The impacts of climate change pose one of the main challenges for agriculture in Central Europe. In particular, an increase of extreme and compound extreme climate events is expected to strongly impact economic revenues and the provision of ecosystem services by agroecosystems. A highly relevant, still open question is how grassland farming systems can cope best with these climate risks to adapt to climate change. A prominently discussed economic instrument to relieve income risks is the formal insurance, but natural and social insurances are newly under discussion as well. Natural insurances include specific grassland management practises such as maintaining species-rich grasslands. Social insurances, in our terminology, comprise all forms of societal support for farmers’ climate risk management. This includes in particular arrangements of community-supported agriculture that reduce income risks for farmers, or payments for ecosystem services if their design takes risk into account. Formal, natural and social insurances may be substitutes or complements, and affect farmer behaviour in different ways. Thus, policy support for any of the three forms of insurance will have effects on the others, which need to be understood. InsuranceGrass takes an innovative interdisciplinary view and assesses formal, natural and social insurances: on how to cope best with impacts of climate extremes on grasslands, integrating social and natural sciences perspectives and feedbacks between them. Based on this holistic analysis, InsuranceGrass will provide recommendations for policy and insurance design to ensure effective risk-coping of farmers and to enhance sustainable grassland farming, considering economic, environmental and social aspects. Impacts of extreme and compound extreme events on the provision of ecosystem services (e.g. magnitude and quality of yield, climate regulation via carbon sequestration, plant diversity) by permanent grasslands in Germany and Switzerland are quantified based on long-term observations and field experiments. Cutting-edge model-based approaches will be based on behavioural theories and empirically calibrated. With the help of social-ecological modelling, InsuranceGrass explicitly incorporates feedbacks between farmers’ and households’ decision, grassland management options, and ecosystem service provision in a dynamic manner. The contributions of different insurance types are developed, discussed and evaluated jointly with different groups of stakeholders (i.e., farmers, insurance companies, public administration). A scientifically sound and holistic assessment of the role of formal, natural, and social insurances for the sustainability of grassland farming under extreme events requires both disciplinary excellence and seamless interdisciplinary collaboration. InsuranceGrass brings together four groups from Zürich and Leipzig, with unique disciplinary expertise and a track record of successful collaboration.
Von der Digitalisierung in der Landwirtschaft werden sich viele Vorteile für den landwirtschaftlichen Sektor versprochen. Dazu gehören unter anderem die Erhöhung der Produktivität, der Lebensmittelqualität, des Tierwohls sowie des Einkommens der landwirtschaftlichen Betriebe bei gleichzeitiger Reduzierung negativer Externalitäten der landwirtschaftlichen Produktion durch den Einsatz digitaler Technologien. Dennoch sind die Nutzungsraten in der Landwirtschaft zum Teil deutlich geringer als erwartet, was, trotz der Vorteile, auch auf Barrieren bei der Verwendung der digitalen Technologien hindeutet. Die Fragen, welche Faktoren die Einführung digitaler Technologien in der Landwirtschaft beeinflussen sowie die Kosten und nutzerfreundliche Handhabung der Technologien gehören daher zu den vorrangigsten Handlungs- und Forschungsfeldern aus Sicht der Praxis und Wissenschaft. Deshalb sollen im Rahmen des Projektes folgende Forschungsfragen beantwortet werden: Was ist der aktuelle Stand der Diffusion und Verbreitung von Anwendungen der PAT bzw. digitaler Lösungen für die Landwirtschaft in Deutschland? Wie bewerten die Landwirte*innen die Reifegrade von Anwendungen der PAT bzw. digitaler Lösungen für die Landwirtschaft anhand eines entwickelten Reifegradbewertungsrahmen? Welche latenten Faktoren beeinflussen im Rahmen eines integrierten UTAUT-TTF Modell die Nutzungsabsicht für eine Pflanzenschutz-App? Welche Faktoren beeinflussen die konkrete Zahlungsbereitschaft in Euro für eine Pflanzenschutz-App? Wie hoch ist die Zahlungsbereitschaft für eine Drohnen-Serviceleistung zur Düngemittelkartierung? Welche Faktoren beeinflussen die Zahlungsbereitschaft für einen Drohnen-Serviceleistung zur Düngemittelkartierung? Die Beantwortung der Forschungsfragen ist somit nicht nur für das finanzielle Wohlergehen der Landwirte*innen von Relevanz, sondern hat auch eine gesellschaftliche und politische Bedeutung, da sie zur Erleichterung der Diffusion digitaler Technologien und der damit einhergehenden externen Vorteile beitragen kann. Die Ergebnisse sind dementsprechend für politische Entscheidungsträger*innen sowie Berater*innen von landwirtschaftlichen Betrieben aber auch für Entwickler*innen und Anbieter*innen von digitalen Lösungen in der Landwirtschaft von Bedeutung. Durch die methodisch innovativen Ansätze sind die Ergebnisse auch für Wissenschaftler*innen von Interesse.
