Gemeinsamer Abschlussbericht. Planung von Elektromobilität im Großraum München E-Plan München

Transkript

1 Gemeinsamer Abschlussbericht Landeshauptstadt München Audi Aktiengesellschaft Bayerische Motoren Werke Aktiengesellschaft DriveNow GmbH Forschungsstelle für Energiewirtschaft e.v. General Electric Deutschland Holding GmbH IsarFunk Taxizentrale GmbH & Co. KG Städtisches Klinikum München GmbH Universität der Bundeswehr München zum Förderprojekt Planung von Elektromobilität im Großraum München E-Plan München im Rahmen des Schaufensters Bayern-Sachsen ELEKTROMOBILITÄT VERBINDET Autoren: Michael Dronia Dr. Uwe Hera Christian Hess Gerhard Huber Christian Mangold Herbert Nolte Rüdiger Pape Birgit Schuon Katrin Wagner Marcus Zettl Datum: 1. Oktober 2016 Gefördert durch: Die Verantwortung für den Inhalt dieser Veröffentlichung liegt bei den Autoren. Förderkennzeichen: 16SBS028A -I Laufzeit: bis

2 Inhaltsverzeichnis I. Kurze Darstellung Aufgabenstellung Voraussetzungen, unter denen das Vorhaben durchgeführt wurde Planung und Ablauf des Vorhabens Wissenschaftlicher und technischer Stand, an den angeknüpft wurde Kurze Darstellung der wichtigsten Ergebnisse Angabe der verwendeten Fachliteratur sowie der benutzten Informations- und Dokumentationsdienste Zusammenarbeit mit anderen Stellen II. Eingehende Darstellung Durchführung und erzielte Ergebnisse im Einzelnen...18 AP 1000 Masterplan E-Infrastruktur LH München...18 AP 1100 Analyse E-Infrastrukturkonzepte / Technologien...18 AP 1200 Analyse der Umsetzungshemmnisse...19 AP 2000 Anwohner Demonstrator Schwabing AP 3000 Carsharing - Demonstrator Schwabing AP 4000 E-Taxis als Bestandteil des ÖPNV...69 AP 5000 Evaluation und Gesamtprojektbewertung Voraussichtlicher Nutzen und Verwertbarkeit der Ergebnisses und der Erfahrungen Während der Durchführung des Vorhabens den Zuwendungsempfängern bekannt gewordener Fortschritt auf diesem Gebiet bei anderen Stellen Veröffentlichung der Ergebnisse III. Anhang Konsortialpartner und Förderkennzeichen Veröffentlichungen und Präsentationen Abbildungsverzeichnis Tabellenverzeichnis Literaturverzeichnis Oktober 2016 Seite 2 von 126

3 I. Kurze Darstellung 1. Aufgabenstellung Parallel zum elektrischen Antriebsstrang bzw. zur E-Fahrzeugtechnik wurde mit der zunehmenden Entwicklungsdynamik der Elektromobilität vielfach auch das Thema Ladeinfrastruktur adressiert. Denn geringe Speicherkapazitäten sowie die hohen Kosten heutiger Traktionsbatterien und die damit verbundenen begrenzten Reichweiten der Elektrofahrzeuge lassen der Ladethematik eine besondere Schlüsselfunktion für die breite Markteinführung der Elektromobilität zukommen. So sind auch heute noch die gewohnten Reichweiten der konventionellen Verbrenner von bis zu 900 km ca. 5- bis 10-mal höher als die typischerweise rein elektrisch zu erreichenden Fahrstrecken. Dies kann insbesondere im privaten Einsatzbereich zum Phänomen der Reichweitenangst (englisch: range anxiety) und somit letztlich zur Zurückhaltung hinsichtlich der Elektromobilität führen. Vielfach ungeklärt schien das Anwendungspotenzial der Elektromobilität bei Zielgruppen zu sein, die über keinen eigenen Zugang zur Ladeinfrastruktur (Heimladeplatz) verfügen also z.b. Privatpersonen ohne festen Stellplatz bzw. mit Stellplätzen ohne entsprechende Stromversorgung. Diese Zielgruppe stellt im urbanen Bereich -somit auch in München- einen Großteil der Bevölkerung dar und sollte daher bei der breiten Markteinführung der Elektromobilität eine wesentliche Berücksichtigung finden. Untersucht werden sollten die Szenarien: Anwohnerparken: Nutzung eines eigenen E-Fahrzeuges ohne Zugang zu einer eigenen Ladeinfrastruktur Car-Sharing: Nutzung von Fremd- bzw. Miet-E-Fahrzeugen (Car-Sharing) ohne Zugang zu einer eigenen Ladeinfrastruktur Taxi-Konzept: Nutzung von Fremd-E-Fahrzeugen im Taxibetrieb Die Anforderungen, die eine breite Markteinführung der Elektromobilität an Stadt-, Infrastruktur- und Verkehrsentwicklungsplanung in Ballungsräumen stellen werden, sollten ebenfalls erstmalig erforscht werden. Dazu war im Rahmen des Forschungsprojekts ein Modellansatz zu entwickeln, mit dem für einen Ballungsraum die Verteilung der Ladeinfrastruktur untersucht und optimal geplant werden kann (Masterplan E- Infrastruktur). Das Modell sollte am Beispiel der LH München entwickelt und getestet werden. 1. Oktober 2016 Seite 3 von 126

4 2. Voraussetzungen, unter denen das Vorhaben durchgeführt wurde Im Rahmen des Projektes waren die Verkehrsströme im Stadtgebiet München zu betrachten und auf ihre Auswirkungen auf die Elektro-Infrastrukturplanung zu bewerten. Allerdings konnten nur zu den im Folgenden beschriebenen Szenarien Demonstratoren aufgebaut werden. Für die Bearbeitung des Vorhabens gab sich das Konsortium die in Abbildung 1 dargestellte Projektstruktur. Abbildung 1: Projektstruktur E-Plan a. Masterplan E- Infrastruktur (LHM, UniBwM ) Für einen Ballungsraum wie München stellt sich die Frage, wie die Ladeinfrastruktur für Elektrofahrzeuge in der Stadt in Zukunft verteilt werden und welche Ladetechnologie wo zum Einsatz kommen soll, um so die unterschiedlichen Anforderungen bestmöglich zu befriedigen. Im Rahmen von Forschungsprojekten und auch in Eigeninitiativen (meist von Unternehmen) entstand bisher eine Art Wildwuchs an Ladeinfrastruktur. Eine Stadt darf diesen auf Dauer aber nicht zulassen bzw. sollte das Ladeangebot gezielt planen und entwickeln. Hierfür sollte der sog. Masterplan E-Infrastruktur entwickelt werden, der auch eine zeitlich Umsetzung und Priorisierung der Infrastrukturmaßnahmen aufzeigen sollte. Es sollte die komplette Ladeinfrastruktur für den Münchner Ballungsraum modelliert und optimiert (UniBwM) werden. Für ein Demonstrationsstadtquartier (Schwabing) wurde die Infrastruktur mit spezieller -mit Messtechnik ausgestatteter- Ladeinfrastruktur zum straßenseitigem Parken, aufgebaut und betrieben. 1. Oktober 2016 Seite 4 von 126

5 Unterschiedliche Services für eine zentrale Ladeinfrastruktur (z.b. ein valet charging - Service für Car Sharing oder private Fahrzeuge) wurden ebenso, wie der nachgeordnete Betrieb der Stromversorgung und Abrechnung untersucht. Die Nutzergruppen Pendler und gewerbliche Wirtschaft wurden bei der Modellierung berücksichtigt, es wurden aber keine diesbezüglichen Demonstratoren aufgebaut. b. Anwohnerparken (Audi, GE, LHM) Privatpersonen ohne eigenen Zugang zu Ladeinfrastruktur stellen eine zentrale Zielgruppe zur Erhöhung der Nutzungsbereitschaft der Elektromobilität dar. Insbesondere im Großraum München verfügen viele Privatpersonen nicht über eigene Stellplätze oder geeignete Ladevorrichtungen. Diese Zielgruppe diente dem Teilprojekt Anwohnerparken als Untersuchungsobjekt. Untersucht wurde das Anwendungspotenzial der Elektromobilität bei Privatpersonen in München, die über keinen eigenen Zugang zur Ladeinfrastruktur verfügen. Konkret wurden in der ersten Untersuchungsphase (Juni 2013 bis Juni 2014) fünfzehn Audi A1 e-tron an private Nutzer (Anwohner) im Demonstrationsfeld vergeben. In einer zweiten Phase des Teilvorhabens wurden zehn Audi A3 e-tron an Anwohner vergeben und von April 2015 bis April 2016 im Fahrbetrieb genutzt. Im Rahmen der Untersuchung konnten Erwartungen sowie Erfahrungen der Nutzer im Umgang mit elektrifizierten Fahrzeugen ermittelt werden. Darüber hinaus ermöglichte diese Vorgehensweise die Erforschung des Lade- und Fahrverhaltens bei ausschließlicher Nutzung der öffentlichen Ladeinfrastruktur. Schließlich konnten signifikante Erkenntnisse zu E-Mobilitätskonzepten für (urbane) Ballungszentren generiert werden, welche von grundlegender Bedeutung für die Anforderungen der Elektromobilität an die Stadt-, Infrastruktur- und Verkehrsentwicklungsplanung sind. c. E-Car Sharing (DriveNow, BMW, LHM, UniBwM) Im Rahmen dieses Teilprojektes sollte untersucht werden, ob und wie sich Elektrofahrzeuge in ein Carsharing System einbinden lassen, welche Voraussetzungen für einen ökonomischen Betrieb geschaffen werden müssen und wie schließlich die Nutzerakzeptanz ist. Die zentralen Fragestellungen waren also: Wie können Elektrofahrzeuge in einem vollflexiblen Carsharing System betrieben werden? Welche Anpassungen sind hinsichtlich Technik, Betrieb und Nutzung gegenüber konventionell angetriebenen Fahrzeugen notwendig? Können Elektrofahrzeuge nach dem Ladevorgang an einem zentralen Ladepunkt stadtverträglich reallokiert werden? Von Juni 2015 bis Juni 2015 wurden 20 E-Fahrzeuge des Typs BMW ActiveE im free-floating System der Firma DriveNow im Stadtgebiet angeboten. Vor dem Hintergrund sichtbarer Erfolge und der positiven Kundenresonanz, wurde der Betrieb der 20 ActiveE s verlängert und ab Juli 2015 die Flotte durch 30 BMW i3 ersetzt. Ab September 2015 erfolgte eine weitere Aufstockung um 55 BMW i3 1. Oktober 2016 Seite 5 von 126

6 Ein Modell zur optimalen Reallokalisierung der Fahrzeuge wurde von der UniBW entwickelt, im Demonstrationsfeld getestet und bewertet. d. Elektrotaxi (IsarFunk, FfE, Städtisches Klinikum München) In München sind rund Taxen als Teil des ÖPNV unterwegs. Diese Form der Mobilität wird zunehmen, wenn man die Altersstruktur der Bevölkerung Deutschlands in Betracht zieht. Unter anderem aus diesem Grund wurde die Alltagstauglichkeit eines Elektrotaxis im Rahmen von (verstärktem) Routenbetrieb zwischen sechs Standorten der Städtischen Kliniken München GmbH auf die Probe gestellt. Zusätzlich führte die Forschungsstelle für Energiewirtschaft e.v. (FfE) eine Mobilitätsanalyse auf Basis von Fahrdaten durch, die Aufschluss darüber zu geben sollte, inwieweit Wirtschaftlichkeit, Ökologie und Machbarkeit durch den Umstieg auf Elektrofahrzeuge gegeben ist. In dieser Studie wurden die Voraussetzungen und Einflussfaktoren für eine erfolgreiche Einführung von Elektro-Taxis untersucht. Zudem sollte die Akzeptanz für Elektrotaxen seitens der Bevölkerung getestet und erhöht werden. Zu untersuchen waren Ist ein umweltfreundlicher Transport von Patienten zwischen den Standorten der Kliniken München mittels eines Elektrotaxis praktikabel die Möglichkeit der Ladung des Taxis mit grünem Strom aus hauseigener PV-Anlage die Alltagstauglichkeit eines Elektrotaxis die Nutzung des E-Taxis mittels einer Mobilitätsanalyse auf Basis von Fahrdaten Anhand von Fahrdaten wie Energieverbrauch, CO 2 -Einsparung, Geschwindigkeit und Standort wurden der Alltagsbetrieb und die Wirtschaftlichkeit des Elektrotaxis bewertet. Genutzt wurde für diese Untersuchungen ein Nissan Leaf II, der über eine Photovoltaik- Anlage am Standort des Klinikums Schwabing geladen wurde. 3. Planung und Ablauf des Vorhabens Für das gesamte Vorhaben war eine Laufzeit von 36 Monaten vorgesehen. Am 5. Februar 2013 wurde das Projekt im Rahmen einer Startveranstaltung der Öffentlichkeit vorgestellt und am 1. März 2013 konnten die Projektaktivitäten gestartet werden. In regelmäßigen Abständen fanden Reviews statt, bei denen der jeweilige Projektstand diskutiert und die nächsten Maßnahmen beschlossen wurden. Der Projektfortschritt entsprach dem Terminplan und die Meilensteine konnten eingehalten werden. Am 25. November 2014 fand im Bauzentrum ein Workshop mit allen Partnern statt. Ziel war, eine Bestandsaufnahme und die Sicherstellung der Zielerreichung. Im Rahmen dieses Workshops wurde die Idee zur Gründung einer E-Allianz für München geboren, die schlussendlich im Rahmen des Beschlusses zum Integrierten Handlungsprogramm zur Förderung der Elektromobilität in München (IHFEM 2015) vom Münchner Stadtrat beauftragt wurde. Ende 2015 war absehbar, dass (mit Ausnahme des Teilprojekts E-Taxi) die Bearbeitungszeit nicht ausreichen wird. Daraufhin wurden viermonatige 1. Oktober 2016 Seite 6 von 126

7 Laufzeitverlängerungen beantragt und genehmigt und die Projektlaufzeit bis zum verlängert. 4. Wissenschaftlicher und technischer Stand, an den angeknüpft wurde Verteilung von Ladeinfrastruktur Organisations- und Betreibermodelle für öffentliche Ladeinfrastruktur wurden beispielsweise bereits im Rahmen des Forschungsvorhabens EM-Infra untersucht. Dabei wurde ein konzeptioneller Rahmen zur Bewertung verschiedener Instrumente der Förderung und Regulierung im Bereich der Elektromobilität geschaffen. Zusätzlich wurden Handlungsempfehlungen für die öffentliche Hand als Beitrag für einen effizienten Aufbau der Infrastruktur für Elektromobilität abgeleitet. Elektromobilität wird dabei als Systemgut betrachtet, und Ladeinfrastruktur stellt neben Fahrzeugen, Parkraum, Straße/ÖPNV, Strom(-Vertrieb) und (Verteil-)Netz eines der zentralen Güter dieses Systemguts dar. Das Projekt EM-Infra diskutierte außerdem die Kompatibilität bzw. die Standardisierung von Ladeinfrastruktur und den Vertrieb bzw. die Abrechnung. Bei öffentlicher Ladeinfrastruktur (ÖLI) treten sowohl Abdeckungseffekte als auch Rivalität auf, wobei die Abdeckungseffekte vermutlich überwiegen: das "größte" System besitzt das größte Nutzerpotenzial. Die kritische Masse ist bei ÖLI nicht direkt abhängig von der Anzahl der Nutzer, jedoch von der Abdeckung bzw. der komplementären Ladeinfrastruktur-Systeme. Dies erfordert die Koordination verschiedener Entscheidungen in den komplementären und horizontalen Beziehungen des Systemguts Elektromobilität. Bei Erreichung der Ziele der Bundesregierung können zum Beispiel zukünftig Netzengpässe im Verteilnetz auftreten. Deshalb besteht Bedarf an Institutionen zur Koordination zwischen Stromvertrieb und Verteilnetz. Betrachtet man Ladeinfrastruktur und Stromvertrieb, ist mittelfristig ein komplett gleichberechtigter Zugang anzustreben. Im Bereich der Beziehungen zum Kunden scheint eine Abrechnung der Ladeinfrastruktur über den Stromvertrieb sinnvoll, um Transaktionskosten zu senken und die Anzahl der Kundenschnittstellen zu reduzieren. Durch eine flächendeckende Ladeinfrastruktur werden das zugängliche Mobilitätsangebot für E-Fahrzeuge größer und der Nutzen von E-Fahrzeugen im MIV somit gesteigert. Auch die durch Suche nach Lademöglichkeiten auf einem geplanten Weg entstehenden Transaktionskosten können erheblich gesenkt werden. Außerdem sinken die Kosten für E- Fahrzeuge durch geringeren Bedarf an Hybriden und kleinere Batteriegrößen. Öffentliche Ladeinfrastruktur kann also analog zu monetären Anreizen für E-Fahrzeuge wirken. Eine aus gesamtwirtschaftlicher Sicht vorteilhafte Ladeinfrastruktur bedingt jedoch nicht zwangsläufig ein kostendeckendes Geschäftsmodell. Eine modellbasierte Ermittlung der Ladeinfrastruktur für eine Großstadt und die Entwicklung eines integrierten, langfristigen Planungsansatzes ist bisher nicht bekannt und es wurden keine wissenschaftlichen Veröffentlichungen dazu gefunden. 1. Oktober 2016 Seite 7 von 126

8 Abbildung 2: Systemgut Elektromobilität und zentrale Güter Betrieb, Nutzung und Betreuung von Elektrofahrzeugen im alltäglichen, privaten Nutzungsbereich Ergebnisse aus sozialwissenschaftlichen Forschungen zeigen, dass sich Elektrofahrzeuge für den privaten Einsatz erst mittelfristig in größerem Umfang durchsetzen werden. Zum Projektstart befanden sich mehrere elektrifizierte Fahrzeuge mit unterschiedlichen Konzepten auf dem Markt, wie beispielswiese der Toyota Prius oder der Opel Ampera. Basis dieser Fahrzeuge ist meist ein konventioneller Verbrennungsmotor, der durch einen Elektromotor ergänzt wird. Da für kürzere Strecken rein elektrisches Fahren möglich ist, wird in diesem Kontext die besondere Eignung von Stadtfahrten für E-Fahrzeuge deutlich. Hier setzt die AUDI AG an. In einem zweiphasigen Testprojekt wurden Bewohner der Großstadt München angesprochen. Im Rahmen einer Übergabeveranstaltung erhielten die Probanden ihr E- Fahrzeug und wurden fachgerecht in die Technik und Funktionsweise des Fahrzeugs eingewiesen. Im Anschluss an die Übergabeveranstaltung konnten die Probanden das erhaltene Fahrzeug nutzen. Hierbei wurden keine besonderen Vorgaben an die Nutzung formuliert, um eine möglichst alltagsnahe Nutzung abzubilden. Die Erfassung von Daten zu Fahrstrecke, Ladeverhalten und Zufriedenheit vor bzw. nach der Fahrt erfolgte durch eine Smartphone App. Bei Störfällen stand den Probanden eine 24h-Notruf-Nummer zur Verfügung. Dieser Notrufdienst konnte online jeweils die OnBoard-Unit am defekten Fahrzeug auswerten und dem Kunden direkt behilflich sein. Je nach Schwere des Störfalls konnte über eine telefonische Anleitung durch den Kunden selbst oder durch die Entsendung eines Audi-Monteurs (Flying Doctor) der Defekt beseitigt werden. Basierend auf den gewonnenen Erkenntnissen wird aktuell ein detailliertes Service- und Betreuungskonzept geplant, welches unter anderem einen großen Service beinhaltet, der alle 2.000km fällig ist. In dem zweiphasigen Projektverlauf kamen sowohl Hybridfahrzeuge, als auch rein elektrisch bewegte Fahrzeuge zum Einsatz. So verfügt der A1 e-tron über einen Elektromotor, welcher 1. Oktober 2016 Seite 8 von 126

9 im Falle eines niedrigen Ladezustands der Batterie durch einen Range-Extender ergänzt wird. Der Range-Extender ist ein Benzinverbrennungsmotor, der nach dem Wankelprinzip funktioniert und damit Vorteile hinsichtlich Platzbedarf und Gewicht mit sich bringt. Die Integration des Range-Extenders verfolgt zwei zentrale Ziele. Zum einen gilt es, dem Kunden eine Reichweitenverlängerung zu ermöglichen und so auch längere Strecken zurücklegen zu können. Zum anderen vermindert der Range-Extender die subjektiv empfundene Reichweitenangst ( Range Anxiety ). Der in der zweiten Projektphase eingesetzte Audi A3 e-tron ist ein Plug-In-Hybrid. Diese Kombination aus Elektroantrieb und Verbrennungsmotor ermöglicht bis zu 50 km elektrisches Fahren, sowie eine kombinierte Reichweite von bis zu 940 km. Derzeit bestehen nach eigenem Kenntnisstand keine Schutzrechte hinsichtlich der öffentlichen Ladeinfrastruktur. Stadtverträglicher, effizienter Betrieb von E-Car Sharing Systemen Durch die Analyse von Car Sharing Quell- und Zielverkehren können Nachfrageschwerpunkte (sogenannte "Hot Spots") und Zonen geringerer individueller Nachfrage ("Cold Spots") identifiziert werden. Dies ist gegenwärtig Bestandteil des BMUgeförderten Forschungsprojekts WiMobil. Bezüglich der Reallokalisierung ergeben sich ähnliche Probleme im Bereich des Bike Sharing, für das in der Vergangenheit bereits Reallokationsstrategien entwickelt wurden (vgl. z.b. [1], [4], [5]). Für Car Sharing Systeme findet man in der Literatur bereits sowohl Nutzer-basierte als auch Betreiber-basierte Reallokationsstrategien. Die nutzerbasierten Reallokationsstrategien greifen auf verschiedene Anreiz- oder Bonusmodelle für Kunden zurück [10-13]. Eine Möglichkeit des Anreizes zum Beladen oder/und zum Ausgleich des Ungleichgewichts zwischen Angebot und Nachfrage ist die Gestaltung des Preismodells. Fahrten zu Ladestationen oder/und in unterversorgte Gebiete könnten zu einem geringeren Preis oder sogar kostenlos angeboten werden. Vorschläge für alternative Ziele machen grundsätzlich nur vor oder kurz nach der Abfahrt Sinn. Je länger die Fahrt dauert, desto schwieriger ist es, den Fahrer zu beeinflussen und desto geringer ist dessen Wille, sein Ziel zu ändern. Die Spezialpreise könnten beispielsweise über soziale Netzwerke oder /SMS angeboten werden und eignen sich speziell für Fahrten, für die das exakte Ziel eine untergeordnete Rolle einnimmt. Ein weiterer Nutzeranreiz für Fahrten zu Ladestationen oder/und in unterversorgte Gebiete wären beispielsweise kostenlose Parkmöglichkeiten in Tiefgaragen. Im Falle einer zu hohen Anzahl an Fahrzeugen, die einen Hot Spot verlassen und infolgedessen der Gefahr eines zukünftigen unzureichenden Angebots, könnten Fahrten mehrerer Car Sharing Kunden kombiniert und mit einem einzigen Fahrzeug ausgeführt werden. Das System informiert den Kunden vor Fahrtantritt, dass eine Gemeinschaftsfahrt zu einem geringeren Preis möglich wäre. Außerdem besteht die Möglichkeit, dass einem bereits fahrenden Nutzer angeboten wird, einen anderen Kunden mit ähnlichem Ziel in einem Hot Spot mitzunehmen. Der Preis des Carsharings wird dann unter den Nutzern aufgeteilt. Diese Kombination von Carpooling und Car Sharing trägt nicht oder nur in geringem Maß zum Gewinn des Betreibers bei, verhindert aber Unterversorgung 1. Oktober 2016 Seite 9 von 126

10 in Gebieten hoher Nachfrage und sichert somit die Kundenzufriedenheit. Theoretisch wäre auch das Gegenteil möglich. Von einem Cold Spot ausgehende Gemeinschaftsfahrten könnten in Einzelfahrten aufgeteilt werden, um eine Überversorgung in diesen Gebieten zu verhindern. Nutzerbasierte Reallokationsstrategien sind vor allem unter dem finanziellen Gesichtspunkt vorteilhaft. Die Repositionierung der Fahrzeuge durch Kunden ist für den Carsharing Anbieter kostenlos. Außerdem sind diese Methoden umweltfreundlich. Die Fahrzeuge werden ausschließlich durch Nutzer bewegt, und keine zusätzlichen Fahrten ohne Kunden müssen ausgeführt werden. Nichtsdestotrotz hat dieser Ansatz auch Nachteile. Der Kunde kann nur bis zu einem bestimmten Grad beeinflusst werden. Die Nutzerakzeptanz und Nutzerentscheidung können nur schwer gesteuert und vorhergesagt werden. Außerdem kann der Kunde möglicherweise nicht nachvollziehen, warum das System seine Route beeinflussen will, und verweigert deshalb seine Reaktion. Darüber hinaus wird die Privatsphäre des Kunden eingeschränkt, da dieser sein voraussichtliches Ziel vor der Nutzung preisgeben muss. Schließlich sollte man erwähnen, dass sich die beschriebenen Methoden eher für langfristige als für kurzfristige Änderungen des Systems eignen. Betreiberbasierte Reallokationstrategien stützen sich auf durch den Systemmanager initiierte und durch den Betreiber selbst ausgeführte Interventionen. Der Systemanbieter hat im Allgemeinen zwei verschiedene Möglichkeiten der Repositionierung und des Einholens von Fahrzeugen zum Beladen. Einerseits kann die Reallokation durch das Wartungspersonal oder zusätzliches Personal erfolgen. Dies kann entweder für jedes Fahrzeug separat oder für bis zu drei Fahrzeuge mittels Autotransporter geschehen. Ein bedeutender Vorteil dieses Eingriffs ist die klare Definition. Eine exakte Verlagerung der Fahrzeuge an zuvor bestimmte Wunschpositionen ist gewährleistet. Außerdem kann dieser Prozess kostensparend mit Instandhaltung und Tankvorgängen kombiniert werden. Jedoch stellen die zusätzlichen, ursprünglich nicht notwendigen Fahrten ohne Kunden einen Nachteil dar. Dieser Aspekt ist ökologisch fragwürdig. Außerdem werden durch zusätzliches Personal, zusätzliche Benzinkosten und den Einsatz von Autotransportern zusätzliche Kosten generiert. Andererseits können an bekannten Hot Spots Pufferdepots mit einer bestimmten Anzahl an Fahrzeugen installiert werden. Diese könnten dann bei hoher Nachfrage zur Nutzung freigegeben werden. Diese Methode hat mehrere Vorteile. Zunächst sind keine zusätzlichen kostenintensiven Fahrten notwendig. Außerdem können die Depots a priori auf Basis der zu erwartenden Nachfrage aufgefüllt werden. Während einer Phase hoher Nachfrage muss also nichts mehr unternommen werden. Schließlich könnten diese Depots zur Integration von E- Fahrzeugen in die Car Sharing Flotte hilfreich sein, da sie relativ einfach mit Ladestationen ausgestattet werden können. Zu ladende oder zu wartende Fahrzeuge könnten in den Depots gesammelt werden. Sobald der Ladezustand der Batterie einen bestimmten Wert unterschreitet, sollten Kunden dazu angehalten werden, das Fahrzeug zum nächstgelegenen Depot zu bringen und es dort möglicherweise mit einem bereits geladenen Auto zu tauschen. Jedoch müssen zum Auffüllen der Depots Fahrzeuge aus der existierenden Flotte entnommen werden, oder es sind zusätzliche Fahrzeuge notwendig, die bei "normalem" Betrieb wieder entfernt werden müssen. Außerdem verursachen die Depots zusätzliche Kosten, die ebenfalls in Betracht gezogen werden müssen. 1. Oktober 2016 Seite 10 von 126

11 Im Bereich der Nutzer-basierten Methoden verwenden beispielsweise Febbraro et al. (cp. [2]) Systeme diskreter Ereignisse (Discrete Event Systems - DESs), da sich diese zur Darstellung der komplexen und dynamischen free-floating Car Sharing Systeme gut eignen. Die Repositionierung wird hierbei durch diejenigen Kunden ausgeführt, deren Ziele im Umkreis eines Gebietes mit unzureichendem Angebot liegen. Der Algorithmus stützt sich auf die Minimierung des Anteils der stornierten Reservierungen und auf die Lösung eines linearen ganzzahligen Optimierungsproblems. Im Bereich der Betreiber-basierten Strategien schlagen Kek et al. (cp. [3]) ein Drei-Phasen-System zur Entscheidungsfindung für stationsgebundene Car Sharing Systeme, die Einwegfahrten erlauben, vor. Ein Optimierer (Optimizer) minimiert zunächst die allgemeinen Reallokationskosten durch Lösung eines linearen gemischt-ganzzahligen Optimierungsproblems. Ein sogenannter Trend Filter übersetzt anschließend die Optimierungsoutputs in Personal- und Betriebsparameter. Schließlich wertet ein sogenannter Relocation Simulator Verbesserungen des Systems aus. Nutzung und Alltagstauglichkeit von Elektrofahrzeugen im Taxibetrieb Einige Taxiunternehmen haben bereits den wirtschaftlichen Nutzen alternativer Antriebskonzepte erkannt und einen Umstieg auf Hybridfahrzeuge gewagt. Dieser Trend ist auch für Elektrofahrzeuge zu erwarten, welche voraussichtlich in absehbarer Zukunft ein weitaus höheres Einsparpotential als Hybridfahrzeuge aufweisen werden. Global gesehen ist die Idee, Elektrofahrzeuge als Taxi zu nutzen, nicht neu. In China werden bereits heute einige Elektrotaxis genutzt. In Europa wird diese Technologie hingegen bisher lediglich vereinzelt im Taxibetrieb, oft nur zu Marketingzwecken, eingesetzt. Wegen der Nutzungscharakteristik (z.b. häufige und längere Standzeiten an definierten Orten) der Taxis würden sich speziell in Deutschland Elektroautos sehr gut eignen. Studien hierzu lagen zum Projetstart nicht vor. 1. Oktober 2016 Seite 11 von 126

