die Risk-Premium ist methodisch schwer zu prognostizieren, weil sie von politischer Eskalation, Marktstimmung und Trader-Verhalten abhängt. IEA und EIA dokumentieren historische Risk-Premium-Bewegungen, aber keine seriöse Quelle prognostiziert sie kurzfristig. Wir nehmen sie daher bewusst nicht in unser Modell auf.
Limitation 4: Konstanter Verbrauch über Zeit
Unser Modell hält den User-Verbrauch konstant über den 12-Monats-Horizont. In der Realität reagieren Haushalte auf Preisschocks: bei hohen Sprit-Preisen fahren manche weniger, andere wechseln auf öffentlichen Verkehr, einige kaufen ein Elektroauto. Bei hohen Heizkosten wird mehr gedämmt oder eine Wärmepumpe installiert.
Diese Verhaltensänderungen können den realen Pass-Through deutlich reduzieren, manchmal um 15-30%. Unser Modell modelliert sie nicht, weil sie individuell stark unterschiedlich sind und in der Aggregat-Statistik schwer zu schätzen. ACEEE-Studien zeigen, dass Verhaltensänderungen bei Energiepreis-Schocks etwa 6-12 Monate brauchen, bis sie messbar werden.
Wer die eigenen Anpassungs-Möglichkeiten einschätzen will, sollte sich die Spar-Tipps in unserem Tip-Bereich anschauen. Jeder Tipp zeigt den theoretischen und den realistischen (30%-capture) Spar-Effekt. Wer mehrere Tipps konsequent umsetzt, kann den real erlebten Pass-Through deutlich unter unsere Modell-Schätzung drücken.
Limitation 5: Keine regionalen Subventionen
In Krisen-Szenarien intervenieren Regierungen oft mit Subventionen und Steuersenkungen. Beispiele: Klimabonus AT (jährliche Zahlung an Haushalte), Heizkostenzuschuss DE (einmalige Zahlung an einkommensschwache Haushalte), MaPrimeRenov FR (Subvention für Heizungs-Modernisierung), Bono Social ES (sozialer Strom-Tarif). Diese Maßnahmen können den realen Pass-Through deutlich reduzieren.
Unser Modell modelliert sie nicht, weil sie politisch unvorhersagbar sind und sich kurzfristig ändern. Was 2024 verfügbar war, ist 2026 vielleicht abgeschafft, wie der Klimabonus AT 2024 abgeschafft wurde. Wir wollen keinen Eindruck erwecken, dass diese Maßnahmen verlässliche Kompensation bieten, weil sie politisch labil sind.
Wer wissen will, welche Subventionen in seinem Land aktuell verfügbar sind, sollte unsere Country-Detail-Seite für sein Land konsultieren. Dort dokumentieren wir je Land die aktuell aktiven Energie-Subventionen mit Quellen-Verlinkung. Das wird halbjährlich aktualisiert.
Limitation 6: Keine Politik-Prognose
OPEC-Cuts, Sanktions-Verschärfungen, Hormuz-Eskalationen, politische Wechsel in Förderländern: alle diese Ereignisse beeinflussen den Brent-Preis, oft drastisch. Unser Modell prognostiziert keine politischen Ereignisse, sondern zeigt nur, was passieren würde bei einem konkreten Brent-Szenario, das du selbst wählst.
Die Wahl des Brent-Szenarios ist also eine politische Annahme, keine Prognose. Wenn du den Brent-Preis im Wizard auf 120 USD setzt, ist das deine Hypothese, nicht unsere Prognose. Unser Modell rechnet die Konsequenzen dieser Hypothese durch. Das ist methodisch sauberer als eine Prognose, weil wir keine Anlageberatung sind und weil seriöse Politik-Prognosen sehr selten in der Energie-Markt-Geschichte funktioniert haben.
Wer Szenarien-Anregungen will, kann unsere Country-Detail-Seiten konsultieren. Dort dokumentieren wir je Land die wahrscheinlichsten Krisen-Szenarien mit historischen Vergleichswerten. Die Wahl, welches Szenario du modellieren willst, bleibt bei dir.
Confidence-Intervall ±20% erklärt
Wenn unser Modell 30 Euro zeigt, was bedeuten die ±20% konkret?