Das Forschungsprojekt „Das agrarpolitische Trilemma in Staaten der ehemaligen Sowjetunion“ zielt darauf ab, das makroökonomische Politiktrilemma auf den Bereich der Agrarpolitik anzuwenden und die Rolle von Politiken für die Agrarentwicklung zu bewerten. Es enthält einen theoretischen und einen empirischen Teil. Potenzielle Zielkonflikte werden aus einem theoretischen Blickwinkel bewertet. Je nachdem, inwieweit die Prioritäten der Agrarpolitiken auf der Stimulierung der heimischen Produktion, der Integration in internationale Märkte oder nichtwirtschaftlichen Zielen liegt, können Staaten räumlich abgebildet werden. Bei drei miteinander konfligierenden Zielen ergibt sich die Darstellung in Form eines Dreiecks. Die theoretischen Ansätze zur Modellierung des Wachstums des Agrarsektors werden systematisiert und die Rolle der Agrarpolitik für das Wachstum aus einer komparativ-statischen Perspektive analysiert. Die empirische Projektkomponente umfasst eine Analyse der Entwicklung der Agrarpolitik in den Nachfolgestaaten der Sowjetunion und die Quantifizierung ihrer Rolle für das landwirtschaftliche Wachstum. In diesem Projekt werden verschiedene Indizes entwickelt bzw. angepasst, die eine Quantifizierung der Agrarpolitik der Länder ermöglichen. Statistische und ökonometrische Methoden werden angewendet, um erstens die Beziehungen zwischen Zielen zu testen und zweitens den Beitrag politischer Maßnahmen zum Wachstum abzuschätzen. Schließlich werden Methoden des maschinellen Lernens eingesetzt, um das landwirtschaftliche Wachstum unter verschiedenen Politik-Szenarien vorherzusagen. Das Projekt wird die Ergebnisse in mehreren begutachteten Publikationen veröffentlichen und die generierten Daten einem breiteren Publikum über Repositorien zugänglich machen.
Klimawandel kann die menschliche Gesundheit auf verschiedenen Wegen beeinflussen: Typische Wirkungspfade in Sub-Sahara Afrika sind verringerte Erträge in der Landwirtschaft, Hitzestress und Änderungen in der Malariaprävalenz. Diese biophysikalischen und Gesundheitseffekte haben wiederum Auswirkungen auf ökonomische Systeme, z. B. über Nahrungsmittelmärkte oder Änderungen des Umfangs der Erwerbsbevölkerung oder der Arbeitsproduktivität sowie der Bevölkerungsgröße und -zusammensetzung. Das übergeordnete Ziel dieses Projekts ist die Analyse verschiedener, simultan auftretender Auswirkungen des Klimawandels auf die Gesundheit und damit die Volkswirtschaft sowie entsprechende Anpassungsstrategien im Rahmen eines dynamischen allgemeinen Gleichgewichtsmodells mit einer hohen räumlichen Auflösung sowie differenzierter Darstellung von Haushalten und Produktionsfaktoren. Dieses Ziel basiert auf zwei Beobachtungen bzgl. des Standes der Forschung sowie der Ergebnisse aus der ersten Phase der Forschergruppe: i) Die Zeitdimension ist relevant, weil Anpassungsstrategien häufig frühe Investitionen erfordern, die erst später zu Wohlfahrtsgewinnen führen. ii) Die Auswirkungen von Hitzestress und Malaria sowie die Änderungen der Produktivität von Nutzpflanzen sind sowohl in Bezug auf die Region wie auch auf Haushaltsgruppen differenziert und haben starke Implikationen für die Verteilung der Wohlfahrtswirkungen und damit politische Umsetzbarkeit von Anpassungsstrategien. Eine dynamische Modellspezifikation, die Entwicklungen über die Zeit explizit abbildet, ermöglicht relevante Analysen. So können kurzfristig hohe Investitionen in Anpassungsmaßnahmen langfristig starke Wohlfahrtsvorteile erbringen. Um Ihre Umsetzung zu ermöglichen, müssen allerdings Maßnahmenmixe umgesetzt werden, die