12 5. Kurze Darstellung der wichtigsten Ergebnisse Landeshauptstadt München Im Rahmen von E-Plan München wurden die Anforderungen an Park- und Lademöglichkeiten für Anwohner, E-Parkhäuser, E-Taxis und Carsharing Angebote untersucht, um die breite Markteinführung der Elektromobilität erfolgreich vorzubereiten und den Nutzerkomfort erheblich zu steigern. In der Zusammenarbeit mit den Projektpartnern wurde ein ganzheitlicher Ansatz verfolgt, der die Herausforderungen der Elektromobilität an die urbane Elektromobilität von allen Seiten mit der nötigen Trennschärfe beleuchtet hat. So konnten auf regionaler Ebene wichtige und richtungsweisende Erkenntnisse für den Aufbau einer bedarfsgerechten Ladeinfrastruktur in München erzielt werden. Die Anforderungen, die eine breite Marktdurchdringung der Elektromobilität an eine breite Markteinführung der Elektromobilität an die Stadt-, Infrastruktur- und Verkehrsentwicklungsplanung in Ballungsräumen stellt, konnten erforscht werden. Im Rahmen des Forschungsprojektes wurde ein Planungsinstrument, der Masterplan E-Mobilität, geschaffen, der eine verkehrlich sinnvolle und ökonomisch effiziente Verteilung von Ladestationen im Stadtgebiet München ermöglicht. Dieses Planungsinstrument, das auf die relevanten Planungsinstrumente der Landeshauptstadt München einen erheblichen Einfluss nimmt, lässt sich auch auf andere Ballungsgebiete übertragen und ist integraler Bestandteil des Integrierten Handlungsprogramms zur Förderung der E-Mobilität in München (IHFEM). AUDI AG In dem zweiphasigen Projekt wurden die Auswirkungen einer öffentlichen Ladeinfrastruktur auf das Verhalten von Nutzern von Elektrofahrzeugen untersucht. Diese Erkenntnisse sind insbesondere auch für Kommunen von Bedeutung, um notwendige Umfänge einer öffentlichen Ladeinfrastruktur abzuschätzen. Es konnten zentrale Erkenntnisse bezüglich des Fahrverhaltens sowie der allgemeinen Nutzungsakzeptanz der unterschiedlichen angewandten Fahrzeugkonzepte gewonnen werden. So wird deutlich, dass für Anwohner ohne Zugang zu eigenen Lademöglichkeiten die Nutzung der Elektromobilität nur bedingt möglich ist. Die Ausstattung an Ladesäulen im Untersuchungsgebiet ist hier ein zentraler Hemmfaktor. Darüber hinaus mindern Defekte an öffentlichen Ladestationen sowie rücksichtslose Langzeitparker die Nutzbarkeit der bestehenden Ladeinfrastruktur. Die Bedeutung des Ausbaus der öffentlichen Ladeinfrastruktur wird auch durch Betrieb der zusätzlich installierten Ladepunkte deutlich, welche zu einer Entspannung der Situation beigetragen haben. Kritisch anzumerken ist, dass die Standortauswahl der Ladesäulen für das Projekt nicht auf Basis wissenschaftlicher Auswertungen basierte, sondern an für den Betreiber besonders kostengünstigen Standorten. Die Analysen zum Nutzerverhalten der Ladesäulen zeigen allerdings einen Zusammenhang zwischen bestimmten Standorten und Ladeprofilen. 1. Oktober 2016 Seite 12 von 126

13 Hinsichtlich der Evaluation der Antriebskonzepte zeigt sich im Rahmen des Flottenversuches die besondere Eignung des Audi A3 e-tron gegenüber dem Audi A1 e-tron. Die auf den technischen Daten basierenden Auswertungen zeigen darüber hinaus, dass für urbane Ballungsgebiete eine Reichweite von 50 km ausreichend ist. Dahingegen zeigen die marktforschungsbasierten Daten, dass aus Sicht der Nutzer größere Reichweiten gefordert werden. BMW AG Der Einsatz von Elektrofahrzeugen der Marke BMW in einem vollflexiblen Carsharing System kann als sinnvoll bezeichnet und rückblickend als Erfolg verbucht werden. Dennoch gibt es Verbesserungsbedarf. Die wichtigsten Aussagen sind: Elektrofahrzeuge funktionieren im Carsharing: Die Fahrzeuge wurden von Kunden im gleichen Maße genutzt wie die Fahrzeuge mit Verbrennungsmotor. Die geringere Reichweite, die am Anfang auf Seiten BMW und DriveNow als potentiell problematisch gesehen wurde, war vor Kunden so gut wie nicht mehr sichtbar. Durch entsprechende Sicherheitsmechanismen und die durchschnittliche Entfernung von km pro Buchung war diese Problematik bei Kunden fast nicht vorhanden. Elektrofahrzeuge werden bewusst gebucht: Teilweise nutzen Kunden eher das Elektrofahrzeug, als den Verbrenner. Voraussetzung ist, dass Elektrofahrzeuge verfügbar sind. Dies bezieht sich zum einen auf den Anteil der Elektrofahrzeuge an der Flotte, viel mehr aber auf die Verfügbarkeit von Ladeinfrastruktur. Nur wenn die Elektrofahrzeuge geladen werden können, sind sie auch verfügbar. Ladeinfrastruktur ist essentiell: Der Ausbau der Ladeinfrastruktur ist essentiell für einen weiteren Ausbau der Elektroflotte. Wie die Auswertungen zeigen (siehe AP3000 ff.) gibt es einen Zusammenhang zwischen Flottengröße, Ladeinfrastruktur und Verfügbarkeit. Für eine optimale Verfügbarkeit und Auslastung der Fahrzeuge müsste jede Buchung einer Carsharing Fahrt an einer Ladesäulen beginnen und auch enden. Elektrofahrzeuge im Carsharing sind Wegbereiter der Elektromobilität: Über Carsharing kommen eine Vielzahl an Personen in Berührung mit Elektromobilität und gleichzeitig kann die Fahrleistung an elektrisch zurückgelegten Kilometer gesteigert werden. Durch die Steuerung der Flottengröße kann sehr genau die Nachfrage nach Ladeinfrastruktur abgeschätzt werden. Dadurch lässt sich das sogenannte Henne-Ei-Problem lösen und das Risiko beim Ausbau öffentlicher Ladeinfrastruktur minimiert sich. Der weitere Ausbau der öffentlichen Ladeinfrastruktur kann sich wiederum positiv auf die Bereitschaft privater Käufer hinsichtlich der Anschaffung von Elektrofahrzeugen auswirken. 1. Oktober 2016 Seite 13 von 126

14 DriveNow GmbH & Co. KG Kernergebnis des Projekts E-Plan aus Sicht von DriveNow ist die Tatsache, dass es gelungen ist E-Fahrzeuge sinnvoll in ein Carsharing-System zu integrieren. Die hieraus gewonnenen Erfahrungen bildeten die Grundlage dafür dass DriveNow E-Fahrzeuge auch in viele seiner Flotten in anderen Städten integrieren konnte. Neben den praktischen Erkenntnissen war es auch möglich eine erhebliche Außenwirkung zu erzielen: In Summe kamen im Rahmen von E-Plan über Menschen mit E-Fahrzeugen in Kontakt. Forschungsstelle für Energiewirtschaft e.v. Der Versuch, das Elektrotaxi in den täglichen Taxibetrieb zu integrieren, hat vielerlei Erkenntnisse geliefert. Elektrotaxis können unter den aktuellen Rahmenbedingungen in München nur schwer eingesetzt werden, da die Einschränkungen im täglichen Taxibetrieb aufgrund der reduzierten Reichweite und/oder der unzureichenden Schnellladeinfrastruktur zu groß sind. Es hat sich gezeigt, dass ein Taxi mit einer Reichweite unter widrigen Umständen von 200 km ca. 60 % der Betriebstage abdecken kann und bei 300 km ca. 84 % abgedeckt werden können. Gleichstromschnellladeinfrastruktur würde die Reichweitenanforderungen deutlich absenken und könnte dazu beitragen, das große Emissionsreduktionspotenzial von ca. 4t CO 2 pro Taxi und Jahr zu heben. General Electric Deutschland Holding GmbH Im Rahmen des Forschungsprojektes E-Plan wurden umfangreiche Daten von Lastprofilen unterschiedlichster Elektrofahrzeuge aufgenommen. Hierzu wurden die Ladesäulen mit einer zusätzlichen hochauflösenden Messdatenerfassung ausgestattet. Insgesamt wurden an den 5 Ladesäulen über h an Daten in minütlicher Auflösung erfasst. Der gemessene Energieverbrauch betrug für diesen Zeitraum kWh. Die gesammelten Daten werden intern als Simulationsgrundlage für weitere Forschungsprojekte wie z.b. egap verwendet. Der Betrieb der Ladesäulen über 3 Jahre lieferte weiterhin Erkenntnisse bezüglich der Zuverlässigkeit und des Wartungsaufwandes sowie der durchschnittlichen Auslastung der Ladeinfrastruktur. Im Verlauf des Projektes konnte eine starke Zunahme der geladenen Energie pro Ladesäule festgestellt werden. Durchschnittlich wurde 2016 um 70% mehr kwh pro Ladesäule und Tag geladen als in 2014, was auf eine Zunahme der Elektromobilität bzw. der Ladeleistung schließen lässt. Die Teilnahme an dem Projekt E-Plan erhöhten den Bekanntheitsgrad der GE Ladesäulen und ermöglichte die Weiterleitung einer Vielzahl von Produktanfragen an die entsprechende Geschäftseinheit. Basierend auf dem gesammelten Wissen werden weitere Forschungsprojekte im Bereich Smart Cities und digitaler Infrastruktur entwickelt. 1. Oktober 2016 Seite 14 von 126

15 IsarFunk Taxizentrale GmbH & Co. KG Die mittlere tägliche Wegstrecke, die ein Münchener Taxi zurücklegt, beträgt pro Arbeitsschicht rund 187 km. Der Vergleich mit konventionell angetriebenen Taxis hat gezeigt, dass darüber hinaus an 44 % der Nutzungstage mehr als 187 km zurückgelegt werden. Unter widrigen äußeren Bedingungen wie Kälte, extremer Hitze oder Dauerregen hatte der verwendete Nissan Leaf II nur eine Reichweite von ca. 100 km und selbst bei guten Witterungsverhältnissen (milde Temperaturen und weitgehende Trockenheit) wurde nur eine Reichweite von ca. 150 km erreicht. Die Reichweite des Elektrotaxis war daher für eine normale Arbeitsschicht nicht ausreichend. Auch die aufgebaute AC Ladeinfrastruktur von Ubitricity mit einer Ladegeschwindigkeit von ca. 20 km Reichweite pro Stunde war nicht ausreichend, um ein Nachladen während der Arbeitsschicht sinnvoll erscheinen zu lassen. Nachdem das Elektrofahrzeug leer gefahren wurde, mussten die Taxifahrer auf ihr konventionelles Fahrzeug zurückgreifen. Wobei der Speicher des E-Taxis in der Regel nicht vollständig leer gefahren wurde, um das Risiko, die nächste Kundenfahrt ablehnen zu müssen, zu reduzieren. Hiervon haben beide Taxifahrer an fast jedem Arbeitstag Gebrauch gemacht. Während Fahrer 1 bereits nach durchschnittlich 50 km auf sein konventionelles Fahrzeug zurückgegriffen hat, wechselte Fahrer 2 in der Regel erst nach fast 80 km. Es hat sich aber gezeigt, dass Elektrotaxis grundsätzlich für den täglichen Betrieb geeignet sind und von den Fahrgästen sehr gut angenommen werden. Neben der unzureichenden Ladeinfrastruktur ist allerdings derzeit die zu geringe Reichweite das größte Hemmnis, um Elektrotaxis wie den Nissan Leaf II ökonomisch im Schichtbetrieb einsetzen zu können. Städtisches Klinikum München GmbH Folgende Ergebnisse konnten im Teilprojekt "Elektrotaxi" erzielt werden: - Die Wirtschaftlichkeit des E-Taxis ist im Vergleich zum konventionellen Taxi auf Basis der reinen Zahlen deutlich besser (20% geringere Betriebskosten im Projektzeitraum) - Der für Elektromobilität kritischste Faktor ist die Ladeinfrastruktur. Im Projektverlauf hat sich gezeigt, dass ein E-Taxi nur dann ideale Bedingungen hat, wenn eine Schnellladung möglich ist und idealerweise ein engmaschiges Netz aus Ladesäulen bestünde. Trotz der Nachjustierung der im Projekt genutzten Ubitricity-Kabel mit 16A Ladeleistung konnte keine ausreiche Ladesituation für einen dauerhaften Einsatz des E-Taxis geschaffen werden. Eine leider nicht mehr im Projekt zu betrachtende aber mögliche Alternative wäre induktives (Zwischen)Laden. - Die Nutzung des E-Taxis für wiederkehrende Konsiliarfahrten bei gleichzeitiger Taxinutzung ist nicht zielführend, da keine ausreichenden Zwischenlademöglichkeiten vorhanden sind (plötzliche Einschränkung von Taxi-Aufträgen). Zudem hat sich im Projektalltag herausgestellt, dass die angenommenen planbaren Konsiliarfahrten aufgrund diverser Faktoren nicht ausreichend planbar für einen Peer-to-Peer-Einsatz sind. Dies zeigte sich auch in der selektiven Nutzung von nur ca. 50% der Ladepunkte (die Entfernungen zu den nicht genutzten Ladepunkten waren zu hoch). - Das E-Taxis muss als Arbeitsplatz wesentliche Grundkriterien erfüllen. Dazu zählt eine Standheizung im Winter ebenso wie die Klimaanlage im Sommer. Im Projekt zeigte sich, 1. Oktober 2016 Seite 15 von 126

16 dass das Einschalten der Standheizung zum Abbruch des Ladevorgehens führen kann bzw. der Ladevorgang den Betrieb der Standheizung unterbindet. Im Fahrbetrieb zeigte sich darüber hinaus, dass der Einsatz der Heizung oder Klimaanlage zu einer Reichweitenreduzierung von bis zu 50% führen kann Alle Auswertungen aus dem Projekt können über den Projektpartner Forschungsstelle für Energiewirtschaft e.v. abgerufen werden. Universität der Bundeswehr München Die Universität der Bundeswehr München verfolgte im Wesentlichen zwei Ziele: Dies war zum Ersten die Entwicklung und Anwendung eines Positionierungsmodells für Ladeinfrastruktur. Gerade für Ballungsräume wie München ist es wichtig zu entscheiden, wie die Ladeinfrastruktur in der Stadt verteilt wird und welche Ladetechnologie eingesetzt werden soll, um unterschiedlichen Anforderungen gerecht zu werden. Aktuell zeigt sich, dass insbesondere angeregt durch das Gesetz zur Bevorrechtigung von Elektromobilität Kommunen unabhängig voneinander eine eigene E-Ladeinfrastruktur implementieren. Effizienter und wirtschaftlicher wäre jedoch ein abgestimmter Einsatz von Ladestationen. Zu diesem Zweck wurde der Masterplan E-Infrastruktur entwickelt. Ziel war es, eine überschaubare Anzahl von Ladestationen im Stadtgebiet zu verteilen und darauf aufbauend auf Basis deren Auslastung neue Ladesäulen zu positionieren. Zum Zweiten wurde das Ziel verfolgt, ein Carsharing-System und dessen Auslastung profitabel zu gestalten. Daher wurde mit Bezug zum Raum München ein Reallokations- Modell für E-Carsharing-Fahrzeuge entwickelt. Dieses ermöglicht einerseits den effizienten Betrieb von E-Carsharing-Systemen und berücksichtigt andererseits stadtverträgliche, kommunale Leitlinien zum Carsharing-Betrieb. Das entwickelte Modell erkennt Zonen mit großer und geringer Nachfrage nach E- Carsharing-Fahrzeugen und gibt Empfehlungen für Repositionierungsvorgänge aus. Daraus können zugleich optimale Verteilungsempfehlungen für die Ladeinfrastruktur abgeleitet werden. 1. Oktober 2016 Seite 16 von 126

17 6. Angabe der verwendeten Fachliteratur sowie der benutzten Informations- und Dokumentationsdienste. Der Verweis auf die verwendete Fachliteratur sowie auf benutzte Informations- und Dokumentationsdienste findet sich in den jeweiligen Kapiteln bzw. im Literaturverzeichnis (siehe Anhang). 7. Zusammenarbeit mit anderen Stellen. Die Zusammenarbeit mit den Stadtwerken München war sowohl beim praktischen Einsatz des Positionierungsmodells als auch bei der Erprobung des Auslastungsverfahrens äußerst hilfreich. Die Einstellungen für das Positionierungsmodell (zum Beispiel Abdeckungsradius einer Ladesäule, Berücksichtigung existierender Ladesäulen) wurden in Gesprächen mit der LHM und den Stadtwerken München diskutiert und festgelegt. Auf deren Basis konnte der Makroplan für die Positionierung von Ladesäulen mittels des Modells ermittelt werden. Außerdem wurden für die praktische Erprobung des Auslastungsverfahrens protokollierte Ladedaten von drei existierenden Ladesäulen von den Stadtwerken zur Verfügung gestellt. Diese wurden ausgewertet und anschließend als Ergebnisse den Stadtwerken München vorgestellt. 1. Oktober 2016 Seite 17 von 126

18 II. Eingehende Darstellung 1. Durchführung und erzielte Ergebnisse im Einzelnen AP 1000 Masterplan E-Infrastruktur LH München (LHM) Auf der Grundlage des modellbasierten Masterplans Ladeinfrastruktur der UniBW und insbesondere des dabei entwickelten Positionierungsmodells für Ladesäulenstandorte wurde ein Masterplan E-Infrastruktur für die LHM erarbeitet, der die Verteilung der Ladesäulen im städtischen Raum nach dem Potential der zukünftigen Ladenachfrage vorsieht. Im Rahmen des Beschlusses zum Integrierten Handlungsprogramm zur Förderung der Elektromobilität in München (IHFEM) vom hat der Stadtrat der Verwaltung den Auftrag erteilt, ca.100 Ladesäulen im öffentlichen Raum nachfrageorientiert zu positionieren und zeitnah zu realisieren. Dabei wurden die bestehenden Ladesäulen ebenso berücksichtigt wie die Nähe zu Umsteigepunkten des Öffentlichen Verkehrs, um insbesondere auch die Nachfrage durch Carsharing-Fahrzeuge sicherzustellen. In der ersten Ausbaustufe konzentriert man sich auf Standorte innerhalb des Mittleren Ringes, da hier wegen der großen Einwohnerdichte und dem fehlenden privaten Parkraum der Bedarf nach öffentlicher Ladeinfrastruktur zum einen für Besitzer von Elektrofahrzeugen zum anderen auch für Nutzer von E-Carsharing Angeboten am größten ist. Bei der sukzessiven Realisierung der ersten 30 Ladesäulen erhielten die Standorte innerhalb des Mittleren Rings daher Priorität. AP 1100 Analyse E-Infrastrukturkonzepte / Technologien (UniBwM) Die unterschiedlichen Ladetechnologien lassen sich grundsätzlich in drei verschiedene Bereiche einteilen. Dazu zählt das konduktive Laden, das induktive Laden und auch Batteriewechselsysteme. Das konduktive Laden beschreibt das Laden von E-Fahrzeugen mit Kabel, Stecker und Buchse. Dieses lässt sich in AC- und DC-Laden, also Laden mit Wechsel- oder Gleichstrom unterteilen. Beim AC-Laden kann die Ladedauer abhängig von Ladebetriebsart bei einer heute üblichen Batteriekapazität bis zu sechs bis acht Stunden dauern. Beim DC-Laden lässt sich ein E-Fahrzeug schon innerhalb von ca. 20 Minuten zu 80 % aufladen. Das Problem bei dieser Ladeart liegt vor allem an den hohen Anschaffungskosten für die Ladesäulen, weshalb im Moment im öffentlichen Bereich das AC-Laden im Vordergrund steht. Der Einsatz von DC-Ladesäulen wird vor allem im Zusammenhang mit der Bewältigung von Langstrecken erwartet, bei dem die Ladedauer eine große Rolle spielt. Beim induktiven Laden erfolgt die Energieübertragung völlig kontaktlos. Diese Technik wird schon in vielen Bereichen, zum Beispiel im Maschinenbau oder der Medizintechnik, eingesetzt. Die auf dem Markt vorhandenen Fahrzeuge sind jedoch zu einem Großteil für diese Ladeart nicht ausgelegt, so dass diese Technologie noch nicht für das öffentliche Laden in Frage kommt. Bei der dritten Ladetechnologie wird die Batterie nicht wie bei den anderen Möglichkeiten direkt im Fahrzeug geladen, sondern Batteriewechselsysteme tauschen diese lediglich aus. Auch hier ist das Problem, dass viele Elektrofahrzeuge das Batteriewechseln nicht unterstützen. 1. Oktober 2016 Seite 18 von 126

19 Bei den Ladekonzepten kann man zwischen zentralen und dezentralen Ladekonzepten unterscheiden. Zu den zentralen Ladekonzepten zählt der Betrieb eines Parkhauses/Parkplatzes mit zusätzlichen Ladeserviceleistungen. So kann hier ein Nutzer sein E-Fahrzeug am Parkhaus/Parkplatz abgeben, und der Betreiber kümmert sich anschließend um einen erfolgreichen Ladevorgang. Nach Beendigung des Ladevorgangs wird das E-Fahrzeug auf einen anderen Parkplatz umgeparkt und die Ladesäule für einen weiteren Nutzer freigegeben. Zu den dezentralen Ladekonzepten zählt vor allem das Laden am Straßenrand. Dabei kann die Abrechnung des Ladevorgangs entweder über die entnommene Strommenge oder über die Dauer des Ladevorgangs erfolgen. AP 1200 Analyse der Umsetzungshemmnisse (LHM, GE, BMW, UniBwM) Technische Umsetzungshemmnisse (GE) Im Rahmen des Forschungsvorhabens wurden auch Umsetzungshemmnisse erfasst und analysiert, die bei der Durchführung des Projektes auftreten. Seitens General Electric (GE) wurden hier speziell technische Aspekte adressiert, welche die Ladeinfrastruktur und deren Kommunikation mit den Elektroautos betrifft. Zu Beginn des Vorhabens wurde überprüft, inwiefern ein problemloses Laden mit den GE Ladesäulen und den Elektroautos der Projektpartner Audi und BMW gewährleistet werden kann. Die BMW ActiveE Modelle konnten problemlos an die Ladesäulen angeschlossen und der Ladevorgang durchgeführt werden. Bei dem ersten Test mit dem Audi A1 e-tron wurde das Fahrzeug von der Ladesäule nicht erkannt. Dies führte zu einer intensiven Fehlersuche seitens GE und Audi, da das Laden der Fahrzeuge ausschlaggebend für den Erfolg des Projektes ist. Folgende Aspekte wurden im Rahmen der Untersuchung adressiert. Funktionsfähigkeit der Ladesäule Funktionsfähigkeit des Ladekabels Erkennung der Widerstandkodierung nach IEC Nach Abgleich mit der aktuellen Konfiguration von Audi wurde festgestellt, dass leichte Modifikationen bei der Anmeldung des Elektroautos an der Ladesäule vorgenommen wurden. Das Anmeldeprotokoll des A1 e-tron wich von der Vorgabe/Norm in einem Punkt ab. Die Meldung Fahrzeug verbunden / noch nicht ladebereit (Punkt 2) wurde beim A1 e-tron übersprungen und es wurde direkt das Signal Fahrzeug ladebereit (Punkt 4) gesendet. Dies führte dazu, dass die Ladestation den Ladevorgang nicht starten konnte, da der Anmeldeschritt (Punkt 2) nicht erfolgte. Da es nicht möglich war, die Konfiguration im Audi zu ändern, wurde die Abfrage auf das Signal Fahrzeug verbunden (Punkt 2) in den GE Ladesäulen überbrückt, welches das Laden sowohl mit den Audi A1 e-tron als auch den ActiveE von BMW gewährleistet. 1. Oktober 2016 Seite 19 von 126

20 Abbildung 3: Audi Anmeldeprotokoll an Ladestationen Organisatorische Umsetzungshemmnisse (LHM) Um das Projekt zügig starten und umsetzen zu können, wurde bereits vor Projektbeginn mit den durch das Untersuchungsgebiet betroffenen drei Bezirksausschüssen des 4., 11. und 12. Stadtbezirkes Kontakt aufgenommen. In einem ausführlichen Gespräch wurden die Ziele des Projektes, der erwartete Nutzen für die Bewohner sowie die Mitwirkungsmöglichkeiten für die Bezirksausschüsse dargestellt und um Vorschläge für die Lokalisierung von Ladesäulenstandorten im Untersuchungsgebiet gebeten. Dadurch konnte die Verwaltung wertvolle Hinweise gewinnen, die die Abstimmung mit allen Beteiligten beschleunigte, und die Einrichtung der Ladesäulen konnte ohne Probleme vor Ort erfolgen. Rechtliche Umsetzungshemmnisse (LHM) Im Oktober 2013 fanden im Bundesministerium für Verkehr, Bau und Stadtentwicklung (BMVBS) zwei Diskussionsrunden mit kommunalen Vertreten aus Düsseldorf, Dortmund, Frankfurt, Aachen, Offenbach, Köln, Leipzig, Bottrop, Essen und München statt. An einer dieser Diskussionsrunden ( ) nahmen auch Vertreter der Landeshauptstadt München teil. Übereinstimmend wurde seitens der Städte die Meinung vertreten, dass die aktuelle Regelung des BMVBS zur Kennzeichnung von Ladesäulen auf öffentlichem Verkehrsgrund (Verkehrsblatt vom ) keine einheitliche und ausreichende Grundlage für eine wirkungsvolle Beschilderung von Ladesäulen im öffentlichen Straßenraum und insbesondere für das Abschleppen von widerrechtlich abgestellten Fahrzeugen darstellt. 1. Oktober 2016 Seite 20 von 126

21 Der "Bundeseinheitlicher Tatbestandskatalog Straßenverkehrsordnungswidrigkeiten" enthält keine eigene Tatbestandsnummer für das Parken an E-Ladeplätzen mit nichtelektrisch betriebenen Fahrzeugen. In den verschiedenen Städten bzw. Bundesländern werden Ladeplätze mit eingeschränktem Halteverbot (Zeichen 286 StVO), absolutem Halteverbot (Zeichen 283 StVO) oder Parken (Zeichen 314 StVO) und jeweils einem Zusatzzeichen beschildert. Des Weiteren wird in den einzelnen Städten äußerst unterschiedlich im Hinblick auf das Abschleppen von rechtswidrig geparkten Fahrzeugen an Ladesäulen verfahren. Aber auch in den Kommunen, in den tatsächlich abgeschleppt wird, herrscht ein Restzweifel hinsichtlich der Rechtmäßigkeit der Maßnahme, insbesondere da derzeit noch keine gerichtliche Klärung eines entsprechenden Vorgangs erfolgt ist. Anhängige Verfahren wurden bislang im Wege des Vergleichs beigelegt. Zur Förderung der Elektromobilität sind einheitliche und abschließende Regelungen in die vorhandenen gesetzlichen Bestimmungen aufzunehmen, die eine bundeseinheitliche Beschilderung von Ladesäulen / Ladeplätzen eine abschließende Definition der Regelung, dass E-Fahrzeuge nur während des Ladevorgangs an Ladesäulen stehen dürfen die Ahndung von Parkverstößen inkl. Abschleppen das gebührenfreie Parken von E-Fahrzeugen enthalten. Aufgrund der geringen Anzahl von in München zugelassenen E-Fahrzeugen und der wider Erwarten guten Parkmoral waren die fünf im Rahmen von E-Plan auf öffentlichem Verkehrsgrund aufgestellten Ladesäulen gut nutzbar. Nach Auskunft der Polizei und der kommunalen Verkehrsüberwachung keine Erkenntnisse über eine nennenswerte Anzahl von Falschparkern an den Ladesäulen vor. Das Polizeipräsidium München und Oberbayern teilt aber die Auffassung, dass die im o.g. Verkehrsblatt veröffentlichte Beschilderungsregelung das Abschleppen von Falschparkern an Ladesäulen derzeit nicht legitimieren würde. AP 1300 Anforderungen an die E-Infrastruktur der Landeshauptstadt München (Audi, BMW, GE, LHM, UniBwM) Es wurde eine Onlineumfrage bezüglich der Anforderungen an eine funktionierende Ladeinfrastruktur im urbanen Raum aus Sicht unterschiedlicher Stakeholder vor allem unter aktuellen Nutzern der Elektromobilität durchgeführt. Die Onlineumfrage bestand aus 14 unterschiedlichen Fragen und hatte zum Ziel, die Kernfrage Wo, für wen, welche Ladeinfrastruktur installiert werden sollte? zu beantworten. Dadurch sollte abgefragt werden, ob für unterschiedliche Nutzergruppen der Elektromobilität unterschiedliche Anforderungen an eine urbane Ladeinfrastruktur gestellt werden sollte. Aus dem sich ergebendem differenzierten und teilweise abweichenden Meinungsbild wurden relevante Standorte für Ladestationen/-punkte aus Sicht der unterschiedlichen Nutzergruppen identifiziert. Zusätzlich wurden diesen Standorten bevorzugte Ladegeschwindigkeiten zugeordnet. Zum anderen wurden verschiedene Expertengespräche unter direkten und indirekten Stakeholdern zu Ladeinfrastruktur geführt. Durch diese Gespräche konnten Meinungen und 1. Oktober 2016 Seite 21 von 126