Die Range ±20% reflektiert die empirische Streuung in unseren Datenquellen. Sie ist nicht aus einem theoretischen Konfidenz-Intervall abgeleitet, sondern aus realen Pass-Through-Studien an konkreten Haushalten. Konkret bedeutet das: Wenn unser Modell für eine Konfiguration 30 Euro Mehrkosten pro Monat zeigt, erleben etwa 30% der Haushalte über 36 Euro, etwa 30% unter 24 Euro, und etwa 40% liegen dazwischen.
Diese Verteilung ist nicht symmetrisch um den Modell-Wert herum. Tatsächlich gibt es eine leichte Asymmetrie: Haushalte mit ineffizienter Energie-Infrastruktur (alte Ölheizung, hoher Sprit-Verbrauch) tendieren häufiger zu Werten über dem Mittelwert. Haushalte mit moderner Infrastruktur tendieren zu Werten darunter. Wir zeigen aus Einfachheits-Gründen eine symmetrische Range, dokumentieren aber hier, dass die reale Verteilung eine rechtsschiefe Tendenz hat.
Die Range wird im Code als RANGE_BAND-Konstante definiert (wizard.dev.js Zeile 2149). Sie ist fest auf 0,20 (20%) gesetzt, basierend auf der aggregierten Streuung in IEA, ACEEE und USDA-Studien zu Pass-Through-Verteilungen an realen Haushalten. Bei größeren Datensätzen würde die Range tendenziell etwas enger werden, bei kleineren etwas weiter.
Die Quellenlage hinter den Rechenwerten ist in unseren 9 Datenquellen dokumentiert.
Häufige Fragen zu unseren Limitierungen
Was am häufigsten zu unseren Grenzen gefragt wird.
Warum baut ihr keine Prognose-Funktion ein?
Eine echte Prognose erfordert Modellierung von Geopolitik, Wechselkursen, OPEC-Entscheidungen und Spekulations-Verhalten. Diese Faktoren sind methodisch nicht seriös vorhersagbar. Wir haben uns bewusst gegen eine Prognose-Funktion entschieden, weil wir keine Anlageberatung sein wollen und weil eine schlechte Prognose mehr Schaden als Nutzen anrichtet. Stattdessen zeigen wir, was passieren würde bei einem konkreten Brent-Szenario, das du selbst wählst.
Was bedeutet Range ±20% konkret?
Wenn unser Modell für einen Vier-Personen-Haushalt in Deutschland 30 Euro Mehrkosten pro Monat zeigt, bedeutet die ±20%-Range: etwa 30% der Haushalte erleben mehr als 36 Euro, etwa 30% weniger als 24 Euro, etwa 40% liegen zwischen 24 und 36 Euro. Diese Verteilung ist empirisch aus IEA- und ACEEE-Daten kalibriert, nicht aus einem theoretischen Konfidenz-Intervall abgeleitet. Sie reflektiert reale Streuung in den Daten.
Welche Limits gelten besonders für Krisen-Szenarien?
In Krisen-Szenarien (Hormuz-Eskalation, OPEC-Cut, Sanktions-Verschärfung) gelten mehrere unserer Limits besonders stark: Wir modellieren keine Spekulations-Premium (kann 5-25 USD pro Barrel addieren), keine politischen Notmaßnahmen (Steuersenkungen, Subventionen), und keine Verhaltensänderungen (User wechseln auf E-Bike oder reduzieren Heizung). Bei einem ernsten Krisen-Szenario kann der reale Pass-Through für Haushalte 30-50% niedriger ausfallen, als unser Modell zeigt, weil staatliche Interventionen aktiviert werden.
Wie geht ihr mit unsicheren Quellen um?
Wenn eine Quelle methodische Schwächen hat (z.B. kleine Stichprobe, unklare Methodik, fehlende Peer-Review), nutzen wir sie nicht. Stattdessen suchen wir Studien aus den neun etablierten Institutionen (IEA, EIA, ACEEE, ADAC, TCS, BFE, USDA, FAO, Eurostat), die methodisch sauber sind. Bei Konflikten zwischen unseren Quellen (z.B. wenn IEA und EIA unterschiedliche Werte zeigen) dokumentieren wir die Diskrepanz im Code-Kommentar und wählen den Wert, der mit der größeren Stichprobe oder besser dokumentierten Methodik unterlegt ist.
Pass-Through-Effekt: vollständige Methodik mit Coefficients →
9 Quellen unseres Modells →
Bereit zum Rechnen?
Du kennst jetzt die Methodik hinter dieser Sub-Page. Probiere den Rechner mit deinen eigenen Zahlen aus, oder geh zurück zur vollständigen Methodik-Übersicht.
Jetzt meine Zahl berechnen