auch hinreichend kurzfristige Vorteile beinhalten. Außerdem kann in einem dynamischen Modellrahmen die Veränderung der demographischen Struktur der Bevölkerung abgebildet werden, die sich durch klimainduzierte Veränderungen der Mortalität ergibt. Aus dem übergeordneten Ziel werden zwei Teilziele abgeleitet: 1) Eine Weiterentwicklung des komparativ-statischen Einzelland-CGE-Rahmens zu einem dynamischen Modellansatz, 2) eine verbesserte Analyse der Effektivität und Effizienz ausgewählter Anpassungsstrategien. Das Arbeitsprogramm umfasst vier Projektphasen: 1) Entwicklung eines dynamischen Modellrahmens, 2) Analyse verschiedener Anpassungsstrategien in der komparativ-statischen Modellspezifikation, 3) Analyse verschiedener Anpassungsstrategien in der dynamischen Modellspezifikation, 4) Analyse integrierter Szenarien, die die verschiedenen Wirkungspfade und ausgewählte Anpassungsstrategien simultan umfassen.
Die Dynamik auf landwirtschaftlichen Bodenmärkten veränderte sich in Deutschland substanziell in den vergangenen zehn Jahren, in denen sowohl die Pacht- als auch die Kaufpreise für Ackerland massiv angestiegen sind. Dieser Preisanstieg wirkte sich auf die landwirtschaftliche Bodennutzung aus und führte unter anderem zu einer Zunahme des Anteils größerer Betriebe, zu größeren Flurstücken und zu einer geringeren Heterogenität der Agrarproduktion. Diese Strukturveränderungen in der Landwirtschaft hatten auch erhebliche Auswirkungen auf Umweltindikatoren sowohl auf landwirtschaftlichen Flächen als auch auf deren Umgebung, beispielsweise durch veränderte Landschaftsstrukturen und durch Beeinflussung der Habitatzusammensetzung. In diesem Teilprojekt soll ein besseres Verständnis generiert werden, wie die beobachteten Veränderungen auf dem landwirtschaftlichen Bodenmarkt auf die landwirtschaftliche Anbaustruktur, Eigentumsverhältnisse, Betriebsgrößen und Schlaggrößen sowie auf Vogelbiodiversität auswirken. Vogelbiodiversität ist ideal, um die Umweltauswirkungen der Landwirtschaft zu approximieren, da Vögel als Stellvertreterarten für andere Taxa dienen. Zudem sind aus wissenschaftlicher Bürgerbeteiligung konsistente Raumzeitdaten für Vogelbiodiversität für ganz Deutschland erhältlich. Wir werden die Verbindungen zwischen diesen Variablen mit Hilfe räumlich und zeitlich expliziter Analysen sowohl retrospektiv als auch prospektiv untersuchen. Die datengetriebene Herangehensweise bedient sich räumlicher statistischer Analysen und Verfahren des maschinellen Lernens, um Muster und Prozesse in zwei landwirtschaftlich bedeutenden Regionen Deutschlands (Brandenburg und Niedersachen) und in der Tschechischen Republik herauszufiltern. Die retrospektiven Ergebnisse werden zusammen mit Akteurswissen dazu dienen Zukunftsszenarien zu entwickeln, um alternative Entwicklungen der Landmärkte vorherzusehen und deren Folgen auf Betriebsstrukturen, Landnutzung und Vogelbiodiversität abzuschätzen. Das Teilprojekt, angesiedelt in der Schnittstelle zwischen Geographie, Agrarökonomie und Geoinformationswissenschaften, wird detaillierte und flächendeckende Einsichten in Bezug auf die indirekten Auswirkungen der Veränderungen auf Bodenmärkten für die Forschergruppe liefern. Dieses Wissen kann wertvolle Argumente für staatliche Bodenmarktinterventionen liefern und auch deren räumliche Planung unterstützen. Solches Wissen ist bedeutend, weil die Umweltauswirkungen des anhaltenden landwirtschaftlichen Strukturwandels gesellschaftlich eine hohe Bedeutung haben und dadurch auch viel Aufmerksamkeit in Wissenschaft, Politik und Medien bekommen.