22 Argumentationen der Stakeholder genauer abgefragt und in die sich an die Umfrage anschließende Analyse einbezogen werden. Sicht der Pendler (LHM) Grundsätzlich stehen die Ladesäulen im Untersuchungsgebiet allen Nutzern zur Verfügung, also auch Pendlern, die z. B. mit dem Pkw aus dem Umland in die LH München fahren wollen. Das Ziel der LH München ist es allerdings, dass die Pendler möglichst bereits im Umland, am Stadtrand oder in den Stadtrandgebieten P+R-Anlagen anfahren, um von dort mit öffentlichen Verkehrsmitteln in die Innenstadt zu fahren. Derzeit bestehen nur in den P+R-Anlagen Fröttmaning und Messestadt Ost Lademöglichkeiten für E-Fahrzeuge. Grundsätzlich haben die SWM aber seit 2010 das Recht, an den von der P+R-GmbH betriebenen P+R-Anlagen Ladesäulen zu errichten und zu betreiben. aus Sicht des Wirtschaftsverkehrs (LHM) Zum gegenwärtigen Zeitpunkt haben E-Fahrzeuge noch keinen allzu großen Anteil an den Fahrzeugflotten von in München ansässigen Firmen. Aktuell liegt die Anzahl im Stadtgebiet zugelassener BEV bei ca Insofern hat die Entwicklung im Bereich Elektromobilität durchaus -wenn auch in einem überschaubaren Rahmen- seit Start des Forschungsvorhabens an Dynamik gewonnen. Im Zusammenhang mit dem AP 1300 wird auch auf das Schaufensterprojekt Virtuelle Elektromobilität im Taxi- und Gewerbeverkehr München (VEM) verwiesen, an dem u.a. die Handwerkskammer für München und Oberbayern sowie die TU München beteiligt waren. Im Projekt VEM wurden Fahrzeug- und Infrastrukturkonzepte über Simulationen analysiert. Ziel war die Untersuchung verschiedener Fahrzeug- und Infrastrukturkonzepte für den Taxi- und Wirtschaftsverkehr im Münchner Raum. Es wurden vor allem Aussagen über Effektivität und Kosten einer Umstellung von größeren Fahrzeugflotten getroffen werden (Quelle: Handwerkskammer für München und Oberbayern, 2014). Mit dem vom Münchner Stadtrat beschlossenen IHFEM sollte insbesondere der emissionsfreie gewerbliche Verkehr gefördert werden. Aufgrund der Beschlüsse der Bundesregierung zur Förderung der Elektromobilität musste das Förderprogramm allerdings angepasst und geändert werden, um eine Doppelförderung auszuschließen. Die Ladeinfrastruktur für E-Fahrzeuge im Stadtgebiet soll allerdings weiterhin so ausgebaut werden, dass der sich entwickelnde Wirtschaftsverkehr mit E-Fahrzeugen problemlos abgewickelt werden kann. aus Sicht der Anwohner (LHM, Audi) Unter Berücksichtigung der im Umfeld des Untersuchungsgebietes bereits vorhandenen Lademöglichkeiten wurden letztendlich fünf Standorte ausgewählt, die über das Untersuchungsgebiet verteilt sind und die Einwohnerdichte sowie die Erreichbarkeit im Gebiet berücksichtigen. Zudem wurden in der am südlichen Rand des 1. Oktober 2016 Seite 22 von 126

23 Untersuchungsgebietes neu gebauten Anwohnergarage am Josephsplatz zehn Ladeplätze errichtet. Sicht der Carsharing-Systeme (BMW) Für den Betrieb eine elektrischen Carsharing Flotte müssen die Ladesäulen rund um die Uhr und für alle frei zugänglich sein. Außerdem muss der Lade- und Bezahlvorgang möglichst einfach sein, damit Kunden bereit sind, die Fahrzeuge zu laden. Mit den Ladepunkten in der Dostlerstraße und am Flughafen wurde eine Grundversorgung geschaffen. Ein weiterer Ausbau der Lademöglichkeiten wird aber sehr begrüßt. Sicht der Taxi-Betreiber (IsarFunk) Aus Sicht der IsarFunk Taxizentrale GmbH & Co. KG ist das Ladenetz der LH München für E-Fahrzeuge -vor allem bezüglich Schnellladung- noch bei weitem nicht ausgebaut genug, um E-Taxis wirtschaftlich betreiben zu können. Die sechs für das E-Taxi vorhandenen Ladepunkte an Standorten des Städtischen Klinikums München sind für den Betrieb zwar notwendig, die Ladegeschwindigkeit der verwendeten Ladepunkte -in Verbindung mit der begrenzten Reichweite des Fahrzeuges- reicht aber nicht aus, um einen ständigen Betrieb des E-Taxis zu gewährleisten. Daher muss der Fahrer des E-Taxis sein Fahrzeug des Öfteren gegen die Fallback-Lösung austauschen, während das E-Taxi lädt. Zu diesem Zweck schließt der Taxifahrer das E-Taxi an die Ladestationen der Kliniken an und fährt den Rest des Tages mit seinem eigenen dort abgestellten Hybridtaxi. UniBwM Zur Identifikation der Anforderungen an die E-Infrastruktur der Landeshauptstadt München wurde ein Grobkonzept zur Durchführung einer Befragung der unterschiedlichen Stakeholder erdacht. Dabei werden für die unterschiedlichen Stakeholder der Elektromobilität sowohl allgemeine als auch spezifische Fragen vorbereitet. Das Ziel war, alle Anforderungen an eine Ladeinfrastruktur zu identifizieren. Zunächst wurde ein erstes Grobkonzept für einen makroskopischen Masterplan der räumlichen Verteilung der Ladeinfrastruktur betrachtet. Basis dafür waren vor allem die verkehrspolitischen und stadtgestalterischen Ziele der Landeshauptstadt München. Mit Hilfe der Befragung wurden auch mögliche Konflikte hinsichtlich der Ladeinfrastruktur zwischen Stakeholdern der Elektromobilität und stadtgestalterischen Zielen deutlich gemacht. 1. Oktober 2016 Seite 23 von 126

24 AP 1400 Modellbasierte Erstellung des Masterplans E-Infrastruktur der LHM (UniBwM, LHM, BMW) Ein mit allen Projektteilnehmern abgehaltener Workshop kam zu dem Ergebnis, dass es zur Förderung der Elektromobilität in einer Stadt nicht nur einer entsprechenden Ladeinfrastruktur auf der Angebotsseite bedarf, sondern in zeitlichem Zusammenhang auch auf der Nachfrageseite Maßnahmen durchgeführt bzw. Verpflichtungen eingegangen werden müssen. Beides, sowohl Angebot als auch Nachfrage, müssen jedoch im Einklang mit den stadtentwicklungs- und umweltpolitischen sowie verkehrsplanerischen Zielen der Landeshauptstadt München entwickelt werden. Vor diesem Hintergrund wurde vorgeschlagen, die aktive Förderung der Elektromobilität auf breite Beine zu stellen und eine sogenannte E-Allianz zu gründen. Dieser Zusammenschluss aus Landeshauptstadt München, Industrie, Energieversorger und Wissenschaft hatte das Ziel, die Elektromobilität in München im Kontext verkehrsplanerischer und stadtgestalterischer Leitlinien zu planen. Daraus sollen sich für jeden Partner bindende Vereinbarungen ergeben, die für die Verbreitung der Elektromobilität in München förderlich sind. Durch den Aufbau von Ladestationen zu Beginn der E-Allianz durch die Landeshauptstadt München sollte zu Beginn ein Überangebot von Lademöglichkeiten geschaffen werden. Um zu verhindern, dass dieser Aufbau zu überdimensioniert ist, wurde ein Modell entwickelt, das abhängig von unterschiedlichen Eingangsdaten die zukünftige Anzahl öffentlicher Ladevorgänge an einem Durchschnittstag berechnet. Dieses Modell wurde zukünftig als Dimensionierungsmodell bezeichnet. Durch das Modell konnte jedoch nur die korrekte Dimensionierung der Ladeinfrastruktur abgeschätzt werden, nicht aber eine nach der Ladenachfrage ausgerichtete Positionierung. Zu diesem Zweck wurde ein Optimierungsmodell entwickelt, das auf Basis von laderelevanten Ereignissen optimale Positionen für die zukünftigen Ladesäulen bestimmt. Zusätzlich sollte die Möglichkeit bestehen, aus einer Liste möglicher Kandidaten für Ladesäulen die bestmöglichen auszuwählen. Dieses Modell wird als Positionierungsmodell bezeichnet. Die Modelle sollten auf eine längere Zeit angelegt werden, um auch die zu Beginn getroffenen Entscheidungen (technologische Entscheidungen, Standort- und Dimensionierungsentscheidungen zur Ladeinfrastruktur) stetig überprüfen zu können. Ein Teil dieser stetigen Überprüfung beinhaltet ein Auslastungsmonitoring aller Ladesäulen. Das bedeutet, dass die Auslastung jeder Ladesäule stetig überprüft werden soll. Wird dabei an einer Ladesäule eine besonders hohe Auslastung identifiziert, so kann dies ein Hinweis sein, in diesem Gebiet eine zusätzliche Ladesäule neu zu installieren. Diese fortwährende Überprüfung wird im Folgenden als Auslastungsmonitoring bezeichnet. Im Mai 2015 verabschiedete der Stadtrat der Landeshauptstadt das Integrierte Handlungsprogramm zur Förderung der E-Mobilität in München (IHFM). Wesentliche Bestandteile dieses Beschlusses sind die Förderung des elektromobilen gewerblichen Verkehrs sowie die Installation von insgesamt 100 Ladesäulen im Stadtgebiet. Die Verteilung der Ladepunkte erfolgte unter Verwendung des im Rahmen von E-Plan durch die Universität der Bundeswehr entwickelten Positionierungsmodells. Damit konnte gewährleistet werden, dass der Aufbau der Ladeinfrastruktur in Zukunft verkehrlich sinnvoll und bedarfsgerecht erfolgen kann. 1. Oktober 2016 Seite 24 von 126

25 AP 1410 Datengrundlage Verkehrsmodell E-Infrastruktur Masterplan LHM (UniBwM, LHM) Für drei verschiedene Nutzergruppen sollten optimale Positionen von Ladesäulen identifiziert werden. Das sind zum einen Privatnutzer mit sowie ohne Heimladeplatz, als auch elektrisches Carsharing. Für Privatnutzer sollten die für das Optimierungsmodell benötigten koordinatengenauen laderelevanten Ereignisse mittels eines agentenbasierten Simulationsmodells (MATSim) identifiziert werden. Für den Aufbau dieses Simulationsmodells wurde aus zwei Straßennetzwerken ein für das Simulationsmodell benötigtes Netzwerk erzeugt und angepasst. Zusätzlich zum Netzwerk wurde für den Untersuchungsraum München und Umgebung eine synthetische Bevölkerung auf Basis von Münchner sowie allgemeiner MiD- Daten sowie wohnquartiersfeiner soziodemografischer Daten erzeugt. Anschließend wurden diesen erzeugten künstlichen Agenten Wegeketten auf Basis Münchner sowie allgemeiner MiD-Daten zugewiesen. Die für dieses Simulationsmodell benötigten koordinatengenauen Angaben für jedes Ereignis (bzw. Aktivität) wurden aus der Open-Street-Map Datenbank herausgezogen. Aktuell findet der Großteil der Ladevorgänge in unmittelbarer Nähe zur Wohnung/zum Haus statt. Um das Laden von Elektroautos auch Privatnutzern ohne Heimladeplatz zu ermöglichen, müssen im öffentlichen Straßenraum Ladesäulen aufgebaut werden. Ladesäulen sollten also dort positioniert werden, wo besonders viele Privatnutzer ohne Heimladeplatz erwartet werden. Als Nachfragepunkte für öffentliches Laden aus Sicht von Privatnutzern ohne Heimladeplatz wurden diejenigen Koordinaten der Haushalte berücksichtigt, denen sowohl ein Mehrfamilienhaus als auch ein Elektroauto zugeordnet wurde. Für elektrisches Carsharing liegen historische Buchungsdaten vor, die bei einer entsprechenden Elektrifizierung der Flotte alle als potenzielle laderelevante Ereignisse angesehen werden können. AP 1420 Entwicklung u. Aufbau des Modells Masterplan E-Infrastruktur LHM (UniBwM, LHM, BMW) Eine teilautomatisierte Auswertung der Daten aus den Ladesäulen wurde entwickelt, wodurch die Auslastung jeder einzelnen Säule monatsweise ausgewertet werden konnte. Dadurch ließ sich unter anderem die Anzahl von Ladevorgängen identifizieren. Auch eine durchschnittliche zeitliche Auslastung von Ladesäulen ließ sich berechnen. Hierbei wird ausgewertet, wie stark die Ladesäule zeitlich ausgelastet ist. Am Beispiel der Leopoldstraße wird in 1% der Zeit an beiden Ladepunkten gleichzeitig geladen, in 3% der Zeit wird an einem Ladepunkt geladen und am anderen Ladepunkt steht eine Elektroauto ohne zu laden (blockiert also diesen Ladepunkt). In 64 % wird an der Ladesäule kein Elektroauto identifiziert. Es wurde ein Positionierungsverfahren entwickelt, das zum Ziel hatte, eine optimale räumliche Abdeckung der Ladenachfrage zu gewährleisten. Dieses Verfahren basiert auf einem weit verbreiteten Optimierungsmodell, dem Factory Location Problem. Bei diesem mussten Angebotsstandorte so positioniert werden, dass eine gegebene Nachfrage bestmöglich abgedeckt wird. Als Input in das Verfahren wurden die koordinatenbasierten potenziellen Lade- 1. Oktober 2016 Seite 25 von 126

26 nachfragepunkte benötigt. Außerdem musste festgelegt werden, wie viele Ladestandorte im Stadtgebiet verteilt werden sollen und wie groß der Abdeckungsradius einer Ladesäule betragen soll. Zusätzlich wurden in dem Verfahren auch schon existierende Ladesäulen berücksichtigt. Als Ergebnis des Optimierungsverfahrens erhielt man für die zu verteilenden Ladesäulen koordinatenbasierte Standorte, die die größtmögliche Abdeckung der identifizierten Ladenachfrage gewährleisteten. Oberste Priorität bei diesem Verfahren hatte die Maximierung der räumlichen Abdeckung der Ladenachfrage, eine Berücksichtigung der Kapazität der Ladesäule fand nicht statt. Dieses Positionierungsmodell wurde softwaretechnisch in Matlab umgesetzt. Zusätzlich wurde für den Anwender eine grafische Oberfläche entworfen, um die einfache Anwendbarkeit des Positionierungsmodells zu gewährleisten. Eine zweite Sichtweise ist die des Nutzers. Dieser möchte einen freien Ladepunkt an der Ladesäule vorfinden, wenn er die Intention hat zu laden. Die Wahrscheinlichkeit, dass ein Nutzer an einer Ladesäule wegen Vollbelegung der Ladepunkte nicht laden kann, sollte aus der Perspektive eines Nutzers so gering wie möglich sein. Diese ließ sich jedoch aus den gespeicherten Ladedaten nicht direkt rekonstruieren. Man sah dort lediglich die tatsächlich stattgefunden Ladevorgänge, aber nicht wann ein Nutzer an der Ladesäule abgelehnt wurde. Auch Kennzahlen wie die Anzahl der Ladevorgänge pro Tag oder die zeitliche Auslastung pro Tag je Ladepunkt konnten lediglich Hinweise auf die tatsächliche Ablehnungsquote an der Ladesäule geben. Deshalb wurde ein Verfahren unter Verwendung der Warteschlangentheorie entwickelt, das auf Basis der gemessenen Ladedaten, die Anzahl durchschnittlich abgelehnter Nutzer je Ladesäule ermittelte. In diesem Verfahren wurde die Auslastung einer Ladesäule an einem Tag als Warteschlange modelliert. Für eine solche Modellierung wurde als Input sowohl eine Ankunftsrate an der Ladesäule als auch eine Verteilung der Belegungsdauern der Elektroautos an der Ladesäule benötigt. Die Ankunftsrate wurde aus den protokollierten Ladedaten der Ladesäule ermittelt. Es konnte beobachtet werden, dass die Ladenachfrage tageszeitabhängig ist. Dies wurde dann auch bei der Modellierung berücksichtigt. Die Verteilung der Dauer der Belegung von Elektroautos kann ebenso aus den Ladedaten ermittelt werden. Auch hierbei wird im Verfahren die Tageszeit berücksichtigt. Außerdem wurde in der Modellierung angenommen, dass ein Elektroautonutzer an einer Ladesäule nicht wartet, bis ein Ladepunkt frei wird. Findet ein Elektroautonutzer die Ladepunkte als belegt vor, so wird dieser Elektroautonutzer als abgelehnter Ladevorgang gezählt. Aufgrund der komplexeren Modellierung ließ sich die gewünschte Kennzahl durchschnittlich abgelehnte Ladevorgänge pro Tag nicht analytisch ermitteln. Deshalb wurde eine Monte-Carlo-Simulation implementiert, um die Kennzahl dennoch zu ermitteln. Diese gab dann einen schnellen Überblick, wie stark eine Ladesäule aus Nutzersicht ausgelastet ist. 1. Oktober 2016 Seite 26 von 126

27 AP 1430 Modellbasierte Analyse der Szenarien des Masterplans (UniBwM, LHM, BMW) Es wurden unterschiedliche Szenarien auf Basis unterschiedlicher Entwicklungen der Elektromobilität berechnet und unter anderem auszugsweise auf dem Workshop zur E-Allianz vorgestellt. Anzahl zu verteilender Ladesäulen: In einem ersten Schritt wurden 60 Ladesäulen im Stadtgebiet verteilt. Bei einer unabhängigen Verortung der Ladesäulen bezüglich free-floating Carsharing und Privatnutzer ohne Heimladeplatz wurde erkannt, dass diese vom Optimierungsmodell bevorzugt in den gleichen Stadtgebieten verteilt wurden. Deshalb wurde die Entscheidung getroffen, die ersten 32 Ladesäulen auf Basis des free-floating Carsharings zu verteilen. Von diesem wurde vor allem am Anfang eine vergleichsweise hohe Nachfrage nach Ladesäulen erwartet. Im zweiten Schritt wurden auf Basis des vorherigen Plans nochmals 18 Ladesäulen mit der generierten Ladenachfrage von Privatnutzern ohne Heimladeplatz verteilt. Abdeckungsradius: Im ersten Schritt wurde sich dafür entschieden für das free-floating Carsharing einen Abdeckungsradius von 250 m zu wählen. Beim zweiten Schritt wurde für die Privatnutzer ohne Heimladeplatz ein Abdeckungsradius von 500 m gewählt. Liste potenzieller Standorte: Von den Stadtwerken München wurde eine Liste von potenziellen Wunschstandorten zur Verfügung gestellt. Dabei wurde insbesondere darauf geachtet, einen schnellen Umstieg auf den ÖPNV an Ladestandorten zu gewährleisten. Ergebnis: Auf Basis des vorgestellten Inputs konnte eine Liste von Standorten mittels des Positionierungsverfahrens erzeugt werden. Dabei ergibt sich eine Abdeckung der Carsharing Ladenachfrage von ca. 69 % und der Privatnutzer ohne Heimladeplatz (PoH) von ca. 46 %. Analyse Auslastungsmonitoring: Das Verfahren zum Auslastungsmonitoring aus Nutzersicht wurde beispielhaft auf die Ladedaten der Stadtwerke München angewendet. Dabei wurde als Datenzeitraum zur Generierung der Inputdaten der Zeitraum Februar bis April 2015 gewählt. Durch die vorgestellte Monte-Carlo-Simulation ließ sich dann die Kennzahl durchschnittlich abgelehnte Ladevorgänge pro Tag für die drei Ladesäulen ermitteln. Außerdem konnten auch die Ladedaten mit den Simulationsdaten verglichen werden Durch die Simulation ließ sich schließlich auch die vorgeschlagene Kennzahl über den Tag verteilt ermitteln. Insgesamt ergibt sich für die Mühldorfstraße eine Ablehnung von durchschnittlich 0,68 Ladevorgängen pro Tag. Ergebnisse mehrerer Ladesäulen ließen sich durch diese einfache Kennzahl sehr gut grafisch darstellen. Es ließ sich dadurch sich schnell einen Überblick schaffen, wie stark Ladesäulen aus Nutzersicht ausgelastet sind und ob eventuell der Bau zusätzlich Ladesäulen notwendig wird. 1. Oktober 2016 Seite 27 von 126

28 AP 1500 Priorisierung der Maßnahmen (Umsetzung) des Masterplans (LHM, UniBwM, BMW) Auf der Basis der Untersuchungen der UniBW wurden die möglichen Standorte für Ladeinfrastruktur unter Berücksichtigung der Verteilung der Einwohner und der Lage von ÖPNV-Haltepunkten ausgewählt und in den Prozess der Erarbeitung des Integrierten Handlungsprogramms zur Förderung der Elektromobilität in München (IHFEM) eingebracht. AP 1600 Integration des E-Infrastrukturmasterplans in die bestehenden Instrumente der Stadt-, Infrastruktur- und Verkehrsentwicklungsplanung der LHM (LHM) Grundlage der Verkehrsplanung der Landeshauptstadt München ist der von der Vollversammlung des Stadtrates am beschlossene Verkehrsentwicklungsplan (VEP). Der VEP ist ein Leitprojekt der Stadtentwicklungskonzeption Perspektive München, die den Rahmen für die Entwicklung der Landeshauptstadt München vorgibt. Die Ziele der Verkehrsentwicklung leiten sich aus der Stadtentwicklungsplanung und der Regionalplanung ab. Sie sind eingebettet in soziale, ökonomische, ökologische und kulturelle Ziele sowie in Ziele zur Sicherung bzw. Verbesserung einer nachhaltigen Siedlungs- und Verkehrsentwicklung. Die daraus abgeleitete Leitlinie Erhaltung und Verbesserung der Mobilität für alle Verkehrsteilnehmer stadtverträgliche Verkehrsbewältigung ist wie folgt konkretisiert: Verkehrsverminderung bzw. -vermeidung, Verkehrsverlagerung des nicht vermeidbaren Kfz-Verkehrs auf den Öffentlichen Verkehr, Rad- und Fußverkehr, stadtverträgliche Abwicklung des nicht verlagerbaren Kfz-Verkehrs. Bei der Fortschreibung der Perspektive München wurden die verkehrsplanerischen Ziele weiterentwickelt und ergänzt. Unter der Leitlinie Qualitätsvolle und charakteristische Stadträume wurden die Ziele einer stadt- und klimaverträglichen Mobilität wie folgt formuliert: München fördert eine stadt- und klimaverträgliche Mobilität in der Stadt und der gesamten Region. Die Stadt berücksichtigt dabei die Mobilitätsbedürfnisse aller Gesellschafts- und Altersgruppen sowie des Wirtschaftsverkehrs. Sie richtet sich langfristig auf postfossile Mobilitätsformen aus und unterstützt den dafür nötigen Umbau und die Weiterentwicklung der Verkehrsinfrastruktur (z.b. Ausbau der Elektromobilität, sowohl in Form von MIV als auch öffentlichem Individualverkehr (z.b. Carsharing, Car to go) in enger Verzahnung mit einem gut ausgebauten ÖPNV-, Fuß- und Radwegenetz). Die Ergebnisse der Untersuchungen zur Verteilung von Ladesäulen im Stadtgebiet wurden bei der Erarbeitung des IHFEM und den Vorarbeiten zur Fortschreibung des Verkehrsentwicklungsplanes der LHM berücksichtigt. 1. Oktober 2016 Seite 28 von 126

29 AP 1700 Umsetzungsplanung straßenseitiges Laden Schwabing+ (LHM) Die Auswahl des Testgebietes Schwabing/Milbertshofen erfolgte unter Berücksichtigung der Bewohner- und Bebauungsstruktur sowie unter Beachtung der jeweiligen Parksituation im privaten bzw. öffentlichen Straßenraum. Die Ladesäulenstandorte wurden auf der Basis der Vorschläge der Bezirksausschüsse zwischen dem Referat für Stadtplanung und Bauordnung, dem Baureferat, der Straßenverkehrsbehörde (Kreisverwaltungsreferat), dem Referat für Arbeit und Wirtschaft, dem Referat für Gesundheit und Umwelt der LHM sowie den SWM abgestimmt. AP 2000 Anwohner Demonstrator Schwabing+ (Audi, GE, LHM) AP 2000 Anwohner Demonstrator Schwabing+ (Audi, GE, LHM) Gerade in Städten und Ballungsräumen sind Parkplätze für das eigene Fahrzeug schwer zu bekommen. Die meisten Anwohner haben weder eine eigene Garage noch besitzen sie einen festen Stellplatz. Diese Problematik stellt gerade bei der Einführung der Elektromobilität im Zusammenhang mit der dafür notwendigen Ladeinfrastruktur einen zentralen Faktor für die alltägliche Nutzung eines E-Fahrzeugs dar. Doch wie wirkt sich dieser Faktor bei den einzelnen Kunden und Fahrzeughaltern aus? Und in welchem Umfang können Kommunen heute bereits die dafür notwendige Ladeinfrastruktur schon bereitstellen? Im Rahmen des Teilprojekts E-Plan München Anwohnerparken ging Audi diesen Fragestellungen nach. Über den Flottenversuch sollten diesbezüglich Rückschlüsse für die weitere Entwicklung der E-Mobilität gewonnen werden. AP 2100 Infrastrukturanforderungen Für den Aufbau der Ladeinfrastruktur wurden fünf GE-Durastation Ladesäulen für den Stadtteil Schwabing von GE zur Verfügung gestellt und am an die SWM übergeben. Die Inbetriebnahme der GE Ladesäulen erfolgte am Um den Ladebedarf der Elektro-Fahrzeugflotten gewährleisten zu können, wurden GE-Durastationen mit jeweils zwei Ladepunkten und 32A max. Ladestrom pro Anschluss ausgewählt. Für eine eventuelle Anmeldung und Erfassung der Nutzer wurden die Ladesäulen auch mit RFID- Lesegeräten ausgestattet. Da die Ladesäulen im öffentlichen Raum aufgestellt sind und auch öffentliche Stellplätze belegen, hatte man sich jedoch dazu entschlossen, sie frei zugänglich zu machen. 1. Oktober 2016 Seite 29 von 126

30 Abbildung 4 Technische Eigenschaften der GE-Durastationen Für das Projekt wurde ein modifiziertes Messsystem in die Ladesäule eingebaut. Hierzu wurde das Multilin EPM 2220 Power Meter verwendet. Es ermöglicht eine hochaufgelöste und sehr genaue Erfassung der Leistung, der Spannung und des Strom an jeder Phase sowie die Überwachung der Netzfrequenz. Das Auslesen der Daten erfolgt über einen Mini- PC. Mittels eines GSM Modems werden die Daten an eine zentrale Datenbank gesendet. Diese Verbindung ermöglicht auch einen Fernzugriff auf den internen Controller der Ladesäule. Die einzelnen Komponenten für das System wurden bestellt und geliefert. Das Monitorings System wurde im Februar 2014 installiert und war ab März 2014 voll einsatzfähig. 1. Oktober 2016 Seite 30 von 126

31 Abbildung 5 Kommunikationsplan für erweitertes Datenerfassungssystem Technische Umsetzungshemmnisse (GE) Im Rahmen des Forschungsvorhabens werden auch Umsetzungshemmnisse erfasst und analysiert, die bei der Durchführung des Projektes auftreten. Seitens General Electric (GE) werden hier speziell technische Aspekte adressiert, welche die Ladeinfrastruktur und deren Kommunikation mit den Elektroautos betrifft. Zu Beginn des Vorhabens wurde überprüft, ob ein problemloses Laden mit den GE Ladesäulen und den Elektroautos der Projektpartner Audi und BMW gewährleistet werden kann. Hierzu wurden zwei Termine bei GE in Garching organisiert, bei denen das Laden der E-Fahrzeuge an vorhandenen Säulen getestet wurde. Die BMW ActiveE Modelle konnten problemlos an die Ladesäulen angeschlossen und der Ladevorgang durchgeführt werden. Bei dem ersten Test mit dem Audi A1 e-tron wurde das Fahrzeug von der Ladesäule nicht erkannt. Dies führte zu einer intensiven Fehlersuche seitens GE und Audi, da das Laden der Fahrzeuge ausschlaggebend für den Erfolg des Projektes ist. Folgende Aspekte wurden im Rahmen der Untersuchung adressiert. Funktionsfähigkeit der Ladesäule Funktionsfähigkeit des Ladekabels Erkennung der Widerstandkodierung nach IEC Nach Abgleich mit der aktuellen Konfiguration von Audi wurde festgestellt, dass leichte Modifikationen bei der Anmeldung des Elektroautos an der Ladesäule vorgenommen wurden. Das aktuelle Anmeldeprotokoll des A1 e-tron weicht von der Vorgabe/Norm in einem Punkt ab. Die Meldung Fahrzeug verbunden / noch nicht ladebereit wird derzeit beim A1 e-tron übersprungen und es wird direkt das Signal Fahrzeug ladebereit gesendet. Dies führte dazu, dass die Ladestation den Ladevorgang nicht starten konnte, da der Anmeldeschritt nicht erfolgt ist. Da es nicht möglich war, die Konfiguration im Audi zu ändern, wurde die Abfrage auf das Signal Fahrzeug verbunden in den GE Ladesäulen überbrückt, welches das Laden sowohl mit den Audi A1 e-tron als auch den ActiveE von BMW gewährleistet. 1. Oktober 2016 Seite 31 von 126

