Die Verpflichtung, die globale Erwärmung auf maximal zwei Grad Celsius zu begrenzen, erfordert eine deutliche Reduzierung der Treibhausgasemissionen in allen Sektoren. Die Stahlindustrie ist für rund 6 % der weltweiten Treibhausgasemissionen verantwortlich. Daher wurden mehrere Projekte zur Minimierung der Treibhausgasemissionen in der Stahlherstellung eingeleitet.
Die derzeit vorherrschende Technologie für die Primärstahlerzeugung ist die kohlenstoffbasierte Hochofen-Konverter-Route (BF-BOF). Kurz- und mittelfristig bieten u. a. Technologien zur Kohlenstoffabscheidung und -speicherung (CCS) die Möglichkeit, die Emission von Treibhausgasen aus diesen Produktionsprozessen in die Atmosphäre zu verringern. Langfristig gilt vor allem die wasserstoffbasierte Direktreduktion (H-DR) als vielversprechende Lösung, um Treibhausgasemissionen fast vollständig zu vermeiden. Allerdings muss neben den ökologischen Vorteilen dieser Technologien auch berücksichtigt werden, das voraussichtlich eine Erhöhung der spezifischen Kosten der Stahlherstellung resultiert. Darüber hinaus erschwert ein unsicheres regulatorisches Umfeld langfristige Entscheidungen. Dies macht den Einsatz quantitativer techno-ökonomischer Planungsansätze zur Unterstützung strategischer Entscheidungen über die Gestaltung von Transformationspfaden zur CO2-armen Stahlherstellung notwendig. Ein besonderer Fokus muss dabei auf die Berücksichtigung von Unsicherheiten in der unternehmerischen Entscheidungsfindung gelegt werden.
Im Rahmen einer Studien- oder Masterarbeit ist ein bestehendes Modell zur Kapazitätsplanung in Produktionsnetzwerken zu erweitern. Neben bereits einbezogenen Entscheidungen zur Reduktion, Modifikation und Expansion von Produktionskapazitäten können zusätzliche unternehmerische Entscheidungen im Kontext der strategischen Planung einbezogen werden. Außerdem ist das Modell, das bisher auf einem deterministischen Informationsgrad basiert, hinsichtlich des Einbezugs von Unsicherheiten zu erweitern. Hierzu bietet sich die robuste Optimierung an. Diese strebt an, für eine Vielzahl möglicher Zukunftsszenarien ideale Lösungen zu identifizieren.
Für die Anfertigung einer Studien- oder Masterarbeit zu dieser Thematik sind Kenntnisse der mathematischen Optimierung (Vorlesung Operations Management) sowie Kenntnisse zu Softwarelösungen zur Implementierung von Optimierungsmodellen hilfreich (Python, Gurobi).
Bei Interesse melden Sie sich bitte bei Yannik Graupner.