Die Präzisionslandwirtschaft und die damit verbundenen digitalen Technologien bergen viele Potenziale für eine nachhaltige Transformation des Agrarsektors und bilden die Grundlage für ressourcenschonende Produktivitätssteigerungen im Sinne der „sustainable intensification.“ Digitale Technologien aus anderen Sektoren finden somit zunehmend Anwendung in der Pflanzenproduktion. In der Konsequenz lässt sich ein Zusammenwachsen, d. h. eine Konvergenz, zwischen der digitalen Ökonomie und dem Agrarsektor beobachten. Diese Konvergenz führt zu einer Transformation hin zu einer Präzisionslandwirtschaft, die als komplexes Phänomen mit zahlreichen Wechselwirkungen zu beschreiben ist. Um dieser Komplexität gerecht zu werden, ist ein holistischer Ansatz zur Erfassung der Zusammenhänge erforderlich. Das Ziel dieses Forschungsprojektes ist daher die Untersuchung der grundlegenden strukturellen Veränderungen, die durch das Aufkommen autonomer, datengesteuerter Technologien ausgelöst werden, sowie der Folgen und Chancen für die beteiligten Akteure. Dies erfolgt im Rahmen einer Mehrebenenanalyse auf Ökosystem, Organisations- und Individualebene. Die vorliegende Untersuchung wird die Konvergenz ehemals getrennter Ökosysteme (WP1), die Auswirkungen auf die Identität von etablierten Unternehmen im Bereich der Landmaschinentechnik (WP2) sowie die kognitiven Mechanismen von Managern bei der Erkennung unternehmerischer Chancen in dem Konvergenzfeld Präzisionslandwirtschaft (WP3) analysieren. Die hier angestrebte Mehrebenenanalyse wird das Verständnis der Transformation von Agrarproduktionssystemen vertiefen, die zunehmend von physischen Produkten zu digitalen Produkt-Service-Systemen übergehen. Die Integration der Ergebnisse aller drei Untersuchungsebenen dient der Erweiterung der Forschung zu Ökosystemen und Konvergenz sowie der Beantwortung der entscheidenden Frage, welche Akteure in dem sich wandelnden und zunehmend komplexen Ökosystem der Landwirtschaft eine dominante oder einflussreiche Rolle einnehmen werden.
Neue Technologien und Betriebsführungssysteme gelten als entscheidend, um die Nachhaltigkeit und Ressourceneffizienz der Landwirtschaft zu steigern. Jedoch sind unsere Datenquellen, die Auskunft darüber geben, welche Technologien in den Betrieben tatsächlich eingesetzt werden sehr begrenzt. Das macht es schwierig zu beurteilen, ob die Technologien tatsächlich die versprochenen Umwelteffekte erzielen können und schränkt unsere Möglichkeiten ein Technologiediffusion zu untersuchen und zu verstehen. Wir argumentieren, dass Satellitendaten und neuartige Deep Learning-Ansätze derzeit ungenutzte Möglichkeiten bieten, um diese Limitationen zu überwinden. Die vorhandene Literatur hat bereits gezeigt, dass anhand von Satellitendaten Technologien auf Feldebene erkannt werden können. Bislang werden diese Datensätze jedoch nicht in vollem Umfang genutzt, um das Adoptionsverhalten oder Diffusionsprozesse zu untersuchen. Die vorhandenen Datenprodukte bieten zwar erhebliches Potential, sind aber in Bezug auf die von ihnen abgedeckten Regionen/Technologien begrenzt. Eine Ausweitung auf andere Regionen/Technologien ist nur begrenzt möglich, da für das Lernen neuer maschineller Lernmodelle oder die Erweiterung bestehender Modelle in der Regel große Mengen an gelabelten Referenzdaten (d. h. Beobachtungen mit bekannten Referenzinformationen) erforderlich sind, an denen es jedoch häufig mangelt. Die Ziele dieses Projekts sind daher zweifach. Erstens wollen wir vorhandene Datenprodukte aus Satellitendaten nutzen, um Diffusionsprozesse zu untersuchen, insbesondere die Dynamik der Adoption (“Disadoption”) und räumlich Peer-Effekte. Hier können wir einen bestehenden Datensatz für bodenschonender Bodenbearbeitung in den USA nutzen, der