32 AP 2200 Betriebs- und Businesskonzept straßenseitiges Laden (Audi, GE) Während der Projektlaufzeit wurden die Ladesäulen in regelmäßigen Abständen kontrolliert um etwaige Störungen der Säulen oder Schäden durch Vandalismus zu identifizieren und entsprechende Reparaturmaßnahmen ergreifen zu können. Im Rahmen des Projektes konnten zwei zentrale Erkenntnisse gewonnen werden. Zum einen konnten die anfänglichen Befürchtungen in Bezug auf Vandalismus widerlegt werden. Mit Ausnahme vereinzelter Aufkleber/Graffiti an den Ladesäulen wurden keine Beschädigungen aufgrund von Fremdeinwirkung beobachtet. Zum anderen wurde die Funktionalität der FI-Schutzschalter bestätigt. Nach einem Austausch der Rückstellmotoren der FI-Schutzschalter im ersten Betriebsmonat funktionierten diese fehlerlos. Zusammenfassend konnte festgestellt werden, dass der Betrieb der Ladesäulen ohne größere Ausfälle oder Schäden und damit verbundene Kosten, durchgeführt werden konnte. AP 2300 Nutzerauswahl, Nutzerprofile Um entsprechend belastbare Aussagen und Ergebnisse im Sinne der mit dem Projekt verbundenen Fragestellungen zum Nutzerverhalten beim öffentlichen Laden zu erhalten, wurden die Probanden für den Flottenversuch im Projekt E-Plan München im Teilvorhaben Anwohner anhand zuvor festgelegter Kriterien ausgewählt. Dabei wurde zwischen Basisanforderungen und geographischen Anforderungen als Muss-Kriterien sowie sonstigen Anforderungen als Soll-Kriterien unterschieden. Bei den Soll-Kriterien wurden Faktoren wie Alter, Nettoeinkommen und bevorzugtes Fahrzeugsegment berücksichtigt: Basisanforderungen Besitz eines gültigen Führerscheins (min. 3 Jahre Fahrpraxis) Besitz eines iphones oder Android Smartphones, um die Audi-App im Rahmen des Flottenversuchs nutzen zu können Bereitschaft, einen Vertrag mit dem Energieversorger/ Ladesäulenbetreiber einzugehen, Stromkosten zu übernehmen Bereitschaft zur Teilnahme an Befragungen und Diskussionen während des gesamten Zeitraums der Flottenversuche Interesse an Elektrofahrzeugen und Aufgeschlossenheit gegenüber neuen Technologien Probanden dürfen keine Journalisten, Mitarbeiter von Marktforschungsinstituten oder Beschäftigte aus der Automobilindustrie sein. Geographische Anforderungen: Wohnort Nord-West-Schwabing / Milbertshofen / Olympiapark. Der Wohnort wird begrenzt durch die Leopoldstraße, die Moosacher Straße/Frankfurter Ring, die Landshuter Allee sowie durch den Straßenzug Dachauer-, Schwere Reiter-, Elisabeth-, und Franz Joseph Straße. Durchschnittliche tägliche Strecke nicht mehr als ca km Etwa 90% der Fahrzeit liegen im Stadtgebiet Kein Besitz einer Garage, Tiefgarage oder festem Parkplatz am Wohnort 1. Oktober 2016 Seite 32 von 126

33 In dem definierten Gebiet wurde über die Markt- und Trendforschung der AUDI AG ein externes Marktforschungsinstitut zur Rekrutierung der Probanden beauftragt. Für die Rekrutierung wurde auf eine agenturseitige Datenbank zurückgegriffen. Zusätzlich wurden Flyer vor Ort verteilt und Adresslisten und Telefonkontakte eingekauft. Eine Schwierigkeit bei der Rekrutierung im Projekt E-Plan München ergab sich aus der Tatsache, dass die Probanden noch vor der Festlegung und dem Aufbau der Ladeinfrastruktur für den Flottenversuch ausgewählt werden mussten. Viele kontaktierte Personen im Testfeld hatten daher mit Verweis auf die dort zum damaligen Zeitpunkt nur unzureichend vorhandene und geplante Ladeinfrastruktur kein Interesse an dem Projekt bekundet. Mit hohem zusätzlichem Aufwand ist es Audi zusammen mit dem Marktforschungsinstitut gelungen, den geplanten Termin zur Übergabeveranstaltung trotz der komplexen Anforderungsstruktur zur Nutzerauswahl und dem, gegenüber dem ursprünglich geplanten Starttermin, verzögerten Projektstart zu halten. AP 2400 Demonstrator Betrieb Anwohner (Audi, GE) AP 2410 Betreuungskonzept und Servicepartner Aufgrund der zentralen Bedeutung eines Service und Betreuungskonzeptes für Kunden im Rahmen des Kaufentscheidungsprozesses bei neuen Technologien fokussiert AP2410 die Entwicklung solch eines Konzeptes. Im Rahmen des Flottenversuchs wurde zunächst für die erste Welle des Flottenversuches mit dem Audi A1 e-tron ein Betreuungskonzept erarbeitet und vollumfänglich angewandt. Dies war insbesondere aufgrund des Fehlens der notwendigen Erfahrung mit Elektromobilität und den sich daraus ableitenden Anforderungen bei Händlern und Servicepartnern von großer Bedeutung. Kern des Konzepts war ein Premium-Kundenservice für die Probanden, der über entsprechende Vereinbarungen zwischen der Kundendienstabteilung der AUDI AG und Audi-Stützpunkthändlern vor Ort als Servicepartner sichergestellt wurde. Der Einsatz des Audi A3 e-tron in der zweiten Welle des Flottenversuches verursachte aufgrund der Seriennähe des Audi A3 e-tron keine Probleme, so dass das Audi-Zentrum München Albrechtstrasse auch in der zweiten Projektphase die technische Betreuung des Projektes unterstütze. Dieser Stützpunkt konnte bereits im Rahmen des Projektes Erfahrungen mit elektrifizierten Fahrzeugen sammeln. Die bereits eingesetzte 24 Stunden Servicehotline stand ebenso wie ein Ersatzfahrzeug für die Probanden zur Verfügung. Für die Umsetzung des Betreuungskonzepts in München wurden zwei Servicepartner (Audi Zentrum Albrechtstraße; Audi Zentrum Hochstraße) identifiziert und über Kooperationsverträge in das Projekt mit eingebunden. Eine detaillierte Beschreibung des Service- und Betreuungskonzeptes ist AP 2450 zu entnehmen. 1. Oktober 2016 Seite 33 von 126

34 AP 2420 Datenkommunikation zwischen Fahrzeug und Backend AP 2420 umfasst eine Online-Verbindung zwischen den eingesetzten E-Fahrzeugen im Flottenversuch und einem IT Backend bei Audi, um die Datenkommunikation zu ermöglichen. Durch die Online-Verbindung wurden Daten aus den Fahrzeugen bereitgestellt, aufbereitet und den Betreuern 24 Stunden an allen Tagen der Woche zur Verfügung gestellt, wodurch eine optimale Fahrzeugbetreuung gewährleistet wurde. Darüber hinaus wurden ausgewählte Daten an die Smartphone basierte Kunden-Applikation weitergeleitet. Aufgrund der fahrzeugseitigen Anpassungen, die auch die Fahrzeugvernetzung betreffen, mussten vor Beginn der eigentlichen Erprobungsphase entsprechende Änderungen in der OCU-Software vorgenommen werden. AP 2430 Projektübergabe/ Übergabeveranstaltung/ Veranstaltungsmanagement Am 12. Juni 2013 fand die Auftaktveranstaltung zum Projekt E-Plan in München statt. Die erste Welle des Flottenversuchs wurde im Rahmen einer Übergabeveranstaltung am 23. Juni 2013 in München offiziell gestartet. Neben der Übergabe der Fahrzeuge beinhaltete die Veranstaltung auch Informationen zu Projektinhalten und Zielsetzungen des Vorhabens, sowie eine theoretische Einweisung in die Fahrzeuge. Weitere Vorträge vermittelten das Betreuungs- und Servicekonzept (vgl. AP 2410 und AP 2450) und die Vorgaben, welche mit den Nutzerverträgen für die Zeit des Flottenversuchs verbunden sind. Hierzu zählten neben Haftung und Versicherung auch die fahrzeugbezogenen Pflichten des Nutzers, wie beispielsweise der sorgsame Umgang mit dem Fahrzeug, die Beachtung technischer Regeln, sowie die Prüfung des verkehrssicheren Zustands. Zudem verpflichteten sich die Probanden, den Anweisungen von Audi oder des Audi-Händlers vollumfänglich und unverzüglich Folge zu leisten, sowie keine technischen Veränderungen am Fahrzeug vorzunehmen. Nach der theoretischen Einweisung erfolgte eine Einführung in die Fahrdynamik der A1 e-tron Fahrzeuge, die Nutzung der Smartphone-Applikation sowie in den Ladevorgang. Bei den praktischen Fahrübungen wurden ABS-Bremsungen, Slalomfahrten und Übungen zum geführten Fahren durchgeführt. Am 9. Juli 2013 und am 14. Oktober 2013 fanden jeweils Technikgespräche mit den Probanden statt, bei dem die seit Beginn des Flottenversuchs aufgetretenen Fragen mit Vertretern von Audi (Technik und Marktforschung) besprochen werden konnten. Die Anmerkungen und Fragen betrafen u.a.: Funktionalität und aufgetretene Störungen an der Ladeinfrastruktur Elektrische Reichweitendifferenzen bei unterschiedlichem Fahrverhalten Ungewohnte Handhabung/Geräuschkulisse des Elektrofahrzeugs (Rekuperation) Komfortfunktionen im A1 e-tron Am 21. Juni 2014 fand die Rückgabeveranstaltung beim Servicepartner in München statt. Neben der Präsentation vorläufiger Ergebnisse zu Laufleistungen, Ladeverhalten oder auch dem Range-Extender-Nutzungsverhalten wurden persönliche Eindrücke und Erfahrungen der Probanden vorgestellt, die über den Zeitraum der Erprobungsphase via Online- Community, Technikgespräch oder persönlicher Rückmeldung an Audi zurückgespiegelt worden waren. Um die Bedeutung des Projekts im Kontext des Gesamtansatzes 1. Oktober 2016 Seite 34 von 126

35 Elektromobilität zu verdeutlichen, präsentierten die Projektverantwortlichen von Audi auch Ergebnisse und Statistiken aus den anderen Schaufensterprojekten. Die zweite Phase des Projekts startete am 02. April 2015 in München mit einer zentralen Übergabeveranstaltung für die Schaufensterprojekte Elektromobilität Berlin, München und Stuttgart. Hintergrund hierfür war die Verlängerung der Projekte um eine weitere Welle im Flottenversuch, bei dem Fahrzeuge vom Typ Audi A3 e-tron zum Einsatz kamen. Über den bereits abgeschlossenen Einsatz von 15 Elektrofahrzeugen mit Range Extender vom Typ Audi A1 e-tron in einer Großstadt konnte bereits die Eignung entsprechender Fahrzeugkonzepte gezeigt werden. Für eine weitere Bearbeitung des Themas Elektromobilität sollten die Erfahrungen und Ergebnisse aus diesem Einsatz einem Plug-In Hybriden gegenübergestellt werden. Hierüber sollten Rückschlüsse gewonnen werden, inwiefern ein Hybrid-Ansatz für ein Pendlerkonzept geeignet ist. Durch den Einsatz von 10 seriennahen Audi A3 e-tron (vgl. hierzu AP 2440) wurde diese Fragestellung untersucht. Obwohl beide Fahrzeugkonzepte mit etwa 50 Kilometer eine ähnliche rein elektrische Reichweite haben, unterscheiden sie sich doch deutlich in der Gesamtreichweite (Audi A1 e- tron ~250km, Audi A3 e-tron bis zu 940km). Zudem bietet der Audi A3 e-tron dem Fahrer bereits definierte Betriebsstrategien (elektrisch und hybridisch fahren, Ladungserhaltung und -erhöhung), wohingegen die generelle Strategie beim Audi A1 e-tron durch den Fahrer bestimmt wird. Durch den Einsatz des Audi A3 e-tron mit implementierter Datenerfassung für ein Jahr konnten Fahrverhalten, Nutzung, Fahrstreckenlänge, die Anteile elektrisch/hybridisch bzw. der Einsatz des Verbrennungsmotors jahreszeitenunabhängig aufgezeichnet und den bereits gewonnenen Ergebnissen mit dem Audi A1 e-tron gegenübergestellt werden. Abbildung 6: Eindrücke von der Übergabeveranstaltung am in München Im Rahmen der Übergabeveranstaltung im Audi Trainingscenter am Flughafen München (siehe Abbildung 6) wurden alle Probanden aus den Elektromobilitätsprojekten in München, Berlin und Stuttgart analog zu der Übergabeveranstaltung aus dem Jahr 2013 über die Projektinhalte und Projektziele informiert, wobei der Fokus auf der theoretischen Einweisung in die Fahrzeuge, das Betreuungs- und Servicekonzept sowie die Vorgaben, die mit den Nutzerverträgen für die Zeit des Flottenversuchs verbunden sind, lag. Zusätzlich wurden den Probanden und Gästen bereits vorliegende Auswertungsergebnisse aus der ersten Welle des Flottenversuchs (Audi A1 e-tron) präsentiert. Nach der theoretischen Einweisung folgte eine Einführung in die Fahrdynamik der Audi A3 e-tron Fahrzeuge sowie die die Nutzung der Smartphone-Applikation. 1. Oktober 2016 Seite 35 von 126

36 AP 2440 Fahrzeugvorbereitung Für die erste Welle des Flottenversuches wurden einige Um- und Einbauten an den eingesetzten Audi A1 e-tron vorgenommen, unter anderem der Einbau des Range- Extenders, der elektrischen Antriebsmaschine, sowie der Transaktionsbatterie. An die Umbaumaßnahmen schloss sich eine Funktionskontrolle an. Alle durch Funktions- und Sicherheitstests ermittelten Beanstandungen wurden abgearbeitet. Nachdem die 15 Versuchsfahrzeuge kundengerecht aufbereitet wurden, erfolgte eine Endabnahme in Bezug auf die Flottentauglichkeit. Bei den Fahrzeugen handelte es sich um A1 e-tron der ersten Generation (PU-15). Der Range-Extender leistet im höchsten Betriebspunkt 15 kw. Abbildung 7: Technische Daten zum Audi A1 e-tron Die für die zweite Welle des Flottenversuchs notwendigen Vorbereitungen der Fahrzeuge konnten alle im vorgegebenen Rahmen bis zur Übergabe der Audi A3 e-tron an die Probanden im Rahmen der Übergabeveranstaltung abgeschlossen werden. Hierzu zählte auch eine umfassende Funktionskontrolle. Die im Rahmen von Funktions- und Sicherheitstests ermittelten Beanstandungen wurden abgearbeitet und die Fahrzeuge abschließend für den Flottenversuch kundengerecht aufbereitet und für die Endabnahme auf ihre Flottentauglichkeit überprüft. 1. Oktober 2016 Seite 36 von 126

37 Abbildung 8: Überblick über Audi A3 e-tron AP 2450 Technische Fahrzeugbetreuung während der Erprobungsphase Die technische Fahrzeugbetreuung während der Erprobungsphase verlief analog zu dem im Vorfeld vereinbarten Service- und Betreuungskonzept. Wie bereits bei vorangegangenen Schaufensterprojekten Elektromobilität, wurde auch hier ein individuelles sowie umfassendes Betreuungs- und Servicekonzept durch den Bereich Service Technik Gesamtfahrzeug der AUDI AG konzipiert und in der Praxis umgesetzt Für den gesamten Flottenversuch wurde ein entsprechendes Konzept erarbeitet. Abbildung 9 zeigt vereinfacht die Abläufe des Betreuungs- und Servicekonzeptes und wird im Folgenden detailliert beschrieben. Ein wesentlicher Bestandteil des konzipierten Betreuungs- und Servicekonzeptes wurde mit Hilfe einer zentralen Anlauf- und Kontaktstelle (Hotline) umgesetzt. Rund um die Uhr an sieben Tagen der Woche hatten sowohl Kunden als auch Audi Servicepartner die Möglichkeit bei jeder Art von Anliegen, wie z.b. technischen Fragen, aufgetretenen Fahrzeugbeanstandungen, etc., sich über die Hotline bei der Kundenbetreuung der AUDI AG zu melden. Die vorgebrachten Anliegen konnten in den meisten Fällen bereits beim ersten Kontakt gelöst werden. In anderen Fällen wurde das Anliegen durch die Kundenbetreuung entgegengenommen und unmittelbar im Unternehmen eingesteuert. Nach erfolgreicher Klärung des Anliegens innerhalb des Unternehmens wurde dem Kunden über die gewohnten Kontaktpersonen der Kundenbetreuung die Antwort/Lösung übermittelt. Für eine schnelle Vor-Ort-Hilfe im Beanstandungsfall hatten die Fahrzeugnutzer/-kunden die Möglichkeit, sich an einen örtlich verfügbaren und für Elektrofahrzeuge geschulten und zertifizierten Audi Service Partner zu wenden. Bekannte Fahrzeugbeanstandungen konnten somit direkt über den geschulten Audi Service Partner abgearbeitet werden. Zur 1. Oktober 2016 Seite 37 von 126

38 Mobilhaltung des Kunden wurde ein Ersatzfahrzeug durch die AUDI AG dauerhaft, d.h. über den gesamten Flottenlaufzeitraum, dem Audi Service Partner bereitgestellt. Abbildung 9: Servicekonzept Bei neuen und unbekannten Beanstandungen wurde eine Vor-Ort-Analyse und Reparatur durch entsprechende Spezialisten (Technischer Außendienst) durchgeführt. Die Datenlogger waren auch ein wesentlicher Bestandteil der Analysemöglichkeit, mit deren Hilfe umfangreiche Fahrzeugparameter und zustände zum Zeitpunkt des Auftretens der Beanstandung nachvollzogen werden konnten. Die Erkenntnisse daraus wurden ins Unternehmen eingesteuert sowie auch Verbesserungen für zukünftige Projekte abgeleitet. Aufgrund sowohl bereits vorangegangener Schaufensterprojekte zur Elektromobilität als auch der Schaufensterprojekte Audi A1 e-tron und Audi A3 e-tron konnten wichtige Erkenntnisse und Erfahrungen in Bezug auf Service- und Inspektionsumfänge gewonnen werden. Seitens des Flottencenters bei Audi in Ingolstadt wurde im Rahmen der technischen Betreuung alle Kilometer der große Service durchgeführt. Hierbei wurden folgende Tätigkeiten ausgeführt: Flottencenter-Eingangsprüfung inklusive Hochvolt-Isolationsmessung und Potentialausgleichsmessung Abfragung des Fehlerspeichers, Analyse und Bewertung der Fehlerspeichereinträge und Datenloggeranalyse Öffnen HV System, Software- und Hardware Update einzelner Komponenten ggf. Komponententausch 1. Oktober 2016 Seite 38 von 126

39 Demontage Range Extender/ Wechselintervalle Verschleißteile und Füllstoffe Probefahrt mit Check der A1 e-tron spezifischen Funktionen Für den Audi A3 e-tron wurden folgende Service- und Inspektionsumfänge definiert und im Rahmen des Flottenbetriebs umgesetzt: Durchführung von Ölservice alle km Durchführung von Service/Inspektion alle km oder alle zwei Jahre, inklusive Prüfung relevanter HV-Bauteile bzw. HV-Komponenten Für eine reibungslose Kundenbetreuung im Rahmen des Schaufensterprojektes Flottenversuch Elektromobilität kann zusammenfassend die in der Praxis bewährte Teilung von Aufgaben und Zuständigkeiten zwischen der Kundebetreuung der AUDI AG und dem ausgewählten Audi Service Partner festgehalten werden: Kundenbetreuung der AUDI AG: Betreuung der Kunden-Hotline 7 Tage / 24 Stunden Organisation von Vor-Ort-Einsätzen und Reparaturunterstützung beim Audi Service Partner Auslesen des Fahrzeugdatenschreibers/-Datenloggers (einmal pro Monat) Erfassung von Beanstandungen/Schadensfällen, inklusive Einsteuerung ins Unternehmen Ableiten von Verbesserungen für zukünftige Projekte Audi Service Partner: Vor-Ort-Betreuung der Kunden bei allgemeinen Fragen/Anliegen zum Fahrzeug während gewohnter Geschäftszeiten Erbringung von definierten Service- und Inspektionsleistungen der Fahrzeuge AP 2460 Projektleitung, Analyse Fahrverhalten, Analysen Datenlogger Für die Analyse des Fahrverhaltens wurden die Daten aus den Datenloggern der Fahrzeuge ermittelt. Dies erfolgte im Rahmen der Serviceintervalle über das Auslesen aller im Fahrzeug-CAN vorhandenen Größen. Die Daten wurden anschließend an einen Server weitergeleitet und auf fahrzeugsystemische und inhaltliche Fehler kontrolliert. In Perioden von zwei Monaten erfolgte eine Auswerteroutine über die vorhandenen Daten. Auf Basis gezielter Fragestellungen, wie z.b. Laufleistung, Bewegungsraum, Ladeverhalten, Verbrauchsdaten und Belastung von Komponenten (HV-Batterie, E-Motor) wurden die vorhandenen Daten klassiert und statistisch ausgewertet. Für jedes der zehn Fahrzeuge der zweiten Welle wurde analog zu den Auswertungen im Rahmen der ersten Welle des Flottenversuchs ein einzelnes Bewegungs- und Nutzungsprofil erstellt. Gleichzeitig erfolgte für die Projektleitung eine Flottenauswertung mit Analysen zu folgenden Punkten: Laufleistungen und streckenbezogene Werte Ladeverhalten Streckenanteile der Einzelfahrten inkl. E-Fahrten VKM-/Range Extender Nutzungsverhalten 1. Oktober 2016 Seite 39 von 126

40 Verbrauchsauswertung VKM bzw.range Extender und elektrisch Geschwindigkeitsverteilung Nutzungsverhalten Rekuperation Temperaturverteilung von Außen-, Batterie-, VKM-, RE-, Maschinentemperatur Die detaillierte Auswertung des Datenloggers der Fahrzeuge ist unter dem Punkt AP 5200 Einzelauswertungen Anwohner zu finden. Im Folgenden werden zentrale Erkenntnisse zum Ladeverhalten dargestellt, die durch den Demonstratorbetrieb durch General Electric gewonnen werden konnten. AP 2400 Analyse Ladesäulen Datenerfassung Es wurden die Daten der Ladesäulen von März 2014 bis Juli 2016 erfasst und analysiert. Hauptaugenmerk wurde hierbei auf die Benutzung, Auslastung, das Ladeverhalten und die maximalen Ladeströme gelegt. Bei der Ladesäule an der Leopoldstrasse liegen auf Grund eines Ausfalls der Speicherkarte keine Daten für das Jahr 2016 vor. Insgesamt wurden über h an Daten in minütlicher Auflösung erfasst. Der erfasste Energieverbrauch betrug für diesen Zeitraum kWh. Es wurden Stunden an Ladevorgängen aufgezeichnet, was eine durchschnittliche Auslastung von 28% ergibt. Die Auslastung ist so definiert, dass zumindest an einem Ladepunkt der Ladesäule in dem angegebenen Zeitraum ein Ladevorgang stattgefunden hat. Bauerstrasse Leopoldstrasse Birnauerstrasse Kathi-Kobus-Strasse Knorrstrasse Summe Zeit [h] Energie (kwh) gesamte Ladedauer (h) ,6% 20,9% 27,6% 33,1% 27,2% 28% einphasiges Laden (h) ,2% 16,4% 20,7% 26,5% 19,1% 22% zweiphasiges Laden (h) ,0% 2,4% 3,6% 3,6% 4,2% 3,4% dreiphasiges Laden (h) ,4% 2,1% 3,3% 2,9% 3,9% 2,9% 2 Ladepunkte belegt (h) ,0% 3,8% 4,3% 7,0% 4,1% 5,0% Abbildung 10 Übersicht der Ladezeit, Energieverbrauch und Auslastung der Ladestationen Es wurde außerdem zwischen einphasigem, zweiphasigem (z.b. AUDI) und dreiphasigem (z.b. TESLA) Laden unterschieden. Ein dreiphasiges Laden kommt durchschnittlich 2,9% der Zeit vor, zweiphasiges Laden 3,4% der Zeit und die meisten Ladevorgänge sind einphasig mit durchschnittliche 22% gewesen. Es konnte je nach Lage der Ladestation unterschiedliche Verhaltensmuster beobachtet werden. Das an beiden Ladepunkten der Ladesäule gleichzeitig geladen wird, kommt hingegen durchschnittlich nur 5,0% der Zeit vor. Hier variieren die Werte von 3,8% in der Leopoldstrasse bis 7,0% in der Kathi-Kobus- Strasse. Der maximale Leistungsbezug an einer Ladesäule wurde mit 45kW bei dreiphasigem Laden an beiden Ladepunkten festgestellt. 1. Oktober 2016 Seite 40 von 126

41 Auslastung der Ladesäulen Die Analyse der einzelnen Ladesäulen ergab eine unterschiedliche Auslastung der Säulen. Hierbei konnte nur das Verhältnis zwischen Ladevorgang zum gesamten Meßzeitraum ermittelt werden. Es kann keine Aussage über die Blockierung der Ladesäule nach Beendigung des Ladevorgangs getroffen werden. Außerdem wurde überprüft wie oft zwei Fahrzeuge an einer Ladesäule angeschlossen waren und gleichzeitig geladen wurden. Generell sieht man eine starke Zunahme der Ladevorgänge im Jahr 2016 im Vergleich zu 2014 und Besonders die Ladesäule in der Kathi-Kobus-Strasse zeigt einen Anstieg der Auslastung von 25% in 2014 auf 42% in Auch das gleichzeitige Laden von zwei Fahrzeugen verdoppelte sich von 5,7% auf 13.9%. Das zweiphasige Laden hat sich nach Beendigung der Testreihe mit den Audi A1 e-trons hingegen stark reduziert und war in 2016 nicht mehr vorhanden. Durchschnittlich 16% der Ladevorgänge waren 3-phasig, 84% einphasig. Des Weiteren kann man eine starke Varianz in der Auslastung von Ladepunkt zu Ladepunkt erkennen. So sieht man z.b. für die Birnauerstrasse in ,7% wohingegen die Kathi-Kobus-Strasse eine Auslastung von 42% erreicht. Abbildung 11 Auslastung der Ladesäulen Neben der Auslastung wurde auch der Energiebezug pro Ladesäule und dessen Veränderung über den Projektzeitraum ausgewertet. Hierbei wurde nicht nur die durchschnittliche Dauer eines Ladevorgangs ermittelt, sondern auch wie viel kwh geladen werden. Um die Ergebnisse der einzelnen Ladesäulen vergleichen zu können wurde der Energiebezug pro Jahr (kwh) durch die entsprechende Zeitdauer der Meßdatenerfassung geteilt. Dies ergibt einen durchschnittlichen stündlichen Energiebezug pro Ladesäule und Jahr. 1. Oktober 2016 Seite 41 von 126

42 Die durchschnittliche Ladeleistung betrug in ,2 kwh pro Betriebsstunde. Der geringste Verbrauch mit 0,9 kwh pro Betriebsstunde wurde für die Birnauer- und Leopoldstrasse gemessen. Die restlichen Ladestationen zeigten mit 1,5 kwh einen 66% höheren Energiebezug für das Jahr Im Jahr 2015 stieg der durchschnittliche Bezug um 21% an. Hierbei zeigten besonders die Ladestationen an der Birnauerstrasse mit 50% Zunahme und Leopoldstrasse mit 60% Zunahme den größten Anstieg. Den größten durchschnittlichen Strombezug hatte die Ladestation an der Kathi-Kobus-Strasse mit 1,8 kwh pro Betriebsstunde. Im Jahr 2016 erhöhte sich der durchschnittliche Energiebezug erneut um 48%. In der Bauerstrasse stieg er im Vergleich zum Vorjahr um 74% an. In der Kathi-Kobus-Strasse wurde ein Höchstwert von 2,7 kwh erreicht was eine Steigerung von 53% im Vergleich zum Vorjahr bedeutet. Zusammenfassend konnte ein erfreulicher Trend in der Zunahme der geladenen Energie über die Projektlaufzeit festgestellt werden. Allerdings sieht man auch starke Unterschiede der Auslastung je nach Standort von bis zu 70%. Abbildung 12 Durchschnittlicher stündlicher Strombezug pro Ladesäule und Jahr Zeitliches Ladeverhalten Um das zeitliche Ladeverhalten analysieren zu können, wurden die geladenen kwh in Abhängigkeit von der Tageszeit dargestellt. Es wurden sowohl das Ladeverhalten pro Säule als auch der Durschnitt aller Ladestationen ermittelt. Das durchschnittliche Ladeverhalten ist im Diagramm als grüne Kurve dargestellt und zeigt den niedrigsten Bezug in den Nachtstunden von 1 Uhr bis 6 Uhr. Ab 7 Uhr steigt der Bezug stark an und ist ab 10Uhr konstant über den Tagesverlauf. In den Abendstunden fällt der Bezug ab 20Uhr wieder ab. 1. Oktober 2016 Seite 42 von 126

43 Man stellt allerdings fest, dass sich die Ladekurven für die fünf Ladesäulen stark unterscheiden. So erkennt man in der Kathi-Kobus-Strasse sehr starke Ladespitzen zwischen 6Uhr und 10 Uhr, um 15Uhr bis 16 Uhr und noch einmal zwischen 23Uhr und 24Uhr. In der Knorrstrasse hingegen finden die Ladespitzen zu Abendzeit zwischen 18Uhr und 20Uhr statt und an der Leopoldstrasse kann man einen eher flachen Verlauf des Ladeverhaltens beobachten. Dies deutet darauf hin, dass sich die Nutzerprofile für die einzelnen Standorte stark unterscheiden. Abbildung 13 Untersuchung der Zeitabhängigkeit des Ladeverhaltens Auswirkung der Elektromobilität auf die Netzspannung Während der Untersuchung wurde festgestellt, dass zu 84% die Fahrzeuge einphasig geladen werden. Allerdings finden diese Ladevorgänge immer an L1, d.h. an der gleichen Phase statt. Im Extremfall wurde eine unsymmetrische Belastung von 48A auf einer Phase festgestellt. Dabei haben zwei Fahrzeuge jeweils einphasig mit 24A geladen. Diese führte zu einem Spannungsabfall am Netz von 3V gegenüber den anderen Phasen. Bei dem Netzanschluss von mehreren Ladestationen an denselben Anschlusspunkt sollte deswegen darauf geachtet werden, dass die Ladesäulen gleichmäßig auf die unterschiedlichen Phasen angeschlossen werden. 1. Oktober 2016 Seite 43 von 126