aus Satellitendaten abgeleitet wurde. Zweitens zielen wir darauf ab, die Anzahl der benötigten gelabelten Referenzdaten für Deep Learning-Ansätze deutlich zu reduzieren. Dazu wollen wir neuartige Lernverfahren entwickeln und insbesondere untersuchen, ob die Einbeziehung von agronomischen Domänenwissen dazu beitragen kann, die Anzahl der benötigten gelabelten Referenzdaten zu reduzieren. Wir vergleichen die entwickelten Ansätze mit den vorhandenen US-Daten und wenden sie an um neue Datenprodukte für andere Regionen (Deutschland) und Technologien (bodenschonender Bodenbearbeitung und Glyphosateinsatz) zu erstellen. Der Daten werden öffentlich zugänglich gemacht. Wir nutzen sie um die Diffusionsdynamiken von bodenschonender Bodenbearbeitung und Glyphosateinsatz in Deutschland abzuleiten, was einen wichtige Betrag für die aktuelle politische Debatte über diese Technologien liefern kann.
Das hier beantragte Projekt widmet sich der gesellschaftlichen Dimension von Stickstoff. Reaktiver Stickstoff, der in der Lage ist, Verbindung mit anderen Elementen einzugehen, ist eine unverzichtbare Grundlage für pflanzlichen und tierischen Stoffwechsel - und damit auch der Landwirtschaft und der Welternährung. Gemessen an der Gesamtmenge des Stickstoffs auf der Erde, des häufigsten Elements in der Atmosphäre, ist die Menge an reaktivem Stickstoff extrem limitiert. Zugleich stellt reaktiver Stickstoff aber auch ein erhebliches ökologisches Problem dar. Auf Äckern und in Ställen reagiert er zu Stickoxiden wie Lachgas, einem bedeutenden Treiber der Klimaerwärmung. Er gelangt über Oberflächengewässer und Kanalisationen ins Trinkwasser, wo er in Form von Nitrit eine Bedrohung für die menschliche Gesundheit darstellt. Stromabwärts sammelt er sich schließlich in Senken wie Seen und Meeren. Dort führt seine übermäßige Verfügbarkeit zur Eutrophierung, massenhaftem Algenwachstum und damit zur Zerstörung von aquatischen, vor allem küstennahen Ökosystemen. Die fortschreitende Zunahme von reaktivem Stickstoff in Gewässern und auf ökologisch sensiblen Magerflächen gilt als eines der drängendsten Umweltprobleme unserer Zeit: Die ökologisch verkraftbare Menge an reaktivem Stickstoff weltweit gilt als längst überschritten. Seit einiger Zeit haben es sich Industrienationen daher nicht mehr allein zur Aufgabe gemacht, die Verfügbarkeit von reaktivem Stickstoff zu erhöhen, um für Ernährungssicherheit zu sorgen. Sie versuchen heute zugleich auch, sie umgekehrt wieder einzudämmen, um Schäden für Mensch und Umwelt zu minimieren. Dabei werden verschiedene Akteurinnen, Akteure und Instanzen mit in die Pflicht genommen: kommunale Wasserwerke, landwirtschaftliche Betriebe, staatliche Messstellen und Umweltbehörden. Ihnen wird aufgetragen, sinnvoll mit Stickstoff zu wirtschaften, um seine negativen Auswirkungen auf Mensch und Natur zu minimieren. Dabei agieren die in der Stickstoffwirtschaft Involvierten auf Basis unterschiedlicher Interessen, Anreize, Wissensbestände und Handlungsspielräume, was die Stickstofffrage zu einem klassischen Untersuchungsfall für sozialwissenschaftliche Analyse macht. Trotz der gesellschaftlichen Bedeutung von Stickstoff und der Tragweite der mit ihm verbundenen Probleme hat es in Deutschland in den vergangenen 30 Jahren nur wenig Forschung aus Soziologie oder anderen Sozialwissenschaften zu seiner sozialen Zirkulation gegeben. Das hier vorgestellte Projekt möchte dies beheben. Auf Basis einer empirischen Untersuchung der zeitgenössischen Stickstoffwirtschaft und -regulierung soll es eine Übersicht über den Stand der Debatten und Probleme liefern, einen soziologischen Zugriff auf Stickstoff und seine Rolle in modernen Gesellschaften erarbeiten sowie einen Beitrag zur Umweltsoziologie im Allgemeinen leisten.
Der Anstieg der globalen Temperaturen und extremer Hitze haben erhebliche Auswirkungen auf die Gesundheit und das sozioökonomische Wohlergehen von Menschen, wobei einkommensschwache Länder besonders betroffen sind. Ländliche Regionen in diesen Ländern sind besonders gefährdet, da sie weniger Anpassungsmöglichkeiten haben. Besonders benachteiligte Gruppen wie arme Menschen, Frauen, Kinder, ältere Menschen und Menschen mit gesundheitlichen Vorbelastungen sind häufig eingeschränkt im Zugang zu Ressourcen, Bildung und Gesundheitsversorgung, was ihre Anpassungsfähigkeit an extreme Hitze erheblich einschränkt. Da Menschen viel Zeit in Innenräumen verbringen, ist die Senkung der Innentemperaturen eine zentrale Anpassungsstrategie gegen Hitzestress, da sie dem Körper ermöglicht, sich von hoher Außentemperaturen zu erholen. Studien zeigen, dass niedrigere Innentemperaturen die Ernährungssicherheit, Gesundheit, das Sozialverhalten und die kognitive Leistung fördern. Energieintensive Maßnahmen wie Klimaanlagen erhöhen jedoch den Energiebedarf und Emissionen und sind in ressourcenarmen, ländlichen Gebieten im Globalen Süden oft nicht realisierbar. Passive Kühltechniken, wie kühle Dächer, bieten eine kostengünstige Möglichkeit zur Senkung der Innentemperatur und können Ernährungssicherheit, Gesundheit und Wohlstand verbessern. Die Auswirkungen dieser Technologien sind jedoch weitgehend unerforscht. Um diese Wissenslücke zu schließen, verwenden wir umfassende Haushalts- und Individualdaten aus einer geclusterten randomisierten Kontrollstudie (cRCT) und feinkörnige Daten zu Innen- und Außentemperaturen, die Kausalität identifizieren lassen. Aufbauend auf einem DFG-geförderten Forschungsprogramm zu öffentlicher Gesundheit soll unsere Studie empirische Belege für die kausalen Auswirkungen von Innentemperaturen und passiven Kühltechniken auf Ernährungssicherheit, innerfamiliäre Spannungen, Humankapitalentwicklung und psychische Gesundheit liefern. Diese Themen sind sowohl wissenschaftlich relevant als auch grundlegend für das unmittelbare und langfristige Wohlbefinden, insbesondere in Ländern mit niedrigem Einkommen. Da sie miteinander verknüpft sind und sich gegenseitig verstärken, sind sie für das Verständnis der breiteren Entwicklungs- und Gesundheitsergebnisse von wesentlicher Bedeutung. Zudem werden wir die potenziellen Mechanismen, die den Einflüssen der Innentemperatur und passiven Kühlstrategien auf das Wohlergehen und Verhalten von fünf gefährdeten Gruppen (arme Menschen, Frauen, Kinder, ältere Menschen und Menschen mit psychischen Erkrankungen) zugrunde liegen, identifizieren und prüfen. Dieser Ansatz ist nicht nur entscheidend für die Quantifizierung der verschiedenen Auswirkungen der Innentemperaturen auf gefährdete Gruppen, sondern liefert auch wertvolle Erkenntnisse für die Entwicklung gezielter Interventionen und Anpassungsstrategien im Kontext des Klimawandels.