44 Abbildung 14: Spannungsabfall bei einphasigem Laden mit einem Ladestrom von 2x24A 1. Oktober 2016 Seite 44 von 126

45 Elektrofahrzeuge und Ladeprofile Während der Inspektion der Ladepunkte wurden unterschiedlichste Elektrofahrzeuge an den Ladesäulen festgestellt und es konnten deren Ladeprofile erfasst werden (Abbildung 15). Audi A1 e-tron Audi A3 e-tron Tesla BMW i3 BMW i8 BMW ActiveE Abbildung 15: Übersicht der geladenen Elektrofahrzeuge Basierende auf den Datensätzen, welche im Laufe des Projektes gesammelt wurden, konnten die am häufigsten vorkommenden Ladeprofile ermittelt und klassifiziert werden. Es wurden die Ladeprofile in einphasig, zweiphasig und dreiphasig eingeteilt. Die meisten Fahrzeuge laden weiterhin einphasig. Wobei hier der maximale Ladestrom von 5A 1. Oktober 2016 Seite 45 von 126

46 (Elektroroller) bis 32A variieren kann. Weitere häufig vorkommende Ladeströme sind 16A und 20A. Das zweiphasige Laden wurde bisher nur bei den A1 e-tron von Audi festgestellt (Profil IIa). Hier ist außerdem noch anzumerken, dass selbst bei beendeter Ladung / vollen Akkus noch ein geringer Strom fließt, welcher den Standby-Verbrauch wiederspiegelt. Bei dem dreiphasigen Laden waren maximale Ladeströme von 16A und 32A vorhanden. Hierbei konnten für die 32A Ladevorgänge unterschiedliche Ladeprofile identifiziert werden, welche durch das Batteriemanagement der Autos definiert sind (vgl. Abbildung 16). Ladeprofile IIIa zeigt für die ersten 20 Minuten einen Ladestrom von 30A welcher danach auf das Maximum von 32A erhöht wird. Nach ca. 10 Minuten wird der Ladestrom langsam abgesenkt um nach dem Erreichen von 25A wieder anzusteigen. Zur Beendigung des Ladevorgangs wird der Ladestrom langsam reduziert, wobei der Strom auf niedrigem Niveau von ca. 5 Ampere eine Rampenfunktion durchfährt. Profile IIIb hingegen hat bereits beim Beginn des Ladevorgangs den maximalen Strom von 32A, welcher nach kurzer Zeit auf 31A zurückgefahren wird. Bei diesem Profil ist besonders die Beendigung des Ladevorgangs interessant. Hier wird die Ladeleistung nicht symmetrisch bei allen Phasen reduziert, sondern durch abschalten einzelner Phasen. Dies führt zu Stromsprüngen bei den verbleibenden Phasen. Diese Informationen zu den unterschiedlichen Ladestrategien und Profilen werden GE als Grundlage für weitere Simulationen verwendet. 1. Oktober 2016 Seite 46 von 126

47 Einphasiges Laden Zweiphasiges Laden Dreiphasiges Laden Ia IIa IIIa Ib IIIb Ic IIIc Id IIId Abbildung 16: Übersicht der Ladeprofile unterteilt in ein-, zwei- und dreiphasiges Laden. 1. Oktober 2016 Seite 47 von 126

48 AP 3000 Carsharing - Demonstrator Schwabing+ (DriveNow, BMW, LHM, UniBwM) Das Projekt Planung von Elektromobilität im Großraum München (E-Plan München) beschäftigte sich mit der Frage, wie Elektromobilität im Großraum München funktionieren kann, wie die entsprechende öffentliche Ladeinfrastruktur gestaltet sein muss und wie die Planung dieser Infrastruktur in die städtische Planungsinstrumente aufgenommen werden kann. Im AP 3000 ging es im speziellen dabei um Elektrofahrzeuge bzw. mobilität in einem flexiblen Carsharing System. Dazu wurden zunächst 20 BMW ActiveE (Juni 2013 Juni 2015) und im späteren Verlauf bis zu 85 BMW i3 (Juni 2015 Juni 2016) in die flexible Carsharing Flotte von DriveNow eingesetzt (siehe auch Abbildung 17) Flottengröße über Projektlaufzeit 0 J 13 M 13M 13 J 13 S 13 N 13 J 14 M 14M 14 J 14 S 14 N 14 J 15 M 15M 15 J 15 S 15 N 15 J 16 M 16M 16 ActiveE i3 Abbildung 17:Flottengröße bei DriveNow Folgende Fragestellungen wurden bearbeitet: Welche Anpassungen sind hinsichtlich Technik, Betrieb und Nutzung gegenüber konventionell angetriebenen Fahrzeugen notwendig? Wie nutzen die Kunden Elektrofahrzeuge in einem vollflexiblen Carsharing System? Können Elektrofahrzeuge nach dem Aufladevorgang an einem zentralen Ladepunkt stadtverträglich reallokiert werden bzw. wie können Elektrofahrzeuge auf Basis der zur Verfügung stehenden Ladeinfrastruktur am effizientesten geladen werden? AP3100 Infrastruktur- und Fahrzeuganforderungen Die Auswahl möglicher Ladeinfrastrukturstandorte erfolgte unter Berücksichtigung der Verteilung der Anwohner, sowie der Erreichbarkeit der Ladesäulen auch mit öffentlichen Verkehrsmitteln. Die Universität der Bundeswehr wurde bezüglich der Einschätzung der Anforderungen der Carsharing-Flotte an die Ladeinfrastruktur umfassend durch BMW und DriveNow unterstützt. 1. Oktober 2016 Seite 48 von 126

49 3110 Einsatzfähigkeit der 20 ActiveE (BMW) Zunächst wurden 20 ActiveEs umgerüstet, sodass sie innerhalb einer Carsharing-Flotte eingesetzt werden konnten. Der BMW ActiveE wurde bei BMW eingesetzt, zur Erprobung des elektrischen Antriebstranges und um durch einen Einsatz vor Kunden wichtiges Feedback bei Fahrern von Elektrofahrzeugen zu sammeln. Daher ist er prädestiniert für ein Pilotprojekt zu elektrischen Fahrzeugen. Abbildung 18:Datenblatt BMW ActiveE Abbildung 19: Hochvoltspeicher und Antrieb des BMW ActiveE Die Fahrzeuge wurden im Zuge der Kickoff-Veranstaltung am in München eingeflottet und standen sofort zur Nutzung bereit. Über insgesamt 24 Monate wurden die 1. Oktober 2016 Seite 49 von 126

50 Fahrzeuge in der Flotte eingesetzt. Nach Möglichkeit wurden defekte Fahrzeuge repariert oder auch ersetzt. Die 20 ActiveE wurden Mitte Juli 2015 gegen 30 BMW i3 ausgetauscht. Damit war der Fahrzeugtyp etwas länger als die ursprünglich geplanten 22 Monate in der Flotte. Das Anzeigebedienkonzept wurde für den BMW i3 angepasst und in die Fahrzeuge implementiert. Für die Webseite und die mobilen Anwendungen wurde die Anzeige ebenfalls für den BMW i3 angepasst, um den neuen Fahrzeugtyp zu integrieren und zusätzlich wurden Informationen zu Ladezustand und Reichweitenanzeige auf den BMW i3 angepasst. Die Elektroflotte wurde seit Juli 2015 monatlich erhöht. Zum Ende des Projektes im Juni 2016 waren 85 Elektrofahrzeuge bei DriveNow im Einsatz, davon sind 25 Fahrzeuge BMW i3 Rex (Fahrzeuge mit einem Range-Extender). Abbildung 20: Datenblatt BMW i3 und BMW i3 REX 1. Oktober 2016 Seite 50 von 126

51 3120 Entwicklung und Realisierung der Ladezustandsanzeige (BMW, DriveNow) Das Anzeigebedienkonzept wurde für die E-Fahrzeuge angepasst und entsprechende Implementierungen umgesetzt. Für die Webseite und die mobilen Anwendungen wurde die Anzeige angepasst, um zum einen die neuen Fahrzeugtypen (ActiveE, i3, i3+rex) zu integrieren und außerdem zusätzliche Informationen (Ladezustand, Ladesäulen, Reichweitenanzeige etc.) anzeigen zu können. Auch hier fand ein gewisser Lernprozess statt. So wurden mit dem Re-Design der DriveNow App im September 2014 die Unterschiede zwischen der Visualisierung von E-Fahrzeugen und Verbrennern reduziert. Ziel dieser Maßnahme war es dafür zu sorgen, dass E-Fahrzeuge vom Kunden als normales Carsharing Fahrzeug wahrgenommen werden. Abbildung 21: neue Windows App Ein weiterer wichtiger Schritt war die Einführung einer DriveNow-App für Windows im Dezember Damit können die Kunden nun mit allen gängigen Smartphone- Betriebssystemen Fahrzeuge reservieren. 1. Oktober 2016 Seite 51 von 126

52 Abbildung 22: Ladezustandsanzeige App An dieser Stelle bleibt anzumerken, dass neben der eigentlichen Entwicklung der für den Betrieb der Elektrofahrzeuge notwendigen Anzeigen (Ladezustand, Ladesäulen, Reichweitenanzeige etc.) für die verschiedenen Anwendungsszenarien (Fahrzeug, Smartphone, Web-Applikation), ausgedehnte Tests und Anpassungen während des zweimonatigen Testzeitraums vorgenommen wurden. Diese führten letztendlich zu der in Abbildung 22 und Abbildung 23 dargestellten Visualisierung. Kernziel dabei war es, dem Kunden alle relevanten Informationen zu vermitteln und zugleich Übersichtlichkeit zu wahren. 1. Oktober 2016 Seite 52 von 126

53 Abbildung 23: Ladezustandsanzeige Webseite 3200 Entwicklung und modellbasierte Optimierung der Reallokalisierung von E- CS-Fahrzeugen (UniBwM, BMW, DriveNow) Hauptaufgabe innerhalb dieses APs war die Entwicklung und prototypische Umsetzung eines stadtverträglichen effizienten Modells zur optimalen Reallokation von E-Carsharing Fahrzeugen. Die Entwicklung selbst wurde durch die UniBwM durchgeführt. DriveNow und BMW unterstützen die Entwicklung durch ihr Know-How und stellten die Einbindung des resultierenden Software-Tools in die Betriebsabläufe sicher. Im Rahmen dieses Arbeitspaketes wurde ein stadtverträgliches, effizientes Modell zur Reallokation von E-Car Sharing Fahrzeugen entwickelt. Dem voraus ging eine Befragung von Flottenmanagern bereits existierender Carsharing-Systeme. Dieses Modell ermöglicht sowohl den effizienten Betrieb von E-Car Sharing Systemen sowie die Vorgabe stadtverträglicher Leitlinien zum Carsharing Betrieb durch Kommunen und deren Umsetzung. Auf Basis der Nachfrageschwerpunkte und den Zonen mit geringerer Nachfrage können nun Handlungsempfehlungen für Repositionierungsvorgänge abgeleitet werden. Hier werden sowohl nutzer- als auch betreiberbasierte Strategien angewandt, wobei deren Wirkung bereits simulativ untersucht wurde. Es wurde ein zweistufiger Algorithmus zur optimalen Positionierung und Strategieauswahl für Free-Floating E-Car Sharing Systeme entwickelt. Der Algorithmus besteht aus einer Strategieplanung und -vorauswahl und einem 1. Oktober 2016 Seite 53 von 126

54 Online-Modul, das die Abweichung zwischen optimaler und tatsächlicher Fahrzeugverteilung anhand einer Ordnungszahl misst und anschließend die beste Reallokationsstrategie auswählt. Sobald die tatsächliche räumliche Fahrzeugverteilung vom aktuellen optimalen Status abweicht, wird eine fallspezifische Reallokationsstrategie vorgeschlagen. Darüber hinaus wurden Verzahnungsmöglichkeiten mit Instandhaltung, Reinigung, etc. berücksichtigt Analyse der logistische Prozesse von Carsharing Systemen (UniBwM, DriveNow) Die UniBwM führte eine Vielzahl an Experteninterviews mit Flottenmanagern von DriveNow durch. Dabei wurden Kenntnisse über verfügbare Buchungsdaten etc. generiert und ein Einblick in den State of the Art der Fahrzeugreallokation geschaffen. Es wurde deutlich, dass notwendige Prozesse (beispielsweise zur Instandhaltung, Reinigung, Betankung und Reallokation von Fahrzeugen) bislang eher intuitiv und case by case erfolgten. Transferfahrten wurden vereinzelt bei langen Standzeiten einzelner Fahrzeuge durchgeführt. Die Reallokationen erfolgten dabei durch den Betreiber. Nutzerbasierte Strategien (Incentivierungen) wurden bislang nicht eingesetzt. Eine wissenschaftliche Analyse auf Basis der zur Verfügung stehenden historischen Buchungsdaten und eine fachliche Bewertung der vorhandenen Vorgehensweise ergab, dass ein automatisiertes Reallokationsmodell basierend auf eben diesen Buchungsdaten die Effektivität und Wirkung der Fahrzeugtransfers deutlich erhöhen würde. Abschließend wurde eine umfangreiche Literaturrecherche bereits vorhandener Reallokationsalgorithmen für (E-)Carsharing Systeme und für ähnliche Problemstellungen (z.b. Container Shipping) durchgeführt. Diese ist Bestandteil der relevanten bei Konferenzen eingereichten Artikel, die in der Kurzfassung Verwertungsplan aufgelistet sind Entwicklung Offline-Planungsmodul (UniBwM, DriveNow) Unterstützt durch DriveNow führte die UniBwM Analysen auf Basis von Buchungsdaten durch um das ursprünglich geplante Offline-Planungsmodul umzusetzen. Ziel dieser Analysen war es regelmäßig wiederkehrende Muster (beispielsweise Muster in den Fahrzeugverteilungen, den Buchungen oder den Ladezuständen der Fahrzeuge) zu erkennen und vorab bereits Reallokationsstrategien zu berechnen. Diese könnten dann dazu genutzt werden das Online-Planungsmodul zu verbessern (z.b. Reduktion von Rechenzeiten). Die Analysen führten allerdings zu der Einschätzung (von wissenschaftlicher, wie auch von Betreiberseite), dass die auftretenden Muster zu irregulär sind, als dass immer wieder dieselben oder ähnliche Reallokationen durchgeführt werden könnten zumindest nicht mit der gewünschten Effektivität hinsichtlich der Auswirkungen auf die Buchungen. Allerdings wurden durchaus gewisse Muster in den Buchungsdaten erkannt: Eine Clusteranalyse identifizierte für einen Datenzeitraum von 365 Tagen und für 7 verschiedene Tages- Zeitscheiben Gruppen von Tagen mit ähnlichen zeitlich-räumlichen Buchungsmustern. Darauf basierend konnte ein Prognosemodul für Carsharing-Buchungen entwickelt werden, das für die betrachtete aktuelle Zeitscheibe die zukünftige Buchungsanzahl und räumliche 1. Oktober 2016 Seite 54 von 126

55 Buchungsverteilung ausgibt. Das ursprünglich geplante Offline-Planungsmodul wurde durch dieses Prognosemodul ersetzt. Das Prognosemodul ist Bestandteil des bei der HEUREKA 2014 eingereichten Artikels Angebots-Nachfrage-Asymmetrien bei free-floating Carsharing Systemen. In Summe kann also geschlussfolgert werden, dass wiederkehrende Buchungsmuster auf makroskopischer Ebene existieren, dass aber kein Ableiten mikroskopischer Handlungsanweisungen auf Basis dieser Muster möglich ist Entwicklung Online-Planungsmodul (UniBwM) In UAP 3230 wurde ein Online-Planungsmodul mathematisch modelliert und implementiert. Als Input dient die Prognose der zukünftigen räumlichen Buchungsverteilung pro Zeitscheibe aus UAP Grundlage des Planungsmoduls ist eine Unterteilung des Geschäftsgebietes in Zonen. Fahrzeugüberschüsse und mangel pro Zone werden durch Vergleich der momentanen Fahrzeugverteilung und der zukünftigen Buchungsverteilung berechnet. Es wurde eine Kostenfunktion entwickelt, die die Kosten einer Transferfahrt für den Systembetreiber beschreibt. Diese besteht aus distanzabhängigen (Benzinkosten, Wertverlust, etc.) und zeitabhängigen Kosten (Personalkosten, etc.) und Strafkosten für Nachfrage, die nicht erfüllt werden kann. Die Zielfunktion wurde gemeinsam mit mehreren notwendigen Nebenbedingungen als mathematisches Optimierungsproblem in MATLAB implementiert. Dieses Optimierungsproblem kann durch einen vorhandenen Optimierungsalgorithmus (Schnittstelle) gelöst werden. Das Modell wurde an die Anforderungen des existierenden Carsharing-Systems angepasst. Durch Anwendung des Modells auf künstliche Testszenarien wurde das Modell zunächst optimiert. Am Online-Planungsmodul wurden folgende Änderungen und Ergänzungen vorgenommen. Die Zielfunktion des makroskopischen Optimierungsmodells wurde angepasst. Sie stellt nun den zusätzlichen Gewinn dar, der aus den Fahrzeugreallokationen resultiert. Es werden also nun die oben genannten Reallokationskosten mit den zusätzlichen Umsätzen verglichen, die am Folgetag der Reallokation durch die Fahrzeugumsetzungen schätzungsweise generiert werden (im Vergleich zu Ohne Reallokation ). Dieser zusätzliche Gewinn wird durch Lösung des Optimierungsproblems maximiert. Zusätzlich zum oben genannten makroskopischen Optimierungsmodell wurden vier weitere mikroskopische und submikroskopische Modulbestandteile implementiert, um die durch das Optimierungsmodell erzeugten makroskopischen Zone- zu Zone Fahrzeugverschiebungen zu detaillieren. Dazu wurden die makroskopischen Zonen mit mikroskopischen Waben überlagert. Pro Zone wurde für die Waben anhand historischer Standzeiten und historischer Umsätze am Folgetag einer Zielzeitscheibe ein Wabenranking erstellt. Dieses dient zur Identifikation sogenannter Cold und Hot Waben. Zwei regelbasierte mikroskopische Schritte liefern dann basierend auf den makroskopischen Ergebnissen exakte Vorschläge für Fahrzeugverschiebungen auf Fahrzeugebene inklusive Start- und Zieladresse/-wabe. Fahrzeuge werden dabei grundsätzlich von Cold Waben in Hot Waben verschoben. Elektrofahrzeuge an einer Ladestation, die vollständig aufgeladen sind sowie E-Fahrzeuge zur Aufladung oder konventionelle Fahrzeuge zur Auftankung werden bei der Fahrzeugauswahl priorisiert. Ein weiterer ähnlicher Schritt befasst sich mit Fahrzeugungleichgewichten innerhalb der 1. Oktober 2016 Seite 55 von 126

56 makroskopischen Zonen. Aus praktischen Gründen wird dieser Schritt nur für die Start- und Endzonen der Makro-Verschiebungen durchgeführt, da diese ohnehin bereits besucht werden. Auch hier werden Fahrzeuge von Cold in Hot Waben verschoben und Reallokationen mit oben genannten Service-Aufgaben verknüpft. Ein weiterer Schritt befasst sich mit den restlichen reinen Servicefahrten in den Start- und End-Zonen der Makro- Verschiebungen. Schließlich erfolgt im letzten Schritt des Online-Planungsmoduls eine submikroskopische Ausführungsplanung der zuvor empfohlenen Fahrzeugverschiebungen und Servicefahrten. Dieser Schritt beinhaltet die Lösung eines weiteren Optimierungsproblems, das Reallokationen und Servicefahrten den einzelnen Arbeitskräften zuordnet. Dabei wird die Gesamtdauer der Reallokationen und Servicefahrten minimiert. Dieser letzte Schritt des Moduls wird zurzeit implementiert. Abbildung 24 zeigt den Gesamtaufbau des Reallokationsmodells für free-floating E- Carsharing-Systeme. Dieses wird auch im bei der TRB 2015 eingereichten Artikel An Integrated Relocation Model for Free-Floating Carsharing Systems ausführlich erklärt. Abbildung 24: Gesamtaufbau des Reallokationsmodells für free-floating E-Carsharing-Systeme 1. Oktober 2016 Seite 56 von 126

57 AP3300 Implementierung und Pretest der Relokalisierungsstrategien (DriveNow, UniBwM) Der Prototyp des in AP 3230 entwickelten Reallokationsmodells wurde in ersten Feldversuchen bei DriveNow getestet. Nach jedem Test wurde das Modell entsprechend der identifizierten Stärken und Schwächen verbessert und weiterentwickelt. Die aktuellste Version des Prototyps diente dann zur Definition der Anforderungen an die Flottenmanagementsoftware und somit als Grundlage für die Umsetzung des Reallokalisierungsalgorithmus in eine professionelle Software. Im Rahmen der Anforderungsdefinition fand ein enger Austausch zwischen der Universität der Bundeswehr und DriveNow statt. Dies stellte letztendlich die weitestgehend reibungslos verlaufende Integration in die Flottenmanagementsoftware sicher. Die Integration der Reallokalisierungssoftware in den betrieblichen Alltag erfolgte in mehreren Stufen. Zunächst wurde der für die Reallokationstests verwendete und bereits erwähnte Prototyp für weitergehende Tests verwendet. Der Prototyp wurde mittels Matlab als Stand-Alone Applikation von der UniBw entwickelt. Er kann flexibel genutzt werden, d.h. entweder stationär auf Rechnern oder mobil mittels Smartphones. Allerdings wurde festgestellt, dass eine praktikable Koordination von Reallokationen nur möglich ist, wenn diese zentral gesteuert wird. Dementsprechend wurde der Prototyp der Reallokationssoftware nur auf einem Rechner innerhalb der Strategiezentrale des Carsharing-Anbieters installiert. Die Implementierung mobiler Lösungen wurde in diesem Zuge als irrelevant eingestuft. In München wurde der Prototyp seit April 2015 von den Flottenmanagern genutzt. Zu diesem Zwecke wurden die Flottenmanager bezüglich der Anwendung der Software geschult. Anschließend wurde eine Vorher-/Nachher-Analyse durchgeführt, um die Effekte des Reallokationsmodells zu identifizieren. Später wurde das Modell auch auf Berlin übertragen. Allerdings unterlag der Prototyp in der damaligen Form noch diversen Einschränkungen, die dessen Verwendung im Alltag erschwerte. So war dessen Ausführung sehr zeitintensiv. Die aktuellen Fuhrparkdaten mussten aufwendig aus der Flottenmanagementsoftware exportiert und in die Matlab-Anwendung importiert werden. Damit ließ sich dieser Schritt oft nicht optimal in das Tagesgeschäft integrieren. Auf der anderen Seite konnten durch den Testbetrieb Plausibilitätsprüfungen durchgeführt und so weitere Optimierungspotentiale identifiziert werden. 1. Oktober 2016 Seite 57 von 126

58 Abbildung 25: Integration des Prognosemoduls (AP 3220) in die Betriebssoftware Die Erkenntnisse die aus diesem ersten, längerfristigen Testbetrieb des Prototyps gewonnen werden konnten, stellten die Basis für die Entwicklung und anschließende Realisierung der eigentlichen Reallokationssoftware dar. Der Umsetzung der Reallokationssoftware folgte zunächst eine grundlegende Prüfung der Funktionalitäten (Funktionsfähigkeit von Interaktionsmöglichkeiten, graphische Darstellung, Systemstabilität, etc.). In einem Folgeschritt wurde die Software auf einem einzelnen Testrechner installiert und im Alltag geprüft. In diesem Kontext wurden eine Reihe von Realtests durchgeführt um das Verhalten der Software in Situationen, die als besonders kritisch eingestuft wurden, gezielt evaluieren zu können. Dies diente vor allem dazu kleine Optimierungspotentiale hinsichtlich des Bedienkomforts des Software-Tools zu identifizieren und somit weitere Anpassungen anzustoßen. Besonders das Anzeigekonzept, d.h. die Art und Weise wie die durch den Algorithmus generierten Informationen an den Flottenmanager weitergegeben werden, stellte hierbei einen zentralen Diskussionspunkt dar, der letztendlich zu einer kompletten Umgestaltung des bisher innerhalb der Flottenmanagementsoftware verwendeten Anzeigekonzepts führte. Schließlich wurde die Software im realen Betrieb in ausgewählten Städten (München, Berlin) erprobt. Eine Übertragung auf alle weiteren Städte befindet sich aktuell in der Umsetzung (voraussichtlich Zeitpunkt: Herbst 2016). 1. Oktober 2016 Seite 58 von 126

59 Abbildung 26: Automatisierte Reallokationsempfehlung innerhalb der Betriebssoftware An dieser Stelle ist noch anzumerken, dass die durch den Reallokationsalgorithmus vorgenommenen Berechnungen auch zur Preissteuerung für Fahrzeuge in Außenbezirken verwendet werden. Die Zielfunktion des Algorithmus wurde zu diesem Zweck leicht modifiziert. Dem Flottenmanager werden in der aktuell umgesetzten Software beide Varianten des Algorithmus zur Verfügung gestellt Technik-, Betriebs- und Trainingskonzepte Elektrofahrzeuge (DriveNow) Das Personal von DriveNow im Außen- und Innendienst (Callcenter, Serviceteams etc.) wurde hinsichtlich der E-Fahrzeugthematik umfassend geschult. Für die Kunden wurde umfangreiches Informationsmaterial sowohl für digitale als auch Printmedien entworfen und bereitgestellt. In diesem Arbeitspaket wurde ein Autoblock-Algorithmus implementiert und über einen zweimonatigen Zeitraum getestet und verfeinert, der die Fahrzeuge ab einem festgelegten Ladezustand entweder blockt oder für die Kunden wieder verfügbar schaltet. So kann sichergestellt werden, dass die Fahrzeuge bei Kundenfahrten immer über einen ausreichenden Ladezustand für eine durchschnittliche Fahrt verfügen. Des Weiteren wurde die Businesslogik der Flottenmanagersoftware zur Bearbeitung der Zugangskarten für die Ladeinfrastruktur komplett überarbeitet. Während der Betriebsphase wurden erneut Justierungen an den Auto-Block und Kundenincentivierungs-Algorithmen vorgenommen. Die Anpassungen im Autoblock haben den Betrieb stabilisiert. Ursprünglich wurden die Fahrzeuge bereits bei einem Ladezustand von 50% freigegeben. Dies wurde aufgrund von Praxiserfahrungen auf 85% hochgesetzt. Damit konnte die Anzahl von Serviceeinsätzen aufgrund zu geringer Reichweite leicht reduziert werden. Die aktuelle Ladeinfrasturkurdichte ermöglicht bisher leider noch keine größere Reduktion. 1. Oktober 2016 Seite 59 von 126

60 Infrastrukturseitig wurde ein zentraler Ladehub durch BMW innerhalb des BMW-Parkhauses betrieben und vor allem zu Beginn des Testbetriebs zum Aufladen der E-Fahrzeuge genutzt. Darüber hinaus stand ein weiterer Ladehub am Flughafen zur Verfügung, da hier erwartungsgemäß eine sehr hohe Nachfrage bestand. Um diese hohe Nachfrage effizient bedienen zu können wurden die mit den Ladevorgängen in Zusammenhang stehenden Betriebsprozesse am Flughafen weiter optimiert. Die wirkungsvollste der getesteten Maßnahmen war, dass automatisiert und in Abhängigkeit des Ladezustands der E- Fahrzeuge ein Wiederaufladeauftrag generiert wurde. Somit konnte die Zeit zwischen Ankunft und Auftrag zum Laden deutlich reduziert werden und die Fahrzeuge stehen weitaus schneller und mit einem Ladezustand von mindestens 85% dem Kunden zur Verfügung Nutzung und Relokalisierung der CS Fahrzeuge Eine Reihe von Reallokationstests wurden durchgeführt, ausgewertet und deren Wirkungen evaluiert. Die durchgeführten Transfers führten zu einer besseren Übereinstimmung von Fahrzeugangebot und nachfrage. Insbesondere die Anzahl der Buchungsminuten konnte erhöht und die durchschnittlichen Standzeit der Fahrzeuge konnte reduziert werden (siehe Abbildung 27 und Abbildung 28), was für eine Verbesserung der Fahrzeugverteilung spricht. Abbildung 27: Anzahl der Buchungsminuten 1. Oktober 2016 Seite 60 von 126

61 Abbildung 28: Mittlere Standzeit nach Buchung Die weiteren drei Reallokationstests wurden ebenfalls ausgewertet. Die Gesamtergebnisse sind in Tabelle 1 dargestellt. Es wurde jeweils der Montag nach Reallokation mit den vorherigen vier Montagen verglichen. Tabelle 1: Ergebnisse aus Reallokationstests Zusammenfassend ist festzustellen, dass die Tests 1 bis 3 in allen Bereichen gute Ergebnisse lieferten und sich positiv auf wichtige Erfolgsfaktoren des Carsharing Systems auswirkten. Test 1 zeigte die besten Gesamtergebnisse. Dies kann zum Teil durch die geringe Flottengröße und den dadurch höheren Anteil reallokierter Fahrzeuge erklärt werden. Test 1 verfügte jedoch über einen sehr geringen Automatisierungsgrad. Test 3 vereinte am besten einen hohen Automatisierungsgrad, Effizienz der Reallokationen und gute Gesamtergebnisse, vor allem im Bereich der Standzeiten der reallokierten Fahrzeuge (-31%) und des zusätzlichen Gewinns (+5,8%). Test 4 lieferte schlechte Ergebnisse bezüglich der Auswertungen pro Fahrzeug und dem Gewinn. Dies kann durch längere 1. Oktober 2016 Seite 61 von 126

62 Standzeiten am Flughafen erklärt werden, die durch einen Lufthansastreik verursacht wurden. Der Vergleich von reallokierten mit nicht reallokierten Fahrzeugen im Umkreis lieferte für alle Tests gute Ergebnisse (Standzeitreduktion). Außerdem wurde der Großteil der reallokierten Fahrzeuge vor Ende der Zielzeitscheibe (Montag 6-9 Uhr) wieder genutzt. Ab Ende April / Anfang Mai 2015 wurde der Algorithmus von den Flottenmanagern DriveNow regelmäßig eingesetzt. Neben dem eigentlichen Zweck des Algorithmus, der Berechnung von optimalen Reallokationsanweisungen, konnte ein weiterer Anwendungszweck abgeleitet werden: Anstatt vorgeschlagene Reallokationen vom Betreiber selbst (bzw. einem Dienstleister) durchführen zu lassen, werden Fahrzeug die vom Algorithmus als besonders kritisch angesehen werden (d.h. Fahrzeuge in Cold Spots), in erster Instanz mit einem günstigeren Preis versehen. Dies dient dazu Kunden zu Fahrten mit dem entsprechenden Fahrzeug zu animieren. Grundmotivation für dieses Vorgehen ist, dass Untersuchungen gezeigt haben, dass Kundenfahrten aus Cold Spots häufig in Hot Spots enden. Dies stellt also einen vergleichsweise günstigen Weg dar, schlecht positionierte Fahrzeuge zu reallokieren. Der einzige Nachteil dieser Herangehensweise ist, dass keine gesteuerte Zielführung möglich ist. Um den Kunden solche Fahrzeuge einfach kenntlich zu machen, wurden Anpassungen in der neuen App und auf der Webseite vorgenommen. Vergünstigte Fahrzeuge 1 werden gesondert gekennzeichnet. Die Konzeption wurde 2014 gemeinsam mit den Experten für user exerience von Sixt erstellt und Anfang 2015 umgesetzt. Besonders aufwendig waren die Anpassungen der Pricing Engine im Backend. Falls diese erste Instanz nicht zu einer Neupositionierung führt, so wird im zweiten Schritt schließlich doch ein gezieltes Transferieren mit Hilfe des Dienstleisters veranlasst. Das Flottenmanagement hat sofern es das Tagesgeschäft zugelassen hat, zur Beauftragung der Transfers vorerst immer den Algorithmus ausgeführt, um so die zu transferierenden Fahrzeuge und Zielgebiete zu identifizieren. Wie bereits erklärt, gestaltete sich diese Praxis zunächst (auf Basis des Prototyps) sehr aufwendig und wurde erst mit der Integration der professionellen Reallokationssoftware in die Betriebssysteme (AP 3300) vollkommen alltagstauglich. 1 Es werden auch Verbrenner damit markiert, die Konzentration auf E-Fahrzeuge hätte nicht den gewünschten Durchdringungsgrad um den Algorithmus zu testen. 1. Oktober 2016 Seite 62 von 126

63 3600 Demonstratorbetrieb Carsharing (DriveNow, BMW) Beginnend mit dem fuhren die ActiveE in der DriveNow-Flotte und waren (bis diese durch BMW i3s ersetzt wurden) für alle Kunden von DriveNow nutzbar. Abbildung 29: Impressionen zum Start der ActiveE Flotte Abbildung 30: BMW i3 DriveNow mit Schaufenster Beklebung Vor der Einflottung wurde ein umfangreicher Feldtest mit Probanden (Heavy-User Test) durchgeführt. Der Betrieb aller E-Fahrzeuge wird seitdem kontinuierlich überwacht und deren Betriebsbereitschaft sichergestellt. Für die Behebung von Fahrzeugproblemen wurden entsprechende Prozesse (IT-seitig, wie auch hinsichtlich des Vorgehens des Service- Personals) entwickelt. Fehlerdiagnosen wurden laufend durchgeführt und dokumentiert. Hinsichtlich der speziellen Anforderungen der E-Fahrzeuge wurde eine Hotline eingerichtet. Im Vergleich zu Fahrzeugen mit Verbrennungsmotor wurde ein deutlich höherer Aufwand im laufenden Betrieb (Wartung, Laden, Support etc.) festgestellt. Möglicherweise wird sich dieser Mehraufwand in Zukunft reduzieren, da über die Jahre hinweg mit einer zunehmenden Vertrautheit der Nutzer mit dem Thema Elektromobilität gerechnet werden kann. Darüber hinaus kann mittelfristig auch mit einer Erhöhung der Robustheit der im Rahmen der Elektromobilität relevanten Technologien (z.b. Ladeinfrastruktur) gerechnet werden. 1. Oktober 2016 Seite 63 von 126

64 AP 3610 Kaufmännische Betreuung der Probanden im Feldtest (BMW, DriveNow) Vor allem aufgrund der notwendigen Hochvolttechnologien und dem Vorserienstand der Fahrzeuge des Typs BMW ActiveE unterliegt das Einbinden von E-Fahrzeugen in den Carsharing-Betrieb anderen Rahmenbedingungen als der Einsatz konventionell betriebener Fahrzeuge. Dementsprechend wurden Anpassungen an Verträgen (Verträge mit Dienstleistern, Leasing-Verträge, Kunden-AGBs, usw.) durchgeführt. Grundlage für diese Anpassungen war die Klärung von Einsatzbedingungen der relevanten Technologien (insbesondere Schnelllade-Technologien im Fahrzeug und infrastrukturseitig) und Haftungsregelungen. Durch E-Plan wurde hierbei Pionierarbeit geleistet und die notwendigen Prozesse zur weiteren Einflottung von Elektrofahrzeugen geschaffen. AP 3620 Servicebetreuung der Prototypen im Feldtest, Schulung der Nutzer (BMW) Die Elektrofahrzeuge erfordern einen anderen Serviceaufwand, als die restlichen Fahrzeuge der Flotte. Die Anforderungen sind andere (häufigere Betankung, öfter Liegenbleiber). Die Nutzung eines Elektrofahrzeuges unterscheidet sich in manchen Belangen grundlegend von der Nutzung eines konventionell betriebenen Fahrzeuges, v.a. hinsichtlich: Reichweite Geräuschkulisse Fahrverhalten (Bremswirkung durch loslassen des Gaspedals) Ladevorgänge Im Falle des BMW ActiveEs muss noch festgehalten werden, dass es sich um ein Vorserienfahrzeug handelt, das bei anderen Projekten nur nach einer umfangreichen Schulung der Probanden an diese zur Nutzung übergeben wurde. Eine Schulung in diesem Umfang wäre für alle DriveNow-Kunden nicht möglich gewesen. Außerdem sollte nicht der Eindruck entstehen, die Nutzung eines Elektrofahrzeuges sei extrem kompliziert oder sogar gefährlich. Die Unterschiede zwischen Elektrofahrzeugen und Verbrennerfahrzeugen musste an den Kunden kommuniziert werden. Dafür wurden Screens entwickelt, die dem Kunden in den Fahrzeugen angezeigt werden und Hilfestellung geben. Hinsichtlich des Ladezustandes musste eine Möglichkeit gefunden, die verbleibende Restweichweite anhand des Ladezustandes (in %) für den Kunden verständlich zu machen. Die Restreichweite wird anhand der einfachen Formel: 1%=1km an den Kunden kommuniziert und das Feedback ist durchweg positiv. Im weiteren Verlauf wurde diese Formel obsolet, da zum einen die Reichweite der BMW i3 deutlich höher war, und zum anderen die Kunden gelernt haben, mit der Angabe in Prozent Ladestand umzugehen. Im Zuge eines Updates der App wird mittlerweile die Reichweite für Verbrenner und Elektrofahrzeuge jeweils gleichermaßen angezeigt (Webseite: Reichweite in Prozent; App: Reichweite in Prozent und Kilometer). 1. Oktober 2016 Seite 64 von 126

65 Abbildung 31: Menügeführte Hinweise Erleichtern die Bedienung AP 3630 Sicherstellung der Service-Organisation für Hochvolt (BMW) Es fanden während des gesamten Testzeitraums regelmäßige Wartungen an den E- Fahrzeugen statt. Ohne diese wäre die Anzahl auftretender Störungen vermutlich deutlich höher ausgefallen. Darüber hinaus ist an dieser Stelle anzumerken, dass trotz der umfangreichen, vorab durchgeführten Schulungen des Betriebspersonal (Themen: Problembehebung bei E-Fahrzeugen, Ladevorgänge, etc.), während des Probebetriebs der E-Fahrzeuge ein permanenter Lernprozess stattfand. Damit einhergehend wurden die ursprünglich konzipierten Betriebsprozesse (vor allem hinsichtlich der Behebung von Störungen) teilweise noch angepasst und optimiert, so dass die Betriebsbereitschaft der E- Fahrzeuge zunehmend schneller wiederhergestellt werden konnte bzw. eine höhere Erfolgsrate erzielt werden konnte. 1. Oktober 2016 Seite 65 von 126

66 AP 3640 Flottenmanagement und Einsatzsteuerung (DriveNow) Zu Beginn des Betriebes wurde vor allem der zentrale Ladehub im BMW-Parkhaus genutzt. Hierdurch war es am jedem Morgen notwendig, die Fahrzeuge aus dem Ladehub zu transferieren. Dazu beauftragte der Flottenmanager bereits am Vorabend die Frühschicht des Außendiensts. Die Transfers fanden in der Regel von 6 bis 8 Uhr statt. So konnte sichergestellt werden, dass den Kunden zu den Peak-Zeiten die größtmögliche Anzahl an vollständig geladenen E-Fahrzeugen zur Verfügung stand. Im Verlauf des Probebetriebes stellte sich mehr und mehr heraus, dass diese Art die Fahrzeuge wiederaufzuladen nicht ideal ist. Insbesondere die Anwendung des durch die UniBwM entwickelten Reallokationsalgorithmus führte schließlich zu einem Umdenken, da der Algorithmus Ladeaufträge vorwiegend zu nahegelegenen Ladesäulen erteilte. Durch ein Verlagern der Auflade-Fahrten in die Nacht konnte zudem erreicht werden, dass die angefahrenen öffentlichen Ladesäulen sich in der Regel als unbelegt erwiesen. Das sich somit ergebende dezentrale Wiederaufladekonzept löste zunehmend das zentrale Wiederaufladen ab. Mittlerweile wird kaum noch im BMW-Ladehub geladen. Hauptvorteile des dezentralen Ladens sind, dass die Anfahrtswege reduziert werden und dass eine anschließende Verteilung der aufgeladenen Fahrzeuge nicht mehr notwendig ist, da die Ladesäulen ja bereits verteilt sind. Im Anschluss an die regulären Ladefahrten werden die Problemfälle angefahren. Dazu disponiert der Flottenmanager in der Frühschicht die Fahrer im Außendienst entsprechend. Für Fahrzeuge, die über einen zu geringen Ladestand verfügen, wird der Mobile ReCharger aus dem Parkhaus abgeholt und das Fahrzeug vor Ort geladen. Häufigste Ursachen für den Einsatz des Mobile ReChargers sind defekte Ladesäulen, die von Kunden angesteuert worden sind, und Fahrzeuge, die keine ausreichende Reichweite besitzen um die nächstgelegene Ladesäule zu erreichen. Seltener sind Notfalleinsätze, bei denen ein Kunde aufgrund eines leer gefahrenen Akkus liegen geblieben ist. Weitere Einsätze des Außendienstes sind aufgrund von Lade- oder Fahrzeug-Softwarefehlern notwendig. Alle Vorfälle werden entsprechend an die zuständigen IT Kollegen weitergeleitet, so dass eine konstante Verbesserung sichergestellt ist. Die sechsmonatigen Serviceintervalle sowie die Reifenwechsel und Reparatursteuerung werden von den Kollegen im Flottenmanagement eingehalten bzw. durchgeführt. Ein konventionelles Fahrzeug braucht ausschließlich die Reparatursteuerung im Bedarfsfall und stellt damit einen wesentlich geringeren Aufwand im täglichen Ablauf dar. Eine besondere Herausforderung sind die Einsteuerungs- und Zulassungsprozesse sowie die Abwicklung bei der unfallbedingten Aussteuerung und Abmeldung. Für den ActiveE hat man sich bei diesen Punkten noch für manuell durchgeführte Prozesse entschieden. Die Umstellung auf Automatismen erschien zu diesem Zeitpunkt aufgrund der geringen Anzahl an betroffenen Fahrzeugen und der begrenzten Laufzeit des Projekts unrentabel zu sein. Mit der Einführung der BMW i3 jedoch wurden die gewonnenen Erfahrungen dazu genutzt eine weitestgehend vollständige Automatisierung der oben genannten Prozesse umzusetzen. Beispielsweise erhalten sämtliche BMW i3 direkt mit der Anmeldung bereits ein E-Kennzeichen. Die Automatisierung führte zwar zunächst zu erhöhten Aufwänden, hat aber mittlerweile zu einer 1. Oktober 2016 Seite 66 von 126

67 erheblichen Effizienzsteigerung geführt, ohne die ein Einflotten von E-Fahrzeuge in andere Städte im aktuell betriebenen Umfang nicht umsetzbar gewesen wäre. AP 3650 Setup der Untersuchungen und Bereitstellung der logistischen Prozesse des E- Carsharing Systems 2 Monate Einflottung und Testläufe (DriveNow) Im Zuge des AP 3650 fand die physische Erweiterung des Call Centers statt. Darüber hinaus wurde der Betrieb des Carsharing-Systems als solches über den Zeitraum von April bis Mai 2013 sichergestellt, d.h. die Fahrzeuge wurden regelmäßig gereinigt, das Call-Center betrieben, Wartungen durchgeführt, Fahrten zu und von Ladeinfrastruktureinrichtungen gemacht, Reallokationen aus den Cold- in die Hot-Spots wurden umgesetzt, Reparaturen veranlasst, usw. Auf die Untersuchung und die damit einhergehende Optimierung der (logistischen) Prozesse wird in der Beschreibung des AP 3660 nochmal eingegangen. AP 3660 Untersuchung und Bereitstellung der logistischen Prozesse und erforderlichen Supports für den Betrieb der E-Carsharing Flotte von 20 Fahrzeugen über 22 Monate (DriveNow) Die in AP 3650 bereits beschriebenen Tätigkeiten wurden auf den Zeitraum von Juni 2013 bis Juni 2016 ausgedehnt. Dieser Zeitraum wurde dazu genutzt die konzipierten und getesteten Prozesse über einen längeren Zeitraum zu untersuchen und zu evaluieren. Dabei wurden auch diverse Abwandlungen der ursprünglichen Prozesse (insbesondere im Bereich Logistik) erprobt. Ergebnis dieser Bemühungen war eine Reihe von Anpassungen. Vor allem die bereits erwähnten Aspekte, nämlich die Anpassung des Ladezustands ab welchem ein E-Fahrzeug wieder von der Ladesäule getrennt werden kann, die Auswahl von Fahrzeugen die mit einem vergünstigten Preis benutzt werden können und die Umstellung auf eine dezentrale Beladung der Flottenfahrzeuge, sind hier als zentrale Erkenntnisgewinne zu nennen. Fazit Aus praktischer Sicht wurde im AP 3000 das Einflotten von E-Fahrzeugen in ein professionelles Carsharing-System vorbereitet und der Betrieb dieser Fahrzeuge über einen Zeitraum von über drei Jahren durchgeführt und untersucht. Es wurde eine Vielzahl an Erkenntnissen gewonnen, welche insbesondere die für das Einbinden von E-Fahrzeugen notwendigen logistischen Prozesse betreffen. Darüber hinaus hat DriveNow E-Fahrzeuge auch in viele seiner Flotten in anderen Städten integriert. In Kopenhagen werden sogar ausschließlich E-Fahrzeuge durch DriveNow angeboten. Diese Entwicklung wäre ohne E- Plan kaum denkbar gewesen. Zudem wurden aus E-Plan teilfinanzierte Mitarbeiter mittlerweile vollständig durch DriveNow übernommen. Auf Basis der Erkenntnisse aus E- Plan plant DriveNow in der Lage sich an einem weiteren Forschungsprojekt zum Thema E- Mobilität zu beteiligen (Projektname: City2Share, gefördert durch Bundesministerium für Umwelt, Naturschutz, Bau und Reaktorsicherheit). Das vielleicht beeindruckendste Ergebnis des AP 3000 ist aber, dass über Menschen mit E-Mobilität in Kontakt gebracht werden konnten. 1. Oktober 2016 Seite 67 von 126

68 Von Seiten BMW lässt sich festhalten, dass Elektrofahrzeuge ebenso wie Verbrennerfahrzeuge in einem Carsharing System zum Einsatz kommen können. Die teils gravierenden Unterschiede zwischen diesen beiden Fahrzeugtypen (Reichweite, Unterbodenhöhe, geräuschloses Fahren, Rekuperation, Ladevorgänge) sind in einem Carsharing System zwar trotzdem vorhanden, kommen aber weiter weniger negativ zum Tragen. So ist die geringe Reichweite bei Fahrten von durchschnittlich 10 km quasi nicht relevant. Das spezifische Fahrgefühl von Elektrofahrzeugen hat mittlerweile sogar großen Zuspruch gefunden in der DriveNow Community. Aus dem Förderprojekt WiMobil ist bekannt, dass sich ein Teil der DriveNow Kunde bewusst für ein Elektrofahrzeug entscheidet. Dementgegen stehen noch Probleme hinsichtlich der Ladevorgänge. Vor allem zu Beginn des Projektes wurde die Verfügbarkeit der Fahrzeuge durch die fehlenden Lademöglichkeit beeinflusst. Hier schlägt die geringere Reichweite der Elektrofahrzeuge dann doch durch. Während Verbrennerfahrzeuge relativ selten getankt werden müssen, müssen Elektrofahrzeuge in regelmäßigen Abständen an die Ladesäulen. Die relativ geringe Verfügbarkeit an Ladesäulen wird im Allgemeinen dem sogenannten Henne-Ei-Problem zu geschrieben: der Ausbau der Ladeinfrastruktur wird erst dann relevant, wenn mehr Elektrofahrzeuge auf den Straßen unterwegs sind. Es sind aber umgekehrt erst dann mehr Elektrofahrzeuge auf der Straße, wenn die Ladeinfrastruktur entsprechend vorhanden ist. Im Verlauf des Projektes wurde ersichtlich, dass Elektrofahrzeuge im Carsharing diesen Kreis durchbrechen können: Durch eine gezielte Nachfrage (durch die Einflottung von Elektrofahrzeugen in Carsharing Systemen) und dem gleichzeitigen Ausbau der Ladeinfrastruktur kann dieses Problem gelöst und die Elektromobilität voran gebracht werden. Deshalb hat sich BMW aktiv in die E-Allianz eingebracht und versucht, zusammen mit den anderen Stakeholdern aus öffentlicher Hand und Energiewirtschaft, Lösungen zu erarbeiten und den Ausbau der Ladeinfrastruktur und der Elektrofahrzeugflotten anzutreiben. Es ist zwingend notwendig, an diesem Ansatz weiterzuarbeiten und den Ausbau der Ladeinfrastruktur schnell voranzutreiben. 1. Oktober 2016 Seite 68 von 126

69 AP 4000 E-Taxis als Bestandteil des ÖPNV (IsarFunk, FfE, Städtisches Klinikum München) AP 4100 Infrastrukturanforderungen (Solar Carports) Die gleich zu Projektstart getroffene Entscheidung, anstelle des für das Laden geplanten Solarcarports eine größer dimensionierte Photovoltaikanlage (20kWp) auf das Dach der Akademie des Standorts Schwabing zu implementieren, hat sich in jeder Hinsicht ausgezahlt. Durch das Betreibermodell wurden Investitionskosten in laufende Zahlungen gewandelt, zudem konnte der Gesamtoutput der zu nutzenden Sonnenenergie deutlich erhöht werden. Nicht zuletzt bleibt die Solaranlage auch über den Projektzeitraum hinaus in Betrieb und leistet somit einen nachhaltigen Beitrag für die Gesamtenergiebilanz der Klinik. Die an den insgesamt 6 Standorten implementierte Ladeinfrastruktur des Unternehmens ubitricity konnte aufgrund der weitaus geringen Einbaukosten im Verhältnis zu den klassischen Ladesäulen komplett realisiert werden. Leider hat sich im Projektverlauf herausgestellt, dass aufgrund des Fahr- und Nutzungsverhaltens lediglich 3 bis 4 der Ladepunkte dauerhaft genutzt wurden. Alle Auswertungen aus der eingesetzten Infrastruktur sind in die Ergebnisse von FFE mit eingeflossen. AP 4200 Demonstratorfahrzeug Anforderungen und Beschaffung (IsarFunk, FfE, Kliniken Als Testfahrzeug wurde der Nissan Leaf (Werksbezeichnung ZE0 aus der ersten Serie; mit 80 KW Leistung und 24 kwh Nennkapazität) ausgewählt. Im Formfaktor mit einem Auto der Golfklasse vergleichbar und mit vier Türen ausgestattet, war es zum Zeitpunkt der Investitionsentscheidung im Juni 2013 das einzige Fahrzeug, das für den Taxibetrieb in Frage kam. Der Verbrauch wurde vom ADAC in einem Test mit 17,4 kwh ermittelt. Der Vorteil des Nissan Leaf war also, dass er das damals einzige wirtschaftliche und praxisfähige Elektroauto für den Taxibetrieb war. Der Nachteil lag in seiner langsamen Ladezeit. Das Fahrzeug wurde zwar mit einem spezielle Ubitrictity-Kabel geladen, jedoch war eine Schnellladung mit diesem Kabel zu keiner Zeit möglich. Zudem ließ das Ubitricity-Kabel eine timergesteuerte Vorklimatisierung des Taxis nicht zu, was im Winter die maximale Reichweite spürbar einschränkte. Aus dem Betrieb des Fahrzeugs ergaben sich kaum außergewöhnliche Vorkommnisse. Nach einem Verkehrsunfall musste der vordere Stoßfänger repariert werden, das Ubitricity- Kabel einmal getauscht werden. 1. Oktober 2016 Seite 69 von 126

70 AP 4300 Datenerfassung, IT und Auswertesoftware (FfE, Kliniken) Um die Einsatztauglichkeit des Elektrofahrzeuges Nissan Leaf im Taxibetrieb zu bewerten, wurde das Elektrofahrzeug und weitere sechs konventionelle Taxis mit GPS-Loggern ausgestattet. Mit den GPS-Loggern wurden Fahrdaten wie Geschwindigkeit, Routen und Standzeiten aufgezeichnet. Ergänzt um weitere Eingangsdaten wird das Elektrotaxi ganzheitlich bewertet (vgl. Abbildung 32). Abbildung 32: Vorgehen zur ganzheitlichen Bewertung des Elektrotaxis GPS-Profile In Summe über alle Fahrzeuge wurden km in ca Fahrten aufgezeichnet. Die Nutzungsstatistik der beiden Fahrer des Elektrotaxis zeigt Tabelle 2. Für Vergleichszwecke ist noch ein weiteres ausgewähltes Vergleichstaxi dargestellt, dass im Einschichtbetrieb genutzt wurde. Testzeitraum Fahrer 1 Fahrer 2 Summe Elektrotaxi Ausgewähltes Vergleichstaxi Dauer in Tagen: Fahrzeug genutzt an Tagen: Anzahl Einzelfahrten: Zurückgelegte Strecke in km: Ø Fahrten pro Nutzungstag: 2,5 3,2-6,1 Ø Strecke pro Nutzungstag in km Ø Fahrtdauer pro Nutzungstag in Stunden 3,1 4,2-10,8 Ø Geschwindigkeit in km/h 16,6 20,2-28,0 Maximale Geschwindigkeit in km/h Tabelle 2: Auswertung zu den beiden Fahrern des Elektrotaxis und eines ausgewählten Vergleichtaxis Deutlich zu erkennen ist die geringere Nutzung des Elektrotaxis in allen Kategorien. Nachdem das Elektrofahrzeug leer gefahren wurde, konnten die Taxifahrer des Elektrofahrzeuges auf ihr konventionelles Taxi zurückgreifen. Hiervon haben beide Taxifahrer an fast jedem Arbeitstag Gebrauch gemacht. Fahrer 1 jedoch deutlich früher nach durchschnittlich 50 km, wohingegen Fahrer 2 erst nach 78 km gewechselt hat. Die zurückgelegten Wege erstrecken sich bei beiden Fahrern erwartungsgemäß über das gesamte Stadtgebiet, mit einigen Fahrten zum Flughafen München und in anliegende Gemeinden. Exemplarisch zeigen die beiden nachfolgenden Abbildungen die Wegstrecken des zweiten Fahrers und des Vergleichsfahrers. Im Vergleich zum konventionellen 1. Oktober 2016 Seite 70 von 126

71 Vergleichstaxi (rechte Abbildung) sind die längeren Fahrten aus dem Stadtgebiet München seltener und kürzer. Das lässt sich dadurch erklären, dass der Fahrer des Elektrotaxis längere Fahrten nur annehmen kann, wenn die Restreichweite des Fahrzeuges das Erreichen des Fahrtziels und die Rückfahrt ermöglichen. Abbildung 33: Links: Fahrtwege des Elektrotaxis. Rechts: Fahrtwege des Vergleichstaxis. Viel deutlicher treten die Unterschiede zwischen Elektrotaxi (links) und konventionellem Taxi (rechts) bei der Auswertung der täglichen Fahrtstrecken hervor, wie nachfolgende Abbildung 34 exemplarisch zeigt: Abbildung 34: Gegenüberstellung der Fahrdistanz pro Nutzungstag von Elektrotaxi (links) und Vergleichstaxi (rechts) Es zeigt sich, dass die Fahrdistanz pro Nutzungstag des Elektrotaxis deutlich geringer ist, als die des Vergleichstaxis. Die zurückgelegte Strecke des Elektrotaxis liegt in der Regel unter der Reichweite des Nissan Leafs. Der verwendete Nissan Leaf II 2 hat unter widrigen äußeren Bedingungen wie Kälte, extremer Hitze oder Dauerregen eine Reichweite von ca. 100 km. Bei guten Bedingungen (milde Temperaturen und weitgehende Trockenheit) wurde eine Reichweite von ca. 150 km erreicht. Wobei das Fahrzeug in der Regel nicht vollständig leer gefahren wurde, um das Risiko, die nächste Kundenfahrt ablehnen zu müssen, zu reduzieren. Und diese geringe Reichweite hat sich in der Auswertung gezeigt. Die aufgebaute AC-Ladeinfrastruktur von Ubitricity mit einer Ladegeschwindigkeit von ca. 20 km 2 Nissan hat bereits eine neue Version mit größerer Reichweite im Angebot 1. Oktober 2016 Seite 71 von 126

72 Reichweite pro Stunde war nicht ausreichend, um ein Nachladen während der Arbeitsschicht sinnvoll erscheinen zu lassen. Die Wegstrecke je Nutzungstag aller Taxis ist in Abbildung 35 über die relative Häufigkeit dargestellt. Es ist zu beachten, dass die Taxis verschiedene Nutzungscharakteristika aufweisen. Ein Taxi wurde beispielsweise im Mehrschichtbetrieb genutzt, während die anderen Taxis im Einschichtbetrieb, teilweise auch nur stundenweise, genutzt wurden. Mit der Annahme, dass ein Schnellladen während der Arbeitsschicht nicht möglich ist, kann das Diagramm Hinweise geben, wie gut der Taxibetrieb mit einem Elektrofahrzeug entsprechender Reichweite sichergestellt werden kann. Abbildung 35: Wegstrecke je Nutzungstag aller Taxis über die relative Häufigkeit Dieser Zusammenhang zeigt sich auch in der Nutzung des Elektrotaxis in Abbildung 36. Das Elektrotaxi wurde von beiden Fahrern als zusätzliches Fahrzeug genutzt. Sobald die Reichweite des Elektrotaxis den weiteren Taxibetrieb beeinträchtigte, wechselten die Fahrer auf ihr konventionelles Fahrzeug und das Elektrotaxi wurde geladen. Aufgrund der geringen Ladeleistung und somit langen Ladedauer wurde das Elektrotaxi in der Regel dann erst wieder am nächsten Arbeitstag genutzt. Das Diagramm zeigt den Anteil der elektrisch zurückgelegten täglichen Wegstrecken. Tage, an denen das Elektrotaxi nicht genutzt wurde, sind nicht dargestellt. Je größer die tägliche Fahrstrecke war, desto geringer war der Anteil, der mit dem Elektrofahrzeug zurückgelegt wurde. 1. Oktober 2016 Seite 72 von 126

73 1 0,9 0,8 0,7 0,6 0,5 0,4 0,3 0,2 0,1 FfE StMünch-06#P EM Schaufenster wiss Bgl_eV_ Abbildung 36: Anteilige Nutzung des Elektrofahrzeuges an den täglichen Wegstrecken Ladeprofile und solare Erzeugung Für das Elektrotaxi wurden sechs Ladestationen (vgl. Abbildung 37) mit je 3 kw Ladeleistung an Standorten des Städtischen Klinikums München errichtet. Abbildung 37: Ladepunkte an Standorten des Städtischen Klinikums München 1. Oktober 2016 Seite 73 von 126

74 Die Auswertung des Ladeverhaltens (vgl. Abbildung 38) zeigt, dass die beiden Fahrer des Elektrotaxis bevorzugt am Klinikum Schwabing geladen haben. Dies liegt daran, dass dieser Ladepunkt gut zugänglich, ein Parkplatz für das konventionelle Ausweichfahrzeug vorhanden und potenzielle Kundschaft verfügbar war. Abbildung 38: Auswertung des Ladeverhaltens In Summe wurden über die Projektlaufzeit an den sechs Ladepunkten 2963 kwh Energie entnommen. Da die errichtete PV-Anlage am Klinikum Schwabing weit mehr Energie erzeugt hat, konnte das Elektrotaxi bilanziell CO 2 -frei 3 geladen werden. Unter der Annahme, dass ansonsten der deutsche Kraftwerksmix mit spezifischen CO 2 -Emissionen von 569 g/kwh 4 genutzt worden wären, konnten 1763 kg CO 2 eingespart werden. Die Beschränkung auf die bilanziell CO 2 -neutrale Ladung ergibt sich aus der Tatsache, dass das Elektrotaxi in der Regel in den Abend- bzw. Nachtstunden geladen wird und nicht zu Zeiten der PV-Erzeugung. Abbildung 39 zeigt dies exemplarisch für Kalenderwoche 36/ Ganzheitlich betrachtet ist auch PV-Strom nicht CO2-emissionsfrei. 4 Quelle: Entwicklung der spezifischen Kohlendioxid-Emissionen des deutschen Strommixes in den Jahren 1990 bis 2014, Umweltbundesamt April Oktober 2016 Seite 74 von 126