Seit Jahren wird die Gemeinsame Agrarpolitik dafür kritisiert, dass sie die Umweltprobleme nicht ausreichend adressiert und ihre selbsternannten Ziele nicht erreicht. Zur Verbesserung hat die EU-Kommission in der jüngsten Reform einen indikatorenbasierten Politikbewertungsrahmen vorgeschlagen. Der Agrar- und Ernährungssektor ist ein komplexes System mit vielfältigen Trade-offs (Komplementaritäten, Substituten, Synergien) zwischen Produktion, ökologischer Nachhaltigkeit und gesellschaftlichen Anforderungen. Daher muss jeder Bewertungsrahmen diese Trade-offs berücksichtigen. Vor dem Hintergrund des wissenschaftlichen Standes wird die folgende Hypothese für das Forschungsprojekt abgeleitet: Eine indikatorenbasierte Politikbewertung reicht nicht aus, um die nachhaltige Entwicklung des Agrar- und Ernährungssektors zu steuern, wenn Trade-offs zwischen der Produktion und der Bereitstellung von Nahrungsmitteln, biobasierten Produkten und öffentlichen Gütern bestehen. Folglich muss die indikatorenbasierte Politikbewertung erweitert werden, damit die Trade-offs berücksichtigt werden. Das vorgeschlagene Projekt adressiert diese Forschungslücke. Das Forschungsziel des Projekts ist es, eine indikatorenbasierte Politikbewertung mit einem theoriekonsistenten produktionsökonomischen Ansatz zu kombinieren, um gemeinsam Situation und Veränderungen in der Produktion und Bereitstellung von Nahrungsmitteln, biobasierten Produkten und öffentlichen Gütern in einem vergleichbaren Ansatz über die EU-Regionen hinweg und im Zeitverlauf zu bewerten. Dazu wird erstens in einem theoriekonsistenten Rahmen die Systematisierung von Trade-offs vorgenommen; zweitens werden Verknüpfungen zwischen Indikatoren, Veränderungen im Zeitverlauf und Vergleiche zwischen den Regionen mit dem Ziel analysiert, die Anzahl der Indikatoren zu verdichten und potenziell übergreifende "Dachindikatoren“ zu identifizieren; und drittens werden regionale Produktionsmöglichkeitsgrenzen ökonometrisch geschätzt, um Opportunitätskosten über Regionen und Zeit hinweg zu bewerten. Das Projekt ist innovativ, da es einen bestehenden theoriekonsistenten Ansatz auf den Kontext der Produktion und Bereitstellung von Nahrungsmitteln, biobasierten Produkten und öffentlichen Gütern erweitert, da es das Konzept der "Dachindikatoren" von den Ökowissenschaften auf den Bereich der Agrarpolitik überträgt und da es eine monetäre Schätzung der Opportunitätskosten liefert, die die Trade-offs aufzeigt, die in der aktuellen Agrarpolitik bestehen. Die Ergebnisse dieses Forschungsprojekts (theoretische Systematisierung von Trade-offs, Dachindikatoren, Opportunitätskosten) können genutzt werden, um Entscheidungsträger über diese Nachhaltigkeitskompromisse zu informieren und können somit zur Faktenbasis für Entscheidungen über den zukünftigen Weg des EU-Agrar- und Ernährungssektors beitragen. Die Informationen über regionale Opportunitätskosten können ein wertvoller Input für die modellbasierte Politikfolgenabschätzung sein.
| Organisation | Count |
|---|---|
| Bund | 105 |
| Europa | 2 |
| Wissenschaft | 71 |
| Zivilgesellschaft | 1 |
| Type | Count |
|---|---|
| Förderprogramm | 105 |
| License | Count |
|---|---|
| Offen | 105 |
| Language | Count |
|---|---|
| Deutsch | 95 |
| Englisch | 68 |
| Resource type | Count |
|---|---|
| Keine | 33 |
| Webseite | 72 |
| Topic | Count |
|---|---|
| Boden | 71 |
| Lebewesen und Lebensräume | 101 |
| Luft | 45 |
| Mensch und Umwelt | 105 |
| Wasser | 46 |
| Weitere | 103 |