75 Leistung in Watt Energie in kwh Gemeinsamer Abschlussbericht zu E-Plan München PV-Leistung[W] EV-Ladeleistung [W] PV-Leistung in EV [W] PV-Energie [kwh] EV-Energie [kwh] PV-Energie in EV [kwh] Abbildung 39: Photovoltaikerzeugung und Ladevorgänge exemplarisch in KW 36/2014 Taxameterdaten und Beförderungsdaten Für die Abschätzung der Erlöse wurde ein Erlösmodel auf Abrechnungsstammdaten aus dem Taxibuchungssystem angewandt. Die Stammdaten enthalten nur die Taxifahrten, die über das System gebucht wurden und keine spontanen Kundenfahrten, bei denen der Kunde ohne vorherige Bestellung über die Isarfunk-Taxizentrale zusteigt. Daher kann die nachfolgende Auswertung nur als Anhaltspunkt dienen und erhebt keinen Anspruch auf Vollständigkeit. Abbildung 40 zeigt die monatlichen Erlöse des zweiten Taxifahrers, sowie den Anteil der Erlöse, der mit dem Elektrotaxi erzielt wurde. 1. Oktober 2016 Seite 75 von 126

76 Abbildung 40: Auswertung der monatlichen Erlöse Im Mittel wurden dabei 71 % der Erlöse mit dem Elektrotaxi erzielt. Jedoch hat das Elektrotaxi nur eine Abdeckung von 58 % der Wegstrecken erzielt. Daher ist anzunehmen, dass der tatsächliche Erlösanteil des Elektrotaxis unter den ermittelten 71 % liegt. Simulationsmodell Die von den GPS-Loggern aufgezeichneten Fahrprofile werden mittels eines komplexen Simulationsmodells virtuell mit einem Elektrofahrzeug nachgefahren. In der Simulation wird der Energieverbrauch über die Fahrtwiderstände unter Berücksichtigung der Wirkungsgrade und der Nebenaggregate berechnet. Die Klimatisierung eines Elektrofahrzeuges hat ebenfalls erheblichen Einfluss auf die Reichweite und wurde daher ebenfalls berücksichtigt. Es wurde ein Klimatisierungsmodell (vgl. Abbildung 41) für Elektrofahrzeuge implementiert, das in Abhängigkeit von der Außentemperatur, der Geschwindigkeit und weiteren Parametern die notwendige Klimatisierungsenergie berechnet, wie in Abbildung 42 dargestellt. 1. Oktober 2016 Seite 76 von 126

77 Abbildung 41: Klimatisierungsmodell für die Heizenergie 5 Abbildung 42: Parameter zum Klimatisierungsmodell Um die Fahrprofilabdeckung zu bestimmen, sind für die Simulation eine Vielzahl von Parametern, wie z. B. das zu simulierende Elektrofahrzeug, die verfügbare Ladeinfrastruktur und die Außentemperatur, festzulegen. Die Fahrprofilabdeckung gibt an, wie hoch der Anteil an Einzelfahrten ist, die elektrisch zurücklegbar sind. Eine Fahrt beginnt mit der ersten Bewegung des Fahrzeuges und endet erst nach einer 15-minütigen Unterbrechung ohne Bewegung. Eine Fahrt gilt als durchführbar, wenn auch die nachfolgenden Fahrten durchführbar sind, bis wieder ein Ladebereich erreicht wird. Werden mehrere Fahrten 5 Vorlesung Elektrische Straßenfahrzeuge, TU München, Oktober 2016 Seite 77 von 126

78 (Fahrtenkette) unternommen, bis wieder ein Ladebereich angefahren wird, müssen alle Fahrten durchführbar sein. Ist auch nur die letzte Fahrt nicht durchführbar, werden auch die vorherigen Fahrten als nicht durchführbar bewertet. Eine Fahrtenkette von einem Ladebereich zu einem Ladebereich wird nachfolgend als Charge2Charge-Fahrt bezeichnet. Abbildung 43 zeigt die durchschnittliche Strecke einer Charge2Charge-Fahrt, die durchschnittliche Fahrtdauer, sowie die Fahrprofilabdeckung für eine Außentemperatur von 0 C. Als Fahrzeug wurde ein Nissan Leaf mit 24 kwh, der an den 5 häufigsten Parkstandorten mit jeweils 22 kw geladen werden kann, simuliert. Abbildung 43: Auswertung zu allen Vergleichstaxen Das Diagramm zeigt, dass die Fahrprofilabdeckung in der Simulation zwischen 32 % und 80 % liegt. Die geringe Abdeckung ist auf die langen Strecken und Dauern der Charge2Charge-Fahrten zurückzuführen und darauf, dass die Taxifahrer ihr Fahrverhalten nicht an das simulierte Elektrofahrzeug angepasst haben. Die Taxis operieren über das gesamte Stadtgebiet und es wird nur selten eine der jeweils 5 angenommenen Ladebereiche angefahren. Wird ein Ladebereich angefahren, ist die Standzeit in der Regel kurz und die simulierte Nachladung des Elektrofahrzeuges deshalb gering. In der Realität würde ein Elektrofahrzeugfahrer bei niedrigem Ladezustand natürlich häufiger einen Ladebereich anfahren und dort eine Pause machen, bis das Fahrzeug ausreichend nachgeladen ist. Für das bereits unter Abschnitt GPS-Profile vorgestellte Vergleichstaxi, das im Einschichtbetrieb genutzt wurde, ist die Datengrundlage sehr gut. Daher wurde dieses Fahrzeug genauer betrachtet. Die Fahrprofilabdeckung wurde in Abhängigkeit von 1. Oktober 2016 Seite 78 von 126

79 verschiedenen Außentemperaturen simuliert, um den Einfluss der Klimatisierung aufzuzeigen. Es wurde diesmal ein Nissan Leaf der neueren Generation mit 30 kwh Batteriekapazität angenommen, der an seinen 5 häufigsten Parkstandorten mit jeweils 50 kw schnellladen kann. Abbildung 44: simulierte Fahrprofilabdeckung bei verschiedenen Außentemperaturen Abbildung 44 zeigt die simulierte Fahrprofilabdeckung in Abhängigkeit von der Außentemperatur. Die Abdeckung variiert zwischen 53 % bei -20 C und steigt an auf bis zu 77 % bei 20 C. Bei Temperaturen über 20 C wird wieder mehr Energie für die Klimatisierung aufgewandt, was die Fahrprofilabdeckung dann wieder reduziert. Ganzheitliche Bewertung: Es hat sich gezeigt, dass die mittlere tägliche Wegstrecke der Taxis bei 187 km liegt, wobei an 44 % der Nutzungstage mehr als 187 km zurückgelegt wurden (Tabelle 3). Grenzwert in km Anteil der Tage, an denen weiter als der Grenzwert gefahren wurde 73% 57% 44% 40% 26% 16% Tabelle 3: Auswertung der täglichen Wegstrecken bezüglich der zurückgelegten Wegstrecke 1. Oktober 2016 Seite 79 von 126

80 Betriebsbeingte CO 2 -Emissionen in g / km Gemeinsamer Abschlussbericht zu E-Plan München Ein Elektrofahrzeug für den Taxibetrieb sollte den alltäglichen Fahrbetrieb abdecken können. Hierfür gibt es prinzipiell zwei Möglichkeiten. 1. Es wird gewartet, bis Fahrzeuge auf dem Markt erhältlich sind, deren Reichweite auch bei schlechtem Wetter ausreichend ist, um ohne Nachladen auszukommen. 2. Die Ladeinfrastruktur für Elektrofahrzeuge wird ausgebaut und ermöglicht ein zuverlässiges, bedarfsorientiertes Nachladen. Besonders geeignet sind DC- Schnellladesysteme. Vermutlich wird es auf eine parallele Entwicklung beider Möglichkeiten hinaus laufen. Die Reichweite der Elektrofahrzeuge wird kontinuierlich ansteigen und die Ladeinfrastruktur ausgebaut. Gerade die psychologische Komponente einer guten Abdeckung mit Ladeinfrastruktur sollte hierbei besonders beachtet werden. Vermutlich werden die Fahrzeuge primär an privaten Ladepunkten geladen werden, da es dort günstiger ist. Aber der Fahrer kann im Bedarfsfall während der Taxischicht öffentlich nachladen und so kann der Reichweitenangst ( Range Anxiety ) entgegen gewirkt werden. Elektrofahrzeuge stoßen lokal kein CO, CO 2, NO x aus und die Feinstaub- sowie Lärmbelästigung kann zudem deutlich reduziert werden. So werden Feinstaubemissionen durch Kraftstoffverbrennung vollständig und durch Bremsvorgänge weitgehend vermieden, da i. d. R. elektrisch gebremst wird. Insbesondere in stark belasteten Ballungszentren können Elektrofahrzeuge damit einen wichtigen Beitrag zur Luftreinhaltung leisten. Ganzheitlich betrachtet stoßen Elektrofahrzeuge bereits beim heutigen Strommix weniger CO 2 als konventionelle Fahrzeuge aus, wie nachfolgende Abbildung 45 zeigt e-golf (18,2 kwh / 100 km) Golf 1,4 TSI (5,5 l / 100 km) Steinkohle ΔCO 2 -Emissionen im Betrieb Strommix in Photovoltaik FfE ALDI-01#A CO2 Vermeidungsanreize_eV_ CO 2 -Anteil im Strom in g / kwh Abbildung 45: Betriebsbedingte CO2-Emissionen eines Elektrofahrzeuges in Abhängigkeit vom CO2- Anteil im Strom im Vergleich zum konventionellen Ottomotor 1. Oktober 2016 Seite 80 von 126

81 Im Falle des Vergleichstaxis können jährlich über 4500 kg CO 2 -Emissionen eingespart werden, wenn das Fahrzeug mit Strom aus erneuerbaren Energien geladen wird. Wird das Fahrzeug mit dem Strommix geladen, so reduzieren sich die jährlichen Einsparungen auf 285 kg, wie aus dem Vergleich in ersichtlich ist. Für den Vergleich wurden folgende Annahmen getroffen: Das Elektrofahrzeug ersetzt das konventionelle Fahrzeug vollständig. Kosten für Versicherung, Steuern 6 und Wartungen/Reparaturen 7 werden als identisch angenommen. Verbrennungsfahrzeug Elektrofahrzeug Hersteller Toyota Nissan Modell Prius+ LEAF Fahrzeuglistenpreis [ ] Jahresfahrleistung in km variable Kosten 1,25 /l 0,2631 /kwh 9 Verbrauch 5,2 l/100km 20 kwh/100km Verbrauchskosten pro Jahr 2.523, ,13 CO2-Ausstoß Strommix [kg/a] CO2-Ausstoß EE[kg/a] Tabelle 4: Vergleich von Kennwerten eines konventionellen Fahrzeuges und eines Elektrofahrzeuges für ausgewählte Vergleichstaxifahrer Aufgrund der von der Bundesregierung beschlossenen Kaufprämie für Elektrofahrzeuge wurden die Mehrkosten in der Beschaffung auf ca. 10 % reduziert. Im Gegenzug können jährlich ca. 480 an Verbrauchskosten (Strom statt Benzin) eingespart werden. Die Preise für öffentliches Laden sind vom Anbieter des Autostromtarifs abhängig und variieren stark. Was der Strom an der Ladesäule letztendlich kostet, ist abhängig vom Roaming-Partner und nicht vom Betreiber der Ladesäule. Die Elektromobilität für Taxis könnte unterstützt werden, indem für Taxifahrer ein kostengünstiger evtl. geförderter Roamingpartner etabliert werden würde. Insgesamt ist festzuhalten, dass die Wirtschaftlichkeit des Elektrofahrzeuges keine Frage der Anschaffungskosten oder der Verbrauchskosten ist, da nahezu Kostenparität erreicht wird. So haben sich die Mehrinvestitionen in diesem vereinfachten Beispiel nach etwa 7 Jahren (ohne Annuitäten) amortisiert. Jedoch wiegt der Nachteil, dass unter den aktuellen Rahmenbedingungen (geringere Reichweite der Elektrofahrzeuge, wenig Schnelllade- 6 Elektrofahrzeuge sind für 10 Jahre von der KFZ-Steuer befreit. 7 Es liegen empirische Erfahrungen vor, dass Elektrofahrzeuge im Unterhalt günstiger sind. Die Zahlen sind nicht belastbar. Zu berücksichtigen wäre neben den direkten Einsparungen bei den Wartungs- und Reparaturkosten auch die höhere Verfügbarkeit des Fahrzeuges und die hierdurch zusätzlich frei werdenden Personalressourcen, da weniger Personal für Überführung zur Werkstatt gebunden wird. 8 Die Kaufprämie für Elektrofahrzeuge in Höhe von 4000 ist bereits berücksichtigt. 9 Preise für M-Ökostrom Aktiv, Stand Auch EE-Strom ist unter Berücksichtigung der Vorketten mit CO2-Emissionen verbunden. Hier wurden CO2- Emissionen von 20 g/kwh angenommen. 1. Oktober 2016 Seite 81 von 126

82 infrastruktur) der Taxibetrieb nur mit Einschränkungen möglich ist, schwer. Diese Einschränkungen in der Nutzung sind mit Umsatzeinbußen verbunden, wie bereits unter dem Abschnitt Taxameterdaten und Beförderungsdaten geschildert. Dort kam das Elektrotaxi nur auf einen Umsatzanteil von 71 %. Fazit: Der Versuch, das Elektrotaxi in den täglichen Taxibetrieb zu integrieren, hat vielerlei Erkenntnisse geliefert. Unter den aktuellen Rahmenbedingungen ist die Substitution von konventionellen Taxis durch Elektrotaxis mit einigen Hemmnissen verbunden, wovon die reduzierte Reichweite der Elektrofahrzeuge das größte Hindernis darstellt. Die im Projekt verwendete Ladeinfrastruktur von Ubitricity mit einer Ladeleistung von ca. 3 kw war zu gering. Ein schnelles Nachladen während der Taxischicht war daher nicht möglich. Öffentliche Schnellladeinfrastruktur war während des Versuchszeitraums nur spärlich vorhanden und wurde daher nur selten genutzt. Die effektive Reichweite des Nissan Leaf war damit nicht ausreichend, um einen durchschnittlichen Arbeitstag im Taxibetrieb zu gewährleisten. Der Fahrer hat das Elektrotaxi weitgehend leer gefahren und ist dann auf sein konventionelles Fahrzeug umgestiegen. Unter diesen Rahmenbedingungen müsste der Taxifahrer mit Umsatzeinbußen rechnen. Das Elektrofahrzeug wäre eine nur schwer darstellbare wirtschaftliche Alternative. Entweder die Reichweite der Elektrofahrzeuge steigt, oder es ist eine ausreichende Schnellladeinfrastruktur notwendig, um den Umstieg auf Elektromobilität im Taxisektor zu ermöglichen. Denn gerade im Taxisektor steckt ein hohes Emissionsreduktionspotenzial, das durch eine große Anzahl von kürzeren Einzelfahrten geprägt ist, wofür Elektromobilität prädestiniert ist. Denn in den Pausen zwischen den Fahrten könnte zügig nachgeladen werden. Das Emissionsreduktionspotenzial beim Vergleichstaxi beträgt 4419 kg CO 2 pro Jahr. AP 4400 Demonstratorbetrieb (Kliniken, IsarFunk, FfE) Die Zahl der Taxibestellungen der einzelnen Standorte ergab keine ausreichende Auftragsdichte. Damit war ein Pendelverkehr zwischen den Kliniken nicht darstellbar. Es wären zu lange Standzeiten entstanden, was wiederum zu Ertragseinbußen für den Taxifahrer geführt hätte. Ursprünglich war die Einrichtung eines Autobookingsystems an den Pforten der Klinik geplant, damit die Empfangsmitarbeiter des Klinikums schnell und problemlos ein Taxi bestellen können. Schließlich wurden an allen relevanten Standorten Autobookings eingerichtet, insgesamt 58. Damit wurde die überwiegend automatische Bestellung ermöglicht. Auf Kundenwunsch wurden 47 Kostenstellen erfasst und mit elektronisch lesbaren Taxigutscheinen ausgestattet. Das System ist bis heute aktiv. 1. Oktober 2016 Seite 82 von 126

83 AP 5000 Evaluation und Gesamtprojektbewertung AP 5100 Gesamtbewertungskonzept und Bewertungskriterien (LHM, UniBwM) Für die Demonstratoren Anwohner, ecar Sharing und etaxi wurden im Rahmen dieses Arbeitspaketes gemeinsam abgestimmte Bewertungskriterien und Vorgehensweisen entwickelt. Dabei wurde festgelegt was, wann, wie im Rahmen des Demonstratorbetriebs erhoben und gemessen und wie das Ganze dokumentiert und festgehalten werden sollte. Eine zentrale Abstimmung und Vorgabe der Vorgehensweise bei der Bewertung und abgestimmte Bewertungskriterien erlauben eine sehr gute Vergleichbarkeit und eine integrierte Gesamtbewertung (AP 5700). Neben verkehrlichen und umweltorientierten Kenngrößen wurden auch technische Kriterien definiert, um so neben den Wirkungen der Maßnahmen auch die technische Funktionsfähigkeit und den Betrieb analysieren zu können. AP 5200 Einzelauswertungen Anwohner (Audi, UniBwM) Für den Flottenversuch waren in der ersten Welle 15 Audi A1 e-tron, in der zweiten Welle zehn Audi A3 e-tron im Einsatz. Der Audi A1 e-tron ist ein BEV mit Range-Extender, welcher rein elektrisch angetrieben wird und eine Reichweite von 50 km erzielt. Die elektrische Energieversorgung erfolgt mit einer aufladbaren HV-Batterie. Ergänzend ist der Audi A1 e-tron mit einem Range-Extender ausgestattet, um die Reichweite zu verlängern. Bei dem Motor handelt es sich um einen Einscheiben-Wankelmotor, durch den eine kombinierte Reichweite von 250 km erreicht wird. Der Audi A3 e-tron wird ebenfalls von einer aufladbaren HV-Batterie versorgt, so dass eine rein elektrische Reichweite von 50 km erreicht wird. Darüber hinaus verfügt das PHEV-Fahrzeug über einen 1.4 TFSI Verbrennungsmotor, durch den eine kombinierte Reichweite von bis zu 940km erzielt werden kann. Einen Überblick über die technischen Daten der eingesetzten E-Fahrzeuge kann Abbildung 46 entnommen werden. 1. Oktober 2016 Seite 83 von 126

84 Audi A1 e-tron Audi A3 e-tron Motorbauart RE/VKM Einscheiben- Wankelmotor (Range Extender) Reihen-Vierzylinder-Ottomotor mit Benzindirekteinspritzung, Abgasturboaufladung mit indirekter Ladeluftkühlung, Vierventiltechnik, zwei oben liegende Nockenwellen (DOHC) Hubraum RE/VKM 254 cm cm 3 Nennleistung RE/VKM 17kW (23PS) bei /min 110kW (150PS) bei /min Max. Leistung E-Motor Max. Drehmoment E-Motor Permanentes Drehmoment E- Motor 75kW(102PS) Systemleistung:150kW (204PS) 300Nm ab /min 250Nm bei /min 150Nm bis /min Systemdrehmoment: 350Nm Höchstgeschwindigkeit 130km/h 130km/h elektrisch 222km/h hybridisch, Reichweite 50km elektrisch 50km elektrisch 250km kombiniert 940km kombiniert Abbildung 46: Technische Daten der eingesetzten E-Fahrzeuge Projektphase 1: Audi A1 e-tron Für die Analyse des Fahrverhaltens des Audi A1 e-tron (siehe Abbildung 47) wurden die Daten über Datenlogger der Fahrzeuge erhoben. Dies erfolgte im Rahmen des Inspektionsservice über das Auslesen vorab festgelegter Klassifizierungen. Die Daten wurden anschließend an einen Server weitergeleitet und auf fahrzeugsystemische und inhaltliche Fehler kontrolliert. Die Auswertungsroutine erfolgte alle zwei Monate über die vorhandenen Daten. Auf Basis gezielter Fragestellungen, wie z.b. Laufleistung, Bewegungsraum, Ladeverhalten, Verbrauchsdaten und Belastung von Komponenten (HV- Batterie, E-Motor) wurden die vorhandenen Daten statistisch ausgewertet. Es erfolgte eine Flottenauswertung mit Analysen zu folgenden Aspekten: Laufleistungen und streckenbezogene Werte Ladeverhalten Streckenanteile der Einzelfahrten inkl. E-Fahrten Range Extender Nutzungsverhalten Verbrauchsauswertung Range-Extender und elektrisch Geschwindigkeitsverteilung Nutzungsverhalten Rekuperation 1. Oktober 2016 Seite 84 von 126

85 Abbildung 47: Audi A1 e-tron Streckenauswertung Zur Auswertung und Analyse der Fahrzeuge wird zunächst die Gesamtbetrachtung der Audi A1 e-tron Flottenfahrzeuge über den gesamten Projektzeitraum dargestellt. Im Verlauf des Projekts summierte sich die Laufleistung der gesamten Testflotte auf über Kilometer. Insgesamt wurden pro Fahrzeug rund Kilometer zurückgelegt. Im Mittel wurde jedes Fahrzeug täglich 14,9 Kilometer in 0,52 Stunden mit einer Durchschnittsgeschwindigkeit von 28,6 km/h bewegt. Der Fahrstreckenkalender in Abbildung 48 zeigt die Übersicht der täglich zurückgelegten Flottenlaufleistung und der Gesamtlaufleistung: Abbildung 48: Fahrstreckenkalender zum Projekt E-Plan München 1. Oktober 2016 Seite 85 von 126

86 Bei genauer Analyse der Streckenanteile fällt auf, dass der Anteil der zurückgelegten Strecken von mehr als 20 Kilometern unter 5% liegt (Abbildung 49). Auch im Bereich von 5km-20km liegen die Fahrstreckenanteile nur knapp über 2,5%. Dies lässt darauf schließen, dass in Städten eine elektrische Reichweite von 50 Kilometern ausreichend ist. Abbildung 49: Streckenanteile Flotte Gesamtzeitraum Konzentriert man sich auf rein elektrische Einzelfahrten zeigt sich, dass über 80% der zurückgelegten Strecken im Bereich von 0 bis 5 Kilometern lagen. Abbildung 50 zeigt die Geschwindigkeitsverteilung der Fahrzeugflotte im Gesamtzeitraum. Daraus wird ersichtlich, dass die meisten Fahrten im Stadtgebiet mit unter 50km/h erfolgten. Der erhöhte Anteil bei ca. 80km/h und 125km/h sind durch Autobahnfahrten zu erklären. Abbildung 50: Geschwindigkeitsverteilung Flotte Gesamtzeitraum 1. Oktober 2016 Seite 86 von 126

87 Range Extender Die Auswertung des RE-Einsatzes erfolgte über die Laufzeiten in den verschiedenen Lastpunkten und über deren Anteile an der Gesamtlaufzeit des Fahrzeugs. Der Betrieb in den jeweiligen Lastpunkten ist wesentlich für den Benzinverbrauch des RE. Darüber hinaus gibt es in der Betriebsstrategie des Fahrzeugs auch die Möglichkeit der manuellen Zuschaltung des RE über den Getriebewählhebel (Stellung S ). Abbildung 51: Übersicht der RE-Starts Dieses manuelle zuschalten vom Range-Extender wurde von den Probanden in München stark genutzt (Abbildung 51). Ein Grund hierfür ist die geringe Anzahl an derzeit verfügbaren Ladesäulen. Dies führte zu einer erhöhten Unsicherheit der Nutzer hinsichtlich der Lademöglichkeiten bei einer Rückkehr. Viele der Nutzer befürchteten zudem eine zeitaufwendige Suche nach einer verfügbaren Ladesäule. Der hohe betriebsbezogene Zuschaltbedarf bei 90% SOC ist durch die automatische Reinigung des Aktivkohlefilters im Tanksystem zu begründen. Dieser Vorgang wird erforderlich, wenn der Tank voll ist und längere Zeit nicht nachgefüllt wurde. Weiterhin wurde untersucht, wie groß der rein elektrische Anteil an der durchschnittlichen Gesamtlaufzeit der Fahrzeuge ist. Abbildung 52 zeigt entsprechend die Anteile des rein elektrischen Betriebs an der Fahrzeugbetriebszeit. 1. Oktober 2016 Seite 87 von 126

88 Abbildung 52: Fahrenteile RE/elektrisch Der Audi A1 e-tron kann darüber hinaus die Batterie über Rekuperation speisen. Hierzu verfügt der Audi A1 e-tron über 5 Rekuperationsstufen und das Segeln. Der Proband kann dabei manuell mehrere Stufen der Intensität der Rekuperation auswählen. Bei der Betrachtung der Verweilzeit in den einzelnen Stufen fällt auf, dass die Probanden entweder den Segelbetrieb oder die volle Rekuperation gewählt haben (vgl. hierzu Abbildung 53). Die Zwischenstufen wurden nur sehr selten genutzt. Die durchschnittliche rekuperierte Energie betrug im Flottenversuch 1,8kWh pro 100 Kilometer. Abbildung 53: Darstellung der Verweilzeiten in den einzelnen Rekuperationsstufen 1. Oktober 2016 Seite 88 von 126

89 Ladeverhalten Die nachfolgende Abbildung 54 zeigt, dass nahezu über den kompletten Tag geladen wurde. Die einzelnen Fahrzeuge wurden hierbei durchschnittlich jeden zweiten Tag geladen. Dabei betrug die mittlere Ladezeit eine Stunde. Nachdem die Batteriekapazität zum Start der Ladevorgänge durchschnittlich bei 45% lag, wäre ein Ladevorgang in den meisten Fällen noch nicht erforderlich gewesen. Mit 95% lagen die meisten Strecken im Bereich von unter 20 Kilometer. Somit wären theoretisch Rückfahrten von einem Fahrtziel zu 95% auch ohne Zwischenladung zu bewältigen gewesen. Das Ladeverhalten ist wiederum auf die geringe Verfügbarkeit von Lademöglichkeien zurückzuführen. Die Probanden haben daher jede verfügbare Ladesäule genutzt. Vergleiche mit anderen Städten mit genügend Lademöglichkeiten zeigen in den Morgen- und Abendstunden einen Ladepeak und über den Tag verteilt nur wenige Ladevorgänge. Abbildung 54: Übersicht der Verteilung der Startzeiten über den Tag Probandenmeinung Mit Hilfe eines Marktforschungsinstituts fanden im Rahmen des Projekts fünf Online- Befragungen (B1 bis B5) mit den Probanden statt. Zusätzlich wurden mit den Probanden zwei Technikgespräche durchgeführt. Generell lässt sich eine hohe Zufriedenheit mit dem A1 e-tron von Audi feststellen. Die Probanden berichteten auch über Ihre positiven Erlebnisse mit ihrer Umgebung. Da die elektrische Reichweite von 50 Kilometern aus Sicht der Probanden nicht ausreichend ist, bietet der Range-Extender somit eine zusätzliche Sicherheit. In den nachfolgenden Abbildungen werden die Probandenmeinungen aus München den anderen Städten, in denen Audi den A1 e-tron eingesetzt hat, gegenübergestellt. Hierbei muss berücksichtigt werden, dass in den Städten unterschiedliche Schwerpunkte erforscht wurden. Die Grafiken zeigen darüber hinaus die Entwicklung der Kundenmeinung. Die ersten Befragungen sind mit Hilfe von durchgezogenen Linien dargestellt, während die späteren Befragungen mit unterbrochenen Linien hervorgehoben sind. 1. Oktober 2016 Seite 89 von 126

90 In Abbildung 55 kann man die Motivation der Probanden zum Thema Elektromobilität über den Erprobungszeitraum hinweg ablesen. Hier lässt sich erkennen, dass die Probanden in München sehr umweltbewusst sind und mithilfe eines Elektrofahrzeugs ihren eigenen Beitrag zur Nachhaltigkeit der Mobilität in München leisten möchten. Abbildung 55: Motivation der Probanden zum Thema Elektromobilität Betrachtet man die Bedürfnisse der Probanden (Abbildung 56), fällt auf, dass ein Elektrofahrzeug noch nicht vollständig den Erwartungen der Kunden entspricht. Abbildung 56: Bedürfnisse der Probanden Das Hauptbedürfnis der Probanden ist bei einem Elektroauto eindeutig die elektrische Reichweite. Die 50 Kilometer des Audi A1 e-tron sind aus Sicht der Probanden selbst mit einem Range-Extender nicht ausreichend, obwohl die technische Auswertung ein anderes Bild vermittelt (siehe Abbildung 57) 1. Oktober 2016 Seite 90 von 126

91 Abbildung 57: Fokus der Probanden auf die elektrische Reichweite In der nächsten Abbildung 58 ist zu sehen, dass die Probanden aus allen Städten sehr gute Erfahrungen mit Ihrem Audi A1 e-tron machten und im Laufe der Zeit immer zufriedener mit dem Fahrzeug wurden. Abbildung 58: Zufriedenheit der Probanden mit dem Fahrzeug Bei der Aufpreisbereitschaft für ein Elektrofahrzeug fällt auf, dass die Probanden anfangs im Durchschnitt 10,5 Prozent mehr für ein Elektrofahrzeug bezahlt hätten. Am Ende des Flottenversuchs ist die Aufpreisbereitschaft jedoch auf 6 Prozent gesunken (siehe Abbildung 59). 1. Oktober 2016 Seite 91 von 126

92 Abbildung 59: Übersicht Aufpreisbereitschaft der Probanden in München Projektphase 2: Audi A3 e-tron Für die Analyse des Fahrverhaltens des Audi A3 e-tron (siehe Abbildung 60) wurden die Daten aus den Datenloggern der Fahrzeuge ermittelt. Dies erfolgte über das Auslesen ausgewählter CAN-Botschaften. Die Daten wurden anschließend an einen Server weitergeleitet und auf systemseitige und inhaltliche Fehler kontrolliert. In regelmäßigen Zeitabständen erfolgte eine Auswerteroutine über die vorhandenen Daten. Abbildung 60: Übergabe Audi A3 e-tron Auf Basis gezielter Fragestellungen wie z.b. Laufleistung, Ladeverhalten, Verbrauchsdaten und Belastung von Komponenten (HV-Batterie, E-Motor) wurden die vorhandenen Daten 1. Oktober 2016 Seite 92 von 126

93 klassifiziert und statistisch ausgewertet. Für jeden der zehn Audi A3 e-tron der zweiten Welle wurde analog zu den Auswertungen der Audi A1 e-tron im Rahmen der ersten Welle des Flottenversuchs ein einzelnes Bewegungs- und Nutzungsprofil erstellt. Gleichzeitig erfolgte eine Flottenauswertung zu folgenden Aspekten: Laufleistungen und streckenbezogene Werte Ladeverhalten Streckenanteile der Einzelfahrten inkl. E-Fahrten Verbrauchsauswertung VKM und elektrisch Nutzung VKM und E-Antrieb VKM Starts über SOC Geschwindigkeitsverteilung Betriebsmodi Diese Daten wurden nach der Gesamtlaufzeit des Projekts jeweils zum Ende drei festgelegter Phasen ausgewertet. Die Unterteilung der Auswertung in drei Phasen ermöglicht die Identifikation von Unterschieden im Nutzerverhalten bezogen auf E-Fahrzeuge im Laufe der Nutzungsdauer. Nachfolgend werden die drei Phasen beschrieben: Eingewöhnungsphase: Diese Phase beschreibt die ersten zwei Wochen, in denen die Fahrer ihre Autos kennen lernten. Der Umstieg vom konventionellen Fahrzeug auf einen PHEV kann erfahrungsgemäß für die Fahrer anfangs noch sehr ungewohnt sein. Initialphase: Die Initialphase ging über die Laufzeit der ersten acht Wochen und beinhaltet somit auch die Eingewöhnungsphase. Gesamtphase: Die Gesamtphase beschreibt den kompletten Erprobungszeitraum. Am Ende dieser Phase erfolgte die komplette Datenauswertung und Erstellung des Abschlussberichts. Im direkten Vergleich der beiden Fahrzeugkonzepte A1 e-tron und A3 e-tron von Audi wurden zur Übersichtlichkeit nur Daten aus der Gesamtphase verwendet. Der Nutzungsumfang der Fahrzeuge war den Probanden erneut freigestellt. Sie waren also nicht verpflichtet, bestimmte Strecken mit ihrem Fahrzeug zurückzulegen. Datenauswertung Die nachfolgende Tabelle (vgl. Tabelle 5) zeigt einen Vergleich der Flottenlaufleistung der 15 eingesetzten Audi A1 e-tron und der 10 eingesetzten Audi A3 e-tron im Zeitraum vom bis Der Audi A3 e-tron weist eine Gesamtlaufleistung von km und eine durchschnittlichen Laufleistung pro Fahrzeug von km auf. Die durchschnittliche Tageslaufleistung betrug während der gesamten Laufzeit durchschnittlich 27km pro Fahrzeug, bei einer durchschnittlichen Nutzungsdauer von 0,7 Stunden am Tag. 1. Oktober 2016 Seite 93 von 126

94 Fahrzeug Gesamtlaufleistung Laufleistung/Fzg. Laufleistung/Fzg./Tag Nutzungsdauer/Fzg./Tag Ø Ø Ø A3 e-tron km km 27km 0,7h A1 e-tron km 5.113km 15km 0,52h Tabelle 5: Laufleistung Betrachtet man nun die Laufleistungen der unterschiedlichen Phasen, so fällt auf, dass die durchschnittliche Tageslaufleistung (Eingewöhnungsphase 26km; Initialphase 27 km; Gesamtphase 27km) nur eine sehr geringe Abweichung zeigt. Rückblickend auf den Audi A1 e-tron der ersten Welle lassen sich zwischen den Laufleistungsprofilen der beiden Fahrzeugvarianten somit deutliche Unterschiede feststellen. Während die durchschnittliche Tageslaufleistung beim Audi A1 e-tron 15km beträgt, liegt die des Audi A3 e-tron bei 27km. Diese fast doppelt so hohe Tageslaufleistung deutet darauf hin, dass die Probanden von der höheren Reichweite des PHEV profitierten. Ein Blick auf die Streckenanteile der Einzelfahrten in Abbildung 61 zeigt die Verteilung zwischen beiden Fahrzeugtypen und stellt erneut ein reines Kurzstreckenprofil dar. Grundlegend weist der Audi A1 e-tron bei Fahrstrecken von 5 bis 20km eine deutliche Mehrnutzung gegenüber dem Audi A3 e-tron auf. Bei Strecken ab 20km wird eine Mehrnutzung des Audi A3 e-tron sichtbar. Die Strecken zwischen 20km und 50km weisen beim Audi A3 e-tron einen Anteil von knapp 6% auf, beim Audi A1 e-tron einen Anteil von ca. 3,2%. Ca. 3,3% der Streckenanteile beim Audi A3 e-tron und nur ca. 0,7% beim Audi A1 e-tron waren länger als 50km. Dieser 4,5 mal so hohe Anteil an Strecken über 50km macht die größere Reichweite des Audi A3 e-tron im Vergleich zum Audi A1 e-tron noch einmal deutlich. Der trotzdem noch sehr geringe Anteil der Strecken über 50km lässt den Schluss zu, dass in Großstädten eine elektrische Reichweite von 50km bei genügend Ladeinfrastruktur meist ausreichend ist. Ein sehr hoher Anteil der Fahrten könnte also emissionsfrei zurückgelegt werden. Vergleicht man das Fahrverhalten der Probanden im Falle des Audi A3 e-tron über die drei Phasen hinweg, so lassen sich keine signifikanten Unterschiede im Streckenmuster feststellen. 1. Oktober 2016 Seite 94 von 126

95 Abbildung 61: Streckenanteile der Einzelfahrten Der emissionslose Betrieb des Audi A3 e-tron ging im Laufe der drei aufgezeichneten Phasen leicht zurück, wie sich anhand von Abbildung 62 erkennen lässt. Während emissionslose Fahrten in der Eingewöhnungsphase noch zu ca. 83% vorhanden waren, gingen diese in der Initialphase auf ca. 81% zurück. Zum Ende der Gesamtlaufzeit reduzierten sich die emissionslosen Fahrten gar auf 72%. Dies hängt zum einen mit der Mehrnutzung anderer Betriebsmodi zusammen, zum anderen haben die Probanden im Laufe der Zeit die Batterieleistung öfter vollständig ausgeschöpft und mussten so öfter auf den Verbrennungsmotor ausweichen oder konnten ihr Fahrzeug aufgrund fehlender Lademöglichkeiten nicht aufladen. Abbildung 62: Anteile der Gesamtfahrt (Phasenvergleich) 1. Oktober 2016 Seite 95 von 126

96 Ein weiterer Grund für den Rückgang des emissionslosen Fahrens ist die gestiegene Fluktuation an den öffentlichen Ladesäulen im Stadtgebiet München durch die Nutzung durch andere Fahrzeuge, wie bspw. durch den Dienst Drive Now. Dies indiziert wiederum einen Mangel an Ladesäulen im Untersuchungsgebiet. Im direkten Vergleich der beiden Fahrzeugkonzepte (Abbildung 63) lassen sich auch Unterschiede bei der Verteilung von emissionslosen Fahrten und Fahrten mit Verbrennungsmotor feststellen. Die emissionslose Fortbewegung des Audi A3 e-tron liegt bei ca. 72%. Der Audi A1 e-tron weist mit 82% eine höhere emissionslose Fahrzeugnutzung als der Audi A3 e-tron auf. Zu beachten ist hierbei jedoch der konzeptionelle Unterschied der beiden Fahrzeuge und die beim Audi A3 e-tron deutlich höheren Fahrstreckenanteile zwischen 20km und 50km bzw. mehr als 50km, was unter anderem die Mehrnutzung des Verbrennungsmotors erklärt. Abbildung 63: Anteile an der Gesamtfahrt (Fahrzeugvergleich) Die Zuschaltung des Verbrennungsmotors wird beim Audi A3 e-tron weitestgehend vom Fahrzeug selbst gesteuert. Der Fahrer kann mittels Auswahl zwischen vier verschiedenen Betriebsmodi (EV, Hybrid, Hold Batterie, Charge Batterie) seinen gewünschten Betriebsmodus wählen und so die fahrzeugseitige Steuerung des Elektromotors und Verbrennungsmotors beeinflussen. Abbildung 64 zeigt das Startverhalten des Verbrennungsmotors abhängig vom SOC. Der Wirkungsbereich der HV-Batterie beschränkt sich auf einen nutzbaren SOC Bereich der unterhalb der Gesamtkapazität liegt, wie in der Abbildung erkennbar. Dies dient unter anderem zum Schutze der Haltbarkeit der HV- Batterie. Es lässt sich klar erkennen, dass die meisten VKM Starts in den Bereichen von 17% bis 29% SOC liegen. Daraus wird deutlich, dass die HV-Batterie weitestgehend leer gefahren wurde, bevor ein VKM Start seitens Fahrzeug oder Fahrer hervorgerufen wurde. Die hohe Anzahl der VKM Starts in diesem Bereich lässt sich vor allem durch die Nutzung des Hybrid Hold Modus erklären. Dieser wird bei leerer Batterie automatisch vom Fahrzeug aktiviert, um die Spannung der HV-Batterie zu halten. Die fahrzeuginterne Steuerung muss somit immer wieder VKM Starts durchführen. Dies zeigt, dass dieser Betriebsmodus 1. Oktober 2016 Seite 96 von 126

97 Gemeinsamer Abschlussbericht zu E-Plan München vermehrt genutzt wurde und lässt darauf schließen, dass der bei leerer Batterie automatisch vom Fahrzeug gewählte Betriebsmodus von den Fahrern nicht mehr verändert wurde. Die Probanden haben sich also meist an die fahrzeugeigene Steuerung gehalten. Über die drei zeitlichen Phasen betrachtet, weist das Startverhalten in der prozentualen Verteilung über den SOC Bereich kaum eine Veränderung auf VKM Starts gesamt VKM Starts gesamt SOC (%) 0 Abbildung 64: VKM Starts bei SOC Beim Vergleich der beiden Fahrzeugkonzepte zeigt sich, dass die Range Extender Starts des Audi A1 e-tron sich mehr auf den gesamten SOC Bereich verteilen (siehe Abbildung 51,1. Projektphase), als dies beim Stadt des VKM beim Audi A3 e-tron (Abbildung 64) der Fall war. Beim Audi A1 e-tron war mittels der Wählhebelposition S eine gezielte Steuerung des RE seitens des Fahrers möglich und nötig, um diesen zu starten. Eine fahrzeugseitige Zuschaltung des RE beginnt erst ab einem SOC von ca. 30%. Das Diagramm zeigt, dass die Fahrer eines A1 e-tron sich mehr mit einer eigenen Betriebsstrategie auseinandergesetzt haben, als die Fahrer des A3 e-tron. Im weiteren Verlauf erfolgt die reine Betrachtung des Audi A3 e-tron ohne einen Vergleich der beiden Fahrzeug Konzepte. Die Nutzung der vier verschiedenen Betriebsmodi wird in folgendem Diagramm (Abbildung 65) über alle drei Phasen dargestellt. Die größte Veränderung ist bei der Nutzung des Hybrid Hold Modus zu verzeichnen. In diesem Modus hält das Fahrzeug den aktuellen SOC der HV-Batterie unter Verwendung des VKM. Während dieser in der Eingewöhnungsphase etwa zu 33% genutzt wurde, steigerte sich dies im Durchschnitt der Gesamtlaufzeit auf ca. 45%. Die Nutzung des EV-Modus hingegen verringerte sich im 1. Oktober 2016 Seite 97 von 126

98 gleichen Maß und fällt somit von 53% auf 45%. Dieser Abfall der EV Nutzung steht in direkter Relation zur gestiegenen Verwendung des VKM. Laut der durchgeführten Onlinebefragung geben die Probanden an, Verweilzeiten mit ca. 66% im EV-Modus zu haben und nur knapp 10% in Hybrid Hold, was wiederum zeigt, dass die Fahrer nur wenig in die fahrzeugseitige Steuerung der Betriebsmodi eingriffen. A3 e-tron Abbildung 65: Nutzung Betriebsmodi Auch bei Betrachtung der Energiegewinnung (Abbildung 66) in den vier unterschiedlichen Betriebsmodi zeigt sich die im Laufe der Nutzungsdauer die vermehrte Verwendung des Hybrid Hold Modus und der gleichwertige Rückgang der Nutzung des EV-Modus. Zu beachten ist hierbei, dass sich die Energiegewinnung aus der Rekuperationsenergie und der erzeugten elektrischen Energie des VKM ergibt. Auffällig ist, dass trotz ähnlicher Nutzung des Hybrid Charge Modus, die Energiegewinnung in diesem Zeitraum gestiegen ist. Dies kann unter anderem an den gestiegenen Durchschnittsgeschwindigkeiten liegen. 1. Oktober 2016 Seite 98 von 126

99 A3 e-tron Abbildung 66: Energiegewinnung Betriebsmodi Mit Im Laufe der Zeit nahm der Anteil der Geschwindigkeiten von unter 60 km/h ab und die Geschwindigkeiten über 60 km/h zu. Es zeigt sich, dass die meisten Fahrten im Stadtgebiet mit unter 50 km/h absolviert wurden (bzw. unter 60 km/h). Die Fahrten ab etwa 90km/h deuten auf die Nutzung von Landstraßen und Autobahnen hin. Die resultierenden Geschwindigkeitsbereiche der Gesamtphase zeigt Abbildung 67. Auch die durchschnittlich gefahrene Geschwindigkeit steigerte sich von 30km/h in der Eingewöhnungsphase auf 33km/h in der Initialphase und auf 38km/h bis zum Ende der Gesamtphase. A3 e-tron Abbildung 67: Geschwindigkeitsbereiche (Gesamtphase) 1. Oktober 2016 Seite 99 von 126

100 In der nachfolgenden Grafik werden die Starts der Ladevorgänge während der Gesamtphase veranschaulicht. Es zeigt sich, dass sich die Ladevorgänge nahezu über den gesamten Tagesverlauf erstrecken. An den Spitzen ist besonders das vermehrte Laden am Morgen, vor der Arbeit (07:00 bis 10:00 Uhr) und nach der Arbeit (14:00 bis 19:00 Uhr) zu erkennen. Die restliche Verteilung zeigt die Ladezeitpunkte zu unterschiedlichen Zeiten, da die Probanden an öffentliche Lademöglichkeiten und deren Zugänglichkeit gebunden waren. Im Durchschnitt wurde jedes Fahrzeug pro Tag 0,4 mal geladen, Die mittlere Ladezeit betrug hierbei 1,7 Stunden bei einem mittleren SOC von 34%. Dies stellt eine Abnahme im Vergleich zur Initialphase dar. Hier wurde jedes Fahrzeug im Schnitt 0,6 mal pro Tag geladen, wobei die mittlere Ladezeit 1,6 Stunden bei einem mittleren SOC von 46% betrug. Auch die durchschnittliche Fahrstrecke zwischen den Ladevorgängen erhöhte sich von 45km während der Initialphase, auf 67km während der gesamten Nutzungsdauer. Dies steht in unmittelbarer Beziehung zu der Mehrnutzung des Verbrennungsmotors. A3 e-tron Abbildung 68: Startladezeit Nicht zu vernachlässigen ist das Verhältnis zwischen der reinen Ladedauer und der Zeit die der Stecker tatsächlich mit dem Fahrzeug verbunden war. Wie in Abbildung 69 zu sehen ist, beträgt die Ladezeit nur durchschnittlich 24% der gesamten angesteckten Zeit des Fahrzeugs. Dies ist ein Trend, der sich durch alle drei Phasen ohne Veränderung hindurch zieht. Die längste Steckzeit betrug 11 Tage. 1. Oktober 2016 Seite 100 von 126

101 A3 e-tron Abbildung 69: Verhältnis Ladedauer zu Stecker gesteckt Probandenbefragungen: Zusätzlich zu den ausgewerteten Fahrdaten wurden die jeweiligen Fahrer zu ihrem Verhalten und ihrer Einstellung gegenüber E-Fahrzeugen befragt. Die Auswertung einer Auswahl erfolgt in den nachfolgenden Grafiken und Abbildungen. In der Abbildung 70 zeigt sich die Haltung gegenüber der Elektromobilität. Verglichen werden die Aussagen der Probanden zur ersten Befragung (B1) und zur dritten Befragung (B3) welche am Testende stattgefunden hat. A3 e-tron Abbildung 70: Haltung der Probanden gegenüber Elektromobilität Auffallend ist hierbei die Einstellung der Münchner Probanden gegenüber dem E-Fahrzeug als Zweitfahrzeug. So nimmt die Einschätzung von E-Fahrzeugen als Zweitfahrzeug über den Untersuchungszeitraum unter den Münchner Probanden signifikant zu (siehe Pfeil Abbildung 70). Diese verstärkte Meinung könnte darauf zurückzuführen sein, dass die 1. Oktober 2016 Seite 101 von 126

102 auf jeden Fall auf keinen Fall auf keinen Fall Gemeinsamer Abschlussbericht zu E-Plan München Münchner Probanden, anders als in Stuttgart und Berlin, nur öffentliche Ladesäulen zur Verfügung hatten, und somit nicht ständig laden konnten. Bei der an den Audi A3 e-tron gestellten Erwartungshaltung (Abbildung 71) fällt auf, dass die Münchner Probanden die Reichweite in der zweiten Befragung tendenziell eher als ausreichend bewerten, wie dies auch schon in der technischen Auswertung ersichtlich wurde. Eine bessere Bewertung im Nachhinein im Vergleich zu anderen Städten zeigt sich hinsichtlich der Ladedauer. Abbildung 71: Haltung gegenüber dem gefahrenen A3 e-tron (1) A3 e-tron Abbildung 72: Haltung gegenüber dem gefahrenen A3 e-tron (2) In Abbildung 73 zeigt sich, wann die elektrische Reichweite des Audi A3 e-tron laut der Probandenbefragung für diese ausreichend wäre. Für die Fahrer der E-Fahrzeuge ist auch demnach wieder die Ladeinfrastruktur der ausschlaggebende Faktor. Zweitrangig ist in den 1. Oktober 2016 Seite 102 von 126

103 meisten Fällen die Ladezeit. Allerdings wurden die Fahrzeuge in München meist nur im urbanen Betrieb bewegt, häufige Zwischenladungen wären somit nicht notwendig. An dritter Stelle folgt das kabellose Laden. Weniger wichtig war hierbei die technische Funktion und eine eventuelle Übersicht aller Ladesäulen. A3 e-tron Abbildung 73: Elektrische Reichweite ist ausreichend, wenn... Um eine detailliertere Einsicht zu den gewünschten Lademöglichkeiten zu erhalten, wurden die Probanden gefragt, wie und womit sie aktuell ihr Fahrzeug laden. Die beiden nachfolgenden Abbildungen (siehe Abbildung 74, Abbildung 75) zeigen das Ist Ladeverhalten und das gewünschte Soll Ladeverhalten der Probanden im Städtevergleich laut Befragung. Betrachtet wurde hierbei nur die Nutzung von Ladesäulen, nicht aber von Haushaltssteckdosen. Es wird deutlich, dass sich die Probanden über alle drei Städte hinweg mehr Lademöglichkeiten Zuhause und beim Arbeitgeber wünschen. A3 e-tron 1. Oktober 2016 Seite 103 von 126

104 Abbildung 74: Ist und Soll Ladenutzung (1) Die gleiche Tendenz zeigt sich auch beim Wunsch nach mehr öffentlich zugänglichen und zeitlich beschränkten Ladesäulen. Der Wunsch der Probanden nach Lademöglichkeiten wird deutlich kommuniziert, um den Ladeprozess örtlich und zeitlich flexibel gestalten zu können. A3 e-tron Abbildung 75: Ist und Soll Ladenutzung (2) Zusätzlich wollen 23% der Probanden ein schnelleres Laden der Fahrzeugbatterie und einen optimierten Ladeprozess, da die Handhabung des meist schmutzigen Kabels unkomfortabel ist. Trotz dieses Wunsches ist die Preisbereitschaft für induktives Laden sehr gering. Die Münchner Probanden würden durchschnittlich ca. 400 Euro mehr für ihr Fahrzeug zahlen, um dies induktiv laden zu können. 1. Oktober 2016 Seite 104 von 126

105 Die bevorzugten Zahlungsmethoden zur Begleichung der anfallenden Stromkosten gehen, wie in Abbildung 76 ersichtlich, in Richtung EC-, Kredit- und Karte mit monatlicher Abrechnung. Weniger gewünscht ist die Zahlung mittels Prepaid- Karte, Bargeld, QR-Codes oder SMS. Abbildung 76: Gewünschte Zahlungsmethode Die aktuellen Ladekosten 2016 der Stadtwerke München (SWM) berechnen sich aus dem Grundpreis von 10,12Euro/Monat und 1,80Euro/Ladestunde. Die Probanden haben durchschnittlich 840km pro Monat zurückgelegt und ihr Fahrzeug mit durchschnittlich 2,9kW an den Ladesäulen geladen. Bei dem angegebenen Normverbrauch von 11,4kWh/100km / 1,6 l/100km des Audi A3 e-tron würden die Probanden 95,8kWh auf diese Fahrdistanz benötigen. Ausgehend von dem Preiskonzept der SWM (Stundenabrechnung) und der Annahme einer rein elektrischen Fahrweise, würde bei einer angenommenen Ladezeit von etwa 4h/100km der Preis bei ca. 8,40Euro/100km liegen. Der Audi A3 1,4 TFSI hat dahingegen einen angegebenen Normverbrauch von 4,9l/100km. Unter der Annahme, dass die Kosten von 8,40Euro/100km bei beiden Fahrzeugkonzepten identisch sind, würde der Kraftstoffpreis in Relation mit den aktuellen Ladekosten in München bei ca. 1,71Euro pro Liter Super Benzin liegen (Abbildung 77). 1. Oktober 2016 Seite 105 von 126

106 Abbildung 77: Vergleich Kostenlinien (A3 e-tron, A3 1.4TFSI) Bei einer Veränderung des Verbrauchs (VKM oder elektrisch) fällt oder steigt die jeweilige Kostenlinie (Abbildung 77, blaue Pfeile). AP 5300 Einzelauswertung E-Carsharing (BMW, UniBwM) Der Schwerpunkt im E-Carsharing lag auf dem Einsatz der Fahrzeuge und den Anpassungen im Betriebs- und Bedienungskonzept. Während der Testphasen wurden einige Auswertungen gefahren, die hier aufgeführt werden sollen. Nutzung der E-Fahrzeuge über den Projektzeitraum Bezogen auf den E-Carsharing-Betrieb zeichnete sich bereits in 2014 im laufenden Betrieb eine Stabilisierung der Prozesse und Schnittstellen zu BMW sowie auch zu den Betreibern der Ladeinfrastruktur ab. Anhand der Fahrten sieht man jedoch, dass es trotz aller Stabilisierungen zu Schwankungen innerhalb der Prozessqualität gekommen ist (siehe Abbildung 79). Zu Beginn des Jahres 2014 fielen die Fahrzeuge tageweise aufgrund der notwendigen Serviceuntersuchungen und des Reifenwechsels aus. Dann konnte ein Anstieg in der Nutzung verzeichnet werden, der aufgrund von unfallbedingter Aussteuerung ab KW 32 wieder gesunken ist. Im Anschluss fanden erneut Serviceuntersuchungen und Reifenwechsel statt so dass die Anpassung der Flottengröße zur Zielflotte, nicht zu einem sichtbaren Anstieg führen konnte. Erfreulich ist die Kundenakzeptanz. Seit dem Start und bis zu deren Ausflottung sind über Nutzer mindestens einmal mit einem Active E gefahren. Insgesamt hat die Flotte mit 1. Oktober 2016 Seite 106 von 126

107 gefahrene kilometer (aufsummiert) Erstnutzer Gemeinsamer Abschlussbericht zu E-Plan München den 20 Active E eine Laufleistung von fast km erreicht. Die durchschnittliche Kilometerleistung pro Tag und pro Fahrzeug liegt dabei ungefähr bei 40 km. Der positive Trend konnte in 2015 und 2016 beibehalten werden und die Einführung der I3 (und später des I3 Rex) zeigte deutlich, dass die Nutzung durch die Kunden keinen unerklärbaren Einbruch zeigte, obwohl die verfügbare Ladeinfrastruktur in keinem optimalen Verhältnis zur Anzahl der angebotenen Fahrzeuge steht. Die Anzahl der E- Fahrzeugerstnutzer ist auf über (allein im Testgebiet in München) gestiegen und insgesamt wurden seit Projektbeginn mehr als eine Millionen Kilometer rein elektrisch zurückgelegt. Rechnet man den I3 mit REX noch mit ein, so resultiert dies in einer Gesamtzahl an Kunden die bereits elektrisch mit einem DriveNow-Fahrzeug gefahren sind von über und eine Kilometerleistung von insgesamt über 1,3 Millionen Kilometern. Deutlich werden diese Zahlen in Abbildung 78: Hier sind (bezogen auf die einzelnen Flotten) die Zahl der Erstnutzer und die Fahrleistung in Kilometer aufgezeigt (die Daten sind jeweils von Flotte zu Flotte aufsummiert) BMW ActiveE BMW i3 BMW i3 plus BMW i3 REX - Erstnutzer km Abbildung 78: Erstnutzer und gefahrene Kilometer bezogen auf die unterschiedlichen Flotten Die durchschnittliche Anzahl Fahrten pro Woche hat sich aktuell zwischen 25 und 30 eingependelt und liegt damit etwas unterhalb der beiden vorangegangen Jahre. Ein Kernproblem hierbei ist, dass sich sehr viele Elektrofahrzeuge vergleichsweise wenig Ladeinfrastruktur teilen. Dies führt nicht nur zu erhöhten Aufwänden beim Veranlassen von Ladevorgängen durch das Service-Personal (z.b. durch die Notwendigkeit freie Ladesäulen suchen zu müssen), es verringert auch die Wahrscheinlichkeit, dass Kunden Fahrzeuge zum Laden bringen. Vermehrtes Kundenladen würde tendenziell die Zeiträume bis zu einer Wiederaufladung von leergefahrenen E-Fahrzeugen verkleinern. 1. Oktober 2016 Seite 107 von 126

108 a) Summe Kundenfahrten pro Fahrzeug pro Woche München 43,2 Anzahl Fahrten pro Fahrzeug Durchschnitt b) Summe Kundenfahrten pro Fahrzeug pro Woche München Austausch und Aufstockung c) Austausch und Aufstockung Abbildung 79 (a-c): Summe der Kundenfahrten pro Woche über das gesamte Projekt 1. Oktober 2016 Seite 108 von 126

109 Kundenfeedback DriveNow ist in den sozialen Medien vertreten und die Kunden nutzen diese Plattformen intensiv für Feedback zu Nutzung des Services. Zur Einflottung der ActiveEs haben sich dementsprechend ein überwiegender Anteil der Kunden positiv geäußert: Abbildung 80: Kundenfeedback über die DriveNow Facebook Seite kurz nach Einflottung der ActiveE Ergebnisse aus der Kundenbefragung in WiMobil Parallel zu Eplan wurden im Projekt WiMobil (gefördert durch das BMUB) die DriveNow Kunden u.a. zur Nutzung der Elektrofahrzeuge befragt. Abbildung 81: Ergebnisse aus der Onlinebefragung im Projekt Wimobil (I) 1. Oktober 2016 Seite 109 von 126

110 So gaben bei der Befragung im November 2013 mehr als 50% der befragten DriveNow Kunden an, schon mit einem Elektrofahrzeug gefahren zu sein. Bei den Probanden, die bisher noch kein Elektrofahrzeug genutzt, war vor allem die schlechte Verfügbarkeit (resultierend aus einer geringen Anzahl an Elektrofahrzeugen innerhalb der DriveNow Flotte) der Hauptgrund. Abbildung 82: Ergebnisse aus der Onlinebefragung im Projekt Wimobil (II) Etwa die Hälfte der befragten DriveNow Kunden, die bereits ein Elektroauto genutzt hatten, nutzen die Elektrfahrzeuge bewusst. Neben dem Haupttreiber Neugier ist es erfreulich zu sehen, dass der ökologische Gedanken bei weit mehr als der Hälfte der Befragten eine entscheidende Rolle spielt. AP 5400 Einzelauswertung ETaxi Der Versuch, das Elektrotaxi in den täglichen Taxibetrieb zu integrieren, hat vielerlei Erkenntnisse geliefert. Unter den aktuellen Rahmenbedingungen ist die Substitution von konventionellen Taxis durch Elektrotaxis mit einigen Hemmnissen verbunden, wovon die reduzierte Reichweite der Elektrofahrzeuge das größte Hindernis darstellt. Die im Projekt verwendete Ladeinfrastruktur von Ubitricity mit einer Ladeleistung von ca. 3 kw war zu leistungsschwach. Ein schnelles Nachladen während der Taxischicht war daher nicht möglich. Öffentliche Schnellladeinfrastruktur war während des Versuchszeitraums nur spärlich vorhanden und wurde daher nur selten genutzt. 1. Oktober 2016 Seite 110 von 126